Predictive Analytics für Geschäftsprognosen (mit Eric Wilson)

00:00:08 Einführung und Hintergrund von Eric Wilson bei IBF.
00:01:35 Herausforderungen bei der Erstellung nützlicher Zahlen und Erkenntnisse aus Analytics.
00:03:45 Die Rolle von Geschäftsentscheidungen bei der Nutzung von Analytics.
00:05:31 Bedeutung von fähigen Bedarfsplanern und dem Fachkräftemangel in der Branche.
00:07:25 Talentknappheit in der Supply Chain und im Analytics-Bereich.
00:10:58 Die Notwendigkeit einer neuen Rolle als Supply Chain Scientist.
00:13:01 Probabilistisches Denken im Supply Chain Management.
00:14:41 Die zunehmende Bedeutung des Supply Chain Managements im Geschäftsbereich.
00:15:47 Das wachsende Interesse der Medien am Supply Chain Management.
00:17:18 Aufkommen von Supply Chain-Meistern an Elite-Universitäten.
00:18:27 Entwicklung von Analytics und seine Rolle in der Zukunft.
00:19:59 Reife Technologie, die unsichtbar wird und sich in den Hintergrund einfügt.
00:20:53 Beispiel für Anti-Spam-Technologie als reife, unsichtbare Technologie.
00:23:59 Definition von künstlicher Intelligenz und der Wert des Stellens der richtigen Fragen.
00:24:57 Die ideale stille Supply Chain und ihre Auswirkungen auf Bedarfsplaner.
00:25:11 Erics Hoffnungen für sein Buch und die Fähigkeiten, die Bedarfsplaner daraus gewinnen können.
00:26:39 Schlussbemerkungen.

Zusammenfassung

In einem Interview mit Kieran Chandler diskutieren Joannes Vermorel, Gründer von Lokad, und Eric Wilson, zertifizierter Geschäftsprognostiker und Moderator des IBF On Demand Podcasts, die zunehmende Bedeutung von Analytics in modernen Organisationen. Sie erkunden die Herausforderungen bei der Nutzung großer Datenmengen für aussagekräftige Erkenntnisse und den Bedarf an Optimierung der Supply Chain. Beide betonen die Bedeutung von handlungsorientierten Analytics für eine bessere Entscheidungsfindung. Das Gespräch hebt die wachsende Nachfrage nach qualifizierten Fachkräften im Supply Chain Management und die Integration von Technologie mit Fachwissen in der Supply Chain hervor. Da Analytics weiterhin fortschreiten, müssen sich Organisationen anpassen, um in einem sich schnell verändernden Markt wettbewerbsfähig zu bleiben und agiler, reaktionsschneller und vorausschauender zu werden.

Erweiterte Zusammenfassung

In diesem Interview diskutiert Moderator Kieran Chandler mit Joannes Vermorel, dem Gründer von Lokad, und Eric Wilson, einem zertifizierten professionellen Geschäftsprognostiker und Moderator des IBF On Demand Podcasts, die Rolle von Analytics in modernen Organisationen. Dabei liegt der Fokus auf den Herausforderungen und Vorteilen der Nutzung von Daten zur Steuerung von Geschäftsentscheidungen.

Vermorel vertritt eine etwas kontroverse Ansicht über Analytics. Er glaubt, dass es einfach ist, große Datenmengen zu generieren, aber viel schwieriger, eine kleine Anzahl wertvoller Erkenntnisse für den menschlichen Verbrauch zu produzieren. Er schlägt vor, dass der weit verbreitete Einsatz von Analytics in Unternehmen oft keine nützlichen Informationen liefert. Wilson hingegen glaubt, dass es zwar entscheidend ist, durch die großen Datenmengen zu suchen, um aussagekräftige Erkenntnisse zu finden, aber die Vorteile dieses Vorgehens die Kosten bei weitem überwiegen.

Wilson betont die Bedeutung, rohe Daten in Informationen und dann in handlungsorientierte Erkenntnisse umzuwandeln. Er erkennt an, dass viele Unternehmen Schwierigkeiten haben, die Stufe der Erkenntnisse zu erreichen, betont jedoch, dass es unerlässlich ist, diese Reise anzutreten. Unternehmen sollten Daten nutzen, um ein tieferes Verständnis ihrer Kunden und der Wirtschaft zu erlangen, insbesondere angesichts von Herausforderungen wie COVID-19.

