Llevando decisiones automatizadas de la cadena de suministro a producción - Clase 7.2

00:00 Introducción
03:39 La automatización siempre ha sido el objetivo
06:28 Gestión de excepciones y alertas
10:27 Lo que hemos visto hasta ahora
14:33 Nuestro lanzamiento de producción hoy
15:59 Resumen: entregables, alcance y roles
19:01 Descubriendo la forma de la decisión
23:00 Respuesta impulsada por el legado
27:20 Iterando hacia la cordura al cien por ciento
32:30 Métricas aspiracionales
36:27 Doble ejecución: manual + mecánica
39:19 Análisis parálisis
43:21 Toma gradual de automatización
46:08 Sedimentación del proceso
48:57 De planificador a gerente de red
52:46 El turista de KPI
54:58 Liderazgo: de entrenador a propietario del producto
58:46 El jefe de la cadena de suministro analógica
01:02:25 Conclusión
01:04:44 7.2 Llevando decisiones automatizadas a producción - ¿Preguntas?

Descripción

Buscamos una receta numérica para impulsar toda una clase de decisiones mundanas, como el reabastecimiento de existencias. La automatización es esencial para convertir la cadena de suministro en un emprendimiento capitalista. Sin embargo, conlleva riesgos sustanciales de causar daños a gran escala si la receta numérica es defectuosa. Fallar rápido y romper cosas no es la mentalidad adecuada para aprobar una receta numérica para producción. Sin embargo, muchas alternativas, como el modelo de cascada, son aún peores, ya que suelen dar una ilusión de racionalidad y control. Un proceso altamente iterativo es la clave para diseñar la receta numérica que demuestre ser de calidad de producción.

Transcripción completa

Bienvenidos a esta serie de conferencias sobre cadena de suministro. Soy Johannes Vermorel y hoy presentaré “Llevando Decisiones Automatizadas de la Cadena de Suministro a Producción”. Durante los últimos dos siglos, nuestras economías han experimentado una transformación masiva a través de la mecanización. Las empresas que lograron un grado superior de mecanización en comparación con sus competidores casi siempre llevaron sistemáticamente a esos competidores a la bancarrota. La mecanización nos permite hacer más, mejor y más rápido, al tiempo que reduce los costos. Esto es cierto tanto para tareas físicas como mover mercancías con una carretilla elevadora en lugar de llevar cajas a mano, como para tareas intelectuales como calcular cuánto dinero te queda en el banco.

Sin embargo, nuestra capacidad para mecanizar una tarea depende de la tecnología. Aún hay muchas tareas físicas que aún no se pueden mecanizar, por ejemplo, cortarse el pelo o cambiar las sábanas. Por otro lado, aún hay muchas tareas intelectuales que aún no se pueden mecanizar, como contratar a la persona adecuada o descubrir lo que el cliente quiere. No hay razón para creer que esas tareas, ya sean intelectuales o mecánicas, no puedan ser mecanizadas en algún momento. Sin embargo, la tecnología aún no está completamente desarrollada.

La mayoría de las decisiones rutinarias y mundanas de la cadena de suministro ahora se pueden automatizar. Este es un desarrollo relativamente reciente. Hace una década, el alcance de las decisiones de la cadena de suministro que se podían automatizar con éxito era solo una fracción de todo el espectro de decisiones de la cadena de suministro. Hoy en día, la situación se ha invertido y, con la tecnología adecuada, las decisiones repetitivas de la cadena de suministro que no se pueden automatizar con éxito son pocas y distantes entre sí. Con automatización exitosa, me refiero a un proceso en el que las decisiones automatizadas son superiores a las obtenidas con un proceso manual, no a la capacidad de generar decisiones con una computadora, lo cual es trivial siempre y cuando no te importe la calidad de las decisiones generadas.

Nuestro enfoque hoy no está en la receta numérica, es decir, en el software que hace posible esta automatización en primer lugar. En el contexto de los procesos de toma de decisiones de la cadena de suministro, los ingredientes para crear una receta numérica de este tipo se han cubierto en capítulos anteriores de esta serie de conferencias. Nuestro enfoque hoy está en las partes de la iniciativa de la cadena de suministro que son necesarias para llevar esta receta numérica a producción. El objetivo de esta conferencia es describir lo que se necesita para que una empresa haga la transición de decisiones manuales de la cadena de suministro a decisiones automatizadas. Al final de esta conferencia, deberías tener una idea de lo que se debe y no se debe hacer al hacer la transición hacia la automatización. De hecho, la dificultad técnica asociada con la receta numérica misma tiende a eclipsar los aspectos organizativos que son igualmente críticos para que la iniciativa tenga éxito.

Cuando a los profesionales de la cadena de suministro de hoy en día se les presenta la idea de la automatización de la toma de decisiones, su reacción inmediata tiende a ser “Esto es una idea futurista. Aún no estamos cerca de eso”. Sin embargo, la automatización completa de las decisiones mundanas y repetitivas de la cadena de suministro ha sido el objetivo desde el comienzo de la era digital de las cadenas de suministro hace más de cuatro décadas.

Tan pronto como las computadoras estuvieron disponibles para las empresas, las personas se dieron cuenta de que la mayoría de las decisiones de la cadena de suministro eran candidatas obvias para la automatización completa. En la pantalla, seleccioné una lista de publicaciones que ilustran esta ambición. En los años 70 y 80, este campo ni siquiera se llamaba cadena de suministro. El término solo se hizo popular en los años 90. Sin embargo, la intención ya era clara. Esos sistemas informáticos parecían adecuados de inmediato para automatizar las decisiones de la cadena de suministro más repetitivas, como el reabastecimiento de inventario.

Lo más desconcertante para mí es que esta comunidad parece estar algo ajena a sus antiguas ambiciones. Hoy en día, para sonar futurista, a veces se utiliza el término “cadena de suministro autónoma” por parte de empresas de consultoría o empresas de tecnología para transmitir esta perspectiva de mecanización de las decisiones mundanas de la cadena de suministro. Sin embargo, el término “autónomo” me parece inapropiado. No usamos el término “logística autónoma” para referirnos a una cinta transportadora con un sistema de clasificación. La cinta transportadora está mecanizada, no es autónoma. La cinta transportadora aún requiere supervisión técnica, pero esta innovación representa solo una pequeña fracción de la mano de obra que de otro modo sería necesaria para transportar los productos sin la cinta transportadora. En lo que respecta a las decisiones de la cadena de suministro, el objetivo no es eliminar por completo a los humanos de la organización, logrando así una tecnología verdaderamente autónoma. El objetivo es simplemente eliminar a los humanos de la parte más consumidora de tiempo y más rudimentaria del proceso. Esta es exactamente la perspectiva que se adoptó en esos documentos publicados hace cuatro décadas y esta es la perspectiva que también estoy adoptando en esta conferencia.

Durante la década de 1990, parece que los proveedores de software, tanto los proveedores de ERP como los especialistas en optimización de inventario, abandonaron en gran medida la idea de lograr decisiones automatizadas en la cadena de suministro. A posteriori, los modelos simplistas de la década de 1970, que en gran medida ignoraban muchos factores importantes como la incertidumbre, fueron la causa raíz obvia para explicar por qué la automatización no tuvo éxito en ese momento. Sin embargo, solucionar esta causa raíz resultó estar más allá de lo que la tecnología podía ofrecer en ese período. En su lugar, los proveedores de software optaron por sistemas de gestión de excepciones. Se espera que estos sistemas produzcan alertas de inventario basadas en reglas establecidas por la propia empresa cliente. La línea de razonamiento fue: dejemos que la automatización se encargue de la mayoría de las líneas que se pueden procesar automáticamente para que la intervención humana se centre en las líneas difíciles, las líneas que están más allá de la capacidad de la máquina.

Dejemos en claro de inmediato que vender un sistema de gestión de excepciones es un buen negocio para el proveedor de software, pero mucho menos para la empresa cliente. En primer lugar, la gestión de excepciones traslada la responsabilidad del rendimiento de la cadena de suministro del proveedor al cliente. Una vez que se implementa la gestión de excepciones, si los resultados son malos, es culpa del cliente. Deberían haber configurado mejores alertas para evitar que ocurran situaciones perjudiciales en primer lugar.

En segundo lugar, crear un sistema para gestionar alertas de inventario parametrizadas es fácil para el proveedor de software siempre y cuando el proveedor no tenga que proporcionar ningún valor de parámetro que rija las alertas de origen. De hecho, desde una perspectiva analítica, poder producir una buena alerta de inventario significa que se puede diseñar una regla que pueda identificar de manera confiable las malas decisiones de inventario. Si se puede diseñar una regla que pueda identificar de manera confiable las malas decisiones de inventario, entonces, por definición, la misma regla también se puede utilizar para producir de manera confiable buenas decisiones de inventario. De hecho, la regla solo tiene que usarse como un filtro para evitar que se tomen malas decisiones.

