Les auteurs ont récemment effectué une analyse approfondie des mesures de performance de la logistique sortante de 247 entreprises dans un large assortiment d’industries. Cet article résume les résultats de cette étude et ses implications pour les opérations et les stratégies de logistique sortante d’une entreprise.
La logistique sortante est définie par le Council of Supply Chain Management Professionals comme » le processus lié au déplacement et au stockage des produits de la fin de la chaîne de production à l’utilisateur final « , et elle joue un rôle essentiel dans le processus global de gestion de la relation client d’un fournisseur. Les détaillants exigent de leurs fournisseurs des normes très strictes en matière de livraison des produits. L’incapacité d’un fournisseur à fournir un service fiable à ses clients détaillants peut entraîner des pénalités financières importantes, voire la radiation (c’est-à-dire l’élimination) des produits du fournisseur du portefeuille de produits actifs d’un détaillant. Ainsi, la performance de la logistique sortante représente un facteur majeur dans la décision d’un détaillant de stocker ou non les produits d’un fournisseur et, par conséquent, représente également un déterminant important de la chaîne d’approvisionnement et du succès commercial d’un fournisseur.
Nous avons exploré comment différentes entreprises et différentes industries abordent et gèrent le processus de logistique sortante. Par exemple, nous avons évalué si les entreprises peuvent être regroupées ou classées en fonction de stratégies de logistique sortante différentes et uniques. En outre, nous avons examiné si différentes stratégies de logistique sortante contribuent à différents niveaux de rentabilité de l’entreprise. La base de notre analyse et de nos résultats est une base de données des mesures de performance de la logistique sortante et de la rentabilité des entreprises de 247 entreprises, obtenue auprès du fournisseur de logiciels d’entreprise SAP.
Les mesures de performance donnent un aperçu de l’orientation et de la stratégie opérationnelles d’une entreprise, comme sa stratégie de logistique sortante. Plus précisément, en évaluant la force de la performance d’une entreprise dans différentes opérations (via ses métriques), on peut discerner quelles opérations et stratégies cette entreprise met en avant. En résumé, notre objectif était de déterminer :
- S’il existe des grappes distinctes (c’est-à-dire, groupes) d’entreprises qui fonctionnent avec un accent très similaire ou partagé sur les mesures de performance clés pour la partie logistique sortante de la chaîne d’approvisionnement, et
- Quel effet, le cas échéant, ces différentes emphases ont sur la performance financière d’une entreprise.
Les praticiens de la chaîne d’approvisionnement ont une croyance générale que l’amélioration de la logistique sortante devrait avoir un impact positif sur la rentabilité financière d’une entreprise et qu’il existe des différences dans la performance de la logistique sortante entre les industries. Cependant, il reste une pénurie d’analyses quantitatives rigoureuses qui fournissent des orientations spécifiques dans ce domaine, ce qui motive cette recherche.
La performance à temps est essentielle
Pour mieux atteindre nos objectifs de recherche, nous avons décidé que les données de performance réelles sur un ensemble de niveaux de performance et de coûts pour la logistique sortante faciliteraient une perspective perspicace et basée sur les faits. Nous avons donc développé des données sur un ensemble concis de variables qui couvrent toutes les composantes majeures de la logistique sortante. Pour nos besoins, nous avons défini la logistique sortante comme consistant en :
- La gestion des stocks produits (à livrer au client)
- Le processus de distribution (c’est-à-dire l’entreposage et le transport)
- Le service au client (c’est-à-dire, la livraison effective)
- Capacités et engagement en matière de prévision de la demande et de planification de la chaîne d’approvisionnement.
