00:00:00 Einsatzkapitel und Praktikerrahmen
00:04:35 Einfachheit übertrifft die Komplexität der Mainstream-Supply Chain
00:09:10 Unbeaufsichtigte Entscheidungen vermeiden Umwege im Arbeitsablauf
00:13:45 Änderungsmanagement beseitigt größtenteils unnötige Arbeit
00:18:20 Abgeschlossene Entscheidungen verkürzen die IT-Implementierung drastisch
00:22:55 Unordentliche Unternehmensdaten liegen in der Verantwortung des Anbieters
00:27:30 Survival beweist, dass die Daten bereits ausreichend sind
00:32:05 Supply-Chain-Wissenschaftler treffen gewinnbringende Entscheidungen
00:36:40 Ein Geist verhindert fragmentierte numerische Rezepte
00:41:15 Erklärbarkeit erfordert Eigenverantwortung und Whiteboxing
00:45:50 Erklärungen beginnen, wenn Entscheidungen tatsächlich getroffen werden
00:50:25 Unsinnige Entscheidungen offenbaren fehlende Einschränkungen und Felder
00:55:00 Profitable Entscheidungen können mit alten Gewohnheiten brechen
00:59:35 Post-Einsatz bedeutet Wartung gegen Strukturdrift
01:04:10 Kontinuierliche Verbesserung erweitert den Entscheidungsspielraum im Laufe der Zeit
01:08:45 Kein Wert ohne Endspielentscheidungen
01:13:20 Zehn Wochen sollten echte Fortschritte zeigen
01:17:55 Vertrauen braucht Monate; Testen Sie zuerst die schwierigsten Probleme
Zusammenfassung
Joannes Vermorel und Conor Doherty setzen ihre Kapitel-für-Kapitel-Diskussion über Introduction to Supply Chain fort. Kapitel zehn befasst sich mit der Bereitstellung: der praktischen Arbeit, automatisierte Supply-Chain-Entscheidungen in die Produktion zu integrieren, sie zuverlässig zu machen und sicherzustellen, dass sie den täglichen Betrieb neu gestalten, anstatt ein Prototyp zu bleiben.
Erweiterte Zusammenfassung
Diese Diskussion über die Bereitstellung durchkreuzt eine Menge modischen Unsinns in der Unternehmenssoftware. Der zentrale Punkt ist nicht kompliziert: Der Zweck einer Supply-Chain-Initiative besteht nicht darin, Dashboards, Arbeitsabläufe, Scorecards oder andere dekorative Artefakte des Managements zu erstellen. Sein Zweck besteht darin, bessere Entscheidungen zu treffen. Wenn ein sogenannter Einsatz nicht in unbeaufsichtigten, überprüfbaren und wirtschaftlich sinnvollen Entscheidungen endet, dann ist vieles, was ihm vorausgeht, bestenfalls Zeremoniell.
Ein in der Branche wiederkehrender Fehler ist die Verwechslung von Komplexität und Raffinesse. Viele Unternehmen führen Segmentierungsebenen, Überschreibungen, Warnungen und Genehmigungsworkflows ein, weil diese Dinge sinnvoll erscheinen. In der Praxis erzeugen sie oft mehr Code, mehr Ausnahmen, mehr Mehrdeutigkeit und mehr Fehlermöglichkeiten. Was „sicherer“ erscheint, wird schwieriger aufrechtzuerhalten, langsamer zu verbessern und es ist leichter, die Schuld auf alle und niemanden zu schieben. Im Gegensatz dazu ist ein System, das von Anfang an darauf ausgelegt ist, endgültige Entscheidungen zu generieren, im Prinzip schwieriger, in der Praxis jedoch einfacher.
Ein weiterer wichtiger Punkt betrifft die Daten. Unternehmen wird oft gesagt, dass ihre Daten zu chaotisch seien, um eine Automatisierung zu unterstützen. Diese Ausrede bleibt bestehen, weil sie für Anbieter nützlich ist, deren Systeme ausfallen. Aber jedes Unternehmen, das noch in großem Maßstab tätig ist, verfügt bereits über Daten, die ausreichen, um seine Supply Chain zu betreiben, sonst wäre es längst bankrott gegangen. Die Frage ist nicht, ob die Daten aufgeräumt sind. Echte Geschäftssysteme sind es nie. Die Frage ist, ob die Leute, die die Lösung entwickeln, kompetent genug sind, um mit der Realität umzugehen, anstatt einen imaginären Datensatz zu fordern.
Die hier beschriebene Rolle des Supply-Chain-Wissenschaftlers ist daher nicht eng begrenzt. Dabei handelt es sich nicht nur um isolierte Datenaufbereitung, Modellierung oder Optimierung. Es ist der Besitz des vollständigen numerischen Rezepts, von den Rohdaten bis zur endgültigen Entscheidung. Die Aufteilung dieser Verantwortung auf Spezialisten mag effizient klingen, führt jedoch in der Regel zu Misserfolgen aus allen Nähten. Was benötigt wird, ist ein Geist, der die gesamte Kette gut genug versteht, um sie zusammenhängend darzustellen und zu erklären.
Die Erklärbarkeit selbst wird hier eher praktisch als theatralisch behandelt. Sie erklären Abstraktionen nicht um ihrer selbst willen. Sie erklären Entscheidungen. Und die Erklärung muss endlich in der Ökonomie aufgehen: Warum diese Ordnung, warum dieser Preis, warum jetzt, warum nicht später? Wenn die Antwort nicht in Form von Gewinnen, Verlusten, Risiken und Kompromissen angegeben werden kann, dann ist die Erklärung wahrscheinlich ornamental.
Die umfassendere Lehre ist, dass der Einsatz nach Ehrgeiz und Geschwindigkeit beurteilt werden sollte. Konzentrieren Sie sich zunächst auf das schwierigste echte Problem, nicht auf ein einfaches Spielzeugproblem. Fordern Sie brauchbare Ergebnisse in Wochen, keine vagen Versprechungen in Jahren. Wenn ein Anbieter seine Fähigkeit zur Entscheidungsfindung nicht schnell nachweisen kann, wird eine Verzögerung die Inkompetenz nicht heilen.
Vollständiges Transkript
Conor Doherty: Willkommen zurück. Dies ist Episode 10 einer ganz besonderen Serie, in der Joannes und ich sein neues Buch „Introduction to Supply Chain“ nehmen und die Ideen Kapitel für Kapitel diskutieren. Für diese spezielle Serie nehme ich nun eine ganz bestimmte Haltung ein. Wie Sie wissen, gebe ich vor, nicht jemand zu sein, der bei Lokad arbeitet. Ich habe noch nie von quantitativer Supply Chain gehört. Ich kenne Joannes sicherlich nicht und habe seit fast vier Jahren nicht mehr mit ihm zusammengearbeitet.
Ich gebe vor, einer der etwa 10 Millionen Praktizierenden auf der Welt zu sein, die dieses Buch sehen, neugierig sein, anfangen zu lesen und dann Fragen haben. Heute ist Kapitel 10. Das bedeutet natürlich, dass es vorher neun Kapitel gab. Ich empfehle Ihnen dringend, sich diese zuerst anzuschauen, da die Dinge, die wir heute besprochen haben, mit Sicherheit auf Material aufbauen werden, das in früheren Episoden behandelt wurde.
Und damit, Joannes, also fangen wir an. Kapitel 10, Bereitstellung. Jetzt werde ich sofort gegen die Haltung verstoßen, die ich gerade allen versprochen habe, und ich sage, wissen Sie, Conor, der hier arbeitet, Kapitel vier, das ist Wirtschaft, und Kapitel acht, das sind Entscheidungen, das sind wahrscheinlich meine persönlichen Favoriten. Acht ist wahrscheinlich diejenige, zu der ich, entschuldigen Sie, das meiste Feedback von Leuten bekomme, die Lokad kennen.
Aber wenn ich wirklich aus der Perspektive eines Praktikers darüber nachdenke, wie jemand, der das Buch liest und die ersten paar Kapitel liest und denkt: „Ich mag diesen Ansatz wirklich. Mir gefällt die Idee der quantitativen finanziellen Einstufung von Entscheidungen wirklich. Ich denke wirklich darüber nach, wie hoch die Halbwertszeit einer Entscheidung ist. Was ich jetzt mache, öffnet oder schließt es Entscheidungen später?“ Da bin ich voll und ganz einverstanden. Sie werden eine ganz einfache Frage haben: „Wie zum Teufel sieht das aus?“ Was wäre, wenn mein Chef zu mir sagen würde: „Das ist eine tolle Idee, aber wie wird sie aussehen? Was sind die Rollen? Was wird von uns verlangt? Was sind die Daten? Wie lange wird es dauern? Was sind die möglichen Fehlerquellen?“
In Kapitel 10 gehen Sie eigentlich darauf ein. Wir werden also über die Vor- und Nachteile davon sprechen, aber auf einer allgemeinen Ebene: Was sorgt Ihrer Meinung nach dafür, dass eine Bereitstellung tatsächlich funktioniert, und was führt dazu, dass sie einfach katastrophal scheitert?
Joannes Vermorel: Für Lokad sind die Unternehmen, bei denen wir erfolgreich sind, im Wesentlichen diejenigen, die es uns ermöglichen, unsere Bemühungen fortzusetzen. Und es mag albern klingen, aber im Grunde hat es nichts mit Reife zu tun. Man sieht also, dass einige mit vielen Supply-Chain-Direktoren diskutieren und sagen: „Oh, wir brauchen einen gewissen Grad an Reife“, und hier bin ich anderer Meinung, denn von welcher Reife sprechen wir?
Wenn Sie mit Reife das Festhalten an Theorien über kaputte Supply Chainn meinen, dann wird Ihnen die Weiterentwicklung dieses Weges nicht dabei helfen, tatsächlich mit Lokad erfolgreich zu sein, sondern auch nur, was die Supply Chain angeht. Sehen Sie, die Haltung, die ich in diesem Buch vertrete, bedeutet, dass dieses Buch als eine neue Introduction to Supply Chain präsentiert wird. Deshalb diskutiere ich nicht ausführlich alles, was nicht funktioniert, aber man kann es im Wesentlichen als das sehen, was funktioniert, im Gegensatz zur Mainstream-Supply-Chain-Theorie, bei der es sich im Wesentlichen um eine lange Liste oder Sammlung von Dingen handelt, die in der Praxis nicht funktionieren.
Und so gibt es all diese Dinge, wie Punktprognosen, Servicegrad-Mikromanagement, einen Ansatz, bei dem Sie Ihre Supply Chain durch Warnungen und Ausnahmen verwalten, regelbasiertes Alles, manuelle Überschreibungen für alles usw. usw. Unterm Strich sind es also, wenn Lokad erfolgreich ist, im Wesentlichen Orte, die uns einfach eine solide Chance geben, etwas auszuprobieren, das normalerweise um eine Größenordnung einfacher ist als das, was die klassische Supply Chain mit sich bringt.
Denn das Problem besteht darin, dass die etablierte Supply-Chain-Theorie völlig kaputt ist und in der Praxis zu einem Albtraum voller Komplikationen führt. Denn sobald man tatsächlich eine richtige Theorie hat, ist alles einfacher. Die Software ist einfacher, die Mathematik ist einfacher, die Logik ist einfacher und die Art der Ergebnisse landet viel sauberer, das heißt, Entscheidungen, optimierte, risikobereinigte Entscheidungen, landen viel sauberer am Ende der Initiative.
Das heißt, ich würde sagen, wenn es eine Erkenntnis gäbe, dann wäre es, keine Theorie zu verfolgen, die letztendlich scheitern wird, egal wer für die Umsetzung verantwortlich ist. Bei Lokad versuchen wir, unsere Interessenten und Kunden dazu zu bringen, wirklich bei den Dingen zu bleiben, die funktionieren. Wenn sie uns jedoch direkte Anweisungen geben, wird es letztendlich sehr schwierig, gegen den Willen des Kunden erfolgreich zu sein.