Vermorel und Wilson sind sich einig, dass das ultimative Ziel von Analytics darin besteht, bessere Geschäftsentscheidungen zu treffen. Vermorel weist darauf hin, dass Analytics ohne einen praktischen, greifbaren Zweck zu unproduktiven Denk- oder Handlungsweisen führen kann. Er kritisiert den weit verbreiteten Einsatz von Vanity-Metriken und das Fehlen eines Fokus auf wichtige Leistungskennzahlen (KPIs). Stattdessen schlägt er vor, dass Unternehmen sich auf handlungsorientierte, automatisierte Entscheidungsfindung basierend auf Daten konzentrieren sollten.

Wilsons neues Buch “Predictive Analytics for Business Forecasting” richtet sich an Demand Planner. Mit dem Wachstum der Datenteams steigt der Druck, fähige Demand Planner zu finden. Wilson glaubt, dass Demand Planner über die notwendigen Fähigkeiten verfügen, um in ihre Positionen hineinzuwachsen, da sie darauf ausgerichtet sind, die Faktoren zu verstehen und zu kommunizieren, die Verbraucher und Nachfrage beeinflussen.

Dieses Interview hebt die Herausforderungen und Vorteile der Nutzung von Analytics in modernen Organisationen hervor. Während Vermorel die übermäßige Betonung von Daten ohne klare handlungsorientierte Erkenntnisse kritisiert, betont Wilson die Bedeutung der Umwandlung von Daten in wertvolle Informationen für Entscheidungsfindungen. Beide sind sich einig über die Notwendigkeit von fokussierten, handlungsorientierten Analytics, um bessere Geschäftsentscheidungen zu treffen.

Das Gespräch beginnt damit, dass Eric Wilson den aktuellen Mangel an Demand Plannern 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 Stellenbörsen sind ständig mit Angeboten für diese Positionen gefüllt. Obwohl qualifizierte Demand Planner existieren, gibt es einfach nicht genug von ihnen auf dem Markt.

Joannes Vermorel stimmt dem zu und stellt fest, dass Talent selten ist und hochqualifizierte 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 Gewinne erzielt. Er glaubt, dass Technologie als Multiplikator für menschliche Intelligenz wirkt und es fähigeren Personen ermöglicht, schneller und in größerem Maßstab zu arbeiten.

Vermorel weist darauf hin, dass die wachsende Beliebtheit von Data Scientists in den letzten fünf Jahren zu einem Zustrom von Fachleuten geführt hat, die über hohe technische Fähigkeiten in Programmiersprachen wie Python und Machine Learning-Tools wie PyTorch, Keras und TensorFlow verfügen. Er argumentiert jedoch, dass technische Kompetenz allein keinen Ersatz für ein tiefes Verständnis der Feinheiten der Supply Chain darstellt.

Aus Vermorels Sicht besteht die Herausforderung darin, dass Supply Chain Scientists in der Lage sein müssen, ihre Fähigkeiten auf realen Situationen jenseits des Umfangs von Tech-Giganten wie Google und Facebook anzuwenden. Die Schwierigkeit besteht darin, die Supply Chain-Analyse zu optimieren, was eine andere Art von Herausforderung im Vergleich zur Bewältigung großer Datenmengen darstellt.

Wilson stellt sich eine Zukunft vor, in der sich beide Fähigkeiten vereinen, um eine Demand Planning-Rolle zu schaffen, die in der Lage ist, tägliche Modelländerungen zu bewältigen und Analytics als zusätzliche Fähigkeit zu integrieren. Vermorel schlägt scherzhaft den Begriff “Supply Chain Scientist” für diese Art von Position vor, gibt jedoch zu, dass es sich um einen erfundenen Begriff handelt, den Lokad verwendet, um ihre Rollen auf dem Markt zu differenzieren.

Das Interview hebt die steigende Nachfrage nach qualifizierten Fachleuten in der Supply Chain-Optimierung und die Herausforderungen bei der Suche nach Personen hervor, die sowohl die technischen als auch die geschäftlichen Aspekte des Bereichs beherrschen können. Während die Technologie weiter voranschreitet, bleibt die Notwendigkeit eines tiefen Verständnisses der Komplexitäten der Supply Chain und einer effektiven Zusammenarbeit zwischen Demand Plannern und Data Scientists entscheidend.

Das Gespräch betont die Bedeutung des probabilistischen Denkens im Supply Chain Management und den Übergang von deterministischen Ansätzen. Mit der Entwicklung der Branche sind Demand Planning und Supply Chain für Unternehmen immer wichtiger geworden, wobei Führungskräfte diesen Bereichen mehr Aufmerksamkeit schenken als je zuvor.

