Aller au contenu principal

Guide de configuration rapide

Mettez Eaternity Forecast en service dans votre cuisine en quatre étapes simples. Ce guide couvre le processus de configuration depuis le premier contact jusqu'a la réception de vos premieres prévisions.

Aperçu​

Calendrier​

PhaseDuréeActivités clés
Configuration1-2 semainesIntégration, importation des données, configuration
Entrainement1-2 semainesLe réseau de neurones apprend vos habitudes
Tests1 semaineValidation des prévisions, collecte des retours
ProductionEn continuPrévisions quotidiennes pour la planification

Délai jusqu'aux premieres prévisions : 2-4 semaines selon la méthode d'intégration

Prérequis​

Avant de commencer, assurez-vous d'avoir :

  • Identifié votre systeme de caisse/progiciel de gestion intégré et la méthode d'acces aux données
  • Désigné une personne de contact dans l'équipe
  • Confirmé qu'un minimum de 30 jours de données historiques de ventes est disponible
  • Contacté Eaternity pour commencer l'intégration

Étape 1 : Intégration du systeme​

Choisissez votre méthode d'intégration en fonction de votre configuration technique.

Option A : Intégration Necta (la plus rapide)​

Idéale pour : Les clients Necta existants

Processus de configuration :

  1. Contactez votre gestionnaire de compte Necta

    Objet de l'e-mail : « Activer l'intégration Eaternity Forecast »
    Incluez : Le nom de votre entreprise et votre identifiant de compte Necta

  2. Configuration Eaternity

    • Notre équipe reçoit la notification de Necta
    • Nous configurons la connexion (aucune action requise de votre part)
    • Les données historiques sont automatiquement importées depuis la base de données Necta

  3. Vérification

    • Recevez un e-mail de confirmation lorsque la connexion est active
    • Connectez-vous a Necta pour vérifier que le module Forecast apparait
    • L'état de l'importation des données historiques est visible dans le tableau de bord

Délai : 3-5 jours ouvrables

Option B : Intégration directe par interface de programmation​

Idéale pour : Les systemes de caisse/progiciels de gestion intégrés personnalisés disposant de ressources techniques

Processus de configuration :

  1. Consultez la documentation de l'interface de programmation

  2. Implémentez les points d'acces de données

    Créez des points d'acces pour :

    Exportation des données de ventes (obligatoire) :

    POST /api/forecast/sales
    {
      "date": "2024-01-15",
      "items": [
        {
          "name": "Pasta Carbonara",
          "quantity": 45,
          "service_period": "lunch",
          "category": "Main Course"
        }
      ]
    }

    Importation des données historiques (configuration initiale) :

    POST /api/forecast/sales/bulk
    {
      "start_date": "2023-10-01",
      "end_date": "2024-01-15",
      "items": [...]
    }

  3. Configuration de l'authentification

    Coordonnez avec l'équipe Eaternity :

    • Recevez les identifiants de l'interface de programmation
    • Configurez l'authentification OAuth 2.0 ou par clé d'interface de programmation
    • Testez la connexion avec l'environnement de test

  4. Tests

    Validez l'intégration :

    # Test d'authentification
    curl -X POST https://api.eaternity.org/v1/forecast/auth \
      -H "Content-Type: application/json" \
      -d '{"api_key": "your_api_key"}'

    # Test de soumission des données de ventes
    curl -X POST https://api.eaternity.org/v1/forecast/sales \
      -H "Authorization: Bearer your_token" \
      -H "Content-Type: application/json" \
      -d '{"date": "2024-01-15", "items": [...]}'

  5. Importation des données historiques

    Importez en masse vos données historiques :

    • Exportez les données de ventes depuis votre systeme de caisse/progiciel de gestion intégré (CSV, JSON ou Excel)
    • Transformez au format requis en utilisant les scripts fournis
    • Soumettez via le point d'acces d'importation en masse
    • Surveillez la progression de l'importation dans le tableau de bord

Délai : 2-4 semaines selon la complexité

Option C : Téléversement manuel​

Idéale pour : La phase de configuration initiale ou les petites structures

Processus de configuration :

  1. Téléchargez le modele de données

    Demandez le modele au support Eaternity :

    • Tableur Excel avec les champs obligatoires
    • Données d'exemple pour référence
    • Formules de validation pour vérifier la qualité des données

  2. Exportez les données de ventes depuis votre systeme de caisse

    Extrayez les données historiques :

    • Minimum 30 jours (90 jours ou plus recommandés)
    • Quantités par article, pas seulement le chiffre d'affaires
    • Horodatage pour chaque transaction

  3. Formatez les données

    Colonnes requises :

    date | item_name | quantity_sold | service_period | price | category

    Exemple :

