La Supply Chain Cuantitativa en pocas palabras - Lección 1.2

00:10 Introducción
02:23 ¿Cómo hacerlo? Lecciones de la cadena de suministro
04:22 El manifiesto de la Supply Chain Cuantitativa
06:47 Todos los futuros posibles
17:01 Todas las decisiones factibles
21:52 Impulsores económicos
30:42 Robotización
35:41 Supply Chain Scientists
40:22 De la visión a la realidad
41:56 El mito de la madurez de la cadena de suministro
45:30 En conclusión
46:13 Preguntas del público

Descripción

El manifiesto de la Supply Chain Cuantitativa enfatiza una serie corta de puntos destacados para comprender cómo esta teoría alternativa, propuesta y pionera por Lokad, difiere de la teoría convencional de la cadena de suministro. Podría resumirse de la siguiente manera: cada decisión individual se puntúa en función de todos los futuros posibles según los impulsores económicos. Esta perspectiva surgió gradualmente en Lokad como la teoría convencional de la cadena de suministro, y su implementación por parte de (casi?) todos los proveedores de software, sigue siendo un desafío.

Transcripción completa

Hola a todos, bienvenidos a las Lecciones de la Cadena de Suministro. Soy Joannes Vermorel y hoy presentaré “La Supply Chain Cuantitativa en pocas palabras”. Para aquellos de ustedes que están viendo la transmisión en vivo, pueden hacer sus preguntas en cualquier momento a través del chat de YouTube. No leeré las preguntas durante la conferencia; sin embargo, al final de la conferencia, volveré al chat y comenzaré con las preguntas desde el principio y haré lo mejor que pueda a partir de ahí. Así que continuemos.

Comenzaré con una cita de uno de los expresidentes franceses, quien dijo que había tres caminos hacia la riqueza: el más rápido era el juego, el más agradable era con las mujeres, pero el más seguro era con los técnicos. Obviamente, en esta serie de conferencias, optamos por la tercera opción. Creo que hay un poco de sabiduría en esta cita. La técnica es una forma poderosa de hacer más de ciertas cosas, de ser mejor en ciertos juegos, pero también puede ser bastante distractoria. Con técnicos, no solo se refería a personas que lidian con cosas técnicas, como ingenieros, sino también a aquellos que lidian con procesos y flujos de trabajo, el tipo de tecnicismos de MBA.

Cuando abordamos los desafíos de la cadena de suministro, debemos tener mucho cuidado de si lo que estamos aportando contribuye a abordar los problemas fundamentales o si es solo una distracción que nos hace sentir bien.

Para la conferencia de hoy, desafortunadamente me inclinaré un poco hacia el lado persuasivo. El desafío es que si tienes una declaración de problema, puedes demostrar que tienes una solución que es superior para este mismo problema. Sin embargo, ¿puedes demostrar que tienes un tipo de problema superior en primer lugar? Eso es mucho más desafiante intelectualmente.

Una de las principales críticas que planteé durante la conferencia anterior es que la cadena de suministro es un problema complejo en su esencia. Por lo tanto, la forma en que debemos abordarlo es difícil. Hoy, intentaré presentar un conjunto de requisitos que considero esenciales si alguna vez queremos tener alguna esperanza de ofrecer algo satisfactorio para la cadena de suministro. Sin embargo, no puedo demostrar realmente que ninguno de los elementos que estoy presentando sea realmente necesario. Hay un elemento de creencia y también un elemento de comprensión a alto nivel. Otro aspecto de la creencia es que a menos que tengas una solución para presentar frente a tus requisitos, todo lo que tienes es pensamiento ilusorio. Así que te pediría que suspendas tu incredulidad por una o dos conferencias más, para que nos centremos en la naturaleza misma del problema y en los elementos que son altamente deseables para que una solución sea elegible para una buena práctica de la cadena de suministro.

Así que sigamos adelante. Hace algunos años, Lokad ya había sido pionero en su forma relativamente atípica de servir a sus propios clientes. A finales de 2016, decidí consolidar una serie corta de puntos destacados que creo que difieren considerablemente de la teoría convencional de la cadena de suministro. Quería utilizar esos cinco puntos como una forma de presentar cómo la cadena de suministro cuantitativa difiere de la teoría convencional de la cadena de suministro. Me disculpo por la terminología que es un poco desafortunada porque incluso la teoría convencional de la cadena de suministro también es muy cuantitativa, pero decidí agregar otro adjetivo para aclarar la distinción entre la teoría de la cadena de suministro cuantitativa y la teoría convencional de la cadena de suministro.

Estos elementos que enumeraré no son exactamente fundamentales; son más como una lista de verificación de las cosas que debemos abordar si queremos tener alguna esperanza de tener éxito. Estos elementos incluyen:

1. Todos los futuros posibles: Debemos considerar muchos futuros, no solo uno.
2. Todas las decisiones factibles: Cuando presenté la definición de cadena de suministro como el dominio de la opción, estas decisiones son las opciones a las que me refería.
3. Impulsores económicos: La idea de que vamos a contar los dólares de error, no el porcentaje de error.
4. Robotización como requisito para el control de la gestión: Puede parecer paradójico porque pensarías que la robotización implica perder el control, pero la propuesta es que es exactamente lo contrario: necesitas la robotización si quieres que los humanos tengan el control de cualquier cosa en lo que respecta a las cadenas de suministro.
5. Supply Chain Scientist: Al final de la práctica, debe haber una persona que sea responsable de los resultados numéricos de la cadena de suministro o del rendimiento cuantitativo de la cadena de suministro.

