00:00:00 Einführung in quantitative Supply Chain
00:02:21 Bedeutung quantitativer Supply Chain
00:07:04 Mechanisches Verständnis im Kontext der Supply Chain
00:09:38 Entscheidungsfindung mit Hilfe von Hardware
00:12:42 Illusion von Fachkenntnissen ohne Tiefe
00:13:59 Moderne Abhängigkeit der Supply Chain von Computern
00:18:32 Auswirkungen der Geschwindigkeit der Hardware auf Entscheidungen
00:21:40 Software-Ineffizienzen erhöhen Kosten
00:24:42 Eigenschaften und Grenzen von Transaktionsdatenbanken
00:27:59 Steigende Cloud-Kosten durch Ineffizienz
00:30:09 Einfachere und kostengünstigere Software-Rezepte
00:32:40 Extreme Verschwendung von Rechenressourcen
00:36:14 Fortschritte bei der Hardware im Vergleich zum Software-Rückstand
00:40:48 Bedeutung des Wissens bei der Auswahl von Anbietern
00:45:15 Theoretisches vs. praktisches Wissen
00:50:00 Größenordnungen in der Computer-Effizienz
00:54:33 Leistungsüberlegungen bei der Bestandsauffüllung
00:56:18 Iterativer Prozess für Ergebnisqualität
00:58:50 Störungen erfordern Neugestaltung
01:00:18 Nächste Schritte für Praktiker
01:02:17 Bezahlung für Anbieter-Ineffizienzen
01:05:04 Finanzielle Auswirkungen von Entscheidungen
01:07:16 Mangelndes Verständnis der Konkurrenten
01:08:40 Schlussbemerkungen
Zusammenfassung
In einer kürzlichen Folge von LokadTV sprach Conor Doherty, Leiter der Kommunikation bei Lokad, mit Joannes Vermorel, CEO von Lokad, über die entscheidende Rolle quantitativer Supply Chain in der Optimierung der Supply Chain. Vermorel betonte die Notwendigkeit, sowohl Hardware als auch Software zu verstehen, um fundierte Entscheidungen in der Supply Chain treffen zu können. Er verglich dieses grundlegende Wissen mit geografischer Grundkenntnis, die unerlässlich ist, um Probleme zu vermeiden und effektive Entscheidungen zu treffen. Vermorel hob hervor, dass Computer zwar Werkzeuge zur Mechanisierung von Entscheidungen sind, aber ein Verständnis ihrer Fähigkeiten und Grenzen entscheidend ist. Dieses Verständnis erstreckt sich auch auf Programmierparadigmen, um Ressourcen zu optimieren und bessere Ergebnisse zu erzielen.
Erweiterte Zusammenfassung
In einer kürzlichen Folge von LokadTV führte Conor Doherty, Leiter der Kommunikation bei Lokad, eine anregende Diskussion mit Joannes Vermorel, CEO und Gründer von Lokad, einem französischen Softwareunternehmen, das sich auf die vorhersagende Optimierung der Supply Chain spezialisiert hat. Das Gespräch tauchte in die komplexe Welt der quantitativen Supply Chain ein, ein Thema, das weit über die bloße Nutzung von Computern hinausgeht. Es erfordert ein nuanciertes Verständnis, wie diese Maschinen optimal arbeiten, ein Konzept, das Vermorel als “mechanisches Verständnis” bezeichnet.
Doherty eröffnete die Diskussion, indem er den breiten Umfang der quantitativen Supply Chain hervorhob, der sowohl Hardware als auch Software umfasst. Er bat Vermorel um eine Arbeitsdefinition, der erklärte, dass quantitative Supply Chain alle Arten von Hardware umfasst, die einen modernen Computer ausmachen. Diese Klassifizierung, obwohl etwas willkürlich, hat sich in den letzten 70 Jahren entwickelt und führt zu unterschiedlichen Kategorien wie CPUs und Speicher, die jeweils spezifische Zwecke im quantitativen Ökosystem erfüllen.
Vermorel betonte die Bedeutung dieser Ressourcen im Kontext des Supply Chain Managements. Er argumentierte, dass, wenn wir die Prämisse akzeptieren, dass Supply Chain Entscheidungen am besten mit Hilfe von Computern getroffen werden, dann das Verständnis der Hardware, die diese Berechnungen ermöglicht, entscheidend ist. Dieses Verständnis geht nicht nur darum, die physischen Komponenten zu kennen, sondern auch die breiteren Klassen von Geräten und deren Berechnungsfähigkeiten zu erfassen.
Doherty versuchte dann, diese Informationen für Supply Chain-Praktiker zu destillieren, indem er fragte, wie sie dieses Wissen in ihren täglichen Ablauf integrieren sollten. Vermorel klärte auf, dass Computer nicht von Natur aus gut darin sind, Entscheidungen zu treffen; sie sind einfach die besten verfügbaren Werkzeuge zur Mechanisierung von Entscheidungsprozessen. Diese Mechanisierung, die seit Jahrhunderten Fortschritte vorantreibt, erstreckt sich nun auch auf Bürojobs durch den Einsatz von Computern.
Vermorel verglich das grundlegende Wissen über quantitative Supply Chain mit grundlegendem geografischem Wissen. Genau wie das Wissen über die Standorte von Ländern auf einer Karte als wesentlich angesehen wird, ist das Verständnis der Grundlagen der Computertechnologie für Supply Chain-Praktiker grundlegend. Dieses Wissen hilft, eine Reihe von potenziellen Problemen zu vermeiden und sicherzustellen, dass Entscheidungen mit einem klaren Verständnis der zugrunde liegenden Recheninfrastruktur getroffen werden.
Doherty ging weiter auf die Tiefe dieses grundlegenden Wissens ein und fragte, ob es darum geht, einfache Dinge wie den Standort eines USB-Anschlusses oder komplexere Konzepte wie die Funktionsweise einer SSD-Festplatte zu kennen. Vermorel antwortete, dass es eher darum geht, die Abstraktionen und stabilen Klassen von Anliegen zu verstehen, die seit Jahrzehnten in der Informatik bestehen. Dazu gehören Speicher, Speicherung, Bandbreite, arithmetische Berechnung und Ein-/Ausgabeprozesse.
Das Gespräch verlagerte sich dann darauf, wie sich dieses grundlegende Wissen in bessere Entscheidungsfindung übersetzt. Vermorel erklärte, dass ohne ein grundlegendes Verständnis der Hardware Entscheidungsprozesse wie Magie erscheinen können, was es schwierig macht, zu beurteilen, ob eine Methode für die verfügbare Hardware geeignet ist. Er verwendete die Analogie der Auswahl eines Autos, um diesen Punkt zu veranschaulichen. Genau wie die Auswahl eines Autos das Verständnis seiner beabsichtigten Verwendung erfordert, erfordert die Auswahl von Computertechnologie Kenntnisse über deren Fähigkeiten und Grenzen.
Vermorel ging auch auf die Bedeutung von Programmierparadigmen ein und wie sie in den Entscheidungsprozess passen. Er bemerkte, dass während bestimmte Anwendungsfälle nicht immer offensichtlich sein mögen, ein grundlegendes Verständnis von Konzepten wie statischer Analyse, Array-Programmierung und Versionskontrolle entscheidend ist. Dieses Wissen hilft Praktikern, “im Dunkeln zu stochern” zu vermeiden und sicherzustellen, dass sie fundierte Entscheidungen über die von ihnen verwendeten Rechenwerkzeuge treffen können.
Abschließend betonte Vermorel, dass moderne Supply Chain-Praktiken stark von Computertechnologie abhängig sind. Selbst Unternehmen, die sich als technologisch rückständig betrachten, sind in hohem Maße auf Computer angewiesen, sei es für komplexe Algorithmen oder einfache Werkzeuge wie Excel. Daher ist ein grundlegendes Verständnis von quantitativen Supply Chain-Ressourcen nicht nur vorteilhaft, sondern für ein effektives Supply Chain Management unerlässlich. Dieses Wissen ermöglicht es Praktikern, fundierte Entscheidungen zu treffen, ihre Rechenressourcen zu optimieren und letztendlich bessere Ergebnisse für ihre Organisationen zu erzielen.
Vollständiges Transkript
Conor Doherty: Willkommen zurück bei LokadTV. Heute werden Joannes und ich über die quantitativen Supply Chain-Ressourcen diskutieren. Wie Sie hören werden, geht es dabei um viel mehr als nur darum, einen Computer zu benutzen. Vielmehr erfordert es ein grundlegendes Verständnis, wie er am besten funktioniert. Dies nennt man mechanisches Verständnis, und wie wir besprechen werden, kann ein gutes mechanisches Verständnis zu einer besseren Nutzung von Rechenressourcen und letztendlich zu besseren Entscheidungen führen. Nun, wie immer, wenn Ihnen gefällt, was Sie hören, abonnieren Sie unseren YouTube-Kanal und folgen Sie uns auf LinkedIn. Und damit gebe ich Ihnen das heutige Gespräch.
Also, Joannes, quantitative Supply Chain-Ressourcen, das ist ein sehr großer Begriff. Es umfasst sowohl Hardware als auch Software. Also, für den Zweck des heutigen Gesprächs und in Anbetracht des Publikums der Supply Chain, was ist eine gute Arbeitsdefinition von quantitativen Supply Chain-Ressourcen?
