Antipattern nella supply chain

learn menu

Le iniziative di supply chain spesso falliscono. La Supply Chain Quantitativa è la nostra risposta per abbassare drasticamente i tassi di fallimento. Tuttavia, poiché la Supply Chain Quantitativa si concentra sulle pratiche che sappiamo funzionare, mette poca enfasi sulle pratiche che sappiamo anche non funzionare. Peggio ancora, si scopre che la maggior parte di queste pratiche indesiderabili sono le precise cause profonde dietro gli alti tassi di fallimento associati ai metodi tradizionali di supply chain.

Di seguito, esaminiamo le pratiche - o modelli - che causano la maggior parte dei fallimenti delle iniziative di supply chain. Queste intuizioni sono state acquisite a fatica, poiché per ogni intuizione di solito ci sono voluti non uno, ma più fallimenti per comprendere la causa profonda del problema. Ci riferiamo a queste pratiche dannose come antipattern della supply chain. Un antipattern è una “soluzione” che si rivolta contro: è un approccio comune, sembra una buona idea eppure, inevitabilmente, fallisce nel fornire il miglioramento previsto che inizialmente si cercava.

Cattiva leadership

Da Lokad, certamente non vogliamo antagonizzare i principali decision maker della supply chain, sono i nostri potenziali clienti e i nostri clienti. Tuttavia, allo stesso tempo, riteniamo che sia nostro dovere rifiutare di concludere un affare quando la soluzione è garantita di fallire per progetto. Spesso, la questione si riduce a come viene gestita l’iniziativa stessa. Detto ciò, riconosciamo che la gestione della supply chain è difficilmente l’unico colpevole. Certi fornitori a volte promuovono tutti i messaggi sbagliati ai loro clienti e se ne vanno impuniti. Le pratiche ereditate e la politica interna possono anche avvelenare la vita quotidiana della gestione della supply chain, che potrebbe anche essere usata come capro espiatorio quando le cose non vanno come previsto. In questa sezione, elenchiamo le trappole comuni che potrebbero essere affrontate attraverso una leadership della supply chain rivista.

La richiesta di preventivo infernale

Potrebbero esserci molte aree in cui le richieste di preventivo (RFQ, requests for quotation) hanno senso. Sfortunatamente, il software non è una di queste. Scrivere una specifica di un pezzo di software è molto più difficile che scrivere il pezzo di software stesso. Il compito è intimidatorio. Una volta avviato un processo di RFQ, le aziende riescono a peggiorare la situazione introducendo consulenti, per complicare ulteriormente ciò che è già una specifica troppo complicata. La RFQ soffoca la maggior parte del pensiero risolutivo dei problemi, perché il processo di RFQ assume che il cliente conosca già i dettagli della soluzione desiderata, mentre il “problema” è, per definizione, in gran parte irrisolto al momento in cui viene scritta la RFQ. Inoltre, nella pratica, le RFQ promuovono un processo di selezione del fornitore avversario: i buoni fornitori se ne vanno mentre quelli cattivi rimangono. Infine, il settore del software è veloce e quando la tua azienda ha concluso il processo di RFQ, il tuo concorrente avrà già lanciato la loro soluzione.

Il fragile POC

Fare un POC (proof of concept) è buono se ciò che intendi acquistare è un servizio semplice quasi commoditizzato: come un servizio di stampa per biglietti da visita. Un’iniziativa di supply chain è complicata per sua natura. La supply chain richiede il coordinamento di più entità. Ci sono più livelli di dati che dovrebbero essere sfruttati. Ci sono decine di flussi di lavoro che devono essere presi in considerazione. I POC o i piloti su piccola scala fanno più male che bene perché, per loro stessa natura, trascurano una virtù fondamentale di un’iniziativa di supply chain di successo: la sua capacità di operare su larga scala. La maggior parte delle persone è abituata al principio delle economie di scala, tuttavia, quando si tratta di ottimizzazione della supply chain, tendiamo principalmente a occuparci di diseconomie di scala, in cui prendere buone decisioni diventa sempre più difficile man mano che la complessità del problema cresce. Riuscire a ottenere successo per un piccolo centro di distribuzione non garantisce affatto che la soluzione funzionerà altrettanto bene quando si tratta di decine di diversi centri di distribuzione.