Conor Doherty: Wissen Sie, um darauf einzugehen, nur um es klarzustellen, entschuldigen Sie, wenn Sie „eine Größenordnung“ sagen, geben Sie nur Zahlen an, aber sagen wir, eine Größenordnung einfacher, meinen Sie, dass es in Bezug auf die Bereitstellung eine Größenordnung einfacher ist? Oder meinen Sie, dass es im Hinblick auf das Ergebnis um eine Größenordnung einfacher zu handhaben ist?
Einfacher im Hinblick auf den Zeitplan: Wie viele Tage dauert es, bis ein System betriebsbereit ist? Wie viele Arbeitsstunden müssen Sie investieren? Wie viel Störung ist erforderlich? Ich meine zum Beispiel, bitte ein Beispiel.
Joannes Vermorel: Wenn Sie beispielsweise mit etwas wie der ABC-Analyse, die Sie lieben, oder irgendeiner Art erfundener Segmentierung beginnen, dann sehen Sie, dass Sie das nicht brauchten. Es ist wie eine pseudo-offensichtliche Lösung für ein nicht existierendes Problem. Die Leute denken also: „Oh ja, wir müssen das durch eine unterschiedliche Servicequalität oder so etwas angehen, durch eine Segmentierung.“ Die kurze Antwort lautet: Nein, Sie benötigen diese Segmentierung nicht.
Und wenn wir zu einer Segmentierung gezwungen werden, dann haben wir am Ende so viele Codezeilen, die wie folgt lauten: Wenn Kategorie A, dann dies und dies und dies; wenn Kategorie B, dann dies und dies und dies. Wenn wir ein Produkt haben, das kürzlich von B nach A gelangt ist, brauchen wir dies und dies und dies. Wenn es kürzlich von A nach B ging, dann brauchen wir etwas. Sie sehen also, es handelt sich lediglich um eine Idee, bei der die Mainstream-Theorie eine Segmentierung durchaus befürworten und befürworten würde.
Und dieses Ding wird, was den Code betrifft, in ein Labyrinth von Grenzfällen übergehen, was mehr Codezeilen, mehr Fehler, mehr, würde ich sagen, mehr verrückte Entscheidungen bedeutet, die am Ende des Tages aus der Datenpipeline kommen werden. Daher benötigen die Leute mehr Zeit, um die Zahlen tatsächlich zu überprüfen. Sie benötigen mehr Berichte, um die Zahlen überhaupt zu verstehen usw. usw. Sie sehen, diese Dinge überlagern sich.
Und die Art von Dingen, die Lokad macht, klingt vielleicht kompliziert, wie probabilistische Prognosen, ist es aber nicht, denn es ist eine Möglichkeit, buchstäblich ganze Problemklassen zu eliminieren und in nur wenigen Codezeilen Dinge auszudrücken, die sonst Tausende von Codezeilen erfordern würden. Das ist das Wesentliche. Ich würde sagen, wir müssen das verfolgen, was tatsächlich einfach ist, und nicht das, was einfach aussieht, was in Wirklichkeit simpel ist und daher zu Unmengen von Regeln und Randfällen und, würde ich sagen, nachgelagerten Komplikationen führt.
Conor Doherty: Also, um damit fortzufahren, und ich möchte sehr darauf achten, nicht zu viele Ideen miteinander zu verschmelzen. Um es etwas konkreter zu formulieren, eines der Dinge, die Sie in Kapitel 10 argumentieren, ich paraphrasiere es wieder, aber das ist sehr zutreffend: Sie argumentieren, dass Sie im Kontext einer Bereitstellung, konkret im Hinblick auf das Ergebnis, keine bessere Sichtbarkeit anstreben. Sie streben keine besseren Dashboards an. Sie verfolgen keine besseren Prognosen.
Der Zweck eines Einsatzes, insbesondere im Hinblick auf die Optimierung der Supply Chain, besteht darin, unbeaufsichtigte, überprüfbare Entscheidungen zu treffen, beispielsweise Bestellungen, Transfers, Zeitpläne oder Preisänderungen, die dann in Ihre Betriebssysteme zurückgeschrieben werden. Ja. Das ist einfacher. Das ist der Punkt, den Sie ansprechen.
Joannes Vermorel: Noch einmal, und das Wichtigste ist, unbeaufsichtigt zu bleiben. Wenn Sie sich zum Beispiel entscheiden, dass Sie sagen würden: „Oh, die Messlatte liegt so hoch, unbeaufsichtigt. Sie möchten es wirklich so hinbekommen, ohne Zwischenschritte, direkt zu den guten Dingen.“ Und ich sage ja, denn was ist die Alternative?
Die Alternative besteht darin, einen sehr komplizierten Arbeitsablauf zu entwickeln, bei dem die Leute eingreifen, alle möglichen Überschreibungen vornehmen können und am Ende die Ressourcenzuweisungen, die tatsächlichen Entscheidungen, generiert werden. Wie viel kaufe ich? Wie viel produziere ich? Wo lege ich die Aktie hin? Verschiebe ich den Preis nach oben oder unten? Wenn Sie also entscheiden, dass wir direkt unbeaufsichtigte Entscheidungen treffen, möchten Sie natürlich sagen: „Okay, ich würde keine unbeaufsichtigten Entscheidungen akzeptieren, die alles andere als ausgezeichnet sind.“ Sie müssen in der Regel viel besser sein als das, was Menschen manuell produzieren könnten.
Ich sage, gut, kein Problem. Das ist absolut ein faires Kriterium. Und was ich sagen möchte, ist, dass wir dies vom ersten Tag an anstreben sollten. Und wenn Sie es versuchen, sagen Sie: „Okay, wir wollen es auf die beaufsichtigte Art und Weise machen, mit einem mehrstufigen Arbeitsablauf“ usw., dann verwandelt sich Ihr Prozess, der eigentlich die Optimierung der Supply Chain sein sollte, in die Gestaltung eines Arbeitsablaufs, und dann wird daraus, wie Sie sehen, einfach nicht dasselbe Objekt.
Und im Grunde, anstatt Zeit mit der Frage zu verbringen: „Entwerfe ich ein System, das die Rendite jeder zugewiesenen Ressource, die ich in meiner Supply Chain zuteile, wirklich maximiert?“ Das ist das Spiel, das wir spielen. Es löst sich in etwas auf, bei dem man die Meinung jeder einzelnen Person einholen muss, und dann muss man die Produktivität optimieren, denn der Arbeitsablauf besteht darin, „die Leute eingreifen zu lassen“, was Zeit kostet.
Es gibt also alle möglichen Kompromisse. Wenn Sie mehr Flexibilität geben, können die Leute sagen: „Oh, dann habe ich mehr Hebel“, aber dann führt es zu Komplikationen, weil Ihre Mitarbeiter dann möglicherweise zu viel Zeit mit dem Arbeitsablauf verbringen. Und wenn die Endspielentscheidungen am Ende falsch sind, wessen Schuld ist es dann? Es verwischt die Verantwortung völlig.
Besonders wenn der Arbeitsablauf ein halbes Dutzend Leute umfasst, die nach und nach kleine Wendungen vornehmen, wird es äußerst schwierig, den Schuldigen zu ermitteln. Sie müssen also für alle diese Abteilungen eine Kausalitätsanalyse durchführen. Und sehen Sie, so haben wir mit etwas begonnen, das lautete: „Lasst uns direkt zu den Entscheidungen übergehen, die am meisten profitabel sind“, zu etwas, bei dem wir völlig abgelenkt wurden, wo wir anfangen, einen Arbeitsablauf und Benutzeroberflächen zu entwickeln und zu überwachen, was die Leute tun, Produktivitätsoptimierung usw.
Sehen Sie, so kann es passieren, dass Sie am Ende etwas bekommen, das um eine Größenordnung langsamer und komplizierter ist, nur weil Sie tatsächlich ein paar Dinge getan haben, die anfangs einfacher aussahen. Nein, nein, das ist es nicht. Für uns ist das wiederum ein echtes Erfolgskriterium: Wir müssen direkt mit der Profitabilitätsmaximierung fortfahren können, ohne Umwege in Arbeitsabläufe, ohne Umwege in erfundene numerische Artefakte wie Segmentierungen und so weiter.
Letztlich ist dir ABC egal. Was Sie interessiert, ist, ob ich tatsächlich die Kapitalrendite maximiere? Ob ich meine SKUs durch Kurse, durch dieses, durch jenes oder durch was auch immer schneide und würfele, spielt keine Rolle. Ich meine, wenn es darum geht, die Rendite mit einer langfristigen Perspektive zu maximieren, was bedeutet, dass Sie keine kurzfristige, ich würde sagen, destruktive Perspektive verfolgen, möchten Sie die Qualität der Dienstleistung so wertschätzen, wie sie wichtig ist, und gleichzeitig Ihre langfristigen Interessen schützen, und all das wird in der Rendite enthalten sein. Wenn nicht, liegt es einfach daran, dass Sie ein vereinfachtes Kriterium haben, das angepasst werden muss.
Conor Doherty: Ja. Und etwas, das Sie dort insbesondere gesagt haben, ist die Idee, mit Praktikern zu sprechen, sei es nur auf einer Konferenz, sei es mit Podcasts wie diesem, sei es ein geschäftlicher Anruf, was auch immer, eines der Dinge, die dabei zur Sprache kommen, ist das Änderungsmanagement. Und da haben Sie etwas gesagt: Ich habe Sie gefragt, was ein erfolgreiches Unternehmen von einem Misserfolg unterscheidet, und Sie sagten, Unternehmen, die es Ihnen erlauben, einfach Ihr Ding zu machen.
Und ich würde noch hinzufügen, dass es im Change Management zu akzeptieren bedeutet, dass es im Titel zumindest einige Änderungen geben wird. Und die Veränderung wird sein, dass Sie weg von dem navigieren, was Sie gerade beschrieben haben: der Segmentierung, der manuellen Außerkraftsetzung, der Überwachung. Sie müssen akzeptieren, dass Sie sich in Richtung Automatisierung und unbeaufsichtigter Entscheidungen bewegen.
Joannes Vermorel: Und wieder einmal denke ich, dass ein Teil des Problems auch darin besteht, dass die Veränderung, die Lokad mit sich bringt, äußerst begrenzt und größtenteils subtraktiv ist. Sehen Sie, das ist die Sache, bei der die Leute manchmal sehr, sehr verwirrt sind. Lokad erfordert keine Umstrukturierung der Unternehmen unserer Kunden. Die Veränderung, die wir herbeiführen, ist fast ausschließlich subtraktiv, beseitigt Dinge, und das ist alles.
Sie müssen also nicht die Stellenbeschreibungen vieler Leute umgestalten und umschulen. Das liegt im Wesentlichen daran, dass wir wieder auf unbeaufsichtigte Entscheidungsprozesse abzielen, ja, sie sind konzeptionell auf allen Ebenen einfacher. Für die IT ist es einfacher. Für die Supply-Chain-Praktiker ist es einfacher. Für das Top-Management ist es einfacher. Tatsächlich ist es für alle einfacher.
Es geht also nicht so sehr darum: „Oh, wir haben so viel Veränderung, wir müssen so viel lernen“, sondern darum, all die Dinge zu verlernen, die einfach nicht mehr relevant sind. Stellen Sie sich das einfach wie diese alten Schreibmaschinen vor, die mechanischen. Du musstest sie ölen. Sie mussten in der Lage sein, das Farbband zu wechseln. Manchmal musste man…
Ich hatte eines, als ich jung war. Ich meine, wenn man eine mechanische Schreibmaschine beruflich nutzen wollte, erforderte dieses Ding eine Menge kleiner Wartungsarbeiten. Es ist im wahrsten Sinne des Wortes ein bisschen wie ein Uhrwerk. Und wenn Sie an einen Computer gehen, ist er plötzlich weg. Ihre Tastatur funktioniert, und wenn Ihre Tastatur kaputt ist, kaufen Sie einfach eine neue Tastatur und das war’s.
