00:00:08 Introduction et parcours d’Eric Wilson à l’IBF.
00:01:35 Les défis de la production de chiffres utiles et d’informations à partir de l’analyse.
00:03:45 Le rôle des décisions commerciales dans l’utilisation de l’analyse.
00:05:31 L’importance des planificateurs de la demande compétents et la pénurie dans l’industrie.
00:07:25 La rareté des talents dans la chaîne d’approvisionnement et le domaine de l’analyse.
00:10:58 Le besoin d’un nouveau rôle de scientifique de la chaîne d’approvisionnement.
00:13:01 La pensée probabiliste dans la gestion de la chaîne d’approvisionnement.
00:14:41 L’importance croissante de la gestion de la chaîne d’approvisionnement dans les affaires.
00:15:47 L’intérêt croissant des médias pour la gestion de la chaîne d’approvisionnement.
00:17:18 L’émergence de maîtres de la chaîne d’approvisionnement dans les universités d’élite.
00:18:27 L’évolution de l’analyse et son rôle dans le futur.
00:19:59 La technologie mature devenant invisible et se fondant dans le décor.
00:20:53 Exemple de la technologie anti-spam en tant que technologie mature et invisible.
00:23:59 Définition de l’intelligence artificielle et de la valeur de poser les bonnes questions.
00:24:57 La chaîne d’approvisionnement silencieuse idéale et ses implications pour les planificateurs de la demande.
00:25:11 Les espoirs d’Eric pour son livre et les compétences que les planificateurs de la demande peuvent en tirer.
00:26:39 Remarques de clôture.
Résumé
Lors d’une interview avec Kieran Chandler, Joannes Vermorel, fondateur de Lokad, et Eric Wilson, prévisionniste d’entreprise certifié, discutent de l’importance croissante de l’analyse dans les organisations modernes. Ils explorent les défis de l’utilisation de vastes quantités de données pour obtenir des informations pertinentes et la nécessité d’une optimisation de la chaîne d’approvisionnement. Les deux soulignent l’importance de l’analyse exploitable pour une meilleure prise de décision. La conversation met en évidence la demande croissante de professionnels qualifiés en gestion de la chaîne d’approvisionnement et l’intégration de la technologie avec l’expertise de la chaîne d’approvisionnement. Alors que l’analyse continue d’évoluer, les organisations doivent s’adapter pour devenir plus agiles, réactives et prédictives afin de rester compétitives sur un marché en constante évolution.
Résumé étendu
Dans cette interview, l’hôte Kieran Chandler est rejoint par Joannes Vermorel, fondateur de Lokad, et Eric Wilson, prévisionniste d’entreprise certifié et animateur du podcast à la demande de l’IBF. Ils discutent du rôle de l’analyse dans les organisations modernes, en mettant l’accent sur les défis et les avantages de l’utilisation des données pour orienter les décisions commerciales.
Vermorel a une opinion quelque peu controversée sur l’analyse. Il estime qu’il est facile de générer de grandes quantités de données, mais beaucoup plus difficile de produire un petit nombre d’informations précieuses pour la consommation humaine. Il suggère que l’utilisation généralisée de l’analyse dans les entreprises échoue souvent à produire des informations utiles. Wilson, quant à lui, estime que bien qu’il soit crucial de trier les vastes quantités de données pour trouver des informations significatives, les avantages de le faire l’emportent largement sur les coûts.
Wilson souligne l’importance de transformer les données brutes en informations, puis en idées exploitables. Il reconnaît que de nombreuses entreprises ont du mal à atteindre le stade des idées, mais affirme que se lancer dans ce voyage est essentiel. Les entreprises devraient utiliser les données pour mieux comprendre leurs consommateurs et l’économie, en particulier face à des défis tels que COVID-19.
Vermorel et Wilson conviennent tous deux que l’objectif ultime de l’analyse est de prendre de meilleures décisions commerciales. Vermorel souligne que sans objectif pratique et tangible, l’analyse peut conduire à des lignes de pensée ou d’action improductives. Il critique l’utilisation généralisée des métriques de vanité et le manque de concentration sur les indicateurs de performance clés (KPI). En revanche, il suggère que les entreprises devraient se concentrer sur la prise de décisions exploitables et automatisées basées sur les données.
