Risiken im Supply Chain Management

00:00:00 Einführung und Definition von Begriffen
00:02:40 Unsicherheit und Kosten der Absicherung in der Supply Chain
00:03:54 Risikomanagement und Minimierung von Abfall
00:05:30 Unvermeidbares Risiko und Chancen in der Supply Chain
00:07:37 Supply Chain vs Perfektion in der Produktion
00:09:35 Risiken und Chancen in der Supply Chain und bei Wettbewerbern
00:14:09 Probleme mit statischem Ansatz in der Supply Chain
00:15:56 Vorhersehbare Fehler als Geschäftspraxis
00:18:46 Agilität in der Supply Chain entwickeln
00:21:20 Dollarwert von Risiken und Chancen
00:23:36 Finanzielle Optimierung von Supply Chain Risiken
00:26:37 Lokads Ansatz zur probabilistischen Prognose
00:29:53 Risiko von massiven Störungen und regionalen Katastrophen
00:31:59 Risiken in tägliche Supply Chain Entscheidungen einbeziehen
00:34:08 Risiko des Verlusts großer Kunden und Korrelation von Risiken
00:37:03 Verzerrung in Kartenprojektionen und mathematischen Modellen
00:42:31 Erstellung von Prognosen und Risiko von Zeitreihen
00:45:20 Stochastische Optimierung und probabilistischer Ansatz
00:48:36 Zerlegung wirtschaftlicher Treiber für Supply Chain Entscheidungen
00:51:44 Unternehmen oft überrascht von vergangenen Ereignissen
00:57:00 Schädliche Prognosen und Kreuzentropie in der Prognose
01:00:00 Bedeutung von handlungsorientierten Risikobewertungen
01:06:49 Finanzielle Risiken der Lagerverteilung
01:13:54 Kosten von Werbeaktionen und IT-Abhängigkeiten als Risiko
01:17:22 Schwierigkeit der Modellierung der Kundenpsychologie
01:24:26 Bewertung von Zeitreihenprognosen
01:27:33 Risiken in Mainstream Supply Chain Software
01:29:30 Abschließende Gedanken und Aufruf zum Handeln

Zusammenfassung

Conor Doherty, Moderator von LokadTV, und Joannes Vermorel, Gründer von Lokad, diskutieren die inhärenten Risiken im Supply Chain Management. Vermorel betont, dass das primäre Risiko die Unsicherheit der Zukunft ist, die unvermeidlich und unkontrollierbar ist. Er stellt fest, dass jede Entscheidung einen Kompromiss zwischen Risiko und Belohnung beinhaltet und dass ein Null-Risiko unerreichbar ist. Vermorel hebt auch die Chancen hervor, die sich aus diesen Risiken ergeben können, wie zum Beispiel die Nutzung von MarktEngpässen. Er befürwortet eine agile und opportunistische Denkweise und den Einsatz von probabilistischer Prognose zur Risikominderung. Vermorel und Doherty kommen überein, dass auch kleine Unternehmen von Risikomanagement profitieren können, was zu erhöhten Margen und Cashflow führt.

Erweiterte Zusammenfassung

In einem Gespräch zwischen Conor Doherty, dem Moderator, und Joannes Vermorel, dem Gründer von Lokad, einem Softwareunternehmen, das sich auf die Optimierung von Supply Chains spezialisiert hat, wird das Thema Risikomanagement in Supply Chains ausführlich erörtert. Vermorel erklärt, dass die Hauptquelle für Risiken in Supply Chains die Unsicherheit der Zukunft ist. Im Gegensatz zur Fertigung, wo Risiken durch Perfektionierung des Prozesses eliminiert werden können, sind die Risiken in der Supply Chain abhängig von zukünftigen Bedingungen, die unbekannt und unvermeidlich sind.

Vermorel betont, dass jede Entscheidung im Supply Chain Management einen Kompromiss zwischen Risiko und Belohnung beinhaltet und die Unsicherheit über die Zukunft unvermeidlich ist. Er stellt auch fest, dass es in Supply Chains kein Null-Risiko gibt. Selbst bei einem perfekten Fertigungsprozess besteht immer ein zweistelliges Prozentrisiko, dass ein Produkt in fünf Jahren nicht mehr auf dem Markt verkauft wird.

Vermorel wiederholt, dass die Quelle des Risikos in Supply Chains die Unsicherheit der Zukunft ist. Er erklärt, dass dieses Risiko unvermeidlich ist und im Gegensatz zu anderen Bereichen wie der Buchhaltung, wo Risiken eliminiert werden können, sind die Risiken in der Supply Chain unkontrollierbar und können nur gemindert werden. Er weist auch darauf hin, dass es in Supply Chains zwar Risiken gibt, aber auch Chancen. Zum Beispiel kann ein großer Lagerbestand bei einem Marktengpass zu einem schönen Gewinn führen.

Vermorel stimmt Doherty’s Beobachtung zu, dass die Risiken in Supply Chains häufiger zu sein scheinen und vorhersehbare finanzielle Auswirkungen haben. Er betont, dass das Supply Chain Management den Umgang mit vielen Risiken und Chancen beinhaltet, die größtenteils unkontrollierbar sind, und das einzige, was getan werden kann, ist Entscheidungen zu treffen, die diese Risiken und Chancen ausbalancieren.

Vermorel erklärt, dass sowohl Risiken als auch Chancen in Supply Chains entstehen können. Zum Beispiel kann ein Konkurrent, der den Markt betritt oder verlässt, die Preise senken oder erhöhen, was die Rentabilität beeinflusst. Er gibt auch ein Beispiel für ein europäisches E-Commerce-Unternehmen, das eine überraschende Gelegenheit genutzt hat, um einen außergewöhnlichen Gewinn zu erzielen.

Vermorel erklärt, dass es in Supply Chains wichtig ist, eine agile und opportunistische Denkweise zu haben. Er stellt fest, dass es zwar möglich ist, Praktiken zu etablieren, die vorhersehbare Fehler ausnutzen, aber es ist auch wichtig, auf aufkommende Risiken vorbereitet zu sein.

Vermorel diskutiert die Kosten von Defekten in der Automobilfertigung und stellt fest, dass es im Supply Chain Management keine harten Einschränkungen gibt und alles für die finanzielle Optimierung in Frage kommt. Er erklärt, dass Prognosen im Supply Chain Management zur Risikominderung eingesetzt werden. Im Gegensatz zu Defekten in der Automobilfertigung werden jedoch Prognoseungenauigkeiten nie vollständig eliminiert.

Vermorel führt das Konzept der probabilistischen Prognose ein, bei dem jede mögliche Zukunft eine Wahrscheinlichkeit hat. Er erklärt, dass Risiken wie eine 2%ige Chance, Kunden zu verlieren, in probabilistische Prognosen einbezogen werden können, indem das Verhalten der Kunden und nicht die Nachfrage nach den Produkten prognostiziert wird.

Vermorel argumentiert, dass die Qualität eines risikoorientierten Ansatzes an den Endergebnissen und nicht an der Qualität einer probabilistischen Prognose gemessen werden sollte. Er betont, dass die Hauptsorge sein sollte, wie viel Geld verdient oder verloren wurde, und nicht die Genauigkeit der Prognose.

Vermorel schlägt vor, dass die Kreuzentropie, ein Maß für die Genauigkeit der probabilistischen Prognose, so abstrakt wie Prozentsätze ist, aber gute Eigenschaften für das Lernen von hochwertigen Modellen hat. Er betont, dass die Endergebnisse, die zu reduzierten Fehlern in Bezug auf Geld führen, die wichtigste Metrik sind.

Vermorel schlägt vor, dass solche Risikomanagementabteilungen oft bürokratisch sind und ihre Bewertungen keine Konsequenzen haben, wenn sie nicht jede einzelne Entscheidung in der Supply Chain anpassen. Er argumentiert, dass Risikobewertungen, die keine Auswirkungen auf Kaufentscheidungen haben, ignoriert werden.

Vermorel stimmt zu und argumentiert, dass, obwohl beide wichtig sind, makroökonomische Entscheidungen oft ein Glücksspiel sind, während tägliche Entscheidungen quantitativ bewertet werden können.

Vermorel diskutiert die klassische Perspektive des Supply Chain Managements, bei der jeder Laden unabhängig behandelt wird und ein Sicherheitsbestand aufrechterhalten wird, um mögliche Engpässe abzudecken. Dieser Ansatz kann jedoch zu Problemen führen, wie zum Beispiel dem Ausverkauf auf der Lagerhaus Ebene. Er kritisiert den traditionellen Ansatz, Sicherheitsbestände sequenziell auf die Läden zu verteilen, was dazu führen kann, dass einige Läden voll bestückt sind, während andere nichts erhalten. Dies kann zu unerfüllter Nachfrage und überschüssigem Bestand in bestimmten Läden führen.

Vermorel schlägt einen besseren Ansatz vor, der darin besteht, das Inventar so zu verteilen, dass alle Läden gleichzeitig ausverkauft sind, um den Umsatz zu maximieren. Er schlägt einen probabilistischen Ansatz vor, der das Netzwerk und die Abhängigkeiten zwischen allen Läden und dem verfügbaren Inventar berücksichtigt.

Vermorel diskutiert immaterielle Risiken, wie Kundenerwartungen und Markenwert. Zum Beispiel können Rabatte dazu führen, dass Kunden zukünftige Rabatte erwarten, was schwierig zu quantifizieren und zu managen sein kann. Er erwähnt auch andere Risikoklassen, wie IT-Abhängigkeiten, die die Supply Chain beeinflussen können.

Vermorel erklärt, dass Promotionen dazu führen können, dass Kunden auf zukünftige Promotionen warten, bevor sie Einkäufe tätigen, was aufgrund des langfristigen Charakters des Kundenverhaltens schwierig zu modellieren und zu managen sein kann. Er schlägt vor, dass ein risikoorientierter Ansatz besser mit diesen Arten von Schätzungen vereinbar ist als traditionelle Zeitreihen Planungsprognosen.

Vermorel stellt die Vorstellung in Frage, dass nur große Unternehmen es sich leisten können, Risiken zu managen, und argumentiert, dass das Ignorieren von Risiken teurer sein kann. Er schlägt vor, dass probabilistische Prognosen effektiver und einfacher einzusetzen sein können als traditionelle Zeitreihenprognosen. Vermorel argumentiert, dass sogar kleine Unternehmen von Risikomanagement profitieren können, da es zu erhöhten Margen und Cashflow führen kann.

Abschließend stimmt Vermorel mit Dohertys Zusammenfassung überein und argumentiert, dass viele Unternehmen vermeidbare Katastrophen erleben, weil sie Risiken ignorieren. Er schlägt vor, dass eine bessere Übereinstimmung zwischen Realität und Supply Chain Management zu einem höheren Grad an Automatisierung und weniger benötigten Personen zur Verwaltung des Prozesses führen kann.