Der Wissensumfang, den Sie benötigen, um eine moderne Tastatur zu bedienen, ist im Vergleich zu einer Schreibmaschine der alten Schule viel geringer. Sie sehen also, das Änderungsmanagement ist sehr subtraktiv. Es sind Unmengen von Dingen, die einfach verschwunden sind. Und das ist vielleicht der Teil, der für potenzielle Kunden am verwirrendsten sein könnte, wenn wir mit ihnen diskutieren. Sie erwarten tatsächlich viele Veränderungen in dem Sinne: „Oh, wir müssen die Leute umschulen, wir müssen dies und das hinzufügen“, und davon gibt es sehr wenig. Es ist sehr, sehr wenig.
Für die IT ist Lokad meiner Meinung nach nur ein winziger Bruchteil des Aufwands, den ein klassisches System erfordert. Für die IT ist es also viel weniger. Für einen Piloten ist die Reibung normalerweise sehr gering. Es geht im Wesentlichen nur um das Senden von Rohdateien, aus dem System extrahierten Zeilen-Flatfiles, ohne jegliche Vorverarbeitung, Kopieren und Einfügen, nur Dump und Transfer.
Conor Doherty: Das ist ein wichtiger Punkt. Tut mir leid, das ist tatsächlich ein ganz wichtiger Punkt, den wir nur beschönigt haben, nämlich wie gering der Erfolg im Vergleich zu „Wir brauchen einen zweijährigen Implementierungsprozess, nur um es fertig zu machen.“ Fahren Sie nicht noch einmal über diesen Punkt hinaus.
Joannes Vermorel: Ja. Der Grund liegt wiederum darin, dass die Arbeitsweise von Lokad so ist, dass wir möchten, dass diese Entscheidungsmaschine ohne einen Arbeitsablauf läuft. Ich meine, der Arbeitsablauf ist super minimalistisch: Daten rein, Entscheidung raus, und fertig.
Und so gibt es so viele Dinge, die einfach nicht benötigt werden. Wir müssen uns nicht erneut mit dem ERP synchronisieren, eine Menge komplizierter Dinge, denn am Ende produzieren wir nur endgültige Entscheidungen, die sich dann sehr einfach wieder in das ERP importieren lassen. Wenn Sie beispielsweise eine Bestellung generieren möchten, sind nur das Produkt, die Menge und der Lieferant betroffen, und das war’s. Die Datenstruktur bei abgeschlossener Bestellung ist sehr, sehr einfach.
Im Gegensatz dazu, wenn wir, sagen wir, viele Segmentierungen verwalten, sie mit dem ERP neu synchronisieren, den Leuten die Möglichkeit geben wollen, alle möglichen Dinge in Lokad zu tun und es dann mit dem ERP neu zu synchronisieren, würden die meisten meiner Kollegen so etwas anbieten. Und deshalb dauert die Implementierung ewig, weil es wiederum so viele Schichten numerischer Artefakte gibt, Dinge, die einfach, würde ich sagen, Dinge sind, die nicht real sind, die nur wie Instrumente sind, um zum Endprodukt zu gelangen, das eine Entscheidung ist.
Und manchmal geht es sogar bei der klassischen Supply-Chain-Software nicht einmal bis zur endgültigen Entscheidung, die wirklich alle Einschränkungen berücksichtigt, wie z. B. die geprüfte Mindestbestellmenge, die geprüfte maximale Containerkapazität, die Prüfung der vollen LKW-Ladung usw. Sehr häufig entsteht also auch eine Menge Komplexität, die sich aus der Tatsache ergibt, dass das, was man aus der typischen erweiterten Planungssoftware, dem klassischen APS, herausbekommt, etwas ist, das wiederum kein endgültiges Ergebnis ist, anstatt auf die völlig endgültige Entscheidung zu zielen. und daher benötigen Sie im Nachhinein viel Klempnerarbeit, um die Entscheidungen tatsächlich zu treffen.
Conor Doherty: Ich denke, das ist ein sehr fruchtbarer Boden, auf dem wir weitergehen können, denn wenn wir über IT-Einbindung sprechen, und das ist wieder etwas, was wir beide aus Diskussionen mit vielen, vielen Praktikern zu diesem Zeitpunkt wissen, ist eines der Dinge, worüber sie sich Sorgen machen werden: „Nun, meine Stammdaten sind nicht gut genug. Mein Datenzustand ist schrecklich. Joannes, du solltest meine Daten sehen. Es ist ein Durcheinander. Es ist unanständig. Unbrauchbar. Sie können es nicht einmal verwenden.“ es.“
Sie haben in Kapitel 10 ganz klar zum Ausdruck gebracht, dass das völliger Blödsinn ist.
Joannes Vermorel: Oh ja. Ach ja. Das Interessante ist, dass der Markt der Anbieter von Supply-Chain-Unternehmenssoftware absolut schrecklich ist und die Ausfallraten der meisten Anbieter weit über 90 % liegen. Nein, es klingt im wahrsten Sinne des Wortes verrückt. Sie sind groß. Auf dem Papier gibt es angeblich Hunderte von erfolgreichen Implementierungen. In der Praxis handelt es sich bei allen um unterschiedliche Fehlergrade.
Und wann immer es scheitert, und es scheitert fast immer, geben sie den Daten die Schuld, weil sie so ein perfekter Sündenbock sind. So ein perfekter Sündenbock, wissen Sie. Es ist, als würde man dem Gott des Wetters die Schuld geben oder so. Sie geben einfach einer externen Kraft die Schuld, als ob Daten eine Sache des Universums wären und wir damit leben müssten. Nein, nein, nein.
Meine Meinung ist also: Die Daten sind für jedes Unternehmen über, sagen wir, 50 Millionen US-Dollar fast ausnahmslos ausgezeichnet. Fast ausnahmslos ausgezeichnet. Warum? Denn die Unternehmen, die nicht über ausgezeichnete Daten verfügten, sind schon vor langer Zeit pleite gegangen. Es ist einfach Unternehmensdarwinismus. Wenn Sie nicht wissen, was Sie kaufen, wissen Sie nicht, wie Sie Ihre Lieferanten bezahlen sollen, und Sie werden einige Lieferanten zweimal oder gar nicht bezahlen, und dann sind sie keine Lieferanten mehr oder so etwas in der Art.
Können Sie also nicht wissen, was Sie kaufen? Nein. Können Sie nicht wissen, was Sie verkaufen? Nein. Denn wenn Sie nicht wissen, was Sie verkaufen, werden Sie auch nicht Kunden hinterherlaufen, die vergessen haben zu zahlen, und dergleichen. Die einzigen Unternehmen, die überlebt haben, sind also diejenigen, die grundsätzlich wissen, was sie kaufen, was sie produzieren und was sie verkaufen.
Conor Doherty: Ja. Ja. Grundregel.
Joannes Vermorel: Ja. Und wieder der Darwinismus in Aktion. Unternehmen, die das nicht können, sind schon vor langer Zeit, wahrscheinlich eher vor zwei Jahrzehnten, pleite gegangen. Überlebt haben also die Unternehmen, bei denen diese Basisdaten korrekt sind. Korrekt in dem Sinne, dass sie die Realität widerspiegeln und nutzbar sind.
Conor Doherty: Sie lehnen also das Argument der Unordnung ab?
Joannes Vermorel: Nein. Ach ja, genau. Ich meine, dann passiert etwas, wenn inkompetente Anbieter, ja, mit diesen Daten konfrontiert werden, und was sie erwarten, sind Daten, die perfekt organisiert sind, sagen wir mal, ein Kaggle-Wettbewerb wird organisiert. Sie haben super aufgeräumte Daten mit genau den richtigen Tabellen, mit genau den richtigen Feldern und alles ist super gut dokumentiert. Aber wieder ein Kaggle-Wettbewerb.
Ja, wenn Sie als Anbieter das erwarten, werden Sie enttäuscht sein. Ja. Die Realität ist, ja, die Anwendungslandschaft ist chaotisch. Was Sie vor sich haben werden, ist eine Landschaft mit einem halben Dutzend komplexer Geschäftssysteme, wobei jedes Geschäftssystem zwischen 1.000 und 10.000 Tabellen und jede Tabelle zwischen 10 und 500 Felder hat. Und jedes einzelne Datenelement, wie zum Beispiel der Umsatz, wird mindestens verdreifacht. Es wird also aus unterschiedlichen Gründen auf drei verschiedene Arten in verschiedenen Tabellen dargestellt, und so ist es nun einmal.
Nun, was Lokad betrifft, ist es unsere Aufgabe, und ich würde sagen, dass ich die Verantwortung von Lokad betrachte, die Sache einfach zu regeln. Dies ist lediglich eine Grunderwartung. Daher erwarten wir für uns nichts anderes als eine äußerst chaotische Anwendungslandschaft mit jahrzehntelang sedimentiertem Material. Sie haben also etwa vier verschiedene ERPs, eines, das … weil ERPs nie wirklich sterben, sondern einfach in den Hintergrund treten, und Sie haben immer noch das Ding, das auf einem Großrechner läuft, auf einem AS/400 oder so, das immer noch läuft, und es wurde nie wirklich heruntergefahren.
Und ja, damit muss man genauso klarkommen wie mit dem Rest, und das ist völlig normal. Sie sehen also, wenn die Leute den Daten die Schuld geben, sind es für mich in Wirklichkeit die Anbieter, die die Schuld geben. Für mich ist es fast immer ein Beweis für die Inkompetenz der Anbieter. Wenn Ihnen ein Anbieter sagt: „Oh ja, wir haben versagt, weil die Daten schlecht sind“, dann meine ich: Laufen Sie einfach weg. Dieser Anbieter ist völlig inkompetent. Sie wissen nicht einmal, dass sie inkompetent sind, und sie geben dem Wettergott oder so etwas die Schuld. Es fühlt sich einfach… den Daten die Schuld zu geben viel mehr dem 21. Jahrhundert an, als zu sagen: „Ja, die Götter waren in dieser Sache nicht auf unserer Seite, und deshalb haben wir diesen Kampf verloren“, aber im Grunde ist es dasselbe.
Conor Doherty: Dies ist ein zentraler Punkt, und ich möchte wirklich näher darauf eingehen, denn da muss ich zwei von Ihnen angesprochene Punkte trennen, aber ich möchte sie nur wiederholen, weil sie wichtig sind. Erstens die Aussage „Meine Daten sind chaotisch“, die hier drüben steht. Und das andere ist: „Meine Daten sind zu chaotisch, um irgendetwas fleißig damit zu machen.“ Das sind zwei verschiedene Behauptungen, die Sie machen.
Und tatsächlich, direkt über deiner Schulter, ich weiß nicht, ob es auf der Kamera sichtbar ist, liegt dein erstes Buch, das Manifest, das rote. Und indem Sie das Beispiel nennen: Ich glaube wirklich, es ist in den 90ern, vielleicht Seite 98 oder so ähnlich, Sie geben das Beispiel: Was bedeutet Verkaufsdatum? Und Sie nennen etwa sechs bis zehn verschiedene Beispiele. Wenn Sie beispielsweise Ihre Transaktionsdaten öffnen, könnte es sich um den Tag handeln, an dem es in den Warenkorb gelegt wurde, den Tag, an dem es verkauft wurde, den Tag, an dem die Rückgabefrist endete, den Tag, an dem die Garantie endete, was auch immer. Es gibt viele verschiedene Interpretationen dessen, was das bedeutet. Das macht es chaotisch.
Aber wie Sie gerade sagten, liegt es in der Verantwortung des Verkäufers, Ihnen diese Unordnung abzunehmen und etwas Fleißiges und Produktives daraus zu machen.
Joannes Vermorel: Ja. Ja. Und der Schlüssel, und das passt zum Kapitel „Einführung“, ist, dass Sie am Ende das Ergebnis einer Initiative erhalten möchten, von etwas, das sehr fundierte, risikobereinigte und sehr profitable Entscheidungen auf der Grundlage der Ihnen zur Verfügung stehenden Daten liefert. Denn die Realität ist, dass Ihre Mitarbeiter in Ihrem Unternehmen keinen Zugriff auf weitere Daten haben.
