Supply Chain como Servicio
En términos de optimización predictiva, la mayoría de los supply chain están atascados a principios de los años 19901. Las empresas más grandes ya han pasado por toda una serie de iniciativas ‘predictivas’ durante las últimas dos décadas. Sin embargo, pocas de esas mejoras tuvieron mucho impacto en supply chain.

Hace una década, en Lokad, cuando empezábamos a abordar las causas raíz de esos fallos, Supply Chain como Servicio (SCaaS) surgió como nuestro modelo de negocio, reemplazando al modelo Software como Servicio (SaaS). Comenzamos a vender suscripciones de “software+experto”. El experto, es decir, un supply chain scientist, implementa las recetas numéricas que generan las decisiones, mientras que el software, a saber, la plataforma Lokad, le proporciona al experto la infraestructura que necesita para operar de forma rápida y fiable.
Durante esta década, nuestra práctica de SCaaS ha sido un factor dominante, si no el mayor, para incrementar la tasa de éxito de nuestras iniciativas de supply chain. Sin embargo, se plantean frecuentemente objeciones contra la propia idea de SCaaS.
No externalizaremos nuestra competencia en supply chain. Esta objeción implica que existen competencias estratégicas de supply chain internas que deben preservarse. Puede que sea así, pero, a menudo, esta competencia no califica como “estratégica”. La mayoría de las empresas, incluidas las grandes, ni siquiera alcanzan una puntuación de 10 en nuestra prueba de rendimiento de supply chain de 5min. Peor aún, iniciativas de gran envergadura como S&OP, tienden a disminuir de forma constante la competencia real en supply chain al fragmentar aún más los procesos de toma de decisiones.
Por el contrario, SCaaS allana el camino para la aparición de una verdadera competencia estratégica en supply chain dentro de la empresa. Empieza robotizando los procesos de toma de decisiones. De hecho, sin automatización, los equipos de supply chain apenas pueden permitirse pensar estratégicamente. Toda la energía del equipo se destina a apagar incendios en casos límite de supply chain. En cambio, con SCaaS implementado, varios clientes nos dijeron que era la primera vez en su historia que podían tomarse el tiempo para trabajar en problemas complejos, como canibalizaciones o la optimización de MOQ.
Lo haremos mediante herramientas fáciles. Esta objeción toma la falta de habilidades de programación de los equipos de supply chain como un axioma y, por tanto, descarta clases enteras de herramientas. En lo que respecta a supply chain, existen tres tipos principales de herramientas “fáciles”: vanilla apps, low code apps y spreadsheets.
Las vanilla apps ofrecen numerosas opciones y funcionalidades para hacer frente a todas las variaciones que se encuentran en supply chain. Al principio, la aplicación parece fácil: usarla es simplemente cuestión de configuración y luego el workflow se hace cargo. No se requiere programación. Sin embargo, en la práctica, las situaciones de supply chain invariablemente superan las capacidades de la aplicación. Los profesionales que se enfrentan a una “app” recurren a las spreadsheets para realizar el trabajo.
Las low code apps prometen el poder de la programación pero sin tener que lidiar con un lenguaje de programación. Normalmente, las low code apps incluyen algún tipo de editor visual. Desafortunadamente, el enfoque low code no se enfrenta bien a la complejidad que presentan incluso los supply chain más comunes. En un ejemplo sencillo con 2 tablas y 10 campos, low code se ve genial. En un ejemplo real con 20 tablas y 500 campos, low code es espantoso. Cuando se les da acceso a una low code app, los profesionales también recurren a las spreadsheets para realizar el trabajo.
Las spreadsheets son, de lejos, la herramienta utilizada por los profesionales de supply chain. Aunque cumplen con el trabajo, existen matices que simplemente no encajan en el paradigma de las spreadsheets, tanto si se trata de Microsoft Excel como de alguna alternativa basada en la web. El forecast probabilístico y la optimización estocástica simplemente no pertenecen al ámbito de las spreadsheets. Mientras se utilicen spreadsheets, la práctica de SCM se mantendrá estancada en la era de los 1990.
SCaaS es la chispa necesaria para lograr la actualización de supply chain. Desafiar prácticas que han estado en vigor durante las últimas dos o tres décadas ya es una batalla cuesta arriba. SCaaS es la oportunidad de luchar esta batalla con veteranos que ya han estado allí y lo han hecho en otras empresas.
Lo haremos con nuestro propio equipo de data science. A principios de los 2000, la objeción se formulaba como lo haremos con nuestro propio equipo de data mining. El data mining ha muerto, larga vida al data science. Sin embargo, la mayoría de las empresas olvida las lecciones de sus iniciativas fallidas de data mining de hace 20 años: la tecnología casi nunca fue la causa raíz del fracaso, era la torre de marfil el problema.
En lo que respecta a supply chain, contratar data scientists es casi invariablemente preparar la iniciativa para un fracaso lento y costoso. Los data scientists son, por lo general, jóvenes ingenieros que han recibido alguna formación en una serie de frameworks y/o lenguajes open source. Como resultado, el típico data scientist, al igual que su predecesor del data mining, observa el mundo a través de lentes técnicas. Un equipo de data science generará un flujo continuo de “soluciones en busca de problemas”. Se darán charlas, se realizarán demos. Los profesionales de supply chain felicitarán cortésmente al equipo de data science y se asegurarán de que ninguna de sus “soluciones” se acerque lo suficiente a la producción real. En este sentido, los profesionales están tomando la decisión correcta.
Los proveedores de SCaaS no pueden darse el lujo de ser decorativos. La mayoría de las empresas tienen dificultades para despedir talento, como los data scientists, incluso si esas personas no contribuyen a la compañía. Sin embargo, la mayoría de las empresas no tienen reparos en terminar con un proveedor de servicios externo que no aporte lo suficiente. Los proveedores de SCaaS son sobrevivientes que logran demostrar su valor continuo una y otra vez.
Como proveedor de SCaaS, Lokad rara vez contrata perfiles de data scientists puros para sus roles de “supply chain scientist”. En su lugar, favorecemos a ingenieros dispuestos a convertirse, ante todo, en expertos en supply chain. Los modelos estadísticos son un medio, no un fin. Los data scientists con demasiada frecuencia se empeñan en llevar los modelos numéricos a sus límites. Los supply chain scientist no intentan publicar un artículo, quieren hacer el trabajo con la mínima complicación. En la práctica, esto marca la diferencia entre una solución de grado producción y un prototipo sofisticado que nunca llega a producción.
-
El software de supply chain de principios de los años 1990 se caracteriza por forecast de series temporales puntuales, stocks de seguridad y un énfasis en revisiones manuales de rutina de todos los números generados por el software, normalmente con el apoyo de excepciones y alertas. El grado de sofisticación detrás de los forecast varía, pero es en su mayor parte inconsecuente en lo que respecta al rendimiento de supply chain. Los casos límite son numerosos y se abordan invariablemente a través de spreadsheets. ↩︎