En tercer lugar, la gestión de excepciones es una estrategia algo astuta para que el proveedor de software explote la psicología humana. De hecho, esas alertas explotan un mecanismo conocido como “compromiso y consistencia” por parte de los psicólogos empíricos. Este mecanismo crea una adicción fuerte pero en gran medida accidental al producto de software. En resumen, una vez que los empleados comienzan a ajustar los números de inventario, ya no son números arbitrarios. Son sus números, su trabajo y, por lo tanto, los empleados se sienten emocionalmente vinculados al sistema, sin importar si el sistema realmente ofrece un rendimiento superior en la cadena de suministro o no.

En general, la gestión de excepciones es un callejón sin salida tecnológico porque, en el caso general, tanto el diseño de excepciones confiables como el diseño de alertas confiables son tan difíciles como el diseño de una automatización confiable para las decisiones. Si no puedes confiar en tus alertas y si no puedes confiar en que tus excepciones sean confiables, entonces debes revisar todo manualmente, lo que te lleva de vuelta al punto de partida. El proceso de toma de decisiones sigue siendo estrictamente manual.

Esta serie de conferencias sobre la cadena de suministro incluye dos docenas de episodios. En este punto, de alguna manera, todos los elementos que hemos presentado hasta ahora se han hecho con el propósito explícito de llegar al punto en el que nos encontramos hoy: al borde de poner en producción esta iniciativa de Supply Chain Quantitativa. Más específicamente, es la receta numérica la que queremos poner en predicción y este es el enfoque de la conferencia de hoy.

En esas conferencias, estoy utilizando el término “receta numérica” para referirme a la secuencia de cálculos que toma datos históricos en bruto como entrada y produce las decisiones finales como salida. Esta terminología es intencionalmente vaga porque refleja muchos conceptos, métodos y técnicas diferentes que se han cubierto de manera precisa a lo largo de las conferencias de los capítulos anteriores. En el primer capítulo, hemos visto por qué la cadena de suministro debe volverse programática y por qué es muy deseable poder poner una receta numérica de este tipo en producción. La creciente complejidad de las propias cadenas de suministro hace que la automatización sea más urgente que nunca. También existe un imperativo de convertir la práctica de la gestión de la cadena de suministro en una empresa capitalista.

El segundo capítulo está dedicado a las metodologías. De hecho, las cadenas de suministro son sistemas competitivos. Esta combinación derrota a las metodologías ingenuas. Entre las metodologías que hemos introducido, los personajes de la cadena de suministro y la optimización experimental son de suma relevancia para el tema de hoy. Los personajes de la cadena de suministro son clave para adoptar la forma correcta de decisiones. Volveremos a este punto en unos minutos. La optimización experimental es esencial para entregar algo que realmente funcione. Nuevamente, también volveremos a este punto en unos minutos.

El tercer capítulo analiza el problema, dejando de lado la solución a través de los personajes de la cadena de suministro. Este capítulo intenta caracterizar las clases de problemas de toma de decisiones que deben abordarse. Este capítulo muestra que perspectivas simplistas como tener que elegir la cantidad correcta para cada SKU no se ajustan realmente a situaciones del mundo real. Casi invariablemente hay una profundidad en la forma de las decisiones.

El cuarto capítulo analiza los elementos necesarios para comprender una práctica moderna de la cadena de suministro donde los elementos de software son omnipresentes. Estos elementos son fundamentales para comprender el contexto más amplio en el que opera la receta numérica y, de hecho, la mayoría de los procesos de la cadena de suministro. De hecho, muchos libros de texto de la cadena de suministro asumen implícitamente que sus técnicas y fórmulas operan en una especie de vacío. Esto no es cierto. El panorama aplicativo importa.

Los capítulos 5 y 6 están dedicados a la modelización predictiva y la toma de decisiones, respectivamente. Estos capítulos cubren los aspectos inteligentes de la receta numérica con técnicas de aprendizaje automático y técnicas de optimización matemática. Finalmente, el séptimo y presente capítulo está dedicado a la ejecución de una iniciativa de cadena de suministro cuantitativa cuyo propósito es precisamente poner una receta numérica en producción y mantenerla posteriormente. En la conferencia anterior, hemos cubierto lo necesario para iniciar la iniciativa mientras establecemos las bases adecuadas a nivel técnico. Esto significa la configuración de una tubería de extracción de datos adecuada. Hoy, queremos cruzar la línea de meta y poner esta receta numérica en acción.

Comenzaremos con un breve resumen de la conferencia anterior y luego continuaremos con tres aspectos importantes de las etapas posteriores de la iniciativa. El primer aspecto se trata del diseño de la receta numérica. Sin embargo, no hablaré sobre el diseño de los elementos numéricos de la receta, sino sobre el diseño del proceso de ingeniería en sí, que rodea la receta numérica. Veremos cómo abordar el desafío para darle a la iniciativa la oportunidad de que surja una solución satisfactoria.

El segundo aspecto se trata de la implementación adecuada de la receta numérica. De hecho, la empresa comienza con un proceso manual y termina con uno automatizado. Una implementación adecuada puede mitigar en gran medida el riesgo asociado con esta transición o más bien mitigar el riesgo asociado con una receta numérica que resultaría defectuosa, al menos inicialmente.

El tercer aspecto se trata del cambio que debe ocurrir en la empresa una vez que se implementa la automatización. Veremos que los roles y las misiones de las personas en la división de la cadena de suministro deben experimentar un cambio sustancial.

En la conferencia anterior, hemos visto cómo iniciar una iniciativa de supply chain cuantitativa. Vamos a repasar los aspectos más importantes. El entregable es una receta numérica operativa, que es un software que impulsa una clase de decisiones de supply chain, por ejemplo, el reabastecimiento de inventario. Esta receta numérica, una vez que se pone en producción, entregará la automatización que estamos buscando. Las decisiones no deben confundirse con artefactos numéricos como los pronósticos de demanda, que son simplemente resultados intermedios que pueden contribuir al cálculo de las propias decisiones.

El alcance de la iniciativa debe estar alineado tanto con la cadena de suministro, entendida como un sistema, como con su paisaje aplicativo subyacente. Prestar atención a las propiedades del sistema de la cadena de suministro es fundamental para evitar desplazar problemas en lugar de resolverlos. Por ejemplo, si la optimización de inventario de una tienda en una cadena minorista se realiza en detrimento de las otras tiendas, entonces esta optimización no tiene sentido. Además, prestar atención al paisaje aplicativo es importante porque tenemos que minimizar la cantidad inicial de esfuerzos de conexión de datos. Los recursos de TI casi siempre son un cuello de botella y debemos tener cuidado de no exacerbar esta limitación.

Por último, hemos identificado cuatro roles para esta iniciativa, a saber, el ejecutivo de la cadena de suministro, el oficial de datos, el Supply Chain Scientist y el practicante de la cadena de suministro. El ejecutivo de la cadena de suministro es el responsable de la estrategia, la conducción del cambio y arbitra las decisiones de modelado. El oficial de datos es responsable de la configuración del canal de datos, que pone a disposición los datos transaccionales relevantes para la capa analítica. En esta conferencia, asumimos que el canal de datos ya ha sido configurado. El Supply Chain Scientist es el encargado de la implementación de la receta numérica, que incluye mucha instrumentación, no solo los elementos algorítmicos inteligentes. Por último, el practicante de la cadena de suministro es una persona involucrada en el proceso de toma de decisiones manual. Esta persona suele tener un rol de planificador de oferta y demanda, aunque la terminología varía. Al comienzo de la iniciativa, se espera que pasen a desempeñar el papel de gerente de red al final de la iniciativa. Volveremos a visitar este punto más adelante en la conferencia.

Las cadenas de suministro son bastante favorables cuando se trata de la automatización de los procesos de toma de decisiones. Hay numerosas decisiones mundanas y altamente repetitivas que son cuantitativas por naturaleza. Desafortunadamente, la perspectiva de modelado ofrecida en la mayoría de los libros de texto de supply chain suele ser demasiado simplista. No estoy diciendo que las técnicas de los libros de texto sean demasiado simples o simplistas. Sin embargo, simplemente estoy diciendo que el tipo de problemas presentados en esos libros tienden a ser simplistas. Consideremos, por ejemplo, una situación de reabastecimiento de inventario. La perspectiva del libro de texto busca la política óptima de inventario para calcular cuántas unidades se deben reordenar. Esto está bien, pero a menudo es una respuesta bastante incompleta.

