00:00:07 Ciencia de la supply chain y la creación de recetas numéricas.
00:03:21 La diferencia entre algoritmos y recetas numéricas.
00:05:21 Explicación de cómo las recetas numéricas son más adecuadas para resolver problemas complejos en las cadenas de suministro en comparación con los algoritmos.
00:06:00 Discusión sobre cómo los algoritmos están presentes en las empresas de software y el peligro de tener una visión distorsionada de los problemas del mundo real.
00:07:48 Comparación de la optimización de un solo tornillo en una máquina con el gran problema de las cadenas de suministro.
00:08:02 Discusión sobre la importancia de las recetas numéricas en la resolución de problemas de la cadena de suministro.
00:08:54 Comparación de algoritmos y recetas numéricas en términos de objetividad.
00:09:44 Explicación de cómo la subjetividad de las recetas numéricas hace que la experiencia de un científico de la supply chain sea crucial.
00:13:02 La importancia de alinear la solución con el problema y minimizar el potencial de errores.
00:15:52 Discusión sobre la necesidad de procesos y herramientas para prevenir errores y mejorar la calidad de la solución.
00:17:16 Explicación de los problemas que pueden surgir con las recetas numéricas.
00:18:07 Discusión sobre cómo las empresas de la industria de la cadena de suministro operan a través de recetas numéricas.
00:20:01 Crítica de que las herramientas son inadecuadas para resolver problemas de la cadena de suministro.
00:22:00 La importancia de las recetas numéricas para ser aproximadamente correctas y ágiles en los problemas de la cadena de suministro.
Resumen
En una entrevista, Joannes Vermorel, el fundador de Lokad, habla sobre el concepto de recetas numéricas en la optimización de la cadena de suministro. Argumenta que los algoritmos y el machine learning pueden dar una falsa impresión de objetividad y límites bien definidos entre problemas y soluciones, y que las recetas numéricas son un enfoque mejor para manejar la naturaleza compleja y cambiante de los problemas reales de la cadena de suministro. Vermorel enfatiza la importancia de tener alineación, corrección por diseño y buenas herramientas para prevenir errores y garantizar el éxito en la optimización de la cadena de suministro. Él cree que las recetas numéricas son esenciales para el éxito en el mundo impredecible de las cadenas de suministro.
Resumen Extendido
En esta entrevista, Kieran Chandler y Joannes Vermorel, el fundador de Lokad, discuten el concepto de recetas numéricas en la optimización de la cadena de suministro. Vermorel explica que tomó prestado el término de un exitoso libro llamado “Numerical Recipes” publicado en la década de 1980, que ofrece una perspectiva única sobre la resolución de problemas.
Él enfatiza que la resolución de problemas en la gestión de la cadena de suministro no es tan simple como tener un problema y una solución claramente definidos. En cambio, el tipo de solución utilizada puede dar forma al problema, con compensaciones y bucles de retroalimentación existentes entre ellos. Vermorel cree que el término “recetas numéricas” es una mejor descripción de los enfoques utilizados en la optimización de la cadena de suministro porque reconoce la complejidad inherente y la adaptabilidad de estas soluciones.
Vermorel explica que los algoritmos, el aprendizaje automático y otras terminologías pueden dar una falsa impresión de objetividad y límites bien definidos entre problemas y soluciones. Sin embargo, en la práctica, las cadenas de suministro del mundo real presentan situaciones más complejas y “confusas”. Contrasta la claridad de los algoritmos de clasificación, que tienen declaraciones de problemas bien definidas y propiedades matemáticas, con la ambigüedad de los problemas de la cadena de suministro, que a menudo implican negociaciones, condiciones cambiantes y otros factores del mundo real.
Por ejemplo, las cantidades mínimas de pedido (MOQ, por sus siglas en inglés) en las cadenas de suministro no son fijas como las leyes físicas, sino que son el resultado de negociaciones con los proveedores. Si un MOQ resulta problemático, una empresa podría negociar un acuerdo más favorable. Una receta numérica inteligente capturaría estas opciones del mundo real, lo que la convierte en un enfoque más adecuado para abordar los problemas de la cadena de suministro que los algoritmos tradicionales.
