00:00:08 Introducción y antecedentes de Eric Wilson en IBF.
00:01:35 Desafíos para producir números e ideas útiles a partir del análisis.
00:03:45 El papel de las decisiones empresariales en la utilización del análisis.
00:05:31 Importancia de los planificadores de demanda capacitados y la escasez en la industria.
00:07:25 Escasez de talento en la cadena de suministro y el campo del análisis.
00:10:58 La necesidad de un nuevo rol de científico de la cadena de suministro.
00:13:01 Pensamiento probabilístico en la gestión de la cadena de suministro.
00:14:41 La creciente importancia de la gestión de la cadena de suministro en los negocios.
00:15:47 El creciente interés de los medios en la gestión de la cadena de suministro.
00:17:18 La aparición de maestros en cadena de suministro en universidades de élite.
00:18:27 La evolución del análisis y su papel en el futuro.
00:19:59 La tecnología madura que se vuelve invisible y se integra en el fondo.
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 La cadena de suministro silenciosa ideal y sus implicaciones para los planificadores de demanda.
00:25:11 Las esperanzas de Eric para su libro y las habilidades que los planificadores de demanda pueden adquirir de él.
00:26:39 Observaciones finales.
Resumen
En una entrevista con Kieran Chandler, Joannes Vermorel, fundador de Lokad, y Eric Wilson, un pronosticador de negocios certificado, discuten la creciente importancia del análisis en las organizaciones modernas. Exploran los desafíos de utilizar grandes cantidades de datos para obtener ideas significativas y la necesidad de optimización de la cadena de suministro. Ambos enfatizan la importancia de un análisis accionable para una mejor toma de decisiones. La conversación destaca la creciente demanda de profesionales capacitados en la gestión de la cadena de suministro y la integración de la tecnología con la experiencia en cadena de suministro. A medida que el análisis continúa evolucionando, las organizaciones deben adaptarse para ser más ágiles, receptivas y predictivas para mantenerse competitivas en un mercado en constante cambio.
Resumen Extendido
En esta entrevista, el anfitrión Kieran Chandler se une a Joannes Vermorel, fundador de Lokad, y a Eric Wilson, un Pronosticador de Negocios Profesional Certificado y anfitrión del podcast on-demand de IBF. Discuten el papel del análisis en las organizaciones modernas, con un enfoque en los desafíos y beneficios de utilizar datos para impulsar las decisiones empresariales.
Vermorel tiene una opinión algo controvertida sobre el análisis. Él cree que es fácil generar grandes cantidades de datos, pero mucho más difícil producir un pequeño número de ideas valiosas para el consumo humano. Sugiere que el uso generalizado del análisis en las empresas a menudo no produce información útil. Wilson, por otro lado, cree que si bien es crucial filtrar grandes cantidades de datos para encontrar ideas significativas, los beneficios de hacerlo superan con creces los costos.
Wilson enfatiza la importancia de convertir los datos en información y luego en ideas accionables. Reconoce que muchas empresas luchan por llegar a la etapa de las ideas, pero afirma que embarcarse en este viaje es esencial. Las empresas deben utilizar los datos para obtener una comprensión más profunda de sus consumidores y de la economía, especialmente ante desafíos como el COVID-19.
Tanto Vermorel como Wilson coinciden en que el objetivo final del análisis es impulsar mejores decisiones empresariales. Vermorel señala que sin un propósito práctico y tangible, el análisis puede llevar a líneas de pensamiento o acciones improductivas. Critica el uso generalizado de métricas de vanidad y la falta de enfoque en los indicadores clave de rendimiento (KPI). En cambio, sugiere que las empresas deben concentrarse en la toma de decisiones accionables y automatizadas basadas en datos.
El nuevo libro de Wilson, “Predictive Analytics for Business Forecasting”, está dirigido a demand planners. A medida que los equipos de datos crecen, hay una presión creciente para encontrar demand planners capacitados. Wilson cree que los demand planners tienen el conjunto de habilidades necesario para crecer en sus posiciones, ya que están preparados para comprender y comunicar los factores que afectan a los consumidores y la demanda.