Veamos más de cerca cada uno de estos cinco puntos.

Primero, la idea es que debemos considerar todos los futuros posibles. ¿Por qué incluso necesitamos mirar hacia el futuro en primer lugar? Necesitamos mirar hacia el futuro porque todo lleva tiempo. No podemos imprimir en 3D todo al instante, e incluso si pudiéramos, aún tendríamos que transportar las cosas. Entonces, todo lleva tiempo, lo que significa que cada vez que tomas una decisión de cadena de suministro, como decidir producir o comprar algo, lo haces porque estás mirando hacia adelante y anticipando un estado futuro del mercado donde habrá algún tipo de demanda para esos productos. Luego, retrocedes y haces un pronóstico de algún tipo, optimizando tu cadena de suministro en consecuencia.

Necesitamos tener esta mirada hacia adelante y estos pronósticos, que son simplemente la versión matemática de la intuición. Pero, ¿de qué tipo de pronósticos estamos hablando? Los pronósticos que han dominado por completo la práctica de la cadena de suministro durante el siglo XX y la primera parte del siglo XXI son los pronósticos clásicos de series de tiempo, que en mi opinión están profundamente defectuosos en varios aspectos. La primera forma es que este enfoque ignora por completo la idea de la incertidumbre. Mi propuesta es que la incertidumbre es completamente irreducible y que nunca se puede pronosticar perfectamente el futuro cuando se trata de cadenas de suministro. La idea de que puedes tener un 99% de precisión en el pronóstico es absurda. Incluso al mirar el consumo de agua o el consumo de electricidad, es muy difícil lograr pronósticos con este grado de precisión.

Al mirar de manera realista las cadenas de suministro y considerar, por ejemplo, un producto en una tienda que vende solo una unidad a la semana para un producto determinado en una tienda determinada, no hay esperanza de lograr una precisión de menos de un porcentaje. La pregunta ni siquiera tiene sentido. Entonces, la incertidumbre es irreducible. Si quisiéramos tener una prueba más grande de eso, solo miremos el año 2020. Tuvimos una pandemia mundial masiva que causó estragos en todas partes en las cadenas de suministro. Simplemente no es posible pronosticar ese tipo de cosas desde una perspectiva clásica donde tienes un número y dices: “esto es, este es el futuro”.

En cambio, lo que puedes tener son pronósticos probabilísticos. La idea es que todos los futuros son posibles, pero no son igualmente probables. Esa es la esencia del pronóstico probabilístico. Es la idea de que puedes tener un método estadístico que, en lugar de pretender tener el pronóstico perfecto de cómo se desarrollarán exactamente las cosas en el futuro, simplemente dice: “tengo todos estos futuros posibles; algunos son más probables que otros”. Este enfoque abraza la incertidumbre irreducible. Muchas de las situaciones en las que la gente me dice: “no puedes pronosticar eso”, la respuesta es: “sí, puedo”. No puedo darte un pronóstico clásico correcto, pero ciertamente puedo tener un pronóstico probabilístico perfecto.

El ejemplo extremo de esto serían los boletos de lotería. Puedo establecer las probabilidades exactas de que un boleto en particular sea el ganador. No sé cuál va a ganar, pero si el juego no está amañado, puedo tener un pronóstico probabilístico perfecto que refleje las probabilidades uniformes para todos los boletos. Eso es exactamente lo que significa un pronóstico probabilístico; significa que aceptas el hecho de que aunque no conoces el futuro perfectamente, sabes mucho sobre el futuro. Cuando decimos que tenemos probabilidades, sabemos muchas cosas. Por ejemplo, puedo decir que en cualquier momento, existe un riesgo de cola de una disrupción masiva en el mercado. No sé exactamente de dónde vendrá el riesgo; tal vez sea una pandemia, un colapso de la bolsa de valores, una guerra o un nuevo arancel como el que introdujo el presidente Trump. Pueden ser muchas cosas las que interrumpan tu cadena de suministro, y si tuviera que evaluar el riesgo de cola en cualquier momento para cualquier cadena de suministro, es de varios por ciento tener una caída masiva para el próximo trimestre. Nuevamente, no es magia; es solo una suposición muy razonable de hacer sobre el futuro. Con las herramientas estadísticas adecuadas, puedes tener algo mucho más elaborado. Todas las áreas que son inciertas requieren un pronóstico, y un pronóstico probabilístico en eso. La demanda no es la única área que necesita un pronóstico. Por ejemplo, todas las áreas donde tienes incertidumbres requieren un pronóstico.

