Die Quantitative Supply Chain in Kürze - Vorlesung 1.2

00:10 Einführung
02:23 Wie geht das? Vorlesungen zur Supply Chain
04:22 Das Manifest der Quantitativen Supply Chain
06:47 Alle möglichen Zukunftsszenarien
17:01 Alle machbaren Entscheidungen
21:52 Wirtschaftliche Treiber
30:42 Robotisierung
35:41 Supply Chain Scientists
40:22 Von der Vision zur Realität
41:56 Der Mythos der Reife der Supply Chain
45:30 Abschließend
46:13 Fragen aus dem Publikum

Beschreibung

Das Manifest der Quantitativen Supply Chain betont eine kurze Reihe von herausragenden Punkten, um zu verstehen, wie sich diese alternative Theorie, die von Lokad vorgeschlagen und entwickelt wurde, von der Mainstream-Supply-Chain-Theorie unterscheidet. Es könnte wie folgt zusammengefasst werden: Jede einzelne Entscheidung wird gemäß den wirtschaftlichen Treibern gegen alle möglichen Zukunftsszenarien bewertet. Diese Perspektive hat sich bei Lokad allmählich als Mainstream-Supply-Chain-Theorie herausgebildet, und ihre Umsetzung durch (fast?) alle Softwareanbieter bleibt herausfordernd.

Vollständiges Transkript

Hallo allerseits, herzlich willkommen zu den Vorlesungen zur Supply Chain. Ich bin Joannes Vermorel und heute werde ich “Die Quantitative Supply Chain in Kürze” präsentieren. Für diejenigen von Ihnen, die den Stream live verfolgen, können Sie jederzeit über den YouTube-Chat Fragen stellen. Während der Vorlesung werde ich die Fragen nicht lesen; jedoch werde ich am Ende der Vorlesung zum Chat zurückkehren und mit den Fragen von oben beginnen und mein Bestes geben. Also lasst uns fortfahren.

Ich werde mit einem Zitat eines ehemaligen französischen Präsidenten beginnen, der sagte, dass es drei Wege zum Reichtum gebe: der schnellste sei das Glücksspiel, der angenehmste sei mit Frauen, aber der sicherste sei mit Technikern. Offensichtlich entscheiden wir uns in dieser Vorlesungsreihe für die dritte Option. Ich glaube, dass in diesem Zitat ein Körnchen Weisheit steckt. Technik ist eine leistungsstarke Möglichkeit, mehr von bestimmten Dingen zu tun, besser in bestimmten Spielen zu sein, aber sie kann auch ablenkend sein. Mit Technikern meinte er nicht nur Menschen, die sich mit technischen Dingen beschäftigen, wie Ingenieure, sondern auch solche, die sich mit Prozessen und Workflows befassen, den technischen Aspekten des MBA-Typs.

Wenn wir uns mit Herausforderungen in der Supply Chain befassen, müssen wir uns sehr bewusst sein, ob das, was wir auf den Tisch bringen, dazu beiträgt, die Kernprobleme anzugehen, oder ob es nur eine Ablenkung ist, die sich gut anfühlt.

Für die heutige Vorlesung werde ich leider etwas auf die Überzeugungsseite zurückgreifen. Die Herausforderung besteht darin, dass Sie, wenn Sie eine Problemstellung haben, beweisen können, dass Sie eine Lösung haben, die für dieses spezielle Problem überlegen ist. Können Sie jedoch beweisen, dass Sie überhaupt eine überlegene Art von Problem haben? Das ist intellektuell viel anspruchsvoller.

Eine der Hauptkritiken, die ich während der vorherigen Vorlesung vorgebracht habe, ist, dass die Supply Chain im Kern ein komplexes Problem ist. Daher ist es schwierig, sie zu betrachten. Heute werde ich versuchen, eine Reihe von Anforderungen vorzustellen, die meiner Meinung nach unerlässlich sind, wenn wir jemals die Hoffnung haben, etwas Zufriedenstellendes für die Supply Chain zu liefern. Ich kann jedoch nicht wirklich beweisen, dass eines der Elemente, die ich auf den Tisch bringe, wirklich erforderlich ist. Es gibt einen Glaubensaspekt und auch ein Verständnis auf hoher Ebene. Ein weiterer Aspekt des Glaubens ist, dass Sie ohne eine Lösung, die Sie vor Ihren Anforderungen präsentieren können, nur Wunschdenken haben. Daher bitte ich Sie, Ihren Unglauben für eine oder zwei weitere Vorlesungen auszusetzen, damit wir uns auf die eigentliche Natur des Problems und die Elemente konzentrieren können, die für eine Lösung erforderlich sind, um eine gute Supply Chain-Praxis zu ermöglichen.

Also lassen Sie uns fortfahren. Vor einigen Jahren hatte Lokad bereits seine relativ untypische Art, seine eigenen Kunden zu bedienen, eingeführt. Ende 2016 beschloss ich, eine kurze Serie von herausragenden Punkten zusammenzufassen, die meiner Meinung nach erheblich von der Mainstream-Supply-Chain-Theorie abweichen. Ich wollte diese fünf Punkte verwenden, um zu zeigen, wie sich die quantitative Supply Chain von der Mainstream-Supply-Chain unterscheidet. Ich entschuldige mich dafür, dass die Terminologie etwas unglücklich ist, denn auch die Mainstream-Supply-Chain-Theorie ist sehr quantitativ, aber ich habe mich entschieden, ein weiteres Adjektiv hinzuzufügen, um den Unterschied zwischen der quantitativen Supply-Chain-Theorie und der Mainstream-Supply-Chain-Theorie zu verdeutlichen.

Diese Elemente, die ich auflisten werde, sind nicht unbedingt grundlegend; sie sind eher eine Checkliste der Dinge, die wir angehen müssen, wenn wir überhaupt eine Hoffnung haben wollen, erfolgreich zu sein. Diese Elemente umfassen:

1. Alle möglichen Zukünfte: Wir müssen uns viele Zukünfte ansehen, nicht nur eine Zukunft.
2. Alle machbaren Entscheidungen: Als ich die Definition der Supply Chain als Beherrschung der Optionen eingeführt habe, meinte ich diese Entscheidungen.
3. Wirtschaftliche Treiber: Die Idee ist, dass wir die Dollar des Fehlers zählen, nicht den Prozentsatz des Fehlers.
4. Robotisierung als Anforderung für das Management: Es mag paradox erscheinen, denn man könnte denken, dass Robotisierung den Verlust der Kontrolle impliziert, aber die These besagt, dass es genau das Gegenteil ist - Sie benötigen Robotisierung, wenn Sie möchten, dass Menschen in Bezug auf Supply Chains die Kontrolle behalten.
5. Supply Chain Scientist: Am Ende der Praxis sollte es eine Person geben, die die numerischen Ergebnisse der Supply Chain oder die quantitative Leistung der Supply Chain besitzt.

