00:00:00 Gestión de inventario: Discusión sobre nivel de servicio y stock de seguridad.
00:00:22 Joannes desafía las percepciones de los niveles de servicio y el stock de seguridad.
00:02:10 Beneficios de decisiones concretas de gestión de inventario.
00:03:07 Explorando las complejidades de las mediciones de nivel de servicio.
00:06:10 Joannes sobre los pros y contras del análisis ABC XYZ.
00:10:31 Adentrándose en las complejidades de la optimización de inventario.
00:11:22 Diseñando las complejidades de un sistema verificable.
00:12:15 Crítica del ABC XYZ, sus raíces psicológicas.
00:13:33 Análisis ABC XYZ, influencia de la cognición humana.
00:16:12 Profundizando en el ABC XYZ, valor de clasificación computacional.
00:21:04 Discutiendo las sutilezas de la categorización y calibración de inventario.
00:23:53 Introducción de la perspectiva de la cesta, desafíos de asignación de inventario.
00:24:54 Rastreando la historia del nivel de servicio en la gestión de inventario.
00:26:55 Trampas, implicaciones engañosas de las métricas de nivel de servicio.
00:28:51 Desmitificando el nivel de servicio, el mito de la satisfacción del cliente.
00:32:34 Analogía del agua para entender las cadenas de suministro.
00:34:25 Discutiendo la naturaleza dinámica del volumen de ventas de productos.
00:36:00 Calidad del servicio, expectativas del cliente, disponibilidad del producto.
00:38:20 Desmitificando la trampa matemática en la variedad de productos.
00:41:16 Mito de los modelos matemáticos en la gestión de inventario.
00:42:12 Fallo del modelo ABC XYZ: Ignorar el comportamiento del cliente.
00:43:41 Deficiencias del ABC XYZ como mecanismo de priorización.
00:44:46 Intentos fallidos de solucionar el ABC XYZ.
00:47:35 Suposiciones defectuosas de la cadena de suministro, cambio hacia la automatización.
00:51:01 Falacia de la discusión de las ventas diarias promedio.
00:52:49 Cuestionando la volatilidad de la categorización de productos.
00:54:07 Discutiendo el valor de la clasificación matemática.
00:56:11 Enfoques deterministas vs probabilísticos de la cadena de suministro.
01:03:43 Utilidad de la IA para cerrar brechas en debate.
01:07:56 Desafiando las suposiciones tradicionales de la cadena de suministro.
01:10:33 Tolerancia a la ambigüedad, coexistencia de contradicciones.
01:16:24 Realidad de las cadenas de suministro modernas y complejas.
Resumen
Conor Doherty y Joannes Vermorel investigan la popular herramienta de análisis de inventario ABC XYZ Analysis, argumentando que su simplificación excesiva conduce a la pérdida de información. Vermorel cuestiona las prácticas convencionales de gestionar los niveles de servicio y las existencias de seguridad por separado. Vermorel aboga por la gestión de la cadena de suministro asistida por tecnología, dada la complejidad de manejar grandes cantidades de productos. Critica el análisis ABC XYZ por carecer de dinamismo y no considerar las perspectivas de los clientes. Vermorel favorece un enfoque probabilístico para la gestión de la cadena de suministro, que puede ofrecer una comprensión más matizada de los riesgos y ayudar en la toma de decisiones de inventario.
Resumen extendido
En esta entrevista, Conor Doherty, el presentador, y Joannes Vermorel, el fundador de Lokad, analizan la popular herramienta de análisis de inventario, ABC XYZ Analysis. Esta metodología categoriza los productos en subgrupos simples, basados en el volumen y la variabilidad. Vermorel sugiere que esta metodología es defectuosa debido a su simplificación excesiva de las características del producto, lo que resulta en una pérdida de información valiosa.
La entrevista también aborda la complejidad de establecer objetivos adecuados de nivel de servicio y existencias de seguridad. Vermorel enfatiza la complejidad inherente de esta tarea, desafiando la idea convencional de descomponer el problema en partes aparentemente más simples, como los niveles de servicio y las existencias de seguridad.
Vermorel cuestiona la suposición implícita de que abordar los niveles de servicio o las existencias de seguridad por separado simplifica el problema. Sugiere que los desafíos que surgen al determinar la cantidad adecuada para reponer son los mismos que al determinar el nivel de servicio correcto. Las complejidades involucradas en ambos procesos son similares, lo que hace que uno no sea más simple que el otro.
Explicando su punto de vista, Vermorel distingue entre las decisiones tangibles y directas sobre las cantidades de inventario y el concepto abstracto de nivel de servicio. Señala que las decisiones tangibles y directas sobre las cantidades de inventario tienen consecuencias claras y medibles en la cadena de suministro, a diferencia de las nociones abstractas de los niveles de servicio. En consecuencia, argumenta que centrarse en acciones tangibles y medibles en lugar de conceptos abstractos podría simplificar el problema.
Vermorel pasa a criticar herramientas como el análisis ABC XYZ, que se utilizan para determinar las políticas de inventario. Describe estas herramientas como “mecanismos de priorización de atención” destinados a ayudar a los humanos a tomar decisiones de inventario. Si bien estas herramientas pueden ser útiles para priorizar qué productos reciben atención en función del volumen de ventas, Vermorel sugiere que no simplifican fundamentalmente el problema inicial.
De hecho, Vermorel argumenta que el enfoque en el desarrollo de herramientas para ayudar a los humanos a priorizar la atención en la toma de decisiones nos ha alejado del problema inicial. Este cambio, al que compara con el concepto de software de “Yak shaving”, ha dado lugar a intentar resolver un problema mucho más complicado: cómo presentar mejor la información a los humanos para la toma de decisiones.
Critica este enfoque, señalando que si se utilizan computadoras para resolver el problema en primer lugar, no es necesario priorizar la atención de los humanos. La computadora debería poder resolver el problema en su totalidad, sin interferencia humana en cada paso del proceso.
Doherty cuestiona a Vermorel por su desestimación de la variación de la demanda como una “preocupación tangencial”. Vermorel responde reiterando su argumento principal: el problema inicial era tomar la decisión correcta de inventario. Sin embargo, si los humanos son parte del proceso, su capacidad limitada para procesar información requiere priorización. Herramientas como el análisis ABC XYZ se crearon para facilitar este proceso de priorización, pero Vermorel sugiere que esto nos ha alejado de resolver el problema original.
En cambio, Vermorel propone que cada producto se le asigne un rango según su volumen de ventas. El sistema de clasificación, sugiere, ofrece una forma más informativa de clasificar los productos, ya que retiene más datos. Este sistema se alinea con las capacidades computacionales de las computadoras modernas, lo que permite un análisis más preciso que la mente humana.
Vermorel critica aún más la idea de que la mente humana sea el principal tomador de decisiones en la gestión de la cadena de suministro. Dada la gran cantidad de productos con los que una empresa lidia diariamente, sugiere que hay una limitación significativa en la capacidad de la mente humana para gestionar los inventarios de manera efectiva. Da a entender que confiar en la tecnología para gestionar estas complejidades sería más efectivo.
Discute la práctica de dividir los productos en categorías según los volúmenes de ventas, desafiando este método ya que conduce a una pérdida de información. Compara este método con la aproximación de un círculo con un polígono: cuantos más bordes agregues, más se aproxima a un círculo, pero nunca será una representación perfecta. Para Vermorel, la clasificación de productos en unas pocas categorías es una aproximación cruda de la curva suave y continua que representa el rango de cada producto según el volumen de ventas.