Der Anstieg der Popularität von Data Science hat zu einer Flut von Buzzwords in der Branche geführt, aber die Interviewpartner betonen die Notwendigkeit eines tieferen Verständnisses der tatsächlichen Prozesse. Sie diskutieren, wie das Supply Chain Management allmählich mehr Aufmerksamkeit von renommierten Universitäten erhält, mit erstklassigen Professoren und Studenten, die das Feld erkunden. Diese Veränderung trägt dazu bei, mehr Talent in die Branche zu bringen, die aufgrund von Faktoren wie Compliance und Globalisierung immer komplexer wird.

In Zukunft wird Analytics eine entscheidende Rolle in der Entwicklung des Supply Chain Managements spielen. Unternehmen müssen agiler, reaktionsschneller und vorausschauender sein, um sich dem sich ändernden Verbraucherverhalten anzupassen. Dies erfordert eine größere Abhängigkeit von Demand Planning und Supply Chain Optimization, um gezielte Marketingmaßnahmen zu unterstützen. Die Demokratisierung von Daten und Analytics wird weiterhin Veränderungen in der Branche vorantreiben und die Bedeutung der Supply Chain Optimization für Unternehmen betonen.

Wilson sieht Organisationen flacher werden und stärker von Analytics abhängig sein, um Entscheidungen zu treffen. Vermorel glaubt, dass Technologie, wenn sie reift, unsichtbar wird, sich in den Hintergrund mischt und nahtlos funktioniert. Er nennt Anti-Spam-Technologie als Beispiel für eine ausgereifte Technologie, die unauffällig und dennoch effektiv arbeitet.

Vermorel stellt sich die Zukunft der Supply Chain Analytics größtenteils unsichtbar vor, die alltägliche Entscheidungen trifft, ohne die Aufmerksamkeit der Top-Manager zu erregen. Er erkennt jedoch an, dass Supply Chains vielfältig sind und kein einzelnes Unternehmen oder keine einzelne Technologie den gesamten Markt erfassen kann. Trotz ihrer bescheidenen Natur glaubt Vermorel, dass fortgeschrittene Analytics für die Wettbewerbsfähigkeit immer wichtiger werden.

Auf die Frage nach seinem Buch über Predictive Analytics erklärt Wilson, dass es kein mathematisch schweres Werk ist, sondern eine Einführung in maschinelles Lernen, künstliche Intelligenz und Predictive Analytics für Demand Planner. Das Buch behandelt Menschen, Prozesse, Analytics und Technologie und konzentriert sich darauf, datengetriebene Organisationen aufzubauen und zu verstehen, wie Daten effektiv in der Organisation genutzt werden können.

Vollständiges Transkript

Kieran Chandler: Hey, heute freuen wir uns, Eric Wilson, den Gastgeber des IBF On Demand Podcasts, bei uns zu haben. Wir werden mit ihm über die Rolle von Analytics in modernen Organisationen sprechen und was wir aus seinem neuen Buch mit dem Titel Predictive Analytics for Business Forecasting lernen können. Eric, vielen Dank, dass du heute live aus den USA dabei bist. Vielleicht könntest du uns zu Beginn ein wenig mehr über dich selbst und deine Rolle bei IBF erzählen.

Eric Wilson: Ich freue mich, dabei zu sein und auch Teil eurer Sendung zu sein. Mein Name ist Eric Wilson und 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 für das Wachstum von Demand Planning, Forecasting, Predictive Analytics, SNOP und verwandten Bereichen ein. Das ist es, was wir als Organisation tun. Eine unserer Aufgaben ist es, Wissen zu teilen, und das ist meine Rolle. Ich schreibe Artikel und moderiere einen zweiwöchentlichen Podcast, IBF On Demand, den ihr auf YouTube oder wo auch immer ihr eure Podcasts findet, finden könnt. Das ist also ein wenig über mich. Ich habe etwa 30 Jahre Erfahrung in zu vielen Branchen und zu vielen verschiedenen Positionen, aber das hat mich dahin gebracht, wo ich jetzt bin.

Kieran Chandler: Großartig! Heute, Joannes, dreht sich unser Thema ganz um Analytics, insbesondere in modernen Organisationen. Ich glaube, als wir darüber gesprochen haben, hattest du eine etwas kontroverse Ansicht über Analytics und ihre tatsächliche Rolle. Was ist dein erster Überblick?

Joannes Vermorel: Meine Ansicht ist im Grunde genommen, dass es sehr einfach ist, mit einem Computer eine Million Zahlen pro Sekunde zu produzieren, aber es ist tatsächlich sehr schwierig, fünf Zahlen pro Tag zu produzieren, die es wert sind, von Menschen gelesen zu werden. Die größte Herausforderung bei Analytics 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 Bereich der Supply Chain, aber nicht nur dort, diesen Test nicht besteht.