Le nouveau livre d’Eric Wilson, “Predictive Analytics for Business Forecasting”, s’adresse aux planificateurs de la demande. À mesure que les équipes de données se développent, la pression pour trouver des planificateurs de la demande compétents augmente. Wilson estime que les planificateurs de la demande ont les compétences nécessaires pour évoluer dans leurs postes, car ils sont câblés pour comprendre et communiquer les facteurs qui influencent les consommateurs et la demande.
Cette interview met en évidence les défis et les avantages de l’utilisation de l’analyse dans les organisations modernes. Alors que Vermorel critique la survalorisation des données sans informations exploitables claires, Wilson insiste sur l’importance de transformer les données en informations précieuses pour la prise de décision. Les deux conviennent de la nécessité d’une analyse ciblée et exploitable pour prendre de meilleures décisions commerciales.
La conversation commence par Eric Wilson reconnaissant la pénurie actuelle de planificateurs de la demande, car la demande pour leurs compétences a considérablement augmenté ces dernières années. Les salaires ont augmenté de 30 à 40 % au cours des cinq dernières années, et les sites d’emploi sont constamment remplis d’offres pour ces postes. Bien qu’il existe des planificateurs de la demande qualifiés, il n’y en a tout simplement pas assez sur le marché.
Joannes Vermorel est d’accord, affirmant que les talents sont rares et qu’il est difficile de trouver des scientifiques de la supply chain de haute qualité. Il compare la situation au trading quantitatif dans les banques, où un petit nombre de traders génèrent la majorité des rendements. Il estime que la technologie agit comme un multiplicateur de l’intelligence humaine, permettant à des individus plus capables d’opérer plus rapidement et à plus grande échelle.
Vermorel souligne que la popularité croissante des data scientists au cours des cinq dernières années a entraîné une affluence de professionnels hautement qualifiés en technologie et en langages de programmation, tels que Python et les outils d’apprentissage automatique comme PyTorch, Keras et TensorFlow. Cependant, il soutient que la maîtrise technique seule ne remplace pas une compréhension approfondie des subtilités de la supply chain.
Selon Vermorel, le défi réside dans la capacité des scientifiques de la supply chain à appliquer leurs compétences à des situations réelles, au-delà du domaine des géants de la technologie tels que Google et Facebook. La difficulté réside dans l’ajustement fin de l’analyse de la supply chain, qui est un défi différent de la gestion de grandes quantités de données.
Wilson envisage un avenir où les deux ensembles de compétences se fusionnent pour créer un rôle de planification de la demande capable de gérer les changements quotidiens des modèles et d’incorporer l’analyse en tant que capacité supplémentaire. Vermorel suggère plaisamment le terme “scientifique de la supply chain” pour ce type de poste, bien qu’il admette que c’est un terme inventé utilisé par Lokad pour différencier leurs rôles sur le marché.
L’interview met en évidence la demande croissante de professionnels qualifiés en optimisation de la supply chain et les défis liés à la recherche de personnes qualifiées capables de gérer à la fois les aspects techniques et commerciaux du domaine. Alors que la technologie continue de progresser, la nécessité d’une compréhension approfondie des complexités de la supply chain et d’une collaboration efficace entre les planificateurs de la demande et les data scientists reste essentielle.
La conversation met en évidence l’importance de la pensée probabiliste dans la gestion de la supply chain, en s’éloignant des approches déterministes. À mesure que l’industrie évolue, la planification de la demande et la supply chain deviennent de plus en plus importantes pour les entreprises, les dirigeants se concentrant de plus en plus sur ces domaines.
La popularité croissante de la science des données a entraîné une affluence de mots à la mode dans l’industrie, mais les interviewés soulignent la nécessité d’une compréhension plus approfondie des processus réels. Ils discutent de la manière dont la gestion de la supply chain a progressivement attiré davantage l’attention des universités prestigieuses, avec des professeurs et des étudiants de premier ordre explorant le domaine. Ce changement contribue à attirer davantage de talents dans l’industrie, qui devient de plus en plus complexe en raison de facteurs tels que la conformité et la mondialisation.