Pasando al tema de las SKU (Unidades de Mantenimiento de Inventario), Vermorel argumenta en contra de tratar las SKU de forma aislada, sugiriendo que esto simplifica el problema pero no lo resuelve de manera efectiva. Critica el método de stock de seguridad, que implica niveles de servicio, ya que se basa en suposiciones sobre la demanda futura y el tiempo de entrega, pero estos no se distribuyen normalmente como sugiere el método. Sugiere que este método puede llevar a situaciones problemáticas, como tiempos de entrega y ventas negativos.
Vermorel plantea que el concepto de nivel de servicio es fundamentalmente defectuoso. Señala que puede parecer intuitivo que un nivel de servicio más alto indique una mayor satisfacción del cliente. Sin embargo, el modelo matemático subyacente a los cálculos de stock de seguridad no proporciona ninguna idea sobre la satisfacción del cliente.
Hace hincapié en la importancia de tratar la gestión de la cadena de suministro como un problema multidimensional, dada la diversidad y cantidad de productos con los que la mayoría de las empresas lidian. Vermorel sugiere que se debe adoptar un enfoque diferente para las cadenas de suministro con una gran cantidad de SKU, ya que las propiedades complejas y emergentes de dicho sistema difieren fundamentalmente de las de un sistema más simple y de un solo producto.
Luego, Vermorel analiza las complejidades de la optimización de la cadena de suministro. Así como comprender una sola molécula no proporciona un conocimiento completo del agua en todas sus formas, comprender un solo producto no significa comprender toda la cadena de suministro. Hay una inmensa diversidad y complejidad en las cadenas de suministro, con muchos elementos inconcebibles desde una perspectiva de un solo producto.
Vermorel critica un enfoque común de gestión de la cadena de suministro: el análisis ABC XYZ. Observa que los volúmenes de ventas no son estáticos, sino dinámicos, fluctuando ampliamente con el tiempo. Incluso un solo producto puede caer en diferentes categorías a lo largo de su ciclo de vida, lo que hace que el modelo ABC XYZ, que percibe el volumen de ventas como estático, sea insuficiente.
Esta falta de dinamismo es problemática, ya que las expectativas de los clientes cambian continuamente y las cadenas de suministro deben adaptarse en consecuencia. Si se espera que una panadería tenga pan disponible todos los días, cualquier faltante de stock viola el “contrato social”, dañando la percepción del cliente sobre la calidad del servicio. Esta percepción no la determina la cadena de suministro, sino los propios clientes.
Curiosamente, Vermorel menciona cómo el nivel de servicio de un solo producto no se traduce en una experiencia satisfactoria para el cliente cuando se involucran múltiples productos. Por ejemplo, en un supermercado con un nivel de servicio del 95% para cada producto, un cliente que quiere 20 productos puede no encontrar todo, reduciendo el nivel de servicio percibido a menos del 10%. Esta discrepancia ilustra la diferencia significativa entre los modelos matemáticos y las percepciones de los clientes.
Vermorel enfatiza que el análisis ABC XYZ, a pesar de su nombre tranquilizador (que implica seguridad y control), carece de varios factores importantes. No considera la variación a lo largo del tiempo, pasa por alto la perspectiva del cliente y no reconoce la importancia de las combinaciones de productos en la cesta de la compra del cliente.
El presentador, Conor Doherty, agrega que si un cliente entra a una tienda con la intención de comprar un artículo específico y no lo encuentra, puede irse sin comprar nada, lo que lleva a una pérdida de ventas potenciales.
Vermorel critica el análisis ABC XYZ como un mecanismo de priorización de atención, afirmando que no resalta los elementos realmente relevantes en la gestión de la cadena de suministro. Reconoce que el enfoque de Planificación de Necesidades de Materiales Impulsadas por la Demanda (DDMRP), que prioriza los productos en función de la divergencia de los buffers objetivo, es más razonable para la priorización de atención.
Vermorel argumenta que el Análisis ABC XYZ no es un enfoque útil para conciliar las complejidades de las cadenas de suministro. Argumenta que se basa en una serie de premisas defectuosas y que los intentos de solucionarlo solo acumularían “cinta adhesiva” en un método que se mueve en la dirección equivocada. En cambio, aboga por un enfoque que aprecie las complejidades y el dinamismo de las cadenas de suministro y la importancia de la perspectiva del cliente.
Luego, Vermorel profundiza en el papel de la tecnología en la gestión de la cadena de suministro, señalando que solo recientemente las máquinas se han vuelto lo suficientemente capaces como para automatizar las decisiones de la cadena de suministro. Esta evolución, señala, es relativamente lenta en comparación con los avances tecnológicos de la era moderna. Ilustra este punto con una analogía histórica: la transición de las empresas que generaban su propia electricidad a comprarla de la red tomó alrededor de 40 años, a pesar de los aparentes beneficios de esta última.
La conversación se centra en los enfoques ABC y ABC XYZ para los patrones de demanda, ambos de los cuales Vermorel considera deficientes. Critica su naturaleza estática y abstracta, argumentando que no representan con precisión los fenómenos del mundo real. Por ejemplo, ilustra que las categorías de productos pueden ser inestables a lo largo del tiempo y su clasificación puede saltar de una categoría a otra en el análisis ABC, lo que no aporta un valor sustancial a las empresas.
Continuando con este tema, Vermorel critica la matriz ABC XYZ como una mera ilusión de patrón, dando a las empresas una falsa sensación de precisión científica cuando la realidad es mucho más caótica y matizada. Argumenta que estas clasificaciones pueden ser arbitrarias, lo que lleva a una simplificación excesiva de un espectro complejo y continuo de categorías de productos.
La discusión luego se centra en un enfoque probabilístico para la gestión de la cadena de suministro. Vermorel enfatiza el valor del pronóstico probabilístico como una herramienta para capturar y procesar una cantidad significativa de información, lo cual es útil para evaluar la incertidumbre. Este método, sugiere, es especialmente beneficioso porque permite una comprensión más matizada de los riesgos, lo que a su vez permite a las empresas tomar decisiones más informadas sobre las cantidades de inventario.
Luego, Vermorel profundiza en el papel de la tecnología en la gestión de la cadena de suministro, señalando que solo recientemente las máquinas se han vuelto lo suficientemente capaces como para automatizar las decisiones de la cadena de suministro. Esta evolución, señala, es relativamente lenta en comparación con los avances tecnológicos de la era moderna. Ilustra este punto con una analogía histórica: la transición de las empresas que generaban su propia electricidad a comprarla de la red tomó alrededor de 40 años, a pesar de los aparentes beneficios de esta última.
La conversación se centra en los enfoques ABC y ABC XYZ para los patrones de demanda, ambos de los cuales Vermorel considera deficientes. Critica su naturaleza estática y abstracta, argumentando que no representan con precisión los fenómenos del mundo real. Por ejemplo, ilustra que las categorías de productos pueden ser inestables a lo largo del tiempo y su clasificación puede saltar de una categoría a otra en el análisis ABC, lo que no aporta un valor sustancial a las empresas.
Continuando con este tema, Vermorel critica la matriz ABC XYZ como una mera ilusión de patrón, dando a las empresas una falsa sensación de precisión científica cuando la realidad es mucho más caótica y matizada. Argumenta que estas clasificaciones pueden ser arbitrarias, lo que lleva a una simplificación excesiva de un espectro complejo y continuo de categorías de productos.
