00:00:08 Introducción y antecedentes de Eric Wilson en IBF.
00:01:35 Desafíos para producir números útiles y perspectivas a partir de la analítica.
00:03:45 El papel de las decisiones empresariales en la utilización de la analítica.
00:05:31 Importancia de demand planners competentes y la escasez en la industria.
00:07:25 Escasez de talento en el campo del supply chain y la analítica.
00:10:58 La necesidad de un nuevo rol de Supply Chain Scientist.
00:13:01 El pensamiento probabilístico en la gestión de supply chain.
00:14:41 La creciente importancia de la gestión de supply chain en los negocios.
00:15:47 El creciente interés de los medios por la gestión de supply chain.
00:17:18 La aparición de másters de supply chain en universidades de élite.
00:18:27 La evolución de la analítica y su papel en el futuro.
00:19:59 La tecnología madura se vuelve invisible y se funde con el entorno.
00:20:53 Ejemplo de tecnología anti-spam como una tecnología madura e invisible.
00:23:59 Definición de inteligencia artificial y el valor de hacer las preguntas correctas.
00:24:57 El supply chain ideal silencioso y sus implicaciones para los demand planners.
00:25:11 Las esperanzas de Eric para su libro y las habilidades que los demand planners pueden adquirir de él.
00:26:39 Palabras de cierre.
Resumen
En una entrevista con Kieran Chandler, Joannes Vermorel, fundador de Lokad, y Eric Wilson, un certified business forecaster, discuten la creciente importancia de la analítica en las organizaciones modernas. Exploran los desafíos de usar grandes cantidades de datos para obtener perspectivas significativas y la necesidad de optimización de supply chain. Ambos enfatizan la importancia de una analítica accionable para mejores decision-making. La conversación destaca la creciente demanda de profesionales capacitados en supply chain management y la integración de la tecnología con la experiencia en supply chain. A medida que la analítica continúa evolucionando, las organizaciones deben adaptarse para ser más ágiles, responsivas y predictivas para mantenerse competitivas en un mercado que cambia rápidamente.
Resumen Extendido
En esta entrevista, el presentador Kieran Chandler se une a Joannes Vermorel, fundador de Lokad, y Eric Wilson, un Certified Professional Business Forecaster y presentador del podcast On Demand de IBF. Discuten el papel de la analítica en las organizaciones actuales, con un enfoque en los desafíos y beneficios de utilizar datos para impulsar decisiones empresariales.
Vermorel tiene una visión algo controvertida sobre la analítica. Él cree que es fácil generar grandes cantidades de datos, pero mucho más difícil producir un pequeño número de perspectivas valiosas para el consumo humano. Sugiere que el uso generalizado de la analítica en las empresas a menudo no logra producir información útil. Wilson, por otro lado, cree que, si bien es crucial filtrar las grandes cantidades de datos para encontrar perspectivas significativas, los beneficios de hacerlo superan con creces los costos.
Wilson enfatiza la importancia de transformar datos crudos en información y luego en perspectivas accionables. Reconoce que muchas empresas luchan por alcanzar la etapa de insights, pero afirma que emprender este viaje es esencial. Las empresas deben utilizar datos para obtener una comprensión más profunda de sus consumidores y de la economía, particularmente frente a desafíos como el COVID-19.
Tanto Vermorel como Wilson coinciden en que el objetivo final de la analítica es impulsar mejores decisiones empresariales. Vermorel señala que sin un propósito práctico y tangible, la analítica puede conducir a líneas de pensamiento o acción improductivas. Critica el uso generalizado de vanity metrics y la falta de enfoque en los indicadores clave de rendimiento indicators (KPIs). En contraste, sugiere que las empresas deberían concentrarse en la toma de decisiones automatizada y accionable basada en datos.
El nuevo libro de Wilson, “Predictive Analytics for Business Forecasting,” está dirigido a planificadores de demanda. A medida que los equipos de datos crecen, aumenta la presión para encontrar planificadores de demanda capaces. Wilson cree que los planificadores de demanda tienen las habilidades necesarias para crecer en sus puestos, ya que están programados para entender y comunicar los factores que impactan a los consumidores y a la demanda.