Der Produktionsleiter, der Lagerverwalter oder der Einkaufsleiter gehen nicht physisch ins Lager, um weitere Informationen einzuholen, bevor sie die Bestellungen, den Produktionsauftrag oder was auch immer eingeben. Sie erledigen alles von ihrem Schreibtisch aus und haben größtenteils keinen privilegierten Zugriff auf privilegierte Informationen, außer auf die Informationen, die sich tatsächlich in den Geschäftssystemen befinden.
Die Behauptung, die ich aufstelle, ist also, dass Lokad … weil Ihre Leute, Ihre Mitarbeiter bereits in der Lage sind, Ihre Supply Chain zu betreiben, andernfalls wären Sie, wiederum Darwinismus in Aktion, bankrott. Wenn Sie also nicht bankrott sind, schaffen es einige Leute, Ihr Unternehmen zum Laufen zu bringen, was beweist, dass die Daten irgendwie ausreichen. Allein die Tatsache, dass Ihr Unternehmen noch nicht bankrott ist, beweist, dass die Daten gut genug sind.
Nun stellt sich die Frage: Ist der Anbieter kompetent genug, die Daten so zu nutzen, wie sie sind, und nicht nur Wunschdenken? Wenn der Anbieter kommt und sagt: „Ja, wir werden erfolgreich sein, wenn Ihre Daten meinem Standard entsprechen“, dem Standard des Anbieters, haben Sie als Unternehmen, das eine Supply Chain betreibt, keinen Einfluss auf den Standard des Anbieters. Offensichtlich ist das Unsinn.
Stellen Sie sich vor, Sie möchten in Ihrem Haus eine Sanitärinstallation reparieren lassen, und der Typ, der auftaucht, sagt: „Oh nein, wissen Sie, mir gefällt die Art und Weise, wie Ihre Sanitäranlagen angeordnet sind, nicht wirklich. Und die Leute würden sagen: „Nein, Sie sind der Klempner. Kümmern Sie sich einfach um die Art und Weise, wie die Klempnerarbeiten ausgeführt wurden. Und ja, wenn es Rohre gibt, die nicht ganz gerade sind, meine ich, kümmern Sie sich darum. Das erwarten wir von Ihnen.“
Sie sehen, diese Art, den Daten die Schuld zu geben, ist völlig verrückt. Was meiner Meinung nach viel über den Wahnsinn dieses Marktes aussagt, ist die Tatsache, dass es einigen Anbietern immer wieder gelingt, dem Kunden die Schuld für das Versagen zuzuschieben, mit der Ausrede, es lägen nur an den Daten. Und das Verrückteste ist, dass es ihnen sehr häufig gelingt, die Kunden selbst davon zu überzeugen, dass es ihre Schuld war.
Conor Doherty: Weißt du, für mich ist es so, whoa. Der Verkäufer ist nicht nur gescheitert, er hat es auch geschafft, mich zu überzeugen … Sie haben mir eingeredet, dass ich es sei.
Joannes Vermorel: Okay. Es gelang ihnen, ihren Kunden davon zu überzeugen, dass es ihre Schuld war. Ich würde sagen, ja, es ist ein Talent. In gewisser Weise ist es eine Kunst, aber nicht genau das, was man von Leuten erwarten würde, die behaupten, Supply-Chain-Spezialisten statt Manipulationsspezialisten zu sein.
Conor Doherty: Nun, das ist eigentlich der nächste Punkt, und zwar wiederum, wenn wir sagen, dass Lokad die Daten übernimmt, oder wen auch immer Sie auswählen, aber in unserem Fall sind wir natürlich Lokad, wir nehmen Ihre Daten und arbeiten damit, was wir eigentlich meinen, ist der Supply-Chain-Wissenschaftler. Und das bringt uns tatsächlich zu einem Kernpunkt, nämlich der Rolle des Supply-Chain-Wissenschaftlers bei der Bereitstellung und der kontinuierlichen Verbesserung.
Aber beschränkt sich die Rolle des Supply-Chain-Wissenschaftlers in der Bereitstellungsphase nur auf das Analysieren und Aufräumen der Daten, wie Sie gerade gesagt haben, oder ist sie umfassender?
Joannes Vermorel: Nein, denn die Sache ist die, dass Sie ohne die Linse der endgültigen Entscheidungen nicht wissen können, ob die Art und Weise, wie Sie die Daten verarbeiten, korrekt ist oder nicht. Letztendlich ist das einzige Kriterium, um zu wissen, ob das, was Sie mit den Daten machen, richtig ist oder nicht: Sind Ihre Entscheidungen profitabel oder nicht? Das ist das…
Conor Doherty: In gewissem Sinne, wenn Sie die Daten falsch verstehen, die Entscheidungen aber in Ordnung kommen …
Joannes Vermorel: Dann ist Ihr Missverständnis belanglos.
Conor Doherty: Ja.
Joannes Vermorel: Und so wären die Leute vielleicht überrascht, sagen wir: Wie kann man einen Fehler machen und es spielt keine Rolle? Auch hier handelt es sich um ein Größenspiel. Sie haben Tausende von Tischen. Insgesamt haben Sie Zehntausende Felder. Ja, es wird Missverständnisse geben. Es wird Störungen geben. Es wird viele Dinge geben. Aber was zählt, ist, dass Menschen letztendlich auch Fehler machen. Es kann Leute geben, die ein Feld lesen; Sie sollten ein anderes Feld lesen.
Es ist wirklich so: Generieren Sie Entscheidungen, die zu null Prozent verrückt sind? Es gibt also keine einzige Entscheidung, die sofort falsch ist.
Conor Doherty: Mhm.
Joannes Vermorel: Und dann sind sie alle zumindest einigermaßen gut, wissen Sie. Und wenn man dann die Wirtschaftsleistung im Durchschnitt misst, übertreffen sie dann wirklich den vorherigen Status quo? Das ist das Kriterium.
Dann ist die Tatsache, dass man, würde ich sagen, eine nie endende Arbeit haben kann, um das numerische Rezept immer weiter zu verbessern, um es mit der Zeit sehr, sehr gut zu machen, schön, und das ist eine Fortsetzung der Bemühungen des Supply-Chain-Wissenschaftlers. Aber letztendlich sollte der Beitrag des Supply-Chain-Wissenschaftlers wie folgt gelesen werden: Schaffen wir es, diese hochprofitablen Entscheidungen täglich und unbeaufsichtigt zu treffen? Und das ist ein Einsatz. Das ist eine Initiative, die an den Punkt kommt, an dem Sie jeden Tag Ihre Entscheidungen treffen.
Das ist der Beitrag des Supply-Chain-Wissenschaftlers. Und mechanisch, oder leider nicht mechanisch, mechanistisch gesehen, ist der Supply-Chain-Wissenschaftler im Wesentlichen der Experte.
Conor Doherty: Ich denke, es ist die Analogie, die Sie zuvor gegeben haben. Es ist wie die gesamte Boxencrew in einem. Es ist der Ingenieur, der Datenwissenschaftler, der Supply-Chain-Experte, der Ihr spezifisches Konto verwaltet. Sie interagieren beispielsweise mit dieser Person, der Person, die Ihr Konto verwaltet.
Joannes Vermorel: Ja. Und es geht noch ein bisschen weiter. Was ich damit sagen will ist, dass es nicht einmal von Lokad abhängt. Wenn Sie die Verantwortung des numerischen Rezepts fragmentieren … Also muss jemand die Software entwickeln, die Ihre Rohdaten verarbeitet und Entscheidungen generiert. Wenn ich den Begriff „numerisches Rezept“ verwende, handelt es sich dabei um ein Stück Software, das auf Daten basiert, wie sie in den Geschäftssystemen zu finden sind, also im Rohzustand vorliegen, und am Ende des Tages die tatsächlichen endgültigen Entscheidungen generiert.
Und wenn ich „abgeschlossen“ sage, bedeutet das, dass niemand eine Tabelle öffnen muss, um die Zahlen nach oben oder unten zu korrigieren, nur weil es eine Mindestbestellmenge gibt, die nicht verwaltet wurde oder so. Es ist also wirklich, wirklich endgültig. Gut. Die Bestellung ist sofort versandbereit, z. B. an den Lieferanten. Okay.
Was ich also sagen möchte, ist, und so sollte man Supply-Chain-Wissenschaftler verstehen: Es muss ein einziger Geist sein, der all das abdeckt. Ein menschlicher Geist. Und dieser eine menschliche Geist ist das, was sehr wichtig ist, denn letztendlich möchte man etwas haben, das von Anfang bis Ende völlig konsistent ist.
Und sehen Sie, wenn man die Verantwortung fragmentiert, hat Lokad das vor 15 Jahren gelernt. Wenn Sie diese Aufgabe aufteilen in: „Oh, es wird eine Person geben, die beispielsweise für die Vorbereitung der Daten verantwortlich ist, und dann wird eine andere Person für die Durchführung, sagen wir, die probabilistische Modellierung verantwortlich sein, und dann wird eine andere Person für die Optimierung für den endgültigen Entscheidungsprozess verantwortlich sein“, und so weiter, werden Sie am Ende mit einer Menge Fehlern an den Grenzen Ihres Systems rechnen.
Sie sehen, wenn mehrere Personen vorhanden sind, werden sie innerhalb dieses numerischen Rezepts auf natürliche Weise Grenzen festlegen, und fast alle Fehler werden sich an diesen Grenzen konzentrieren. Sie müssen also einfach eine Möglichkeit haben, all diese Grenzen zu entfernen, damit es nicht fragmentiert wird.
Und eine andere Möglichkeit, das zu verstehen, besteht darin, es sich einfach als einen Prozess vorzustellen, bei dem man das Schachspielen in mehrere Phasen aufteilen würde. Zum Beispiel entscheidet die erste Person über eine kurze Liste von Teilen, die für die Bewegung in Frage kommen, und dann entscheidet eine andere Person über etwas anderes. Wenn Sie den Prozess inszenieren, werden Sie am Ende des Tages einen besseren Schachzug erzielen? Nein. Ich meine, es ist fast sicher, dass Sie, wenn Sie versuchen, die Art und Weise, wie Sie Schach spielen, zu fragmentieren, am Ende schlechte Schachzüge haben werden, während diese Person, wenn Sie gegen jemanden spielen, der wirklich gut ist, einfach einen massiven Vorteil gegenüber Ihnen hat, nur weil es ein Geist ist, der das gesamte Spielbrett betrachten kann, anstatt zu versuchen, die Analyse zu fragmentieren.
Conor Doherty: Natürlich. Nur um einen Punkt zu unterstreichen oder den Punkt klarzustellen und hoffentlich zu unterstreichen: Wenn Sie sagen, dass es sich um einen menschlichen Geist handelt, sprechen Sie von der Seite von Lokad. Es ist ein menschlicher Geist, denn natürlich muss man immer noch mit dem Kunden interagieren.
Joannes Vermorel: In dieser Beziehung geht es nicht um Lokad. Wissen Sie, in dieser Introduction to Supply Chain geht es nicht um Lokad. Es geht darum, was in der Supply Chain funktioniert und was nicht. Lokad wird im anderen Buch ein paar Mal kaum in Fußnoten erwähnt.
Was ich sagen will, und das ist die wichtige Lektion, ist, dass es keine Rolle spielt, ob Lokad überhaupt involviert ist, wenn eine Supply-Chain-Initiative tatsächlich funktionieren soll. Ich sage, dass es eine Software geben muss, die Ihre Entscheidungen generiert. Das haben wir durchgemacht. Wenn Sie nicht über eine Software verfügen, sind Ihre Bemühungen und Investitionen nicht gewinnbringend. Man kann es nicht verbessern, weil es sehr unscharf wird. Wenn jemand weggeht, ist es wiederum extrem schwierig, etwas systematisch zu verbessern, was komplett manuell erledigt wird.
