00:00:04 Rolle des Data Scientists in der Supply Chain.
00:01:33 Vergleich von Trends im Data Mining und Data Science.
00:03:16 Vermarktung von Data-Science-Tools an Universitäten.
00:04:14 Programmierkenntnisse vs. Schaffung von Geschäftswert.
00:06:37 Lokads Umstellung auf “Supply Chain Scientists”.
00:08:01 Aufgaben eines Supply Chain Scientists.
00:09:50 Gemeinsame Aufgaben von IT und Supply Chain Scientists.
00:11:58 Supply Chain Scientists und die Rolle der Datenextraktion.
00:14:19 Fallstricke bei der Nutzung statistischer Toolkits.
00:16:29 Die wachsende Rolle von Daten im Leben.
Zusammenfassung
Kieran Chandler und Joannes Vermorel diskutieren die wichtige Rolle von Data Scientists im Supply Chain Management. Ihr Gespräch verdeutlicht die Notwendigkeit für diese Fachleute, Werte aus Geschäftsdaten zu extrahieren, warnt jedoch vor der Tendenz, Programmier- und statistische Fähigkeiten überzubetonen. Vermorel betont die Bedeutung praktischer Kenntnisse und Geschäftssinn und warnt vor übermäßigem Vertrauen in technische Fähigkeiten. Er stellt die Rolle der “Supply Chain Scientists” vor, die damit beauftragt sind, Daten zu extrahieren und zu interpretieren, um Geschäftsprobleme zu lösen, im Gegensatz zu IT-Rollen, die sich auf die Wartung von Systemen konzentrieren. Ihr Dialog verdeutlicht die Herausforderungen in der universitären Ausbildung und hebt die Knappheit von realen Supply-Chain-Daten und die übermäßige Abhängigkeit von Programmiersprachen und statistischen Frameworks hervor.
Erweiterte Zusammenfassung
Das Gespräch zwischen Kieran Chandler und Joannes Vermorel konzentriert sich auf die wachsende Rolle und Bedeutung von Data Scientists in der kommerziellen Welt, insbesondere in der Supply-Chain-Branche. Chandler betont die steigende Nachfrage nach Data Scientists und bezeichnet sie als Phänomen, das sich “wie ein Lauffeuer” in der Branche ausbreitet. Er stellt fest, dass diese Nachfrage, die vor fünf Jahren noch nicht so ausgeprägt war, sich nun so schnell entwickelt, dass die Universitäten nicht genügend Absolventen hervorbringen können, um diese Positionen zu besetzen.
Vermorel teilt seine Sichtweise auf diese Veränderung und stellt fest, dass Unternehmen zunehmend den inhärenten Wert ihrer Daten erkennen und daher Fachleute benötigen, die in der Lage sind, diesen Wert zu erschließen. Gleichzeitig weist er jedoch auf den zyklischen Charakter dieses Trends hin und vergleicht ihn mit dem “Data Mining”-Fieber der 90er Jahre. Er spekuliert, dass die aktuelle Fixierung auf Data Scientists an vergangene Interessen an “Data Miners” erinnert und bezeichnet Data Scientists daher als “Data Miner Version 2”.
Vermorel spricht über den Aufstieg und Fall von Data-Mining-Firmen in den 90er Jahren und gibt eine warnende Erzählung ab. Er erinnert sich an das Aufkommen von Hunderten von Unternehmen während der Data-Mining-Ära, die Tools für das Data Mining bereitstellten. Die meisten dieser Unternehmen verschwanden jedoch letztendlich, was Zweifel an der aktuellen Welle von Anbietern von Data-Science-Tools aufkommen lässt. Vermorel sieht eine Korrelation zwischen diesen beiden Perioden und deutet auf ein mögliches wiederkehrendes Muster des Aufstiegs und Niedergangs im aktuellen Data-Science-Trend hin.
Interessanterweise betont Vermorel, dass sein Unternehmen, Lokad, den Begriff “Data Scientist” vermeidet und stattdessen “Supply Chain Scientist” verwendet. Diese Präferenz spiegelt seine Überzeugung von der Bedeutung des Verständnisses des Geschäftskontextes und des Werts jenseits rein mathematischer und kodierender Fähigkeiten wider. Er warnt davor, dass technische Fähigkeiten zwar entscheidend sind, aber nicht automatisch zu einem Geschäftswert in der Supply Chain führen.
