00:00:07 Sündenbock schlechter Daten in Supply-Chain-Projekten.
00:00:33 Warum schlechte Daten eine einfache Ausrede für das Scheitern von Projekten sind.
00:01:42 Herausforderungen bei schlechten Daten und Missverständnisse über deren Qualität.
00:03:16 Schwierigkeiten beim Zugriff auf Daten aus ERP-Systemen und Herausforderungen mit Lieferanten.
00:06:32 Probleme bei der Migration zwischen ERP-Systemen und Datenkorruption.
00:08:01 Korrektur falscher Dateneingaben und deren Auswirkungen auf ERP-Systeme.
00:09:48 Prognose und Erkennen von Problemen in historischen Daten.
00:11:37 Wie sich sich ändernde Semantik und Definitionen zu Datenproblemen führen können.
00:12:20 Skalierbarkeitsprobleme und Optimierung der Datenabfrage bei Unternehmenswachstum.
00:14:45 Herausforderungen bei der Erstellung sauberer täglicher Extraktionen und das Potenzial für Datenfehler.
00:16:02 Die Auswirkungen längerer Verarbeitungszeiten auf die Problemlösung in IT-Abteilungen.
00:17:15 Das Problem der Daten-Semantik und Missverständnisse bei der Dateninterpretation.
00:19:22 Die Bedeutung der Dokumentation für jedes Datenfeld, um ein richtiges Verständnis sicherzustellen.
00:21:01 Die Rolle von Supply-Chain-Praktikern und der IT-Abteilung beim Verständnis der Daten-Semantik.
00:23:59 Die Bandbreite der Probleme im Zusammenhang mit schlechten Daten und die Identifizierung der Ursachen.
Zusammenfassung
In diesem Interview diskutieren Kieran Chandler und Joannes Vermorel die Rolle von Daten bei der Optimierung der Supply Chain und die Herausforderungen, denen sich Softwareanbieter und Praktiker gegenübersehen. Vermorel betont, dass das Hauptproblem nicht “schlechte Daten” sind, sondern der effektive Zugriff und die Nutzung dieser Daten. Herausforderungen umfassen veraltete Systeme, unzureichende Dokumentation und Verantwortung für den Datenzugriff. Konflikte mit Integratoren, Probleme bei der Systemmigration, Prognosen und Skalierbarkeit stellen ebenfalls Probleme dar. Um das Supply-Chain-Management zu optimieren, müssen Unternehmen Datenprobleme verstehen und angehen, in eine ordnungsgemäße Dokumentation investieren, Daten-Semantik klären und realistische Erwartungen haben, anstatt die Daten für Misserfolge verantwortlich zu machen.
Erweiterte Zusammenfassung
In diesem Interview diskutieren Kieran Chandler und Joannes Vermorel, der Gründer von Lokad, die Rolle von Daten in Projekten zur Optimierung der Supply Chain und die Herausforderungen, denen sich Softwareanbieter und Supply-Chain-Praktiker gegenübersehen. Sie beginnen damit, dass die Vorstellung von “schlechten Daten” oft als Sündenbock für das Scheitern von Supply-Chain-Projekten verwendet wird. Vermorel weist darauf hin, dass das Schuldzuweisungen an Daten eine bequeme Möglichkeit ist, um Konflikte mit Personen zu vermeiden, die dies persönlich nehmen und sich dagegen wehren könnten. Er betont jedoch auch, dass das Verständnis der eigentlichen Ursache eines Problems entscheidend ist.
Vermorel behauptet, dass datenbezogene Probleme wahrscheinlich die Hauptursache für das Scheitern von Projekten zur Optimierung der Supply Chain sind, aber die Wahrnehmung von “schlechten Daten” oft fehlgeleitet ist. Er argumentiert, dass die meisten westlichen Unternehmen seit Jahrzehnten genaue Daten haben, dank der Verwendung von Barcodes, Barcode-Scannern und anderen Technologien. Das eigentliche Problem liegt laut Vermorel nicht in der Qualität der Daten selbst, sondern in den Herausforderungen beim Zugriff und der Nutzung dieser Daten.
