00:00:07 El rol de Microsoft Excel en la industria de supply chain.
00:01:33 Razones de la popularidad de Excel y sus principales fortalezas.
00:03:01 Heurísticas y su implementación en hojas de cálculo.
00:04:43 Excel como un callejón sin salida tecnológico y sus limitaciones.
00:06:46 Problemas de escalabilidad y conceptos erróneos sobre las limitaciones de Excel.
00:08:01 Limitaciones de Excel y el modelo de programación de hojas de cálculo.
00:09:38 Problemas de escalabilidad debido a una lógica compleja y replicada.
00:11:39 Abandonar las hojas de cálculo y la necesidad de mejores capacidades de programación.
00:13:27 Ir más allá de las heurísticas y adoptar enfoques modernos.
00:15:00 Aprendiendo de Google y Amazon, y el rol de machine learning en la optimización de supply chain.
00:16:00 La importancia del forecast probabilístico en la optimización de supply chain.
00:17:10 Abordar el escepticismo sobre el uso de tecnología avanzada en lugar de Microsoft Excel en la gestión de supply chain.
00:18:19 El impacto de compañías como Amazon y Alibaba en la industria.
00:19:45 Las consecuencias de permanecer en un callejón sin salida tecnológico.
00:20:01 Los usos adecuados de Excel y sus limitaciones en la optimización predictiva de supply chain.
Resumen
En esta entrevista, Kieran Chandler y Joannes Vermorel, fundador de Lokad, discuten el rol de Microsoft Excel en gestión de supply chain. Vermorel llama a Excel la “navaja suiza” de la supply chain, reconociendo sus fortalezas en programabilidad y personalización. Sin embargo, él cree que las hojas de cálculo han llegado a un callejón sin salida tecnológico en la gestión de supply chain compleja, ya que las limitaciones del modelo de programación resultan en problemas de replicación y mantenimiento. Para optimizar supply chain, Vermorel sugiere que las compañías adopten técnicas avanzadas como machine learning, reemplazando heurísticas por conocimientos basados en datos. Aunque Excel tiene méritos, para la optimización compleja, las organizaciones deben ir más allá de las hojas de cálculo y seguir los pasos de gigantes tecnológicos como Amazon y Alibaba.
Resumen Extendido
En esta entrevista, Kieran Chandler, el presentador, discute el rol de Microsoft Excel en la industria de supply chain con Joannes Vermorel, el fundador de Lokad, una empresa de software especializada en la optimización de supply chain. La conversación gira en torno a las razones detrás de la popularidad de Excel, sus fortalezas y el uso de heurísticas en la industria.
Vermorel cree que Microsoft Excel es la navaja suiza de la supply chain, con un estimado del 90% de la supply chain a nivel mundial gestionada mediante Excel. Atribuye su popularidad a la falta de alternativas superiores hasta hace poco, ya que muchas de las supuestamente mejores opciones en realidad no lo son en varios aspectos.
Los puntos fuertes de Excel radican en su programabilidad y expresividad, lo que permite un alto nivel de personalización. Su distribución en las organizaciones hace que los profesionales de supply chain de diversos lugares y líneas de producto puedan elaborar sus propias heurísticas o recetas numéricas para gestionar su supply chain. Vermorel define las heurísticas como recetas numéricas que no se pueden demostrar como correctas, pero que son aproximadamente correctas. Estas heurísticas se han probado y ajustado a lo largo del tiempo, y varían de una división a otra y de un lugar a otro.
Un ejemplo de heurística en la gestión de supply chain es mantener en stock exactamente el doble de unidades que se vendieron en el mismo período del año pasado, considerando una ventana de tres meses. Aunque la lógica detrás de dichas heurísticas no siempre es clara, se ha comprobado que funcionan y se utilizan ampliamente en la industria.
El presentador, Chandler, observa que las aproximaciones básicas han sido lo suficientemente buenas para la industria de supply chain durante décadas. Vermorel está de acuerdo, pero resalta la oportunidad de mejora y optimización a medida que la industria evoluciona.