    2024-01-15,Pasta Carbonara,45,lunch,14.50,Main Course
    2024-01-15,Caesar Salad,32,lunch,9.00,Starter
    2024-01-15,Grilled Salmon,28,lunch,18.50,Main Course

  4. Téléversez sur le portail

    • Accédez au portail de téléversement sécurisé (lien fourni par le coordinateur)
    • Téléversez le fichier CSV/Excel formaté
    • Vérifiez l'aperçu des données avant de confirmer
    • Recevez un e-mail de confirmation lorsque le traitement est terminé

  5. Configurez les téléversements récurrents

    Pour des prévisions continues :

    • Calendrier de téléversement hebdomadaire (le lundi de préférence)
    • Exportez les données de ventes de la semaine précédente
    • Téléversez via le portail ou SFTP
    • 15-30 minutes par semaine

Délai : 1 semaine pour la configuration initiale

Étape 2 : Importation des données historiques​

Préparation des données​

Vérifiez la qualité des données :

Effectuez ces vérifications avant l'importation :

Vérification de la complétude :

  • Aucune date manquante dans la plage
  • Tous les articles du menu suivis de maniere cohérente
  • Périodes de service clairement étiquetées

Vérification de l'exactitude :

  • Les quantités correspondent aux portions réellement servies
  • Les horodatages sont corrects (attention aux problemes de fuseau horaire)
  • Pas de doublons pour le meme article/date

Vérification de la cohérence :

  • Memes noms d'articles sur toutes les dates
  • Noms de catégories standardisés
  • Étiquettes de période de service cohérentes

Exemple de vérification de qualité :

import pandas as pd

# Chargez vos données
df = pd.read_csv('sales_data.csv')

# Vérifiez les dates manquantes
date_range = pd.date_range(start=df['date'].min(), end=df['date'].max())
missing_dates = date_range.difference(pd.to_datetime(df['date']))
print(f"Dates manquantes : {missing_dates}")

# Vérifiez les noms d'articles incohérents
item_variations = df.groupby('item_name')['item_name'].count()
print(f"Total d'articles uniques : {len(item_variations)}")

# Vérifiez les doublons
duplicates = df[df.duplicated(['date', 'item_name', 'service_period'])]
print(f"Entrées en double : {len(duplicates)}")

Processus d'importation​

  1. Soumettez les données historiques

    Via la méthode choisie :

    • Necta : Importation automatique depuis les données existantes
    • Interface de programmation : Point d'acces d'importation en masse
    • Manuel : Portail de téléversement

  2. Validation des données

    L'équipe Eaternity examine :

    • Conformité du format des données
    • Indicateurs de qualité
    • Évaluation de la complétude
    • Anomalies ou problemes éventuels

  3. Recevez le rapport de validation

    Sous 2 jours ouvrables :

    • Note de qualité des données
    • Problemes identifiés et recommandations
    • Approbation pour continuer ou demandes de corrections

  4. Corrections (si nécessaire)

    Traitez les problemes éventuels :

    • Reformatez les données selon les retours
    • Complétez les informations manquantes
    • Résolvez les incohérences
    • Soumettez a nouveau pour validation

Volume de données attendu​

Minimum pour l'entrainement de base :

  • 30 jours de données historiques
  • Tous les articles du menu suivis
  • Au moins 50 couverts/jour en moyenne

Recommandé pour un entrainement optimal :

  • 90 jours ou plus de données historiques
  • Variation saisonniere représentée
  • Événements spéciaux et jours fériés inclus

Idéal pour une précision avancée :

  • 180 jours ou plus (6 mois)
  • Cycle saisonnier complet
  • Données météorologiques disponibles
  • Calendrier des événements inclus

Étape 3 : Entrainement du modele​

Processus d'entrainement​

Une fois les données historiques importées, l'entrainement du réseau de neurones commence automatiquement.

Phase 1 : Reconnaissance initiale des habitudes (Jours 1-3)

Le modele apprend :

  • Les habitudes quotidiennes de base
  • Les tendances de popularité des articles
  • Les différences entre périodes de service
  • Les variations selon le jour de la semaine

Phase 2 : Apprentissage des caractéristiques avancées (Jours 4-7)

Le modele identifie :

  • Les cycles hebdomadaires et mensuels
  • Les tendances saisonnieres (si données suffisantes)
  • Les corrélations météorologiques
  • Les habitudes d'incidence des événements

Phase 3 : Optimisation (Jours 8-14)

Le modele affine :

  • La précision des prévisions
  • Le calibrage des intervalles de confiance
  • La gestion des valeurs aberrantes
  • L'adaptation aux changements de menu

Suivi de l'entrainement​

Tableau de bord de progression :

Accédez a l'état de l'entrainement via :