Esto podría incluir pronosticar la demanda futura, pero también los futuros tiempos de entrega, los futuros retornos en el comercio electrónico, los rendimientos de producción inciertos en fuentes de producción primarias como la minería o las granjas, las tasas de fallas o desperdicio probabilístico en el control de calidad para procesos biológicos y las reparaciones de piezas. Hay una gran variedad de áreas donde hay incertidumbre, y todas esas áreas merecen un pronóstico. Una buena práctica de la cadena de suministro es aceptar la necesidad de pensar en todos los futuros posibles con sus respectivas probabilidades, considerando todas las cosas que deben pronosticarse. No se trata solo de la demanda.

Por ejemplo, incluso podemos analizar cosas como los precios de los productos básicos. Obviamente, si pudieras pronosticar con precisión el precio futuro de un producto básico, simplemente jugarías en la bolsa de valores y no administrarías una cadena de suministro real. Sin embargo, ciertos productos básicos son mucho más volátiles en cuanto a precios que otros, y eso significa que el tipo de riesgo que asumes al lidiar con estos productos básicos se puede optimizar con los modelos adecuados al tener pronósticos probabilísticos en tu arsenal de herramientas.

Otro elemento es que no solo son tus propios futuros posibles; todos esos futuros posibles no son independientes. Tienen fuertes dependencias, y eso también es algo en lo que la teoría de la cadena de suministro convencional realmente carece. Miran el pronóstico de la demanda como si fuera completamente independiente de todo lo demás que sucede en la cadena de suministro. Incluso hasta este punto en el tiempo, todavía tenemos prospectos que vienen a mí y preguntan si Lokad puede hacer un pronóstico a 12 meses para un producto específico.

Por ejemplo, digamos que estamos tratando con una marca deportiva y nos piden una mochila de seguimiento. ¿Podemos pronosticar cuánta demanda habrá durante los próximos 12 meses? Mi respuesta básica es: “depende”. Si solo estás vendiendo una mochila, entonces tal vez tendrás cierta cantidad de demanda. Pero si de repente decides inflar enormemente tu surtido e introducir diez variantes más de la misma mochila con casi el mismo precio, tamaño y características, más o menos unos pocos bolsillos y widgets, no vas a multiplicar tu demanda por un factor de diez solo porque introdujiste diez productos más que son muy similares. Sin embargo, cuando miramos la perspectiva clásica de pronóstico, no hay nada que impida que el modelo de pronóstico infle radicalmente las cifras de demanda si simplemente aumentas la cantidad de productos a pronosticar. Entonces, eso no tiene sentido, y por eso tenemos estos futuros. No solo se caracterizan por la incertidumbre irregular, sino también por las dependencias que existen entre ellos. Necesitamos tener herramientas que puedan comprender todos esos cambios.

Como pensamiento final, los pronósticos son esenciales si queremos tener alguna esperanza de optimizar cualquier cosa, simplemente porque necesitamos mirar hacia adelante. Sin embargo, debemos tener en cuenta que son solo opiniones educadas sobre el futuro.

No son reales, en el sentido de que la calidad de tu pronóstico no tiene consecuencias directas en tu cadena de suministro. En muchas empresas, las personas se centran intensamente en mejorar el pronóstico, pero mi pregunta es: ¿con qué fin? Si crees que optimizar el pronóstico se traduce inmediatamente en un mejor rendimiento de la cadena de suministro, mi propuesta para ti es que esto es una ilusión. No es cierto, ni siquiera remotamente.

Las únicas cosas que realmente mejoran una cadena de suministro son las decisiones que tienen un impacto tangible y físico en la cadena de suministro. Por decisiones, me refiero a cosas como comprar una unidad más a un proveedor, mover una unidad de stock de un lugar a otro, o subir o bajar el precio de cualquier producto que estés vendiendo. Estas acciones tienen consecuencias reales y tangibles para la empresa.

Por el contrario, los pronósticos son solo opiniones educadas sobre el futuro. Es mejor tener una opinión más detallada sobre cómo será el futuro, pero las únicas cosas que realmente importan son las decisiones. La propuesta que tengo para ti es que la práctica de la cadena de suministro debería estar completamente orientada hacia la generación de esas decisiones, ya que eso es lo único que importa. La idea de que puedes tener algo como un departamento de pronóstico o planificación es, en gran medida, equivocada. Los pronósticos solo están ahí para educar tus suposiciones cuando se trata de tomar mejores decisiones.

Es muy peligroso y equivocado separar la parte de pronóstico de la optimización de las decisiones. Por cierto, cuando digo decisiones factibles, me refiero a que las decisiones deben cumplir con todas las restricciones físicas presentes en la cadena de suministro. Cualquier cadena de suministro tiene no linealidades en todas partes. Por ejemplo, puedes tener cantidades mínimas de pedido, espacio máximo en un estante de una tienda y capacidad máxima de volumen o peso en un contenedor o camión. Puedes tener no linealidades más sutiles, como fechas de vencimiento o el hecho de que ciertas partes en la industria aeroespacial vienen con horas de vuelo y ciclos de vuelo, que requieren reparaciones programadas.

Puedes tener todo tipo de problemas, como algunos productos, por ejemplo en alimentos frescos, que no pueden viajar en el mismo camión. O, al menos, necesitas camiones especiales porque no se pueden transportar a la misma temperatura. Necesitas compartimentos múltiples o camiones múltiples. Hay muchas restricciones que limitan las decisiones factibles.

