POCs (Proofs Of Concept) funktionieren nicht für Supply Chains

00:00:13 Herausforderungen bei der Umsetzung von Proof-of-Concepts in der Supply Chain.
00:01:00 Wann Proof-of-Concepts gut funktionieren und wie sich die Supply Chain unterscheidet.
00:02:29 Die Supply Chain als offenes Problem und Schwierigkeiten bei der Messung ihres Erfolgs.
00:03:31 Grenzen von Proof-of-Concepts in der Supply Chain-Branche.
00:06:30 Bedeutung eines ganzheitlichen Ansatzes und der Vorlaufzeiten bei der Optimierung der Supply Chain.
00:08:00 Bedeutung der Fokussierung auf nicht veränderliche Aspekte einer Initiative.
00:08:54 Schwierigkeit bei der Datenerfassung in Proof-of-Concepts.
00:11:55 Probleme bei der Vereinfachung einer Initiative auf nur Prognosen.
00:13:54 Die Grenzen von Zeitreihenprognosen.
00:15:17 Schmerzhafte Erfahrungen mit Proof-of-Concepts und deren Mängel.
00:17:36 Alternativen zu POCs bei der Bewertung von Softwareanbietern für Supply Chain-Lösungen.
00:20:25 Die Zukunft von POCs in der Supply Chain-Branche und deren Grenzen.
00:21:31 Bedeutung eines ganzheitlichen Ansatzes zur Optimierung der Supply Chain.
00:22:52 Bewertung der Leistung von Anbietern auf wöchentlicher Basis anstelle von POCs.

Zusammenfassung

In einem Interview diskutieren Joannes Vermorel, Gründer von Lokad, und Moderator Kieran Chandler die Optimierung der Supply Chain und die Grenzen von Proof-of-Concepts (POCs). Vermorel erklärt, warum Lokad POC-Anfragen häufig ablehnt und nennt mögliche Schäden für beide Parteien. Er ist der Meinung, dass POCs am besten für eng definierte Probleme wie die Auswahl eines E-Mail-Clients funktionieren, aber bei komplexen, transformierenden Prozessen wie der Optimierung der Supply Chain versagen. Supply Chains umfassen mehrere Parteien und stellen eine verteilte Herausforderung dar, die POCs oft zu stark vereinfachen. Er empfiehlt, sich auf stabile Aspekte und datengetriebene, ganzheitliche Perspektiven zu konzentrieren. Vermorel schlägt außerdem vor, die Leistung von Anbietern regelmäßig zu bewerten und Beziehungen zu beenden, die keinen zufriedenstellenden Fortschritt zeigen.

Ausführliche Zusammenfassung

In dem Interview führen Kieran Chandler, der Moderator, und Joannes Vermorel, Gründer von Lokad, eine ausführliche Diskussion über Proof-of-Concepts (POCs) im Zusammenhang mit Supply Chain-Software und deren Grenzen. Vermorel erklärt, warum Lokad häufig POC-Anfragen von potenziellen Kunden ablehnt und mögliche Schäden für das Unternehmen des Kunden und Lokad nennt.

Vermorel gibt zu, dass POCs seit zwei Jahrzehnten existieren und nicht grundsätzlich nachteilig sind. Sie funktionieren effektiv, wenn sie auf ein eng definiertes Problem angewendet werden. Das klassische Beispiel, in dem ein POC gut funktionieren würde, ist die Auswahl eines E-Mail-Clients wie Microsoft Outlook oder Gmail. Dies ist ein standardisiertes Problem mit einer bekannten Lösung. Der Benutzer hat klare Erwartungen und kennt die Schmerzpunkte. Dieser Prozess ist nicht mehr transformierend, sondern beinhaltet lediglich den Wechsel von einem E-Mail-Client zum anderen.

Die Herausforderung entsteht jedoch, wenn POCs auf die Optimierung der Supply Chain angewendet werden, was Vermorel als “das Gegenteil” eines eng definierten Problems bezeichnet. Er schlägt vor, dass es sich um einen transformierenden Prozess für ein Unternehmen handelt und charakterisiert ihn als ein nicht lokales Problem, das mehrere Standorte und potenziell zahlreiche Länder umfasst. Die Komplexität wird durch die vernetzte Natur der Supply Chain verstärkt.

