00:00:08 Einführung und Eric Wilsons Hintergrund bei IBF.
00:01:35 Herausforderungen bei der Erzeugung nützlicher Zahlen und Erkenntnisse aus der Analytik.
00:03:45 Die Rolle von Geschäftsentscheidungen bei der Nutzung von Analytik.
00:05:31 Die Bedeutung fähiger Nachfrageplaner und des Branchenmangels.
00:07:25 Talentknappheit im supply chain und im Analytik-Bereich.
00:10:58 Die Notwendigkeit einer neuen Supply Chain Scientist-Rolle.
00:13:01 Probabilistisches Denken im Supply Chain Management.
00:14:41 Die zunehmende Bedeutung des Supply Chain Management in der Wirtschaft.
00:15:47 Das wachsende Interesse der Medien am Supply Chain Management.
00:17:18 Das Aufkommen von supply chain masters an Elite-Universitäten.
00:18:27 Die Entwicklung der Analytik und ihre Rolle in der Zukunft.
00:19:59 Ausgereifte Technologie wird unsichtbar und verschmilzt mit dem Hintergrund.
00:20:53 Beispiel der Anti-Spam-Technologie als ausgereifte, unsichtbare Technologie.
00:23:59 Definition der künstlichen Intelligenz und der Wert, die richtigen Fragen zu stellen.
00:24:57 Die ideale stille supply chain und ihre Auswirkungen auf Nachfrageplaner.
00:25:11 Eric Wilsons Hoffnungen für sein Buch und die Fähigkeiten, die Nachfrageplaner daraus gewinnen können.
00:26:39 Schlussbemerkungen.
Zusammenfassung
Im Interview mit Kieran Chandler, Joannes Vermorel, dem Gründer von Lokad, und Eric Wilson, einem zertifizierten Geschäftsprognostiker, wird die zunehmende Bedeutung von Analytik in modernen Organisationen diskutiert. Sie untersuchen die Herausforderungen, die sich aus der Nutzung großer Datenmengen für aussagekräftige Erkenntnisse ergeben, sowie die Notwendigkeit der supply chain-Optimierung. Beide betonen die Bedeutung von umsetzbarer Analytik für bessere decision-making. Das Gespräch hebt die wachsende Nachfrage nach qualifizierten Fachkräften im Bereich supply chain management sowie die Integration von Technologie mit supply chain-Expertise hervor. Da sich die Analytik ständig weiterentwickelt, müssen sich Organisationen anpassen, um agiler, reaktionsschneller und prädiktiver zu werden, um in einem sich schnell verändernden Markt wettbewerbsfähig zu bleiben.
Erweiterte Zusammenfassung
In diesem Interview wird der Moderator Kieran Chandler von Joannes Vermorel, dem Gründer von Lokad, und Eric Wilson, einem Certified Professional Business Forecaster und Moderator des IBF On-Demand Podcasts, begleitet. Sie diskutieren die Rolle der Analytik in modernen Organisationen, wobei der Schwerpunkt auf den Herausforderungen und Vorteilen der Nutzung von Daten zur Steuerung von Geschäftsentscheidungen liegt.
Vermorel vertritt eine etwas kontroverse Ansicht über Analytik. Er ist der Meinung, dass es einfach ist, enorme Datenmengen zu erzeugen, aber viel schwieriger, eine kleine Anzahl wertvoller Erkenntnisse für den menschlichen Gebrauch zu generieren. Er behauptet, dass der weit verbreitete Einsatz von Analytik in Unternehmen häufig keine nützlichen Informationen liefert. Wilson hingegen ist der Ansicht, dass, obwohl es entscheidend ist, die riesigen Datenmengen nach aussagekräftigen Erkenntnissen zu durchsuchen, die daraus resultierenden Vorteile die Kosten bei weitem überwiegen.
Wilson betont die Bedeutung, Rohdaten in Informationen und diese anschließend in umsetzbare Erkenntnisse zu verwandeln. Er erkennt an, dass viele Unternehmen Schwierigkeiten haben, die Stufe der Erkenntnisse zu erreichen, behauptet jedoch, dass der Beginn dieser Reise unerlässlich ist. Unternehmen sollten Daten nutzen, um ein tieferes Verständnis ihrer Verbraucher und der Wirtschaft zu erlangen, insbesondere angesichts von Herausforderungen wie COVID-19.