¿Qué quiero decir con decisiones factibles? Estoy señalando este término porque no tiene sentido decir que la cantidad perfecta para reponer una tienda es de 1.3 unidades de un producto. Esta no es una decisión factible; va a ser una unidad o dos, pero no puedes tener 1.3. Necesitas tener algo que sea inmediatamente ejecutable desde una perspectiva muy mundana, y eso es a lo que se refiere la factibilidad.

Ahora, si analizamos cada decisión factible y todos los futuros posibles, la pregunta es: ¿cómo evaluamos cuál es la decisión correcta?

Tenemos que considerar los impulsores económicos. La idea es que los porcentajes de error no importan; solo importan los dólares de error y recompensa. Existe una gran ilusión de que si optimizas los porcentajes, realmente harás algo bueno para tu empresa. Esto no es cierto; creo que es profundamente equivocado.

Si quieres un ejemplo, veamos los niveles de servicio. ¿Qué significa tener un nivel de servicio muy alto? Frecuentemente escucho a los prospectos decir que quieren un nivel de servicio del 99%. Ciertamente podemos ofrecer eso, pero simplemente tienes que acumular inventario como loco, lo que resultará en enormes pérdidas de inventario y una rentabilidad abismal. Es un compromiso, y no es cualquier compromiso, es un compromiso económico. En algo tan simple como el nivel de servicio, hay un compromiso entre el costo del inventario por un lado y el costo de faltante de stock por el otro.

La idea es que si retrocedemos y analizamos estos impulsores económicos para cada decisión, podemos evaluar el resultado. Podemos tomar una decisión y, para un futuro posible, analizar el resultado de esta decisión para ese futuro en particular. Podemos evaluar sus resultados en dólares al analizar los impulsores económicos.

¿Qué quiero decir con impulsores económicos? Me refiero a todos los impulsores que están dando forma al rendimiento de tu empresa. El primer círculo de impulsores es muy directo: cosas que encontrarás en los libros de contabilidad, como el costo de los materiales, el precio de venta, el costo de mantenimiento, los costos de transporte y los costos de transformación. Debes acumular todos estos costos y luego restarlos de tu precio de venta para calcular tu presupuesto de costos. Estos son los primeros impulsores, los más obvios que literalmente puedes encontrar en tu ERP o software de contabilidad.

Sin embargo, estos costos por sí solos no son suficientes. Si solo los consideras, terminarás con una perspectiva financiera muy miope. Necesitas incluir el segundo círculo de impulsores económicos, aquellos que no existen en tu sistema, al menos no de manera explícita. Estos suelen ser los efectos de segundo orden de tus decisiones en la cadena de suministro. Por ejemplo, la mayoría de las veces, si tienes un faltante de stock, no hay una penalización por ello. Tal vez, si eres una gran marca que vende a una gran red minorista como Walmart, tienes un acuerdo de nivel de servicio y penalizaciones si no alcanzas ciertos objetivos, pero esto no es muy frecuente. Incluso cuando hay penalizaciones, no reflejan naturalmente los costos reales que has infligido a tus clientes.

La idea es que necesitamos impulsores que representen las consecuencias de segundo orden de tus acciones, tanto positivas, como generar lealtad adicional de los clientes, como negativas, como generar deslealtad y dar incentivos a tus clientes para buscar alternativas en otro lugar. Esto obviamente depende del problema. Por ejemplo, si eres una marca de moda y ofreces un descuento al final de la temporada, cuesta más que solo la pérdida inmediata del dólar descontado. Estás creando un hábito en tus clientes, quienes esperarán el mismo descuento el próximo año. Esto ilustra el impacto a corto plazo y el impacto a largo plazo de construir hábitos y expectativas entre tu base de clientes, que es a lo que me refiero cuando menciono los impulsores económicos del segundo círculo.

Si se hace correctamente, la optimización financiera no es miope. Sin embargo, si haces una optimización financiera ingenua, terminarás con muchas tonterías, lo cual es cierto para cualquier receta ingenua al tratar con cadenas de suministro. La optimización económica es esencial porque, sin ella, ni siquiera tienes un objetivo para tu optimización. La idea de optimizar porcentajes no funciona; quieres optimizar dólares. A menos que hayas consolidado todos esos dólares de recompensa y costo bajo un solo paraguas, no hay nada que optimizar desde una perspectiva cuantitativa, que es lo que interesa en esta serie de conferencias.

Necesitamos esos dólares, de lo contrario ni siquiera podemos comenzar a optimizar. Mi propuesta para ti es que si tu empresa no ha comenzado a tener un marco financiero unificado para impulsar la optimización de su cadena de suministro, ni siquiera ha comenzado. Si tienes docenas de equipos que lidian con porcentajes, niveles de servicio y otras métricas no monetarias, es una ilusión de rendimiento. Solo los dólares importan: dólares, euros o yenes, pero necesitas una cuenta monetaria.

