Zusammenfassung
SMCP und Lokad beschrieben das supply-chain management als Ökonomie, nicht als Ritual: Knapp verfügbare Bestände müssen dort zugeordnet werden, wo sie den höchsten Ertrag erzielen. Anstatt rückblickender „Abdeckungswochen“ und Clusterregeln nutzen sie probabilistische, store-SKU-Entscheidungen, die explizit Unsicherheit und Substitution sowie Kapazität berücksichtigen. Automatisierung befreit die Mitarbeiter von der Ausnahmeverfolgung hin zur Händlertätigkeit – Prioritäten setzen, Ergebnisse messen und iterieren. Transfers und Puffer werden als Opportunitätskostenentscheidungen geplant, nicht als Gewohnheiten. Erfolg wird weniger über Dashboards definiert, sondern durch Verhalten: Teams verzichten auf Tabellenkalkulationen, hinterfragen Annahmen und streben nach kontinuierlicher Verbesserung. Der behauptete 10-fache Payback und schneller Zyklen spiegeln Anreize wider, die eher auf den langfristigen Markenwert als auf kurzsichtige Numerologie ausgerichtet sind.
Gesamtes Transkript
Die ursprüngliche Rede auf Französisch wurde ins Englische übersetzt.
Maxime Rabillet: Hallo zusammen und willkommen zu dieser neuen Fallstudie und Kundenmeinung – einer Intervention, die anregend verspricht. Dieses Mal sind wir im Textilsektor, wenn ich mich nicht irre. Ich bin Maxime Rabillet, ein Journalist bei Supply Chain.
Wir haben versucht, konsequent vorzugehen – oder zumindest eine klare Perspektive zu bewahren – um Vielfalt in diesem Programm sicherzustellen und uns auf praxisnahe Erfahrungen zu konzentrieren. Wie ihr seht, sind vier Sprecher auf der Bühne, daher beabsichtige ich nicht, das Gespräch zu monopolisieren. Ich trete rasch zurück, nachdem ich euch die Informationen zum Inhalt vermittelt habe.
Der Titel lautet: „Präzision in großem Maßstab: Die Transformation von SMCP’s supply chain mit Lokad.“ Wir sind für 45 Minuten angesetzt und idealerweise reservieren wir die letzten Minuten dieser Sitzung für Fragen von euch – oder von mir. Ich übergebe jetzt das Wort.
Swann Bareilhe: Perfekt. Hallo zusammen, und danke für die Einführung. Mein Name ist Swann Bareilhe, ich bin Partner Supply Chain Scientist bei Lokad, und ich habe das Vergnügen, diese Rundtischdiskussion mit Carole Thomazeau, Yuting Chang und Joannes Vermorel zu moderieren.
Um unsere Sprecher kurz vorzustellen: Carole Thomazeau ist Direktorin für Geschäftsplanung & Supply bei Sandro. Yuting Chang ist Global Group Transformation Leader bei SMCP – SMCP umfasst Sandro, Maje, Claudie Pierlot und Fursac. Und Joannes Vermorel ist Gründer und CEO von Lokad.
Die heutige Diskussion dreht sich um die Transformation des supply chain, die wir gemeinsam bei SMCP umsetzen. Wir werden insbesondere darauf eingehen, wie wir die automatisierte replenishment für die verschiedenen Verkaufsstellen weiterentwickelt haben und wie der Bestand allgemein über verschiedene Omnichannel-Plattformen neu ausbalanciert wird.
Wir werden uns etwas auf den technischen Aspekt konzentrieren, aber nicht zu sehr. Wir werden viel Zeit der menschlichen Dimension des Projekts und den Lehren widmen, die andere Unternehmen aus dem von uns gemeinsam durchgeführten Projekt ziehen können. Im Allgemeinen werde ich unseren Gästen mehrere Fragen stellen, und am Ende werden wir einige Fragen beantworten.
Bevor wir in das Herz des Themas eintauchen, lasst uns den Rahmen und den Kontext, in dem wir operieren, abstecken. Diese Frage richtet sich an euch, Carole und Yuting: Könnt ihr uns einen Überblick über eure supply chain geben? Die verschiedenen Vertriebskanäle, den Umfang der replenishment-Operationen, Größenordnungen für Referenzen und die Anzahl der SKUs?
Yuting Chang: Hallo zusammen. Könnt ihr mich gut hören? Großartig. Wie erwähnt, bin ich bei SMCP als Group Transformation Manager tätig. Für diejenigen, die SMCP noch nicht kennen: Wir haben fünf Marken: Sandro Women, Sandro Men, Maje, Claudie Pierlot und Fursac.
Wir verfügen weltweit über etwa 1.200 Verkaufsstellen und vier Geschäftseinheiten. Um Swanns Frage zum Kontext zu beantworten, der uns dazu veranlasst hat, eine Optimierungslösung zu suchen: Wir nutzen ein aktuelles Tool, das uns gruppenübergreifend ermöglicht, die Zuteilung bis hin zur Boutique zu steuern.
Allerdings fehlt ihm der zukunftsgerichtete Teil – das antizipative Element mittels Verkaufsprognosen. Wie ihr vielleicht wisst, gibt es in der Modebranche viel Saisonalität und viele saisonale Produkte. Die Herausforderung besteht daher darin, diesen Teil der Verkaufsprognose einzubringen und eine Optimierung anzustreben, sodass unser End-of-Season-Bestand – das Residual, das ein sehr wichtiger KPI für die Gruppe ist – kontrolliert wird und folglich auch unsere Marge unter Kontrolle bleibt.
Carole Thomazeau: Ich möchte hinzufügen, dass Sandro der Pilot für die Gruppe bei diesem Lokad-Rollout war und es immer noch ist. Wir haben Sandro aus zwei Gründen gewählt. Erstens, weil es sowohl Men als auch Women hat – zwei etwas unterschiedliche Geschäfte, deren Verkäufe sich nicht genau gleich verhalten. Zweitens, weil die Teams ein gewisses Maß an Reife besaßen und bereit waren, herausgefordert zu werden.