Sowohl Vermorel als auch Wilson sind sich einig, dass das ultimative Ziel der Analytik darin besteht, bessere Geschäftsentscheidungen zu treffen. Vermorel weist darauf hin, dass Analytik ohne einen praktischen, greifbaren Zweck zu unproduktiven Denk- oder Handlungsansätzen führen kann. Er kritisiert den weit verbreiteten Einsatz von vanity metrics und den Mangel an Fokussierung auf Schlüsselleistungs-indikatoren (KPIs). Im Gegensatz dazu schlägt er vor, dass Unternehmen sich auf umsetzbare, automatisierte Entscheidungsfindung auf Basis von Daten konzentrieren sollten.
Wilsons neues Buch ‚Predictive Analytics for Business Forecasting‘ richtet sich an Nachfrageplaner. Mit dem Wachstum der Datenteams steigt der Druck, fähige Nachfrageplaner zu finden. Wilson ist der Ansicht, dass Nachfrageplaner über die nötigen Fähigkeiten verfügen, um in ihren Positionen zu wachsen, da sie darauf ausgerichtet sind, die Faktoren, die Verbraucher und die Nachfrage beeinflussen, zu verstehen und zu kommunizieren.
Dieses Interview hebt die Herausforderungen und Vorteile der Nutzung von Analytik in modernen Organisationen hervor. Während Vermorel die Überbetonung von Daten ohne klare, umsetzbare Erkenntnisse kritisiert, betont Wilson die Bedeutung, Daten in wertvolle Informationen für die Entscheidungsfindung zu verwandeln. Beide sind sich einig, dass es einer fokussierten, umsetzbaren Analytik bedarf, um bessere Geschäftsentscheidungen zu treffen.
Das Gespräch beginnt damit, dass Eric Wilson den aktuellen Mangel an Nachfrageplanern anerkennt, da die Nachfrage nach ihren Fähigkeiten in den letzten Jahren erheblich gestiegen ist. Die Gehälter sind in den letzten fünf Jahren um 30 bis 40 Prozent gestiegen und Jobportale sind ständig mit Stellenanzeigen für diese Rollen gefüllt. Obwohl es qualifizierte Nachfrageplaner gibt, sind sie auf dem Markt einfach nicht in ausreichender Zahl vorhanden.
Joannes Vermorel stimmt zu und stellt fest, dass Talente rar sind und hochwertige Supply Chain Scientists schwer zu finden sind. Er vergleicht die Situation mit dem quantitativen Handel in Banken, wo eine kleine Anzahl von Händlern den Großteil der Erträge erzielt. Er ist der Ansicht, dass Technologie als Multiplikator für menschliche Intelligenz wirkt, wodurch fähigere Personen schneller und in größerem Umfang agieren können.
Vermorel weist darauf hin, dass die wachsende Beliebtheit von Data Scientists in den letzten fünf Jahren zu einem Zustrom von Fachleuten geführt hat, die in Technologie und Programmiersprachen wie Python sowie in machine learning Tools wie PyTorch, Keras und TensorFlow hochqualifiziert sind. Er argumentiert jedoch, dass technische Versiertheit allein kein Ersatz für ein tiefes Verständnis der Komplexitäten von supply chain ist.
Nach Vermorels Ansicht besteht die Herausforderung darin, dass Supply Chain Scientists ihre Fähigkeiten auf reale Situationen außerhalb des Rahmens von Technologieriesen wie Google und Facebook anwenden können. Die Schwierigkeit liegt darin, die supply chain-Analyse fein abzustimmen, was eine ganz andere Art von Herausforderung darstellt als der Umgang mit großen Datenmengen.
Wilson stellt sich eine Zukunft vor, in der beide Fähigkeiten zusammengeführt werden, um eine Rolle im Demand Planning zu schaffen, die in der Lage ist, tägliche Modelländerungen zu bewältigen und Analytik als zusätzliche Fähigkeit zu integrieren. Vermorel schlägt humorvoll den Begriff “Supply Chain Scientist” für eine solche Position vor, räumt jedoch ein, dass es sich um einen von Lokad erfundenen Begriff handelt, um ihre Marktrollen zu differenzieren.
Das Interview hebt die zunehmende Nachfrage nach qualifizierten Fachleuten in der supply chain-Optimierung hervor und beleuchtet die Herausforderungen, qualifizierte Personen zu finden, die sowohl die technischen als auch die geschäftlichen Aspekte des Feldes bewältigen können. Während sich die Technologie weiterhin fortentwickelt, bleibt das Bedürfnis nach einem tiefen Verständnis der Komplexitäten von supply chain und einer effektiven Zusammenarbeit zwischen Nachfrageplanern und Data Scientists entscheidend.
Das Gespräch unterstreicht die Bedeutung des probabilistischen Denkens im Supply Chain Management und den Abschied von deterministischen Ansätzen. Mit der Weiterentwicklung der Branche sind Demand Planning und supply chain für Unternehmen immer wichtiger geworden, wobei Führungskräfte mehr denn je auf diese Bereiche fokussieren.