Eine der Hauptprobleme bei der effektiven Nutzung von Daten besteht darin, Zugriff darauf zu erhalten. Viele Unternehmen verwenden seit Jahren verschiedene Enterprise Resource Planning (ERP)-Systeme, Lagerverwaltungssysteme (WMS), Transportmanagementsysteme (TMS) und andere Softwarelösungen, aber diese Systeme können schwierig sein, wenn es darum geht, Daten zu exportieren. Vermorel identifiziert einige Szenarien, in denen der Zugriff auf Daten besonders problematisch sein kann:
1 Alte Systeme: Einige Unternehmen verwenden immer noch Systeme, die 40 Jahre alt sind und veraltete und proprietäre Backends haben, was das Extrahieren von Daten extrem schwierig macht. 2 Mangelnde Dokumentation: Softwareanbieter stellen möglicherweise keine ausreichende Dokumentation für ihre Systeme zur Verfügung, was es schwierig macht, die zahlreichen Tabellen und Felder in Datenbanken zu verstehen und zu navigieren. 3 Verantwortung und Zugriff: Die Bestimmung, wer für die Gewährung des Zugriffs auf Daten verantwortlich ist, kann eine Herausforderung sein, da dies mehrere Interessengruppen innerhalb eines Unternehmens betrifft, einschließlich des Softwareanbieters, der IT-Abteilung und der Supply-Chain-Praktiker. L10 Das Interview hebt die Bedeutung des Verständnisses und der Bewältigung von datenbezogenen Herausforderungen in Projekten zur Optimierung der Supply Chain hervor. Während die Qualität der Daten selbst in der Regel nicht das Problem ist, können Schwierigkeiten beim Zugriff und bei der Verwendung dazu beitragen, dass diese Projekte scheitern. Die Identifizierung und Bewältigung der Ursachen dieser Herausforderungen ist entscheidend, um den Erfolg von Initiativen zur Optimierung der Supply Chain zu gewährleisten. L11 Sie gehen auf Datenprobleme ein, die sich aus Lieferantenbeziehungen, Systemintegrationen und Skalierbarkeit ergeben, wenn Unternehmen wachsen. L12 L13 Ein zentrales Problem, das sie diskutieren, ist das Potenzial für Interessenkonflikte mit Integratoren, die möglicherweise mehr daran interessiert sind, ihre eigenen Lösungen zur Optimierung der Supply Chain zu verkaufen, anstatt mit dem vom Unternehmen gewählten Lieferanten zusammenzuarbeiten. Dies kann dazu führen, dass Unternehmen von ihren Integratoren als Geiseln genommen werden und es schwierig machen, auf ihre Daten effektiv zuzugreifen oder sie zu nutzen.
Das kann auch zu Konflikten führen, wenn Unternehmen von einem Enterprise Resource Planning (ERP)-System zu einem anderen wechseln, was zu einer schlechten Datenqualität oder einer “Müllintegration” führen kann. Während einzelne Dateneinträge korrekt sein können, können bei der Migration historischer Daten zwischen Systemen Fehler auftreten, da oft keine direkte Eins-zu-Eins-Zuordnung zwischen Daten in den alten und neuen Systemen besteht. Dies kann zu Datenkorruption führen, die möglicherweise keine signifikanten Auswirkungen auf den täglichen Betrieb hat, aber bei der Optimierung der Supply Chain oder bei Datenanalyseprojekten erneut zu einem Problem werden kann.
Das Interview geht auch auf die Prognose auf der Grundlage historischer Daten ein, was aufgrund der inhärenten Unsicherheit der Zukunft schwierig sein kann. Probleme in historischen Daten lassen sich leichter erkennen, wenn die Probleme sichtbar sind, wie Lücken oder plötzliche Änderungen in den Daten. Subtile Veränderungen in Semantik oder Definitionen im Laufe der Zeit können jedoch zu schwieriger zu erkennenden Problemen führen, insbesondere bei der Migration zwischen Systemen.
