Die Lokad Plattform

Obwohl quantitative Supply-Chain-Initiativen auf jeder Plattform mit einer Programmiersprache durchgeführt werden können, wurde die Lokad-Plattform speziell für die Unterstützung dieser Initiativen entwickelt. Lokad ist eine Plattform, die sich auf die Entwicklung und Implementierung maßgeschneiderter prognostischer Optimierungs-Apps für die Lieferkette spezialisiert hat. Im Vergleich zu generischen Entwicklungstools bietet Lokad eine überlegene Produktivität, Zuverlässigkeit, Wartbarkeit, Sicherheit - und nicht zuletzt - Leistungsfähigkeit der Lieferkette.

envision

Im Kern von Lokad liegt Envision, eine domänenspezifische Programmiersprache (DSL). Diese Sprache richtet sich an Lieferkettenexperten, nicht an Softwareingenieure. Unser Hauptziel ist es, die Optimierung der Lieferkette in die Hände derjenigen zu legen, die über direkte Fachkenntnisse in diesem Bereich verfügen. Dadurch minimiert Lokad das Risiko von Supply-Chain-Initiativen, indem es die Zwischenschichten zwischen Geschäft und IT entfernt.

Durch Envision übertreffen wir bei weitem die Möglichkeiten von APS (Advanced Planning Systems), die nur im Namen “fortschrittlich” sind, BI (Business Intelligence) oder sogar spezialisierten Prognose-Toolkits. Nicht zuletzt liefert Lokad im Vergleich zu generischen Programmiersprachen wie Python Apps, die sicherer und wartbarer sind.

Jenseits von Tabellenkalkulationen

Excel ist das am weitesten verbreitete Tool in der Lieferkette. Bei Lokad erkennen wir an, dass Excel viele großartige Eigenschaften hat: Es ist einfach, ausdrucksstark, visuell und vor allem ermöglicht es Ihnen, jederzeit den Überblick über Ihre Daten zu behalten. Excel hat den weltweiten Erfolg, den es verdient. Mit Envision haben wir sehr hart daran gearbeitet, all diese ausgezeichneten Eigenschaften von Excel zu bewahren.

Was die Lieferkette betrifft, ist Excel jedoch nicht der Höhepunkt der Analytik. Die größte Stärke von Excel ist auch seine größte Schwäche: Die Berechnungslogik und die Daten sind systematisch miteinander verflochten, und dies führt zu endlosen Problemen, sobald die Tabellenblätter anfangen, an Größe zu gewinnen. Dennoch sind große Excel-Tabellen in der Lieferkette in der Regel unvermeidlich, da in einem Unternehmen in der Regel Hunderte oder sogar Tausende von Produkten zu finden sind.

Leider kann dieses Problem der Verflechtung von Logik und Daten in Excel nicht behoben werden, da die “Lösung” dem widersprechen würde, was Excel zu einem großartigen Werkzeug macht. Aus diesem Grund haben wir bei Lokad beschlossen, Envision zu entwickeln, eine Technologie, die die wertvollen Eigenschaften von Excel in Bezug auf die Lieferkette bewahrt, aber auch die Skalierung auf Hunderte von Millionen von Bestellungen oder SKUs unterstützt, wenn dies erforderlich ist.

Dann sind Tabellenkalkulationen, nicht nur Excel, einfach nicht für spezialisierte, aber wesentliche Klassen von Berechnungen geeignet, die für die Optimierung von Lieferketten erforderlich sind. Beispielsweise verfügen Tabellenkalkulationen (praktisch) über keine Funktion zur Verwaltung probabilistischer Prognosen. Daher sind Tabellenkalkulationen auf eine “Durchschnittswert-Mentalität” festgelegt, die für Lieferketten schädlich ist. Ebenso verfügen Tabellenkalkulationen (praktisch) über keine Funktionen zur Durchführung einer optimierten Optimierung unter unsicheren Bedingungen. Dadurch müssen selbst banale Einschränkungen wie Mindestbestellmengen manuell von Lieferkettenexperten gelöst werden.