Vollständiges Transkript

Conor Doherty: Willkommen zurück bei LokadTV! Risiko ist systemisch in der Supply Chain. Aus einer bestimmten Perspektive stellt jede einzelne Supply Chain Entscheidung potenzielle Risikoklassen dar, entweder direkt oder indirekt. Hier, um zu erklären, warum - und vor allem, wie man sie vermeidet - haben wir Joannes Vermorel, den Gründer von Lokad.

Also Joannes, um den großen amerikanischen Denker George Costanza zu zitieren, um Risiken zu managen, müssen wir sie zuerst verstehen. Und um sie zu verstehen, müssen wir sie zuerst definieren. Also, im Kontext von Supply Chain, was genau ist Risikomanagement und wie unterscheidet es sich vom Risikomanagement in anderen Bereichen wie der Fertigung?

Joannes Vermorel: Die primäre Quelle des Risikos in der Supply Chain ist die Zukunft, die Sie nicht kennen. In der Fertigung geht es hauptsächlich darum, den richtigen Prozess zu haben. Wenn Sie den richtigen Prozess haben, können Sie möglicherweise eine Milliarde Teile produzieren, ohne jemals Mängel zu haben. Also potenziell können Sie das Risiko in der Fertigung eliminieren. Das Risiko hängt nicht so sehr von der Zukunft ab. Zum Beispiel, wenn Sie einen fehlerhaften Prozess haben, der eine Brandgefahr für Ihre Fabrik darstellt, ist es nur eine Frage der Zeit, bis die Fabrik Feuer fängt.

In der Supply Chain ist es buchstäblich die Zukunft, die Sie nicht kennen und Sie können sich nicht wirklich gegen alle Möglichkeiten absichern, weil das zu teuer ist. Es besteht immer die Möglichkeit, dass die Nachfrage nach bestimmten Produkten um das 20-fache steigt, aber sollten Sie 20 Mal mehr auf Lager haben, als Sie erwarten zu verkaufen, unter Berücksichtigung der anwendbaren Durchlaufzeit und was auch immer, nur weil es diese eine entfernte Möglichkeit gibt, diesen super unvorhersehbaren Nachfrageschub zu erleben? Nein.

Grundsätzlich würde ich sagen, im Gegensatz zu einigen anderen Bereichen, sind in der Supply Chain die Quellen des Risikos die zukünftigen Bedingungen, die Sie nicht kennen und jede Entscheidung, die Sie treffen, ist eine Art von Kompromiss über die Art des Risikos und auch die Belohnungen, die damit einhergehen, über diese Unsicherheit über die Zukunft. Und ich würde sagen, die Unsicherheit über die Zukunft ist unvermeidlich, im Gegensatz zu sagen wir mal der Unsicherheit, wie die physischen Vermögenswerte in Ihrem Fertigungsprozess in einer Fabrik.

Null Risiko existiert nie. Obwohl, wenn Sie sich einen Fertigungsprozess ansehen, können Sie sehr, sehr nahe an Null kommen. Ich meine, es ist nicht absolut Null, aber es ist sehr, sehr nahe. In der Supply Chain, schauen Sie sich irgendein Produkt an, es besteht immer ein zweistelliges Prozentrisko, dass dieses Produkt in fünf Jahren nicht mehr auf dem Markt verkauft wird. Es gibt sehr wenige Produkte, bei denen man mit absoluter Sicherheit sagen kann, dass sie in fünf Jahren noch existieren werden, besonders wenn man berücksichtigt, dass das Produkt durch eine Variante ersetzt werden kann, was immer noch als eine andere SKU zählt.

Conor Doherty: Also, um zusammenzufassen, sagen Sie, dass Risikomanagement in der Supply Chain rein eine Frage der Minimierung der verschwendeten Ressourcen ist oder ist es nur rein eine finanzielle Sorge?

Joannes Vermorel: Die Quelle des Risikos ist buchstäblich die Tatsache, dass Sie die Zukunft nicht kennen. Wenn Sie eine magische Kristallkugel hätten, die Ihnen die Zukunft sagen könnte, könnten Sie theoretisch fast eine risikofreie Supply Chain Praxis haben, vorausgesetzt, man hat genug Geld.

Diese Risikoquelle ist unvermeidlich und fühlt sich in vielen anderen Bereichen seltsam an. Zum Beispiel haben Sie in der Buchhaltung ein Risiko, Buchhaltungsfehler zu haben, aber dafür sind diese Buchhaltungspraktiken da, um dieses Risiko im Wesentlichen zu eliminieren. Wenn Sie in Bezug auf das Risiko denken, das mit falschen Buchhaltungspraktiken verbunden ist, wollen Sie wirklich, dass das super selten ist.

In der Supply Chain haben Sie keine Option. Egal, ob Sie gut sind, ob Sie die richtigen Praktiken haben, das Risiko ist unvermeidlich. Es könnte Krieg geben, Lockdowns, Brände, alle Arten von Ereignissen, die einfach außerhalb Ihrer Kontrolle liegen und die die Nachfrage massiv in die eine oder andere Richtung lenken werden. Das ist die primäre Risikoquelle, die Sie nicht kennen und alles, was Sie tun können, ist, diese Risiken zu mildern. Aber auch, da es Risiken gibt, gibt es auch Chancen, die in anderen Bereichen wie Buchhaltungspraktiken nicht existieren.

Zum Beispiel, wenn Sie zufällig viel Lagerbestand von etwas haben, während der Markt eine Knappheit erlebt, können Sie möglicherweise einen schönen Gewinn machen, indem Sie dieses Inventar zu einem Aufpreis verkaufen.

Conor Doherty: Es klingt so, als ob viele dieser Probleme in der Supply Chain viel häufiger auftreten würden als das Beispiel, das Sie von der Einstellung einer inkompetenten oder moralisch falschen Person gegeben haben. Sie sind äußerst selten, aber vermutlich sind die Risikoklassen, über die Sie im Kontext der Supply Chain sprechen, wie verlängerte oder sogar beschleunigte Vorlaufzeiten um ein paar Tage, vermutlich ziemlich regelmäßig und haben vorhersehbare finanzielle Auswirkungen.

Joannes Vermorel: Ja, und sie hängen nicht von Ihnen ab. Das ist auch etwas, das sehr anders ist. Wenn Sie in einem Fertigungsprozess in einer Anlage sind und Sie haben Defekte, liegt es ganz an Ihnen, den Prozess so zu beheben, dass Sie keine Defekte mehr haben. Sie können potenziell zu diesen Zuständen ohne Defekte gelangen, die Perfektion sind, oder Sie können der Perfektion sehr nahe kommen.

Wiederum, wenn wir zur Welt der Supply Chain gehen, nicht wirklich. Ich meine, diese Dinge sind per Definition, wenn Sie eine Vorlaufzeit haben, haben Sie einen Lieferanten und dieses Unternehmen liegt außerhalb Ihrer Kontrolle. Und selbst wenn Sie internieren, haben Sie vielleicht einen Transporteur und es liegt immer noch außerhalb Ihrer Kontrolle. Und selbst wenn Sie den Transporteur internieren, könnte die Straße gesperrt sein, weil die Autobahn überflutet ist oder es etwas anderes gibt und wieder liegt es außerhalb Ihrer Kontrolle.

Was die Supply Chain Praxis so spezifisch macht, ist, dass Sie mit viel Risiko und umgekehrt vielen Chancen umgehen, die größtenteils außerhalb Ihrer Kontrolle liegen. Das Einzige, was Sie tun können, ist Entscheidungen zu treffen, die diese Risiken und Chancen richtig ausbalancieren.

Conor Doherty: Wenn Sie also über Chancen im Kontext von Risiken sprechen, meinen Sie verpasste Chancen?

Joannes Vermorel: Ja, ein Konkurrent kann plötzlich den Markt betreten und die Preise senken. Das ist ein Risiko. Sie könnten also gezwungen sein, Ihren Preis zu senken und dann sind Sie weniger rentabel als Sie erwarten würden oder vielleicht sind Sie sogar gar nicht mehr rentabel. Aber genau das Gegenteil kann passieren. Ein Konkurrent kann Ihren Markt verlassen. In diesem Fall können Sie Ihren Preis erhöhen und Sie sind rentabler als Sie erwarten würden.

Jedes Mal, wenn Sie denken, dass es ein Risiko gibt, gibt es die Chance. Wenn es eine Überschwemmung gibt, könnte vielleicht Ihr Lager überschwemmt werden oder vielleicht wird eines Ihrer Konkurrenten überschwemmt. Also, wenn die Leute über Risiken nachdenken, wieder in Fertigungseinstellungen, haben Sie ein klares Ziel, das ist diese Perfektion. Also, wenn Sie Risiko denken, ist es notwendigerweise da, es gibt keine spezifischen wirklich opportunistischen zufälligen Aufwärtstrends.

Aber in der Supply Chain kann das passieren. Sie könnten Tausende von Produkten haben und aus zufälligen Gründen machen Konkurrenten einfach Fehler. Sie haben nicht den richtigen Lagerbestand, sie haben nicht die richtige Kapazität oder sie haben die falsche Zuweisung und dann gibt es Chancen.

Zum Beispiel hat ein großes europäisches E-Commerce-Unternehmen eine ihrer Techniken war, dass sie anfangen würden, Modeprodukte zu verkaufen und sie würden sehr schnell in der Saison die Bestseller identifizieren, buchstäblich innerhalb eines Tages oder zwei. Und was sie tun würden, ist, dass sie sofort eine gigantische Bestellung an die ursprüngliche Marke aufgeben würden und sie würden den gesamten Lagerbestand ecke.

Es wurde überraschend gut aufgenommen, und so sagten sie: “Okay, wenn diese Menge an Verkäufen uns überrascht, wird es höchstwahrscheinlich auch die ursprüngliche Marke überraschen. Was passiert also, wenn wir eine massive Bestellung aufgeben? Wir sitzen auf einem großen Haufen Inventar, während alle anderen ausverkauft sind. Wir können die gleichen Produkte zu einem etwas höheren Preis als den normalen Preis verkaufen, und wir werden immer noch alles verkaufen, ohne eine Strafe im Zusammenhang mit Saisonende-Verkäufen zu erleiden.”

Also, Sie sehen, die Idee ist, dass es ein überraschendes Ereignis gibt, ein Produkt verkauft sich mehr als Experten erwarten würden, und dann, wenn Sie schlau sind, können Sie das in eine Gelegenheit verwandeln, die Menge an Inventar zu ecke, die zufällig noch verfügbar ist und dann einen außergewöhnlichen Gewinn mit diesem Produkt machen. Also, Sie sehen, das Risiko ist da, aber es gibt auch die Gelegenheit, die entsteht.

