00:00:08 Entscheidungsbasierter Ansatz zur Optimierung der Supply Chain.
00:02:25 Die Bedeutung der Generierung von Entscheidungen zur Erfassung der Semantik von Daten.
00:04:55 Entscheidungsgenerierung als Validierungsmechanismus zur Erfassung von Daten.
00:06:10 Die Herausforderungen bei der Optimierung von Metriken und der Identifizierung von Fehlern im Entscheidungsprozess.
00:07:50 Die Beziehung zwischen Metriken, Geschäftsstrategie und Entscheidungsfindung.
00:09:08 Das Endziel kapitalistischer numerischer Rezepte für die automatisierte Entscheidungsfindung.
00:11:37 Die Notwendigkeit, Entscheidungen zu generieren, um festzustellen, ob vorherige Schritte effektiv waren.
00:12:40 Die Rolle der Prognose in der Entscheidungsfindung der Supply Chain und das Problem, nicht entscheidungsbasiert zu sein.
00:14:45 Alternative Ansätze in der Branche und Aufteilung von Entscheidungen.
00:16:01 Abstimmung von Prognosen und atomarer Entscheidungsfindung.
00:18:16 Lernen aus vergangenen Fehlern und Annahme einer neuen Perspektive.
00:20:59 Lernen durch Handeln und die Philosophie der Praxis.
00:21:57 Bereitschaft der Branche für einen neuen Ansatz und frühere Versuche.
00:24:10 Anerkennung von Fehlern und Grenzen kartesischer Ansätze.
Zusammenfassung
In dem Interview diskutieren Kieran Chandler und Joannes Vermorel den entscheidungsbasierten Ansatz von Lokad für die Optimierung der Supply Chain. Traditionelle Methoden verlassen sich auf Prognosen, aber Lokad konzentriert sich auf konkrete Entscheidungen, um das Verständnis von Daten zu verbessern und die Optimierung zu fördern. Vermorel teilt die Verschiebung des Unternehmens von einer kartesischen Perspektive zu einem entscheidungsbasierten Ansatz nach wiederholten Misserfolgen. Er glaubt, dass Organisationen nur durch Handeln lernen können und betont die Notwendigkeit, Entscheidungen zu generieren und daran zu arbeiten. Die Überzeugung von Unternehmen, ihren Ansatz zu ändern, ist herausfordernd, aber Vermorel glaubt, dass die meisten offen dafür sind, sobald sie vergangene Fehler und Grenzen traditioneller Methoden anerkennen.
Erweiterte Zusammenfassung
In diesem Interview spricht Kieran Chandler, der Moderator, mit Joannes Vermorel, dem Gründer von Lokad, einem Softwareunternehmen, das sich auf die Optimierung der Supply Chain spezialisiert hat. Sie diskutieren den einzigartigen “entscheidungsbasierten” Ansatz von Lokad zur Optimierung der Supply Chain, der sich von traditionellen Prognosemethoden unterscheidet.
Historisch gesehen haben sich Supply Chains auf Prognosemethoden verlassen und die eigentliche Entscheidungsfindung erfahrenen Mitarbeitern überlassen, die sich auf ihre Intuition und Expertise verlassen. Vermorel erklärt, dass Lokad einen alternativen Ansatz entwickelt hat, der sich auf die Entscheidungsfindung konzentriert. Dieser Ansatz entstand nach Jahren der Arbeit in der vorhersagenden Optimierung der Supply Chain.
Anfangs arbeitete Lokad mit einer kartesischen Perspektive: Daten sammeln, deren Semantik klären, numerische Rezepte für Prognosen und Optimierung anwenden und dann Entscheidungen auf der Grundlage spezifischer Metriken treffen. Vermorel stellte jedoch fest, dass dieser Ansatz nicht wie erwartet funktionierte. Er fand heraus, dass die Konzentration auf den Entscheidungsprozess nicht nur effektiver, sondern auch kontraintuitiv war.
Mit “entscheidungsbasiert” bezieht sich Vermorel auf den Prozess der konkreten Entscheidungsfindung in der Supply Chain, wie z.B. den Kauf einer zusätzlichen Einheit von einem Lieferanten, die Produktion einer weiteren Einheit in einer Produktionslinie, die Verlagerung von Lagerbeständen von einem Ort zum anderen oder die Anpassung von Produktpreisen. Diese Entscheidungen haben reale wirtschaftliche Auswirkungen auf Supply Chains.