En regardant vers l’avenir, l’analyse jouera un rôle crucial dans l’évolution de la gestion de la supply chain. Les entreprises devront être plus agiles, réactives et prédictives pour suivre les changements de comportement des consommateurs. Cela impliquera une plus grande dépendance à l’égard de la planification de la demande et de l’optimisation de la supply chain pour soutenir les efforts de marketing ciblés. La démocratisation des données et de l’analyse continuera à entraîner des changements dans l’industrie, soulignant l’importance de l’optimisation de la supply chain pour les entreprises.
Wilson voit les organisations devenir plus plates et de plus en plus dépendantes de l’analyse pour prendre des décisions. Vermorel estime que, à mesure que la technologie mûrit, elle devient invisible, se fondant dans le décor et fonctionnant de manière transparente. Il cite la technologie anti-spam comme exemple d’une technologie mature qui fonctionne de manière discrète mais efficace.
Vermorel envisage l’avenir de l’analyse de la supply chain comme étant largement invisible, prenant des décisions banales sans attirer l’attention des dirigeants. Cependant, il reconnaît que les supply chains sont diverses et qu’aucune entreprise ou technologie unique ne peut capturer l’ensemble du marché. Malgré sa nature discrète, Vermorel estime que l’analyse avancée deviendra plus importante que jamais pour maintenir la compétitivité.
Lorsqu’on lui demande à propos de son livre sur l’analyse prédictive, Wilson explique qu’il ne s’agit pas d’un texte très mathématique, mais plutôt d’une introduction à l’apprentissage automatique, à l’intelligence artificielle et à l’analyse prédictive pour les planificateurs de la demande. Le livre aborde les personnes, les processus, l’analyse et la technologie, en mettant l’accent sur la construction d’organisations axées sur les données et la compréhension de la manière d’utiliser efficacement les données au sein de l’organisation.
Transcription complète
Kieran Chandler: Bonjour, aujourd’hui nous sommes ravis d’accueillir Eric Wilson, l’hôte des podcasts à la demande de l’IBF. Nous allons discuter avec lui du rôle de l’analyse dans les organisations modernes et de ce que nous pouvons apprendre de son nouveau livre intitulé “Analyse prédictive pour la prévision d’entreprise”. Alors Eric, merci beaucoup de nous rejoindre en direct aujourd’hui depuis les États-Unis. Pour commencer, pourriez-vous nous en dire un peu plus sur vous-même et sur votre rôle à l’IBF ?
Eric Wilson: Je suis ravi de faire partie de cela et de faire partie de votre émission également. Je m’appelle Eric Wilson, je suis le leader d’opinion de l’Institut de prévision des affaires. C’est en fait une organisation mondiale avec plus de 50 000 membres dans le monde entier. Nous nous concentrons spécifiquement sur la croissance de la planification de la demande, de la prévision, de l’analyse prédictive, de la SNOP et des domaines connexes. C’est ce que nous faisons en tant qu’organisation. L’une des choses que nous faisons est de partager des connaissances, et c’est là que j’interviens. J’écris des articles et j’anime un podcast bihebdomadaire, IBF On Demand, que vous pouvez trouver sur YouTube ou où vous trouvez vos podcasts. Voilà un peu à mon sujet. J’ai environ 30 ans d’expérience dans trop d’industries et de postes différents, mais cela m’a permis d’arriver là où je suis maintenant.
Kieran Chandler: Génial ! Aujourd’hui, Joannes, notre sujet porte sur l’analyse, en particulier dans les organisations modernes. Je pense que lorsque nous en avons discuté, vous aviez une vision un peu controversée de l’analyse et de son rôle réel. Quelle est votre première impression ?
Joannes Vermorel: Ma vision, en résumé, est qu’il est très facile de produire un million de chiffres par seconde avec un ordinateur, mais il est en réalité très difficile de produire cinq chiffres par jour qui méritent d’être lus par des êtres humains. Le plus grand défi de l’analyse est de produire quelque chose qui vaut l’attention d’un être humain. Mon observation occasionnelle est que ce qui est actuellement répandu dans les entreprises, en particulier dans le segment de la chaîne d’approvisionnement, mais pas seulement, ne passe pas ce test.
