ENCG - Tanger Gestion budgétaire et prévisionnelle Pr.

Rachid DAANOUNE

CAS VET’HOM*
Le programme des ventes

SOLUTION

—
Quelques remarques s'imposent, au préalable à tout calcul :
les prévisions commerciales ont une incidence importante sur
toute la suite du processus budgétaire ; leur mauvaise estimation a
des répercussions directes sur la qualité de l’ensemble des

—
prévisions et présente un danger pour l'entreprise ;
l'utilisation de l'outil statistique doit permettre de rechercher
la courbe la plus proche de la tendance observée ; l'extrapolation par
tendance linéaire (utilisée ici pour les ventes de vestes) est facile à
mettre en œuvre, mais d'autres techniques statistiques permettent
de déterminer des prévisions à un niveau différent et parfois avec
plus de pertinence : fonctions exponentielles, fonctions

—
paraboliques, fonctions puissance, etc. ;
la référence à un historique des ventes pour établir des
prévisions, ne se conçoit que si les conditions d'activité et
d'environnement demeurent assez stables. En cas de rupture
d évolution ou d'instabilité notoire, il serait souhaitable d’oublier le

—
passé et d'utiliser des techniques plus prospectives ;
d’autres facteurs qualitatifs, non recensés dans l'énoncé,
doivent aussi intervenir dans l'estimation : analyse de la stratégie
des concurrents, détection de signaux faibles porteurs d'évolution,
volonté d'infléchir le marché dans un certain sens, etc. ; de plus,
dans le cas de l'entreprise VET'HOM, il conviendrait
d'approfondir les raisons qui poussent les commerciaux à penser
que la demande de costumes ne continuera pas à chuter en l'année
N+l.

Pour chaque catégorie de vêtements, nous présentons

successivement le calcul des prévisions et une réflexion sur leur
degré de pertinence.

1 - PROGRAMME DES VENTES DE COSTUMES

Les prévisions correspondent, mois par mois, aux ventes
moyennes des quatre dernières années. Elles ressortent aux
niveaux suivants :

* Source : Michel Gervais

1
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
VET’HOM

Figure 1 Evolution des ventes de COSTUMES

Quantité
collection printemps-été
6000
i
n
:
5 000 M
/S
4000

3000 I
!
i
T
\
T \
2000

1000
N— 3 N-2 N— 1 .N
l
/
N+l
X Année
Quantité
collection automne-hiver

S
7000

6000

I
5000

4000
l
3000' • •
/
2000

1000
\
N -3 N -2 N— 1 N N-t-1 Année

* Source : Michel Gervais

2
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
Le programme des ventes

Tableau 1
Prévisions de ventes de COSTUMES
pour l'année N+1 (en volume)
Jan v. Fév. Mars Avril Mai Juin Semestre 1
Quantité 1220 3850 5800 3 470 1770 1400 17 510

Juil. Août Sept. Oct. Nov. Déc. Semestre 2

Quantité 1 110 3 160 7 060 5 520 2400 1560 20 800

La méthode utilisée semble pertinente ; elle permet en effet :

—de traduire le sentiment de reprise exprimé par
commerciaux ;
les

—
de conserver la structure saisonnière des ventes qui se
manifeste clairement à l’observation graphique.

2 - PROGRAMME DES VENTES DE VESTES

Les prévisions se déterminent en prolongeant par ajustement
linéaire simple, les ventes des trois dernières saisons et en
appliquant à cette extrapolation les coefficients saisonniers moyens
de la période d’ajustement.

A partir de l'historique des ventes, nous recherchons donc dans

un premier temps, l'équation des droites de régression de chaque
collection.
Elles se présentent sous la forme : Y » a X b,
où X représente le temps (ici, un numéro de mois) et V le nombre
de veskftS vendues .
Pour calculer la pente « a » et l’origine « b » des droites, nous
utilisons les formules suivantes :

a
£xiyi
= Xxi - K Xyi
b =y-ax
7 £xi
Le tableau 2 fournit les résultats obtenus.

* Source : Michel Gervais

3
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
VET'HOM

Tableau 2
Détermination de l’équation de la droite de régression,
d'après l'historique des ventes de VESTES sur 3 ans
Collection été Collection hiver
1er semestre 2e semestre
Xi Mois Yi XÎYi Mois Yi XiYÎ
1 Janv N— 2 960 960 Juil N— 2 530 530
2 Fév. N— 2 1720 3440 Août N— 2 1960 3920
3 Mars N— 2 1820 5460 Sept. N— 2 1750 5250
4 Avr. N— 2 2040 8160 Oct. N— 2 1400 5600
5 Mai N— 2 940 4 700 Nov. N-2 980 4900
6 Juin N— 2 700 4200 Déc. N-2 1210 7260
7 Janv N— 1 1480 10360 Juil N— 1 790 5530