Schauen wir uns nun jeden dieser fünf Punkte genauer an.

Zunächst einmal geht es darum, dass wir uns alle möglichen Zukünfte ansehen müssen. Warum müssen wir überhaupt in die Zukunft schauen? Wir müssen in die Zukunft schauen, weil alles Zeit braucht. Wir können nicht alles sofort in 3D drucken, und selbst wenn wir es könnten, müssten wir immer noch Dinge transportieren. Alles braucht Zeit, was bedeutet, dass Sie, wenn Sie eine Entscheidung in der Supply Chain treffen, wie zum Beispiel die Entscheidung, etwas zu produzieren oder zu kaufen, dies tun, weil Sie vorausschauend sind und einen zukünftigen Zustand des Marktes antizipieren, in dem es eine Art Nachfrage nach diesen Produkten geben wird. Sie arbeiten sich dann zurück und machen eine Art Vorhersage, um Ihre Supply Chain entsprechend zu optimieren.

Wir müssen diese Vorausschau und diese Vorhersagen haben, die nur die mathematische Variante der Intuition sind. Aber von welchen Vorhersagen sprechen wir? Die Vorhersagen, die das Supply Chain Management im 20. Jahrhundert und im ersten Teil des 21. Jahrhunderts vollständig dominiert haben, sind die klassischen Zeitreihen Vorhersagen, die meiner Meinung nach auf mehrere Arten zutiefst fehlerhaft sind. Der erste Grund ist, dass dieser Ansatz die Idee der Unsicherheit vollständig ignoriert. Meine These ist, dass Unsicherheit vollständig irreduzibel ist und dass die Zukunft in der Supply Chain niemals perfekt vorhergesagt werden kann. Die Idee, dass man eine 99%ige Prognosegenauigkeit haben kann, ist Unsinn. Selbst bei der Betrachtung des Wasserverbrauchs oder des Stromverbrauchs ist es sehr herausfordernd, Vorhersagen mit diesem Grad an Genauigkeit zu erreichen.

Wenn man realistisch betrachtet, dass es in Supply Chains beispielsweise ein Produkt in einem Geschäft gibt, das nur eine Einheit pro Woche für ein bestimmtes Produkt in einem bestimmten Geschäft verkauft, besteht keine Hoffnung, jemals eine Genauigkeit von weniger als einem Prozent zu erreichen. Die Frage ergibt nicht einmal Sinn. Unsicherheit ist also irreduzibel. Wenn wir einen größeren Beweis dafür haben wollten, schauen wir uns einfach das Jahr 2020 an. Wir hatten eine massive weltweite Pandemie, die in der gesamten Supply Chain massive Verwüstungen angerichtet hat. Es ist einfach nicht möglich, solche Dinge aus einer klassischen Perspektive vorherzusagen, bei der man eine Zahl hat und sagt: “Das ist es, das ist die Zukunft.”

Stattdessen kann man probabilistische Vorhersagen haben. Die Idee ist, dass alle Zukünfte möglich sind, aber sie sind einfach nicht gleich wahrscheinlich. Das ist das Wesen der probabilistischen Vorhersage. Es ist die Idee, dass man eine statistische Methode haben kann, die anstatt vorzugeben, die perfekte Vorhersage dafür zu haben, wie sich die Dinge in der Zukunft genau abspielen werden, einfach sagt: “Ich habe all diese möglichen Zukünfte; einige sind wahrscheinlicher als andere.” Dieser Ansatz umfasst die irreduzible Unsicherheit. Viele der Situationen, in denen mir Leute sagen: “Das kannst du nicht vorhersagen”, ist die Antwort: “Doch, das kann ich.” Ich kann Ihnen keine korrekte klassische Vorhersage geben, aber ich kann sicherlich eine perfekte probabilistische Vorhersage haben.

Das extreme Beispiel dafür wären Lotterielose. Ich kann die genauen Chancen feststellen, dass ein bestimmtes Los das Gewinnerlos ist. Ich weiß nicht, welches gewinnen wird, aber wenn das Spiel nicht manipuliert ist, kann ich eine perfekte probabilistische Vorhersage haben, die die gleichmäßigen Wahrscheinlichkeiten für alle Lose widerspiegelt. Das ist genau das, was eine probabilistische Vorhersage bedeutet; es bedeutet, dass man die Tatsache akzeptiert, dass man die Zukunft nicht perfekt kennt, aber viel über die Zukunft weiß. Wenn wir sagen, dass wir Wahrscheinlichkeiten haben, wissen wir viele Dinge. Zum Beispiel kann ich sagen, dass es zu jedem Zeitpunkt ein Risiko für eine massive Störung auf dem Markt gibt. Ich weiß nicht genau, wo das Risiko herkommen wird; es könnte eine Pandemie sein, ein Börsencrash, ein Krieg oder ein neuer Zolltarif wie der, den Präsident Trump eingeführt hat. Es kann viele Dinge geben, die Ihre Supply Chain stören, und wenn ich das Risiko zu jedem Zeitpunkt für jede Supply Chain bewerten müsste, beträgt es mehrere Prozent, dass es im nächsten Quartal zu einem massiven Rückgang kommt. Es ist wieder keine Magie; es ist nur eine sehr vernünftige Annahme über die Zukunft. Mit den richtigen statistischen Werkzeugen kann man etwas viel ausführlicheres haben. Alle Bereiche, die unsicher sind, erfordern eine Vorhersage, und zwar eine probabilistische Vorhersage. Die Nachfrage ist nicht der einzige Bereich, der eine Vorhersage benötigt. Zum Beispiel erfordern alle Bereiche, in denen Unsicherheiten bestehen, eine Vorhersage.

Dies könnte die Prognose zukünftiger Nachfrage umfassen, aber auch zukünftige Durchlaufzeiten, zukünftige Rücksendungen im E-Commerce, unsichere Erträge in primären Produktionsquellen wie Bergbau oder Landwirtschaft, wahrscheinliche Ausfall- oder Ausschussraten in der Qualitätskontrolle für biologische Prozesse und Reparaturen von Teilen. Es gibt eine Vielzahl von Bereichen, in denen Unsicherheit besteht, und all diese Bereiche verdienen eine Prognose. Eine gute Praxis in der Lieferkette besteht darin, die Notwendigkeit zu akzeptieren, an alle möglichen Zukunftsszenarien mit ihren jeweiligen Wahrscheinlichkeiten zu denken und alle Dinge zu betrachten, die prognostiziert werden müssen. Es geht nicht nur um die Nachfrage.