Weiterführend zur Idee eines “offenen Problems” beschreibt Vermorel die Optimierung der Supply Chain als das Bestreben nach Optimierung, was zwangsläufig eine Messung erfordert. Die Etablierung einer aussagekräftigen Messung in monetären Begriffen erfordert erheblichen Aufwand, und die erhaltenen Kennzahlen sind nur der Anfang. Die Reise geht weiter mit der Verfeinerung des “numerischen Rezepts”, um die Auswirkungen von Maßnahmen auf die Unternehmensabläufe zu bewerten. Er gibt ein Beispiel für die genaue Kostenbewertung jedes Fehlbestands oder den spezifischen Einfluss auf die Kundenloyalität für jeden Kunden.

Auf die Frage, ob POCs ausschließlich für die quantitative Lieferkette oder für die gesamte Lieferkettenbranche unwirksam sind, betont Vermorel, dass die meisten Lieferkettenprobleme aufgrund ihrer vernetzten Natur schwer als POCs zu definieren sind. Er erklärt, dass Lieferketten mehrere Parteien umfassen - Lieferanten, Kunden, Lagerhäuser und Produktionsstätten. Sie stellen eine verteilte Herausforderung dar, im Gegensatz zu einer lokalisierten Herausforderung wie der Optimierung eines Fertigungsprozesses in Isolation.

Vermorel betont, dass Lieferketten von Natur aus mit Lieferanten und Kunden verbunden sind, was es schwierig macht, etwas Lokales und Bedeutungsvolles zu identifizieren. Er warnt davor, dass es zwar einfach ist, lokale Optimierungen in Lieferketten durchzuführen, diese Bemühungen jedoch in der Regel nur dazu führen, Probleme zu verschieben. Zum Beispiel kann ein erheblicher Aufwand zur Optimierung eines Produkts an einem Standort unbeabsichtigt Probleme an anderer Stelle in der Lieferkette schaffen.

Vermorel erklärt, dass die Optimierung der Lieferkette für POCs eine Herausforderung darstellt, da sie sich oft auf Mikro-Optimierungen konzentrieren, ohne das große Ganze zu berücksichtigen. Dies kann zu Problemen für Lieferanten und Kunden führen. Darüber hinaus erschweren Durchlaufzeiten den Prozess weiter, da es schwierig ist, eine Lieferkette in einem kürzeren Zeitrahmen als der Durchlaufzeit selbst zu optimieren. Dies führt oft dazu, dass POCs viel länger dauern als erwartet.

Chandler und Vermorel diskutieren die Bedeutung des Blicks auf das große Ganze bei dem Versuch, Lieferketten zu optimieren. Sie erwähnen, dass POCs oft nicht die vollständigen Durchlaufzeiten berücksichtigen, die für ein wirkliches Verständnis der Lieferkette erforderlich sind. Vermorel rät dazu, bei jeder Methode einen kapitalistischen Ansatz zu verfolgen und sich auf das zu konzentrieren, was sich unabhängig vom Anbieter oder der gewählten Lösung nicht ändern wird.

Eine Herausforderung bei POCs besteht darin, Daten zu sammeln und zu messen. Vermorel ist der Meinung, dass man nicht optimieren kann, was man nicht misst, daher sollte das Sammeln von Daten eine Priorität sein. Die Realität macht es jedoch oft schwieriger als erwartet, Daten für POCs zu sammeln. Dies liegt an der Komplexität realer Situationen, wie zum Beispiel Einzelhandelsnetzwerken mit mehreren Lagern, Produktionsstätten und Vertriebsstandorten.

Vermorel gibt ein Beispiel dafür, wie es schwierig sein kann, die historische Nachfrage genau zu bewerten. Probleme wie Fehlbestände, Promotions und andere Anomalien können die historischen Bestelldaten verzerren und es schwierig machen, echte Nachfragemuster zu verstehen. Wenn POCs auf diese Probleme stoßen, greifen sie oft auf klassische Prognosemethoden wie wöchentliche Zeitreihen Prognosen zurück. Dieser Ansatz vereinfacht das Problem, ignoriert jedoch die Komplexität und Nuancen der Optimierung der Lieferkette.