Mit dem Wachstum von Unternehmen können auch Skalierbarkeitsprobleme auftreten. Für kleinere Unternehmen kann der gesamte historische Datensatz oft auf ein Smartphone passen, sodass die Optimierung weniger problematisch ist. Wenn Unternehmen jedoch größer werden, kann das Volumen der Daten zu einem Problem werden. In der Diskussion wird betont, wie wichtig es ist, diese Datenprobleme zu verstehen und anzugehen, um die Supply-Chain-Verwaltung effektiv zu optimieren.
Vermorel erklärt, dass Unternehmen oft Schwierigkeiten haben, Daten aus ihren Enterprise Resource Planning (ERP)-Systemen zu extrahieren, da diese Systeme nicht darauf ausgelegt sind, saubere tägliche Dateninkremente bereitzustellen. Dies führt zu komplexen Prozessen, die zu falscher Datenextraktion und Fehlern führen können. Das Debuggen und Beheben dieser Probleme kann zeitaufwändig sein und Wochen statt Stunden dauern, aufgrund der Menge an Daten und der langsamen Verarbeitungszeiten.
Viele Unternehmen glauben, dass sie gute Daten haben, aber in Wirklichkeit sind die Semantik der Daten oft unklar. Dies kann zu Missverständnissen und irreführenden Berechnungen führen. Zum Beispiel kann ein “Bestelldatum” mehrere Interpretationen haben, wie die Zeit, zu der die Bestellung vom Kunden aufgegeben wurde, die Zeit, zu der sie im System registriert wurde, oder die Zeit, zu der die Zahlung bestätigt wurde. Um Missinterpretationen zu vermeiden, schlägt Vermorel vor, dass Unternehmen eine detaillierte Dokumentation für jedes Feld und jede Tabelle in ihren Datensystemen haben sollten, die die Komplexität ihrer Supply Chain widerspiegelt.
Ein häufiges Problem bei der Optimierung der Supply Chain besteht darin, dass Praktiker möglicherweise nicht genügend Zeit damit verbringen, ihre Daten zu qualifizieren, was dazu führt, dass Lieferanten mit unvollständigen oder unklaren Informationen arbeiten. Dies kann zu einer Situation führen, in der “Müll hereinkommt, Müll herauskommt”, bei der die Daten nicht unbedingt falsch sind, aber aufgrund mangelnder Dokumentation missverstanden werden.
Um diese Probleme anzugehen, betont Vermorel die Bedeutung der Identifizierung der Ursache des Problems, die in der Regel Menschen und organisatorische Strukturen betrifft. Unternehmen sollten verstehen, wer für das Scheitern verantwortlich ist, und daran arbeiten, die zugrunde liegenden Probleme zu beheben, anstatt einfach die Daten zu beschuldigen. Lieferanten sollten auch ehrlich über die Herausforderungen und die Zeit sein, die erforderlich ist, um die Semantik der Daten zu klären, anstatt übermäßig optimistisch zu sein, um Geschäfte abzuschließen.
Unternehmen müssen in eine ordnungsgemäße Dokumentation, klare Datensemantik und realistische Erwartungen investieren, um ihre Supply Chain zu optimieren und Fehler aufgrund von Datenproblemen zu vermeiden.
Vollständiges Transkript
Kieran Chandler: Heute bei Lokad TV werden wir verstehen, warum dies eine so ungenaue Diagnose ist, und auch verstehen, mit welchen Datenherausforderungen sowohl Softwareanbieter als auch Supply-Chain-Praktiker konfrontiert sein können. Also Joannes, warum ist schlechte Daten eine so einfache Ausrede?
Joannes Vermorel: Erstens, weil Daten sich nicht beschweren können. Niemand wird sie verteidigen, also gibt man etwas Inertem die Schuld, was besser ist, als einen Kollegen zu beschuldigen, der es persönlich nimmt und zurückschlägt. Aber die Realität ist, dass es immer Menschen sind, die für das Problem verantwortlich sind, wenn man zur eigentlichen Ursache geht. Die Daten zu beschuldigen bedeutet, den Schritt der Identifizierung der eigentlichen Ursache des Problems zu überspringen.
