Die Quantitative Supply Chain (mit Stefan de Kok)

00:00:07 Einführung von Stefan de Kok und das Akzeptieren von Unsicherheit in Lieferketten.
00:00:34 Stefans Hintergrund, Gründung von Wahupa und anfängliche Schwierigkeiten.
00:03:18 Unterschiedliche Arten von Unsicherheit in Lieferketten und ihre Auswirkungen.
00:04:53 Lokads Ansatz zur Bewältigung von Unsicherheit mit Hilfe von probabilistischer Prognose.
00:06:43 Traditionelle Ansätze zur Bewältigung von Unsicherheit: Puffer, Reaktionsmechanismen und Ignorieren.
00:08:01 Konsequenzen des Ignorierens von Kundenbedürfnissen und des Verlassens auf Reaktionen.
00:09:59 Diskussion über den Weg zur probabilistischen Prognose.
00:12:35 Stefans Erkenntnisse und die Akzeptanz der probabilistischen Prognose.
00:14:01 Erkenntnis der Bedeutung des Konzepts anstelle der Methode.
00:15:25 Bedeutung der Änderung traditioneller Metriken für eine bessere Prognose.
00:18:38 Unterstützung von Kunden bei der Akzeptanz von Unsicherheit und Strategien aus softwaretechnischer Sicht.
00:20:19 Die Auswirkungen einer Unternehmensumstellung auf einen probabilistischen Ansatz.
00:22:38 Beobachtung der Bereitschaft des Marktes, Unsicherheit zu akzeptieren, und was die Interviewpartner für die Zukunft begeistert.
00:25:01 Schlussbemerkungen.

Zusammenfassung

In einer Folge von LokadTV führt Gastgeber Kieran Chandler ein Interview mit Joannes Vermorel, dem Gründer von Lokad, und Stefan de Kok, dem Mitbegründer und CEO von Wahupa, über die Unsicherheit in der Lieferkette. Sie betonen die Akzeptanz von Unsicherheit und die Berücksichtigung aller möglichen Ergebnisse für ein besseres Management. Die traditionelle Methode der Szenarioplanung ist ressourcenintensiv, während die probabilistische Prognose eine prägnante Lösung bietet. De Kok identifiziert drei Möglichkeiten, wie Unternehmen mit Unsicherheit umgehen: Verwendung von Puffern, Reaktion darauf oder Ignorieren. Beide Gäste plädieren für die Einführung der probabilistischen Prognose, Offenheit über Methoden, ohne das “Geheimrezept” preiszugeben, und die Verwendung probabilistischer Metriken für Entscheidungsfindung. Sie sehen eine zukünftige weit verbreitete Nutzung probabilistischer Ansätze voraus.

Erweiterte Zusammenfassung

In dieser Folge von LokadTV führt Gastgeber Kieran Chandler ein Interview mit Joannes Vermorel, dem Gründer von Lokad, einem Softwareunternehmen, das sich auf Supply Chain-Optimierung spezialisiert hat, und Stefan de Kok, dem Mitbegründer und CEO von Wahupa. Die Diskussion konzentriert sich auf die Akzeptanz von Unsicherheit in Lieferketten, die traditionell mit Pufferbeständen gehandhabt wird. Die Gäste diskutieren auch ihre Hintergründe und die von ihnen gegründeten Unternehmen.

Stefan de Kok, Mitbegründer von Wahupa, begann seine Karriere in angewandter Mathematik an der Technischen Universität Delft in den Niederlanden. Nach dem Eintritt in den Arbeitsmarkt stieß er zufällig auf ein Unternehmen für Supply Chain-Software und schloss sich ihnen an. Im Laufe der Zeit arbeitete er in verschiedenen Positionen wie Beratung, Produktmanagement und funktionaler Beratung. Nachdem er sich arbeitslos fand, beschloss er, seine Ideen umzusetzen und die Probleme anzugehen, die er im Laufe der Jahre entdeckt hatte. Seine ursprüngliche Idee bestand darin, eine Plattform zu schaffen, die auch für kleinere Unternehmen verfügbar sein sollte, da bestehende Produkte hauptsächlich auf große Unternehmen der Stufe 1 abzielten. Im Jahr 2003 hatte er Schwierigkeiten, Menschen zu finden, die in der Lage waren, die Plattform zu entwickeln, fand aber schließlich ein Team, um seine Vision zum Leben zu erwecken.