Deshalb sage ich: Okay, wir müssen das als Software-Artefakt angehen, dieses numerische Rezept. Okay. Was ich jetzt sagen möchte, ist, dass jemand an der Gestaltung und Wartung dieses numerischen Artefakts beteiligt sein wird. Wenn Lokad involviert ist, könnte es sich um jemanden von Lokad handeln. Wenn Lokad nicht involviert ist, wird es jemand anderes sein. Es spielt keine Rolle, wo.
Und solange wir keine Skynet-KI haben, die genauso autonom und leistungsfähig ist wie Menschen, wird es ein menschlicher Geist sein. Denn auch wenn diese Agenten unglaublich sind, sind sie noch nicht in der Lage, ein so komplexes Unterfangen alleine zu bewältigen. Das heißt also vorerst, dass es einen Menschen geben wird.
Und was ich sagen möchte, ist, und das ist ein Kriterium, egal wie groß Ihr Unternehmen ist, es muss eine Person sein. Das bedeutet nicht, dass man nicht drei Personen haben kann, aber es ist etwas ganz anderes. Stellen Sie sich vor: Sie möchten mit drei Personen Schach spielen und haben möglicherweise drei Experten. Alle Experten sind gleichermaßen kompetent, sie sind alle in der Lage, das Spiel alleine zu spielen, und sie können das gesamte Problem erkennen. Es ist nicht fragmentiert. Es ist nicht inszeniert.
Wenn Sie also drei Experten haben, die über den Umzug entscheiden, sind sie in gewisser Weise völlig überflüssig. Und das ist in Ordnung. Sie sehen also, ich sage, dass es ein Geist sein sollte. In der Praxis wünscht man sich in einem großen Unternehmen eine Entlassung, weil man im Krankheitsfall dieser Person keinen Ersatz haben möchte. Das verstehe ich. Was ich damit sagen will ist, dass es im Grunde genommen zu Entlassungen kommt, wenn man mehrere Leute hat. Es geht nicht um eine Arbeitsteilung, bei der man das Problem in Stücke schneidet, weil die Leute bestimmte Aspekte des Prozesses nicht kennen.
Damit es funktioniert, muss das numerische Rezept grundsätzlich von jemandem erstellt werden, der den Prozess von Anfang bis Ende vollständig versteht. Sag ich doch. Und wenn Sie das nicht haben, werden Sie auf äußerst vorhersehbare Probleme stoßen, die fast systematisch zum Scheitern dieser Art von Initiative führen.
Conor Doherty: Nun, wenn es um vorhersehbare Probleme geht, die genau die Initiative, die Sie erreichen wollen, zunichte machen, ist die Erklärbarkeit eines der größten. Und wieder haben wir beide schon viele, viele Male persönlich gehört: „Das klingt großartig. Wie erkläre ich das meinem Team, das mit diesem Intelligenzsystem interagieren muss, das jetzt unbeaufsichtigte automatisierte Entscheidungen herbeiführt? Wie baue ich Vertrauen auf? Wie baue ich die Erklärbarkeit dafür auf? Wie sieht das aus?“
Joannes Vermorel: Also kehren wir zunächst zu dieser einen Person, einem Geist zurück. Sehen Sie, wer ist für die Erklärbarkeit zuständig? Die Antwort ist die Person, die das numerische Rezept erstellt hat. Es ist keine KI. Es ist kein System. Es ist eine Person. Es gibt also jemanden, der erklären kann, was er getan hat. Wenn diese Person also nicht für eine Erklärung zur Verfügung steht, dann haben Sie wiederum ein Problem.
Ich sage also, dass wir wieder eine erfolgreiche Bereitstellung haben. Sie benötigen jemanden, der die Verantwortung für das numerische Rezept übernimmt. Das ist der erste Schritt. Erklärbarkeit beginnt also damit, jemanden zu haben, der die Erklärung übernimmt. Sehen Sie, das ist die Rolle.
Und ist diese Person dann in der Lage, die Erklärung abzugeben? Nun, wenn diese Person von Anfang bis Ende ein umfassendes Verständnis hat, auch wenn es sich in der Praxis um ein Team handeln kann, sodass einige Teile der Arbeit möglicherweise von anderen Personen erledigt wurden, wenn diese Person das gesamte numerische Rezept beherrscht, dann ja, diese Person kann die Erklärung übernehmen.
Nun möchten Sie, dass diese Person auch die Instrumentierung erstellt. Das ist Teil dessen, was wir White-Boxing nennen. Die Person, die das numerische Rezept erstellt, wird also auch die gesamte White-Boxing-Instrumentierung erstellen. Es handelt sich im Wesentlichen um alle Arten von Dashboards …
Conor Doherty: Ja, ja, ja.
Joannes Vermorel: …das Instrument das numerische Rezept. Die Absicht hinter dieser Instrumentierung besteht zunächst darin, der Person, die das numerische Rezept erstellt, die Möglichkeit zu geben, sich selbst davon zu überzeugen, dass das Rezept funktioniert. Sie sehen, ich meine, ich schreibe ein numerisches Rezept, das, sagen wir, Bestellungen generiert. Wie kann ich mich davon überzeugen, dass das, was ich gerade getan habe, richtig ist? Sehen Sie, ich habe nur Formeln aufgestellt.
Conor Doherty: Das ist buchstäblich die Frage, die ich Ihnen stelle.
Joannes Vermorel: Ja. Und die erste Antwort lautet: Ich muss eine Reihe von Indikatoren erstellen, ja, in Euro oder Dollar, die zerlegen, was ich tun werde, und mir einfach sagen, ob das, was ich bekomme … Und es wird wiederum jede Menge Heuristiken in dem geben, was ich mir ansehen möchte.
Also werde ich nachsehen… wahrscheinlich noch einmal, Whiteboxing ist eine kleine Kunst. Sie möchten nicht nur die Durchschnittswerte betrachten. Vielleicht möchten Sie sich Produkte näher ansehen, die stark instabil sind, manche sehr stabil sind, manche wachsen, manche hatten lange Lagerbestände usw. Ich meine, all das sind die Arten von Instrumenten, die Sie über das numerische Rezept legen, um sich als Supply-Chain-Wissenschaftler davon zu überzeugen, dass es tatsächlich wie beabsichtigt funktioniert.
Und dann ist diese Instrumentierung normalerweise etwas überwältigend, weil sie buchstäblich aus Tausenden von Zahlen besteht. Und in der Regel möchten Sie als Supply-Chain-Wissenschaftler eine viel prägnantere Zusammenfassung erstellen, die Ihren Kollegen oder wiederum den Kunden oder anderen Personen vorgelegt wird, um das Überzeugende, aber auf viel prägnantere Weise zu vermitteln. Und das liegt wieder in der Verantwortung derselben Person, wiederum der Person, die für die Erstellung des numerischen Rezepts verantwortlich ist.
Conor Doherty: Nun, in dieser Antwort haben Sie das Wer, das Was und das Wie behandelt. Also, wer erklärt, was erklären sie, wie erklären sie? Was nicht behandelt wurde, ist, wann diese Erklärung beginnt. Und wenn ich es in Kapitel 10 richtig verstanden habe, dann in der Dual-Run-Phase. Hier sehen Sie zum ersten Mal, wie das neue Geheimdienstsystem im Vergleich zu Ihrem aktuellen System aussieht. Also bitte erweitern.
Joannes Vermorel: Die Sache ist also, dass es im numerischen Rezept möglicherweise Hunderte von Zwischenschritten der Berechnung gibt, aber all die numerischen Artefakte, diese Dinge, sind nur Mittel zum Zweck. Das Einzige, was zählt, ist das Ende, denn dafür bist du da. Es ist wiederum genau wie beim Schachspielen: Das Einzige, was zählt, ist der Zug, den man macht. Alle möglichen Zwischenschritte, die Sie im Kopf hatten, um zu dieser Entscheidung zu kommen, sind, ja, okay. Letztlich sind sie für den Beobachter belanglos. Das Einzige, was wirklich zählt, ist, was Sie tatsächlich spielen. Das wird den Ausgang des Spiels bestimmen.
Ja. Was ich also sagen möchte, und wir sagen im Großen und Ganzen das Gleiche für das numerische Rezept: Wir sagen, dass die Erklärbarkeit erst dann beginnt, wenn man Entscheidungen trifft, die man erklären muss. Denn vorher ist alles irgendwie strittig. Sie können erklären, warum Sie all diese Vorverarbeitungen durchgeführt haben, warum Sie diese Heuristik hier und da anwenden und warum Sie dieses probabilistische Modell für die Durchlaufzeit anstelle eines anderen auswählen. All das sind nur endlose technische Details.
Im Grunde ist das Einzige, was wirklich eine Erklärung verdient, das Endspiel, die Entscheidungen, die Sie vorschlagen. Und deshalb beginnt die Erklärung, das White-Boxing, normalerweise erst am Ende des zweiten Monats, zu Beginn des dritten Monats. Bei einer Supply-Chain-Initiative beginnt der Supply-Chain-Wissenschaftler einmal damit, tatsächlich tägliche Entscheidungen zu treffen.
Bis dahin ist es nur eine Arbeit, die größtenteils intern zu dem gehört, was der Supply-Chain-Wissenschaftler tut, nur um diese Entscheidungen zu treffen. Ich meine, der Zeitrahmen beträgt im Grunde zwei Monate, um eine Datenpipeline zum Laufen zu bringen und den Supply-Chain-Wissenschaftler damit zu beauftragen, sich mit diesem Datenchaos zu befassen, es zu verstehen und dann sehr schnell das erste numerische Rezept zu schreiben.
In den nächsten zwei Monaten geht es um schnelle Iterationen, um alle verrückten Entscheidungen loszuwerden und mit dem Feedback der Praktiker alle wirtschaftlichen Treiber wirklich abzustimmen. Denn viele Dinge erfordern eine Feinabstimmung, und das liegt daran, dass Sie sicherstellen möchten, dass Ihre wirtschaftlichen Faktoren die strategische Absicht für die Supply Chain und für das Unternehmen widerspiegeln.
Was bedeutet also zum Beispiel eigentlich Servicequalität? Auch hier kann ein Supply-Chain-Wissenschaftler einige Vermutungen angestellt und Annahmen getroffen haben, aber letztlich bedarf es einer Diskussion mit echten Praktikern, um sicherzustellen, dass der wirtschaftliche Rahmen wirklich die langfristigen Interessen des Unternehmens erfasst. Und das sind sehr banale Entscheidungen darüber, was Servicequalität eigentlich bedeutet, wie Strukturen genau sind, denn der Druck auf das Betriebskapital usw. usw.
So viele Dinge, schnelle Iterationen für zwei Monate, und am Ende des vierten Monats sind Sie dann bereit, das numerische Rezept einfach zwei Monate lang unbeaufsichtigt laufen zu lassen und einen Doppeldurchlauf zu machen.
Conor Doherty: Ja.
Joannes Vermorel: Damit die Leute wirklich… damit das numerische Rezept das nötige Vertrauen gewinnen kann, damit die Leute dann entscheiden können, dass sie sich in der Produktion tatsächlich auf diese Software verlassen, um den Fluss zu steuern.
Conor Doherty: Nun, Sie haben von „verrückt“ gesprochen und zuvor erwähnt, dass Sie nach null wahnsinnigen Entscheidungen suchen. Während dieser Dual-Run-Phase und, sagen wir, während der ersten sechs Monate eines Einsatzes, einer Implementierung wird es vermutlich Momente geben, sei es bei Lokad, egal, bei wem auch immer, wenn Sie ein Aufklärungssystem einsetzen, wird es vermutlich Momente geben, in denen Leute, die beobachten und versuchen, Vertrauen in dieses System aufzubauen, eine Entscheidung bemerken, die für sie möglicherweise nicht von einem Defekt zu unterscheiden ist, oder „Oh nein, das ist nur so.“ eine neue Art, Dinge zu tun.
Wie genau machen Sie, wenn es so radikal anders ist als das vorherige System, wie erwarten Sie dann, dass die Leute zwischen „Das ist eine verrückte Entscheidung“ und „Nein, das sieht einfach verrückt aus, es ist tatsächlich die beste finanzielle Entscheidung, die Sie treffen können“ unterscheiden können?