Discutieron las limitaciones de los enfoques basados en hojas de cálculo en la optimización de supply chain, centrándose particularmente en Excel y sus equivalentes. Vermorel explica que las empresas ya han alcanzado el máximo potencial de las heurísticas en entornos similares a hojas de cálculo, y que esta tecnología ha llegado a un callejón sin salida. La discusión profundiza en las razones de esto y en los problemas inherentes al uso de hojas de cálculo para la gestión compleja de supply chain.
Vermorel señala que las empresas comenzaron a explorar el potencial de la tecnología de hojas de cálculo en la década de 1990 y llegaron a un punto relativamente estable a principios de la década de 2000. A pesar de algunos avances, él cree que las hojas de cálculo, incluyendo Excel y programas similares como Google Sheets y OpenOffice, han llegado a un callejón sin salida tecnológico. Esto se debe a que, después de que las empresas han optimizado sus heurísticas, los únicos cambios que quedan son inconsecuentes.
Chandler le pide a Vermorel que aclare las limitaciones del enfoque basado en hojas de cálculo. Vermorel explica que algunas personas piensan erróneamente que el problema de Excel es su incapacidad para manejar grandes cantidades de datos. Sin embargo, él cree que el verdadero problema radica en el modelo de programación. Argumenta que, si Microsoft quisiera aumentar la escalabilidad de Excel para manejar miles de millones de líneas de datos, podría hacerlo, pero optan por no hacerlo porque lo reconocen como un callejón sin salida desde una perspectiva práctica.
Según Vermorel, el modelo de programación en hojas de cálculo no es escalable porque implica una replicación masiva de la lógica. Cuando los usuarios desean aplicar una parte de la lógica a más datos, la copian y pegan a lo largo de la hoja de cálculo, lo que resulta en un proceso de programación ineficiente. Esta replicación se vuelve más problemática cuando las organizaciones intentan consolidar múltiples heurísticas en una gran organización, lo que conduce a un aumento de la complejidad y a dificultades para gestionar la información.
Como ejemplo, Vermorel describe un escenario en el que una hoja de cálculo a pequeña escala contiene unos pocos cientos de productos y dos o tres heurísticas. Cuando el alcance se amplía, y se necesitan más heurísticas para segmentos más grandes, surge el problema de la complejidad. Intentar gestionar cientos de heurísticas en toda una organización utilizando hojas de cálculo se convierte en una pesadilla inmanejable.
La entrevista destaca el callejón sin salida tecnológico al que han llegado los enfoques basados en hojas de cálculo para la optimización de supply chain. Las limitaciones radican en el modelo de programación, que implica una replicación masiva de la lógica y una incapacidad para gestionar la complejidad al ampliar el alcance y las organizaciones. Esto hace que las hojas de cálculo no sean adecuadas para abordar las complejas necesidades de la gestión de supply chain en el panorama empresarial actual.
La conversación gira en torno a los desafíos de utilizar hojas de cálculo para la gestión compleja de supply chain y la necesidad de ir más allá de ellas para lograr una mayor eficiencia y escalabilidad.
Vermorel destaca que las hojas de cálculo se utilizan a menudo para gestionar supply chain, pero no son una solución óptima debido a sus limitaciones para manejar la complejidad. Señala que el modelo de programación empleado en las hojas de cálculo a menudo conduce a una lógica duplicada, lo que dificulta su mantenimiento y depuración. Esto se vuelve especialmente problemático al tratar con hojas de cálculo grandes que contienen cientos de fórmulas diferentes para acomodar las distintas heurísticas utilizadas por los profesionales de supply chain.
Cuando se le pregunta cómo pueden las empresas abandonar las hojas de cálculo, Vermorel dice que simplemente replicar la lógica de las hojas de cálculo en otro sistema solo resultaría en mejoras marginales. En cambio, las organizaciones deben replantear fundamentalmente su enfoque y adoptar métodos más avanzados, como machine learning, para reemplazar las heurísticas por conocimientos basados en datos.