Unsicherheit ist ein zentraler Aspekt des Supply Chain Managements, da alles in der Zukunft potenziell unsicher ist. Beispiele für Unsicherheit sind Lieferzeiten, Dauer, Qualität oder Erträge und Raten. Stefan ist der Meinung, dass Supply Chain-Experten die Auswirkungen aller möglichen Kombinationen zukünftiger Ergebnisse berücksichtigen sollten, auch wenn dies eine komplexe Aufgabe sein kann.

Joannes Vermorel, der Gründer von Lokad, teilt seine Gedanken zur Bewältigung der Herausforderungen, die sich aus der Unsicherheit ergeben. Traditionell verwendeten Unternehmen “Was-wäre-wenn”-Szenarien, um sich auf Unsicherheit vorzubereiten, aber dieser Ansatz kann schnell mühsam werden. Um Unsicherheit effektiv zu bewältigen, müssen Supply Chain-Experten alle möglichen Zukünfte und ihre potenziellen Auswirkungen berücksichtigen.

Vermorel teilt mit, dass die traditionelle Methode, Szenarien zur Bewältigung komplexer Supply Chain-Probleme zu verwenden, sowohl zeitaufwändig als auch ressourcenintensiv ist. Die probabilistische Prognose bietet jedoch eine elegante, prägnante Lösung, die mit Hilfe von Rechenleistung implementiert werden kann. Dieser Ansatz hat den zusätzlichen Vorteil, dass weniger Personen benötigt werden, um eine Supply Chain zu verwalten und zu betreiben, was sowohl aus software- als auch aus betrieblicher Sicht effizienter ist.

De Kok erklärt, dass Unternehmen auf drei Hauptarten mit Unsicherheit in Supply Chains umgehen: durch die Verwendung von Puffern, das Reagieren auf Unsicherheit, wenn sie auftritt, oder einfach das Ignorieren von Unsicherheit. Die meisten Unternehmen nutzen eine Kombination dieser Ansätze, aber die Herausforderung besteht darin, das richtige Gleichgewicht zwischen ihnen zu finden. Wenn Puffer nicht genau sind, müssen Unternehmen durch Reaktionen überkompensieren, was teuer sein kann. Die Aspekte, auf die nicht reagiert werden kann, werden oft ignoriert, was zu langfristigen Schäden, Kundenzufriedenheit und möglicherweise Insolvenz führen kann.

De Kok betont auch die Rolle von Puffern wie Lieferzeiten, Kapazitäten und Beständen bei der Bewältigung der Unsicherheit in der Supply Chain. Unternehmen haben oft aufgeblähte Puffer, um Probleme zu vermeiden, die reaktives Handeln erfordern. Er weist jedoch darauf hin, dass viele Unternehmen immer noch Schwierigkeiten haben, ihre angestrebten Service Levels zu erreichen, da ihre tatsächliche Leistung oft durch reaktives Handeln und nicht durch Puffer bestimmt wird.

Vermorel erklärt, dass sein Unternehmen, Lokad, mit klassischer Prognose begann, aber schließlich zur probabilistischen Prognose überging. Zunächst verwendeten sie Quantilprognosen, die absichtlich eine Verzerrung einführen, um Situationen zu berücksichtigen, in denen die Prognose des Mittelwerts ungenau wäre. Dann gingen sie dazu über, Quantilgitter zu verwenden, bei denen die Verzerrungen schrittweise erhöht wurden, und schließlich zur probabilistischen Prognose, bei der alle Verzerrungen auf einmal berücksichtigt werden.

De Kok teilt mit, dass er bereits 2006 eine Erleuchtung hinsichtlich des Werts der probabilistischen Prognose hatte, als er erkannte, dass unsichere Werte nicht durch genaue Zahlen dargestellt werden können. Er begann, eine probabilistische Arithmetik zu entwickeln, und fand sie als elegante Lösung für komplexe Supply Chain-Probleme. Anfangs behielt de Kok seinen Ansatz der probabilistischen Prognose für sich, da er ihn als einen wesentlichen Unterscheidungsfaktor für sein Unternehmen betrachtete. Schließlich entdeckte er jedoch, dass auch andere Unternehmen, einschließlich Lokad, ähnliche Methoden verwendeten, was die Machbarkeit und den Wert der probabilistischen Prognose in der Branche bewies.