Esta entrevista destaca los desafíos y beneficios de utilizar el análisis en las organizaciones modernas. Mientras Vermorel critica la sobrevaloración de los datos sin ideas accionables claras, Wilson enfatiza la importancia de convertir los datos en información valiosa para la toma de decisiones. Ambos coinciden en la necesidad de un análisis enfocado y accionable para impulsar mejores decisiones empresariales.
La conversación comienza con Eric Wilson reconociendo la escasez actual de demand planners, ya que la demanda de su conjunto de habilidades ha aumentado significativamente en los últimos años. Los salarios han aumentado un 30 a 40 por ciento en los últimos cinco años, y los tablones de anuncios de empleo están constantemente llenos de listados para estos roles. Si bien existen demand planners calificados, simplemente no hay suficientes en el mercado.
Joannes Vermorel está de acuerdo, afirmando que el talento es escaso y que es difícil encontrar científicos de la cadena de suministro de alta calidad. Compara la situación con el trading cuantitativo en los bancos, donde un pequeño número de traders generan la mayoría de las ganancias. Él cree que la tecnología actúa como un multiplicador de la inteligencia humana, permitiendo que individuos más capaces operen más rápido y a mayor escala.
Vermorel señala que la creciente popularidad de los científicos de datos en los últimos cinco años ha llevado a un flujo de profesionales altamente capacitados en tecnología y lenguajes de programación, como Python y herramientas de aprendizaje automático 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 de la cadena de suministro.
En opinión de Vermorel, el desafío radica en que los científicos de la cadena de suministro puedan aplicar sus habilidades a situaciones del mundo real más allá del alcance de gigantes tecnológicos como Google y Facebook. La dificultad está en ajustar el análisis de la cadena de suministro, que es un tipo de desafío diferente en comparación con el manejo de grandes cantidades de datos.
Wilson visualiza 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 el análisis 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 inventado utilizado por Lokad para diferenciar sus roles en el mercado.
La entrevista destaca la creciente demanda de profesionales capacitados en la optimización de la cadena de suministro y los desafíos para encontrar personas calificadas que puedan manejar tanto los aspectos técnicos como los comerciales del campo. Si bien la tecnología continúa avanzando, la necesidad de comprender a fondo las complejidades de la cadena de suministro y la colaboración efectiva entre los planificadores de la demanda y los científicos de datos sigue siendo fundamental.
La conversación resalta la importancia del pensamiento probabilístico en la gestión de la cadena de suministro, alejándose de los enfoques deterministas. A medida que la industria evoluciona, la planificación de la demanda y la cadena de suministro se han vuelto cada vez más importantes para las empresas, con los ejecutivos enfocándose en estas áreas más que nunca.
El aumento en la popularidad de la ciencia de datos ha llevado a una avalancha de términos de moda en la industria, pero los entrevistados enfatizan la necesidad de comprender mejor los procesos reales. Discuten cómo la gestión de la cadena de suministro ha ganado gradualmente más atención de prestigiosas universidades, con profesores y estudiantes de alto nivel explorando el campo. Este cambio está ayudando a atraer más talento a la industria, que se está volviendo cada vez más compleja debido a factores como el cumplimiento y la globalización.
Mirando hacia el futuro, el análisis jugará un papel crucial en la evolución de la gestión de la cadena de suministro. Las empresas deberán ser más ágiles, receptivas y predictivas para adaptarse al cambio en el comportamiento del consumidor. Esto implicará una mayor dependencia de la planificación de la demanda y la optimización de la cadena de suministro para respaldar los esfuerzos de marketing dirigidos. La democratización de los datos y el análisis seguirá impulsando cambios en la industria, enfatizando la importancia de la optimización de la cadena de suministro para las empresas.
Wilson ve a las organizaciones volviéndose más planas y dependientes del análisis para la toma de decisiones. Vermorel cree que a medida que la tecnología madura, se vuelve invisible, se integra en el fondo y funciona sin problemas. Cita la tecnología anti-spam como ejemplo de una tecnología madura que opera de manera discreta pero efectiva.
