00:00:00 Einführung in Lokad und seine Mission
00:00:59 Rollen und Ziele bei der Optimierung der supply chain
00:02:59 Entscheidungsfindung und Automatisierung
00:05:42 Auswirkungen von supply chain Entscheidungen auf den Produktlebenszyklus
00:08:10 Rolle eines Supply Chain Scientist
00:10:56 Kosten bei Fehlbestand
00:13:30 Übersetzung des Geschäftsverständnisses in Gleichungen
00:15:50 Pit-crew-Analogie für die supply chain Optimierung
Zusammenfassung
In einem Interview spricht Conor Doherty von Lokad mit Simon Schalit, COO, über die entscheidende Rolle eines Supply Chain Scientist bei Lokad. Schalit erklärt, dass diese Wissenschaftler nicht nur Datenspezialisten sind, sondern auch Experten im Bereich supply chain management, die dafür verantwortlich sind, Entscheidungen hinsichtlich Lagerbeständen und Preisgestaltung zu optimieren und zu automatisieren. Sie entwickeln Algorithmen, um einen effizienten Einkauf und Versand sicherzustellen, mit dem Ziel, eine maximale Kapitalrendite zu erzielen. Anders als typische Datenwissenschaftler tauchen Supply Chain Scientists tief in das Verständnis von Geschäftsprozessen und Strategien ein und übersetzen diese in Optimierungsalgorithmen. Diese Rolle umfasst Datenanalyse, Kundeninteraktion und unternehmerisches Denken, wodurch sie essenziell für die Steigerung von Effizienz und Profitabilität in Unternehmen ist.
Gesamter Transkript
Conor Doherty: Willkommen bei Lokad. Wenn mich Leute fragen, was Lokad macht, antworte ich ziemlich einfach: Wir helfen Ihnen, bessere finanzielle Entscheidungen zu treffen. Das führt natürlich zu den folgenden Fragen: Woher kommen die Entscheidungen und wie werden sie generiert? Unser heutiger Gast, Simon Schalit, ist COO und Leiter der supply chain Wissenschaft bei Lokad, und er setzte sich mit mir zusammen, um mir die entscheidende Rolle zu erläutern, die der Supply Chain Scientist bei der Generierung der Entscheidungen spielt, die unsere Kunden nutzen, um ihre supply chains zu optimieren. Wie immer, wenn Ihnen gefällt, was Sie hören, abonnieren Sie den YouTube-Kanal, liken Sie dieses Video und folgen Sie uns auf LinkedIn. Und damit präsentiere ich Ihnen das heutige Gespräch mit Simon Schalit.
Simon Schalit: Ich bin der COO von Lokad, was in der Praxis bedeutet, dass ich das Team der Supply Chain Scientists leite. Die Supply Chain Scientists sind diejenigen, die dafür verantwortlich sind, unsere Lösungen für unsere Kunden in Produktion umzusetzen und zu warten. In welcher Branche oder Vertikale sie auch tätig sind, sie sind sowohl Daten- als auch supply chain Spezialisten. Es ist also ein Team von Ingenieuren, das Ihre supply chain verbessert.
Conor Doherty: In Ordnung, Simon, danke. Wenn Sie sagen “verbessern Ihre supply chain”, ist einer der Gründe, warum ich Sie hier haben möchte, dass Sie sehr gut darin sind, dies in konkreten Begriffen zu erklären. Wenn Sie also sagen, dass die Supply Chain Scientists die supply chain des Kunden verbessern, was bedeutet das konkret? Was genau wird verbessert?
Simon Schalit: Nun, das Ziel von Entscheidungen in supply chains ist es sicherzustellen, dass alles, sei es Lagerbestand oder Preisgestaltung, so optimiert wie möglich eingestellt ist. Wenn Sie also zum Beispiel über den Einkauf von Artikeln für eine supply chain sprechen, möchten Sie, dass die Artikel am richtigen Ort, zur richtigen Zeit, an den richtigen Bestimmungsort gesendet werden und zur richtigen Zeit verfügbar sind, um in welcher Form auch immer dem Service zu dienen – je nach Branche.
Also, wenn wir davon sprechen, supply chains zu verbessern, sprechen wir davon, bessere Entscheidungen zu treffen. Normalerweise führt dies sowohl zu einer finanziellen Optimierung dieser Entscheidungen als auch zur Automatisierung des Entscheidungsprozesses, da die Anzahl der Entscheidungen, die supply chains großer Unternehmen täglich treffen müssen, in der Regel weit über das hinausgeht, was Menschen bewältigen können. Selbst wenn sie es tun, können sie in der Praxis nicht garantieren, dass diese in irgendeiner Weise optimiert sind.