Stefan de Kok betont, dass es verschiedene Möglichkeiten gibt, das gleiche Ziel in der Optimierung der Supply Chain zu erreichen. Er hebt vier Schlüsselpunkte hervor: 1) Unsicherheit akzeptieren; 2) probabilistische Prognose und Planung übernehmen; 3) offen über die Methoden und Ideen sein, ohne das “Geheimrezept” preiszugeben; und 4) erkennen, dass traditionelle Kennzahlen unzureichend sind und durch probabilistische Kennzahlen ersetzt werden müssen. Sowohl Vermorel als auch de Kok sind sich einig, dass die Änderung der Kennzahlen und die Nutzung probabilistischer Ansätze für eine bessere Entscheidungsfindung im Supply Chain Management entscheidend sind.

Vermorel erklärt, dass eine probabilistische Modellierung es ermöglicht, die Simulation mehrerer möglicher Zukünfte durchzuführen, was wiederum die Bewertung von Entscheidungen und ihren potenziellen Ergebnissen ermöglicht. Er stellt auch fest, dass die für die Prognose verwendete Technologie und die verwendeten Algorithmen weniger wichtig sind als der Gesamtansatz, wie die Entwicklung der eigenen Prognose-Engines von Lokad zeigt.

De Kok behauptet, dass es wichtig ist, Kunden dabei zu helfen, Unsicherheit anzunehmen, indem man selbsterklärende Ergebnisse liefert, die Vertrauen inspirieren. Die Visualisierung der Ergebnisse ist entscheidend, da sie es den Benutzern ermöglicht, den Bereich möglicher Werte und ihre Wahrscheinlichkeiten zu verstehen. Er vergleicht die Beziehung zwischen Softwareanbietern und Kunden mit der zwischen Mechanikern und Fahrern, wobei die ersteren anspruchsvolle Werkzeuge für die letzteren entwickeln, die diese leicht und effektiv nutzen können.

Bei der Diskussion über die Auswirkungen eines probabilistischen Ansatzes auf Unternehmen weist Vermorel darauf hin, dass er oft Erkenntnisse liefert, die mit der Intuition übereinstimmen. Zum Beispiel kann eine klassische Prognosemethode eine Überbestückung von verderblichen Waren vorschlagen, während ein probabilistischer Ansatz die mit Fehlbeständen und Verderb verbundenen Risiken genauer ausbalancieren würde.

In Bezug auf die Marktaufnahme stellt de Kok fest, dass es Widerstand gegen die Akzeptanz von Unsicherheit gegeben hat, dieser aber allmählich abnimmt. Er identifiziert zwei Stufen der Akzeptanz: erstens die Erkenntnis, dass genaue Zahlen nicht ausreichen, um mit Unsicherheit umzugehen, und zweitens die Überwindung von Missverständnissen über die Komplexität probabilistischer Ansätze. Er äußert Optimismus über den wachsenden Trend, diese Methoden zu akzeptieren, und erwartet, dass sie letztendlich in der Branche weit verbreitet sein werden.

Das Interview hebt den Wert der Akzeptanz von Unsicherheit, die Übernahme probabilistischer Kennzahlen und die Nutzung von Visualisierung für eine bessere Entscheidungsfindung in der Optimierung der Supply Chain hervor. Sowohl Vermorel als auch de Kok setzen sich für die kontinuierliche Weiterentwicklung der Prognosetechnologie ein und sehen eine Zukunft, in der probabilistische Ansätze von der breiten Masse übernommen werden.

Vollständiges Transkript

Kieran Chandler: Heute bei Lokad TV freuen wir uns, Stefan de Kok, den Gründer von Wahupa, begrüßen zu dürfen, der uns erklären wird, warum diese Unsicherheit nicht als Hindernis, sondern als etwas betrachtet werden sollte, das angenommen werden sollte. Also, Stefan, vielen Dank, dass du heute bei uns bist. Vielleicht könntest du damit beginnen, uns ein wenig über deinen Hintergrund und auch über Wahupa, das von dir gegründete Unternehmen, zu erzählen.

Stefan de Kok: Nun, vielen Dank, Kieran und Joannes, dass ihr mich eingeladen habt. Also, ich bin einer der Mitbegründer von Wahupa. Ich habe angefangen, angewandte Mathematik an der Technischen Universität Delft in den Niederlanden zu studieren und hatte noch nie von dieser Sache namens Supply Chain gehört. Nachdem ich auf den Arbeitsmarkt gekommen war, bin ich zufällig auf ein Unternehmen für Supply Chain-Software gestoßen und habe mich ihnen angeschlossen. Ich habe es keinen einzigen Moment bereut. Dann habe ich viel für sie und viele Kunden in den Bereichen Beratung, Softwareberatung, funktionale Beratung und Software-Produktmanagement gearbeitet. Dann, nach einer weiteren zufälligen Begegnung, stand ich plötzlich ohne Job da, und das war der Moment, als mir klar wurde, dass ich jetzt tatsächlich etwas gegen all diese Ideen tun konnte, an denen ich gearbeitet hatte, all die Probleme, die ich im Laufe der Jahre entdeckt hatte, konnte ich jetzt tatsächlich etwas dagegen tun.