Esta entrevista destaca los desafíos y beneficios de utilizar la analítica en las organizaciones modernas. Mientras Vermorel critica el énfasis excesivo en los datos sin obtener perspectivas accionables claras, Wilson subraya la importancia de transformar los datos en información valiosa para la toma de decisiones. Ambos coinciden en la necesidad de una analítica focalizada y accionable para impulsar mejores decisiones empresariales.
La conversación comienza con Eric Wilson reconociendo la escasez actual de planificadores de demanda, ya que la demanda de sus habilidades ha aumentado significativamente en los últimos años. Los salarios han subido entre un 30 y un 40 por ciento en los últimos cinco años, y las bolsas de trabajo están constantemente llenas de ofertas para estos roles. Aunque existen planificadores de demanda calificados, simplemente no hay suficientes en el mercado.
Joannes Vermorel coincide, afirmando que el talento es escaso y que es difícil encontrar Supply Chain Scientist de alta calidad. Compara la situación con el trading cuantitativo en los bancos, donde un pequeño número de traders genera la mayoría de los retornos. Él cree que la tecnología actúa como un multiplicador de la inteligencia humana, permitiendo que individuos más capaces operen de manera más rápida y a mayor escala.
Vermorel señala que la creciente popularidad de los data scientists en los últimos cinco años ha llevado a una afluencia de profesionales altamente capacitados en tecnología y lenguajes de programación, como Python y herramientas de machine learning como PyTorch, Keras y TensorFlow. Sin embargo, argumenta que la fluidez técnica por sí sola no es un sustituto de una comprensión profunda de las complejidades del supply chain.
Desde la perspectiva de Vermorel, el desafío radica en que los Supply Chain Scientist sean capaces de aplicar sus habilidades a situaciones del mundo real, más allá del alcance de gigantes tecnológicos como Google y Facebook. La dificultad reside en afinar el análisis de supply chain, lo cual es un tipo de desafío diferente comparado con manejar grandes cantidades de datos.
Wilson imagina un futuro en el que ambos conjuntos de habilidades se fusionen para crear un rol de planificación de la demanda capaz de manejar cambios diarios en los modelos e incorporar la analítica como una capacidad adicional. Vermorel sugiere en tono de broma el término “Supply Chain Scientist” para este tipo de posición, aunque admite que es un término casero creado por Lokad para diferenciar sus roles en el mercado.
La entrevista destaca la creciente demanda de profesionales capacitados en la optimización de supply chain y los desafíos para encontrar individuos calificados que puedan manejar tanto los aspectos técnicos como empresariales del campo. Mientras la tecnología continúa avanzando, la necesidad de una comprensión profunda de las complejidades del supply chain y una colaboración efectiva entre planificadores de demanda y data scientists sigue siendo crítica.
La conversación destaca la importancia del pensamiento probabilístico en la gestión de supply chain, alejándose de enfoques deterministas. A medida que la industria evoluciona, la planificación de la demanda y el supply chain se han vuelto cada vez más importantes para las empresas, ya que los ejecutivos se enfocan en estas áreas más que nunca.
El auge de la popularidad de la data science ha llevado a una afluencia de palabras de moda en la industria, pero los entrevistados enfatizan la necesidad de una comprensión más profunda de los procesos reales. Discuten cómo la gestión de supply chain ha ganado gradualmente más atención de universidades prestigiosas, con profesores y estudiantes de primer nivel explorando el campo. Este cambio está ayudando a atraer más talento a la industria, que se vuelve cada vez más compleja debido a factores como el cumplimiento y la globalización.
De cara al futuro, la analítica desempeñará un papel crucial en la evolución de la gestión de supply chain. Las empresas necesitarán ser más ágiles, responsivas y predictivas para mantenerse al día con el cambiante comportamiento del consumidor. Esto implicará una mayor dependencia de la planificación de la demanda y la optimización de supply chain para apoyar esfuerzos de marketing dirigidos. La democratización de los datos y la analítica continuará impulsando cambios en la industria, enfatizando la importancia de la optimización de supply chain para los negocios.
Wilson prevé que las organizaciones se volverán más planas y dependientes de la analítica para impulsar la toma de decisiones. Vermorel cree que a medida que la tecnología madura, se vuelve invisible, fundiéndose con el entorno y funcionando sin problemas. Cita la tecnología anti-spam como un ejemplo de una tecnología madura que opera de manera discreta pero efectiva.