Darüber hinaus spricht Vermorel über die Werbestrategie der derzeitigen Anbieter von Data-Science-Tools. Er betont ihr aggressives Marketing gegenüber Universitäten, insbesondere durch Open-Source-Toolkits, die mit der allgemeinen Denkweise der Akademie harmonieren. Gleichzeitig warnt er jedoch davor, dass der Erfolg bei der Vermarktung eines Produkts an Universitäten nicht automatisch bedeutet, dass das Tool in konkreten Geschäftsumgebungen nützliche Ergebnisse liefert.
Vermorel betont die Notwendigkeit für Data Scientists, nicht nur Daten zu analysieren, sondern auch tatsächliche Geschäftsveränderungen durch ihre Entdeckungen herbeizuführen. Die Herausforderung besteht darin, dass Data Scientists häufig Untersuchungen durchführen und Ergebnisse präsentieren können, aber Schwierigkeiten haben, diese Änderungen umzusetzen, da sie den Status quo stören können. Es geht nicht nur um Konflikte bei operativen Entscheidungen, sondern um die größere Frage, ob der Data Scientist tatsächlich befugt ist, zu handeln und einen Mehrwert für das Unternehmen zu liefern.
Darüber hinaus wird die Rolle eines “Supply Chain Scientist”, ein Begriff, der bei Lokad verwendet wird, diskutiert. Die Aufgabe eines Supply Chain Scientists besteht laut Vermorel darin, handlungsorientierte Entscheidungen im Zusammenhang mit der Supply Chain zu treffen, wie z.B. die Bestellmenge festzulegen. Diese Entscheidungen sollten handlungsorientiert, praktisch und profitabel sein. Im Gegensatz zu einem Data Scientist übernimmt ein Supply Chain Scientist die Verantwortung für den Geschäftswert seiner Vorschläge. Dies erfordert ein Verständnis für Unternehmenssysteme und das Zusammenspiel von Daten mit der Software und den Personen, die sie bedienen. Dadurch wird ein umfassendes Verständnis des zu lösenden Problems gewährleistet.
Die Aufgabe eines Supply Chain Scientists besteht darin, die extrahierten Daten zu verstehen, ein Optimierungsmodell zu erstellen und Komplexität und Präzision auszubalancieren. Vermorel erkennt die Komplexität der realen Welt, insbesondere in der Supply Chain, an, die eine perfekte mathematische Modellierung unpraktisch macht. Stattdessen müssen Supply Chain Scientists auf Näherungen und Heuristiken zurückgreifen, um Probleme effektiv zu lösen. Sie müssen das Gesamtbild betrachten und ihm treu bleiben.
Chandler führt dann die Rolle der IT-Abteilungen ein und fragt, ob sie für die Software und die Menschen verantwortlich sein sollten, da sie in der Regel die Software-Systeme implementieren und warten.
Diese Frage deutet auf eine Spannung zwischen den operativen, technischen und strategischen Rollen innerhalb einer Organisation hin.
Das Gespräch untersucht hauptsächlich die unterschiedlichen Verantwortlichkeiten zwischen Informationstechnologie (IT) und Supply Chain Scientists sowie die Herausforderungen, mit denen Data Scientists in der aktuellen Landschaft konfrontiert sind.
Vermorel argumentiert, dass IT und Supply Chain Scientists getrennte Verantwortlichkeiten innerhalb einer Organisation haben. Er vergleicht die Rolle der IT mit einer Wartungsrolle, die für den ständigen und reibungslosen Betrieb von Systemen und Prozessen sorgt. Die Verantwortung der IT besteht darin, die Dinge jede Sekunde am Laufen zu halten und die technischen Aspekte zu verwalten, die mit der Aufrechterhaltung der Systemverfügbarkeit und -sicherheit verbunden sind.