Conor Doherty: Verstanden, danke. Dieses Beispiel ist ziemlich interessant, weil es eine potenzielle Verzweigung in der Konversation eröffnet. Wenn ich richtig verstanden habe, war das Beispiel, das Sie gaben, eines einer reaktiven Reaktion auf eine Gelegenheit. Dieser Modeverkäufer hat eine Gelegenheit entdeckt und sehr agil auf diese Gelegenheit reagiert. Also war das ein reaktiver Ansatz zur Bewältigung von Chancen und zur Vermeidung von Risiken. Ist das das Beste, was man in der Supply Chain tun kann, oder gibt es einen proaktiven Mechanismus, um diese Art von Ereignissen vorherzusehen?

Joannes Vermorel: Ich hätte eine zweifache Antwort darauf. Erstens, Sie haben völlig recht. Es kam mit einer agilen Denkweise, einer opportunistischen Denkweise, und es gilt gleichermaßen für Risiken und Chancen. Das Interessante ist, dass, wenn Sie aus einer Perspektive wie der Fertigung kommen, dies nicht die Perspektive ist, die Sie einnehmen. Sie wollen einfach nur Risiken eliminieren. Es ist ein statisches Problem. Entweder hat Ihr Prozess kein Risiko, keinen Defekt, keine Gefahren, und Sie sind gut, oder er hat es nicht, und Sie müssen es beheben.

Hier in der Supply Chain ist das Interessante, dass, wenn Sie versuchen, Risiken mit dieser Art von stationärer Denkweise zu begegnen, Sie es als etwas betrachten, das Sie ein für alle Mal beheben könnten. Aber das Problem ist, dass es nicht funktioniert, weil wenn Sie etwas haben, das völlig statisch ist, dann können Sie die Chancen nicht mehr erfassen. Aber die Realität ist, dass Sie auch nicht auf das aufkommende Risiko reagieren können. Es ist völlig symmetrisch. Also es entstehen Chancen, aber es werden auch Risiken auftauchen, die alle überraschen, und Sie müssen auch schnell reagieren. Also ist es symmetrisch.

Was bedeutet es nun, vorbereitet zu sein? Wie ich dieses Beispiel von diesem großen europäischen E-Commerce-Unternehmen erwähnte, das dieses Spiel des Eckens von Markeninventar spielt, ist dies eine etablierte Praxis. Sie wissen, dass aufgrund der Tatsache, dass eine große Modemarke vielleicht eine Kollektion von vielleicht 20.000 verschiedenen Varianten haben wird, Fehler gemacht werden. Es ist eine Gewissheit. Sie wissen nicht, welche, aber die Idee, dass eine bedeutende Marke alles richtig dimensioniert in Bezug auf das Inventar bekommen könnte, ist eine relativ sichere Wette zu sagen, dass Fehler gemacht werden. Und so können Sie eine Praxis etablieren, bei der Sie diese vorhersehbaren Fehler zu Ihrem Vorteil machen.

Conor Doherty: Wenn Sie über das Engineering eines Prozesses in einem Unternehmen wie jemandem, der mit schnell beweglichen Konsumgütern umgeht, sprechen, wie genau setzen Sie das um? Ist es ein Top-Down- oder ein Bottom-Up-Prozess? Ich meine, die Nutzung dieser Chancen, wie setzen Sie diesen Prozess um?

Joannes Vermorel: Wie bei den meisten Dingen in der supply chain muss es in gewissem Maße von oben nach unten gehen. Man kann nicht erwarten, dass die Leute ganz unten in irgendeiner Weise die Organisation selbst neu gestalten können. Zum Beispiel, wenn Sie entscheiden, dass Ihr Prozess wie SNOP (Sales and Operations Planning) ist und dann haben Sie vierteljährliche Sitzungen für SNOP, wo Sie zwei Monate verbringen, um Ihre neue Prognose zu erstellen und alle damit einverstanden sind, einen großen Konsens zu schaffen, und dann wird jeder befragt und dann müssen Sie alle Ergebnisse zusammenstellen und dann müssen Sie die Prognosen, die pro Woche pro Kategorie sind, in etwas umsetzen, das in Bezug auf Entscheidungen Sinn macht, sind Sie in einer Situation, in der es egal ist, ob die Leute ganz unten agil sind oder nicht. Der Prozess und die Organisation selbst verhindern sowieso jede Art von Agilität. Also, in gewissem Maße, wenn Sie agil sein wollen, muss dies von oben so konstruiert werden, dass diese Agilität überhaupt passieren kann. Aber dann, wenn Sie etwas konstruiert haben, wo es eine Möglichkeit wird, dann ja, ist es viel mehr eine Bottom-Up-Sache, weil es dann darum geht, ob die verschiedenen Teams diese neu gefundene Agilität nutzen.

Conor Doherty: Mir fällt auch ein, dass es einen anderen Weg gibt, die Idee von Risiko und Chance zu betrachten. Wenn Sie das Beispiel, das Sie gegeben haben, einfach umkehren, anstatt sich auf das Unternehmen zu konzentrieren, das diese T-Shirts verkauft hat, die wie warme Semmeln gingen und beschlossen hat, den Markt dafür zu besetzen, ist das eine Chance für sie. Aus der Perspektive des Lieferanten, wenn Sie in einer Situation wie dieser sind, wo plötzlich aus dem Nichts Joannes’ Bekleidungsgeschäft mich anruft und sagt: “Oh, wir wollen alle T-Shirts, die Sie haben, alle schwarzen T-Shirts, wir kaufen sie jetzt sofort”, ist das etwas, vor dem man sich hüten sollte? Denn wieder gibt es dort Risiko und Chance. Als Lieferant, sollte ich verkaufen? Es ist ein garantiertes Geschäft jetzt, heute, ich räume alles ab. Oder sollte ich untersuchen, warum er versuchen würde, diese jetzt zu kaufen? Gibt es hier etwas anderes im Spiel?

Joannes Vermorel: Es hängt wirklich davon ab, ob Sie sich überhaupt die Zeit nehmen können, um zu untersuchen. Wenn es eine EDI Verbindung gibt und Einkäufe vollständig automatisiert sind und nicht einmal jemand in der Schleife ist, hängt es wirklich davon ab. Aber feindliches Verhalten überall ist nur ein weiterer Tag in der supply chain. Ihre Lieferanten sind Ihre besten Partner und potenziell Ihre Konkurrenten, weil sie auch Ihren Gewinn begrenzen können. Sie können auch mit der Zeit zu Konkurrenten werden, beschließen, ihre eigenen Marken zu haben, usw. Und das Gegenteil ist wahr. Wenn Sie eine Marke sind, können Sie sich entscheiden zu internalisieren und plötzlich konkurrieren Sie mit dem, was Ihre ehemaligen Lieferanten waren. Es gibt also keine allgemeinen Regeln, es hängt wirklich davon ab. Aber das Interessante ist, dass man in der supply chain Dollar oder Euro von Belohnungen und Chancen auf diese Art von Dingen setzen kann.

Wiederum, wenn Sie zur Autoherstellung zurückkehren, wie viel kostet es, einen Defekt zu haben, der eine Person tötet? Die Antwort ist viel zu viel. Also, sehen Sie, es ist nicht die Art von Sache, wo Sie ausgefallene Technik machen werden, weil es meistens nicht akzeptabel ist. Also ja, theoretisch würden Ihnen Ökonomen sagen, dass die Kosten eines menschlichen Lebens in den USA nach verschiedenen Dingen sagen wir fünf Millionen, was auch immer, Sie könnten sogar einen Fall dafür machen. Aber die Realität ist, dass niemand wirklich ernsthafte Technik machen wird. Sie würden einfach tun, was sie können, damit diese Probleme, bei denen jemand stirbt, einfach nicht passieren. Und so gibt es keine wirkliche Finanztechnik, denn wieder, wenn Sie es aus der Herstellungsperspektive nehmen, wollen Sie einfach diese Art von Problemen durch Design vermeiden und Sie versuchen nicht, Ihr Risiko im Sinne des Abwägens von Vor- und Nachteilen zu optimieren, Sie wollen das einfach eliminieren. Aber in der supply chain können Sie das nicht, und es wird ein echter Kompromiss sein. Was auch immer Sie tun, hat einen Preis, es gibt eine Belohnung, und es sind nur Schattierungen von Grau. Also, es ist nicht so. Sie können immer ein bisschen mehr Lager haben, Sie können immer mit ein bisschen weniger Lager arbeiten, und Sie können sogar versuchen, mit null Lager überhaupt zu arbeiten und Sie machen einfach back orders den ganzen Weg. Also, es ist, Sie haben viel mehr Flexibilität und auch Sie haben sehr wenig harte Einschränkungen in der supply chain. Solange Sie bereit sind zu zahlen, gibt es fast keine Einschränkungen. Sie wollen mehr Lagerraum? Wenn Sie bereit sind, dafür zu zahlen, können Sie tatsächlich dafür bezahlen, dass ein zweites Lagerhaus gebaut wird. Also, letztendlich sind alle Arten von Einschränkungen, alle Arten von Risiken und Belohnungen, sie sind irgendwie weich und damit sind sie sehr geeignet für finanzielle Optimierung im Gegensatz zu Leben und Tod Situationen, wo die Leute sagen würden, “Nein, wir werden keine finanzielle Optimierung davon machen. Es muss eine kategorische Antwort sein. Wir wollen das einfach nicht.” Also, die supply chain hat diesen Luxus, dass die überwiegende Mehrheit der Probleme tatsächlich weiche Probleme sind, wo Sie von super schlechtem Service zu super gutem Service gehen können und das ganze Spektrum ist möglich und die Kostenstruktur entwickelt sich, wenn Sie für bessere Qualität des Service oder schlechtere Qualität des Service gehen.

Conor Doherty: Das Beispiel, das Sie von der Autoherstellung gegeben haben, bietet tatsächlich einen sehr schönen Übergang, denn ich weiß, dass in der Autoherstellung, zum Beispiel Ford, sie Risiken managen, insbesondere bei ihren autonomen Fahrzeugen, indem sie digitale Zwillinge verwenden. Sie bauen eine digitale Version und eine digitale Umgebung und dann, mit Hilfe von Algorithmen, unterziehen sie das theoretische autonome Fahrzeug einer Reihe von Tests und bewerten ihr Risiko, ohne jemals einen Prototyp in der realen Welt produzieren zu müssen. Das ist ein Schritt zur Risikomanagement. Gibt es so etwas für die supply chain? Denn wieder, es ist kein physisches Produkt an sich, obwohl es aus vielen beweglichen Teilen besteht.

