Die Quantitative Supply Chain Reise

00:00:15 Feiern der 100. Ausgabe von Lokad TV und Beantwortung von Fragen zur Supply Chain.
00:01:17 Diskussion über die Ursprünge von Lokad und den Fokus auf die Supply Chain-Branche.
00:03:15 Supply Chain-Prognose mit Verzerrung unter Verwendung von Quantilprognosen im Jahr 2011.
00:04:53 Umstellung auf einen programmatischen Ansatz im Jahr 2012 und die damit verbundenen Herausforderungen.
00:07:47 Rückblick auf die Anfangsjahre, gemachte Fehler und die Entwicklung von Lokad.
00:08:48 Die Auswirkungen des Cloud Computing auf das Geschäft des Unternehmers.
00:11:31 Die Entwicklung des Unternehmens und wichtige technische Durchbrüche.
00:13:26 Erkundung von Bitcoin, Wirtschaft in Aktion und dessen Beziehung zu Supply Chains.
00:15:34 Wachstum des Unternehmens und Übergang zur Praxis der Supply Chain-Wissenschaft.
00:17:54 Unterschied zwischen der Einstellung von Datenwissenschaftlern und Supply Chain-Wissenschaftlern.
00:19:39 Zukunftspläne für Lokad und Herausforderungen des schnellen Wachstums.
00:22:33 Die Geschichte hinter dem Namen “Lokad”.
00:23:37 Größte Rückschläge, mit denen Lokad konfrontiert war.
00:25:45 Coronavirus betont die Notwendigkeit, Supply Chain-Modelle zu transformieren.
00:26:59 Betonung der Widerstandsfähigkeit und der Fähigkeit, Unsicherheit anzunehmen.
00:28:11 Wie sich Lokads Algorithmen während der COVID-19-Störung bewährt haben.
00:29:00 Die Bedeutung von Anpassungsfähigkeit und dem Umgang mit sich ändernden Anforderungen während des Lockdowns.
00:30:01 Anpassung von Supply Chain-Modellen in Krisensituationen.
00:30:59 Bitcoin, Blockchain und deren Auswirkungen auf die Sicherheit der Supply Chain.
00:33:30 Die Bedeutung von Professionalität und Verständnis für genaue Prognosen.
00:36:23 Herausforderungen bei der Implementierung von Narrow AI-Lösungen für die Geschäftsprognose.
00:38:01 Diskussion über schlechte Daten und die Auswirkungen von schlecht qualifizierten Daten auf ERP-Systeme.
00:39:08 Debatte über die Langlebigkeit globaler Lieferketten und den Einfluss von Spezialisierung.
00:41:22 Die Zukunft lokaler Lieferketten und die Auswirkungen der Automatisierung auf Produktionsstandorte.
00:42:19 Herausforderungen bei der Implementierung des quantitativen Supply Chain-Ansatzes und des Change Managements in Organisationen.
00:45:15 Identifizierung der Bereiche, in denen der Low-Cut-Ansatz den größten Geschäftswert freisetzen kann.
00:46:01 Diskussion über die Optimierung der Supply Chain für verschiedene Branchen.
00:47:34 Gründe für das Neuschreiben der Locad-Software von Grund auf.
00:49:10 Auswirkungen wichtiger Designentscheidungen auf die Softwareentwicklung.
00:50:23 Koexistenz von Locad und S&OP-Typ-Lösungen in Organisationen.
00:51:01 Diskussion der Herausforderungen, mit denen große Unternehmen bei der Betrugsbekämpfung konfrontiert sind.
00:51:57 Kommentar darüber, wer den Blog schreibt und die Auswirkungen des Podcasts auf die Inhaltsproduktion.
00:53:00 Bedeutung der Reflexion über vergangene Fehler und des Erkennens, wenn man im Unrecht ist.
00:54:02 Lernen aus vergangenen Fehlern, um ähnliche Probleme in Zukunft zu vermeiden.
00:55:41 Fazit und Handlungsaufforderung.

Zusammenfassung

Lokad-Gründer Joannes Vermorel spricht in einem Interview mit Kieran Chandler über die Reise des Unternehmens und den Fokus auf die Optimierung der Supply Chain. Vermorel spricht über die anfänglichen Schwierigkeiten von Lokad mit seinem Forecasting-as-a-Service-Modell, die Einführung der Quantil-Prognose und den Übergang zu einem programmatischen Ansatz. Er betont die Notwendigkeit für Supply-Chain-Unternehmen, sich auf Unsicherheit vorzubereiten und Risikomanagement in einer zunehmend unvorhersehbaren Welt zu betreiben. Vermorel diskutiert auch die Leistung der Lokad-Algorithmen während der COVID-19-Störungen, den potenziellen Wert von Kryptowährungen im Supply Chain Management und die Zukunft globaler Lieferketten. Schließlich.

Erweiterte Zusammenfassung

In diesem Interview diskutieren Kieran Chandler und Joannes Vermorel, der Gründer von Lokad, die Reise des Unternehmens und den Fokus auf die Optimierung der Supply Chain. Vermorel gründete Lokad im Jahr 2008 während seines Promotionsstudiums in Computational Biology, wurde jedoch von den Innovationsmöglichkeiten in der Supply Chain-Branche angezogen. Das Unternehmen hatte anfangs Schwierigkeiten mit seinem Forecasting-as-a-Service-Modell, machte jedoch später bedeutende Fortschritte, wie die Einführung von Forecasting mit Bias unter Verwendung von Quantil-Prognosen im Jahr 2011 und den Wechsel zu einem programmatischen Ansatz im Jahr 2012.

Vermorel erklärt, dass der frühe Ansatz des Unternehmens für die Prognose darauf abzielte, Bias zu eliminieren, aber schließlich erkannten sie, dass Bias in der Supply Chain-Optimierung nützlich sein kann. Die Quantil-Prognose ermöglichte es ihnen, mehr auf den Gewinn ausgerichtet zu sein, obwohl sie anfangs als “seltsame” Idee angesehen wurde.

Lokad folgte anfangs einem traditionellen Enterprise-App-Modell mit Bildschirmen, Tasten und Menüs. Als sie jedoch mehr Kunden gewannen, erkannten sie, dass sich die Lieferketten nicht in eine starre App-Struktur einfügen ließen. Das Unternehmen wechselte zu einem programmatischen Ansatz, bei dem Berechnungen und Funktionen für jeden Kunden individuell angepasst wurden und der Schwerpunkt auf Produktivität und Zuverlässigkeit lag.

Bei der Reflexion über die Reise des Unternehmens gibt Vermorel zu, dass es viele Lektionen gelernt hat und der Weg eines Unternehmers voller Bedauern ist. Eine bedeutende Veränderung kam mit dem Aufstieg des Cloud Computing, das das Unternehmen zwang, die meisten seiner Produkte neu zu schreiben. Trotz dieser Herausforderungen hat Lokad weiterhin eine Entwicklung durchgemacht, indem es neue Generationen des maschinellen Lernens umarmt und sich auf die Lösung besser definierter Probleme in der Supply Chain-Optimierung konzentriert.

Der Gründer von Lokad spricht über die Geschichte des Unternehmens, technologische Durchbrüche und zukünftige Pläne. Vermorel erklärt, dass Cloud Computing und Deep Learning für das Unternehmen entscheidende Durchbrüche waren, ebenso wie die Annahme einer finanziellen Perspektive auf das Supply Chain Management.

Vermorel teilt auch sein Interesse an Bitcoin, das er als Mikroökonomie in Aktion betrachtet, mit Parallelen zum Supply Chain Management. Er findet Inspiration in den technischen Erkenntnissen der Kryptowährungsgemeinschaft, von denen er glaubt, dass sie Lokad zugutekommen können.

Lokad wechselte von einem datenwissenschaftlichen Ansatz zu einem Supply Chain Science-Ansatz, nachdem festgestellt wurde, dass Datenwissenschaftler zu sehr auf Datenprobleme und nicht auf Supply Chain-Probleme fokussiert waren. Vermorel betont, dass das Engagement der Lokad-Mitarbeiter darin bestehen sollte, die Supply Chain für Kunden zu verbessern, anstatt nur ausgefeilte maschinelle Lernmodelle zu produzieren.

Auf die Frage nach der Zukunft des Unternehmens sieht Vermorel ein weiteres organisches Wachstum voraus. Er erkennt an, dass schnelles Wachstum für Supply Chain-Unternehmen möglicherweise nicht geeignet ist, da es zu großen Problemen führen kann, wenn etwas schief geht. Lokad strebt ein nachhaltiges Wachstum an und stellt sicher, dass seine Mitarbeiter über ausreichende Erfahrung verfügen, um komplexe Supply Chain-Probleme zu bewältigen.