Die Einführung eines Rahmens bedeutet auch, sich selbst in Frage zu stellen und von „Coverage“-Begriffen hin zu Wahrscheinlichkeiten zu wechseln, das beste Produkt so schnell wie möglich zu verkaufen. Es gibt also viele verfestigte Gewohnheiten zu überdenken, und genau deshalb haben wir uns für Lokad entschieden.
Swann Bareilhe: Sehr gut. Wir haben bereits Lokads Vision angesprochen – die Quantitative Supply Chain. Wenden wir uns nun an Joannes: Was ist in einfachen Worten die Quantitative Supply Chain und warum ist sie für die Herausforderungen von SMCP geeignet?
Joannes Vermorel: Lokads Ansatz besteht darin, die supply chain als ein Ressourcenallokationsproblem zu betrachten. Bei SMCP konkurriert jeder Euro – über alle Produkte hinweg, in die man investieren könnte. Jeder Artikel in einem warehouse, der an eine Verkaufsstelle geschickt werden könnte, konkurriert über alle Verkaufsstellen hinweg. Sobald ein Artikel irgendwo platziert wird, kann er nicht anderswo platziert werden.
Jede Verkaufsstelle hat dann eine begrenzte Kapazität, um Produkte zu präsentieren. Das ist Lokads Perspektive: Wir betrachten die supply chain aus wirtschaftlicher Sicht. Wir denken in Form von Ressourcenallokation und wollen im Interesse der Marke langfristig agieren.
Ich betone „langfristig“, weil es hier nicht um kurzfristige finanzielle Optimierung geht, die – wenn man zu engstirnig handelt – einen schlechten Ruf mit sich bringen kann. Hier sprechen wir eindeutig von großartigen Marken mit Kunden, die über Jahrzehnte hinweg loyal geblieben sind. Diese Häuser wurden über ein halbes Jahrhundert aufgebaut, daher muss man weit in die Zukunft blicken.
Das ist die wirtschaftliche Perspektive. Der andere Aspekt: SMCP verkauft wunderschöne Stücke, die etwas teurer sind als Shampooflaschen im Supermarkt, sodass die Volumina nicht denen eines Supermarktes entsprechen, der hunderte Einheiten pro Tag verkauft. Wir beschäftigen uns mit mechanisch kleineren Volumina, sehr tiefgehenden, sich häufig erneuernden Katalogen und damit einer großen Unsicherheit.
Zusammenfassend: Wir haben eine wirtschaftliche Sicht auf Ressourcen und müssen mit einer strukturell sehr hohen Unsicherheit umgehen, die dem Geschäft innewohnt. Wenn man einen sehr umfangreichen Katalog von Luxusartikeln hat, akzeptiert man von vornherein, dass man nicht zehn Einheiten pro Artikel und Verkaufsstelle pro Tag verkaufen wird. Die Verkäufe werden deutlich schwankender ausfallen.
**Lokads Ziel ist es, diese beiden Aspekte in ein numerisches Rezept zu überführen, das, selbst wenn wir etwas Komplexes wie Wahrscheinlichkeiten verwenden, dennoch den gesunden Menschenverstand eines erfahrenen Ladenleiters widerspiegelt, der kluge Entscheidungen bezüglich Sortiment und Lagerbeständen treffen würde.
Yuting Chang: Aufbauend auf dem, was Joannes gerade gesagt hat: Seit dem Covid-Jahr stehen wir vor der grundlegenden Herausforderung, unsere Einkaufsstrategie über das OTB (Open-to-Buy)-Budget, das zunehmend eingeschränkt ist, zu optimieren. Wir müssen besser einkaufen und natürlich auch besser zuteilen.
Jedes Stück, auch wenn seine Verkaufswahrscheinlichkeit bei jeder Verkaufsstelle ziemlich unsicher und relativ niedrig ist, erfordert dennoch eine Entscheidung: An welche Boutique sollen wir diesen kostbaren Bestand schicken? Angesichts relativ niedriger Verkäufe während des Vollpreiszeitraums wird die Herausforderung, die Verkäufe zum vollen Preis zu optimieren, noch wichtiger.
Swann Bareilhe: Wir haben über Strategie und Produkt-/supply chain-Vision gesprochen. Bevor wir auf das Projekt selbst eingehen, gab es noch weitere Elemente, die euch dazu bewogen haben, Lokad als Partner zu wählen? Vision ist ein Aspekt; gibt es weitere arbeitszentrierte Punkte, die ihr hervorheben möchtet?
Carole Thomazeau: Ja. Wie Yuting sagte, liegt das Fehlbestand-Management im Kern unseres replenishment-Problems: Wir kaufen knapp, also müssen wir an den besten Ort zuteilen. Beim Managen von Fehlbeständen haben wir erkannt, dass es viele Kriterien zu berücksichtigen gibt.
Zum Beispiel: Ist der Laden touristisch, und wird mir ein Fehlbestand dort mehr kosten als in einem Geschäft mit einer Kundschaft, die zurückkommt und ein paar Tage auf die Rückkehr des Artikels wartet? Ist mein Laden ein “Ship-from-Store”, was bedeutet, dass sein Bestand auch einen zweiten Kanal bedienen kann? Ist die Angebotsvielfalt größer oder kleiner; wenn ich das Stück nicht habe, wird es einen Wechsel zu einem anderen Stück geben?
Dies sind viele Zwänge, die ein replenisher manuell nicht alle berücksichtigen kann – das menschliche Gehirn ist nicht dafür ausgelegt, multidimensional zu agieren. So neigen wir dazu, Fehlbestände basierend auf einem einzelnen Kriterium zu lesen und zu verwalten. Lokad ermöglichte es uns, all diese Punkte nach gemeinsam besprochenen Prioritäten zu bewerten, was die Zuteilung auf diesem Niveau wirklich optimiert.
