Risiken im Supply Chain Management

00:00:00 Einführung und Definition der Begriffe
00:02:40 Unsicherheit und Kosten der Absicherung in der Supply Chain
00:03:54 Risikomanagement und Minimierung von Verschwendung
00:05:30 Nicht reduzierbares Risiko und Chancen in der Supply Chain
00:07:37 Supply Chain vs. perfekte Fertigung
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 Risiken in der Supply Chain
00:26:37 Lokads Ansatz zur probabilistischen Prognose
00:29:53 Risiko massiver Störungen und regionaler Katastrophen
00:31:59 Risiken in tägliche Supply Chain Entscheidungen einbeziehen
00:34:08 Risiko, große Kunden zu verlieren, und Korrelation von Risiken
00:37:03 Verzerrung in Kartenprojektionen und mathematischen Modellen
00:42:31 Aufbau 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 werden oft von vergangenen Ereignissen überrascht
00:57:00 Schädliche Prognosen und Kreuzentropie bei Prognosen
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 Kundepsychologie
01:24:26 Bewertung von Zeitreihenprognosen
01:27:33 Risiken in Mainstream-Supply-Chain-Software
01:29:30 Schlussgedanken und Handlungsaufforderung

Zusammenfassung

Conor Doherty, Moderator von LokadTV, und Joannes Vermorel, Gründer von Lokad, diskutieren die inhärenten Risiken im Supply Chain Management. Vermorel betont, dass das Hauptrisiko die Unsicherheit der Zukunft ist, die nicht reduzierbar und außerhalb der Kontrolle liegt. Er stellt fest, dass jede Entscheidung einen Kompromiss zwischen Risiko und Belohnung darstellt und dass ein Risiko von null unerreichbar ist. Vermorel hebt auch die Chancen hervor, die sich aus diesen Risiken ergeben können, wie z.B. die Kapitalisierung von Engpässen auf dem Markt. Er plädiert für eine agile und opportunistische Denkweise und den Einsatz von probabilistischer Prognose zur Risikominderung. Vermorel und Doherty sind sich einig, dass selbst kleine Unternehmen von einem Risikomanagement profitieren können, was zu höheren Margen und Cashflow führt.

Ausführliche 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 behandelt. Vermorel erklärt, dass die Hauptquelle von Risiken in Supply Chains die Unsicherheit der Zukunft ist. Anders als in der Fertigung, wo Risiken durch die Perfektionierung des Prozesses eliminiert werden können, sind Supply Chain-Risiken von zukünftigen Bedingungen abhängig, die unbekannt und nicht reduzierbar sind.

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

Vermorel wiederholt, dass die Quelle von Risiken in Supply Chains die Unsicherheit der Zukunft ist. Er erklärt, dass dieses Risiko nicht reduzierbar ist und anders als in anderen Bereichen wie der Buchhaltung, wo Risiken eliminiert werden können, Supply Chain-Risiken außerhalb der Kontrolle liegen und nur gemildert werden können. Er weist auch darauf hin, dass es neben Risiken in Supply Chains auch Chancen gibt. Zum Beispiel kann es bei einem Marktengpass zu einem schönen Gewinn führen, wenn man viel Lagerbestand hat.

Vermorel stimmt Dohertys Beobachtung zu, dass die Risiken in Supply Chains häufiger auftreten und vorhersehbare finanzielle Auswirkungen haben. Er betont, dass das Supply Chain Management den Umgang mit vielen Risiken und Chancen beinhaltet, die größtenteils außerhalb der Kontrolle liegen, und dass die einzige Möglichkeit darin besteht, Entscheidungen zu treffen, die diese Risiken und Chancen ausbalancieren.

Vermorel erklärt, dass sowohl Risiken als auch Chancen in Supply Chains auftreten können. Zum Beispiel kann der Eintritt oder Austritt eines Wettbewerbers den Preis senken oder erhöhen und die Rentabilität beeinflussen. Er gibt auch ein Beispiel für ein europäisches E-Commerce-Unternehmen, das aus einem überraschenden Ereignis einen außergewöhnlichen Gewinn erzielt hat.

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 von vorhersehbaren Fehlern profitieren, aber es auch wichtig ist, aufkommende Risiken vorbereitet zu sein.

Vermorel diskutiert die Kosten von Defekten in der Automobilproduktion 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 verwendet werden. Im Gegensatz zu Defekten in der Automobilproduktion werden Prognoseungenauigkeiten jedoch 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 prognostiziert wird, anstatt die Nachfrage nach den Produkten.

Vermorel argumentiert, dass die Qualität eines risikobasierten Ansatzes anhand der Endresultate beurteilt werden sollte, nicht anhand der Qualität einer probabilistischen Prognose. Er betont, dass das Hauptanliegen darin bestehen sollte, wie viel Geld verdient oder verloren wurde, nicht die Genauigkeit der Prognose.

Vermorel schlägt vor, dass die Kreuzentropie, ein Maß für die Genauigkeit der probabilistischen Prognose, ebenso abstrakt ist wie Prozentsätze, aber gute Eigenschaften für das Erlernen hochwertiger Modelle hat. Er betont, dass die Ergebnisse des Endspiels, 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 ignoriert werden, wenn sie keinen Einfluss auf Kaufentscheidungen haben.

Vermorel stimmt zu und argumentiert, dass während beide wichtig sind, makro 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 potenzielle Engpässe abzudecken. Dieser Ansatz kann jedoch zu Problemen führen, wie zum Beispiel zu einem Lagerbestandsmangel auf der Lagerebene. Er kritisiert den traditionellen Ansatz, Sicherheitsbestände sequenziell auf Läden zu verteilen, was dazu führen kann, dass einige Läden vollständig bestückt sind, während andere nichts erhalten. Dies kann zu ungedeckter Nachfrage und überschüssigem Bestand in bestimmten Läden führen.

Vermorel schlägt einen besseren Ansatz vor, bei dem der Bestand so verteilt wird, dass alle Läden gleichzeitig keinen Bestand mehr haben und so den Umsatz maximieren. Er schlägt einen probabilistischen Ansatz vor, der das Netzwerk und die Wechselbeziehungen zwischen allen Läden und dem verfügbaren Bestand berücksichtigt.

Vermorel diskutiert immaterielle Risiken wie Kundenerwartungen und Markenwert. Zum Beispiel kann das Angebot von Rabatten dazu führen, dass Kunden zukünftige Rabatte erwarten, was schwer quantifizierbar und zu verwalten ist. Er erwähnt auch andere Risikoklassen wie IT-Abhängigkeiten, die sich auf die Supply Chain auswirken können.

Vermorel erklärt, dass Promotions dazu führen können, dass Kunden auf zukünftige Promotions warten, bevor sie Einkäufe tätigen, was aufgrund der langfristigen Natur des Kundenverhaltens schwer zu modellieren und zu verwalten ist. Er schlägt vor, dass ein risikobasierter Ansatz besser mit diesen Arten von Schätzungen kompatibel 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 auch kleine Unternehmen von Risikomanagement profitieren können, da dies zu höheren Margen und Cashflow führen kann.

Zusammenfassend stimmt Vermorel Dohertys Zusammenfassung zu 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 Automatisierungsgrad und weniger Personalbedarf führen kann.

Vollständiges Transkript

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

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

Joannes Vermorel: Die Hauptquelle für Risiken in der Supply Chain ist die Zukunft, die man nicht kennt. 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 auf Defekte zu stoßen. In Bezug auf die Fertigung können Sie also das Risiko eliminieren. Das Risiko hängt nicht so sehr von der Zukunft ab. Wenn Sie zum Beispiel 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 nicht alle Möglichkeiten absichern, weil das zu teuer ist. Es besteht immer die Möglichkeit, dass die Nachfrage nach bestimmten Produkten um den Faktor 20 steigt, aber sollten Sie 20-mal mehr auf Lager haben, als Sie erwarten zu verkaufen, unter Berücksichtigung der Lieferzeit und so weiter, nur weil es diese eine entfernte Möglichkeit gibt, mit diesem super unvorhersehbaren Nachfrageanstieg konfrontiert zu werden? Nein.

Grundsätzlich würde ich sagen, im Gegensatz zu einigen anderen Bereichen sind in der Supply Chain die Quellen für Risiken die zukünftigen Bedingungen, die man nicht kennt, und jede Entscheidung, die man trifft, ist eine Art Kompromiss zwischen der Art des Risikos und den Belohnungen, die mit dieser Unsicherheit über die Zukunft einhergehen. Und ich würde sagen, die Unsicherheit über die Zukunft ist nicht reduzierbar, im Gegensatz zur Unsicherheit wie den physischen Vermögenswerten in Ihrem Fertigungsprozess in einer Fabrik.