Estos impulsores económicos tienen otro propósito muy importante que a menudo se pasa por alto. El primer propósito es impulsar la optimización numérica de una manera muy mecánica. El segundo propósito de estos impulsores es permitir la transparencia, a la cual volveré en una conferencia posterior. La idea es que para cada decisión, vamos a analizar todos los futuros posibles, asignar el rendimiento económico de la decisión, promediar el rendimiento económico de las decisiones en todos los futuros posibles y luego ordenar todas las decisiones desde aquella que tiene el mayor retorno de inversión (ROI) hasta aquella que tiene el menor. Obviamente, queremos dejar de tomar esas decisiones cuando ya no haya rentabilidad. Sin embargo, necesitamos algún tipo de transparencia y comprensión con respecto a por qué estamos eligiendo esas decisiones en lugar de otras decisiones. Aquí, esos impulsores económicos se demuestran muy valiosos porque pueden decirnos el “por qué” que está detrás de cualquier decisión que sea generada por un sistema, práctica o software.

La idea es que con los impulsores económicos, podrás analizar cada decisión y tener algunos indicadores clave de rendimiento (KPI) expresados en dólares, explicando por qué esta decisión es realmente buena. Por el contrario, para una decisión que no se toma, puedes analizar los impulsores y evaluar por qué no es una buena decisión.

Con estos tres bloques de construcción, tenemos todo lo necesario para comenzar la práctica. Observamos todos los futuros posibles, todas las decisiones posibles y desafiamos cada decisión en función de todos los futuros posibles, calificándolas en dólares y clasificándolas.

Para que esto sea real y efectivo, la mentalidad necesaria es la robotización completa de extremo a extremo. La razón por la que necesitas una robotización completa de extremo a extremo es para que la gestión vuelva a estar bajo control. Puede sonar extraño al principio porque, si robotizas, ¿cómo puedes tener a alguien bajo control? Tiene que ver con la naturaleza de las cadenas de suministro, que son sistemas muy complejos y distribuidos con muchos sitios, productos, clientes, piezas de software, personas y vehículos.

La alternativa a tener un proceso robotizado para generar todas esas decisiones que deben tomarse a diario es tener un ejército de empleados que usen un océano de hojas de cálculo. El problema es que si estás gestionando un ejército de empleados, cada vez que quieras cambiar algo en tu cadena de suministro, llevará seis meses que el cambio se asiente porque tendrás que lidiar con muchas personas a las que tendrás que volver a capacitar y asegurarte de que realmente comprenden la nueva estrategia y reglas.

La robotización es la idea de que si puedes implementar una receta numérica de extremo a extremo que genere todas esas decisiones mundanas, puedes evitar este retraso. Estoy hablando de todas las decisiones mundanas; no estoy hablando de decisiones como si comenzar una nueva planta en un país o abrir un nuevo mercado para la empresa. Esas decisiones no las tomas a diario. Las tomas unas pocas veces al año, y está perfectamente bien tener a muchas personas pensando en ellas. Pero para cada SKU que tienes en tu cadena de suministro, tienes media docena de decisiones que deben tomarse todos los días. ¿Debería producir más? ¿Debería traer más? ¿Debería desplazar el stock que tengo a otro lugar? ¿Debería subir o bajar el precio? ¿Incluso debería deshacerme de este stock que no sirve para nada y solo ocupa espacio en mi almacén o tienda? Incluso decidir no hacer nada, si tienes un SKU y decides no hacer nada en particular hoy, ya es una decisión. Entonces, considerando la escala a la que operan las cadenas de suministro modernas, mi creencia es que se necesita una robotización de extremo a extremo si queremos tener alguna esperanza de ser ágiles.

También hay otro ángulo esencial, que es que es crucial tener automatización de extremo a extremo si alguna vez queremos tener algo que sea capitalista y preciso. Este será el tema de mi próxima conferencia, pero en resumen, no quieres tratar a tu división de cadena de suministro como gastos operativos (OPEX). Quieres tratar tu inversión en cadena de suministro como gastos de capital (CAPEX). Todos los esfuerzos que estás haciendo en la cadena de suministro deben ser precisos, y quieres convertir tu cadena de suministro en un activo capitalista de la empresa. La única forma de hacerlo es a través de la automatización; de lo contrario, lo contrario es simplemente un ejército de empleados que tienes que pagar todos los días para hacer lo mismo repetidamente.

Esto me lleva a la pregunta de quién debería estar a cargo de la automatización y el software que realiza el trabajo administrativo en lugar de un ejército de empleados.

¿Quién debería ser responsable de esas recetas numéricas? ¿Quién debería hacerse cargo de esos resultados? La respuesta clásica, “tenemos un sistema, el sistema es responsable de eso”, creo que está equivocada. Un software, incluso si es un software empresarial muy caro, nunca es responsable de nada. No es consciente de sí mismo. A pesar de lo que la gente pueda decir sobre la IA, aún no estamos ahí. Lo que tenemos son recetas numéricas sofisticadas y glorificadas, y ya pueden ofrecer un valor tremendo para tu empresa.