Kieran Chandler: Qu’en pensez-vous, Eric ? Les données ont considérablement augmenté au cours des 20 dernières années environ. Diriez-vous que nous produisons maintenant trop de chiffres et que nous ne regardons pas ce qui est vraiment important ?
Eric Wilson: Je ne pense pas qu’on puisse avoir trop de chiffres, mais il y a une certaine crédibilité dans ce que Joannes dit sur la recherche des bonnes informations. Les données, sous toutes leurs formes, ne sont que cela - des données brutes, les éléments de base avec lesquels on peut commencer à construire quelque chose. Transformer ces données en informations, puis en connaissances, est là où les entreprises rencontrent des difficultés. Cependant, les avantages d’y parvenir l’emportent largement sur le coût du voyage pour y parvenir. Les entreprises doivent commencer ce voyage même si elles rencontrent des difficultés maintenant, car développer ces données brutes en informations utiles pour une organisation est crucial.
Kieran Chandler: Nous devons cesser de vivre dans le passé et commencer à regarder vers l’avenir, à trouver de nouvelles informations sur les consommateurs et l’économie, surtout en période comme celle que nous traversons actuellement avec la COVID. Nous devons commencer à ouvrir ces informations.
Joannes Vermorel: L’une des principales informations sur lesquelles nous nous concentrons chez Lokad est l’idée de prises de décision commerciales. Où ces décisions peuvent-elles vraiment changer la façon dont une entreprise fonctionne ? Avec l’analyse, il existe plusieurs chemins qui peuvent mener à des lignes d’activité ou de réflexion non productives. Vous avez besoin d’un objectif pratique et banal qui guide ce que vous faites avec votre analyse, les chiffres, l’affichage, et tout le reste. Une décision est quelque chose qui a un impact physique et tangible sur les chaînes d’approvisionnement, comme une décision d’achat, un mouvement de stock ou un changement de prix. Si vous regardez les chiffres dans le but direct d’améliorer une décision, cela peut être bon. Ce que je vois habituellement, ce sont des océans de métriques de vanité, où vous vous retrouvez avec tellement de KPI qu’il est presque insultant de les appeler “clés”. Ils manquent de concentration et d’un mécanisme intégré ou d’une intention de les transformer en quelque chose d’actionnable à grande échelle et de manière entièrement automatisée.
Kieran Chandler: Eric, dans votre nouveau livre, “Predictive Analytics for Business Forecasting”, l’accent est principalement mis sur le planificateur de la demande. Nous avons remarqué dans l’industrie qu’à mesure que les équipes de données se développent, il y a de plus en plus d’incitation à rechercher un planificateur de la demande compétent. Y a-t-il une lacune dans l’industrie à cet égard ?
Eric Wilson: Oui et non. Les planificateurs de la demande sont capables de progresser dans leur poste. Ils sont câblés pour examiner ce qui impacte les consommateurs, ce qui impacte la demande, pour comprendre et établir des liens avec différentes variables. Ils sont câblés pour communiquer cela à la chaîne d’approvisionnement, à la finance et à d’autres parties de l’organisation, en en faisant des informations utiles que d’autres parties de l’organisation peuvent utiliser. Ils ont les compétences pour le faire. Cela dit, actuellement, nous constatons une pénurie de planificateurs de la demande car il y a une telle demande pour eux. Les salaires ont augmenté de 30 à 40 % au cours des cinq dernières années. Nous constatons que les tableaux d’offres d’emploi sont remplis même en ces temps avec des personnes à la recherche de personnes ayant des compétences qualitatives, quantitatives et de communication pour combiner l’analyse et l’acuité commerciale au sein d’une organisation. Donc, sont-ils qualifiés ? Oui, ils peuvent le faire. Mais y en a-t-il suffisamment ? La réponse serait non.
Kieran Chandler: Et je pense que c’est quelque chose que nous pourrions également souligner ici. Nous sommes toujours à la recherche de scientifiques de la supply chain bien qualifiés, et c’est toujours quelque chose qui peut être assez difficile à trouver. Pourquoi est-ce si difficile de votre point de vue, Joannes ?