Schließlich teilt Vermorel den Ursprung des Namens “Lokad” mit. Ursprünglich von “lokaler Werbung” inspiriert, nahm er später die Interpretation “vorausschauend” an, die von einem IBM-Berater vorgeschlagen wurde.

Vermorel diskutiert den größten Rückschlag, den das Unternehmen in seinen frühen Jahren erlebte, der sich etwa 2011-2012 ereignete. Zu dieser Zeit gewann Lokad Benchmark-Wettbewerbe und verbesserte die Prognosegenauigkeit für Kunden. Diese Kunden stellten jedoch fest, dass sich ihre Supply Chains verschlechterten und ihre Planer mit der Software frustriert waren.

Vermorel erinnert sich an ein bestimmtes Treffen in New York, bei dem wütende Kunden ihn konfrontierten und feststellten, dass die Software von Lokad zwar eine bessere Genauigkeit lieferte, aber ihr Leben miserabel machte und die eigentlichen Probleme in ihren Supply Chains nicht behob. Letztendlich verlor Lokad aufgrund dieses Problems einige Kunden.

Das Gespräch wechselt dann zum Thema Coronavirus und dessen Auswirkungen auf traditionelle Supply Chain-Modelle. Vermorel glaubt, dass die Pandemie nur eine von vielen Unsicherheitsquellen ist, die Supply Chains stören können, und nennt Beispiele wie politische Entscheidungen, Zölle oder virale Social-Media-Vorfälle. Er betont die Notwendigkeit für Unternehmen, sich auf Unsicherheit vorzubereiten und Risikomanagement zu betreiben, anstatt sich auf Prognosen zu verlassen, die vorgeben, die Zukunft mit Sicherheit vorhersagen zu können.

Vermorel behauptet, dass Unternehmen wie Amazon, die sich auf Widerstandsfähigkeit und die Fähigkeit zur Bewältigung von Unsicherheit konzentrieren, diejenigen sind, die in Krisenzeiten erfolgreich sind. Er schlägt vor, dass sich auch die besten Finanzinstitute mit diesen Ideen auseinandersetzen und dass Supply Chain-Unternehmen diesem Beispiel folgen sollten, um in einer zunehmend unvorhersehbaren Welt voraus zu bleiben.

Sie sprechen über die Leistung der Algorithmen von Lokad während der COVID-19-Störungen, den potenziellen Wert von Kryptowährungen im Supply Chain Management, die Bedeutung von Professionalität und Geschäftsverständnis in der Supply Chain-Optimierung, die Herausforderungen bei der Implementierung von Narrow AI-Lösungen für die Geschäftsprognose und die Zukunft der globalen Supply Chains.

Vermorel erklärt, dass die Algorithmen von Lokad während der COVID-19-Krise allein nicht gut funktionierten. Die Supply Chain-Wissenschaftler des Unternehmens konnten jedoch in kurzer Zeit anpassen und die Modelle optimieren, was die Bedeutung menschlichen Eingreifens in Krisenzeiten zeigt.

In Bezug auf die Frage nach Narrow AI-Lösungen für die Geschäftsprognose äußert Vermorel Skepsis gegenüber dem Begriff “AI” und betont die Bedeutung des Verständnisses verschiedener Klassen von maschinellen Lernalgorithmen. Er diskutiert auch die Qualität der Daten in Supply Chains und stellt fest, dass Daten nicht unbedingt schlecht sind, oft aber schlecht qualifiziert sind, was zu Problemen bei Interpretation und Anwendung führt.

Schließlich geht das Gespräch auf die Zukunft der globalen Supply Chains ein. Vermorel gibt keine definitive Antwort, wirft jedoch das Thema Klimawandel und dessen potenzielle Auswirkungen auf die Nachhaltigkeit globaler Supply Chains auf und schlägt vor, dass das aktuelle Modell möglicherweise weiterentwickelt werden muss.

Sie diskutierten die globale Natur von Supply Chains und wie die Spezialisierung die lokale Produktion bestimmter Güter einschränkt. Er spricht auch über die eventuelle Rückkehr einiger Supply Chains in lokale Gebiete aufgrund von Automatisierung. Vermorel geht auf die Skepsis gegenüber dem quantitativen Lieferkettenmanifest von Lokad ein und die Herausforderungen bei der Implementierung in Organisationen. Er betont, dass Lokad in komplexen Supply Chains mit vielen Optionen und Entscheidungen am besten abschneidet. Schließlich erklärt Vermorel die Motivation hinter der vollständigen Neugestaltung der Software von Lokad und teilt mit, wie Lokad neben Lösungen für Vertriebs- und Betriebsplanung (S&OP) arbeitet, indem sie diese größtenteils ignoriert, da sie von den realen Auswirkungen auf die Supply Chain abgekoppelt sind.

Sie sprachen darüber, wie Lokad neben Data Science-Teams arbeitet, die isolierte Modelle erstellen, die nicht verwendet werden. Er erwähnt auch, dass er den Blog des Unternehmens schreibt, aber aufgrund von Zeitbeschränkungen viel langsamer als zuvor. Vermorel betont die Bedeutung, vergangene Fehler zu überdenken, um zu verstehen, was schief gelaufen ist, und ähnliche Fehler in der Gegenwart und Zukunft zu vermeiden. Er glaubt, dass das Betrachten eines Problems aus einem anderen Blickwinkel zu Durchbrüchen führen kann, anstatt es einfach besser zu machen. Vermorel ermutigt die Zuschauer, Fragen an den Podcast zu senden und sich für zukünftige Episoden zu abonnieren.

Vollständiges Transkript

Kieran Chandler: Hallo und herzlich willkommen zu einer ganz besonderen Ausgabe von Lokad TV. Heute sind wir live hier in Paris, um unsere 100. Ausgabe zu feiern, in der wir auf die bisherige Lokad-Reise zurückblicken und Ihre Fragen zur Supply Chain beantworten werden.

Joannes Vermorel: Ich hätte wirklich nicht gedacht, dass wir es auf hundert Folgen zu etwas so Seltsamem wie der Supply Chain schaffen würden. Der Grund, warum wir das alles begonnen haben, war nur, weil ich diese schöne coole Software namens OBS entdeckt habe und angefangen habe, damit zu spielen. Ich fand, dass es eine großartige Software ist, also wollte ich es ausprobieren. Aber eigentlich verwenden wir es heute zum ersten Mal, da es nur für Live-Events verwendet wird. Nein, ich habe nicht wirklich so weit vorausgeplant.

Kieran Chandler: Heute geht es darum, auf die bisherige Lokad-Reise zurückzublicken und die Lektionen, die wir auf dem Weg gelernt haben, zu betrachten. Vielleicht fangen wir damit an, dass Sie sich an das Jahr 2008 erinnern, als Sie das Unternehmen gegründet haben. Warum haben Sie sich entschieden, ein Unternehmen in der Supply Chain-Branche zu gründen? Was hat Sie interessiert?

Joannes Vermorel: Zu der Zeit war ich Doktorand in Computational Biology, habe aber meinen Doktortitel nie abgeschlossen. Die Anzahl der exzellenten Forscher auf diesem Gebiet war erstaunlich, es war demütigend und sehr enthusiastisch. Allerdings konnte ich sehen, dass die Welt auch ohne mich in Ordnung sein würde. Als ich mir die Supply Chain ansah, sah ich hauptsächlich Mathematik aus dem 19. Jahrhundert. Mir wurde klar, dass es Potenzial gab, in diesem Bereich, der absolut gigantisch ist, bessere Dinge zu tun. Also habe ich mit viel Enthusiasmus mein eigenes Unternehmen gegründet.

Kieran Chandler: Wie liefen die ersten paar Jahre? War es einfach, das Unternehmen zu gründen? Hatten die Leute Interesse an dem, worüber Sie gesprochen haben, oder gab es anfangs viel Zögern?

Joannes Vermorel: Nein, es war schrecklich. Es hat Jahre gedauert, bis wir etwas hatten, das tatsächlich funktionierte. Lokad wurde auf der Idee der Prognose als Service gegründet, was sowohl technisch als auch aus Sicht der Supply Chain eine sehr schlechte Idee ist. Der Start der Reise war ziemlich langsam, genau weil es nicht funktionierte.

Kieran Chandler: Sprechen wir über einige der großen Schritte, die Sie auf dem Weg unternommen haben. Der erste, den Sie erwähnt haben, war 2011 die Idee, Prognosen mit Verzerrung mithilfe von Quantilprognosen zu erstellen. Warum war das etwas, das ein wenig kontrovers oder anders war?

Joannes Vermorel: Es war nicht kontrovers, es war einfach seltsam. In Statistik-Kursen und in allen Supply-Chain-Kreisen, von denen ich wusste, war die Idee, Prognosen mit Verzerrung zu erstellen, nicht bekannt.