Alguien en tu empresa o fuera de ella debe hacerse cargo de la calidad de esos resultados numéricos que impulsarán tu cadena de suministro de una manera muy mundana. La práctica que hemos pionerado en Lokad es la idea del Supply Chain Scientist. El concepto de Supply Chain Scientist nació de mis fracasos iniciales cuando intentaba abordar el problema con científicos de datos. El problema con los científicos de datos es que su compromiso radica en las cuestiones técnicas. ¿Recuerdas la primera cita sobre la forma más segura de arruinarse con técnicos? Esa es exactamente mi perspectiva hoy en día cuando la gente me habla de científicos de datos tratando de resolver problemas de cadena de suministro. Ese es un camino muy corto, con muy poca incertidumbre sobre hacia dónde te diriges realmente, no que vayas a obtener grandes resultados al final del viaje. El Supply Chain Scientist es la persona que se hará cargo de generar decisiones del mundo real, y esta persona debe prestar atención a los detalles más mínimos de tu cadena de suministro. Por ejemplo, si uno de tus almacenes se inundó el año pasado y durante tres semanas no fluyó nada a través de ese almacén, distorsionando por completo el perfil de estacionalidad, no puedes descartarlo como un simple detalle. No desafía la validez fundamental del modelo matemático. La perspectiva del Supply Chain Scientist es que sí importa. Si termino tomando malas decisiones para este almacén porque un accidente operativo en el pasado introdujo sesgos graves en mis datos históricos, eso importa. Todo eso importa, ya sea que genere dólares de recompensa o dólares de costo.

Si observamos esta ilustración con dos tipos de académicos, Indiana Jones, que se supone que es un académico e investigador, y Windle Poons de las obras de Terry Pratchett, la realidad de estos dos personajes ficticios no podría ser más diferente. La diferencia fundamental entre ellos refleja en gran medida la diferencia entre un Supply Chain Scientist y un científico de datos. Como prueba de fuego, puedes preguntarte, ¿le importa al CEO? ¿El CEO de la empresa te desafiará como Supply Chain Scientist en lo que estás haciendo? Mi experiencia dirigiendo Lokad durante más de una década es que ahora me reúno regularmente con los CEOs y los consejos de mis clientes, y me desafían en los fundamentos de su cadena de suministro y en cómo estamos generando dólares de retorno.

Las preguntas no giran en torno a si usamos máquinas de vectores de soporte o árboles de refuerzo de gradiente. Las preguntas se refieren al camino que asegura que la cadena de suministro sea un activo valioso que pueda competir con el resto del mercado.

Presenté cinco puntos como requisitos, no la solución real al problema. Son solo una lista de elementos que, si no se abordan correctamente, significa que ni siquiera has comenzado a trabajar en algo que mejore o optimice significativamente la cadena de suministro, al menos no de manera cuantitativa. Hay muchas optimizaciones no cuantitativas, como mejores equipos, mejores políticas de contratación o incentivos financieros bien pensados para tus equipos.

Hay un plan detallado completo de las próximas conferencias en el sitio web de Lokad en lokad.com/lectures. Tendremos que cubrir muchos temas, incluyendo diferentes perspectivas, conceptos y paradigmas, especialmente relacionados con métodos de programación, herramientas y prácticas. Hay una cantidad significativa de material para abordar, y todos estos conceptos se presentarán para ayudar a cumplir los cinco puntos que presenté anteriormente. Sin ellos, el enfoque simplemente no funcionará.

Ahora, para abordar una tangente, algunas personas me han desafiado diciendo que la visión que presento es muy diferente de lo que están haciendo actualmente. Argumentan que es demasiado avanzado y prefieren avanzar lentamente, mejorando incrementalmente antes de considerar este enfoque cuantitativo de la cadena de suministro. Sin embargo, creo que este enfoque de “gatear, caminar, correr” es una falacia. El progreso a menudo es no incremental y disruptivo. Por ejemplo, cuando Amazon decidió convertirse en proveedor de computación en la nube, dieron un salto significativo de vender libros en línea a ofrecer recursos de computación en la nube bajo demanda. Esto no fue una progresión suave y paso a paso; fue un cambio disruptivo.

De manera similar, está la famosa cita de Henry Ford, quien dijo que si hubiera preguntado a sus clientes qué querían, habrían pedido caballos más rápidos. El punto es que si aceptamos la idea de que los requisitos que he enumerado son necesarios, y la mayoría de las empresas ni siquiera han comenzado a mirar el problema desde la perspectiva correcta, entonces nuestro punto de partida con la mayoría de los clientes es que casi nadie tiene madurez en esta área. Es una ilusión pensar que las empresas más grandes con grandes divisiones que optimizan las métricas incorrectas poseen alguna madurez real en la gestión de la cadena de suministro.

Mi mensaje para la audiencia no es considerarse inmaduro solo porque no estás haciendo lo que otras empresas están haciendo, especialmente en cuanto al tamaño de sus respectivas burocracias. Desde mi perspectiva, esto dice muy poco sobre su efectividad. Las empresas que veo con mayor madurez suelen ser pequeñas, ágiles, empresas de comercio electrónico de América del Norte centradas en lo digital. Es posible que no tengan equipos masivos de científicos de datos, pero en cambio tienen algunas personas con la mentalidad correcta y recetas numéricas adecuadas.

