Livraison de colis : Comment maximiser l’efficacité et la rentabilité de sa peak season ?
- 22 novembre 2023
- 9 mins
La peak season est une période de l’année très importante pour les acteurs de la logistique et du transport. Lors de ce pic d’activité très intense, généralement aux mois de novembre et décembre, les transporteurs doivent traiter des millions de colis chaque jour, plusieurs fois par mois. Un tel flux de volumes pose cependant des problématiques d’efficacité et de rentabilité du réseau des transporteurs de colis. En effet, la peak period se révèle souvent plus coûteuse que rentable, notamment parce qu’elle est difficile à anticiper. Il devient alors crucial pour les transporteurs de la préparer de façon optimisée pour en maximiser l’efficacité et la rentabilité.
L’objectif de cet article est de fournir un aperçu complet des implications logistiques de cette période de pics d’activité et des défis redoutables qu’elle présente. Nous explorerons comment, chez Kardinal, nous tentons de relever ces défis en exploitant les algorithmes dernière génération que nous avons développés, en vous présentant une étude de cas réelle illustrant nos résultats.
Les défis de la peak season liés à la rentabilité
L’impact considérable de la peak period sur les opérations des entreprises de livraison de colis
Pour les transporteurs, le nombre de colis à gérer pendant la haute saison peut être énorme, par exemple :
- GeoPost/DPDgroup : plus de 370 millions de colis livrés dans le monde entier pendant la peak season, sur un total de 1,9 milliard de colis en 2021.
- Hermes : plus de 140 millions de colis livrés sur 630 millions en 2020.
- GLS France : +40% des véhicules de livraison déployés en tant que renfort.
- La Poste/Colissimo : entre 100 et 120 millions de colis Colissimo transportés sur la période de novembre à décembre 2021.
La peak period dans l’industrie de la livraison de colis peut être considérée à la fois comme une opportunité lucrative et une source potentielle de perturbations. Avec une augmentation significative du volume des colis, elle offre sans aucun doute la possibilité d’augmenter les revenus. Cependant, elle pose également des défis en raison de l’ampleur de la demande, qui dépasse souvent la capacité du réseau. Équilibrer ces deux aspects est une tâche délicate qui nécessite des stratégies innovantes et des technologies pour que la peak season reste une période de croissance plutôt que de chaos dans le réseau.
Une peak season qui n'assure pas toujours la rentabilité
S’adapter aux défis de la peak period tout en préservant les marges bénéficiaires est une préoccupation cruciale pour les entreprises de livraison de colis. Le schéma présenté ici offre une représentation simplifiée de la structure organisationnelle du réseau de livraison de colis. Les agences de livraison du dernier kilomètre jouent un rôle central, collectant et livrant des colis, qui sont ensuite dirigés vers des hubs, puis transportés vers d’autres hubs en fonction de facteurs géographiques. Bien que l’expansion du réseau puisse varier, le processus fondamental reste le même, chaque colis étant collecté dans une agence de livraison du dernier kilomètre et livré depuis une autre.
D’un côté, les transporteurs tirent leurs revenus des colis qu’ils acheminent. Cependant, les volumes des colis présentent une grande volatilité, en particulier pendant la peak season, et peuvent être difficiles à anticiper. Des événements imprévisibles tels que des guerres ou crises sanitaires sont susceptibles de complètement bouleverser les prévisions.
D’un autre côté, le réseau des transporteurs constitue une infrastructure coûteuse qui est plus difficile à faire évoluer. La construction de nouveaux centres de livraison ou de hubs est un processus long, tout comme la modification des pratiques organisationnelles effectuées par les équipes opérationnelles.
Par conséquent, pendant les pics d’activité, malgré la hausse des revenus, les coûts augmentent encore plus rapidement, ce qui entraîne une compression des marges, un problème auquel les entreprises de livraison sont déjà quotidiennement confrontées.
