Le serment d'Hippocrate est un serment d'éthique historiquement prêté par les médecins. Selon Wikipédia, cela oblige un médecin à jurer de respecter des normes éthiques spécifiques. Le serment original est plutôt long, mais il est communément simplifié à cette idée : « D’abord, ne faites pas de mal. »

Cela m’a fait réfléchir : existe-t-il un équivalent pour les prévisionnistes ? Quel(s) préjudice(s) un prévisionniste peut-il facilement éviter ?

Sur la base de mes travaux antérieurs, voici quelques exemples :

• Évitez le mal d’être pire que les prévisions naïves (ou simples).
  Qu’est-ce qu’une prévision naïve, demandez-vous ? Voici quelques exemples:
  Prévisions pour cette période
  • = Réel de la période précédente, OU
  • = Moyenne des chiffres réels des 3 périodes précédentes, OU
  • = Réel au cours de la période qui s'est produite exactement 1 cycle (le plus souvent un an) plus tôt 
  • Tout cela est très simple et peut être réalisé dans Excel. On pourrait même envisager de prendre une moyenne pondérée de ces méthodes naïves et de l’appeler prévision.
• Arrêtez de créer des erreurs inutiles et évitables en prévoyant les combinaisons imprévisibles. Par exemple, seulement 1 à 2 points de données dans l'historique, des écarts trop importants entre les points de données, etc. Très souvent, les utilisateurs extrapolent ces points de données minimes à une tendance. Dans de nombreux cas, les données n’existent tout simplement pas pour suggérer une tendance.
• Arrêtez d’aggraver les prévisions en incluant l’apport humain qui est manifestement mauvais. Vous constaterez qu’il existe de nombreux prévisionnistes qui rendent systématiquement leurs prévisions pires de 5 à 10 à 15 % par rapport aux prévisions naïves. Ignorez leur contribution. Cela doit cependant être fait correctement, après une conversation appropriée étayée par des faits. Il faut éviter de le faire d’une manière qui suscite une réaction émotionnelle ou une réaction politique. 
  • Cela inclura souvent des signes évidents de parti pris. Les biais, une fois identifiés, sont faciles à corriger.
• Cultivez un moyen de combiner les différentes entrées de prévision qui se sont avérées bonnes. Cela peut concerner des familles de produits, des périodes ou des personnes. Par exemple:
  • Pour les familles de produits 1, 3 et 7, la prévision statistique est la seule à considérer. 
  • Pour les familles de produits 2 et 5, l’apport commercial est bien meilleur. 
  • Pour la famille de produits, les deux prévisions sont très bonnes et donc une moyenne des deux est logique. 
  • De la même manière, on peut différencier selon les périodes ; dans un avenir proche, les ventes pourraient être bonnes. Dans les périodes extérieures, leurs prévisions pourraient devoir être complètement ignorées.

Accepter? Avez-vous d'autres idées? Merci de partager via les commentaires.