Joannes Vermorel: Das ist das Interessante. Das ist es, was Sie versuchen, auf eine Weise mit der Prognose zu tun. Sie versuchen, dieses Risiko, das Sie über diese unsichere Zukunft haben, durch Prognose zu mildern. Idealerweise, wenn Ihre Prognosen perfekt wären, würden Sie dieses Risiko einfach eliminieren. Deshalb gibt es viele supply chain Praktiken, die die Prognosegenauigkeit behandeln, wie Autohersteller Defekte in ihren Bremsbelägen behandeln, als etwas, das Sie eliminieren sollten.

Aber das Problem ist, dass im Gegensatz zu Defekten in Bremsbelägen, wo Sie diese Defektrate potenziell auf eins pro Milliarde bringen können, so dass es so niedrig ist, dass es unbedeutend ist, wird die Prognoseungenauigkeit nie auf 0,01 des Fehlers gehen. Es wird normalerweise stecken bleiben, wenn man sich die Art von Granularität ansieht, die sinnvoll ist, prognosemäßig für die Entscheidungen, also im Grunde pro SKU pro Tag, wird man mit weitgehend ungenauen Prognosen stecken bleiben, wie 50% ungenau im Durchschnitt, pro Tag pro SKU, wenn man ein paar Monate vorausschaut.

Das Interessante ist, welche Werkzeuge, Prozesse und Methoden Sie haben, um mit diesen Risikoklassen umzugehen? Das ist ziemlich genau das, was Lokad mit probabilistischer Prognose macht, genau aus diesem Grund. Das ist eine Möglichkeit, diese Unsicherheit zu akzeptieren. Aber das ist sehr unterschiedlich von dem klassischen Paradigma, das einfach davon ausgeht, dass die Prognose genau sein wird und wo, wenn es Ungenauigkeiten gibt, diese als Defekt behandelt werden, der behoben werden sollte.

Der Lokad-Ansatz, die probabilistische Prognose, ist, dass wir nicht annehmen oder sogar erwarten, dass diese Ungenauigkeiten jemals verschwinden werden. Was wir haben, sind Wahrscheinlichkeiten. Wir können unsere Modelle verbessern, um Wahrscheinlichkeiten zu haben, die ein wenig konzentrierter sind, so dass wir eine etwas schärfere Vision von der Zukunft haben. Aber die Gesamtperspektive ist, dass es extrem unscharf und extrem unsicher bleiben wird, egal was passiert.

Conor Doherty: Ich möchte hier eine Flagge setzen, weil ich denke, dass es einen wichtigen Punkt gibt und ich möchte ihn verstärken. Wenn Sie über die Prognose der zukünftigen Nachfrage sprechen, würden die meisten Menschen das als einfaches Betrachten der vorherigen Verkaufsdaten und Erstellen einer Zahl, wie bei einer Zeitreihe, hören. Ist Ihre Position, dass der probabilistische Prognoseansatz nicht nur die historischen Daten, sondern auch die anderen Risikoklassen, über die wir sprechen, wie verlängerte Vorlaufzeiten, ein Boot, das in einem Kanal stecken bleibt, oder so etwas, berücksichtigt und sie zusammenführt?

Joannes Vermorel: Ja, absolut. Deshalb sprechen wir bei Lokad typischerweise von prädiktiver Modellierung anstatt von Prognose. Theoretisch könnten Sie alles prognostizieren, aber die Realität ist, dass wenn Sie Prognose sagen, die Standarderwartung ist, dass Sie über die Nachfrage oder den Verkauf sprechen. Das ist in 99% der Situationen der Fall, wenn die Leute sagen, wir haben eine Prognose, meinen sie eine Prognose des Verkaufs oder der Nachfrage. Aber die Realität ist, dass alles, was unsicher über die Zukunft ist, vorhergesehen werden kann und deshalb haben wir diese prädiktive Modellierung.

Das Interessante ist, dass es viele Dinge gibt, bei denen Sie Risiken modellieren können, auch wenn Sie wirklich keine Daten haben. Zum Beispiel Krieg in Europa. Wenn man sich die letzten 100 Jahre ansieht, gab es etwa alle halbe Jahrhundert einen großen Krieg. Wenn man das betrachtet, bedeutet das, dass es jedes Jahr eine zwei Prozent Chance gibt, dass es einen Krieg geben wird, der Sie beeinflusst. Sie können fünf Jahrhunderte in der Geschichte Europas zurückgehen und das ist etwas, das immer wieder passiert ist.

Ich hoffe, dass das Risiko eines tatsächlichen Krieges für Westeuropa im Moment ziemlich gering ist, aber wieder, wenn man eine historische Perspektive einnimmt, zu sagen, dass es eine zwei Prozent Chance gibt, eine massive Störung zu haben, ist nicht relativ verrückt. Schauen Sie, was in der Ukraine passiert. Das Risiko ist definitiv real und vor 20 Jahren war es in Ex-Jugoslawien. Solche Dinge passieren und man braucht keine genauen Daten, um zu sagen, dass wir ein zwei Prozent Risiko für ein großes störendes Ereignis setzen können.

Sie könnten von der Region abhängig sein, Sie könnten überschwemmt werden, es könnten Brände ausbrechen. Es gibt viele Risiken, bei denen Sie eine grobe Einschätzung vornehmen können. Es ist besser, das zu tun, als so zu tun, als ob diese Risiken überhaupt nicht existieren würden. Und mit der probabilistischen Prognose, ein zwei Prozent Risiko hinzuzufügen, das ein bisschen geschätzt ist, um einen großen Nachfragerückgang zu sagen, ist technisch ziemlich einfach.

Im Gegensatz dazu, wenn Sie es tun, wenn Sie die Zukunft mit klassischer deterministischer Zeitreihenprognose angehen, ist es fast unmöglich, das zu tun. Ja, Sie können sagen, wir haben ein Szenario, in dem eine Katastrophe passiert, aber wie versöhnen Sie dieses Szenario, das weit von Ihrer Hauptprognose abweicht, mit dem, was Sie täglich tun? In der Praxis können Sie das nicht.

Es gibt also viele Unternehmen, die sagen: “Oh, wir machen Szenarien, wir modellieren Risiken”, aber die Realität ist, was ist mit Ihren täglichen Entscheidungen? Alle diese täglichen Entscheidungen werden zu 100% von der Medianprognose oder der Durchschnittsprognose bestimmt, die das gesamte Risiko völlig ignoriert. In diesem Sinne haben Sie zwar einige intellektuelle Übungen gemacht, um über Risiken nachzudenken, aber wenn alle Entscheidungen, die Sie täglich treffen, dieses Risiko nicht auf die eine oder andere Weise berücksichtigen, dann ist das nur eine intellektuelle Übung. Es hat keine Auswirkungen auf das, was Sie täglich tun.

Conor Doherty: Ich möchte Sie ein wenig zu diesem Punkt drängen, weil ich tatsächlich auch neugierig bin. Wenn Sie an andere Prognosetechniken denken, wie zum Beispiel den hinzugefügten Wert der Prognose, bei dem Menschen gemeinsam zu einer Prognose beitragen und die Idee ist, dass verschiedene Abteilungen Einblicke haben. Nehmen Sie ein Beispiel, ein neuer Wettbewerber steht kurz vor dem Aufkommen und Sie nehmen diese Information, das Marketing hat diese Information und sie falten sie irgendwie in eine Zeitreihe ein. Das ist ziemlich schwierig zu tun, weil wie übersetzen Sie diese Art von Wissen in eine Prognose? Ähnlich, hier dränge ich ein wenig, wie genau berücksichtigt man eine zwei Prozent Chance auf Krieg in Westeuropa in einer probabilistischen Prognose, um auf die Anzahl der Einheiten zu kommen, die ich in meinem Regal habe? Denn sie scheinen in gewisser Weise ähnlich zu sein.

Joannes Vermorel: Beginnen wir mit den Zeitreihen. Sie sehen, heutzutage denken die Menschen, dass es diesen allgemeinen Glauben gibt, nicht jeder, aber die meisten Mainstream-Supply-Chain-Praktiker denken nur durch die Linsen der Zeitreihen an die Zukunft. Zeitreihen sind unglaublich eng, um alles auszudrücken, was Sie über die Zukunft wissen. Zum Beispiel, wenn Sie ein B2B-Unternehmen sind, also Ihre Kunden andere Unternehmen sind, ist ein sehr grundlegendes Risiko einfach, dass einer dieser großen Kunden Sie verlässt, um zu einem Ihrer Wettbewerber zu gehen. Und wenn das passiert, hören alle Produkte, die sie von Ihnen gekauft haben, auf, irgendetwas zu kaufen. Und wenn Sie zum Beispiel ein Produkt auf Lager hatten, das von diesem einen Kunden sehr routinemäßig gekauft wurde, aber dieser eine Kunde Sie plötzlich verlässt, dann wird dieser Haufen Inventar über Nacht zu totem Lager. Nur weil, obwohl das Lager schön rotierte, kam es mit einem versteckten Risiko, dass dieser Kunde Sie verlassen könnte.

Also hier haben wir, und die Idee, dass diese großen Kunden Sie verlassen können, ist nicht wie eine super ausgefeilte Idee. Jeder Verkäufer würde sagen: “Nun, wir hatten diesen Kunden, es besteht immer das Risiko, dass sie uns verlassen.” Jetzt ist das Problem, dass, wenn Sie Ihre Erwartung an die Zukunft mit Zeitreihen rahmen, Sie feststecken. Sie können das nicht ausdrücken, weil die Information, die Sie haben, über den Kunden und nicht über die Produkte ist. Und wenn Sie sagen, es besteht dieses Risiko, dass dieses Produkt auf Null gehen kann, ja, aber die Sache ist, dieses Risiko ist hoch korreliert. Es ist alles, was dieser Kunde kauft, das gleichzeitig auf Null gehen kann. Und es ist ein sehr, sehr anderes Risiko zu sagen, dass dieses Produkt isoliert auf Null gehen kann.

Das erste ist, dass Zeitreihen einfach nicht geeignet sind, um Risiken überhaupt auszudrücken.

Um sicherzustellen, dass die Leute das nicht verpassen, ist eine Zeitreihe eine Reflexion der Beziehung eines Kunden zu einem Produkt, aber nicht der Produkte selbst. Eine Zeitreihe ist nur eine eindimensionale Messung. Sie haben eine Messung, die jeden Tag, jede Woche, jeden Monat fällt. Das nennt man gleichbasierte Zeitreihen. Das haben die Leute im Kopf, wenn sie an Zeitreihen denken. Es ist eine eindimensionale Messung und es ist buchstäblich wie Temperaturen. Es gab Temperaturen in der Vergangenheit, es wird Temperaturen in der Zukunft geben, und so können Sie diese Zeitreihe verlängern.