Backtesting, oder die Verwendung historischer Daten zur Überprüfung von Prognosen, ist ein weiteres Werkzeug, das bei der Optimierung der Lieferkette verwendet wird. Obwohl es aus statistischer Sicht funktioniert, argumentiert Vermorel, dass es nur einen Bruchteil des großen Ganzen im Supply Chain Management darstellt. Zum Beispiel können Einkaufsmuster durch Faktoren wie ausgehandelte Preise und Mindestbestellmengen (MOQs) beeinflusst werden, die beim Backtesting nicht berücksichtigt werden.

Vermorel betont, dass die Optimierung der Lieferkette kein eindimensionales Problem ist, das allein durch die Genauigkeit der Prognose gelöst werden kann. Er argumentiert, dass bestehende Prozesse überprüft und angepasst werden müssen, um eine Optimierung zu ermöglichen. Das Hauptproblem bei der Fokussierung auf die Prognose besteht darin, dass der größere Zusammenhang übersehen wird und auf eine spezifische Art der Prognose zurückgegriffen wird, die möglicherweise nicht auf alle Situationen anwendbar ist.

Vermorel weist darauf hin, dass Lieferketten seit Jahrzehnten digitalisiert sind, aber viele Unternehmen immer noch auf Excel-Tabellen angewiesen sind und die von verschiedenen Systemen generierten Zahlen ignorieren. Er schlägt vor, dass Unternehmen sich auf die Grundlagen konzentrieren sollten, wie z.B. die Konsolidierung von Daten in einem Data Lake und die Erstellung aussagekräftiger Dokumentation, die die Semantik ihrer Lieferkette widerspiegelt.

Indem sie sich auf die stabilen Aspekte einer Lieferkette konzentrieren, wie z.B. Lieferanten, Produktionsstätten, Lagerhäuser und Vertriebskanäle, können Unternehmen Kennzahlen entwickeln, die ihren langfristigen finanziellen Interessen entsprechen. Vermorel betont, dass die Hauptherausforderung darin besteht, die Semantik der Daten zu verstehen und sicherzustellen, dass die richtigen Daten für die Optimierung zur Verfügung stehen.

Bei der Suche nach Alternativen zu POCs schlägt Vermorel vor, sich auf das zu konzentrieren, was sich in einer Lieferkette nicht ändert, und nach einem Anbieter zu suchen, der eine datengetriebene, ganzheitliche Perspektive bieten kann. Während POCs einige Einblicke bieten können, warnt er davor, zu viel von kleinen Experimenten zu erwarten, da komplexe Probleme eine tiefgreifendere Herangehensweise erfordern.

Er schlägt auch vor, dass die Zusammenarbeit mit Anbietern keine langfristige Verpflichtung sein sollte. Unternehmen können sich an Lean-Initiativen beteiligen und die Leistung des Anbieters wöchentlich bewerten, um sicherzustellen, dass Fortschritte erzielt werden. Wenn der Fortschritt unbefriedigend ist, ist es besser, die Beziehung frühzeitig zu beenden, anstatt mit einem suboptimalen Anbieter fortzufahren.

Vollständiges Transkript

Kieran Chandler: Heute werden wir genau verstehen, warum POCs nicht funktionieren, und auch verstehen, welche Alternativen einem Kunden zur Verfügung stehen, um zwischen den vielen Supply-Chain-Softwarelösungen zu wählen. Also, Joannes, POCs gibt es jetzt seit zwei Jahrzehnten, also können sie nicht alle schlecht sein. In welchen Branchen funktionieren sie tatsächlich?