Ignorare l’incertezza

Il futuro è incerto e l’incertezza non può essere eliminata. Allo stesso modo, l’ottimizzazione numerica della supply chain è un problema difficile che non può essere eliminato. L’ottimizzazione della supply chain richiede previsioni probabilistiche, che sono la diretta conseguenza di dover affrontare futuri incerti. L’ottimizzazione della supply chain si confronta anche con i comportamenti piuttosto controintuitivi generati dalle ottimizzazioni numeriche. Alcuni fornitori sfruttano il desiderio di mantenere le cose semplici e facili per vendere una pratica fantastica in cui tutti gli ostacoli vengono astratti. Purtroppo, quegli ostacoli non sono semplici formalità: quegli ostacoli definiscono ciò che ha la possibilità di funzionare effettivamente per la tua supply chain. L’incertezza deve essere abbracciata da una prospettiva numerica approfondita. Anche la gestione della supply chain deve riconoscere e abbracciare l’incertezza.

Fidarsi dello stagista

Se migliorare la supply chain è importante per la tua azienda, allora l’iniziativa richiede il coinvolgimento diretto della tua alta dirigenza. Troppo spesso, le aziende apprezzano l’idea di miglioramento, ma poi assegnano uno o due stagisti al caso. Mentre abbiamo incontrato alcuni stagisti molto intelligenti, non abbiamo mai visto un’iniziativa di supply chain guidata da stagisti andare da nessuna parte. Non abbiamo nulla contro gli stagisti, intendiamoci. Possono essere intelligenti, motivati, pensatori fuori dagli schemi; ma non sono affatto ciò di cui la tua azienda ha bisogno per guidare il cambiamento nella sua supply chain. L’impegno della gestione della supply chain a livello dirigenziale dovrebbe essere scontato, altrimenti i team non eseguiranno. I team di solito non hanno molto tempo libero, se ne hanno. A meno che la dirigenza non renda chiaro, attraverso il suo coinvolgimento diretto, che l’iniziativa attuale è una priorità, allora l’iniziativa attuale non è davvero una priorità per nessuno, tranne forse lo stagista assegnato al caso.

Morte per pianificazione

La dirigenza cerca rassicurazioni e, per quanto riguarda le rassicurazioni, nulla sembra così buono come una solida roadmap, con fasi, ruoli e deliverable ben definiti. Tuttavia, se la storia del software ci ha insegnato qualcosa, è che i piani predefiniti di solito non sopravvivono alla prima settimana dell’iniziativa. A volte, non sopravvivono nemmeno al primo giorno. Quando si tratta di ottimizzazione della supply chain, continueranno a verificarsi cose impreviste e questa è una prospettiva piuttosto spaventosa. Tuttavia, rendere l’iniziativa più rigida attraverso una pianificazione precisa rende le cose ancora peggiori: l’iniziativa diventa ancora più fragile quando si tratta di problemi imprevisti. Invece, l’iniziativa dovrebbe essere resa il più resiliente possibile contro l’ignoto. La capacità di riprendersi dai problemi è più importante della capacità di eliminare i problemi in anticipo. Pertanto, la gestione della supply chain dovrebbe concentrarsi su rendere l’iniziativa agile piuttosto che ben pianificata.

Separare la previsione dall’ottimizzazione

La prospettiva tradizionale sull’ottimizzazione della supply chain separa il processo di previsione dal processo decisionale. Sebbene ciò possa essere fattibile da un punto di vista tecnico utilizzando due set distinti di algoritmi, uno per la previsione e l’altro per l’ottimizzazione, dal punto di vista funzionale, il team responsabile della previsione deve essere anche quello responsabile dell’ottimizzazione. Infatti, la logica decisionale, o in altre parole l’ottimizzazione, è numericamente molto sensibile alla logica di previsione. Isolare le due prospettive è una ricetta per amplificare eventuali difetti che potrebbero già esistere a livello di previsione, creando il caos nelle decisioni risultanti. La logica di ottimizzazione dovrebbe invece essere il più possibile cooperativa con i punti di forza e le debolezze della logica di previsione.