Joannes Vermorel: Nein, ich meine, erstens sind die ersten Dinge, die Sie reparieren müssen, wirklich verrückt. Okay? Das liegt fast immer daran, dass ein Feld falsch interpretiert wird, denn auch hier handelt es sich um Tausende von Tabellen. Es gibt etwas, bei dem man denkt, man hätte Einheiten, aber in Wirklichkeit handelt es sich nicht um Einheiten, sondern um Kilogramm oder was auch immer. Du hast Dinge, es ist völlig daneben.
Und sehr oft dient die erste Charge beispielsweise nur dazu, mit einem CFO zu klären, ob wir die gleiche Bruttomarge und den gleichen Aktienwert sehen. Und es ist nicht ungewöhnlich, dass man beim ersten Versuch, aus welchen Gründen auch immer, eine Abweichung von Faktor zwei hat. Das ist also wie die erste Schicht des Wahnsinns.
Und dann entdeckt man auch noch die ganze Schatten-IT. Sie schlagen zum Beispiel eine Menge von 110 vor, und dann kommt jemand, der Ihnen sagt: „Oh nein, nein, nein. Ich habe es Ihnen nicht gesagt, aber es kommt nur auf Paletten mit 100 Einheiten.“ Okay, es gibt also einen Menge Multiplikator. Es wurde nicht dokumentiert. Ja. Okay, das müssen wir berücksichtigen. Und dann usw. Und dann gibt es Leute, die ihre Hand heben und sagen: „Oh, aber nein, wir hatten diese Preisnachlässe von diesem Lieferanten.“
Conor Doherty: Ja.
Joannes Vermorel: Es ist nicht im System erfasst. Normalerweise habe ich die Anpassungen einfach manuell in einer Tabellenkalkulation vorgenommen. Okay, das müssen wir beheben usw. usw. Für mich besteht der Großteil der ersten Iterationsrunden also aus all diesen Dingen, die, würde ich sagen, einfacher Wahnsinn sind. Es liegt ein Missverständnis bezüglich der Daten vor, es gibt eine Einschränkung, die nicht richtig modelliert ist usw. usw.
Und weil Sie sich das Ziel setzen, dass wir eine unbeaufsichtigte Entscheidungsfindung wünschen, ist es anspruchsvoller. Denn in der Vergangenheit sagten Praktiker normalerweise: „Oh, diese Zahl, ja, sie ist gut, 110, wir runden sie einfach manuell auf 100 auf. Für mich ist sie gut.“ Und Lokad geht noch viel weiter und sagt: „Nein, nein, nein. Wenn es um einen Mengenmultiplikator geht, dann muss das numerische Rezept, es ist nicht optional, alles tun, damit wir am Ende keinen manuellen Korrekturschritt benötigen.“ Es ist nicht befriedigend.
Den Wahnsinn loszuwerden bedeutet also, all dieses Zeug zu entfernen. Und dann, ja, später werden wir Entscheidungen treffen, die nicht der historischen Praxis entsprechen. Und hier werden sich die wirtschaftlichen Kräfte widerspiegeln. Und wenn es Meinungsverschiedenheiten gibt, lautet die Frage normalerweise: „Sind Sie mit den Dollars einverstanden, die wir sehen?“ Lokad schlägt dies vor, denn wenn wir die Kosten für Fehlbestände im Vergleich zu den Kosten für Überbestände betrachten, sehen wir dieses Gleichgewicht.
Und hier werden wir diese wirtschaftlichen Faktoren noch einmal durchgehen, um eine gemeinsame Vereinbarung zu treffen. Und das wird die zweite Runde der Dinge sein, in der wir die verrückten Entscheidungen korrigieren müssen. Tatsächlich erweisen sich die wirtschaftlichen Faktoren, die auf vielen Vermutungen basieren, zunächst als falsch, und wir müssen schnell iterieren, um sie auf den Punkt zu bringen, der sich für das Unternehmen richtig anfühlt.
Und schließlich, ja, am Ende werden wir Entscheidungen treffen, die die Praktiker manchmal überraschen, aber sie kommen ziemlich spät, denn an diesem Punkt hier sehen wir, und das passiert normalerweise bei einem gut funktionierenden System, dass es die alten Muster durchbricht. Nehmen wir zum Beispiel an, dass Bestellungen für einen bestimmten Lieferanten immer montags aufgegeben wurden, aber das ist keine wirkliche Einschränkung.
Conor Doherty: Ja.
Joannes Vermorel: Der Lieferant kann jederzeit Bestellungen entgegennehmen. Und manchmal ist es sinnvoll, eine Bestellung am Donnerstag aufzugeben und nicht bis zum nächsten Montag zu warten, denn je früher, desto besser, wenn wir feststellen, dass es einen unerwarteten Nachfrageschub gibt. Warum sollten Sie zunächst ein paar Tage warten, obwohl Sie bereits wissen, dass Sie eine Bestellung aufgeben müssen? Das wird also einige Gewohnheiten aufgeben.
Aber auch hier stellt sich die Frage: Ist es aus Renditeperspektive der richtige Schritt? Ist dieser Schritt profitabler oder nicht? Und hier wird das Ausmaß der Durchführung von Veränderungen sein, das heißt, wenn dies offensichtlich etwas Profitableres ist, auch wenn es nicht dem alten manuellen Muster entspricht, dann sollte dies die Entscheidung sein, und das ist es, und nicht versuchen, fiktive Einschränkungen hinzuzufügen, um es fit zu machen.
Das ist übrigens etwas, was vor mehr als einem Jahrzehnt bei Lokad ziemlich häufig passiert ist, nämlich dass wir weniger Erfahrung hatten als jetzt. Und die Art von Problemen, die wir hatten, bestand darin, dass einige unserer Interessenten am Ende oft sagten: „Oh, wir wollen … diese Entscheidungen ändern sich im Vergleich zu dem, was wir vorher hatten, etwas zu sehr. Also werden wir weiche Einschränkungen einführen, Einschränkungen, die nicht real sind.“
Ein Team ist es beispielsweise vielleicht gewohnt, weiche MOQs im Gegensatz zu harten MOQs zu haben, also minimale Bestellmengen, die unrealistisch sind. Der Lieferant hat sie nicht. Dem Lager ist das egal. Mit ihnen ist kein wirtschaftlicher Nutzen verbunden. Aber für das Einkaufsteam war es lediglich eine Möglichkeit, weniger Bestellungen aufzugeben, diese seltener aufzugeben, da die Produktivität sehr gering war, und so Zeit zu sparen.
Aber noch einmal: Sobald Sie das Gebiet der unbeaufsichtigten Entscheidungsprozesse betreten, ist es sinnlos, zu versuchen, diese weichen MOQs zu modellieren, die vollständig erfunden sind und aus dem Nichts kommen, es sei denn, die Bündelung Ihrer Bestellungen bringt einen wirtschaftlichen Gewinn mit sich, der sich dann im numerischen Rezept widerspiegeln muss.
Conor Doherty: Als ich das hörte, erinnerte es mich an eine Anekdote. Sie waren es, vor vielen Jahren, ich glaube, es war während einer Live-Veranstaltung vor ein paar Jahren, Sie haben es erwähnt, und auch hier werde ich nicht sagen, wer es war, wieder war es ein Kunde, und in der Luft- und Raumfahrt werden wir das sagen, aber es zeigt die Idee, dass man, wenn man erst einmal ein Intelligenzsystem installiert und mit der Anpassung beginnt, Vertrauen aufbauen muss. Es werden opportunistische und irgendwie kapitalistische Entscheidungen getroffen, die außerhalb der Grenzen dessen liegen, was man bisher für möglich gehalten hat.
Und aus dieser Perspektive mag es verrückt sein, aber wenn man sich erst einmal mit der Wirtschaft befasst, macht es Sinn. Und das Beispiel, das Sie meiner Meinung nach gegeben haben, war: „Ich werde es abschlachten“, aber ganz, ganz einfach: Eine MRO-Firma hatte eine empfohlene Bestellung, in der etwa der Kauf eines kompletten Motors enthalten war. Sagen wir einfach: Kaufen Sie einen Motor. Kaufen Sie den Motor eines A380. Und das wurde mit der Meldung „Das ist verrückt. Warum sagst du mir, ich soll einen vollen Motor kaufen?“ gekennzeichnet.
Und die Begründung war, dass der Geheimdienst herausgefunden hatte, dass diese Flugzeuge in der Gegend gerade erst verschrottet worden waren. Dieser Motor wird jetzt mit 50 % Rabatt verkauft. Kaufen Sie es, setzen Sie sich darauf und Sie können es in sechs Monaten mit Gewinn verkaufen. Die Empfehlung lautete also nicht, zu kaufen, um es zu nutzen, sondern zu kaufen, um zu verkaufen, was sich wiederum stark von der vorherigen Methode unterscheidet, etwa „Ich kaufe, was ich brauche, um diesen Zweck zu erfüllen.“ Dabei handelt es sich um eine viel umfassendere wirtschaftliche Perspektive. Es heißt also nicht nur: „Oh, ich habe dieses Kästchen früher zu diesem Zweck angekreuzt.“ Es gibt mehrere Möglichkeiten, eine Katze zu häuten und mehr Geld zu verdienen.
Joannes Vermorel: Ja, genau. Und das passiert zum Beispiel immer noch in der Luftfahrt. Flugzeuge werden demontiert.
Conor Doherty: Genau.
Joannes Vermorel: Und so haben Sie Kaufgelegenheiten, ja, ein Teil davon ist … wiederum, es hängt von Ihrer Situation ab, aber wenn Sie wissen, dass Sie ein Unternehmen sind, das nicht knapp bei Kasse ist, reich an Bargeld, und das ist etwas, und Sie haben keinen Mangel an Lagerraum, und dieses Ding wird vielleicht in einem Jahr benötigt, und höchstwahrscheinlich werden Sie, wenn Sie es brauchen, einen Preis zahlen, der fast garantiert viel höher ist als jetzt, ja, das sollten Sie sehen.
Oder es kann ein Einzelhändler sein, bei dem Sie von einem Lieferanten beworben werden und das Produkt nicht zu schnell an Wert verliert und Sie einfach die Möglichkeit haben, es mit einer viel besseren Bruttomarge zu verkaufen. Also ja, das ist die Art von Sache, bei der … aber auch hier liegt die wirtschaftliche Rechtfertigung und Erklärbarkeit, die Art und Weise, wie wir die Erklärbarkeit begründen, in der Ökonomie.
Weißt du, es ist „Warum machst du das?“ Die Antwort lautet: Schauen Sie sich die Finanzen an. Und wenn die Modellierung besagt, dass es sehr profitabel ist und aus wirtschaftlicher Sicht sinnvoll ist, dann ist das die richtige Entscheidung, auch wenn es historisch gesehen im Unternehmen nicht üblich war.
Conor Doherty: Alles klar. Nun, das Einzige, was wir noch nicht behandelt haben, ist, was nach der Bereitstellung passiert. Nehmen wir an, Sie sind ein Unternehmen, Sie haben das alles gehört, es ist großartig, Sie möchten sich ein Intelligenzsystem kaufen. Was bleibt nach der Bereitstellung unter der Kontrolle eines Anbieters und was behalte ich als Kunde intern? Welche Teile dieses Prozesses unterliegen beispielsweise vollständig meiner Kontrolle und was liegt außerhalb Ihrer Sicht?
Joannes Vermorel: Ich denke, erstens ist die große Lektion des Einsatzes, was das Endspiel sein sollte. Wissen Sie, wenn Sie Erfolg haben wollen, sollten Sie eine unbeaufsichtigte Entscheidungsfindung anstreben.
Conor Doherty: Mhm.