Conor Doherty: Zum Beispiel, wenn Sie über ein Einzelhandelsunternehmen sprechen, das vielleicht 15.000 Produkte im Katalog und 200 Filialen hat, ist der Supply Chain Scientist für dieses Konto täglich dafür verantwortlich, den Kunden mitzuteilen, was?
Simon Schalit: Der Supply Chain Scientist ist derjenige, der die Logik entwickelt, die diese Entscheidungen automatisiert. Im von Ihnen genannten Fall muss das Unternehmen täglich entscheiden, wie viele Einheiten jedes Produkts gekauft und wohin sie gesendet werden. Grundsätzlich handelt es sich also um Einkauf und Versand, wenn wir dieses einfache Beispiel betrachten. In diesem Fall wird der Supply Chain Scientist die Daten auswerten – natürlich nicht alleine, sondern mit den Algorithmen und Werkzeugen, die dem Computer zur Verfügung stehen.
Er wird die finanzielle Logik entwickeln, die die Entscheidung trifft und sicherstellt, dass wann immer Sie eine zusätzliche Einheit einkaufen, um sie auf Lager zu legen – was in der Tat einem Wettkampf entspricht – dieser Einsatz so optimiert wird, dass die Kapitalrendite bestmöglich ausfällt, unter Berücksichtigung der verfügbaren Informationen. Und nicht zuletzt wird er sicherstellen, dass die Lösung diesen Entscheidungsprozess automatisiert, sodass diese Entscheidungen täglich kohärent und stabil für das Unternehmen generiert werden können.
Das Wichtige ist, dass die Anzahl der Entscheidungen gigantisch ist und nicht nur auf den Einkauf beschränkt sein sollte. Auch die Entscheidung, nicht zu kaufen, ist eine Entscheidung. Das Ausmaß der Entscheidungen, die täglich getroffen werden müssen, kann also enorm sein.
Conor Doherty: Danke, und daran erinnere ich mich, dass Joannes Vermorel, CEO, das schon zuvor beschrieben hat. Selbst wenn eine Entscheidung getroffen wurde – machen Sie es ganz einfach: Ich habe eine Einheit gekauft. Die Entscheidung endet nicht dort, denn selbst wenn Sie die Einheit haben, können Sie sich dafür entscheiden, sie weiterzuführen, zuzuordnen, zurückzugeben, zu liquidieren, zu rabattieren oder mit etwas anderem zu bundlen. All dies sind finanzielle Entscheidungen, also Entscheidungen bezüglich Ressourcen.
Simon Schalit: Definitiv. Die supply chain Entscheidungen werden den Lebenszyklus des Produkts von der Beschaffung bei einem bestimmten Lieferanten oder der Herstellung bis hin zur tatsächlichen Distribution an den Kunden beeinflussen, wenn es sich um einen Artikel handelt, den Sie verkaufen, oder bei Verbrauch bzw. Nutzung, wenn Sie von einer Service- oder Fertigungsindustrie sprechen.
Während dieses Lebenszyklus werden zahlreiche Entscheidungen getroffen. Wir sprachen über Beschaffung, Einkauf, Versand, darüber, ob Sie es nutzen oder nicht, sowie über Zuteilungen. Es wird auch Preisentscheidungen geben, die im Allgemeinen nicht unbedingt als supply chain Entscheidungen betrachtet werden, aus unserer Sicht aber Entscheidungen darstellen, die den Lagerzyklus beeinflussen. Dies ist definitiv etwas, das Sie berücksichtigen und im Kontext der supply chain optimieren möchten.
All diese Entscheidungen müssen täglich getroffen werden, und zwar in enormer Zahl. Sie sollten nicht isoliert voneinander getroffen werden, da sie einen erheblichen Einfluss aufeinander haben. Das Offensichtlichste ist, dass Sie nichts versenden können, was Sie nicht haben, oder den Preis für etwas nicht ändern können, das nicht vorhanden ist.
Aber ein subtilerer Zusammenhang kann bestehen: Je mehr Sie einkaufen und je aggressiver Sie in Bezug auf das Service Level vorgehen, das Sie durch große Bestellungen im Einkauf erreichen wollen, desto wahrscheinlicher ist es, dass Sie am Ende der Saison – sofern wir von der Modeindustrie sprechen – die Preise anpassen müssen, um den vorhandenen Lagerbestand loszuwerden und absolut sicherzustellen, dass es nicht zu einem Fehlbestand kommt. Aber natürlich folgt daraus, dass Sie nicht absolut sicher waren, dass Sie zumindest zum Basispreis verkaufen würden.