Si bien Lokad utiliza muchos algoritmos en su conjunto de software, Vermorel argumenta que depender únicamente de los algoritmos puede llevar a una comprensión distorsionada de los problemas de la cadena de suministro del mundo real, especialmente para aquellos con educación formal en ciencias de la computación o ingeniería de software. Esto se debe a que los algoritmos tradicionales a menudo son más adecuados para problemas claramente definidos con resultados definidos, mientras que las recetas numéricas son más adaptables y más adecuadas para la naturaleza compleja y cambiante de las cadenas de suministro.
Vermorel cree que el concepto de recetas numéricas es una forma más apropiada de describir los métodos utilizados en la optimización de la cadena de suministro debido a su adaptabilidad y capacidad para manejar la complejidad y ambigüedad inherentes en los problemas de la cadena de suministro del mundo real. Este enfoque reconoce la importancia de las compensaciones y los bucles de retroalimentación entre problemas y soluciones, y permite una comprensión más matizada de la gestión de la cadena de suministro.
Discutieron los desafíos de la optimización de la cadena de suministro y el papel de los científicos de la cadena de suministro en la creación de recetas numéricas. Vermorel explica que a pesar de décadas de investigación, los algoritmos de clasificación para la optimización de la cadena de suministro todavía tienen ventajas y desventajas. Utiliza la metáfora de una máquina compleja, donde incluso si se optimiza un solo componente, no garantiza la eficiencia del sistema en su conjunto.
Vermorel señala que los problemas de la cadena de suministro del mundo real a menudo requieren recetas numéricas en lugar de algoritmos estrictamente definidos. Estas recetas son creadas por científicos de la cadena de suministro, cuya experiencia desempeña un papel importante en la creación de soluciones. Aunque los algoritmos son objetivos y están basados en matemáticas, Vermorel reconoce que la subjetividad también existe en las matemáticas, con conceptos como la elegancia que influyen en la percepción de los algoritmos.
Cuando se trata de recetas numéricas, Vermorel argumenta que algunos aspectos de la realidad son demasiado complejos para encajar en un marco matemático. Aunque los métodos estadísticos avanzados pueden extraer patrones de los datos, hay casos en los que se necesitan decisiones basadas en el juicio. Por ejemplo, los científicos de la cadena de suministro deben tomar decisiones basadas en situaciones únicas, que pueden no tener ejemplos previos en el historial de ventas. Vermorel compara esto con las artes culinarias, donde chefs de diferentes niveles de habilidad crean platos que pueden ser altamente subjetivos pero aún así considerados excelentes o mediocres.
Al discutir el desafío de mantener la calidad en diferentes clientes e industrias, Vermorel reconoce que hay múltiples aspectos a considerar. Un aspecto clave es asegurarse de que los ingenieros no traicionen al negocio, ya que pueden verse tentados a crear fórmulas que parezcan sofisticadas pero que no aborden el problema subyacente.
Vermorel habla sobre la importancia de tener alineación entre el problema que se está resolviendo y el modelado cuantitativo que se está aplicando, así como una herramienta que minimice la cantidad de errores diarios. Él enfatiza que tener corrección por diseño es crucial para prevenir errores terminales y asegurarse de que incluso cuando las personas están demasiado cansadas para ser inteligentes, aún puedan tomar decisiones inteligentes. Vermorel también menciona que la mitad del éxito de Lokad proviene de saber cómo implementar una iniciativa de supply chain quantitativa.
Vermorel destaca que las empresas en la industria de la cadena de suministro operan a través de recetas numéricas, pero muchas todavía están atrapadas usando enfoques clásicos basados en algoritmos. Señala que si bien las hojas de cálculo son la encarnación de la comprensión de cómo modelar la cadena de suministro, no son adecuadas para lidiar con la incertidumbre o las cadenas de suministro de múltiples niveles. Vermorel critica las herramientas, diciendo que son inadecuadas y altamente subjetivas, e incluyen muchas recetas numéricas estrechas. Él cree que las empresas necesitan diseñar muchos procesos para prevenir problemas de estabilidad numérica que pueden cerrar una fábrica o almacén.
