Modèle de gestion de locations (a)

Dans le dernier article, nous avons vu comment créer un modèle de simulation bien plus rapidement, et aussi de façon nettement plus fiable, en utilisant l’add-in Crystal Ball. Ceci dit, notre exemple de lancement de dés était un exemple très simple. Aujourd’hui, nous verrons comment utiliser Crystal Ball pour la création d’un modèle plus compliqué.

Dans le cas qui nous intéresse aujourd’hui, nous supposons que nous avons 100 appartements à louer. Il y a quatre variables aléatoires, le nombre d’appartements que l’on parvient à louer (entre 70 et 100), le loyer moyen, les coûts fixes et les coûts variables. Les colonnes E et F fournissent les paramètres correspondant aux cas le plus favorable (Best Case) et le pire (Worst Case). On se demande quelle est la probabilité de gagner au moins 4.300 € avec les locations.

Nous avons choisi des lois triangulaires pour les deux premières variables, en C3 et C4, et des lois uniformes pour les deux variables de coût, en C7 et C9. Vous voyez dans la copie d’écran l’écran de définition de l’hypothèse « Rental fee per unit ».

Remarque – Dans Crystal Ball, par défaut, les hypothèses sont en fond vert avec un commentaire et les prévisions en fond bleu.

Nous lançons la simulation, qui est toujours de 5.000 itérations par défaut. Cette simulation dure moins de 25 secondes, ce qui est bien plus rapide que ce que nous pourrions faire sans Crystal Ball. Et, surtout, nous obtenons aussitôt un graphe de prévision (cf. image ci-dessous) ainsi que des statistiques détaillées.

En entrant 4.300 dans la partie inférieure gauche du graphe de prévision, nous obtenons immédiatement la réponse à notre question : la probabilité de gagner au moins 4.300 € est de 32,26%.