S'adapter à des volumes volatiles : quelle stratégie ?
Lorsque l’on est confronté au défi d’adapter un réseau pour gérer des quantités volatiles, plusieurs stratégies sont à votre disposition. Bien que nous n’en couvrions pas toutes, les approches fondamentales se résument à deux options.
Tout d’abord, vous pouvez apporter des ajustements à l’organisation elle-même. Deuxièmement, vous pouvez ajuster les ressources disponibles au sein de votre réseau. Ces options ne sont pas mutuellement exclusives et peuvent être mises en œuvre simultanément. La clé réside dans le fait qu’à chaque niveau, du réseau dans son ensemble aux agences et centres de distribution, il existe différentes actions que vous pouvez entreprendre. Vous pouvez modifier l’allocation des ressources au sein de votre réseau ou territoire, ou en ajouter davantage pour renforcer vos ressources.
Combiner ces actions vous aide à vous adapter efficacement aux fluctuations de volumes. Cependant, cela est loin d’être une tâche simple. Chaque décision entraîne des coûts, que ce soit en termes financiers ou d’ajustements organisationnels. Cela prend également du temps, car il est difficile de mettre en œuvre ces décisions de manière efficiente.
Ce processus a un impact profond sur l’organisation elle-même. Le changement de l’organisation conduit souvent, du moins à court terme, à une diminution des performances car les individus doivent s’adapter à de nouvelles structures et flux de travail. Par exemple, lorsque l’on fournit un nouvel outil à un chauffeur ou superviseur, il lui faut du temps pour qu’il en maîtrise complètement l’usage. Une opération efficace de livraison de colis nécessite un certain degré de stabilité, et des changements fréquents de processus peuvent créer du stress et de l’incertitude.
D’autre part, l’ajustement des ressources disponibles, en particulier pendant la peak period, implique généralement l’ajout de nouvelles ressources, ce qui entraîne inévitablement des coûts plus élevés. Le recrutement de chauffeurs peut se révéler délicat. Ils peuvent, par exemple, n’être disponibles que pendant une courte période, ce qui limite leur efficacité dans une zone donnée. Par conséquent, minimiser l’ajout de nouvelles ressources est crucial, car l’impact de ces changements peut être important. L’anticipation et la planification minutieuse sont essentielles pour minimiser les perturbations, car des changements fréquents peuvent augmenter la probabilité d’impact négatif sur le réseau.
Peak season : une augmentation des coûts plus rapide que celle des revenus
Pendant les pics d’activité, les coûts ont tendance à augmenter plus rapidement que la croissance des revenus, principalement en raison de la nature des adaptations mentionnées précédemment. Pour maîtriser ces coûts, il est essentiel d’apporter des changements progressifs. Cependant, trouver cet équilibre devient difficile lorsque les variations de volumes de colis sont loin d’être faibles ou régulières. Il est généralement compliqué de prédire précisément quel sera le scénario de la prochaine peak season, comme en témoigne la baisse surprenante des volumes de l’année dernière.
Étant donné que le maintien de la qualité de service est une priorité absolue, les entreprises ont tendance à opter pour la prudence en allouant des ressources suffisantes pour garantir la livraison de l’ensemble des colis. Cette période est, en effet, cruciale pour la réputation des transporteurs : ils doivent prouver aux e-commerçants qu’ils sont capables de gérer efficacement de telles hausses.
Une tarification des sous-traitants peu optimisée pendant la peak period
Pour gérer le complexe dernier kilomètre, les entreprises de livraison de colis, notamment privées, dépendent fortement de sous-traitants. Ce modèle économique repose souvent sur une tarification basée sur un prix par colis. Ainsi, lorsque les volumes de colis doublent pendant les pics d’activité, le coût payé aux sous-traitants double également de manière linéaire. Cependant, la structure des coûts des sous-traitants double-t-elle également ?