Zum Beispiel können wir uns sogar Dinge wie Rohstoffpreise ansehen. Offensichtlich würden Sie, wenn Sie den zukünftigen Preis eines Rohstoffs genau prognostizieren könnten, einfach an der Börse handeln und keine tatsächliche Lieferkette betreiben. Einige Rohstoffe sind jedoch preislich viel volatiler als andere, und das bedeutet, dass das Risiko, das Sie beim Umgang mit diesen Rohstoffen tragen, mit den richtigen Modellen durch probabilistische Prognosen in Ihrem Werkzeugarsenal optimiert werden kann.

Ein weiteres Element ist, dass es nicht nur um Ihre eigenen möglichen Zukunftsszenarien geht; all diese möglichen Zukunftsszenarien sind nicht unabhängig voneinander. Sie haben starke Abhängigkeiten, und das ist auch etwas, was in der Mainstream-Lieferketten-Theorie wirklich fehlt. Sie betrachten die Nachfrageprognose, als ob sie völlig unabhängig von allem anderen wäre, was in der Lieferkette passiert. Selbst zu diesem Zeitpunkt haben wir immer noch Kunden, die zu mir kommen und fragen, ob Lokad eine 12-monatige Prognose für ein bestimmtes Produkt erstellen kann.

Zum Beispiel nehmen wir an, wir haben es mit einer Sportmarke zu tun und sie fragen nach einem Tracking-Rucksack. Können wir prognostizieren, wie hoch die Nachfrage in den nächsten 12 Monaten sein wird? Meine grundlegende Antwort lautet: “Es kommt darauf an.” Wenn Sie nur einen Rucksack verkaufen, haben Sie vielleicht eine bestimmte Nachfrage. Aber wenn Sie plötzlich beschließen, Ihr Sortiment stark zu erweitern und zehn weitere Varianten desselben Rucksacks mit nahezu demselben Preis, Größe und Eigenschaften einzuführen, plus oder minus ein paar Taschen und Gadgets, werden Sie Ihre Nachfrage nicht um den Faktor zehn multiplizieren, nur weil Sie zehn weitere Produkte eingeführt haben, die sehr ähnlich sind. Doch wenn wir die klassische Perspektive der Prognose betrachten, gibt es nichts, was das Prognosemodell daran hindern würde, die Nachfragezahlen radikal aufzublähen, wenn Sie nur die Anzahl der zu prognostizierenden Produkte erhöhen. Das ergibt also keinen Sinn, und deshalb haben wir diese Zukunftsszenarien. Sie sind nicht nur durch unregelmäßige Unsicherheit gekennzeichnet, sondern auch durch die Abhängigkeiten, die zwischen ihnen bestehen. Wir brauchen Werkzeuge, die all diese Veränderungen erfassen können.

Als abschließender Gedanke sind Prognosen unerlässlich, wenn wir irgendetwas optimieren wollen, einfach weil wir vorausschauen müssen. Wir müssen jedoch im Hinterkopf behalten, dass es sich dabei nur um fundierte Meinungen über die Zukunft handelt.

Sie sind nicht real im Sinne, dass die Qualität Ihrer Prognose keine direkten Auswirkungen auf Ihre Lieferkette hat. In vielen Unternehmen konzentrieren sich die Menschen intensiv darauf, die Prognose zu verbessern, aber meine Frage ist: Zu welchem Zweck? Wenn Sie glauben, dass die Optimierung der Prognose sich unmittelbar in eine bessere Leistung der Lieferkette übersetzt, dann ist meine Behauptung, dass dies eine Täuschung ist. Es ist nicht wahr, nicht einmal annähernd.

Die einzigen Dinge, die tatsächlich eine Lieferkette verbessern, sind die Entscheidungen, die einen greifbaren, physischen Einfluss auf die Lieferkette haben. Mit Entscheidungen meine ich Dinge wie den Kauf einer weiteren Einheit von einem Lieferanten, die Verlagerung einer Einheit Lagerbestand von einem Ort zum anderen oder die Erhöhung oder Senkung des Preises für jedes Produkt, das Sie verkaufen. Diese Handlungen haben reale, greifbare Konsequenzen für das Unternehmen.

Im Gegensatz dazu sind Prognosen nur fundierte Meinungen über die Zukunft. Es ist besser, eine feinere Meinung darüber zu haben, wie die Zukunft aussehen wird, aber die einzigen Dinge, die wirklich wichtig sind, sind die Entscheidungen. Die Behauptung, die ich für Sie habe, ist, dass die Praxis der Lieferkette vollständig auf die Generierung dieser Entscheidungen ausgerichtet sein sollte, da dies das Einzige ist, was zählt. Die Vorstellung, dass Sie eine Abteilung für Prognosen oder Planung haben können, ist in hohem Maße fehlgeleitet. Prognosen sind nur dazu da, Ihre Vermutungen zu unterstützen, wenn es darum geht, bessere Entscheidungen zu treffen.

Es ist sehr gefährlich und fehlgeleitet, den Prognoseteil von der Optimierung der Entscheidungen zu trennen. Übrigens, wenn ich von machbaren Entscheidungen spreche, meine ich, dass die Entscheidungen mit allen physischen Einschränkungen in der Lieferkette konform sein sollten. Jede Lieferkette hat überall Nichtlinearitäten. Zum Beispiel können Sie minimale Bestellmengen haben, maximalen Regalplatz in einem Geschäft und maximales Volumen oder Gewichtskapazität in einem Container oder LKW. Sie können subtilere Nichtlinearitäten haben, wie Verfallsdaten oder die Tatsache, dass bestimmte Teile in der Luft- und Raumfahrt mit Flugstunden und Flugzyklen geliefert werden und planmäßige Reparaturen erfordern.

Sie können alle Arten von Problemen haben, wie zum Beispiel einige Waren, zum Beispiel bei frischen Lebensmitteln, die nicht im selben LKW transportiert werden können. Oder zumindest benötigen Sie spezielle LKWs, weil sie nicht bei derselben Temperatur transportiert werden können. Sie benötigen entweder mehrere Abteile oder mehrere LKWs. Es gibt viele Einschränkungen, die machbare Entscheidungen begrenzen.

