Лист за преговор: Introduction à la Supply Chain 4.0

📋 Plan du Cours

1. Organisation du cours
2. Cadre décisionnel de la supply chain
3. Facteurs de performance logistiques
4. Big Data et prétraitement
5. Business Intelligence et reporting
6. Analytique visuelle et prédictive
7. Blockchain et jumeau numérique
8. Projet et soutenance finale

📖 1. Organisation du cours

🔑 Notions clés & Définitions

• Supply Chain 4.0 : Domaine du cours centré sur la supply chain et le rôle des données dans la prise de décision et l’amélioration des processus.
• Contrôle continu : Modalité d’évaluation basée sur des projets de groupe, comptant pour une partie de la note finale.
• Contrôle final : Évaluation sommative comptant pour une part majoritaire, réalisée en conditions d’examen à livre fermé.

📝 Points essentiels

• Le contrôle continu représente 40% de la note, sous forme de projets de groupe.
• Le contrôle final représente 60% de la note et se fait à livre fermé.
• Le cours s’organise en sessions, dont une introduction à la Supply Chain 4.0 et au rôle de la donnée.
• L’organisation précise des sessions inclut plusieurs plages horaires : Vendredi 24 avril, puis Lundi 11 mai, puis Lundi 1er juin et Mardi 2 juin.

💡 Astuce mémo

40/60 : 40% projets, 60% examen à livre fermé.

📖 2. Cadre décisionnel de la supply chain

🔑 Notions clés & Définitions

• Supply Chain Management : Pilotage de l’ensemble des flux et décisions de la supply chain intégrée, visant la performance globale à partir d’arbitrages.
• Cadre décisionnel de la supply chain : Structure qui relie les choix à des facteurs (logistiques et transversaux) afin d’expliquer comment ils déterminent la performance.
• Facteurs logistiques : Catégories opérationnelles qui influencent directement la performance, notamment installations, stocks, transport, information et des décisions associées.
• Facteurs transversaux : Dimensions qui traversent la supply chain et complètent les facteurs logistiques, comme le sourçage et la tarification.

📝 Points essentiels

• Les interactions entre facteurs logistiques et transversaux déterminent la performance globale de la supply chain.
• Les facteurs logistiques cités sont installations, stocks et transport, ainsi que information.
• Les facteurs transversaux cités sont sourçage (sourcing) et tarification (pricing).
• Le cadre décrit aussi la stratégie concurrentielle, la structure de la supply chain et la stratégie supply chain.

💡 Astuce mémo

Logistique = I S T + Information, Transversal = Sourcing + Pricing.

📖 3. Facteurs de performance logistiques

🔑 Notions clés & Définitions

• Installations : Lieux physiques où les produits sont stockés, assemblés ou fabriqués au sein du réseau de la supply chain.
• Transport : Déplacement des stocks entre les étapes de la supply chain, influençant réactivité, efficacité et niveaux de stock.
• Stocks : Matières premières, en-cours et produits finis présents à différents points de la supply chain.
• Information : Données et analyses concernant installations, stocks, transport, coûts, prix et clients tout au long de la supply chain.

📝 Points essentiels

• Ajouter des installations augmente généralement leurs coûts et ceux des stocks, tout en réduisant les coûts de transport et le lead time.
• Un transport plus rapide accroît la réactivité mais diminue l’efficacité, et influence aussi stocks et installations.
• Les stocks permettent de réduire les coûts via les économies d’échelle et améliorent la disponibilité, mais augmentent les coûts de détention.
• L’information améliore la coordination des flux et l’utilisation des actifs, avec un compromis : plus d’informations augmente la complexité et le coût.

💡 Astuce mémo

Plus d’I et plus vite (transport) = plus réactif, mais arbitrages sur coûts et efficacité.