Vermorel teilt seine Erfahrungen bei Lokad, wo das Unternehmen anfangs den Schwerpunkt auf die Datenverarbeitung legte. Sie sammelten historische Daten wie Verkaufszahlen und Lagerbewegungen und dokumentierten die Daten, um ihr richtiges Verständnis sicherzustellen. Allerdings stellten sie oft fest, dass sie die Daten missverstanden hatten, erst wenn sie Entscheidungen auf der Grundlage dieser Daten generierten.
Durch den Mechanismus der Entscheidungsgenerierung konnten sie Fehler in ihrer Dateninterpretation identifizieren. Supply Chain-Experten konnten die generierten Entscheidungen überprüfen und Inkonsistenzen aufzeigen, was Lokad ermöglichte, ihr Verständnis der Daten zu korrigieren.
Lokads “entscheidungsbasierter” Ansatz zur Optimierung der Supply Chain betont die Bedeutung der konkreten Entscheidungsfindung, bevor man sich in die Datenanalyse und Prognose stürzt. Diese kontraintuitive Methode ermöglicht ein besseres Verständnis der Daten und führt letztendlich zu einer effektiveren Optimierung der Supply Chain.
Sie untersuchen die Herausforderungen und den Prozess der Generierung optimaler Entscheidungen im Supply Chain Management.
Vermorel erklärt, dass sie bei dem Versuch, Entscheidungen zu generieren, oft auf Probleme stoßen, die im Widerspruch zur Realität der Supply Chain stehen. Diese Probleme sind in der Regel banal und wiederholend, aber ihre Identifizierung und Lösung ist entscheidend für die Schaffung effektiver Lösungen.
Um Daten in der Supply Chain besser zu verstehen, schlägt Vermorel vor, Entscheidungen auf der Grundlage dieser Daten zu treffen. Wenn die Entscheidungen ungefähr korrekt und vernünftig sind, validieren sie das semantische Verständnis der Eingangsdaten. Dieser Wechselprozess zwischen dem mentalen Modell der Daten und der Entscheidungsgenerierung hilft dabei, die Genauigkeit zu verbessern und die Entscheidungen besser an die Realität der Supply Chain anzupassen.
Die Interviewpartner diskutieren auch die Herausforderung des Ausprobierens und des Fehlers bei der Generierung optimaler Entscheidungen. Vermorel weist darauf hin, dass die Probleme nicht nur auf Daten beschränkt sind, sondern auch die zu optimierenden Metriken umfassen. Bei der Anwendung einer kartesischen Perspektive sollte man in Bezug auf Fehler in Dollar optimieren, anstatt in Bezug auf Prozentsatz. Dies beinhaltet die Anwendung von wirtschaftlichen Treibern wie Lagerhaltungskosten, Bruttomarge und Fehlbestandsstrafen, um die Leistung von Entscheidungen in Dollar auszudrücken.
Allerdings erweisen sich selbst bei der Anwendung scheinbar vernünftiger wirtschaftlicher Treiber die anfänglichen Entscheidungen oft als unsinnig. Vermorel erklärt, dass subtile Probleme in den Metriken selbst liegen, was einen Wechselprozess zwischen dem Verständnis der Daten, der Generierung von Entscheidungen und der Verfeinerung der wirtschaftlichen Treiber erfordert.
Das Endziel dieses entscheidungsbasierten Ansatzes besteht darin, ein numerisches Rezept zu erstellen, das automatisch banale Entscheidungen generieren kann. Dies ist entscheidend für die Bewältigung des massiven Volumens an Entscheidungen, die täglich in großen Supply Chains erforderlich sind, da es Unternehmen ermöglicht, auf die Beschäftigung einer Armee von Angestellten zu verzichten und sich auf die kontinuierliche Verbesserung des numerischen Rezepts selbst zu konzentrieren.
Sie diskutieren die Bedeutung eines “entscheidungsbasierten” Ansatzes und die Grenzen der Branchenfokussierung auf die Genauigkeit der Prognosen.
Vermorel erklärt, dass der traditionelle top-down, Wasserfall-Ansatz zur Optimierung der Supply Chain nicht funktioniert. Diese Methode beinhaltet die Aktualisierung von Systemen, die Dokumentation von Prozessen und umfangreiche Studien zur Erstellung eines umfassenden Plans. Vermorel argumentiert jedoch, dass Unternehmen erst dann wissen können, ob ihre vorherigen Schritte effektiv waren, wenn sie tatsächliche Entscheidungen treffen können.
