Quelles données faut-il vraiment

pour réussir un POC de pricing ?

Réponse courte : cinq familles de données, trois niveaux d'exigence

Le jeu de données d'un POC de pricing est l'ensemble des extractions, documentées et validées par l'enseigne, qui permettent à une solution de reconstituer l'activité passée d'un périmètre et de calculer des recommandations de prix sur celui-ci. Il réunit cinq familles : le référentiel produit, les ventes, les stocks, les conditions d'achat et l'historique des prix et des promotions. Les données de marché (relevés concurrents, parts de marché, trafic web) viennent en enrichissement.

Pour chaque famille, trois niveaux se distinguent. Ce qui est indispensable au démarrage, sans quoi le test ne peut pas conclure. Ce qui est utile et améliore la qualité des recommandations sans conditionner le lancement. Ce qui peut attendre le déploiement. Confondre ces niveaux produit les deux échecs symétriques des projets de pricing : attendre des données parfaites qui n'arrivent jamais, ou lancer un test sur des données que personne n'a vérifiées. Cet article prend chaque famille dans l'ordre, puis décrit les contrôles de cohérence qui valident l'ensemble.

Indispensable, utile, superflu : la grille complète

Le tableau ci-dessous est la grille que nous utilisons pour passer en revue les extractions d'une enseigne avant un test. Elle est volontairement exigeante sur la première colonne et indulgente sur la dernière.

Cette grille complète, sans le remplacer, notre article sur la fiabilisation de la donnée avant un outil de pricing, qui explique pourquoi la qualité des données décide du succès d'un projet. Ici, la question est plus étroite : quelles données, à quel niveau de détail, et comment vérifier qu'elles sont justes.

Le référentiel produit : la clé de tout le reste

Chaque autre famille de données se rattache à un produit. Un référentiel incomplet ou instable contamine donc les ventes, les stocks et les prix en même temps. Les exigences minimales sont un identifiant unique et stable dans le temps, un libellé, un code EAN, une hiérarchie marchande à plusieurs niveaux (univers, famille, sous-famille), la marque et un statut qui distingue les produits actifs, les nouveautés et les fins de vie.

Le cas des nouveaux produits

C'est la lacune la plus fréquente dans les référentiels, et la plus coûteuse en pricing. Un produit lancé il y a six semaines n'a pas d'historique de ventes, donc pas d'élasticité mesurable. Une solution de pricing peut tout de même le traiter, à condition de disposer d'attributs qui le rapprochent de produits connus : format, contenance, gamme, marque, et si possible le produit qu'il remplace. Ces attributs ne figurent pas dans la colonne « indispensable », mais une enseigne dont l'assortiment se renouvelle vite (high-tech, mode, puériculture) doit les traiter comme tels. Un POC sur ces catégories sans attributs de nouveauté ne testera que les produits de fond de rayon.

Les doublons et les changements de code

Un même produit qui existe sous deux identifiants, ou dont le code a changé en cours d'année, coupe son historique en deux et fausse toute analyse. Le dédoublonnage et le chaînage des codes successifs sont décrits dans notre article sur la fiabilisation du référentiel interne ; pour un POC, il suffit de documenter les cas connus et de fournir la table de correspondance quand elle existe.

Les ventes : la maille et la profondeur

La maille minimale est la quantité vendue et le chiffre d'affaires par produit, par jour, par point de vente et par canal. Une agrégation mensuelle ou nationale ne permet ni de mesurer une élasticité, ni de construire un groupe témoin, ni de distinguer un magasin de centre-ville d'un magasin de périphérie. La ligne de ticket est un enrichissement précieux (elle révèle les produits achetés ensemble et les remises en caisse) mais n'est pas requise pour démarrer.

La profondeur attendue est de 24 mois, pour disposer de deux saisons complètes et de deux occurrences de chaque temps fort. Douze mois permettent un test sur des catégories peu saisonnières. Notre article sur l'historique de ventes nécessaire pour prévoir juste détaille cette question de profondeur par type de catégorie.