Sur la base du processus et des capacités qui viennent d’être définis, nous avons identifié les variables suivantes à inclure dans notre étude :
- Coût de possession des stocks
- Coût des stocks obsolètes
- Jours de stock en main
- Coût d’entreposage
- Coût de transport
- Performance de livraison à temps
- Exactitude des prévisions
- Coût de planification de la chaîne d’approvisionnement
Coût de possession des stocks, jours de stock en main, et les coûts des stocks obsolètes donnent une perspective sur les coûts des stocks d’une entreprise, son engagement à avoir des stocks disponibles pour les clients et la façon dont une entreprise planifie ses stocks. L’entreposage et le transport sont deux composantes essentielles du processus de distribution. Ainsi, du point de vue des coûts, il nous a semblé important de saisir ces deux facteurs. Les enquêtes menées auprès des praticiens de la chaîne d’approvisionnement montrent invariablement que ces derniers considèrent la livraison à temps comme la mesure la plus importante du service offert par un fournisseur à un client. Par conséquent, nous avons choisi le respect des délais comme indicateur de service clé à inclure dans notre analyse.
La précision des prévisions est un bon baromètre de la capacité d’une entreprise à effectuer une planification à court terme dans un domaine clé – la mise en relation de la demande et de l’offre. De plus, la précision des prévisions d’une entreprise affecte d’autres plans et décisions clés tels que les plans de production et de livraison. Pour évaluer l’engagement d’une entreprise en matière de planification à long terme, nous avons sélectionné le coût de planification de la chaîne d’approvisionnement, défini comme les dépenses liées à l’élaboration de plans à long terme de la chaîne d’approvisionnement, y compris celles relatives à la logistique sortante. Nous avons justifié l’inclusion de cette variable par le fait que l’on peut considérer le niveau de dépenses d’une entreprise en matière de planification de la chaîne d’approvisionnement comme un substitut de l’engagement de l’entreprise à répondre aux besoins de livraison des clients.
Nous avons également requis une neuvième variable, à savoir la marge d’exploitation de chaque entreprise. La marge d’exploitation d’une entreprise reflète sa rentabilité après la livraison (et la vente) de ses stocks à ses clients. La marge d’exploitation a été mesurée comme le bénéfice avant intérêts et impôts (EBIT).
Pour rendre les marges d’exploitation comparables dans l’ensemble de l’échantillon, nous avons soustrait la marge d’exploitation médiane pour le secteur et l’année appropriés (obtenue à partir de Compustat) de la marge d’exploitation réelle de l’entreprise pour obtenir une marge d’exploitation ajustée. La marge d’exploitation ajustée indique dans quelle mesure une entreprise de l’échantillon est plus (moins) rentable par rapport à son secteur d’activité au cours d’une année donnée.
Les données de cette étude ont été obtenues à partir du programme de benchmarking de SAP pour la planification de la chaîne d’approvisionnement, présentant des données recueillies entre 2007 et 2012 auprès de responsables de la chaîne d’approvisionnement dans diverses organisations de fabrication et de services.
Démographie
Le tableau 1 fournit la distribution des entreprises de l’échantillon par secteur d’activité, tandis que le tableau 2 montre la distribution des revenus annuels de ces entreprises. Les entreprises manufacturières représentent 83,1 % de l’échantillon, et les entreprises de l’échantillon ont des revenus annuels allant de moins de 100 millions de dollars (7 %) à plus de 5 milliards de dollars (8 %), la grande majorité se situant entre 100 millions et 5 milliards de dollars (85 %).
Centration opérationnelle
De nombreux tests statistiques employant des méthodes telles que l’analyse en grappes et l’analyse de la variance ont permis de conclure que les 247 entreprises de cette étude pouvaient être classées en quatre grappes distinctes et statistiquement significatives. Plus précisément, nous avons constaté qu’au sein de chaque groupe, toutes les entreprises individuelles mettaient l’accent sur des mesures de performance de la logistique sortante similaires, et donc implicitement, sur des stratégies similaires pour les opérations de logistique sortante. Sur la base de leur performance opérationnelle, nous avons nommé ces quatre groupes distincts d’entreprises comme suit :
-
Fournisseurs de services à faible coût et à faible niveau de service - Dépenseurs de distribution lourde
- Planificateurs et dépensiers de distribution efficace
- Minimiseurs d’investissement en stock.