Por ejemplo, podemos tener que decidir si los productos se enviarán por aire o por mar, siendo los dos modos de transporte un compromiso entre el tiempo de entrega y el costo de transporte. Podemos tener que elegir un proveedor entre varios proveedores elegibles. Podemos tener que decidir el plan de envío exacto con varias fechas de envío si la cantidad es lo suficientemente grande como para justificar varios envíos.

El tercer capítulo de esta serie, un capítulo dedicado a las personajes de la cadena de suministro, presentó vistas detalladas de situaciones reales de la cadena de suministro en las que vemos que casi siempre hay sutilezas más allá de elegir una sola cantidad para un SKU determinado. Por lo tanto, el científico de la cadena de suministro, con la ayuda del profesional de la cadena de suministro y el ejecutivo de la cadena de suministro, debe comenzar por descubrir la forma completa de la decisión. La forma completa de la decisión debe incluir todos los elementos que contribuyen a dar forma a la operación real de la cadena de suministro. Descubrir la forma completa de la decisión es difícil.

En primer lugar, la división del trabajo implementada en la mayoría de las empresas que operan una gran cadena de suministro generalmente fragmenta los diversos aspectos de la decisión entre varios empleados y, a veces, entre varios departamentos. Por ejemplo, una persona elige la cantidad que se va a reordenar mientras que otra persona decide qué proveedor recibe la orden de compra.

En segundo lugar, los aspectos más sutiles de la decisión, como solicitar al proveedor que acelere el pedido cuando ha habido un aumento repentino de la demanda, tienden a pasarse por alto porque los profesionales no se dan cuenta de que esos aspectos también se pueden y se deben automatizar. Sugiero que la descripción de esta forma completa de decisión se escriba, no como una serie de diapositivas, sino como un texto real. En particular, el texto debe aclarar el “por qué”. ¿Qué está en juego exactamente con cada aspecto de la decisión? De hecho, mientras que algunos aspectos de la decisión pueden ser relativamente obvios, como la cantidad en un reordenamiento, algunos otros aspectos pueden pasarse por alto o olvidarse. Por ejemplo, un proveedor podría ofrecer por un precio la opción de devolver los productos dentro de seis meses si los paquetes permanecen intactos. Ejercer o no esta opción debería formar parte de la decisión, pero puede olvidarse fácilmente.

Fallar al identificar la forma completa de la decisión de la cadena de suministro o, peor aún, caracterizar erróneamente la decisión en su totalidad es una de las formas más seguras de fracasar en la iniciativa. En particular, la respuesta impulsada por el legado es uno de los errores más frecuentes que ocurren en las grandes empresas. La esencia de la respuesta impulsada por el legado es adoptar una forma de decisión que en realidad no tiene sentido para la empresa y su cadena de suministro, pero que se adopta de todos modos porque la forma se ajusta a un software transaccional existente o se ajusta a un proceso existente dentro de la organización.

Por ejemplo, se puede decidir que el reabastecimiento de inventario debe controlarse mediante el cálculo de los niveles de existencias de seguridad en lugar de calcular directamente las cantidades reales que se deben reordenar. Calcular las existencias de seguridad puede parecer más fácil porque esas existencias de seguridad ya existen dentro del ERP. Por lo tanto, si los valores de las existencias de seguridad se volvieran a calcular, esos valores podrían inyectarse fácilmente en el ERP, anulando cualquier fórmula que se haya utilizado realmente en DRP.

Sin embargo, las existencias de seguridad tienen deficiencias sustanciales. Incluso algo tan básico como una cantidad mínima de pedido (MOQ) no encaja en una perspectiva de existencias de seguridad. Como mínimo, esta implementación se favorece no por un software, sino por procesos preexistentes dentro de la organización.

Por ejemplo, una red minorista puede tener dos equipos de planificación: un equipo dedicado al reabastecimiento de las tiendas y otro equipo dedicado a los niveles de personal de los centros de distribución. Sin embargo, esos dos problemas son fundamentalmente uno y el mismo. Una vez que se han seleccionado las cantidades de reorden para las tiendas, no hay margen para decidir cuánto personal se necesita para los centros de distribución. Por lo tanto, los dos equipos tienen misiones fundamentalmente superpuestas. Esta división del trabajo funciona siempre que los humanos estén involucrados. Los humanos son buenos para lidiar con requisitos ambiguos. Sin embargo, esta ambigüedad representa un obstáculo enorme para cualquier intento de automatizar el reabastecimiento o los requisitos de personal.

Esta anti-patrón, la respuesta impulsada por el legado, es muy tentadora porque minimiza la cantidad de cambios que se deben implementar. Sin embargo, la automatización del cambio de decisión cambia la forma en que se debe abordar la decisión. Con frecuencia, si se mantiene el diseño heredado, la iniciativa de la cadena de suministro cuantitativa fracasará.

En primer lugar, complica aún más el diseño de la receta numérica, que ya es una tarea bastante compleja. De hecho, los patrones que eran adecuados para una división del trabajo entre empleados humanos no son los adecuados para un software que es simplemente mecánico.

En segundo lugar, la respuesta impulsada por el legado también niega muchos de los beneficios potenciales asociados con la automatización. De hecho, en la cadena de suministro, muchas ineficiencias se encuentran en los límites que existen dentro de la empresa. La automatización elimina la necesidad de la mayoría de esos límites que se introdujeron debido a una forma específica de organizar la división del trabajo que no tiene sentido si tienes una computadora que se encarga de todo. No permitas que las decisiones tomadas hace dos o tres décadas dicten el futuro de tu cadena de suministro.

Una vez que se ha caracterizado adecuadamente la forma de la decisión, el científico de la cadena de suministro comienza a elaborar la receta numérica en sí, aprovechando los datos transaccionales históricos. En esta serie de conferencias, hay dos capítulos dedicados a los detalles técnicos de las técnicas algorítmicas que se pueden utilizar para aprender y optimizar. No volveré a visitar esos elementos hoy. Digamos simplemente que el científico de la cadena de suministro toma una serie de decisiones basadas en su conocimiento y experiencia, así como en las herramientas disponibles para los científicos de la cadena de suministro, para elaborar una receta numérica inicial.

Con las herramientas y técnicas adecuadas, este borrador inicial puede y debe implementarse en cuestión de días, como máximo unas pocas semanas. De hecho, no estamos hablando de una investigación avanzada que intenta descubrir algún tipo de técnica novedosa, sino simplemente de elaborar una adaptación de técnicas conocidas que abarquen las especificidades de la cadena de suministro de interés. De hecho, la receta numérica debe abarcar estrictamente los detalles técnicos de la decisión tal como se han identificado en su forma completa.

Incluso considerando a un científico de la cadena de suministro muy competente que aproveche las mejores herramientas que el dinero puede comprar, es inútil esperar que la receta numérica sea correcta en el primer intento. De hecho, las cadenas de suministro son demasiado complejas y oscuras, especialmente sus representaciones digitales, como para obtener una receta numérica correcta la primera vez. Los métodos numéricos de mirar hacia adentro, como tener métricas y puntos de referencia, no pueden detectar una falta de comprensión por parte del científico de la cadena de suministro de un dato.

Para cada columna en cada tabla obtenida del sistema de transacciones que opera la empresa, generalmente hay varias formas posibles de interpretar esos datos. Teniendo en cuenta que estamos hablando de docenas de columnas que se deben integrar en la receta numérica, los errores están garantizados. La única forma de evaluar la corrección de la receta numérica es ponerla a prueba y obtener comentarios del mundo real. Esto se discutió en el segundo capítulo de esta serie en la conferencia titulada “Optimización experimental”.

Por lo tanto, el científico de la cadena de suministro debe colaborar con el practicante de la cadena de suministro para identificar situaciones en las que la receta numérica en su forma actual todavía devuelve resultados insensatos. En términos generales, el científico de la cadena de suministro implementa un tablero de control que consolida la decisión tal como se tomaría hoy por la receta numérica y el practicante de la cadena de suministro intenta identificar líneas que parecen insensatas.

Basándose en esta retroalimentación, los científicos instrumentan aún más la receta numérica. La instrumentación toma la forma de indicadores que intentan responder a la pregunta: ¿por qué se tomó esta decisión aparentemente insensata en este contexto? Con base en esta instrumentación, es posible decidir si la receta numérica necesita ser corregida, por ejemplo, porque un impulsor económico está modelado de manera incorrecta, o si la decisión aparentemente insensata es realmente correcta, simplemente diferente a la forma en que se hacían las cosas en la empresa hasta ahora.