En general, Vermorel enfatiza la importancia de tener alineación, corrección por diseño y buenas herramientas para prevenir errores y asegurar el éxito en la optimización de la cadena de suministro. También destaca las limitaciones de las hojas de cálculo y la necesidad de mejores herramientas para lidiar con la incertidumbre y las cadenas de suministro de múltiples niveles.
Él argumenta que las empresas actuales operan a través de recetas numéricas pero frecuentemente se enfrentan a herramientas y procesos inadecuados, como silos. Vermorel cree que las recetas numéricas están aquí para quedarse y son la mentalidad correcta cuando se trata de problemas de la cadena de suministro. Explica que las recetas numéricas son fórmulas que no tienen pureza y no son como las ecuaciones electromagnéticas, que son increíblemente puras y precisas. Las cadenas de suministro son complejas y requieren cientos de condiciones y factores semi-accidentales para tener sentido. Vermorel enfatiza la importancia de tener algo que pueda ser versátil como una receta y que pueda adaptarse a condiciones cambiantes. Compara esto con los mejores chefs que pueden improvisar y adaptarse a ingredientes faltantes, plazos cortos y restricciones cambiantes, pero siempre hay un método en su locura. Vermorel explica que en Lokad cultivan un método para lidiar con el caos de las cadenas de suministro. La principal conclusión del episodio es que las recetas numéricas son esenciales porque encarnan el pensamiento de que es mejor estar aproximadamente en lo correcto que exactamente equivocado, lo cual es crucial en el mundo impredecible de las cadenas de suministro. En conclusión, Vermorel argumenta que tener una receta numérica versátil que se adapte a condiciones y restricciones cambiantes es clave para el éxito en la industria de la cadena de suministro.
Transcripción completa
Kieran Chandler: Hey, al igual que un chef de primera categoría en Michelin, un científico de la cadena de suministro tiene que crear recetas que se adapten y evolucionen a cada escenario. Por lo tanto, hoy vamos a investigar qué se necesita para crear estas recetas y, en particular, qué caracteriza a las que usamos en nuestras cadenas de suministro. Entonces, Joannes, hemos usado este término “recetas numéricas” algunas veces antes. ¿Por qué creíste que era importante volver a visitarlo?
Joannes Vermorel: Este término, lo robé de personas en los años 80 que escribieron un libro increíblemente exitoso llamado “Numerical Recipes”. Enfatizaba una cierta forma de ver el problema. Verás, hay esta idea de que usualmente tienes un problema y tienes una solución, pero la realidad no es tan simple. El tipo de solución que tienes literalmente da forma al problema y hay un ida y vuelta entre ellos. Tienes un compromiso en la forma en que quieres abordar tu problema, dependiendo de la forma en que abordes tu solución.
La idea clave es que queremos entregar resultados numéricos para empresas que ejecutan cadenas de suministro reales. El problema con otros términos, como decir que usamos algoritmos o aprendizaje automático, es que enfatiza algo completamente objetivo y bien definido, donde tienes el problema y la solución, y luego para el mismo problema, puedes tener soluciones competidoras. Pero la realidad es que cuando quieres entregar resultados para una cadena de suministro real, todo es mucho más confuso. Es un proceso muy accidental con muchos obstáculos en el camino. Lo que obtienes al final es una receta numérica, que describe la cadena de cálculos numéricos para obtener los resultados.
Kieran Chandler: ¿Por qué algo como un algoritmo no sería apropiado para describir eso? Quiero decir, ¿qué es lo que un algoritmo no tiene en cuenta?
Joannes Vermorel: Estoy usando el término “receta” precisamente para decir que esto no es un algoritmo. Para aquellos con experiencia en ciencias de la computación o aprendizaje automático, habrán aprendido sobre algoritmos en sus libros de texto y cursos. Tomemos el arquetipo del algoritmo, el algoritmo de ordenación. Tienes una colección de objetos con una relación de orden y puedes ordenarlos usando una serie de pasos bien definidos. Al final, la colección está ordenada y tu algoritmo tiene propiedades como el consumo de memoria y la complejidad.
Hay una variedad de algoritmos de ordenación con diferentes propiedades. Algunos son deterministas, otros son estocásticos y algunos son muy buenos si los datos ya están parcialmente ordenados. Pero la cosa es que, cuando se trata de optimización de la cadena de suministro, necesitamos algo más adaptable y flexible, como una receta numérica, en lugar de un algoritmo rígido.