Ein weiterer wichtiger Punkt: Transfers. Selbst wenn die Zuteilung optimiert ist, werden Transfers irgendwann offensichtlich. Früher war dies sehr zeitaufwendig; die Teams haben es nur widerwillig durchgeführt. Jetzt erhalten wir jeden Morgen Vorschläge und entscheiden, ob wir sie ausführen oder nicht, je nachdem, was wir tun möchten.
Ein abschließender Punkt, der sich noch im Aufbau befindet: Wir haben Bestandszustände, KPIs, die es uns ermöglichen, die gesamte Situation sehr schnell zu messen, ohne Tage mit Datenanalyse zu verbringen. Die Daten sind vorhanden, und wir können das Problem analysieren. Oft dauerte es zwei Tage, bis die Daten vorlagen, und wenn sie ankamen, war das Problem bereits überholt. Jetzt können wir Dashboards ad hoc erstellen, echten ROI sehen und nachvollziehen, was jede Entscheidung eingebracht hat. Wir können jede Aktion einfach messen.
Yuting Chang: Um eine Vorstellung vom Umfang der SKUs zu geben, die Caroles Zuteilungsteam bearbeitet: Wir haben Sandro Men und Women. Für diese beiden Linien sind das pro Kollektion – wir haben zwei Kollektionen pro Jahr, Frühling/Sommer und Herbst/Winter – etwa 3.500 SKUs, die über 250 Verkaufsstellen verwaltet werden.
Dieses Volumen an Verkaufsstellen und der wöchentliche Zyklus des Managements und der Bewertung – welche Produkte priorisiert, zugeteilt usw. werden sollen – funktionieren zwar sehr gut mit dem aktuellen Tool, aber wir gehen nie tief genug, SKU für SKU, um die Entscheidungen zu treffen, die zur Optimierung des Umsatzes nötig sind. Dieses Volumen ist der Schlüssel zum Erfolg, um unseren Restbestand am Jahresende besser zu verwalten.
Swann Bareilhe: Das führt uns zur Frage: Wie habt ihr das replenishment vor Lokad gehandhabt? Erinnern Sie uns daran, was ihr vorher gemacht habt – was manuell war, welche Arten von Regeln galten – damit wir uns die Evolution des Projekts besser vorstellen können.
Carole Thomazeau: Alles lief manuell. Die Genauigkeit der Zuteilung hing von der Erfahrung der ausführenden Personen ab. Und wie wir wissen, gibt es in diesen Rollen oft einen hohen Personalwechsel, sodass jedes Mal eine längere Einarbeitung erforderlich war.
Wir nutzten die Bestandsdeckung – Wochen der Deckung. Wie Joannes sagte, wenn die Verkäufe unregelmäßig sind – vielleicht einmal pro Monat, 0,8 oder 1,2 – wird dies dennoch auf 1 gerundet. Und 1 ist 1, aber wir konnten nicht erkennen, ob „die 1“ in La Varenne Saint-Hilaire oder „die 1“ auf den Champs-Élysées mehr Umsatz bringen würde. Wir hatten diese feingranulare Entscheidung nicht.
Transfers wurden ebenfalls manuell und sehr zeitaufwendig durchgeführt; wir führten sie nur gelegentlich aus. Das Management von Fehlbeständen basierte ausschließlich auf dem Umsatz, was im Vergleich zu all den Kriterien, die wir berücksichtigen könnten, viel zu einfach war.
Yuting Chang: Ein Schlüsselelement des Tools, das wir vor Lokad verwendeten, war, dass wir uns hauptsächlich auf vergangene Verkäufe konzentriert haben. Wir sagten: “Basierend auf den Verkäufen der letzten Wochen ist das die durchschnittliche Stückzahl,” und dann: “Wir möchten zwei Wochen Deckung erreichen,” weil das dem Zeitrahmen entsprach. Diese Mechanik, basierend auf vergangenen Verkäufen, trieb unsere Entscheidung, während in der Modebranche die Saisonalität stark ausgeprägt ist.
Wir müssen antizipieren – den Bestand vorab senden, um den kommenden saisonalen Bedarf zu decken. Verkaufsprognosen sind ein wichtiges Element: Wir suchen nach einer Abweichung von dem, was wir heute tun.
Swann Bareilhe: Joannes, du bist mit all dem sehr vertraut. Könntest du die Arten von Fallstricken zusammenfassen, denen Teams begegnen, wenn sie sich zu sehr auf manuelle Regeln und statische Prognosen verlassen, insbesondere bei schnellen Assortments wie bei SMCP?
Joannes Vermorel: Für mich gibt es einige sehr unterschiedliche Fallstrick-Kategorien. Der wichtigste: Man behandelt seine besten Mitarbeiter wie Mitbearbeiter bei Ausnahmefällen. Man besitzt ein System – ein ERP –, das einfache Regeln umsetzen kann, aber das reicht nicht. Am Ende erhält man “Exception”-Meldungen.
Und was dann? Man nimmt seine besten Mitarbeiter, diejenigen mit der größten Fachexpertise, und behandelt deren Fachwissen und Zeit als Wegwerfware. Sie wiederholen jeden Tag dieselben Handlungen. Dabei ist hohe Fachexpertise im Unternehmen eine knappe Ressource. Das ist der erste Fallstrick: Diese seltene Expertise, die gepflegt werden sollte, wird wie ein wegwerfbares Element genutzt. Jeden Tag benötigt man X Mann-Tage, die verbraucht werden. Das ermöglicht dem Unternehmen einfach, einen weiteren Tag zu operieren; es wird nichts nachhaltig aufgebaut.