Was meine ich mit machbaren Entscheidungen? Ich weise auf diesen Begriff hin, weil es keinen Sinn macht zu sagen, dass die perfekte Menge, um einen Laden aufzufüllen, 1,3 Einheiten eines Produkts ist. Das ist keine machbare Entscheidung; es wird entweder eine Einheit oder zwei sein, aber Sie können keine 1,3 haben. Sie müssen etwas haben, das aus einer sehr banalen Perspektive sofort umsetzbar ist, und das ist es, worauf Machbarkeit sich bezieht.

Wenn wir uns nun jede einzelne machbare Entscheidung und alle möglichen Zukunftsszenarien ansehen, stellt sich die Frage: Wie bewerten wir, welche Entscheidung die richtige ist?

Wir müssen die wirtschaftlichen Treiber berücksichtigen. Die Idee ist, dass Prozentsätze des Fehlers keine Rolle spielen; nur Dollar des Fehlers und der Belohnung zählen. Es gibt eine große Illusion, dass Sie, wenn Sie Prozentsätze optimieren, tatsächlich etwas Gutes für Ihr Unternehmen tun werden. Das ist nicht wahr; Ich glaube, das ist zutiefst fehlgeleitet.

Wenn Sie ein Beispiel möchten, schauen wir uns Servicelevel an. Was bedeutet es, einen sehr hohen Servicelevel zu haben? Ich höre oft von Interessenten, dass sie einen Servicelevel von 99% haben möchten. Das können wir sicherlich liefern, aber Sie müssen einfach wie verrückt bevorraten, was zu immensen Lagerabschreibungen und miserabler Rentabilität führt. Es ist ein Kompromiss, und es ist nicht irgendein Kompromiss - es ist ein wirtschaftlicher Kompromiss. Bei etwas so Einfachem wie dem Servicelevel gibt es einen Kompromiss zwischen den Lagerhaltungskosten auf der einen Seite und den Kosten für Fehlbestände auf der anderen Seite.

Die Idee ist, dass wir, wenn wir uns zurücklehnen und diese wirtschaftlichen Treiber für jede einzelne Entscheidung betrachten, das Ergebnis bewerten können. Wir können eine Entscheidung treffen und für eine mögliche Zukunft das Ergebnis dieser Entscheidung für diese bestimmte Zukunft betrachten. Wir können ihre Ergebnisse in Dollar bewerten, indem wir uns die wirtschaftlichen Treiber ansehen.

Was meine ich mit wirtschaftlichen Treibern? Ich meine alle Treiber, die die Leistung Ihres Unternehmens prägen. Der erste Kreis der Treiber ist sehr einfach - Dinge, die Sie in Buchhaltungsbüchern finden, wie die Kosten für Materialien, Verkaufspreis, Lagerkosten, Transportkosten und Transformationskosten. Sie müssen all diese Kosten addieren und dann von Ihrem Verkaufspreis abziehen, um Ihr Kostenbudget zu berechnen. Dies sind die ersten Kreise der Treiber, die sehr offensichtlichen, die Sie buchstäblich in Ihrer ERP oder Buchhaltungssoftware finden können.

Diese Kosten allein reichen jedoch nicht aus. Wenn Sie nur diese Kosten berücksichtigen, erhalten Sie eine sehr kurzfristige finanzielle Perspektive. Sie müssen den zweiten Kreis der wirtschaftlichen Treiber einbeziehen, die in Ihrem System nicht existieren, zumindest nicht explizit. Dies sind in der Regel die Folgen Ihrer Supply-Chain-Entscheidungen zweiter Ordnung. Zum Beispiel gibt es in den meisten Fällen keine Strafe für einen Lagerbestandsausfall. Vielleicht haben Sie, wenn Sie eine große Marke sind, die an ein großes Einzelhandelsnetz wie Walmart verkauft, eine Service-Level-Vereinbarung und Strafen, wenn Sie bestimmte Ziele nicht erreichen, aber das ist nicht sehr häufig. Selbst wenn Sie Strafen haben, spiegeln sie nicht unbedingt die tatsächlichen Kosten wider, die Sie Ihren Kunden zugefügt haben.

Die Idee ist, dass wir Treiber benötigen, die die Folgen Ihrer Handlungen zweiter Ordnung repräsentieren, sowohl positive, wie die Generierung von zusätzlicher Kundenloyalität, als auch negative, wie die Generierung von Illoyalität und Anreize für Ihre Kunden, sich anderweitig nach Alternativen umzusehen. Dies ist offensichtlich problemabhängig. Wenn Sie zum Beispiel eine Modemarke sind und am Ende der Saison einen Rabatt gewähren, kostet dies mehr als nur den unmittelbaren Verlust des rabattierten Dollars. Sie schaffen eine Gewohnheit für Ihre Kunden, die im nächsten Jahr denselben Rabatt erwarten werden. Dies verdeutlicht den kurzfristigen und langfristigen Einfluss des Aufbaus von Gewohnheiten und Erwartungen in Ihrer Kundenbasis, von dem ich spreche, wenn ich die wirtschaftlichen Treiber des zweiten Kreises erwähne.

Wenn es richtig gemacht wird, ist die finanzielle Optimierung nicht kurzsichtig. Wenn Sie jedoch eine naive finanzielle Optimierung durchführen, landen Sie mit viel Unsinn, was für jedes naive Rezept bei der Bewältigung von Lieferketten gilt. Die wirtschaftliche Optimierung ist unerlässlich, denn ohne sie haben Sie nicht einmal ein Ziel für Ihre Optimierung. Die Idee, Prozentsätze zu optimieren, funktioniert nicht; Sie möchten Dollar optimieren. Es sei denn, Sie haben all diese Belohnungen und Kosten unter einem einzigen Dach konsolidiert, gibt es aus quantitativer Sicht nichts zu optimieren, was in dieser Vortragsreihe von Interesse ist.

Wir brauchen diese Dollar, sonst können wir nicht einmal mit der Optimierung beginnen. Mein Vorschlag für Sie ist, dass Ihr Unternehmen noch nicht begonnen hat, einen einheitlichen finanziellen Rahmen zu haben, um seine Supply-Chain-Optimierung voranzutreiben, wenn es noch nicht einmal begonnen hat. Wenn Sie Dutzende von Teams haben, die sich mit Prozentsätzen, Servicelevels und anderen nicht monetären Kennzahlen befassen, handelt es sich um eine Illusion der Leistung. Nur Dollar zählen - Dollar, Euro oder Yen - aber Sie benötigen ein monetäres Konto.