Im Gegensatz dazu geht es bei der Rolle eines Supply Chain Scientists laut Vermorel nicht um Wartung. Stattdessen dreht sich ihre Aufgabe um Datenextraktion und Interpretation. Sie müssen sicherstellen, dass die verwendeten Daten ein korrektes Verständnis von Geschäftssituationen bieten und dass die abgeleiteten Lösungen profitable Ergebnisse liefern würden. Sie müssen sich nicht mit den technischen Aspekten befassen, da ihr Hauptziel darin besteht, Geschäftsprobleme durch eine genaue Interpretation von Daten zu lösen.
Chandler lenkt das Gespräch auf den offensichtlichen Mangel an Fähigkeiten zur Datenextraktion und -vorbereitung bei Data Scientists, obwohl dies wesentliche Bestandteile ihres Berufs sind. Vermorel stimmt zu und stellt fest, dass Universitätskurse und Bootcamps sich hauptsächlich auf Programmiersprachen wie Python und R konzentrieren und die praktischeren Aspekte des Jobs oft vernachlässigen.
Vermorel erklärt, dass Universitäten besser geeignet sind, bestimmte Aspekte zu lehren, aufgrund von Zugänglichkeits- und Vertraulichkeitsbedenken. Supply Chain-Daten großer Unternehmen sind aufgrund von Datenschutzproblemen nicht leicht zugänglich für Schulungen, während Open-Source-Software und statistische Frameworks leichter verfügbar sind. Als Ergebnis absolvieren Studenten oft mit einem tiefen Verständnis von Programmierung und statistischen Toolkits, aber ohne praktisches Wissen im Umgang mit realen Supply Chain-Daten.
Vermorel warnt davor, dass diese übermäßige Betonung von Programmierung und Statistik zu übermäßigem Selbstvertrauen bei neuen Data Scientists führen könnte. Sie könnten fälschlicherweise glauben, dass diese Fähigkeiten allein ausreichen, um Supply Chain-Probleme zu lösen. Supply Chain-Management geht jedoch nicht nur um Programmierung oder statistische Analyse, sondern um das Verständnis und die geschäftliche Sinnhaftigkeit der Daten. Vermorel warnt davor, die Weisheit von Supply Chain-Praktikern mit geringer Technologie zu ignorieren, die sich oft auf gesunden Menschenverstand und einfache Werkzeuge wie Excel-Tabellen zur Geschäftsentscheidungsfindung verlassen.
Vollständiges Transkript
Kieran Chandler: Heute sprechen wir über eine neue Berufsbezeichnung, die sich wie ein Lauffeuer in der Branche verbreitet. Die Rolle eines Data Scientists wird immer relevanter, da Unternehmen immer mehr Wert auf Daten legen und relevante Schlussfolgerungen daraus ziehen. Vor fünf Jahren hatte kein Supply Chain-Direktor Bedarf an Data Scientists. Heute hat sich das jedoch geändert, da die Anzahl der Stellenangebote für Data Scientists scheinbar schneller wächst, als die Universitäten sie produzieren können. Also, Joannes, was hat sich geändert? Warum besteht plötzlich dieser Bedarf an mehr Data Scientists?
Joannes Vermorel: Offensichtlich erkennen Unternehmen, dass ihre Daten einen hohen Wert haben. Sobald sie das erkennen, benötigen sie viele Menschen, um den Wert aus den Daten zu extrahieren, und das ist es, was Data Scientists tun. Interessanterweise ist das nicht völlig neu. Für diejenigen, die in den 90er Jahren oder vielleicht Ende der 90er Jahre dabei waren, wurde es damals unter einem anderen Namen geführt - Data Miner. Die Leute haben Dinge aus den Daten abgebaut. Der Data Scientist scheint also die Data Miner Version 2 oder etwas Ähnliches zu sein.
Kieran Chandler: Wenn diese Data Miner heute nicht mehr existieren, nehme ich an, dass die Ergebnisse nicht so gut waren. Vielleicht könnten Sie uns etwas mehr darüber erzählen und gibt es etwas, das wir daraus lernen können, warum es schief gelaufen ist?