📖 4. Big Data et prétraitement

🔑 Notions clés & Définitions

• Données (Data) : Ensemble de faits généralement issus d’observations ou d’expériences, servant de base à l’information et à la connaissance.
• Données structurées : Données conçues pour être traitées par ordinateur, avec un format adapté au traitement automatique.
• Données non structurées : Données conçues pour être comprises par les humains plutôt que pour un traitement informatique direct.
• Prétraitement des données : Ensemble d’opérations nécessaires car les données réelles sont sales, inexactes ou inalignées avant toute analyse.

📝 Points essentiels

• Le big data n’est pas seulement « grand » : il se caractérise aussi par des dimensions telles que volumz, variété, vélocité, véracité, variabilité et valeur.
• Big Data seul n’a pas de valeur : la valeur apparaît avec une analytique à grande échelle.
• Le prétraitement est généralement itératif, avec de nombreux retours et recommencements.
• Le prétraitement inclut notamment consolidation, nettoyage, transformation, et réduction (dimensionnelle, sélection de variables, échantillons, équilibrage/stratification).

💡 Astuce mémo

Big Data = pas juste volume : Vx multies, et valeur = Big Data + analytique.

📖 5. Business Intelligence et reporting

🔑 Notions clés & Définitions

• Business Intelligence (BI) : Domaine centré sur l’usage des données pour soutenir la prise de décision managériale, aujourd’hui vu comme une partie de l’analytics.
• Data Warehouse : Référentiel physique où des données relationnelles sont organisées pour fournir, à l’échelle de l’entreprise, des données nettoyées et standardisées.
• Business Report : Document écrit combinant données et présentations (texte, tableaux, graphiques) pour améliorer la décision managériale.
• Rapports de gestion par les métriques : Rapports fondés sur des indicateurs pour gérer la performance, en s’appuyant sur des SLA externes et KPI internes.

📝 Points essentiels

• La BI correspond aujourd’hui à une forme de descriptive analytics, distincte du périmètre plus large de Business Analytics.
• Un data warehouse est orienté sujet, supporte des DSS, et chaque unité de données est non volatile et reflète un moment donné.
• Un business report vise la prise de décision et combine des données internes et externes via des processus ETL.
• Les dashboards affichent plusieurs indicateurs sur une seule page avec jauges/cadrans, et la Balanced Scorecard combine financiers, clients, processus, apprentissage et croissance.

💡 Astuce mémo

BI = descriptive : « raconter ce qui s’est passé » dans le reporting.

📖 6. Analytique visuelle et prédictive

🔑 Notions clés & Définitions

• Analytique visuelle : Combinaison de visualisation de l’information et d’analyse prédictive pour explorer et expliquer les données de façon actionnable.
• Visualisation de l’information : Synthèse contextualisée à partir des données, généralement portée par des graphiques et représentations pour communiquer.
• Visualisation de données : Représentations utilisées pour explorer, comprendre et communiquer des données, sans forcément inclure la même contextualisation.
• Analytique prédictive : Approche orientée vers l’avenir qui cherche à répondre à ce qui va se produire et pourquoi.

📝 Points essentiels

• La visualisation de données sert à explorer et comprendre, tandis que l’information correspond à une agrégation, synthèse et contextualisation des données.
• L’analytique visuelle regroupe une partie descriptive (passé : « que s’est-il passé ? ») et une partie prédictive (avenir : « que va-t-il se passer ? »).
• Le volet descriptif répond aussi à « que se passe-t-il ? » et le volet prédictif à « pourquoi cela va-t-il se produire ? ».
• Le cours présente l’analytique visuelle comme une tendance forte vers l’usage combiné de visualisation et de prédiction.

💡 Astuce mémo

Passé = descriptif (Que s’est-il passé ?), Futur = prédictif (Que va-t-il se passer ?).

📖 7. Blockchain et jumeau numérique

🔑 Notions clés & Définitions

• Blockchain : Technologie évoquée au cours comme support potentiel de confiance et de traçabilité dans les systèmes de supply chain.
• Digital Twin : Jumeau numérique associé à la supply chain, permettant de modéliser et exploiter une représentation numérique du système.
• Smart Manufacturing : Fabrication intelligente liée au numérique, traitée dans le cours avec des briques comme le jumeau numérique.