Joannes Vermorel: Le talent est rare par définition. Chaque entreprise dit qu’elle n’embauche que les meilleurs, mais la réalité est que le marché n’embauche que la moyenne. Ces emplois sont ceux où les personnes qui sont meilleures obtiennent des résultats disproportionnellement bons. Nous entrons dans un domaine similaire au trading quantitatif dans les banques, où quelques traders réalisent la majeure partie des bénéfices. La technologie est un multiplicateur de l’intelligence humaine, donc si vous avez quelqu’un de plus intelligent, plus capable et ayant de meilleures connaissances commerciales, il le fera simplement plus rapidement à plus grande échelle pour son organisation. Cela devient très vrai également pour la supply chain, pas seulement pour le trading bancaire et la finance.
Ce qui rend les choses plus difficiles qu’elles ne devraient l’être, je crois, c’est l’idée du data scientist. Cela est devenu très populaire au cours des cinq dernières années, mais le problème est que vous vous retrouvez avec des personnes à qui l’on a dit à l’université que leur objectif devrait être la technologie elle-même. Ils doivent devenir très bons en Python, PyTorch, Keras, TensorFlow, ou tout autre outil open source populaire du jour pour l’apprentissage automatique. Bien qu’il soit certainement nécessaire d’avoir un certain degré de maîtrise des outils techniques, cela ne remplace pas une compréhension très patiente de ce qui fait fonctionner la supply chain, y compris les détails minutieux qui font avancer une organisation. Si vous les manquez, vous êtes complètement à côté de la plaque. Ainsi, il y a un peu de lutte pour les scientifiques de la supply chain qui ont réalisé de nombreux exercices sur des modèles testés et déployés dans des entreprises comme Facebook et Google. Lorsqu’ils arrivent dans une entreprise régulière qui n’est pas Google, cela semble peu ambitieux par rapport à ce qu’ils ont vu du côté de Google. La réalité est que la difficulté est d’un autre ordre ; il ne s’agit pas d’avoir un énorme cluster de GPU où vous allez traiter des pétaoctets de données, mais plutôt de bien comprendre les détails de votre analyse de la supply chain, ce qui est une difficulté différente.
Kieran Chandler: Qu’en pensez-vous, Eric ? Votre livre couvre évidemment un large éventail de techniques analytiques différentes. Diriez-vous que cette base et cette vue d’ensemble sont un peu plus difficiles à atteindre ?
Eric Wilson: Je suis d’accord.
Kieran Chandler: Il y a différentes compétences dans le data scientist et le planificateur de la demande. Il y a aussi beaucoup de choses qu’ils peuvent apprendre les uns des autres, et je pense que c’est un excellent aperçu de ce dont vous avez parlé, certaines des difficultés que nous constatons. Je veux dire, le planificateur de la demande doit être davantage basé sur la science. Ils doivent examiner les choses et tenir compte des variables externes, des nouvelles technologies, modéliser ces choses qui sont vraiment le monde du data scientist. Ils, les planificateurs de la demande, doivent sortir de leur zone de confort et faire davantage cela. En même temps, cette collaboration, cette capacité à être à l’aise avec l’ambiguïté, ce type de situations, la communication, toutes ces choses que les planificateurs de la demande ont comme compétences solides, ce sont des choses qui les aident, et c’est là que les data scientists doivent aussi intervenir. Il y aura donc vraiment cette fusion des deux types de compétences pour un rôle de planification de la demande.
Eric Wilson: Il y a quelque chose d’unique dans une supply chain. Il y a quelque chose d’unique dans le fait de pouvoir changer de modèle quotidiennement et de pouvoir s’adapter à cela. Il y a quelque chose d’unique dans la supply chain que vous devez être en mesure d’offrir dans un rôle de planification de la demande, en ajoutant également l’analyse en tant qu’autre capacité à l’intérieur de cela. Et c’est vraiment ce que vous cherchez à pouvoir faire.