Dies betrifft jedoch frühere Beziehungen, die bestehende Kunden zu den von Ihnen gekauften Produkten hatten, sagt aber nichts über die Zukunft aus. Das Problem ist, dass die Informationen, die Sie haben, auf der Granularität des Kunden liegen, und Ihre Prognose auf der Granularität des Produkts. Es gibt eine Diskrepanz und es gibt keine Übersetzung, um von diesen Informationen zu diesen anderen Informationen zu gelangen. Das ist ein wichtiger Punkt.

In der Mathematik, wenn man schummelt, endet man mit seltsamen Dingen. Zum Beispiel, wenn man nur ein bisschen schummelt, sagen wir zum Beispiel die Erde ist eine Kugel, ungefähr. Sie ist nicht genau eine Kugel, aber sie ist nah dran. Also wenn man eine Karte haben will, projiziert man eine Kugel auf eine flache Oberfläche. Wenn man sich eine Weltkarte ansieht, endet man mit Verzerrungen. Zum Beispiel erscheint Afrika auf europäischen Karten sehr klein im Vergleich zu Europa, obwohl Afrika tatsächlich größer ist als Europa. Das ist nur ein Effekt der Verzerrung, weil man eine flache Oberfläche benutzt, um eine Kugel darzustellen.

Aber hier ist das Problem weitaus größer. Sie versuchen, etwas völlig Risikoreiches darzustellen. Es ist ein mehrdimensionales Objekt, das Sie als eindimensionales Objekt, Ihre Zeitreihe, darstellen wollen. Also die Art von Problemen, die Sie haben, und Verzerrungen, die Sie haben, sind absolut gigantisch. Wenn Sie denken, dass es nur ein Problem ist, Afrika kleiner als Europa aussehen zu lassen, dann sind das sehr bescheidene Probleme im Vergleich zu den Problemen, die Sie in der Supply Chain haben, wenn Sie versuchen, diese Informationen, die Sie über das Risiko wissen, in die Zeitreihe einzufügen.

Wir haben ein weiteres Problem. Wenn man die Lösung nicht kennt, ist es sehr schwierig, über das Problem nachzudenken. Die Leute sind nicht wirklich vertraut mit der Klasse von mathematischen Modellen, die diese Risiken darstellen könnten. Sie stecken bei Zeitreihen fest, weil sie sich nicht einmal etwas vorstellen können, das etwas anderes als eine Zeitreihe wäre. Aber der erste Schritt ist, anzuerkennen, dass dies keine korrekte Darstellung ist. Es spielt keine Rolle, ob noch nicht ganz klar ist, was verwendet werden sollte.

Es gibt einige technische Dinge. Zum Beispiel ist es nicht ganz klar, wie ein Logarithmus berechnet wird, aber das ist in Ordnung. Man muss nicht unbedingt ein klares Bild von der Sache haben, um sie erfolgreich zu nutzen. Dann können wir zum zweiten Teil übergehen, wie nutzt Lokad diese Art von Informationen.

Die Idee ist, dass, wenn man über die Zukunft nachdenken will, die hochdimensionale Version darin besteht, dass jede einzelne mögliche Zukunft eine Wahrscheinlichkeit hat. Man könnte also denken, es gibt diese Wahrscheinlichkeit für jede gegebene Zukunft, in der man genau den Absatz von allem kennt, über die Nachfrage, Dinge, die wieder verkauft werden.

Es besteht eine Wahrscheinlichkeit, dass dies passiert. Sie ist verschwindend gering, aber wenn man die richtigen mathematischen Werkzeuge hat, kann man mit verschwindend geringen Wahrscheinlichkeiten arbeiten. Und wieder, aufgrund der Tatsache, dass man eine sehr große Anzahl von möglichen Zukünften hat, wird es immer noch auf Wahrscheinlichkeit eins hinauslaufen. Es wird eine Zukunft geben, die passiert, und die Summe all dieser Wahrscheinlichkeiten ergibt eins.

Man kann ein Risiko wie zwei Prozent Chancen, diese Kunden zu verlieren, einbeziehen. Es ist eigentlich nicht so schwierig. Wenn man die Nachfrage durch die Linsen der Produkte sieht, dann ist es sehr schwierig, die Kunden einzubeziehen. Aber wenn man die Nachfrage als Ergebnis des Verhaltens der Kunden sieht und das Verhalten der Kunden prognostiziert, dann wird dieses zusätzliche Risiko, dass der Kunde Sie verlässt, etwas relativ Einfaches.

Man kann seine Prognose auf verschiedene Weisen erstellen. In Bezug auf die Agilität, die man hat, wenn man einen Zeitreihenansatz nutzt oder ausnutzt, im Vergleich zur Agilität, die man hat, wenn man den probabilistischen Ansatz nutzt oder ausnutzt, was ist der Unterschied und wie übersetzt sich das dann in das Risikomanagement?

Das Hauptproblem ist, dass es kein Risiko in Zeitreihen gibt. Sie können nicht einmal existieren. Es ist wie ein Würfel in einem zweidimensionalen Raum. Es gibt so etwas wie einen Würfel nicht. Man kann einen Würfel zeichnen, aber grundsätzlich passt er einfach nicht. Das ist ein Problem, wenn man zusätzliche Dimensionen hat, die nicht passen, man steckt fest. Wenn man nur eine zweidimensionale Ebene hat, kann man keinen Würfel darauf stapeln. Er passt einfach nicht. Und so ist man bei Zeitreihen irgendwie festgefahren.

Man könnte Dinge mit Klebeband zusammenkleben. Man könnte sagen, wir können nicht mit dem Risiko umgehen, aber wir können schummeln, indem wir eine falsche Prognose haben, die absichtlich verzerrt ist, so dass die Entscheidung, die auf dieser Prognose basiert, dieses Risiko widerspiegelt. Das ist ein sehr verschlungener Weg zum Risikomanagement.

Technisch gesehen ist es möglich, es irgendwie zu tun, aber es wird auf sehr seltsame Weisen geschehen. Zum Beispiel kann man mit dem Risiko umgehen, indem man seine Prognose absichtlich weniger genau macht, indem man Verzerrung, absichtliche Verzerrung in seiner Prognose einführt. Das ist eine Möglichkeit, mit Risiken umzugehen. Aber das ist ein sehr verschlungener Weg, um dahin zu gelangen.

Wenn man den probabilistischen Ansatz wählt, hat man eine inhärent probabilistische Prognose. Dann hat man von Design her diese Wahrscheinlichkeiten. Es gibt einen weiteren Teil der Herausforderung, der darin besteht, wie man eine Optimierung durchführt. Es wird als stochastischer Optimierungsprozess bezeichnet. Wie optimiert man eine Entscheidung, wenn man unsichere Bedingungen hat? Man muss also eine Optimierung durchführen, die eine natürliche Affinität zu diesen Unsicherheiten hat, die in den Anfangsbedingungen existieren.

Conor Doherty: Wenn man bewertet, und ich bin neugierig, wie genau, nein, lassen Sie mich diese Frage neu starten. Wenn man in einer Situation ist, in der man ein Unternehmen hat und den probabilistischen Ansatz übernimmt, man hat Zeitreihen gemacht, man ist überzeugt von dem, was man gerade gesagt hat, und dann wird man mit einer Empfehlung konfrontiert, die das Endprodukt der probabilistischen Prognosemethode ist. Und darin, in welchem Wert auch immer präsentiert wurde, sind tatsächlich viele dieser Faktoren eingebaut, zum Beispiel die Möglichkeit, einen Kunden zu verlieren, und das Management schaut sich das an und denkt, das ist verrückt. Wie genau sollen sie damit umgehen, denn wiederum werden so viele Dinge in das hineingerechnet. Wie überbrückt man die Lücke?

Joannes Vermorel: Zunächst einmal, was ist das Ergebnis und das ist der Punkt, an dem es eine radikale Abweichung gibt. Das Ergebnis eines risikoorientierten Supply-Chain-Prozesses, der durch probabilistische Prognosen angetrieben wird, denn buchstäblich ist es meines Wissens ziemlich die einzige praktikable Technik, die wir haben, um mit Risiken umzugehen. Dafür sind Wahrscheinlichkeiten da. Das Ergebnis sind die Entscheidungen, nicht der Plan. Das Seltsame ist, dass man denkt, die Zukunft könne bekannt sein, so dass man alle Risiken eliminieren kann, Supply-Chain-Risiken handeln hauptsächlich von dieser unsicheren Zukunft. Wenn man denkt, dass man eine genaue Prognose haben kann, dann ist das Ergebnis Ihrer Supply-Chain-Praxis die Prognose und die Prognose ist Ihr Plan, denn sobald man die Prognose hat, ist es nur noch eine Frage der Orchestrierung für die Entscheidungen.

Wenn Sie einen risikoorientierten Ansatz verfolgen, dann ist das Ergebnis Ihres Prozesses nicht der Plan, es ist nicht die Prognose, es sind die Entscheidungen. Aber wenn Ihr risikoorientierter Prozess schlecht ist, weil er schlecht sein kann, führt er zu schlechten Entscheidungen. Und wie identifizieren Sie also, wie Sie eine Entscheidung als schlecht herausfordern? Nun, das passiert sehr unterschiedlich. Wiederum, wenn wir zur klassischen Perspektive gehen, würden die Leute in Bezug auf die Prognosegenauigkeit denken, denn das ist das Endspiel. Wenn Sie risikoorientiert vorgehen, würden Sie sagen, es gibt eine Entscheidung, diese Entscheidung hat Risiken und Chancen, die in Dollar oder Euro ausgedrückt sind. Und wenn Sie also eine Entscheidung sehen, die schlecht ist, sagen Sie im Grunde, dass die Bewertung in Dollar oder Euro, die für diese bevorstehende Entscheidung gemacht wurde, falsch ist.

Und so können Sie genau feststellen und wenn Sie es betrachten, würden wir normalerweise für jede Entscheidung, die wir treffen, die wirtschaftlichen Treiber zerlegen, so dass wir sagen können, wir haben ein halbes Dutzend Treiber, die widerspiegeln, was in diese Entscheidung einfließt. Und wenn Sie das in Frage stellen wollen, werden Sie eine Komponente in Frage stellen und sagen, dass diese, sagen wir mal die Lagerhaltungskosten, das Risiko der Lagerhaltungskosten, das Sie schätzen, völlig daneben liegt. Und ja, das ist die Rolle des Supply Chain Scientist, den Prozess rückwärts zu konstruieren, um zu identifizieren, was mit dieser Schätzung nicht stimmt. Aber es ist sehr technisch.

Aber die Realität ist, dass, wenn Sie eine klassische Zeitreihenprognose haben, die sehr falsch ist, Sie sagen, diese Zeitreihenprognose ist sehr ungenau. Aber sobald Sie das sagen, wird die Untersuchung der Ursache dafür eine sehr technische Aufgabe sein.