Unsere Sichtweise, gemeinsam mit Supply Chain Scientists, ist es, die Entscheidungsfindung zu automatisieren – nicht, um menschliche Expertise zu ersetzen, sondern um diesen Menschen Zeit zu geben, das numerische Rezept zu verbessern, die feinen Nuancen des Geschäfts zu verfeinern und sie aus dem äußerst zeitaufwändigen Ausnahme-Management herauszuholen, auf das wir keinen nachhaltigen Wert aufbauen. Das ist der grundlegendste Punkt.
Zweite Fallstrickkategorie: Time Series-Modelle – sehr populär, aber völlig ungeeignet für die supply chain. Warum, besonders in Mode und Luxus? Erstens, Kollektionen: Eine Zeitreihe soll keinen Anfang und kein Ende haben; Kollektionen haben einen Anfang und ein Ende, was nicht funktioniert.
Dann misst man sehr präzise und rundet auf die nächste Einheit. Wie gesagt: Eine Prognose von 0,8 oder 1,2 wird zu 1. Aber das Runden auf die Einheit wiegt in eurem Geschäft schwer – viele Produkte im Laden haben nur eine einzige Einheit. Dieses Runden ist erheblich.
Ein weiteres Problem: Aus der Sicht des Kunden betritt man einen Laden nicht, weil man einen bestimmten Barcode im Sinn hat. Es gibt einen Halo von Artikeln, die einen interessieren; was zählt, ist, den Kunden gut zu bedienen. Ein Anzug, der ein wenig dunkler oder heller ist, könnte ein guter Ersatz sein. Aber wenn man nicht die richtige Größe hat, hat man eben nicht die richtige Größe: Das ist viel weniger austauschbar.
Wir haben also zwei große Versagensmodi: Zum einen das Verschwenden unserer wichtigsten Expertise und zum anderen den Einsatz vereinfachter Zeitreihenmodelle – populär, aber ungeeignet – vielleicht in Ordnung für Shampoo, aber nicht für Luxusartikel. Lokad geht in sehr unterschiedlichen Richtungen in Bezug auf diese Probleme.
Yuting Chang: Aufbauend auf diesen zweiten Punkt im Textilbereich: Größenbestimmung ist ein großes Thema. Wir verkaufen beispielsweise viele Artikel in den Größen 36/38 für Frauen. Aber wir haben auch Kunden, die Größe 34 oder 42 benötigen.
Wenn die durchschnittliche Verkaufsprognose 0,3 beträgt und wir infolgedessen ein Stück in Größe 42 in jeden Laden schicken, heißt das, dass wir 250 Stück in Größe 42 kaufen müssen, um alle Geschäfte zu beliefern. Dann hat unser Zentrallager keinen verbleibenden Bestand, um bei einem Verkauf an einem Verkaufsort nachzufüllen.
Entscheidend ist zu wissen, wann wir Größe 42 an die Boutique schicken müssen, und zentral einen Bestand vorzuhalten, um den nächsten Verkaufsort mit der höchsten Wahrscheinlichkeit, diese Größe 42 zu verkaufen, zu beliefern. Und basierend auf den Managementregeln und -prinzipien, die wir mit Lokad aufgestellt haben, fragen wir: In diesem Fall, wie viele sollte ich im Voraus kaufen – also intelligenter einkaufen in Bezug darauf, wie wir diese 42 zuweisen.
Swann Bareilhe: Wir haben viel über Automatisierung und die Nutzung menschlicher Expertise gesprochen. Das führt uns zu den Erfolgen des Projekts, das wir seit etwa einem Jahr gemeinsam durchführen. Hast du Beispiele, die du hervorheben möchtest – entweder aus der Projektphase (wie wir zusammengearbeitet haben) oder jetzt im operativen Geschäft (was sich etwas von der reinen Implementierungsphase unterscheidet)?
Carole Thomazeau: Das Projekt: Wir haben im Januar begonnen, und bis Juni hatten wir bereits Lösungen in unsere Systeme integriert. Es ging ziemlich schnell und war sehr kollaborativ, denn bei Lokad sind sie nicht „nur Wissenschaftler“, sie sind Supply Chain Scientists – und dieses Wort ist super wichtig.
Sie hinterfragen unsere Gewohnheiten – „Warum machen wir das?“ – mit ihren Best Practices usw. Wir führen echte Diskussionen, die das Projekt am Leben halten; es geht nicht nur um Parametrierung und das „Anschließen einer Maschine“. Wir bauen es gemeinsam auf.
Ich erinnere mich an eine Herausforderung, die ich Swann einen Monat vor dem Verkauf stellte: Ich sagte zu ihm: „Ich möchte Transfers vor dem Verkauf, damit ich sie ausliefern kann.“ Er erwiderte: „Na ja, trotzdem…“ Ich dachte: „Du schaffst das.“ Und so bekam ich meine Transfers für den Verkauf. Im Team herrscht ein starkes Engagement und hohe Reaktionsfähigkeit.
Was ich sagen möchte, ist, dass ein Schlüssel zum Erfolg die Akzeptanz des Teams ist. Ich sagte zu ihnen: „Hört auf, einfach nur zu tun. Beobachtet, analysiert und denkt darüber nach, wie wir es besser machen können.“ Das könnte ein Team verunsichern, aber das tut es überhaupt nicht. Sie sind äußerst engagiert. Jeden Morgen haben sie Ideen und fragen Swanns Team: „Könnten wir dies oder das verbessern?“ Die Tatsache, dass sie Ideen haben, zeigt, dass das Tool funktioniert und sie es zu ihrem Eigenen gemacht haben.
Sie haben sich weitergebildet: Jetzt denken sie darüber nach, was sie tun. Sie tun nicht einfach nur, sie überlegen, was sie tun und warum sie es tun. Wir haben einen ROI bei den Transfers erzielt. Wir sperren weniger Lagerbestand für den E-Commerce – obwohl ich versuche, etwas mehr zu sperren – aber früher haben wir zu viel gesperrt und nicht an den Einzelhandel geliefert, obwohl es Einkünfte im Laden gab. Alte Gewohnheiten sind durchbrochen worden.
