Quantitatives / Qualitatives Paradox in supply chains

00:00:08 Einführung in das quantitativ-qualitative Paradox in supply chains.
00:00:33 Herausforderungen bei der Messung von Einsparungen mit einem quantitativen Ansatz.
00:02:00 Paradox zwischen einer hoch quantitativen Methodologie und der Notwendigkeit eines qualitativen Verständnisses.
00:03:10 Die Rolle subjektiver Urteile bei der Bewertung von Zahlen und Messungen.
00:06:00 Die Bedeutung qualitativen Verständnisses bei der Nutzung von Daten zur Verbesserung von Unternehmen.
00:08:01 Die Herausforderung, Situationen in supply chains vor und nach Covid zu vergleichen.
00:10:22 Notfallmaßnahmen, die während der Krise ergriffen wurden, und die Bewertung der supply chain Performance.
00:12:57 Die Komplexität von Problemen in supply chains und der Frust, nur eine einzige Zahl zur Darstellung der Lösung zu haben.
00:14:10 Die Gefahr, technische Lösungen zu überbewerten, und die Bedeutung von Interpretation im supply chain Management.
00:15:53 Wie oft Fachleute im Bereich supply chain ihre Entscheidungen überdenken sollten und der iterative Prozess des qualitativen Denkens.
00:17:38 Die Übernahme der “Day One”-Mentalität aus Amazons Philosophie, um Probleme mit einem frischen Blick anzugehen.
00:19:12 Der Einsatz qualitativer Ansätze zur Verbesserung der Problemlösung in der supply chain Optimierung.
00:21:36 Wie Zahlenanalysen helfen können, bessere Entscheidungen für die Herausforderungen eines Unternehmens zu treffen.
00:22:31 Die Bedeutung, das Zusammenspiel zwischen qualitativen und quantitativen Methoden im supply chain Management zu verstehen.

Zusammenfassung

Das Interview zwischen Kieran Chandler und Joannes Vermorel, Gründer von Lokad, geht auf die Komplexität von supply chain optimization ein und betont die Notwendigkeit, quantitative und qualitative Ansätze in Einklang zu bringen. Vermorel hebt die Bedeutung hervor, die Zahlen durch qualitative Urteile zu deuten, da supply chains komplexe Systeme mit zahlreichen potenziellen Fehlerpunkten sind. Er schlägt vor, dass Unternehmen Datenanalyse betreiben sollten, um ein intellektuelles Modell dafür zu entwickeln, was Optimalität für ihre spezifische supply chain bedeutet, was zu Entscheidungen führt, die nicht rein quantitativ sind. Die Diskussion unterstreicht auch die Herausforderungen, komplexe Probleme zu vereinfachen und die Bedeutung, die Kundennachfrage besser zu bedienen.

Erweiterte Zusammenfassung

In diesem Interview spricht der Moderator Kieran Chandler mit Joannes Vermorel, dem Gründer von Lokad, einem Softwareunternehmen, das sich auf supply chain Optimierung spezialisiert hat. Sie diskutieren die Mischung aus quantitativen und qualitativen Ansätzen im supply chain Management und die Herausforderungen, diese beiden in Einklang zu bringen.

Vermorel erklärt, dass Lokads die Quantitative Supply Chain Ansatz häufig mit Skepsis und Fragen nach spezifischen Dollar-Einsparungen begegnet. Obwohl die Methodik des Unternehmens hoch quantitativ ist und auf fortgeschrittenen statistischen Werkzeugen sowie einer Programmiersprache beruht, die der predictive optimization gewidmet ist, gibt Vermorel zu, dass es schwierig ist, einfache, präzise Einsparungsbeträge anzugeben. Er hebt hervor, dass es oft irreführend ist, einen garantierten Dollar-Betrag an Einsparungen zu versprechen, da die Komplexität von supply chains ein nuancierteres Verständnis erfordert.

Obwohl Lokads Ansatz in quantitativer Methodologie verankert ist, betont Vermorel die Bedeutung qualitativer Urteile, um die Zahlen zu deuten. Er erklärt, dass jede Messung, selbst in einem hoch quantitativen Umfeld, bis zu einem gewissen Grad subjektiv ist, da supply chains komplexe Systeme sind, die Menschen, Maschinen, Prozesse und Software umfassen. Folglich ist es nahezu unmöglich, persönliche Urteile vollständig auszuschließen.