Frankensteinizzazione del software

È difficile raggiungere un consenso nelle grandi aziende. Di conseguenza, mentre la maggior parte degli stakeholder coinvolti nella supply chain potrebbe decidere di optare per un determinato fornitore, una minoranza potrebbe rimanere irremovibile nel far rispettare la propria visione o desiderare di optare per determinate caratteristiche di un prodotto diverso. Poiché la personalizzazione del software costituisce un’attività redditizia per i grandi fornitori di software, il fornitore è troppo spesso felice di accontentarsi, inflazionando i costi e il valore percepito nel processo. Tuttavia, scrivere un buon software richiede anni e, quando viene fatto correttamente, il risultato finale rappresenta un compromesso ben calibrato tra obiettivi contrastanti. Il risultato finale quasi sistematico della sovradimensionamento del software da parte delle grandi aziende è quello di togliere le proprietà originali del prodotto e renderlo non migliore, ma peggiore, aggiungendo sempre più strati, trasformandolo così in un mostro. Non c’è penuria di fornitori di software. Se la soluzione non si adatta alla tua azienda, passa ad un altro fornitore. Se nessun fornitore si adatta alla tua azienda, allora o la tua attività è veramente unica - il che è raro - o forse dovresti rivedere i tuoi requisiti.

Iniziative guidate dai buzzword

Intorno al 2010, era di moda nel settore del commercio al dettaglio capire come sfruttare le previsioni meteorologiche per affinare le previsioni di domanda. Nel 2012, era di moda considerare i dati dei social media nelle previsioni di domanda. Nel 2014, il Big Data era dominante, solo per essere sostituito dall’apprendimento automatico nel 2016. Ogni anno che passa porta con sé una nuova ondata di buzzword. Sebbene non ci sia mai molto male nel riesaminare un vecchio problema con una prospettiva fresca, al contrario, perdere di vista le sfide principali è la quasi certezza di mettere a rischio qualsiasi iniziativa già intrapresa. Se sembra troppo bello per essere vero, probabilmente lo è. Migliorare la supply chain richiede un grande impegno. Assicurati che ogni novità che vuoi introdurre si concentri davvero sulle sfide principali affrontate dalla tua supply chain.

Cattiva esecuzione IT

L’IT viene troppo spesso incolpato per i fallimenti dei progetti. L’IT è difficile - molto più difficile di quanto la maggior parte delle persone al di fuori dell’IT si renda conto. Tuttavia, succede anche che i team IT, con buone intenzioni, creino così tattrito attraverso i loro processi che l’iniziativa viene rallentata al punto che il resto dell’azienda si arrende. I team IT devono non solo abbracciare il cambiamento in senso generale, ma anche abbracciare il tipo specifico di cambiamento che non compromette i futuri cambiamenti positivi. Più facile a dirsi che a farsi.

Attenzione ai meccanismi di difesa dell’IT

Poiché i team IT potrebbero essersi sentiti il capro espiatorio più di una volta in passato, quando alcuni progetti aziendali sono falliti, potrebbero aver sviluppato certi “meccanismi di difesa”. Uno dei meccanismi di difesa più comuni consiste nel richiedere specifiche dettagliate per ogni nuova iniziativa. Tuttavia, specificare una soluzione software tende ad essere più difficile che implementare effettivamente la soluzione software. Di conseguenza, ciò equivale a sostituire un problema complesso con un problema ancora più complesso. Altri meccanismi di difesa consistono nel fissare “requisiti” rigidi come: il software dovrebbe essere situato in loco, il software dovrebbe essere compatibile con XYZ, il software dovrebbe avere specifiche funzionalità di sicurezza, e così via. Scrivere un buon software richiede anni. Una volta che l’elenco lungo dei requisiti è stato scritto, di solito rimangono solo due tipi di fornitori di software: quelli che non sono compatibili con i tuoi requisiti e quelli che mentono riguardo alla compatibilità con i tuoi requisiti.