En conclusión, he abordado aspectos relacionados con el lado de la necesidad del problema. En la próxima conferencia, comenzaremos a analizar el lado de la suficiencia del problema, centrándonos en nuestra declaración de problema y la solución. Sin embargo, es crucial comenzar con el lado de la declaración del problema, ya que nos permite comprender si la solución que estamos presentando es valiosa o simplemente una solución en busca de un problema.

Muchas gracias por su tiempo hoy. Ahora, responderé a las preguntas.

Pregunta: Disfruté la sutil referencia a Dune.

Agradezco que haya disfrutado de la referencia a Dune. Los personajes principales del libro tienen la capacidad de ver todos los futuros posibles, lo que les proporciona habilidades estratégicas superiores. Esta metáfora es muy adecuada para la gestión de la cadena de suministro. Si puedes examinar todos los futuros posibles, incluso si no sabes exactamente cuál ocurrirá, te da una ventaja significativa sobre los competidores que solo están considerando un resultado posible.

Pregunta: ¿Podría elaborar más sobre los impulsores de segundo orden?

Cuando digo “segundo orden”, me refiero a las consecuencias de segundo orden. En la gestión de la cadena de suministro, tratamos con humanos y sistemas complejos, no solo con sistemas físicos simples con trayectorias predecibles. Las personas pueden adaptarse y debemos considerar sus acciones y reacciones.

Por ejemplo, en el pasado en Lokad, tuvimos un cliente al que le sugerimos cantidades específicas de órdenes de compra. Sin embargo, notamos que el cliente terminaba realizando pedidos con cantidades significativamente mayores a las que recomendamos. Resultó que cuando el cliente recibía la mercancía, los equipos encargados de la recepción contaban los artículos para asegurarse de que coincidieran con el pedido inicial. Si la cantidad recibida no coincidía con el pedido, su sistema tenía una peculiar limitación: podían cancelar toda la orden de compra y devolver la mercancía, poniendo en peligro su línea de producción. Lo que estaba sucediendo era que estaban cambiando la cantidad del pedido de compra original para que coincidiera con la cantidad que estaban recibiendo. Con el tiempo, algunos proveedores inteligentes descubrieron esta propiedad única del sistema ERP. Cuando se acercaban al final del trimestre y no habían alcanzado sus objetivos, sabían que podían enviar lo que quisieran a este cliente, quien lo aceptaría y pagaría la factura sin hacer preguntas ni quejas.

Este es un ejemplo de lo que llamo un efecto de segundo orden. Tienes un aspecto aparentemente trivial y mundano de tu ERP, pero luego tienes humanos inteligentes en el proceso que manipulan el sistema. Esto inevitablemente sucede cuando estás tratando con humanos, ya que pueden pensar y reaccionar a lo que haces. La idea de las consecuencias de segundo orden es que debes considerar las consecuencias de las consecuencias. Incluso podría ser de cuarto o quinto orden: debes pensar en las consecuencias en cascada. Es un desafiante juego intelectual, pero si no tienes en cuenta las consecuencias de segundo orden, es posible que termines tomando decisiones equivocadas.

En cuanto a los impulsores económicos de segundo orden, es esencial asignarles un valor en dólares, aunque puede ser difícil. La clave es estar aproximadamente correcto en lugar de estar exactamente equivocado. Es mejor tener una estimación aproximada que tenga sentido que cálculos precisos que te lleven por mal camino.

Pregunta: ¿Cuáles son las técnicas utilizadas en la robotización completa?

Hay numerosas técnicas para la robotización completa, que cubriremos en las próximas conferencias sobre paradigmas de programación. Aunque estamos hablando de software, debemos considerar las propiedades de diseño principales que son más deseables para lograr la robotización. El objetivo principal es crear software de calidad de producción, no necesariamente IA. No puedes lograr un error de pronóstico del cero por ciento, pero puedes apuntar a una locura del cero por ciento.

Por “locura”, me refiero a algo que pondría en peligro toda tu empresa. Por ejemplo, Target Canada se declaró en bancarrota debido a una optimización de la cadena de suministro que salió mal, y Nike enfrentó un desastre en 2004 cuando una de sus soluciones de software de cadena de suministro, que era competidora de Lokad, casi llevó al colapso de la empresa. Así que primero, cubriremos este tema en la próxima conferencia, pero nos llevará un poco de tiempo llegar allí.

Pregunta: En tu pronóstico, si intentamos abarcar tantas variables progresivas, necesitaríamos desarrollar modelos nosotros mismos, y podría convertirse en simulaciones. ¿Alguna idea al respecto?

No hay una diferencia clara entre una simulación precisa del futuro y un pronóstico probabilístico. Estos son dos sabores diferentes de recetas numéricas para aprehender el futuro. Siempre que tengas un modelo de pronóstico probabilístico, puedes generar trayectorias que representen el futuro. Tomas tus probabilidades, dibujas una desviación, creas una observación ficticia, vuelves a aprender tu modelo, reconstruyes tus probabilidades e iteras. La distinción entre simulación y modelado estadístico se vuelve delgada, especialmente para modelos adecuados para fines de cadena de suministro. En gran medida, se superponen por completo.