La optimización experimental es un proceso altamente iterativo. Como regla general, con las herramientas adecuadas, un científico de la cadena de suministro a tiempo completo debe poder presentar una nueva iteración de la receta numérica todos los días al practicante de la cadena de suministro. Si la receta numérica está correctamente instrumentada, a medida que avanza la iniciativa, el practicante no debería necesitar más de dos horas al día para proporcionar comentarios sobre la última iteración de la receta numérica.

La iteración se detiene cuando la receta numérica ya no genera resultados insensatos, es decir, cuando el practicante no puede identificar decisiones que sean demostrablemente perjudiciales para la empresa. La ausencia de decisiones insensatas puede parecer un objetivo bajo en comparación con nuestro objetivo general de generar decisiones superiores en comparación con el proceso manual. Sin embargo, tengamos en cuenta que la receta numérica ha sido diseñada desde el principio para realizar explícitamente una optimización matemática del interés económico a largo plazo de la empresa. Si los resultados son sensatos, entonces la optimización está funcionando y, lo que es más importante, también demuestra que el criterio de optimización en sí mismo es algo correcto.

Si bien el proceso de ingeniería altamente iterativo de la receta numérica puede solucionar numerosos problemas que están presentes en la implementación inicial, las iteraciones por sí solas no son suficientes si la perspectiva misma que se utiliza en la optimización es incorrecta. En esta serie de conferencias, ya he dicho que la optimización debe realizarse según una métrica financiera, es decir, una métrica expresada en euros o dólares. Sin embargo, permítanme aclarar esta afirmación: no utilizar una métrica financiera es un error que pone en peligro toda la iniciativa.

Desafortunadamente, las grandes organizaciones suelen evitar las métricas financieras. En cambio, prefieren métricas aspiracionales, que se presentan como un porcentaje y representan algún tipo de perfección que se lograría si se alcanzara el cero por ciento o el cien por ciento, según el caso. Naturalmente, la perfección no es de este mundo y esta situación límite nunca se alcanzará. Los niveles de servicio, por ejemplo, son el arquetipo de la métrica aspiracional. El nivel de servicio del 100% es imposible de alcanzar, ya que requeriría una cantidad irrazonable de stock.

A algunos gerentes de grandes empresas les encantan estas métricas aspiracionales. Los equipos se reunirán rutinariamente para discutir qué se puede hacer para mejorar aún más esas métricas. Como esas métricas dependen invariablemente de factores que están fuera del control de la empresa, se pueden revisar infinitamente. Por ejemplo, los niveles de servicio dependen del volumen de demanda expresado por los clientes y los plazos de entrega ofrecidos por los proveedores. Ni la demanda ni los plazos de entrega están bajo el control total de la empresa.

Esas métricas aspiracionales funcionan de alguna manera como objetivos corporativos cuando los humanos siguen en el proceso de toma de decisiones, porque los humanos no prestan demasiada atención a esas métricas en primer lugar. Por ejemplo, incluso si todos están de acuerdo en que el nivel de servicio debe aumentarse, los planificadores seguirán manteniendo muchas excepciones no documentadas. El nivel de servicio se aumentará sistemáticamente, excepto si el riesgo de inventario es demasiado alto, si la cantidad mínima de pedido (MOQ) es demasiado alta, si el producto está a punto de ser eliminado o si no queda presupuesto para el producto, etc.

Desafortunadamente, esas métricas aspiracionales se convierten en veneno al implementar un proceso automatizado. De hecho, esas métricas son incompletas y no reflejan lo que realmente es deseable para la empresa. Por ejemplo, lograr un nivel de servicio del 100% no es deseable porque crearía un exceso de existencias masivo para la empresa. Es posible - no es imprudente pero es posible - intentar volver a implementar todas esas restricciones, todas esas excepciones sobre las métricas aspiracionales. Me refiero a tener la receta numérica que apunta a las métricas aspiracionales con muchas restricciones que imitan lo que puede estar sucediendo en la mente de un planificador. Por ejemplo, podríamos definir la regla que dice que el nivel de servicio debe aumentarse siempre y cuando mantengamos el inventario por debajo de cuatro meses de existencias. Sin embargo, esta estrategia para el diseño y la implementación real de la receta numérica es extremadamente frágil. La optimización financiera directa es un camino mucho más seguro y superior.

Para lograr una colaboración eficiente entre el profesional de la cadena de suministro - o más probablemente profesionales, en plural - y el científico de la cadena de suministro, recomiendo adoptar desde el principio una estrategia de doble ejecución. La receta numérica debe ejecutarse diariamente junto con el proceso manual preexistente. Con la doble ejecución, la empresa está generando efectivamente la decisión dos veces a través de dos procesos competitivos. Sin embargo, a pesar de la fricción, una doble ejecución ofrece beneficios sustanciales. En primer lugar, el profesional de la cadena de suministro necesita decisiones recién generadas que se ajusten a la situación actual para poder evaluarlas. De lo contrario, el profesional ni siquiera puede entender la decisión automatizada, ni siquiera puede identificar las partes que son insensatas. De hecho, desde la perspectiva del profesional, las decisiones que reflejan la situación de la cadena de suministro hace tres semanas son historia antigua. No hay mucho que ganar en pasar horas revisando los niveles de existencias pasados.

Por el contrario, si las decisiones automatizadas son frescas y reflejan la situación actual, entonces esas decisiones automatizadas compiten con las decisiones que el profesional está a punto de tomar manualmente. Esas decisiones automatizadas se pueden ver como sugerencias por el momento.

En segundo lugar, la ejecución diaria de la receta numérica garantiza que toda la tubería de datos reciba una prueba funcional completa todos los días. De hecho, la receta numérica no solo necesita devolver resultados coherentes; también debe funcionar sin problemas desde una perspectiva de infraestructura de TI. De hecho, las cadenas de suministro son lo suficientemente caóticas; la receta numérica no debe agregar su propio caos adicional. Poner la receta en lo que equivale a condiciones de producción lo antes posible garantiza que los problemas infrecuentes se manifiesten temprano y, por lo tanto, que el oficial de datos y los científicos de la cadena de suministro tengan la oportunidad de solucionar esos problemas temprano. Como regla general, al final del primer tercio, es decir, al final del tercer mes después de iniciar una iniciativa de suministro de cantidad, la ejecución dual debería estar en marcha, incluso si la receta numérica aún no está lista para ser puesta en producción.

Además, al final del primer mes de la ejecución dual, si el científico hace un buen trabajo, entonces el profesional debería comenzar a observar patrones en la lista de decisiones automatizadas que de otra manera se habrían pasado por alto, incluso si todavía hay algunas líneas insanas que aún requieren una mejora adicional de la receta numérica.

Una vez que la ejecución dual está en marcha, se espera que el profesional de la cadena de suministro dedique algún tiempo, una o dos horas al día, a analizar las decisiones generadas por la receta numérica y se espera que intente identificar las partes que aún no son del todo coherentes. Sin embargo, a veces la situación simplemente no estará clara. Una decisión es sorprendente, tal vez la receta numérica sea lenta, tal vez no lo sea. El profesional se siente inseguro y en este caso debe pedir al científico que agregue más instrumentación para arrojar luz sobre el caso. Este proceso es exactamente a lo que se hace referencia en esta serie de conferencias como “hacer transparente la receta numérica”. Hacer transparente la receta numérica es un proceso en el que se hace lo más transparente posible a los accionistas. Hacer transparente la receta numérica es algo bueno, incluso esencial, para generar confianza en la receta numérica.

Suponiendo que las decisiones automatizadas se recopilan en una tabla en el panel de control, la forma más típica de instrumentación será columnas adicionales junto a las columnas de decisiones. Por ejemplo, si estamos considerando las cantidades de reorden, entonces hay columnas de instrumentación obvias que se pueden considerar, como la cantidad de stock disponible, el tiempo de espera promedio esperado, la demanda promedio esperada durante el tiempo diario, etc. Esta instrumentación es fundamental para que el profesional pueda realizar evaluaciones rápidas sobre la coherencia de las decisiones automatizadas. Sin embargo, debemos tener en cuenta la cantidad de instrumentación que se acumula sobre la receta numérica. Cada indicador que se introduce para decorar la decisión automatizada como parte del proceso de hacer transparente la receta numérica, agrega un poco más de desorden a la vista que se puede tener de las propias decisiones. Demasiado de algo bueno puede convertirse en algo malo. Si después de dos meses de ejecución, el profesional sigue solicitando rutinariamente más instrumentación mientras la tubería de datos ya se ha estabilizado, entonces podemos tener un problema.