Vermorel imagina el futuro de la analítica de supply chain como en gran parte invisible, impulsando decisiones mundanas sin captar la atención de los altos ejecutivos. Sin embargo, reconoce que los supply chain son diversos, y ninguna empresa o tecnología única puede abarcar todo el mercado. A pesar de su carácter modesto, Vermorel cree que la analítica avanzada se volverá más importante que nunca para mantener la competitividad.
Cuando se le pregunta sobre su libro de analítica predictiva, Wilson explica que no es un texto cargado de matemáticas, sino más bien una introducción al machine learning, la inteligencia artificial y la analítica predictiva para planificadores de demanda. El libro abarca personas, procesos, analítica y tecnología, con un enfoque en construir organizaciones basadas en datos y comprender cómo utilizar los datos de forma efectiva dentro de la organización.
Transcripción Completa
Kieran Chandler: Hola, hoy estamos encantados de contar con la presencia de Eric Wilson, el presentador de los podcasts On Demand de IBF. Vamos a discutir con él el papel de la analítica en las organizaciones actuales y lo que podemos aprender de su nuevo libro titulado Predictive Analytics for Business Forecasting. Entonces Eric, muchas gracias por unirte en vivo hoy desde Estados Unidos. Quizás para empezar, ¿podrías contarnos un poco más sobre ti y también sobre tu rol en IBF?
Eric Wilson: Estoy emocionado de ser parte de esto y de formar parte de vuestro elenco también. Mi nombre es Eric Wilson, soy el thought leader del Institute of Business Forecasting. Es, de hecho, una organización global con más de 50,000 miembros en todo el mundo. Nos dedicamos específicamente a fomentar el crecimiento de la planificación de la demanda, forecast, analítica predictiva, SNOP y campos relacionados. Eso es lo que hacemos como organización. Una de las cosas que hacemos es compartir conocimiento, y ahí es donde entro yo. Escribo artículos y presento un podcast quincenal, IBF On Demand, que puedes encontrar en YouTube o donde sea que busques tus podcasts. Así que eso es un poco sobre mí. Tengo alrededor de 30 años de experiencia en demasiadas industrias y en demasiadas posiciones diferentes, pero me ha permitido llegar a donde estoy ahora.
Kieran Chandler: ¡Brillante! Hoy, Joannes, nuestro tema trata sobre la analítica, particularmente en las organizaciones actuales. Creo que cuando discutimos esto, tenías una visión algo controvertida sobre la analítica y cuál es su papel real. ¿Cuál es tu perspectiva inicial?
Joannes Vermorel: Mi opinión, en pocas palabras, es que es muy fácil producir un millón de números por segundo con una computadora, pero en realidad es muy difícil producir cinco números por día que valgan la pena ser leídos por los seres humanos. El mayor desafío con la analítica es cómo producir algo que merezca la atención de una persona. Mi observación casual es que lo que actualmente es común en las empresas, especialmente en el segmento de supply chain, pero no solo, no pasa esta prueba.
Kieran Chandler: ¿Cuáles son tus pensamientos al respecto, Eric? Los datos han crecido increíblemente en los últimos 20 años aproximadamente. ¿Dirías que ahora estamos produciendo demasiados números y no estamos prestando atención a lo que realmente es importante?
Eric Wilson: No creo que se puedan tener demasiados números, pero hay algo de credibilidad en lo que dice Joannes sobre encontrar la información adecuada. Los datos en todas sus formas son simplemente eso: datos crudos, los bloques de construcción con los que se puede comenzar a edificar algo. Transformar esos datos en información y luego en perspectivas es donde las empresas están teniendo dificultades. Sin embargo, los beneficios de lograrlo superan con creces el costo del camino para llegar allí. Las empresas necesitan comenzar ese viaje, incluso si ahora están teniendo dificultades, porque desarrollar esos datos crudos en perspectivas útiles para una organización es crucial.
Kieran Chandler: Debemos dejar de vivir en el pasado y empezar a mirar hacia el futuro, encontrando nuevas perspectivas sobre los consumidores y la economía, especialmente en tiempos como los que enfrentamos ahora con COVID. Tenemos que empezar a abrir esas perspectivas.