Die ursprüngliche Idee bestand darin, eine Plattform aufzubauen, die zu der Zeit etwas Größeres als S&OP war und viele der besten Lösungen, aber nicht viele der Probleme, die sie hatten, einschloss, hauptsächlich die Integration. Ich stellte fest, dass etwa 70% jeder Implementierung von der Integration in Anspruch genommen wurden, und ich wollte eine Plattform schaffen, die auch für kleinere Unternehmen verfügbar war. Selbst die damaligen Produkte waren hauptsächlich auf die großen Unternehmen der Stufe 1 ausgerichtet, und kleinere Unternehmen, die mit denselben Problemen konfrontiert waren, hatten keine wirklich gute Lösung. So begann es, und dann fand ich, und das war schon 2003, dass es unglaublich schwer war, die Leute zu finden, die es tatsächlich bauen konnten. Im Laufe der Jahre habe ich die Idee verändert, sie ist gewachsen, ich hatte mehr Erleuchtungen, und schließlich habe ich vor ein paar Jahren die Leute gefunden, von denen ich überzeugt war, dass sie dieses Ding tatsächlich bauen konnten, und sie waren überzeugt, dass es eine großartige Idee war, sich damit zu beschäftigen, und wir haben angefangen.

Kieran Chandler: Und das bringt uns schön zu unserem heutigen Thema, nämlich der Akzeptanz von Unsicherheit in den Lieferketten. Die Nachfrage ist natürlich das offensichtliche Beispiel, aber mit welchen anderen Arten von Unsicherheit können wir konfrontiert werden?

Stefan de Kok: Nun, alles, was in der Zukunft passieren wird, ist potenziell unsicher. Wenn Sie in der Lieferkette tätig sind, müssen Sie nicht nur an die Mengen, sondern vielleicht auch an die Vorlaufzeiten, Dauern, Qualität oder Güte, Erträge, Raten, praktisch alles denken, was in der Zukunft passieren wird, ist in unterschiedlichem Maße unsicher. Wir müssen uns also wirklich die Auswirkungen nicht nur des Durchschnittswerts all dieser zukünftigen Dinge ansehen, sondern aller möglichen Kombinationen aller möglichen Zukünfte, was sehr komplex klingt und es auch ist, aber es ist auch das, was wir tun müssen. Und sobald etwas in die Vergangenheit übergeht, ist es fast sicher. Selbst in der Vergangenheit gibt es eine gewisse Unsicherheit. Es gibt Datenprobleme, und Sie wissen vielleicht nicht einmal, ob etwas wirklich auf eine bestimmte Weise passiert ist, aber größtenteils, sobald es die Vergangenheit erreicht hat, ist es nicht mehr in großem Maße unsicher, und irgendwo dazwischen.

Kieran Chandler: Joannes wird sich heute als Teil unserer Diskussion anschließen, und Joannes, diese Idee, einer unsicheren Zukunft zu begegnen, steht im Mittelpunkt des Ansatzes von Lokad. Wie gehen Sie mit diesen Herausforderungen um? Eine traditionelle Herangehensweise wäre beispielsweise die Verwendung von Was-wäre-wenn-Szenarien wie optimistischen und pessimistischen Szenarien.

Joannes Vermorel: Das Hauptproblem beim Umgang mit einer unsicheren Zukunft durch Szenarien besteht darin, dass es schnell unglaublich mühsam und zeitaufwändig wird. Es erfordert so viel Aufwand, diese Szenarien auszuarbeiten. Interessanterweise ist es mit probabilistischer Prognose in gewisser Weise so, dass man das Problem irgendwie mit Brute-Force angeht. Man könnte denken, dass es unglaublich schwierig wäre, alle möglichen Zukünfte zu berücksichtigen, aber es stellt sich heraus, dass es mit ausreichender Rechenleistung tatsächlich viel einfacher ist, die Software zu implementieren und einfach auszuführen, im Vergleich zu einem sehr komplexen System, das viele Szenarien verwalten muss. Es ist sehr interessant, weil es nicht nur mathematisch elegant und prägnant ist, um mit komplexen Phänomenen umzugehen, sondern auch effizient für die Lieferkette, in der nicht so viele Menschen arbeiten. Es ist relativ schlank, sowohl aus der Sicht der Softwareentwicklung als auch aus der Sicht des Betriebs für die Menschen, die das System verwalten müssen, um tatsächlich eine Lieferkette zu betreiben. Deshalb interessiere ich mich sehr für diesen Ansatz und bin begeistert davon.