  • Mises a jour par e-mail (résumé quotidien)
  • Interface du tableau de bord (temps réel)
  • Notifications Slack (optionnel)

Indicateurs clés affichés :

  • Pourcentage de progression de l'entrainement
  • Précision actuelle sur l'ensemble de validation
  • Date d'achevement prévue
  • Problemes ou avertissements éventuels

Exemple de rapport d'entrainement :

Progression de l'entrainement : 65 % terminé
MAPE actuel : 18,2 % (objectif : moins de 15 %)
Articles entrainés : 42/65
Achevement prévu : 25/01/2024
État : Conforme au calendrier

Ce qui se passe pendant l'entrainement​

Vous n'avez rien a faire, mais comprenez ce qui se passe :

  1. Prétraitement des données

    • Normalisation des quantités
    • Extraction des caractéristiques (jour de la semaine, saisonnalité, tendances)
    • Intégration des données météorologiques
    • Alignement du calendrier des événements

  2. Configuration de l'architecture du modele

    • Couches de transformeurs configurées
    • Mécanismes d'attention initialisés
    • Encodage temporel établi
    • Traitement multicouche préparé

  3. Itérations d'entrainement

    • Le modele apprend a partir des habitudes historiques
    • Validation sur les données mises de coté
    • Optimisation des hyperparametres
    • Régularisation pour éviter le surapprentissage

  4. Validation de la précision

    • Comparaison avec la référence du prévisionniste humain
    • Calibrage des intervalles de confiance
    • Analyse des erreurs et identification des habitudes
    • Sélection finale du modele

Étape 4 : Commencer les prévisions​

Premieres prévisions​

Délai : 2-4 semaines apres le début de la configuration

Notification :

  • Alerte par e-mail lorsque les premieres prévisions sont pretes
  • Le tableau de bord affiche l'état « Actif »
  • Prévisions disponibles via l'interface de programmation ou l'interface

Ensemble de prévisions initial :

  • Les 7 prochains jours prévus
  • Tous les articles actifs du menu inclus
  • Intervalles de confiance pour chaque prévision
  • Indicateurs de précision historique affichés

Acces aux prévisions​

Via l'interface Necta (clients Necta) :

  1. Connectez-vous au module de planification Necta
  2. Accédez a la section « Prévision de la demande »
  3. Visualisez les prévisions quotidiennes par article
  4. Exportez vers les feuilles de planification

Via l'interface de programmation (intégrations personnalisées) :

# Obtenez les prévisions pour une date spécifique
curl -X GET "https://api.eaternity.org/v1/forecast/predictions?date=2024-01-20" \
  -H "Authorization: Bearer your_token"

# Réponse
{
  "date": "2024-01-20",
  "day_of_week": "Saturday",
  "predictions": [
    {
      "item_name": "Pasta Carbonara",
      "predicted_quantity": 52,
      "confidence_interval": {
        "lower": 45,
        "upper": 59
      },
      "accuracy_last_30_days": 92.3
    }
  ]
}

Via le tableau de bord (acces manuel) :

  1. Connectez-vous au tableau de bord Forecast
  2. Sélectionnez la plage de dates
  3. Visualisez le tableau des prévisions
  4. Téléchargez l'exportation CSV

Comprendre vos premieres prévisions​

Composantes de la prévision :

Chaque prévision inclut :

  1. Quantité prévue : Nombre de portions le plus probable
  2. Intervalle de confiance : Fourchette de demande attendue (borne inférieure a supérieure)
  3. Indicateur de précision : Fiabilité récente des prévisions
  4. Facteurs : Éléments déterminants (météo, jour de la semaine, événements)

Exemple de prévision :

Article : Pasta Carbonara
Date : Samedi 20 janvier 2024
Quantité prévue : 52 portions

Intervalle de confiance : 45-59 portions
  - Borne inférieure (10e percentile) : 45
  - Borne supérieure (90e percentile) : 59
  - Niveau de confiance : 80 %

Précision historique : 92,3 % (30 derniers jours)

Facteurs clés :
  - Week-end (samedi) : +20 % par rapport a la moyenne en semaine
  - Température : 8 °C (demande hivernale normale)
  - Aucun événement spécial détecté

En savoir plus sur les intervalles de confiance →

Intégration dans le flux de travail quotidien​

Processus recommandé :

  1. Revue matinale (5-10 minutes)

    • Vérifiez les ventes finales d'aujourd'hui par rapport a la prévision d'hier
    • Examinez les prévisions de demain
    • Notez les écarts surprenants

  2. Planification (15-20 minutes)

    • Utilisez les prévisions pour les commandes d'ingrédients
    • Ajustez les quantités de préparation selon les prévisions
    • Tenez compte des intervalles de confiance pour la planification des stocks tampons