Kieran Chandler: El algoritmo de ordenación es una situación muy clara en la que tienes una declaración de problema que es completamente no ambigua. Entonces quieres ordenar una colección de elementos, dada una relación de orden, tiene claridad matemática. Por el contrario, cuando piensas en el tipo de problemas que necesitas resolver en situaciones reales de cadena de suministro, es muy confuso. Quiero decir, tienes MOQs, pero los MOQs no son como las leyes de la física; son más como el resultado de una negociación con tus proveedores. Entonces, si numéricamente un MOQ resulta ser realmente un problema, tal vez puedas hacer una llamada telefónica con un proveedor y arreglar algo que esté en el medio. Entonces ves, tal vez una receta numérica inteligente capturará este tipo de opción que existe en el mundo real, pero de repente no tiene esta especie de pureza cristalina.
Joannes Vermorel: Exactamente. Quiero decir, en Lokad, no te equivoques, usamos toneladas de algoritmos, como cualquier empresa de software seria o semi-seria. El stack de Lokad es literalmente una serie muy larga de algoritmos. Debido a la forma en que hemos diseñado Lokad alrededor de un lenguaje de programación específico del dominio llamado Envision, nuestro compilador es como una serie interminable de algoritmos que transforman el script en sí en representaciones abstractas, hasta la serie de ejecución para el programa compilado que debe ser ejecutado, etc. Entonces, los algoritmos están por todas partes.
El peligro aquí es que, al igual que el reduccionismo ingenuo, no es un peligro para la audiencia no educada. Si tienes el privilegio de nunca haber completado una maestría en ciencias de la computación, o no eres un profesional ingeniero de software, este probablemente no sea el tipo de problema al que te enfrentarás. Pero el problema es que si tienes una educación muy avanzada en estas cosas, lo que te han enseñado en clases y lo que estás leyendo en la mayoría de los libros de ciencias de la computación te dan una visión muy distorsionada de cómo son realmente los problemas para las cadenas de suministro reales.
Los algoritmos son muy útiles, y es bueno que Lokad pueda confiar en una colección de algoritmos de clasificación que tienen ventajas y desventajas, que se comprenden completamente gracias a décadas de investigación que han establecido un mapeo completo de todas las diversas dimensiones para este pequeño problema. Pero eso es todo, es como si tuvieras una máquina muy compleja y lograras la perfección para una pequeña pieza. Entonces sí, si miras un tornillo y te preguntas: “¿Cuál es el metal óptimo para el tornillo?” Y porque tienes un problema tan bien definido, tan estrecho, podrías tener una respuesta que es, necesitas usar exactamente este tipo de acero para este tornillo porque es completamente óptimo con respecto a todas las restricciones.
Kieran Chandler: Entonces, Joannes, hablemos sobre la optimización de la cadena de suministro. ¿Es realmente posible encontrar la solución óptima para una cadena de suministro?
Joannes Vermorel: Esa es una buena pregunta, Kieran. Puedes optimizar algunas partes de tu cadena de suministro, pero tener el tornillo en el lugar correcto de la máquina, por ejemplo, no es suficiente para resolver el gran problema. Necesitas considerar cada detalle de tu configuración masiva y cuando juntas todo, realmente tiene sentido. Cuando entras en el mundo real para resolver problemas de cadena de suministro, terminas con recetas numéricas en lugar de algoritmos. El énfasis y la actitud de la persona que crea la cosa no son los mismos.
Kieran Chandler: Ya veo. Hablemos un poco más sobre la persona real que está creando estas recetas numéricas. ¿Hasta qué punto dependes de sus habilidades y experiencia?
Joannes Vermorel: Bastante, de hecho. Eso es algo que no debe ser descuidado. Cuando miras un algoritmo, dirías que es completamente objetivo, un marco matemático con pruebas y bien definido. Los algoritmos son una rama de las matemáticas, la cúspide de la objetividad. Pero la subjetividad existe mucho, incluso en las matemáticas. Si vamos a las recetas numéricas, la idea es objetivar todo, pero creo que es otro mal caso de racionalismo ingenuo. La realidad es demasiado compleja para encajar en cualquier tipo de marco matemático que conozcamos.