Conor Doherty: Wenn wir zu früher zurückkehren, sprachen wir über proaktive Ansätze zum Risikomanagement, die sagen wir mal die digitalen Zwillinge in der Automobilindustrie waren und dann zu eher reaktiven Risikomanagement aus der Kleidungsanalogie, die Sie gegeben haben. Probabilistische Prognosen klingen fast proaktiv in dem Sinne, dass Sie Welten simulieren, in denen Sie diese Entscheidung treffen, hier ist die erwartete Reaktion, Sie treffen diese Entscheidung, hier ist die erwartete Reaktion.

Joannes Vermorel: Es ist proaktiv in dem Sinne, dass Sie einfach sagen, es wird Schwankungen geben, es wird immer Schwankungen geben, die weit über meiner Kontrolle liegen. Das ist es, was diese unvermeidliche Unsicherheit über die Zukunft ausmacht und deshalb muss ich in der Lage sein, einen Prozess zu konstruieren, der schnell und angemessen auf diese sich ändernden Bedingungen reagiert, ob sie mich positiv oder negativ beeinflussen. Und ja, es ist sehr proaktiv in dem Sinne, dass die Konstruktion eines solchen Prozesses, der es Ihnen ermöglicht, die Chancen zu nutzen, wenn sie sich ergeben, und die Probleme zu mildern, wenn sie auftreten, viel Vorbereitung erfordert.

Aber es lässt sich nicht von der Idee täuschen, dass man sich so gut vorbereiten kann, dass man die Unsicherheit von vornherein beseitigen kann. Sie sehen, das ist nicht das Endspiel. Es ist eine Art dogmatische Position, aber es ist die Idee, dass man nicht bis zum Ende dieses Vorhersagemodell-Kaninchenlochs gelangen kann. Man kann nicht zu einem Modell gelangen, das zu 100% genau ist, das wird nie passieren. Die Menge an verbleibender Unsicherheit wird sehr groß sein und deshalb bleibt Ihnen nichts anderes übrig, als einen Prozess zu konstruieren, der sehr gut darin ist, mit der Veränderung Schritt zu halten, wie Sie sie beobachten.

Denn Sie sehen, das Problem ist, dass Unternehmen sehr oft von Dingen überrascht werden, die schon vor Monaten passiert sind. Man würde sagen, oh, wir kennen die Zukunft nicht, aber was ist mit der Vergangenheit, wir kennen die Vergangenheit. Aber wenn Ihre durchschnittliche Reaktionszeit auf etwas, das Sie bereits gesehen haben, etwa sechs Monate beträgt, dann könnten Sie von etwas überrascht werden, das bereits ein paar Monate zurückliegt, und Unternehmen werden sehr regelmäßig auf diese Weise überrascht.

Conor Doherty: Noch einmal, ich möchte hier ein wenig nachhaken, denn ich weiß, wenn wir über Risikomanagement sprechen wollen, sollten wir darüber sprechen, wie wir unsere Risikomanagementpraktiken bewerten. Und noch einmal, um auf Zeitreihen versus probabilistische Ansätze zurückzukommen, wenn Sie eine Zeitreihe haben und sie völlig falsch ist, kann ich darauf zeigen und sagen, nun, das war falsch, es war massiv inkorrekt. Und das ist, wissen Sie, es ist binär, es war entweder genau oder es war nicht genau. Sie sagten, wir würden 100 verkaufen, wir haben 10 verkauft. Sie lagen um eine Größenordnung daneben. Mit dem probabilistischen Ansatz geben Sie Wahrscheinlichkeiten an, Sie sagen nicht, das ist definitiv das, was Sie verkaufen würden. Und schützt Sie das irgendwie davor, falsch zu liegen?

Joannes Vermorel: Nein, ich meine, technisch gesehen gibt es Metriken für die Genauigkeit von probabilistischen Prognosen, aber noch interessanter ist, dass man die Richtigkeit der Entscheidungen selbst beurteilen kann. Und das ist, wissen Sie, vergessen Sie die Wahrscheinlichkeiten. Sie sind nur ein vorübergehendes Berechnungsartefakt. Es gibt viele andere Artefakte, numerische Artefakte, die in die Berechnung einfließen. Sie sind unbedeutend in dem Sinne, dass, wenn Sie die falschen Wahrscheinlichkeiten haben, aber immer noch die richtige Entscheidung treffen, spielt es dann wirklich eine Rolle, dass Ihre Wahrscheinlichkeiten falsch sind?

Conor Doherty: Was meinen Sie damit? Sie könnten die falsche Wahrscheinlichkeit haben, aber trotzdem die richtige Entscheidung treffen?

Joannes Vermorel: Zum Beispiel gibt es Leute, die nicht immer realisieren, aber Computer approximieren die ganze Zeit Sachen. Immer wenn Sie eine Berechnung durchführen, verwenden Sie nur eine bestimmte Anzahl von Dezimalstellen. Ist der Präzisionsverlust wichtig oder nicht? Die Antwort ist, es kommt darauf an. Und in der Supply Chain, worauf kommt es an? Nun, es kommt darauf an, ob die endgültige Entscheidung gut oder schlecht ist.

Also, am Ende sage ich nur, dass man die Qualität dieses risikobasierten Ansatzes danach beurteilen sollte, was er am Ende des Prozesses, bei den Entscheidungen, leistet. Der Umgang mit hochdimensionalen Wahrscheinlichkeiten, mit der numerischen Bewertung von Wahrscheinlichkeiten in einem sehr hochdimensionalen Raum, bringt alle möglichen Eigenheiten mit sich. Ob die Techniken angemessen sind oder nicht, sollte wirklich anhand der Endspielergebnisse beurteilt werden, nicht anhand der Qualität einer probabilistischen Prognose.

Notwendigerweise ist die Genauigkeit der Prognose nicht die Hauptsorge, sondern vielmehr, wie viel Geld verdient oder verloren wurde.

Conor Doherty: Ja, genau. Und nun, das ist für manche Leute sehr schwierig. Verzeihen Sie mir, ich möchte nicht herablassend sein, aber sagen Sie, die Idee, eine genauere Prognose zu wollen, ist technisch falsch in Bezug auf das Risikomanagement?

Joannes Vermorel: Also, zuerst sage ich, wenn Sie sagen, Sie haben, sagen wir, eine 20% ungenaue Prognose, dann sind diese Prozentsätze eine völlig erfundene Einheit. Sie sind keine Kilogramm, sie sind keine Kilowatt, sie sind nichts, was irgendeine Art von greifbarer Realität hat. Das ist erfunden und die Leute sagen: “Oh, aber wir sind so gewöhnt, dass diese Genauigkeitsprozentsätze als Prozentsatz ausgedrückt werden, dass sie sicherlich real sein müssen.” Ich sage überhaupt nicht. Sie können äußerst schädliche Prognosen haben, die sehr genau sind, wo die Ungenauigkeit in Prozent sehr niedrig ausgedrückt ist.

Es gibt eine Anekdote, die mir immer wieder erzählt wurde, wo man einfach null Nachfrage für einen Laden prognostizieren kann und das wird sehr schnell zu einer sehr genauen Prognose führen. Sie prognostizieren null, Sie eröffnen mit null, und die Prognose wird 100% genau. Also, diese Messung in Prozent auszudrücken, ist nicht sehr sinnvoll.

Wenn ich Ihnen sage, dass Sie eine probabilistische Prognosemessung haben können, die in Kreuzentropie ausgedrückt wird, ist das sehr abstrakt und wird nicht sehr aufschlussreich sein. Aber der Fall, den ich mache, ist, dass die Kreuzentropie genauso abstrakt und undurchsichtig ist wie die Prozentsätze. Es ist sehr erfunden. Der einzige Grund, warum wir zum Beispiel bei Lokad die Kreuzentropie wählen würden, ist, dass sie gute Eigenschaften hat, wenn es darum geht, zu den endgültigen Entscheidungen zu gelangen.

Zum Beispiel zeigt die Kreuzentropie sehr steile Gradienten, die das Lernen von hochwertigen Modellen erleichtern. Das ist eine sehr technische Sache, aber es funktioniert. Und in welchem Sinne funktioniert es? Es funktioniert, indem es die Endspielergebnisse beurteilt, die die am Ende des Prozesses erzeugte Entscheidung sind und die letztendlich in reduzierten Euro oder Dollar an Fehler resultieren. Das ist die Metrik, die für Menschen, die aus dieser risikoorientierten Perspektive operieren, relevant ist.

Wiederum, wenn Sie aus der Perspektive der Zeitreihen operieren, denken Sie in Begriffen wie ein Autohersteller mit einem Defekt, der Menschen töten würde. Sie sagen: “Weißt du was, wir zählen keine Dollars, wir wollen nur sicherstellen, dass wir überaus sicher sind und dass wir fast jenseits von Messungen sicher sind.”

Conor Doherty: Also, wenn Sie eine ganze Abteilung haben, die sich der Risikobewertung widmet, aber Ihre “supply chain” basiert auf einem Ansatz zur Prognose von Zeitreihen, ist es dann Ihre Position, dass das fast paradox ist, also ein Widerspruch in sich?

Joannes Vermorel: Nein, das bedeutet nur, dass die Leute, die das Risikomanagement machen, nur Bürokraten sind. Was auch immer sie tun, hat keine Konsequenzen. Normalerweise haben sie einfach keine Konsequenzen. Sie sehen, die Sache ist, wenn Sie eine Risikobewertung machen, aber wenn diese Dinge nicht jede einzelne Entscheidung, die in Ihrer “supply chain” getroffen wird, marginal anpassen können, dann haben Sie eine Bewertung gemacht und diese Bewertung gleich nach der Erstellung begraben.

Sie sehen, wenn Sie sagen: “Oh, dieser Lieferant hat ein 2% Risiko, nächstes Jahr bankrott zu gehen”, okay, hat das Auswirkungen auf Ihre Kaufentscheidungen? Wenn nicht, dann haben Sie Ihre Bewertung begraben. Sie ignorieren es. Sie stecken einfach den Kopf in den Sand.

Und das ist sehr seltsam, weil die Leute sagen würden: “Oh, aber wir haben das Risiko analysiert.” Ja, aber Sie handeln nicht auf dieser Bewertung. Und wenn ich sage, handeln, denken die Leute wirklich darüber nach, dass das ein Fehler ist. Wenn die Leute an die “supply chain” denken, das ist, was man in den Medien hören würde. Sie würden sagen: “Oh, wir sollten unsere Fabrik nicht in China haben.” Ja, das ist ein sehr makro Risiko, aber es gibt auch viel alltäglichere Risiken.