Kieran Chandler: Es ist definitiv einfach, etwas anzugreifen, das nicht zurückschlagen wird. Wie können wir genauer sein? Was sind einige der Herausforderungen?
Joannes Vermorel: Datenbezogene Probleme sind wahrscheinlich die Hauptursache für das Scheitern von Projekten zur Optimierung der Supply Chain. Aber es gibt einige Missverständnisse. Wenn die Leute von “schlechten Daten” sprechen, meinen sie korrupte oder falsche Zahlen. Für die meisten westlichen Unternehmen haben sie jedoch seit Jahrzehnten sehr genaue Daten. Fast niemand gibt falsche Teilenummern ein oder macht Tippfehler. Sie verwenden Barcodes, Barcode-Scanner und andere Tricks wie RFID. Die Menge an wirklich schlechten Daten ist in der Regel nur ein sehr kleiner Bruchteil und reicht nicht aus, um zu erklären, warum die meisten Initiativen, die aufgrund von datenbezogenen Problemen scheitern, tatsächlich scheitern.
Kieran Chandler: Wenn die große Mehrheit der westlichen Unternehmen ziemlich gute Daten sammelt, mit welchen Herausforderungen können wir konfrontiert sein, die uns tatsächlich glauben lassen, dass die Daten nicht so gut sind?
Joannes Vermorel: Das erste Problem besteht darin, Zugang zu den Daten zu erhalten. Sie würden überrascht sein. Unternehmen arbeiten seit Jahrzehnten mit verschiedenen Varianten von ERP-, WMS-, TMS- oder anderen Unternehmenssoftware, um ihre Unternehmen täglich zu betreiben und zu betreiben. Aber die meisten dieser Systeme sind nicht sehr benutzerfreundlich, wenn es darum geht, Daten zu exportieren. In einigen Fällen haben Sie Systeme, die so alt sind, dass Sie nicht einmal eine ordnungsgemäße relationale SQL-Datenbank haben, die das System unterstützt. In solchen Situationen ist es wirklich schwierig, die Daten zu extrahieren, weil das Backend in der Regel völlig veraltet und proprietär ist.
Kieran Chandler: Wer ist dafür verantwortlich?
Joannes Vermorel: Hier gibt es mehrere Verantwortlichkeiten. Zunächst kann der Softwareanbieter keine aussagekräftige Dokumentation zum System bereitstellen. Im schlimmsten Fall öffnen Sie Ihre Datenbank und stellen fest, dass Ihr ERP 2.000 Tabellen enthält, von denen jede 20 bis 200 Felder hat, und das ist ein Albtraum. Es ist völlig riesig, und Sie wissen nicht, wo Sie anfangen sollen. Selbst wenn Sie wissen, wonach Sie suchen müssen, können Sie ein Problem mit dem Anbieter haben, dann können Sie ein Problem mit dem Integrator haben. Das Problem mit dem Integrator besteht darin, dass es zu einem Interessenkonflikt kommen kann. Einige Integratoren haben möglicherweise ein lebhaftes Interesse daran, Ihnen ihr eigenes Rezept für die Optimierung der Supply Chain zu verkaufen, für dieses Modul oder ein anderes Modul oder so etwas. Und wenn Sie sie bitten, eine Datenextraktion für Sie durchzuführen, können Ihre internen Teams oder eine andere Initiative, die Sie mit einem anderen Anbieter durchführen möchten, der Integrator kann - es kommt vor, wir haben es schon oft gesehen - einfach nicht kooperativ sein. Denn für sie ist es einfach im strategischen Interesse, nicht wettbewerbsfähig zu sein. Und hier haben Sie eine Geiselsituation, in der das Unternehmen - faktisch - von dem Integrator genommen wird. Das Unternehmen, das IT-Unternehmen, das für die Konfiguration, manchmal das Hosting und insgesamt die Wartung des ERP oder des anderen Computersystems des Unternehmens verantwortlich ist. Das ist ein weiteres Problem mit den Daten. Aber sehen Sie, es hat sehr wenig mit den Daten zu tun.