Vermorel visualiza el futuro del análisis de la cadena de suministro como algo en gran medida invisible, impulsando decisiones mundanas sin captar la atención de los altos ejecutivos. Sin embargo, reconoce que las cadenas de suministro son diversas y ninguna empresa o tecnología puede capturar todo el mercado. A pesar de su naturaleza discreta, Vermorel cree que el análisis avanzado se volverá más importante que nunca para mantener la competitividad.
Cuando se le pregunta sobre su libro sobre análisis predictivo, Wilson explica que no es un texto muy matemático, sino una introducción al aprendizaje automático, la inteligencia artificial y el análisis predictivo para los planificadores de la demanda. El libro abarca personas, procesos, análisis y tecnología, con un enfoque en la construcción de organizaciones basadas en datos y en comprender cómo utilizar los datos de manera efectiva dentro de la organización.
Transcripción completa
Kieran Chandler: Hola, hoy estamos encantados de contar con Eric Wilson, el anfitrión del podcast On Demand de IBF. Vamos a discutir con él el papel del análisis en las organizaciones modernas y lo que podemos aprender de su nuevo libro titulado “Predictive Analytics for Business Forecasting”. Así que Eric, muchas gracias por unirte a nosotros en directo hoy desde Estados Unidos. Tal vez para empezar, ¿podrías contarnos un poco más sobre ti y también sobre tu papel en IBF?
Eric Wilson: Estoy emocionado de ser parte de esto y también de ser parte de tu programa. Mi nombre es Eric Wilson, soy el líder de pensamiento del Institute of Business Forecasting. En realidad, es 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, la previsión, el análisis predictivo, el SNOP y campos relacionados. Eso es lo que hacemos como organización. Una de las cosas que hacemos es compartir conocimientos, y ahí es donde entro yo. Escribo artículos y presento un podcast quincenal, IBF On Demand, que puedes encontrar en YouTube o dondequiera que encuentres tus podcasts. Así que eso es un poco sobre mí. Tengo unos 30 años de experiencia en demasiadas industrias y demasiadas posiciones diferentes, pero me permitió llegar a donde estoy ahora.
Kieran Chandler: ¡Genial! Hoy, Joannes, nuestro tema es todo sobre analítica, especialmente en las organizaciones modernas. Creo que cuando discutimos esto, tenías una opinión un poco controvertida sobre la analítica y cuál es su papel real. ¿Cuál es tu visión 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 al día que valgan la pena ser leídos por seres humanos. El mayor desafío con la analítica es cómo producir algo que valga la atención de un ser humano. Mi observación casual es que lo que actualmente está generalizado en las empresas, especialmente en el segmento de la cadena de suministro, pero no solo allí, no pasa esta prueba.
Kieran Chandler: ¿Qué piensas de esto, Eric? Los datos han crecido una cantidad enorme en los últimos 20 años más o menos. ¿Dirías que ahora estamos produciendo demasiados números y no estamos mirando lo que realmente importa?
Eric Wilson: No creo que se puedan tener demasiados números, pero hay algo de credibilidad en lo que Joannes está diciendo sobre encontrar la información correcta. Los datos en todas sus formas son simplemente eso: datos en bruto, los bloques de construcción con los que se puede comenzar a construir algo. Convertir esos datos en información y luego en ideas es donde las empresas están luchando. Sin embargo, los beneficios de llegar allí superan con creces el costo del viaje para llegar allí. Las empresas necesitan comenzar en ese viaje incluso si están luchando ahora, porque desarrollar esos datos en bruto en ideas útiles para una organización es crucial.
Kieran Chandler: Necesitamos dejar de vivir en el pasado y comenzar a mirar hacia adelante, encontrar nuevas ideas sobre los consumidores y la economía, especialmente en momentos como los que estamos enfrentando ahora con COVID. Necesitamos comenzar a abrir esas ideas.