Der Aufstieg der Beliebtheit von Data Science hat zu einem Zustrom von Schlagwörtern in der Branche geführt, doch die Interviewten betonen die Notwendigkeit eines tieferen Verständnisses der eigentlichen Prozesse. Sie diskutieren, wie das Supply Chain Management nach und nach von renommierten Universitäten stärker in den Blickpunkt rückt, während erstklassige Professoren und Studierende das Feld erkunden. Dieser Wandel trägt dazu bei, mehr Talente in die Branche zu bringen, die aufgrund von Faktoren wie Compliance und Globalisierung immer komplexer wird.
Mit Blick auf die Zukunft wird Analytik eine entscheidende Rolle in der Entwicklung des Supply Chain Management spielen. Unternehmen müssen agiler, reaktionsfähiger und prädiktiver werden, um mit dem sich verändernden Verbraucherverhalten Schritt zu halten. Dies wird eine stärkere Abhängigkeit von Demand Planning und supply chain-Optimierung zur Unterstützung gezielter Marketingstrategien mit sich bringen. Die Demokratisierung von Daten und Analytik wird weiterhin Veränderungen in der Branche vorantreiben und die Bedeutung der supply chain-Optimierung für Unternehmen unterstreichen.
Wilson sieht, dass Organisationen flacher werden und stärker auf Analytik zur Steuerung von Entscheidungen angewiesen sind. Vermorel ist der Meinung, dass ausgereifte Technologie unsichtbar wird, in den Hintergrund übergeht und nahtlos funktioniert. Er nennt die Anti-Spam-Technologie als ein Beispiel für eine ausgereifte Technologie, die unauffällig, aber effektiv arbeitet.
Vermorel sieht die Zukunft der supply chain-Analytik überwiegend unsichtbar vor, wobei sie alltägliche Entscheidungen trifft, ohne die Aufmerksamkeit der Top-Führungskräfte zu erregen. Er räumt jedoch ein, dass supply chains vielfältig sind und kein einzelnes Unternehmen oder keine Technologie den gesamten Markt abdecken kann. Trotz ihrer unauffälligen Natur ist Vermorel der Ansicht, dass fortgeschrittene Analytik wichtiger denn je wird, um die Wettbewerbsfähigkeit aufrechtzuerhalten.
Auf die Frage nach seinem Buch über prädiktive Analytik erklärt Wilson, dass es sich nicht um einen mathematiklastigen Text handelt, sondern vielmehr um eine Einführung in Machine Learning, künstliche Intelligenz und prädiktive Analytik für Nachfrageplaner. Das Buch behandelt Menschen, Prozesse, Analytik und Technologie, mit einem Schwerpunkt auf dem Aufbau datengetriebener Organisationen und dem effektiven Einsatz von Daten innerhalb der Organisation.
Vollständiges Transkript
Kieran Chandler: Hey, heute freuen wir uns, dass uns Eric Wilson, der Moderator der IBF On Demand Podcasts, begleitet. Wir werden mit ihm die Rolle der Analytik in modernen Organisationen und das, was wir aus seinem neuen Buch ‚Predictive Analytics for Business Forecasting‘ lernen können, diskutieren. Also, Eric, vielen Dank, dass du heute live aus den USA dabei bist. Vielleicht fängst du einfach damit an, uns ein wenig mehr über dich und deine Rolle bei IBF zu erzählen. Eric Wilson: Ich freue mich, Teil davon zu sein und auch in eurem Team mitzuwirken. Mein Name ist Eric Wilson, ich bin der Thought Leader des Institute of Business Forecasting. Es handelt sich tatsächlich um eine globale Organisation mit über 50.000 Mitgliedern weltweit. Wir setzen uns speziell dafür ein, das Wachstum von Demand Planning, Forecasting, Predictive Analytics, SNOP und verwandten Bereichen zu fördern. Das ist es, was wir als Organisation tun. Eines der Dinge, die wir machen, ist Wissen zu teilen, und dabei komme ich ins Spiel. Ich schreibe Artikel und moderiere einen zweiwöchentlichen Podcast, IBF On Demand, den ihr auf YouTube oder überall, wo ihr Podcasts findet, hören könnt. Das ist also ein wenig über mich. Ich habe etwa 30 Jahre Erfahrung in zu vielen Branchen und in zu vielen verschiedenen Positionen gesammelt, aber das hat mir ermöglicht, dorthin zu gelangen, wo ich jetzt bin. Kieran Chandler: Hervorragend! Heute, Joannes, dreht sich unser Thema komplett um Analytik, insbesondere in modernen Organisationen. Ich denke, als wir darüber gesprochen haben, hattest du eine etwas kontroverse Sichtweise auf die