Kieran Chandler: Was denkst du darüber, Eric? In den letzten 20 Jahren ist die Datenmenge enorm gewachsen. Würdest du sagen, dass wir jetzt zu viele Zahlen produzieren und uns nicht auf das Wesentliche konzentrieren?

Eric Wilson: Ich glaube nicht, dass man zu viele Zahlen haben kann, aber es steckt etwas Glaubwürdigkeit in dem, was Joannes sagt, dass es darum geht, die richtigen Informationen zu finden. Daten in allen Formen sind einfach das - rohe Daten, die Bausteine, mit denen man etwas aufbauen kann. Diese Daten in Informationen und dann in Erkenntnisse umzuwandeln, ist der Punkt, an dem Unternehmen Schwierigkeiten haben. Die Vorteile, dorthin zu gelangen, überwiegen jedoch bei weitem die Kosten der Reise dorthin. Unternehmen müssen diese Reise antreten, auch wenn sie derzeit Schwierigkeiten haben, denn die Entwicklung dieser Rohdaten zu nützlichen Erkenntnissen für eine Organisation ist entscheidend.

Kieran Chandler: Wir müssen aufhören, in der Vergangenheit zu leben und nach vorne schauen, um neue Erkenntnisse über Verbraucher und die Wirtschaft zu gewinnen, insbesondere in Zeiten wie der aktuellen COVID-Situation. Wir müssen diese Erkenntnisse erschließen.

Joannes Vermorel: Eine der Schlüsselerkenntnisse, auf die wir uns bei Lokad konzentrieren, ist die Idee von Geschäftsentscheidungen. Wo können diese Entscheidungen wirklich die Art und Weise verändern, wie ein Unternehmen arbeitet? Bei Analytics gibt es mehrere Wege, die zu nicht produktiven Aktivitäten oder Gedanken führen können. Du brauchst einen praktischen, alltäglichen Zweck, der das antreibt, was du mit deiner Analyse, den Zahlen, der Darstellung und allem anderen machst. Eine Entscheidung ist etwas, das eine physische, greifbare Auswirkung auf Lieferketten hat, wie eine Einkaufsentscheidung, eine Lagerbewegung oder eine Preisänderung. Wenn du Zahlen betrachtest, mit der direkten Absicht, eine Entscheidung zu verbessern, kann das gut sein. Was ich normalerweise sehe, sind Ozeane von Eitelkeitsmetriken, bei denen du so viele KPIs hast, dass es fast eine Beleidigung ist, sie “Key” zu nennen. Ihnen fehlt der Fokus und ein eingebauter Mechanismus oder die Absicht, sie in etwas umsetzbares in großem Maßstab und auf vollautomatisierte Weise zu verwandeln.

Kieran Chandler: Eric, in deinem neuen Buch “Predictive Analytics for Business Forecasting” liegt der Schwerpunkt sehr auf dem Demand Planner. Wir haben in der Branche festgestellt, dass mit dem Wachstum der Datenteams immer mehr Wert auf einen fähigen Demand Planner gelegt wird. Gibt es in der Branche diesbezüglich einen Mangel?

Eric Wilson: Ja und nein. Die Demand Planner sind in der Lage, in die Position hineinzuwachsen. Sie sind darauf ausgerichtet, sich anzusehen, was Verbraucher beeinflusst, was die Nachfrage beeinflusst, um Zusammenhänge mit verschiedenen Variablen zu verstehen und herzustellen. Sie sind darauf ausgerichtet, diese Erkenntnisse in die Supply Chain, in die Finanzabteilung und in andere Teile der Organisation zu kommunizieren, um sie zu nützlichen Erkenntnissen zu machen, die andere Teile der Organisation nutzen können. Sie haben die erforderlichen Fähigkeiten, um dies zu tun. Das gesagt, sehen wir derzeit einen Mangel an Demand Plannern, weil die Nachfrage nach ihnen so hoch ist. Die Gehälter sind in den letzten fünf Jahren um 30 bis 40 Prozent gestiegen. Wir sehen, dass Stellenbörsen auch in diesen Zeiten mit Menschen gefüllt sind, die nach Personen mit qualitativen, quantitativen und kommunikativen Fähigkeiten suchen, um Analytics und Geschäftssinn für eine Organisation zusammenzubringen. Also, sind sie qualifiziert? Ja, sie können es tun. Aber gibt es genug von ihnen da draußen? Die Antwort wäre nein.