Kieran Chandler: Die Idee war, dass Sie die Verzerrung eliminieren müssen, wissen Sie. Große Unternehmen haben ganze Teams von Bedarfsplanern, die ihre gesamten Tage damit verbringen, das Modell anzupassen und anzupassen, damit es nicht verzerrt ist. Warum sollten Sie also Menschen haben, die das Gegenteil tun und Verzerrungen absichtlich hinzufügen, nicht aus Versehen? Das war einfach der Punkt, es war nicht kontrovers, es war wie dumm. Warum haben wir ein ganzes Team, das daran arbeitet, die Verzerrung zu entfernen, und Sie möchten Verzerrungen hinzufügen?

Joannes Vermorel: Tatsächlich hat es mehrere Jahre gedauert, bis ich überhaupt zu dem Schluss gekommen bin, dass dies eine gute Idee sein könnte. Für mich war es keine kontroverse Position; es war überhaupt keine Position. Es war kein Problem, bis ich durch die Eliminierung all der anderen Dinge, die nicht funktionierten, zu einer Schlussfolgerung kam. Das war meiner Meinung nach der Durchbruch bei der Quantilprognose. Ja, Verzerrungen waren in der Supply Chain sehr, sehr nützlich, weil Sie verhindern möchten, dass Sie voreingenommen sind, und deshalb mussten wir die Technologie um diese Idee herum komplett neu gestalten.

Kieran Chandler: Okay, und dann haben Sie einen weiteren Schritt unternommen, nämlich 2012, als Sie beschlossen haben, anstatt dem Großteil des Marktes zu folgen, der diesen Art von Plug-and-Play-Ansatz für Unternehmen verfolgte, etwas ganz anderes zu tun und einen programmatischen Ansatz zu verwenden. Warum dachten Sie, dass das gut für Supply Chains ist?

Joannes Vermorel: Auch Lokad wurde auf die klassische Art gestartet, wissen Sie, mit Bildschirmen, Tasten, Menüs und Optionen - genau die Dinge, die Sie von jeder Art von Unternehmensanwendung erwarten. Aber die Realität ist, dass wir jedes Mal, wenn wir einen neuen Kunden gewonnen haben, festgestellt haben, dass so viele Dinge nicht passten. Also haben wir buchstäblich tonnenweise neue Funktionen implementiert, um jeden Kunden zufriedenzustellen.

Normalerweise denkt man, wenn man ein Softwareunternehmen gründet, dass man nicht alle Funktionen hat, die der Markt möchte, aber man fügt ein paar weitere Funktionen hinzu und konvergiert allmählich zu etwas, das funktionsfähig ist. Es ist also in Ordnung, mit einem minimal funktionsfähigen Produkt zu starten und dann zu wiederholen, ein paar Funktionen hinzuzufügen und hoffentlich zu etwas Gutem zu konvergieren, das auf dem Markt ankommt. Aber ich war buchstäblich vier Jahre unterwegs und habe keine Konvergenz gesehen; wenn überhaupt, gab es Divergenz.

Wir haben es geschafft, zu dieser Zeit größere Kunden zu gewinnen, und ich habe gesehen, dass es noch vielfältiger war als das, was ich in den ersten Jahren hatte, als ich nur mit KMUs zu tun hatte. Wenn überhaupt, war ich nicht auf einem konvergenten Weg; ich war auf einem divergenten Weg. Als ich mir meine Konkurrenten ansah, sah ich Monster - Monster im Sinne ihrer Softwareprodukte, nicht der Menschen. Die Softwareprodukte hatten Tausende von Bildschirmen, buchstäblich Tausende von Optionen, und es war ein völlig divergenter Entwicklungsprozess.

Zu dieser Zeit bestand die Herausforderung darin, ob ich diesem Weg folgen sollte. Es ergab nicht einmal Sinn. Gibt es eine Möglichkeit, eine Art Konvergenz zu erreichen? Und dann kam ich schließlich zu dem Schluss, dass Lieferketten viel zu vielfältig sind, um in eine starre App mit Menüs und Schaltflächen zu passen. Stattdessen benötigten wir einen programmatischen Ansatz.

Kieran Chandler: Können Sie uns etwas über die Anfänge von Lokad erzählen?

Joannes Vermorel: Ja, sicher. Lokad wurde mit der Idee gegründet, eine Plattform für programmatische Optimierung und vorhersagende Optimierung der Lieferkette zu schaffen. Wir haben uns eine Plattform vorgestellt, auf der die Menüs, Schaltflächen und Berechnungen komplett maßgeschneidert sind und daher für jeden Kunden programmiert werden müssen. Aber wenn Sie Dinge für jeden Kunden programmieren, was ist dann Ihr Problem? Ihr Problem besteht darin, Produktivität und Zuverlässigkeit zu erzeugen. Sie möchten in der Lage sein, es superschnell und supergünstig zu tun, und so wurde die Idee einer Plattform für programmatische Optimierung, vorhersagende Optimierung der Lieferkette geboren.

Kieran Chandler: Haben Sie jemals auf diese frühen Jahre zurückgeblickt und gibt es große Fehler, die Sie gemacht haben und große Bedauern, die Sie haben?

Joannes Vermorel: Der Weg eines Unternehmers ist voller Bedauern in dem Sinne, dass wenn ich damals im Jahr 2008 gewusst hätte, was ich heute weiß, hätten wir wahrscheinlich dreimal weniger Zeit gebraucht. Wir wären schneller auf den Markt zurückgekehrt als das, was wir getan haben. Aber wissen Sie, es ist schwierig, selbst intellektuell die Vergangenheit zu ersetzen oder zu wiederholen. Als ich zum Beispiel 2008 anfing, begann ich mit der Technologie der Zeit, und dann wurde im Jahr 2009 sehr deutlich, dass sich zum Beispiel die Welt der Software komplett verändert hatte und dass wir uns dem Cloud Computing zuwenden mussten.

Kieran Chandler: Können Sie erklären, was Cloud Computing ist?

Joannes Vermorel: Sicher. Die klassische Perspektive, ein Computerproblem zu betrachten, so habe ich 2008 angefangen, besteht darin, dass Sie eine Maschine, einen Computer haben, um eine Berechnung, ein Daten-Crunching, eine Aufgabe, die Sie ausführen möchten, durchzuführen. Wie lange dauert es? Nun, es dauert so lange wie das Programm läuft. Sie haben eine Maschine. Sie starten das Programm, und wenn es fertig ist, ist es fertig. Was konstant ist, ist die Maschine. Das Problem variiert, und somit variiert die Rechenzeit, die benötigt wird, um die Lösung des Problems abzuschließen.

Die Denkweise des Cloud Computing ist das genaue Gegenteil. Was konstant ist, ist Ihre Ziel-Lieferzeit für das Ergebnis Ihrer Berechnung. Sie sagen: “Ich möchte, dass meine Berechnung in 30 Minuten geliefert wird”, und dann können Sie die Menge der bereitgestellten Rechenressourcen dynamisch anpassen, um das Problem zu lösen. Wenn ich tausend CPUs benötige, um das Ergebnis in 30 Minuten zu liefern, weisen wir diese tausend CPUs dynamisch zu. Der Schlüsselerkenntnis war, als wir von dieser Idee abrückten, dass auf der einen Seite die Hardware konstant ist und sich das Problem ändert und das die Verzögerung bei der Lösung des Problems gegenüber der Cloud-Computing-Perspektive, bei der die Konstante eine Verzögerung ist und dann die Rechenressourcen anpassen, um innerhalb des Zeitrahmens zu liefern. Plötzlich mussten wir fast alles, was wir bei Lokad getan hatten, neu schreiben.

Kieran Chandler: Wenn man zurückblickt, kann man sehen, dass wir uns allmählich weiterentwickelt haben, während sich die Technologien mit uns weiterentwickeln. Und wenn Sie auf unserer Website schauen, können Sie diese Generationen des maschinellen Lernens sehen, denen wir gefolgt sind. Was würden Sie sagen, war der größte Durchbruch aus technischer Sicht?

Joannes Vermorel: Das Ding ist, es ist nicht nur eine Evolution. Es war buchstäblich eine komplette Veränderung. Die Leute denken, “Oh, es ist nur eine Evolution”, aber nein, es hat sich nicht so durch die Geschichte von Lokad entwickelt. Es war eher so, dass wir ein Produkt hatten, es wegwarfen und von vorne anfingen, normalerweise mit einem besseren Problem. Also, es ist nicht nur ein besseres Produkt, weil es die gleichen Funktionen hat, nur besser. Normalerweise handelt es sich buchstäblich um ein anderes Problem, weil es das Problem mit einem besseren Verständnis angeht, was normalerweise die Technologie oder die Architektur der Software komplett verändert.