La causa raíz del problema puede estar asociada con partes inteligentes de la receta numérica. En los capítulos 5 y 6 de esta serie, hemos visto que todas las técnicas y modelos no son iguales en términos de interpretabilidad. Muchos modelos son muy opacos por diseño, incluso para los científicos de datos que los manejan. No voy a revisar hoy las clases de modelos que cumplen con los requisitos en cuanto a interpretabilidad se refiere. Para efectos de esta discusión, simplemente asumiré que los modelos que se han incorporado a la receta numérica son adecuadamente interpretables desde una perspectiva de cadena de suministro. En este contexto, cuando la iniciativa parece estancarse debido a una interminable serie de solicitudes de más instrumentación, la causa raíz más probable es el análisis parálisis. El profesional de la cadena de suministro está pensando demasiado en su evaluación de la receta numérica. Esta es la esencia del análisis parálisis. El profesional está sometiendo la receta numérica a un grado de escrutinio que supera lo que se hace para el proceso manual. Es responsabilidad del ejecutivo de la cadena de suministro asegurarse de que la iniciativa no se quede atascada en el análisis parálisis. Y si aún sucede, y puede suceder, también es responsabilidad del ejecutivo de la cadena de suministro recordar amablemente al equipo que las decisiones impulsadas por humanos también son imperfectas. Estamos buscando una mejora sobre el proceso manual, no la perfección.

Una vez que la receta numérica ya no genera decisiones insensatas y una vez que las decisiones mismas vienen con lo que parece ser un nivel adecuado de instrumentación, es hora de una toma gradual del proceso automatizado reemplazando el proceso manual. Como regla general, este punto debería alcanzarse dentro de dos a cuatro meses después del inicio de la ejecución dual. Desde el primer día de la ejecución dual, la receta numérica debería haber estado operando en todo el alcance de la iniciativa. Por lo tanto, en teoría, la transición de decisiones manuales a decisiones automatizadas podría ocurrir efectivamente de la noche a la mañana.

Sin embargo, la práctica frecuentemente difiere de la teoría. Si estamos hablando de una empresa de gran tamaño, es importante hacer la transición de todas las decisiones de un proceso a otro de la noche a la mañana. Las cadenas de suministro son muy complejas y debemos esperar lo inesperado. Por lo tanto, es más sabio comenzar con un alcance operativo pequeño, como una sola categoría de productos, y expandirse desde allí. Para las primeras etapas de la toma de control, es apropiado tomar una semana o tal vez dos semanas para cada iteración. Tanto el profesional de la cadena de suministro como los científicos de la cadena de suministro deben inspeccionar cuidadosamente cómo se llevan a cabo las decisiones automatizadas. Y si no ocurre nada inesperado en este alcance operativo pequeño, incluso si la receta numérica no genera más decisiones aparentemente insensatas en este punto, aún puede haber problemas en la forma en que las decisiones automatizadas se integran en los sistemas transaccionales. Una vez que la receta numérica ha estado impulsando la producción durante algunas semanas, incluso si el alcance fue relativamente pequeño, es apropiado acelerar las iteraciones.

La toma de control puede aumentar más sustancialmente en cada iteración y la duración de las propias iteraciones también se puede comprimir, posiblemente hasta dos iteraciones por semana. De hecho, el marco de tiempo completo de la transición hacia el proceso automatizado debe mantenerse razonablemente corto. De lo contrario, el retraso en la toma de control introduce otras clases de riesgo. La cadena de suministro sigue cambiando, al igual que su panorama aplicativo. Como regla general, la toma de control no debe exceder los dos a cuatro meses, dependiendo de la escala y complejidad de la empresa.

A medida que la cadena de suministro pasa de un proceso manual a uno automatizado, también deben ocurrir una serie de cambios dentro de la organización. Las organizaciones grandes son notoriamente difíciles de cambiar, pero existen dos direcciones distintas para el cambio. La organización puede agregar un proceso o la organización puede eliminar un proceso.

Eliminar un proceso es mucho más difícil que agregar uno. Agregar un proceso significa contratar personas y la única oposición a esto vendrá de la cúpula de la empresa porque es una línea de presupuesto adicional. Eliminar un proceso significa despedir personas o, al menos, despedir sus trabajos mientras se retiene y se capacita nuevamente a los empleados. Cuando se elimina un proceso, la situación se invierte. Se puede esperar oposición de toda la organización, excepto de su cúpula.

La forma más fácil de llevar una receta numérica a producción implica mantener una ejecución dual indefinidamente. El proceso manual existente se conserva y ahora aprovecha las decisiones automatizadas como simples sugerencias. Este enfoque se siente seguro e incluso puede proporcionar ganancias marginales, ya que las sugerencias automáticas ofrecen algunos beneficios al ayudar a los profesionales a identificar algunos de los peores errores asociados con el proceso manual. Sin embargo, preservar la ejecución dual indefinidamente resulta en sedimentación del proceso, donde la organización no logra eliminar algo.

Para que las prácticas de la cadena de suministro se conviertan en una empresa capitalista, un activo productivo, la organización debe abandonar el proceso manual. El proceso manual es un callejón sin salida; no mejorará con el tiempo. La organización debe redirigir todo el tiempo y la energía invertidos en el proceso manual hacia la mejora continua del proceso automatizado. Mantener el proceso manual solo obstaculiza la capacidad de aprovechar al máximo la automatización y lo que tiene para ofrecer. En particular, mientras sigan ocurriendo anulaciones manuales, nada es verdaderamente reproducible debido a las intervenciones manuales y, por lo tanto, nada puede ser verdaderamente optimizado, ya que la optimización requiere reproducibilidad.

La automatización de decisiones, incluso considerando las más mundanas y repetitivas, representa un cambio de paradigma en la forma en que se gestionan las cadenas de suministro. El cambio es tan significativo que es tentador descartarlo por completo. Sin embargo, el cambio está llegando. Dos siglos de mecanización progresiva de nuestra economía han dejado en claro: una vez que algo puede ser automatizado, se automatiza. Después de un tiempo, no se puede volver al estado anterior de las cosas. Lokad opera alrededor de 100 cadenas de suministro en configuraciones altamente automatizadas, brindando pruebas vivas de que la automatización de la cadena de suministro ya está aquí; simplemente no está generalizada todavía.

Uno de los mayores cambios que deben implementar nuestros clientes se refiere al papel del planificador de oferta y demanda. La forma principal de estos roles, que se conoce con varios nombres en la industria, como gerentes de inventario, gerentes de categoría o gerentes de suministro, implica que un empleado posea una lista corta de SKU, que puede variar de 50 a 5,000 SKU según el volumen de flujo. El planificador es responsable de la disponibilidad continua de los SKU en la lista corta, ya sea mediante la reposición de inventario o lotes de producción, o ambos. La división del trabajo es sencilla: a medida que aumenta el número de SKU, también aumenta el número de planificadores.

El enfoque del planificador es interno. Esta persona pasa mucho tiempo revisando números, ya sea consolidados en una hoja de cálculo o mostrados en paneles de control. Es posible que los planificadores estén utilizando herramientas de software empresarial, pero casi invariablemente finalizan sus decisiones dentro de las hojas de cálculo que ellos mismos mantienen. El propósito de la hoja de cálculo es proporcionar un contexto numérico accesible y totalmente personalizable para respaldar las decisiones tomadas por el planificador. La rutina del planificador consiste en revisar toda la lista corta de SKU cada semana, posiblemente todos los días.

Sin embargo, una vez que la receta numérica está en producción, no tiene sentido mantener esta programación de revisión manual de la lista corta de SKU por parte del planificador. El planificador debe pasar a desempeñar el papel de gerente de red. Liberado en gran medida de las rutinas relacionadas con los datos, el gerente de red puede invertir su tiempo en comunicarse con la red, tanto aguas arriba con los proveedores como aguas abajo con los clientes, y revisar las suposiciones que respaldan el diseño de la receta numérica. El principal peligro que amenaza a la receta numérica no es perder su precisión; es perder su relevancia. El gerente de red intenta identificar lo que no se puede ver a través de las lentes de los datos, al menos aún no. No se trata de microgestionar la receta numérica o hacer ajustes numéricos a las decisiones en sí mismas; se trata de identificar factores que siguen siendo ignorados o mal entendidos por la receta numérica.

El gerente de red consolida ideas destinadas tanto a los científicos de la cadena de suministro como a los ejecutivos de la cadena de suministro. Con base en estas ideas, los científicos pueden ajustar o refactorizar la receta numérica para reflejar una comprensión renovada de la situación.

Desafortunadamente, oponerse a la implementación de la receta numérica no es la única forma en que el planificador puede mantener el statu quo. Otra estrategia consiste en continuar con la misma rutina laboral: seguir revisando la lista corta de SKU, pero en lugar de anular las decisiones, simplemente informar todos los hallazgos, si los hay, al científico de la cadena de suministro. A las personas les encantan sus hábitos, y a los empleados de las grandes empresas aún más.

