00:00:00 Introducción a Lokad y su misión
00:00:59 Roles y metas en la mejora de supply chain
00:02:59 Toma de decisiones y automatización
00:05:42 Impacto de las decisiones de supply chain en el ciclo de vida del producto
00:08:10 Rol de un Supply Chain Scientist
00:10:56 Costo del faltante de stock
00:13:30 Traducir la comprensión del negocio en ecuaciones
00:15:50 Analogía de pit crew para la optimización de supply chain

Resumen

En una entrevista, Conor Doherty de Lokad conversa con Simon Schalit, COO, sobre el papel crucial de un Supply Chain Scientist en Lokad. Schalit explica que estos científicos no son solo expertos en datos, sino también especialistas en gestión de supply chain, responsables de optimizar y automatizar decisiones relacionadas con el inventario y los precios. Construyen algoritmos para asegurar compras y despachos eficientes, con el objetivo de lograr el máximo retorno de inversión. A diferencia de los data scientists típicos, los Supply Chain Scientists se sumergen en la comprensión de los procesos de negocio y estrategias, traduciéndolos en algoritmos de optimización. Este rol involucra análisis de datos, interacción con el cliente y perspicacia empresarial, lo cual es esencial para impulsar la eficiencia y la rentabilidad en las empresas.

Transcripción Completa

Conor Doherty: Bienvenidos a Lokad. Cuando la gente me pregunta qué hace Lokad, respondo de manera bastante sencilla: te ayudamos a tomar mejores decisiones financieras. Eso, por supuesto, conlleva las siguientes preguntas: ¿de dónde provienen las decisiones y cómo se generan? El invitado de hoy, Simon Schalit, es COO y jefe de supply chain science en Lokad, y se sentó a explicarme el papel crítico que desempeña el Supply Chain Scientist en generar las decisiones que nuestros clientes utilizan para optimizar sus supply chains. Como siempre, si te gusta lo que escuchas, suscríbete al canal de YouTube, dale like a este video y síguenos en LinkedIn. Y con eso, te presento la conversación de hoy con Simon Schalit.

Simon Schalit: Soy el COO de Lokad, lo que en la práctica significa que dirijo el equipo de Supply Chain Scientists. Los Supply Chain Scientists son los responsables de implementar y mantener en producción nuestras soluciones para nuestros clientes. Sea cual sea el sector o industria en la que trabajen, son tanto expertos en datos como especialistas en supply chain. Así que, es un equipo de ingenieros que hacen tu supply chain mejor.

Conor Doherty: Muy bien, Simon, gracias. Cuando dices “hacer tu supply chain mejor”, una de las razones por las que te tengo aquí es porque eres muy bueno explicándolo en términos concretos. Entonces, cuando dices que los Supply Chain Scientists mejoran la supply chain del cliente, en términos concretos, ¿qué significa eso? ¿Qué es lo que estamos mejorando exactamente?

Simon Schalit: Bueno, el objetivo de las decisiones en supply chains es asegurar que todo, ya sea inventario o precios, se establezca de la manera más optimizada posible. Así que, si hablamos de comprar artículos para una supply chain, por ejemplo, quieres que los artículos que vas a adquirir se compren en el lugar correcto, en el momento adecuado, se envíen al lugar correcto, en el momento oportuno, para estar disponibles para el servicio en la forma que sea, dependiendo de la industria.

Entonces, cuando hablamos de hacer supply chains mejor, estamos hablando de tomar mejores decisiones. Normalmente, eso implica tanto optimizar esas decisiones desde una perspectiva financiera como automatizar el proceso de decisión, ya que el número de decisiones que las supply chains de las grandes empresas deben tomar a diario suele ir mucho más allá de lo que los humanos pueden manejar. Incluso si lo hacen, en la práctica, no pueden garantizar que de alguna manera estén optimizadas.

Conor Doherty: Por ejemplo, si hablamos de, digamos, una empresa de retail, podrían tener 15,000 productos en el catálogo, podrían tener 200 tiendas. Diariamente, el Supply Chain Scientist en esa cuenta es responsable de decirles a los clientes ¿qué?

Simon Schalit: El Supply Chain Scientist es quien va a construir la lógica que automatice esas decisiones. En el caso que acabas de presentar, diariamente, la empresa necesita decidir cuántos de cada producto comprar y a dónde enviarlos. Básicamente, se trata de compras y despachos si tomamos este ejemplo simple. En este caso, el Supply Chain Scientist procesará los datos, por supuesto, no por sí solo, sino con los algoritmos y las herramientas, la computadora que tenga a su disposición.

Construirán la lógica financiera que tomará la decisión, asegurándose de que cada vez que compres una unidad adicional para poner en inventario, lo que en realidad significa hacer una apuesta, esta apuesta esté optimizada para que el retorno de inversión sea el mejor posible considerando la cantidad de información disponible. Y por último, pero no menos importante, se asegurarán de que la solución automatice este proceso de decisión para que esas decisiones puedan generarse de manera coherente y estable a diario para la empresa.