Pregunta: ¿Las soluciones que desarrollaste son basadas en servicios o una combinación de ambos? ¿Cuál es tu opinión sobre este enfoque para el futuro de la cadena de suministro?

En Lokad, nuestra perspectiva es ofrecer un rendimiento de la cadena de suministro expresado en dólares. Hay una inmensa cantidad de complejidad en este ámbito, y al igual que la incertidumbre es irreducible en el pronóstico, la complejidad es irreducible si intentas tener un producto de software que aborde todos los problemas a la vez. Necesitas una meta-solución para el problema. El enfoque adoptado en Lokad es reconocer la necesidad de inteligencia humana, específicamente científicos de la cadena de suministro. Creo que es irrealista pensar que la IA puede comprender los desafíos de una cadena de suministro moderna.

Necesitamos personas inteligentes y experimentadas con las habilidades adecuadas para ser efectivas en sus trabajos. Lokad ha desarrollado un producto con el objetivo de hacer que los científicos de la cadena de suministro sean productivos y extremadamente confiables. El desafío es proporcionar las herramientas adecuadas para estos científicos de la cadena de suministro. En resumen, Python no es la solución, y a medida que avanzamos en estas conferencias, verás que hay problemas profundos con la mayoría de los lenguajes de programación genéricos. Estos problemas de diseño los hacen inadecuados para abordar los problemas de la cadena de suministro de manera satisfactoria. Tendremos que entrar en los detalles porque hay muchos matices en lo que quiero decir con “calidad de producción” y “preparación para la producción” de la solución. Recuerda, eso es lo que queremos, el cero por ciento de locura, porque mientras tengas un robot insano que afecte negativamente tu cadena de suministro, simplemente no puede funcionar. Eso es lo que debemos abordar primero.

Pregunta: A menudo, los enfoques cuantitativos requieren que cuantifiquemos lo que aún no se ha cuantificado o lo que está en hojas de cálculo de Excel, no en sistemas ERP. ¿Cuál es la forma más eficiente de lidiar con este problema? ¿Cómo se puede recopilar esta información adicional para que sea tan confiable como la información de los sistemas ERP?

Aquí hay dos problemas distintos. En primer lugar, está el statu quo, donde el problema de cuantificar recompensas y errores es políticamente muy difícil. Muchas personas en grandes organizaciones tienen fuertes incentivos para no discutir los dólares de los retornos o recompensas, porque de lo contrario la empresa se daría cuenta de que no tienen ningún valor agregado. Entonces, hay muchas cosas que no se cuantifican simplemente porque hay fuertes fuerzas políticas en contra.

Para hacer esto más concreto, cuando Lokad comenzó a trabajar para una red minorista para optimizar el stock en las tiendas, nos dimos cuenta de que el stock cumplía dos propósitos radicalmente diferentes. El primer propósito era atender adecuadamente a los clientes, lo que requería una cierta cantidad de stock. El otro propósito era que la tienda se viera llena y atractiva, lo que requería una cantidad adicional de stock. Teníamos una cantidad de stock expresada en euros para este gran minorista y dijimos que la mitad del stock era necesaria para fines de servicio y debía ser responsabilidad de la cadena de suministro, mientras que la otra mitad era necesaria para fines de merchandising y debía ser responsabilidad del marketing. Obviamente, el marketing, que de repente tenía una gran línea de inventario ingresando a su presupuesto, no estaba contento con esta idea.

Entonces, primero, debemos abordar el hecho de que es muy difícil establecer reglas para cuantificar los dólares de recompensa y costo, y estas reglas deben aplicarse a todos por igual. Esto es difícil de lograr y muchas personas en las organizaciones tienen un interés personal en mantener las cosas de esta manera. Tenemos otro tipo de problema, que en realidad es mucho más fácil de abordar: la TI en la sombra. El problema con los ERP y software similares, como se puede ver en la base de conocimientos de Lokad sobre ERPs, es que es muy difícil para los proveedores de ERP cubrir todas las situaciones. Por ejemplo, es posible que tenga cantidades mínimas de pedido (MOQ). ¿Cómo se representa eso en un ERP? Realmente depende. El MOQ puede ser a nivel de producto, a nivel de pedido o a veces una combinación de ambos. Incluso puede ser más complicado, como en textiles, donde el MOQ está definido por la cantidad de tela en cada color.

El problema es que, para los proveedores de ERP, es extremadamente difícil representar todo eso. Como resultado, las personas compran un ERP y luego se dan cuenta de que no les permite representar todo lo que necesitan, por lo que recurren a hojas de cálculo de Excel. Creo que ese es precisamente el papel de un buen departamento de TI: construir y entregar las partes faltantes para que la TI en la sombra no siga siendo TI en la sombra, sino que se convierta en pequeñas extensiones internas adicionales. En cierto sentido, es bueno tener un ERP y mi consejo no es personalizar su ERP, sino hacer algo aparte. Es mucho más fácil de mantener en lugar de seguir el camino del “Frankenstein” encima del ERP.

Muchas gracias a todos por ver. La próxima conferencia será el próximo miércoles, el mismo día, a la misma hora. Nos vemos pronto. Adiós.