Joannes Vermorel: Quantitative Supply Chain-Ressourcen ist ein allgemeiner Begriff, der alle Klassen von Hardware umfasst, die einen modernen Computer ausmachen. Heutzutage ist die Trennung zwischen diesen Klassen ein wenig willkürlich, aber nur ein wenig. Es gibt nichts in der Natur, das besagt, dass es eine Klasse von Dingen gibt, die wir CPUs (zentrale Verarbeitungseinheiten) nennen sollten, und eine andere Klasse von Geräten, die wir Speicher und so weiter nennen sollten. Es handelt sich um eine Ko-Evolution von Computerdesign und der Rolle des Marktes, die bestimmte Nischen geformt hat, in denen Unternehmen wirklich wettbewerbsfähige Geräte für spezifische Zwecke entwickeln. So kam es zu dieser Entwicklung. Jetzt, 70 Jahre nach der Einführung von Computern, haben wir sehr klare Klassen von Rechengeräten, die nicht alles von Anfang bis Ende erledigen. Sie sind wie Komponenten in der Berechnung.
Warum ist es wichtig, das zu haben? Wenn ich von quantitativen Supply Chain-Ressourcen spreche, meine ich damit im weitesten Sinne die Hardware, aber implizit auch die Klasse von Geräten und was sie Ihnen zur Durchführung von Berechnungen geben. Warum ist das für die Supply Chain wichtig? Weil, wenn wir die Supply Chain als eine Entscheidungsfindungsübung betrachten und wenn wir mit dem Glauben vorgehen, dass diese Berechnungen mit Computern besser durchgeführt werden, dann ist dies buchstäblich die physische Ebene, die diese Berechnungen tragen wird. Dieser Glaube ist letztendlich nur ein bescheidener. Computer haben sich heutzutage als ziemlich leistungsfähig erwiesen. Aber dennoch geht es von dieser Vision aus, dass all diese Entscheidungen, die Millionen von Entscheidungen, die eine bedeutende Supply Chain treffen muss, letztendlich auf irgendeine Weise mit einem Computer getroffen werden.
Wenn wir also darüber nachdenken, sollten wir ein wenig Aufmerksamkeit auf diese Hardware-Ebene legen. Die Situation ist in den letzten vier Jahrzehnten viel komplexer geworden. Computer machen immer noch Fortschritte, aber auf eine viel komplexere und nicht so intuitive Weise im Vergleich zu dem, was bis Ende der 90er Jahre geschah.
Conor Doherty: Okay, um das noch einmal zusammenzufassen, Computer sind gut in Entscheidungen. Aber wie passt ein Supply Chain-Praktiker, der dies hört, in das heutige Gespräch? Was ist die Kernaussage oder die oberste Ebene für sie?
Joannes Vermorel: Zunächst einmal würde ich sagen, dass Computer nicht besonders gut in Entscheidungen sind. Sie sind nur die Werkzeuge, die wir haben, und im Moment haben wir keine praktikable Option, die Entscheidungsprozesse zu mechanisieren. Das ist sozusagen ein Akt des Glaubens. Warum wollen wir mechanisieren? Weil die Mechanisierung in den letzten zwei, vielleicht sogar drei Jahrhunderten Fortschritte vorangetrieben hat. Im 20. Jahrhundert war es die Mechanisierung von Arbeiterjobs mit absolut erstaunlichen Produktivitätssteigerungen, wie zum Beispiel 100-fach. Jetzt, im 21. Jahrhundert, sehen wir genau dasselbe, aber für Bürojobs, und das geschieht dank Computern. Wir könnten uns eine parallele Welt vorstellen, in der es mit anderen Dingen geschieht, aber im Moment ist der beste Ansatz, den wir haben, Computer.
Warum ist das wichtig? Ich würde sagen, wir müssen quantitative Supply Chain-Ressourcen und Computing-Hardware als Teil des grundlegenden Wissens behandeln. Wann war es das letzte Mal nützlich für Sie zu wissen, wo Kanada auf der Weltkarte liegt? Wann war es das letzte Mal nützlich zu wissen, dass Russland keine Grenze zu Brasilien hat? Das sind die Arten von Dingen, bei denen es Ihnen im Alltag nicht sehr klar ist, dass zum Beispiel grundlegende Kenntnisse der Weltgeografie von praktischem Nutzen sind. Dennoch würden die meisten Menschen in diesem Publikum sagen, dass es wichtig ist. Was würden Sie von jemandem halten, der weder China, Kanada noch Russland auf einer Weltkarte platzieren könnte? Das würde sehr seltsam klingen, und Sie würden dieser Person wahrscheinlich nicht viele Aufgaben in Ihrer Organisation anvertrauen.
Also können Sie es in gewisser Weise als eine Art Trivia betrachten, aber es ist auch grundlegendes Wissen. Wenn Sie nichts darüber wissen, wird das Probleme verursachen. Welche Art von Problemen? Das hängt sehr von den spezifischen Situationen, dem Unternehmen und der Branche ab. Aber Sie können eine ganze Reihe von Problemen erwarten. Ich glaube, dass das Wissen über Computing-Hardware und quantitative Supply Chain-Ressourcen sehr viel zu diesem grundlegenden Wissen gehört, von dem Supply Chain-Experten Kenntnis haben sollten. Sie sollten eine gewisse mechanische Sympathie haben, ein Begriff aus der Formel 1, für diese Dinge.
Conor Doherty: Nun, ich mag die Analogie, die Sie verwenden, und ich werde versuchen, diesen Punkt zu klären. Wenn Sie sagen, dass grundlegendes Wissen darin besteht, zu wissen, dass Brasilien und Russland keine gemeinsame Grenze haben, dann ist das eine Granularität des geografischen Wissens. Eine andere ist zu wissen, wie viele Hauptstädte Südafrika hat. Dies sind qualitativ unterschiedliche Ebenen oder Granularitäten des geografischen Bewusstseins. Wenn Sie diesen Unterschied auf Hardware oder quantitative Supply Chain-Ressourcen übertragen, wenn Sie von grundlegendem Wissen sprechen, meinen Sie dann, dass ich wissen sollte, wo der USB-Anschluss für meine Maus ist, oder meinen Sie, dass ich wissen sollte, wie eine SSD-Festplatte funktioniert? Welche Größenordnung des Wissens haben wir hier?
Joannes Vermorel: Ich spreche eher von den Abstraktionen. Es gibt endlos viele Trivia über Computing-Hardware. Es geht nicht darum, jedes einzelne Gerät und seine Preispunkte zu kennen. Wenn Sie ein Geek sind, können Sie das gerne lesen, und das tue ich auch. Aber im Grunde geht es mehr um diese sehr großen, sehr etablierten Klassen von Ressourcen. Das hängt ein wenig von der Architektur ab, aber diese Architekturen sind seit mindestens fünf Jahrzehnten sehr stabil, also können Sie erwarten, dass das so weitergeht.
Wovon sprechen wir? Wir sprechen von Dingen wie Speicher, flüchtigem Speicher, persistentem Speicher, Bandbreite, arithmetischer Berechnung, Ein- und Ausgabe (I/O), Durchsatz, Latenz. All diese Dinge waren schon seit vielen Jahrzehnten von Bedeutung und hatten stabile Klassen von Anliegen. Das meine ich damit, dieses grundlegende Wissen zu haben, um zu sehen, welche Arten von Anliegen es gibt und welche entsprechende Computing-Hardware. Wie passt das alles zusammen, um etwas mit einem modernen Computer zu tun?
Wenn wir uns in Bezug auf die Ebenen zurückziehen, möchten Sie letztendlich, dass Ihre Entscheidungsprozesse dank dieser Computing-Hardware berechnet werden. Wenn Sie keinerlei Kenntnisse darüber haben, was auf der Hardware-Ebene passiert, ist es völlig magisch. Wie hoch ist die Wahrscheinlichkeit, dass Sie überhaupt begreifen können, ob eine Methode für die Hardware, die Sie haben, geeignet ist oder nicht? Ich spreche nicht von einer super detaillierten granularen Verständnis, sondern von einem super grundlegenden Verständnis, ob es überhaupt funktionieren wird.
Conor Doherty: Zum Beispiel verwenden Sie den Begriff… Entschuldigung, lassen Sie mich einen Schritt zurückgehen. Sie haben ein paar Programmierparadigmen genannt. Ich glaube, es war in einer Ihrer Vorlesungen. Sie haben über Programmierparadigmen, statische Analyse, RA-Programmierung, differentielle Programmierung, Versionskontrolle, Persistenz, all diese Konzepte gesprochen. Meine Frage ist, wie passen diese zusammen, um bessere Entscheidungen zu treffen, von denen Sie sprechen?
Joannes Vermorel: Dies ist grundlegendes Wissen, also erwarten Sie keine sehr spezifischen Anwendungsfälle von mir, genau wie bei der Grundgeografie. Wann haben Sie das letzte Mal unbedingt wissen müssen? Wahrscheinlich nie. Es ist umgebend. Das Problem ist, dass Sie, wenn Ihnen grundlegende Wissensebenen fehlen, im Dunkeln tappen. Sie sehen nicht einmal, dass Sie im Dunkeln sind. Sie erkennen nicht einmal, dass es so viel gibt, was Sie nicht begreifen. Das ist wirklich mein Punkt.
Lassen Sie uns einen Schritt zurückgehen. Sie möchten diese Entscheidungen mit einem Computer generieren. Das bedeutet, Sie werden wahrscheinlich mehrere Lieferanten auswählen. Sie werden Rechenressourcen aus der Cloud kaufen oder mieten. Sie können die ganze Sache vollständig an Ihre IT delegieren, aber warum sollte die IT gut darin sein, Hardware für etwas auszuwählen, von dem sie nichts weiß? Wenn ich Ihnen zum Beispiel sage: “Liebe IT, bitte suchen Sie mir das beste Auto aus”, unbestimmt. Okay, gut. Also sagt die IT: “Okay, dann nehme ich Ihnen einen Formel-1-Wagen.” Und Sie sagen: “Nun ja, aber eigentlich möchte ich in Dünen entlang des Strandes fahren.” Dann stellt sich heraus, dass der Formel-1-Wagen ein völlig mieses Fahrzeug ist, weil er absolut nicht dafür konzipiert ist, im Sand zu fahren.