Diese wirtschaftlichen Treiber haben einen weiteren sehr wichtigen Zweck, der häufig übersehen wird. Der erste Zweck besteht darin, die numerische Optimierung auf eine sehr mechanische Weise voranzutreiben. Der zweite Zweck dieser Treiber besteht darin, das Whiteboxing zu ermöglichen, auf das ich in einem späteren Vortrag zurückkommen werde. Die Idee ist, dass wir für jede einzelne Entscheidung alle möglichen Zukunftsszenarien betrachten, die wirtschaftliche Leistung der Entscheidung zuweisen, die wirtschaftliche Leistung der Entscheidungen über alle möglichen Zukunftsszenarien hinweg durchschnittlich berechnen und dann alle Entscheidungen von derjenigen mit der höchsten Rendite (ROI) bis zurjenigen mit der niedrigsten sortieren. Natürlich möchten wir aufhören, diese Entscheidungen zu treffen, wenn keine Rentabilität mehr vorhanden ist. Wir benötigen jedoch eine Art Transparenz und Verständnis dafür, warum wir diese Entscheidungen treffen, anstatt andere Entscheidungen zu treffen. Hier erweisen sich diese wirtschaftlichen Treiber als sehr wertvoll, weil sie uns das “Warum” sagen können, das hinter jeder Entscheidung steht, die von einem System, einer Praxis oder einer Software generiert wird.

Die Idee ist, dass Sie mit wirtschaftlichen Treibern jede einzelne Entscheidung betrachten und einige wichtige Leistungskennzahlen (KPIs) in Dollar haben können, die erklären, warum diese Entscheidung tatsächlich eine gute ist. Umgekehrt können Sie für eine nicht getroffene Entscheidung auf die Treiber schauen und bewerten, warum es keine gute Entscheidung ist.

Mit diesen drei Bausteinen haben wir alles, was wir brauchen, um die Praxis zu beginnen. Wir betrachten alle möglichen Zukunftsszenarien, alle möglichen Entscheidungen und stellen jede Entscheidung gegen alle möglichen Zukunftsszenarien in Frage, bewerten sie in Dollar und ordnen sie ein.

Um dies real und effektiv umzusetzen, ist eine vollständige End-to-End-Robotisierung erforderlich. Der Grund, warum Sie eine vollständige End-to-End-Robotisierung benötigen, besteht darin, das Management wieder unter Kontrolle zu bringen. Das mag zunächst seltsam klingen, denn wenn Sie robotisieren, wie behalten Sie dann die Kontrolle? Das hat mit der Natur von Supply Chains zu tun, die sehr komplexe, verteilte Systeme mit vielen Standorten, Produkten, Kunden, Softwarekomponenten, Mitarbeitern und Fahrzeugen sind.

Die Alternative zu einem robotisierten Prozess, der all die täglich zu treffenden Entscheidungen generiert, besteht darin, eine Armee von Angestellten zu haben, die eine Unmenge an Tabellenkalkulationen verwenden. Das Problem dabei ist, dass es bei der Verwaltung einer Armee von Angestellten sechs Monate dauert, bis eine Änderung in Ihrer Supply Chain umgesetzt ist, da Sie mit vielen Personen umgehen müssen, die Sie neu schulen und überprüfen müssen, ob sie die neue Strategie und die Regeln wirklich verstehen.

Robotisierung bedeutet, dass Sie mit einer End-to-End-numerischen Rezeptur, die all diese banalen Entscheidungen generiert, diese Verzögerung vermeiden können. Ich spreche von all den banalen Entscheidungen; Ich spreche nicht von Entscheidungen wie der Frage, ob ein neues Werk in einem Land eröffnet oder ein neuer Markt für das Unternehmen erschlossen werden soll. Diese Entscheidungen treffen Sie nicht täglich. Sie treffen sie einige Male im Jahr, und es ist völlig in Ordnung, wenn viele Menschen darüber nachdenken. Aber für jedes einzelne SKU, das Sie in Ihrer Supply Chain haben, gibt es ein halbes Dutzend Entscheidungen, die jeden Tag getroffen werden müssen. Soll ich mehr produzieren? Soll ich mehr bringen? Soll ich den Bestand, den ich habe, an einen anderen Ort verlagern? Soll ich den Preis erhöhen oder senken? Soll ich sogar diesen Bestand loswerden, der keinen Zweck erfüllt und nur Platz in meinem Lager oder Geschäft einnimmt? Selbst die Entscheidung, heute nichts Besonderes zu tun, wenn Sie ein SKU haben und sich entscheiden, heute nichts Besonderes zu tun, ist bereits eine Entscheidung. Angesichts des Maßstabs, in dem moderne Supply Chains operieren, bin ich der Meinung, dass eine End-to-End-Robotisierung erforderlich ist, wenn wir hoffen, agil zu sein.

Es gibt auch einen weiteren wichtigen Aspekt, nämlich dass eine End-to-End-Robotisierung unerlässlich ist, wenn wir jemals etwas haben wollen, das kapitalistisch und genau ist. Dies wird das Thema meiner nächsten Vorlesung sein, aber die Kurzfassung ist, dass Sie Ihre Supply Chain-Abteilung nicht als Betriebsausgaben (OPEX) behandeln möchten. Sie möchten Ihre Supply Chain-Investitionen als Investitionen in Sachanlagen (CAPEX) behandeln. Alle Anstrengungen, die Sie in die Supply Chain stecken, sollten genau sein, und Sie möchten Ihre Supply Chain zu einem kapitalistischen Vermögenswert des Unternehmens machen. Der einzige Weg, dies zu tun, ist durch Robotisierung; Andernfalls handelt es sich nur um eine Armee von Angestellten, die Sie jeden Tag bezahlen müssen, um dasselbe wiederholt zu tun.

Das bringt mich zur Frage, wer für die Robotisierung und die Software verantwortlich sein sollte, die die Büroarbeit anstelle einer Armee von Angestellten erledigt.

Wer sollte für diese numerischen Rezepte verantwortlich sein? Wer sollte die Ergebnisse übernehmen? Die klassische Antwort, “wir haben ein System, das System ist dafür verantwortlich”, halte ich für fehlgeleitet. Eine Software, auch wenn es sich um eine sehr teure Unternehmenssoftware handelt, ist niemals für irgendetwas verantwortlich. Sie ist nicht selbstbewusst. Trotz dessen, was die Leute über KI sagen mögen, sind wir noch nicht so weit. Was wir haben, sind glorifizierte, ausgeklügelte numerische Rezepte, und sie können bereits einen enormen Wert für Ihr Unternehmen liefern.