El elemento importante es que el número de decisiones es gigantesco y no debería limitarse únicamente a lo que compras. También influye en lo que no compras. Una decisión de no comprar en sí es una decisión. Así que, la magnitud de las decisiones, el número de decisiones que deben tomarse diariamente, puede ser bastante grande.

Conor Doherty: Gracias, y eso es algo que recuerdo que Joannes Vermorel, CEO, describió antes. Incluso una vez que has tomado la decisión, por ejemplo, haciéndola trivialmente simple: He comprado una unidad. La decisión no termina ahí, porque incluso una vez que tienes la unidad, puedes optar por seguir manteniéndola, asignarla, devolverla, liquidarla, rebajarla, o empaquetarla con algo más. Todas estas representan decisiones financieras, elecciones respecto a los recursos.

Simon Schalit: Definitivamente. Las decisiones de supply chain van a afectar la vida del producto a lo largo de su ciclo, desde la obtención de un proveedor en particular o su fabricación hasta la distribución real al cliente si se trata de un artículo que vas a vender, o el consumo o uso si hablamos de una industria de mantenimiento o manufactura.

Durante este ciclo, habrá numerosas decisiones. Hablamos de obtención, compras, despachos, si lo vas a usar o no, asignaciones. Habrá decisiones de precios, que no se consideran necesariamente decisiones de supply chain en general, pero desde nuestra perspectiva, son decisiones que van a afectar el ciclo de stock. Esto es definitivamente algo que se debe tener en cuenta y optimizar dentro del contexto de supply chain.

Todas esas decisiones deben tomarse a diario, en gran número. No se deben tomar de forma independiente unas de otras porque van a tener un impacto enorme entre sí. Lo más obvio es que no puedes despachar algo que no tienes, o no puedes cambiar el precio de algo que no tienes.

Pero un vínculo más sutil puede ser que mientras más compras, y mientras más agresivo eres en cuanto al nivel de servicio que deseas alcanzar al realizar grandes pedidos en compras, es más probable que tengas que ajustar los precios, potencialmente al final de la temporada, si hablamos de la industria de la moda, para deshacerte del stock que había, y asegurarte de que no hubiera ningún faltante de stock. Pero, por supuesto, la consecuencia es que no estabas completamente seguro de que ibas a vender, al menos, al precio base.

Conor Doherty: Gracias. Antes de entrar en el tema principal de hoy, ¿podrías, en tus propios términos, distinguir para mí la diferencia entre un data scientist y un Supply Chain Scientist? Porque, de nuevo, en contexto, cuando presento Lokad en una feria o conferencia, a veces cuando describo a un Supply Chain Scientist, dicen, “Oh, es como un data scientist.” En tu opinión, ¿cómo se diferencian los roles?

Simon Schalit: Bueno, un Supply Chain Scientist es, por supuesto, en parte un data scientist. Data scientist se refiere usualmente a un especialista en datos que va a utilizar estadísticas para extraer información relevante de los datos. El problema que suele surgir al tener un equipo de data scientists puros es que tienden a trabajar únicamente con los datos disponibles. Más a menudo que no, esto crea una especie de efecto Torre de Marfil donde la realidad accesible para los data scientists es solo la realidad que está representada en los datos.

En nuestra experiencia, si solo te fijas en los datos disponibles y en los datos tal como están cuando iniciamos el proyecto, te perderás una gran parte del panorama. Te perderás gran parte de la realidad de los procesos diarios que, por lo general, no están tan bien documentados como deberían estar. Probablemente te perderás parte del significado de los datos a los que tienes acceso, porque los datos en sí no están tan bien documentados como deberían, y probablemente no desde una perspectiva correcta. Pueden estar documentados desde una perspectiva de TI, pero no necesariamente documentados desde una perspectiva empresarial.

Y por último, pero ciertamente no menos importante, lo que vas a perder es todos los datos que existen en la cabeza de las personas. Lamentablemente, esto es bastante importante porque, normalmente, ahí es donde reside la estrategia de la empresa. Como mencionamos antes, dijimos que cuando queremos optimizar, queremos optimizar desde una perspectiva financiera. Optimizar desde una perspectiva financiera depende en gran medida de la comprensión de la estrategia de la empresa.

Tratando de decir, “Quiero alcanzar cierto nivel de servicio”, no existe un nivel de servicio optimizado. No hay un nivel de servicio en el que pueda decir, “Oh, esta empresa necesita tener un 98% de nivel de servicio.” Eso no existe. La elección de este nivel de servicio objetivo debe basarse en lo que la empresa considera que vale financieramente ese nivel de servicio.