Wenn Sie mir nur sagen, dass ich etwas Gutes nehmen soll, werden sie etwas grundsätzlich Gutes nehmen, wie einen Formel-1-Wagen. Ist es ein gutes Auto? Ja, es ist ein gutes Auto für einen bestimmten Verwendungszweck. Aber wenn Sie sagen: “Ich möchte ein Auto, in dem ich meine achtköpfige Familie parken kann”, dann wird das eine ganz andere Definition von dem sein, was gut ist. Wir haben die Illusion, dass es bei IT, Computertechnik und Computertechnik im Allgemeinen um Spezialisten geht. Genauso wie die Auswahl eines Autos bin ich kein Autoexperte, also sage ich einfach der Autobranche, dass sie mir ein gutes Auto aussuchen und sich darum kümmern soll. Diese Leute haben so viele Optionen, was gut überhaupt bedeutet, dass sie etwas zufällig auswählen. Dann können Sie am Ende der Empfängerseite beschweren: “Oh, aber die Kosten für diesen Formel-1-Wagen sind extravagant. Ich kann nicht einmal eine zweite Person im Auto mitnehmen, und wo ich fahren möchte, nämlich im Sand, wird er nicht einmal 10 Meter fahren, bevor die Räder aufgrund des geringen Bodenabstands die Traktion verlieren.” Wenn es ein Auto wäre, würden die Leute zustimmen, dass es lächerlich wäre.
Aber wenn wir über Computertechnik sprechen, finden es die meisten Unternehmen völlig akzeptabel, desinteressiert zu sein. Obwohl ich wieder zur Praxis der Lieferkette zurückkehre. Eine moderne Praxis der Lieferkette ist extrem abhängig von dieser Computertechnik. Lieferketten wurden vor Jahrzehnten digitalisiert, und selbst Unternehmen, die sich für low-tech halten, sind in hohem Maße auf Computer angewiesen, selbst wenn es nur für Excel ist.
Wenn Sie täglich auf diese Tools angewiesen sind, sind Sie auf sie in einer sehr aufwändigen Weise angewiesen. Zum Beispiel bin ich auf die Verfügbarkeit von Wasser angewiesen, aber ich muss nichts über die Wasserversorgung wissen. Das ist richtig, weil Wasser als Produkt extrem einfach ist. Es ist chemisch einfach, und wenn Sie Leitungswasser sagen, erwarten Sie 99,99% H2O plus ein bisschen Mineralien und ein bisschen Chlor aus hygienischen Gründen, und das ist es.
Also sehen Sie, es ist und die Temperatur sollte etwas zwischen 10 und 20 Grad sein, und das ist es. Es ist also etwas, das extrem einfach ist. Deshalb haben Sie, die Abstraktionsschicht, die sagt: “Ich bekomme Leitungswasser und es ist gut zu trinken.” Ich kann es mir leisten, nichts darüber zu wissen, was stromaufwärts passiert. Aber das Problem, und da komme ich zum Punkt der Rechenressourcen, ist, dass Rechenressourcen viele Dimensionen haben. Es ist nicht so einfach wie Wasser. Es ist eher wie ein Auto. Es gibt so viele verschiedene Arten von Autos, so viele verschiedene Möglichkeiten, was ein gutes Auto sein könnte.
Wenn ich sage: “Was ist gutes Wasser?”, wissen Sie, außer wenn Sie sehr spezifische Experimente durchführen, industrielle Verarbeitung, die ultrareines Wasser erfordert und so weiter, für praktisch alle Situationen, die Sie im Leben antreffen werden, ist normales Leitungswasser genau das, was Sie brauchen. Sie müssen also nichts darüber wissen, weil Sie es mit einem Produkt zu tun haben, das extrem einfach ist. Aber wenn Sie es mit einem Produkt zu tun haben, das viele Dimensionen hat, wie einem Auto, dann müssen Sie etwas darüber wissen, wenn Sie es kaufen möchten.
Also nochmal, wenn wir zu Supply-Chain-Praktikern gehen, stellt sich heraus, dass Sie extrem von Rechenressourcen abhängig sind, um viele Dinge zu erledigen. Diese Dinge werden in Zukunft noch häufiger vorkommen. Was lässt Sie glauben, dass Sie völlig unwissend über die physische Ebene davon sein können?
Conor Doherty: Nun, es gibt einige Punkte, von denen einer ist, dass Lieferketten offensichtlich sehr komplex sind. Sie versuchen viele, viele Dinge zu lösen, und das hängt vom Kontext ab. Möglicherweise möchten Sie das Auto in der Wüste fahren, Sie möchten es auf Hügeln fahren, Sie möchten es in der Stadt fahren. Dies sind alles verschiedene Kontexte, aber es gibt dennoch gemeinsame Eigenschaften in Bezug darauf, was zumindest wir denken, dass Unternehmen mit ihren Rechenressourcen versuchen sollten zu tun. Können Sie das bitte etwas genauer erläutern?
Joannes Vermorel: Ja, also hier ist das Ding, Sie möchten zum Beispiel Ihre Transaktionshistorie analysieren. Das wäre etwas. Okay, das bedeutet, dass diese Daten gespeichert werden müssen. Wo werden sie gespeichert? Welche Art von Hardware? Welche Eigenschaften wird diese Hardware haben? Wenn Sie die Daten speichern und dann auf die Daten zugreifen möchten, hat das Auswirkungen? Die Antwort ist ja, das hat es. Um Ihnen eine sehr einfache Vorstellung zu geben, nehmen wir an, Sie möchten diese Daten auf einer rotierenden Festplatte speichern.
Es spielt keine Rolle, ob es Ihre eigene rotierende Festplatte ist oder ob Sie sie von einer Cloud-Computing-Plattform mieten. Wenn die Daten auf einer rotierenden Festplatte gespeichert sind, bedeutet das, dass die Festplatte im Durchschnitt für eine halbe Umdrehung rotieren muss, damit Sie auf den Bereich zugreifen können. Das liegt einfach daran, dass die Daten überall auf der Festplatte sein können. Sie möchten auf ein Datenstück zugreifen, im Durchschnitt muss die Festplatte für eine halbe Umdrehung rotieren.
Okay, gut. Was bedeutet das, welche Konsequenzen hat das? Nun, die Konsequenz ist, wie schnell kann die Festplatte rotieren? Nun, eine Festplatte dreht sich normalerweise mit etwa 7.000 Umdrehungen pro Minute, und wenn es sich um ein sehr hochwertiges Laufwerk handelt, kann es vielleicht auf 11.000 oder vielleicht 12.000 gehen, aber das ist es. Umdrehungen pro Minute. Das bedeutet, dass Sie in Bezug auf Latenzen etwas wie 20 Millisekunden oder so erwarten sollten, um auf ein beliebiges Datenstück zuzugreifen.
Sie würden sagen: “Nun, 20 Millisekunden sehen kurz aus.” Aber ist es das? Denn 20 Millisekunden bedeuten, dass Sie pro Sekunde nur auf 50 verschiedene Datenstücke auf Ihrer Festplatte zugreifen können, wenn Sie herumspringen möchten. Wenn Sie Millionen, zig Millionen Datensätze abrufen müssen, sehen Sie schnell, dass sich diese Sache in verrückte, verrückte Verzögerungen verwandelt. Nun könnten Sie sagen: “Okay, aber meine Festplatte kann Terabyte an Daten speichern.”
Ja, aber wenn das Abrufen der Daten aufgrund der Tatsache, dass Sie so viel auf der Festplatte herumspringen müssen, Tage dauert, ist es nicht sehr gut. Vielleicht kann ich also viele kleinere Festplatten nehmen und ich werde mehr Durchsatz beim Zugriff auf das Springen haben. Oder vielleicht kann ich sogar eine ganz andere Art von Speicher verwenden und mich für SSDs, Solid State Drives, entscheiden, die für diese zufälligen Zugriffe viel, viel bessere Latenzen bieten.
Aber sehen Sie, das ist die Art von Sache, bei der, wenn Sie keinerlei Kenntnisse über Computerressourcen und die Klassen von Computerhardware haben, die diese Ressourcen bereitstellen, solche Fragen niemals in Ihrem Denken auftauchen würden. Und kann es Ihnen schaden? Nun, das ist die Frage. Was Sie nicht wissen, kann es Ihnen schaden? Ich würde sagen ja, denn Sie werden viele dieser Dinge entweder direkt oder indirekt kaufen.
Sie kaufen sie direkt, wenn Ihre IT-Abteilung einfach Cloud-Computing-Ressourcen kauft, aber Sie kaufen diese Dinge auch indirekt, wenn Sie einen Lieferanten für Supply-Chain-Software auswählen. Denn wenn Sie einen Anbieter auswählen, wählen Sie eine bestimmte Art und Weise, um diese Computerressourcen zu verbrauchen, um das gewünschte Ergebnis zu erzielen. Und hier ist meine Botschaft, dass wenn Sie denken, dass der durchschnittliche Softwareanbieter irgendeine Kompetenz in diesem Bereich hat, sind Sie völlig getäuscht.