Sottovalutare lo sforzo dei dati

Sebbene possa sembrare paradossale, le iniziative di supply chain possono fallire anche perché l’IT è troppo coinvolto nella progettazione della soluzione e si assume il compito di preparare i dati. Infatti, poiché l’IT è estremamente complesso e può includere individui piuttosto talentuosi, può anche accadere che alcuni team IT pensino di conoscere meglio il business rispetto al resto dell’azienda. La conseguenza indesiderata principale di questo modo di pensare è una costante sottovalutazione delle sfide che comportano qualsiasi cosa con i dati dell’azienda. Elaborare i dati in modo significativo non significa spostare megabyte di dati avanti e indietro. Piuttosto, si tratta di stabilire una sottile comprensione di come questi dati riflettano i processi e i flussi di lavoro dell’azienda. Si tratta anche di comprendere le sottili sfumature, i pregiudizi e i limiti dei dati, come accadono nei sistemi aziendali in un determinato momento. I team IT che si occupano della preparazione dei dati sono un modo sicuro per avere ritardi imprevisti, poiché si rendono gradualmente conto di quanto mancasse profondità dalla loro visione originale. Tenendo conto di tutto ciò, l’opzione ragionevole consiste nel delegare questo ruolo fin dall’inizio a qualcuno esterno al dipartimento IT.

La tentazione della piattaforma estensibile

Quando si tratta di software aziendale, c’è una cosa che i fornitori hanno padroneggiato: l’arte di essere una piattaforma “estensibile” che viene fornita con molti moduli, che rappresentano molte opportunità di vendita aggiuntiva. Tuttavia, le piattaforme non si integrano bene tra loro e le sovrapposizioni funzionali, cioè due piattaforme che competono internamente per la stessa funzione all’interno della tua azienda, appaiono molto presto. Due piattaforme sovrapposte sono un incubo per qualsiasi azienda e di solito comportano meccanismi di sincronizzazione che sono difficili da configurare e ancora più difficili da mantenere. Pertanto, sebbene sia allettante optare per una soluzione completa, l’opzione ragionevole quasi sempre consiste nell’optare per applicazioni specifiche che fanno una cosa e la fanno bene. Gestire decine di applicazioni specifiche è semplice, mentre gestire due grandi piattaforme - con sovrapposizioni funzionali altrettanto grandi - è infernale.

Estrazioni di dati non affidabili

I dati sono come il sangue per un’iniziativa di supply chain quantitativa: smetti di pompare e muore. L’iniziativa deve essere alimentata costantemente con dati freschi. Troppo spesso, l’IT ritiene che eseguire un paio di estrazioni di dati una tantum sia sufficiente per iniziare. Dopotutto, è probabile che questa iniziativa venga presto terminata - ricorda, la maggior parte delle iniziative di supply chain fallisce - e quindi, non ha senso investire troppo sforzo in questa fase iniziale di estrazione dei dati. Tuttavia, seguendo questa linea di pensiero, l’implementazione di un processo automatizzato per estrazioni di dati affidabili viene ritardata e diventa una delle principali cause di fallimento dell’iniziativa stessa. Qui, l’IT deve essere proattivo e iniziare ad automatizzare le estrazioni di dati fin dal primo giorno. Inoltre, il team IT ha anche un ruolo di coaching nel convincere il resto dell’azienda che questo sforzo extra è un fattore chiave di successo per l’iniziativa e che l’opzione usa e getta per l’estrazione dei dati non porterà da nessuna parte.

Ricette numeriche sbagliate

Ottimizzare la supply chain è principalmente una questione di numeri. Naturalmente, la visione aziendale conta, la leadership conta, la disciplina conta, ma la nostra esperienza indica che la maggior parte delle aziende sta facendo più di un buon lavoro in queste aree. Tuttavia, quando si tratta di numeri, sembra che l’intero settore della supply chain sia invaso da ricette numeriche sbagliate. Non tutti i professionisti della supply chain si rendono conto che tutte le formule e i modelli - qui definiti come ricette numeriche - dipendono da assunzioni piuttosto rigide. Se si viola una qualsiasi delle assunzioni, la ricetta numerica crolla. In questa sezione, elenchiamo i più comuni responsabili in questo senso. Per motivi di concisione, assumiamo che il lettore sia già familiare con le ricette stesse.