Kieran Chandler: Stefan, schauen wir uns einige der traditionelleren Ansätze an, die die Leute verfolgen. Wie werden diese klassischen Ansätze deiner Meinung nach eingesetzt, um Unsicherheit zu berücksichtigen?

Stefan de Kok: Es gibt wirklich zwei oder drei verschiedene Möglichkeiten, wie Menschen mit Unsicherheit umgehen. Die erste besteht darin, Puffer zu verwenden; die zweite besteht darin, auf die Unsicherheit zu reagieren, wenn sie auftritt, mit einem Reaktionsmechanismus wie der Beschleunigung; und die dritte besteht einfach darin, sie zu ignorieren. Jeder macht von jedem etwas, und die Frage ist, wie viel Sie in jeden investieren sollten. Was in der Regel passiert, ist, dass es bei Puffern um die Genauigkeit geht. Wenn Sie Ihren Puffer falsch berechnen, müssen Sie durch eine Reaktion überkompensieren, was in der Regel teuer ist. Schließlich sind die Teile, auf die Sie nicht reagieren können, diejenigen, die Ihrem Unternehmen langfristig am meisten schaden. Kunden werden verärgert, Sie könnten Marktanteile verlieren, und in einigen Fällen kann dies sogar zu Klagen oder Insolvenzen führen, wenn Sie den Kunden lange genug ignorieren.

Die häufigsten Puffer sind Vorlaufzeiten, Kapazitäten und Bestände. Unternehmen erhöhen sie, weil sie wissen, dass sie bei einem Mangel auf Probleme stoßen, die eine Reaktion erfordern. Um Ihnen eine Vorstellung zu geben, viele Unternehmen streben Servicelevel von 95 bis 99 Prozent an, aber wenn Sie ihren tatsächlichen Service messen, erreichen sie bestenfalls 90 Prozent oder in der Regel liegen diejenigen, die diese Ziele anstreben, bei über 80 Prozent. Wenn Sie genauer hinschauen, stellen Sie fest, dass selbst diese Zahl in der Regel durch die Reaktion und nicht durch den Puffer bestimmt wird, den sie ursprünglich geplant hatten. Sie beschleunigen also zu hohen Kosten und Aufwand, und die Menge an Instabilität und Feuerbekämpfung ist enorm. Ihre Bestände könnten ihnen möglicherweise nur einen Service von 73 Prozent bieten, obwohl sie ursprünglich 98 Prozent angestrebt haben. Dies belastet die Fähigkeiten des Unternehmens und erodiert die Margen, was meiner Meinung nach der Status quo für die meisten Lieferketten heute ist, mit einer starken Verlagerung der gesamten Belastung auf den Reaktionsteil.

Kieran Chandler: Schauen wir uns das probabilistische Konzept etwas genauer an, Joannes. Es hat einige Jahre gedauert, bis Sie es entwickelt haben. Woher kam diese Idee?

Joannes Vermorel: Die probabilistische Prognose war für uns eine Reise. Wir haben tatsächlich mit klassischer Prognose begonnen, bei der man nur den Durchschnitt prognostiziert. Dann hatten wir einen Kunden, der Autoteile verkauft, und wir haben festgestellt, dass es, wenn wir

Kieran Chandler: Du weißt, dass es so spärlich war, so unregelmäßig, dass es tatsächlich, was die Genauigkeit betrifft, sehr, sehr gut war, überall einfach null zu prognostizieren. Es war offensichtlich völliger Unsinn, und wir sind zuerst auf Quantilprognosen gekommen, was so etwas war wie “Oh nein, du möchtest nicht die durchschnittliche Nachfrage prognostizieren, du möchtest etwas prognostizieren, das absichtlich eine Verzerrung hat.” Und eine Prognose mit einer absichtlichen Verzerrung nennt man eine Quantilprognose. Das war der erste Schritt zu sagen, okay, was sollte einfach sein…