Der überwiegende Teil meiner Konkurrenten, Lokad-Konkurrenten, hat meiner Meinung nach, wenn man sich das Management und deren Interessen ansieht, im Allgemeinen keinerlei Interesse an Computertechnik. Und als Folge davon sollte es nicht allzu überraschend sein, dass ihre Software als Ergebnis davon entsetzlich ineffizient ist. Und warum ist das so? Nun, es geht zurück auf die Frage, wenn Sie keinerlei Aufmerksamkeit auf Ihre Hardware richten, warum sollten Sie dann denken, dass die Software, die Sie letztendlich darauf aufbauen, diese Hardware sehr gut nutzen wird?
Wissen Sie, das wäre so, als würden Sie einen Formel-1-Wagen wählen, unabhängig von der Straße, auf der Sie fahren möchten, und sich dann wundern, warum dieses Fahrzeug am Strand so schlecht ist. Überraschung, Überraschung, das passiert, wenn Sie keinerlei Aufmerksamkeit auf die Computertechnik richten.
Also noch einmal, wenn Sie in einer perfekten Welt vertrauen könnten, könnten Sie Vertrauen in Berater, Softwareanbieter und diese Leute haben, die alle richtigen Entscheidungen für Sie getroffen haben. Aber es stellte sich heraus, dass aufgrund der Tatsache, dass die überwiegende Mehrheit der Supply-Chain-Praktiker völlig unwissend ist, Softwareanbieter sich auch völlige Unwissenheit leisten können. Warum sollten sie es nicht sein, schließlich können Kunden den Unterschied zum Zeitpunkt des Kaufs der Software oder der Lösung nicht erkennen? Es spielt keine Rolle, ich meine, es spielt keine Rolle, bis sie von den Folgen dieser Ignoranz getroffen werden.
Conor Doherty: Nun, also zunächst einmal ist nichts falsch daran, eine Meinung zu haben, das ist einfach das, was wir hier tun. Aber wenn Sie sagen, dass Unternehmen letztendlich Software von einem Anbieter kaufen, denke ich, Sie haben gesagt, dass sie Ressourcen verbrauchen, um das zu bekommen, was sie wollen oder um das zu bekommen, was Sie wollen. Letztendlich geht es hier um Entscheidungen. Sie haben also ein wenig Theorie gegeben, aber können Sie etwas konkreter werden für Leute, die neugierig sind? Wie beeinflusst eine bessere Nutzung von Rechenressourcen, wie Sie es beschreiben, Entscheidungen oder getroffene Entscheidungen in der realen Welt?
Joannes Vermorel: Wenn Sie Entscheidungen treffen, haben Sie viele Möglichkeiten, numerische Rezepte zu erstellen, die letztendlich diese Entscheidung generieren. Das Problem ist, dass wenn die Art und Weise, wie Sie Ihre Rechenressourcen verbrauchen, fantastisch ineffizient ist, und lassen Sie mich ein Beispiel geben. Wenn Sie zum Beispiel eine relationale, transaktionale Datenbank verwenden, eine SQL-Datenbank, dasselbe, hat nichts mit Geld zu tun. Tatsächlich, wenn Sie eine transaktionale Datenbank verwenden und analytische Rezepte durchführen möchten, numerische Rezepte, einfach nur ein bisschen Zahlen jonglieren, zahlen Sie eine Overhead-Steuer von wahrscheinlich einem Faktor 100, zwei Größenordnungen mindestens, wenn nicht sogar 300, drei Größenordnungen.
Und warum ist das so? Weil diese Software-Schicht, die Transaktionsschicht, Ihnen einige sehr interessante Eigenschaften bietet, aber sie haben nichts mit analytischen Berechnungen zu tun. Sie bieten Ihnen im Wesentlichen die vier Eigenschaften, die als ACID bekannt sind: Atomarität, Konsistenz, Isolation, Dauerhaftigkeit. Diese Dinge sind sehr schön für transaktionale Prozesse. Sie garantieren Dinge wie zum Beispiel, wenn Sie erklären möchten, dass ein Lieferant bezahlt wurde, können Sie niemals in eine Situation geraten, in der das Geld gesendet wurde, der Auftrag an die Bank, aber die Rechnung des Lieferanten nicht beglichen wurde, nur weil zum Beispiel das Computersystem während des Vorgangs abgestürzt ist.
Sie könnten also theoretisch in einer Situation enden, in der Sie bereits den Überweisungsauftrag abgegeben haben, aber nicht festgehalten haben, dass diese Rechnung eines Lieferanten beglichen wurde. Wenn Sie das System das nächste Mal neu starten, geben Sie eine zweite Zahlung aus und bezahlen den Lieferanten effektiv zweimal. Das ist die Art von Dingen, die Sie mit einer Transaktionsschicht bekommen können. Es ist sehr, sehr wichtig für transaktionale Dinge, bei denen es im Wesentlichen ein Konto gibt, das erhöht wird, und ein anderes Konto, im Sinne der Buchhaltung, das verringert wird. Sie möchten, dass diese Dinge logisch zur gleichen Zeit passieren, damit Sie diese Dinge niemals aus dem Takt bringen.
Gut, aber wenn Sie dieses Software-Paradigma verwenden, um Ihre analytischen Ressourcen aufzubauen, sind Sie wahnsinnig ineffizient. Und überraschung, Überraschung, das ist genau das, was 99% meiner Mitbewerber tun. Was bedeutet das in Bezug auf Entscheidungsfindung? Nun, wenn die Art und Weise, wie Sie Rechenressourcen verwenden, bereits einen Overhead von einem Faktor 100 hat, bedeutet das, dass Sie auf sehr, sehr einfache numerische Rezepte beschränkt sind. Einfach weil Sie, sobald Sie eine gewisse Komplexität haben, in Bezug auf Computerressourcen komplett über dem Budget liegen. Das bedeutet, dass die Preise sehr schnell extrem hoch werden.
Sehen Sie, das ist kein Werbeelement. Wenn Sie Ihr Budget für Rechenressourcen nicht unter Kontrolle haben, können Sie verrückte Ausgaben haben. Nur um einen Preis zu nennen, viele meiner Kollegen, nicht Konkurrenten, Kollegen, die ein Software-as-a-Service-Unternehmen sind und sich mit schweren analytischen Arbeitslasten befassen, wenn ich mir das S1 anschaue, also das S1 ist ein Dokument, das Sie veröffentlichen müssen, wenn Sie in den USA an die Börse gehen möchten. Es ist sehr interessant, weil das praktisch ein Bericht an die Investoren, an die zukünftigen Investoren ist. Hier können Sie die Aufschlüsselung der Ausgaben der letzten drei, vier Jahre sehen.
Die meisten Softwareunternehmen, die analytisch waren, wie Lokad, nicht tatsächlich Supply Chain, können alles sein, wissen Sie, das kann Betrugserkennung sein, das können Verarbeitung von Systemprotokollen sein, was auch immer. Sie haben in der Regel die Hälfte ihrer Ausgaben auf Cloud-Computing-Ressourcen ausgerichtet. Die Menge der Ausgaben ist sehr, sehr signifikant. Trotz der Bezahlung von extrem teuren Ingenieuren und einem extrem teuren Vertrieb schaffen sie es immer noch, die Hälfte ihrer Ausgaben an Cloud-Computing-Anbieter zu senden. Sie sehen also, dass die Vorstellung, dass die Kosten für Rechenressourcen vernachlässigbar sind, für die meisten Softwareanbieter der analytischen Klasse wie Lokad völliger Unsinn ist.
Systeme, die nicht annähernd intelligent sind, sondern entweder Berichtssysteme oder Systeme der Bedürftigkeit, können sehr, sehr signifikante Ausgaben verursachen. Wenn ich sage, dass Sie bei Ineffizienz das 100-fache ausgeben, können Sie sehen, dass es nicht möglich ist, wenn Sie bereits die Hälfte Ihrer Einnahmen für Rechenressourcen ausgeben. Es ist nicht einmal etwas, das auch nur ansatzweise möglich ist. Das bedeutet also, dass Sie, um im Budget zu bleiben, was tun Sie? Nun, Sie erhöhen einfach den Preis. Das ist es, was sie tun, aber selbst das hat Grenzen. Sie können Ihren Preis verdoppeln, vielleicht vervierfachen, aber Sie können Ihre Preise nicht um das 100-fache multiplizieren.
Also gehen die meisten Softwareanbieter einfach auf einfachere und billigere Lösungen, auch wenn sie extrem simplistisch sind und ihren Kunden einen Bärendienst erweisen. Die Realität ist, dass sie sich als Anbieter etwas, das weniger dysfunktional sein könnte, nicht leisten können, weil es viel zu kostspielig wäre. Und warum können sie sich das nicht leisten? Weil sie absolut verschwenderisch mit ihren Rechenressourcen umgehen.
Conor Doherty: Nun, mir fällt wieder auf, dass wenn Sie sprechen und erklären, wie Sie denken, dass Rechenressourcen zugewiesen werden sollten, es darum geht, grundlegend bessere Entscheidungen zu treffen. In Ihrem Kopf ist das das Problem, das gelöst werden sollte. Aber das ist nicht unbedingt das gleiche Paradigma, das alle Unternehmen, oder besser gesagt, nicht alle Unternehmen, anwenden. Zum Beispiel könnte es ein Unternehmen sein, das etwas wie die Verfolgung des Servicelevels oder die Verfolgung der Prognosegenauigkeit priorisiert, und das ist das Ziel, das ist das Wunschdenken, dem Sie nachgehen. Wie würde sich die Zuweisung von Rechenressourcen in dieser Situation unterscheiden? Und bitte kommentieren Sie.