Null Risiko existiert nie. Obwohl man sich bei einem Fertigungsprozess sehr, sehr nahe an null bewegen kann. Ich meine, es ist nicht absolut null, aber es ist sehr, sehr nahe dran. In Bezug auf die Supply Chain betrachten Sie jedes Produkt, es gibt immer einen zweistelligen Prozentsatz an Risiken, dass dieses Produkt in fünf Jahren nicht mehr auf dem Markt verkauft wird. Es gibt sehr wenige Produkte, bei denen Sie mit absoluter Sicherheit sagen können, dass sie in fünf Jahren noch existieren werden, insbesondere wenn wir berücksichtigen, dass das Produkt durch eine Variante ersetzt werden kann, was immer noch als unterschiedliche SKU zählt.

Conor Doherty: Zusammenfassend, sagen Sie also, dass das Risikomanagement in der Supply Chain nur eine Frage der Minimierung der verschwendeten Ressourcen ist oder ist es einfach nur eine finanzielle Angelegenheit?

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 vorhersagen würde, könnten Sie theoretisch eine nahezu risikofreie Supply Chain-Praxis haben, vorausgesetzt, man hat genug Geld.

Diese Risikoquelle ist nicht reduzierbar und fühlt sich in vielen anderen Bereichen seltsam an. Zum Beispiel gibt es in der Buchhaltung ein Risiko von Buchhaltungsfehlern, aber dafür sind diese Buchhaltungspraktiken da, um dieses Risiko im Wesentlichen zu eliminieren. Wenn Sie in Bezug auf das Risiko im Zusammenhang mit falschen Buchhaltungspraktiken denken, möchten Sie das wirklich super selten machen.

In der Supply Chain haben Sie diese Option nicht. Egal, ob Sie gut sind, ob Sie die richtigen Praktiken haben, das Risiko ist nicht reduzierbar. Sie könnten einen Krieg haben, Lockdowns, Brände, alle Arten von Ereignissen, die jenseits Ihrer Kontrolle liegen und die die Nachfrage massiv in eine Richtung lenken. Das ist die Hauptquelle des Risikos, dass Sie es nicht wissen und alles, was Sie tun können, darauf abzielt, diese Risiken zu mindern. Aber auch, da es Risiken gibt, gibt es auch Chancen, die in anderen Bereichen wie Buchhaltungspraktiken nicht existieren.

Zum Beispiel, wenn Sie viel Lagerbestand von etwas haben, während der Markt mit einem Mangel konfrontiert ist, können Sie potenziell einen schönen Gewinn erzielen, indem Sie diesen Bestand zu einem höheren Preis verkaufen.

Conor Doherty: Es scheint, dass viele dieser Probleme in der Supply Chain viel häufiger auftreten werden als das Beispiel, das Sie gegeben haben, jemanden einzustellen, der inkompetent oder moralisch falsch ist. Sie sind extrem selten, aber vermutlich sind die Risikoklassen, von denen Sie im Zusammenhang mit der Supply Chain sprechen, wie verlängerte oder sogar beschleunigte Vorlaufzeiten um ein paar Tage, 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 Defekte haben, liegt es an Ihnen, den Prozess so zu reparieren, dass Sie keine Defekte mehr haben. Sie können potenziell zu diesen Null-Fehler-Zuständen gehen, die Perfektion sind, oder Sie können der Perfektion sehr nahe kommen.

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

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

Conor Doherty: Also, wenn Sie über Chancen im Zusammenhang mit Risiken sprechen, meinen Sie verpasste Chancen?

Joannes Vermorel: Ja, ein Konkurrent kann plötzlich in den Markt eintreten und die Preise senken. Das ist ein Risiko. Also müssen Sie möglicherweise Ihren Preis senken und dann sind Sie weniger profitabel, als Sie erwarten würden, oder vielleicht sind Sie sogar gar nicht mehr profitabel. Aber das Gegenteil kann auch passieren. Ein Konkurrent kann Ihren Markt verlassen. In diesem Fall können Sie Ihren Preis erhöhen und Sie sind profitabler als Sie erwarten würden.

Jedes Mal, wenn Sie denken, dass es ein Risiko gibt, gibt es die Chance. Wenn es eine Überschwemmung gibt, wird vielleicht Ihr Lagerhaus überflutet oder vielleicht wird eines Ihrer Konkurrenzunternehmen überflutet. Wenn die Leute also wieder über Risiken in Fertigungsumgebungen nachdenken, haben Sie ein klares Ziel, das diese Perfektion ist. Wenn Sie also an Risiko denken, gibt es zwangsläufig keine spezifischen wirklich opportunistischen zufälligen Vorteile.

Aber in der Supply Chain kann dies passieren. Sie können Tausende von Produkten haben und aus zufälligen Gründen machen Konkurrenten einfach Fehler. Sie haben nicht die richtige Menge an Lagerbestand, sie haben nicht die richtige Kapazität oder sie haben die falsche Zuordnung und dann gibt es Chancen.

Zum Beispiel hatte ein großes europäisches E-Commerce-Unternehmen eine Technik, bei der sie Modeprodukte verkaufen würden 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 riesige Bestellung an die Originalmarke weitergeben würden und sie würden den gesamten Bestand aufkaufen.

Es wurde überraschend gut aufgenommen, und daher sagten sie: “Okay, wenn dieser Umsatz für uns überraschend kommt, wahrscheinlich kommt er auch für die Originalmarke überraschend. Was passiert also, wenn wir eine massive Bestellung aufgeben? Wir werden auf einem großen Stapel Inventar sitzen, während alle anderen keinen Lagerbestand mehr haben. Wir können die gleichen Produkte zu einem etwas höheren Preis als dem normalen Preis verkaufen und trotzdem alles verkaufen, ohne irgendwelche Strafen im Zusammenhang mit dem Saisonende zu haben.”

Also sehen Sie, die Idee ist, dass es ein überraschendes Ereignis gibt, ein Produkt verkauft sich mehr als Experten erwarten würden, und dann, wenn Sie klug sind, können Sie das in eine Gelegenheit verwandeln, den noch verfügbaren Lagerbestand zu sichern und auf diesem Produkt einen außergewöhnlichen Gewinn zu erzielen. Sie sehen also, das Risiko ist da, aber es gibt auch die sich ergebende Chance.

Conor Doherty: Verstanden, danke. Dieses Beispiel ist ziemlich interessant, weil es eine potenzielle Gabelung im Gespräch eröffnet. Wenn ich es richtig verstanden habe, war das Beispiel, das Sie gegeben haben, eines, bei dem reaktiv auf eine Gelegenheit reagiert wurde. Dieser Modekleidungsverkäufer hat eine Gelegenheit erkannt und sehr agil auf diese Gelegenheit reagiert. Das war also ein reaktiver Ansatz zur Bewältigung von Gelegenheiten und zur Vermeidung von Risiken. Ist das das Beste, was man in der Supply Chain tun kann, oder gibt es einen proaktiven Mechanismus, um solche Ereignisse vorherzusehen?

Joannes Vermorel: Dazu hätte ich eine zweigeteilte Antwort. Erstens haben Sie vollkommen recht. Es kam mit einer agilen Denkweise, einer opportunistischen Denkweise, und es gilt gleichermaßen für Risiken und Chancen. Das Interessante ist, dass Sie, wenn Sie aus einer Perspektive wie der Fertigung kommen, diese Perspektive nicht übernehmen. Sie wollen einfach das Risiko 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 anzugehen, denken Sie daran als etwas, das Sie einmal und für alle beheben könnten. Aber das Problem ist, dass es nicht funktioniert, denn wenn Sie etwas haben, das völlig statisch ist, können Sie die Chancen nicht mehr nutzen. Aber die Realität ist, dass Sie auch nicht auf das aufkommende Risiko reagieren können. Es ist völlig symmetrisch. Sie haben also Chancen, die entstehen, aber es wird auch Risiken geben, die einfach hochkommen und alle überraschen, und Sie müssen auch schnell reagieren. Es ist also symmetrisch.

Was bedeutet es nun, vorbereitet zu sein? Wie ich dieses Beispiel zu diesem großen europäischen E-Commerce-Unternehmen erwähnte, das dieses Spiel des Aufkaufs von Markeninventar spielt, ist dies eine etablierte Praxis. Sie wissen, dass aufgrund der Tatsache, dass eine große Modemarke eine Kollektion von vielleicht 20.000 verschiedenen Varianten haben wird, Fehler gemacht werden. Das ist eine Gewissheit. Sie wissen nicht, welcher, aber die Idee, dass eine bedeutende Marke alles richtig dimensioniert haben könnte in Bezug auf den Lagerbestand, 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 nutzen.