Kieran Chandler: Voulez-vous approfondir, Joannes ? Je me demande si nous n’aurions pas besoin, je ne sais pas, d’un scientifique de la supply chain ou quelque chose comme ça ?
Joannes Vermorel: Non, je plaisante. C’est littéralement la terminologie inventée par Lokad pour ce type de poste. C’est un peu inventé, mais c’était un moyen pour Lokad de signaler littéralement au marché, car nous avons reçu beaucoup de candidatures, en particulier du côté de la science des données, car c’est principalement ce que produisent les universités. Je dirais probablement que les universités produisent probablement 10 scientifiques des données pour chaque planificateur de la demande de nos jours. C’est devenu une grande tendance. Et c’était juste pour mettre les candidats, les postulants, dans le bon état d’esprit, qu’ils feront d’abord et avant tout de la supply chain, pas de la modélisation avancée d’apprentissage profond.
Eric Wilson: C’est une bonne façon de voir les choses. Je veux dire, ce sont ces choses de base dont vous avez besoin dans la supply chain, mais en y ajoutant cette pensée probabiliste. Parce que beaucoup de personnes dans la supply chain, je veux dire l’ancienne façon de faire, étaient très déterministes. “Je vais vendre X quantité le mois prochain et je vais planifier toute ma supply chain autour de cela.” Nous savons tous que ce n’est pas ce qui va se produire. Nous devons commencer à penser davantage en termes de probabilité, à penser davantage en termes de plages, à penser davantage à ces risques et opportunités. C’est là qu’intervient un scientifique de la supply chain, c’est là que la planification de la demande aide à permettre cela, ce sont les choses dont les entreprises ont besoin. Donc, quand vous parlez d’analyse, c’est juste le tout début. Lorsque l’analyse devient ce mot à la mode dans certaines organisations, vous pouvez l’utiliser avec la bonne réflexion, la bonne culture au sein d’une organisation, et commencer à changer les mentalités de la supply chain, commencer à changer les mentalités d’une organisation pour utiliser davantage cette analyse, disons, que les systèmes, la pensée probabiliste, ce genre de choses.
Kieran Chandler: Eric, tu as dit que la science des données est quelque chose qui devient un peu plus à la mode, et c’est quelque chose avec lequel nous sommes tout à fait d’accord. C’est quelque chose dont nous entendons de plus en plus parler. Et l’industrie de la supply chain elle-même ? Je veux dire, il y a tellement de complexité là-dedans. Diriez-vous que c’est intimidant pour quelqu’un qui commence ?
Eric Wilson: Personnellement, je pense que la planification de la demande est sexy, et je crois que ce sera la prochaine carrière sexy à l’avenir. Mais à ce sujet, dans les enquêtes les plus récentes en raison de la COVID, lorsque les directeurs financiers et les PDG ont été interrogés, leurs principales préoccupations étaient la trésorerie, la fin de la pandémie, et la planification de la demande et la supply chain. Nous sommes passés du cubicle à la salle de réunion. Il y a beaucoup d’attention portée sur la supply chain maintenant. On voit des journaux et des émissions de télévision parler de la supply chain, ce qui ne se produisait pas il y a quelques années. Son importance a été élevée, et avec cela vient le désir des gens de se positionner et de faire évoluer ce poste également. Est-ce intimidant ? Non, je pense juste que c’était une fonction en arrière-plan qui était effectuée, et les gens ne la comprenaient pas. Les gens commencent non seulement à la comprendre, mais aussi à comprendre son importance maintenant.
Kieran Chandler: Nous voyons beaucoup de médias parler de la supply chain en utilisant différents mots à la mode, mais il n’y a pas tant de compréhension derrière eux. Diriez-vous que c’est aussi quelque chose d’intimidant pour quelqu’un qui commence, Joannes ?
Joannes Vermorel: En ce qui concerne les journalistes, leur totale méconnaissance d’un sujet ne les a jamais empêchés d’écrire des tonnes de contenu à ce sujet. Cependant, plaisanterie mise à part, j’ai remarqué un changement de perception. Mon père, qui dirigeait autrefois des entreprises industrielles, m’a dit un jour que si quelqu’un était très fiable et carré dans sa façon de penser, il serait placé du côté de la production. S’ils étaient énergiques et axés sur l’action, ils seraient placés du côté des ventes. Mais s’ils n’étaient ni énergiques ni fiables, ils seraient placés du côté de la supply chain. C’était la mentalité de l’époque.