En réalité, la structure des coûts des sous-traitants est loin d’être linéaire. Elle présente des sauts et des paliers, comme le montre la représentation graphique. Chaque point bleu représente un jour de livraison réel effectué par un sous-traitant dans une zone spécifique, tandis que la ligne rouge représente le prix payé en fonction du nombre de colis.
Cette analyse révèle qu’à mesure que les volumes de colis augmentent, cela devient plus rentable pour les sous-traitants que pour les entreprises de livraison de colis. Cette disparité s’explique par le fait que le prix négocié avec les sous-traitants est généralement basé sur des périodes de référence et n’est pas suffisamment adapté aux besoins uniques de la peak season.
Une préparation de la peak season basée sur les données
Maintenant que nous avons exposé les défis, explorons les solutions potentielles. Chez Kardinal, nous avons développé des algorithmes pour répondre aux problématiques complexes du secteur de la livraison du dernier kilomètre. Notre solution d’analyse et d’optimisation du territoire “Territory Analytics & Optimization (TAO)” est particulièrement adaptée pour le secteur de la livraison de colis car elle exploite les données historiques pour anticiper de potentiels scénarios futurs.
Un nouveau paradigme axé sur les données pour mieux concevoir le plan de transport
Pour relever les défis posés par la peak season, Kardinal adopte une approche en six étapes :
- Collecte de données : Cela inclut les données historiques de la peak period de l’année précédente, ainsi que des potentielles tendances identifiées. De plus, toutes les prévisions internes pertinentes, qu’elles proviennent des inputs des clients ou des projections économiques, sont rassemblées pour compléter l’analyse.
- Identification de scénarios plausibles pour la prochaine peak season : Ces scénarios sont développés à différents niveaux, en commençant par une perspective globale du réseau, puis en approfondissant de façon plus localisée par agence de livraison par exemple. La granularité s’étend également aux sous-traitants, aux regroupements ou aux équipes, reflétant les complexités du processus d’optimisation.
- Génération d’un ensemble de données complet : Celui-ci est dérivé en extrapolant les informations des données historiques et en les entrelaçant avec les scénarios définis précédemment. L’objectif est de créer un ensemble de données complet qui tienne compte d’une large gamme de variations potentielles des pics d’activité.
- Séquences d’optimisation : En utilisant la technologie de Kardinal, de nombreuses séquences d’optimisation combinent ces données et, pour chaque zone de sous-traitance ainsi que chaque cluster, identifient les seuils en termes de quantités de colis au-delà desquels une nouvelle ressource est nécessaire pour tout livrer. Ces seuils sont établis en fonction d’une analyse minutieuse des données, des considérations propres à chaque scénario et de la performance historique.
- Plan de charge : Une fois les séquences d’optimisation terminées, les informations obtenues sont utilisées pour créer un plan de charge détaillé. Ce plan offre une allocation précise des ressources, en détaillant les besoins par zone, par semaine et par scénario. L’intention est de fournir aux équipes internes ou aux sous-traitants un plan clair et opérationnel pour gérer efficacement les ressources pendant la peak period.
- Visualisation dans un tableau de bord : Si nécessaire, les résultats de l’optimisation sont intégrés dans les tableaux de bord de la plateforme Kardinal, qui restent disponibles pendant toute la peak season pour une optimisation en continu.
Les étapes 2, 3, 4 et 5 sont expliquées plus en détails ci-dessous.
Zoom sur l’identification de scénarios de croissance plausibles (étape 2)
Pour approfondir davantage l’aspect prédictif, examinons un exemple concret issu d’une étude en cours. Ici, nous visons à identifier des scénarios de croissance plausibles en nous basant sur des données historiques et des projections. Nous examinons diverses hypothèses et créons plusieurs scénarios, allant du pessimiste à l’optimiste, en fonction du niveau de granularité souhaité. Chaque scénario est soigneusement planifié pour répondre à différentes éventualités.
