Los POC no funcionan en la optimización cuantitativa de la cadena de suministro
Las pruebas de concepto son una de las solicitudes más frecuentes que recibimos de nuestros clientes prospectos que desean probar nuestro servicio de optimización de la cadena de suministro. Sin embargo, con frecuencia rechazamos tales solicitudes; primero porque perjudican a la propia empresa del cliente y segundo porque también perjudican a Lokad en el proceso. Dado que las pruebas de concepto, o POCs, son tan comunes en el software B2B, generalmente es difícil comprender por qué pueden ser perjudiciales en el caso específico de la cadena de suministro cuantitativa (1). En esta publicación, recopilamos nuestros hallazgos sobre los POCs, considerándolos un “anti-patrón” de la cadena de suministro.
Los POCs no cuestan menos
Una suposición fundamental detrás de la metodología de los POCs es que los POCs cuestan menos que el producto real. Desafortunadamente, esta suposición casi siempre es incorrecta.
En primer lugar, establecer un alcance pequeño dentro de toda una red de cadena de suministro apenas mueve la aguja. En el pasado, los proveedores de software luchaban con problemas de escalabilidad y las implementaciones a gran escala requerían típicamente inversiones iniciales pesadas en hardware, potencialmente combinadas con licencias de software como bases de datos. Sin estas inversiones, ni siquiera era posible comenzar a procesar datos. Sin embargo, en la era actual de la computación en la nube, esta restricción ya no existe, y si una aplicación está diseñada correctamente, no se requiere nada adicional para comenzar a procesar datos. La factura de la computación en la nube solo aumentará marginalmente por cada cliente adicional, pero en general, este costo es insignificante en comparación con, por ejemplo, los costos involucrados en establecer una discusión con el cliente potencial. En segundo lugar, la mayor parte de los esfuerzos iniciales consiste en calificar los datos, seguido de una identificación adecuada para establecer una relación comercial B2B con el cliente.
Aún peor, tener más datos generalmente facilita las cosas, no las dificulta, cuando se trata de pronósticos estadísticos. Por lo tanto, al restringir el alcance de los datos, los POCs tienden a complicar las cosas y, por lo tanto, a ser más costosos en comparación con abordar el alcance completo de los desafíos. Nuestra experiencia indica que incluso cuando los POCs se centran en solo el 5% de toda la red de cadena de suministro, estos 5% suelen involucrar casi toda la complejidad de la red en su conjunto. De hecho, es precisamente porque los POCs incorporan casi toda la complejidad de un proyecto a gran escala, que se esperaría que los POCs tengan sentido en primer lugar.
Descartar la complejidad no es una opción. Si tu red de suministro incluye envíos de contenedores y trabajas con proveedores poco confiables, ¿cómo podría ser convincente un POC si estos elementos no se tienen en cuenta en la iniciativa? Si se ignora alguna restricción específica, como las cantidades mínimas de pedido (MOQs), los resultados numéricos resultan inutilizables.
Los costos más allá del POC están determinados por los esfuerzos que deben realizar ambas partes, tanto Lokad como su cliente, para gestionar la complejidad completa de la cadena de suministro. Esos costos están determinados por las especificidades del negocio considerado, y la escala solo tiene un impacto marginal en los costos.
Los POCs aumentan las probabilidades de fracaso
Cuando se opta por un POC, las empresas frecuentemente terminan “probando cosas” para mejorar su cadena de suministro. Sin embargo, en este caso específico, me gustaría citar a Yoda: “Hazlo o no lo hagas. No hay intento”. A pesar de las afirmaciones de los proveedores de software, optimizar la cadena de suministro es difícil. El problema con los POCs es que dan demasiada libertad a las partes para fracasar.
- “Extraer historial de ventas es extremadamente complicado”. Lamentablemente, no hay alternativa: nunca se logrará optimizar la cadena de suministro sin datos que representen la demanda.
- “Los niveles de stock electrónico son inexactos”. La tecnología puede ayudar a detectar automáticamente las desviaciones más obvias y ayudar a priorizar los recuentos. Sin embargo, no es raro que los gerentes de cadena de suministro también tengan que lidiar con inventario fantasma.
- “Los pronósticos siguen siendo malos sin importar qué”. Las empresas deberían aprender a aceptar un futuro incierto en lugar de desear que esta incertidumbre desaparezca. Los pronósticos probabilísticos son particularmente buenos para capturar la incertidumbre futura.
“Las complicaciones son solo excusas para dejar caer la pelota”.
Hay situaciones en las que se espera que las soluciones sean fáciles y sin contratiempos: por ejemplo, crear una nueva cuenta de correo electrónico para un nuevo empleado. Sin embargo, optimizar la cadena de suministro casi siempre es difícil: si la empresa ha estado en funcionamiento durante más de unos pocos años, la parte “fácil” de la optimización de la cadena de suministro ya se hizo hace años. La parte “difícil” es lo que queda.
En nuestra experiencia, la mayoría de los POCs fracasan en las etapas iniciales del proyecto, cuando los equipos aún están luchando con problemas de datos. Sin embargo, esto no dice nada sobre la solución de optimización de inventario en sí, porque la solución nunca se pone a prueba.