Les ventes sous promotion doivent être reconnaissables

Une vente réalisée pendant une opération commerciale ne mesure pas la même chose qu'une vente à prix normal. Si l'extraction des ventes ne porte pas d'indicateur de promotion, c'est le calendrier promotionnel (famille suivante) qui permettra de le reconstituer, à condition d'être précis au produit et au magasin. Sans l'un ni l'autre, les élasticités calculées seront faussées par des volumes promotionnels attribués au prix courant.

Les ruptures cachent la demande réelle

Un produit en rupture ne vend pas, et son historique dit « zéro » là où la demande existait. Ce biais, appelé demande censurée, dégrade les prévisions et sous-estime l'effet du prix. Il se corrige à partir des données de stock (famille suivante), ce qui explique pourquoi les deux familles vont ensemble. Notre article sur le lien entre rupture de stock et prévision des ventes en décrit la mécanique.

Ce manque de confiance n'est pas une fatalité, mais il a une conséquence pratique pour un POC : tant que l'enseigne n'a pas elle-même vérifié ses extractions, elle ne peut pas distinguer un défaut de la solution testée d'un défaut de ses données. Les contrôles décrits plus bas servent à cela.

Les stocks : la famille la plus difficile à reconstituer

Les systèmes de gestion conservent le stock courant et rarement son historique : la position du stock d'un produit dans un magasin il y a quatorze mois n'est stockée nulle part, sauf si un instantané régulier a été archivé. C'est la lacune la plus souvent rencontrée au moment de préparer un POC, et l'une de celles qui font renoncer à tort.

Deux voies existent. Si des instantanés hebdomadaires ou mensuels ont été archivés (en entrepôt de données, dans les rapports du contrôle de gestion, dans un outil de réapprovisionnement), ils suffisent. Sinon, le stock historique se reconstitue à rebours à partir du stock actuel et des mouvements (réceptions, ventes, retours, inventaires, démarques), avec une précision décroissante à mesure qu'on remonte. Une reconstitution sur douze mois est en général suffisante pour un POC ; elle permet de repérer les ruptures, de corriger la demande censurée et de tester les fonctions de démarque, dont la logique entière repose sur le stock résiduel et le taux d'écoulement.

Ce qui peut attendre : le stock quotidien, le stock en transit, les réservations. Ce qui ne peut pas attendre : savoir, pour chaque produit et chaque magasin, s'il était disponible à la vente chaque semaine de la période.

Les conditions d'achat et la valorisation : un choix à poser avec la finance

Sans coût d'achat, pas de marge, et sans marge, pas de pricing. La donnée minimale est un prix d'achat net par produit et par période, au moins trimestrielle, qui tienne compte des remises sur facture. Les remises conditionnelles et de fin d'année, les coûts logistiques et les marges arrière sont des enrichissements qui affinent la marge mais ne bloquent pas un test, à condition que leur absence soit documentée et identique sur tout le périmètre.

Prix d'achat moyen pondéré, dernier prix ou prix standard ?

C'est la question qui fait le plus débat entre pricing, achats et contrôle de gestion, et elle doit être tranchée avant le POC, pas pendant. Le prix d'achat moyen pondéré (PMP) lisse les hausses et reflète la valeur réelle du stock vendu ; c'est en général celui que retient la comptabilité. Le dernier prix d'achat reflète le coût de remplacement et pèse davantage sur les décisions de prix en période de hausse. Le prix standard simplifie mais s'éloigne du réel. Aucune règle n'est fausse, mais une seule doit être appliquée, la même que celle du contrôle de gestion, faute de quoi les marges calculées dans la solution ne retomberont jamais sur celles de la finance et le POC passera son temps à expliquer des écarts. Notre guide sur le calcul de la marge commerciale pose les définitions utiles.

Reconstituer les conditions historiques

Pour mesurer une élasticité ou un gain de marge sur le passé, il faut le coût d'achat de l'époque, pas celui d'aujourd'hui. Quand l'historique des tarifs fournisseurs n'est pas conservé au produit, il se reconstitue à partir des factures ou, à défaut, à partir d'un coefficient de marge par famille validé par la finance. Cette approximation est acceptable pour un POC si elle est explicite ; elle ne l'est pas si elle est silencieuse.