Kieran Chandler: Ja, definitiv. Nicht auf Ihre Daten zugreifen zu können, klingt wie ein ziemlich großer Blocker. Und wie sieht es mit einigen anderen Herausforderungen aus, die auftreten können? Und ein großes Kopfzerbrechen, das viele unserer Kunden haben, ist, wenn sie von einem ERP-System zu einem anderen ERP-System wechseln. Was kann das mit den Daten machen?
Joannes Vermorel: Es kann Probleme verursachen. In solchen Situationen kann es eine andere Art von schlechten Daten geben. Aber hier sind die Daten wirklich schlecht, wenn Sie eine schlechte Integration haben. Normalerweise sind die Dateneingaben korrekt, aber wenn Sie von einem ERP-System zu einem anderen wechseln, was der Anbieter oder der Integrator oder vielleicht Ihre interne IT-Abteilung versuchen wird, ist im Grunde genommen die Migration der historischen Daten vom alten System zum neuen System. Das Problem ist, dass es keine direkte Übereinstimmung gibt zwischen dem, was im alten System als Verkaufseingang erfasst wurde und dem, was im neuen System als Verkaufseingang erfasst wird. Möglicherweise sind die Dinge einfach anders organisiert, und es gibt keine klare Möglichkeit, die Forderungen aus dem alten System in das neue System zu übertragen. Und dann enden Sie vielleicht mit vorläufigen Integrationen, und hier kann es zu Datenkorruption führen, wenn Sie eine falsche Wiedereingliederung Ihrer Geschichte durchführen. Das wird Ihr Unternehmen nicht daran hindern, den täglichen Betrieb fortzusetzen. Wenn beispielsweise die Verkaufszahlen falsch in das neue System importiert werden, hat dies für die meisten täglichen Operationen keine Auswirkungen. Und selbst wenn es Auswirkungen hat, wird in der Regel jemand schnell eine Lösung für etwas finden, das falsch ist, und weitermachen. Es kann eine Quelle für fortwährende Reibung sein, aber zuerst verschwindet sie schnell, weil wenn die Leute stolpern, zum Beispiel, wenn Lieferantenkennungen falsch importiert wurden. Ihre Chancen stehen gut, dass Sie nicht eine Million Lieferanten haben, also werden Ihre 100 häufigsten Lieferanten wahrscheinlich innerhalb von zwei Wochen ab dem Datum, an dem Sie das neue System verwenden, in Bezug auf die Korrektur der falschen Dateneingaben behoben sein. Und vielleicht haben Sie nach drei Monaten praktisch jeden einzelnen falschen Lieferanteneintrag behoben. Aber das Problem ist der historische Code. Die Leute werden nicht zurückgehen und die historischen Daten korrigieren. Angenommen, Sie haben fünf Jahre lang Geschichte, vielleicht drei Jahre, vielleicht ein Jahr, je nachdem, wie lange Sie zurückgehen möchten. Es ist sehr unwahrscheinlich, dass Sie jemals die Zeit finden werden, um all diese historischen Daten zu korrigieren. Es ist einfach zu zeitaufwändig, und es gibt keinen wirklichen Anreiz, dies zu tun.
Kieran Chandler: In Zukunft, wie einfach ist es, diese Probleme zu erkennen, die in der Vergangenheit aufgetreten sein könnten?
Joannes Vermorel: Es ist einfach, diese Probleme zu erkennen, wenn offensichtliche Probleme auftreten, wie fehlende Daten für einige Monate. Es kann jedoch subtile Änderungen geben, die schwerer zu erkennen sind, wie Unterschiede in der Art und Weise, wie Verkäufe gezählt werden, ob Betrug oder Rücksendungen enthalten sind. Dies kann zu vielen Problemen führen, die in historischen Daten schwer zu erkennen sind, weil sich die Definition der Daten im Laufe der Zeit geändert hat, und es ist nicht offensichtlich, es sei denn, es gibt einen bemerkbaren Anstieg oder eine bemerkbare Abweichung.