La discusión luego se centra en un enfoque probabilístico para la gestión de la cadena de suministro. Vermorel enfatiza el valor del pronóstico probabilístico como una herramienta para capturar y procesar una cantidad significativa de información, lo cual es útil para evaluar la incertidumbre. Este método, sugiere, es especialmente beneficioso porque permite una comprensión más matizada de los riesgos, lo que a su vez permite a las empresas tomar decisiones más informadas sobre las cantidades de inventario.
Vermorel destaca dos beneficios del pronóstico probabilístico: proporciona información más detallada sobre el sistema y permite la conexión de la visión financiera con la anticipación futura. A diferencia de los pronósticos puntuales, los pronósticos probabilísticos se prestan a numerosos métodos que pueden expresar la calidad de las decisiones en términos de euros o dólares.
Vermorel argumenta que el enfoque de pronóstico ABC XYZ representa un callejón sin salida debido a su incapacidad para conectar los resultados métricos con los resultados financieros de manera sensata. Critica los intentos de cerrar esta brecha utilizando inteligencia artificial o aprendizaje automático, a los que compara con colocar un motor de avión en un automóvil lento. Tales soluciones, sugiere, son innecesariamente complicadas y pasan por alto problemas fundamentales que podrían abordarse de manera más simple y efectiva.
El fundador de Lokad también enfatiza la importancia de la ingeniería de calidad en la gestión de la cadena de suministro. Advierte contra la complejidad excesiva de los sistemas de cadena de suministro y fomenta el enfoque en resolver problemas básicos. Por ejemplo, cita el escenario hipotético de un supermercado que no tiene en stock una marca popular de pañales, lo que hace que los clientes se vayan, como un problema que no se resolverá con métodos de pronóstico excesivamente complicados.
Vermorel aconseja a aquellos que no están seguros acerca del pronóstico probabilístico que cuestionen sus suposiciones y el razonamiento subyacente del método ABC XYZ. Sostiene que si bien el método hace lo que se pretende (es decir, crear una matriz de productos agregados en grupos a lo largo de dos dimensiones), la lógica y la visión subyacentes del método son defectuosas y probablemente obsoletas.
Doherty sugiere que dos cosas aparentemente contradictorias pueden ser verdaderas al mismo tiempo: un método obsoleto puede funcionar durante un tiempo y al mismo tiempo no ser la mejor solución. Vermorel amplía este punto, dando a entender que las empresas a menudo confunden “funcionar en absoluto” con “funcionar de manera óptima”. Proporciona una analogía de transportar agua en cubos: si bien técnicamente funciona, existen mejores alternativas.
Tanto Doherty como Vermorel están de acuerdo en la importancia de reconocer la ambigüedad inherente en la gestión de la cadena de suministro y la necesidad de flexibilidad. La entrevista termina con la advertencia de Vermorel de reevaluar y desafiar continuamente las prácticas establecidas en la cadena de suministro.
Transcripción completa
Conor Doherty: Bienvenidos de nuevo a LokadTV. Establecer objetivos de nivel de servicio y stock de seguridad adecuados es complicado, con una serie de opciones en el mercado y proveedores que intentan venderte respuestas. Una de esas herramientas es el análisis ABC XYZ, y aquí para ayudarme a analizarlo está el fundador de Lokad, Joannes Vermorel. Comencemos desde el principio: nivel de servicio, stock de seguridad, todas estas políticas de inventario. ¿Por qué son tan difíciles de establecer?
Joannes Vermorel: Hay una pluralidad de opciones que intentan responder a estas preguntas. Lo que percibimos como subproblemas no son realmente subproblemas. Por ejemplo, hablemos de los niveles de servicio. Existe una suposición implícita de que elegir niveles de servicio es de alguna manera más simple, como una parte más pequeña del problema completo. Si puedes manejar eso, entonces también manejarías otras cosas. La suposición implícita es que hemos descompuesto el problema. El desafío es elegir la cantidad correcta para que se produzca, almacene o asigne inventario. Cuando dices ’nivel de servicio’ o ‘stock de seguridad’, estás descomponiendo implícitamente el problema. Cuestiono la idea de que esta descomposición haga que el problema sea más simple que el original. Cuando abordas el problema del nivel de servicio, te enfrentas a un desafío que es tan difícil y variable como tu punto de partida. Por lo tanto, no es sorprendente que establecer un nivel de servicio no sea más fácil que determinar directamente la cantidad real a reponer.
Conor Doherty: Entonces, si pudieras reformular el problema en tus propios términos, ¿cómo lo ves?
Joannes Vermorel: En un entorno de optimización de inventario, estamos tratando de tomar una decisión. La decisión es tangible. Se trata de cuántas unidades asignar, producir o comprar. Esta decisión tendrá consecuencias muy tangibles en tu cadena de suministro. A diferencia de, digamos, decidir tener un nivel de servicio del 97% en esta tienda. Eso es una abstracción. No existe tal cosa como un nivel de servicio del 97%. Es potencialmente un artefacto útil, pero no es algo que tenga un contraparte tangible en tu cadena de suministro. Cuando digo que es una abstracción, me refiero a que el nivel de servicio viene con toneladas de problemas abiertos que no tienes cuando lidias con una decisión. Si decido asignar 10 unidades a una tienda, no hay ambigüedad. Puedo medir después de un tiempo que decidí asignar 10 y se han movido efectivamente 10 unidades. Sin embargo, no es el caso con un nivel de servicio. Si aparecen más clientes de los que esperaba, en realidad no obtendré un nivel de servicio del 97%. Por eso considero que es un artefacto en lugar de algo tangible que refleje la realidad base de tu cadena de suministro.
Conor Doherty: ¿Y cuánto de lo que acabas de describir se captura realmente utilizando una herramienta como el análisis ABC XYZ, o su predecesor, ABC?
Joannes Vermorel: Los profesionales de la cadena de suministro quieren llegar a una decisión. Si solo miras los números y estimas lo que necesitas, es una forma muy básica de hacerlo. Muchas tiendas todavía funcionan de esta manera. Es todo una estimación, y funciona. Sin embargo, este método parece rudimentario, por lo que las personas intentan mejorarlo. Luego se encuentran con un problema: tienen muchos productos y se dan cuenta de que la persona que revisa la lista de productos no volverá a analizar cada producto todos los días. Por lo tanto, necesitamos algún tipo de mecanismo de priorización de atención. Una forma es ordenar los productos de mayor a menor volumen de ventas. Puedes comenzar desde arriba y trabajar hacia abajo, decidiendo revisar los primeros 10 diariamente, la mitad de la lista semanalmente y la lista completa solo una vez al mes. Eso es algo que podrías hacer, y eso es prácticamente la esencia de ABC. Pero lo interesante de ABC XYZ es que es básicamente una variación de esto. Es un mecanismo de priorización de atención destinado a los seres humanos.
Ahora, en este punto, creo que deberíamos cuestionar qué problema estamos tratando de resolver. Comenzamos con el problema de querer elegir la cantidad correcta de inventario para asignar, producir o comprar. Eso es algo muy tangible y directo. Sin embargo, parece que pasamos de este problema a otro problema, que era elegir el nivel de servicio, también elegir los stocks de seguridad.