Die Fokussierung der Branche auf die Genauigkeit der Prognosen ist intellektuell verführerisch, aber Vermorel hält sie für fehlerhaft. Während Prognosen wichtig sind, um zukünftige Marktzustände vorherzusagen, handelt es sich dabei lediglich um numerische Artefakte ohne direkten Einfluss auf die Supply Chain. Die Verbesserung von Prognosen allein führt nicht zu praktischem Lernen oder Optimierung. Stattdessen betont Vermorel, dass Unternehmen die Priorität darauf legen sollten, Entscheidungen zu treffen, die mit der Realität übereinstimmen.
Um die Grenzen der Fokussierung auf numerische Artefakte zu veranschaulichen, beschreibt Vermorel, wie Unternehmen kurzfristige, mittelfristige und langfristige Prognosen erstellen können. Anstatt das ursprüngliche Problem zu lösen, führt dieser Ansatz zu mehreren Prognoseproblemen und erfordert zusätzliche Anstrengungen, um die verschiedenen Prognosen in Einklang zu bringen. Dies verschlimmert die Situation nur und stellt immer noch keine klare Verbindung zur Realität her.
Vermorel setzt sich für einen entscheidungsbasierten Ansatz ein und stellt fest, dass Entscheidungen atomar und klar definiert sind, was zu praktischem Lernen und effektiver Optimierung der Supply Chain führen kann. Er betont die Notwendigkeit für Unternehmen, sich der Realität zu stellen, indem sie Entscheidungen treffen, die es ihnen ermöglichen, die Wirksamkeit ihrer Optimierungsbemühungen zu bewerten.
Der Gründer teilt seine Erfahrungen mit dem zunächst erfolglosen Versuch eines klassischeren, kartesischen Ansatzes und betont die Notwendigkeit einer entscheidungsbasierten Perspektive, um Fehler zu vermeiden.
Vermorel glaubt, dass Organisationen nur durch Handeln lernen können, und betont die Bedeutung der Generierung von Entscheidungen und deren Iteration, anstatt zu versuchen, perfekte Lösungen auf top-down Art zu entwickeln. Er erkennt die Schwierigkeit an, Unternehmen davon zu überzeugen, ihren Ansatz zu ändern, da viele bereits verschiedene Systeme zur Optimierung der Supply Chain ohne Erfolg ausprobiert haben. In Bezug auf die Bereitschaft glaubt er, dass die meisten Unternehmen offen für die Annahme eines neuen Ansatzes sind, aber zuerst die Misserfolge früherer Versuche und die Grenzen traditioneller kartesischer Methoden anerkennen müssen.
Vollständiges Transkript
Kieran Chandler: Heute bei Lokad TV wollen wir verstehen, wie der alternative Ansatz, Entscheidungen an erster Stelle zu setzen, das Betreiben einer Organisation verbessern kann. Also, Joannes, vielleicht kannst du damit beginnen, uns ein wenig mehr darüber zu erzählen, was du mit einem entscheidungsbasierten Ansatz meinst.
Joannes Vermorel: Der entscheidungsbasierte Ansatz ist ein sehr spezifischer Blickwinkel, den wir nach einigen Jahren der Tätigkeit von Lokad entdeckt haben, die im Wesentlichen auf der vorhersagenden Optimierung der Supply Chain beruht. Als ich Lokad gründete, hatte ich eine kartesische Perspektive, bei der man etwas optimieren möchte, also sagt man: “Ich werde Daten haben, die Semantik klären, dann werde ich eine Reihe klar definierter numerischer Rezepte anwenden: Prognosen, Optimierung, und dann werde ich mich speziell auf bestimmte Metriken konzentrieren, und wir werden das alles anwenden, und dann werden wir gute Entscheidungen treffen.” Es stellte sich jedoch heraus, dass dieser Ansatz nicht funktioniert. So führen wir Projekte heutzutage absolut nicht durch, und die Art und Weise, wie wir es tun, ist sehr tiefgreifend gegenintuitiv.
Wenn ich von einem entscheidungsbasierten Ansatz spreche, meine ich wörtlich die Erzeugung einer Entscheidung, etwas, das der Realität entspricht. Was meine ich mit Entscheidungen? Ich meine alltägliche Supply Chain-Entscheidungen wie die Entscheidung, eine weitere Einheit von einem Lieferanten zu kaufen, die Entscheidung, eine weitere Einheit in Ihrer Produktionslinie herzustellen, die Entscheidung, eine Einheit Lagerbestand von Standort A nach Standort B zu verschieben oder die Entscheidung, den Preis eines Produkts nach oben oder unten zu ändern. Dies sind greifbare, physische Entscheidungen, die einen realen wirtschaftlichen Einfluss auf Ihre Supply Chain haben. Wenn ich von einem entscheidungsbasierten Ansatz spreche, meine ich, dass der erste Schritt darin besteht, eine dieser Entscheidungen zu treffen, bevor man den Rest tut, was sehr seltsam klingt, denn man würde denken, dass der Rest zuerst kommt, aber nein, es ist die Entscheidung, die zuerst kommt.