Ich denke, was das maschinelle Lernen betrifft, war der größte Durchbruch das Deep Learning. Aus infrastruktureller Sicht war der größte Durchbruch das Cloud Computing. Das ist die Idee, dass Sie harte Fristen haben möchten, um Ihre Ergebnisse zu liefern, und der Rest variiert. Aber aus statistischer Sicht war der größte Durchbruch wahrscheinlich das Deep Learning, auch wenn es nicht das ist, was wir derzeit in der Produktion haben. Es handelt sich um differenzierbares Programmieren, aber der Durchbruch selbst kam aus dem Deep Learning.

Und dann, aus Sicht der Supply Chain, war der größte Durchbruch die Idee, dass Sie eine vollständig finanzielle Perspektive auf die Supply Chain von Anfang bis Ende haben müssen. Sie setzen überall Fehler, Belohnungen und Chancen in Dollar um. Diese finanzielle Denkweise war wahrscheinlich der größte Durchbruch - alles durch die Linse einer finanziellen Analyse zu betrachten, anstatt es durch die Linse des Servicelevels mit prozentualen Fehlerstufen zu betrachten, die man verbessern möchte.

Kieran Chandler: Ein vielleicht etwas seltsamer Weg, den viele als etwas bizarr angesehen hätten, war 2016, als wir unsere Zehen in die Welt der Bitcoin-Forschung und -Entwicklung getaucht haben. Warum sind wir diesen Weg gegangen und was haben Sie aus diesen Erfahrungen gelernt?

Joannes Vermorel: Bitcoin war für mich immer ein Hobby, daher hängt Lokad beruflich nicht von Krypto, Blockchain oder Bitcoin ab. Trotzdem ist es faszinierend, weil es Wirtschaft in Aktion ist. Die Leute haben begonnen, Softwaresysteme um Ideen herum zu entwickeln, die auf unserem Verständnis von Wirtschaft basieren, und das ist sehr interessant, weil diese Ideen normalerweise nur dem Bereich der Politik angehören. Sie werden nie entwickelt.

Sie können einen Politiker haben, der sagt, dass wir die Besteuerung erhöhen müssen, und einen anderen Politiker, der sagt, dass wir die Besteuerung senken müssen. Die Erfahrung findet nur im Maßstab von Ländern statt und normalerweise werden sie nicht entwickelt - sie sind nur das Ergebnis eines bestenfalls unvollkommenen demokratischen Prozesses. Das Interessante an Bitcoin ist, dass es ein anderer Ansatz zur Wirtschaft und Technologie ist.

Kieran Chandler: Also, Joannes, erzählen Sie uns von Ihrem Interesse an Bitcoin und wie es sich auf die Optimierung der Supply Chain auswirkt.

Joannes Vermorel: Bei Bitcoin handelte es sich um Mikroökonomie in Aktion aus technischer Sicht. Man kann beurteilen, ob es funktioniert oder nicht. Das ist sehr interessant, weil Supply Chains so ziemlich dasselbe sind. Es ist Mikroökonomie in Aktion. Man kann experimentieren und beurteilen, ob die Dinge funktionieren oder nicht. Aus dieser Perspektive fand ich es sehr interessant. Bitcoin hat viele Eigenschaften, die die Supply Chain hat. Es ist verteilt, viele Akteure, Schichten von Software, Tonnen von Komplexität, sich widersprechende Anreize und mehrschichtige Sicherheitsprobleme. Natürlich sind das alles Analogien, keine direkte Übersetzung, aber es gibt viele Inspirationen, wenn man sich die technischen Erkenntnisse in diesen Gemeinschaften ansieht. Nicht die Spekulation, das ist nur schön, sondern die technischen Erkenntnisse. Die sind ziemlich interessant.

Kieran Chandler: Können Sie uns etwas über Lokad und den Fokus des Unternehmens erzählen?

Joannes Vermorel: Klar, wir sind heute etwa 50 Mitarbeiter, die sich im Zentrum von Paris befinden. Wir bieten das an, was wir eine Supply Chain Science Practice nennen.

Kieran Chandler: Warum haben Sie sich von der klassischen Datenscience-Seite entfernt?

Joannes Vermorel: Ich finde es sehr nett von Ihnen zu sagen, dass ich mich entschieden habe, mich davon zu entfernen. Es war eher so, dass wir den klassischen Weg des Datenscientisten ausprobiert und kläglich versagt haben. Wir mussten uns davon entfernen. Als wir junge Ingenieure eingestellt haben, haben wir bereits in den Einstellungsgesprächen festgelegt, wofür sie loyal sind, anstatt welches Engagement sie haben. Sind Sie dem Vision, einem bestimmten Problem oder bestimmten Fähigkeiten verpflichtet? Was ist Ihr Engagement? Wenn man den Weg der Datenscience einschlägt, sind die Leute den Datenproblemen verpflichtet. Das ist die falsche Art von Engagement. Man endet mit Leuten, die sich auf die coolen Probleme und die coolen Tools konzentrieren und sich auf die schönen, coolen Probleme im Zusammenhang mit Daten konzentrieren. Leider liegt der Großteil dessen, was es braucht, um ein Supply-Chain-Problem zu lösen, im Bereich der Datenverarbeitung, der nicht so cool ist. Man muss vorbereiten, wo man buchstäblich Hunderte von Feldern qualifizieren muss, sie dokumentieren und mit vielen Leuten besprechen muss, um zu klären, was die genauen Supply-Chain-Prozesse sind, damit man eine Chance hat, etwas Sinnvolles in der Praxis zu optimieren. Daher sollte Ihr Engagement nicht den Daten gelten, sondern der Supply Chain. Das haben wir auf die harte Tour gelernt. Deshalb haben wir jetzt Supply Chain Scientists, denn wenn wir diese jungen Enthusiasten einstellen, sagen wir ihnen, dass ihr Engagement nicht darin besteht, ein ausgeklügeltes maschinelles Lernmodell zu liefern. Darum geht es bei Lokad nicht.

Kieran Chandler: Ihr Engagement wird darin bestehen, die Supply Chain unserer Kunden zu verbessern, und das ist etwas ganz anderes, und ehrlich gesagt ist uns das nicht so wichtig. Sie wissen, ob Sie es auf die eine oder andere Weise tun, natürlich haben wir Rezepte, von denen wir wissen, dass sie funktionieren, wir haben bestimmte Klassen von Tools, die sich im Einsatz bewährt haben. Aber im Grunde werden Sie alles tun, was nötig ist, um mit einem Kunden seine Supply Chain zu verbessern. Und das sollte Ihr Engagement sein. Das sollte Ihre tägliche Herausforderung, Ihre tägliche Inspiration und alles sein.

Joannes Vermorel: Es stellte sich heraus, dass wir, als wir nach, ich würde sagen, Datenscientisten suchten, Leute bekamen, die wahrscheinlich zu sehr an den ausgefallenen Datenproblemen interessiert waren und nicht genug an den Menschen, an den Geschäftsproblemen, daran, sicherzustellen, dass nichts den Einsatz der Lösung behindert, weil in der Regel die Probleme dieser, ich würde sagen, KI-getriebenen Initiativen nicht daran scheitern, dass der Algorithmus ein Problem hat, sondern einfach daran, dass es größere Mängel im Gesamtaufbau gibt.

Kieran Chandler: Okay. Bevor wir uns vielleicht einigen Fragen unserer Zuschauer widmen, als abschließende Frage, wir sind ein Unternehmen, das in den letzten zehn Jahren und etwas mehr sehr organisch gewachsen ist. Und so langsam aber sicher, was sind Ihre Ideen für die nächsten fünf Jahre, die nächsten zehn Jahre? Was sehen Sie für die Zukunft von Lokad?