Joannes Vermorel: Also, gut, Sie setzen sich ein Ziel. Hierbei hinterfrage ich diesen Teil nicht. Wenn ich von besseren Entscheidungen spreche, meine ich nach welchen Metriken auch immer, nach welchen Zielen Sie sich selbst setzen. Also ist es egal. Wenn Sie ein besseres Servicelevel wollen, ist das in Ordnung. Das ist Ihr Ziel. Jetzt haben Sie sich ein Ziel gesetzt und jetzt haben Sie Rechenleistung zur Verfügung, Rechenressourcen, die Sie nutzen können, um Entscheidungen zu treffen, die nach Ihren Zielen hin besser sein werden. In Ordnung.
Lassen Sie uns nun klären, was das allgemeine Paradigma für so ziemlich alle meine Konkurrenten ist. Das allgemeine Paradigma besagt, dass Ingenieure anfangen, an etwas zu arbeiten, und dann, wenn dieses Etwas mit der besten Hardware, die man kaufen kann, kompatibel ist, aufhören zu arbeiten und das Produkt an die Kunden verkaufen. Wie sieht das aus? Das bedeutet, dass ich zum Beispiel die Bestandsauffüllung für ein Einzelhandelsnetzwerk machen möchte. Also habe ich, sagen wir, 20 Millionen SKUs. In Ordnung. Zuerst versuche ich verschiedene Dinge, es funktioniert nicht, also weiche ich auf eine Sicherheitsbestandsanalyse aus, die in Bezug auf Rechenressourcen äußerst trivial ist.
Und dann, weil mein System so ineffizient mit extrem teurer Rechenhardware ist, kann ich es zum Laufen bringen. Und dann höre ich auf und verkaufe das an den Kunden. Was war also das Denken in diesem Paradigma? Denn es war tatsächlich in der Softwareindustrie, glaube ich, das dominierende Paradigma bis Ende der 90er Jahre des 20. Jahrhunderts. Dieses Paradigma besagte im Wesentlichen, dass die Rechenhardware exponentiell fortschreitet. Die Idee wäre also, dass Sie die beste Hardware kaufen, die Sie sich leisten können, und sobald sie funktioniert, dass Sie etwas haben, das innerhalb dieser Grenzen funktioniert, selbst wenn die Kosten wahnsinnig sind, selbst wenn Sie Ihre Rechenressourcen nicht wirklich gut nutzen, spielt das keine Rolle.
Warum? Weil es eine exponentielle Entwicklung der Rechenhardware in allen Metriken gibt. Das war das, was die Leute als Mooresches Gesetz bezeichnen, aber tatsächlich gab es so viele andere Gesetze für alles. Alle Rechenressourcen entwickelten sich, alle Metriken entwickelten sich, und das war sehr viel eine der Ideen, die Microsoft in den 90er Jahren wieder extrem erfolgreich gemacht haben. Die Idee ist, dass es egal ist, wie schrecklich die Leistung ist, solange es funktioniert, weil in fünf Jahren die Rechenhardware so weit fortgeschritten sein wird, dass diese Rechenressourcen trivialisiert werden.
Das funktionierte bis Ende der 90er Jahre, seit etwa dem Jahr 2000 in diesem Bereich haben wir jedoch ganze Klassen von Metriken, die sich nicht verbessert haben. Zum Beispiel hat sich die Latenz zwischen CPU und Speicher in den letzten zwei Jahrzehnten so gut wie nicht verändert. Aufgrund der Tatsache, dass wir jetzt durch die Lichtgeschwindigkeit begrenzt sind, wird sich das in absehbarer Zukunft nicht ändern.
Ein weiteres Element ist wiederum die Lichtgeschwindigkeit. Pakete über das Internet einer langen Strecke reisen jetzt mit etwa zwei Dritteln der Lichtgeschwindigkeit, daher gibt es nicht so viel Spielraum, um die Geschwindigkeit der Pakete über das Internet zu verbessern, da wir bereits sehr, sehr nahe an der Lichtgeschwindigkeit sind. Wir können mehr Bandbreite haben, also können wir viele mehr Pakete versenden, kein Problem, aber in Bezug auf die Rohgeschwindigkeit der Pakete selbst sind wir jetzt sehr nahe an den Grenzen der Physik, zumindest der Physik, wie wir sie kennen.
Also, das ist die Art von Sache, bei der dieses Paradigma, das Ende der 90er Jahre in der Softwareindustrie sehr verbreitet war, “mach einfach etwas, das funktioniert, und dann verkaufe es und mach dir keine Sorgen um die Leistung, weil es wie eine Narrenarbeit ist”. Die Branche, die Hardwarebranche, wird alles so sehr verbessern, dass all diese Leistungsbedenken innerhalb weniger Jahre irrelevant werden. Das war die Denkweise.
Interessanterweise haben wir immer noch sehr schöne Fortschritte bei der Rechenhardware, aber der Fortschritt ist sehr subtil geworden. Es gibt immer noch exponentielle Fortschritte, aber nur in sehr spezifischen Bereichen, nicht in allen Metriken, sondern in einigen Metriken. Das Interessante ist, dass sich die meisten B2C-Softwareindustrie sehr darauf konzentriert hat. Zum Beispiel widmet die Videospielindustrie diesen Arten von Details viel Aufmerksamkeit. Aber wenn es um Unternehmenssoftware geht, leben sie immer noch zu 99% in den späten 90er Jahren, wo sie keine Aufmerksamkeit schenken und einfach so arbeiten, als ob die Fortschritte der Rechenhardware in fünf Jahren die Kosten ihres Systems trivial gemacht hätten. Das ist nicht der Fall.
Tatsächlich enden wir aufgrund der Tatsache, dass die von Unternehmen verwaltete Datenmenge zunimmt, in einer Situation, in der die Kosten, die Sie aufwenden müssen, um Ihre Systeme am Laufen zu halten, Jahr für Jahr für die meisten Softwareanbieter schneller steigen als der Preis, der von der Rechenhardware sinkt. Jahr für Jahr geben Sie also immer mehr aus, um funktional das gleiche Qualitätsniveau Ihrer Entscheidungsprozesse oder Unterstützung für Ihre Entscheidungsprozesse aufrechtzuerhalten, wenn es nicht vollständig automatisiert ist.
Conor Doherty: Nun, der Fortschritt der Hardware oder der Fortschritt der Rechenleistung ist subtil geworden, glaube ich, war der Begriff, den Sie verwendet haben. Es ist subtil, es gibt keine exponentiellen Sprünge mehr.
Joannes Vermorel: Es gibt spezifische Richtungen, keine Dimensionen. In den 90er Jahren verbesserte sich interessanterweise alles in jeder Hinsicht. Es gab keine einzige Metrik, die sich nicht verbessert hätte. Heutzutage gibt es viele Metriken, die sich seit buchstäblich einem Jahrzehnt nicht bewegt haben.
Wenn Sie sich zum Beispiel die Menge an Wärme ansehen, die Sie von einem Computer ableiten können, muss Ihr Computer die Wärme loswerden. Sie können Kupferverkabelung haben, Sie können Lüfter haben, Sie können verschiedene Dinge tun, um die Wärme aus dem Inneren des Computers abzuleiten, damit diese Dinge nicht überhitzen. Aber wir haben bereits das Limit dessen erreicht, was mit Luft machbar ist. Es gibt Grenzen, die vor zwei Jahrzehnten erreicht wurden. Sie können Wasser verwenden, um es etwas leistungsfähiger zu machen. Wenn Sie es super ausgefallen haben möchten, können Sie flüssigen Stickstoff verwenden. Es ist ziemlich unpraktisch, aber für schöne Benchmarks usw. ist es möglich.
Also haben wir die Grenzen erreicht. Wir haben keine magischen Materialien, die es uns ermöglichen, die doppelte Menge an Wärme abzuführen. Ich meine, wir könnten vielleicht Diamanten verwenden. Diamant ist ein fantastischer Wärmeleiter, aber die Vorstellung, Kilogrammweise Diamanten zur Wärmeableitung zu verwenden, ist noch in weiter Ferne. Selbst das würde uns nur einen bescheidenen Schub im Vergleich zu Kupfer geben, das bereits ein ausgezeichneter Leiter ist.
Conor Doherty: Nun, das zeigt tatsächlich meinen Punkt noch etwas deutlicher. Um den Gedanken zu beenden, wenn…
Okay, ich nehme das Beispiel, das Sie gerade gegeben haben. Sie sprachen über den Unterschied zwischen Kupferdraht und Diamanten als Wärmeleiter. Um ein wenig mehr Leistung aus den Eigenschaften der Wärmeableitung eines Computers herauszuholen, ist ein recht nuanciertes und spezialisiertes Verständnis der Computertechnik erforderlich. Also, um zum Hauptthema zurückzukommen, wie lässt sich eine Erhöhung Ihres grundlegenden Umgebungswissens in eine bessere Leistung der Lieferkette umsetzen, wenn die Margen so gering sind, wie Sie es beschreiben?
Joannes Vermorel: Nein, ich denke, das ist wieder das, was grundlegendes Wissen klärt. Kauft Ihre IT die richtige Art von Dingen, auch in Bezug auf die Richtung? Haben Sie eine Ahnung davon? Können Sie überhaupt mit Ihrer IT darüber diskutieren? Wenn Sie das nicht können, warum sollten Sie dann überhaupt erwarten, dass das, was sie kaufen, auch nur annähernd sinnvoll ist?
Noch einmal, gehen Sie zurück zur Formel 1, um an den Strand zu gehen. Das ergibt keinen Sinn, aber das ist genau das, was passiert, wenn Menschen überhaupt keine Kenntnisse darüber haben, worum es geht. Wenn Sie einen Anbieter auswählen möchten, können Sie überhaupt eine intelligente Diskussion darüber führen, wie sie die Rechenressourcen verbrauchen, um Ihnen entweder bessere Entscheidungen oder eine bessere Unterstützung für Ihre Entscheidungen zu geben? Verbrauchen sie diese Ressourcen in einer Weise, die angemessen ist in Bezug auf die Rechenhardware, die wir haben? Macht die Architektur Sinn oder überhaupt nicht?