Joannes Vermorel: Proofs of Concept funktionieren gut, wenn Sie ein enges, spezifisches Problem haben, das Sie lösen möchten, wenn Sie nicht an massive offene Möglichkeiten denken müssen. Zum Beispiel wäre das Archetyp eines Bereichs, in dem ein POC gut funktionieren würde, wenn ich Sie bitte, Ihren E-Mail-Client auszuwählen, weil Sie jahrelang einen E-Mail-Client verwendet haben, sagen wir Microsoft Outlook oder Gmail. Sie wissen also, was Sie erwarten sollten, Sie kennen Ihre Schmerzpunkte. Dies ist ein ziemlich standardisiertes Problem mit standardisierten Lösungen, und Sie werden einen sehr genauen Vergleich anstellen, weil Sie genau wissen, wonach Sie suchen müssen. Für Ihr Unternehmen handelt es sich dabei grundsätzlich um etwas, das nicht transformierend ist; vor Jahrzehnten war es transformierend, als die Leute begannen, E-Mails überhaupt zu verwenden, aber zu diesem Zeitpunkt geht es nur darum, von einem E-Mail-Client zu einem anderen zu wechseln. POCs funktionieren gut für diese super taktischen, klar definierten Probleme. Die große Herausforderung besteht darin, dass die quantitative Lieferkette sozusagen das Gegenteil ist. Es ist etwas, das Ihr Unternehmen grundlegend verändern wird, und es ist grundsätzlich etwas, das völlig nicht lokal ist. Sie können eine Lieferkette nicht lokal von Ihrem Schreibtisch aus ausführen. Es wird kompliziert, weil es ein Netzwerk gibt, das sich über viele Standorte, potenziell viele Länder erstreckt.

Kieran Chandler: Was kennzeichnet das als offenes Problem?

Joannes Vermorel: Die Supply Chain ist zunächst eine Idee, die wir optimieren möchten, und um zu optimieren, müssen wir messen. Allein die Tatsache, dass wir Dinge in Euro oder Dollar messen möchten, erfordert einen erheblichen Aufwand, um eine sinnvolle Messung zu erhalten. Die Metrik, der Ausgangspunkt, ist tatsächlich eine Reise, um die Art und Weise zu verfeinern, wie Ihre numerische Rezeptur bewertet, ob Sie etwas Gutes oder Schlechtes für Ihr Unternehmen tun. Natürlich ist es gut, Kunden zu bedienen, aber eine enorme Menge an Lagerausfällen ist schlecht. Die Frage ist jedoch, wie wir die genauen Kosten für jeden einzelnen Lagerausfall bewerten, den genauen Einfluss auf die Kundentreue für jeden einzelnen Kunden?

Kieran Chandler: Wenn Sie also sagen, dass Proof-of-Concepts grundsätzlich nicht funktionieren, gilt das nur für die quantitative Supply Chain oder für die gesamte Supply Chain-Branche?

Joannes Vermorel: Die meisten Supply Chain-Probleme sind sehr schwer als Proof-of-Concepts zu formulieren. Supply Chains beinhalten per Definition mehrere Parteien: Sie haben viele Lieferanten, viele Kunden, Lagerhäuser, Produktionsstätten. Es handelt sich im Wesentlichen um eine sehr verteilte Herausforderung im Gegensatz zu etwas, das extrem lokal wäre, wie die Optimierung eines Fertigungsprozesses, der völlig isoliert von der restlichen Welt ist. Supply Chains sind vollständig mit Ihren Lieferanten und Kunden verbunden. Daher ist es sehr schwer, etwas zu finden, das sowohl lokal als auch sinnvoll ist, denn das Problem bei Supply Chains ist, dass es sehr einfach ist, eine lokale Optimierung durchzuführen. Der Punkt ist, dass Sie damit in der Regel nur Probleme verschieben. Ja, Sie haben eine große Menge erreicht. Sie haben damit ein Problem für Ihren Lieferanten und vielleicht auch für ein paar Kunden geschaffen. Sie haben das große Ganze nicht gelöst; Sie haben nur etwas lokal mikrooptimiert. Das macht Supply Chain-Probleme im Allgemeinen sehr herausfordernd für Proof-of-Concepts. Und dann gibt es noch eine weitere Schwierigkeit im Fall von Lokad. Weil wir die Zukunft und die Unsicherheiten angehen wollen, müssen die Vorlaufzeiten berücksichtigt werden. Immer wenn wir es mit einer Branche zu tun haben, in der Vorlaufzeiten, sagen wir, drei Monate im Voraus geplant und ausgeführt werden müssen. Das bedeutet, dass egal wie Sie die numerischen Rezepte für Ihre Supply Chain optimieren, eine Iteration ungefähr so lange dauert wie Ihre Vorlaufzeit, um zu vergehen. Das bedeutet, dass Sie in einem Zeitrahmen, der kürzer ist als Ihre Vorlaufzeit, eigentlich nichts tun können, und realistischerweise werden Sie zwei oder drei Iterationen benötigen. Wenn Sie also Vorlaufzeiten von etwa drei Monaten haben und von zwei oder drei Iterationen sprechen, sprechen wir von sechs bis neun Monaten. Das ist für Unternehmenssoftware nicht übermäßig lang, aber wir entfernen uns sehr weit von dem, was die Leute denken, wenn sie an einen schnellen Proof-of-Concept denken.