Al debatir sobre las lecciones que se pueden aprender de gigantes tecnológicos como Google y Amazon, Vermorel explica que estas compañías han superado los sistemas basados en reglas al utilizar machine learning para aprender de datos históricos. Esto les permite optimizar su supply chain de manera más efectiva. Sin embargo, señala que la clave del éxito con machine learning es adoptar una perspectiva de forecast probabilístico, lo cual ha sido demostrado por las investigaciones y publicaciones de Amazon.
Abordando las preocupaciones de los profesionales de supply chain escépticos que dudan en abandonar Excel, Vermorel reconoce que Excel tiene muchas cualidades positivas, como la estabilidad y la escalabilidad. Sin embargo, advierte que representa un callejón sin salida tecnológico para la optimización predictiva de supply chain. Insta a los profesionales a considerar si su industria puede permitirse permanecer en una meseta, especialmente cuando competidores como Amazon y Alibaba están persiguiendo agresivamente avances tecnológicos en la gestión de supply chain.
Vermorel concluye enfatizando que Excel no es inherentemente defectuoso, y que aún puede ser útil para la entrada de datos y otras tareas más simples. Sin embargo, para la optimización compleja de supply chain, las empresas necesitan ir más allá de las hojas de cálculo y adoptar técnicas más avanzadas.
Transcripción Completa
Kieran Chandler: Hoy vamos a discutir esta aspiración y entender por qué reemplazarla es más fácil decirlo que hacerlo. Así que Joannes, ¿cuál consideras que es el rol de Microsoft Excel en la industria de supply chain?
Joannes Vermorel: Quiero decir, es literalmente la navaja suiza de la supply chain. Es algo que, al igual que los encendedores BIC, se usa en todas partes para prácticamente cualquier propósito. Es realmente impresionante cuánto se logra a través de Excel. A mi juicio, diría que probablemente más del 90 por ciento de la supply chain a nivel mundial se gestiona mediante Excel, no SAP o ERP sistemas. Los sistemas ERP gestionan activos, pero en lo que respecta a la optimización predictiva de supply chain, diría que más del 90% se realiza a través de Excel.
Kieran Chandler: Si más del 90 por ciento de la industria lo utiliza, ¿por qué es tan popular y por qué la gente depende tanto de él?
Joannes Vermorel: Es interesante. Quiero decir, la primera parte de la respuesta es porque, hasta muy recientemente, no había tantas alternativas superiores. La mayoría de las supuestamente alternativas superiores en realidad no lo son en varios aspectos que podemos describir. Así que, en primer lugar, la gente no abandonó Excel no porque fueran estúpidos o estuvieran religiosamente apegados a él, sino simplemente porque no existían alternativas creíbles.
Kieran Chandler: Entonces, ¿cuáles son las características de Excel que lo hacen tan fuerte, y por qué a la gente le gusta?
Joannes Vermorel: Una de las cosas que lo hace muy poderoso es que puedes combinar la programabilidad y un nivel de expresividad que viene con este tipo de sistema. La segunda es que está ampliamente distribuido en tu organización. Muchos profesionales de supply chain a través de países, ubicaciones y líneas de producto pueden elaborar sus propias heurísticas.
Kieran Chandler: Por cierto, ¿a qué te refieres con heurísticas? ¿Cómo lo defines?
Joannes Vermorel: Las heurísticas son una especie de receta numérica que no se puede demostrar que es correcta. Es el mejor intento de obtener algo que sea aproximadamente correcto. Por lo general, desde una perspectiva puramente matemática, la heurística ni siquiera es correcta, pero de alguna manera funciona. Por ejemplo, una heurística común en supply chain es tener en stock el doble exacto de las unidades que se vendieron el año pasado en el mismo período, considerando una ventana de tres meses. Estas heurísticas se han probado y comprobado, y los números mágicos, como la duración de la ventana de tiempo o el factor utilizado, se han ajustado con el tiempo y varían de una división a otra y de un lugar a otro. Lo grandioso de las hojas de cálculo es que puedes tenerlas integradas en tu organización a través de un mar de hojas de cálculo que implementan todas esas diversas heurísticas.