Joannes Vermorel: Una de las ideas clave en las que nos enfocamos en Lokad es la idea de las decisiones empresariales. ¿Dónde pueden estas decisiones realmente cambiar la forma en que opera un negocio? Con la analítica, hay varios caminos que pueden llevar a líneas de actividad o pensamiento no productivas. Necesitas un propósito práctico y mundano que impulse lo que estás haciendo con tu análisis, los números, la visualización y todo. Una decisión es algo que tiene un impacto físico y tangible en las cadenas de suministro, como una decisión de compra, un movimiento de stock o un cambio de precio. Si estás mirando los números con la intención directa de mejorar una decisión, puede ser bueno. Lo que suelo ver son océanos de métricas vanidosas, donde terminas con tantos KPI que casi es un insulto llamarlos “clave”. Carecen de enfoque y de un mecanismo incorporado o intención de convertirlos en algo accionable a gran escala y de manera completamente automatizada.
Kieran Chandler: Eric, en tu nuevo libro, “Predictive Analytics for Business Forecasting”, se centra mucho en el planificador de la demanda. Hemos notado en la industria que a medida que los equipos de datos crecen, hay más énfasis en buscar un planificador de la demanda capaz. ¿Hay una deficiencia en la industria en ese sentido?
Eric Wilson: Hay tanto sí como no en eso. Los planificadores de la demanda son capaces de crecer en el puesto. Están preparados para analizar lo que está afectando a los consumidores, lo que está afectando a la demanda, para comprender y establecer conexiones con diferentes variables. Están preparados para comunicar eso a la cadena de suministro, a las finanzas y a otras partes de la organización, brindando información útil que otras partes de la organización pueden utilizar. Tienen las habilidades para hacerlo. Dicho esto, en este momento estamos viendo una escasez de planificadores de la demanda porque hay una gran demanda de ellos. Los salarios han aumentado entre un 30 y un 40 por ciento en los últimos cinco años. Incluso durante estos tiempos, vemos que los tablones de anuncios de empleo se llenan de personas que buscan a aquellos con habilidades cualitativas, cuantitativas y de comunicación para combinar análisis y conocimientos empresariales en una organización. Entonces, ¿están calificados? Sí, pueden hacerlo. ¿Pero hay suficientes de ellos? La respuesta sería no.
Kieran Chandler: Y creo que eso es algo que probablemente también podríamos decir aquí. Siempre estamos buscando científicos de la cadena de suministro bien calificados, y siempre es algo que puede ser bastante desafiante de encontrar. ¿Por qué es tan difícil desde tu perspectiva, Joannes?
Joannes Vermorel: El talento es raro por definición. Cada empresa dice que solo contrata a los mejores, pero la realidad es que el mercado solo contrata a la media. Este tipo de trabajos son donde las personas que son mejores en ello obtienen resultados desproporcionadamente buenos. Estamos entrando en un ámbito similar al trading cuantitativo en los bancos, donde unos pocos traders obtienen la mayor parte de las ganancias. La tecnología es un multiplicador de la inteligencia humana, por lo que si tienes a alguien más inteligente, más capaz y con mejores conocimientos empresariales, simplemente lo hará más rápido y a mayor escala para su organización. Esto se está volviendo muy cierto también para la cadena de suministro, no solo para el trading en banca y finanzas.
Lo que dificulta más de lo que debería, creo, es la idea del científico de datos. Esto se ha vuelto muy popular en los últimos cinco años, pero el problema es que terminas con personas a las que se les ha dicho en las universidades que su enfoque debería ser la tecnología en sí misma. Necesitan ser muy buenos en Python, PyTorch, Keras, TensorFlow o cualquier otra herramienta popular de código abierto del día para el aprendizaje automático. Si bien ciertamente es necesario tener un cierto grado de fluidez con las herramientas técnicas, no es un sustituto de una comprensión muy paciente de lo que hace que la cadena de suministro funcione, incluidos los detalles minuciosos que impulsan una organización. Si los pasas por alto, estás completamente fuera de lugar. Por lo tanto, hay un poco de lucha para los científicos de la cadena de suministro que han realizado toneladas de ejercicios en modelos probados e implementados en empresas 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 en el lado de Google. La realidad es que la dificultad es de un tipo diferente; no se trata de tener un gran clúster de GPUs donde vas a procesar petabytes de datos, sino de obtener los detalles precisos de tu análisis de la cadena de suministro, lo cual es un tipo de dificultad diferente.