Kieran Chandler: Lass uns ein wenig darüber sprechen, wie du auf diese Idee gekommen bist. Was hast du bei Lokad erlebt, um auf diesen Ansatz zu kommen?
Joannes Vermorel: Wir haben festgestellt, dass wir, als wir anfingen, Daten vorbereiten mussten. Wenn wir zum Beispiel die Supply Chain optimieren wollten, benötigten wir Daten, einfach nur grundlegende historische Daten über historische Verkäufe, Lagerbewegungen und solche Dinge. Man würde denken, dass man die Daten dokumentieren kann, um sicherzustellen, dass man sie versteht, und das haben wir auch getan. Das Problem war jedoch, dass wir jedes Mal, wenn wir die Daten dokumentierten, irgendwie falsch lagen. Aber wir haben nicht bemerkt, dass wir falsch lagen, bevor wir den Punkt erreichten, an dem wir die Entscheidung generierten. Erst durch den Entscheidungsmechanismus, bei dem wir eine Entscheidung wie “Lassen Sie uns X Einheiten Lagerbestand von diesem Ort an diesen anderen Ort verschieben” treffen und dann ein Supply Chain-Praktiker die Entscheidung betrachtet und sagt: “Nun, das ist einfach falsch. Sie haben die Daten offensichtlich missverstanden.”
Kieran Chandler: In Situationen, in denen wir das nicht tun sollten, gibt es einen sehr guten Grund, es nicht zu tun. Es ist nicht unbedingt fortgeschritten; es ist sehr alltäglich. Zum Beispiel haben Sie nicht die Kapazität oder Sie denken, Sie haben noch 1.000 Einheiten an dem ersten Ort, aber in Wirklichkeit sind nur noch fünf übrig. Sie können also nicht einmal die 50 Einheiten bewegen, die Sie bewegen möchten. Es gibt solche Probleme.
Joannes Vermorel: Es ist interessant, dass man mit der Generierung der Entscheidung beginnt und dann Supply Chain-Praktiker mit etwas Erfahrung haben, die Ihnen auf den ersten Blick sagen können, dass es eine fehlerhafte Entscheidung ist. Dann merken Sie, dass Sie viele Probleme haben, die Sie nicht identifiziert hatten.
Kieran Chandler: Es ist sicherlich gegenintuitiv, oder? Denn man würde denken, dass man durch die Datenbereinigung und das Verständnis, wie die Daten strukturiert sind, bereits einige dieser fehlerhaften Entscheidungen beseitigen würde.
Joannes Vermorel: Wenn ich sage, dass wir fehlerhafte Entscheidungen generieren, meine ich, dass wir Entscheidungen generieren, die im Vergleich zur Realität der Supply Chain auf eine relativ banale Weise im Widerspruch stehen. Es ist viel Intelligenz erforderlich, um die Entscheidung selbst zu generieren. Die wichtigste Erkenntnis hier ist zu verstehen, dass der einzige Weg, um sicherzustellen, dass man die Daten richtig versteht, darin besteht, eine Entscheidung daraus generieren zu können. Wenn diese Entscheidung ungefähr korrekt und vernünftig ist, validiert sie die Semantik, von der Sie glauben, dass sie auf die Eingabedaten anwendbar ist und die Sie verwendet haben, um das Modell zu erstellen.
Es ist jedoch ein Mechanismus, bei dem man zwischen dem mentalen Modell, das nur die Semantik dessen ist, was man denkt, dass die Daten bedeuten, und dem Entscheidungsmechanismus hin und her gehen muss, der die Entscheidung generiert, bei dem die Realität Ihnen ein Feedback gibt, was Sie tun. Dann werden Sie feststellen, dass es viele Dinge gab, die Sie bei den Daten falsch verstanden haben, also gehen Sie hin und her.
Kieran Chandler: Wie gelangen wir dann zur endgültigen Entscheidung? Es scheint viel Versuch und Irrtum zu sein. Wie viel Versuch und Irrtum ist dafür erforderlich?
