Le data analyst supply chain mesure la performance des flux : commandes servies à temps et complètes, niveaux de stock, fiabilité des prévisions, coûts de transport. Ses données viennent de l'ERP (souvent SAP, parfois Oracle, Infor M3 ou Microsoft Dynamics), du WMS de l'entrepôt, du TMS pour le transport et d'un outil de planification comme SAP IBP, Kinaxis ou o9. Il restitue le tout dans Power BI et prépare souvent les historiques des modèles de prévision.
Le piège tient aux définitions. Deux sites qui affichent chacun 95 % d'OTIF ne calculent pas forcément la même chose : à la ligne ou à la commande, sur la date demandée ou la date confirmée, avec ou sans tolérance. Un candidat solide pose ces questions avant d'écrire une requête. Il sait aussi qu'un stock moyen confortable peut cacher des ruptures sur les références qui comptent.
Un petit extrait de commandes, avec une livraison partielle et une date reportée, suffit pour faire calculer un taux de service : la façon dont le candidat pose ses hypothèses compte plus que le chiffre. Le PDF ajoute une étude de cas de 20 minutes sur un distributeur dont les ruptures augmentent alors que le stock grossit.
ERP, WMS, APS : les systèmes d'où viennent les données
ERP (SAP MM et SD, S/4HANA)
Le système de gestion de l'entreprise : articles, commandes clients et fournisseurs, livraisons, factures, mouvements de stock. Chez SAP, les modules MM (achats et stocks) et SD (ventes et livraisons) fournissent la plupart des données. C'est la référence pour les dates promises et les quantités commandées.
WMS
Le logiciel de l'entrepôt, par exemple Manhattan, Reflex, Generix ou SAP EWM. Il trace la réception, le stockage par emplacement, la préparation et l'expédition de chaque commande. On y trouve les heures réelles de préparation et de départ, utiles pour comprendre un retard.
TMS
Le logiciel de gestion du transport : choix du transporteur, tournées, suivi des livraisons, coûts de fret. Les preuves de livraison donnent le délai réel jusqu'au client, une information souvent absente de l'ERP.
APS et planification (SAP IBP, Kinaxis, o9)
Ces outils calculent les prévisions de demande, les besoins de réapprovisionnement et les plans de production. Le data analyst en extrait les prévisions version par version pour mesurer leur fiabilité, et prépare les historiques qui les alimentent.
Indicateurs supply
OTIF (livré à temps et complet), taux de service, couverture de stock en jours, rotation, taux de rupture, erreur et biais de prévision. Chacun admet plusieurs définitions. Demandez au candidat comment il calcule celui qu'il met en avant sur son CV.
SQL et Python
SQL pour croiser commandes, livraisons et stocks, des tables souvent volumineuses avec une ligne par article, par jour et par site. Python et pandas, parfois avec une bibliothèque de séries temporelles comme statsforecast, pour les analyses de prévision et de segmentation.
Power BI ou Tableau
Les tableaux de bord du pilotage quotidien et mensuel : service client, stock par site, performance des fournisseurs. Suivre un stock à date sur des milliers de références pose des questions de modélisation propres au métier.
Excel
Toujours très présent chez les approvisionneurs et les planificateurs. Le data analyst reprend souvent des fichiers de suivi des ruptures ou de calcul de stock de sécurité pour les fiabiliser et les automatiser.
Le poste existe dans l'industrie, la distribution, la logistique et le e-commerce, sous des intitulés voisins : analyste supply chain, analyste performance supply chain, data analyst logistique, demand planning analyst quand la prévision domine. Chez un logisticien, l'accent porte sur l'entrepôt et le transport. Chez un industriel ou un distributeur, sur le service client, les stocks et les prévisions. Le data analyst prépare souvent les chiffres de la revue S&OP mensuelle, où ventes, production et finance arbitrent le plan. En ESN, les missions accompagnent fréquemment un projet d'APS ou de WMS.
Six domaines techniques à couvrir en entretien
- Définition et calcul des KPI supply (OTIF, taux de service, couverture)
- Mesure de la fiabilité des prévisions
- Analyse et optimisation des stocks
- SQL sur des données de flux et de stock
- Croisement des données ERP, WMS et TMS
- Modélisation et restitution des données supply
Cinq questions où les définitions font la différence
Chaque question vient avec ce qu'une bonne réponse contient et le signal qui doit vous alerter. Pas besoin d'être technique pour les poser : écoutez si le candidat raconte du vécu.
Question 1 · confirmé
Deux entrepôts annoncent chacun un OTIF de 95 %. Quelles questions posez-vous avant de comparer ces deux chiffres ?
Une bonne réponseLe niveau de calcul (ligne de commande, commande entière ou quantité), la date de référence (date demandée par le client ou date confirmée), la tolérance de délai et de quantité, le point de mesure du « à temps » (départ de l'entrepôt ou livraison chez le client), le sort des commandes partielles et des annulations. Ensuite, une définition commune écrite, et les deux sites recalculés avec elle.
Signal d'alerteComparer les deux chiffres tels quels, ou réciter une définition unique comme si elle allait de soi.
Question 2 · confirmé
Comment mesurez-vous la qualité des prévisions de vente sur 3 000 références, et quel indicateur présentez-vous au comité ?