L'historique des prix et des promotions : le prix réellement appliqué

Le piège est ici de fournir le tarif théorique (le prix de la grille nationale) au lieu du prix réellement pratiqué dans chaque point de vente et sur chaque canal. Entre les deux, il y a les ajustements locaux, les alignements sur un concurrent, les erreurs d'étiquetage et les remises en caisse. Une solution de pricing qui apprend sur le tarif théorique mesurera des élasticités sur des prix que les clients n'ont jamais vus.

La donnée indispensable est donc le prix de vente unitaire effectivement encaissé, par produit, point de vente et période, qui se déduit du chiffre d'affaires et des quantités des ventes quand il n'est pas disponible directement. S'y ajoute le calendrier des promotions avec leur mécanique (remise immédiate, lot, prix barré, avantage carte), leurs dates et leur périmètre de magasins. Le prix barré affiché, les prix par canal et les prix concurrents relevés sont des enrichissements. L'historique des règles de l'ancien outil, lui, peut attendre : il intéresse le déploiement, pas le test.

Les enrichissements : utiles, jamais bloquants

Trois sources améliorent sensiblement la qualité des recommandations sans conditionner le démarrage d'un POC. Les relevés de prix concurrents, que la solution peut collecter elle-même en ligne ou intégrer à partir des relevés magasin et des données de panélistes fournis par l'enseigne (notre article sur les différences entre scraping, relevés terrain et panélistes explique ce que chacun apporte). Les parts de marché par catégorie, issues des panels distributeurs, qui situent la performance d'un périmètre face à son marché et évitent de confondre une baisse de volume avec un recul du marché. Les indicateurs web (trafic, taux de conversion par produit) pour les enseignes où le canal en ligne pèse.

Ces sources sont souvent déjà achetées par l'enseigne et exploitées dans un seul service. Un POC est une bonne occasion de les mettre à disposition du pricing, à condition de ne pas en faire un préalable : leur absence retarde un test, leur présence ne le sauve pas si les cinq familles de base sont défaillantes. Le rôle respectif des données internes et externes dans les arbitrages de prix fait l'objet d'un article dédié.

Les contrôles de cohérence avec le contrôle de gestion

C'est l'étape qui sépare une extraction d'un socle de données. Elle consiste à recalculer, à partir des fichiers fournis, les agrégats que le contrôle de gestion publie déjà, et à vérifier qu'ils coïncident. Elle prend une à trois semaines et évite des mois de discussions sur la fiabilité des résultats du POC.

Trois rapprochements, mois par mois et catégorie par catégorie

Le chiffre d'affaires d'abord : la somme des ventes extraites, par mois et par famille, doit retomber sur le chiffre d'affaires du reporting de gestion. Les volumes ensuite, selon la même maille. La marge enfin, calculée avec la règle de valorisation retenue, face à la marge de gestion. Un écart inférieur à 1 % est normal (arrondis, dates de clôture, retours). Un écart de plusieurs pour cent sur un mois ou une famille signale un problème précis : un canal oublié, des promotions non rattachées, des retours comptés deux fois, un coût d'achat mal daté. Chaque écart se documente et se corrige avant de passer à la suite.

Le taux de rejet comme indicateur de qualité

Au chargement, une part des lignes ne se rattache à rien : ventes sur un produit absent du référentiel, prix d'achat sans produit, stock sur un magasin fermé. Ce taux de rejet, mesuré par famille de données, est le premier indicateur de la qualité du socle. Un taux de rejet de quelques pour cent se traite en cours de POC ; un taux de 15 ou 20 % sur les ventes signifie que le référentiel n'est pas prêt et que le test doit attendre. C'est précisément cette distinction qui permet de répondre à la question « nos données sont-elles assez bonnes pour commencer ? » autrement que par une impression.

Chez Booper, ce rapprochement avec le contrôle de gestion fait partie de l'intégration des données : la plateforme charge les extractions disponibles, trace les rejets, et le test ne démarre que lorsque le chiffre d'affaires, les volumes et les marges du périmètre coïncident avec ceux de la finance. La page consacrée à l'intégration et la supervision des flux décrit ce fonctionnement, et notre article sur l'intégration des données pricing sans chantier informatique montre qu'il ne suppose aucun connecteur au démarrage.

