Réduire : Pourquoi les données des points de vente ne suffisent pas aux détaillants

La démarque inconnue est une épine dans le pied des détaillants depuis des années, et il ne s'agit pas seulement de vols. Les inefficacités opérationnelles, les erreurs d'inventaire, la casse et les dysfonctionnements de la chaîne d'approvisionnement sont autant de facteurs qui y contribuent. Pourtant, de nombreux détaillants s'appuient encore fortement sur les données des points de vente (PDV), espérant qu'elles leur permettront d'avoir une vue d'ensemble de la situation.

Alerte au spoiler : ce n'est pas le cas. Si les données des points de vente sont très utiles pour suivre les ventes, elles ne tiennent pas compte des moments critiques qui conduisent à la démarque inconnue, laissant les équipes aux prises avec des zones d'ombre coûteuses. Alors, comment les détaillants peuvent-ils combler cette lacune ? En associant les données des points de vente à des informations sur les stocks en temps quasi réel, qui mettent en lumière les activités au niveau des rayons à l'origine de la démarque inconnue. Voici un aperçu plus détaillé.

1. Les données des points de vente ne disent pas tout

Les systèmes de point de vente sont fantastiques pour montrer ce qui a été vendu, quand et à quel prix. Mais la démarque inconnue se produit tout au long de la chaîne d'approvisionnement, bien avant (et même après) qu'un article ne passe à la caisse. Par exemple, le coût des marchandises vendues (COGS) peut être affecté par des stocks excédentaires invendus ou égarés lors de la manutention.

Prenons l'exemple d'un scénario réel : Un détaillant a remarqué que des articles saisonniers à forte marge manquaient régulièrement dans ses rayons lors des audits. S'agissait-il d'un vol ? De marchandises endommagées ? D'une erreur de stockage ? Les données des points de vente ne pouvaient pas fournir de réponse, car le problème provenait de la salle des stocks, au moment du déballage.

Avec l'aide d'un robot de lecture d'inventaire alimenté par BrainOS®, le détaillant a découvert que le problème n'était pas le vol ou les dommages, mais un stock mal étiqueté dans l'arrière-boutique. Une fois le processus d'étiquetage corrigé, ces articles saisonniers à forte marge ont été mis en rayon à temps, ce qui a permis de stimuler les ventes et de satisfaire les clients.

Sans visibilité sur cette partie du processus, de nombreux détaillants peuvent rester dans l'expectative. De même, les produits qui expirent ou sont endommagés avant même d'arriver à la surface de vente. Ils sont enregistrés sur le site mais ne voient jamais la lumière du jour, ni un client qui paie.

Ce qu'il faut retenir : Les systèmes de point de vente ne saisissent que les données relatives aux ventes, ce qui laisse d'énormes zones d'ombre dans les domaines où la démarque inconnue prend souvent naissance.

2. La nature réactive des points de vente par rapport à la puissance de la visibilité en temps réel

Les données des points de vente fournissent un aperçu historique - utile, mais intrinsèquement réactif. Le temps que vous identifiiez un problème, il a déjà eu un impact sur vos résultats. Imaginez un scénario dans lequel des articles mal placés passent inaperçus pendant des semaines, entraînant des ruptures de stock sur la surface de vente. Un détaillant avec lequel nous avons travaillé utilisait des contrôles d'inventaire manuels pour résoudre ce problème, mais il s'est rendu compte qu'ils étaient trop lents et qu'ils nécessitaient trop de ressources pour suivre le rythme.

C'est là que la visibilité en temps quasi réel, assurée par les robots mobiles autonomes (AMR) qui scannent les stocks, entre en jeu. Les AMR équipés de BrainOS® fournissent des données à la minute près sur les niveaux de stock, les articles mal placés et les écarts. Un détaillant a expliqué comment ces robots l'ont aidé à repérer une palette d'articles stockés par erreur dans la mauvaise allée, un oubli coûteux que les contrôles manuels n'avaient pas permis de détecter.

3. Amplifier, et non remplacer, les efforts humains

Les équipes de vente au détail jonglent avec des centaines de tâches quotidiennes, de l'approvisionnement des rayons à la gestion des interactions avec les clients. La démarque inconnue se glisse souvent là où les humains sont à bout de souffle, comme lors des audits d'inventaire manuels ou lorsque des stocks mal placés passent inaperçus. Voici une anecdote : Un directeur de magasin a décrit comment son équipe passait des heures à compter manuellement les stocks après la fermeture, pour découvrir ensuite des écarts qu'elle ne pouvait pas retracer.

Avec l'introduction des lecteurs de codes-barres à lecture optique, ces mêmes membres de l'équipe se concentrent désormais sur la présentation du magasin et l'engagement des clients, tandis que les robots se chargent des tâches les plus lourdes. Plutôt que de remplacer les employés, ces systèmes étendent leurs capacités, ce qui permet aux équipes de travailler plus intelligemment, et non plus durement. Il s'agit de donner à votre équipe des "superpouvoirs" pour gérer le contrôle des stocks et la démarque inconnue de manière plus efficace.

4. Relier les points : Les points de vente et au-delà

La démarque inconnue n'est pas un problème isolé. Elle a un impact sur tout, de la rentabilité à la satisfaction du client. La comparaison des données des points de vente avec les informations fournies par les caisses enregistreuses permet d'obtenir une image plus complète et d'aider les équipes à traiter la démarque inconnue de manière globale. Les robots peuvent scanner les rayons en temps réel pour identifier les articles mal placés ou les ruptures de stock avant que les clients ne s'en aperçoivent.

Les équipes peuvent agir de manière proactive, en utilisant les informations pour réduire le risque de surstockage et améliorer la précision des stocks. Les détaillants qui combinent les données des points de vente avec les informations fournies par le système AMR signalent moins de ruptures de stock, une meilleure rotation des stocks et des opérations commerciales plus efficaces.

Une approche plus intelligente de la démarque inconnue

Une étude de 2021 publiée dans l International Journal of Business and Social Science s'est intéressée à la manière dont les erreurs de suivi manuel des stocks peuvent avoir un impact financier sur les entreprises. Elle a révélé que les erreurs telles que les articles mal placés, le gaspillage et même la fraude sont fréquents avec les systèmes manuels, ce qui entraîne des pertes importantes. 

Les chercheurs recommandent de passer à des systèmes automatisés de gestion des stocks afin de réduire les erreurs et d'améliorer la précision des inventaires.

En 2023, la distorsion des stocks a entraîné des pertes considérables de 1,77 TRILLION de dollars, selon IHL Group. Il ne s'agit pas seulement de millions ou de milliards, mais de billions de dollars perdus en raison de ruptures de stock, de surstocks et d'erreurs d'inventaire.

C'est vrai, les détaillants n'ont pas seulement besoin de données - ils ont besoin d'informations exploitables qui permettent à leurs équipes de faire plus avec moins. C'est exactement ce que proposent les AMR équipés de BrainOS®. En prenant en charge les tâches fastidieuses telles que la lecture des stocks, ils permettent aux employés de se concentrer sur ce qui compte le plus : créer une expérience d'achat transparente et assurer l'excellence opérationnelle.

Prêt à transformer votre façon de lutter contre la démarque inconnue ? Laissez les AMR alimentés par BrainOS® vous aider à atteindre un nouveau niveau d'efficacité et de précision.

‍