Heureusement, au cours des deux dernières décennies, de nombreuses universités ont commencé à proposer des programmes de master en supply chain qui ne sont pas une blague, avec des professeurs et des étudiants de premier ordre. Il y a maintenant plus de talents dans l’industrie que jamais, mais les choses sont également devenues plus compliquées pour diverses raisons, notamment la conformité et la mondialisation, ce qui rend les choses encore plus difficiles.
Kieran Chandler: À quel point diriez-vous que le rôle de l’analyse va changer au cours des deux prochaines décennies et comment voyez-vous cette évolution ?
Eric Wilson: Oh wow, je veux dire évidemment qu’il va y avoir une énorme évolution ou révolution au cours des prochaines années. Nous constatons la nécessité de devenir plus agiles, plus réactifs et plus prédictifs au sein des organisations. Donc avec cela, les organisations vont devoir commencer à rattraper leur retard. Elles vont commencer à devoir s’appuyer davantage sur le micro-ciblage des consommateurs maintenant. Elles ne peuvent plus simplement diffuser du matériel à la télévision et sur les sites web de manière générale. Elles doivent commencer à cibler de manière plus spécifique, et cela va nécessiter une bonne planification de la demande et une supply chain capable de soutenir ces choses. Ce que nous allons voir, c’est la démocratisation des données, et nous voyons déjà la démocratisation de l’analyse et cette fonction de la supply chain devenir un soutien essentiel dans toute l’organisation, soutenant tous les types de fonctions à l’avenir. Je pense vraiment que les organisations vont devenir beaucoup plus plates, et elles vont être de plus en plus dépendantes de l’analyse en tant que moteur de ces organisations à l’avenir.
Kieran Chandler: Joannes, nous avons déjà parlé de l’idée de micro-ciblage lorsque nous parlions de l’utilisation des données des cartes de fidélité, et c’est certainement un concept intéressant. Et vous, que voyez-vous comme avenir pour le paysage technologique ?
Joannes Vermorel: Ma perception est que lorsque la technologie mûrit, elle a tendance à devenir invisible, à se fondre dans le décor. Lorsqu’elle est vraiment perfectionnée, on ne la remarque presque plus, bien qu’elle soit plus présente que jamais. Je pense que l’archétype de cela serait l’anti-spam. Vous avez un système d’apprentissage automatique avancé qui trie votre courrier tout le temps, et c’est très précis. Si vous vérifiez votre boîte de spam, 99% de ce qu’il y a dedans est du spam, bien classé, et vous ne faites rien ; ça fonctionne simplement. Si vous utilisez Google Mail, Outlook, ou autre, c’est comme ça. Lorsque c’est bien fait, une technologie très mature, en particulier du côté de l’apprentissage automatique, disparaît et fait son travail discrètement et de manière fiable, sans faire de bruit. On finit par oublier qu’elle est là, mais on peut continuer à travailler pour l’améliorer, en faisant beaucoup grâce à cela. Je dirais que l’avenir de la technologie d’analyse de la supply chain pour de nombreuses organisations sera probablement comme ça. Ce sera quelque chose qui va générer des tonnes de décisions très banales, et cela ne capturera pas naturellement la bande passante du PDG.
Kieran Chandler: Pouvez-vous nous dire comment vous voyez le rôle de l’intelligence artificielle dans l’optimisation de la supply chain ?