Zoom sur la génération de données pour simuler la complexité infinie du dernier kilomètre (étape 3)
La prochaine étape consiste à générer des données synthétiques – des peak seasons simulées qui correspondent aux tendances passées et aux scénarios définis.
Ces données sont lissées, afin d’éviter un surcroît de ressources. La prochaine peak period pourrait légèrement différer de la précédente, et il est donc essentiel d’être préparé à de telles variations.
L’objectif est de créer une projection finement détaillée des données sur le territoire, en fournissant des informations sur les spécificités locales, telles que la démographie ou les modèles et comportements de consommation. Par exemple, un retailer commercialisant des tondeuses pour pelouses peut connaître une demande fluctuante en fonction des promotions, avec des pics de livraisons dans certaines zones urbaines où la présence de jardins est fréquente. Comprendre ces spécificités permet d’obtenir une meilleure vision des habitudes de commande des clients et de comprendre comment elles se manifestent en fonction des zones géographiques afin de mieux se préparer aux pics d’activité.
Zoom sur l’identification des seuils de ressources par des calculs massifs (étape 4)
Les algorithmes de Kardinal jouent un rôle essentiel dans l’automatisation du processus de sectorisation, ce qui permet d’optimiser les opérations pendant la peak period.
Prenez, par exemple, une zone spécifique où la situation typique implique la livraison de 400 colis par jour par cinq chauffeurs. Lors de la planification de la peak season, nous identifions des seuils critiques qui déclenchent la nécessité d’ajouter des chauffeurs supplémentaires. Grâce à la solution, nous pouvons identifier que dès lors que le nombre de colis atteint 455, un chauffeur supplémentaire est nécessaire. Cette configuration reste efficace jusqu’à ce que le nombre de colis atteigne environ 560 puis 7 chauffeurs sont requis pour livrer l’ensemble des colis.
À chaque seuil, la solution Kardinal génère une sectorisation indiquant comment diviser le territoire de manière efficace lors d’ajout de chauffeurs supplémentaires. Il est important de noter que cette stratégie de sectorisation est conçue pour être résiliente, garantissant qu’elle reste valable pour différentes situations à l’intérieur de la plage spécifiée de quantité de colis (dans cet exemple : entre 455 et 560 colis).
En suivant cette approche, vous pouvez anticiper de manière proactive les ressources nécessaires et leur déploiement optimal sur le terrain en fonction de la quantité de colis. Cela améliore non seulement l’efficacité opérationnelle, mais garantit également la flexibilité et la résilience pour répondre aux fluctuations lors des changements d’activité.
Zoom sur la génération des plans de transport (étape 5)
Une fois que nous avons minutieusement cartographié les seuils de ressources et les scénarios, nous intégrons ces éléments pour créer une solution optimisée adaptée aux équipes opérationnelles. Notre objectif est de leur fournir un outil simple suggérant des directives exploitables, les épargnant de diagrammes et de graphiques complexes. Un exemple de cet outil pourrait apparaître comme ci-dessous, avec des données anonymisées :
Les directeurs d’agence peuvent rapidement identifier l’activité de leurs sous-traitants avec les quantités de colis et les tournées de livraison quotidiennes prévues chaque semaine, leur permettant de prendre des décisions éclairées et d’ajuster les ressources si besoin. Ils peuvent facilement voir, par exemple, qu’en zone 1, un chauffeur supplémentaire sera nécessaire à la semaine 45, suivi de deux chauffeurs supplémentaires à la semaine 48.
Bien que la génération de ces 2 000 points de données et la construction de ces tableaux impliquent des calculs approfondis, Kardinal automatise ce processus, garantissant que les équipes opérationnelles reçoivent des informations claires et exploitables pour optimiser efficacement l’allocation de leurs ressources.