Conor Doherty: Wenn Sie über die Konstruktion eines Prozesses in einem Unternehmen sprechen, das mit schnelllebigen Konsumgütern zu tun hat, wie setzen Sie das genau um? Handelt es sich um einen Top-Down- oder einen Bottom-Up-Prozess? Ich meine, wie nutzen Sie diese Chancen, wie setzen Sie einen solchen Prozess um?

Joannes Vermorel: Wie bei den meisten Dingen in der Supply Chain muss es bis zu einem gewissen Grad von oben nach unten erfolgen. Sie können nicht erwarten, dass die Menschen ganz unten irgendwie die Organisation selbst neu gestalten können. Wenn Sie beispielsweise entscheiden, dass Ihr Prozess wie SNOP (Sales and Operations Planning) ist und dann vierteljährliche Sitzungen für SNOP haben, in denen Sie zwei Monate damit verbringen, Ihre neue Prognose festzulegen und alle zustimmen zu lassen, einen großen Konsens zu schaffen, und dann jeder befragt wird und dann müssen Sie alle Ergebnisse zusammenstellen und dann müssen Sie die Prognosen, die pro Woche pro Kategorie vorliegen, in etwas übersetzen, das in Bezug auf Entscheidungen sinnvoll ist, dann befinden Sie sich in einer Situation, in der es egal ist, ob die Menschen ganz unten agil sind oder nicht. Der Prozess und die Organisation selbst verhindern jede Art von Agilität. Um also in erheblichem Maße agil zu sein, muss dies von oben her konstruiert werden, damit diese Agilität überhaupt möglich ist. Aber dann, wenn Sie etwas konstruiert haben, wo es eine Möglichkeit wird, dann ja, dann ist es eher eine Bottom-Up-Sache, weil es dann darum geht, ob die verschiedenen Teams von dieser neu gewonnenen Agilität profitieren.

Conor Doherty: Es fällt mir auch ein, dass es eine andere Möglichkeit gibt, die Idee von Risiko und Chance anzugehen. Wenn Sie das Beispiel umkehren, anstatt sich auf das Unternehmen zu konzentrieren, das diese T-Shirts verkauft hat, die wie warme Semmeln weggingen und beschlossen hat, den Markt dafür zu beherrschen, dann nutzen sie eine Chance. Aus der Sicht des Lieferanten, wenn Sie in einer Situation sind, in der 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, worauf man vorsichtig sein sollte? Denn auch hier gibt es Risiken und Chancen. Als Lieferant sollte ich verkaufen? Es ist ein garantiertes Geschäft jetzt, heute, ich räume alles ab. Oder sollte ich untersuchen, warum er diese jetzt kaufen möchte? Gibt es hier noch etwas anderes im Spiel?

Joannes Vermorel: Es hängt wirklich davon ab, ob Sie sich überhaupt die Zeit nehmen können, zu untersuchen. Wenn es eine EDI Verbindung gibt und die Einkäufe vollständig automatisiert sind und es nicht einmal jemanden in der Schleife gibt, hängt es wirklich davon ab. Aber in der Supply Chain sind adversative Verhaltensweisen an der Tagesordnung. Ihre Lieferanten sind Ihre besten Partner und potenziell Ihre Konkurrenten, weil sie auch Ihren Gewinn begrenzen können. Sie können auch im Laufe der Zeit zu Konkurrenten werden, beschließen, ihre eigenen Marken zu haben, usw. Und umgekehrt ist es genauso. Wenn Sie eine Marke sind, können Sie beschließen, 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 Sie in der Supply Chain Dollar oder Euro für Belohnungen und Chancen auf solche Dinge setzen können.

Wieder, wenn Sie zur Automobilherstellung 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, bei der Sie ausgeklügelte Technik betreiben werden, weil es größtenteils nicht akzeptabel ist. In der Theorie würden Ihnen Ökonomen sagen, dass die Kosten eines menschlichen Lebens in den USA je nach verschiedenen Dingen sagen wir mal fünf Millionen betragen, was auch immer, Sie könnten sogar einen Fall dafür machen. Aber die Realität ist, dass niemand wirklich ernsthafte Technik betreiben wird. Sie würden einfach alles tun, damit diese Probleme, bei denen jemand stirbt, einfach nicht passieren. Und so gibt es keine echte Finanztechnik, weil, wenn Sie es aus der Sicht der Fertigung betrachten, wollen Sie diese Art von Problemen einfach durch Design vermeiden und versuchen nicht, Ihr Risiko im Sinne des Abwägens von Vor- und Nachteilen zu optimieren, Sie wollen es 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 gibt nur Graustufen. Sie können immer ein bisschen mehr Lagerbestand haben, Sie können immer mit etwas weniger Lagerbestand arbeiten, und Sie können sogar versuchen, überhaupt keinen Lagerbestand zu haben und nur Rückstände zu haben. Also haben Sie viel mehr Flexibilität und auch sehr wenig harte Einschränkungen in der Supply Chain. Solange Sie bereit sind zu zahlen, gibt es fast keine Einschränkungen. Sie möchten mehr Lagerplatz? 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, irgendwie weich und daher sehr geeignet für die finanzielle Optimierung im Gegensatz zu lebens- und todeswichtigen Situationen, wo die Leute sagen würden: “Nein, wir werden keine finanzielle Optimierung dafür durchführen. Es muss eine kategorische Antwort sein. Das wollen wir einfach nicht.” Also hat die Supply Chain diesen Luxus, dass die große Mehrheit der Probleme tatsächlich weiche Probleme sind, bei denen Sie von einem sehr schlechten Service zu einem sehr guten Service wechseln können und das ganze Spektrum möglich ist und die Kostenstruktur sich entwickelt, wenn Sie eine bessere Servicequalität oder eine schlechtere Servicequalität anstreben.

Conor Doherty: Das von Ihnen genannte Beispiel der Automobilherstellung bietet tatsächlich einen sehr schönen Übergang, denn ich weiß, dass beispielsweise Ford das Risiko, insbesondere bei ihren autonomen Fahrzeugen, durch den Einsatz von digitalen Zwillingen bewältigt. Sie erstellen eine digitale Version und eine digitale Umgebung und setzen dann mit Hilfe von Algorithmen das theoretische autonome Fahrzeug einer Reihe von Tests aus und bewerten ihr Risiko, ohne jemals einen Prototypen in der realen Welt produzieren zu müssen. Das ist ein Schritt zur Bewältigung ihres Risikos. Gibt es so etwas auch für die Supply Chain? Denn auch hierbei handelt es sich nicht um ein physisches Produkt an sich, obwohl es aus vielen beweglichen Teilen besteht.

Joannes Vermorel: Das ist das Interessante. Das ist es, was Sie mit der Prognose versuchen. Sie versuchen, dieses Risiko, das Sie über diese unsichere Zukunft haben, durch Prognosen zu mildern. Idealerweise würden Sie dieses Risiko durch perfekte Prognosen einfach eliminieren. Deshalb gibt es viele Supply-Chain-Praktiken, die die Genauigkeit der Prognosen behandeln, wie Automobilhersteller Defekte in ihren Bremsbelägen behandeln, als etwas, das Sie eliminieren sollten.

Aber das Problem ist, dass im Gegensatz zu Defekten in Bremsbelägen, bei denen Sie diese Fehlerquote potenziell auf eins pro Milliarde bringen können, so dass sie so gering ist, dass sie unerheblich ist, die Prognoseungenauigkeit niemals auf 0,01 Fehler gehen wird. Sie wird in der Regel stecken bleiben, wenn Sie sich die Art der Granularität ansehen, die sinnvoll ist, wenn es um Entscheidungen geht, also pro SKU pro Tag, werden Sie mit weitgehend ungenauen Prognosen stecken bleiben, wie zum Beispiel durchschnittlich 50% ungenau pro Tag pro SKU, wenn Sie ein paar Monate im Voraus schauen.

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

Der Ansatz von Lokad, die probabilistische Prognose, besteht darin, nicht anzunehmen oder sogar zu erwarten, dass diese Ungenauigkeiten jemals verschwinden werden. Was wir haben, sind Wahrscheinlichkeiten. Wir können unsere Modelle verbessern, um Wahrscheinlichkeiten zu haben, die etwas konzentrierter sind, sodass wir eine etwas klarere Vision von der Zukunft haben. Aber die Gesamtperspektive ist, dass sie extrem unscharf und extrem unsicher bleiben wird, egal was passiert.

Conor Doherty: Ich möchte an dieser Stelle eine wichtige Anmerkung machen und sie nur verstärken. Wenn Sie über die Prognose der zukünftigen Nachfrage sprechen, würden die meisten Menschen das einfach als das Betrachten von früheren Verkaufsdaten und das Erstellen einer Zahl, wie in einer Zeitreihe, verstehen. Ist Ihre Position, dass der probabilistische Prognoseansatz nicht nur die historischen Daten, sondern auch die anderen Risikoklassen, über die wir sprechen, wie verlängerte Lieferzeiten, ein im Kanal stecken gebliebenes Boot oder so etwas, berücksichtigt und sie zusammenführt?