Kieran Chandler: Lassen Sie uns das ein wenig genauer betrachten. Was Sie sagen, ist, dass ein Proof-of-Concept im Grunde nur ein kleines Bild betrachtet und dass eine Lösung, um wirklich zu funktionieren und sich zu beweisen, das gesamte größere Bild betrachten muss. Und dann haben Sie das zweite Thema angesprochen, das mit den Vorlaufzeiten zu tun hat, und Sie sagen, dass ein Proof-of-Concept normalerweise ziemlich kurz ist und dass wir also nicht die vollen Vorlaufzeiten berücksichtigen, um wirklich Ergebnisse zu erzielen und zu verstehen, was passiert. Wie lange sollten Sie wirklich an einem Proof-of-Concept festhalten, bevor Sie tatsächlich Ergebnisse sehen?

Joannes Vermorelr: Der Punkt ist, dass es zu lange dauern würde, wenn Sie warten, bis Sie Ihre Messungen abschließen und es absolut klar ist, dass Sie die Vorteile messen und kodifizieren können. Deshalb schlagen wir in der Regel vor, eine Methodik zu haben, die in jedem Schritt hochkapitalistisch ist und von der Vision getrieben wird. Was ich mit hochkapitalistisch in jedem Schritt meine, ist, dass Sie unabhängig davon, wie Sie Ihre Supply Chain optimieren möchten, Daten zur Ausführung dieser Optimierung benötigen werden. Der Prozess wird etwas Zeit in Anspruch nehmen, aber er ist irgendwie unabhängig davon, welchen Anbieter oder welche Lösung Sie wählen, auch wenn Sie es intern oder mit einem externen Unternehmen tun möchten. Sie müssen diesen Prozess durchführen. Wenn Sie Ihre Initiative so ausführen können, dass Sie sich auf das konzentrieren, was sich im Hinblick auf den ausgewählten Anbieter nicht ändern wird, wenn überhaupt, am Ende der Initiative, dann können Sie sehr kapitalistisch sein. Sie können beispielsweise nicht optimieren, was Sie nicht messen, also sollten Sie Daten für Messungen sammeln beginnen. Dieser Aufwand wird wahrscheinlich über das hinausgehen, was Sie für einen Proof-of-Concept-großen Aufwand halten.

Kieran Chandler: Das dürfte für viele unserer Zuschauer wahrscheinlich überraschend sein, denn bei Proof-of-Concepts sollte die Datenerfassung eigentlich der einfache Teil sein, der zu Beginn des Proof-of-Concepts bereitgestellt wird. Warum ist es also so schwierig?

Joannes Vermorel: Es ist immer schwierig, weil die Realität ihre eigenen Wege hat, um sicherzustellen, dass Ihre Proof-of-Concept-Versuche auf die elendigste Weise scheitern. Aber im Ernst, nehmen wir eine reale Situation, was passiert. Angenommen, Sie haben ein Einzelhandelsnetzwerk, das ein paar Lagerhäuser, ein paar Produktionsstätten und vielleicht ein paar Vertriebsstandorte umfasst. Jetzt starten Sie Ihre Initiative, bei der Sie sagen.

Kieran Chandler: Lassen Sie uns über Kunden sprechen, die mit Ihrer Dienstleistung zufrieden sind. Sie stellen fest, dass es schwieriger ist, Ihren Proof-of-Concept zu starten und alle Transaktionsdaten zu erhalten, als es anfangs schien. Warum ist das so?