Vermorel veranschaulicht die Subjektivität von Messungen anhand der Umsatzmetrik. Er weist darauf hin, dass, obwohl der Umsatz eine quantitative Zahl ist, er von verschiedenen Faktoren beeinflusst wird, wie etwa Promotions, Rabatten und Stockouts, die qualitativen Urteilen unterliegen. Ebenso erfordert ein Blick auf Lagerbestände die Berücksichtigung mehrerer Faktoren, darunter Durchlaufzeiten, die Zuverlässigkeit von Lieferanten und das Risiko der Veralterung. All diese Faktoren erfordern qualitative Bewertungen.

Chandler und Vermorel diskutieren auch die Schwierigkeit, die Zukunft vorherzusagen, und die Bedeutung qualitativer Urteile im Umgang mit Unsicherheiten. Vermorel stellt fest, dass es selbst bei den fortschrittlichsten Vorhersagewerkzeugen immer Unbekanntes geben wird, das menschliche Intuition und Erfahrung erfordert. Dies trifft insbesondere auf supply chains zu, in denen komplexe Netzwerke und Abhängigkeiten zahlreiche potenzielle Fehlerquellen schaffen. Während quantitative Methoden helfen können, Risiken zu identifizieren, unterstützen qualitative Bewertungen dabei, diese effektiv zu priorisieren und anzugehen.

Abschließend betont Vermorel, dass supply chain Optimierung nicht nur darauf abzielt, Kosten zu senken, sondern auch strategische Ziele zu erreichen. Er unterstreicht, dass Unternehmen qualitative Aspekte wie Markenimage, Kundenzufriedenheit und langfristiges Wachstumspotenzial berücksichtigen sollten, wenn sie supply chain decisions treffen. In diesem Zusammenhang ist es entscheidend, quantitative und qualitative Bewertungen in Einklang zu bringen, um optimale Ergebnisse zu erzielen.

Die Diskussion zwischen Kieran Chandler und Joannes Vermorel dreht sich um die Komplexität der supply chain Optimierung und die Notwendigkeit, quantitative und qualitative Ansätze auszubalancieren. Während Lokads Methodik stark quantitativ ist, betont Vermorel die Bedeutung qualitativer Urteile, um die Zahlen zu verstehen und einzuordnen. supply chain Management erfordert eine Mischung beider Ansätze, um den inhärenten Unsicherheiten und Komplexitäten des Feldes gerecht zu werden und strategische Ziele zu erreichen.

Vermorel erklärt, dass Lokad mit dem klassischen Prognoseansatz begann, bei dem eine einzige Zahl für den täglichen, wöchentlichen oder monatlichen Bedarf ermittelt wurde. Allerdings erkannten sie bald, dass diesem Ansatz die Berücksichtigung von Unsicherheit fehlte. Als sie tiefer in die Zahlen eintauchten, stellten sie fest, dass zahlreiche Nuancen und Feinheiten eine Rolle spielten. Dies führte zur Entwicklung fortgeschrittener Werkzeuge zur numerischen Analyse und zur Notwendigkeit, qualitative Urteilssprünge zu machen, um die richtigen Wege in der Optimierung von supply chains zu wählen.

Der Moderator zitiert ein Zitat von William Edward Deming, das besagt, dass man ohne Daten nur jemand mit einer Meinung ist. Vermorel stimmt zu, fügt jedoch hinzu, dass es naiv sein kann, sich ausschließlich auf Daten zu verlassen. Er argumentiert, dass die Vorstellung, Ingenieure würden einfach Daten crunching betreiben, um eine optimale Lösung zu finden, absurd sei, da das Konzept von “optimal” hochgradig subjektiv ist. Stattdessen schlägt Vermorel vor, dass Unternehmen Datenanalysen durchführen sollten, um ein intellektuelles Modell dafür zu entwickeln, was Optimalität für ihre spezifische supply chain bedeutet. Paradoxerweise führt dies oft zu qualitativen Urteilssprüngen, die nicht rein quantitativ sind.