Kieran Chandler: Entiendo a lo que te refieres. Entonces, ¿hay situaciones en las que tienes que tomar decisiones subjetivas?
Joannes Vermorel: Sí, hay muchas situaciones en las que tienes que tomar decisiones subjetivas. Por ejemplo, ¿cómo manejas una situación descubierta desde una perspectiva de cadena de suministro cuando no tienes ejemplos previos en tu historial de ventas? En algún momento, necesitas tomar una decisión que tenga en cuenta esta situación extraña. No hay otra alternativa que tener un científico de cadena de suministro inteligente que tenga una buena comprensión de lo que realmente está sucediendo en la cadena de suministro y tome estas decisiones subjetivas.
Kieran Chandler: Entonces, creo que hay una decisión subjetiva sobre cómo se deben reflejar numéricamente esas cosas en el sistema. Y eso es como, ya sabes, esta metáfora del chef, en algún momento, ya sabes, no es porque la elección de la forma en que haces tu receta exacta sea súper, súper altamente subjetiva que al final del día, no termines con, ya sabes, un chef mediocre por un lado y un increíble, ya sabes, otro, diría, chef de talentos increíbles por el otro lado. Ya sabes, incluso si no puedes definir, ya sabes, reglas claras que te permitan distinguir cuáles son los buenos, los malos, claramente los extremos existen de todos modos. Y las personas que están, ya sabes, educadas hasta cierto punto, ya sabes, pueden tomar una decisión subjetiva sobre quién es, ya sabes, un gran chef y quién es un chef mediocre. Y los extremos son bastante obvios. Y si quieres tener todos los matices intermedios, probablemente necesitarás tener más habilidades tú mismo y estar versado en, ya sabes, el arte culinario y la cocina. Pero, ya sabes, esto no es, esto es bastante racional para proceder así. Bueno, vamos a quedarnos con una cocina baja en carbohidratos entonces.
Joannes Vermorel: Um, entonces, quiero decir que hay tantos ángulos en la discusión. Y primero, debes asegurarte de no traicionar al negocio. El mayor peligro cuando pones, ya sabes, a un ingeniero inteligente frente a un problema es que el ingeniero, ya sabes, por su formación siempre encontrará una fórmula que parece muy profunda y muy científica. Y, de nuevo, ya sabes, creo que hay un dicho que dice que hay un camino libre hacia la ruina. El camino más agradable es las mujeres, la forma más rápida de arruinarse es en realidad el juego, pero la forma más segura, la forma más segura de arruinarse es contratar a más ingenieros. Entonces, primero, debes asegurarte de tener alineación en términos de visión entre el problema que se está resolviendo y toda la sofisticación, ya sabes, en el modelado cuantitativo que se está aplicando. Eso es lo primero. Y, por cierto, esto también es por qué en Lokad cultivamos tener muchos materiales en nuestro sitio web, en YouTube, en muchos lugares, es que necesitamos cultivar esta comprensión de los problemas en sí mismos. Entonces, eso es lo primero, es la alineación, ya sabes, entre la técnica y el negocio. La segunda cosa es que necesitas tener una herramienta que minimice la cantidad de errores diarios que ocurren. Ya sabes, los errores diarios son simplemente tener un arma en la mano y dispararte en el pie. Y, literalmente, estas cosas tienden a suceder una y otra vez, especialmente cuando comienzas a lidiar con, ya sabes, recetas numéricas sofisticadas. ¿Qué califico como sofisticado? Quiero decir, hay muchas empresas que dicen: “Oh, usamos TensorFlow”. Sí, excelente. Entonces, ahora has adquirido 100 formas más de dispararte una bala en los pies.
Kieran Chandler: Bueno, voy a intervenir en eso, Joannes, porque es un punto muy bueno que planteas ahí. ¿Cómo se minimiza la cantidad de errores diarios, porque parece que muchas empresas están comprando muchas armas para dispararse en los pies?