El problema con este enfoque es que, una vez que la automatización está en marcha, los científicos de la cadena de suministro pueden observar directamente los resultados del proceso automatizado, tanto los buenos como los malos. El planificador y los científicos tienen acceso a los mismos datos; sin embargo, el científico, por definición, tiene acceso a herramientas analíticas más poderosas en comparación con el planificador. Por lo tanto, una vez que se implementa la automatización, el valor agregado de la retroalimentación del planificador disminuye rápidamente cuando se trata de la mejora continua de la receta numérica.

Como el planificador ahora tiene más tiempo para analizar, es probable que solicite que el científico cree más indicadores y paneles de control. Esto lleva al “turismo de KPI”: aumentar el número de indicadores a revisar hasta que simplemente examinarlos se convierte en un trabajo a tiempo completo. Esta carga de trabajo también se convierte en una distracción para los científicos. En esta etapa, después de la implementación, mejorar la receta numérica requiere un buen conocimiento de las debilidades de la implementación actual. El científico está idealmente posicionado para hacer este trabajo, mientras que el planificador es mucho menos adecuado. Para ser de ayuda, el planificador debe convertirse en un gerente de red y, como se mencionó anteriormente, comenzar a mirar hacia afuera. De lo contrario, la posición del planificador se convierte en turismo de KPI.

El trabajo del ejecutivo de la cadena de suministro está en gran medida definido por la organización y sus procesos. Mientras las decisiones mundanas sigan siendo el resultado de un proceso manual, no hay otra alternativa para la organización que adoptar una división del trabajo donde cada planificador opera sobre su propia lista corta de SKU. Por lo tanto, el ejecutivo de la cadena de suministro es ante todo el gerente de un equipo de planificadores. Si la empresa es lo suficientemente grande como para justificar una capa de gestión intermedia, entonces el ejecutivo solo podría estar gestionando indirectamente a los planificadores. Aún así, la división de la cadena de suministro sigue siendo la misma: una pirámide con los planificadores en la base. Por necesidad, ser un buen ejecutivo de la cadena de suministro significa ser un buen entrenador para esos planificadores. El ejecutivo no está tomando las decisiones de la cadena de suministro; son los planificadores quienes toman esas decisiones. Mejorar las decisiones es principalmente una cuestión de lograr un mejor trabajo realizado por los planificadores.

Los proveedores de software de cadena de suministro argumentan que sus herramientas pueden marcar la diferencia. Sin embargo, como ya hemos señalado, las hojas de cálculo casi siempre se utilizan para tomar esas decisiones, sin importar cuántas herramientas se hayan implementado en la empresa. Por lo tanto, en última instancia, se reduce a lo que los planificadores están haciendo con sus propias hojas de cálculo.

Una vez que se ha automatizado una clase de decisión de la cadena de suministro, el trabajo del ejecutivo de la cadena de suministro cambia bastante. El trabajo ya no consiste en entrenar a un gran equipo de planificadores que están haciendo variaciones del mismo trabajo. Ahora, el trabajo del ejecutivo de la cadena de suministro es hacer todo lo posible para que la empresa aproveche al máximo su automatización de la cadena de suministro. El ejecutivo debe convertirse en el propietario del producto de software que impulsa eficazmente las decisiones de la cadena de suministro.

De hecho, el enfoque y la contribución de los científicos de la cadena de suministro son de mirada interna, al igual que las contribuciones anteriores de los planificadores. Los científicos solo pueden mejorar la receta numérica desde adentro. No se puede esperar que refactoren el panorama aplicativo o los procesos más amplios de la empresa. Es trabajo del ejecutivo de la cadena de suministro hacer que esto suceda. En particular, el ejecutivo se vuelve responsable de establecer una hoja de ruta para la mejora continua de la automatización.

Si las decisiones eran impulsadas por los planificadores, la hoja de ruta era en gran medida evidente. Los planificadores seguirían haciendo lo que hacen y la misión para el próximo trimestre sería en gran medida similar a la misión que tuvieron durante el trimestre anterior. Sin embargo, una vez que la automatización está en marcha, mejorar la receta numérica casi siempre implica hacer algo que nunca se ha hecho antes. Al crear software, si lo estás haciendo bien, no te repites, avanzas. Una vez que se ha adquirido una idea, se debe buscar un nuevo tipo de idea. La misión de las personas que trabajan bajo un propietario de producto de software está cambiando continuamente por diseño.

Las nuevas direcciones y objetivos no caen del cielo. Es responsabilidad del ejecutivo de la cadena de suministro dirigir el desarrollo del producto de software de la cadena de suministro en direcciones favorables.

La mayoría de los problemas diarios a los que se enfrentan las cadenas de suministro son problemas de software. Esto ha sido así durante más de una década en los países desarrollados, incluso en empresas donde todas las decisiones se derivan manualmente de hojas de cálculo. Esta situación es una consecuencia directa de que las cadenas de suministro se encuentren en la encrucijada de muchos sistemas: el ERP, CRM, WMS, OMS, PIM y docenas de acrónimos de tres letras amados por los proveedores de software empresarial que describen las diversas piezas de software empresarial que contienen todos los datos de interés para fines de cadena de suministro. Las cadenas de suministro requieren una perspectiva integral del negocio y, como resultado, terminan conectando la mayoría del panorama aplicativo de la empresa. Sin embargo, la mayoría de las empresas parecen seguir eligiendo líderes de cadena de suministro que saben muy poco sobre software. Peor aún, algunos de esos líderes no tienen la intención de aprender nada sobre software. Esta situación es el anti-patrón “analytics supply chain bus”. Cuando digo software, debe entenderse como el tipo de tema que cubrí en el cuarto capítulo de esta serie de conferencias, con temas que van desde hardware informático hasta ingeniería de software.

Hoy en día, la falta de conocimientos de software en la alta dirección de la cadena de suministro supone un gran problema para la empresa. O bien, la dirección cree que pueden hacerlo bien sin experiencia en software, o bien, la dirección cree que pueden hacerlo bien con experiencia en software externa. De cualquier manera, las consecuencias no son buenas.

Si la alta dirección cree que pueden hacerlo bien sin experiencia en software, entonces la empresa va a perder terreno en todos los canales electrónicos, tanto en el lado de las ventas como en el lado de las compras. Sin embargo, como muchos empleados se dan cuenta de que esos canales electrónicos importan, les guste o no a la alta dirección, la TI en la sombra será desenfrenada. Además, tenga la seguridad de que para la próxima transición importante de software dentro de la empresa, esta transición va a ser gestionada de manera muy deficiente, lo que resultará en períodos extensos de baja calidad de servicio debido a problemas relacionados con el software que podrían haberse evitado por completo en primer lugar.

Si la dirección cree que pueden hacerlo bien con experiencia en software de terceros, es marginalmente mejor que el caso anterior, pero no mucho. Confiar en expertos de terceros está bien si tienes un problema estrecho y autónomo, como asegurarte de que tu proceso de contratación cumpla con una regulación. Sin embargo, los desafíos de la cadena de suministro no son autónomos; se extienden por toda la empresa y con mucha frecuencia incluso más allá de la empresa. El error más frecuente asociado con pensar que la experiencia se puede externalizar consiste en destinar cantidades irrazonables de dinero a grandes proveedores de software, esperando que ellos resuelvan los problemas por ti. Sorpresa, no lo harán. La única solución para estos problemas es un mínimo de conocimientos de software por parte de la alta dirección.

Hoy hemos delineado cómo llevar las decisiones automatizadas de la cadena de suministro a la producción. El proceso es una combinación de diseño, ingeniería y conducción del cambio. Es un viaje difícil, con numerosos caminos aparentemente fáciles o tranquilizadores que conducen directamente al fracaso de la iniciativa. Para tener éxito, la iniciativa requiere una evolución sustancial de los roles y misiones tanto de la alta dirección de la cadena de suministro como de sus empleados.

Para las empresas que están profundamente arraigadas en sus procesos manuales, llevar a cabo una iniciativa de este tipo puede parecer insuperable, y por lo tanto mantener el statu quo puede parecer la única opción. Sin embargo, no estoy de acuerdo con esta conclusión por dos motivos. En primer lugar, aunque el viaje es arduo, es barato, al menos en comparación con la mayoría de las inversiones empresariales. Al reinvertir el costo anual de cinco planificadores de demanda, la empresa puede automatizar la carga de trabajo de 50 planificadores de demanda. Naturalmente, los grandes proveedores de software empresarial pueden afirmar que se necesitan decenas de millones de dólares solo para comenzar, pero existen alternativas mucho más eficientes. En segundo lugar, el viaje puede ser arduo, pero tampoco es realmente opcional. Las empresas que emplean ejércitos de empleados para tomar sus decisiones rutinarias y repetitivas de la cadena de suministro también sufren de largos plazos de entrega autoimpuestos causados por sus propios procesos internos. Esas empresas no podrán competir contra las empresas que han automatizado sus procesos de toma de decisiones rutinarias. La ventaja competitiva que se puede obtener de la automatización siempre es modesta al principio; sin embargo, a medida que la automatización se puede mejorar con el tiempo mientras que un proceso manual no puede, la ventaja competitiva se vuelve exponencialmente más fuerte con el tiempo. En este momento, las decisiones automatizadas de la cadena de suministro aún pueden percibirse como futuristas, pero dentro de dos décadas, lo contrario será cierto. Los procesos manuales serán percibidos como restos anticuados de una era pasada.