Les noms de ces groupes traduisent l’orientation opérationnelle respective de la logistique sortante de chacun de ces quatre groupes. Le tableau 3 résume les valeurs moyennes de la marge d’exploitation et des paramètres de la logistique sortante pour chaque groupe et pour l’ensemble des 247 entreprises. Ce qui suit fournit une brève description sommaire de chaque groupe distinct.
Cluster 1 : fournisseurs à faible coût et à faible service
Les dépenses de distribution en pourcentage du chiffre d’affaires des 56 entreprises manufacturières qui composent le cluster 1 sont inférieures à la moyenne de toutes les entreprises (4,1 % contre 4,7 % pour toutes les entreprises). En outre, les entreprises de la grappe 1 ont des performances inférieures à la moyenne en matière de respect des délais par rapport à la moyenne de l’ensemble des 247 entreprises (74,3 % contre 88,0 % pour l’ensemble des entreprises). La ponctualité est une composante essentielle du service de livraison et, compte tenu de leur très faible performance dans ce domaine, ces entreprises sont considérées comme des fournisseurs à faible coût et à faible service. Les entreprises de la grappe 1 présentent également une fonctionnalité de prévision nettement inférieure, avec une précision moyenne des prévisions de 66,2 % contre 77,9 % pour la moyenne de l’échantillon.
Grappe 2 : Gros dépensiers de la distribution
Les 22 entreprises qui composent cette grappe consacrent un pourcentage nettement plus élevé de leurs revenus à la combinaison de l’entreposage et du transport que toutes les autres grappes. Les entreprises du cluster 2 consacrent environ 7,9 % de leur chiffre d’affaires total à ces deux fonctions, alors qu’aucun autre cluster ne consacre plus de 4,7 % de son chiffre d’affaires total à la distribution. L’accent mis par les entreprises de la grappe 2 sur les activités de distribution se traduit par une performance relativement bonne en matière de ponctualité (90,5 %) de la part de ces entreprises.
Grappe 3 : planificateurs et dépensiers efficaces de la distribution
Cette grappe de 48 entreprises présente le plus faible niveau de dépenses en matière de distribution (en pourcentage du revenu) de toutes les quatre grappes. Les entreprises du cluster 3 dépensent en moyenne 3,8 % de leur revenu total pour la distribution, contre une moyenne globale de 4,7 % pour l’ensemble des entreprises. Ces entreprises dépensent le plus faible pourcentage de leurs revenus de toutes les grappes pour le transport (2,4 %), et un pourcentage inférieur à la moyenne de leurs revenus pour les opérations d’entreposage (1,4 % contre 1,6 % en moyenne globale).
Dans le même temps, les entreprises de la grappe 3 dépensent deux fois plus pour la planification de la chaîne d’approvisionnement (en pourcentage des revenus) par rapport à la moyenne globale de l’échantillon. Compte tenu de cette combinaison de dépenses de distribution relativement faibles, associées à un fort accent sur la planification, nous appelons ces entreprises des planificateurs et des dépensiers efficaces de la distribution. Il semble que cet accent mis sur la planification contribue à l’exécution de la logistique sortante des entreprises de la grappe 3, car elles affichent la meilleure performance de livraison à temps (92,3 %) des quatre grappes.
Grappe 4 : Minimiseurs d’investissements en stocks
Les 121 entreprises de la grappe 4, la plus grande des quatre grappes, ont les niveaux les plus bas de stocks obsolètes (4,2 %) exprimés en pourcentage des revenus. Les entreprises de la grappe 4 ont également les coûts de possession des stocks les plus bas exprimés en pourcentage des recettes de toutes les grappes (1,2 % contre 2,0 % en moyenne pour toutes les entreprises). En outre, la moyenne de seulement 46 jours de stocks disponibles des entreprises du groupe 4 est la plus faible de tous les groupes et est nettement inférieure à la moyenne globale de 64 jours de toutes les entreprises. Dans l’ensemble, les trois mesures de gestion des stocks indiquent que les entreprises de la grappe 4 se concentrent davantage sur la minimisation des investissements en stocks que les entreprises des trois autres grappes.