Conor Doherty: Danke. Bevor wir zum Hauptthema des heutigen Gesprächs kommen, können Sie mir in eigenen Worten den Unterschied zwischen einem Data Scientist und einem Supply Chain Scientist erläutern? Denn wenn ich Lokad auf einer Messe oder Konferenz präsentiere, heißt es manchmal: „Oh, das ist wie ein Data Scientist.“ Wie unterscheiden sich Ihrer Meinung nach die Rollen?
Simon Schalit: Nun, ein Supply Chain Scientist ist natürlich teilweise ein Data Scientist. Data Scientist bezieht sich normalerweise auf einen Datenspezialisten, der Statistik verwendet, um relevante Informationen aus den Daten zu extrahieren. Das Problem bei einem reinen Data Scientist-Team ist jedoch, dass diese tendenziell nur mit den verfügbaren Daten arbeiten. Häufig führt dies zu einem Elfenbeinturm-Effekt, in dem die Realität, die Data Scientists zugänglich ist, nur die in den Daten repräsentierte Realität darstellt.
Nach unserer Erfahrung, wenn Sie nur die verfügbaren Daten betrachten und die Daten, wie sie zu Beginn des Projekts vorliegen, werden Sie einen großen Teil des Gesamtbildes verpassen. Sie werden höchstwahrscheinlich einen wesentlichen Teil der Realität der alltäglichen Prozesse verpassen, die normalerweise nicht so gut dokumentiert sind, wie sie es sein sollten. Sie werden sehr wahrscheinlich einen Teil der Bedeutung der Daten, auf die Sie Zugriff haben, übersehen, da diese selbst nicht so gut dokumentiert sind, wie sie sein sollten, und wahrscheinlich nicht aus der richtigen Perspektive. Sie können aus einer IT-Perspektive dokumentiert sein, aber nicht unbedingt aus einer Geschäftsperspektive.
Und nicht zuletzt werden Sie all die Daten verpassen, die im Kopf der Menschen existieren. Leider ist dies sehr wichtig, denn normalerweise liegt dort die Strategie des Unternehmens. Wir sprachen gerade davor, dass wenn wir optimieren wollen, wir aus finanzieller Sicht optimieren möchten. Die finanzielle Optimierung beruht stark auf dem Verständnis der Unternehmensstrategie.
Der Versuch zu sagen: “Ich möchte ein bestimmtes Service Level erreichen”, ist nicht trivial, denn es gibt kein optimales Service Level. Es gibt kein Service Level, bei dem ich sagen könnte: “Oh, dieses Unternehmen muss ein Service Level von 98 % haben.” So etwas existiert nicht. Die Wahl dieses Ziel-Service Levels muss darauf basieren, was das Unternehmen finanziell als wertvoll erachtet.
Für diese spezielle Frage, der wir täglich mit unseren Kunden gegenüberstehen, wird der Schlüsselfaktor, was die Kosten eines Fehlbestands sind. Wenn Sie beispielsweise von einem aeronautischen MRO-Unternehmen sprechen, das Flugzeuge repariert, sind die Kosten eines Fehlbestands enorm, denn es kann buchstäblich bedeuten, dass ein Flugzeug am Boden festsitzt – was täglich Hunderttausende Dollar kostet.
Conor Doherty: Und der Supply Chain Scientist untersucht all dies und vermittelt es an den Kunden?
Simon Schalit: Ja, Sie müssen das unbedingt untersuchen, denn genau das ist der Faktor, der sicherstellt, dass das System, der Algorithmus, das Potenzial eines Fehlbestands in korrekter Weise mit der richtigen Intensität bestraft – sodass die Entscheidungen, also die Wetten, ob Sie eine bestimmte Lagerhaltungseinheit-SKU-Definition einlagern möchten oder nicht – auf die richtige Weise getroffen werden. Für MRO-Aktivitäten ist das angestrebte Service Level extrem hoch, denn im unwahrscheinlichen Fall, dass Sie das benötigte Teil nicht haben, sind die Kosten enorm.
Andererseits gibt es Aktivitäten, bei denen ein Fehlbestand deutlich weniger problematisch ist, da Kunden beispielsweise erwarten könnten, dass am Ende des Tages bei frischen Obstprodukten ein Fehlbestand vorliegt.
Conor Doherty: Zum Beispiel können frische Obstprodukte durch etwas anderes ersetzt werden, das Sie vorrätig haben.