Joannes Vermorel: Ja, absolut. Deshalb sprechen wir bei Lokad in der Regel von prädiktiver Modellierung anstelle von Prognosen. 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 Fälle so, wenn Leute sagen, dass wir eine Prognose haben, meinen sie eine Prognose des Verkaufs oder der Nachfrage. Aber die Realität ist, dass alles, was unsicher ist über die Zukunft, vorhergesagt 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 keine genauen Daten haben. Zum Beispiel Krieg in Europa. Wenn Sie sich die letzten 100 Jahre ansehen, gab es etwa alle 50 Jahre einen großen Krieg. Das bedeutet, dass es jedes Jahr eine zweiprozentige Chance gibt, dass es einen Krieg geben wird, der Sie beeinflusst. Sie können fünf Jahrhunderte in die Geschichte Europas zurückgehen, und das ist etwas, das immer wieder passiert ist.

Ich hoffe, dass das Risiko eines tatsächlichen Krieges für Westeuropa derzeit ziemlich gering ist, aber wenn man einen historischen Blickwinkel einnimmt, ist es nicht relativ verrückt zu sagen, dass es eine zweiprozentige Chance auf ein massives Störung gibt. Schauen Sie sich an, was in der Ukraine passiert. Das Risiko ist definitiv real, und vor 20 Jahren war es in Ex-Jugoslawien. Solche Dinge passieren also, und Sie müssen keine genauen Daten haben, um zu sagen, dass wir ein zwei Prozent Risiko für ein großes störendes Ereignis haben können.

Sie könnten von der Region abhängig sein, Sie könnten überflutet werden, Sie könnten Brände haben. Es gibt viele Risiken, bei denen Sie eine grobe Bewertung vornehmen können. Es ist besser, das zu tun, anstatt zu behaupten, dass diese Risiken überhaupt nicht existieren. Und mit der probabilistischen Prognose ist es technisch recht einfach, ein zwei Prozent Risiko für einen erheblichen Nachfrageeinbruch hinzuzufügen, das etwas geschätzt ist.

Im Gegensatz dazu ist es fast unmöglich, dies zu tun, wenn Sie die Zukunft mit klassischen deterministischen Zeitreihenprognosen angehen. Ja, Sie können sagen, dass wir ein Szenario haben, in dem eine Katastrophe passiert, aber wie versöhnen Sie dieses Szenario, das stark 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 gesteuert, die alle Risiken vollständig ignoriert. In diesem Sinne haben Sie zwar 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, handelt es sich nur um eine intellektuelle Übung. Es hat keine Auswirkungen auf das, was Sie täglich tun.

Conor Doherty: Ich möchte Sie zu diesem Punkt ein wenig herausfordern, weil ich auch neugierig bin. Wenn Sie an andere Prognosetechniken denken, wie zum Beispiel den prognosewertsteigernden Wert, bei dem Personen gemeinsam zu einer Prognose beitragen und die Idee darin besteht, dass verschiedene Abteilungen Erkenntnisse haben. Nehmen wir ein Beispiel: Ein neuer Wettbewerber steht kurz vor dem Aufkommen, und Sie nehmen diese Informationen, das Marketing hat diese Informationen, und sie fließen irgendwie in eine Zeitreihe ein. Das ist irgendwie schwierig zu tun, denn wie übersetzt man dieses Wissen in eine Prognose? Ähnlich ist dies, wo ich ein wenig nachhake, wie genau berücksichtigt man eine zweiprozentige Kriegsgefahr in Westeuropa in einer probabilistischen Prognose, um auf die Anzahl der Einheiten zu kommen, die ich auf Lager habe? Denn sie scheinen in gewisser Weise ähnlich zu sein.

Joannes Vermorel: Fangen wir mit den Zeitreihen an. Sie sehen, Zeitreihen werden heutzutage von den meisten Mainstream-Supply-Chain-Praktikern als einzige Möglichkeit angesehen, die Zukunft zu betrachten. Zeitreihen sind als Ausdruck für alles, was Sie über die Zukunft wissen, unglaublich begrenzt. Wenn Sie zum Beispiel ein B2B-Unternehmen sind, also Ihre Kunden andere Unternehmen sind, besteht ein sehr grundlegendes Risiko darin, dass einer dieser großen Kunden Sie verlässt und zu einem Ihrer Konkurrenten wechselt. Und wenn dies geschieht, hören alle Produkte, die sie von Ihnen gekauft haben, auf, etwas zu kaufen. Und wenn Sie zum Beispiel ein Produkt auf Lager hatten, das von diesem Kunden sehr regelmäßig gekauft wurde, dieser Kunde Sie jedoch plötzlich verlässt, wird dieser Bestand über Nacht zu totem Lagerbestand. Einfach weil, obwohl der Bestand sich schön drehte, er mit einem versteckten Risiko verbunden war, dass dieser Kunde Sie verlassen könnte.

Hier haben wir also, und die Idee, dass diese großen Kunden Sie verlassen können, ist keine super ausgeklügelte Idee. Jeder Verkäufer würde sagen: “Nun, wir hatten diesen Kunden, es besteht immer das Risiko, dass sie uns verlassen.” Das Problem ist nun, dass Sie, wenn Sie Ihre Erwartungen an die Zukunft mit Zeitreihen formulieren, feststecken. Sie können das nicht ausdrücken, weil die Informationen, die Sie haben, den Kunden betreffen, nicht die Produkte. Und wenn Sie sagen, dass dieses Produkt das Risiko hat, auf null zu gehen, ja, aber das Problem ist, dass dieses Risiko hoch korreliert ist. Es sind alle Produkte, die dieser Kunde kauft, die gleichzeitig auf null gehen können. Und es handelt sich um ein sehr, sehr unterschiedliches Risiko, wenn man sagt, dass dieses Produkt isoliert betrachtet auf null gehen kann.

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

Um sicherzustellen, dass dies nicht übersehen wird, ist eine Zeitreihe eine Reflexion der Beziehung eines Kunden zu einem Produkt, nicht zu den Produkten selbst. Eine Zeitreihe ist nur eine eindimensionale Messung. Sie haben eine Messung, die jeden Tag, jede Woche, jeden Monat fällt. Das nennt man equis-basierte Zeitreihe. Das ist es, woran die Leute denken, 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 erweitern.

Das Problem ist jedoch, dass es sich um frühere Beziehungen handelt, die bestehende Kunden zu den von Ihnen gekauften Produkten hatten, aber das sagt nichts über die Zukunft aus. Das Problem ist, dass die Informationen, die Sie haben, auf der Ebene des Kunden vorliegen und Ihre Prognose auf der Ebene des Produkts liegt. Es besteht eine Diskrepanz und es gibt keine Übersetzung von diesen Informationen zu diesen anderen Informationen. Das ist ein entscheidender Punkt.

In der Mathematik endet man, wenn man schummelt, mit seltsamen Dingen. Wenn Sie zum Beispiel nur ein wenig schummeln, sagen wir zum Beispiel, dass die Erde eine Kugel ist, ungefähr. Sie ist nicht genau eine Kugel, aber sie ist nah genug dran. Wenn Sie eine Karte haben möchten, projizieren Sie eine Kugel auf eine flache Oberfläche. Wenn Sie sich eine Weltkarte ansehen, erhalten Sie Verzerrungen. Zum Beispiel erscheint Afrika in europäischen Karten im Vergleich zu Europa sehr klein, obwohl Afrika tatsächlich größer ist als Europa. Das ist nur eine Auswirkung der Verzerrung, weil Sie eine flache Oberfläche verwenden, um eine Kugel darzustellen.

Aber hier ist das Problem viel größer. Sie versuchen, etwas völlig Risikoreiches darzustellen. Es handelt sich um ein mehrdimensionales Objekt, das Sie als eindimensionales Objekt, Ihre Zeitreihe, darzustellen versuchen. Die Art von Problemen und Verzerrungen, die Sie haben, sind absolut gigantisch. Wenn Sie denken, dass es ein Problem ist, Afrika kleiner als Europa aussehen zu lassen, 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 kennen, in die Zeitreihe einzufügen.

Wir haben ein weiteres Problem. Wenn Sie die Lösung nicht kennen, ist es sehr schwierig, über das Problem nachzudenken. Die Leute sind nicht wirklich vertraut mit der Klasse mathematischer Modelle, die diese Risiken darstellen könnten. Sie stecken fest bei Zeitreihen, weil sie sich nichts vorstellen können, das etwas anderes als eine Zeitreihe wäre. Aber der erste Schritt besteht darin, 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 nicht ganz klar, wie ein Logarithmus berechnet wird, aber das ist in Ordnung. Sie müssen nicht unbedingt ein klares Bild von der Sache haben, um sie erfolgreich zu nutzen. Dann können wir zum zweiten Teil übergehen, wie Lokad diese Art von Informationen nutzt.