Kieran Chandler: Wie einfach ist es in Zukunft, diese Probleme zu erkennen, die in der Vergangenheit aufgetreten sein könnten?
Joannes Vermorel: Es ist einfach, diese Probleme zu erkennen, wenn offensichtliche Probleme auftreten, wie fehlende Daten für einige Monate. Es kann jedoch subtile Änderungen geben, die schwerer zu erkennen sind, wie Unterschiede in der Art und Weise, wie Verkäufe gezählt werden, ob Betrug oder Rücksendungen enthalten sind. Dies kann zu vielen Problemen führen, die in historischen Daten schwer zu erkennen sind, weil sich die Definition der Daten im Laufe der Zeit geändert hat, und es ist nicht offensichtlich, es sei denn, es gibt einen bemerkbaren Anstieg oder eine bemerkbare Abweichung.
Kieran Chandler: Ein weiteres Problem, das bei den Kunden, mit denen wir sprechen, häufig auftritt, ist die Skalierbarkeit. Wenn ein Unternehmen wächst, werden die Daten immer unübersichtlicher. Welche Probleme kann die Skalierbarkeit mit sich bringen?
Joannes Vermorel: Wenn Sie keine Skalierbarkeitsprobleme haben, können Sie einfach alle Daten des Unternehmens jeden Tag kopieren. Für kleinere Unternehmen mag dies noch machbar sein, da ihre gesamte Historie möglicherweise weniger als 10 Gigabyte umfasst. Wenn Sie jedoch zu größeren Unternehmen heranwachsen, haben Sie viel mehr Daten und müssen auf inkrementelle Datenabfrage umsteigen. Das bedeutet, dass Sie jeden Tag einen Teil der Daten extrahieren müssen, und einige Systeme sind nicht darauf ausgelegt, dies effizient oder genau zu handhaben. Sie müssen also komplizierte Dinge tun, um eine saubere tägliche Extraktion aufzubauen, und dabei setzen Sie sich potenziellen Problemen aus.
Kieran Chandler: Am Ende haben Sie also schlechte Daten, nur weil Sie die Datenextraktion inkrementell durchführen möchten, und es ist schwierig, weil das System möglicherweise nicht für diese Aufgabe entwickelt wurde. Wenn Sie über das Debuggen nachdenken, möchten Sie einfach Daten von einem Ort an einen anderen kopieren, und es kann ein sehr banales Problem sein. Wenn der Prozess eine Minute dauert, kann jemand in Ihrer IT-Abteilung fünf Minuten damit verbringen, den Prozess auszulösen, und sich sicher sein, dass er funktioniert. Wenn der Prozess jedoch sechs Stunden dauert, wird er zu einem mühsameren Prozess. Können Sie die Herausforderungen in dieser Situation erklären?
Joannes Vermorel: Sicher. Stellen Sie sich vor, Sie haben ein System, bei dem der Prozess sechs Stunden dauert, um abgeschlossen zu werden. In Ihrer IT-Abteilung wird jemand den Prozess starten, 10 Minuten warten, feststellen, dass es zu lange dauert, und etwas anderes tun. Sie könnten es sogar vergessen. Am nächsten Tag bemerken sie vielleicht einen kleinen Fehler, der nach sechs Stunden zu einem Absturz geführt hat. Um das Problem zu reproduzieren, dauert es weitere sechs Stunden Verzögerung. Als Ergebnis haben Sie Probleme, die in nur wenigen Stunden lösbar sein sollten, aber aufgrund von mehr Komplexität und längeren Verarbeitungszeiten zu einem sehr mühsamen Prozess werden, bei dem sich die Gesamtverzögerungen auf Wochen summieren. Nicht, weil es Wochen an Aufwand sind, sondern weil die Leute den Prozess starten, ihn vergessen und am nächsten Tag zurückkommen. Dies führt zu sehr langsamen Iterationen.