Jemand in Ihrem Unternehmen oder außerhalb Ihres Unternehmens muss die Verantwortung für die Qualität dieser numerischen Ergebnisse übernehmen, die Ihre Supply Chain auf sehr banale Weise antreiben werden. Die Praxis, die wir bei Lokad entwickelt haben, ist die Idee des Supply Chain Scientist. Das Konzept des Supply Chain Scientist entstand aus meinen frühen Misserfolgen, als ich versuchte, das Problem mit Datenwissenschaftlern anzugehen. Das Problem bei Datenwissenschaftlern ist, dass ihr Engagement in den technischen Aspekten liegt. Erinnern Sie sich an das erste Zitat über den sichersten Weg zum Scheitern mit Technikern? Das ist genau meine Perspektive heute, wenn mir Leute von Datenwissenschaftlern erzählen, die versuchen, Supply Chain-Probleme zu lösen. Das ist ein sehr kurzer Weg, bei dem es sehr wenig Unsicherheit darüber gibt, wohin Sie tatsächlich gehen, nicht dass Sie am Ende der Reise großartige Ergebnisse haben werden. Der Supply Chain Scientist ist die Person, die die Verantwortung für die Generierung von Entscheidungen in der realen Welt übernimmt, und diese Person muss auf die kleinsten Details Ihrer Supply Chain achten. Wenn zum Beispiel eines Ihrer Lagerhäuser im letzten Jahr überflutet wurde und drei Wochen lang nichts durch dieses Lagerhaus floss, was das Saisonalitätsprofil vollständig verfälschte, können Sie das nicht einfach als eine Kleinigkeit abtun. Es stellt nicht die grundlegende Gültigkeit des mathematischen Modells in Frage. Aus der Perspektive des Supply Chain Scientist ist das wichtig. Wenn ich aufgrund eines Betriebsunfalls in der Vergangenheit schlechte Entscheidungen für dieses Lagerhaus treffe, die schwere Verzerrungen in meinen historischen Daten verursacht haben, ist das wichtig. All das spielt eine Rolle, ob es nun Dollar an Belohnung oder Dollar an Kosten generiert.

Wenn wir uns diese Illustration mit zwei Arten von Gelehrten ansehen, Indiana Jones, der angeblich ein Gelehrter und Forscher ist, und Windle Poons aus Terry Pratchetts Werken, könnte der Unterschied zwischen diesen beiden fiktiven Charakteren nicht unterschiedlicher sein. Der grundlegende Unterschied zwischen ihnen spiegelt im Wesentlichen den Unterschied zwischen einem Supply Chain Scientist und einem Datenwissenschaftler wider. Als Lackmustest können Sie sich fragen, ob es den CEO interessiert. Wird der CEO des Unternehmens Sie als Supply Chain Scientist in Frage stellen, was Sie tun? Meine Erfahrung als Leiter von Lokad seit über einem Jahrzehnt ist, dass ich mich jetzt regelmäßig mit den CEOs und Vorständen meiner Kunden treffe und sie mich in Frage stellen, was ihre Supply Chain und wie wir Dollars an Rendite bringen.

Die Fragen drehen sich nicht darum, ob wir Support Vector Machines oder Gradient Boosted Trees verwenden. Die Fragen drehen sich um den Weg, der sicherstellt, dass die Supply Chain ein wertvolles Gut ist, das den Rest des Marktes übertrumpfen kann.

Ich habe fünf Punkte als Anforderungen vorgestellt, nicht als eigentliche Lösung des Problems. Es handelt sich nur um eine Liste von Elementen, die, wenn sie nicht ordnungsgemäß angegangen werden, bedeuten, dass Sie noch nicht einmal wirklich damit begonnen haben, an etwas zu arbeiten, das die Supply Chain sinnvoll verbessern oder optimieren würde, zumindest nicht in quantitativer Hinsicht. Es gibt viele nicht-quantitative Optimierungen, wie bessere Ausrüstung, bessere Einstellungsrichtlinien oder durchdachte finanzielle Anreize für Ihre Teams.

Auf der Lokad-Website unter lokad.com/lectures finden Sie einen detaillierten Plan der kommenden Vorlesungen. Wir werden viele Themen behandeln müssen, einschließlich unterschiedlicher Perspektiven, Konzepte und Paradigmen, insbesondere im Zusammenhang mit Programmiermethoden, -werkzeugen und -praktiken. Es gibt eine beträchtliche Menge an Material, das behandelt werden muss, und all diese Konzepte werden eingeführt, um die fünf Punkte zu erfüllen, die ich zuvor vorgestellt habe. Ohne diese wird der Ansatz einfach nicht funktionieren.

Nun, um eine Nebenbemerkung anzusprechen, haben mich einige Leute herausgefordert und gesagt, dass die Vision, die ich präsentiere, so unterschiedlich von dem ist, was sie derzeit tun. Sie argumentieren, dass es zu fortschrittlich ist und sie es lieber langsam angehen lassen möchten, indem sie inkrementell verbessern, bevor sie diesen quantitativen Supply-Chain-Ansatz in Betracht ziehen. Ich glaube jedoch, dass dieser Ansatz “kriechen, gehen, laufen” eine Fehlannahme ist. Fortschritt ist oft nicht inkrementell und disruptiv. Als Amazon sich zum Beispiel entschied, ein Cloud-Computing-Anbieter zu werden, machten sie einen bedeutenden Sprung vom Verkauf von Büchern online zur Bereitstellung von Cloud-Computing-Ressourcen auf Abruf. Dies war kein sanfter, schrittweiser Fortschritt; es war ein disruptiver Wandel.

Ähnlich verhält es sich mit dem berühmten Zitat von Henry Ford, der sagte, dass seine Kunden schnellere Pferde gefordert hätten, wenn er sie gefragt hätte, was sie wollten. Der Punkt ist, dass wir die Idee akzeptieren, dass die von mir aufgelisteten Anforderungen notwendig sind und die meisten Unternehmen noch nicht einmal begonnen haben, das Problem aus der richtigen Perspektive zu betrachten. Unser Ausgangspunkt bei den meisten Kunden ist also, dass fast niemand eine wirkliche Reife in diesem Bereich hat. Es ist eine Illusion zu glauben, dass größere Unternehmen mit großen Abteilungen, die die falschen Kennzahlen optimieren, eine echte Reife im Supply-Chain-Management besitzen.

Meine Botschaft an das Publikum ist, sich nicht als unreif zu betrachten, nur weil Sie nicht das tun, was andere Unternehmen tun, insbesondere in Bezug auf die Größe ihrer jeweiligen Bürokratien. Aus meiner Sicht sagt dies sehr wenig über ihre Effektivität aus. Die Unternehmen, die ich mit der größten Reife sehe, sind in der Regel kleine, agile nordamerikanische E-Commerce-Unternehmen, die digital ausgerichtet sind. Sie haben vielleicht keine großen Teams von Datenwissenschaftlern, sondern nur wenige Personen mit der richtigen Denkweise und geeigneten numerischen Rezepten.