Die Idee ist, dass, wenn Sie über die Zukunft nachdenken wollen, die hochdimensionale Version darin besteht, dass jede mögliche Zukunft eine Wahrscheinlichkeit hat. Sie könnten es sich so vorstellen, dass diese Wahrscheinlichkeit für jede gegebene Zukunft, in der Sie genau den Verkaufsstand von allem, die Nachfrage, Dinge, die wieder verkauft werden, kennen, besteht.

Es gibt eine Wahrscheinlichkeit, dass dies passiert. Sie ist verschwindend gering, aber wenn Sie die richtigen mathematischen Werkzeuge haben, können Sie mit verschwindend geringen Wahrscheinlichkeiten arbeiten. Und wiederum, aufgrund der Tatsache, dass Sie eine sehr große Anzahl möglicher Zukünfte haben, wird es immer noch zu einer Wahrscheinlichkeit von eins addiert. Es gibt eine Zukunft, die eintreten wird, und die Summe all dieser Wahrscheinlichkeiten ergibt eins.

Sie können ein Risiko wie eine zweiprozentige Chance, diese Kunden zu verlieren, faktorisieren. Das ist eigentlich nicht so schwierig. Wenn Sie die Nachfrage durch die Brille der Produkte betrachten, ist es sehr schwierig, die Kunden einzubeziehen. Aber wenn Sie die Nachfrage als Ergebnis des Verhaltens der Kunden sehen und das Verhalten der Kunden prognostizieren, dann wird das Hinzufügen dieses zusätzlichen Risikos, dass der Kunde Sie verlässt, relativ einfach.

Sie können Ihre Prognose auf verschiedene Arten erstellen. In Bezug auf die Agilität, die man hat, wenn man einen Zeitreihenansatz verwendet, im Vergleich zur Agilität, die man hat, wenn man einen probabilistischen Ansatz verwendet, was ist der Unterschied und wie übersetzt sich das dann in das Risikomanagement?

Das Hauptproblem besteht darin, dass Zeitreihenrisiken nicht existieren. Sie können nicht einmal existieren. Es ist wie ein Würfel in einem zweidimensionalen Raum. Es gibt so etwas wie einen Würfel nicht. Sie können einen Würfel zeichnen, aber grundsätzlich passt er einfach nicht. Das ist ein Problem, wenn Sie zusätzliche Dimensionen haben, die nicht passen, sind Sie festgefahren. Wenn Sie nur eine zweidimensionale Ebene haben, können Sie keinen Würfel darauf stapeln. Es passt einfach nicht. Und so stecken Sie mit Zeitreihen fest.

Sie könnten Dinge mit Klebeband zusammenhalten. Sie könnten sagen, wir können mit dem Risiko nicht umgehen, aber wir können betrügen, indem wir eine falsche Prognose haben, die absichtlich verzerrt ist, damit die Entscheidung, die auf dieser Prognose basiert, dieses Risiko widerspiegelt. Das ist ein sehr komplizierter Weg, um zum Risikomanagement zu gelangen.

Technisch gesehen ist es möglich, es irgendwie zu tun, aber es wird auf sehr seltsame Weise geschehen. Zum Beispiel können Sie das Risiko bewältigen, indem Sie Ihre Prognose absichtlich weniger genau machen, indem Sie Verzerrungen in Ihre Prognose einführen. Das ist eine Möglichkeit, mit Risiken umzugehen. Aber das ist ein sehr komplizierter Weg, um dorthin zu gelangen.

Wenn Sie den probabilistischen Ansatz wählen, haben Sie eine von Natur aus probabilistische Prognose. Dann haben Sie von vornherein diese Wahrscheinlichkeiten. Es gibt noch eine andere Herausforderung, nämlich wie man eine Optimierung durchführt. Es wird als stochastischer Optimierungsprozess bezeichnet. Wie optimiert man eine Entscheidung, wenn man unsichere Bedingungen hat? Sie müssen also eine Optimierung durchführen, die eine natürliche Affinität zu den Unsicherheiten hat, die in den Anfangsbedingungen vorhanden sind.

Conor Doherty: Wenn man bewertet, und ich frage mich genau, nun ja, lassen Sie mich diese Frage neu beginnen. Wenn Sie in einer Situation sind, in der Sie ein Unternehmen haben und den probabilistischen Ansatz verfolgen, Sie Zeitreihen verwendet haben, Sie von dem, was Sie gerade gesagt haben, überzeugt sind und dann mit einer Empfehlung konfrontiert werden, die das ultimative Produkt der probabilistischen Prognosemethodik ist. Und in dieser Empfehlung sind tatsächlich viele dieser Faktoren eingebaut, zum Beispiel die Möglichkeit, einen Kunden zu verlieren, und das Management betrachtet das und denkt, das ist verrückt. Wie sollen sie genau damit interagieren, denn es werden so viele Dinge in Betracht gezogen. Wie überbrücken Sie die Kluft?

Joannes Vermorel: Zuerst einmal, was ist das Ergebnis und da gibt es eine radikale Abweichung. Das Ergebnis eines risikobasierten Supply-Chain-Prozesses, der von probabilistischen Prognosen unterstützt wird, ist, soweit ich weiß, so 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 daran ist, dass wenn man denkt, dass die Zukunft bekannt sein kann und man alle Risiken eliminieren kann, Supply-Chain-Risiken größtenteils auf diese unsichere Zukunft zurückzuführen sind. Wenn Sie glauben, dass Sie eine genaue Prognose haben können, dann ist das Ergebnis Ihrer Supply-Chain-Praxis die Prognose und die Prognose ist Ihr Plan, denn sobald Sie die Prognose haben, geht es nur noch um die Orchestrierung für die Entscheidungen.

Wenn Sie einen risikobasierten Ansatz wählen, dann ist das Ergebnis Ihres Prozesses nicht der Plan, nicht die Prognose, sondern die Entscheidungen. Aber wenn Ihr risikobasierter Prozess schlecht ist - und das kann er sein - führt er zu schlechten Entscheidungen. Und wie identifizieren Sie also, wie fordern Sie eine Entscheidung heraus, die schlecht ist? Nun, das geschieht auf sehr unterschiedliche Weise. Wenn wir wieder zur klassischen Perspektive gehen, würden die Leute in Bezug auf die Prognosegenauigkeit denken, denn das ist das Endziel. Wenn Sie sich für einen risikobasierten Ansatz entscheiden, würden Sie sagen, dass es eine Entscheidung gibt, dass diese Entscheidung Risiken und Chancen mit sich bringt, die in Dollar oder Euro ausgedrückt werden. Und wenn Sie eine schlechte Entscheidung sehen, sagen Sie im Grunde genommen, dass die Bewertung in Dollar oder Euro, die für diese bevorstehende Entscheidung vorgenommen wurde, falsch ist.

Und so können Sie das genau bestimmen und wenn Sie es betrachten, würden wir typischerweise für jede Entscheidung, die wir treffen, die wirtschaftlichen Treiber analysieren, um sagen zu können, dass wir eine Handvoll Treiber haben, die widerspiegeln, was in diese Entscheidung einfließt. Und wenn Sie das herausfordern wollen, werden Sie eine Komponente in Frage stellen und sagen, dass beispielsweise die Lagerhaltungskosten oder das Risiko der Lagerhaltungskosten, das Sie schätzen, völlig danebenliegt. Und ja, das ist die Aufgabe der Supply-Chain-Scientists, den Prozess umzukehren und zu identifizieren, was mit dieser Schätzung nicht stimmt. Aber das ist sehr technisch.

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

Conor Doherty: Wenn wir zuvor über proaktive Ansätze zum Risikomanagement gesprochen haben, wie zum Beispiel die digitalen Zwillinge in der Automobilindustrie, und dann über reaktives Risikomanagement anhand des von Ihnen gegebenen Kleidungsbeispiels. 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 also proaktiv in dem Sinne, dass Sie einfach sagen, es wird Schwankungen geben, es wird immer Schwankungen geben, die weit über meine Kontrolle hinausgehen. Das ist es, worum es bei dieser unvermeidlichen Unsicherheit über die Zukunft geht, und daher muss ich in der Lage sein, einen Prozess zu entwickeln, der schnell und angemessen auf diese sich ändernden Bedingungen reagiert, egal ob sie mich positiv oder negativ beeinflussen. Und ja, es ist sehr proaktiv in dem Sinne, dass es viel Vorbereitung erfordert, einen solchen Prozess zu entwickeln, der es Ihnen ermöglicht, die sich bietenden Chancen zu nutzen und die auftretenden Probleme zu mildern.