Analytik und ihre tatsächliche Rolle. Wie ist dein erster Überblick? Joannes Vermorel: Meine Ansicht in Kürze ist, dass es mit einem Computer sehr einfach ist, eine Million Zahlen pro Sekunde zu erzeugen, aber tatsächlich sehr schwer, fünf Zahlen pro Tag zu generieren, die es wert sind, von Menschen gelesen zu werden. Die größte Herausforderung bei der Analytik besteht darin, etwas zu produzieren, das die Aufmerksamkeit eines Menschen wert ist. Meine beiläufige Beobachtung ist, dass das, was derzeit in Unternehmen weit verbreitet ist, insbesondere im supply chain-Segment, aber nicht ausschließlich, diesen Test nicht besteht. Kieran Chandler: Was meinst du dazu, Eric? Die Datenmenge ist in den letzten 20 Jahren enorm gewachsen. Würdest du sagen, dass wir jetzt zu viele Zahlen produzieren und nicht auf das wirklich Wichtige achten? Eric Wilson: Ich glaube nicht, dass es zu viele Zahlen geben kann, aber es stimmt, was Joannes zur Gewinnung der richtigen Informationen sagt. Daten in jeglicher Form sind genau das – Rohdaten, die Bausteine, mit denen man etwas aufbauen kann. Die Umwandlung dieser Daten in Informationen und anschließend in Erkenntnisse ist der Punkt, an dem Unternehmen Schwierigkeiten haben. Die Vorteile, diesen Zustand zu erreichen, überwiegen jedoch bei weitem die Kosten des Weges dorthin. Kieran Chandler: Wir müssen aufhören, in der Vergangenheit zu leben, und anfangen, nach vorne zu blicken, neue Erkenntnisse über Verbraucher und die Wirtschaft zu gewinnen, besonders in Zeiten wie denen, die wir derzeit mit COVID erleben. Wir müssen damit beginnen, diese Erkenntnisse zu erschließen. Joannes Vermorel: Einer der zentralen Erkenntnisse, auf die wir bei Lokad Wert legen, ist die Idee von Geschäftsentscheidungen. Wo können diese Entscheidungen wirklich die Art und Weise verändern, wie ein Unternehmen operiert? Bei Analytik gibt es mehrere Wege, die zu unproduktiven Denk- oder Handlungssträngen führen können. Man braucht einen praktischen, alltäglichen Zweck, der das, was man mit seiner Analyse, den Zahlen, der Darstellung und allem macht, antreibt. Eine Entscheidung ist etwas, das einen physischen, greifbaren Einfluss auf supply chains hat, wie eine Kaufentscheidung, eine Lagerbewegung oder eine Preisänderung. Wenn man Zahlen direkt mit der Absicht betrachtet, eine Entscheidung zu verbessern, kann das gut sein. Was ich üblicherweise beobachte, sind Ozeane von vanity metrics, bei denen man am Ende so viele KPIs hat, dass es fast eine Beleidigung wäre, sie als „key“ zu bezeichnen. Es fehlt an Fokus und an einem integrierten Mechanismus oder der Absicht, sie in etwas Umsetzbares im großen Maßstab und auf völlig automatisierte Weise zu überführen. Kieran Chandler: Eric, in deinem neuen Buch ‚Predictive Analytics for Business Forecasting‘ liegt der Fokus stark auf dem Nachfrageplaner. Wir haben in der Branche festgestellt, dass mit wachsender Datenteams verstärkt nach fähigen Nachfrageplanern gesucht wird. Gibt es in der Branche diesbezüglich einen Mangel?
Eric Wilson: Da gibt es sowohl ein Ja als auch ein Nein dazu. Die Demand Planners sind fähig, in diese Position hineinzuwachsen. Sie sind darauf programmiert, zu beobachten, was Verbraucher beeinflusst, was die Nachfrage beeinflusst, um zu verstehen und Zusammenhänge zwischen verschiedenen Variablen herzustellen. Sie sind darauf programmiert, das in die supply chain, in die Finanzen und in andere Teile der Organisation zu kommunizieren, wodurch sie nützliche Einsichten liefern, die andere Teile der Organisation nutzen können. Sie verfügen über die nötigen Fähigkeiten. Das gesagt, sehen wir momentan einen Mangel an Demand Planners, weil so eine hohe Nachfrage nach ihnen besteht. Die Gehälter sind in den letzten fünf Jahren um 30 bis 40 Prozent gestiegen. Wir sehen, dass Jobportale selbst in diesen Zeiten mit Personen besetzt werden, die nach Leuten mit qualitativen, quantitativen und Kommunikationsfähigkeiten suchen, um Analytics und Geschäftssinn für eine Organisation zusammenzubringen. Also, sind sie qualifiziert? Ja, sie können es. Aber gibt es genug von ihnen? Die Antwort wäre nein.