Joannes Vermorel: Le ciblage direct sera effectué automatiquement, fonctionnant simplement en douceur. La charge de travail de vos entrepôts, usines, magasins, peu importe, sera également effectuée en arrière-plan. Personne n’y prêtera attention au quotidien, sauf quelques spécialistes. Néanmoins, il deviendra un art d’avoir des personnes très compétentes pour rester compétitif et améliorer continuellement l’ensemble du système. Ne pas disposer de ce type de technologie vous rendra non compétitif, tout comme avoir une boîte aux lettres sans anti-spam vous obligerait à passer toute votre journée à trier vos spams. Évidemment, sans cela, il serait presque impossible d’utiliser l’e-mail. Maintenant, l’e-mail n’est pas une analogie tout à fait adéquate car vous pouvez avoir une technologie anti-spam identique pour des millions d’entreprises utilisant Gmail ou Outlook. La supply chain est bien plus diversifiée, donc je ne vois pas cela comme une position de marché réaliste pour qu’une entreprise capture l’ensemble du marché car c’est tout simplement trop diversifié. Il y aura encore beaucoup de technologie, mais si je devais deviner une chose, ce serait beaucoup plus comme l’anti-spam, principalement invisible, et impressionnant mais plus important que jamais.
Eric Wilson: À ce sujet, vous parlez de la définition de l’intelligence artificielle, qui est un terme ambigu, mais qui désigne tout ce qui automatise ou améliore un processus ou une sortie. C’est de cela dont nous parlons essentiellement, où il y aura moins de modélisation, d’analyse, de côté technique, et plus de côtés plus souples.
Kieran Chandler: Lorsque quelque chose devient une commodité, autre chose devient un avantage concurrentiel. Donc, lorsque vos données deviennent une commodité, lorsque votre modélisation devient même une commodité au sein des organisations car la technologie peut aider à fournir cela presque sans intervention, alors les questions à poser deviennent un avantage concurrentiel ou, vous savez, comment traduire cela en parlant au PDG, cela devient un avantage concurrentiel. Et c’est là que vous regardez la planification de la demande de la supply chain, ces personnes qui correspondent à ces objectifs à l’avenir. Donc, de très bonnes perspectives ici.
Joannes Vermorel: Oui, nous avons un peu parlé de cela ici, cette sorte d’idée d’une supply chain étant complètement silencieuse, et c’est un peu le rêve.
Kieran Chandler: Eric, nous vous laisserons le dernier mot. En conclusion, qu’espérez-vous pour votre livre et quelles sont les compétences que vous aimeriez voir acquérir à un planificateur de la demande en le lisant ?
Eric Wilson: Oui, mon espoir pour le livre est qu’il ne soit pas un livre mathématique. Il vous donne vraiment les bases de l’apprentissage automatique, de l’intelligence artificielle, de l’analyse prédictive. C’est dans le nom même de l’analyse prédictive pour la prévision d’entreprise, pour la supply chain, pour le planificateur de la demande afin de les aider à passer de l’analyse des ensembles de données internes à une vision plus tournée vers l’avenir, en examinant des ensembles de données externes, en explorant de nouvelles façons d’analyser les données, de regarder des modèles auxquels ils n’auraient peut-être pas pensé auparavant. Il leur donne ces éléments introductifs. Le livre est structuré en fonction des aspects humains, des processus, de l’analyse et de la technologie. Il ne se concentre pas uniquement sur, vous savez, voici un ensemble, voici un arbre de décision, voici, vous savez, ces modèles et comment les utiliser. Il vous donne un petit aperçu de cela, mais il commence par l’aspect humain, comment construire une organisation axée sur les données ou axée sur l’analyse. Il examine également l’aspect technologique, quelles sont les entreprises qui aident à soutenir, de quoi avez-vous besoin pour commencer à construire, comment obtenir cette visualisation maintenant ? Et il examine également cet aspect des données, expliquant exactement ce qu’est une donnée et comment vous pouvez commencer à l’utiliser au sein de votre organisation, au lieu de simplement vous noyer dans le lac de données. Il vous permet vraiment de comprendre comment intégrer des éléments dans votre organisation dès aujourd’hui, que vous pouvez utiliser dès aujourd’hui, et c’est vraiment ce que j’espère pouvoir faire. Très bien.
Kieran Chandler: Génial. Eh bien, nous devons en rester là, mais merci à vous deux d’avoir pris le temps aujourd’hui.
Joannes Vermorel: Merci.
Kieran Chandler: C’est tout pour cette semaine. Merci beaucoup de nous avoir suivi et nous vous retrouverons dans le prochain épisode. Merci de nous avoir regardés.