Auf die Bitte um ein Beispiel hin erläutert Vermorel die Herausforderungen, denen Kunden während des wirtschaftlichen Abschwungs infolge der COVID-19-Pandemie gegenüberstanden. Unternehmen verzeichneten weniger Umsatz, überschüssige Vorräte und signifikante Verschiebungen in ihren Vertriebskanälen. In diesem Kontext haben Kunden von Lokad gefordert, nachzuweisen, dass sich ihr supply chain Management im Vergleich zum Vorjahr verbessert hat. Vermorel weist auf die Schwierigkeiten hin, solche Vergleiche anzustellen, da die Situationen vor und nach der Pandemie erheblich unterschiedlich sind.

Er erklärt, dass Unternehmen, um die Leistung zu vergleichen, qualitative Urteilssprünge auf hoher Ebene machen müssen, die nicht ausschließlich auf numerischen Daten beruhen können. Zum Beispiel müssen Faktoren wie Ladenschließungen und die Verlagerung vom stationären Handel zum Online-Verkauf berücksichtigt werden. Darüber hinaus mussten supply chains aufgrund der Krise heruntergefahren und wieder hochgefahren werden, was den Vergleich weiter verkompliziert.

Das Interview unterstreicht die Bedeutung sowohl quantitativer als auch qualitativer Analysen in der supply chain Optimierung. Während Daten unerlässlich sind, um die Feinheiten des supply chain Managements zu verstehen, sind qualitative Urteilssprünge und ein ganzheitlicherer Ansatz notwendig, um effektive Entscheidungen zu treffen. Dies ist besonders relevant in Krisenzeiten, in denen Unternehmen sich an beispiellose Situationen anpassen und Vergleiche zur früheren Leistung mit Vorsicht anstellen müssen.

Es wurde die Bedeutung eines quantitativen Ansatzes in der supply chain Optimierung diskutiert, während gleichzeitig die Notwendigkeit qualitativer Urteile anerkannt wurde. supply chains sollten ereignisarm sein, ohne bemerkenswerte Zwischenfälle oder Engpässe, und das richtige Gleichgewicht zwischen konkurrierenden wirtschaftlichen Kräften aufweisen. Vermorel betont die Notwendigkeit einer iterativen, qualitativen Überprüfung des Systems anstelle einer konstanten quantitativen Überprüfung und schlägt vor, dass Unternehmen sich darauf konzentrieren sollten, den Prognosemechanismus zu verbessern, anstatt manuell Prognosen zu überprüfen. Die Diskussion hebt auch die Herausforderungen hervor, komplexe Probleme zu vereinfachen, und die Bedeutung, die Kundennachfrage besser zu verstehen und zu bedienen.

Vermorel spricht über die Bedeutung des Ausgewogen-Seins zwischen qualitativen und quantitativen Ansätzen in der supply chain Optimierung. Er hebt das Konzept des “Day One”-Denkens hervor, das einen frischen Blick auf Probleme betont. Vermorel schlägt vor, dass, obwohl quantitative Methoden wertvolle Einblicke liefern können, es entscheidend ist, sich qualitativ auf die Problemdefinition zu konzentrieren. Er betont, dass Zahlen dabei helfen können, die richtigen Herausforderungen für ein Unternehmen zu identifizieren, was letztlich zu besseren Ergebnissen führt. Das Zusammenspiel zwischen quantitativen Methoden und qualitativem Denken kann den Horizont von Supply Chain Directors erweitern und ihnen helfen, ihre supply chain auf innovative Weise anzugehen.

Vollständiges Transkript

Kieran Chandler: Hey, bei Lokad wurde die Mischung aus einem quantitativen Ansatz, der auf Daten basiert, und einem qualitativen, der sich auf Geschäftsentscheidungen konzentriert, oft als etwas disruptiv angesehen. Daher werden wir heute auf Lokad TV dieses Gleichgewicht untersuchen und verstehen, welches in einem Henne-Ei-Szenario wichtiger ist. Also, Joannes, unser Thema heute dreht sich um dieses quantitativ-qualitative Paradox in supply chains. Es ist etwas kompliziert formuliert, also, worin besteht die Idee dahinter?