Kieran Chandler: Entonces, lo que estamos viendo en la industria es que esta aproximación básica es lo suficientemente buena, y muchas supply chain básicamente han estado funcionando con eso durante décadas.
Joannes Vermorel: Exactamente. Cuando dices “lo suficientemente buena”, es interesante porque han estado funcionando así durante décadas, y desde mi perspectiva, es interesante porque ahora…
Kieran Chandler: Hoy en día, consideraría a Excel como una tecnología que ha llegado a un callejón sin salida. Así que las empresas ya han tenido tiempo suficiente para idear las heurísticas, refinarlas y sacarles el máximo provecho. Es interesante que hayan llegado al punto en que ya han alcanzado la mayoría de esas heurísticas que se pueden tener con Excel. Y cuando digo Excel, no me refiero solo a Excel, me refiero a cualquier tipo de software que te brinde un entorno similar a una hoja de cálculo. Por ejemplo, Google Sheets sería exactamente lo mismo que Excel en este sentido. No importa si es exactamente Excel; lo que importa es el modelo de datos tipo hoja de cálculo que es importante aquí. El hecho de que sea Excel o tal vez la alternativa de OpenOffice realmente no importa. Así que, curiosamente, esas compañías exploraron lo que se puede hacer con una hoja de cálculo durante los 90, y creo que muchas grandes empresas llegaron al punto de tener algo relativamente estabilizado a principios de la década de 2000. Ahora han pasado casi dos décadas desde que se estabilizó algo así, donde no hay nada realmente nuevo en este sentido. Y, de hecho, es una tecnología que ha llegado a un callejón sin salida porque una vez que has compilado tus apuestas, una vez que has hecho eso, lo único que queda son, diría, cosas que son ligeramente inconsecuentes. Entonces, dices que es un callejón sin salida tecnológico, ¿entonces qué es lo que realmente falta? ¿Cuál es el problema con este tipo de enfoque basado en hojas de cálculo?
Joannes Vermorel: Algunas personas malinterpretan las limitaciones de Excel. Una equivocación común es que se tiene un problema de escalabilidad con Excel, que no se puede procesar una gran cantidad de datos. Sí, de hecho, no se pueden procesar terabytes de datos con hojas de cálculo de Excel, pero eso en realidad no es un problema real. Si Microsoft decidiera no tener hojas de cálculo que pudieran manejar miles de millones de líneas, no es que no pudieran hacerlo. Aumentaron el límite de 65,000 líneas máximas a algo más de 1 millón de líneas en Excel 97. Podrían aumentar el límite a mil millones de líneas con una versión diferente de Excel orientada al procesamiento de datos a gran escala. Entonces, la pregunta es, ¿por qué Microsoft no simplemente incrementa la escalabilidad de Excel? Es porque también saben que es un callejón sin salida desde una perspectiva práctica.
Lo que no es escalable en Excel o en las hojas de cálculo en general es el modelo de programación. El modelo de programación es que siempre que tienes una parte de lógica en una hoja de cálculo, si quieres hacer más de lo mismo, básicamente copiarás y pegarás esta parte de lógica a lo largo de la hoja de cálculo. Desde una perspectiva de programación, lo que estás haciendo es una replicación masiva de tu lógica. Tienes una fórmula, y ahora tienes un millón de copias de tu fórmula original. Si tienes una organización grande, uno de los atributos positivos de esta organización mediante hojas de cálculo era que cada uno podía tener sus propias heurísticas. Pero si tomas una hoja de cálculo con unos pocos cientos de productos y tienes dos o tres heurísticas que funcionan bien, si dices ahora que voy a consolidar en una hoja de cálculo más grande las 20 heurísticas diferentes que necesito para este alcance mayor, de repente tu hoja de cálculo termina con un problema de complejidad. Tu hoja de cálculo empieza a contener no solo dos fórmulas que se han cortado y pegado, sino 20 fórmulas que no se usan de la misma manera en toda la hoja de cálculo, y eso empieza a ser bastante complicado. Si intentas escalar a cientos de heurísticas en toda la organización, entonces se convierte en una pesadilla completa.
