Une analyse exacte du problème du vendeur de journaux fondé sur les données.

Information Systems and Operations Management

Intervenant: Omar Mouchtaki (NYU Stern School of Business)

Salle Bernard Ramanantsoa

Résumé :

Nous étudions le problème du vendeur de journaux (newsvendor) à partir de données historiques de ventes, qui ne permettent d’observer la demande que dans la limite des stocks disponibles. En nous démarquant des approches fondées sur les inégalités de concentration, nous caractérisons précisément la performance, dans le pire des cas, des politiques classiques fondées sur les données, quels que soient la taille de l’échantillon et le degré de censure des données. Notre résultat principal ramène le problème de dimension infinie consistant à évaluer la performance d’une politique dans le pire des cas sur l’ensemble des distributions de demande à un problème d’optimisation de dimension finie. Nous obtenons ainsi la première garantie de performance à taille d’échantillon finie pour la politique classique de gestion des stocks fondée sur l’estimateur de Kaplan–Meier, et quantifions précisément la valeur de l’information censurée. Nous montrons également comment cette réduction peut orienter la conception de nouvelles politiques en présence de données censurées.

Biographie :

Omar Mouchtaki est professeur assistant à la Stern School of Business de l’Université de New York (NYU). Ses recherches portent sur la prise de décisions opérationnelles à partir de données limitées, hétérogènes ou incomplètes. Il développe des méthodes qui associent apprentissage statistique et optimisation, avec des applications à la gestion des stocks, à la tarification et aux enchères. Ses travaux récents explorent également la manière dont l’intelligence artificielle peut accompagner la prise de décision humaine.