Los POCs desvían las iniciativas de optimización de la cadena de suministro
Los POCs enfatizan un punto de vista que no es exactamente el punto de vista de “producción”. Los ejecutivos buscan puntos de referencia que se deben establecer o KPIs que se deben establecer. Sin embargo, ¿qué pasa si un cierto KPI resulta ser más difícil de calcular que realizar la optimización en sí? ¿Qué pasa si el KPI en sí, aunque instructivo, no ofrece opciones viables para mejorar algo?
Nuestra experiencia indica que los POCs rutinariamente se desvían por consideraciones que simplemente no son requisitos desde una perspectiva de producción. Intentar abordar esos requisitos generalmente envenena el POC porque de repente el POC se convierte en un desafío aún mayor que la producción en sí.
Además, como el punto principal de un POC es buscar tranquilidad, la mayoría de los POCs sufren de patrones anti-plateado donde la empresa cliente presiona al proveedor para que sea completamente inclusivo en la captura de cada aspecto de su negocio, incluso a expensas de la confiabilidad general de la solución. La solución resultante a menudo es demasiado frágil para ser útil desde una perspectiva de producción.
Hemos visto muchos POCs fallar en problemas “imaginarios” también. Por ejemplo, si el mejor modelo de pronóstico, probado empíricamente en miles de SKU, resulta ser no estacional y supera a todos los demás modelos estacionales disponibles, ¿debería considerarse esto un problema? No hay duda de que el negocio en cuestión es estacional: lo es. Pero, ¿qué pasa si la mejor manera conocida de anticipar la demanda futura es simplemente ignorar la estacionalidad en este caso? ¿Debería considerarse esto un problema? En nuestra experiencia, este “problema” único se ha considerado un problema bloqueante para muchos POCs, mientras que los propios profesionales de la cadena de suministro admitían que las cantidades de órdenes de compra sugeridas eran sólidas.
Ir a producción y revisar el proyecto si es necesario
Los POCs suelen ser percibidos, y con razón, como distracciones por parte de los profesionales que necesitan mantener el negocio en funcionamiento mientras llega la solución de próxima generación. Nuestra experiencia indica que ir directamente a producción es más barato y menos arriesgado. Sin embargo, esto debe hacerse con la metodología adecuada.
Primero, fallar debido a la “logística de los datos” no es una opción. No se puede optimizar lo que no se mide. Si los datos no tienen sentido, entonces todos los intentos de optimización también carecerán de sentido. El éxito es un requisito, ya que de lo contrario la empresa puede dejar de existir dentro de unos años. Sucede que la gran mayoría de los esfuerzos a invertir están asociados con esta logística de los datos, y esta inversión puede separarse casi por completo de la solución que se está considerando para la producción. ¡Y esto es algo bueno! Si la solución de optimización se quedara corta por alguna razón, la inversión no se pierde y simplemente necesita ser redirigida hacia una mejor solución alternativa.
En segundo lugar, aunque el objetivo es ir directamente a producción, no significa que los números no sean cuestionados, todo lo contrario. El proceso antiguo y el nuevo deben coexistir, aprovechando tantas oportunidades fáciles como sea posible del proceso antiguo (2) mientras se perfecciona el nuevo.
Luego, suelen surgir docenas de problemas. Es importante resolverlos:
- problemas que ya estaban afectando al proceso antiguo, aunque de manera más silenciosa. Los buenos procesos y las buenas tecnologías hacen que los problemas sean obvios; esto no es un defecto, sino una virtud.
- problemas que no se pueden solucionar con el software implementado. Si la selección de SKU no es confiable en el almacén, no espere que el módulo de pronóstico de demanda lo haga confiable.
- discrepancia entre problemas reales y expectativas. El pronóstico estadístico es profundamente contra intuitivo; no deje que sus expectativas anulen lo que las mediciones cuantitativas le dicen.
- problemas de diseño que no se pueden resolver sin rediseñar significativamente la solución, lo cual suele ocurrir cuando el software no tiene el enfoque adecuado para abordar el desafío.
El último punto requiere considerar otra solución. Sin embargo, como se mencionó anteriormente, esto no debería ser el fin de la iniciativa, sino el comienzo de una colaboración con otro proveedor.
Abandonar la idea de un POC generalmente significa perder todo el impulso que se ha invertido en la iniciativa. Además, la mayoría de los POCs fallan por razones equivocadas, lo que significa que las probabilidades de éxito de intentos futuros apenas mejorarán, ya que los desafíos reales siguen en su mayoría intactos.
Ir directamente a la producción es en realidad menos arriesgado de lo que parece. Ayuda a prevenir una clase entera de fallas que tienden a ser ignoradas en el caso de los POCs, aunque no deberían serlo. Obliga a la iniciativa a adoptar un enfoque estrecho en lo que realmente se necesita para obtener mejoras y dejar de lado los pensamientos ilusorios. Cuando se enfrenta a un fallo grave del proveedor, una empresa aún puede aprovechar su impulso interno y cambiar a otro proveedor sin perder el impulso mencionado, como suele ocurrir con los POCs.
(1) Hay muchas formas de optimizar la cadena de suministro: mejores procesos, mejores proveedores, mejores transportistas, mejores contrataciones… Esta publicación se centra en la optimización cuantitativa: desafíos de la cadena de suministro que se pueden abordar mediante pronósticos estadísticos y/o solucionadores numéricos.
(2) Arreglar el inventario fantasma es beneficioso para todos los procesos de optimización de inventario. Lo mismo ocurre al revisar y mejorar las valoraciones de inventario.