Joannes Vermorel: Es ist noch schlimmer, weil ich bisher nur über die Probleme gesprochen habe, die Sie bei den Daten identifiziert haben. Es sind nicht nur die Probleme mit den Daten; es sind auch die Metriken selbst, die Sie optimieren. Wenn Sie eine kartesische Perspektive einnehmen, würden Sie sagen, dass Sie das nicht optimieren können, was Sie nicht messen. Bei Lokad befürworten wir eine Optimierung in Dollar-Fehlern, nicht in Prozent-Fehlern. Sie benötigen also eine Metrik, die in Dollar ausgedrückt wird und alle relevanten wirtschaftlichen Treiber repräsentiert. Zum Beispiel würde das bei Lagerbeständen bedeuten, wirtschaftliche Treiber wie Lagerkosten, Bruttomarge und Lagerbestandsstrafen zu berücksichtigen.
Kieran Chandler: Können Sie erklären, wie Sie die Leistung der Entscheidungsfindung bei Lokad messen?
Joannes Vermorel: Ja, so messen Sie die Leistung Ihrer Entscheidung in Dollar ausgedrückt. Logischerweise würden Sie sagen: “Ich nehme die DR, die ich verstehe, ich nehme eine statistische hochdimensionale Lernfähigkeit, das ist ein Teil der Prognose, und dann nehme ich hochdimensionale Optimierung numerische Optimierungsfähigkeiten und wende eine Metrik an, die meine Geschäftsstrategie widerspiegelt und meine Treiber verstehe.”
Kieran Chandler: Und was passiert, wenn Sie diese Metrik zum ersten Mal anwenden?
Joannes Vermorel: Sie werden mit tonnenweise unsinnigen Entscheidungen enden, und das ist sehr verwirrend, weil alle Ihre wirtschaftlichen Treiber irgendwie nicht offensichtlich aussehen, aber fast, wissen Sie, Autos tragen. Bruttomarge, ich meine, wir reden nicht von super fortschrittlichen Dingen. Doch wenn wir das auf Entscheidungen anwenden, enden wir unweigerlich mit sehr dummen schlechten Entscheidungen. Und was spiegeln diese Entscheidungen wider? Sie spiegeln wider, dass Fehler, Gedanken, subtile Probleme in den Metriken selbst liegen. Und so wie wir es mit, gibt es, wissen Sie, viel Hin und Her zwischen Ihrem Verständnis der Daten und der Entscheidung, die Sie darauf generieren. Sie haben viel Hin und Her bei den wirtschaftlichen Treibern, wie Sie sie verstehen, und welche Art von Entscheidung Sie generieren. Wir sprechen immer von dieser Idee, dass Sie nicht optimieren können, was Sie nicht messen. Was ist also das Endziel? Ist das Endziel, dass die Daten die Entscheidungen, die Sie treffen, validieren?
Kieran Chandler: Und was ist das Endziel laut Supply Chain-Experten?
Joannes Vermorel: Das Endziel ist etwas Kapitalistisches zu haben. Sie sehen, wenn wir sagen, zuerst die Entscheidung, dann ist die Idee, dass wir ein numerisches Rezept liefern wollen, das all diese super banalen Entscheidungen automatisch generiert. Warum? Weil Sie so viele davon haben. Unsere größten Kunden haben Millionen von ihnen jeden Tag zu generieren. Entweder Sie haben eine Armee von Angestellten, was viele Unternehmen immer noch haben, oder Sie entscheiden sich: “Okay, ich werde ein Wunderrezept haben, das diese Arbeit erledigt”, und dann sind alle Anstrengungen, die ich immer noch in diesen Bereich stecke, für die fortlaufende Verbesserung des numerischen Rezepts selbst.
Kieran Chandler: Und was ist interessant an diesem Ansatz?
Joannes Vermorel: Interessanterweise sind Sie sich bis Sie diese Entscheidungen tatsächlich generieren, nicht einmal sicher, dass sie funktionieren. Das ist das Ding, denn wenn Sie diese Art von kartesischer Top-Down-Perspektive einnehmen, würden Sie sagen: “Okay, mein Plan ist es, zuerst das ERP auf neue Fähigkeiten XYZ aufzurüsten. Okay, das dauert sechs Monate, und dann werden wir die Bestellung dokumentieren und klären, und dann ist das wieder XYZ und sogar alles in einen Data Lake schieben, und dann werden wir eine weitere sechsmonatige Studie mit vielleicht externen Beratern machen, um die Strategie vollständig zu klären und eine vollständige Modellierung quantitativer Art zu haben.”