Kieran Chandler: Und ich denke, das ist etwas, das wir hier wahrscheinlich auch bestätigen können. Wir sind immer auf der Suche nach gut qualifizierten Supply Chain Scientists, und es ist immer etwas, das ziemlich herausfordernd sein kann, sie zu finden. Warum ist es aus deiner Sicht, Joannes, so schwer?

Joannes Vermorel: Talent ist per Definition selten. Jedes Unternehmen sagt, dass es nur die Besten einstellt, aber die Realität ist, dass der Markt nur Durchschnittliches einstellt. Bei solchen Jobs erzielen Menschen, die darin besser sind, unverhältnismäßig gute Ergebnisse. Wir betreten einen Bereich, der dem quantitativen Handel in Banken ähnelt, wo einige Händler den Großteil des Gewinns erzielen. Technologie ist ein Multiplikator für menschliche Intelligenz, daher wird jemand, der intelligenter, fähiger und bessere Geschäftseinblicke hat, dies einfach schneller und in größerem Maßstab für seine Organisation tun. Dies trifft auch auf die Supply Chain zu, nicht nur auf den Handel für Banken und Finanzen.

Was es schwieriger macht als es sein sollte, glaube ich, ist die Vorstellung des Data Scientists. Dies ist in den letzten fünf Jahren sehr populär geworden, aber das Problem ist, dass man am Ende Leute hat, denen an Universitäten gesagt wurde, dass ihr Fokus die Technologie selbst sein sollte. Sie müssen sehr gut in Python, PyTorch, Keras, TensorFlow oder dem beliebten Open Source Toolkit des Tages für maschinelles Lernen sein. Obwohl es sicherlich erforderlich ist, eine gewisse Fließfähigkeit im Umgang mit technischen Werkzeugen zu haben, ersetzt dies nicht das sehr geduldige Verständnis dafür, was die Supply Chain antreibt, einschließlich der kleinen Details, die eine Organisation vorantreiben. Wenn Sie diese Details übersehen, liegen Sie komplett daneben. Daher gibt es eine gewisse Schwierigkeit für Supply Chain Scientists, die tonnenweise Übungen zu Modellen gemacht haben, die bei Unternehmen wie Facebook und Google getestet und eingeführt wurden. Wenn sie bei einem tatsächlichen normalen Unternehmen ankommen, das nicht Google ist, fühlt es sich im Vergleich zu dem, was sie auf der Google-Seite gesehen haben, nicht ehrgeizig an. Die Realität ist, dass die Schwierigkeit eine andere Art von Schwierigkeit ist; es geht nicht darum, einen massiven Cluster von GPUs zu haben, mit dem Sie Petabytes an Daten verarbeiten, sondern darum, die Feinheiten Ihrer Supply Chain-Analyse genau richtig zu bekommen, was eine andere Art von Schwierigkeit ist.

Kieran Chandler: Was denkst du darüber, Eric? Dein Buch behandelt offensichtlich eine Vielzahl verschiedener analytischer Techniken. Würdest du sagen, dass es schwieriger ist, diese Grundlagen und diesen Überblick zu erreichen?

Eric Wilson: Da stimme ich zu.

Kieran Chandler: Es gibt unterschiedliche Fähigkeiten bei einem Data Scientist und einem Demand Planner. Es gibt auch viel, was sie voneinander lernen können, und ich denke, das ist ein großartiger Überblick darüber, worüber du genau gesprochen hast, einige der Herausforderungen, die wir sehen. Ich meine, der Demand Planner muss stärker in der Wissenschaft verwurzelt sein. Sie müssen Dinge betrachten und externe Variablen betrachten, neue Technologien betrachten, diese Dinge modellieren, die wirklich die Welt des Data Scientists sind. Sie, die Demand Planner, müssen aus ihrer Komfortzone herauskommen und mehr davon tun. Gleichzeitig sind diese Zusammenarbeit, das Wohlfühlen mit Ambiguität, diese Art von Situationen, Kommunikation, all diese Dinge, die Demand Planner als starke Fähigkeiten haben, Dinge, die ihnen helfen, und das ist auch der Bereich, in dem die Data Scientists kommen müssen. Es wird also wirklich eine Verschmelzung der beiden Fähigkeiten geben, die für eine Demand Planning-Rolle erforderlich sind.

Eric Wilson: In der Supply Chain gibt es etwas Einzigartiges. Es gibt etwas Einzigartiges darin, dass ein Modell sich täglich ändern kann und man sich daran anpassen kann. In der Supply Chain gibt es etwas Einzigartiges, das man von einer Demand Planning-Rolle aus bieten können muss, und dazu gehört auch die Integration von Analytics als eine weitere Fähigkeit. Und das ist es, worauf man wirklich abzielt.