Envision bietet spezialisierte Konstrukte - wie eine Algebra der Zufallsvariablen -, die für die prognostische Optimierung von Lieferketten unerlässlich sind und in Tabellenkalkulationen einfach nicht verfügbar sind. Apps, die mit Envision erstellt wurden, sind daher wesentlich wartbarer als Tabellenkalkulationen, die sich bei komplexen Problemen schlecht skalieren lassen.

Nicht nur Daten beobachten, sondern auch handeln

Business Intelligence (BI)-Lösungen werden häufig als nächste Stufe der Geschäftsanalyse nach Excel verkauft. Basierend auf Lokads jahrelanger Erfahrung sind wir jedoch zu dem Schluss gekommen, dass BI im Hinblick auf Lieferketten fast immer die erwarteten Vorteile nicht realisiert. Das Problem liegt nicht in der Qualität der Business Intelligence-Tools: Der BI-Markt ist ausgereift und es gibt einige ausgezeichnete Lösungen. Die Schwierigkeit liegt vielmehr darin, dass die Beobachtung von Daten zum Zweck der “Gewinnung von Erkenntnissen” für Unternehmen, bei denen Tausende von Produkten und Tausende von Kunden beteiligt sind, enorm kostspielig ist.

In der Lieferkette scheitern BI-Tools nicht daran, dass sie nicht alle verfügbaren Daten verarbeiten können - im Gegensatz zu Excel können gute BI-Tools sehr große Datenmengen verarbeiten -, sondern daran, dass es extrem schwierig ist, nur zehn relevante Zahlen pro Tag zu produzieren, die es wert sind, gelesen und umgesetzt zu werden, obwohl das Produzieren von Millionen von Zahlen pro Tag billig ist, wie wir zuvor gesagt haben. Trotz all seiner Mängel kommt Excel mit dieser “Dinge erledigen” Einstellung, während BI dies nicht tut.

Bei Envision wollten wir unbedingt diese “Dinge erledigen” Perspektive bewahren. Envision geht darum, Apps zu erstellen. Envision kann beispielsweise priorisierte Aktionslisten generieren wie:

  • Die Top-Artikel auflisten, die zu niedrigen Bruttomargen gewartet werden sollen, um Wettbewerber unter Druck zu setzen
  • Die Mengen generieren, die benötigt werden, um den nächsten zu bestellenden Container genau zu füllen
  • Die Top-Artikel auflisten, die aus dem Lager geräumt werden müssen
  • Die Top-Artikel auflisten, die ständig von Kunden zurückgegeben werden und aus dem Sortiment genommen werden müssen

Die quantitativen Entscheidungen, die von Envision generiert werden, können dann automatisch in das ERP-System zurückimportiert oder als Tabellenkalkulationen heruntergeladen werden. Der genaue Umfang von Envision hängt wirklich davon ab, was Sie als die wichtigsten Prioritäten Ihres Unternehmens festlegen.

Ihr Unternehmen kann der Programmierbarkeit nicht ausweichen

Envision ist eine Programmiersprache. Für die meisten Menschen, die keine Softwareentwickler sind, fühlt sich dies wahrscheinlich “sehr” technisch an; die meisten Geschäftsführer, selbst in den größten Unternehmen, fragen sich, ob ihr Team in der Lage sein wird, mit einem solch fortgeschrittenen Werkzeug produktiv zu werden. Unsere Erfahrung zeigt, dass die Lieferkette unweigerlich komplex ist. Wir haben einige Anbieter erlebt, die Werkzeuge versprechen, die so einfach sind, dass sie sogar von “einem 9-jährigen Kind verwendet werden könnten”, und letztendlich Ergebnisse erzielen, die mit dem übereinstimmen, was ein tatsächliches “9-jähriges Kind” geliefert hätte.

Die Lieferkette umfasst Tausende von Produkten und häufig noch viel mehr. Jeder Preis, jeder Lagerbestand, jede Sortimentsänderung muss ständig angepasst werden. Es besteht keine Hoffnung, dies mit einem zufriedenstellenden Produktivitätsniveau zu erreichen, ohne all diese banalen Aufgaben zu automatisieren. Doch Automatisierung allein reicht nicht aus: Es muss eine intelligente Automatisierung sein, die eng mit Ihren spezifischen Geschäftstreibern abgestimmt ist. Der “programmierbare” Teil ist derjenige, der es ermöglicht, diese Ausrichtung zu erreichen.