Joannes Vermorel: Die Idee ist, dass wir bei Lokad etwas Pionierhaftes betreiben, das als [die Quantitative Supply Chain] Ansatz bezeichnet wird. Es gibt viele Menschen, die uns herausfordern und sagen: “Ihr habt einen quantitativen Ansatz, also wie viel wird mein Unternehmen in einem Jahr in Dollar einsparen, wenn wir das tun?” Die Antwort ist eigentlich sehr schwierig, denn man könnte meinen: “Nun, ihr habt einen Ansatz, bei dem alles in Dollar gemessen und optimiert wird, also warum könnt ihr nicht eine sehr einfache Messung der Einsparungen in Dollar vornehmen?” Die Antwort erweist sich in der Regel als weit komplizierter, und es erfordert ein erhebliches Maß an qualitativem Verständnis, um irgendein quantitatives Ergebnis, das wir liefern können, zu deuten. Üblicherweise sind die bloßen Zahlen, wenn ich sage, “Oh, euer Unternehmen wird garantiert 10 Millionen Dollar einsparen”, völlig irreführend.

Kieran Chandler: Also, das Paradox besteht darin, dass, obwohl wir eine hoch quantitative Methodologie mit Unmengen an numerischen Werkzeugen und Technologien haben, die buchstäblich Zahlen in großem Maßstab verarbeiten und fortgeschrittene Statistiken durchführen – und Lokad ist eine programmatische Plattform, auf der programmiert wird, was wiederum heißt, dass Zahlen mit einem ziemlich fortgeschrittenen Werkzeug, einer Programmiersprache, die der prädiktiven Optimierung von supply chains gewidmet ist, verarbeitet werden – in der Regel der einzige Weg, dies zu deuten, darin besteht, qualitative Urteile zu fällen. Das ist ein Paradox für eine Methodologie, die sich als hoch quantitativ rühmt.

Kieran Chandler: Die Zuschauer könnten das etwas überraschend finden. Ich meine, du hast ein ganzes Buch über die quantitative supply chain geschrieben. Also, was ist es an einem qualitativen Urteil? Welche Art von Dingen sollten wir dabei betrachten?

Joannes Vermorel: Eine der wichtigsten Erkenntnisse ist, dass jede Zahl, jede Messung, die man vornehmen kann, höchst subjektiv ist. Man könnte denken, dass man etwas völlig Rationales, Objektives und Unabhängiges haben kann, bei dem alle persönlichen Urteile ausgeschlossen wurden, aber in Wirklichkeit ist das nahezu unmöglich. supply chains sind sehr komplex und beinhalten viele Menschen, Maschinen, Prozesse und Software. Sie existieren in einem Ökosystem, das man kaum vollständig erfassen kann, sodass man bestenfalls auch bei der Beurteilung von Kennzahlen wie dem Umsatz qualitative Urteilssprünge vornehmen muss. Es gibt ein bekanntes Sprichwort in…

Kieran Chandler: Kannst du uns mehr über die Geschäftsphilosophie deines Unternehmens Lokad erzählen?

Joannes Vermorel: Die Philosophie spiegelt sich in dem Geschäftssprichwort wider, dass “Umsatz Eitelkeit ist, Gewinn Meinung und Cash King”. Das bedeutet, dass, je nachdem, worauf man schaut, man entweder etwas sehr Reales oder etwas Unschärferes betrachtet, das auf unterschiedliche Weise zu interpretieren ist. Das ist der Kern unserer Produkte.

Kieran Chandler: Kannst du das näher erläutern?

Joannes Vermorel: Als wir Werkzeuge für eine stärker quantitative Analyse und Datenverarbeitung entwickelten, erkannten wir zunehmend, wie viel Tiefe beispielsweise in immer besseren Prognosen steckt. Als Lokad begann, hatten wir klassische Prognosen, die uns eine einzige Zahl für den täglichen, wöchentlichen oder monatlichen Bedarf lieferten. Doch wir stellten fest, dass uns etwas fehlte; etwas, das in unserer Methodik völlig abwesend war, nämlich Unsicherheit. Unsere klassische Perspektive war fehlerhaft, weil wir die Unsicherheit komplett außer Acht ließen. Wenn man tiefer in die Zahlen eintaucht, sieht man, dass eine Vielzahl von Nuancen und Feinheiten im Spiel ist. Dies erfordert qualitative Urteilssprünge, die sehr willkürlich sind.