Esto concluye la conferencia de hoy. Continuaremos en un minuto con las preguntas. La próxima conferencia será la primera semana de noviembre, el miércoles a las 3 p.m., hora de París, como de costumbre. Volveremos al tercer capítulo con una persona de la cadena de suministro. Se tratará de una empresa ficticia llamada Stuttgart, que es una empresa de posventa automotriz. Veremos que el sector automotriz es la industria de las industrias y presenta una serie de desafíos bastante específicos que, una vez más, no se reflejan adecuadamente en los libros de texto de la cadena de suministro.

Veamos las preguntas.

Pregunta: ¿La cadena de suministro cuantitativa requiere su propia forma ideal de división del trabajo?

Sí, puede ser una transición gradual, pero la idea es que la división del trabajo que tenías con un proceso manual estaba definida por el hecho de que un planificador solo puede gestionar tantos SKU. Más SKU, más planificadores. Esta es una división del trabajo muy simplista. Cuando tienes una empresa grande y quieres tener un proceso automatizado, la idea es que vas a tener personas que se especialicen. Por ejemplo, un gerente de red puede convertirse en un especialista en la calidad del servicio percibida por el cliente. La percepción importa; no es la calidad de servicio abstracta, como los niveles de servicio. Tal vez los clientes tengan su propia perspectiva al respecto, por lo que alguien puede especializarse en eso. Otro gerente de red puede especializarse en un ángulo específico donde una coordinación más estrecha e integración con algunos proveedores podría, por ejemplo, acortar los tiempos de entrega y ofrecer nuevas opciones. De repente, la división del trabajo se enfoca más en los muchos ángulos que deben estudiarse, revisarse y reanalizarse desde una perspectiva analítica. Puedes tener varias personas trabajando en eso. Pero nuevamente, no se trata de tener algo tan claro como una lista de SKU. También es la esencia de mejorar algo. Tal vez las personas solo necesitarían ser varias personas para que puedan hacer una lluvia de ideas juntas e intentar identificar las mejores ideas y ordenarlas. Una vez que te embarcas en el camino de una iniciativa de cadena de suministro cuantitativa, tu división del trabajo se asemeja mucho a un proceso de ingeniería en curso, con personas que tienen un conocimiento más profundo en áreas específicas y que intentan unirse para que surja un producto superior.

Pregunta: El uso de porcentajes en lugar de métricas financieras ayuda a ocultar las ineficiencias del proceso heredado. Cuando es así, ¿qué tan probable es que la iniciativa tenga éxito?

Esa es una pregunta muy cargada. Una de las razones por las que a las grandes empresas y a tantos gerentes dentro de ellas les encantan esas métricas aspiracionales es que no se les atribuye ninguna culpa. Una vez que tienes un indicador expresado como un porcentaje, nadie se da cuenta de que representa millones de dólares que se han perdido debido a un error específico cometido por una división en particular dirigida por una persona determinada solo en el último trimestre. Estos porcentajes son increíblemente opacos y es un desafío real hacer que esas iniciativas tengan éxito porque, con mucha frecuencia, una vez que pones las cosas en dólares o euros, descubrirás la verdadera magnitud de las ineficiencias, que pueden ser absolutamente enormes.

En la experiencia de Lokad, para las empresas públicas que estaban revelando todos los números a los mercados públicos con más de 200 auditores certificando el valor del inventario, descubrimos que los valores del inventario estaban desviados en un 20% a favor de la empresa. Estamos hablando de una empresa con más de un millón de euros en inventario en sus libros. Lo increíble fue que el inventario había sido auditado por más de 200 personas durante décadas literalmente, y todo había sido digitalizado durante décadas también.

Cuando descubres este tipo de cosas, es difícil, pero creo que la forma de abordarlo es ser duro con los problemas y suave con las personas. Las empresas tienen que aprender a ser suaves con las personas y realmente duras con los problemas, en lugar de ignorar el problema y despedir a las personas.

Pregunta: Las grandes empresas utilizan muchos más KPI de los que necesitan. Cuando implementas la iniciativa, ¿cómo desafías todos los KPI?

Muy buena pregunta. Todos esos KPI son una gran distracción para apoyar el trabajo realizado manualmente por los planificadores. Una vez que tienes una receta numérica, ¿por qué te importan todos esos KPI? Todo lo que optimices debe estar incorporado en tus criterios financieros. Deberías tener una métrica que te diga cuánto dinero está en juego en cada decisión potencial, cuánto ganarás o perderás dependiendo del resultado de la decisión. En lugar de acumular una serie interminable de indicadores, si quieres refinar tu métrica financiera, puedes agregar un factor. Pero no significa que agregues una columna adicional en el informe; simplemente significa que ajustas un poco atribuyendo un factor adicional que suma o resta de manera aditiva unos pocos euros o dólares a los valores que asignas a una decisión determinada.

Fundamentalmente, todo lo que está fuera de estos objetivos financieros es ignorado por la receta numérica. La receta numérica realiza un proceso de optimización matemática que optimiza estrictamente un objetivo financiero. Eso es todo. Todos esos otros indicadores son ignorados. Una configuración automatizada hace que sea mucho más obvio que esos indicadores no tienen sentido. No se tienen en cuenta en la receta, no se consideran en la receta numérica y ni siquiera forman parte del proceso de toma de decisiones. También aclara que las métricas aspiracionales, como los niveles de servicio, son adversas. No puedes llevar tu calidad de servicio a un nivel de servicio del 100% porque no es un resultado deseable para la empresa. Cuando se hace correctamente, la automatización aclara lo que realmente se necesita en términos de indicadores y te das cuenta de que no se necesitan tantos indicadores. Además, debido a que hay menos personas involucradas en el proceso, hay menos presión para seguir agregando indicadores. Otro aspecto de tener grandes equipos de planificadores es que cada persona tiende a tener uno o dos indicadores personales favoritos. Si tienes 200 personas y cada una quiere que se agregue un indicador para su conveniencia personal, terminas con 200 indicadores, lo cual es demasiado. Pero si solo tienes una décima parte de ese personal, la presión para acumular indicadores es mucho menor.

Pregunta: ¿Cómo entienden los proveedores de software de planificación de la demanda los ecosistemas de sus clientes potenciales, como los requisitos de stock de seguridad, mientras hacen la personalización antes de la implementación en el cliente? Quiero decir, una vez que se realiza la implementación, no hay problemas en términos de error de pronóstico.

La perspectiva clásica, que creo que no logró llevar la automatización a las decisiones de la cadena de suministro en la década de 1970, se basaba en la suposición de que una solución de software empaquetada podría abordar los problemas de las empresas. Creo firmemente que esto no es cierto. Un software empaquetado no puede adaptarse a ninguna cadena de suministro no trivial. Lo que sucede es que un proveedor de software empresarial con algún tipo de módulo de optimización de inventario y pronóstico intenta vender el producto a una empresa, y a medida que faltan características, las van agregando. Durante más de 10 años, terminan con un producto de software monstruoso y abultado con cientos de pantallas y miles de valores de parámetros.

El problema es que cuanto más complejo es el producto de software, más específicas son tus expectativas en términos de datos y lo que la empresa debería tener. Cuanto más complejo es el producto de software, más difícil se vuelve conectarlo con la empresa cliente porque tienes una cadena de suministro compleja con muchos sistemas ya implementados y un producto de optimización de cadena de suministro super complejo. Hay brechas y desajustes por todas partes.