Kieran Chandler: Von den Geschäftstreibern, und dann werden wir schließlich all diese Dinge zusammenfügen, um diese automatisierte Ausführung der optimierten Entscheidung zu generieren. Das sieht aus wie ein Plan mit einem schönen Wasserfallausblick, bei dem man von Phase eins zu Phase zwei zu Phase drei geht. Aber im Grunde genommen funktioniert dieses Ding überhaupt nicht, und das ist wahrscheinlich die frustrierendste Lektion. Bis Sie den Punkt erreichen, an dem Sie tatsächlich Entscheidungen generieren, haben Sie keine Ahnung, ob einer der Schritte, die Sie zuvor unternommen haben, überhaupt funktioniert. Und das ist etwas schockierend. Man würde denken, dass man einen Plan haben könnte, den man zuverlässig ausführen kann, aber nein, die Lektion ist, wenn Sie keinen Kontakt zu dieser Realität haben, dieser Rückkopplungsschleife, dann wissen Sie es nicht, Sie wissen es wirklich nicht.
Joannes Vermorel: Ja, ich meine, die Branche konzentriert sich sehr auf diese Idee der Prognose und der Prognosegenauigkeit, oder? Warum wird diese Art von Sichtweise so stark von Unternehmen und Beratern unterstützt?
Kieran Chandler: Weil es intellektuell sehr verführerisch ist. Es sieht nach etwas sehr Vernünftigem aus.
Joannes Vermorel: Ich meine, ja, Prognosen sind natürlich wichtig. Denn jedes Mal, wenn Sie eine Supply-Chain-Entscheidung treffen, ist es im Grunde genommen eine Aussage, die Sie über einen zukünftigen Zustand des Marktes machen. Wenn Sie einen Kaufauftrag für Rohmaterialien an einen Lieferanten weitergeben, machen Sie im Grunde genommen eine implizite Aussage über den zukünftigen Nachfragezustand. Die Supply Chain, weil wir nicht teleportieren können und weil wir nicht einfach alles sofort in 3D drucken können, dreht sich alles um die Vorwegnahme des zukünftigen Zustands des Marktes. Unternehmen versuchen, das rational anzugehen und sagen: “Oh, lasst uns eine Runde der Verbesserung der Prognosen machen”, das ist im Grunde genommen das, worüber wir in unserer Naked Forecast Episode gesprochen haben. Und dann haben Sie alle möglichen Probleme, und tatsächlich, wenn wir es aus einer etwas anderen Perspektive betrachten, nämlich der Möglichkeit dieser Episode der Entscheidung zuerst, würde ich sagen, nun, das Problem ist, dass Sie nicht Entscheidung zuerst sind, wenn Sie das tun. Wenn Sie sagen: “Oh, lasst uns auf bessere Prognosen drängen und dann werden wir sehen, was wir mit diesen besseren Prognosen machen können”, dann sind Sie nicht Entscheidung zuerst. Sie beginnen mit einem numerischen Artefakt. Alle möglichen Prognosen sind nur numerische Artefakte. Sie haben keinen direkten Einfluss auf Ihre Supply Chain. Und dann sagen Sie vielleicht wird es besser, und meine Rückmeldung ist, dass die Lektion, die ich in einem Jahrzehnt, in dem ich Supply-Chain-Projekte bei Lokad durchgeführt habe, gelernt habe, ist, dass Sie nichts lernen werden. Lernen kommt nur aus der Realität, die der ultimative Schiedsrichter ist, wer Recht hat und wer nicht. Und wenn ich von Realität spreche, meine ich die Art und Weise, wie man sicherstellt, dass dieses Supply-Chain-Optimierungsprojekt tatsächlich etwas tut, das in die richtige Richtung geht, sind diese Entscheidungen, denn diese Entscheidungen sind wirklich der Kernpunkt, sich mit Blick auf das, was die Realität Ihnen sagen kann, ob es tatsächlich funktioniert oder nicht, einem Risiko auszusetzen.
Kieran Chandler: Okay, und Entscheidungen an erster Stelle zu setzen ist sicherlich der Weg, wie wir es betrachten, aber was ist mit diesen alternativen Ansätzen, die es in der Branche gibt? Und wie sieht es mit der Aufteilung dieser Entscheidungen aus?