Kieran Chandler: Wie weit verbreitet würden Sie sagen, sind diese Probleme? Gibt es viele Unternehmen da draußen, die tatsächlich glauben, dass sie sehr gute Daten haben, aber in Wirklichkeit, wenn man genauer hinschaut, ist es nicht so großartig?
Joannes Vermorel: Ja, es gibt ein weiteres Problem, das wir nicht diskutiert haben, nämlich die Semantik selbst. Viele Unternehmen glauben, dass sie gute Daten haben, aber in Wirklichkeit haben die Daten eine unbekannte Semantik. Was ich damit meine ist, wenn wir zum Beispiel über ein Bestelldatum sprechen, gibt es viele mögliche Interpretationen. Es könnte das Bestelldatum des Kunden sein, die Zeit, zu der die Bestellung auf der Website aufgegeben wurde, im System registriert wurde oder sogar wenn die Zahlung als gültig bestätigt wurde. Es könnte 20 verschiedene Interpretationen geben, was dieses Bestelldatum bedeutet.
Wenn wir mit Kunden zusammenarbeiten, stoßen wir in der Regel auf Tabellen und Spalten mit wenig Dokumentation. Aber wenn wir mit der Datenbereitstellung fertig sind, haben wir fast eine Seite Dokumentation pro Feld pro Tabelle. Eine typische Supply-Chain-Situation umfasst etwa 20 Tabellen mit 20 Feldern, also sprechen wir von 400 Seiten Dokumentation, um zu klären, was die Daten bedeuten. Die Leute sind normalerweise sehr überrascht darüber, aber es ist notwendig, die Daten richtig zu verstehen.
Kieran Chandler: Joannes, können Sie über die Bedeutung des richtigen Verständnisses der Daten bei der Optimierung der Supply Chain sprechen?
Joannes Vermorel: Ja, nur die Komplexität Ihrer Supply Chain spiegelt sich in diesen Daten wider, und wenn Sie diese Arbeit nicht tun, haben Sie Daten, die Sie nicht richtig verstehen. Daher gilt: Müll rein, Müll raus. Es geht nicht darum, dass die Daten Müll sind, im Sinne dass die Zahlen falsch sind, sondern Sie wissen nicht, was die Daten bedeuten. Wenn Sie also ein Datum haben, das Sie nicht richtig verstehen, wird jede Berechnung oder Modernisierung, die Sie durchführen, zu etwas Irreführendem führen. Die Semantik der Daten ist also die Schlussfolgerung, und die Dokumentation muss vorhanden sein, bevor Sie überhaupt ein Projekt starten können.
Kieran Chandler: Wer ist also schuld, wenn es um Semantik geht?
Joannes Vermorel: Ich würde sagen, dass die Verantwortung bei den Supply-Chain-Praktikern liegt. Die meisten von ihnen würden sagen, dass es ein IT-Problem ist. Aber wie Sie die Semantik der Daten sehen, hängt wirklich von dem Prozess ab, den Sie haben. Wenn Sie den Prozess haben, bei dem Sie Produkte beim Betreten des Lagers scannen, weil Sie diesen Prozess haben, extrahieren Sie rund um die IT-Abteilung. Sie sind nicht vor Ort im Lager, daher wissen sie nicht genau, wie Ihr Prozess aufgebaut ist. Die einzigen Personen, die es genau wissen, weil diese Daten nur das Ergebnis eines Prozesses sind, der generiert wird, sind sie an erster Stelle im System. Also, mein Punkt ist, erwarten Sie nicht, dass die IT, die nur die Maschinen verwaltet und sicherstellt, dass die Software genügend Rechenleistung, Speicherbandbreite und Festplattenspeicher hat, die Einblicke, Fähigkeiten und das Verständnis hat, um zu verstehen, was die Daten bedeuten. Was die Daten bedeuten, ist typischerweise ein sehr geschäftsspezifisches Problem. Es ist überhaupt kein IT-Problem. Daher liegt die Schuld auch häufig auf Seiten der Praktiker. Die Praktiker haben nicht genug Zeit damit verbracht, es richtig zu qualifizieren, mit ihren eigenen Worten und ihrem eigenen Verständnis. Daher endet man bei der Supply-Chain-Optimierung mit einem Anbieter, der diese Daten halbblind behandelt. Das führt zu Müll rein, Müll raus.