Joannes Vermorel: Es ist sehr interessant, denn man kann sehen, dass Data Scientists in Supply Chain-Kreisen sehr modisch geworden sind. Es scheint mir, dass es einen Makrotrend gibt, bei dem sich Dinge ein- und auspendeln. Vor zwei Jahrzehnten ging es um Data Mining und heute geht es um Data Science. Es ist das gleiche Muster, das unter einem anderen Namen abläuft. Vor zwei Jahrzehnten sahen wir das Aufkommen von Hunderten von Unternehmen, die Tools für Data Mining bereitstellten, und die meisten von ihnen verschwanden. Heutzutage sehen wir das Aufkommen von Hunderten von Unternehmen, die Tools für Data Science liefern. Wir sehen auch Data Science-Berater. Ja, es gibt etwas Wahres an der Sache, aber es gibt auch einen zyklischen Modeeffekt.
Kieran Chandler: Es ist nicht alltäglich, dass man die Worte Data Science und Mode in einem Satz hört. Was wir hier sagen wollen, ist, dass die Data Miner früher unter einem anderen Namen bekannt waren. Sollten wir also nicht die Lokad-Technologie an Universitäten verkaufen, damit die nächste Generation von Data Scientists, wie auch immer sie genannt werden, vollständig in der Nutzung des Tools geschult ist und es vollständig versteht?
Joannes Vermorel: Das ist sicherlich ein Ansatz. Übrigens werben alle Unternehmen, die Data Science-Tools anbieten, aggressiv für sich in Universitäten. Ein einfacher Weg, dies zu tun, besteht darin, Open-Source-Toolkits zu fördern, da sie zur allgemeinen Denkweise von Universitäten passen. Es ist gut in gewisser Hinsicht, aber es bedeutet nicht Effizienz. Es bedeutet nicht, dass Sie, wenn Sie sich erfolgreich in Universitäten bewerben, automatisch Ergebnisse in Ihrem Unternehmen erzielen. Nur weil Sie ein großer Mathematiker oder ein großer Programmierer werden, bedeutet das nicht automatisch, dass Sie tatsächlich Geschäftswert in Ihren Supply Chains schaffen. Dies ist eine Gefahr, von der ich glaube, dass sie besteht, und das ist einer der Hauptgründe, warum wir bei Lokad den Begriff “Supply Chain Scientist” bevorzugen.
Kieran Chandler: Business-First macht für viele Supply Chain-Praktiker Sinn, weil sie in ihrer täglichen Arbeit viel mit Geschäft zu tun haben. Vielleicht ist die einzige Ausnahme in sehr großen Unternehmen, wo Data Scientists von der schieren Datenmenge oder der Komplexität ihrer Probleme überwältigt werden können. Aber gibt es außer der Konzentration auf ein bestimmtes Geschäftsproblem noch einen Haken?
Eulen und die Reduzierung von Durchlaufzeiten und ähnliche Dinge. Gibt es also noch einen Haken, der über die Konzentration auf das richtige Geschäftsproblem hinausgeht?
Joannes Vermorel: Ja, es gibt tatsächlich einen großen Haken. Die Rolle eines Data Scientists besteht nicht nur darin, das Geschäft zu analysieren; es geht darum, einen Unterschied zu machen und eine Entscheidung zu treffen und umzusetzen, die zu einem echten Geschäftserfolg in der Organisation führen kann. Das kann schwierig sein, weil Data Scientists leicht auf Daten zugreifen und Analysen erstellen können. Aber wenn es darum geht, zu handeln, stellt es oft die bestehende Ordnung in Frage. Es geht nicht nur um Meinungsverschiedenheiten über Bestellmengen, sondern um Meinungsverschiedenheiten, die tiefer gehen. Das größte Potenzial für Misserfolg besteht darin, dass der Data Scientist nicht in der Lage ist, wirklich zu handeln und dem Unternehmen einen Mehrwert zu liefern. Das ist wahrscheinlich der Haupt-Haken, den ich sehe.
Kieran Chandler: Sie haben erwähnt, dass es eine Art Widerstand gegen die bestehende Ordnung gibt. Ich kann durchaus Verständnis für einige Supply Chain-Praktiker haben, weil sie jahrzehntelang mit Methoden gearbeitet haben, die funktioniert haben. Wenn also jemand in Frage stellt, was funktioniert hat und was funktioniert hat, kann ich verstehen, warum sie Dinge mit einer großen Portion Skepsis angehen. Sie haben erwähnt, dass wir bei Lokad Supply Chain Scientists haben, anstatt Data Scientists. Könnten Sie uns vielleicht etwas mehr über sie und den Grund für die andere Bezeichnung erzählen?