»
16 Avril N 2480 39 680 Oct. N 1250 20 000
17 Mai N 1460 24820 Nov. N 1180 20 060
18 Juin N 1210 21780 Déc. N 1420 25560

Total 171 30280 304500 25290 247 360

Moyenne 9,5 1682,2 1406

a 3S
304 500 -484,5
(9,5 x 30 280)
a as 247 360 -484,5
(9.5 x 25 290)

a» + 34,76 a* + 14,66
b» 1 352,03 b» 1 265,69

Le trend étant déterminé (pente croissante pour chaque

collection), les prévisions sont obtenues en prolongeant la tendance,
tout en tenant compte des variations saisonnières spécifiques à
chaque collection.
Les coefficients saisonniers se calculent
——
pour chacun des six mois de la collection (m 1 à 6),
en faisant une moyenne arithmétique sur trois ans (n«* 1 à 3) du
rapport : vente mensuelle réellement constatée / vente mensuelle
=
recalculée avec l'équation de la tendance (Y 1 352,03 34,76 X ou =
* Source : Michel Gervais

4
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
Le programme des ventes

Y = 1 265,69 + 14,66 X selon la collection).

Le total des coefficients saisonniers s'écrit alors :

m=l
ventes
ventes réelles «R» du mois m
recalculées «R‘» du mois m -) /3-6
rv=l
et pour le mois de janvier, le coefficient saisonnier se détermine
ainsi :
Données 980 l 480 1 640
historiques
t t t
CS Janv. ■( R Janv N-2
R* Janv N-2
R Janv N- 1
R’ Janv N- i
R Janv N \
R' Janv N J
/ 3

Y1 = 1 352,03
+ 34,76
Y7 =
x 1 -
1 386,79
1 352,03 + 34,76 x 7
▼
1 595.35 -
Y 13
-
I 352.03 -ÿ 34,76 x 13
- 1 803,91

Les calculs donnent :

CSjanvier = (0,707 + 0,928 -t- 0,909) / 3, soit :

CÿJanviear ■ 0348

L'estimation des ventes de vestes, en janvier N+l (19e mois de

l'ajustement basé sur un historique de trois semestres, avec un
coefficient saisonnier de 0,848), se fixe alors à :

Qjanvier = (1 352,03 34,76 x 19) x 0,848 * 1 706,57, arrondi à

+ÿ

Qjanvier ■ 1 710 vectee

Les calculs sont identiques pour les autres mois :

—
— —
avec la même équation de février à juin ;
avec l'équation Y 1 265 + 14,66 X, de juillet à décembre.

En conséquence, les prévisions de l’année N+l s’établissent aux

niveaux suivants :
* Source : Michel Gervais

5
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANQUNE

CAS VET’HOM*
VET' HOM

Tableau 3
Prévisions des ventes de VESTES
pour les deux collections de l’année N+l (en volume)
Janv. Fév. Mars Avril Mai Juin Semestre
Coefficients
saisonniers 0,848 1,336 1,316 1,348 0,637 0,516 6
Quantité
prévue _ 1710 2 730 2 740 2850 1210. 1130 12530
Juil. Août Sept. Oct. Nov. Déc. Semestre
Coefficients
saisonniers 0,488 1,461 1,409 0,961 0,828 0353 6
Quantité
prévue _ 750 2280 2220 1530 1330 1380 9490

Nous pouvons mesurer la pertinence de ces prévisions :

- en testant la validité de la méthode employée sur la dernière
année connue (année N),
-en procédant au test du caractère multiplicatif des coefficients
saisonniers.

a - Test de la méthode utilisée sur Tannée N

A partir de l'équation du trend du tableau 2 et des coefficients
saisonniers du tableau 3, il est possible pour l’année N, de
déterminer une prévision. La comparaison des valeurs ainsi
calculées et des valeurs réellement obtenues permet d'apprécier la
validité de la méthode employée.
Les résultats obtenus sont les suivants :

* Source : Michel Gervais

6
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
Le programme des ventes

Tableau 4
Test de la méthode de prévision de ventes de VESTES
sur l'année N
Voleurs obte¬ Ecart
nues par
Valeurs la méthode en en % de la
réelles de prévisions quantité valeur prévue
Janvier N 1640 1530 + HO + 7,2
Février 2580 2450 -t- 130 + 5.3
Mars 2980 2470 + 510 + 20,6
Avril 2480 2570 - 90 -3.5
Mai 1460 1240 + 220 + 17,7
Juin 1210 1020 + 190 + 18,6
SEMESTRE 1 12 350 11280 + 1070 + 9,5

Juillet 690 710 -20 -2,8

Août 2350 2150 + 200 + 9,3
Septembre 2210 2090 + 120 + 5,7
Octobre
Novembre
1250
1180
1440
1250
-190
-70
- 13,2
-5,6
Décembre 1420 1300 + 120 + 9,2
SEMESTRE 2 9 100 8940 + 160 + 13