Kieran Chandler: Möchtest du darauf eingehen, Joannes? Ich frage mich, ob wir nicht einen Supply Chain Scientist oder so etwas bräuchten?

Joannes Vermorel: Nein, nur ein Scherz. Das ist buchstäblich die erfundene Terminologie von Lokad für diese Art von Position. Es ist ein bisschen erfunden, aber es war eine Möglichkeit für Lokad, dem Markt buchstäblich zu signalisieren, dass wir viele Bewerber erhalten haben, insbesondere auf der Seite der Datenwissenschaft, weil das hauptsächlich das ist, was Universitäten produzieren. Ich würde sagen, dass Universitäten heutzutage wahrscheinlich 10 Datenwissenschaftler für jeden einzelnen Demand Planner produzieren. Es ist zu einem großen Trend geworden. Und es ging nur darum, den Bewerbern klarzumachen, dass sie in erster Linie Supply Chain machen werden und nicht ausgeklügelte fortgeschrittene Deep Learning Modellierung.

Eric Wilson: Das ist eine gute Sichtweise. Ich meine, es sind diese grundlegenden Dinge, die man in der Supply Chain braucht, aber man muss auch das probabilistische Denken einbeziehen. Denn viele Leute in der Supply Chain, ich meine, auf die alte Art und Weise, waren sehr deterministisch. “Ich werde nächsten Monat X Stück verkaufen und meine gesamte Supply Chain darauf planen.” Wir alle wissen, dass das nicht passieren wird. Wir müssen anfangen, mehr in Wahrscheinlichkeiten zu denken, mehr in Bereichen zu denken, mehr an diese Risiken und Chancen zu denken. Das ist der Bereich, in dem ein Supply Chain Scientist ins Spiel kommt, das ist der Bereich, in dem Demand Planning hilft, diese Dinge zu ermöglichen, das sind die Dinge, die Unternehmen angehen müssen. Wenn es um Analytics geht, ist das erst der Anfang. Wenn Analytics in bestimmten Organisationen zum Buzzword wird, kann man es mit dem richtigen Denken, der richtigen Kultur in einer Organisation nutzen und damit anfangen, die Denkweisen der Supply Chain und einer Organisation zu verändern, um diese Analytics mehr zu nutzen, sagen wir, als die Systeme, das probabilistische Denken und ähnliches.

Kieran Chandler: Eric, du hast gerade gesagt, dass Data Science etwas ist, das immer modischer wird, und das ist etwas, dem wir definitiv zustimmen. Es ist etwas, von dem wir immer mehr hören. Wie sieht es mit der Supply Chain-Branche selbst aus? Ich meine, es gibt so viel Komplexität. Würdest du sagen, dass das für jemanden, der gerade anfängt, einschüchternd ist?

Eric Wilson: Persönlich finde ich Demand Planning sexy und ich glaube, dass es die nächste sexy Karriere sein wird. Aber dazu muss gesagt werden, dass in den jüngsten Umfragen aufgrund von COVID, als CFOs und CEOs befragt wurden, ihre wichtigsten Anliegen der Cashflow, wann die Pandemie enden wird, und Demand Planning und Supply Chain waren. Wir sind vom Büro zum Vorstandszimmer gewechselt. Die Supply Chain erhält jetzt viel Aufmerksamkeit. Man sieht Zeitungen und Fernsehsendungen, die über die Supply Chain diskutieren, was vor einigen Jahren nicht der Fall war. Die Bedeutung hat sich erhöht und damit wollen auch immer mehr Menschen in diese Position einsteigen und diese Position weiterentwickeln. Ist es einschüchternd? Nein, ich denke nur, dass es eine Back-Office-Funktion war, die erledigt wurde und die die Leute nicht verstanden haben. Die Leute fangen nicht nur an, es zu verstehen, sondern auch die Bedeutung davon zu verstehen.

Kieran Chandler: Wir sehen viele Medienberichte über die Supply Chain, in denen verschiedene Buzzwords verwendet werden, aber dahinter steckt nicht so viel Verständnis. Würdest du sagen, dass das auch für jemanden, der gerade anfängt, einschüchternd ist, Joannes?