Kieran Chandler: ¿Qué opinas de esto, Eric? Tu libro obviamente cubre una amplia gama de técnicas analíticas diferentes. ¿Dirías que lograr esa base y esa visión general es algo un poco más difícil de lograr?
Eric Wilson: Estoy de acuerdo.
Kieran Chandler: Hay diferentes conjuntos de habilidades en el científico de datos y el planificador de demanda. También hay mucho que pueden aprender el uno del otro, y creo que esa es una gran visión general de lo que exactamente hablaste, algunas de las dificultades que estamos viendo. Quiero decir, el planificador de demanda necesita basarse más en la ciencia. Necesitan analizar cosas y examinar variables externas, examinar nuevas tecnologías, modelar esas cosas que son realmente el mundo del científico de datos. Ellos, los planificadores de demanda, necesitan salir de su zona de confort y hacer más de eso. Al mismo tiempo, esa colaboración, esa comodidad con la ambigüedad, ese tipo de situaciones, la comunicación, todas esas cosas que los planificadores de demanda tienen como habilidades sólidas, son cosas que les ayudan, y ahí es donde los científicos de datos también necesitan entrar. Así que realmente habrá una mezcla de los dos conjuntos de habilidades en el futuro para un rol de planificación de la demanda.
Eric Wilson: Hay algo único en una cadena de suministro. Hay algo único en poder tener un modelo que cambie a diario y poder adaptarse a él. Hay algo único en la cadena de suministro que necesitas poder ofrecer desde un rol de planificación de la demanda, agregando también la analítica como otra capacidad dentro de eso. Y eso es realmente lo que estás buscando poder hacer.
Kieran Chandler: ¿Quieres profundizar, Joannes? Me pregunto si no necesitaríamos, no sé, un científico de la cadena de suministro o algo así.
Joannes Vermorel: No, solo bromeo. Es literalmente la terminología inventada de Lokad para este tipo de posición. Es un poco inventado, pero fue una forma para que Lokad señalara literalmente al mercado porque recibimos muchos solicitantes, especialmente en el lado de la ciencia de datos, porque es principalmente lo que producen las universidades. Diría que probablemente las universidades producen probablemente 10 científicos de datos por cada planificador de demanda en la actualidad. Se ha convertido en una gran tendencia. Y fue solo para poner a los candidatos, los solicitantes, en la mentalidad correcta de que primero y ante todo estarán haciendo cadena de suministro, no modelos avanzados de deep learning sofisticados.
Eric Wilson: Esa es una buena manera de verlo. Quiero decir, son esas cosas básicas que necesitas en la cadena de suministro, pero agregando ese pensamiento probabilístico. Porque mucha gente en la cadena de suministro, quiero decir, la forma antigua, era muy determinista. “Voy a vender X cantidad el próximo mes y voy a planificar toda mi cadena de suministro en torno a eso”. Todos sabemos que eso no es lo que va a ocurrir. Necesitamos empezar a pensar más en probabilidades, empezar a pensar más en rangos, pensar en más de esos riesgos y oportunidades. Ahí es donde entra en juego un científico de la cadena de suministro, ahí es donde la planificación de la demanda ayuda a habilitar, esas son las cosas a las que las empresas necesitan recurrir. Así que cuando hablas de analítica, es solo el comienzo. Cuando la analítica se convierte en una palabra de moda en ciertas organizaciones, puedes utilizarla con el pensamiento correcto, la cultura correcta dentro de una organización, y comenzar a cambiar las mentalidades de la cadena de suministro, comenzar a cambiar las mentalidades de una organización para utilizar más esa analítica, digamos, que los sistemas, el pensamiento probabilístico, cosas de ese tipo.
Kieran Chandler: Eric, mencionaste que la ciencia de datos es algo que se está volviendo un poco más de moda, y eso es algo con lo que definitivamente estamos de acuerdo. Es algo de lo que estamos escuchando cada vez más. ¿Qué hay de la propia industria de la cadena de suministro? Quiero decir, hay tanta complejidad allí. ¿Dirías que eso es intimidante para alguien que está comenzando?