Kieran Chandler: Und ich denke, das ist etwas, das wir hier wahrscheinlich auch sagen würden. Wir sind immer auf der Suche nach gut qualifizierten Supply Chain Scientists, und es ist immer ziemlich herausfordernd, sie zu finden. Warum ist es aus deiner Sicht so schwierig, Joannes?
Joannes Vermorel: Talent ist definitionsgemäß selten. Jedes einzelne Unternehmen behauptet, nur die Besten einzustellen, aber in Wirklichkeit stellt der Markt einfach den Durchschnitt ein. Solche Jobs sind diejenigen, bei denen Menschen, die besser darin sind, unverhältnismäßig gute Ergebnisse erzielen. Wir betreten ein Reich, das dem quantitativen Trading in Banken ähnelt, wo einige wenige Trader den Großteil des Ertrags erwirtschaften. Technologie ist ein Multiplikator der menschlichen Intelligenz, so dass, wenn man jemanden hat, der schlauer, fähiger und mit besseren Geschäftseinblicken ausgestattet ist, er es einfach schneller und in größerem Umfang für seine Organisation erledigen wird. Das trifft auch sehr auf die supply chain zu, nicht nur auf den Handel für Banken und Finanzen.
Was es, glaube ich, schwieriger macht, als es sein sollte, ist die Vorstellung des Data Scientist. Diese Bezeichnung ist in den letzten fünf Jahren sehr populär geworden, aber das Problem ist, dass man am Ende mit Leuten konfrontiert wird, denen an Universitäten vermittelt wurde, dass ihr Fokus auf der Technologie an sich liegen sollte. Sie müssen sehr gut in Python, PyTorch, Keras, TensorFlow oder was auch immer das populäre open source Toolkit des Tages für Machine Learning ist, werden. Während es sicherlich erforderlich ist, ein gewisses Maß an Vertrautheit mit technischem Werkzeug zu haben, ersetzt dies nicht ein sehr geduldiges Verständnis dafür, was die supply chain antreibt, einschließlich der minutengenaue Details, die eine Organisation voranbringen. Wenn man diese übersieht, liegt man völlig daneben. Somit gibt es ein gewisses Ringen für Supply Chain Scientists, die massenhaft Übungen an Modellen gemacht haben, die bei Unternehmen wie Facebook und Google getestet und eingeführt wurden. Wenn sie in einem normalen Unternehmen, das nicht Google ist, ankommen, erscheint es im Vergleich zu dem, was sie bei Google gesehen haben, wenig ambitioniert. Die Realität ist, dass die Schwierigkeit anderer Art ist; es geht nicht darum, einen riesigen Cluster von GPUs zu besitzen, mit dem man Petabytes an Daten verarbeiten kann, sondern vielmehr darum, das Kleingedruckte der supply chain Analyse genau richtig zu erfassen, was eine andere Art von Schwierigkeit darstellt.
Kieran Chandler: Was denkst du darüber, Eric? Dein Buch deckt offensichtlich eine breite Palette verschiedener analytischer Techniken ab. Würdest du sagen, dass die solide Grundlage und dieser Überblick etwas ist, das etwas schwerer zu erreichen ist?
Eric Wilson: Dem kann ich zustimmen.
Kieran Chandler: Es gibt unterschiedliche Fähigkeiten bei Data Scientists und Demand Planners. Es gibt auch vieles, was sie voneinander lernen können, und ich denke, das ist ein großartiger Überblick darüber, worüber du gerade gesprochen hast, über einige der Herausforderungen, die wir sehen. Ich meine, der Demand Planner muss mehr wissenschaftlich fundiert sein. Er muss Dinge betrachten und externe Variablen, neue Technologien analysieren und modellieren – Dinge, die eigentlich in der Welt des Data Scientist liegen. Die Demand Planners müssen ihre Komfortzone verlassen und mehr von dem tun. Gleichzeitig sind es die Zusammenarbeit, das Wohlfühlen in Mehrdeutigkeiten, solche Situationen, Kommunikation, all diese Dinge, in denen Demand Planners starke Fähigkeiten haben, die ihnen helfen, und genau hier müssen auch die Data Scientists einsteigen. Also wird es zukünftig wirklich zu einer Verschmelzung der beiden Kompetenzbereiche in einer Demand Planning Rolle kommen.