Joannes Vermorel: Was Journalisten betrifft, hat ihr vollständiges Unverständnis eines Themas sie noch nie davon abgehalten, tonnenweise Inhalte darüber zu schreiben. Aber Spaß beiseite, ich habe eine Veränderung in der Wahrnehmung festgestellt. Mein Vater, der früher Industrieunternehmen leitete, sagte mir einmal, dass wenn jemand sehr zuverlässig und geradlinig in seiner Denkweise war, er auf die Produktionsseite gestellt wurde. Wenn er energiegeladen und tatkräftig war, wurde er auf die Verkaufsseite gestellt. Aber wenn er weder energiegeladen noch zuverlässig war, wurde er auf die Supply Chain-Seite gestellt. Das war damals die Denkweise.

Glücklicherweise haben in den letzten zwei Jahrzehnten viele Universitäten Supply Chain-Masterprogramme angeboten, die kein Witz sind, mit erstklassigen Professoren und Studenten. Es gibt jetzt mehr Talent in der Branche als je zuvor, aber die Dinge sind auch aus verschiedenen Gründen komplizierter geworden, einschließlich Compliance und Globalisierung, was es noch herausfordernder gemacht hat.

Kieran Chandler: Wie sehr wird sich Ihrer Meinung nach in den nächsten Jahrzehnten die Rolle der Analytik verändern und wie sehen Sie diese Entwicklung?

Eric Wilson: Oh wow, ich meine, offensichtlich wird es in den nächsten Jahren eine enorme Entwicklung oder Revolution geben. Wir sehen die Notwendigkeit, agiler, reaktionsfähiger und vorausschauender in Organisationen zu werden. Mit diesem Hintergrund müssen Organisationen aufholen. Sie werden anfangen müssen, sich mehr auf die Mikrozielgruppenausrichtung von Verbrauchern zu verlassen. Sie können die Luftwellen und Websites nicht einfach mit Material überfluten. Sie müssen spezifischeres Targeting beginnen, und das wird auf einer guten Bedarfsplanung und Supply Chain beruhen, um diese Dinge zu unterstützen. Was wir sehen werden, ist die Demokratisierung von Daten, und wir sehen bereits die Demokratisierung von Analytik und dieser Funktion der Supply Chain, die wirklich eine Kernunterstützung in der gesamten Organisation darstellt und alle Arten von Funktionen in Zukunft unterstützt. Ich denke wirklich, dass Organisationen viel flacher werden und stärker von Analytik als treibende Kraft dieser Organisationen abhängen werden.

Kieran Chandler: Joannes, wir haben bereits über die Idee des Mikro-Targetings gesprochen, als wir über die Verwendung von Treuekarten gesprochen haben, und es ist definitiv ein interessantes Konzept. Wie siehst du die Zukunft der Technologielandschaft?

Joannes Vermorel: Meiner Meinung nach wird Technologie, wenn sie reift, unsichtbar und geht im Hintergrund auf. Wenn sie wirklich perfektioniert ist, bemerkt man sie kaum noch, obwohl sie präsenter ist als je zuvor. Ich denke, das Archetyp dafür wäre der Anti-Spam. Sie haben ein Stück fortschrittliches maschinelles Lernen, das Ihre E-Mails ständig sortiert, und es ist sehr genau. Wenn Sie Ihren Spam-Ordner überprüfen, sind 99% davon Spam, gut klassifiziert, und Sie tun nichts; es funktioniert einfach. Wenn Sie Google Mail, Outlook oder ähnliches verwenden, ist es so. Wenn es richtig gemacht wird, sehr reife Technologie, insbesondere auf der Seite des maschinellen Lernens, verschwindet und erledigt ihre Aufgaben leise und zuverlässig, ohne Aufhebens. Man vergisst irgendwie, dass sie da ist, aber man kann weiter daran arbeiten, sie zu verbessern und viel dank ihr zu tun. Ich würde sagen, die Zukunft der Supply Chain-Analytik-Technologie für viele Organisationen wird wahrscheinlich so sein. Es wird etwas sein, das tonnenweise sehr banale Entscheidungen vorantreibt, und es wird nicht natürlicherweise die Aufmerksamkeit des CEOs auf sich ziehen.

Kieran Chandler: Können Sie uns sagen, wie Sie die Rolle der künstlichen Intelligenz bei der Optimierung der Supply Chain sehen?