Kieran Chandler: Kann auch der Lieferant schuld sein?
Joannes Vermorel: Ja, natürlich kann auch der Lieferant schuld sein. Unternehmen wie Coke Ad, die die Optimierung der Lieferkette betreiben, und in der Regel liegt es daran, dass der Lieferant versucht, schlau zu sein. Normalerweise versuchen sie, ihre Herausforderung zu minimieren, weil sie ein Problem verkaufen wollen. Sie diskutieren Möglichkeiten wie: “Vertrauen Sie uns. Es wird ein Kinderspiel sein. Wir werden das in wenigen Wochen erledigen. Boom, wir machen es so und es wird funktionieren.” Die Realität ist jedoch, dass es sechs Monate dauern kann, um Ihre Daten zu qualifizieren, und es tut uns leid, aber Sie hätten es tun sollen, aber Sie haben es nicht getan, also müssen wir es für Sie tun", einem Supply Chain-Direktor zu sagen, ist es natürlich schwer, einen solchen Deal abzuschließen. Es ist also viel einfacher, überoptimistisch zu sein, aber das ist ein Rezept für das Scheitern. Dann muss der Lieferant die Schuld tragen, weil er es besser wissen sollte. Vielleicht weiß der Kunde es nicht besser, weil er zum ersten Mal versucht, ein Projekt zur quantitativen Vorhersage der Lieferkette zu optimieren. Aber dann der Lieferant, der per Definition wahrscheinlich nicht das erste Mal ist, dass sie das tun. Sie sollten es besser wissen. Wenn sich also die Situation ergibt, dass diese Art von Daten nicht vorhanden ist, dann sollten sie
Kieran Chandler: Dann sollten sie den Kunden im Grunde genommen warnen, dass sie möglicherweise mehrere Monate Aufwand benötigen, um die Semantik der Daten zu klären, damit die Daten als gut qualifiziert werden können. Aber es war nicht so, dass es anfangs wirklich schlecht war. Also ist gut in dieser Situation nicht das Gegenteil von schlecht; es ist eher das Gegenteil von Dark Data oder nicht qualifizierten Daten oder unordentlichen Daten.
Joannes Vermorel: Okay, um heute abzuschließen, gibt es eine Vielzahl von verschiedenen Problemen, die tatsächlich unter das Dach der schlechten Daten fallen. Ich würde sagen, versuchen Sie sicherzustellen, die Wurzel des Problems zu identifizieren, und in der Regel sind es die Menschen. Wenn ich sage, dass es die Menschen sind, meine ich natürlich nicht, dass man James aus der IT-Abteilung die Schuld für das Chaos geben möchte. Aber wenn ich sage, dass das Problem bei den Menschen liegt, müssen Sie genau verstehen, wer für das Versagen verantwortlich ist, und vielleicht wurde diese Person tatsächlich in eine Situation gebracht, in der sie nichts anderes tun konnte als zu scheitern.
Sie sehen, Sie können zu dem Schluss kommen, dass James aus der IT-Abteilung versagt hat, aber auch dass die Organisation selbst diesen armen James in eine Situation gebracht hat, in der er realistisch gesehen keine andere Wahl hatte, als zu scheitern. Es ist interessant, dass Sie das Problem aus einem Blickwinkel betrachten, der Ihnen zumindest Hinweise darauf gibt, wie Sie es beheben können, anstatt zu sagen, dass die Daten schlecht waren, zu schlecht, schlechte Daten. Und dann würden Sie bei einer weiteren Initiative einfach das gleiche Problem, die gleichen Fehler wiederholen und letztendlich mit dem gleichen Scheitern enden.
Kieran Chandler: Okay, nun, wenn der Chef von James zuschaut, hoffe ich, dass er Verständnis hat. Das war alles für diese Woche. Vielen Dank fürs Zuschauen und bis zum nächsten Mal. Tschüss für jetzt.