Joannes Vermorel: Mehr organisches Wachstum. Ich meine, wortwörtlich, eines Jahres hatten wir ein Wachstum von 60% und ehrlich gesagt waren wir nicht weit vom totalen Zusammenbruch entfernt. Und was die Leute nicht wirklich realisieren, ist, dass wenn sie Startups sehen, die sagen: “Oh, wir haben ein jährliches Wachstum von 200%”, das absolut fantastisch ist. Ich würde sagen: “Ja, das ist gut, wenn man etwas hat, wo man schnell vorankommen und Dinge kaputt machen kann.” Wenn man eine Dating-App hat und der Server komplett zusammenbricht, ist das ehrlich gesagt kein großes Problem. Ihre Kundenbasis wird morgen wiederkommen, das ist kein Problem. Wenn jedoch etwas, das eine Supply Chain antreibt, komplett zusammenbricht und Ihre Kunden plötzlich massive Produktions- oder Bestellaufträge erteilen, die völliger Unsinn sind, sprechen wir von Millionen-Dollar-Fehlern. Das ist sehr, sehr schlecht. Die Idee, schnell voranzukommen und Dinge kaputt zu machen, ist mit Supply Chains nicht vollständig kompatibel. Und was nur wenige Menschen realisieren, ist, dass, wenn man sich den Arbeitsmarkt ansieht, wie er heutzutage in Paris existiert, oder dasselbe wäre in New York oder anderen großen Städten auf der ganzen Welt, wenn man zum Beispiel ein jährliches Wachstum von 50% hat und eine regelmäßige Mitarbeiterfluktuation von etwa drei, vier Jahren hat, dann hat man am Ende des Jahres ein Unternehmen, in dem die Hälfte der Leute nur sechs Monate dabei war. Verstehen Sie das? Das bedeutet, dass wenn man 50% Wachstum hat, am Ende des Jahres nur sechs Monate Erfahrung hat. Und wenn man erwartet, dass Leute mit nur sechs Monaten Erfahrung in der Lage sind, eine Supply Chain zu steuern, sprechen wir von potenziell Hunderten von Millionen von Euro jährlich. Das ist viel verlangt, selbst wenn man kluge, engagierte, brillante Ingenieure einstellt. Das ist viel.

Joannes Vermorel: Und deshalb glaube ich, dass es leider, wenn wir nicht ein Unternehmen wie Facebook sind, das mit tausend Prozent pro Jahr wächst, einfach keine vernünftige Option ist. Und deshalb gehen wir zwar schnell voran, aber es gibt Grenzen, was getan werden kann. Andernfalls können wir nicht einmal die neuen Leute ausbilden, die wir ständig einstellen.

Kieran Chandler: Okay, lassen Sie uns einige der Fragen genauer betrachten, denn ich sehe schon einige und ein paar bekannte Gesichter, Freunde der Show. Zuerst einmal eine Frage, die ich denke, viele Mitarbeiter hier bei Lokad wirklich interessiert hat und zu der wir nie eine Antwort bekommen haben. Sie kommt von Dervish, der im Grunde genommen fragt: Gibt es einen besonderen Grund für den Namen Lokad? Ist es eine Abkürzung für die Algorithmen, die wir verwenden? Ist es ein Geheimnis?

Joannes Vermorel: Die Realität ist, als ich meinen Doktortitel in Computational Biology gemacht habe, habe ich darüber nachgedacht, ein Unternehmen zu gründen, in dem ich digitale Werbung einsetzen würde. Also dachte ich an lokale Werbung und kam auf “LoCad”. Es war ein sehr guter Domainname mit fünf Buchstaben. Ich habe ihn behalten und dann sagte mir etwa 10 Jahre später ein IBM-Berater: “Oh, Lokad, offensichtlich steht es für Looking Ahead. Was für ein großartiger Name!” Und ich dachte: “Ja, Looking Ahead, das ist eine coole Geschichte und das ist die, die ich meinen Kunden jetzt erzählen werde.” Also, die eigentliche Geschichte war, dass es für lokale Werbung war, aber ich denke, diese Interpretation von Looking Ahead ist viel cooler.

Kieran Chandler: Wir haben hier eine weitere Frage von Deh. Es ist ein bisschen traurig, aber sie konzentriert sich alles auf Fehler. Was war die größte Niederlage oder Rückschlag, den wir in der Geschichte von Lokad bisher hatten? Und lassen Sie uns das vielleicht besonders aus der Perspektive eines Kunden betrachten.

Joannes Vermorel: Der größte Rückschlag war meiner Meinung nach bei einigen großen US-Kunden, die wir hatten. In den ersten Jahren hatte ich keine großen Rückschläge, weil ich keine großen Kunden hatte. Es dauerte also eine Weile, bis die großen Rückschläge tatsächlich eintraten. Der große Rückschlag war ein Wendepunkt, ich glaube es war um 2011-2012 herum, wo wir buchstäblich Benchmarks gewonnen haben, ähnlich wie der Kaggle-Wettbewerb mit Walmart. Wir hatten eine höhere Genauigkeit, klassische wöchentliche Prognosen, monatliche Prognosen, und wir haben diese Dinge in die Vorhersage für die Lieferketten unserer Kunden eingebaut. Allerdings wurden ihre Lieferketten dadurch schlechter.

Dann haben wir den Benchmark erneut durchgeführt, verglichen und Lokad hatte eine bessere Genauigkeit. Aber irgendwann hatte der Kunde einen Anruf und sagte mir: “Joannes, weißt du was? Du hast unsere Lieferkette völlig durcheinander gebracht.” Ich erinnere mich an ein Treffen, das ich in New York hatte, wo sie mich gebeten hatten zu kommen, und ich ging in einen Raum mit 20 Planern. Die Hälfte von ihnen war völlig wütend und sagte mir: “Deine Software macht unser Leben völlig elend.”

Für mich war es ein Albtraum. Es waren 20 Leute, sie waren wirklich beharrlich, und ich dachte: “Ja, in Bezug auf die Genauigkeit sind wir besser.” Aber die Leute sagten: “Ehrlich gesagt, es ist uns egal. Du hast es nicht mit dem Chaos zu tun; wir haben es mit dem Chaos zu tun, und es funktioniert einfach nicht. Es ist ein Albtraum.”

Kieran Chandler: Im Laufe der Zeit waren die Kunden ihnen gegenüber verpflichtet, und sie haben ihr Bestes getan, wir haben unser Bestes getan. Und ich glaube, wir haben sie etwa drei Jahre später verloren, aber es war eine so elende Erfahrung.

Joannes Vermorel: Elendig und was auch immer. Okay, wir werden versuchen, uns ein wenig aufzumuntern und über ein weiteres nicht so fröhliches Thema zu sprechen, leider das Coronavirus. Wir können es im Moment nicht vermeiden.

Kieran Chandler: Wir haben eine Nachricht von SV, der fragt, ob Sie glauben, dass das Coronavirus die Notwendigkeit betont hat, traditionelle Supply-Chain-Modelle zu transformieren.

Joannes Vermorel: Ich glaube, dass das Coronavirus nur eine weitere Quelle der Variabilität ist. Es gibt so viele Dinge, die die Welt erschüttern können. Sie können den nächsten Präsidenten dazu bringen, Zölle einzuführen, ein Land wie England kann beschließen, aus der Union auszutreten, oder Ihr Unternehmen kann von tonnenweise Dingen völlig durcheinander gebracht werden. Zum Beispiel könnten heutzutage Mitarbeiter ein rassistisches Video auf YouTube posten, das die Marke über Nacht völlig beschädigt, und dann verlieren Sie aufgrund dieses dummen Videos, das viral wird, 20% Ihres Marktanteils. Es gibt tonnenweise Dinge, die die Welt unsicherer machen. Also, wenn es etwas hervorhebt, dann ist es etwas, wofür wir uns seit vielen Jahren einsetzen: Sie sollten für Unsicherheit planen. Ich habe keine Ahnung, wie die Zukunft in der post-COVID-Welt aussehen wird, aber ich bin ziemlich sicher, dass sie noch unbeständiger sein wird als zuvor, und deshalb müssen Sie Unsicherheit akzeptieren, Risiken eingehen und sie managen, anstatt eine Prognose zu erstellen und vorzugeben, dass Sie die Zukunft mit Ihrer Kristallkugel kennen. Lokad hat keine Kristallkugel, und Sie auch nicht. Also müssen Sie Unsicherheit akzeptieren und Risiken managen. Ich glaube, dass sich diese Art von Idee heutzutage langsam in der Finanzwelt durchsetzt. Nicht jeder Hedgefonds ist mit dieser Art von Idee vereinbar, aber die besten steigen darauf ein. Und ich vermute, dass die Unternehmen, die in dieser Krise vorankommen, diejenigen sind, die wie Amazon genau auf Resilienz, die Fähigkeit, Unsicherheit anzunehmen, und eine superschnelle Reaktion mit vielen digitalen Systemen zur Unterstützung setzen.

Kieran Chandler: Ich fürchte, wir bleiben noch einmal beim Coronavirus-Thema, nur für eine weitere Frage von Marcus Leopold, einem Freund von Lokad. Er fragt, wie gut haben die Lokad-Algorithmen tatsächlich während der COVID-Störung funktioniert? Mussten die Kunden zur manuellen Methode zurückkehren oder haben die Lokad-Algorithmen automatisch damit umgehen können?