Joannes Vermorel: Wenn Sie das nicht tun, kostet es Sie das Zehnfache. Es wird zehnmal so langsam sein, und es wird weder gewinnbringend noch kapitalistisch sein. Was Ihre Supply Chain betrifft, werden Sie nichts haben, was Ihr Unternehmen wirklich auf die nächste Stufe der Rentabilität bringt. Das ist also wirklich die prägnante Lektion.
Und es spielt keine Rolle, ob ein Anbieter beteiligt ist oder nicht, ob Sie es intern tun möchten oder nicht usw. Auch in diesem Buch geht es wirklich nicht um Lokad. Dies ist: Was bedeutet es, bereitzustellen? Denn Sie sehen, die Art von Anti-Muster, die ich in dieser Branche sehe, besteht darin, dass viele Leute sagen würden: „Oh, wir haben diese Supply-Chain-Initiative durchgeführt, und diese, und diese, und diese“, und keiner von ihnen hat tatsächlich dieses Stadium der unbeaufsichtigten Entscheidungsfindung erreicht.
Am Ende haben Sie dort Dashboards, die ignoriert werden, ein Gadget hier, das ignoriert wird, eine Software da drüben, die nur eine Produktivitätsgrube darstellt. Es bringt im wahrsten Sinne des Wortes nicht viel, wenn man bedenkt, wie viel Zeit man dafür aufwenden muss usw. usw. Daher denke ich, dass die wichtigste Erkenntnis der Bereitstellung darin besteht, dass man ein klares Ziel haben muss, unabhängig davon, wer für was verantwortlich ist. Es sollte darum gehen, am Ende etwas zu haben, dem Sie vertrauen können und das täglich zu unbeaufsichtigten Entscheidungen führt.
Und dann sage ich, dass es sich um eine Software handelt, die gewartet werden muss. Auch hier vermeidet niemand die Drift.
Conor Doherty: Ja, genau.
Joannes Vermorel: Nur weil wir keine Skynet-KI haben, können Sie also nicht erwarten, dass sich eine Software, egal wie viel Genialität Sie darin investieren usw., irgendwie von selbst an strukturelle Veränderungen in Ihrem Markt anpasst.
Conor Doherty: Was immer der Fall ist, um ganz ehrlich zu sein.
Joannes Vermorel: Ja, nicht immer. Aber Sie sehen, denn es gibt Klassen von Veränderungen, die nicht strukturell sind. Wenn es nur darum geht, dass der Markt steigt oder fällt, dann werden das Prognosemodell, die Modelle des maschinellen Lernens, genau das bewältigen. Das Problem besteht darin, was passiert, wenn Ihr Unternehmen anders wird und nicht nur mehr oder weniger gleich bleibt, weil es wächst oder schrumpft, sondern wenn Sie zu einem völlig anderen Unternehmen werden.
Stellen Sie sich zum Beispiel ein MRO vor, das Teile verkauft hat und jetzt Betriebszeit für Flugstunden verkauft.
Conor Doherty: Ja. Es ist ein völlig anderes Geschäftsmodell.
Joannes Vermorel: Sie verkaufen nicht einmal das Gleiche.
Conor Doherty: Ja. Es wird Flugzeugteile geben. Es wird sich überschneidende Mechanismen geben.
Joannes Vermorel: Aber Ihr Geschäftsmodell ist völlig anders und Ihre Anreize sind völlig anders. Die wirtschaftliche Modellierung Ihres Unternehmens ist völlig anders. Und das Gleiche geschah zum Beispiel vor einem Jahrzehnt, als viele traditionelle Einzelhändler vorwiegend auf E-Commerce umstellten. Wenn Sie also überwiegend stationär waren und jetzt überwiegend E-Commerce betreiben, verändern sich natürlich auch hier alle Anreize, die Art der Strategie, alles. Und das bedeutet nicht nur mehr Umsatz oder weniger Umsatz. Es ist eine Transformation. Die Natur Ihres Unternehmens verändert sich.
Was ich also noch einmal sagen möchte, ist, dass trotz aller banalen Variationen, wenn ein Lieferant ein Problem hat und die Vorlaufzeiten langsamer werden, alle banalen Variabilitäten ohne Änderungen durch Ihr numerisches Rezept bewältigt werden sollten. Was ich damit sagen will ist, dass Ihr numerisches Rezept allein nicht in der Lage sein wird, der Tatsache Rechnung zu tragen, dass Sie beispielsweise ein neues ERP einführen.
Conor Doherty: Ja. Oder dass Sie sich verändern, oder dass Sie Vertriebszentren schließen, oder all diese Dinge.
Joannes Vermorel: Ja, genau. Ich meine, Dinge, die sehr strukturell sind. Deshalb muss es gepflegt werden. Denn Sie brauchen jemanden, der aufmerksam ist und sicherstellt, dass diese Software mit der Realität Ihres Marktes, der Realität Ihres Unternehmens und der Realität seiner Anwendungslandschaft übereinstimmt.
Und deshalb nennen wir den Verantwortlichen bei Lokad Supply-Chain-Wissenschaftler, aber wer auch immer für die Erstellung des numerischen Rezepts verantwortlich ist, muss anschließend für die Pflege des numerischen Rezepts verantwortlich sein. Und die Realität ist, dass Sie diese Person auch mit der kontinuierlichen Verbesserung des numerischen Rezepts beauftragen können, denn normalerweise hat die Arbeit gerade erst begonnen, wenn Sie mit der Produktion beginnen.
Sie haben ein gewisses Maß an wirtschaftlicher Leistung erreicht, das im Vergleich zum früheren Status quo, bei dem es sich um einen manuellen Prozess handelte, normalerweise einen enormen Fortschritt darstellt. Das bedeutet jedoch nicht, dass Sie sich auch nur annähernd dem Optimum nähern. Es bedeutet nur, dass Sie viel besser sind, aber Sie können weiterhin in diesen Vermögenswert investieren, um ihn mit der Zeit besser zu machen.
Conor Doherty: Nun, das möchte ich noch einmal nicht sagen, das steht nicht in Kapitel 10, aber es lohnt sich, das zusammenzufassen, denn das ist der Kernpunkt der Behandlung der Supply Chain, in diesem Fall Ihrer Supply-Chain-Software, der Unterschied zwischen Capex und Opex. Denn wenn man in ein Intelligenzsystem investiert, gibt es, wie Sie gerade sagten, keine Obergrenze dafür, wie viel besser, wie viel leistungsfähiger, wie viel finanziell lohnender eine Entscheidung tatsächlich werden kann. Ich meine, ich bin mir sicher, dass es nur eine bestimmte Menge Geld auf der Welt gibt, aber realistisch gesehen gibt es keine Obergrenze dafür, wie gut das sein könnte. Wenn Sie also richtig investieren, haben Sie zumindest die Richtung vor Augen, in die Sie finanziell eigentlich gehen sollten.
Joannes Vermorel: Ja. Ja. Und wieder wird es gewissermaßen zu einem unternehmerischen Unterfangen. Sie müssen sich entscheiden, ob Sie das Angebot erweitern möchten. Sollten Sie zum Beispiel Ihre Entscheidungen treffen, bei denen Sie sagen können, dass die MOQs eine Selbstverständlichkeit sind, der nächste Schritt aber wäre: Die MOQs sollten vielleicht neu ausgehandelt werden? Gibt es einen Fall? Lässt sich mit der Neuverhandlung der MOQs mit den Lieferanten Geld verdienen?
Worum soll es bei der Verhandlung gehen? Wie soll es aussehen? Ist es für uns in Ordnung, einen etwas höheren Stückpreis zu wählen, wenn wir die Mindestbestellmenge erheblich senken können, oder sollten wir umgekehrt vorgehen usw. usw.? Sie sehen also, wir beginnen mit … Eine Supply-Chain-Initiative beginnt mit einem bestimmten Entscheidungsbereich, kann sich dann aber im Laufe der Zeit erweitern, um immer mehr Entscheidungen zu treffen.
Normalerweise beginnt man mit, würde ich sagen, grundlegenden Entscheidungen, die den Fluss steuern, aber dann kann man diese mit Entscheidungen überlagern, die auch den Fluss prägen, obwohl sie normalerweise zunächst als gegeben angenommen werden, nur um die Initiative auf dem Boden zu halten, und am Ende wieder eine unbeaufsichtigte Entscheidungsfindung schnell liefern, bevor sie sich auf immer mehr Bereiche ausdehnt.
Conor Doherty: Nun, das ist eigentlich mein abschließender Gedanke, aber er folgt mit dem, was Sie gerade gesagt haben. Das Endziel ist offensichtlich eine unbeaufsichtigte, automatisierte Entscheidungsfindung, die auf die finanzielle Verbesserung des Unternehmens ausgerichtet ist. Großartig. Das ist das Endprodukt einer Bereitstellung, und auch hier wird es kontinuierlich verbessert usw. Genial.
Dass Sie den ROI beurteilen oder zumindest beobachten können. Bedeutet das also, dass es in den ersten paar Monaten, in denen Sie sich gerade in der Datenvalidierungs- und Datensortierungsphase befinden, keinen wirklichen finanziellen Wert hat? Ohne das Endprodukt haben die ersten Schritte also im Grunde keinen Wert? Oder gibt es in der gesamten Kette einen Mehrwert?
Joannes Vermorel: Nein. Ich meine noch einmal: Solange Sie nicht die Endspielentscheidungen treffen, haben Sie nicht die geringste Ahnung, ob Sie auf dem richtigen Weg sind oder nicht. Sehen Sie, deshalb sage ich, wenn man anfängt, numerische Artefakte zu jagen, weiß man es nicht. Es sieht vielleicht sehr gut aus, aber in Wirklichkeit haben Sie nicht die geringste Ahnung.
Stellen Sie sich das wiederum so vor, als würde ich Ihnen etwas über Schach erzählen. Ohne den letzten Schritt anzudeuten. Wenn ich sage: „Stellen Sie sich vor, Sie haben eine Schachpartie und ich mache hundert Aussagen darüber, wie sie aussieht, welche Dinge eine starke Position, eine schwache Position und so weiter sind, und am Ende sage ich nicht, welche Art von Zug wir als nächstes machen sollen.“ Ich meine, welchen Wert haben all diese Ratschläge? Sie sehen, es ist…
Und da ist das Problem, dass meiner Meinung nach viele Anbieter von Unternehmenssoftware diese Mehrdeutigkeit seit Jahrzehnten nutzen, um Dinge zu verkaufen. Sie werden alle möglichen numerischen Artefakte haben. „Ich gebe Ihnen eine Scorecard für Ihre Lieferanten, eine Scorecard für die Produkte, Indikatoren für dies, für jenes, einen digitalen Zwilling, der dies und das und das und das simuliert“, endloses Zeug. Und dann keine einzige Verpflichtung zu einer endgültigen Entscheidung, bei der wir uns darauf einigen können: „Wird dieses Ding Gewinne oder Verluste generieren?“
Und was ich sagen möchte, ist, dass das nicht der Fall ist… und das ist ein Unterschied in der Wertschätzung. Dies ist kein fernes Ziel. Dies ist etwas, das Sie, wiederum die Erfahrung von Lokad, innerhalb von acht bis zehn Wochen erreichen können. Und wieder acht bis zehn Wochen mit einem Team, das normalerweise recht begrenzt ist. Das ist kein gewaltiges Unterfangen. Das ist…
Und für mich ist das der Anfang von allem. Der Einsatz ist nicht … für uns sagen wir, dass der Abschluss des Einsatzes der Fall ist, wenn das Unternehmen dem unbeaufsichtigten Entscheidungsprozess wirklich vertraut, was wie in den letzten zwei Monaten des Prozesses ist. Und ich denke, der Fehler, und deshalb sage ich, dass viele Unternehmen am Ende abgelenkt sind, besteht darin, dass sie, anstatt direkt unbeaufsichtigte Entscheidungen zu treffen, die sie für ein sehr ausgereiftes, sehr entferntes Ziel halten, andere Ziele verfolgen.