Luego entramos en otro problema que es la priorización de atención. El patrón que estoy empezando a ver es algo que, en software, se conoce como “Yak shaving”. Entonces, estabas buscando hacer algo muy sencillo como “Quiero actualizar Windows 10 a Windows 11”. Pero luego, terminas haciendo algo aparentemente no relacionado como abrir computadoras, cambiar tuercas y tornillos en las computadoras. Tenías una meta muy clara en mente, pero te has desviado haciendo algo solo tangencialmente relacionado con la tarea original.
Eso es exactamente lo que estamos haciendo aquí con nuestro problema de optimización de inventario. Comenzamos con un problema que era “Elegir la cantidad correcta para asignar, producir o comprar”. Y ahora, estamos tratando de resolver un problema mucho más complicado: “¿Cómo debería organizar realmente la información para que la presente este humano?”
Sin embargo, este es un problema muy complicado. Y no está absolutamente claro que resolver este problema sea la mejor manera de responder a nuestra pregunta original. Por ejemplo, supongamos que tenemos dos números y queremos sumarlos. ¿Debería realmente pensar en diseñar un sistema que pueda presentar los pasos intermedios a un humano para verificar que la suma es correcta? Eso es órdenes de magnitud más complicado que simplemente diseñar un circuito para hacer la suma.
Mi crítica aquí a este enfoque ABC XYZ es que comenzamos desde un problema que aparentemente era muy complicado. En realidad, es bastante complicado. Intentamos descomponer este problema, pero nos hemos desviado. Ahora, estamos tratando de resolver otro problema que es casi como la psicología empírica: cómo organizar la adecuada priorización de atención para los humanos. Pero si vas a usar una computadora para resolver este problema en primer lugar, ¿por qué necesitas priorizar la atención del humano? Simplemente haz que la computadora resuelva el problema por ti.
Conor Doherty: Si puedo presionarte un poco sobre eso, porque te seguí, pero como representante de la audiencia, entiendo que el análisis ABC se basa generalmente en el volumen de ventas o en los ingresos por ventas. Descomponemos nuestros SKU en tres categorías: A, B, C. XYZ es una segunda dimensión, generalmente la variación de la demanda. Y si entendí correctamente, estabas desestimando la cuantificación de la variación de la demanda como una preocupación tangencial. ¿Podrías explicar por qué?
Joannes Vermorel: Comenzamos con un problema que era: queremos tener la decisión correcta de inventario expresada como una cantidad. Nos dimos cuenta de que si involucramos a un humano en el proceso, el humano tiene una capacidad limitada para procesar información. Entonces, necesitamos priorizar eso. Si simplemente hacemos una priorización básica desde un mayor volumen de ventas hasta un menor volumen de ventas, terminamos con ABC.
Una vez que tenemos eso, necesitamos apoyar aún más a este operador humano ayudándolo a tener una idea de cuál sería el stock de seguridad y el nivel de servicio adecuado para cada una de estas líneas. Pero esto es simplemente descomponer el problema de una manera adecuada para que la mente humana lo procese.
El XYZ es agregar otra dimensión que va a ser sobre el grado de ruido o variación entre esta lista. Entonces tomamos los primeros, digamos, diez por ciento, de los productos más vendidos, y luego queremos dividir esta lista en segmentos que representen el grado de ruido ambiental para cada producto. Entonces, en lugar de tener solo una lista de segmentos, tienes una matriz. Eso es ABC XYZ para ti.
Pero esto es fundamentalmente algo que está muy diseñado como un método para la mente humana. La pregunta que debes hacerte es, si quiero que una máquina maneje todo el proceso de principio a fin, ¿hay algún beneficio en esta segmentación? ¿Me ayuda a resolver el problema?
Para nada. Los críticos presumiblemente señalarían que al crear, en términos generales, una matriz de nueve categorías, puedes identificar la varianza y los SKU que contribuyen más. Luego puedes establecer niveles apropiados, como ¿cuánto stock de seguridad quiero para eso? ¿Cuál es el nivel para cada SKU? Hay una variación entre AX y CZ, por ejemplo. Supongamos por un momento que esas dos dimensiones son informativas. Bueno, desde la perspectiva de una computadora, ¿por qué considerar grupos discretos? ¿Por qué tener media docena de subgrupos para el volumen y otra media docena para la varianza? Podrías simplemente usar los rangos para que puedas clasificar los productos desde el volumen de ventas más alto hasta el volumen de ventas más bajo. Puedes tener un número que te dé el rango exacto entre tu cartera para el volumen. Luego puedes hacer lo mismo para la varianza.
Los rangos te dan estrictamente más información. Si miras tus clases en el sentido de ABC o XYZ, la clase es solo una aproximación del rango. Esta aproximación solo sirve para un propósito: ser más digerible para la mente humana. Pero desde la perspectiva de una computadora, simplemente mantienes el rango. El rango te da estrictamente más información. La clase es una representación con pérdida; pierdes mucha información. No se obtiene nada bueno de esta pérdida de información.
Si decimos que esas dos dimensiones son relevantes, no estoy diciendo que sean irrelevantes. Solo estoy diciendo que en cuanto a la descomposición dimensional de tu problema, esas dimensiones son arbitrarias. No está muy claro que sea la mejor manera de abordarlo. Si solo miras esas dos dimensiones y conservas los rangos, tendrás algo que, como indicadores, creará un par de rangos para cada producto. Este par de rangos es estrictamente más informativo que tu par de clases.
No es solo un método que viene con el volumen y la varianza siendo de interés; está muy diseñado desde el principio para que la mente humana sea el procesador de esta información. Y ahí es donde desafío: ¿por qué querrías eso en primer lugar? Tenemos computadoras súper potentes. ¿Crees que hay algo que requiere el alma humana para tomar esas decisiones de inventario?
Si miramos una tienda que tiene 10,000 productos, todas esas cosas están rotando todos los días. ¿Crees que hay algo para la persona que va a gastar, en promedio, algo así como cuatro segundos por producto? ¿Habrá algo como una chispa de genialidad inyectada en eso?
No estoy desafiando que la mente humana pueda hacer cosas increíbles cuando se le da tiempo y recursos. Si tomas a un Albert Einstein y le das meses o años, puede hacer cosas increíbles, mucho más allá de lo que podemos hacer con las máquinas. Pero este no es el contexto en el que operamos en la cadena de suministro. Las personas están bajo una presión inmensa para simplemente hacer las cosas.
Y así, si miramos cuántos segundos de poder cerebral podrás asignar por SKU, por lo general es muy poco. Para la mayoría de las industrias, será una cuestión de segundos por SKU por día. Hemos discutido las categorías, pero no hemos discutido cómo se calibran las categorías. Eso es el resultado de múltiples mentes humanas, según entiendo.
Pero si ves que puedes tener los rangos y ahora puedes decidir con percentiles que vas a tener una división, puedes decir que la categoría A está hasta el percentil 10. Es el top 10 o el percentil A es el top dos por ciento porque cuando trazas todos los productos desde el más vendido hasta el menos vendido, lo que obtienes es casi invariablemente una curva de Zipf, como he mencionado en una de mis conferencias. Esta curva es continua, sin mesetas ni divisiones discretas, es completamente suave.
Es similar a aproximar un círculo en los viejos videojuegos donde tenías que aproximar el círculo con un polígono. Si hicieras un octágono, obtendrías un círculo de baja resolución. Al agregar más bordes, te acercas visualmente a un círculo. Si tienes miles de bordes, obtienes algo que se parece mucho a un círculo.