Para esta cuestión en particular, que enfrentamos a diario con nuestros clientes, el elemento clave se convierte en: ¿cuál es el costo del faltante de stock? Si hablamos de estar con faltante de stock para una empresa de MRO aeronáutico que repara aviones, el costo del faltante de stock es gigantesco porque literalmente puede significar tener un avión varado en tierra, lo que cuesta cientos de miles de dólares al día.

Conor Doherty: ¿Y el Supply Chain Scientist investiga todo esto y se lo comunica al cliente?

Simon Schalit: Sí, absolutamente necesitas investigar eso porque es el elemento que garantizará que el sistema, el algoritmo, penalice el potencial de faltante de stock de la manera correcta y con la magnitud adecuada, de modo que tome las decisiones, las apuestas de si deseas tener una unidad en stock en particular o no, de la forma correcta. Para la actividad de MRO, el nivel de servicio que deseas alcanzar es extremadamente alto porque, en la remota posibilidad de que no tengas la pieza que necesitas, el costo será gigantesco.

Por otro lado, hay actividades en las que sufrir un faltante de stock es mucho menos problemático, porque los clientes podrían esperar que estés con faltante de stock, por ejemplo, al final del día en el caso de productos de frutas frescas.

Conor Doherty: Por ejemplo, los productos de frutas frescas pueden ser sustituidos por algo más que tengas en exhibición.

Simon Schalit: Exactamente, puede haber sustitutos, equivalentes, o simplemente el hecho de que no siempre sea un problema sufrir un faltante de stock. No necesariamente perderás clientes de inmediato por estar con faltante de stock. Las externalidades no son tan enormes.

Así que el principal problema de tener un equipo tradicional de data scientists es que podrían ser ajenos a ese tipo de cuestiones. Para asegurarnos de que nuestro equipo en Lokad, el equipo de Supply Chain Scientists, no caiga en esa trampa, deliberadamente los llamamos Supply Chain Scientists. Esto garantiza absolutamente que todos, incluidos ellos mismos, comprendan que parte de su trabajo, y de hecho, una parte muy significativa de su trabajo, es entender los procesos, comprender la empresa, entender la estrategia financiera y traducir todo esto en ecuaciones.

Iba a decir palabras, porque necesitas documentarlo, pero en última instancia, ecuaciones en el manual de procedimientos conjunto. Definitivamente, necesitas documentarlo para nuestro beneficio, para el beneficio de Lokad, pero también para el beneficio del cliente. Así que documentas todo eso y, en última instancia, lo traduces a términos matemáticos para que se incorpore directamente en las ecuaciones que se alimentarán a las computadoras que realizan la optimización.

Conor Doherty: Gracias. Si tuviera que resumir, el rol del Supply Chain Scientist es multifacético. No se trata solo de procesar números, analizar datos, usar computadoras. Como dijiste, existe un elemento interactivo cara a cara, donde el cliente y los Supply Chain Scientists mantienen un contacto regular para discutir las complejidades, estrategias, objetivos, deseos y limitaciones.

Recaban toda esa información que puede o no estar reflejada en los datos, de modo que pueda transformarse en el entregable, que, en pocas palabras, si he entendido correctamente, son mejores decisiones financieras.

Simon Schalit: Sí, exactamente. En mi opinión, eso es lo que hace interesante el rol del Supply Chain Scientist, porque tienes este aspecto multifacético de los datos, el aspecto humano y empresarial, así como, por supuesto, los aspectos estadísticos del problema.

Conor Doherty: Esta es una de las razones por las que me alegra tenerte aquí, porque esta es, en gran parte, mi visión de Lokad también. Es como usar la analogía de las apuestas. Para mí, cuando la gente me pregunta en un evento de supply chain qué hace Lokad, hablo de decisiones. ¿Cómo lo hacen? No hablo de matemáticas, computadoras, internet y algoritmos. Hablo del Supply Chain Scientist que es el experto. Es como si estuvieras comprando un coche y contaras con un mecánico de clase mundial que te ayudará. El coche son las decisiones o el algoritmo que genera las decisiones, y el Supply Chain Scientist es tu mecánico personal que puede arreglar las cosas si algo sale mal.

Simon Schalit: Me gusta esta imagen. Iría incluso más lejos. Diría que es todo tu equipo de boxes si lo expresamos en términos de Fórmula 1. Pueden ser varias personas, pero va más allá de simplemente reparar tu coche. Cuando se habla de un mecánico, la gente piensa que abarca algo más.

Llega al punto en el que elegirán el tipo de coche que necesitas, el tipo de motor que vas a requerir, cómo este motor debe ser afinado, qué tipo de frenos vas a necesitar y el tipo de neumáticos que son necesarios para el tipo de entorno en el que te encontrarás.

Entonces, si quieres resumirlo, el Supply Chain Scientist es todo tu equipo de boxes. Creo que podrías verlo así, y de esa manera, entenderías lo importante que es este equipo para que puedas navegar cualquier entorno que enfrentes al volante de tu coche.