Abschließend habe ich Aspekte behandelt, die mit der Notwendigkeit des Problems zusammenhängen. In der nächsten Vorlesung werden wir uns mit der ausreichenden Seite des Problems befassen und uns auf unsere Problemstellung und die Lösung konzentrieren. Es ist jedoch entscheidend, mit der Problemstellung zu beginnen, da dies uns ermöglicht zu verstehen, ob die von uns präsentierte Lösung wertvoll ist oder einfach eine Lösung auf der Suche nach einem Problem ist.

Vielen Dank für Ihre Zeit heute. Nun werde ich auf die Fragen eingehen.

Frage: Ich habe den subtilen Dune-Verweis genossen.

Ich freue mich, dass Ihnen der Dune-Verweis gefallen hat. Die Hauptfiguren im Buch haben die Fähigkeit, alle möglichen Zukunftsszenarien zu sehen, was ihnen überlegene strategische Fähigkeiten verleiht. Diese Metapher passt sehr gut zum Supply-Chain-Management. Wenn Sie alle möglichen Zukunftsszenarien untersuchen können, auch wenn Sie nicht genau wissen, welches eintreten wird, haben Sie einen erheblichen Vorteil gegenüber Konkurrenten, die nur eine mögliche Entwicklung in Betracht ziehen.

Frage: Können Sie bitte mehr über die Treiber der zweiten Ordnung erläutern?

Wenn ich von “zweiter Ordnung” spreche, meine ich zweitordentliche Konsequenzen. Im Supply-Chain-Management haben wir es mit Menschen und komplexen Systemen zu tun, nicht nur mit einfachen physikalischen Systemen mit vorhersehbaren Trajektorien. Menschen können sich anpassen, und wir müssen ihr Handeln und ihre Reaktionen berücksichtigen.

Zum Beispiel hatten wir bei Lokad einen Kunden, dem wir bestimmte Bestellmengen vorgeschlagen haben. Allerdings haben wir festgestellt, dass der Kunde letztendlich Bestellungen mit deutlich höheren Mengen aufgegeben hat als von uns empfohlen. Es stellte sich heraus, dass das Team, das für den Wareneingang zuständig war, die Artikel nach Erhalt nachzählte, um sicherzustellen, dass sie der ursprünglichen Bestellung entsprachen. Wenn die empfangene Menge nicht mit der Bestellung übereinstimmte, hatte ihr System eine eigenartige Einschränkung: Sie konnten entweder die gesamte Bestellung stornieren und die Ware zurückschicken, was ihre Produktionslinie gefährdet hätte. Es stellte sich heraus, dass sie die Menge der ursprünglichen Bestellung geändert haben, damit sie mit der empfangenen Menge übereinstimmt. Im Laufe der Jahre hatten einige clevere Lieferanten diese einzigartige Eigenschaft des ERP-Systems entdeckt. Wenn sie sich dem Ende des Quartals näherten und ihre Ziele nicht erreicht hatten, wussten sie, dass sie dem Kunden alles aufdrücken konnten, was sie wollten, und dieser es nehmen und die Rechnung ohne Fragen oder Beschwerden bezahlen würde.

Dies ist ein Beispiel für das, was ich als eine Konsequenz der zweiten Ordnung bezeichne. Sie haben einen scheinbar trivialen, banalen Aspekt Ihres ERP-Systems, aber dann haben Sie kluge Menschen in der Schleife, die das System manipulieren. Dies wird immer passieren, wenn Sie es mit Menschen zu tun haben, da sie denken und auf das reagieren können, was Sie tun. Die Idee der Konsequenzen der zweiten Ordnung besteht darin, die Konsequenzen der Konsequenzen zu berücksichtigen. Es könnte sogar die vierte oder fünfte Ordnung sein - Sie müssen über die kaskadierenden Konsequenzen nachdenken. Es ist ein anspruchsvolles intellektuelles Spiel, aber wenn Sie die Konsequenzen der zweiten Ordnung nicht berücksichtigen, treffen Sie möglicherweise schlechte Entscheidungen.

Was die wirtschaftlichen Treiber der zweiten Ordnung betrifft, ist es wichtig, ihnen einen Dollarwert zuzuweisen, auch wenn dies schwierig sein kann. Der Schlüssel besteht darin, ungefähr richtig zu sein, anstatt genau falsch. Es ist besser, eine grobe Schätzung zu haben, die Sinn ergibt, als präzise Berechnungen, die Sie in die Irre führen.

Frage: Welche Techniken werden bei der vollständigen Robotisierung verwendet?

Es gibt zahlreiche Techniken für die vollständige Robotisierung, die wir in den kommenden Vorlesungen über Programmierparadigmen behandeln werden. Obwohl wir über Software sprechen, müssen wir die Kerngestaltungseigenschaften berücksichtigen, die für die Erreichung der Robotisierung am wünschenswertesten sind. Das Hauptziel besteht darin, Software in Produktionsqualität zu erstellen, nicht unbedingt KI. Sie können keinen Prognosefehler von null Prozent erreichen, aber Sie können auf null Prozent Wahnsinn abzielen.

Mit “Wahnsinn” meine ich etwas, das Ihr gesamtes Unternehmen gefährden würde. Zum Beispiel ging Target Canada aufgrund einer fehlgeschlagenen Optimierung der Supply Chain bankrott, und Nike stand 2004 vor einer Katastrophe, als eine ihrer Supply-Chain-Softwarelösungen, die ein Konkurrent von Lokad war, beinahe zum Zusammenbruch des Unternehmens führte. Wir werden dieses Thema also zunächst in der nächsten Vorlesung behandeln, aber es wird etwas Zeit in Anspruch nehmen, um dorthin zu gelangen.

Frage: Bei Ihrer Prognose, wenn wir so viele progressive Variablen berücksichtigen wollen, müssten wir Modelle selbst entwickeln, und es könnte zu Simulationen werden. Irgendwelche Gedanken dazu?

Es gibt keinen klaren Unterschied zwischen einer genauen Simulation der Zukunft und einer probabilistischen Prognose. Dies sind zwei verschiedene Varianten numerischer Rezepte zur Erfassung der Zukunft. Wenn Sie ein probabilistisches Prognosemodell haben, können Sie Trajektorien generieren, die die Zukunft repräsentieren. Sie nehmen Ihre Wahrscheinlichkeiten, ziehen eine Abweichung, erstellen eine fiktive Beobachtung, lernen Ihr Modell neu, erstellen Ihre Wahrscheinlichkeiten neu und wiederholen den Vorgang. Die Unterscheidung zwischen Simulation und statistischer Modellierung wird insbesondere für Modelle, die für Supply-Chain-Zwecke geeignet sind, dünn. In großem Umfang überlappen sie sich vollständig.