L'ajustement est correct si les écarts ne sont pas trop importants et

leur somme (sur le semestre) proche de zéro.
Pour la collection printemps-été, il ne semble pas très bon (trois
écarts proches de 20 % et un écart global de presque 10 %).
Sur la collection automne-hiver, il est en revanche plus
satisfaisant (écart global proche de zéro, seul l'écart d'octobre
dépasse 10 %).
Globalement, cependant, le risque d’erreur de prévision apparaît
non négligeable.
L’observation de la figure 2 pouvait d'ailleurs laisser envisager
cette conclusion. Les données sont très dispersées autour du trend
(lafiabilité du trend est donc médiocre1) et surtout la saisonnalité
n'est pas constante.

1 Pour une analyse plus complète, se reporter à l’annexe de la

présente étude de cas.

* Source : Michel Gervais

7
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
VET’ HOM

Figure 2
Evolution du volume des ventes de VESTES
Quantités
collection printemps-été
3000

2500 rO
l
/
2000

1500

1000

500
N— 2 N-l N N+l Année

Quantité
collection automne-hiver
2500

2000

1500 ••

1000

500
N— 2 N— 1 N N+l Année

* Source : Michel Gervais

8
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANÜUNE

CAS VET’HOM*
Le programme des ventes

b - Test du caractère multiplicatif de la saisonnalité

Dire que la composante saisonnière (S) est additive, c'est

affirmer que celle-ci ne varie pas en fonction du trend (T) ; la série
chronologique (A) se décompose alors comme suit : A =s T + S.
Retenir un mode multiplicatif, c'est affirmer que le facteur
saisonnier se modifie avec l'importance du trend (A T x S). =
En calculant la moyenne mensuelle des ventes (estimation de la
tendance) et son écart-type (estimation de la saisonnalité), année
par année, il est possible de se faire une idée du mode de
composition.

Tableau 5
Test du caractère multiplicatif de la saisonnalité des ventes de
VESTES
collection printemps-été collection automne-hiver
Moyenne Ecart-type Moyenne Ecart-type
Année N-2 1367 510 1305 475
Année N— 1 1622 584 1393 394
Année N 2068 652 1517 586

Pour la collection printemps-été, l’écart-type s'accroît en même

temps que la moyenne augmente ; pour la collection automne-hiver,
l'évolution est moins nette. Globalement, cependant, le choix du
processus multiplicatif ne semble pas déraisonnable.

Au total, la méthode de prévision utilisée pour les vestes apparaît

quelque peu fragile. Si l'on veut éviter des mécomptes, un effort
d'analyse supplémentaire est certainement nécessaire.

3 - PROGRAMME DES VENTES DE PANTALONS

La détermination des prévisions ne présente aucune difficulté,
puisqu'il convient de multiplier par 1,055 les ventes de l'année N.

* Source : Michel Gervais

9
ENCG - Tanger Gestion budgétaire et prévisionnelle Pr. Rachid DAANOUNE

CAS VET’HOM*
VET'HOM

Tableau 6
Prévisions des ventes de PANTALONS
pour les deux collections de l’année N+l (en volume)

Jan v. Fév. Mars Avril Mai Juin Semestre

Quantité 2860 3780 3660 3380 2 760 2240 18660

J uil. Août Sept. Oct. Nov. Déc. Semestre

Quantité 1660 2 170 5 040 4060 3840 3230 20020

En calculant les variations de ventes de pantalons entre les

années N— 2 et N— 1, puis entre les années N— 1 et N, il est possible
d’apprécier la pertinence de l’hypothèse de travail.

Tableau 7
-
——
Test de pertinence de la méthode de prévision concernant les ventes
de pantalons : augmentations moyennes constatées durant les
années précédentes

Janv. Fév. Mars Avril Mai Juin Semestre

N— 1 / N-2 5,35 6,23 5,50 4,86 5,56 4,66 5,42
N / N-l 5,86 4,99 6,13 5,96 5,67 4,96 5,62
moyenne 5,60 5,61 532 5,41 5,61 431 5,52

Juil. Août Sept. Oct. Nov. Déc. Semestre

N-l / N-2 6,38 538 430 436 438 5,45 5,15
N / N-l 4,67 5,64 6,22 5.45 531 532 5,68
moyenne 5,52 531 536 5,00 535 5,49 5,42

Les variations observées sur les trois dernières années se situent

dans une fourchette assez étroite (de 4,67 % à 6,22 %
d'augmentation). Etablir la prévision en appliquant au mois de
l'année précédente, une hausse moyenne de 5,5 % n’apparaît pas
déraisonnable, sous condition bien entendu que l'environnement
passé se perpétue.

* Source : Michel Gervais

10