Pero lo que veo aquí es como si estuvieras tratando de aproximar un círculo con un cuadrado. Si tienes cuatro clases, estás aproximando tu segmento con un cuadrado. Si tienes cinco, tendrás un pentágono y así sucesivamente. Cuantas más clases agregues, mejor será tu aproximación. Pero si eliminas por completo la aproximación, te quedas con el rango de cada producto individual.
Entonces, diría, no introduzcas grupos, quédate con los rangos. Si asumes que el volumen y la varianza son dimensiones útiles, lo cual cuestiono, entonces esos rangos te dan una versión más informativa de estas dos dimensiones. Cualquier mecanismo de agrupación que introduzcas degradará esta información.
Conor Doherty: Eso se transiciona muy suavemente a la perspectiva de la cesta, que es algo en lo que estoy realmente interesado, en términos de responder a este problema. Trata los SKU en combinación en lugar de aislamiento. ¿Cómo encajaría eso en esta conversación?
Joannes Vermorel: Comenzamos con un problema simple, al menos simple en su expresión: elegir la cantidad de inventario correcta para asignar, producir, comprar o guardar. Nos hemos desviado con un método ampliamente utilizado que implica el nivel de servicio y los stocks de seguridad, pero realmente cuestiono la validez de estos métodos.
La perspectiva del nivel de servicio proviene de suposiciones históricamente simplistas sobre la demanda futura, donde pronosticamos un error distribuido normalmente sobre la demanda, lo mismo para el tiempo de espera. Sin embargo, la incertidumbre no está distribuida normalmente, pero eso es otro problema.
Una vez que tenemos nuestra distribución normal, que es una Gaussiana, elegimos un parámetro, el cuantil que da el mismo efecto que el nivel de servicio. Eso me dará una cantidad objetivo que debo mantener para mi inventario. Este stock de seguridad es el resultado de la diferencia entre la media y el cuantil cuando miras una distribución unidimensional.
Pero debido al hecho de que es una distribución normal, se extiende hasta el infinito en ambas direcciones. El modelo clásico de stock de seguridad te da algunos resultados extraños, como tiempos de espera negativos y ventas negativas, que son muy extraños pero son parte del modelo.
Esto significa que puedes elegir un valor de nivel de servicio que puede darte cualquier valor de stock objetivo entre menos infinito y más infinito, dependiendo de cómo elijas tu nivel de servicio. Esto no es teórico, es literalmente lo que las matemáticas te dicen. Entonces, cada vez que tienes una Gaussiana, eliges tu cuantil, y eso puede ir a cualquier corte final, entre menos infinito y más infinito.
Conor Doherty: ¿Puedes explicar el concepto de nivel de servicio en la gestión de la cadena de suministro?
Joannes Vermorel: Al considerar los niveles de servicio, es crucial entender que el rango puede abarcar desde menos infinito hasta más infinito. Efectivamente, tu nivel de servicio es idéntico a la cantidad que decides reponer. Para cualquier cantidad que elijas reponer, hay un nivel de servicio correspondiente entendido como una distribución normal. No es solo una analogía; es una equivalencia matemática. Para cada cantidad de la que tienes conocimiento, si tienes un modelo de stock de seguridad, habrá un nivel de servicio correspondiente en esta configuración de distribución normal.
Ahora, las personas podrían tener la ilusión de que porque el nivel de servicio se expresa como un porcentaje, es más simple o más fácil. Eso es una ilusión. Lo único ligeramente bueno al respecto es que ayuda a normalizar la escala porque todos tus productos tienen volúmenes y viabilidades variables. Expresar tu cantidad a asignar, comprar o producir como un objetivo de nivel de servicio lo hace independiente del volumen y sin sesgos. Sin embargo, ese es un argumento débil.
El término “nivel de servicio” puede ser engañoso porque las personas pueden pensar que un nivel de servicio muy alto siempre es percibido positivamente por los clientes. Eso es un malentendido. Las matemáticas del modelo de stock de seguridad no dicen nada sobre la satisfacción del cliente. Las personas tienden a pensar que si apuntan a un nivel de servicio alto, debe ser bueno para los clientes. Pero eso es un completo non sequitur.
Conor Doherty: ¿Puedes ampliar más sobre por qué esta percepción del nivel de servicio podría ser un problema?
Joannes Vermorel: El problema surge de la noción ingenua de equiparar la calidad del servicio con un problema unidimensional. Esto podría haber sido cierto en el siglo XVIII para una panadería que vendía un producto, como el pan. Esta perspectiva unidimensional todavía existe en algunos mercados de productos básicos.
Pero la mayoría de las cadenas de suministro modernas están lidiando con miles, si no decenas de miles de productos. Cuando multiplicamos el número de SKU por el número de ubicaciones, fácilmente podemos llegar a decenas de miles, cientos de miles o incluso millones de SKU para grandes empresas. Este número significativo de SKU desafía el análisis unidimensional.
Una diferencia en magnitud puede convertirse en una diferencia en tipo. Las propiedades emergentes que obtienes cuando tienes toneladas de productos son muy diferentes de las que tenías cuando tenías solo un producto.
Conor Doherty: Cuando mencionas propiedades emergentes, ¿podrías proporcionar más detalles? Parece ser un detalle importante.
Joannes Vermorel: Sí, por supuesto. Un ejemplo de una propiedad emergente es cómo una molécula de agua se comporta de manera diferente dependiendo de su estado, ya sea un gas, líquido o sólido. Si quisieras explicar todos los comportamientos que puedes observar con el agua, llevaría semanas o meses. No es tan simple como elegir una molécula y explicarla en 30 minutos, lo cual podría ser posible con estudiantes de secundaria. El mismo principio se aplica cuando estás lidiando con una multitud de SKU en una cadena de suministro, en lugar de solo uno. Requiere un análisis más complejo.
Existe un peligro en pensar que una vez que entiendes todo sobre una molécula de agua, sabes todo sobre el agua en sí. Eso no es del todo correcto. De manera similar, cuando dices: “Tengo un modelo que explica un producto, y ahora puedo explicar mi cadena de suministro que está compuesta por muchos productos”, te insto a tener precaución. Hay muchas cosas que no son concebibles en la configuración de tu único producto. Este es solo un ejemplo simplificado que no refleja las verdaderas complejidades de tu cadena de suministro.
Incluso si solo consideramos un producto, hay variaciones a lo largo del tiempo. Por ejemplo, si consideras solo un producto de forma aislada, su clasificación fluctuaría ampliamente a lo largo del tiempo. La mayoría de los productos tienen un ciclo de vida en el que comienzan lentamente, se aceleran, se estabilizan y luego disminuyen en algún momento. Por lo tanto, este modelo unidimensional, que considera el volumen de ventas como si fuera estático, es incorrecto. Es dinámico, y esa es otra dimensión que a menudo se pasa por alto.
Parte de la calidad del servicio es este comportamiento dinámico dependiente del tiempo. Si tomamos el ejemplo de una panadería, los clientes esperan encontrar pan todos los días. Cualquier faltante de stock es una violación de este contrato social.
Por el contrario, si eres una panadería poco confiable que solo tiene pan un día de cada dos, pero tu pan es mucho más barato que la competencia, los clientes aún podrían estar contentos contigo. Tienen una expectativa incorporada de tu servicio.
La calidad del servicio no es algo que esté en tu cadena de suministro, está fundamentalmente en la mente de tus clientes. No todos estarán de acuerdo en eso, por lo que es inconsistente. Si comenzamos a agregar estas expectativas, puede ser engañoso.