Joannes Vermorel: Nun, zum Beispiel könnten Sie sagen, dass Kundenbestellungen einfach sein sollten. Ja und nein, denn es kann viele seltsame Situationen geben, wie zum Beispiel eine Bestellung eines Kunden, die Sie aufgrund eines Lagerbestands nicht erfüllen können. Sie nehmen gewissenhaft im System auf, dass die Bestellung nicht erfüllt werden konnte. Am nächsten Tag gibt der Kunde eine weitere, noch größere Bestellung auf. Warum? Weil Sie die Bestellung vom Vortag nicht erfüllt haben. Aber wenn Sie die erste Bestellung erfüllt hätten, hätte es wahrscheinlich keine zweite Bestellung am nächsten Tag gegeben. Sie möchten also die historische Nachfrage widerspiegeln, nicht nur den rohen historischen Strom von Bestellungen des Kunden, die aus verschiedenen Gründen beeinflusst wurden. Sie stellen fest, dass es komplizierter ist, als es scheint.

Kieran Chandler: Was passiert in der Regel bei einer Proof-of-Concept-Initiative, wenn Sie all diese Probleme haben?

Joannes Vermorel: Sie versuchen, Wege zu finden, um die Probleme zu vereinfachen, und kommen unweigerlich zu einem klassischen Prognose-Proof-of-Concept zurück, wie einer wöchentlichen Zeitreihenprognose. Sie denken in Bezug auf die Prognose der Nachfrage basierend auf der historischen Nachfrage und können das sofort rückwirkend testen. Sie ignorieren Lagerbestände, Werbeaktionen und alle seltsamen Faktoren. Das Endergebnis ist etwas, das die Definition eines Proof-of-Concepts erfüllt, aber indem Sie das tun, weichen Sie vollständig vom Problem ab, das Sie lösen wollten.

Kieran Chandler: Sprechen wir ein wenig über das Backtesting. Dabei handelt es sich um die Betrachtung historischer Daten in der Vergangenheit, um Prognosen zu erstellen und die beiden zu vergleichen. Warum funktioniert das Backtesting nicht wirklich?

Joannes Vermorel: Aus statistischer Sicht funktioniert das Backtesting, aber es hat Grenzen. Aus Sicht der Supply Chain ist das Backtesting nur ein winziges numerisches Werkzeug, das nur einen Bruchteil des Gesamtbildes darstellt. Wenn Sie darüber nachdenken, die Einkaufsmuster Ihrer Teams zu optimieren, stellt sich heraus, dass vielleicht all diese Mindestbestellmengen nicht in Stein gemeißelt sind. Vielleicht werden diese seltenen Einkäufe durch die Tatsache verursacht, dass Ihr Einkaufsteam niedrige Preise, aber extrem hohe Mindestbestellmengen ausgehandelt hat. Dies zwingt Ihr Team, zusätzliche Verzögerungen zwischen den Bestellungen einzuführen, was alles kompliziert und die Vorlaufzeiten verlängert.

Was ich sagen möchte, ist, dass die Optimierung keine eindimensionale Sache ist, wie zum Beispiel die Verringerung des Fehlers aus Sicht der Prognosegenauigkeit. Es geht auch darum, alle bestehenden Prozesse anzunehmen und zu überdenken und anzupassen, was möglich ist, damit die Optimierung tatsächlich möglich wird. Außerdem müssen Sie darüber nachdenken, was Sie tatsächlich messen. Das Problem ist, dass diese kleinen Proof-of-Concept-Projekte, die unweigerlich zu Zeitreihen-Genauigkeitsbenchmarks zurückkehren, am Ende einen Fehler in Prozent anstelle von Dollar ausdrücken. Auch hier sind wir weit entfernt von jeglichen Geschäftsgrundlagen.

Kieran Chandler: Das eigentliche Problem bei der Prognose ist also, dass Sie sich nur auf diesen Aspekt konzentrieren und nicht das große Ganze betrachten? Es handelt sich um eine sehr spezifische Art der Prognose. Die Beschaffung aller relevanten Daten ist schwierig, sodass Sie sicher sein können, dass Ihr Proof-of-Concept eine klassische Zeitreihenprognose mit wöchentlichen Ein- und Ausgabedaten ist, und das soll es sein. Ich denke, was wir heute beschreiben, kommt ein wenig aus der Erfahrung und den Dingen, die Sie in der Vergangenheit versucht haben und bei Proof-of-Concepts gemacht haben. Also, was sind einige der Hauptprobleme, die Sie bei Ihren POCs erlebt haben?