Yuting Chang: Operativ kenne ich das vorherige Tool sehr gut. Stell dir vor: Am Montagmorgen setzt sich jeder Dispositionsmanager hin und verbringt zwei Tage damit, Produkte zu überprüfen. Am Ende, weil wir so viele SKUs und Geschäfte zu checken haben, sagt man nach zwei Tagen: „Ich habe die Top-20 unseres Rankings durchgearbeitet und es geschafft, den Bestand der Flop-20 zu reduzieren.“
Alles dazwischen – wir wissen es ungefähr, aber nicht mit Sicherheit. Mit dem vorherigen Tool war das sehr zeitaufwendig. Heute fordern wir von dem Team einen Wechsel in der Denkweise.
Am Montagmorgen öffnest du deinen Computer, schaust dir die von uns implementierten KPIs an: Überprüfe die Ausverkaufsquote, die Lagerabdeckung und teile uns mit, welche Maßnahmen in der Woche fehlen. Anstatt sofort in die Zuweisung auf SKU-Ebene einzutauchen, manuelle Abdeckungen einzugeben, Ausnahmen Laden für Laden zu bearbeiten – „dieses Produkt, jener Laden“ – und zu sagen: „Bei einer routinemäßigen Lokalisierung muss ich sicherstellen, dass Größe 42 vorhanden ist, denn sobald der Kunde gekommen und wieder gegangen ist, kommt er nicht zurück.“ Es handelt sich um eine Control-Tower-Denkweise im operativen Bereich, statt ständig mit dem Kopf nach unten zu arbeiten.
Carole Thomazeau: Zusammengefasst: Sie sind zu Händlern geworden. Früher waren sie Techniker. Sie stellen die richtigen Fragen: Wie belebt man jeden Montag das Geschäft und sorgt für gleichbleibendes Wachstum? Das ist enorm. Sie haben an Produktivität gewonnen und haben jetzt die nötige Zeit dafür.
Swann Bareilhe: Wenn du Lokad Kollegen bei SMCP erklären müsstest, die nicht täglich im operativen Geschäft arbeiten?
Carole Thomazeau: Zuerst einmal wollen alle Marken es übernehmen. In unserem Fahrplan mussten wir eine Warteliste erstellen. Wie präsentiere ich es? Für mich ist der probabilistische Ansatz wirklich wichtig: „die 1“ – was ist eine „1“ wert in La Varenne Saint-Hilaire im Vergleich zu einer „1“ auf den Champs-Élysées? Ein Tool, das das sonst angeboten hätte, habe ich noch nicht gesehen.
Dann kommt die Qualität des Supports, die Qualität der Menschen, mit denen wir sprechen, und die Tatsache, dass es eine kontinuierliche Verbesserung gibt. Wir haben eine neue Idee – wir werden nicht alles umkrempeln – sondern einen neuen Parameter, ein kleines Feintuning, weil der Kontext dazu führt, dass das, was wir vor einem Monat gemacht haben, nicht mehr funktioniert. Es ist einfach umzusetzen.
Einmal pro Woche treffen wir uns mit dem Lokad-Team – mit Tristan und Cyril – und sagen: „Wir würden gerne hier den Bestand erhöhen, können wir einige Einstellungen anpassen?“ Dem Benutzer werden viele Parameter zur Verfügung gestellt – wir sind nicht von ihnen abhängig – aber wir führen kontinuierlich Verbesserungen am Tool durch.
Yuting Chang: Während der Auswahlphase haben wir einige Anbieter getroffen, die unsere Restbestandsquote zum Saisonende optimieren und damit unsere Marge verbessern wollten. Einige schlugen Plug-and-Play-Lösungen vor: Man liefert die Daten, Schwellenwerte sind vorgegeben usw.
Was uns an Lokad überzeugt hat, ist der maßgeschneiderte Ansatz: Wir konstruieren gemeinsam um die spezifischen Bedürfnisse unserer Marken herum. Wenn man „custom“ sagt, könnte man sich Sorgen um den Zeitplan machen: Wird es nicht richtig eingegrenzt, kündigt man ein sechsmonatiges Projekt an, das sich auf ein Jahr oder länger ausdehnt. Der Schlüssel zum Erfolg hier ist, dass das Lokad-Team auf seine Supply Chain Expertise setzt: Sie können den Bedarf mit dem Geschäft abstimmen, in die richtige Richtung lenken und am Ende halten wir uns an den ursprünglich angekündigten Zeitplan. Für eine maßgeschneiderte Lösung ist das, meiner Meinung nach, ein entscheidender Erfolgsfaktor.
Swann Bareilhe: Danke. Joannes, wie präsentierst du Lokad, wenn du mit einem neuen CEO sprichst?
Joannes Vermorel: Vor einigen Jahren habe ich darauf hingewiesen, dass die meisten unserer Interessenten in den letzten zwanzig Jahren etwa ein halbes Dutzend Misserfolge erlebt haben. Wenn ein halbes Dutzend Anbieter gescheitert sind, liegt das Problem vielleicht nicht an „diesem Anbieter versus jenem“. Es gibt ein Problem mit der Methode, den Grundlagen, dem Ansatz.
Für Interessierte: An unserem Stand haben wir ein Buch, das ich vor einer Woche veröffentlicht habe – „Introduction to supply chain“ – in dem ich zusammenfasse, warum meiner Meinung nach klassische supply chain Theorien versagen, zu operativen Fehlern führen und welche anderen Perspektiven Ihnen die Chance geben, Dinge zum Laufen zu bringen.