Aber es lässt sich nicht von der Idee täuschen, dass Sie sich so gut vorbereiten können, dass Sie die Unsicherheit von vornherein beseitigen können. Sehen Sie, das ist nicht das Endziel. Es ist in gewisser Weise eine dogmatische Position, aber die Idee ist, dass Sie nicht bis zum Ende dieses Vorhersagemodellierungs-Kaninchenbaus gelangen können. Sie können kein Modell entwickeln, das zu 100% genau ist, das wird niemals passieren. Die Menge an verbleibender Unsicherheit wird sehr groß sein und daher bleibt Ihnen nichts anderes übrig, als einen Prozess zu entwickeln, der sehr gut darin ist, mit dem Wandel Schritt zu halten, wie Sie ihn beobachten.

Denn wissen Sie, Unternehmen werden sehr häufig von Dingen überrascht, die Monate zurückliegen. Man könnte 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, können Sie von etwas überrascht werden, das bereits ein paar Monate zurückliegt, und Unternehmen werden auf diese Weise sehr regelmäßig überrascht.

Conor Doherty: Noch einmal, ich möchte hier ein wenig nachhaken, denn wenn wir über Risikomanagement sprechen wollen, sollten wir darüber sprechen, wie wir unsere Risikomanagementpraktiken bewerten. Und um noch einmal auf Zeitreihen im Vergleich zu probabilistischen Ansätzen zurückzukommen: Wenn Sie eine Zeitreihe haben und diese völlig falsch ist, kann ich darauf hinweisen und sagen, dass sie falsch war, dass sie massiv falsch war. Und das ist, wissen Sie, binär, entweder war sie korrekt oder nicht. Sie haben gesagt, 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, dass dies definitiv das ist, was Sie verkaufen würden. Und schützt Sie das sozusagen davor, falsch zu liegen?

Joannes Vermorel: Nein, ich meine, technisch gesehen gibt es Metriken für die Genauigkeit probabilistischer Prognosen, aber noch interessanter ist, dass Sie die Richtigkeit der Entscheidungen selbst bewerten können. 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 belanglos in dem Sinne, dass es nicht wirklich wichtig ist, ob Ihre Wahrscheinlichkeiten falsch sind, solange Sie die richtige Entscheidung treffen.

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

Joannes Vermorel: Zum Beispiel gibt es Menschen, die nicht immer erkennen, dass Computer ständig Dinge approximieren. Immer wenn Sie eine Berechnung durchführen, verwenden Sie nur eine bestimmte Anzahl von Dezimalstellen. Ist der Verlust an Genauigkeit wichtig oder nicht? Die Antwort lautet: Es kommt darauf an. Und in der Supply Chain hängt es davon ab, worauf. Nun, es hängt davon ab, ob die endgültige Entscheidung gut oder schlecht ist.

Am Ende möchte ich nur sagen, dass Sie die Qualität dieses risikobasierten Ansatzes anhand dessen beurteilen sollten, was er am Ende des Prozesses, den Entscheidungen, bewirkt. Der Umgang mit hochdimensionalen Wahrscheinlichkeiten, die numerische Bewertung von Wahrscheinlichkeiten in einem sehr hochdimensionalen Raum, bringt allerlei Eigenheiten mit sich. Ob die Techniken angemessen sind oder nicht, sollte wirklich anhand der Ergebnisse des Endspiels beurteilt werden, nicht anhand der Qualität einer probabilistischen Prognose.

Die Genauigkeit der Prognose ist nicht das Hauptanliegen, 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, dass die Idee, eine genauere Prognose haben zu wollen, technisch gesehen falsch ist, was das Risikomanagement betrifft?

Joannes Vermorel: Also, zunächst einmal sage ich, wenn Sie sagen, dass Sie eine, sagen wir, 20% ungenaue Prognose haben, sind diese Prozentsätze eine völlig erfundene Einheit. Sie sind keine Kilogramm, sie sind keine Kilowatt, sie sind nichts, was eine greifbare Realität hat. Das ist erfunden und die Leute sagen: “Oh, aber wir sind es so gewohnt, dass diese Genauigkeitsprozentsätze als Prozentsatz ausgedrückt werden, dass es sicherlich real sein muss.” Ich sage überhaupt nicht. Sie können äußerst schädliche Prognosen haben, die zufällig sehr genau sind, bei denen die Ungenauigkeit als Prozentsatz sehr gering ist.

Es gibt eine Anekdote, die mir immer wieder erzählt wurde, bei der Sie einfach null Nachfrage für einen Laden prognostizieren können und das wird Ihnen sehr schnell eine sehr genaue Prognose liefern. Sie prognostizieren null, Sie eröffnen mit null und die Prognose wird zu 100% genau. Diese Messung in Prozent ist also nicht sehr sinnvoll.

Wenn ich Ihnen sage, dass Sie eine probabilistische Prognosemessung in Form von Kreuzentropie haben können, ist das sehr abstrakt und wird nicht besonders aufschlussreich sein. Aber der Punkt, den ich mache, ist, dass Kreuzentropie genauso abstrakt und undurchsichtig ist wie die Prozentsätze. Es ist sehr erfunden. Der einzige Grund, warum wir bei Lokad zum Beispiel 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 wie funktioniert es? Es funktioniert, indem es die Ergebnisse des Endspiels bewertet, das ist die Entscheidung, die am Ende des Prozesses generiert wird und letztendlich zu reduzierten Fehlern in Euro oder Dollar führt. Das ist die Metrik, die für Menschen relevant ist, die aus dieser risikoorientierten Perspektive handeln.

Wenn Sie beispielsweise aus der Perspektive der Zeitreihen handeln, denken Sie in Bezug auf einen Automobilhersteller mit einem Defekt, der Menschen töten würde. Sie sagen: “Wissen Sie was, wir zählen keine Dollar, wir wollen nur sicherstellen, dass wir äußerst sicher sind und dass wir fast über Messungen hinaus sicher sind.”

Conor Doherty: Wenn Sie jedoch eine ganze Abteilung haben, die sich mit Risikomanagement befasst, Risiken bewertet, aber Ihre Lieferkette auf einem Zeitreihenprognoseansatz beruht, ist Ihre Position dann, dass dies fast paradox ist, dass es sich um einen Widerspruch in sich handelt?

Joannes Vermorel: Nein, das bedeutet nur, dass diejenigen, die das Risikomanagement durchführen, nur Bürokraten sind. Was auch immer sie tun, hat keine Konsequenzen. Normalerweise haben sie einfach keine Konsequenzen. Sehen Sie, das Problem ist, wenn Sie eine Risikobewertung durchführen, aber wenn diese Dinge nicht jede einzelne Entscheidung in Ihrer Lieferkette marginal anpassen können, dann haben Sie eine Bewertung vorgenommen und die Bewertung gleich nach der Durchführung begraben.

Sehen Sie, wenn Sie sagen: “Oh, dieser Lieferant hat ein 2%iges Risiko, im nächsten Jahr bankrott zu gehen”, okay, beeinflusst das Ihre Kaufentscheidungen? Wenn nicht, dann haben Sie Ihre Bewertung gerade begraben. Sie ignorieren es. Sie stecken Ihren Kopf in den Sand.

Und das ist sehr seltsam, denn die Leute würden sagen: “Oh, aber wir haben das Risiko analysiert.” Ja, aber Sie handeln nicht auf dieser Bewertung. Und wenn ich von Handeln spreche, denken die Leute wirklich darüber nach, das ist ein Fehler. Wenn die Leute an die Lieferkette denken, ist das das, was Sie in den Medien hören würden. Sie würden sagen: “Oh, wir sollten unsere Fabrik nicht in China haben.” Ja, das ist ein sehr makroökonomisches Risiko, aber es gibt auch viel banalere 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 Konkurrenten, Ihrer Kunden haben, die Frage ist, wenn es nichts gibt, das die Punkte zwischen dieser Bewertung und diesen sehr kleinen Entscheidungen, die Sie treffen, numerisch verbindet, dann verwalten Sie das Risiko nicht ordnungsgemäß.

Conor Doherty: 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 Ketten vollständig stört, aber Ihre Position ist, dass das wichtigere, dringendere Risikomanagement auf den täglichen, kleineren Entscheidungen liegt?