Eric Wilson: Personalmente, creo que la planificación de la demanda es sexy, y creo que será la próxima carrera sexy en el futuro. Pero en ese sentido, en las encuestas más recientes debido a COVID, cuando se entrevistó a los directores financieros y los directores ejecutivos, sus principales preocupaciones fueron el flujo de efectivo, cuándo terminará la pandemia y la planificación de la demanda y la cadena de suministro. Así que hemos pasado de la oficina a la sala de juntas. Ahora hay mucha atención en la cadena de suministro. Ves periódicos y programas de televisión que hablan de la cadena de suministro, lo cual no sucedía hace unos años. Su importancia se ha elevado y con eso viene la gente que quiere ocupar esa posición y hacer crecer esa posición también. ¿Es intimidante? No, simplemente creo que era una función de oficina que se realizaba y la gente no la entendía. La gente está empezando a no solo entenderla, sino también a entender su importancia ahora.
Kieran Chandler: Estamos viendo muchos informes de los medios de comunicación sobre la cadena de suministro utilizando diferentes palabras de moda, pero no hay tanto entendimiento detrás de ellas. ¿Dirías que eso también es algo intimidante para alguien que está comenzando, Joannes?
Joannes Vermorel: En lo que respecta a los periodistas, su completo desconocimiento de un tema nunca les ha impedido escribir toneladas de contenido al respecto. Sin embargo, bromas aparte, 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 recto en su forma de pensar, lo pondrían en el lado de la producción. Si eran enérgicos y orientados a la acción, los colocarían en el lado de las ventas. Pero si no eran ni enérgicos ni confiables, los pondrían en el lado de la cadena de suministro. Esa era la mentalidad en ese entonces.
Afortunadamente, en las últimas dos décadas, muchas universidades han comenzado a ofrecer programas de maestría en cadena de suministro 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 y la globalización, lo que lo ha hecho aún más desafiante.
Kieran Chandler: ¿Cuánto dirías que va a cambiar el papel del análisis en las próximas décadas y cómo ves que evolucione?
Eric Wilson: Oh wow, quiero decir, obviamente va a haber una gran evolución o revolución en los próximos años. Estamos viendo la necesidad de volverse más ágiles, más receptivos y más predictivos dentro de las organizaciones. Por lo tanto, con eso, las organizaciones van a tener que ponerse al día. Van a tener que empezar a depender más de la microsegmentación de los consumidores ahora. Ya no pueden simplemente cubrir las ondas de radio y los sitios web con material. Tienen que empezar a apuntar de manera más específica, y eso va a depender de una buena planificación de la demanda y de la cadena de suministro para poder ayudar a respaldar esas cosas. Lo que vamos a ver es la democratización de los datos, y ya vemos la democratización del análisis y esa función de la cadena de suministro realmente se está convirtiendo en un soporte fundamental en toda la organización, respaldando todo tipo de funciones en el futuro. Realmente creo que las organizaciones se volverán mucho más planas y dependerán más del análisis como fuerza impulsora de esas organizaciones en el futuro.
Kieran Chandler: Joannes, ya hablamos sobre la idea de la microsegmentación cuando estábamos hablando sobre el uso de los datos de las tarjetas de fidelidad, 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, mezclándose con 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 avanzado aprendizaje automático que clasifica tu correo todo el tiempo, y es muy preciso. Si revisas tu bandeja de spam, el 99% es spam, bien clasificado, y no haces nada; simplemente funciona. Si has estado usando Google Mail, Outlook, o cualquier otro, es así. Cuando se hace correctamente, la tecnología muy madura, especialmente en el lado del aprendizaje automático, desaparece y hace su trabajo de manera silenciosa y confiable, sin problemas. De alguna manera, olvidas que está ahí, pero puedes seguir trabajando en mejorarlos, haciendo mucho gracias a eso. Diría que el futuro de la tecnología de análisis de la cadena de suministro para 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 papel de la inteligencia artificial en la optimización de la cadena de suministro?