Kieran Chandler: Las hojas de cálculo que son algo torpes y estos cálculos parecen tomar un tiempo. Esa lógica replicada es la razón detrás de ello, ¿verdad?
Joannes Vermorel: Sí, en gran parte. El modelo de programación resulta en una lógica duplicada por todas partes. El problema tiene que ver con el mantenimiento de esa lógica. ¿Cómo mantienes una hoja de cálculo de Excel que contiene literalmente cientos de fórmulas diferentes? No estoy hablando de cientos de fórmulas diferentes con solo una fórmula distinta por columna, porque eso es lo fácil. Imagina una hoja de cálculo de Excel con un millón de líneas, y algunas de esas líneas tienen una fórmula que no es simplemente la misma que la de arriba o la de abajo. Diferentes profesionales de supply chain que se ocupan de diferentes líneas de productos y segmentos están usando diferentes heurísticas. Si consideras eso, terminas con una hoja de cálculo que es súper complicada y muy difícil de mantener. Las hojas de cálculo no soportan bien el aumento de la complejidad, y se convierte en una pesadilla mantenerlas, depurarlas e incluso entender lo que está pasando en estas hojas de cálculo grandes.
Kieran Chandler: Entonces, ¿cómo puedes alejarte de estas hojas de cálculo? Las organizaciones han pasado años construyéndolas, y hay mucha lógica contenida en ellas.
Joannes Vermorel: Primero, necesitas capacidades de programación, pero no quieres replicar lo que tenías antes. Si simplemente intentas replicar la lógica de la hoja de cálculo que tenías antes, terminarás con algo que no será mejor que lo que tenías. Solo será marginalmente mejor en términos de respaldos un poco mejores y gestión de derechos de acceso. Fundamentalmente, si solo tratas de replicar tu hoja de cálculo en otro sistema, te quedarás atrapado en un callejón sin salida tecnológico. Puede que ganes unos pocos porcentajes más de eficiencia, pero eso será muy poco. Una vez que hayas hecho eso, no obtendrás nada mejor. Además, puedes perder algo de agilidad porque el nuevo sistema podría resultar un poco más rígido. Por lo tanto, necesitas pensar en algo que vaya más allá de lo que puedes lograr mediante heurísticas. Necesitas reinventarte y optar por algo que te dé la oportunidad de hacerlo mejor.
Kieran Chandler: Mencionaste a los Googles y a los Amazons que han ido más allá de esto y están implementando enfoques más modernos. ¿Qué podemos aprender de ellos y de lo que han implementado?
Joannes Vermorel: La peculiaridad del machine learning moderno es cómo pasar la etapa de los sistemas basados en reglas. La primera etapa de copiar la inteligencia humana en los años 60 fue mediante motores basados en reglas, o motores de decisión. Las heurísticas utilizadas en supply chain son exactamente eso: son reglas para decidir si debes comprar más, producir más o asignar más en una área. Si quieres ir más allá de eso, necesitas reinventarte y adoptar técnicas modernas de machine learning para mejorar tus procesos de supply chain.
Kieran Chandler: Ubicación u otra y hemos alcanzado esta etapa de tener sistemas basados en reglas y hemos ajustado las reglas. Si observamos lo que Google y Amazon están haciendo, dicen: “Oh, estamos haciendo machine learning”, por lo que se convierte en una palabra de moda y es un machine learning muy avanzado que puede calificar como IA. Fundamentalmente, es algo muy simple. En lugar de tener un conjunto estático de reglas que se mantienen manualmente, queremos aprender esas reglas a partir de los datos históricos.