Joannes Vermorel: Beide sind sehr wichtig, aber lassen Sie uns realistisch sein, wie gut Sie informiert sein können, um die richtige Entscheidung zu treffen. Bei diesen makroökonomischen Entscheidungen ist es zu einem großen Teil ein Glücksspiel. Es ist ein komplettes Glücksspiel und das ist in Ordnung. Das ist der Kapitalismus. Dies ist eine Wirtschaft von Gewinnen und Verlusten. Die Menschen gehen Risiken ein und es gibt eine Chance. Und ich sage, nun ja, Sie können keine Praxis haben, die Ihnen sagt, ob es sicher ist oder nicht, zum Beispiel in einen neuen Markt einzutreten. Sie können Bewertungen vornehmen, Sie können versuchen, den Prozess ein wenig zu rationalisieren, aber grundsätzlich ist es etwas, das Statistiken und quantitative Analysen entzieht.

Im Gegensatz dazu trifft ein mittelständisches Unternehmen in einer Lieferkette täglich Zehntausende von Entscheidungen. Und das ist es, was ich sage, im Gegensatz zu den großen makroökonomischen Entscheidungen, bei denen Sie ein Risiko eingehen und es keine andere Alternative gibt, als sich auf Ihre Einschätzung zu verlassen, können Sie bei den Zehntausenden von Entscheidungen, die täglich getroffen werden müssen, eine quantitative Bewertung und etwas machen, das tatsächlich Sinn ergibt.

Conor Doherty: Nun, um von den kolossalen Beispielen wie den makroökonomischen abzukommen, bringen wir es auf eine Ebene 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 wahrscheinlichkeitsbasierte, risikoinformierteste Weg, das, was ich habe, auf alle bedürftigen Geschäfte zu verteilen?

Joannes Vermorel: Lassen Sie uns die klassische Perspektive nehmen. Die klassische Perspektive, auf Zeitreihen fokussiert, geht davon aus, dass Sie die Zukunft kennen. Also haben Sie einen Sicherheitsbestand. Im Grunde sagen Sie, dass jedes Geschäft diese Menge auf Lager haben sollte und um die geringe Restunsicherheit darüber anzuerkennen, 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 abzudecken.

Nun, was ist das eigentliche Risiko? Das Risiko besteht darin, dass Ihnen auf Lager im Lager der Bestand ausgehen kann und dann stellt sich die Frage, was soll 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 einfach die Zuweisung für das erste Geschäft, ich habe immer 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 effektiv getan haben, ist die ersten vier Geschäfte aufgefüllt und nichts an die anderen geschickt. Das ist nicht sehr klug. Das geht nicht richtig mit dieser Situation um, dieser kleinen Mini-Krise, die Sie haben, wenn ein Produkt im Lager nicht vorrätig ist.

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

Joannes Vermorel: Nein, das ist nicht der Fall. Darum geht es bei Ihrem Sicherheitsbestand. Wenn Sie einen Sicherheitsbestand haben, sagen Sie, dass Sie Einheiten in einem Geschäft haben, die eine sehr geringe Wahrscheinlichkeit haben, während Ihres relevanten Zeitfensters verkauft zu werden. Dafür ist der Sicherheitsbestand da. Es ist ein Puffer, den Sie höchstwahrscheinlich nicht benötigen werden.

Wenn Sie Ihren Verkauf maximieren möchten, ist es viel besser, den Bestand einfach so zu verteilen, dass jedes Geschäft ein wenig hat. Das Ziel ist, dass alle Geschäfte gleichzeitig keinen Bestand mehr haben. Natürlich können Sie das nicht wirklich erreichen, aber das ist es, was Sie erreichen möchten.

Betrachten wir die alternative Situation, in der Sie den Bestand auf die ersten vier Geschäfte konzentriert haben. Alle anderen Geschäfte haben keinen Bestand, also verkaufen Sie überhaupt nichts. Und für diese Geschäfte werden Sie nur etwa die Hälfte des Bestands verkaufen, sodass Sie viel übrig haben. Sie befinden sich in einer Situation, in der ein Geschäft keinen Bestand hat, während ein anderes vergleichsweise überschüssigen Bestand hat und die Nachfrage in den Geschäften, die keinen Bestand haben, unbedient bleibt.

Conor Doherty: Also besteht das Risiko darin?

Joannes Vermorel: Ja, und das ist, worüber wir beim Risiko eines Bestandsausfalls sprechen. Eine Möglichkeit, dies zu verwalten, besteht darin, den Bestand im Lager zu erhalten, wenn Sie feststellen, dass ein Produkt im Lager Gefahr läuft, keinen Bestand mehr zu haben. Auf diese Weise können die besten Geschäfte immer noch ein wenig Ware haben.

Im Gegensatz zum Zeitreihenansatz, bei dem jeder unserer 10 Geschäfte unabhängig behandelt würde, berücksichtigt ein probabilistischer Ansatz das Netzwerk und die Abhängigkeiten oder Wechselwirkungen zwischen all diesen Geschäften sowie das Verhältnis zu meinem verfügbaren Bestand.

Conor Doherty: Mich interessiert, wie ein Unternehmen all dies genau verwalten kann, denn das ist im Vergleich zum traditionellen Zeitreihenansatz eine Menge Informationen. Ist die einzige Möglichkeit, all dies durch Automatisierung zu verwalten, oder sind immer noch Menschen damit beschäftigt, diese Entscheidungen zu überprüfen?

Joannes Vermorel: Die Art und Weise, wie Lokad es macht, besteht darin, den gesamten Prozess zu automatisieren. 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-Bestandskonfiguration mit einem Durchschnitt und einem Maximum haben, haben Sie einen Auffüllungs-Automaten, der in der Regel unbeaufsichtigt läuft. Dies ist bereits seit Jahrzehnten der Fall bei umfangreich automatisierten Einrichtungen.

Lokad ist nur ein weiterer Schritt in diese Richtung, aber es ist nicht unbedingt ein so großer Wandel im Vergleich zu dem, was die Leute zuvor hatten. Es ist automatisierter, aber viele Unternehmen arbeiten bereits mit hochautomatisierten Einrichtungen.

Conor Doherty: Könnte ein Unternehmen, das keine Automatisierung nutzt, aber zum Beispiel, wie ich zuvor erwähnt habe, ganze Abteilungen von Experten im Risikomanagement hat, ziemlich gut informiert sein?

Mir fällt auch auf, dass wir das gesamte Gespräch um greifbarere Risiken wie Artikelnummern, Geschäfte, Überschwemmungen zentriert haben. Dies sind alles sehr greifbare Ressourcen oder Vermögenswerte und die entsprechenden Risiken. Gibt es auch immaterielle Risiken, wie Zeit, Bandbreite, Wissen, all diese Dinge, die 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 eine Erwartung bei Ihren Kunden, dass diese Rabatte in Zukunft wieder stattfinden werden, und die Menschen ändern ihr Verhalten entsprechend. Diese Prozesse theoretisch abzuschätzen ist möglich, aber in der Praxis sehr schwierig, da die Erwartung Ihrer Kunden über viele Jahre hinweg aufgebaut wird, sodass Experimente nicht einfach sind.

Wenn Sie zum Beispiel eine Luxusmarke sind und davon überzeugt sind, dass Sie niemals Werbeaktionen durchführen sollten, weil dies den Wert Ihrer Marke mindert, werden Sie keinen fünfjährigen Test durchführen, um zu sehen, ob Werbeaktionen tatsächlich den Wert Ihrer Marke mindern. Irgendwann müssen Sie auf Überzeugungen und Urteile zurückgreifen, anstatt den Test durchzuführen.

Der durch eine Werbeaktion entstehende Kosten sind sehr real. Wenn Sie eine Werbeaktion durchführen, haben Sie einen bestimmten Geldbetrag, den Sie sofort verlieren, indem Sie Ihren Preis senken, sodass Sie einen Teil Ihrer Marge aufgeben. Das ist ein sofortiger Kostenfaktor, aber es besteht auch das zusätzliche Risiko, dass auf Kundenseite schlechte Gewohnheiten entstehen, und diese Kosten müssen quantifiziert werden.

Es gibt auch andere Risikoklassen, wie zum Beispiel IT-Abhängigkeiten. Sie können Software haben, die zusammenbricht, Sie können viele andere Dinge haben, die sich einfach auf Ihre Lieferkette auswirken. Aber diese Risiken ähneln eher denen in der Fertigung, bei denen Sie möchten, dass Ihr ERP zu 100% verfügbar ist. Es gibt keinen Grund für Ausfallzeiten, Sie können Ihren Weg in etwas finden, das nahezu 100% Verfügbarkeit hat.

Conor Doherty: Sie haben gerade erwähnt, dass Rabatte aus Sicht der Preisstrategie möglicherweise schlechte Gewohnheiten bei Verbrauchern fördern könnten. Was haben Sie damit gemeint?

