La Supply Chain Quantitativa redefine cómo los supply chain pueden ser optimizados con software más capaz, típicamente impulsado por machine learning, y con software más escalable, potenciado por una infraestructura de Big Data. Sin embargo, en el núcleo de cualquier proyecto de Supply Chain Quantitativa, se encuentra el Supply Chain Scientist que ejecuta la data preparation, el modelado económico y la elaboración de informes de KPI. El Supply Chain Scientist entrega inteligencia humana magnificada a través de la inteligencia de máquina. La automatización inteligente de las supply chain decisions es el producto final del trabajo realizado por el Supply Chain Scientist.
Humano más Máquina
Mejorar el supply chain performance requiere una comprensión profunda de la estrategia empresarial. Los faltante de stock pueden ser dramáticamente costosos, como es el caso, por ejemplo, en la industria aeroespacial, o simplemente parte del negocio habitual, como ocurre con los alimentos frescos. Realísticamente, hoy en día, mientras que los algoritmos inteligentes pueden vencer a campeones de ajedrez o Go, incluso las máquinas más inteligentes están a décadas de distancia de poder establecer una hoja de ruta estratégica para el supply chain de su empresa. Así, establecer una configuración puramente impulsada por máquina para gestionar su supply chain sigue siendo ciencia ficción.
Sin embargo, los algoritmos inteligentes y los algoritmos de machine learning se han vuelto increíblemente buenos para resolver problemas que están bien definidos, son estrechos y repetitivos. El Supply Chain Quantitativa abraza estas capacidades modernas del software: utiliza la inteligencia humana para enmarcar el problema, eliminar las ambigüedades, y establecer el workflow repetible; y luego, permite que la máquina se haga cargo cuando se trata de generar las extensas, pero mundanas, supply chain decisions que su empresa requiere a diario para seguir operando.
El Supply Chain Quantitativa no se trata de eliminar los insights humanos del panorama. Al contrario. El Supply Chain Quantitativa se trata de devolver los insights humanos a donde tienen el impacto más significativo: asuntos estratégicos. Es precisamente al liberar al personal de supply chain de las tareas mundanas y repetitivas que el Supply Chain Quantitativa les devuelve su libertad. Permite a los equipos concentrar sus esfuerzos en los asuntos estratégicos, en lugar de quedar atrapados en detalles operativos.
El Rol del Supply Chain Scientist
El rol del Supply Chain Scientist es “procesar” los datos, incorporar todas las variables económicas en la lógica y automatizar la generación de supply chain decisions. El Supply Chain Scientist también es responsable de implementar y monitorear los KPIs, ideados junto con el supply chain management, que se utilizan para evaluar el rendimiento de la iniciativa de Supply Chain Quantitativa.
Al comienzo de la iniciativa, durante la fase de definición del alcance, el Supply Chain Scientist es responsable de asegurarse de que el problema a resolver esté bien definido, que las ambigüedades estén, si no resueltas, al menos claramente identificadas como tales. En particular, el Supply Chain Scientist es responsable de establecer una imagen clara de la automatización prevista. Dependiendo del contexto, la automatización podría estar destinada a generar órdenes de compra, inventory movements, desechos de inventario, etc.
Durante la fase de preparación de datos, el Supply Chain Scientist debe asegurarse de que todos los datos relevantes sean extraídos correctamente de los sistemas informáticos de la empresa. Aunque el Supply Chain Scientist típicamente recibe algo de ayuda del personal de IT para ejecutar la extracción de datos, es él quien tiene la responsabilidad de dar sentido a los datos. Establecer la semántica precisa de los datos, desde una perspectiva de supply chain, es de importancia crítica. Convertir los datos en bruto del sistema en datos preparados, listos para ser procesados por un algoritmo de machine learning, requiere un esfuerzo significativo. Esta responsabilidad recae, nuevamente, en el Supply Chain Scientist.
Durante la fase de incorporación, las cifras producidas por la automatización son cuestionadas por los practitioners de supply chain. En esta fase, los practitioners a menudo descubren casos límite cuando la automatización se comporta de manera errática. En consecuencia, es responsabilidad del Supply Chain Scientist corregir esos casos límite. Sin embargo, también ocurre que los números “impares” son en realidad los números correctos, pero divergen de los hábitos no óptimos previos de los practitioners de supply chain. El Supply Chain Scientist tiene la responsabilidad de arrojar luz sobre tales situaciones y convencer a los practitioners de supply chain de que esos números no constituyen un problema, sino que son, de hecho, un ingrediente clave de la solución.
Finalmente, una vez que la solución está en producción, el Supply Chain Scientist monitorea el rendimiento de la automatización e identifica sus debilidades. Es responsable de la mejora continua de la solución. Con frecuencia, una lógica mejorada requiere de mejores o más datos, lo que a su vez requiere cambios en los procesos operativos de supply chain. El Supply Chain Scientist cuantifica las ganancias esperadas asociadas con la mejora de datos y construye casos de negocio específicos, con el fin de proponer el cambio al supply chain management.