Joannes Vermorel: Die Algorithmen sind keine Magie; sie haben selbst kläglich versagt. Aber, und das ist ein großes Aber, ist Lokad, das wir verkaufen, nicht nur eine Softwareplattform. Wir sagen immer, dass es heutzutage das ist, was wir als “managed plans” bezeichnen. Es geht im Wesentlichen darum, die Plattform und ein Team von Supply-Chain-Wissenschaftlern zu haben…

Kieran Chandler: und buchstäblich das Team von Supply-Chain-Wissenschaftlern hat Überstunden gemacht, um zuerst im März praktisch alle unsere europäischen Lieferketten stillzulegen, dann einen Monat später alle unsere US-amerikanischen Lieferketten stillzulegen und dann zwei bis drei Monate später sie wieder in Betrieb zu nehmen, wissen Sie?

Joannes Vermorel: Die Herausforderungen, denen wir gegenüberstanden, bestanden darin, die Stilllegung zu organisieren, einen Neustart zu organisieren und das Modell so anzupassen, dass diese ungewöhnliche Sperrzeit nicht als Nachfrageeinbruch interpretiert wird. Sie können nicht drei Monate haben, in denen Sie das als Nachfrage zählen, da dies alle Ihre saisonalen Profile vollständig verzerren würde.

Ich denke, der Kernpunkt dabei ist, dass unsere Technologie ziemlich effizient war, nicht weil die Algorithmen so leistungsstark waren, sondern weil sie den Supply-Chain-Wissenschaftlern ein sehr hohes Maß an Produktivität ermöglichte. Als die Krise begann, hatten wir keine Wochen Zeit, um uns auf den Übergang vorzubereiten. Wir erhielten Anrufe, in denen es hieß: “Lokad, wissen Sie was? Nächste Woche schließen wir unsere Werke und Lagerhäuser. Wir müssen Aufgaben priorisieren, die vor dieser Zeit erledigt werden müssen. Sie haben 24 Stunden Zeit, um das Modell so anzupassen, dass diese Dinge reibungslos ausgeführt werden.” Jede Stunde zählte, und die Supply-Chain-Wissenschaftler mussten das innerhalb weniger Tage umsetzen, selbst wenn das gesamte Unternehmen Überstunden machte. Der Kernpunkt war nicht die Qualität des Algorithmus, sondern die Produktivität, die Envision für die explizite Modellierung der Lieferketten gewährt.

Kieran Chandler: Wir werden zu den Diskussionen über Kryptowährungen und Bitcoin zurückkehren. Dies ist eine Nachricht von John Michelle, der fragt, sehen Sie in naher Zukunft, also in den nächsten drei oder vier Jahren, einen echten Mehrwert durch diese Bitcoin-Blockchain-Anwendungen in der Lieferkette oder halten Sie es nur für Kryptohype?

Joannes Vermorel: Ich sehe viel Wert, aber nicht die Art von Wert, die man erwarten würde. Zunächst einmal definieren Kryptowährungen, was Computersicherheit bedeutet, neu. Das Interessante ist, dass Sie, wenn Sie einen Bitcoin auf einem Computer haben, wissen können, dass der Computer sicher ist, weil der Bitcoin nicht gestohlen wird. Das ist unglaublich interessant, denn das bedeutet, dass Sie plötzlich einen sehr einfachen Test haben, um festzustellen, ob Ihre Systeme sicher sind oder nicht. Sie können etwas Kryptowährung darauf ablegen, und wenn es verschwindet, nun, raten Sie mal? Es gibt jemanden, der in Ihren Systemen lauert. Die Leute begannen dies zu realisieren, als Bitcoin-Unternehmen Maschinen in der Cloud hatten, die beträchtliche Anteile von Kryptowährungen online hielten, und sie alle durch Diebstahl bankrott gingen.

Kieran Chandler: Also, Joannes, kannst du ein wenig über die Herausforderungen der Optimierung der Lieferkette in Bezug auf die IT-Sicherheit sprechen?

Joannes Vermorel: Ja, und buchstäblich haben die Leute erkannt, dass nichts sicher war, wissen Sie. Alle Cloud-Computing-Anbieter hatten Schwachstellen. Alle IoT-Geräte haben Schwachstellen. Alle Smartphones haben Schwachstellen. Ich meine, buchstäblich haben die Menschen das Ausmaß des Problems erkannt, die Größenordnung des Primums. Also glaube ich, dass wir als Lieferkette das Problem, würde ich sagen, doppelt so schlimm haben, weil Lieferketten von Natur aus geografisch verteilt sind. Sie können keinen Festungsansatz für IT-Sicherheit haben, nur weil Sie Dinge praktisch auf der ganzen Welt verteilt haben. Es ist eine massive Herausforderung, und was in der Kryptowährung passiert, ist sehr interessant, weil es Ihnen Einblicke in all die Dinge gibt, die Sie tun müssen, um Ihr System wirklich abzusichern. Das ist der Hauptmehrwert. Also würde ich wiederum nicht vorschlagen, das als Anlageinstrument zu nutzen. Ich schlage vor, sich die technischen Details dieser Dinge anzusehen, insbesondere aus der Perspektive der IT-Sicherheit, die typischerweise soziale Probleme mit Software-Exploit-Problemen kombiniert.

Kieran Chandler: Okay. Wir haben hier eine weitere Nachricht von einem unserer Freunde, Khalil Mehana, der die Prognose erwähnt. Egal wie gut sie ist, sie benötigt Informationen über die Benutzer dahinter. Zwei wichtige Benutzer werden der Projektleiter von der Unternehmensseite und die Supply Chain Scientists von der Lokad-Seite sein. Wie wichtig ist diese Professionalität und das Geschäftsverständnis dieser beiden Personen und wie sehr kann sich das auf das Ergebnis und die Genauigkeit der endgültigen Prognose auswirken?

Joannes Vermorel: Das ist der Trick. Zum einen haben wir etwa 100, etwas mehr als 100, Unternehmen in der Produktion. Wir optimieren die Prognose nicht. So funktioniert das nicht. Die Leute denken, “Oh, du musst menschliche Einsichten haben, um die Prognose anzupassen.” Aber eigentlich geht es darum, wie du überhaupt statistische Informationen aus den Daten extrahierst. Du versuchst nicht, den Markt zu erraten, indem du menschliche Einsichten und Wissen hast. Das passiert schon mal. Das passiert schon mal. Wir haben einige Randbedingungen, zum Beispiel fällt mir da der A380 ein, das Flugzeug von Airbus. Wir haben einige Kunden, die Teile dieses Flugzeugs liefern. Als Airbus bekannt gab, dass sie diese Art von Flugzeug einstellen, ja, da kannst du deine Prognose mit Marktwissen anpassen, aber das ist sehr selten. Das ist sehr selten, so eine Situation tritt normalerweise nicht auf. Die Arbeit der Supply Chain-Praktiker und der Supply Chain-Scientists bei Lokad ist viel umfangreicher. Es geht in erster Linie darum, das Problem so zu strukturieren, dass die Algorithmen das Richtige lernen und optimieren, was ein bewegliches Ziel ist. Wenn die Situation immer abgedeckt ist, geht es nicht darum, Wissen einzuspeisen, indem du die Prognose anpasst. Es geht buchstäblich darum, das eigentliche Problem neu zu strukturieren, das du prognostizieren und optimieren möchtest. Dann geht es in der Regel darum, die wirtschaftlichen Treiber zu überprüfen. Wir optimieren diese Fehler-Dollars, aber diese Fehler-Dollars sind nichts, was du aus den Daten extrahierst. Es gibt keinen Data-Mining- oder Machine-Learning-Algorithmus, um zu wissen, ob äh…uh.

Joannes Vermorel: Viele Menschen unterschätzen ein paar Kräfte. Erstens unterschätzen sie die Stärke der Spezialisierung für Länder. Zum Beispiel gibt es nur drei Länder auf der Welt, die RAM-Fabriken - Random Access Memories - haben. Also, wenn du RAM haben willst, und alle Computer verwenden sie, gibt es nur drei Länder: Südkorea, China und die Vereinigten Staaten. Überall sonst, nun ja, Pech gehabt.

Und dann, wenn du Lithium für deine Batterien für dein Smartphone haben möchtest, stellt sich heraus, dass die Weltreserven an Lithium nur in drei Ländern vorhanden sind: Chile, Argentinien und Australien. Ich glaube, manche Leute werden das noch einmal überprüfen. Also, wenn du eine lokale Produktion von Lithium haben möchtest, nun ja, Pech gehabt. Die Realität ist die gleiche für die Uhrenherstellung. Ich glaube, die Schweiz hat mehr als die Hälfte, aber ich glaube, im Bereich der Uhrenherstellung sind es etwa 70%. Also, ich denke nicht, dass es immer machbar ist für Niedrigwertartikel wie T-Shirts.