Cuando agregamos múltiples productos a la mezcla, entra en juego otra dimensión. Si los clientes quieren varios productos, debemos analizar si pueden encontrar una combinación que tenga sentido para ellos. Un error común es asumir que si todos mis productos tienen un nivel de servicio del 100%, entonces todas las combinaciones de productos también tendrán un nivel de servicio del 100%. Esto es cierto solo si nunca te quedas sin stock, lo cual es casi imposible.
Cuando comienzas a examinar la probabilidad de disponibilidad o indisponibilidad de combinaciones de productos, obtienes una perspectiva muy diferente a la que te puede dar un modelo simple de stock de seguridad/nivel de servicio.
Solo para ilustrar esto, tomemos el ejemplo de un supermercado que tiene un nivel de servicio del 95% para todos sus productos, lo cual es bastante bueno. En Europa, hay un promedio de un 7% de faltante de stock en el estante, por lo que un nivel de servicio del 95% es bastante bueno. Si tienes un cliente que quiere 20 productos, que ni siquiera es una cesta grande típicamente, es probable que la probabilidad de que falte al menos uno de esos productos sea alta. Necesitaría hacer los cálculos, pero asumiendo disponibilidad independiente, es probable que tengas menos del 10% de probabilidad de encontrar todo.
Entonces, comenzamos con lo que parece ser muy bueno desde una perspectiva de stock de seguridad y demanda, dando la impresión de un nivel de servicio del 95% o más. Pero desde la perspectiva del cliente, probablemente menos del 10% de los clientes que entran a la tienda encontrarán exactamente lo que estaban buscando. Estas dos cosas pueden ser ciertas al mismo tiempo. Puedes tener un nivel de servicio del 95% o más, y aún así tener menos del 10% de tus clientes que salgan de la tienda satisfechos.
¿Qué pasa con los productos que tus clientes esperan pero que no forman parte de tu surtido? El nivel de servicio es ciego en este sentido. Si hay un producto que tiene mucha demanda pero simplemente no lo tienes, no se contará como un faltante de stock o un nivel de servicio del cero por ciento, simplemente no se contará en absoluto.
Por ejemplo, si llevamos esto al extremo e imaginamos una tienda llena de productos que nadie quiere, esta tienda tiene, por definición, un nivel de servicio del 100%. Nadie quiere estos productos, pero están en exhibición, por lo que tienes un nivel de servicio perfecto. Cuantos más productos tengas que nadie quiera, mejor será tu nivel de servicio. Ese es un problema completamente mecánico, un problema con estos modelos matemáticos.
Tenemos que ser muy cautelosos, especialmente cuando estos modelos tienen nombres que suenan positivos como ‘Stock de Seguridad’. Hay una transición de non-sequitur donde las personas asumen que porque es un modelo matemático que tiene un buen nombre, debe ser bueno para los clientes, pero este es un salto injustificado.
Conor Doherty: Para resumir lo que has dicho, es crucial entender nuestra crítica de ABC XYZ desde una perspectiva de cesta. Los clientes no tienden a comprar de forma aislada. No tener acceso a un determinado SKU puede hacer que se vayan de la tienda sin comprar nada, incluso los otros artículos de alta calidad. Esto significa que la tienda pierde todas las ventas potenciales, no solo el SKU individual.
Joannes Vermorel: Sí, y si volvemos a la intención original, ABC XYZ se supone que es un mecanismo de toma de decisiones de prioridad de atención para los humanos. Pero ¿es un buen mecanismo para priorizar la atención? Yo diría que absolutamente no. Como mecanismo de priorización, es deficiente, no destaca nada realmente relevante.
Y aunque no soy un gran fanático de DDMRP, reconozco que como mecanismo de priorización de atención, la forma en que DDMRP define los buffers y prioriza los productos en función de la divergencia a los buffers objetivo tiene más sentido que ABC XYZ. Al menos es medio decente en este aspecto. ABC XYZ no lo es.
Conor Doherty: ¿Hay alguna forma de conciliar ABC XYZ como una herramienta de priorización de atención con estas preocupaciones que acabamos de describir, especialmente desde la perspectiva de la cesta?
Joannes Vermorel: No, no la hay. Comienzas con una serie de premisas erróneas. Primero, dices que quieres tener a un humano en el proceso, lo cual cuestiono. Luego cometes un segundo error con un modelo mono-producto, mono-SKU con una suposición de distribución normal incorporada. Eso es muy malo. Conduce a resultados catastróficos. Luego, si haces otra suposición errónea de tener una discretización de tu espacio, no agrega ninguna información, de hecho, pierde información. Nos hemos desviado con tensiones que solo empeoran cada vez más.
Ahora nos damos cuenta de que tenemos muchos defectos acumulados. Estamos tratando de reparar esto con lo que podría compararse con cinta adhesiva, volviendo a agregar variables que nos dan el ABC XYZ. Podríamos intentar encontrar otras formas de arreglar el método, pero en realidad, estamos yendo en la dirección equivocada. Cada paso adicional que das solo agrega más cinta adhesiva. No es una buena ingeniería.
El proceso que estás diseñando simplemente no es muy bueno. Agregar más parches no lo mejorará. La única solución es volver atrás y revisar las suposiciones que se hicieron. ¿Son realmente válidas? Si no lo son, deberías reconsiderar por completo el enfoque que estás tomando.
Si volvemos a nuestro punto de partida, comenzamos con un problema tangible: tomar decisiones para el inventario. Pero a lo largo de nuestro viaje para abordar el problema, hicimos muchas suposiciones y ahora estamos enfrentando las consecuencias de esos errores. Una vez que has cometido muchos errores, no puedes simplemente hacer una segunda prueba para solucionar tu problema.
Esto es similar a cuando le preguntas a un matemático si una segunda prueba puede arreglar una incorrecta. La respuesta es no. No puedes solucionar tu problema con una segunda prueba. La única forma es descartar tu prueba incorrecta, hacer el trabajo nuevamente y luego podrás tener un camino correcto. Es lo mismo con el software. Si tienes suposiciones incorrectas, no puedes arreglarlas después. Debes volver al punto donde cometiste un error, corregirlo y luego continuar en tu camino.
Muchas empresas han construido prácticas enteras bajo suposiciones incorrectas. Debido a que las cadenas de suministro son muy opacas y complejas, las personas pueden operar durante décadas sin darse cuenta de algo mejor.
Solo han pasado 20 años desde que tuvimos máquinas de computación lo suficientemente capaces como para automatizar las decisiones de la cadena de suministro de manera económica. Las computadoras modernas, lo suficientemente capaces como para lidiar con la complejidad de una cadena de suministro moderna, no han estado aquí para siempre. Han estado aquí durante un tiempo relativamente largo, pero no durante siglos. Para muchas grandes empresas que operan cadenas de suministro, esta automatización solo se convirtió en una posibilidad hace 20 años.
Para darte un punto de comparación, se tardó aproximadamente 40 años en Estados Unidos y en Europa en pasar de las empresas que producían su propia electricidad a comprar electricidad de la red. Adoptar una tecnología puede ser un proceso lento. A fines del siglo XIX y principios del XX, tanto en Europa como en Estados Unidos, se tardó aproximadamente 40 años en hacer la transición de generar electricidad internamente a comprarla de la red.
Entonces, en términos de escala de tiempo, el desarrollo de máquinas capaces de realizar todos estos cálculos sin la participación humana en cada paso del proceso es algo bastante reciente.