Joannes Vermorel: Ja, ich meine, zum Beispiel passiert es typischerweise, dass wenn man sich auf Artefakte konzentriert, insbesondere numerische Artefakte, diese sehr wenig Einschränkungen haben und daher im Grunde aufgeteilt oder geteilt werden können. Zum Beispiel kann man eine kurzfristige Prognose, eine mittelfristige Prognose und eine langfristige Prognose haben. Wenn man das tut, schafft man mehr Probleme. Man hatte ein Problem mit der Prognoseerstellung, jetzt hat man drei Prognoseprobleme und man hat auch das Problem, dass verschiedene Teams ihre Arbeit in Einklang bringen müssen. Also muss man die langfristige Prognose mit der mittelfristigen Prognose in Einklang bringen und dann die kurzfristige Prognose mit der mittelfristigen Prognose und vielleicht sogar die kurzfristige Prognose mit der langfristigen Prognose. Man hatte ein Problem, jetzt hat man sechs. Man hat die Situation nur verschlimmert und es ist immer noch sehr unklar, ob das, was man tut, überhaupt irgendeinen Bezug zur Realität hat.
Die Realität wird Ihnen nicht auf sehr indirekte Weise sagen, ob das, was Sie tun, falsch ist. Und das ist das Schöne an Entscheidungen. Wenn wir zu diesem entscheidungsorientierten Ansatz gehen, neigen Entscheidungen dazu, hoch atomar und gut definiert zu sein. So sehen wir es bei Lokad, sie sind atomar; man kann sie nicht unterteilen. Wenn ich sage: “Kaufe heute eine Einheit von diesem Lieferanten”, dann wissen Sie, dass es so atomar wie möglich ist. Manchmal kann man es verfeinern, wie zum Beispiel “Kaufe heute eine Einheit von diesem Lieferanten und lasse diese Einheit per LKW versenden”, weil es vielleicht die Möglichkeit gibt, es per Zug oder etwas anderem zu versenden. Bei Lokad haben wir Entscheidungen, die per Definition vollständig atomar sind. Man kann sie nicht wirklich unterteilen, was sehr schön ist, weil es auch Grenzen für die Dinge setzt, die man sich ausdenken kann.
Sich auf Entscheidungen zu konzentrieren, verhindert, dass man ganze Klassen von Fehlern macht, wie zum Beispiel Dinge aufzuteilen oder erfundene Arbeit zu schaffen. Es ist eine echte Perspektivenänderung.
Kieran Chandler: Und was tun Sie also, um diese Organisationen zu überzeugen, die daran gewöhnt sind, einen eher klassischen Ansatz zu verfolgen?
Joannes Vermorel: Das ist der Kern des…
Kieran Chandler: Das Problem ist, dass es sehr schwer zu überzeugen ist, denn zuerst war ich selbst nicht überzeugt. Sie wissen schon, ich habe nicht mit diesem Ansatz angefangen, damals im Jahr 2008. Ich habe den klassischeren Weg ausprobiert, den ich als den kartesischen Weg beschreiben würde. Man versucht einfach dieses Wasserfallprinzip oder Ingenieursprinzip: klären Sie die Eingabe, klären Sie die Metriken, klären Sie das Modell und setzen Sie dann alles zusammen, um eine Optimierung in dieser Reihenfolge durchzuführen und es wird funktionieren. Aber nein, es ist absolut nicht die Art und Weise, wie es funktioniert.
Joannes Vermorel: Ich kann meine Erfahrung kommunizieren, dass es immer wieder gescheitert ist und wir eine Vielzahl von sehr schmerzhaften Initiativen hatten. Ich meine, letztendlich, wenn man es auf kartesische Weise macht, was passiert in der Praxis? Nun, man wird einfach sein schönes Projekt machen und dann, an dem Tag, an dem man fertig sein sollte, merkt man einfach, dass nichts funktioniert und man alles noch einmal machen muss.
Letztendlich wird es funktionieren, weil wenn man tatsächlich versucht, in die Produktion zu gehen, wird man all diese Dinge sehen und dann muss man alles, was man zuvor gemacht hat, überarbeiten. Und das ist der Trick. Wenn man diese Perspektive nicht annimmt, wird das, was passiert, sein, dass Ihre Projekte einfach Jahre dauern, weil Sie ein einjähriges Projekt machen, um es in dieser Wasserfallperspektive fertigzustellen, schöner Plan und alles. Und am Tag, an dem Sie versuchen, das System einzuschalten, merken Sie einfach, dass alles auseinanderfällt. Also schalten Sie es wieder aus und wiederholen es. Und dann dauert es Jahre.
Meine Philosophie ist es, zunächst nur über dieses Experiment zu kommunizieren. Und dann, aus einer philosophischeren Perspektive würde ich sagen, dass man alles, was man lernt, nicht aus Lehrbüchern lernt. Für die große Mehrheit der Dinge im Leben lernt man durch Tun. Es ist tatsächlich äußerst schwierig, irgendetwas zu lernen, indem man es nicht tut.