Die Textilindustrie hinkt traditionell weit hinterher, weil sie so schwer zu automatisieren ist. Als Folge davon verlagerte sich die Textilproduktion nach China, aber jetzt ist sie nicht mehr in China. Sie ist in billigere Länder wie Vietnam, die Philippinen oder Bangladesch gewandert. Aber das Problem ist, wenn wir in Bangladesch sind und die Gehälter hoffentlich steigen werden, wohin werden diese Dinge dann wandern? Vielleicht nach Afrika? Ich weiß es nicht. Aber uns gehen die billigen Länder aus.

Und die Automatisierung schreitet voran, daher glaube ich, dass diese grundlegenden Lieferketten wahrscheinlich lokalisiert werden. Leider sollten wir nicht erwarten, dass dadurch Arbeitsplätze entstehen, da sie an die Orte zurückgebracht werden, an denen diese Dinge konsumiert werden, sobald ein sehr hoher Grad an Automatisierung erreicht ist. Werden wir also marginale mehr lokale Lieferketten haben? Ja, das glaube ich irgendwie. Denn wenn Dinge unglaublich automatisiert sind, spielt es keine Rolle mehr, wo man seine Fabriken positioniert. Es spielt schon eine Rolle, Lithium gibt es nur an wenigen Orten auf der Welt, usw. Aber plötzlich, wenn es einem egal ist, was die Kosten für lokale Arbeitskräfte sind, kann man seine Produktion praktisch überall hin verlagern.

Kieran Chandler: Wir haben hier zwei Fragen, die ich zu einer großen Frage zusammenfassen werde. Eine von Kenya und eine von Manmeet. Kenya fragte, ob es aufgrund des quantitativen Ansatzes in der Lieferkette viel Skepsis gibt, wenn solche Praktiken implementiert werden. Und Manmeet baut darauf auf und fragt, mit welchen Herausforderungen im Bereich des organisatorischen Change Managements Sie konfrontiert sind, wenn Sie etwas wie Lokad implementieren.

Joannes Vermorel: Das ist wahrscheinlich eine meiner größten Frustrationen, ich begegne nicht so viel Skepsis. Und ich werde Ihnen sagen, warum. Es ist, weil wenn ich den Leuten zum Beispiel sage, dass die Vorhersage von Zeitreihen, nackte Zeitreihenvorhersage, völlig fehlerhaft ist, dass sie die Unsicherheit ignoriert. Die Leute wissen das dann, und dann…

Kieran Chandler: Also Joannes, kannst du erklären, was passiert, wenn du ein Produkt vorhersagst, aber dann 10 weitere Produkte einführen, die damit konkurrieren?

Joannes Vermorel: Wenn du ein Produkt vorhersagst, aber nicht weißt, dass du 10 weitere Produkte einführen wirst, die damit konkurrieren, wirst du überall Kannibalisierung haben. Und wenn du ein Zeitreihenmodell hast, wird es diese Kannibalisierung einfach ignorieren, und daher ist es völlig fehlerhaft. Und nochmal, die Leute sind keine Idioten. Sie wissen das. Meine Frustration kommt daher, dass sie es verstehen. Ich denke, wenn ich mit Supply Chain-Direktoren, Planungsleitern, Leitern der Lieferkettenprognose und so weiter spreche, sind sie nicht skeptisch. Sie sagen: “Ja, ja, ja, ich verstehe.” Meine Frustration kommt daher, aber wissen Sie was? Ich werde es einfach nicht tun. Ich weiß, dass es kaputt ist, aber weißt du, bin ich wirklich bereit, du weißt schon, theoretisch sagen viele Leute, wenn man sie fragt: “Ja, ich werde das tun, was am besten für mein Unternehmen ist.” Aber leider tun die meisten Menschen in großen Unternehmen hauptsächlich das, was nötig ist, um ihren Job zu behalten. Und selbst wenn sie in der Managementebene recht hoch stehen, würden Sie vorgeben, dass die meisten Menschen Helden sind, die Innovationen fördern und so weiter, aber nein, die meisten Menschen haben sehr interessante Hobbys, ein interessantes Leben, und ihr Job ist nun mal nur ein Job. Und sie werden keine Kreuzzüge starten, um ihre Organisation zu reformieren, damit sie besser funktioniert. Ja, für die Aktionäre ist es besser. Es würde das Unternehmen wachsen lassen, es profitabler machen. Aber seien wir ehrlich, die meisten Menschen in großen Organisationen haben ein Gehalt. Dort wollen sie der Organisation nicht schaden, wissen Sie. Sie wollen in ihrem Job vernünftig gut sein, aber sie werden keinen Kreuzzug starten, um ihr Unternehmen auf die nächste Stufe zu bringen. Und wenn es dem Unternehmen schlecht geht, werden sie gehen, den Job wechseln und zum nächsten Unternehmen gehen, wissen Sie.

Kieran Chandler: Okay, wir werden noch ein paar weitere Fragen stellen, bevor wir abschließen. Ich werde diese Frage von Richard Lebenski stellen, hauptsächlich weil er in seiner Zeitzone spät aufbleibt. Also ja, ja, Helden, Helden, ja. Und er fragt, in welchem Bereich kann der Lokad-Ansatz den größten Geschäftswert freisetzen, den andere vielleicht nicht können?

Joannes Vermorel: Das ist normalerweise umgekehrt proportional zur Menge an Unordnung und Komplikationen. Und wenn Leute sagen: “Oh, es ist wie ein Albtraum”, dann ist das sehr gut, weil normalerweise, wenn die Supply Chain wie ein Albtraum ist, mit viel zu vielen Optionen, viel zu vielen Entscheidungen, viel zu vielen Dingen mit sekundären Effekten, mit Multi-Echelon, mit Haltbarkeit, mit Nachrüstungen, auch mit allen möglichen super seltsamen Effekten, das ist typischerweise der Bereich, in dem Lokad am besten funktioniert, weil normalerweise noch nicht einmal mit der Optimierung der Supply Chain begonnen wurde. Denn offensichtlich, wenn Sie eine Supply Chain haben, die bereits extrem schlank ist, weil sie so einfach ist, und wahrscheinlich würde ich sagen, die, sagen wir zum Beispiel, die Wasserverteilung, wissen Sie, es gibt nichts Dümmeres als die Wasserverteilung. Also die Supply Chain von Wasser, darüber spricht niemand, weil sie so verdammt einfach ist, dass nichts mehr zu optimieren übrig bleibt. Alles, was noch zu optimieren übrig blieb, wurde vor fast einem Jahrhundert optimiert. Lokad kann also fast nichts tun, würde ich sagen, für Wasserversorgungsunternehmen. Aber

Kieran Chandler: Auf der anderen extremen Seite würde ich sagen, zum Beispiel die Luft- und Raumfahrt, die ein komplettes Chaos ist, besonders mit COVID. Das sind typischerweise Bereiche, in denen wir am besten abschneiden. Aber frische Lebensmittel können super kompliziert sein, Luxus tendiert auch dazu, super kompliziert zu sein, und es gibt das zusätzliche Problem, dass Sie sehr begrenzte Datensätze haben. Die klassischen statistischen Methoden für die Teile funktionieren in solchen Situationen typischerweise nicht. Das ist ein bisschen paradox. Man würde sagen, Lokad funktioniert am besten, wenn es viele Daten gibt, aber auch wenn es sehr begrenzte Daten gibt, und so funktionieren alle üblichen Statistiken einfach nicht. Das ist auch ein sehr schöner Sweet Spot für uns.

Joannes Vermorel: Okay. Es scheint, dass es eine Diskussion mit Nicholas Vanderpooh, einem unserer früheren Lieblingsgäste in der Show, gegeben hat. Er hat mit Edith diskutiert, und die Hauptfrage war, was war das größte Problem, das dazu motiviert hat, eine so große Aufgabe wie einen kompletten Neustart anzugehen?

Kieran Chandler: Du meinst eine Neuschreibung der Software, Lokad?

Joannes Vermorel: Ja. Ich meine, wenn du siehst, dass etwas nicht funktioniert, weißt du, dass du auf dem falschen Weg bist. Normalerweise ist die Neuschreibung nur das letzte Mittel. Es ist, wenn du keine Hoffnung mehr hast. Also, es ist buchstäblich irgendwann machst du inkrementelle Entwicklung und dann noch mehr inkrementelle Entwicklung, und dann irgendwann hast du einfach keine Hoffnung mehr, dass es jemals funktionieren wird. Und dann schreibst du es einfach von Grund auf neu. Es ist sehr schwierig. Es ist nichts, was wir leicht genommen haben. Jedes Mal, wenn du weißt, es gibt ein Sprichwort in der Softwareentwicklung, dass du nie von Grund auf neu schreiben solltest. Ich würde sagen, ja, es ist normalerweise eine sehr schlechte Sache, von Grund auf neu zu schreiben. Aber wenn du feststellst, dass du architektonische Fehler, Designfehler hast, die vollkommen im Kern deiner Architektur liegen, bist du erledigt. Du bist buchstäblich erledigt. Und das ist etwas, das ich den meisten unserer Kunden sage. Die meisten guten oder schlechten Eigenschaften einer Software sind durch das Design bedingt. Es ist buchstäblich die sehr wichtige Designentscheidung, die wahrscheinlich während der ersten drei Monate der Entwicklungsphase dieser Software getroffen wurde und von diesem Punkt an alles andere antreibt. Also, wenn du siehst, dass es eine Schlüssel-Design-Annahme gab, die einfach zusammenbricht, bist du ziemlich am Arsch.