Joannes Vermorel: Una de las perspectivas clave en las que nos enfocamos en Lokad es la de las decisiones empresariales. ¿Dónde pueden estas decisiones realmente cambiar el funcionamiento de un negocio? Con la analítica, existen varios caminos que pueden conducir a líneas de actividad o pensamiento no productivas. Necesitas un propósito práctico y mundano que impulse lo que haces con tu análisis, los números, la visualización y todo lo demás. Una decisión es algo que tiene un impacto físico y tangible en los supply chain, como una decisión de compra, un movimiento de stock o un cambio de precio. Si miras los números con la intención directa de mejorar una decisión, puede ser bueno. Lo que generalmente veo son océanos de vanity metrics, donde terminas con tantos KPIs que es casi un insulto llamarlos “clave”. Carecen de enfoque y de un mecanismo o intención incorporada para convertirlos en algo accionable a escala y de manera completamente automatizada.
Kieran Chandler: Eric, en tu nuevo libro, “Predictive Analytics for Business Forecasting,” está muy enfocado en el planificador de demanda. Hemos notado en la industria que a medida que los equipos de datos crecen, hay más impulso en la búsqueda de un planificador de demanda capaz. ¿Existe alguna deficiencia en la industria con respecto a esto?
Eric Wilson: Hay tanto un sí como un no en eso. Los planificadores de demanda son capaces de crecer en el puesto. Están programados para observar lo que impacta a los consumidores, lo que impacta la demanda, para entender y conectar diferentes variables. Están programados para comunicar eso al supply chain, a las finanzas y a otras partes de la organización, generando insights útiles que otras áreas de la organización pueden utilizar. Tienen las habilidades necesarias para hacerlo. Dicho esto, ahora mismo estamos viendo una escasez de planificadores de demanda porque hay tanta demanda de ellos. Los salarios han aumentado entre un 30 y un 40 por ciento en los últimos cinco años. Vemos que las bolsas de trabajo se llenan, incluso en estos tiempos, con personas que buscan a aquellos con habilidades cualitativas, cuantitativas y de comunicación para unir analytics y perspicacia empresarial en una organización. Entonces, ¿están calificados? Sí, pueden hacerlo. Pero, ¿hay suficientes por ahí? La respuesta sería no.
Kieran Chandler: Y creo que eso es algo que probablemente también expresaríamos aquí. Siempre estamos en la búsqueda de Supply Chain Scientists bien calificados, y siempre es algo que puede resultar bastante desafiante de encontrar. ¿Por qué es tan difícil desde tu perspectiva, Joannes?
Joannes Vermorel: El talento es raro por definición. Cada empresa afirma que solo contrata a los mejores, pero la realidad es que el mercado solo contrata a la media. Este tipo de trabajos es donde las personas que son mejores obtienen resultados desproporcionadamente buenos. Estamos entrando en un ámbito similar al quantitative trading en bancos, donde unos pocos traders generan la mayor parte del retorno. La tecnología es un multiplicador de la inteligencia humana, así que si tienes a alguien que es más inteligente, más capaz y tiene mejores insights empresariales, simplemente lo hará más rápido y a mayor escala para su organización. Esto se está volviendo muy cierto para el supply chain también, no solo en el trading para la banca y las finanzas.
Lo que lo hace más difícil de lo que debería ser, creo, es la idea del data scientist. Esto se ha vuelto muy popular en los últimos cinco años, pero el problema es que terminas con personas a quienes en las universidades se les ha dicho que su enfoque debe ser la tecnología en sí. Necesitan volverse muy buenos en Python, PyTorch, Keras, TensorFlow, o cualquier que sea el popular toolkit open source del momento para machine learning. Si bien ciertamente es un requisito tener cierto grado de fluidez con las herramientas técnicas, no es un sustituto de una comprensión muy profunda de lo que hace funcionar el supply chain, incluidos los detalles minuciosos que impulsan a una organización. Si los omites, estás completamente equivocado. Por ello, existe cierta dificultad para los Supply Chain Scientists que han realizado toneladas de ejercicios en modelos probados y desplegados en compañías como Facebook y Google. Cuando llegan a una empresa regular que no es Google, se siente poco ambicioso en comparación con lo que han visto del lado de Google. La realidad es que la dificultad es de otro tipo; no se trata de tener un clúster masivo de GPUs donde vas a procesar petabytes de datos, sino de acertar al dedillo en el análisis de tu supply chain, lo cual es una dificultad de otro tipo.