Joannes Vermorel: Lo que necesitas es básicamente capacidades de programación, pero también necesitas capacidades de machine learning, para que la mayoría de esas heurísticas se puedan aprender directamente de los datos. No es algo extremadamente complicado, pero si tu programming paradigm es incorrecto, entonces simplemente no funciona, y el machine learning tampoco funciona. El paradigma dominante para Supply Chain Quantitativa hasta que unas pocas empresas como Amazon o Lokad comenzaron a pensar de manera diferente era tener forecasts de demanda clásicos donde solo hay un futuro. Hacemos el forecast, y luego todo se basa en ese único futuro. Desafortunadamente, si abordas el problema desde este punto de partida, simplemente no funciona, y nunca logras replicar el rendimiento de esas heurísticas supuestamente tontas. Si quieres superar esas heurísticas, necesitas optar por una perspectiva de forecast probabilístico, y entonces puedes tener la oportunidad de superarlas. Eso es exactamente lo que Amazon parece estar haciendo, según su investigación publicada.
Kieran Chandler: Si empezamos a juntar todo ahora, ¿qué le dirías a un profesional de supply chain escéptico que probablemente esté viendo esto y que tiene sus sistemas que funcionan de alguna manera, tal vez un poco torpes, pero que funcionan usando Microsoft Excel? ¿Existe realmente un incentivo para alejarse de eso?
Joannes Vermorel: Si estás usando Excel y probablemente lo has estado usando durante una o dos décadas, lo primero sería reconocer que estás en un callejón sin salida tecnológico. Puede que esté bien, pero no va a mejorar. No esperes que la próxima versión de Microsoft vaya a resolver nada. Excel ya es un producto excelente. Es muy estable, no se cuelga, es bastante escalable y tiene muchas buenas propiedades. No va a mejorar mucho. Las alternativas a las hojas de cálculo no van a hacer ninguna diferencia. Pueden mejorar marginalmente, pero fundamentalmente, no hará ninguna diferencia. La pregunta es: ¿puedes vivir con el hecho de que estás simplemente en un callejón sin salida? Algunas industrias pueden vivir estancadas, pero en lo que a supply chain se refiere, lo que veo es que algunas compañías como Amazon, Alibaba y Zalando son muy agresivas técnicamente hablando, y van muy rápido. Realmente están logrando resultados en supply chain, y no lo están haciendo con hojas de cálculo. Entonces, creo que la lección es que estás en una meseta. Algunas personas lo están haciendo mucho mejor, y no es puro bombo de marketing. El crecimiento en Amazon y Alibaba es real. ¿Realmente puedes permitirte estar y permanecer en un callejón sin salida tecnológico? Quizás, quizás no.
Kieran Chandler: Entonces, para concluir, ¿dirías que Excel se está quedando sin tiempo prestado y que en realidad puedes ver un día en el que no haya Excel en absoluto en la industria?
Joannes Vermorel: No me malinterpretes. Excel se usa frecuentemente, no para optimización predictiva, sino para la entrada de datos, para entradas de datos tabulares. Microsoft ganó la guerra de las hojas de cálculo a fines de los 80, no porque tuviesen los mejores cálculos para Excel, sino porque la entrada de datos a través de Excel era más fácil. Existen muchas situaciones donde usar una hoja de cálculo
Kieran Chandler: Porque la entrada de datos a través de Excel era más fácil, creo, ya sabes, existen muchas situaciones donde usar una hoja de cálculo está perfectamente bien. Lo que estoy diciendo es que, si quieres hacer optimización predictiva de supply chain para redes de supply chain algo complejas, Excel está, para este propósito específico, al final. Para muchas otras cosas, Excel está perfectamente bien. Bien, ¿algún pensamiento final, Joannes?
Joannes Vermorel: Solo mantente atento a este espacio, supongo.
Kieran Chandler: Lo mismo para esta semana. Gracias por sintonizar, y nos veremos nuevamente la próxima vez. ¡Adiós por ahora!