Analisi ABC

L’approccio ABC all’inventario è stato ideato in un’epoca in cui i computer non erano un’opzione per guidare la supply chain. Il principale vantaggio dell’analisi ABC è che mantiene l’analisi così semplice che può essere fatta a mano. Tuttavia, considerando la sorprendente capacità di elaborazione dei computer moderni, utilizzare l’analisi ABC non ha più senso oggi. Non ci sono vantaggi nel classificare migliaia di SKU in 3 o 4 classi arbitrarie. C’è un continuum completo tra il prodotto venduto di più e la lunga coda. La logica che ottimizza la supply chain dovrebbe abbracciare questo continuum, invece di negare che questo continuum esista in primo luogo. Nella pratica, osserviamo anche che gli effetti negativi dell’analisi ABC sono aggravati dai cambiamenti di mercato che portano a instabilità di classe, con prodotti che cambiano classe nel tempo.

Scorta di sicurezza

Non esiste una cosa come “scorta di sicurezza” nel tuo magazzino. La scorta di sicurezza è un concetto fittizio che divide la scorta a disposizione in due categorie di scorte: la scorta operativa e la scorta di sicurezza. Da un punto di vista storico, la scorta di sicurezza è stata introdotta come un modo semplicistico per gestire la domanda variabile e i tempi di consegna variabili. La scorta di sicurezza è modellata sulla base di distribuzioni normali - anche chiamate gaussiane. Tuttavia, anche un rapido esame di praticamente qualsiasi set di dati della supply chain mostra chiaramente che né la domanda né i tempi di consegna sono distribuiti normalmente. Negli anni ‘80, quando i computer erano ancora molto lenti, le distribuzioni normali potevano essere un compromesso valido tra complessità e accuratezza, ma oggi non ha senso aggrapparsi a qualcosa che è stato progettato come un “hack” per far fronte alle limitazioni dei primi computer.

Correzioni manuali delle previsioni

Alcuni professionisti potrebbero vantarsi di essere in grado di “battere il sistema” e generare numeri di previsione migliori rispetto a quelli che il sistema può produrre. Se questo è effettivamente il caso, il sistema dovrebbe essere considerato disfunzionale e corretto di conseguenza, sfruttando tipicamente l’esperienza e le intuizioni del professionista. Ottimizzare una supply chain di una certa scala comporta la generazione di migliaia, se non milioni, di previsioni al giorno. Fare affidamento su inserimenti manuali di dati da parte dei team della supply chain per far fronte alle carenze del sistema non dovrebbe nemmeno essere considerato come un’opzione valida per l’azienda. Dato il progresso nelle statistiche negli ultimi 20 anni, non c’è motivo di pensare che, dati gli stessi input di dati, un sistema automatizzato non possa superare un essere umano che, realisticamente parlando, non avrà più di qualche secondo da dedicare a ogni numero che deve essere prodotto. Se l’essere umano avesse giorni da dedicare a ogni decisione che l’azienda deve prendere, la situazione sarebbe radicalmente diversa. Tuttavia, la stragrande maggioranza delle decisioni che la supply chain deve prendere quotidianamente non rientra in questa categoria.