Auch wenn Sie in Bezug auf ein Auto denken, gibt es so viele Dinge, die Sie intuitiv wissen. Aerodynamik zum Beispiel. Wenn Sie sich ein Auto ansehen würden, das die Gesetze der Aerodynamik massiv verletzen würde, würden Sie denken: “Okay, dieses Ding wird einen so immensen Luftwiderstand haben, der Verbrauch wird schrecklich sein.” Es gibt keine Alternative. Also sehen Sie, es ist genau das, was aufgrund des grundlegenden Wissens einfach ist. Sie müssen nicht unbedingt gesagt bekommen, wenn Sie ein sehr niedriges Auto sehen, dass die Aerodynamik gut sein wird und dass dieses Auto höchstwahrscheinlich schneller fahren kann.
Das ist das Ding. Sie müssen nicht einmal darüber nachdenken, welche Strömungsmechanik im Spiel ist und so weiter. Es ist intuitiv. Das ist genau das, worauf ich hinaus will: Wenn wir bessere Entscheidungen treffen wollen, können Sie intuitiv Dinge erkennen, die extrem dysfunktional sind? Mein Punkt ist, dass aufgrund der Tatsache, dass 99,9% der Kunden oder Supply Chain-Experten völlig blind für die Frage sind, wenn es ein paar Geeks gibt, sind Sie wie eine winzige, winzige Minderheit. Wenn Sie blind sind, bedeutet das wiederum, dass die Reaktion des Ökosystems, der Softwareanbieter, der Lösungsanbieter, der Berater, ist, dass sie nicht aufpassen müssen. Ihre Kunden achten nicht darauf. Warum sollten sie also?
Wenn Sie in einem Land leben, in dem Benzin kostenlos ist, warum sollten Automobilhersteller dann auf den Verbrauch ihrer Autos achten? Für sie bedeutet kostenloses Benzin, dass es für die Kunden größtenteils eine irrelevante Sorge ist. Wenn die Kunden nicht darauf achten, achten die Autohändler nicht darauf. Wenn wir zu Softwareanbietern gehen, wenn Kunden ahnungslos sind und nicht darauf achten, warum sollten dann Unternehmensanbieter darauf achten? Die Antwort lautet: Nun, sie tun es nicht. Effektiv achten sie nicht darauf.
Deshalb sind die Leute heutzutage immer überrascht, wenn sie sich Unternehmenssoftware ansehen. Sie klicken, Sie möchten nur einen Bericht sehen, Sie möchten nur etwas Minimalistisches tun, und es dauert Sekunden. In Bezug auf die Reaktionsfähigkeit ist Unternehmenssoftware im Durchschnitt sehr schlecht. Sie ist sehr langsam. Wenn Sie beispielsweise eine Websuche durchführen möchten, möchten Sie eine Websuche auf Google durchführen. Innerhalb von etwa 50 Millisekunden, vielleicht 100 Millisekunden, kann Google das Web durchsuchen und Ihnen eine Zusammenfassung von Dingen geben, die Ihrer Abfrage entsprechen. Das geht extrem schnell und flüssig.
Im Gegensatz dazu möchten Sie nur etwas sehr Grundlegendes tun, wie zum Beispiel “Ich möchte den Zustand dieses SKUs überprüfen”, und es dauert Sekunden. Das Interessante daran ist, dass es auf der Rechenhardware, die wir im Jahr 2024 haben, Sekunden dauert. Vor 20 Jahren dauerte es bereits eine Sekunde, obwohl die Hardware 100-mal weniger leistungsfähig war. Was ist passiert? Nun, was passiert ist, dass die zusätzliche Rechenhardware, die zusätzlichen Fähigkeiten dieser Hardware, durch ineffiziente Software einfach verschwendet wurden.
Conor Doherty: Danke. Wenn Sie über grundlegendes Wissen sprechen, ist mir gerade beim Zuhören aufgefallen, dass es eine Art… Sie können das, was Sie dort beschreiben, aufteilen, und ich möchte Ihre Gedanken dazu hören. Um ein Beispiel von vorhin zu nehmen, haben Sie gesagt, wenn Sie ein Auto nehmen und in die Wüste fahren, ist das das beste Fahrzeug für die Wüste? Es fällt mir auf, dass es in Bezug auf grundlegendes Wissen sowohl theoretisches als auch praktisches Wissen gibt.
Sie können also ein theoretisches Grundverständnis dafür haben, wie ein Verbrennungsmotor funktioniert, wie das Auto fährt. Das ist ein theoretisches Verständnis. Es gibt auch ein praktisches Grundwissen, nämlich, wenn dieser Reifen platt ist, habe ich die Fähigkeiten und das grundlegende Wissen, um diesen Reifen zu wechseln? Wenn der Motor nicht anspringt, kann ich eine einfache Reparatur durchführen? Und wenn Sie in der Wüste fahren, wo Sie alleine sein werden, benötigen Sie grundsätzlich sowohl ein theoretisches als auch ein zumindest grundlegendes praktisches Grundwissen.
Um auf das Thema zurückzukommen, haben Sie in einiger Tiefe das theoretische Grundwissen beschrieben, das die Menschen haben sollten. In Bezug auf praktisches Grundwissen, gibt es Fähigkeiten, die Ihrer Meinung nach jeder in diesem Bereich haben sollte?
Joannes Vermorel: Ja, wenn Sie sich das Praktische ansehen, wäre es, eine Vorstellung von den Preisniveaus zu haben, von denen wir sprechen. Sie wissen, was kostet ein Terabyte Speicher ungefähr? Was kostet ungefähr ein Terabyte Speicher? Was kostet eine CPU, die Ihnen eine Durchsatzleistung von 2 GHz an Berechnungen bietet? Sie wissen, wenn Sie eine Zahl erraten können, die nicht um eine Größenordnung daneben liegt, ist das schon sehr gut. Das ist das Ding mit Computersachen, dass normalerweise die Schätzungen der Leute um viele Größenordnungen danebenliegen würden.
Wiederum, wenn ich Ihnen sage, wie viel wiegt ein Auto und zeige Ihnen das Auto, könnte Ihre Schätzung vielleicht um 50% danebenliegen. Sie sagen, okay, eineinhalb Tonnen, es stellt sich heraus, dass es ein Elektroauto ist und zwei Tonnen plus etwas wiegt. Okay, aber das war immer noch in derselben Größenordnung. Sie sehen kein Auto und sagen, es wiegt 20 Kilogramm oder 500 Tonnen. Aber das Ding ist, wenn Sie Leute fragen, was kostet ein Terabyte persistenter Speicher, das Günstigste, das Sie finden können, würden Ihnen manche Leute Preise nennen, die von 10.000 bis 2 und was auch immer reichen, und niemand hätte eine Ahnung davon.
Und dasselbe, wenn ich Ihnen sage, was kostet ein Chip, der die Größenordnung von 100 Milliarden arithmetischen Operationen pro Sekunde durchführen kann, was wäre ein Chipsatz, der das kann, was würde das kosten? Die Leute sagen, ich weiß nicht, 100.000 Euro oder vielleicht 50 Dollar. Auch das ist die Art von Sache, bei der ich sage, das praktische Wissen besteht darin, eine Vorstellung von den Preisniveaus zu haben. Das ist nicht präzise. Wenn Sie die Größenordnung haben können, sind Sie bereits in der Lage, sinnvolle Dinge zu tun.
Das ist das Seltsame an Computerrressourcen, dass Sie buchstäblich 15 Größenordnungen haben. Es ist ziemlich einzigartig, denke ich. Es gibt kein anderes Gebiet, von dem ich weiß, in dem die Größenordnung so unglaublich weit verbreitet ist. 15 Größenordnungen bedeuten, dass wir einerseits von Einheiten sprechen, wissen Sie, eine Addition, eine Multiplikation, das wäre eine Einheit der Berechnung. Und andererseits sprechen wir von Milliarden von Milliarden. Das ist wirklich eine große Bandbreite an Größenordnungen.
Und das ist schwer für den Verstand zu begreifen. Und deshalb, übrigens, wenn ich gesagt habe, dass Fehler in Bezug auf die Verschwendung von Rechenressourcen gemacht werden können, ist das wiederum, wo die Analogie des Autos irreführend ist, ist dass selbst das schlechteste Auto nur etwa 10-mal schlechter im Verbrauch ist als das beste. Nehmen wir an, ich möchte 100 Kilometer fahren, wenn ich ein super effizientes Auto habe, verbraucht es fünf Liter Benzin für 100 Kilometer.
Wenn ich mich für einen super schweren SUV entscheide, ineffizient und so weiter, sind es, sagen wir, 50 Liter. Faktor 10. Bei Computern ist das nicht so. Es wäre so, dass das effizienteste Ding 5 Zentiliter für 100 Kilometer verbrauchen würde und das ineffizienteste Ding fünf Kubikmeter für diese 100 Kilometer verbrauchen würde. Die Größenordnungen sind einfach wild. Und deshalb müssen Sie also auch in Bezug auf die Praktikabilität ein paar Vorstellungen von den Preisniveaus haben. Auch ein paar Vorstellungen davon haben, was sich bewegt und was sich nicht bewegt.
Conor Doherty: Was meinen Sie mit “was sich bewegt und was sich nicht bewegt”?