Wenn jemand in Ihrer Organisation irgendwo in einer Tabellenkalkulation eine komplexe Formel erstellt, nutzt diese Person die programmatische Ausdrucksfähigkeit der Tabellenkalkulation. Es gibt kein Entkommen vor dem Wahnsinn der Tabellenkalkulation, wenn Teams keine bessere Alternative haben, um ihr Fachwissen in die Systeme einzubringen. Envision ist genau als diese überlegene Alternative gedacht.

Über Python hinaus

Trotz der wachsenden Beliebtheit von Data-Science-Initiativen ist die harte Realität, dass die überwiegende Mehrheit dieser Initiativen nicht den Erwartungen gerecht wird. Konkret scheitern diese Initiativen in der Regel daran, den Übergang zur Produktion zu schaffen, obwohl anfängliche Prototypen häufig vielversprechend sind. Im Gegensatz dazu wurde Envision mit Blick auf die Produktion in der Lieferkette entwickelt, um diese Art von Problemen so weit wie möglich zu minimieren. Es gibt zwei Hauptursachen für diese Misserfolge. Eine Diskussion über die Vor- und Nachteile aller Alternativen zu Envision wäre etwas mühsam, daher wird die Diskussion im Hinblick auf die Wahl zwischen Python und Envision geführt.

Erstens erfordert Python Softwareentwickler. Tatsächlich bietet Python, wie jede vollwertige Programmiersprache, denen, die Code in Python schreiben, eine Vielzahl technischer Feinheiten. Es ist zu viel verlangt, dass Menschen sowohl Experten für Lieferketten-Engineering als auch Experten für Softwareentwicklung sind. Programmierfähigkeiten müssen für ein breites Spektrum technisch versierter Menschen zugänglich sein, nicht nur für professionelle Softwareentwickler.

Zweitens schießen die Wartungskosten für hastige Python-Prototypen in die Höhe. Die Wartungskosten müssen unter Kontrolle gehalten werden. Python ist hardwaremäßig weit entfernt von schlank. Das Lösen von Optimierungsproblemen in der Lieferkette ist ein chaotischer Prozess: Die Daten aus vielen (schlecht) zuverlässigen Systemen müssen zuverlässig in Pipelines geleitet werden, unvollkommene und sich ständig ändernde Prozesse müssen dokumentiert und modelliert werden, die Optimierungsmetriken müssen eine sich ständig ändernde Geschäftsstrategie widerspiegeln usw. Python bietet kaum Korrektheit durch Design, um solche Bemühungen zu unterstützen.

Envision ist unsere Antwort auf diese Herausforderungen. Es glänzt auf Arten, die für Python einfach nicht zugänglich sind, nämlich:

  • Verteidigung in der Tiefe, die ganze Klassen von Sicherheitsproblemen verhindert, die immer dann auftreten, wenn eine allgemeine Programmiersprache verwendet wird.
  • Transparente Leistung, die verhindert, dass Programme, die in der Produktion unpraktisch langsam ausgeführt werden, überhaupt geschrieben werden.
  • Transparentes Upgrade, so aktuell wie ein sich ständig bewegendes Ziel ist, sollten Upgrades automatisch geliefert werden, in der Regel durch Hintergrund-Code-Neuschreibungen.
  • Gepackter Stack, bei dem die Last des Zusammenstellens dutzender Softwarekomponenten, selbst bei der einfachsten App, eliminiert wird.

Zusammenfassend lässt sich sagen, dass Python großartig ist (das ist es auch), aber es ist keine zufriedenstellende Antwort für die Optimierung der Lieferkette wie Envision es ist. Das Erstellen und Warten einer Machine-Learning-App in Python für die Produktion ist möglich, aber die Kosten sind hoch, und es funktioniert nicht in der Produktion, es sei denn, Ihr Unternehmen ist bereit, ein vollständiges Softwareentwicklungsteam für die Wartung dieser App einzusetzen.