Joannes Vermorel: Sí, absolutamente. Y, ya sabes, la cosa es que creo que hay diferentes tipos de herramientas para abordar este problema. Pero, una cosa que es muy importante es
Kieran Chandler: Algunas de esas formas pueden ser extremadamente creativas y tener muchas sorpresas. Entonces, primero la alineación empresarial, y luego necesitas tener herramientas que, por diseño, te den un alto grado de corrección. La corrección por diseño es algo muy prevalente en términos de pensamiento en Lokad.
Joannes Vermorel: Aunque creo mucho en la educación, creo que es mejor cuando, por diseño, se permite a las personas cometer errores. Contratamos a personas inteligentes, pero incluso las personas inteligentes tienen días malos, o de vez en cuando, no duermen muy bien. Entonces, quieres tener herramientas que te impidan cometer errores terminales muy estúpidos, para que te apoyen a ser más inteligente incluso cuando estás demasiado cansado para ser inteligente.
Kieran Chandler: Y tal vez la tercera idea es que necesitas diseñar muchos procesos.
Joannes Vermorel: Sí, por ejemplo, en Lokad, diría que la mitad se trata realmente del know-how de cómo implementar una iniciativa de supply chain cuantitativa. Cuando digo “implementar una iniciativa de supply chain cuantitativa”, me refiero, por ejemplo, a cómo terminar con recetas numéricas que no tengan problemas terminales. Cuando digo terminal, me refiero a algo que simplemente mataría la iniciativa porque el problema es tan grande que las personas deciden, con razón, que la mejor manera de avanzar es eliminar esta iniciativa.
Kieran Chandler: Entonces, ¿qué tipo de problemas podrías tener?
Joannes Vermorel: Las recetas numéricas pueden ser malas de muchas maneras. Pueden ser malas en términos de la varianza del tiempo de cálculo, donde es demasiado errático. Así que a veces ejecutas la cosa y tarda una hora, a veces ocho, y las personas no están exactamente seguras de por qué. Eso es un gran problema. También puede ser malo porque es bastante opaco. Este efecto de caja negra es muy difícil de tener algo que sea tanto numéricamente inteligente como no una caja negra inmediata, incluso para los propios científicos de la cadena de suministro. También puedes tener problemas de estabilidad numérica donde, en promedio, tu receta es excelente, pero en el 0.1% de las situaciones, es completamente insana. Eso crea muchos problemas operativos para las empresas porque los costos de la cadena de suministro tienden a concentrarse en los extremos. Cuando estás aproximadamente en lo correcto, está bien, pero si estás completamente insano, literalmente puedes tener un gran problema operativo que cierra una fábrica o un almacén.
Kieran Chandler: Hablemos un poco más sobre la industria de la cadena de suministro en sí. ¿Cuánto has visto que las empresas de esa industria implementen recetas numéricas por sí mismas, o dirías que la mayoría de las personas y empresas todavía están atrapadas en ese enfoque clásico basado en algoritmos?
Joannes Vermorel: Lo curioso es que la gran mayoría de las empresas operan, quiero decir, literalmente todas, a través de recetas. Este pensamiento algorítmico es una receta para algún tipo de desastre de ciencia de datos, así que en realidad, hay mucha publicidad, pero básicamente no hay nada en producción. Entonces, todo el mundo opera en la práctica a través de recetas numéricas, y más del 90% de la cuota de mercado es solo Excel, pero la gente las desprecia.
Kieran Chandler: Hojas de Excel, diciendo que es solo Excel, no, no es solo Excel. Es la encarnación de la comprensión de cómo deberías modelar cuantitativamente tu cadena de suministro. Entonces, esas hojas de Excel, son literalmente las recetas numéricas, y son la versión refinada de esas recetas. En este sentido, es bastante bueno. Donde no es tan bueno es que las hojas de cálculo, en general, no importa si es una hoja de cálculo en un escritorio o en una aplicación web, sin conexión o en línea, una hoja de cálculo o el pensamiento tabular no es exactamente adecuado para resolver problemas de cadena de suministro.