Joannes Vermorel: Das Schlimmste ist, dass es manchmal gelingt, den POC komplett erfolgreich abzuschließen, und das war wahrscheinlich das, was am meisten wehgetan hat. Als Unternehmen für Unternehmenssoftware gewinnen Sie nicht jede einzelne Chance, die sich Ihnen bietet, daher ist es normal, Leads zu verlieren. Was wirklich weh tut, ist, wenn Sie den POC gewinnen, weil Sie im POC am besten abschneiden, möglicherweise mit großem Abstand, und dann, wenn Sie versuchen, das in eine Produktionsumgebung zu übertragen, explodieren die Dinge komplett und erfüllen keine der Erwartungen des Kunden. Sie erkennen, dass dies daran liegt, dass Sie von einem Spielzeugproblem zu einem realen Problem übergegangen sind. Vielleicht hat das, was Sie für das Spielzeugproblem getan haben, sehr gut in diesem begrenzten Rahmen mit einer klar definierten Metrik funktioniert, aber es hat alle Geschäftsgrundlagen komplett ignoriert. Wenn Sie zur Produktionsumgebung wechseln, stellen Sie fest, dass Ihre Lösung noch nicht einmal annähernd eine Antwort liefert.

Das Schlimmste ist, dass die Lieferketten seit einigen Jahrzehnten digitalisiert sind und dass die Lösung, die Sie in das Unternehmen bringen, genauso sein wird wie die vorherigen Versuche. Es werden eine Menge Zahlen produziert, die von allen komplett ignoriert werden. Unweigerlich greifen alle Lieferketten-Teams wieder auf ihre üblichen Excel-Tabellen zurück und ignorieren die dysfunktionalen Zahlen, die von einem weiteren System produziert werden.

Kieran Chandler: Betrachten wir die Dinge jetzt aus der Perspektive eines Unternehmens. Das Schöne an POCs ist, dass Sie die verschiedenen Möglichkeiten sehen können, wie Softwareanbieter ein Problem angehen und wie sie auf bestimmte Herausforderungen reagieren. Abgesehen davon, welche Alternativen haben Unternehmen anstelle eines POC? Was könnten sie tun, um zu sehen, wie verschiedene Unternehmen abschneiden?

Joannes Vermorel: Die Alternative besteht darin, sich auf die Grundlagen zu konzentrieren. Ich habe darauf hingewiesen, dass die Herausforderung darin besteht, Daten zu konsolidieren. Der moderne Weg, dies derzeit zu tun, besteht darin, einen Data Lake aufzubauen. Der nächste Schritt besteht darin, aus einer Lieferkettenperspektive eine sinnvolle Dokumentation bereitzustellen. Um erfolgreich zu sein, müssen Sie sich auf das konzentrieren, was sich nicht ändert. Ihre Lieferkette wird sich wahrscheinlich in ihren grundlegendsten Aspekten nicht ändern. Sie werden immer noch Lieferanten, Produktionsstätten, Lagerhäuser und Vertriebskanäle haben. Es gibt viele Dinge, die voraussichtlich relativ stabil sein werden, also konzentrieren Sie sich darauf. Wenn Sie Daten konsolidieren, konsolidieren Sie auch die relevante Dokumentation, denn die große Herausforderung besteht immer in der Semantik der Daten.

Was bedeuten diese Daten? Wenn wir ein Bestelldatum haben, war es das Datum, an dem Sie den Auftrag zur Versendung an den Lieferanten erstellt haben, das Datum, an dem der Eintrag in Ihrem System erfasst wurde, oder das Datum, an dem Ihr Lieferant den Auftrag erhalten hat? Es gibt dutzende Möglichkeiten. Die Frage ist, wo sind all diese Dinge dokumentiert? Wenn Sie keinen Zugriff auf die Daten und die Semantik der Daten haben, besteht keine Hoffnung, jemals etwas zu optimieren. Nochmals als Beispiel, als ich einen quantitativen Supply-Chain-Ansatz beschrieben habe, ja, es gibt Lokad als Cloud-Computing Plattform, um all diese numerischen Rezepte im großen Maßstab auszuführen. Aber die Dinge, die für den Kunden von hoher Bedeutung sind, sind die Konsolidierung aller relevanten Daten, das Verständnis der Semantik der Lieferkette, die Entwicklung von Metriken, die die langfristigen finanziellen Interessen Ihres Unternehmens wirklich widerspiegeln, was schwierig ist. Die Entwicklung von Prozessen, die gut mit den physischen Einschränkungen Ihrer Lieferkette funktionieren, und all das ist Teil und weitgehend unabhängig von den Werkzeugen, die Sie zur Ausführung dieser numerischen Berechnungen verwenden.