Conor Doherty: Retrocedamos un poco. Hablaste sobre el enfoque estático de ABC y, por extensión, ABC XYZ. ¿Puedes expandir un poco sobre ambos enfoques o cualquier enfoque alternativo para los patrones de demanda?
Joannes Vermorel: Bueno, estamos clasificando nuestros productos según dos dimensiones: la media o el volumen de ventas y la varianza. Pero nuevamente, estas son abstracciones. No son reales. No existe tal cosa como el volumen de ventas instantáneo. Eso no existe. Esa es la diferencia entre decisiones tangibles, como mover 10 unidades, y decir: ‘Estos productos, en promedio, venden 0.5 unidades al día’. No hay tal cosa. Lo único que puedes decir es que en las últimas dos semanas, has vendido alrededor de siete unidades, lo que se aproxima a 0.5 unidades al día.
Conor Doherty: ¿Cómo evalúas este volumen en términos de gestión de la cadena de suministro?
Joannes Vermorel: Este volumen y varianza son indicadores estadísticos. La pregunta es qué tan estables son a lo largo del tiempo. Hemos realizado numerosas pruebas en Lokad y hemos visto que para la mayoría de las empresas, incluso cuando solo miramos el análisis ABC, una parte significativa de los productos cambiará de categoría de un trimestre a otro. Si vamos a algo más preciso, como por mes, el número de productos que cambiarían de categoría aumentaría significativamente.
Conor Doherty: Entonces, ¿hay problemas con este método de clasificación?
Joannes Vermorel: Sí, el problema con la clasificación, especialmente cuando profundizas en el análisis ABC o XYZ, es que multiplicas el número de cambios de categoría de productos. Si duplicas el número de categorías, verás que entre el 80 y el 90 por ciento de los productos cambian de categoría de un trimestre a otro. Esto no proporciona información valiosa sobre tu negocio; es simplemente ruido.
Estos indicadores eran una especie de basura porque crean una ilusión de patrón. Puede parecer científico, pero esencialmente vende una ilusión. Organizar productos en una matriz puede parecer matemático, pero son solo rangos arbitrarios determinados por un comité.
Por ejemplo, cuando clasificas a las personas como ricas, promedio, clase media y pobres, estás lidiando con un espectro que es continuo. Tus puntos de corte son completamente arbitrarios. Este mismo problema existe cuando clasificas tus productos.
Conor Doherty: Entonces, ¿cuál es tu perspectiva sobre un enfoque probabilístico?
Joannes Vermorel: El enfoque probabilístico es difícil de comparar porque es un cambio de paradigma completo. La primera diferencia importante es si necesitamos humanos en el proceso o no. La Supply Chain Quantitativa dice que no. Queremos tener lo mejor que el hardware y software informático moderno puede ofrecer para la cadena de suministro. Si involucra humanos o no es relativamente accidental.
Entonces, si la cadena de suministro involucra humanos o no es algo incidental. Los pronósticos probabilísticos son muy interesantes en este sentido porque proporcionan una enorme cantidad de información. Hemos pasado de clases, que pierden mucha información, a rangos, que dan una medida puntual. Pero los pronósticos probabilísticos ofrecen un tipo diferente de precisión. En lugar de un indicador de punto único, abrazamos la incertidumbre, representando la incertidumbre ambiental que tenemos sobre el sistema. ¿Por qué importa? Las computadoras no tienen los cuellos de botella de la mente humana y pueden procesar grandes cantidades de información. Este método ayuda a recopilar mucha más información sobre tu sistema, tu cadena de suministro, tus productos y más, en comparación con los indicadores de punto.
Sí, esa es una forma de verlo desde una perspectiva informativa, lo que has recopilado en términos de información pura sobre tu situación. Otro enfoque para ver los pronósticos probabilísticos es desde una perspectiva de gestión de riesgos. En última instancia, necesitamos vincular nuestra decisión con algún tipo de análisis de riesgos. Estamos haciendo toda esta optimización de inventario para decidir las cantidades de inventario que queremos asignar, producir y comprar. La justificación detrás de estas decisiones debería ser en términos de euros o dólares de error y recompensa.
Recuerda, la misión de una empresa es ser rentable. Sí, hay muchas otras cosas por las que una empresa debería esforzarse, pero sin ganancias, la empresa dejará de existir. Para las empresas que operan cadenas de suministro, los márgenes son estrechos y la supervivencia no está garantizada. Muchas grandes empresas quiebran cada año. Por lo tanto, debemos evaluar las decisiones en términos de euros y dólares.
Entonces, los pronósticos probabilísticos proporcionan más información sobre el sistema, pero también allanan el camino para mecanismos que te permiten vincular tu visión financiera con tu anticipación del futuro. Permite un conjunto más rico de información y proporciona métodos adecuados para expresar la calidad de tus decisiones en euros y dólares.
Por otro lado, métodos como ABC XYZ son algo así como un callejón sin salida. No proporcionan una forma efectiva de cerrar la brecha entre estas métricas y el resultado financiero deseado. Siempre puedes diseñar soluciones alternativas complejas, pero estos métodos serían mejor reemplazados por algo que evite por completo la matriz ABC XYZ.
Conor Doherty: Algunas personas argumentan que podrías aprovechar la inteligencia artificial o el aprendizaje automático para cerrar la brecha que acabas de describir. Sugieren que la IA podría aplicar de manera efectiva una “gran pieza de cinta adhesiva” a las métricas ABC XYZ para lograr lo que estás diciendo.
Joannes Vermorel: Estás implicando que tenemos un método que genera una matriz inadecuada para el propósito, lo que resulta en una entrada de baja calidad. Luego intentamos conectar esto con nuestro objetivo real. Sin embargo, la señal de entrada está tan defectuosa que necesitaríamos una solución alternativa increíblemente sofisticada para cerrar esta brecha. Eso no es eficiente ni efectivo. A menudo, las personas se refieren a esto como un enfoque de “cinta adhesiva con esteroides” donde el objetivo es conectar algo que es subóptimo a una salida y cerrar esta brecha utilizando análisis avanzados. Esto es similar a decir: “Mi coche es demasiado lento, pongamos un motor de avión encima de mi coche porque mi coche es demasiado lento”. Si bien esto podría hacer que tu coche sea más rápido, no es la solución correcta. Es una ingeniería demasiado complicada.
Si tu coche no es lo suficientemente rápido, tal vez deberías reconsiderar si el motor que tiene es lo suficientemente potente o tal vez hay demasiado peso en el coche debido a las cosas que has puesto. La solución no siempre debe ser aditiva. Por ejemplo, poner un motor de avión encima de un coche para hacerlo más rápido no es una ingeniería sensata.
Los seres humanos tienen enormes dificultades para conectar el valor de estas métricas con los costos asociados. Esto a menudo lleva a la invocación de superpoderes analíticos como la IA o el aprendizaje automático. A menudo se ven como algo mágico, como si invocar a un semidiós del análisis de datos para realizar algo casi mágico por nosotros.
Si bien hay casos en los que estos métodos avanzados pueden funcionar, yo argumentaría que es una complejidad innecesaria. Es como crear un artefacto que es demasiado complicado para su propio bien. La ingeniería de calidad consiste en crear cosas simples y mantenibles, no tan complicadas como puedas hacerlas.
Si introduces una complejidad indebida, es posible que pases más tiempo depurando un algoritmo de aprendizaje automático súper avanzado que apenas comprendes en lugar de centrarte en problemas básicos. Por ejemplo, es posible que tu supermercado no tenga la marca de pañales que los padres desean. Los nuevos padres podrían alejarse de tu tienda porque no ven la marca que esperan, y tu análisis de nivel de servicio o sistema de IA no te lo dirá.