Une bonne réponseUne erreur pondérée par le volume, comme le WAPE (somme des écarts absolus divisée par la somme des ventes), plutôt qu'une moyenne de MAPE qui explose sur les petites références et les ventes nulles. Le biais est suivi à part, pour savoir si la prévision surestime ou sous-estime. La mesure se fait à l'horizon où la décision se prend, souvent le délai d'approvisionnement, au bon niveau d'agrégation, et se compare à une prévision naïve.
Signal d'alerteUne moyenne de MAPE par article sans voir le problème des ventes à zéro, ou un taux de précision sans aucun suivi du biais.
Question 3 · junior à confirmé
Comment calculez-vous la couverture de stock en jours, et pourquoi ce chiffre peut-il tromper ?
Une bonne réponseLe stock disponible divisé par la consommation moyenne journalière, de préférence la demande prévue des prochaines semaines plutôt que l'historique. Le chiffre trompe une fois agrégé : une couverture moyenne de 40 jours peut mêler des références en surstock et d'autres en rupture. La bonne réponse regarde la distribution par référence, isole le stock bloqué ou périmé et précise s'il s'agit de stock physique ou disponible.
Signal d'alerteUne couverture globale, tous articles confondus, présentée comme la preuve d'un bon niveau de stock.
Question 4 · confirmé
La table de stock contient un mouvement par entrée et par sortie. Comment reconstituez-vous le stock de chaque article à chaque fin de semaine ?
Une bonne réponseUne somme cumulée des mouvements signés par article et par site, avec une fonction de fenêtrage triée par date, puis une jointure sur un calendrier des fins de semaine qui reprend la dernière valeur connue, semaines sans mouvement comprises. Le calcul part d'un stock d'ouverture fiable ou d'un inventaire, et le résultat est rapproché d'une photo de stock de l'ERP.
Signal d'alerteAdditionner les mouvements de la semaine comme s'il s'agissait d'un flux, ou perdre les semaines sans mouvement.
Question 5 · confirmé à senior
Le directeur supply chain veut baisser le stock de 15 % sans dégrader le service. Par quelle analyse commencez-vous ?
Une bonne réponseUne segmentation des références, ABC sur la valeur consommée et XYZ sur la régularité de la demande, puis une comparaison du stock réel au stock cible de chaque segment. Ce stock cible dépend de la variabilité de la demande, du délai fournisseur et du taux de service visé. L'analyse fait ressortir le surstock, le stock dormant et les paramètres de réapprovisionnement mal réglés, avec un gain chiffré par segment et le risque de rupture correspondant.
Signal d'alerteUne baisse uniforme de 15 % sur toutes les références, ou une analyse qui ne regarde que la valeur du stock.
Recevez la fiche d'entretien complète en PDF
La fiche pour mener l'entretien de bout en bout, prête à imprimer ou à partager avec le manager.
- 30 questions sur 6 axes, avec la bonne réponse, le signal d'alerte et la relance
- Le niveau visé pour chaque question
- Une mise en situation de 20 minutes et ce qu'on attend du candidat
- La grille d'évaluation de 1 à 4, axe par axe
Supply chain et data : ce que les recruteurs veulent savoir
Construire les prévisions fait-il partie du poste de data analyst supply chain ?
Il doit surtout savoir les mesurer : erreur pondérée, biais, comparaison à une prévision naïve, horizon de décision. Sur beaucoup de postes, les prévisions sortent de l'APS et l'analyste en contrôle la qualité. Les bases d'un lissage exponentiel ou d'une saisonnalité restent attendues. Si vous voulez quelqu'un qui conçoit et met en production des modèles de prévision, le profil relève plutôt du data scientist supply chain.
Peut-on recruter un profil data qui ne vient pas de la logistique ?
Oui, si le socle data est solide et si la personne apprend vite le vocabulaire. Le risque porte sur les définitions : un analyste qui découvre la logistique calcule un OTIF ou une couverture sans poser les questions de périmètre. Testez-le sur un cas concret de commandes et de livraisons, et regardez s'il demande comment le métier définit chaque indicateur avant de lancer ses calculs.
Quel jeu de données préparer pour évaluer un data analyst supply chain ?
Préparez un petit jeu de données fictif : commandes, livraisons avec dates et quantités, mouvements de stock. Demandez un OTIF avec une définition à expliciter, un stock en fin de semaine et deux ou trois anomalies à repérer, comme une livraison sans commande ou un stock négatif. Ce test technique tient en 45 minutes et montre la rigueur sur les jointures et les définitions mieux qu'un exercice générique.
Qu'est-ce qui sépare un data analyst supply chain d'un demand planner ?
Le demand planner porte la prévision : il la construit avec l'APS, l'ajuste avec les commerciaux et la défend en revue S&OP. Le data analyst supply chain couvre un champ plus large, du service client aux stocks et au transport, et produit les données et les analyses qui servent à décider. Les deux se recoupent sur la mesure de la fiabilité des prévisions, d'où des intitulés parfois confondus dans les offres.
Pour structurer vos autres entretiens, consultez aussi nos pages sur les questions d'entretien de recrutement, la méthode de l'entretien structuré et la grille d'évaluation d'entretien.