Joannes Vermorel: Die direkte Ausrichtung wird automatisch erfolgen und reibungslos funktionieren. Die Arbeitsbelastung Ihrer Lager, Fabriken, Geschäfte, was auch immer, wird ebenfalls im Hintergrund erledigt. Niemand wird sich im Alltag für solche Dinge interessieren, außer einigen Spezialisten. Dennoch wird es eine Kunst sein, Menschen zu haben, die sehr gut sind, um wettbewerbsfähig zu bleiben und das gesamte System weiter zu verbessern. Das Fehlen dieser Art von Technologie macht Sie unkonkurrenzfähig, genauso wie ein Postfach ohne Anti-Spam-Technologie erfordern würde, dass Sie Ihren ganzen Tag damit verbringen, Ihren Spam zu sortieren. Natürlich wäre es ohne das fast unmöglich, E-Mails zu verwenden. Nun ist E-Mail keine vollständig adäquate Analogie, weil Sie eine Anti-Spam-Technologie haben können, die für Millionen von Unternehmen verwendet wird, die Gmail oder Outlook verwenden. Die Supply Chain ist jedoch viel vielfältiger, daher sehe ich dies nicht als realistische Marktstellung, dass ein Unternehmen den gesamten Markt beherrscht, weil er einfach zu vielfältig ist. Es wird immer noch viele Technologien geben, aber wenn ich etwas raten müsste, wird es viel mehr wie Anti-Spam sein, größtenteils unsichtbar und beeindruckend und dennoch wichtiger als je zuvor.

Eric Wilson: Zu diesem Punkt sprichst du über die Definition von künstlicher Intelligenz, die ein mehrdeutiger Begriff ist, aber alles umfasst, was einen Prozess oder eine Ausgabe automatisiert oder ergänzt. Das ist im Grunde das, worüber wir sprechen, wo es weniger um die Modellierung, die Analytik, die technische Seite geht und mehr um die weichen Seiten.

Kieran Chandler: Alles wird zu einer Ware, wenn etwas anderes zu einem Premium wird. Wenn Ihre Daten zu einer Ware werden, wenn Ihre Modellierung sogar innerhalb von Organisationen zu einer Ware wird, weil die Technologie das fast automatisch bereitstellen kann, dann werden die Fragen, die gestellt werden sollen, zu einem Premium oder, wissen Sie, wie man das in Gesprächen mit dem CEO übersetzt, das wird zum Premium. Und das ist der Punkt, an dem Sie sich mit der Nachfrageplanung in der Supply Chain befassen, um diese Ziele zu erreichen. Also großartige Erkenntnisse.

Joannes Vermorel: Ja, wir haben hier sozusagen darüber gesprochen, dass eine Supply Chain völlig still ist, und das ist sozusagen der Traum.

Kieran Chandler: Eric, wir überlassen Ihnen das letzte Wort. Was sind Ihre Hoffnungen für Ihr Buch und welche Fähigkeiten möchten Sie, dass ein Nachfrageplaner daraus gewinnt?

Eric Wilson: Ja, meine Hoffnung für das Buch ist, dass es kein mathematisches Buch ist. Es gibt Ihnen wirklich eine Einführung in maschinelles Lernen, künstliche Intelligenz, prädiktive Analytik. Es geht um prädiktive Analytik für Geschäftsprognosen, für die Supply Chain, für den Nachfrageplaner, um ihnen zu helfen, von der Sorge um interne Datensätze, die zurückblicken, zu einer zukunftsorientierten Betrachtung überzugehen, bei der sie externe Datensätze betrachten, neue Möglichkeiten der Datenanalyse betrachten können, Modelle betrachten können, die sie zuvor nicht betrachtet haben. Es gibt ihnen diese Einführungsstücke. Das Buch ist in die Bereiche Menschen, Prozesse, Analytik und Technologie unterteilt. Es konzentriert sich nicht nur darauf, Ihnen zu zeigen, hier ist ein Ensemble, hier ist ein Entscheidungsbaum, hier sind diese Modelle und wie man sie verwendet. Es gibt Ihnen einen kleinen Vorgeschmack darauf, aber es beginnt mit der menschlichen Seite, wie man eine datengetriebene oder analytikgetriebene Organisation aufbaut. Es betrachtet die technologische Seite, welche Art von Unternehmen dabei helfen, was Sie zum Aufbau benötigen, wie Sie diese Visualisierung jetzt erhalten können. Und es betrachtet auch die Datenseite, erklärt genau, was Daten sind und wie Sie sie in Ihrer Organisation nutzen können, anstatt nur im Datenmeer zu schwimmen. Es ermöglicht Ihnen wirklich zu verstehen, wie Sie heute Teile in Ihre Organisation einbringen können, die Sie heute nutzen können, und das ist es, was ich wirklich hoffe zu erreichen. In Ordnung.

Kieran Chandler: Brillant. Nun, wir müssen hier abschließen, aber vielen Dank euch beiden für eure Zeit heute.

Joannes Vermorel: Danke.

Kieran Chandler: Das war alles für diese Woche. Vielen Dank fürs Zuschauen und wir sehen uns in der nächsten Folge wieder. Danke fürs Einschalten.