Eric Wilson: In der supply chain gibt es etwas Einzigartiges. Es ist einzigartig, täglich ein Modell ändern zu können und sich daran anzupassen. Es gibt etwas Besonderes in der supply chain, das man von einer Demand Planning Rolle bieten muss, wobei Analytics als eine weitere Fähigkeit hinzugefügt wird. Und genau das möchtest du erreichen.
Kieran Chandler: Wolltest du einsteigen, Joannes? Ich frage mich, ob wir nicht vielleicht einen Supply Chain Scientist oder so etwas benötigen?
Joannes Vermorel: Nein, nur ein Scherz. Es ist buchstäblich die erfundene Terminologie von Lokad für diese Art von Position. Es ist etwas erfunden, aber es war eine Methode von Lokad, dem Markt zu signalisieren, da wir viele Bewerber erhielten, vor allem im Bereich Data Science, weil dies größtenteils das ist, was Universitäten hervorbringen. Ich würde sagen, dass Universitäten heutzutage wahrscheinlich etwa 10 Data Scientists für jeden einzelnen Demand Planner produzieren. Es ist zu einem großen Trend geworden. Und es sollte den Kandidaten, den Bewerbern, verdeutlichen, dass sie in erster Linie in der supply chain tätig sein werden und nicht mit ausgefallenem, fortgeschrittenem deep learning Modeling.
Eric Wilson: Das ist ein guter Blickwinkel. Ich meine, es sind diese grundlegenden Dinge, die man in der supply chain braucht, aber dazu kommt noch dieses probabilistische Denken. Denn viele Menschen in der supply chain, ich meine der alte Ansatz, waren sehr deterministisch. “Ich werde nächsten Monat X Stück verkaufen und plane deshalb meine gesamte supply chain darum herum.” Wir wissen alle, dass das nicht eintreten wird. Wir müssen anfangen, mehr über Wahrscheinlichkeiten nachzudenken, in Bereichen zu denken, mehr an Risiken und Chancen zu denken. Genau hier kommt ein Supply Chain Scientist ins Spiel, hier unterstützt Demand Planning – das sind die Dinge, auf die sich Unternehmen einstellen müssen. Wenn man also von Analytics spricht, ist das gerade erst der Anfang. Wenn Analytics in bestimmten Organisationen zu diesem Schlagwort wird, kann man es mit dem richtigen Denken, der richtigen Kultur innerhalb einer Organisation nutzen und anfangen, die Denkweisen in der supply chain zu verändern, die Denkweisen einer Organisation zu ändern, um Analytics mehr zu nutzen, zum Beispiel als die Systeme, das probabilistische Denken und dergleichen.
Kieran Chandler: Eric, du hast so etwas gesagt, dass Data Science etwas ist, das ein bisschen modischer wird, und dem stimme ich definitiv zu. Es ist etwas, worüber wir immer mehr hören. Wie sieht es mit der supply chain Branche selbst aus? Ich meine, da ist so viel Komplexität vorhanden. Würdest du sagen, dass das für jemanden, der anfängt, einschüchternd ist?
Eric Wilson: Persönlich denke ich, dass Demand Planning sexy ist, und ich glaube, dass es die nächste attraktive Karriere sein wird. Aber dazu kommt, dass in den jüngsten Umfragen aufgrund von COVID, als CFOs und CEOs befragt wurden, deren größte Sorgen Cashflow, wann die Pandemie enden wird sowie Demand Planning und supply chain waren. Wir sind also vom Schreibtisch in den Sitzungssaal gerückt. Die supply chain erhält jetzt viel Aufmerksamkeit. Man sieht Zeitungen und Fernsehsendungen, die über supply chain sprechen, was vor einigen Jahren noch nicht der Fall war. Ihre Bedeutung hat zugenommen, und damit einher geht, dass sich immer mehr Menschen für diese Position interessieren und in dieser Position wachsen möchten. Ist das einschüchternd? Nein, ich denke nur, dass es früher eine Back-Office-Funktion war, die gemacht wurde und die Menschen sie nicht verstanden haben. Nun fangen die Leute an, nicht nur zu verstehen, sondern auch die Bedeutung davon zu erkennen.
Kieran Chandler: Wir sehen, dass die Medien viel über supply chain berichten und dabei verschiedene Schlagwörter verwenden, aber dahinter steckt nicht so viel Verständnis. Würdest du sagen, dass das für jemanden, der anfängt, ebenfalls einschüchternd ist, Joannes?