Konkret versuchen wir bei Lokad, der operative Partner der supply chain zu sein. Durch Supply Chain Scientists wollen wir Verantwortung übernehmen – das mag Sie überraschen – eine persönliche Verantwortung für die Entscheidungsqualität. Wenn man ein numerisches Rezept schreibt, ist das in gewisser Weise man selbst. Es ist nicht ein „System“, das Entscheidungen generiert: Man hat ein numerisches Rezept erstellt, das man versteht, und wenn etwas schiefgeht, muss man zurückentwickeln, was passiert ist, und es verstehen.
Diese Übernahme von Verantwortung ist sehr wichtig und ziemlich untypisch. Wir sehen uns nicht als Softwareanbieter, der sagt: „Hier ist eine Liste von Features“, 600 Kästchen in einer Ausschreibung ankreuzt und Ihnen dann ermöglicht, sich selbst mit diesen Kästchen in den Fuß zu schießen. Wir übernehmen die technische Last, damit Sie – wie ich in den Kommentaren schätzte – als Händler argumentieren können, ohne dass technische Details durch technokratischen Jargon zum Hindernis werden.
Die Rolle der Supply Chain Scientists besteht darin, diese Verantwortung zu tragen, damit Menschen, die Händler und Spezialisten für Luxusartikel sind, ihre Strategie umsetzen können, ohne sich in Details zu verlieren. Wir sprechen über probabilistische Algorithmen, aber – und ich spreche hier unter Ihrer Kontrolle – ich denke nicht, dass Ihre Teams diese im Detail handhaben müssen. Für sie ist das abstrakt.
Carole Thomazeau: Absolut. Wir betrachten die endgültige Entscheidung. Wenn wir fragen: „Warum wurde der Artikel an diesen Laden geschickt und nicht an einen anderen?“, ist das in der Regel gerechtfertigt, greifbar und messbar. Und dennoch haben wir alles seziert. Ich habe Swann zahlreiche Szenarien präsentiert und ihm gesagt: „Ich stimme nicht zu – warum macht es das?“ und letztlich ist es logisch.
Yuting Chang: Entscheidend ist die Erklärbarkeit, die von den supply chain Data Scientists geboten wird. Wir arbeiten sehr eng mit Swann und seinem Team zusammen; sie sind diejenigen, die programmieren. Wenn man uns fragt: „Wie erklären Sie die Entscheidung des Lokad-Tools – warum nicht an die Champs-Élysées schicken und stattdessen nach Provence?“, haben wir immer eine Erklärung, die auf den im Tool angezeigten Zahlen basiert. Caroles Team ist überzeugt; wir vertrauen diesen Entscheidungen; und mit der Zeit müssen wir nicht einmal jeden Punkt überprüfen, weil wir wissen, dass es einen Grund dafür gibt.
Swann Bareilhe: Was die Verantwortung angeht, ist die Unterstützung durch den Supply Chain Scientist zentral. Persönlich gibt es sogar einen emotionalen Aspekt bei den Kunden, mit denen ich arbeite – insbesondere bei SMCP. Es geht uns nicht nur darum, Features zu liefern, sondern Entscheidungen, die funktionieren.
Ich schaue regelmäßig auf die Verkaufsleistung; ich gehe auch selbst in Sandro- oder Fursac-Geschäfte – auch wenn meine Frau zu Maje und Sandro geht. Es gibt eine menschliche Seite und ein persönliches Engagement, das wir durch die Einführung einer Lösung fördern und einbringen wollen.
Yuting Chang: Es ist eine sehr interessante und solide Partnerschaft, die wir zwischen SMCP und Lokad aufgebaut haben. Wir haben sogar Arbeitsplätze in unserer Zentrale eingeplant.
Swann Bareilhe: Die Zeit vergeht wie im Flug, also lasst uns zum Schluss kommen. Joannes, wir sind etwa ein Jahr in der Implementierung. Was würdest du als einen vernünftigen Einfluss beschreiben, den man nach, sagen wir, 6 bis 12 Monaten von einem Lokad-Projekt erwarten kann – also auf mittelfristiger Sicht?
Joannes Vermorel: Grundsätzlich streben wir eine Amortisation von mindestens dem 10-fachen im Verhältnis zu den Kosten von Lokad an. Das mag hoch klingen, aber bei Unternehmenssoftware – wo Risiken bestehen – erscheint das vernünftig. Wenn man sich einer etwas komplexen Technologie verschreibt und auf dem Papier nicht das Potential für eine 10-fache Amortisation sieht, gibt es wahrscheinlich andere Prioritäten. Das ist wichtig.
Ein heuristisches Erfolgskriterium: Wenn es den alten Teams gelingt, ihre Excel-Tabellen loszulassen. Sobald das passiert – unabhängig von Messgrößen – weiß ich, dass die Initiative auf dem Weg zum Erfolg ist. Wenn die Leute Excel aufgeben, bedeutet das, dass wir all die Probleme gelöst haben, die sie belastet haben – oft eine Reihe kleiner Probleme, nicht unbedingt großer. Dann gehen wir zur kontinuierlichen Verbesserung über, und der Kurs ist sehr gut.
Ich möchte darauf hinweisen, dass es bei der überwiegenden Mehrheit der supply chain Initiativen keine kontinuierliche Verbesserung gibt. Unternehmen haben ein System, leben damit zehn Jahre und sagen dann: „Wir haben es satt, wir werfen es raus und fangen von vorne an.“ Das ist schade. Die supply chain sollte sich nicht einmal in einem Jahrzehnt durch einen großen Umbruch verbessern. Wenn wir jede Woche ein bisschen vorankommen, ist das viel besser. Einige Jahre später überwiegt der Nutzen der kontinuierlichen Verbesserung deutlich gegenüber denen, die ein Jahrzehnt stagnieren, bevor sie einen weiteren Sprung machen.