Joannes Vermorel: Ich denke, der andere Name spiegelt unsere Herangehensweise an die Probleme wider. Unser Engagement liegt bei der Supply Chain. Ein Supply Chain Scientist ist jemand, der echte, umsetzbare Entscheidungen generieren sollte, wie zum Beispiel wie viele Sie jetzt bestellen müssen. Die Entscheidungen sollten umsetzbar, praktisch und profitabel sein. Es geht darum, dass jemand Verantwortung für den Geschäftswert seiner Vorschläge übernimmt. Diese Verantwortung umfasst tatsächlich viele Dinge.
Um es in den Kontext zu stellen, gehen wir rückwärts. Die Entscheidung ist das Endspiel, aber wenn man rückwärts beginnt, fängt es mit Daten an. Die Daten stammen aus Unternehmenssystemen, aber die Daten ergeben nur Sinn durch die Augen der Menschen, die die Software bedienen. Es geht also nicht nur um Software; es geht um Software plus Menschen. Der Supply Chain Scientist muss ein sehr gutes Verständnis dafür haben. Er muss das zu lösende Problem verstehen, die extrahierten Daten verstehen und dann ein Optimierungsmodell irgendeiner Art erstellen.
Es gibt einen Kompromiss zwischen Komplexität und Präzision. Die reale Welt ist unglaublich komplex, und das gilt auch für Supply Chains. Es ist nicht möglich, eine perfekte mathematische Modellierung zu haben, daher müssen Sie approximieren und Heuristiken verwenden, die nur Rezepte sind, die funktionieren. Der Supply Chain Scientist muss all diese Dinge zusammenbringen, um sicherzustellen, dass es echte Einsparungen gibt, nicht nur in Prozenten, sondern in tatsächlichen Dollarbeträgen. Sie müssen sich zu diesem Gesamtbild verpflichten. Darum geht es bei einem Supply Chain Scientist.
Kieran Chandler: Okay, aber Sie haben erwähnt, dass ein Supply Chain Scientist für die Software und die Menschen verantwortlich sein sollte. Was ist mit den IT-Abteilungen? Sollten sie nicht dafür verantwortlich sein? Immerhin sind sie es, die die Software implementiert haben und oft sind sie auch diejenigen, die sie entwickeln.
Es scheint, als würde eine ziemlich große Verantwortung auf die Schultern eines einzigen Supply Chain Scientists gelegt. Erwarten Sie ein Wunder?
Joannes Vermorel: Ja, die Verantwortung ist ziemlich enorm. Es gibt jedoch einen signifikanten Unterschied. Ich glaube, dass die Hauptverantwortung der IT darin besteht, sicherzustellen, dass das System betriebsbereit ist. Die IT muss den laufenden Betrieb überwachen und sicherstellen, dass alles jede Sekunde funktioniert. Der Supply Chain Scientist hat eine andere Verantwortung. Diese Person ist nicht damit beauftragt, alles am Laufen zu halten.
Kieran Chandler: Was genau ist also die Verantwortung eines Supply Chain Scientists?
Joannes Vermorel: Die Verantwortung eines Supply Chain Scientists besteht darin, Daten zu extrahieren und sie zu verstehen. Es handelt sich um eine sehr unterschiedliche Aufgabe. Diese Person muss sich nicht mit all den technischen Details befassen, die erforderlich sind, um etwas am Laufen und sicher zu halten. Das ist die Verantwortung der IT, die tatsächlich sehr schwierig ist. Das Engagement des Wissenschaftlers besteht darin, sicherzustellen, dass das Verständnis korrekt ist. Die Geschäftslösung, die aus diesem Verständnis entsteht, muss als Ergebnis der präzisen Identifizierung eines Problems, das das Unternehmen wirklich lösen muss, profitabel sein.
Kieran Chandler: Es scheint, dass die Extraktion und Aufbereitung von Daten wichtige Aufgaben sind. Aber sind Datenwissenschaftler nicht unzureichend in diesen Aspekten geschult? Die meisten Datenwissenschaftskurse und Bootcamps handeln doch von der Programmierung in Sprachen wie Python und R.