Monitoraggio degli allarmi e delle previsioni errate

Le previsioni classiche enfatizzano un singolo futuro - ad esempio, previsioni mirate alla media o alla mediana -, come se questo singolo futuro dovesse accadere con una probabilità significativa. Tuttavia, il futuro è incerto e le previsioni sono approssimative al meglio. In determinate situazioni, le previsioni classiche sono semplicemente sbagliate. Spesso, l’azienda subisce costi immensi a causa di questi grandi errori di previsione. Di conseguenza, vengono introdotti allarmi per tenere traccia di questi grandi errori. Tuttavia, il vero colpevole non sono le previsioni stesse, ma la prospettiva di previsione classica che enfatizza un singolo futuro, mentre tutti i futuri sono possibili, ma non equamente probabili. Dalla prospettiva delle previsioni probabilistiche, gli errori di previsione sono principalmente noti in anticipo e vengono rappresentati come distribuzioni di probabilità, che sono finemente distribuite su un’ampia gamma di valori possibili. Le previsioni probabilistiche enfatizzano un approccio in cui l’azienda ridurrà proattivamente il rischio delle sue attività di supply chain quando si trova di fronte a un grado maggiore di incertezza. Al contrario, mettere allarmi sulle previsioni classiche è il sintomo di un approccio che è intrinsecamente difettoso, poiché nega tutta l’incertezza.

Riparare i dati storici con il “duct taping”

Quando si trovano distorsioni, come mancanze di magazzino o promozioni, nei dati storici, è tentante “riparare” queste distorsioni modificando i dati storici, in modo che i dati riflettano meglio come sarebbe stata la storia senza la distorsione. Ci riferiamo a questo processo come “duct taping” dei dati storici. L’idea fondamentale dietro il duct taping è che tutti i modelli di previsione sono progettati come varianti della media mobile. Se tutto ciò che hai sono medie mobili, allora è vero che i dati storici devono essere adeguati per tener conto di queste medie mobili. Tuttavia, il duct taping non è la soluzione. In realtà, la soluzione risiede nell’ampliare l’orizzonte e cercare modelli di previsione migliori che non siano disfunzionali come la media mobile può essere. Dovrebbero essere utilizzati modelli statistici migliori per gestire con successo i dati storici “arricchiti”, in cui le distorsioni stesse sono trattate come input di dati. Sebbene tali modelli statistici potrebbero non essere stati disponibili decenni fa, questo non è sicuramente più il caso.

I tempi di consegna come cittadini di seconda classe

Per ragioni non del tutto chiare per noi, i tempi di consegna vengono troppo spesso considerati come un dato di input dato anziché qualcosa che necessita di una propria previsione. I tempi di consegna futuri sono incerti e quasi sempre il modo migliore per stimare in modo affidabile i tempi di consegna futuri è utilizzare i tempi di consegna osservati in passato. Pertanto, i tempi di consegna richiedono una previsione propria. Inoltre, le implicazioni della supply chain delle stime corrette dei tempi di consegna sono molto più grandi di quanto molti professionisti si rendano conto: le quantità detenute in magazzino sono lì appositamente per coprire la domanda per un determinato tempo di consegna. Cambiando i tempi di consegna, cambiano anche le quantità di magazzino. Pertanto, le previsioni dei tempi di consegna non possono essere considerate cittadini di seconda classe negli sforzi della tua supply chain. Quasi tutti i piani della supply chain mettono l’accento sulla necessità di previsioni precise della domanda, ma la nostra esperienza indica che, nella pratica, le previsioni precise dei tempi di consegna sono altrettanto importanti.

Pseudo-scienza

La pseudo-scienza ha tutte le caratteristiche della scienza: sembra razionale, viene fornita con numeri, si dice che sia provata e persone molto istruite difendono il suo caso. Tuttavia, la pseudo-scienza non supera il test di ottenere risultati ripetibili. Di solito, non è nemmeno necessario un setup sperimentale per rilevare la pseudo-scienza e i materiali della pseudo-scienza iniziano a cadere a pezzi sotto l’esame di una revisione imparziale di esperti. Le supply chain sono costose da gestire e complesse da comprendere. Queste due caratteristiche da sole spiegano perché le metodologie della supply chain sono piuttosto difficili da mettere in discussione: non solo le sperimentazioni comportano molti rischi, ma è anche difficile valutare correttamente ciò che contribuisce veramente a un miglioramento percepito.