Kieran Chandler: ¿Qué opinas sobre esto, Eric? Tu libro, obviamente, abarca una amplia gama de técnicas analíticas. ¿Dirías que fundamentar y tener esa visión general es algo un poco más difícil de lograr?
Eric Wilson: Estoy de acuerdo.
Kieran Chandler: Hay diferentes conjuntos de habilidades entre ese data scientist y el planificador de demanda. Además, hay mucho que pueden aprender el uno del otro, y creo que esa es una excelente visión general de lo que exactamente has mencionado, algunas de las luchas que estamos observando. Quiero decir, el planificador de demanda necesita estar más basado en la ciencia. Debe analizar las cosas y observar las variables externas, explorar nuevas tecnologías, modelar esas cuestiones que realmente pertenecen al mundo del data scientist. Ellos, los planificadores de demanda, necesitan salir de su zona de confort y hacer más de eso. Al mismo tiempo, esa colaboración, sentirse cómodo con la ambigüedad, enfrentar ese tipo de situaciones y la comunicación, todas esas habilidades fuertes que poseen los planificadores de demanda, son aspectos que los benefician, y ahí es donde también deben intervenir los data scientists. Así que, en el futuro, se fusionarán ambos conjuntos de habilidades para un rol de planificación de demanda.
Eric Wilson: Hay algo único en el supply chain. Hay algo único en poder cambiar de modelo a diario y adaptarse a ello. Hay algo único en el supply chain que necesitas poder ofrecer desde un rol de planificación de demanda, añadiendo analytics como otra capacidad dentro de ese rol. Y eso es realmente lo que se busca poder hacer.
Kieran Chandler: ¿Querías profundizar, Joannes? Me pregunto si no necesitaríamos, no sé, Supply Chain Scientist o algo así.
Joannes Vermorel: No, es broma. Es literalmente la terminología inventada de Lokad para este tipo de posición. Es algo inventada, pero fue una forma de que Lokad señalará al mercado, ya que recibíamos muchos candidatos, especialmente del lado de data science, pues es mayormente lo que producen las universidades. Diría que probablemente las universidades producen alrededor de 10 data scientists por cada planificador de demanda en la actualidad. Se ha convertido en una gran tendencia. Y fue solo para poner a los candidatos, los aspirantes, en la mentalidad correcta de que, ante todo, estarán haciendo supply chain, no modelado avanzado deep learning sofisticado.
Eric Wilson: Es una buena forma de verlo. Quiero decir, son esas cosas básicas que se necesitan en el supply chain, pero añadiendo ese pensamiento probabilístico. Porque muchas personas en el supply chain, o mejor dicho, a la antigua eran muy deterministas. “Voy a vender X cantidad el próximo mes y voy a planificar todo mi supply chain en torno a eso.” Todos sabemos que eso no ocurrirá. Necesitamos empezar a pensar más en probabilidades, pensar más en rangos, considerar más esos riesgos y oportunidades. Ahí es donde entraría un Supply Chain Scientist, donde la planificación de demanda ayuda a habilitar; esas son las cosas a las que deben aspirar las empresas. Así que, cuando hablamos de analytics, es solo el principio. Cuando analytics se convierta en esa palabra de moda en determinadas organizaciones, se podrá utilizar con el pensamiento adecuado, la cultura adecuada dentro de una organización, y comenzar a cambiar la mentalidad del supply chain, comenzar a cambiar la forma en que una organización aprovecha esa analytics, por ejemplo, más que los sistemas, el pensamiento probabilístico y cosas por el estilo.
Kieran Chandler: Eric, de alguna manera dijiste que la data science es algo que se está volviendo un poco más de moda, y creo que definitivamente estamos de acuerdo con eso. Es algo de lo que se escucha cada vez más. ¿Qué hay de la propia industria del supply chain? Quiero decir, hay tanta complejidad allí. ¿Dirías que eso intimida a alguien que está empezando?