La realidad es que la mayoría de las grandes empresas con las que he hablado han estado operando cadenas de suministro digitales en países desarrollados durante dos o tres décadas, y ya han implementado media docena de soluciones de software de planificación de la demanda, optimización de inventario y diseño de cadenas de suministro en los últimos dos o tres décadas. Entonces, ya han estado allí y lo han hecho, no solo una vez, sino media docena de veces. Por lo general, las personas no han estado en la empresa el tiempo suficiente para darse cuenta de que estos procesos han estado ocurriendo una y otra vez durante los últimos dos o tres décadas. Y sin embargo, los procesos siguen siendo completamente manuales y a menudo se basan en herramientas como Excel. El problema no es el error de pronóstico; creo que eso es un diagnóstico erróneo del problema porque la idea de que se pueda tener un pronóstico perfecto con un sistema u otro es absurda. No es posible generar un pronóstico perfecto y los seres humanos que manejan manualmente una cadena de suministro tampoco tienen acceso a información perfecta. No es porque seas un planificador de demanda humano que puedas predecir perfectamente la demanda.

Los planificadores de demanda son capaces de hacer su trabajo con pronósticos menos que perfectos. Estas personas no son magos ni científicos super avanzados. Es posible que no sean malos cuando se trata de pronósticos, pero no hay razón para esperar que, en promedio, los planificadores de demanda en esta industria, que emplea a cientos de miles de personas en todo el mundo, sean todos super talentosos y capaces de pronósticos de demanda increíblemente precisos. Lo que hace que el sistema funcione es que estas personas tienen sus heurísticas y formas de manejar manualmente la cadena de suministro que sobreviven a pesar de tener pronósticos deficientes a su disposición.

El objetivo en su configuración automatizada es tener un sistema que funcione bien incluso si los pronósticos no son tan buenos en primer lugar. Esta es la esencia del enfoque de pronóstico probabilístico; no se trata de refinar la precisión, sino de reconocer y aceptar el hecho de que el pronóstico no es tan bueno. Si volvemos a esos proveedores, creo que la industria ha fracasado colectivamente en brindar cualquier grado satisfactorio de automatización en las últimas cuatro décadas, y el meollo del problema fue la perspectiva empaquetada, donde se esperaba que las empresas simplemente conectaran un módulo y listo. Esto no funciona. Las cadenas de suministro son demasiado diversas, versátiles y cambiantes para que un enfoque mecánico tenga éxito.

Pregunta: Con la perspectiva presentada, ¿cómo abordas el problema de conciliar los diferentes pronósticos de la empresa, como las ventas, el inventario y otros?

Mi pregunta es, ¿por qué estás haciendo pronósticos en primer lugar? Los pronósticos son solo artefactos numéricos; no importan. Tu empresa no será más rentable porque haya un mejor pronóstico. Los pronósticos son exactamente lo que llamé en los capítulos anteriores de esta serie de conferencias, un artefacto numérico. Es una abstracción que puede resultar útil o no para derivar ciertas clases de decisiones. Resulta que dependiendo de la decisión que consideres, el tipo de pronóstico que necesitas puede ser muy diferente.

Desafío la idea de que puedas tener un pronóstico en la parte superior y luego orquestar toda la cadena de suministro basándote en esos pronósticos. Estoy en total desacuerdo con este enfoque, ya que no ha sido mi experiencia y creo que no funciona tan bien. He visto muchas empresas donde hay un proceso de planificación senior que produce pronósticos en el lado de las ventas, lo cual es un ejercicio masivo de subestimación. Los vendedores a menudo subestiman en gran medida sus proyecciones porque de esa manera, si superan esos números, pueden superar más fácilmente las expectativas más adelante. Las personas en fábricas o almacenes ven estos números que se acercan y pueden pensar que no pueden ser correctos, por lo que descartan el número y hacen algo completamente diferente. En mi opinión, los ejercicios de pronóstico realizados por la gran mayoría de las empresas son simplemente esfuerzos burocráticos sin sentido. No hay valor agregado en eso.

Desde una perspectiva de supply chain quantitativa, es esencial centrarse en las decisiones que importan, en lugar de en los pronósticos, que pueden ser solo tecnicismos. Es posible que algunas clases de decisiones ni siquiera necesiten un pronóstico para ser tomadas, o si lo necesitan, es posible que requieran un tipo de pronóstico muy diferente al que las empresas están considerando actualmente. Cuando hablamos de pronósticos, la mayoría de las personas se refieren a pronósticos de series de tiempo. Sin embargo, si vuelves al tercer capítulo de esta serie de conferencias, que está dedicado a las personas y situaciones del mundo real en la cadena de suministro, verás que los pronósticos de series de tiempo a menudo no son la respuesta. La forma misma del pronóstico es inadecuada para capturar los patrones que queremos identificar en el negocio.

Para concluir, sugeriría no intentar siquiera conciliar esos pronósticos. En su lugar, ignóralos y concéntrate en las propias decisiones. Observa qué se necesita para diseñar recetas que generen buenas decisiones y es probable que todos esos pronósticos puedan ser completamente ignorados.

En respuesta al comentario sobre comparar los resultados financieros con los resultados de los KPI en porcentaje, es cierto que puedes hacer comparaciones tratando de correlacionar los niveles de servicio o las tasas de llenado con tus métricas financieras. Sin embargo, ¿esto realmente crea un retorno de inversión para la empresa? Tomar mejores decisiones de inventario puede crear valor para la empresa, pero dedicar tiempo a correlacionar KPI no lo hace. Muchas empresas son adictas a estos KPI expresados en porcentajes, pero a menudo son distracciones burocráticas sin sentido.

A los proveedores de software empresarial les encantan estos indicadores porque pueden venderlos a las empresas clientes, lo que resulta en que muchos proveedores presionen por más indicadores. En realidad, para una clase de decisiones de la cadena de suministro, tener diez números que valga la pena mirar todos los días ya es bastante. A menudo es difícil incluso identificar diez números que valgan la pena ser mirados diariamente por un humano. A menudo, son incluso menos que eso, y está bien. Las clases de problemas en las cadenas de suministro tienden a ser muy específicas de la empresa y de la cadena de suministro de interés, pero no son imposiblemente complicadas. No estoy diciendo que las situaciones de la cadena de suministro requieran miles de impulsores económicos. En cambio, estoy diciendo que las cadenas de suministro varían mucho y debes asegurarte de resolver el problema correcto que se ajuste a las sutilezas de la cadena de suministro de interés. Para una cadena de suministro de interés, es posible que tengas tres o cuatro impulsores básicos como el costo del stock, el margen bruto y otros factores que encontrarás en casi todos los casos. Luego, es posible que tengas cuatro o cinco indicadores, nuevamente métricas financieras, que son muy específicos de un negocio de interés. En total, todavía estamos por debajo de los diez números.

En respuesta a la pregunta sobre cómo equilibrar el compromiso entre los KPI financieros y los KPI de la cadena de suministro, diría que sí y no. Si crees que los KPI financieros no son los que debes optimizar, entonces hay un problema en la definición misma de tus KPI financieros. En el primer capítulo de esta serie de conferencias, mencioné que típicamente hay dos círculos de impulsores a considerar al establecer una métrica financiera. El primer círculo involucra factores que las finanzas pueden leer directamente en los libros, como el margen bruto, el valor del stock y los costos de compra. El segundo círculo incluye impulsores como la buena voluntad del cliente y la penalización implícita cuando hay baja calidad de servicio. Todo esto debe integrarse.

La perspectiva financiera no se trata de tener KPIs donde haya un compromiso. En cambio, se trata de consolidar todo en una puntuación en dólares o euros para tu rendimiento y toma de decisiones. No se trata de conciliar los KPI de la cadena de suministro con los KPI financieros. Más bien, se trata de tener un gobierno en la empresa para que las personas puedan ponerse de acuerdo sobre el costo real del stock, el costo real de los faltantes de stock y si una decisión de reorden es la mejor opción o no.

Desde esta nueva perspectiva de ser dueño del producto de software que impulsa la cadena de suministro, el trabajo del ejecutivo de la cadena de suministro es facilitar el consenso dentro de la empresa. En lugar de llevar a cabo un proceso de S&OP sin sentido donde las personas intentan revisar los números cada mes y ponerse de acuerdo en cifras de ventas sin sentido, se trata de implementar un S&OP 2.0 liderado por el director de la cadena de suministro. Contrariamente a lo que dicen los proveedores de S&OP, el CEO no tiene que ser dueño del proceso de S&OP, ya que esto podría ser más una distracción para ellos. No es necesario involucrar al CEO en cada batalla.

La misión del director de la cadena de suministro es trabajar con el jefe de finanzas, el jefe de marketing y el jefe de ventas para ponerse de acuerdo sobre cómo medir el impacto financiero de factores como la calidad del servicio. Ese es su trabajo. No es necesario conciliar diversas métricas, ya que ya están preunificadas gracias al trabajo que se ha llevado a cabo bajo el liderazgo del jefe de la cadena de suministro o el director de la cadena de suministro, según el título que se tenga dentro de la empresa.

Eso concluye la conferencia de hoy. Nos vemos la próxima vez durante la primera semana de noviembre.