Joannes Vermorel: Wie Stefan beschrieben hat, diese Situationen mit diesen C-Artikeln, A, B, C oder langsam drehende Artikel, wie wissen Sie, ob Sie einen, zwei Einheiten auf Lager haben möchten oder vielleicht drei und nicht nur ein Min/Max haben möchten? Also haben wir zuerst erkannt, dass die Quantilprognose ein erster Schritt war, um überhaupt Ergebnisse zu erzielen, die sinnvoll waren, um diese Situation zu beenden, in der die Prognose von null einfach am besten war. Es ergab überhaupt keinen Sinn. Und dann haben wir erkannt: “Oh, du möchtest eine Prognose mit einem Quantil, aber was ist mit der Abstimmung dieses Quantils, denn du kannst einstellen, wie viel Verzerrung du möchtest?” Und dann sind wir von Quantil zu Quantilgittern übergegangen. Lassen Sie uns eine Reihe von Verzerrungen schrittweise erhöhen, und dann haben wir erkannt: “Nein, aber wir sollten wahrscheinlich alle Verzerrungen unterschiedlich haben.” Und dann waren wir im Grunde bei Quantil, Kontaktgitter, dann probabilistische Prognose. Und dann haben wir, und nebenbei gibt es separate Literatur, statistische Literatur, und es scheint, dass viele andere Menschen in der statistischen Gemeinschaft die gleiche Reise wie wir gemacht haben, nämlich mit unvoreingenommenen Prognosen oder Vorhersagen beginnen, zu voreingenommenen übergehen und dann viele Verzerrungen erkunden und dann versuchen, alles auf einmal zu tun. Und das ist eine probabilistische Prognose. Hier hast du es.

Kieran Chandler: Okay, und Stefan, du bist wahrscheinlich auch einer der wenigen Menschen in der Branche außerhalb von Lokad, der dieses Konzept einer probabilistischen Prognose unterstützt. Was hat dich dazu gebracht, diese Ideen zu haben?

Stefan de Kok: Nun, ich denke, hier spreche ich über einige meiner Erkenntnisse. Die erste, dass unsichere Werte nicht durch genaue Zahlen dargestellt werden können, habe ich wahrscheinlich schon 2006 erkannt. Aber ich hatte es noch nicht herausgefunden; es war noch keine wahre Erkenntnis. Zu der Zeit hatte ich noch nicht herausgefunden, wie man es umsetzen kann. Es ergibt einfach keinen Sinn, es auf diese Weise zu tun. Und schließlich habe ich daran gearbeitet, was ich eine probabilistische Arithmetik nenne, und als ich herausgefunden habe, wie man es umsetzen kann und zurückblickte, sah ich, wie etwas, das so komplex aussieht, tatsächlich durch etwas so Elegantes lösbar war, fiel alles an seinen Platz. Und da hatte ich meinen ersten Aha-Moment. Aber zu der Zeit habe ich es geheim gehalten. Ich dachte, das ist einer meiner Hauptunterschiede, also habe ich es sicherlich noch nicht verbreitet.

Es war erst später, und das ist einer dieser glücklichen Momente in meiner Karriere, wo ich mich in der Situation befand, Geld zu brauchen und nach einem Job zu suchen, und ich fand ein anderes Unternehmen, das sich direkt in meiner Heimatstadt Boston befand. Eines der drei Unternehmen weltweit, die dies tun, neben Lokad, und zumindest damals habe ich herausgefunden, dass sie dies seit den 1970er Jahren tun. Und sie haben dies bewiesen, aber sie haben es geheim gehalten, weil es ihre Geheimzutat war. Und ich habe ein paar Dinge herausgefunden, und ich denke, die wichtigsten sind, dass es viele Möglichkeiten gibt, das Gleiche zu erreichen.

Kieran Chandler: Ich denke, der entscheidende Punkt ist, dass es viele Möglichkeiten gibt, dasselbe zu erreichen. Jeder Ihrer Ansätze ist sehr unterschiedlich, aber das ultimative Ziel ist dasselbe. Es war also nicht die Art und Weise, wie es getan werden musste, die vorangetrieben werden musste, sondern das Konzept, dass es getan werden musste. Wie stehen Sie dazu, diese Idee zu diskutieren und zu fördern, ohne das Geheimrezept preiszugeben, das Ihre Unternehmen besonders macht?