Kieran Chandler: Ich habe hier eine Frage, die ziemlich unterhaltsam sein könnte, von Slim Kalell. Er fragt, wie gut funktioniert Lokad zusammen mit SNOP-Typ-Lösungen?

Joannes Vermorel: Oh, wir ignorieren sie einfach. Das Lustige ist, dass Bürokratien dazu neigen, eine unglaubliche Eigenschaft zu haben; sie überleben systematisch ihre Nützlichkeit. So kommt es zu Situationen, in denen Lokad in der Produktion live ist. Wir sind buchstäblich die Supply Chain Scientists, die mit einem bescheidenen Team von Supply Chain-Praktikern zusammenarbeiten und jede einzelne Entscheidung treffen. Also alles, was den Einkauf betrifft, die Produktion, die Bestandsbewegungen, sogar die Preise. Und dann haben Sie die SNOP-Bürokratie, wo die Leute immer noch Meetings abhalten, immer noch ihren Prozess durchführen, immer noch die Vertriebsmitarbeiter nach ihren Prognosen fragen, Tabellenkalkulationen immer noch mit Zahlen gefüllt sind und die Leute immer noch ihre üblichen Sandbagging-Tricks und dergleichen anwenden. Diese ganze Bürokratie lebt weiter.

Kieran Chandler: Sie ist völlig von der Realität abgekoppelt, wissen Sie, also schadet sie nicht wirklich, weil sie keinerlei Auswirkungen auf die reale Welt hat, die physisch ist. Ich würde sagen, sie hat Auswirkungen auf die Supply Chain, aber die Leute haben den Eindruck, dass nur Regierungen nutzlose Verwaltung betreiben können, genau wie zum Beispiel das Vereinigte Königreich, das es geschafft hat, ein Ministerium für die Kolonien zu haben, bis das Vereinigte Königreich keine Kolonie mehr zu verwalten hatte. Sie waren immer noch wie ein riesiges Ministerium. Frankreich hat so ziemlich dasselbe mit der Bank von Frankreich gemacht, die den Franc verwaltet. Wir haben den Franc nicht mehr; das ist der Euro, aber wir haben immer noch die Bank von Frankreich.

Joannes Vermorel: Letztendlich liegt es nicht daran, dass Sie ein Unternehmen sind, dass Sie immun gegen das Problem sind. Es ist dasselbe Problem für jede Art von großem Unternehmen, und so landen wir in diesen sehr paradoxen Situationen, in denen Lokad normalerweise Seite an Seite mit SNLP arbeitet, das immer noch sein Ding macht, einfach völlig abgekoppelt. Und wo es noch seltsamer wird, ist, wenn wir Seite an Seite mit dem Data Science-Team arbeiten, weil es ein Data Science-Team gibt, das immer noch Modelle produziert, die nicht verwendet werden. Sie produzieren immer noch Prototypen, normalerweise ein oder zwei pro Quartal, die völlig abgekoppelt sind, und wir machen einfach weiter mit unserem Leben in der Produktion. Es ist seltsam, aber wissen Sie was, so ist es eben.

Kieran Chandler: Okay, und wir werden jetzt langsam zum Ende kommen. Ich möchte vielleicht mit einem Kommentar statt einer Frage von Yatin Dinesh abschließen, der auch ein großer Fan der Show ist. Er sagt einfach nur: “Ich liebe den Podcast bisher, jahrelange Erfahrung und Lernen aus Fehlern werden geteilt.” Aber er möchte wissen, wer den Blog schreibt.

Joannes Vermorel: Der Blog, das bin normalerweise ich. Ich meine, ich bin sehr beschäftigt, ja. Und übrigens, wenn Sie sich das Tempo für die Blog-Produktion seit Beginn dieser Show ansehen, habe ich die Blog-Beiträge in einem viel langsameren Tempo produziert. Ich werde wieder damit anfangen; Ich plane, zum Blog zurückzukehren, aber es gibt nur so viele Stunden am Tag. Aber nein, ich habe nie eine Art von Content-Agentur von Dritten beauftragt, um massenhaftes Glücksgeschwätz zu produzieren, das Ihnen nur Plattitüden und Unsinn liefert.

Kieran Chandler: Es bin immer ich, der normalerweise im Weg steht. Nein, nein, um die Dinge heute abzuschließen und zusammenzufassen, warum haben Sie gedacht, dass es wichtig war, auf die Lokad-Reise zurückzublicken, und was hoffen Sie, dass unsere Zuschauer aus der heutigen Episode lernen?

Joannes Vermorel: Das Problem ist, es ist intellektuell sehr schwierig zu erkennen, dass man falsch liegt. Es ist sehr schwer. Erstens ist es nicht besonders angenehm; man mag es nicht, zu erkennen, dass man tonnenweise Fehler gemacht hat. Also ist Ihr grundlegendes Instinktverhalten normalerweise, eine Abwehrmechanismus zu haben, also finden Sie Ausreden. Sie sagen: “Ja, wir haben es nicht geschafft, aber die Kunden, wissen Sie, es gab so einen Kulturschock, es war eine schwierige Situation, sie hatten eine ERP-Bereitstellung in Arbeit, die die Dinge kompliziert hat.” Es gibt immer tonnenweise Ausreden. Es gibt dieses Motto: Sie können Ergebnisse oder Ausreden haben. Und es gibt einen dritten Weg, der ist…

Kieran Chandler: Zu verstehen, warum es schief gelaufen ist und wo es schief gelaufen ist, ist mir sehr wichtig. Ich mache wahrscheinlich gerade tonnenweise Fehler, ich weiß nur nicht welche. Die Überprüfung vergangener Fehler ist eine Möglichkeit, darüber nachzudenken, was gerade schiefgehen könnte. Ich meine, offensichtlich machen wir jetzt Dinge, die viel besser sind als das, was wir vor 10 Jahren gemacht haben, aber das bedeutet nicht, dass wir perfekt sind. Ich bin mir ziemlich sicher, dass es tonnenweise Dinge gibt, die wir in 10 Jahren erkennen werden und denken werden: “Ehrlich gesagt, ich war verrückt, oder so etwas. Es war offensichtlich, dass es einen besseren Weg gab, es zu tun, und es war das offensichtliche Problem. Es war fett und offensichtlich, und doch waren wir einfach darum herum. Also, in meinem Kopf ist es wichtig, diese Dinge immer wieder zu überdenken, weil es Ihnen einen Blickwinkel gibt, um zu erkennen, was gerade schief läuft bei dem, was Sie gerade tun.

Joannes Vermorel: Und normalerweise liegt das Problem nicht darin, dass Sie etwas besser machen könnten. Das ist der falsche Weg, das Problem anzugehen, denn normalerweise liegt das Problem darin, dass Sie das Problem nicht einmal aus der richtigen Perspektive betrachten. Es geht nicht darum, das Problem besser anzugehen, es besser zu machen, weil das komplett, würde ich sagen, eine lineare Weiterentwicklung von dem ist, was Sie haben, wie eine inkrementelle Weiterentwicklung. Normalerweise passieren die größten Durchbrüche, wenn Sie erkennen, dass Sie dieses Problem aus einem anderen Blickwinkel hätten betrachten sollen. Und dann erkennen Sie, dass es ein anderes Problem, einen anderen Blickwinkel gibt, für den es sich wirklich lohnt zu kämpfen. Es geht nicht darum, dass wir es besser machen könnten; es geht darum, dass wir das Problem in der Vergangenheit überhaupt nicht angegangen sind.

Kieran Chandler: Okay, wir müssen hier abschließen, aber nach hundert Episoden haben wir uns wahrscheinlich ein Bier verdient, denke ich. Das ist alles für diese Woche, und wenn wir Ihre Frage nicht beantwortet haben, stellen Sie sicher, dass Sie uns eine E-Mail an contact@lokad.com schicken, und wir werden versuchen, Ihnen zu antworten. Stellen Sie sicher, dass Sie auf den Abonnieren-Button klicken, und wir sehen uns in der nächsten Episode wieder. Vielen Dank fürs Zuschauen.