Kieran Chandler: Wenn wir anfangen, die Dinge zusammenzuführen und heute abschließen, gibt es POCs schon seit Jahrzehnten in der Lieferkettenbranche. Kannst du dir wirklich vorstellen, dass es irgendwann überhaupt keine POCs mehr gibt?

Joannes Vermorel: Offensichtlich wird es immer noch junge Leute geben, die es nicht besser wissen und nach einem weiteren POC fragen werden. Das ist einfach eine Tatsache des Lebens. Und vielleicht haben sie recht, denn es gibt wiederum Situationen, auch in Lieferketten, in denen ein POC wirklich der richtige Weg ist. Wenn Sie beispielsweise einen neuen Barcode-Drucker haben, der mit den alten Barcode-Druckern kompatibel zu sein scheint, aber der neue einfach besser, schneller, günstiger, schlanker usw. ist. Dies ist ein Problem, bei dem Sie einen weiteren Barcode-Drucker kaufen und ihn in Ihrem bevorzugten Lager testen können. Es gibt also Situationen und Probleme, bei denen ein POC einfach der richtige Weg ist. Doch wenn Sie eine ganzheitliche Perspektive auf Ihre Lieferkette haben und eine Herausforderung der Lieferkettenweitenoptimierung betrachten möchten, würde ich sagen, erwarten Sie nicht zu viel von kleinen Experimenten. Es ist einfach so, dass Sie unweigerlich feststellen werden, dass das Problem komplex ist und wenn Sie nicht hart genug versuchen, werden Sie einfach scheitern, weil Sie nicht einmal hart genug an dem Problem gearbeitet haben.

Kieran Chandler: Also, als abschließende Kernbotschaft von heute, ist es so, dass POCs Ihnen einige Einblicke geben können, aber erwarten Sie nicht zu viel und sie funktionieren nicht wirklich als Ganzes?

Joannes Vermorel: Ja, und das Gegenteil eines POC sollte keine zehnjährige Verpflichtung mit einem Anbieter sein. Das ist auch noch eine andere Sache. Nur weil Sie keinen POC durchführen, heißt das nicht, dass Sie nicht sagen können: “Ich denke, wir können mit einem Anbieter zusammenarbeiten. Was wir möchten, ist, Initiativen zu starten, wissen Sie, eine schlanke Branche, damit es nicht sehr teuer sein muss, und dann werden wir Woche für Woche vorankommen.” Anstatt darauf zu achten, dass wir Initiativen innerhalb von zehn Wochen rahmen sollen, geht es eher darum, ob Sie mit dem Fortschritt der Initiative zufrieden sind. Von Woche zu Woche machen Sie Fortschritte in einem zufriedenstellenden Tempo?

Wenn Sie einen Anbieter auswählen und nach drei Wochen feststellen, dass die Dinge immer noch sehr träge erscheinen, sollten Sie aufhören, selbst in einem kürzeren Zeitrahmen als bei einem typischen POC. Die Frage ist eher, Sie denken zehn Jahre voraus, aber das ist Ihre Vision. Sie konzentrieren sich auf ein Element, das für Ihr Unternehmen in den nächsten zehn Jahren von hoher Bedeutung sein wird. Aber wenn es darum geht, einen Unternehmensanbieter vor die Tür zu setzen, weil er einfach nicht liefert, handelt es sich eher um eine wöchentliche Bewertung, bei der Sie überprüfen, ob sich die Dinge entwickeln und ob sich eine Art Schwung aufbaut. Sie suchen nach all diesen kleinen Anzeichen, mit einer unbestimmten Planung im Hinterkopf.

Kieran Chandler: Wir müssen es hierbei belassen, aber wir werden sehen, ob wir alle abgeschreckt haben.