À propos de Polaris Inc.

Fondée en 1954, Polaris Inc. (NYSE : PII) est une entreprise issue du secteur des véhicules de sport motorisés, dont elle est le leader mondial. Grâce à des innovations uniques, Polaris a permis au grand public de découvrir et d’apprécier les grands espaces sous un nouveau jour. Sa gamme de produits haut de gamme comprend les véhicules SSV tout-terrain RANGER, RZR et GENERAL, les tout-terrain Sportsman, les tout-terrain militaires et commerciaux, les motoneiges, les motos moyennes et lourdes Indian Motorcycle, les 3 roues Slingshot, les quadricycles Aixam, les véhicules électriques Goupil ainsi que des bateaux ponton et deck, dont les fameux modèles Bennington. Par ailleurs, Polaris offre une expérience de conduite complète grâce à sa gamme de pièces, de vêtements et d’accessoires. Fièrement basée dans le Minnesota, l’entreprise fournit plus de 100 pays à travers le monde Polaris.com.

« En adoptant la solution Sensible ML de OneStream et son IA, nos processus de planification et de prévision ont gagné en efficacité et en rapidité grâce à des informations issues de puissantes données ML. Ces prévisions se sont révélées plus précises qu’auparavant, tandis que le tableau de bord à valeur ajoutée a permis aux utilisateurs de comprendre les caractéristiques principales du modèle pour pouvoir le gérer, l’optimiser et le perfectionner en toute simplicité. »

—Melanie Hermann, directrice, processus et systèmes financiers, Polaris, Inc.

Faire passer les planifications et les prévisions au niveau supérieur grâce à Sensible ML

Ces dernières années, la Covid-19 ainsi que les difficultés logistiques mondiales ont inversé le rapport de force entre l’offre et la demande. Avant ces événements, les productions et livraisons de Polaris étaient coordonnées en fonction de l’innovation et de l’activité du marché. Prenant en compte ces turbulences, le service financier de l’entreprise a reconnu la nécessité d’implémenter un système de planification et de prévision plus flexible pour conserver sa position de leader du secteur. Sensible ML s’imposa donc comme la solution idéale, capable de s’adapter à des évolutions commerciales de plus en plus rapides et complexes.

Avant l’adoption de OneStream, les équipes de Polaris dépendaient d’un modèle de planification financière manuel concernant les unités de produit expédiées et générées par SIOP, les coûts de production et prix de vente conseillés, les coûts de fret et les réductions de fournisseurs, dans l’optique d’obtenir une estimation de la marge brute. De par sa structure, ce « modèle de revenu basé sur les sources » pouvait aisément être optimisé par le Machine Learning. On transitionna donc vers un système de planification unique, OneStream, afin d’en tirer des prévisions plus précises.

L’adoption de OneStream par Polaris

Avec plus de 15 systèmes ERP actifs à l’échelle de l’entreprise, Oracle Hyperion Financial Management (HFM) et Hyperion Planning étaient jusqu’alors les outils utilisés par Polaris pour ses clôtures financières, consolidations, planifications ainsi que reporting financier et gestionnaire. Dans ce cadre, il incubait au service financier de transférer les données entre HFM et les quatre applications de Hyperion Planning, tout en maintenant les métadonnées globales. Pour Polaris, la gestion de la suite Oracle se révéla aussi insuffisante que frustrante, notamment sur le long terme. L’entreprise décida donc d’adopter un système plus flexible, fiable et intégré, capable de suivre son développement commercial. Son choix se porta sur OneStream en 2018, et l’implémentation débuta en 2019.

Ces solutions furent d’abord utilisées dans le cadre des consolidations financières et des rapports financiers et externes. En 2020, elles furent étendues aux FP&A et au reporting de gestion et de revenus. Un an plus tard, les outils Account Reconciliations et Analytic Blend furent adoptés pour une meilleure analyse des données produit à l’échelle du VIN et des clients.

Une fois cette base établie, Polaris continua la modernisation de ses systèmes en utilisant OneStream pour gérer les listes de tâches pour les Business Units, le reporting de planification et de capital ainsi que l’expansion des allocations de gestion, tout se concentrant sur les données et l’automation des processus. L’entreprise rejoignit ensuite le programme d’aperçu technique piloté par la solution Sensible Machine Learning (ML).

Dans ce cadre, Polaris centra ses efforts sur ses produits tout-terrain GBU nord-américains, dans l’optique d’obtenir des prévisions sur 12 mois concernant les variables impactant les expéditions d’unités. Ces variables incluent le prix des matières premières, les commandes pré vendues, le pourcentage de « clean build » et les durées de construction jusqu’à livraison. Les données disponibles furent combinées avec l’historique des unités expédiées pour générer des modèles ML et leurs prévisions. Ce modèle de données comprenait 181 produits, avec des unités hebdomadaires vendues de 2016 à 2022. Sensible ML permit d’analyser ces données et le prix de matières premières comme l’acier et l’aluminium, en prenant en compte des événements tels que les vacances. Plus de 2 800 modèles furent ainsi générés. Basés sur les données historiques, ces modèles ML se révélèrent d’une précision jusqu’alors inégalée. Par la suite, les prévisions ML furent conduites mensuellement et incorporées au sein de prévisions en matière de production.

Des prévisions plus rapides et plus précises

Ce projet démontra des résultats impressionnants. Non seulement les prévisions furent plus précises qu’auparavant, mais les processus gagnèrent aussi en rapidité et efficacité, réduisant les cycles de prévision de plusieurs jours à quelques heures seulement. En outre, cet outil permit de mieux comprendre les modèles ML et les facteurs influant sur les prévisions, permettant ainsi de prendre des décisions plus éclairées. De plus, Sensible ML fournit un système de prévision basé sur la finance et le ML, qui s’intègre efficacement aux processus de planification financière et de prévisions de Polaris au sein de la plateforme OneStream.

Grâce à sa simplicité d’utilisation et à ses résultats, cette solution facilita le quotidien de l'équipe Data Science de Polaris, comme l’explique Luke Bunge, responsable data science produit : « Sensible ML standardise la partie de mon travail qu’il est possible de standardiser, ce qui me permet de me concentrer sur d’autres tâches requérant de la créativité… Tout en utilisant les informations extraites par ce même outil. » Il ajoute que « Cette plateforme permet de gagner énormément de temps et d’identifier les meilleures solutions possibles. L’équipe a réalisé un travail remarquable en nous expliquant le fonctionnement de cet outil… Plutôt que de simplement l’implémenter, sans aucun contexte. »

Quelles sont les prochaines étapes pour Polaris ?

Polaris a entamé la transition de son modèle Private Tech Preview vers un système de planification financière basé sur les revenus et alimenté par Sensible ML. Grâce à cette initiative, l’entreprise cherche d’ores et déjà comment gagner en valeur, en précision et en transparence. Polaris souhaite également accéder à un horizon de prévision étendu et voir plus loin. Enfin, l’entreprise continue de rassembler et de stocker 20 à 30 fonctionnalités économiques supplémentaires (ou variables), tout en organisant des événements promotionnels et internes afin d’approfondir son utilisation de Sensible ML.