Die Idee ist dann, den Umfang zu erweitern – stets mit einer sehr starken Amortisation. Aber der am besten messbare Effekt liegt auch in der verbesserten Qualität der Diskussionen und Analysen. Wir können ein einstelliges prozentuales Umsatzwachstum anstreben – es dauert ein paar Jahre, aber die Größenordnungen sind signifikant. Wir sprechen hier nicht von 0,01 %; wir fügen buchstäblich einen vollen Prozentpunkt der Marge hinzu – und in den besten Fällen sogar mehrere Punkte.
Dafür müssen die Teams, sobald sie in Produktion sind, in der Lage sein, sehr schwierige Fragen anzugehen. Zum Beispiel: Was bedeutet „Servicequalität“ in einem Luxusgeschäft? Es ist nicht nur eine service level-Kennzahl. Wer von einem „97% service level“ spricht, verfehlt den Kern – das ist ein schwieriges Thema.
Wie werten wir die Luxusvision auf: eine sehr hochwertige Preispositionierung verteidigen und über einen Zeitraum von zehn Jahren eine sehr günstige Kundenwahrnehmung aufrechterhalten? Das ist eine schwierige Aufgabe. Besonders interessant ist, dass man, sobald die operativen Probleme gelöst sind, in diese Diskussionen übergehen kann, in denen die operativen Teams die Supply Chain Scientists herausfordern: Wie verfeinern wir diese langfristige Vision, während wir einen automatisierten Mechanismus zur Steuerung des Tagesgeschäfts haben? Das ist das Paradox: Sehr weit in die Zukunft zu blicken, obwohl man jeden Tag eine ganze Reihe von Mikroentscheidungen treffen muss.
Swann Bareilhe: Letzte Frage, bevor wir das Publikum einbeziehen. Wenn ein Kollege zu dir käme und nach einer Lehre aus dieser Reise fragte, was würdest du sagen?
Carole Thomazeau: Jeder spricht über KI, Automatisierung und so weiter. Der Schlüssel liegt darin, Technologie mit operativer Intelligenz zu verbinden. Die Teams, die die Nachbestückung vornehmen, verfügen über operative business intelligence. Es ist uns gelungen, ihr Know-how – sie hatten keine Zeit, alles zu erledigen – mit einem Tool zu kombinieren, das ihnen hilft, schneller und effektiver zu arbeiten.
Yuting Chang: Im gleichen Geist: Wir sprechen viel über KI. Aber was genau ist KI? Was kann sie wirklich in der operativen Effizienz verbessern und letztlich an der Marge ausmachen? Oft ist KI eine Blackbox: Wir wissen nicht wirklich, was im Inneren passiert. Bei Lokad kehre ich zur Erklärbarkeit zurück: Jede getroffene Entscheidung wird erklärt und verstanden.
Wenn uns der Verkaufsdirektor fragt: „Warum haben Sie beschlossen, diese Artikel an diesen größeren, umsatzstärkeren Laden zu schicken und nicht an einen anderen?“, können wir antworten. Diese Erklärbarkeit schafft Vertrauen nicht nur intern in der supply chain Abteilung – Caroles Team – sondern auch extern: in der kaufmännischen Abteilung usw. Das ist es, was ich an Lokads Ansatz interessant finde.
Swann Bareilhe: Nochmals vielen Dank für eure Beiträge, Carole, Yuting und Joannes. Lassen Sie uns zu den Fragen übergehen. Wir haben nicht viel Zeit, aber ich habe eine Frage zur Erklärbarkeit: Besteht auch ein Bedarf an Erklärbarkeit gegenüber den Geschäften? Du hast die Champs-Élysées oder andere Orte erwähnt; wird sich nicht irgendwann „anderorts“ versucht fühlen zu sagen: „Ich bekomme nie die Artikel mit dem besten Potenzial?“
Carole Thomazeau: Zuerst, es ist nicht „nie.“ Kleinere Stores, da sie ein schmaleres Angebot haben, könnten mehr erhalten als vorher. Früher haben wir automatisch den kleineren Store abgeschnitten und die größeren beliefert – etwas, was das Tool jetzt nicht mehr tut. Und ja, es gibt ein echtes Change-Management-Thema mit den Teams: den digitalen Teams zu erklären, warum sie weniger reservierten Bestand haben; dem Retail zu erklären, dass wir sie mit einer einwöchigen Durchlaufzeit anstatt zwei beliefern.
Aber, wie Yuting sagte, da alles erklärbar und messbar ist, ist es kein Problem.
Yuting Chang: Ich würde sogar das Gegenteil sagen. Mit dem vorherigen Tool haben wir nach Clustern gearbeitet. Cluster A steht für Stores, die mehr Umsatz generieren, größer sind usw. Jetzt betrachten wir die Priorisierung des Bestandsmanagements basierend auf den Verkäufen dieses speziellen Stores für diese bestimmte SKU. Das begünstigt tatsächlich kleinere Stores, die verkaufen, aber zuvor von den „größeren“ Stores, die drei Stück pro Woche verkauften, übertönt wurden. Tatsächlich verkauft der kleinere Store; wir hatten einfach nicht die Zeit, diese SKU und diese Verkaufsstelle zuvor zu überprüfen.
Audience: Hallo. Sie haben Mitgestaltung erwähnt, und man spürt die Begeisterung und Freude, die Sie dabei hatten. Sie befinden sich jetzt in einer laufenden Zusammenarbeit – ich habe verstanden, dass Sie sogar potenzielle Büroräume für das Lokad-Team planen – und in beide Richtungen. Wie lange soll das andauern? Ab wann planen Sie, Supply Chain Scientists in Ihrer Organisation zu haben, oder besteht das Modell darin, sich auf Lokads Organisation zu verlassen?
Yuting Chang: Vielen Dank, das ist eine sehr gute Frage. Um transparent zu sein, haben wir das intern besprochen und auch mit dem Lokad-Team. Interessant ist die offene Diskussion mit dem Partner: Wenn wir eines Tages in SMCPs interner Roadmap die Fähigkeit eines Supply Chain Data Scientist vorsehen, ist Lokad offen dafür, dass wir diese Kompetenzen intern aufbauen.