Simon Schalit: Genau, es kann Ersatz, Äquivalente geben oder einfach die Tatsache, dass es nicht immer ein Problem ist, wenn etwas nicht auf Lager ist. Sie werden nicht unbedingt sofort Kunden verlieren, wenn Sie einen Fehlbestand haben. Die externen Auswirkungen sind nicht so gravierend.
Also besteht das Hauptproblem bei einem traditionellen Data Scientist-Team darin, dass diese möglicherweise oblivious gegenüber solchen Aspekten sind. Um sicherzustellen, dass unser Team bei Lokad – das Team der Supply Chain Scientists – nicht in diese Falle tappt, haben wir sie absichtlich Supply Chain Scientists genannt. Das stellt mit Sicherheit sicher, dass jeder, auch sie selbst, versteht, dass ein wesentlicher Teil ihrer Arbeit darin besteht, Prozesse, das Unternehmen und die finanzielle Strategie zu verstehen und all dies in Gleichungen zu übersetzen.
Ich wollte bereits sagen, dass Worte nötig sind, um dies zu dokumentieren, aber letztendlich geht es um Gleichungen im gemeinsamen Verfahrenshandbuch. Definitiv muss das dokumentiert werden – zu unserem Nutzen, zu Lokads sowie auch zum Nutzen des Kunden –, und letztlich in mathematische Begriffe übersetzt werden, sodass sie direkt in die Gleichungen einfließen, die an die Computer zur Optimierung übergeben werden.
Conor Doherty: Danke. Wenn ich zusammenfassen dürfte: Die Rolle des Supply Chain Scientist ist facettenreich. Es geht nicht nur darum, Zahlen zu knacken und Daten mit Computern zu verarbeiten. Wie Sie sagten, gibt es auch einen persönlichen, interaktiven Aspekt, bei dem der Kunde und die Supply Chain Scientists regelmäßig in Kontakt stehen, um die Feinheiten, Strategien, Ziele, Wünsche und Einschränkungen zu besprechen.
Sie erhalten all diese Informationen, die möglicherweise nicht in den Daten reflektiert werden, sodass sie in das Ergebnis übersetzt werden können, das – vereinfacht gesagt, wenn ich es richtig verstanden habe – zu besseren finanziellen Entscheidungen führt.
Simon Schalit: Ja, genau. Meiner Meinung nach macht das die Rolle des Supply Chain Scientist so interessant, denn man hat diesen vielschichtigen Datenaspekt, die menschlichen und geschäftlichen Aspekte sowie, natürlich, die statistischen Aspekte des Problems.
Conor Doherty: Dies ist einer der Gründe, warum ich mich freue, dich hier zu haben, denn genau so sehe ich auch Lokad. Es ist, als würde man eine Wetten-Analogie benutzen. Für mich, wenn Leute mich auf einem supply chain event fragen, was Lokad macht, spreche ich über Entscheidungen. Wie machen sie das? Ich spreche nicht über Mathematik, Computer, Internet und Algorithmen. Ich spreche über den Supply Chain Scientist, der der Experte ist. Es ist, als ob du ein Auto kaufst und einen erstklassigen Mechaniker bekommst, der dir hilft. Das Auto sind die Entscheidungen oder der Algorithmus, der die Entscheidungen generiert, und der Supply Chain Scientist ist dein persönlicher Mechaniker, der Dinge reparieren kann, wenn etwas schiefgeht.
Simon Schalit: Ich mag dieses Bild. Ich würde sogar noch weiter gehen. Ich würde sagen, es ist deine gesamte Pitcrew, wenn man es in Formel-1-Begriffen ausdrücken würde. Es können mehrere Personen sein, doch es geht über das bloße Reparieren deines Autos hinaus. Wenn man von einem Mechaniker spricht, denken die Leute, dass es noch darüber hinausgeht.
Es kommt so weit, dass sie den Typ des Autos auswählen, den du benötigst, den Typ des Motors, den du brauchen wirst, wie dieser Motor feinabgestimmt werden muss, welche Art von Bremsen du benötigst und welchen Typ von Reifen, die für die Art von Umgebung notwendig sind, in der du dich aufhalten wirst.
Wenn du es zusammenfassen willst, ist der Supply Chain Scientist deine gesamte Pitcrew. Ich denke, man könnte es so sehen, und auf diese Weise würdest du verstehen, wie wichtig diese Crew dafür ist, dass du jede Umgebung meistern kannst, der du am Steuer deines Autos begegnest.