Casi aziendali fantastici

Le soluzioni per la supply chain non sono certamente l’unico settore del software aziendale in cui i fornitori fanno affermazioni audaci, ma come dice il vecchio detto: se sembra troppo bello per essere vero, probabilmente lo è. Noi stessi abbiamo osservato che praticamente ogni gennaio alla fiera commerciale NRF a New York, una delle più grandi fiere commerciali al dettaglio al mondo, che opera da oltre un secolo. Spesso notiamo un grande fornitore che afferma con sicurezza che i livelli di inventario possono essere dimezzati, con l’aiuto della loro nuova soluzione. Se solo 1/10 di queste affermazioni fosse vera, l’intero settore avrebbe raggiunto livelli di stock quasi perfetti un decennio fa. Ci sono così tanti modi per manipolare i numeri dei casi aziendali che la maggior parte dei fornitori non sta nemmeno effettivamente mentendo. Il caso più comune è che l’azienda pubblicizzata come “esempio” per la soluzione aveva una supply chain massicciamente disfunzionale per iniziare e quindi era possibile ottenere cifre di miglioramento altrettanto massicce, una volta che le cose tornavano alla normalità un anno dopo.

Fidati del team di vendita per la previsione

Rimane un mistero se le persone che incaricano i loro team di vendita di produrre numeri di previsione della domanda accurati abbiano mai lavorato con un vero team di vendita prima. Nel caso migliore, questi numeri possono essere considerati come un onesto lavoro di congettura, ma più spesso che no, sono solo inventati dal team di vendita che cerca di manipolare qualsiasi incentivo finanziario che viene loro dato. Questo dà il via alla pratica diffusa nota come “sandbagging”, in cui tutti impostano i loro obiettivi il più basso possibile per superare le aspettative in seguito. Inoltre, lungo la strada, abbiamo team di supply chain che spesso fingono di prestare attenzione a quei numeri, mentre le operazioni effettive rimangono completamente separate dagli input forniti dalle vendite. Ignorare i numeri suggeriti dal team di vendita è l’unica opzione ragionevole, poiché la supply chain smetterebbe di funzionare del tutto se dovesse effettivamente operare basandosi su numeri così scadenti.

Soluzioni provate

Cercare una soluzione provata che sia riuscita a fornire benefici tangibili per un’azienda molto simile alla tua potrebbe sembrare una prospettiva molto razionale. Da un punto di vista aneddotico, è esattamente ciò che ha fatto Nokia e innumerevoli altre aziende, fino a quando non sono più esistite. La maggior parte delle grandi aziende non agisce così velocemente quando si tratta di scegliere una soluzione complessa. Il processo di selezione del fornitore può richiedere fino a 1 anno. Quindi, raggiungere la velocità di crociera con la soluzione scelta potrebbe richiedere un altro anno. Monitorare e guadagnare fiducia nei risultati può richiedere altri 1 o 2 anni; specialmente per quelle supply chain in cui non tutte le soluzioni sono sostenibili e in cui la supply chain potrebbe tornare rapidamente allo stato di performance precedente, una volta che il fornitore non è più costantemente presente in loco per ottimizzare la soluzione. Seguendo questo, potrebbe volerci ancora 1 anno affinché il fornitore della soluzione raggiunga definitivamente la tua azienda con questa prova guadagnata a fatica. Il difetto fatale in questa linea di pensiero è che la tua azienda può permettersi di arrivare alla festa 5 anni dopo. Quando si tratta di software, 5 anni sono un periodo molto lungo. La maggior parte del software è considerato obsoleto entro il quinto anno; perché la tua soluzione per la supply chain dovrebbe essere diversa?

Metriche sbagliate, benchmark sbagliati

La Supply Chain Quantitativa si basa su numeri affidabili. Di conseguenza, tendiamo ad essere fortemente orientati verso metriche e benchmark. Tuttavia, osserviamo che, nella supply chain, la maggior parte dei benchmark e delle metriche sono così male progettati che vengono generalmente considerati pseudoscienza nel nostro libro. Le buone metriche della supply chain richiedono molto impegno. I buoni benchmark della supply chain richiedono un impegno quasi folle. Troppo spesso, le metriche e i benchmark vengono semplificati a scapito della loro rilevanza effettiva per l’azienda. Come regola generale, se l’esecuzione di un benchmark non sembra un compito incredibilmente difficile per i team della supply chain, allora è probabile che la sfida sia notevolmente sottovalutata.