Eric Wilson: Personalmente, creo que la planificación de demanda es sexy, y estoy convencido de que va a ser la próxima carrera sexy en el futuro. Pero en ese sentido, en las encuestas más recientes debido al COVID, cuando se entrevistó a CFOs y CEOs, sus principales preocupaciones eran el flujo de caja, cuándo terminará la pandemia, y la planificación de demanda y el supply chain. Así que, hemos pasado del cubículo a la sala de juntas. Ahora hay mucha atención en el supply chain. Ves periódicos y programas de televisión discutiendo sobre el supply chain, algo que no sucedía hace algunos años. La importancia de ello se ha elevado, y con ello surge que la gente quiera acceder a ese puesto y desarrollarlo también. ¿Es intimidante? No, simplemente creo que era una función de back-office que se realizaba y que la gente no comprendía. Ahora la gente no solo empieza a entenderlo, sino también a comprender su importancia.
Kieran Chandler: Estamos viendo cómo muchos medios reportan sobre el supply chain utilizando diferentes palabras de moda, pero no hay tanto entendimiento detrás de ellas. ¿Dirías que eso también intimida a alguien que está empezando, Joannes?
Joannes Vermorel: En lo que a los periodistas se refiere, su completa falta de entendimiento sobre un tema nunca les ha impedido escribir montones de contenido al respecto. Sin embargo, dejando las bromas a un lado, he notado un cambio en la percepción. Mi padre, que solía dirigir empresas industriales, una vez me dijo que si alguien era muy confiable y metódico en su forma de pensar, lo ubicarían en el área de producción. Si eran enérgicos y orientados a la acción, lo colocarían en ventas. Pero si no eran ni enérgicos ni confiables, lo ubicarían en el supply chain. Esa era la mentalidad en aquel entonces.
Afortunadamente, en las últimas dos décadas, muchas universidades han comenzado a ofrecer programas de maestría en supply chain que no son una broma, con profesores y estudiantes de primer nivel. Ahora hay más talento en la industria que nunca, pero las cosas también se han vuelto más complicadas por diversas razones, incluyendo el cumplimiento normativo y la globalización, lo que lo ha hecho aún más desafiante.
Kieran Chandler: ¿Cuánto dirías que va a cambiar el rol de analytics en las próximas dos décadas y cómo ves esa evolución?
Eric Wilson: Oh, wow, quiero decir, obviamente habrá una gran evolución o revolución en tan solo los próximos años. Estamos viendo la necesidad de volverse más ágiles, más receptivos y más predictivos dentro de las organizaciones. Con ello, las organizaciones tendrán que ponerse al día. Tendrán que empezar a depender de un mayor micro-targeting de consumidores ahora. No pueden simplemente inundar las ondas y los sitios web con material. Tienen que empezar a dirigirse de manera más específica, y eso dependerá de una buena planificación de demanda y del supply chain para poder apoyar esas iniciativas. Lo que veremos será la democratización de los datos, y ya observamos la democratización de analytics, y esa función del supply chain se convertirá en un soporte central en toda la organización, apoyando todo tipo de funciones a futuro. Realmente creo que las organizaciones se volverán mucho más planas, y dependerán más de analytics como fuerza impulsora de esas organizaciones.
Kieran Chandler: Joannes, ya hablamos sobre la idea del micro-targeting cuando discutíamos el uso de datos de tarjetas loyalty, y definitivamente es un concepto interesante. ¿Y tú, qué ves como el futuro del panorama tecnológico?
Joannes Vermorel: Mi percepción es que cuando la tecnología madura, tiende a volverse invisible, integrándose en el fondo. Cuando está realmente perfeccionada, apenas la notas, aunque está más presente que nunca. Creo que el arquetipo de eso sería el anti-spam. Tienes un sistema avanzado de machine learning que está clasificando tu correo todo el tiempo, y es muy preciso. Si revisas tu carpeta de spam, el 99% es spam, bien clasificado, y no haces nada; simplemente funciona. Si has usado Google Mail, Outlook o lo que sea, es así. Cuando se hace bien, la tecnología muy madura, especialmente en el área de machine learning, desaparece y cumple su función de manera silenciosa y confiable, sin alboroto. Uno casi olvida que está allí, pero puedes seguir trabajando en mejorarla, haciendo mucho gracias a ello. Diría que el futuro de la tecnología de analytics para el supply chain en muchas organizaciones probablemente será así. Será algo que impulse toneladas de decisiones muy mundanas, y no capturará naturalmente la atención del CEO.
Kieran Chandler: ¿Puedes decirnos cómo ves el rol de la inteligencia artificial en la optimización del supply chain?