Also, was kaufen Sie, wo lagern Sie es, erhöhen oder senken Sie Ihre Preispunkte? Das sind Entscheidungen, die auch mit Risiken verbunden sind und diese Entscheidungen werden täglich für jede einzelne SKU getroffen, die Sie entweder kaufen, produzieren oder verkaufen. Und welche Bewertung Sie auch immer in Bezug auf das Risiko Ihres Lieferanten, Ihres Wettbewerbers, Ihrer Kunden haben, die Frage ist, wenn es nicht etwas gibt, das numerisch die Punkte zwischen dieser Bewertung und diesen sehr kleinen Entscheidungen, die Sie treffen, verbindet, dann managen Sie das Risiko nicht richtig.

Conor Doherty: Also, korrigieren Sie mich, wenn ich falsch liege, sagen Sie, dass die Vorstellung der meisten Menschen vom Risikomanagement auf der Makroebene liegt, wie ein massives Ereignis, das die Ketten völlig stört, aber Ihre Position ist, dass das wichtigere, das dringendere Risikomanagement auf den täglichen, kleineren Entscheidungen liegt?

Joannes Vermorel: Beide sind sehr wichtig, aber seien wir realistisch, wie gut Sie wirklich informiert sein können, um die richtige Entscheidung zu treffen. Bei diesen Makroentscheidungen ist es in hohem Maße ein Glücksspiel. Es ist ein komplettes Glücksspiel und das ist in Ordnung. Das ist Kapitalismus. Dies ist eine Wirtschaft von Gewinnen und Verlusten. Die Leute gehen Risiken ein und es ist Zufall beteiligt. Und ich sage, nun, Sie können nicht wirklich eine Praxis haben, die Ihnen sagt, ob der Eintritt in einen neuen Markt zum Beispiel sicher ist oder nicht. Sie können Bewertungen vornehmen, Sie können versuchen, den Prozess ein wenig zu rationalisieren, aber im Grunde ist es etwas, das der statistischen und quantitativen Analyse entgeht.

Im Gegenteil, wenn Sie sich eine “supply chain” ansehen, wird ein mittelständisches Unternehmen jeden Tag Zehntausende von Entscheidungen treffen, jeden einzelnen Tag. Und das ist es, was ich sage, im Gegensatz zu den großen Makroentscheidungen, bei denen Sie wetten und es keine andere Alternative gibt, außer auf Ihre Bauchbewertung zu gehen, können Sie im Falle dieser Zehntausende von Entscheidungen, die täglich getroffen werden müssen, eine quantitative Bewertung vornehmen und etwas, das tatsächlich Sinn macht.

Conor Doherty: Nun, um von den kolossalen Beispielen wie den Makroebene-Beispielen wegzukommen, bringen wir es auf etwas wie die SKU-Ebene. Also, wir haben eine Anzahl von Geschäften, wir haben 10 Geschäfte, und wir haben eine begrenzte Menge an Inventar, Inventar von weißen T-Shirts, und alle 10 Geschäfte brauchen weiße T-Shirts. Was wäre der probabilistische, am meisten risikoinformierte Weg, das, was ich habe, unter all den Geschäften, die es brauchen, zu verteilen?

Joannes Vermorel: Nehmen wir die klassische Perspektive. Die klassische Perspektive, fokussiert auf Zeitreihen, Sie gehen davon aus, dass Sie die Zukunft kennen. Also, Sie haben einen Sicherheitsbestand. Im Grunde sagen Sie, jedes Geschäft sollte diese Menge auf Lager haben und dann, um die kleine verbleibende Unsicherheit darüber zu berücksichtigen, fügen Sie einen kleinen Puffer hinzu und das ist Ihr Sicherheitsbestand. Alle Geschäfte werden unabhängig voneinander behandelt und die Idee ist, dass Sie genug Bestand haben sollten, um alle Ihre Geschäfte zu versorgen.

Nun, was ist das eigentliche Risiko? Das Risiko besteht darin, dass Sie auf Lagerhausebene keinen Bestand mehr haben können und dann wird die Frage, ich habe eine begrenzte Ressource im Lagerhaus, was sollte ich für meine verschiedenen Geschäfte tun? Wenn Sie es einfach auf die klassische Weise machen, würde die klassische Weise sagen, ich habe meinen Sicherheitsbestand, ich mache die Zuteilung für das erste Geschäft, ich habe noch Inventar übrig, ich wiederhole den Prozess für das zweite Geschäft, und dann vielleicht beim vierten Geschäft, werde ich aufhören, weil kein Inventar mehr übrig ist. Also, was Sie getan haben, ist effektiv, die ersten vier Geschäfte aufzufüllen und nichts an die anderen zu senden. Das ist nicht sehr klug. Das geht nicht richtig mit dieser Situation um, diese kleine Mini-Krise, die Sie haben, indem Sie ein Produkt im Lagerhaus nicht auf Lager haben.

Conor Doherty: Was sind aber die Risiken aus finanzieller Sicht?

Joannes Vermorel: Nein, das ist nicht der Fall. Darum geht es bei Ihrem Sicherheitsbestand. Wenn Sie einen Sicherheitsbestand anlegen, sagen Sie, ich lege Einheiten in ein Geschäft, die eine sehr geringe Wahrscheinlichkeit haben, während meines relevanten Zeitfensters verkauft zu werden. Dafür ist der Sicherheitsbestand da. Es ist ein Puffer, den Sie wahrscheinlich nicht brauchen werden.

Wenn Sie Ihren Verkauf maximieren wollen, ist es viel besser, das Inventar einfach so zu verteilen, dass jedes Geschäft ein wenig hat. Das Ziel ist, dass alle Geschäfte zur gleichen Zeit keinen Bestand mehr haben. Offensichtlich können Sie das nicht wirklich erreichen, aber das ist das, was Sie erreichen wollen.

Betrachten wir die alternative Situation, in der Sie den Bestand auf die ersten vier Geschäfte konzentriert haben. Sie haben all die anderen Geschäfte, die keinen Bestand mehr haben, also verkaufen Sie überhaupt nicht. Und für die verkaufen Sie nur etwa die Hälfte des Bestands, so dass Sie viel übrig haben. Sie enden in einer Situation, in der Sie ein Geschäft haben, das keinen Bestand mehr hat, während ein anderes vergleichsweise überschüssigen Bestand hat und die Nachfrage in den Geschäften, die keinen Bestand haben, unerfüllt bleibt.

Conor Doherty: Also besteht da das Risiko?

Joannes Vermorel: Ja, und das ist, wo wir über das Risiko sprechen, einen Ausverkauf zu haben. Eine Möglichkeit, das zu bewältigen, besteht darin, den Bestand im Lagerhaus zu erhalten, wenn Sie sehen, dass ein Produkt im Lagerhaus Gefahr läuft, ausverkauft zu werden. Auf diese Weise können die besten Geschäfte immer noch ein wenig Ware haben.

Im Gegensatz zum Zeitreihenansatz, der jede unserer 10 Filialen unabhängig behandeln würde, wird ein probabilistischer Ansatz das Netzwerk und die Kontingenz oder die Interdependenzen zwischen all diesen Filialen und die Beziehung zu meinem verfügbaren Inventar berücksichtigen.

Conor Doherty: Ich bin neugierig, wie genau ein Unternehmen all dies bewältigen kann, denn das ist im Vergleich zu sagen wir mal dem traditionellen Zeitreihenansatz eine Menge Informationen. Ist die einzige Möglichkeit, all dies zu bewältigen, durch Automatisierung oder sind immer noch Menschen involviert, die diese Entscheidungen überprüfen?

Joannes Vermorel: Die Art und Weise, wie Lokad das macht, besteht darin, den gesamten Prozess zu automatisieren. Die Menschen sind da, um die Automatisierung zu überwachen, aber die Realität ist, dass die meisten Unternehmen, obwohl sie behaupten, dass alles manuell validiert wird, schon seit langem ziemlich automatisierte Prozesse verwenden. Immer wenn Sie eine min-max Inventareinstellung mit einem Durchschnitt und einem Maximum haben, haben Sie einen replenishment Automaten, der typischerweise unbeaufsichtigt läuft. Dies war bereits der Fall, dass man seit Jahrzehnten umfangreich automatisierte Setups hat.

Lokad ist nur ein weiterer Schritt in diese Richtung, aber es ist nicht unbedingt so ein Game Changer im Vergleich zu dem, was die Leute vorher hatten. Es ist mehr automatisiert, aber viele Unternehmen arbeiten bereits auf hochautomatisierten Setups.

Conor Doherty: Könnte ein Unternehmen, das keine Automatisierung nutzt, aber sagen wir mal, wie ich vorhin erwähnt habe, ganze Abteilungen von Experten im Risikomanagement hat, diese Unternehmen sind ziemlich bewusst, oder?

Mir fällt auch auf, dass wir die gesamte Konversation irgendwie um greifbarere Risiken wie SKUs, Geschäfte, Überschwemmungen zentriert haben. Das sind alles sehr greifbare Ressourcen oder Vermögenswerte und die damit verbundenen Risiken. Gibt es immaterielle Risiken, Dinge wie Zeit, Bandbreite, Wissen, all diese Dinge, die sozusagen in den Betrieb eines Unternehmens einfließen? Was sind die Risiken dort oder wie verwalten wir diese?

Joannes Vermorel: Es gibt immaterielle Risiken. Wenn Sie zum Beispiel ein Modeunternehmen sind und Verkäufe tätigen, erzeugen Sie bei Ihren Kunden die Erwartung, dass diese Rabatte auch in Zukunft wieder stattfinden werden, und so ändern die Menschen ihr Verhalten. Diesen Prozess theoretisch zu schätzen ist möglich, aber in der Praxis ist es sehr schwierig, weil der Aufbau der Erwartungen Ihrer Kunden etwas ist, das über viele Jahre hinweg geschieht, so dass es nicht etwas ist, wo Experimente einfach sind.

Wenn Sie zum Beispiel eine Luxusmarke sind und die Überzeugung haben, dass Sie niemals Aktionen durchführen sollten, weil es Ihre Marke entwertet, werden Sie keinen fünfjährigen Test durchführen, um zu sehen, ob die Durchführung von Aktionen wirklich Ihre Marke entwertet. Irgendwann müssen Sie auf Überzeugungen und Urteilsvermögen statt auf Tests setzen.

Die Kosten, die durch eine Aktion entstehen, sind sehr real. Wenn Sie eine Aktion durchführen, haben Sie einen bestimmten Geldbetrag, den Sie sofort verlieren, indem Sie Ihren Preis senken, also geben Sie etwas Marge auf. Das ist ein sofortiger Kostenpunkt, aber es besteht auch dieses zusätzliche Risiko, dass auf Kundenseite schlechte Gewohnheiten entstehen und Sie müssen diese Kosten quantifizieren.

Es gibt auch andere Risikoklassen, wie zum Beispiel IT-Abhängigkeiten. Sie können Software haben, die auseinanderfällt, Sie können viele andere Dinge haben, die einfach Ihre Supply Chain beeinflussen. Aber diese Risiken sind eher wie die in der Fertigung, wo Sie wollen, dass Ihr ERP zu 100% verfügbar ist. Es gibt keinen Grund für Ausfallzeiten, Sie können Ihren Weg in etwas hinein konstruieren, das unglaublich nahe an 100% Verfügbarkeit liegt.