Frage: Sind die von Ihnen entwickelten Lösungen servicebasiert oder eine Kombination aus beidem? Was halten Sie von diesem Ansatz für die Zukunft der Supply Chain?

Bei Lokad ist unsere Perspektive, die Leistung der Supply Chain in Dollar auszudrücken. In diesem Bereich gibt es eine immense Komplexität, und genauso wie die Unsicherheit bei Prognosen nicht reduzierbar ist, ist auch die Komplexität nicht reduzierbar, wenn man versucht, ein Softwareprodukt zu haben, das alle Probleme auf einmal löst. Man benötigt eine Meta-Lösung für das Problem. Der Ansatz bei Lokad besteht darin, die Notwendigkeit menschlicher Intelligenz, insbesondere von Supply Chain Scientists, anzuerkennen. Ich glaube, es ist unrealistisch zu denken, dass KI die Herausforderungen einer modernen Supply Chain verstehen kann.

Wir brauchen kluge, erfahrene Menschen mit den richtigen Fähigkeiten, um in ihren Jobs effektiv zu sein. Lokad hat ein Produkt entwickelt, das das Ziel hat, Supply Chain Scientists produktiv und äußerst zuverlässig zu machen. Die Herausforderung besteht darin, den Supply Chain Scientists die richtigen Werkzeuge zur Verfügung zu stellen. Zusammenfassend gesagt ist Python nicht die Lösung, und während wir uns in diesen Vorlesungen weiterentwickeln, werden Sie feststellen, dass die meisten generischen Programmiersprachen erhebliche Probleme haben. Diese Designprobleme machen sie ungeeignet, um Supply Chain Probleme zufriedenstellend anzugehen. Wir müssen uns in die Details vertiefen, denn es gibt viele Nuancen in dem, was ich mit “produktionsreif” und “produktionsbereit” meine. Denken Sie daran, dass wir null Prozent Wahnsinn wollen, denn solange Sie einen verrückten Roboter haben, der sich negativ auf Ihre Supply Chain auswirkt, kann es einfach nicht funktionieren. Das ist es, was wir zuerst angehen müssen.

Frage: Oft erfordern quantitative Ansätze, dass wir das quantifizieren, was noch nicht quantifiziert wurde oder was in Excel-Tabellen, nicht in ERP-Systemen, liegt. Was ist der effizienteste Weg, um dieses Problem zu lösen? Wie kann diese zusätzliche Information gesammelt werden, damit sie genauso zuverlässig ist wie Informationen aus den ERP-Systemen?

Hier gibt es zwei unterschiedliche Probleme. Erstens gibt es den Status quo, bei dem das Problem der Quantifizierung von Gewinnen und Fehlern politisch sehr schwierig ist. Viele Menschen in großen Organisationen haben starke Anreize, nicht über Dollar-Renditen oder -Belohnungen zu sprechen, da das Unternehmen sonst erkennen würde, dass sie keinen Mehrwert haben. Es gibt also viele Dinge, die nicht quantifiziert werden, einfach weil starke politische Kräfte dagegen spielen.

Um dies konkreter zu machen: Als Lokad damit begann, für ein Einzelhandelsnetzwerk zu arbeiten, um den Lagerbestand in den Geschäften zu optimieren, stellten wir fest, dass der Lagerbestand zwei radikal unterschiedliche Zwecke hatte. Der erste Zweck bestand darin, die Kunden ordnungsgemäß zu bedienen und erforderte eine bestimmte Menge an Lagerbestand. Der andere Zweck bestand darin, dass der Laden voll und ansprechend aussieht, was eine zusätzliche Menge an Lagerbestand erforderte. Wir hatten einen Lagerbestand in Euro für diesen großen Einzelhändler und sagten, dass die Hälfte des Lagerbestands für den Servicezweck benötigt wurde und von der Supply Chain getragen werden sollte, während die andere Hälfte für den Merchandising-Zweck benötigt wurde und die Verantwortung des Marketings sein sollte. Offensichtlich war das Marketing, das plötzlich eine massive Inventarposition in seinem Budget hatte, nicht glücklich mit dieser Idee.

Also müssen wir zuerst das Problem angehen, dass es sehr schwierig ist, Regeln zur Quantifizierung von Gewinnen und Kosten aufzustellen, und diese Regeln sollten für alle gleichermaßen gelten. Dies ist schwer zu erreichen, und viele Menschen in Organisationen haben ein Eigeninteresse daran, die Dinge so zu belassen. Wir haben eine andere Art von Problem, das eigentlich viel einfacher zu lösen ist: Schatten-IT. Das Problem bei ERP-Systemen und ähnlicher Software, wie Sie in der Lokad-Wissensdatenbank zu ERP-Systemen sehen können, ist, dass es sehr schwierig für ERP-Anbieter ist, alle Situationen abzudecken. Zum Beispiel können Mindestbestellmengen (MOQs) vorhanden sein. Wie stellt man das in einem ERP dar? Es hängt wirklich davon ab. Die MOQ kann auf Produktebene, auf Bestellebene oder manchmal in Kombination beider sein. Es kann sogar komplizierter sein, wie zum Beispiel in der Textilbranche, wo die MOQ durch die Menge an Stoff in jeder Farbe definiert wird.

Das Problem ist, dass es für ERP-Anbieter extrem schwierig ist, all das darzustellen. Als Ergebnis kaufen die Leute ein ERP und stellen dann fest, dass es ihnen nicht erlaubt, alles darzustellen, was sie brauchen, und greifen daher auf Excel-Tabellen zurück. Ich glaube, das ist genau die Aufgabe einer guten IT-Abteilung: die fehlenden Teile zu entwickeln und bereitzustellen, damit die Schatten-IT nicht Schatten-IT bleibt, sondern stattdessen kleine zusätzliche Erweiterungen im eigenen Haus werden. In gewisser Weise ist es gut, ein ERP zu haben, und mein Rat ist, Ihr ERP nicht anzupassen, sondern etwas nebenbei zu tun. Es ist viel einfacher zu warten, anstatt den “Frankenstein”-Weg auf dem ERP zu gehen.

Vielen Dank an alle, die zugeschaut haben. Die nächste Vorlesung findet nächsten Mittwoch, am selben Tag, zur selben Zeit statt. Bis bald. Auf Wiedersehen.