Joannes Vermorel: Was Journalisten betrifft, so hat ihr völliges Unverständnis für ein Thema sie nie daran gehindert, Tonnen von Inhalten darüber zu schreiben. Aber im Scherz beiseite, ich habe eine Änderung der Wahrnehmung bemerkt. Mein Vater, der früher Industrieunternehmen leitete, sagte mir einmal, dass, wenn jemand sehr zuverlässig und geradlinig in seiner Denkweise sei, er in die Produktion gesteckt würde. Wenn er energetisch und handlungsorientiert sei, würde er im Vertrieb landen. Aber wenn er weder energetisch noch zuverlässig sei, würde er in die supply chain gesteckt. Das war damals die Denkweise.
Glücklicherweise haben in den letzten zwei Jahrzehnten viele Universitäten damit begonnen, Masterprogramme in der supply chain anzubieten, die kein Witz sind, mit erstklassigen Professoren und Studierenden. Es gibt heutzutage mehr Talent in der Branche als je zuvor, aber die Dinge sind auch aus verschiedenen Gründen komplizierter geworden, unter anderem wegen der Compliance und Globalisierung, die es noch herausfordernder gemacht haben.
Kieran Chandler: Wie sehr, würdest du sagen, wird sich die Rolle von Analytics in den nächsten paar Jahrzehnten ändern, und wie siehst du diese Entwicklung?
Eric Wilson: Oh wow, ich meine, offensichtlich wird es in den nächsten paar Jahren eine gewaltige Evolution beziehungsweise Revolution geben. Wir sehen die Notwendigkeit, innerhalb von Organisationen agiler, reaktionsschneller und vorausschauender zu werden. Damit werden sich Organisationen zwingen sehen, aufzuholen. Sie werden verstärkt auf Micro-Targeting der Verbraucher setzen müssen. Sie können nicht einfach die ganzen Funkwellen und Webseiten mit Material fluten. Sie müssen spezifischer anvisieren, und das wird auf gutes Demand Planning und die supply chain angewiesen sein, um diese Dinge zu unterstützen. Was wir sehen werden, ist die Demokratisierung von Daten, und wir beobachten bereits die Demokratisierung von Analytics und dass diese Funktion der supply chain wirklich zu einer zentralen Unterstützung in der Organisation wird, die alle Arten von Funktionen zukünftig unterstützt. Ich glaube wirklich, dass Organisationen deutlich flacher werden und stärker auf Analytics als treibende Kraft angewiesen sein werden.
Kieran Chandler: Joannes, wir haben bereits über die Idee des Micro-Targeting gesprochen, als wir über die Nutzung von loyalty Kartendaten sprachen, und es ist definitiv ein interessantes Konzept. Wie siehst du die Zukunft der Technologielandschaft?
Joannes Vermorel: Meiner Einschätzung nach wird Technologie, wenn sie ausgereift ist, tendenziell unsichtbar, sie verschmilzt mit dem Hintergrund. Wenn sie wirklich perfektioniert ist, bemerkt man sie kaum noch, obwohl sie präsenter ist als je zuvor. Ich denke, das archetypische Beispiel dafür wäre das Anti-Spam. Du hast ein Stück fortgeschrittenes Machine Learning, das ständig deine Mails sortiert und sehr genau ist. Wenn du deinen Spam-Ordner überprüfst, sind 99% davon Spam, gut klassifiziert, und du unternimmst nichts; es funktioniert einfach. Wenn du Google Mail, Outlook oder Ähnliches benutzt, ist es genau so. Wenn es richtig gemacht ist, verschwindet sehr ausgereifte Technologie, insbesondere im Bereich Machine Learning, und erledigt ihre Aufgaben leise und zuverlässig, ohne Aufhebens. Man vergisst irgendwie, dass sie da ist, aber man kann weiterhin an ihrer Verbesserung arbeiten und dank ihr viel erreichen. Ich würde sagen, dass die Zukunft der supply chain Analytics-Technologie für viele Organisationen wahrscheinlich so sein wird. Sie wird etwas sein, das Unmengen sehr alltäglicher Entscheidungen antreibt und nicht natürlich die Aufmerksamkeit des CEO auf sich zieht.
Kieran Chandler: Kannst du uns sagen, wie du die Rolle der künstlichen Intelligenz in der Optimierung der supply chain siehst?