Und sie sagen: „Oh nein, wir können nicht in 10 Wochen ein vollständig robotisiertes System haben. Ich denke, wir müssen zuerst einen Arbeitsablauf etablieren, und das wird 20 Wochen dauern.“ Sie sehen also, Sie etablieren einen Zwischenschritt, der bereits doppelt so groß und doppelt so komplex ist wie Ihr Endspiel. Und deshalb sage ich, dass diese numerischen Artefakte, diese Ideen, die aus der Mainstream-Supply-Chain-Theorie stammen, am Ende so viel Komplexität erzeugen.
So entstehen am Ende Projekte, die mehrere Jahre dauern. Und nach mehreren Jahren verfügen Sie immer noch nicht über etwas, das auch nur annähernd einem unbeaufsichtigten Prozess oder annähernd so etwas wie Investitionsausgaben ähnelt, mit einem Vermögenswert, der produktiv ist und bei dem Ihre Investitionen einen Mehrwert bringen. Deshalb sage ich, dass es auf die Tagesordnung gesetzt werden muss, denn das ist das oberste Ziel. Damit sollten wir beginnen und dann verbessern.
Conor Doherty: Ich stimme zu. Und nun, das Einzige, was ich noch hinzufügen möchte, ist, dass ich tatsächlich die Analogie, das Gleichnis, verwenden möchte, das Sie schon mehrfach verwendet haben, also Schach. Und dann werde ich einfach etwas sagen, sagen Sie mir Ihre abschließenden Gedanken.
Aber wenn das Endergebnis eines Einsatzes darin besteht, mit den Figuren auf dem Schachbrett die besten Züge zu machen, damit man das Spiel gewinnen kann, dann ist das das Endziel, das System der Intelligenz, die automatisierten Entscheidungen. Die ersten paar Monate, die Datensortierung und -validierung, in denen Sie das Schema erstellen, analysieren, die Zusammenhänge verstehen, also effektiv das Schachbrett aufbauen oder Ihnen zumindest zeigen: „Hier ist Ihr Schachbrett, hier ist die Farbe der Felder, hier ist, wie die Figuren aussehen. Hier sind die Züge, die Sie tatsächlich ausführen können. Hier ist, wie sich ein Pferd bewegt. Hier ist, was ein Turm macht.“
Ich gebe Ihnen keine Entscheidungen, weil ich noch nicht so weit bin. Für mich liegt jedoch ein offenkundiger Wert darin, zu wissen: „Oh, so sieht ein Schachbrett aus. Das ist es, was diese Figuren bewirken.“
Joannes Vermorel: Ja. Ja. Offensichtlich. Wenn es also darum geht, das Risiko der Initiative zu verringern, können Sie sich ein Bild von der Entwicklung machen. Ja. Aber seien wir ehrlich: Die meisten Supply-Chain-Software-Initiativen werden in der Regel über mehrere Jahre hinweg eingeführt. Die meisten Softwareanbieter verkaufen Lizenzen, für die eine Mindestlaufzeit von einem Jahr und sehr häufig eine Laufzeit von vier Jahren erforderlich ist. Auch das ist völliger Blödsinn.
Was ich damit sagen will, ist, dass Sie sich für etwas entscheiden sollten, das viel, viel kürzer ist. Ja. Und 10 Wochen sind nicht so viel, wissen Sie. Und noch einmal: Wenn Sie ein Gefühl dafür bekommen möchten, ob sich diese Entität, auch wenn es sich um eine interne Lösung handelt, auf die Lösung zubewegt, können Sie in Woche vier einfach die verantwortliche Person fragen. Nochmals, ich sage einen Geist: Ja, was machen Sie? Was bauen Sie? Ergibt es für Sie Sinn? Ist die Erklärung, die gegeben wird, darauf gerichtet: „Wird mich dieses Ding in nur sechs Wochen mit dem vollständigen Rezept vertraut machen?“
Ich glaube nicht, dass es viel Arbeit für die Vorbereitungen gibt, aber im Großen und Ganzen der Unternehmenssoftware ist es im Hinblick auf den Tunneleffekt wirklich nicht so viel, einen Punkt zu erreichen, an dem man das Endspielprodukt in etwa 10 Wochen liefern kann. Es ist wirklich, wirklich nicht so viel. Vielleicht können wir das in Zukunft mit Codierungsagenten auf die Hälfte der Zeit reduzieren, aber ich denke, es ist immer noch sehr schnell.
Ja, das Problem, sehen Sie, ich sehe nicht viel Potenzial … wir können das Potenzial haben, diesen, sagen wir, 10-Wochen-Tunneleffekt mit vielen Codierungsagenten auf fünf zu bringen, um diesen Teil wirklich zu beschleunigen, aber hier liegt nicht wirklich die Herausforderung. Die Herausforderung besteht im Vergleich zum Status Quo darin, sich für etwas zu entscheiden, bei dem Sie normalerweise in 10 Wochen ein Ergebnis erhalten, anstatt buchstäblich auf einen Prozess zu zielen, bei dem Sie von Natur aus etwas anstreben, das 100 Wochen dauert.
Sehen Sie, wenn es zum Beispiel um die Bereitstellung geht, höre ich sehr oft, dass die Leute sagen: „Oh ja, oh nein, das können wir uns nicht leisten, wir haben Ergebnisse in 10 Wochen. Wir müssen mit einer Ausschreibung beginnen“, und bam, 18 Monate. Okay, Sie haben sich also verändert … Sie hatten etwas, bei dem Sie in 10 Wochen Ergebnisse erzielen konnten, und jetzt haben Sie eineinhalb Jahre lang nur die Auswahl eines Anbieters, und diese Anbieterauswahl kostet Sie viel mehr, als die eigentliche Durchführung dieser Aufgaben.
Und dann landet man bei einem Anbieter, der im wahrsten Sinne des Wortes fragt, er wolle eine Zusage für ein Jahr, wenn es nicht vier Jahre sind. Okay, das ist Schwindel. Das ist auch die Lehre aus der Bereitstellung, nämlich die Größenordnung der relevanten Zeitpläne.
Ich sage, dass Sie in 10 Wochen zu einem unbeaufsichtigten Entscheidungsprozess gelangen können. Es wird ungefähr sechs Monate dauern, bis Sie diesem Ding vollständig vertrauen, denn die meiste Zeit ist tatsächlich die Zeit, die Menschen brauchen, um einer Software zu vertrauen. Mit der Technik hat das nicht viel zu tun. Selbst wenn wir also morgen Codierungsagenten haben, die diese Verzögerung von, sagen wir, 10 Wochen bringen können, um wirklich zu einem numerischen Rezept zu gelangen, das funktioniert und das nicht völlig verrückt ist, können wir dies wahrscheinlich morgen in fünf, seien wir verrückt, drei Wochen komprimiert haben.
Es wird noch ein paar Monate dauern, bis Praktiker und das Top-Management dieser Software vertrauen und ihr die Kontrolle über einen großen Teil des Unternehmens überlassen. Letzten Endes würde ich also sagen, dass dies nicht der eigentliche Kampf ist. Der eigentliche Kampf ist … Ich meine, Sie können hier ein paar Wochen unterbringen. Lokad arbeitet daran, aber es erfordert viele ausgefeilte Technologien und viele sehr ausgefeilte Praktiken, denn jeder Tag zählt. Du willst wirklich, wirklich schnell sein.
Aber sehr oft arbeiten wir, Lokad, an der Entwicklung der Technologien, damit wir hier und da ein paar Tage Zeit haben. Aber was ich sehe, ist, dass ich viele, viele Unternehmen sehe, bei denen wir im Gespräch sind, und die beginnen damit, ganze Jahre damit zu verschwenden, sich auf Dinge wie „Ja, absichtlich“ zu konzentrieren, bei denen sie eine RFI anstreben, Boom, acht Monate, dann 12 Monate, und dann wählen sie einen ersten Anbieter aus, der sagt, dass sie etwas in acht Monaten liefern werden, aber tatsächlich haben sie anderthalb Jahre später immer noch fast nichts vorzuweisen, und es ist sicherlich nicht automatisiert usw.
Ich meine, stellen Sie sich diese super frustrierende Situation vor, in der Lokad … wir mit einem Unternehmen im Gespräch sind und dann einen Prozess durchlaufen und es fünf Jahre dauert, bis wir schließlich mit dem Pilotprojekt beginnen, das dann in 10 Wochen abgeschlossen ist.
Conor Doherty: Ja.
Joannes Vermorel: Sehen Sie, so etwas kommt sehr häufig vor… und das wäre vielleicht eine Lektion für den Einsatz. Was ich damit beschreibe, ist, dass Unternehmen, um eine Supply-Chain-Initiative umzusetzen, in gewisser Weise Ambitionen haben müssen, die viel höher sein müssen. Wieder unbeaufsichtigte Entscheidungsfindung.
Und Sie möchten nicht mit einer Kleinigkeit beginnen. Sie möchten mit dem schwierigsten Problem beginnen. Noch einmal: Warum? Weil Sie die inkompetenten Leute aussortieren wollen, sei es eine interne Lösung oder ein externer Anbieter. Sie möchten wirklich mit etwas beginnen, das wirklich schwierig ist, um die tatsächliche Kompetenz derjenigen zu beurteilen, von der Sie erwarten, dass sie das Problem löst.
Beginnen Sie nicht mit einem einfachen Problem, denn dann kann es passieren, dass Sie bei einer inkompetenten Einheit enden, sei es wiederum eine interne Lösung oder ein externer Anbieter, die einfach nur passable Arbeit leistet, Ihnen aber nicht bewusst ist, dass es sich um eine Sackgasse handelt, weil Sie sich für etwas entschieden haben, das einfach, französisch ist, mit einem kleinen Datensatz usw. zurechtkommt. Nein, nein. Sobald Sie einen modernen Weg der Supply Chain eingeschlagen haben, wählen Sie das schwierigste Problem aus, den größten Datensatz, den Sie haben, und Sie möchten in 10 Wochen wirklich sicherstellen, dass das Unternehmen, von dem Sie denken, dass es Ihre langfristige Lösung sein wird, auf diese Sache überprüft wird, dass Sie wissen, dass es funktioniert.
Wenn Sie diese Entität zunächst auf etwas Einfaches überprüfen, wissen Sie nicht, ob diese Person oder Entität danach in der Lage sein wird, die schwierigen Aufgaben zu erledigen. Wenn das schwierige Problem etwa drei Jahre dauern würde, würden Sie sagen: Nein, wir müssen etwas Kleines tun. Aber was ich hier sage, und das ist auch Teil des Einsatzes, ist, dass es meines Wissens kein Problem in Supply Chainn gibt, in denen es nicht innerhalb von 10 Wochen zu einem unbeaufsichtigten Entscheidungsprozess kommen kann, der entweder die Tatsache beweist, dass man dazu in der Lage ist, oder der die Tatsache beweist, dass man inkompetent ist. Das ist es.
Und die Sache ist die: Wenn der Anbieter es nicht in 10 Wochen schafft, wird er es auch in 100 Wochen nicht schaffen. Es macht also keinen Sinn, weiter zu investieren. Man muss zugeben, dass es nicht geklappt hat. Sie müssen den Anbieter wechseln, die Methode ändern, etwas Grundlegenderes ändern. Ihm einfach Zeit zu geben, reicht einfach nicht aus.
Conor Doherty: Alles klar. Nun, Joannes, ich habe keine weiteren Fragen. Wir haben, glaube ich, etwa anderthalb Stunden damit verbracht, aber ich glaube, dass wir eine Menge sehr praktischer Informationen behandelt haben, und auch hier empfehle ich den Leuten wärmstens, zurückzugehen und Kapitel 10 zu lesen. Es gibt viele sehr nützliche Dinge. Aber vielen Dank für Ihre Zeit und vielen Dank fürs Zuschauen.
Und ja, wenn Sie Fragen haben oder mit Joannes und mir persönlich sprechen möchten, können Sie uns auf LinkedIn kontaktieren oder uns eine E-Mail an contact@lokad.com senden. Du kennst die Übung. Und damit sehen wir uns nächste Woche. Machen Sie sich wieder an die Arbeit.