Joannes Vermorel: Zum Beispiel haben GPUs in Bezug auf Netzwerktrends Fortschritte gemacht. GPUs haben sich in den letzten 5 Jahren wie verrückt weiterentwickelt und werden voraussichtlich auch in den nächsten fünf Jahren weiterhin verrückt fortschreiten. Das ist eine Klasse von Rechenressourcen, die sich schnell verbessert. Sie verbessern sich in Bezug auf die Anzahl der Operationen pro Sekunde. Sie verbessern sich auch in Bezug auf den Speicher. Das ist sehr, sehr gut. CPUs sind auf einem ähnlichen Weg. Sie verbessern sich vielleicht nicht so schnell, aber sie verbessern sich immer noch sehr schnell in Bezug auf die Anzahl der Kerne und die Größe des L3-Speichers, der sich im Inneren der CPU befindet.
Es verbessert sich immer noch schnell. Entsprechend, wenn wir uns DRAM anschauen, DRAM wird für den Hauptspeicher des Computers verwendet, flüchtiger Speicher. Wenn Sie Ihren Computer ausschalten, verlieren Sie das. Das hat sich in den letzten zehn Jahren kaum bewegt. Es gibt sehr wenige Hersteller. Es gibt etwa vier Fabriken auf der Welt. Dies ist also ein Markt, in dem Sie keine großen Veränderungen in Bezug auf Preisrückgänge erwarten sollten. Sie sollten nicht zu viel Veränderung in kurzer Zeit erwarten, usw. Ich meine, ich kann also sagen, dass es praktisch ist, einige Größenordnungen zu haben, die Preispunkte ein wenig zu kennen, ein wenig zu wissen, was Sie erwarten können, und auch nur das Gefühl zu haben, ob es einen großen Unterschied macht, wenn Sie beispielsweise Hardware für den professionellen Einsatz verwenden, im Vergleich zu Hardware für den Verbrauchermarkt.
Je nachdem, worauf Sie schauen, ist manchmal das Beste, was Sie bekommen können, Hardware für den Verbrauchermarkt, und das Beste, was Sie als Unternehmen kaufen können, ist nur geringfügig besser. Sie sehen, in einigen anderen Bereichen ist das nicht der Fall. In einigen anderen Bereichen ist das, was Sie als Unternehmen kaufen können, um viele Größenordnungen besser als das, was normalerweise für den Verbrauchermarkt geeignet ist. Auch hier hilft Ihnen dieses Wissen wirklich dabei, sich in der Landschaft zurechtzufinden, den richtigen Anbieter auszuwählen oder die inkompetenten auszuschließen. Sie wissen schon, diese Art von Dingen, bei denen Sie, wenn Sie aufmerksam sind, die Inkompetenz einfach herausfiltern können, sowohl bei Beratern als auch bei Anbietern und auch bei internen Projekten. Das ist wichtig.
Conor Doherty: Nun, Sie haben mehrmals auf Kosten hingewiesen, aber Sie haben hauptsächlich in Bezug auf die direkten Kosten des tatsächlichen Hardware-Einkaufs gesprochen. In Bezug auf die direkten und indirekten Kosten, wenn man nicht klüger mit seinen Rechenressourcen umgeht, von welchen Größenordnungen sprechen wir hier? Und dafür nehmen Sie bitte ein großes Einzelhandelsunternehmen an, entschuldigen Sie, ein großes Einzelhandelsnetzwerk, Omnichannel, malen Sie sich das Bild aus, das Sie möchten, aber was ist eine vernünftige Größenordnung in Bezug auf das, was Sie verlieren könnten, wenn Sie nicht klüger mit Ihren Rechenressourcen umgehen?
Joannes Vermorel: Nun, ich würde sagen, als konservative Schätzung scheitern über 90% der Initiativen zur Optimierung der Lieferkette. Und ein großer Prozentsatz dieser 90%, also praktisch alle Software-Initiativen, scheitern zu einem großen Teil, obwohl es nicht der einzige Grund ist, aufgrund der miserablen Leistung. Wenn wir über Leistung nachdenken, müssen wir sie aus verschiedenen Perspektiven betrachten. Die Leute denken vielleicht, okay, ich muss meine Bestandsauffüllung jeden Tag machen, also muss die Berechnung für alles in weniger als 24 Stunden durchgeführt werden können.
Okay, das ist gegeben. Wenn Sie die Berechnung jeden Tag durchführen möchten und die Berechnung nicht innerhalb von 24 Stunden abschließen können, sind Sie ziemlich aufgeschmissen. Das ist sozusagen die Obergrenze dafür, wie viel Zeit Sie dafür aufwenden können. Nun, man könnte denken, wenn Sie doppelt so viele Rechenressourcen kaufen, können Sie es doppelt so schnell erledigen. Nun, das ist nicht unbedingt der Fall, denn es hängt wirklich von der Softwarearchitektur ab, die Sie wählen. Es gibt viele Architekturen und Designmuster, die sich nicht für das sogenannte “Scale-out” eignen. Es gibt viele Ansätze, bei denen, wenn Sie mehr Rechenhardware einsetzen, keine Geschwindigkeitssteigerung erzielt wird.
Conor Doherty: Im Wesentlichen abnehmende Erträge.
Joannes Vermorel: Ja, und manchmal überhaupt keine Erträge. Sie können buchstäblich mehr Ressourcen einsetzen und keinerlei Geschwindigkeitssteigerung erzielen. Es hängt wirklich davon ab, wie Sie Ihre Software entwickelt haben, um von diesen zusätzlichen Rechenressourcen zu profitieren. Nun, gehen wir weiter. Jetzt haben Sie etwas, das Ihre Auffüllung in, sagen wir, vier Stunden berechnen kann, und Sie sagen: “Großartig, für Ihr Einzelhandelsnetzwerk dauert es nur vier Stunden.” Ist das zufriedenstellend?
Nun, meine Antwort ist nein, absolut nicht. Warum? Weil Sie hier nur einmal auf die Sache schauen, wenn sie in Produktion ist. Sie berücksichtigen nicht, dass Ihr numerisches Rezept abgestimmt werden muss und Sie viele Male iterieren müssen, um zu einer endgültigen zufriedenstellenden Lösung zu gelangen. Dieser experimentelle Prozess wird viel kostspieliger sein.
Aus vielen Gründen. Erstens sind Sie bei Ihren Experimenten nicht von Anfang an sehr kosteneffizient. Sie werden erst dann kosteneffizient sein, wenn Sie etwas identifiziert haben, das Ihnen in Bezug auf die Qualität der Entscheidung zufriedenstellende Ergebnisse liefert. Es ist also ganz normal zu erwarten, dass Sie beim Prototypen neuer Rezepte viel weniger effizient sind. Die Effizienz kommt erst später, wenn Sie wirklich den Verbrauch von Rechenressourcen optimieren.
Das ist also eine Sache. Aber dann ist da noch das Problem, dass Sie dafür bezahlen müssen, dass die Leute warten, bis die Berechnung abgeschlossen ist, damit sie sich die Ergebnisse ansehen, die Bewertung vornehmen und die nächste Iteration durchführen können. Und hier liegt das große Problem darin, dass dieser Prozess bei der Software Supply Chain Initiative, die scheitert, dramatisch langsam werden kann. Ich meine, wir haben über vier Stunden diskutiert. Nehmen wir an, dass die Experimente aufgrund der Tatsache, dass Sie in nicht ganz optimalen experimentellen Umgebungen arbeiten, doppelt so langsam sind.
Das bedeutet acht Stunden. Das bedeutet, dass Sie nur ein Experiment pro Tag durchführen können. Das bedeutet, dass Sie, wenn Sie 500 Iterationen durchführen müssen, zwei Jahre dafür benötigen. Es wird so langsam sein, dass Sie andere Probleme haben werden, wie zum Beispiel, dass die Personen, die die Experimente durchführen, zu einem anderen Job wechseln. Die Ingenieure, mit denen Sie zusammenarbeiten, sind nicht 40 Jahre lang bei Ihnen. Irgendwann haben Sie also Personen, die mit dem Projekt begonnen haben und dann aufhören, und Sie müssen neue Personen hinzuziehen, die sich nicht automatisch an alle durchgeführten Experimente erinnern.
Sie sehen, dieses Problem führt zu so vielen Schwierigkeiten. Selbst wenn Sie zu einem zufriedenstellenden numerischen Rezept konvergieren, sind Sie nur einen Störfaktor entfernt, wissen Sie, Lockdowns oder was auch immer, und Sie müssen das Rezept erneut entwickeln. Wenn Ihr iterativer Prozess unglaublich träge ist, werden Sie systematisch Schwierigkeiten haben, mit allen Störungen umzugehen. Bis Sie schließlich die Lösung für die Störung entwickelt haben, sind Sie bereits zu etwas anderem übergegangen. Sie benötigen also etwas, das äußerst leistungsfähig ist, damit Ihre Iterationen sehr schnell sind.
Und das führt auch zu einer weiteren Wendung, nämlich dass die Leistung, wenn Sie von einer Iteration zur nächsten wechseln, betrügen können. Denn vielleicht werden Sie von einem Experiment zum nächsten die meisten genau gleichen Berechnungen erneut durchführen. Müssen Sie also all diese Ressourcen erneut senden, wenn Sie tatsächlich fast dasselbe numerische Rezept mit einigen wenigen Abweichungen durchführen? Vielleicht könnten Sie, wenn Sie einen intelligenten Ansatz haben, die meisten bereits berechneten Ergebnisse wiederverwenden, damit Sie viel schneller iterieren können, ohne alles jedes Mal neu zu machen.
Aber auch das funktioniert nur, wenn Sie verstehen können, wohin Ihre Rechenressourcen gehen, was Sie verschwenden, was Sie zwei- oder zehnmal hintereinander tun und was Sie nur einmal tun sollten.