Joannes Vermorel: Das ist eine ausgezeichnete Frage. Universitäten sind in bestimmten Bereichen herausragend und in anderen schwach. Sehen wir der Realität ins Auge: Das Verständnis von Daten erfordert zunächst tatsächliche Daten. Die meisten großen Unternehmen mit umfangreichen Lieferketten teilen ihre Daten nicht mit Universitäten. Daher verwenden Universitäten als Schulungsmaterialien das, worauf sie Zugriff haben. Der Zugriff auf Open-Source-Software ist viel einfacher als der Zugriff auf vertrauliche Lieferketten-Daten.
Kieran Chandler: Es gibt viel Diskussionen über personenbezogene Daten, ähnlich wie bei der DSGVO in Europa. Es erfordert erhebliche Anstrengungen von allen, um dies zu erfüllen. Das ist zwar zufällig, aber es kompliziert die Situation. Universitäten möchten beispielsweise Menschen in den schwierigsten Aufgaben schulen, in denen sie den größten Mehrwert liefern können, aber das ist schwierig. Daher ist es für Universitäten viel einfacher, auf Programmiersprachen und statistische Frameworks zurückzugreifen, da sie zugänglicher und mathematischer sind. Es ist auch einfacher, Studenten in diesen Themen zu prüfen, was als Professor sowohl das Unterrichten als auch das Bewerten der Studenten erfordert. Das erfordert das Unterrichten von etwas, bei dem eine Bewertung möglich ist. Das ist eine seltsame Einschränkung, aber sie beeinflusst definitiv das, was man an einer Universität lehren kann.
Joannes Vermorel: Nun, das Hauptproblem, das ich bei diesem Fokus auf statistischen Werkzeugen sehe, ist, dass er zu Überheblichkeit führen kann. Es ist vorteilhaft, programmieren zu können, statistische Kenntnisse zu haben. Das ist sicherlich etwas, das hilft, es ist kein Nachteil. Aber es birgt ein subtilles Problem. Es kann Menschen überheblich machen und sie glauben lassen, dass das Wissen über Programmierung, Statistik und Mathematik der Schlüssel zur Lösung von Problemen in der Lieferkette ist.
Und hier gibt es eine gewisse Weisheit bei vielen Lieferkettenpraktikern, die oft sehr technikfern sind. Sie versuchen, sich an den gesunden Menschenverstand zu halten, sie bleiben bei ihrer Excel-Tabelle. Und darin liegt Weisheit, weil sie sich an das halten, was geschäftlich Sinn macht. Wenn der einzige Grund, warum Sie sich am gesunden Menschenverstand orientieren, darin besteht, dass Ihnen statistische und programmtechnische Kenntnisse fehlen, ist das nicht ideal. Aber andererseits macht Sie das Wissen über Statistik und Programmierung nicht automatisch zum Experten in der Lieferkette.
Nur weil Sie in diesen Bereichen kompetent sind, bedeutet das nicht automatisch, dass Sie Lösungen entwickeln, die zusätzliche Euros oder Dollar generieren werden. Ich glaube, das ist die größte Gefahr. Wir produzieren jetzt Armeen von Menschen, die häufig unter Überheblichkeit leiden. Programmierung ist ein Mittel, kein Ziel.
Kieran Chandler: Das ist eine aufschlussreiche Perspektive. Vielen Dank, dass Sie Licht auf das Thema Datenwissenschaftler und tatsächlich Supply Chain Scientists geworfen haben. Es ist ein Thema, das angesichts der enormen Menge an Daten, die in unserem täglichen Leben gesammelt werden, immer relevanter wird. Vielen Dank, dass Sie sich heute die Zeit genommen haben.
Joannes Vermorel: Danke, Kieran.
Kieran Chandler: Und vielen Dank an unsere Zuhörer, dass Sie sich diese Folge angehört haben. Wir werden bald mit einer weiteren Folge zurück sein. Bis dahin stellen Sie weiterhin Fragen und senden Sie uns Ihre Gedanken. Vielen Dank fürs Zuschauen und bis bald.