Stefan de Kok: Mir wurde klar, dass ich darüber sprechen, darüber bloggen und Artikel darüber schreiben konnte, ohne das Geheimrezept preiszugeben, das uns besonders macht. Es ist wichtig, den Menschen bewusst zu machen, dass dies letztendlich das ist, was in den nächsten zehn Jahren oder so für die gesamte Planung und Prognose erforderlich sein wird. Eines, worauf ich in letzter Zeit mehr Wert lege, ist, dass auch traditionelle Kennzahlen falsch sind. Wir müssen die Kennzahlen ändern und probabilistische Prognosen in Pflanzen und probabilistische Kennzahlen verwenden, um den Wert davon zu messen.

Joannes Vermorel: Absolut, ich stimme Stefan zu. Wenn Sie etwas Wahrscheinliches haben, können Sie viele mögliche Zukunftsszenarien simulieren und jede einzelne Entscheidung, die Sie treffen, mit ihrem Ergebnis herausfordern, als ob Sie die Zukunft kennen würden. Es bietet Ihnen einen sehr eleganten Weg, um alle Ihre Entscheidungen zu bewerten und zu priorisieren. Ich glaube jedoch, dass die Geheimzutat oder die Technologie dahinter weniger wichtig ist. Bei Lokad haben wir bereits fünf Generationen von Prognosemodellen verworfen, jedes Mal in dem Glauben, dass es das Beste aller Zeiten war, nur um zwei Jahre später festzustellen, dass es einen besseren Weg gibt, es zu tun.

Kieran Chandler: Joannes, es ist interessant, dass du die Ausnutzbarkeit der zukünftigen Machbarkeit erwähnst. Kannst du diese Idee näher erläutern?

Joannes Vermorel: Sicher. Die Tatsache, dass es in der Zukunft Variabilität gibt, kann ausgenutzt werden. Es geht nicht nur darum, sich selbst zu schützen und widerstandsfähiger zu sein; man kann auch von der Tatsache profitieren, dass es überhaupt Variabilität gibt.

Kieran Chandler: Stefan, wenn wir anfangen, die Dinge aus der Perspektive eines Kunden zu betrachten, wie können wir ihnen helfen, diese Idee der Akzeptanz von Unsicherheit anzunehmen? Welche Strategien können sie aus einer Softwareperspektive anwenden?

Stefan de Kok: Der Schlüssel liegt darin, dass wenn Sie einen komplexen Motor haben und eine Blackbox-Ausgabe erhalten, führt das nicht zu viel Vertrauen. Die Ausgabe sollte selbsterklärend sein. Mit Wahrscheinlichkeiten können Sie unglaublich viel tun. Sie können zeigen, dass wir nicht nur denken, dass die Antwort eine einzelne Zahl sein wird, sondern stattdessen bieten wir eine Reihe von Möglichkeiten an, die Unsicherheit berücksichtigen.

Kieran Chandler: Um hundert zu sein, denken wir, dass die Antwort überall zwischen einer Reihe von Werten liegen wird, und es gibt diese Verteilung, wie diese Werte auftreten können. Sie können das auf jeder Art von Ebene betrachten, und es geht wirklich um die Visualisierung dieser Ergebnisse. Ich denke gerne daran wie an ein Auto, wissen Sie? Wir sind die Mechaniker und der Kunde ist der Fahrer. Früher wusste ich, wie mein Auto funktionierte, und jetzt ist es wunderschön. Ich schaue hinein, es ist wunderschön, aber ich habe keine Ahnung, was es antreibt. Selbst der Mechaniker muss ein Kabel anschließen, um es mit seinem Computer zu verbinden und herauszufinden, was los ist. So denke ich, dass die Lösungen der Zukunft und das, was wir alle bringen, darum geht: diese Raffinesse zu bringen, aber es dem Benutzer, dem Fahrer, einfacher zu machen, es tatsächlich zu verwenden und eine Ausgabe zu erhalten, die sie verwenden können und auf der sie sicher Entscheidungen treffen können.