Joannes Vermorel: El targeting directo se realizará de forma automática, funcionando sin problemas. La carga de trabajo de tus warehouses, plantas, tiendas o lo que sea, también se gestionará en segundo plano. Nadie prestará atención a ese tipo de cosas en el día a día, salvo algunos especialistas. No obstante, se convertirá en un arte contar con personas muy buenas para mantenerse competitivas y seguir mejorando el sistema en general. La falta de este tipo de tecnología te hará no ser competitivo, así como tener un buzón sin un anti-spam te obligaría a pasar todo el día clasificando tu spam. Obviamente, sin ello, sería casi imposible utilizar el correo electrónico. Ahora bien, el correo no es una analogía completamente adecuada porque puedes tener una tecnología anti-spam que sea la misma para millones de empresas que usan Gmail u Outlook. El supply chain es mucho más diverso, así que no veo realista que una empresa capture todo el mercado, porque es simplemente demasiado diverso. Aún habrá mucha tecnología, pero si tuviera que apostar, será mucho más parecido al anti-spam, mayormente invisible, impresionante y, sin embargo, más importante que nunca.
Eric Wilson: En ese sentido, estás hablando sobre la definición de inteligencia artificial, que es un término ambiguo, pero es todo aquello que automatiza o aumenta un proceso o resultado. De eso es de lo que estamos hablando, donde habrá menos modelado, menos analytics, menos el lado técnico y más los aspectos blandos.
Kieran Chandler: Cuando algo se convierte en una mercancía, otra cosa se vuelve premium. Así que, cuando tus datos se conviertan en una mercancía, cuando incluso tu modelado se vuelva commoditizado dentro de las organizaciones porque la tecnología puede ayudar a proporcionar eso de manera casi automática, entonces cuáles preguntas hacer se vuelve lo premium o, ya sabes, cómo traducir eso al hablar con el CEO; eso se convierte en lo premium. Y ahí es donde se busca ser un planificador de demanda de supply chain, esas personas que encajen con esos objetivos en el futuro. Así que, grandes insights allí.
Joannes Vermorel: Sí, hablamos de ello, esta especie de idea de que el supply chain sea completamente silencioso, y ese es en cierto modo el sueño.
Kieran Chandler: Eric, dejaremos la última palabra contigo. Como palabra final, ¿cuáles son tus expectativas para tu libro y qué tipo de habilidades te gustaría que un planificador de demanda adquiriera al leerlo?
Eric Wilson: Sí, mi esperanza para el libro es que no sea un libro matemático. Realmente te ofrece las introducciones a machine learning, inteligencia artificial, analítica predictiva. Está en el título predictive analytics para business forecast, para supply chain, para el planificador de demanda, para ayudarles a pasar, ya sabes, de preocuparse por conjuntos de datos internos que miran hacia atrás, a adoptar una perspectiva más orientada al futuro, mirando conjuntos de datos externos y explorando nuevas maneras de examinar los datos, analizando modelos que quizá no habían considerado antes. Les proporciona esos elementos introductorios. La forma en que está organizado el libro es separándolo en secciones de personas, procesos, analítica y tecnología. Así que, no se concentra únicamente en, ya sabes, en un ensemble, en un árbol de decisión, en estos modelos y en cómo implementarlos. Te brinda un pequeño vistazo de eso, pero comienza con el lado humano, cómo construir una organización orientada a los datos o enfocada en el análisis. Examina el aspecto tecnológico, qué tipo de empresas apoyan, qué necesitas para empezar a construir y cómo lograr esa visualización ahora. Y también analiza el lado de los datos, explicando exactamente qué es el dato y cómo puedes empezar a utilizarlo dentro de tu organización, en lugar de simplemente, ya sabes, nadar en el data lake. Realmente te permite entender cómo incorporar elementos en tu organización hoy que puedas utilizar de inmediato, y eso es realmente lo que espero lograr. Muy bien.
Kieran Chandler: Brillante. Bueno, tendremos que terminar ahí, pero muchas gracias a ambos por su tiempo hoy.
Joannes Vermorel: Gracias.
Kieran Chandler: Eso es todo por esta semana. Muchas gracias por sintonizar, y nos veremos de nuevo en el próximo episodio. Gracias por ver.