Joannes Vermorel: El targeting directo se hará automáticamente, simplemente funcionando sin problemas. La carga de trabajo de tus almacenes, plantas, tiendas, lo que sea, también se hará en segundo plano. Nadie prestará atención a ese tipo de cosas a diario, excepto algunos especialistas. Sin embargo, se convertirá en un arte tener personas que sean muy buenas para seguir siendo competitivas y mejorar el sistema en general. No tener este tipo de tecnología te hará no competitivo, al igual que tener un buzón sin un anti-spam requeriría que pases todo el día clasificando tu spam. Obviamente, sin eso, sería casi imposible usar el correo electrónico. Ahora, el correo electrónico no es una analogía completamente adecuada porque puedes tener una tecnología anti-spam que sea la misma para millones de empresas que usan Gmail o Outlook. La cadena de suministro es mucho más diversa, por lo que no veo esto como una posición de mercado realista en la que una empresa capture todo el mercado porque es demasiado diverso. Todavía habrá mucha tecnología, pero si tuviera que adivinar una cosa, sería mucho más como el anti-spam, en su mayoría invisible e impresionante pero más importante que nunca.
Eric Wilson: En ese sentido, estás hablando de la definición de inteligencia artificial, que es un término ambiguo, pero es cualquier cosa que automatiza o mejora un proceso o resultado. Eso es de lo que estamos hablando, donde habrá menos modelado, análisis, aspectos técnicos, y más aspectos suaves.
Kieran Chandler: Cuando algo se convierte en una mercancía, otra cosa se vuelve premium. Entonces, cuando tus datos se convierten en una mercancía, cuando incluso tu modelado se convierte en una mercancía dentro de las organizaciones porque la tecnología puede ayudar a proporcionar eso casi sin intervención, entonces las preguntas que hacer se vuelven premium o, ya sabes, cómo traducir eso en hablar con el CEO, eso se vuelve premium. Y ahí es donde estás buscando ser un planificador de demanda de la cadena de suministro, esas personas que se ajusten a esos objetivos en el futuro. Así que excelentes ideas ahí.
Joannes Vermorel: Sí, hablamos de eso aquí, esta especie de idea de que la cadena de suministro sea completamente silenciosa, y eso es un poco el sueño.
Kieran Chandler: Eric, te dejaremos la última palabra a ti. Como palabra final, ¿cuáles son tus esperanzas para tu libro y qué habilidades te gustaría que adquiriera un planificador de demanda al leerlo?
Eric Wilson: Sí, mi esperanza para el libro es que no sea un libro matemático. Realmente te brinda las introducciones al aprendizaje automático, la inteligencia artificial, la analítica predictiva. Está en el nombre, analítica predictiva para la previsión empresarial, para la cadena de suministro, para el planificador de demanda, para ayudarlos a pasar de preocuparse por los conjuntos de datos internos que miran hacia atrás, a tener una visión más orientada hacia el futuro, mirando conjuntos de datos externos, buscando nuevas formas de analizar datos, mirando modelos que tal vez no hayan considerado antes. Les brinda esas piezas introductorias. Está separado en personas, procesos, analítica y tecnología, así es como se estructura el libro. Por lo tanto, no se enfoca solo en, ya sabes, aquí hay un conjunto, aquí está, ya sabes, un árbol de decisiones, aquí están, ya sabes, estos modelos y cómo hacerlo. Te da un poco de sabor de eso, pero comienza con el lado humano, cómo construir una organización basada en datos o analítica. Examina el lado tecnológico, qué tipo de empresas ayudan a respaldar, qué necesitas para comenzar a construir, ¿cómo obtienes esa visualización ahora? Y también examina ese lado de los datos, explicando exactamente qué son los datos y cómo puedes comenzar a utilizarlos dentro de tu organización, en lugar de simplemente nadar en el lago de datos. Realmente te permite entender cómo incorporar elementos en tu organización hoy que puedas usar hoy, y eso es realmente lo que espero lograr. Muy bien.
Kieran Chandler: Genial. Bueno, tenemos que terminar aquí, pero gracias a ambos por su tiempo hoy.
Joannes Vermorel: Gracias.
Kieran Chandler: Eso es todo por esta semana. Muchas gracias por sintonizar y nos vemos en el próximo episodio. Gracias por ver.