Étude de cas : préparation optimisée de la peak period avec la solution Kardinal
Réduction du nombre de ressources, hausse de la productivité et de la qualité de service : résultats de l’optimisation Kardinal
Examinons de plus près un exemple concret anonymisé pour illustrer l’impact de l’approche Kardinal. L’année précédente, les directeurs d’agence de ce client avaient sous-estimé leurs besoins en chauffeurs, ce qui avait entraîné de nombreux problèmes, notamment liés au taux de livraison et une mauvaise qualité de service dans certaines agences. Leur approche initiale était d’allouer plus de ressources que nécessaire pour s’assurer que chaque colis soit livré à temps. Cependant, grâce aux algorithmes mathématiques avancés au cœur de la solution Kardinal, nous avons proposé une alternative plus performante et rentable.
Les barres vertes dans le graphique représentent le nombre moyen de colis par jour par semaine pour une agence donnée. La ligne bleue représente les ressources que nous avons recommandé de déployer. Notre optimisation nécessitait non seulement moins de ressources, mais elle permettait également un recrutement de chauffeurs plus progressif, leur laissant plus de temps pour les former efficacement. Cela a eu un impact positif sur la qualité de service.
La même perspective se reflétait en termes de productivité. Leur plan initial aurait entraîné une baisse significative de la productivité, tandis que notre approche exploitait la densification de l’activité pour obtenir des gains de productivité substantiels sans compromettre la qualité de service. Cet exemple concret démontre l’efficacité de notre méthodologie dans l’optimisation de l’allocation de ressources et l’amélioration à la fois de la productivité et de la qualité de service pendant la peak period.
Résultats sur le taux de livraison
Les résultats parlent d’eux-mêmes lorsque nous comparons les performances de l’année précédente, indiquée comme l’année de base (Y-1), à l’année où le plan Kardinal a été mis en œuvre (Y). Comme le montrent les données, le taux de livraison a également augmenté.
Cette amélioration était attribuable non seulement à l’optimisation des ressources, mais aussi à la correction des incohérences locales et des inefficacités dans les outils utilisés pour les livraisons. Le succès de notre approche s’est reflété dans la satisfaction des sous-traitants, qui l’ont décrite comme offrant une “tranquillité d’esprit”. Ils avaient un plan clair en place, indiquant quand et comment ajouter des ressources supplémentaires sur le terrain. En fin de compte, les résultats de l’année avec le plan Kardinal étaient nettement plus positifs et ont laissé tous les intervenants, y compris les sous-traitants, beaucoup plus satisfaits par rapport à la peak season précédente.
Voici quelques chiffres clés qui mettent en évidence l’efficacité de notre approche dans cet exemple. La mise en œuvre du plan Kardinal a entraîné une réduction de près de 12 % du nombre total de tournées par rapport à leur plan initial. Cela signifie qu’ils auraient planifié plus de ressources que nous ne l’avons fait, et notre plan s’est finalement avéré plus proche de la réalité.
Une fois les données historiques reçues, deux semaines ont été nécessaires pour réaliser 10 000 séquences d’optimisation de la sectorisation et fournir des résultats applicables pour les 67 agences et leurs sous-traitants. Une telle analyse à grande échelle n’est pas réalisable manuellement, c’est pourquoi nos systèmes automatisés excellent dans la gestion de ces calculs et de ces traitements de données. Notre objectif est de transformer les calculs mathématiques complexes en informations simples et exploitables pour nos clients, en simplifiant le processus de prise de décision.
En conclusion, la gestion de la peak season dans l’industrie de la livraison de colis représente un défi complexe qui nécessite des solutions innovantes et axées sur les données. L’approche de Kardinal, basée sur l’analyse de l’historique et des techniques d’optimisation avancées, offre un moyen efficace d’optimiser les ressources et d’améliorer la qualité de service tout en maintenant la rentabilité. Les entreprises de livraison peuvent ainsi mieux anticiper les fluctuations de la demande et prendre des décisions éclairées pour une gestion plus efficace de la peak period.