  3. Retours (optionnel, 2-3 minutes)

    • Notez les facteurs non pris en compte (événements imprévus, changements météo)
    • Signalez les erreurs de prévision supérieures a 30 % pour améliorer le modele
    • Soumettez vos retours via le tableau de bord ou par e-mail

Voir le guide de mise en oeuvre pour le flux de travail détaillé →

Phase de validation et de test​

Semaine 1 : Mode observation​

Objectif : Comprendre comment les prévisions se comparent a votre méthode actuelle

Activités :

  • Examinez les prévisions quotidiennes mais ne changez pas encore votre processus actuel
  • Comparez les prévisions Forecast a vos prévisions existantes
  • Notez les habitudes ou surprises
  • Suivez la précision des prévisions

Indicateurs a suivre :

| Article          | Réel | Votre prévision | Prévision IA | Votre erreur | Erreur IA |
|------------------|------|-----------------|--------------|--------------|-----------|
| Pasta Carb.      | 48   | 55              | 52           | +14,6 %      | +8,3 %    |
| Caesar Salad     | 30   | 28              | 31           | -6,7 %       | +3,3 %    |

Semaine 2 : Approche hybride​

Objectif : Commencer a intégrer les prévisions dans la planification

Activités :

  • Utilisez les prévisions pour 25-50 % des articles du menu
  • Conservez la prévision manuelle pour les articles a fort enjeu dans un premier temps
  • Comparez les résultats entre prévisions manuelles et IA
  • Renforcez la confiance dans la précision des prévisions

Formation de l'équipe :

  • Passez en revue les intervalles de confiance avec le personnel de cuisine
  • Discutez de la gestion des bornes supérieures/inférieures
  • Entrainez-vous a ajuster pour les facteurs connus non présents dans les données

Semaines 3-4 : Déploiement complet​

Objectif : Utiliser les prévisions pour tous les articles du menu

Activités :

  • Appuyez-vous sur les prévisions pour la planification quotidienne
  • Utilisez les intervalles de confiance pour les décisions de stock tampon
  • Suivez la réduction réelle du gaspillage
  • Calculez les économies réalisées

Indicateurs de réussite :

  • Surproduction réduite
  • Qualité de service maintenue (pas de ruptures de stock)
  • Temps gagné sur les prévisions manuelles
  • Confiance de l'équipe dans l'utilisation du systeme

Dépannage des problemes de configuration​

ProblemeSolution rapide
Échec de l'importation des donnéesVérifiez l'encodage UTF-8, les dates au format AAAA-MM-JJ, pas de lignes vides
Échec de l'authentification de l'interface de programmationVérifiez que la clé n'a pas d'espaces supplémentaires, utilisez HTTPS
Prévisions semblant inexactesAssurez-vous d'avoir plus de 30 jours de données, attendez 2 semaines d'entrainement
Intégration Necta n'apparaissant pasVidez le cache, vérifiez l'activation du module avec Necta

Pour des solutions détaillées, voir Dépannage de l'intégration.

Obtenir de l'aide​

E-mail : forecast@eaternity.org

Type de problemeDélai de réponse
Critique (systeme hors service)4 heures
Problemes d'intégration24 heures
Questions sur les données/fonctionnalités48 heures - 1 semaine

Liste de controle : Configuration terminée​

Intégration

  • Connexion systeme de caisse/progiciel de gestion intégré établie
  • Authentification configurée et testée
  • Flux de données vérifié

Données historiques

  • Minimum 30 jours importés
  • Validation des données réussie
  • Note de qualité supérieure a 80 %

Entrainement

  • Entrainement du réseau de neurones terminé (100 %)
  • Précision de validation conforme aux objectifs
  • Tous les articles du menu entrainés

Prévisions

  • Premieres prévisions reçues
  • L'équipe peut accéder via l'interface ou l'interface de programmation
  • Intervalles de confiance compris

Préparation de l'équipe

  • Personne de contact formée
  • Personnel de cuisine informé sur l'utilisation des prévisions
  • Intégration du flux de travail planifiée
  • Processus de retour établi

Prochaines étapes​

Une fois la configuration terminée :

  1. Commencez l'utilisation quotidienne

    • Intégrez les prévisions dans le flux de travail de planification
    • Suivez la précision et la réduction du gaspillage alimentaire
    • Signalez tout probleme ou résultat inattendu

  2. Fournissez des retours

    • Planifiez un premier appel de suivi mensuel
    • Partagez les premieres observations et questions
    • Suggérez des améliorations ou demandes de fonctionnalités

  3. Optimisez l'utilisation

  4. Surveillez les performances

    • Suivez les économies réalisées grace a la réduction du gaspillage
    • Mesurez le temps gagné par rapport aux prévisions manuelles
    • Documentez les réussites pour une étude de cas

Voir aussi​