📝 Points essentiels

• Le cours réserve une session dédiée à la blockchain.
• Le cours réserve une session dédiée à Smart Manufacturing.
• Le cours réserve une session dédiée au Digital Twin (jumeau numérique).
• La roadmap SC 4.0 finalise les enjeux d’adoption technologique pour une entreprise réelle via soutenance et recommandations.

📖 8. Projet et soutenance finale

🔑 Notions clés & Définitions

• Projet de groupe : Travail collectif portant sur un cas lié à une entreprise (idéalement en alternance) avec interviews et dossier de synthèse.
• Fiche récapitulative : Document de synthèse demandé (2 pages) remis avec le contenu de la soutenance.
• Soutenance : Présentation orale finale structurée en étapes (contexte, enjeux, roadmap, recommandations, conclusion).

📝 Points essentiels

• Les projets sont réalisés en groupes de 4 étudiants.
• Le sujet est choisi et validé via upward, avec idéalement un lien réel avec une entreprise en alternance.
• La soutenance dure 12 minutes et inclut un découpage précis : 2 minutes contexte, 2 minutes enjeux, 2 minutes roadmap, 4 minutes recommandations, 2 minutes conclusion.
• Une fiche récapitulative de 2 pages est attendue, avec une soutenance lors de la dernière session.

💡 Astuce mémo

Plan soutenance : 2-2-2-4-2 (context/enjeux/roadmap/recos/conclusion).

📅 Repères chronologiques

📊 Tableaux de synthèse

Visualisation de données vs visualisation de l’information

⚠️ Pièges & confusions fréquents

1. Confondre BI et Business Analytics : la BI est décrite comme relevant de la descriptive analytics, pas du périmètre complet.
2. Penser que le big data vaut par lui-même : la valeur nécessite une analytique à grande échelle.
3. Croire que plus d’installations augmente toujours l’efficacité : le cours insiste sur l’arbitrage (coûts vs lead time).
4. Penser que stocks et transport n’ont qu’un seul effet : ils impactent aussi réactivité/efficacité via arbitrage global.
5. Confondre données structurées et non structurées : la source définit surtout un critère de traitement par ordinateur vs compréhension humaine.
6. Mélanger KPI et SLA : le cours associe SLA à l’externe et KPI à l’interne dans les rapports de métriques.

✅ Checklist Examen

1. Savoir identifier les quatre facteurs logistiques cités (installations, stocks, transport, information).
2. Savoir citer les deux facteurs transversaux cités (sourçage et tarification).
3. Expliquer l’effet attendu d’une augmentation du nombre d’installations sur coûts de transport, lead time et coûts installations/stocks.
4. Expliquer la relation transport rapide et arbitrage réactivité vs efficacité, et l’impact sur stocks/installations.
5. Définir stocks comme décalage offre-demande et rappeler les deux effets opposés (réactivité et coûts de détention).
6. Calculer/interpréter correctement le temps de cycle C2C (durée de stockage + délai d’encaissement – délai de règlement).
7. Définir les données comme niveau d’abstraction le plus bas conduisant à information et connaissance, et rappeler l’importance de qualité/intégrité.
8. Classer les données en structurées, non structurées (et semi-structurées via exemples donnés).
9. Lister des éléments du prétraitement (consolidation, nettoyage, transformation, réduction) et comprendre l’aspect itératif.
10. Donner au moins six dimensions des « V » associées au big data (dont volumz, variété, vélocité, véracité, variabilité, valeur).
11. Expliquer pourquoi Big Data seul n’a pas de valeur et quand une valeur apparaît.
12. Définir data warehouse et rappeler ses caractéristiques (orienté sujet, DSS, non volatil, moment reflété).
13. Décrire ce qu’est un business report et citer ses sources (internes et externes via ETL) et sa forme (texte + tableaux + graphiques).
14. Distinguer rapports de métriques, dashboards et Balanced Scorecard selon leurs contenus.