les ventes de biens à la mode peuvent être représentée avec un modèle linéaire, alors que, selon Granovetter et Soong (1986) et, elles peuvent être représentées avec un modèle non linéaire, 1993. ,
quel type de contrôle peut-on mettre en oeuvre ? ,
une prévision des ventes sur quelques semaines Ils peuvent notamment avoir recourt à la méthode du plus proche voisin Cette méthode est « un outil simple mais utile pour prévoir les systèmes chaotiques. (?) [C]ette technique prend l'observation passée qui ressemble le plus à l'état actuel [des ventes] et elle retourne l'observation suivant le plus proche voisin en tant que prévision pour demain Puisque ces prévisions se feraient localement, il y aurait alors un contrôle cybernétique sans division du travail : contrôle homéostatique. Ces prévisions locales de court terme ne permettraient pas de concevoir un budget annuel pour l'entreprise mais pourraient accroître la qualité des prévisions, Face à des ventes chaotiques, les commerciaux pourraient pratiquer localement, p.454, 1978. ,
Au regard de la taille des observations que l'on peut obtenir et de la qualité des données, il est difficile d'envisager que cela soit possible On peut alors considérer que la présence de chaos, même si elle laisse l'espoir de faire des prévisions de court terme, pousse à considérer les ventes étudiées comme des phénomènes indéterminés on pourrait encourager les praticiens à contrôler politiquement ces ventes. « Les situations non cybernétiques sont par essence politique ; les décisions sont basées sur la négociation et le jugement. » (Hofstede, 1978 : 459) Ce type de contrôle des ventes peut s'apparenter à ce qu'ont observé Ces auteurs ont montré que les biens innovants qui ont connu un grand succès sont issus d'entreprises, 1978. ,
Management Control Systems: Text, Cases and Readings, 1972. ,
Chaos in a long-term experiment with a plankton community, Nature, vol.34, issue.7180, pp.822-825, 2008. ,
DOI : 10.1038/nature06512
A test for independence based on the correlation dimension, Econometric Reviews, vol.69, issue.3, pp.197-235, 1996. ,
DOI : 10.1093/biomet/73.2.461
Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root, Econometrica, vol.49, issue.4, pp.1057-1072, 1981. ,
DOI : 10.2307/1912517
Lyapunov Exponents, Wiley Encyclopedia of Biomedical Engineering, 2009. ,
DOI : 10.1002/9780471740360.ebs0702
Threshold models of interpersonal effects in consumer demand, Journal of Economic Behavior & Organization, vol.7, issue.1, pp.83-99, 1986. ,
DOI : 10.1016/0167-2681(86)90023-5
Forecasting chaotic systems: The role of local Lyapunov exponents, Chaos, Solitons & Fractals, vol.41, issue.5, pp.2401-2404, 2009. ,
DOI : 10.1016/j.chaos.2008.09.017
URL : https://hal.archives-ouvertes.fr/halshs-00259238
The poverty of management control philosophy, Academy of Management Review, vol.3, issue.3, pp.450-461, 1978. ,
The R FAQ Chaos and nonlinear dynamics: application to financial markets, Journal of Finance, vol.46, issue.5, pp.1839-1877, 1991. ,
Nonlinear time series analysis, 2004. ,
DOI : 10.1017/CBO9780511755798
Testing the null hypothesis of stationarity against the alternative of a unit root, Journal of Econometrics, vol.54, issue.1-3, pp.1-3, 1992. ,
DOI : 10.1016/0304-4076(92)90104-Y
Bandwagon, Snob, and Veblen Effects in the Theory of Consumers' Demand, The Quarterly Journal of Economics, vol.64, issue.2, pp.183-207, 1950. ,
DOI : 10.2307/1882692
The ABC's of BDS, Journal of Computational Intelligence in Finance, vol.5, pp.23-26, 1997. ,
Noise robust estimates of the largest Lyapunov exponent, Physics Letters A, vol.341, issue.1-4, pp.1-4, 2005. ,
DOI : 10.1016/j.physleta.2005.04.048
Le chaos. 2ème édition, Que sais-je ?, 2007. ,
A Survey of New Product Forecasting Practices in Industrial High Technology and Low Technology Businesses, Industrial Marketing Management, vol.28, issue.6, pp.565-571, 1999. ,
DOI : 10.1016/S0019-8501(98)00027-3
L'essentiel du contrôle de gestion, 2002. ,
Toward Formalizing Fashion Theory, Journal of Marketing Research, vol.30, issue.2, pp.142-157, 1993. ,
DOI : 10.2307/3172824
A fashion model with social interaction. Physica A: Statistical Mechanics and its Applications, pp.3-4, 2004. ,
Microéconomie, 2005. ,
Bias and error bars in dimension calculations and their evaluation in some simple models, Physics Letters A, vol.134, issue.5, pp.287-297, 1989. ,
DOI : 10.1016/0375-9601(89)90638-5
A practical method for calculating largest Lyapunov exponents from small data sets, Physica D: Nonlinear Phenomena, vol.65, issue.1-2, pp.117-134, 1993. ,
DOI : 10.1016/0167-2789(93)90009-P
Nonlinear Dynamics and Stock Returns, The Journal of Business, vol.62, issue.3, pp.311-337, 1989. ,
DOI : 10.1086/296465
L'aléatoire du non aléatoire Paris: Seuil, pp.68-87, 1992. ,
Nonlinear Regression, In Encyclopedia of Environmetrics, vol.87, pp.1405-1411, 2002. ,
DOI : 10.1002/9780470057339.van017
System theoretic limits on the cybernetic paradigm, Behavioral Science, vol.12, issue.3, pp.191-200, 1975. ,
DOI : 10.1002/bs.3830200307
Analyse des séries Temporelles, 2008. ,
Benford's law, The American Statistician, vol.26, issue.3, pp.65-66, 1972. ,
Determining Lyapunov exponents from a time series, Physica D: Nonlinear Phenomena, vol.16, issue.3, pp.285-317, 1985. ,
DOI : 10.1016/0167-2789(85)90011-9