Il est intéressant de noter que les entreprises de la grappe 4 ont la deuxième meilleure performance en matière de respect des délais (92,1%) de toutes les grappes et que ces entreprises affichent également le plus haut niveau de précision des prévisions (83,1%). Enfin, les dépenses de ces entreprises en matière de distribution (4,68% de leurs revenus) sont presque identiques à la moyenne des dépenses de distribution de toutes les entreprises (4,66%).
Marge d’exploitation et appartenance à une grappe
Comme le montre le tableau 3, les marges d’exploitation ajustées moyennes des quatre grappes vont d’un maximum de 5,6 % pour la grappe 3 (les planificateurs et les dépensiers en distribution efficaces) à un minimum de 3,4 % pour la grappe 4 (les minimiseurs d’investissements en stocks), soit une différence de 65 %. La marge d’exploitation de l’ensemble de l’échantillon est de 4,2 %, et les différences de moyennes des grappes 3 et 4 semblent donc substantielles. Cependant, d’un point de vue statistique rigoureux, les résultats de l’analyse indiquent que les différences entre les moyennes des grappes ne sont pas statistiquement significatives. L’écart type relativement élevé des marges d’exploitation au sein de chaque grappe par rapport à leurs moyennes semble être un facteur important de ce résultat. Ces résultats suggèrent donc qu’il n’existe pas une stratégie unique de logistique sortante qui produira un niveau de rentabilité plus élevé.
Aucune approche n’est supérieure à une autre
Notre analyse indique que différents groupes des 247 entreprises de l’étude mettent l’accent sur différentes priorités opérationnelles et de planification. Les Minimiseurs d’investissement en stocks, le groupe le plus important représentant environ 49% de l’échantillon, se concentrent sur le contrôle strict de leurs coûts d’investissement en stocks, de détention et d’obsolescence. Le deuxième groupe le plus important, les Low-Cost, Low-Service Providers, qui représentent 23% de l’échantillon, se concentrent sur le maintien de faibles coûts de distribution et sacrifient pour cela les niveaux de service à temps. Les planificateurs et les distributeurs efficaces, qui représentent 19% de l’échantillon, investissent davantage de ressources dans les activités de planification de la chaîne d’approvisionnement, ce qui leur permet de fournir un service de livraison à temps supérieur à des coûts relativement faibles. Le plus petit groupe de notre échantillon (9%), les Heavy Distribution Spenders, comme leur nom l’indique dépensent beaucoup pour l’entreposage et le transport, ce qui leur permet d’offrir un bon service de livraison à temps.
Comme nous l’avons noté, nos résultats montrent également que la rentabilité moyenne de chacune des quatre grappes n’est pas statistiquement différente. En bref, cela suggère qu’il n’y a pas une seule approche opérationnelle de la logistique sortante qui donne des niveaux de rentabilité supérieurs à tous les autres. Au contraire, différentes entreprises peuvent atteindre des profits optimaux grâce à différentes approches de logistique sortante, et la clé est pour chaque entreprise de déterminer sa propre stratégie logistique sortante optimale particulière.
Tan Miller est directeur du programme de gestion de la chaîne d’approvisionnement mondiale au College of Business Administration de l’université Rider, et membre du comité consultatif de rédaction de MH&L. Matt Liberatore est professeur de gestion à la Business School de l’Université de Villanova et directeur du Business Analytics Center de Villanova.
Les auteurs tiennent à exprimer leur reconnaissance à David Kargman, Jack Schmidt, Rick Wenger, Katharina Muellers-Patel et Jakub Wawszczak de SAP pour leur aide dans l’obtention des données de cette étude.