Kieran Chandler: Also, was du sagst, ist, dass ohne ein gewisses qualitatives Verständnis die Möglichkeiten, mit Daten etwas anzustellen, begrenzt sind?

Joannes Vermorel: Nein, nicht wirklich. Man kann naiv annehmen, dass Daten irgendeine Art von geschäftlicher Verbesserung freischalten, aber dem ist nicht so. Ohne Daten hast du nicht einmal die Werkzeuge, und die Realität fordert dich nicht einmal genug heraus, sodass du ein tatsächliches und intellektuelles Modell dessen aufbauen kannst, was Optimalität wirklich für dein Business bedeutet. Um richtige Ideen zu bekommen, wie du über deine supply chain denken solltest, musst du diese Datenanalyse betreiben, und sobald du das getan hast, wirst du die Mittel haben, um Entscheidungen zu treffen.

Kieran Chandler: Also, Joannes, du hast viel über den quantitativen Ansatz gesprochen, den Lokad bei der supply chain optimization anwendet. Aber ich nehme an, dass es dennoch einige qualitative Entscheidungsfindungen gibt, die getroffen werden müssen. Kannst du uns mehr darüber erzählen?

Joannes Vermorel: Ja, absolut. Obwohl wir versuchen, so weit wie möglich auf quantitative Daten zu setzen, gibt es immer noch Entscheidungen, die völlig nicht quantitativ sind. Siehst du, das ist eine Eigenart. Und die Illusion wäre, dass man eine Entscheidung umgehen könne, um alles rein quantitativ zu halten.

Kieran Chandler: Okay, das macht Sinn. Kannst du uns ein Beispiel für eine Situation geben, in der qualitative Schritte notwendig sind?

Joannes Vermorel: Sicher, lass mich dir ein Beispiel geben. Kunden fragen uns zum Beispiel in dieser Zeit: “Sag uns, weißt du, ihr habt gerade Lokad implementiert. Wir haben das Glück, dass wir in der ersten Hälfte von 2020 dennoch Kunden gewinnen konnten. Und sie schauen sich die Situation an und fragen: ‘Beweist uns, dass es uns im Vergleich zum letzten Jahr besser geht.’” Und offensichtlich, angesichts der absolut schrecklichen Wirtschaftslage, in der wir uns befinden – alles ist schlimmer, du weißt ja, sie haben weniger Umsatz. Wenn sie in der Modebranche tätig sind, ist der Großteil der Wintersaison vorbei, und sie bleiben mit tonnenweisen Lagerbeständen aus der Wintersaison zurück. Es ist ziemlich schlimm, in vielen Situationen wirklich bedrohlich. Und ich glaube, selbst in dieser Situation können wir Verbesserungen erzielen. Aber im Vergleich zu was? Können wir die Situation vor COVID mit der Situation nach COVID vergleichen? Ergibt das überhaupt Sinn? Wie vergleicht man, wenn beispielsweise Einzelhandelsketten ein Drittel ihrer Geschäfte geschlossen haben oder wenn im Grunde der e-commerce sich verdoppelt hat, die Geschäfte aber die Hälfte ihrer Nachfrage verloren haben? Es ist eine andere Welt, nicht völlig anders, aber ziemlich unterschiedlich. Und wenn es darum geht, die Zahlen zu vergleichen, würde ich sagen, dass man Entscheidungen treffen muss. Du kannst die Zahlen präsentieren, über sie nachdenken, sie so gut wie möglich in Einklang bringen, du kannst sagen: “Hier sind all die Verzerrungen, die wir zu berücksichtigen versuchen.” Aber in Wirklichkeit bedürfen die Zahlen, die du am Ende präsentierst, einer übergeordneten Einschätzung. Man kann nicht einfach sagen: “Oh, es sind nur zwei Zahlen im Vergleich,” und damit abschließen und mir beispielsweise mitteilen, wie viele Millionen Euro oder Dollar du eingespart hast. Was wir in dieser Krise bewältigen mussten, war, dass es viele Kunden gab, bei denen wir im Grunde Notmaßnahmen ergreifen mussten, damit ihre supply chains einen sauberen Shutdown erhalten. Das war sehr kompliziert zu organisieren und völlig beispiellos. Und dann mussten wir zwei Monate später das umgekehrte Vorgehen, quasi einen Not-Neustart der supply chain, durchführen. Und dann, wie beurteilt man, ob Lokad korrekt agiert hat? Ich glaube, unser quantitativer Ansatz macht es tatsächlich relativ unkompliziert, eine fundierte Entscheidung zu treffen. Aber lass dir gesagt sein, dass dabei eine sehr fundierte, qualitativ geprägte Entscheidung notwendig ist.