Joannes Vermorel: Okay, großartig. Bleiben wir bei dieser Kundensicht, was bedeutet es für ein Unternehmen, zu diesem probabilistischen Ansatz zu wechseln? Wenn Sie an Wahrscheinlichkeiten denken, geht es darum, über die großen Kräfte nachzudenken, die Sie ausgleichen möchten. Welche Probleme möchten Sie mildern? Welche Engpässe werden Sie am meisten treffen und verletzen? Normalerweise ist es sehr lustig, weil diese sprunghaften Prognose-Dinge Ihnen einfach eine Möglichkeit geben, zu quantifizieren. Es ist wie die Rezepte, die es Ihnen endlich ermöglichen, zu quantifizieren, was oft nur offensichtlich war in Bezug auf Intuition. Also, es ist nicht so, dass es fantastische Erkenntnisse liefern kann. In meiner eigenen Erfahrung ist es eher das Gegenteil. Es bringt einfach Dinge, die im Grunde genommen ziemlich offensichtlich waren, aber zum ersten Mal gibt Ihnen das System Zahlen, die in sehr banaler Weise mit der Intuition übereinstimmen. Zum Beispiel haben Sie ein Produkt, das sehr verderblich ist; setzen Sie nicht zu viel Lagerbestand darauf. Sie gehen einfach ein großes Risiko mit einem sehr verderblichen Produkt ein, wenn Sie hohe Bestände haben. Wenn Sie einen klassischen Prognoseansatz wählen, wird er einfach sagen: “Oh, erreichen Sie einfach einen Servicegrad von siebenundneunzig Prozent und fertig”, und dann schaffen Sie einfach einen massiven Überbestand mit Produkten, wenn sie ablaufen. Wenn Sie den probabilistischen Ansatz wählen, könnte die Prognose sogar noch schlechter sein. Sie könnte sogar nicht super gut sein, aber sie ist einfach ausgewogener und berücksichtigt das Risiko, dass Sie bei Lagerbestandsausfällen das Ablaufdatum kennen, Sie etwas haben, das sehr…

Kieran Chandler: Kostenintensiv ist und somit die Entscheidung in Richtung etwas lenkt, das viel vernünftiger ist, nämlich keine Erdbeeren zu überbestücken. Also, ich stimme voll und ganz der Idee zu, dass die Gründerin gesagt hat, dass kommerzielle Umwege eine gewisse Einfachheit verfolgen müssen. Obwohl, um fair zu sein, glaube ich nicht, dass Lokad die brillanteste Erfolgsbilanz bei der Bereitstellung der einfachsten Dinge aller Zeiten hat, aber zumindest versuchen sie es. Okay, Stefan, ich überlasse Ihnen das letzte Wort. Basierend auf dem, was Sie auf dem Markt beobachtet haben, würden Sie sagen, dass die Menschen bereit sind, die Idee der Akzeptanz von Unsicherheit anzunehmen, und was begeistert Sie wirklich für die Zukunft?

Stefan de Kok: Ich denke, wir kommen dahin. Ich habe im Laufe der Jahre viel Widerstand erlebt, und es war ein ständiger Kampf bergauf, aber ich denke, wir erreichen den Gipfel. Es wird flacher und ich bemerke weniger Widerstand. Ich denke, der Markt erkennt das und es gibt einen zweistufigen Ansatz. Der erste Schritt besteht darin, dass eine genaue Zahl nicht der richtige Weg ist, um mit Unsicherheit umzugehen. Schritt zwei, da sehe ich immer noch ein wenig Reibung. Sie denken, es ist übermäßig komplex. Sie sagen: “Jeder, der sagt, ja, du könntest es tun, aber…” Es gibt immer dieses “aber” und das “aber” bezieht sich oft auf Big Data. Man braucht viele Daten, um es probabilistisch zu machen. Nun, das stimmt einfach nicht, oder? Man braucht nur historische Daten, die man in jedem ERP System hat, um dasselbe Problem deterministisch zu lösen.

Die andere Sorge, die viele Menschen haben, ist der Umgang mit mehreren möglichen Zukunftsszenarien. Sie denken, dass dies die Anzahl der Möglichkeiten explodieren lässt. Allerdings könnte eine probabilistische Prognose zu einem probabilistischen Plan führen; man muss es nur in einer Verteilung ausdrücken. Das ist der Teil, mit dem die Menschen zu diesem Zeitpunkt noch kämpfen. Aber ich bin aufgeregt, ich sehe den Trend und ich sehe, wohin es geht. Ich sehe immer mehr Akzeptanz von einigen Menschen, die früher vehement gegen diesen Ansatz waren. Ich sehe immer mehr Menschen, die den Wechsel vollziehen, die Erleuchtung haben, und es geht darum, diese kritische Masse zu erreichen, und es wird von der breiten Masse akzeptiert werden. Ich bin sicher, dass ich mich darauf freue.

Kieran Chandler: Okay, brilliant. Nun, wir müssen es hierbei belassen, aber vielen Dank euch beiden für eure Zeit. Vielen Dank fürs Zuschauen und wir sehen uns in der nächsten Folge. Bis bald.