Conor Doherty: Sie haben gerade erwähnt, dass aus Sicht der Preisstrategie Rabatte schlechte Verbrauchergewohnheiten einprägen könnten. Was meinten Sie damit?

Joannes Vermorel: Immer wenn Sie eine Aktion durchführen, sieht der Kunde, dass Sie eine Aktion durchführen. Beim nächsten Mal werden sie sagen: “Ich werde nicht zum vollen Preis kaufen. Ich werde einfach warten, bis Sie wieder eine Aktion durchführen. Ich habe gesehen, dass Sie Aktionen durchführen, also weiß ich, dass Aktionen mit Ihrer Marke stattfinden, also kann ich warten. Ich werde warten, bis Sie eine Aktion durchführen und dann werde ich kaufen.”

Das Problem ist, dass nichts wirklich in der Lage sein wird, das zu modellieren. Die Psychologie Ihrer Kunden zu modellieren, liegt größtenteils außerhalb Ihrer Reichweite, weil es ein Jahrzehnt dauert, die Denkweise Ihrer Kunden zu formen.

Wenn Sie einen Preis festlegen, senden Sie eine Nachricht an Ihre Kunden. Die Leute achten ein gewisses Maß auf Aufmerksamkeit, aber es braucht Zeit, um einzusinken. Es gibt also eine erhebliche Trägheit. Sie können versuchen, ausgeklügelte Modelle zu erstellen, um genau zu schätzen, was der Einfluss sein würde, aber die Realität ist, dass diese Art von Dingen Jahre dauert, Sie werden nicht viel experimentieren können. Sie werden nicht in der Lage sein, die Techniken, die Sie verwenden, zu validieren. Daher müssen Sie in Wirklichkeit Urteilsentscheidungen treffen.

Conor Doherty: Also ist das ein Element des Risikomanagement-Protokolls, das immer noch in der Zuständigkeit von Menschen liegt, die einen Konsens erreichen. Wollen wir diesen Bestand liquidieren? Wollen wir ihn für immer behalten? Oder wollen wir ihn in einer Aktion verkaufen?

Joannes Vermorel: Ja, und wenn Sie diesen risikoorientierten Ansatz haben, ist er viel kompatibler mit diesen Art von Schätzungen im Vergleich zu einer traditionellen Zeitreihenplanungsprognose, wo diese Art von Dingen keinen Platz hatte.

Conor Doherty: Also sollte das leitende Prinzip für die Bestimmung, welche Art von Daumenregeln Unternehmen anwenden sollten, sein, ob es zu einer höheren Rendite beiträgt?

Joannes Vermorel: Wenn etwas quantitativ bewertet werden kann, dann gehen Sie dafür. Aber wenn es nicht möglich ist, und dennoch besteht eine allgemeine Übereinstimmung, dass es wichtig ist, dann sollten Sie schätzen.

Ich denke, es ist ein sehr gefährlicher Weg zu sagen, wir haben keine vernünftigen Zahlen und tun daher so, als ob es nicht existiert. Es existiert und deshalb müssen Sie schätzen. Es ist besser, eine Zahl zu haben, die ungefähr richtig ist, als genau richtig.

Conor Doherty: Ich habe das Gefühl, dass wir uns langsam dem Ende nähern, aber ich würde gerne eine etwas schwierige Frage stellen. Sie haben darüber gesprochen, wenn eine quantitative Analyse finanziell nicht machbar ist. Also für größere Unternehmen, die sich aufwendigere Prognosen und Risikomanagement-Politiken leisten können, können sie vielleicht den probabilistischen Ansatz wählen. Aber für Unternehmen, die nicht über diese Art von verfügbarem Geld verfügen, welchen Rat würden Sie in Bezug auf das Risikomanagement geben, der umsetzbar wäre?

Joannes Vermorel: Ich würde herausfordern, können Sie es sich wirklich leisten, das Risiko zu ignorieren? Lagerbestände kosten Geld. Der Preisplan für einen Supply Chain Scientist, der Ihnen bei der Optimierung Ihrer Entscheidung hilft, liegt bei etwa 2.500 Euro pro Monat. Ja, das ist eine beträchtliche Summe, aber wenn Sie kein kleines Unternehmen sind, wenn Sie ein Unternehmen mit einem Umsatz von 10 Millionen Dollar oder Euro plus sind, ist das nicht viel Geld. Es ist tatsächlich ein Bruchteil dessen, was Sie für nur eine einzige Person bezahlen.

Wenn Sie zufällig fünf oder mehr Personen haben, die Aufgaben wie Bestandsauffüllung, Produktionsplanung, Bestandszuweisung, Preismanagement erfüllen, und sie haben einen Prozess, der das Risiko völlig ignoriert, würde ich sagen, können Sie es sich wirklich leisten, das weiterhin zu tun? Das Ignorieren dieser Risiken kann Sie mehrere Millionen Dollar kosten, nur weil Sie eine sehr schlechte Entscheidung getroffen haben, indem Sie das Risiko völlig ignoriert haben.

Aufgrund der Tatsache, dass es ungewöhnlich ist, würden die Leute erwarten, dass es nur Dinge sind, die Unternehmen wie Amazon und dergleichen vorbehalten sind. Nein, das ist es nicht. Es ist in hohem Maße die klassische Zeitreihenprognose, die viel komplizierter ist und der Grund dafür ist, dass es ein unpassendes Problem ist. Also ja, an der Oberfläche sieht es einfacher aus, weil die Leute an Zeitreihen gewöhnt sind, aber wenn es um die tatsächliche Lösung des Problems geht, passt es überhaupt nicht zum tatsächlichen Problem und diese Lösung, obwohl sie in der Praxis einfach aussieht, ist im Vergleich ein Albtraum zu implementieren und zu nutzen.

Die Art von probabilistischen Prognosen, die Lokad für kleine Kunden, kleine Unternehmen, verwendet, ist ungewöhnlich, aber sie passt gut zum Problem und deshalb, wissen Sie, und das ist wieder in meinen Vorlesungen gebe ich Beispiele, dass wenn Sie sich Wahrscheinlichkeitstechniken ansehen wollen, die meisten meiner Codebeispiele weniger als 20 Zeilen lang sind. Also würden die Leute sagen oh das ist unmöglich kompliziert und ich sage nun, es sind wie 20 Zeilen Code und Sie können in einer Vorlesung, die etwa eineinhalb Stunden dauert, die volle Detailtiefe der Methode geben.

Können Sie wirklich sagen, dass Ihr Unternehmen so klein ist, dass Sie es sich nicht leisten können, etwas wie ein paar Dutzend Stunden für den Fall aufzuwenden? Ist es wirklich jenseits Ihrer Möglichkeiten? Ich meine ja, wenn Sie wie eine Boutique mit nur einer Person sind, aber wenn Sie ein Unternehmen sind, das pro Jahr einen Umsatz von mehr als 10 Millionen Dollar macht, sind Sie keine Boutique. Sie haben bereits Dinge auf dem Spiel und Fehler können viel mehr kosten und umgekehrt, weil es nicht nur die Fehler sind, es sind auch Chancen.

Wenn Sie durch das Anheben Ihres Preises zum richtigen Zeitpunkt Ihre Marge um zehn Prozent erhöhen, kann das zu einigen hunderttausend Dollar an reinem Cashflow in Ihr Unternehmen führen und das gleicht wirklich die Kosten aus, die einige Leute für das Risiko aufwenden.

Conor Doherty: Wenn ich das also zusammenfassen würde, wäre es im Grunde genommen ein Element des Sprungs des Glaubens, aber das Wasser ist nicht so kalt, sobald Sie es tun…

Joannes Vermorel: Ich würde sagen, es ist nicht so sehr ein Sprung des Glaubens. Ich denke, es gibt diese sehr seltsame Idee, dass aus der Mainstream-“supply chain”-Theorie, Risiken buchstäblich nicht existieren. Sie haben diese super sanften Schwankungen der Nachfrage und super sanften Schwankungen der Lieferzeiten, die mit normalen Verteilungen modelliert werden, was bedeutet, wenn Leute normale Verteilung sagen, ist es eine Art zu sagen, dass es kein Risiko gibt.

Die Realität ist, dass ich noch nie einen Unternehmer getroffen habe, der sich nicht vollkommen bewusst war, dass das Geschäft, das sie haben, voller Risiken ist. Die Art von Wahnsinn ist, dass mit der Mainstream-supply chain software, die Leute so tun, als ob die Risiken nicht da wären, aber die Risiken sind immer noch da und so stehen die Unternehmen routinemäßig vor Katastrophen, die sehr kostspielig sind aufgrund von Risiken, die nicht wie wieder ich sage nicht wie Investieren in den russischen Markt im Jahr 1991 in der Annahme, dass es funktionieren wird, dass es plötzlich das neue El Dorado wird.

Ich sage, die Unternehmen stehen vor Katastrophen für Dinge, die völlig vermeidbar waren, Dinge, die wirklich im Wind des erwarteten Risikos lagen, wie Lieferanten, die Probleme haben, Preise, die steigen oder fallen, Nachfrage, die schwankt, aber nicht außerhalb dessen, was man von der allgemeinen Entwicklung des Marktes erwarten könnte. Diese Art von Dingen und so ist mein Punkt, dass es diesen Wahnsinn gibt, wo die meisten Mainstream-Praktiken das Risiko einfach völlig ignorieren.

Wenn ich mit “Supply Chain Scientists” spreche, würden sie sagen, ja, es gibt viel Risiko, aber der Punkt ist, dass sie eine Lücke nicht überbrücken können und ich sage, es ist nicht sehr schwierig, es ist nur sehr anders als das, was Sie tun, und es ist nicht nur bekannt, es ist tatsächlich billiger, weil es auch zu einem höheren Grad an Automatisierung führt, weil auch einer der Gründe, warum Sie so viele Leute brauchen, wenn Sie “supply chain” mit Zeitreihen machen, ist, dass aufgrund der Tatsache, dass Sie eine massive Diskrepanz zwischen der Realität und diesen Zeitreihen haben, Sie eine Menge Leute brauchen, um den Prozess ständig zu flicken.

Aber wenn Sie etwas haben, wo Sie eine bessere Übereinstimmung haben, brauchen Sie nicht annähernd so viele Leute, um die Sache zu flicken.

Conor Doherty: Auf dieser Note, denke ich, werde ich die Dinge zum Abschluss bringen. Joannes, vielen Dank wie immer, es war ein Vergnügen. Und vielen Dank fürs Zuschauen, wir sehen uns das nächste Mal.