Joannes Vermorel: Mi gran crítica es que las herramientas son inadecuadas. No puedes lidiar con la incertidumbre, no puedes lidiar con la canibalización, no puedes lidiar con una cadena de suministro de múltiples niveles. Hay tantos problemas que literalmente no encajan en una hoja de cálculo, sin importar cómo empaques la hoja de cálculo. Mi crítica no es que el problema con las hojas de cálculo es que son recetas numéricas que son altamente subjetivas e incluyen mucha estrechez. Esto no es parte del problema; esto es literalmente parte de la solución al problema. Mi crítica es que estas herramientas suelen ser inadecuadas. Las empresas actuales operan a través de recetas numéricas, pero no reconocen que esto es algo bueno, y esto no va a desaparecer. Esta es literalmente una propuesta muy razonable para abordar problemas de cadena de suministro. Pero el problema al que se enfrentan es la inadecuación de las herramientas y con frecuencia los procesos inadecuados, como, por ejemplo, el problema de dividir y conquistar que discutimos con los silos, donde las personas pueden estar tratando de lidiar con la fijación de precios por un lado y la planificación por el otro lado, mientras que literalmente son las dos caras de la misma moneda, como se discutió en el último episodio. Las recetas numéricas están aquí para quedarse, y mi posición es que es literalmente la mentalidad correcta cuando se trata de problemas de cadena de suministro.
Kieran Chandler: Entonces, vamos a ir terminando. ¿Cuál es la conclusión principal del episodio de hoy? ¿Por qué son tan importantes las recetas numéricas y por qué es tan importante cambiar esa mentalidad?
Joannes Vermorel: Creo que es porque las recetas numéricas son la encarnación de esta otra línea de pensamiento, que es “Es mejor estar aproximadamente en lo correcto que exactamente equivocado”. Terminarás con fórmulas que no tienen pureza. No son como las ecuaciones electromagnéticas, donde tienes esas ecuaciones superdefinidas y ordenadas que pueden definir todo lo que sucede en términos de electromagnetismo. Es increíblemente puro y preciso, pero las cadenas de suministro no son así. Las recetas numéricas de la cadena de suministro van a tener cientos de condiciones, factores y giros semiaccidentales para que todo tenga sentido, para que todo esté aproximadamente correcto y no haga nada completamente insensato. Debería ser altamente predecible, para que no haya demasiadas sorpresas, idealmente muy pocas sorpresas en los resultados numéricos de tus recetas. Y también debería ser versátil, como la receta de un gran chef.
Kieran Chandler: Um, quieres hacer un postre, sabes qué, hoy no te voy a permitir usar azúcar.
Joannes Vermorel: Oh, maldición, quiero hacer un postre. ¿Cómo voy a hacer un postre sin azúcar? Eso es, ya sabes, el tipo de cosa para la que necesitas ser súper ágil. Así que si falta algo, simplemente porque tenías condiciones extrañas, como una pandemia, no estás atrapado. Tienes un camino a seguir. Y por cierto, eso es muy interesante porque esos programas de chefs te dan desafíos en los que o bien tienes poco tiempo, ya sabes, si solo tienes 30 minutos para preparar algo que normalmente llevaría como cuatro horas, o tienes pocos ingredientes, o tienes pocas herramientas, o simplemente tienes poco en general. Y sin embargo, necesitas encontrar una manera de seguir adelante. Eso es, de nuevo, lo que creo que se parecen esas recetas. Quiero decir, tienes restricciones extrañas que están cambiando con el tiempo. Es una situación que viene con un grado de sorpresa.
El verdadero chef es aquel que puede improvisar literalmente. Pero si observas de cerca, esos programas revelan que hay un método en ello, y eso es realmente lo que diferencia a un gran chef. El gran chef no es alguien que va a hacer cosas al azar cuando se enfrenta a un ingrediente faltante o a un plazo muy corto. Realmente puedes ver que hay literalmente una década de experiencia en cómo lidiar con este lío. Hay un método en ello, y eso es exactamente el tipo de cosas que cultivamos en Lokad.
Kieran Chandler: Bueno, tendremos que terminar aquí, pero creo que esa analogía de un gran chef es realmente poderosa y definitivamente algo con lo que podemos relacionarnos en esta oficina. Tenemos muchos fanáticos aquí. Así que eso es todo por esta semana. Muchas gracias por sintonizar y nos vemos en el próximo episodio. Gracias por ver.