Conor Doherty: Para concluir, ¿qué les dirías a las personas que todavía defienden ABC XYZ pero están abiertas a dar el siguiente paso?
Joannes Vermorel: Les aconsejaría que revisen sus suposiciones y cuestionen sus visiones que están influyendo en sus requisitos. No te dejes engañar por el argumento de la tradición. Solo porque algo se haya hecho durante décadas no significa que siga siendo relevante. Hace dos siglos, el trabajo número uno en París era llevar agua en cubos. Obviamente, eso ya no es así hoy en día.
Cuando algo se ha hecho siempre, probablemente tenía algún valor bajo ciertas condiciones. No debería descartarse sin una cuidadosa consideración. Pero las suposiciones subyacentes al método deben ser revisadas. Cuando hablo con personas que promueven ABC XYZ, les animo a desafiar las suposiciones subyacentes al método. No estoy diciendo que el método esté equivocado, sino que el razonamiento y la visión que subyacen al método pueden ser defectuosos u obsoletos. Eso es en lo que deberías centrarte.
Conor Doherty: Bueno, si puedo agregar un pequeño pensamiento al final de eso, diría personalmente en términos de tolerancia a la ambigüedad, dos cosas aparentemente contradictorias pueden ser verdaderas simultáneamente. Por ejemplo, tal vez hayas usado ABC o ABC XYZ durante décadas y te haya funcionado. Eso puede ser cierto, pero eso no dice nada sobre la afirmación de que hay mejores métodos. En realidad, no habla de la corrección del método. Entonces, dos cosas pueden ser verdaderas simultáneamente y para algunas personas eso puede ser difícil de comprender.
Joannes Vermorel: Lo entiendo. Es una confusión de factores y está en todas partes. Porque la realidad es que, cuando dices que ABC o ABC XYZ te ha funcionado, desafío eso. ABC XYZ no te da las cantidades finales de reabastecimiento. El problema es que hay otros pasos después de eso para llegar a eso y puede haber toneladas de juicios humanos involucrados. Comenzamos con la idea de tener solo al gerente de la tienda que mira una única hoja de cálculo, mi volumen de ventas y qué elijo para mis productos. Luego, nos conectamos en el medio de esta matriz. Pero si tu proceso es crear una matriz elegante, pretender que eres un científico, lucir inteligente frente a tus colegas, luego descartar la matriz y volver a tus viejas formas, es posible que termines diciendo que te funcionó muy bien.
Puede darle a tu colega una justificación, puede darte una especie de ilusión, una ilusión propia sobre si esta parte de tu trabajo realmente estaba contribuyendo a algo. Al final, estábamos haciendo algo completamente diferente para llegar a la única decisión que importa, que es la decisión final de inventario. Debido a que las cadenas de suministro son muy complejas y opacas, puedes hacer muchas cosas en el medio que no sirven para nada y que aparentemente sirven para algo grande.
Si miras alrededor del mundo, hay muchas tribus primitivas que tienen rituales para invocar la lluvia. No creo que haya muchas personas hoy en día que digan que bailar por la lluvia afectará el clima y mejorará el rendimiento de tus cultivos. Pero la gente diría: “Hemos bailado por el clima durante miles de años, y luego hubo lluvia, y luego tuvimos una buena cosecha”.
Sí, lo haces, pero tal vez había pasos en lo que estabas haciendo que eran completamente inútiles. Al final, eso es lo que realmente necesitas evaluar. ¿Este paso realmente contribuye tanto como crees que lo hace a la calidad del resultado final, que es una decisión tangible, no los artefactos que creas en el camino? ¿Existen métodos alternativos que serían mejores? Porque en última instancia, si tienes algo que funciona para ti en el sentido de que funciona en absoluto, volvemos a llevar agua en cubos. Ciertamente funciona, pero hay alternativas que son enormemente mejores.
Conor Doherty: Bueno, eso es exactamente a lo que me refería. Las dos cosas pueden ser ciertas simultáneamente. Puedes llevar agua en un cubo, pero al mismo tiempo, también podrías transferirla en un barco o cualquier cosa significativamente más grande, eso es lo que estoy diciendo. Pero nuevamente, dos cosas pueden ser ciertas simultáneamente, y reconocer que a menudo hay ambigüedad entre conceptos o la vaguedad de la que a menudo hablas puede ser difícil para las personas.
Joannes Vermorel: Sí, y esto es exactamente lo que necesitas cambiar. Cuando las personas dicen: “Funcionó para mí”, en estas prácticas que veo en la cadena de suministro, realmente necesitas cuestionar lo que quieren decir con “funcionó para mí”. ¿Qué significa eso? No es una afirmación falsa per se, pero si todo lo que tienes que decir es “estuvo más o menos bien”, no es suficiente.
En una cadena de suministro moderna y distribuida donde tu percepción humana es muy limitada, podrías decir que la validez de esta afirmación “funcionó para mí” no es absolutamente la misma si estás lidiando con un sistema pequeño por un lado, o una cadena de suministro súper compleja que no puedes observar en su totalidad. Nuevamente, si hay un gerente de tienda que administra un estante y dice: “Sabes qué, se ve bien para mí. Miro este estante y digo que esto es exactamente lo que mis clientes quieren”, confiaría en tu juicio. Eso se debe a que es algo que está frente a ti, tienes una idea del sistema. Puedes ponerte en los zapatos de tus clientes. Usas tu empatía, mira eso. Tienes toda la información relevante justo frente a ti. Puedes emitir un juicio de valor y este juicio es muy probablemente relativamente razonable, asumiendo que la persona actúa de buena fe y demás. Ahora, ¿es este el tipo de situación que enfrentas en las cadenas de suministro?
Yo diría que generalmente no en absoluto. La situación típica de la cadena de suministro es que eres un empleado de oficina a mil kilómetros del lugar donde los productos van a ser enviados y consumidos. No estás mirando el estante, estás mirando una hoja de cálculo de Excel. Tienes docenas de productos de los que solo has visto los códigos de producto. La mayoría de las veces, nunca has visto los productos en realidad. E incluso si has visto algunos, ciertamente no has visto todos. Estás atendiendo a clientes que nunca has visto, y los datos se presentan desde un sistema que es súper complejo y que apenas entiendes, como tu ERP y demás. Tu racionalidad es que estás tratando de usar tu propia racionalidad humana para lidiar con algo que es solo una parte minúscula de la imagen.
Realmente desafío cuánto puedes decir que funcionó. Podría usar mi propio juicio para decirte que funcionó. Sabes, si es algo muy localizado, donde ves todo el panorama, diría: “Sí, tal vez no puedas explicarme por qué funciona, pero confío en tu juicio”. Si estás viendo algo que ni siquiera es el uno por ciento del total, y me dices que funcionó, digo que no. No lo ves, es solo que hace lo que estás acostumbrado a ver en este uno por ciento. Eso es cuando dices que funcionó. Solo estás diciendo que lo que tienes frente a tus ojos no se desvía en comparación con lo que te has acostumbrado a ver para este uno por ciento del rompecabezas que estás mirando.
Conor Doherty: Joannes, creo que hemos cubierto una cantidad tremenda de temas hoy y no tengo más preguntas. Muchas gracias por tu tiempo y muchas gracias por ver. Nos vemos la próxima vez.