Joannes Vermorel: Immer wenn Sie eine Werbeaktion durchführen, sieht der Kunde, dass Sie eine Werbeaktion durchführen. Also werden sie beim nächsten Mal sagen: “Ich werde nicht zum vollen Preis kaufen. Ich werde einfach warten, bis Sie wieder eine Werbeaktion durchführen. Ich habe gesehen, dass Sie Werbeaktionen durchführen, also weiß ich, dass Werbeaktionen mit Ihrer Marke stattfinden, also kann ich warten. Ich werde warten, bis Sie eine Werbeaktion 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, da es ein Jahrzehnt dauert, um die Denkweise Ihrer Kunden zu formen.

Wenn Sie einen Preis festlegen, vermitteln Sie Ihren Kunden eine Botschaft. Die Menschen achten in gewissem Maße darauf, aber es dauert seine Zeit, um einzusinken. Es gibt also eine erhebliche Trägheit. Sie können versuchen, ausgeklügelte Modelle zu erstellen, um genau abzuschätzen, welche Auswirkungen dies haben würde, aber die Realität ist, dass solche Dinge Jahre dauern, und Sie werden nicht viel experimentieren können. Sie werden nicht in der Lage sein, die von Ihnen verwendeten Techniken zu validieren. Daher müssen Sie in der Realität Urteilsentscheidungen treffen.

Conor Doherty: Das ist also ein Element des Risikomanagementprotokolls, das immer noch in den Zuständigkeitsbereich der Menschen fällt, die zu einem Konsens gelangen. Wollen wir diesen Bestand liquidieren? Wollen wir ihn für immer behalten? Oder wollen wir ihn in einer Werbeaktion verkaufen?

Joannes Vermorel: Ja, und wenn Sie diesen risikobasierten Ansatz haben, ist er viel kompatibler mit solchen Schätzungen im Vergleich zu einer traditionellen Zeitreihenplanungsprognose, bei der solche Dinge keinen Platz hatten.

Conor Doherty: Also sollte das Leitprinzip für die Bestimmung der Art von Faustregeln sein, die Unternehmen anwenden sollten, ob sie zu einer größeren Rendite beitragen?

Joannes Vermorel: Wenn etwas quantitativ bewertet werden kann, dann gehen Sie dafür. Aber wenn es nicht möglich ist, aber allgemein vereinbart wird, dass es wichtig ist, dann sollten Sie schätzen.

Ich denke, es ist ein sehr gefährlicher Weg zu sagen, dass wir keine vernünftigen Zahlen haben und daher so tun, als ob es nicht existiert. Es existiert und daher müssen Sie schätzen. Es ist besser, eine Zahl zu haben, die ungefähr korrekt 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, dass eine quantitative Analyse finanziell nicht machbar ist. Für größere Unternehmen, die sich aufwändigere Prognosen und Risikomanagementrichtlinien leisten können, können sie vielleicht den probabilistischen Ansatz wählen. Aber für Unternehmen, die nicht über diese Art von verfügbarem Kapital verfügen, welche Ratschläge würden Sie in Bezug auf Risikomanagement geben, die umsetzbar wären?

Joannes Vermorel: Ich würde in Frage stellen, ob Sie sich wirklich leisten können, das Risiko zu ignorieren. Lagerbestände kosten Geld. Der Preis für die Unterstützung durch einen Supply Chain Scientist zur Optimierung Ihrer Entscheidungen beträgt 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 oder mehr sind, ist dies keine riesige Summe. Es ist tatsächlich nur ein Bruchteil dessen, was Sie für eine einzige Person bezahlen.

Wenn Sie fünf oder mehr Personen haben, die Supply Chain-Funktionen wie Bestandsauffüllung, Produktionsplanung, Bestandszuweisung, Preismanagement erfüllen und einen Prozess haben, der das Risiko vollständig 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 vollständig ignoriert haben.

Da es ungewöhnlich ist, würden die Leute erwarten, dass es nur Dinge sind, die Unternehmen wie Amazon und so weiter vorbehalten sind. Nein, ist es nicht. Es ist zu einem großen Teil so, dass die klassische Zeitreihenprognose viel komplizierter ist und der Grund dafür ist, dass es ein Missverhältnis bei dem Problem gibt. Ja, auf den ersten Blick 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 dazu ein Albtraum, um sie einzusetzen und zu verwenden.

Die Art von probabilistischen Prognosen, die Lokad für kleine Kunden, kleine Unternehmen verwendet, ist ungewöhnlich, aber sie passt gut zum Problem und am Ende, wissen Sie, und das ist wieder in meinen Vorlesungen gebe ich Beispiele dafür, dass wenn Sie sich Wahrscheinlichkeitstechniken ansehen möchten, die meisten meiner Codebeispiele sind weniger als 20 Zeilen lang. Die Leute würden sagen, oh das ist unmöglich kompliziert und ich sage, nun ja, es sind etwa 20 Zeilen Code und Sie können die vollständigen Details der Methode in einer Vorlesung sehen, die etwa anderthalb Stunden dauert.

Können Sie wirklich sagen, dass Ihr Unternehmen so klein ist, dass Sie es sich nicht leisten können, etwa ein paar Dutzend Stunden für den Fall aufzuwenden? Ist es wirklich über Ihre Möglichkeiten hinaus? Ich meine, ja, wenn Sie nur eine Boutique mit einer einzigen Person sind, aber wenn Sie ein Unternehmen sind, das einen Jahresumsatz von mehr als 10 Millionen Dollar hat, 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, sondern auch die Chancen.

Wenn Sie Ihren Preis zum richtigen Zeitpunkt um zehn Prozent erhöhen und dadurch Ihre Marge um zehn Prozent steigern, kann das zu einigen Hunderttausend Dollar reinem Bargeld führen, das in Ihr Unternehmen fließt, und das gleicht wirklich die Kosten aus, die durch die Zeit, die Menschen für das Risiko aufwenden, entstehen.

Conor Doherty: Wenn ich das zusammenfassen würde, würde es im Wesentlichen bedeuten, dass es einen gewissen Glaubenssprung gibt, aber das Wasser ist nicht so kalt, wenn man es tut…

Joannes Vermorel: Ich würde sagen, es ist nicht so sehr ein Glaubenssprung. Ich denke, es gibt diese sehr merkwürdige Vorstellung, dass aus der Mainstream-Supply-Chain-Theorie Risiken buchstäblich nicht existieren. Sie haben diese super sanften Schwankungen der Nachfrage und super sanften Schwankungen der Vorlaufzeiten, die mit Normalverteilungen modelliert werden, was bedeutet, dass es kein Risiko gibt, wenn die Leute sagen, Normalverteilung, 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 vollständig bewusst war, dass sein Unternehmen voller Risiken steckt. Die Art von Wahnsinn besteht darin, dass die Mainstream-Supply-Chain-Software vorgibt, dass die Risiken nicht existieren, obwohl sie immer noch vorhanden sind. Daher stehen die Unternehmen routinemäßig vor kostspieligen Katastrophen aufgrund von Risiken, die nicht wie zum Beispiel die Investition in den russischen Markt im Jahr 1991, in der Erwartung, dass es funktionieren wird und plötzlich zum neuen El Dorado wird, sind.

Ich sage, dass Unternehmen Katastrophen erleben, die vollständig vermeidbar waren, Dinge, die wirklich im Bereich des erwarteten Risikos lagen, wie zum Beispiel Probleme bei Lieferanten, Preisschwankungen, Nachfrageschwankungen, die jedoch nicht außerhalb dessen liegen, was von der allgemeinen Marktentwicklung erwartet werden kann. Solche Dinge, und deshalb ist mein Punkt, dass die meisten Mainstream-Praktiken das Risiko einfach vollständig ignorieren.

Wenn ich mit Supply-Chain-Praktikern spreche, sagen sie zwar, dass es viele Risiken gibt, aber der Punkt ist, dass sie eine Lücke nicht überbrücken können. Ich sage, es ist nicht sehr schwierig, es ist nur sehr anders als das, was Sie tun, und es ist nicht nur bekannt, sondern auch kostengünstiger, weil es auch zu einem höheren Automatisierungsgrad führt. Einer der Gründe, warum Sie so viele Mitarbeiter benötigen, wenn Sie Supply Chain mit Zeitreihen durchführen, besteht darin, dass es aufgrund der massiven Diskrepanz zwischen der Realität und diesen Zeitreihen viele Mitarbeiter benötigt, um den Prozess ständig zu flicken.

Aber wenn Sie etwas haben, bei dem es eine bessere Übereinstimmung gibt, benötigen Sie nicht annähernd so viele Mitarbeiter, um das Ganze zu flicken.

Conor Doherty: Damit möchte ich die Dinge abschließen. Joannes, wie immer vielen Dank, es war mir ein Vergnügen. Und vielen Dank fürs Zuschauen, wir sehen uns das nächste Mal.