Ja, theoretisch gesehen kann man eine Fremdsprache lernen, indem man einfach ein Buch nimmt, es sechs Monate lang liest, es auswendig lernt und dann fließend ist. Ich weiß nicht, ob ich jemals jemanden gesehen habe, der dazu in der Lage ist. Es könnte theoretisch möglich sein, aber in der Realität nicht. Sie würden es versuchen, stolpern und manchmal würden die Leute einfach nicht verstehen, was Sie sagen, und dann würden Sie allmählich besser werden. Aber sehen Sie, man lernt durch Tun. Das ist sozusagen das alte griechische Konzept der Praxis. Und ich denke, für etwas, das ein sehr komplexes System wie die Supply Chain ist, gibt es keine andere Möglichkeit zu lernen, ich denke, das ist töricht.
Kieran Chandler: Okay, nun lassen Sie uns langsam zum Abschluss kommen. Das klingt alles theoretisch großartig, aber es ist noch lange nicht etabliert. Glauben Sie, dass die Branche wirklich bereit ist, einen völlig neuen Ansatz anzunehmen, oder glauben Sie, dass sie sehr festgefahren ist und die alten Ansätze zu tief verwurzelt sind?
Joannes Vermorel: Das Lustige ist, dass ich in Bezug auf die Bereitschaft die große Mehrheit der Unternehmen sehe, die seit Jahrzehnten Supply Chain-Optimierungssysteme einsetzen, insbesondere große Unternehmen, und das ist verrückt. Sie haben, ich meine…
Kieran Chandler: Selbst der Begriff ERP (Enterprise Resource Planning) steht normalerweise für irgendeine Art von Supply Chain-Optimierung. Die große Mehrheit der in den letzten drei Jahrzehnten implementierten ERPs liefert in diesem Bereich keinen Mehrwert. Ja, sie liefern viel Wert auf der Managementseite. Sie können Ihre Bestände verfolgen, Sie können Echtzeit-Sichtbarkeit haben, was sehr schön ist. Sie können viele Workflow-Automatisierungen für Rechnungen, Zahlungen, Verzögerungsverfolgung usw. haben. Sehr gut. Aber wenn es um die vorausschauende Optimierung geht, ist der Stand der Industrie fast nicht vorhanden. Es gibt sehr wenige funktionierende Lösungen, und das liegt nicht daran, dass es nicht versucht wurde. Häufig sind die großen Unternehmen, die wir bedienen, typischerweise ihr fünfter, sechster oder siebter Versuch in dieser Hinsicht. Also, in Bezug auf die Bereitschaft denke ich, dass viele Unternehmen bereit sind, es zu tun, weil sie es in den letzten drei Jahrzehnten versucht haben. Es liegt nicht daran, dass es nicht versucht wurde.
Joannes Vermorel: Ich denke, der Kern der Sache ist, dass die meisten Unternehmen nicht einmal versucht haben, die Feinheiten ihrer Misserfolge anzuerkennen. Das könnte mit der Macht des negativen Wissens zusammenhängen, über das wir in einer anderen Episode gesprochen haben. Vielleicht müssen einige Unternehmen damit beginnen, sich auf diese komplexen Probleme, diese bösen Probleme oder Probleme, die sich der schönen kartesischen Herangehensweise widersetzen, bei der man einfach Stift und Papier nimmt, sich an den Schreibtisch setzt, hart nachdenkt, eine Lösung findet, sie implementiert und es funktioniert. So funktioniert es nicht im Supply Chain Management. Die Supply Chain ist viel zu chaotisch. Sie müssen diese Entscheidungen generieren, nicht nur danach handeln. Sie können die Entscheidung generieren, einige Leute können sie sich ansehen und dann werden sie Ihnen sagen: “Nein, das funktioniert nicht.” Das reicht schon aus. Aber in Bezug auf die Bereitschaft, zurück zu Ihrer Frage, denke ich, dass viele Unternehmen bereit sind, und das wird ein harter Kampf sein. Für Lokad müssen wir sie immer noch davon überzeugen, dass es keinen anderen Weg gibt, als ihre Initiative in Bezug auf die Realität zu riskieren, anstatt zu versuchen, es beim ersten Mal richtig zu machen, aus einer kartesischen, top-down Perspektive, die leider nicht funktioniert.
Kieran Chandler: Okay, großartig. Wir müssen hier abschließen, aber vielen Dank für Ihre Zeit. Das war alles für diese Woche. Vielen Dank fürs Zuschauen und wir sehen uns in der nächsten Folge wieder. Bis bald.
