Note publique d'information : Aujourd'hui, La Poste se trouve dans une situation particulièrement délicate au regard
des mutations de son environnement économique. Pour répondre à ses nouveaux enjeux,
elle doit développer sa planification stratégique, dans laquelle la prévision de son
chiffre d'affaires joue un rôle particulièrement crucial. Or, à l'heure actuelle,
les méthodes utilisées par la Direction Stratégique, notamment pour traiter la question
de l'effet jours ouvrables, ne sont pas optimales et l'entreprise cherche à les améliorer.
Notre thèse, réalisée en convention CIFRE avec la Direction Marketing Stratégique
de La Poste, s'inscrit dans ce questionnement. Notre recherche vise plus spécifiquement
à déterminer quels sont les meilleurs modèles économétriques pour la prévision du
chiffre d'affaires du courrier. On se penche dans un premier temps sur la question
de l'effet jours ouvrables que l'on traite à l'aide de méthodes de prévision, afin
d'en obtenir une analyse approfondie. Puis on cherche à déterminer des modèles de
prévisions adaptés à chaque type de clientèle et, enfin, au chiffre d'affaires totales.
Pour l'entreprise, cette recherche vise à élaborer un outil fiable de prévision et
d'aide à la décision. Au point de vue théorique, le principal apport de notre travail
réside dans l'utilisation de modèles de prévision pour analyser l'effet jours ouvrables,
à la place de l'utilisation d'outils de détection automatique.
Note publique d'information : Nowadays, La Poste is facing a particularly complex situation, related to the many
changes of its economic environment. In order to respond to the new issues, it must
develop strategic planning, in which income prediction plays a crucial part. Yet,
to this day, the methods used by the Strategy Department are not optimal and the company
is working at their improvement. Our research,conducted in the framework of a CIFRE
partnership with the Strategic Marketing Department in La Poste, is anchored in this
questioning. Our work is specifically aimed at determining the best econometric models
to predict income of the Mail activity. We first focus on the issue of the "Trading
days effect", that we examine using prediction methods, in order to get an in-depth
view of it. Then we engage in determining prediction models adapted to each type of
customers and, finally, a model for total income. For the company, this research is
aimed at elaborating a reliable prediction and decision-making tool. From the theoretical
point of view, the main contribution of our work lies in our using prediction models
to analyze "Trading days effect", instead of automatic detection tools.
paprika.idref.fr
data.idref.fr
Documentation