Die Frage ist, ob SMCP diesen Ehrgeiz hat. Im Moment haben wir noch keine Antwort. In jedem Fall ist es innerhalb der Zusammenarbeit mit Lokad eine Option; es ist nicht tabu.
Joannes Vermorel: Ich möchte hinzufügen, dass all der Code des numerischen Rezepts, das Lokad zusammen mit seinen Kunden mitentwickelt, im Eigentum des Kunden ist. Der Code liegt bereits in den Händen des Kunden. Lokad ist keine Technologie, die in einem verpackten Softwarepaket versteckt ist. Es bleibt eine Frage des Ehrgeizes: Wollen sie diese Fähigkeit intern aufbauen? Wir sind völlig dafür, Leute zu schulen, wenn sie interessiert sind.
Carole Thomazeau: Ich bestätige, dass der Code wirklich zugänglich ist – ich habe selbst einige Tabellen geändert.
Audience: Und gleichzeitig, wenn wir Ihrer Logik folgen, fügen Sie wahrscheinlich mehr Wert hinzu, indem Sie sich darauf konzentrieren, die Kriterien auszuarbeiten und kundenorientiert zu bleiben, mit einem Team an Ihrer Seite. Wenn Sie Datenwissenschaftler integrieren, gibt es Fluktuation, Sie müssen sie umschulen, Best Practices beibehalten… Es gibt sicherlich großen Mehrwert darin, die Zusammenarbeit fortzusetzen.
Jenseits der Teams haben Sie erklärt, dass Sie Ihr bestes Fachwissen einsetzen, das mehr Zeit darauf verwendet, den zu definierenden Kriterien Intelligenz hinzuzufügen. Entwickeln sich diese Kriterien regelmäßig? Ändern Sie sie? Wenn Sie ein neues Sortiment in Angriff nehmen, haben Sie dann neue Kriterien? Übertragen Sie Erkenntnisse von einem Sortiment auf ein anderes? Letztlich bestimmt nicht nur der Umsatz Ihre Entscheidung.
Carole Thomazeau: Die Kriterien: Früher konnte „Ship-from-Store“ ein neues Kriterium sein. Geschäfte, die für Ship-from-Store in Frage kommen, werden in ein Allokationskriterium aufgenommen, das wir vor zwei Jahren noch nicht hatten, als noch nicht jeder Ship-from-Store nutzte. Touristengeschäfte: Geschäfte verändern sich nicht ständig, aber wenn wir ein neues Geschäft eröffnen – wird es touristisch sein oder nicht – werden wir entsprechend priorisieren.
Statt „fester“ Kriterien geht es vielmehr darum, wo wir uns in der Saison befinden: Zu Beginn der Saison sind die Kosten, ein Stück an ein Geschäft zu schicken, in dem es nicht nützlich ist, niedriger als am Ende der Saison. Daher nehmen wir während der gesamten Saison Anpassungen bei Vorlaufzeiten und Risikobereitschaft vor, abhängig von der Qualität des Bestands in unserem Lager.
Audience: Richtig. Und genau dort setzen Sie die Intelligenz ein. Den Rest haben Sie, wie Sie sagten, automatisiert.
Swann Bareilhe: Danke. Wir sind wirklich am Ende angekommen; die Diskussion können wir anschließend fortsetzen. Ich habe nicht gesehen, wer eine Frage stellen wollte. Vielen Dank für die Präsentation. Ich habe eine kurze Frage an Lokad, um den quantitativen Ansatz zur supply chain besser zu verstehen. Ich verstehe, dass es mathematische Modelle gibt, die Daten aufnehmen und einen Allokationsvorschlag berechnen – möglicherweise im Fall von SMCP. Gibt es also eine Trainingszeit für diese Algorithmen? Ist diese im Projekt enthalten oder erfolgt sie sofort?
Joannes Vermorel: Die lange Antwort: Ich lade Sie ein, „Introduction to supply chain“ zu lesen, erhältlich bei Amazon, in dem detailliert beschrieben wird, was wir tun. Unsere Algorithmen sind öffentlich zugänglich. Allgemein gibt es Trainingszeiten, aber mein Ansatz ist es, Systeme zu haben, die typischerweise in weniger als 60 Minuten trainiert werden können, wobei wir potenziell sehr verteilte Cloud-Ressourcen nutzen, um sehr agil zu bleiben.
Gibt es Training? Ja. Betreiben wir Ansätze, bei denen es Wochen dauert, bis ein Modell konvergiert? Nein. Aus unserer Sicht ist es sehr wichtig, diese Modelle gegebenenfalls mehrmals am Tag neu trainieren zu können. Es liegt nicht daran, dass sich die supply chain so schnell ändert; es ist vielmehr so, dass wir nicht drei Tage warten wollen, bis der Grinder fertig ist, wenn das Geschäft einen Einwand erhebt oder eine strategische Neuausrichtung vornimmt.
Jemand sagt: „Was wäre, wenn wir das Thema auf diese Weise betrachten würden?“ Dann muss das Training neu gestartet werden, und wir möchten, dass das Ergebnis schnell eintrifft – zumindest um zu wissen: „Wenn wir es anders machen, wie sieht es dann aus?“ Also ja, unsere Modelle – sowohl die Lernmodelle als auch die Optimierungsmodelle – haben Berechnungszeiten, aber wir versuchen stets, diese unter 60 Minuten zu halten, unabhängig von der Unternehmensgröße, um operativ sehr agil zu bleiben.
Maxime Rabillet: Ich danke Ihnen allen vier für diese anregende Sitzung. Ich bezweifle nicht, dass sie auch nach der Veranstaltung zu weiteren Gesprächen führen wird. Der Lokad-Stand ist direkt dort drüben. Vielen Dank an alle.