Kieran Chandler: Es mag wie etwas klingen, das typischerweise unterschätzt wird – weißt du, eine Eigenschaft eines sehr guten supply chain optimization Prozesses ist, dass es keine bemerkenswerten Ereignisse mehr gibt. Und es ist, würde ich sagen, sehr schwer, das in Zahlen auszudrücken. Wenn nichts Bemerkenswertes passiert, weil alles reibungslos läuft, ohne großes Aufhebens, genau wie es sein sollte, dann ist das eine sehr, sehr wichtige Eigenschaft unserer erprobten supply chain. Die Abläufe laufen sehr reibungslos, und es gibt wirklich nichts Bemerkenswertes. Es gibt keinen massiven Lagerbestand – tatsächlich gibt es so wenig Lagerbestand, wie man sich nur erträumen kann, und es gibt kaum Lagerbestandsausfälle, so wenige, wie es vernünftigerweise sein kann. Insgesamt ist alles sehr ereignislos, aber manchmal werden diese Kunden etwas frustriert, weil man sich auf diese Art der Ereignisinterpretation konzentriert, statt auf die numerischen Ergebnisse. Überschreitet Lokad da nicht vielleicht ein wenig ihre Grenzen?

Joannes Vermorel: Ja, ich meine, es ist frustrierend, weil es nicht einfach ist. Man hätte gerne etwas, das einfach wäre, oder will einfach diese Zahl und fertig. Und wenn man sich das Problem anschaut und dann sagt: “Weißt du, wir haben mindestens 10 Blickwinkel auf dieses Problem, die wir ausbalancieren müssen,” weil supply chain hauptsächlich davon handelt, widersprüchliche ökonomische Kräfte in Einklang zu bringen – etwa die Kosten für Lagerbestand, höhere Produktionskosten, Kosten für mehr Flexibilität bei den Lieferanten, Kosten für kürzere Lieferzeiten versus mehr Lagerbestand und längere Vorlaufzeiten – dann sieht man, dass all diese Dinge gewissermaßen in Konflikt stehen. Also, wenn Leute sagen: “Oh, wir möchten, dass dieses Problem, das mindestens 10 Dimensionen hat, auf nur eine Zahl reduziert wird und damit fertig ist,” dann entgeht ihnen die Gewissheit, und genau das macht dein Unternehmen großartig. Es ist nicht immer möglich, etwas, das sehr komplex ist, einfach auf eine vereinfachte Perspektive zu reduzieren.

Kieran Chandler: Und ich nehme an, du sagst nicht, dass man Komplexität um der Komplexität willen anstreben sollte, nur um so zu tun, als wüsste man etwas – denn das tun viele Akteure in dieser Branche. Sie setzen, würde ich sagen, einen übermäßigen Schwerpunkt auf super technische Lösungen mit viel zu vielen Zahlen, nur um eindrucksvoll und kompetent zu wirken, so als ob sie viel mehr wüssten als du.

Joannes Vermorel: Das ist nicht der Punkt. Normalerweise sagen wir, dass wir viel Zeit in die Interpretation investieren müssen, um überhaupt beispielsweise zu bewerten, ob eine Zahl beachtenswert ist – und das ist eine Diskussion wert. Ja, es ist immer möglich, jedem einzelnen dashboard noch einen KPI hinzuzufügen, aber ist das wirklich lohnenswert? Und nochmals: Das ist eine qualitative Diskussion über numerische Ergebnisse. Interessanterweise hängt es davon ab, ob ein KPI beachtenswert ist, von den numerischen Werten, die dieser KPI zeigt. Und wie qualifiziert sich der numerische Wert eines KPI als überraschend? Das ist wieder keine rein numerische Aussage.

Kieran Chandler: Du hast über Zahlen und Denkebenen gesprochen. Könntest du dieses Paradox erklären, das viele Menschen haben, dass es angeblich nur um Zahlen geht?