Las Habilidades del Supply Chain Scientist
El Supply Chain Scientist es a la vez un data scientist y un experto en supply chain. Esta competencia dual es esencial para lograr entregar una solución que cumpla con las expectativas iniciales. La experiencia en supply chain es esencial para asegurar que el Supply Chain Scientist tenga una comprensión profunda de los desafíos que deben ser abordados. La falta de comprensión de los desafíos de supply chain pone el proyecto en riesgo de construir una “solución” que no esté alineada con las necesidades de supply chain. Varían lead times, MOQs (cantidades mínimas de pedido), costos de transporte aéreo versus transporte marítimo, análisis de multi-echelon … son solo algunos de los muchos ángulos que el Supply Chain Scientist debe dominar. Más específicamente, cumplir con el rol del Supply Chain Scientist requiere una comprensión profunda no solo de los elementos en sí, sino también de las relaciones entre ellos. Por ejemplo, cómo los MOQs están influyendo en los lead times.
La experiencia en data science es esencial, primero, para realizar evaluaciones cuantitativas que aprovechen los datos históricos, y segundo, para implementar la lógica que automatiza por completo el proceso de toma de decisiones mundano. La falta de fluidez en programación pone cualquier iniciativa en riesgo de demoras excesivas y resultados numéricos peligrosos. La programación es una habilidad además de un arte. Los desafíos de supply chain son increíblemente complicados. El Supply Chain Scientist es capaz de implementar una solución que sea lo suficientemente simple para ser sostenible, pero lo suficientemente precisa para entregar el rendimiento de supply chain deseado.
Finalmente, el rol del Supply Chain Scientist también requiere habilidades de comunicación por encima del promedio. Tener buenas habilidades de escritura es importante para producir documentación de alta calidad que describa la iniciativa de Supply Chain Quantitativa. De hecho, los supply chain se tratan de compensaciones - por ejemplo, MOQs más pequeños versus precios de compra más bajos - y, con demasiada frecuencia, esas compensaciones tienden a quedar en gran medida sin documentar. Supply Chain Quantitativa requiere que esas compensaciones sean documentadas y cuantificadas. La responsabilidad de esta tarea recae en el Supply Chain Scientist. Se requieren buenas habilidades verbales para entablar un diálogo constructivo con los practitioners de supply chain durante la fase de incorporación, especialmente porque los equipos de supply chain deben convencerse de la validez del nuevo enfoque.
Supply Chain Scientists en Lokad
En Lokad, la competencia en supply chain science ha surgido gradualmente durante la última década (Lokad fue fundada en 2008). Aunque Lokad comenzó como una empresa de software puro, llegamos a darnos cuenta de que la excelencia en supply chain requería contar con un equipo dedicado de Lokad para actuar en primera línea cuando se enfrentaban a desafíos reales de supply chain. El personal tradicional de “software support” no era suficiente para ofrecer soluciones satisfactorias a las empresas, ya que esto requiere una comprensión profunda de los muchos desafíos de supply chain diferentes, no meramente un profundo entendimiento de la tecnología de Lokad.
Establecer y hacer crecer una competencia en supply chain science es difícil. Como resultado, muchas empresas confían en Lokad para cumplir el rol del Supply Chain Scientist en su propia iniciativa de Supply Chain Quantitativa. En este caso, Lokad proporciona una solución software+expert, donde se asigna un Supply Chain Scientist al caso y se empieza a orquestar toda la iniciativa. Este enfoque libera a las empresas de la necesidad de establecer inmediatamente su propia competencia en supply chain science. La subcontratación de esta competencia tiene sentido tanto para empresas pequeñas como grandes. Para las pequeñas, los costos de hacer esto internamente son simplemente demasiado altos. Para las grandes, se trata principalmente de acelerar el ritmo de cambio dentro de su supply chain.
Los tipos de candidatos seleccionados por Lokad para sus equipos de supply chain science suelen ser perfiles de ingeniería con títulos de máster. Aunque los Supply Chain Scientists de Lokad están familiarizados con la programación, en general no son desarrolladores de software. En cambio, su combinación de habilidades tiende a ser más variada e incluye la mayoría de los fundamentos de la ingeniería: la capacidad de modelar problemas industriales, de establecer un proceso, de hacer que este proceso sea tanto eficiente como confiable, de comunicarse con la dirección, etc. Debido a la naturaleza misma de los desafíos de supply chain de Lokad, nos inclinamos a seleccionar perfiles que sean fluidos en matemáticas y estadísticas, dado que estos dos campos son esenciales para las resoluciones cuantitativas de la mayoría de los desafíos de supply chain.
El desarrollo de esta competencia en supply chain science es un proceso en constante mejora en Lokad. Y dado que Lokad está cumpliendo el rol del Supply Chain Scientist para muchas empresas a través de diferentes verticales, hemos acumulado un conocimiento institucional significativo en esta área. Además, cuando nuevos reclutas se unen a Lokad, su capacitación implica estar expuestos a diversas situaciones de supply chain, en múltiples verticales, con el fin de acelerar el proceso de aprendizaje y alcanzar niveles de comprensión más profundos.
Contenido Relacionado
¿Qué es un Supply Chain Scientist? Una discusión con Simon Schalit (Lokad COO)
Un Día en la Vida de un Supply Chain Scientist (con Maximilian Barth)
The Supply Chain Scientist - Conferencia 7.3 con Joannes Vermorel