Conor Doherty: Okay, nun, Joannes, die Zuhörer heute und ich bin sicher, sie sagen alle: “Ich stimme diesem Mann zu. Ich vertraue ihm. Er ist vertrauenswürdig.” Was sind die nächsten unmittelbaren Schritte für den durchschnittlichen Supply-Chain-Praktiker und Führungskräfte, die Ihnen zuhören und denken: “Okay, ich möchte in diesen Dingen versierter sein”?
Joannes Vermorel: Ich würde sagen, fangen Sie an, Einführungsmaterialien darüber zu lesen, wie Computer funktionieren. Es gibt viele Bücher, die Ihnen erklären, wie Computer funktionieren, und versuchen Sie, ein gewisses Verständnis dafür zu bekommen, was zum Beispiel von Cloud-Computing-Anbietern verkauft wird. Sie können es nachschlagen. Alle Preise sind öffentlich. Sie können also zu Microsoft Azure gehen und sehen: “Okay, wie hoch ist der Preis für Speicher, CPUs, virtuelle Maschinen, Bandbreite und so weiter?” Das sind wieder ein paar Stunden. Sie können elementare Bücher haben. Ich meine, es gibt sogar Bücher, die für die High School oder die Mittelschule gedacht sind, und das ist in Ordnung. Sie wissen schon, es geht darum, dieses Wissen zu erlangen.
Und dann, wenn das Thema einer technologischen Entwicklung aufkommt, fragen Sie den Anbieter, fragen Sie den Berater: “Okay, wie stehen Sie zu den Rechenressourcen? Wir möchten die besten Entscheidungen gemäß den von Ihnen festgelegten Metriken und Zielen treffen.” Führen Sie die Diskussion darüber, wie sich diese Rohrechenressourcen, die ich einerseits kaufe, in die besten Entscheidungen übersetzen. Wenn die Leute, von denen Sie viel kaufen möchten, keine Ahnung davon haben, sollten Sie weglaufen. Das ist mein Fazit. Verwenden Sie das als einen Lackmustest, um sogenannte Experten zu erkennen, die von Anfang an keine Experten sein sollten, die absolut, würde ich sagen, inkompetent sind.
Denn letztendlich, wenn Sie mit solchen Anbietern gehen, werden Sie den Preis ihrer Ineffizienzen bezahlen. Und der Preis wird zweifach sein. Erstens werden Sie viel mehr für Hardware bezahlen, bis zu dem Punkt, an dem es extravagant ist. Als Faustregel gilt, dass Lokad in der Regel, wenn wir ein Abonnement verkaufen, weit unter den Kosten unserer Konkurrenten liegt, nur für die Rechenressourcen, ohne die Personalkosten, die Ingenieurskosten für die Einrichtung und Wartung zu berücksichtigen. Lokad tendiert einfach dazu, unter den reinen Hardwarekosten zu liegen.
Also das ist ein Punkt. Aber dann haben Sie etwas, das noch größer ist, nämlich Ihr Anbieter wird Sie in super vereinfachte Rezepte drängen und versuchen, Sie davon zu überzeugen, dass es das Beste ist, was die Wissenschaft zu bieten hat und so weiter, während es in Wirklichkeit nur ein Spiegelbild ihrer Unfähigkeit ist, die Rechenressourcen richtig zu nutzen. Deshalb haben Sie immer noch super vereinfachte Dinge wie Sicherheitsbestände. Ich meine, die Anbieter wissen im Innersten, dass es kompletter Mist ist. Aber das Problem ist, dass sie so ineffizient mit ihren Rechenressourcen umgehen, dass es für sie völlig undenkbar wäre, Dinge in Betracht zu ziehen, die besser wären.
Sie sehen also zweifachen Kosten: direkte Kosten, die extravagante Ausgaben für Rechenressourcen beinhalten, die keinen Sinn ergeben, und dann haben Sie die zweite Kostenart, nämlich Sie werden in vereinfachte Rezepte gedrängt, bei denen Sie letztendlich als Praktiker gezwungen sind, mit Ihren Tabellenkalkulationen einzusteigen, um all den Wahnsinn zu beheben, der aus diesen Systemen kommt. Warum? Weil das System übermäßig vereinfachte Rezepte verwendet, die praktisch alle Feinheiten Ihnen überlassen, weil das Rezept vereinfacht ist und keine Art von Raffinesse behandelt.
Conor Doherty: Es gab tatsächlich eine Analogie oder genauer gesagt eine Faustregel, die Sie zuvor verwendet haben, die, oder eine Frage, Entschuldigung. Sie sagten: “Wenn Sie nicht wissen, wie viel ein Terabyte Cloud-Computing kostet oder so etwas in der Art, wenn Sie nicht einmal die Größenordnung kennen, ist das im Grunde ein Problem.” Und es ist interessant, wenn Sie das sagen, weil die meisten Menschen in ihrem persönlichen Leben, auch die Zuhörer, wenn sie in ein Café gehen, um einen Kaffee zu bestellen und ihnen gesagt wird: “In Ordnung, das kostet 45 Euro”, würden sie zurückschrecken. Sie wären schockiert und würden sagen: “Okay, das stimmt nicht. Ich weiß nicht, wie viel Sie mir persönlich berechnen sollten, aber 45 Euro sind etwas zu hoch.” Und sie würden wahrscheinlich gehen und woanders hingehen.
Selbst wenn es sich um eine touristische Gegend handelt, würden Sie immer noch sagen: “45, nein, das ist falsch.” Aber letztendlich hängt nichts davon ab. Ich meine, Sie werden sich wahrscheinlich nicht finanziell ruinieren. Sie werden Ihren Job nicht wegen so etwas verlieren.
Allerdings kann das gleiche Instinkt, Überlebensinstinkt oder einfach nur allgemeine Klugheit, wenn es darum geht, “Okay, ich muss sehr teure Entscheidungen darüber treffen, welche Art von Rechenressourcen oder Software das Unternehmen verwenden wird.” Die direkten und indirekten langfristigen Kosten davon, die kurzfristigen indirekten und langfristigen Kosten davon, haben keine Ahnung. Wie zum Beispiel: “Oh, es kostet 555.000 pro Sekunde für irgendetwas im Bereich der Berechnung.” Auch das könnte tatsächlich stimmen. Ich weiß es nicht, wahrscheinlich nicht. Aber der Punkt ist, wenn Sie diese Fragen nicht beantworten können, würde ich zustimmen, dass es eine enorme Lücke in Ihrem eigenen beruflichen Wissen gibt, die Sie füllen sollten.
Joannes Vermorel: Ja, es ist vielleicht etwas anspruchsvoll für Supply-Chain-Praktiker, aber worum geht es? Große Budgets. Ich meine, große Unternehmen geben bereitwillig Millionen und manchmal sogar zehn Millionen Euro oder Dollar pro Jahr für diese Systeme aus. Und ich bin immer völlig verblüfft, wenn man so viel ausgeben kann und niemand, auch kein Anbieter, irgendeine Ahnung von diesen grundlegenden Problemen hat.
Das wäre wiederum so, als würde man ein Gebäude kaufen, weil das etwas sehr Teures ist. Es ist also so, als würde man ein Gebäude kaufen und einen Architekten haben, der keine Ahnung hat, was Beton eigentlich ist. Man würde sagen: “Weißt du was, ich bin mir nicht sicher. Vielleicht besteht das Gebäude aus Pappe oder Beton oder vielleicht aus Holz oder vielleicht aus Marshmallows. Weißt du, es ist mir egal, streich einfach Farbe darauf und es sieht alles gleich aus.”
Wissen Sie, ich denke, Computerkram und Software, die Softwareindustrie ist in dieser Hinsicht sehr speziell. Es geht um Unmengen von Geld und es besteht diese stillschweigende Vereinbarung, dass es völlig in Ordnung ist, wenn alle völlig unwissend darüber sind. Und das finde ich als Branche sehr faszinierend.
Und ich habe mit den meisten meiner Konkurrenten gesprochen, und wenn ich von meinen Konkurrenten spreche, meine ich Managementteams. Ich bin immer baff, wenn niemand eine Ahnung von dieser Art von mechanischem Verständnis hat, bei dem man ein grundlegendes Verständnis dafür hat, was dahinter steckt.
Das wäre wiederum so, als würde ein Formel-1-Fahrer sagen: “Weißt du was, ich habe vier Räder. Was passiert zwischen dem Pedal und den Rädern? Du weißt, es ist Magie, Magie. Du weißt, es gibt Zeug. Es macht einen lauten Lärm. Ich weiß, es ist laut, aber abgesehen davon gibt es einfach Zeug.” Du weißt, meine Vorstellung von einem Auto ist Zeug. Das ist das Maß an Genauigkeit, bei dem die Leute denken würden, dass das verrückt ist. Du solltest viel mehr wissen, wenn du das Auto gut nutzen möchtest.
Und meiner Meinung nach verwenden Supply-Chain-Praktiker jeden Tag tonnenweise digitale Werkzeuge, genau wie ein Formel-1-Fahrer einen Formel-1-Wagen verwendet. Und deshalb müssen sie ein wenig verstehen, um dieses mechanische Verständnis dafür zu haben, was passiert, wie diese Dinge funktionieren, damit sie informierte Entscheidungen treffen können. Zumindest damit ihnen niemand Sachen verkauft, die völlig unsinnig sind und aus völlig vermeidbaren Gründen scheitern.
Conor Doherty: Das hätte ich nicht besser sagen können. Vielen Dank und vielen Dank für Ihre Zeit. Ich habe keine weiteren Fragen und vielen Dank fürs Zuschauen. Wir sehen uns das nächste Mal.