Joannes Vermorel: Ja, eine qualitative Aussage – und genau da liegt das Paradox: Viele denken, wenn man sagt, es geht nur um Zahlen, dann ist dem nichts anzusehen. Es geht vielmehr darum, dass die Zahlen mit weiteren Ebenen des Denkens ergänzt werden.

Kieran Chandler: Ich verstehe. Und du hast die Idee erwähnt, dass diese Denkebenen wachsen und zu einem iterativen Prozess werden. Also, wie oft sollten supply chain practitioner diese Entscheidungen überdenken? Ich meine, sie können nicht ihre ganze Energie darauf verwenden, ständig alles zu überprüfen. Schauen sie qualitativ auf die richtigen Dinge?

Joannes Vermorel: Ich würde sagen, man sollte das ständig hinterfragen, und die quantitative Überprüfung des Systems ist sinnlos. Wenn ich Unternehmen sehe, die sagen: “Oh, wir sind wirklich zahlengetrieben, weißt du, wir haben Leute, die unsere Prognose jede Woche manuell überprüfen,” frage ich: “Warum müsst ihr eure Prognose jede Woche manuell überprüfen? Das ist völlige Zeitverschwendung.” Sie entgegnen: “Aber die Prognosen sind sonst nicht gut.” Wenn die Prognosen sonst nicht gut sind, solltet ihr vielleicht schon die Prognose-Engine, die die Prognosen erzeugt, optimieren, damit ihr nicht ständig manuell eingreifen müsst. Und damit ist es erledigt. Sie sagen: “Oh, aber wir haben es jahrelang versucht und es nie mit unserem Anbieter geschafft.” Dann würde ich sagen: “Na, sucht euch einen anderen Anbieter.” Schau zum Beispiel… Aber ich schweife ab. Zurück zum Thema. Dieses ständige, sich wiederholende quantitative Überprüfen halte ich für völlige Zeitverschwendung. Vielmehr sollte man immer wieder die Frage hinterfragen: Was bedeutet das eigentlich? Was heißt Kundennachfrage? Wie kann ich meine Kunden tatsächlich besser bedienen? Was heißt es, sie besser zu bedienen? Gibt es einen Blickwinkel, den ich noch nicht erkannt habe? Das sind Fragen, die man ständig neu betrachten sollte. Und übrigens, ich glaube, das ist einer der Grundpfeiler der Amazon-Denkweise, diese Idee von Day One. Wenn man die Memos liest, die Jeff Bezos der ganzen Welt zugänglich macht, sieht man, dass eine der Schlüsselideen im Grunde eines der Grundprinzipien der Amazon-Geschäftsweise ist: Es ist immer Day One. Das bedeutet, dass man Probleme stets so betrachten sollte, als wäre es der erste Tag – als ob man ganz frisch anfängt und denkt: “Wie können wir alles, was bisher gemacht wurde, noch einmal von Grund auf überdenken?” So erhält man eine völlig neue Perspektive. Und ich glaube, das ist genau das Gegenteil von dem, was passiert, wenn Leute ihre Prognosen immer wieder quantitativ justieren.

Kieran Chandler: Entschuldige, du könntest am Ende feststellen, dass du vielleicht eine völlig andere Antwort brauchst. Wenn du noch einmal überdenkst, was ein Kunde ist, und dabei erkennst, dass du nicht die richtige Denkweise darüber hattest, was ein Kunde ist, dann sind vermutlich alle Lösungen, die du entwickelt hast, um dem gerecht zu werden, was du als deinen Kunden angesehen hast, völlig daneben im Vergleich zu dem, was sie sein sollten. Das ist ein sehr kniffliger Prozess. Interessanterweise ist ein Teil dieses Paradoxons, dass man, wenn man sich diese Fragen isoliert stellt, sehr wahrscheinlich nicht zu neuen Ideen gelangt.

Joannes Vermorel: Und ein Teil des Paradoxons ist, dass einem das Betrachten der Zahlen die Inspiration geben kann, den Funken zu erhalten, der einen dazu bringt, das Geschäft quantitativ aus einem besseren Blickwinkel zu betrachten. Genau so etwas haben wir beispielsweise bei Lokad mit jenen probabilistischen Prognosen erreicht. Als wir anfingen, diese Wahrscheinlichkeiten zu betrachten, stellten wir fest, dass es so viele Dinge gab, die uns vorher nicht bewusst waren. Wir hatten das Problem noch nicht einmal an der Oberfläche abgekratzt, und diese Erkenntnis kam erst, als wir begannen, die Wahrscheinlichkeiten zu betrachten, während wir früher einfach annahmen, dass es für die Zukunft nur eine Zahl gibt.