Ce qui bloque vraiment un test, et ce qui se corrige en route

Quatre défauts empêchent de conclure et justifient de repousser un POC : un référentiel sans identifiant stable, des ventes agrégées au-delà du jour et du point de vente, l'absence totale de coût d'achat, et un chiffre d'affaires qui ne se rapproche pas de celui de la gestion. Tout le reste (stocks à reconstituer, attributs de nouveauté partiels, promotions à rattacher, conditions historiques approximées) se traite pendant le test, à condition d'être documenté et identique sur le périmètre test et le périmètre témoin. Attendre un socle parfait revient à ne jamais tester ; tester sans ces quatre points revient à ne rien mesurer.

Un socle commun pour tous les éditeurs consultés

Quand une enseigne compare plusieurs solutions, le jeu de données est l'élément qui rend la comparaison honnête. Préparé une fois, validé une fois par le contrôle de gestion, il est remis à l'identique à chaque éditeur avec sa documentation : description des fichiers, maille, profondeur, règle de valorisation, taux de rejet connus, défauts documentés. Les écarts entre les résultats viennent alors des solutions, pas des données qu'elles ont reçues.

Ce socle a une seconde vertu : il survit au POC. Qu'une solution soit retenue ou non, l'enseigne dispose d'un jeu de données de pricing documenté et réconcilié, ce qu'elle n'avait en général jamais eu. Beaucoup d'enseignes découvrent à cette occasion que le problème attribué à leur outil en place venait en partie des flux qui l'alimentaient. Un éditeur peut aider à cette préparation sans attendre d'être retenu : Booper propose une revue gracieuse des extractions prévues, pour vérifier qu'elles couvrent la grille ci-dessus avant que les équipes internes n'engagent le travail d'extraction. Le cadrage du test lui-même (périmètre, situation de référence, indicateurs, durée) est traité dans notre article sur la façon de vérifier qu'un POC de pricing crée de la valeur.

La checklist de recette du jeu de données

Les douze vérifications ci-dessous, cochées par l'enseigne avant de remettre ses données, résument l'article. Elles tiennent sur une page et se partagent avec le contrôle de gestion et la direction informatique.

• Référentiel : un identifiant unique et stable par produit, un code EAN, une hiérarchie à trois niveaux au moins, un statut actif, nouveau ou fin de vie.
• Nouveautés : des attributs (format, gamme, marque, produit remplacé) sur les produits de moins de six mois.
• Doublons : les changements de code et les doublons connus sont listés, avec leur table de correspondance.
• Ventes : quantité et chiffre d'affaires par produit, jour, point de vente et canal, sur 24 mois (12 au minimum).
• Promotions : chaque vente promotionnelle est identifiable, par un indicateur dans les ventes ou par un calendrier précis au produit et au magasin.
• Stocks : une position hebdomadaire par produit et point de vente sur la période, archivée ou reconstituée à partir des mouvements.
• Coûts d'achat : un prix d'achat net par produit et par période, avec une règle de valorisation (PMP, dernier prix, standard) choisie avec la finance et appliquée partout.
• Prix : le prix de vente réellement encaissé par produit, point de vente et période, pas le tarif théorique.
• Rapprochement du chiffre d'affaires : écart inférieur à 1 % avec le reporting de gestion, par mois et par famille.
• Rapprochement des volumes et de la marge : même exigence, avec la règle de valorisation retenue.
• Taux de rejet : mesuré par famille de données, inférieur à 5 % sur les ventes, avec les causes documentées.
• Documentation : un descriptif par fichier (maille, profondeur, source, défauts connus) remis à l'identique à chaque éditeur.

Les enseignes qui franchissent ces douze points avant un POC en tirent un bénéfice qui dépasse le test : une donnée de pricing que les achats, le category management et la finance lisent de la même manière. Ce que la donnée ne contient pas, le contexte métier (contraintes commerciales, engagements fournisseurs, politique d'image), fait l'objet de notre article sur le contexte métier au-delà de la donnée ; il se transmet aux ateliers de cadrage, pas dans les fichiers.

FAQ : les données d'un POC de pricing