Joannes Vermorel: Direktes Targeting wird automatisch durchgeführt und reibungslos funktionieren. Die Arbeitsbelastung deiner warehouses, Anlagen, Geschäfte – was auch immer – wird ebenfalls im Hintergrund erledigt. Niemand wird sich im Alltag um solche Dinge kümmern, außer einigen wenigen Spezialisten. Dennoch wird es zur Kunst, Menschen zu haben, die so gut sind, um wettbewerbsfähig zu bleiben und das Gesamtsystem kontinuierlich zu verbessern. Das Fehlen dieser Technologie wird dich unkompetitiv machen, so wie ein Postfach ohne Anti-Spam-Technologie, bei dem du den ganzen Tag damit verbringen müsstest, deinen Spam zu sortieren. Offensichtlich wäre es ohne diese fast unmöglich, E-Mails zu nutzen. Nun, E-Mail ist nicht ganz ein adäquater Vergleich, da man eine Anti-Spam-Technologie haben kann, die für Millionen von Unternehmen, die Gmail oder Outlook nutzen, dieselbe ist. Die supply chain ist weitaus diverser, weshalb ich das nicht als realistische Marktposition sehe, dass ein Unternehmen den gesamten Markt erobert, weil es einfach zu vielfältig ist. Es wird weiterhin reichlich Technologie geben, aber wenn ich eines erraten müsste, wird es viel mehr wie Anti-Spam sein – größtenteils unsichtbar, beeindruckend und doch wichtiger als je zuvor.
Eric Wilson: Dazu sprichst du den Begriff der künstlichen Intelligenz an, der ein mehrdeutiger Begriff ist, aber alles umfasst, was einen Prozess oder Output automatisiert oder erweitert. Genau darum geht es, wobei es weniger um das Modellieren, die Analytics, die technische Seite geht und mehr um die weichen Aspekte.
Kieran Chandler: Wenn etwas zur Ware wird, wird etwas anderes zum Premium. Wenn also deine Daten zur Ware werden, wenn dein Modellieren innerhalb von Organisationen ebenfalls zur Ware wird, weil Technologie das nahezu mühelose Bereitstellen ermöglicht, dann werden die richtigen Fragen zum Premium – oder, naja, wie man das in ein Gespräch mit dem CEO übersetzt, das wird zum Premium. Und genau hier kommt die Rolle des Demand Planning in der supply chain ins Spiel, diese Leute, die diese Ziele verfolgen. Also, großartige Einsichten.
Joannes Vermorel: Ja, wir haben hier sozusagen darüber gesprochen, dass die supply chain quasi völlig still sein sollte, und das ist sozusagen der Traum.
Kieran Chandler: Eric, wir überlassen dir sozusagen das letzte Wort. Zum Abschluss: Was sind deine Hoffnungen für dein Buch und welche Fähigkeiten möchtest du, dass ein Demand Planner daraus gewinnt?
Eric Wilson: Ja, meine Hoffnung für das Buch ist, dass es kein mathematisches Buch ist. Es bietet wirklich eine Einführung in Machine Learning, Artificial Intelligence, Predictive Analytics. Es trägt ja im Namen Predictive Analytics für Business-Forecasting, für supply chain, für den Demand Planner, um ihm zu helfen, vom Blick zurück auf interne Datensätze hin zu einem zukunftsgerichteteren Ansatz überzugehen, bei dem externe Datensätze betrachtet werden und neue Wege gefunden werden, Daten und Modelle zu analysieren, die man vielleicht vorher nicht in Betracht gezogen hatte. Es liefert diese einführenden Bausteine. Das Buch ist aufgeteilt in den Bereich People, Process, Analytics und Technology. Es konzentriert sich also nicht nur darauf, wissen Sie, hier ist ein Ensemble, hier ist, wissen Sie, ein Entscheidungsbaum, hier sind, wissen Sie, diese Modelle und wie man sie anwendet. Es gibt Ihnen einen kleinen Vorgeschmack darauf, beginnt aber mit dem menschlichen Aspekt, nämlich wie man eine daten- beziehungsweise analytikgetriebene Organisation aufbaut. Es beleuchtet auch die Technologieseite, welche Art von Unternehmen Unterstützung bieten, was Sie brauchen, um mit dem Aufbau zu beginnen, wie Sie diese Visualisierung jetzt erreichen können. Zusätzlich wird auch die Datenseite betrachtet, indem genau erklärt wird, was Daten sind und wie Sie diese in Ihrer Organisation nutzen können, anstatt, wissen Sie, einfach nur in dem Data Lake zu schwimmen. Es zeigt Ihnen wirklich, wie Sie heute Bausteine in Ihre Organisation einbringen können, die Sie auch tatsächlich nutzen können, und genau das hoffe ich zu erreichen. All right.
Kieran Chandler: Hervorragend. Nun, wir müssen es hier beenden, aber danke euch beiden für eure Zeit heute.
Joannes Vermorel: Danke.
Kieran Chandler: Das war alles für diese Woche. Vielen Dank fürs Einschalten, und wir sehen uns in der nächsten Episode wieder. Danke fürs Zuschauen.