Kieran Chandler: Zuvor hast du von der Idee gesprochen, sich in das Problem zu verlieben und nicht nur in die Lösung. Heißt das, du sagst, dass ein stärker qualitativer Ansatz die Art verbessert, wie man sich dem Problem nähert?

Joannes Vermorel: Absolut. Es gibt nichts Qualitatives als eine Problemdefinition. Nicht die Zahlen definieren die Probleme. Aber zurück zum Punkt: Zahlen können dir wirklich dabei helfen, das Problem besser zu durchdenken. Wenn du eine Problemstellung hast, musst du Entscheidungen treffen. Nicht alles ist gleichermaßen wichtig für dein Unternehmen. Ästhetik ist für viele Marken sehr wichtig, und für Luxusmarken könnte Ästhetik alles bedeuten. Wenn du Bergbauausrüstung verkaufst – naja, vielleicht nicht so sehr –, heißt das aber nicht, dass deine Ausrüstung schrecklich aussehen kann. Nein, ich würde sagen, auf eine sehr nerdige, mechanische Weise kann Bergbauausrüstung tatsächlich gut aussehen.

Kieran Chandler: Ziemlich cool, aber offensichtlich liegt der Schwerpunkt nicht ganz an derselben Stelle. Siehst du, darum geht es bei einer Problemdefinition. Du musst auch eine Aussage darüber treffen, was für dein Unternehmen nicht relevant ist. Du weißt, du musst eine Art Sparsamkeit walten lassen, damit du deine Kämpfe klug auswählst. Und nochmals: Wenn du diese Zahlenanalysen durchführst, können sie dir dabei helfen, die richtige Kampfauswahl für dein Unternehmen zu treffen – sodass du diese supply chain optimization erreichst, die die Dinge auswählt, bei denen du wirklich bessere Ergebnisse erzielst, letztlich mehr Dollar. Aber Vorsicht: Zwischen dem Tag, an dem du beginnst, das Problem zu betrachten, und sechs Monaten bis zu einem Jahr später wirst du das Problem nicht mehr auf dieselbe Weise sehen. Und somit wird es unglaublich schwierig, einen Dollar-zu-Dollar-Vergleich zu machen, weil sich deine Perspektive auf das Problem geändert hat. Wenn wir heute also sozusagen zusammenfassen – und definitiv ist der Unterschied zwischen diesem qualitativen und quantitativen Paradox ein wenig subtil – warum ist das dann überhaupt wichtig zu diskutieren?

Joannes Vermorel: Ich glaube, es ist wichtig, weil ich sagen würde – und wir haben 10 Jahre Geschäftserfahrung, die diesen Glauben bei Lokad stützen – dass quantitative Methoden bessere Ergebnisse für die supply chain bringen. Aber der Kernpunkt ist, dass bessere quantitative Methoden neue Denkansätze für die supply chain freischalten, was völlig qualitativ ist. Und siehst du, es gibt dieses Hin und Her: Wenn du bessere Zahlen hast, kannst du das Problem anders betrachten. Deshalb würde ich supply chain-Direktoren empfehlen, sich mit diesen numerischen Methoden vertraut zu machen, weil sie deinen Horizont erweitern, wie du überhaupt über deine supply chain nachdenken kannst. Das mag kontraintuitiv erscheinen, aber es ist ein stetiges Wechselspiel. Nutze quantitative Methoden also nicht wegen der Zahlen, sondern wegen der Einsichten, die diese Methoden in viele andere Bereiche deiner supply chain eröffnen.

Kieran Chandler: Okay, brillant. Es war etwas wortreich, aber ich denke, wir haben die gesamte Episode geschafft, ohne die beiden Ansätze zu vermischen. Das war also alles für diese Woche. Vielen Dank fürs Einschalten, und wir sehen uns beim nächsten Mal wieder. Danke fürs Zusehen.