Antipattern nella catena logistica

Antipattern nella catena logistica












Home » Risorse » Qui

Le iniziative legate alla catena logistica spesso falliscono. La soluzione a questi fallimenti è la catena logistica quantitativa: tuttavia, poiché questa si concentra sulle procedure che sappiamo già funzioneranno, le pratiche inutili o, peggio, dannose tendono a rimanere nell'ombra. Eppure, spesso sono proprio queste ultime la vera causa del problema.

Qui di seguito prenderemo in esame le pratiche (i pattern) che causano il fallimento delle iniziative legate alla catena logistica: le informazioni che abbiamo raccolto sono frutto non di uno, ma di numerosi fallimenti, che abbiamo dovuto affrontare prima di arrivare alla radice del problema. Faremo riferimento a queste pratiche dannose come antipattern della catena logistica: un antipattern è quindi una “soluzione” controproducente, che a prima vista sembra una buona idea, ma che finisce inevitabilmente per mancare gli obiettivi inizialmente prefissati.


Gestione inadeguata

Non vogliamo certo mettere in discussione le scelte dei responsabili della logistica, poiché sono nostri clienti e come tali li rispettiamo. Allo stesso tempo, però, ci sentiamo in dovere di rifiutare di collaborare con un'azienda se la soluzione è destinata a fallire in partenza. Spesso, la causa del problema è infatti il modo stesso in cui la logistica viene gestita. Certo, dobbiamo ammettere che la gestione della catena logistica da sola, anche se inadeguata, raramente è l'unica causa: alcuni venditori continuano a lanciare messaggi spudoratamente sbagliati, pur di attirare clienti, senza per questo pagarne direttamente le conseguenze. Inoltre, sulla catena logistica possono pesare pratiche passate e politiche interne, che finiscono per diventare il capro espiatorio quando le cose non vanno secondo le aspettative. In questa sezione vedremo quali sono, quindi, le trappole che si possono evitare semplicemente rivedendo alcuni aspetti della gestione della catena logistica.

La richiesta di preventivo

In molti settori commerciali, la richiesta di preventivo (o, con acronimo inglese, RFQ) ha perfettamente senso. Sfortunatamente, i prodotti software non rientrano tra questi: scrivere le specifiche di un software è molto più complicato che sviluppare il software stesso, è un procedimento complesso. Una volta richiesto il preventivo, poi, molte aziende decidono di complicare ulteriormente la situazione ricorrendo all'aiuto di consulenti esterni. La richiesta di preventivo spesso impedisce di cercare una vera soluzione al problema: quando un cliente richiede un preventivo, infatti, si dà per scontato che abbia già un'idea della soluzione di cui ha bisogno, mentre il problema, per sua stessa definizione, non è ancora chiarito nel momento in cui viene elaborato il preventivo. Nella pratica, inoltre, la richiesta di preventivo porta a una selezione fra vari venditori, che solitamente si conclude con la scelta dei peggiori. Infine, l'industria del software è in continua evoluzione: ciò significa che, mentre noi saremo impegnati a richiedere preventivi, i nostri competitor avranno già ottenuto la loro soluzione software.

Il proof of concept

Un "proof of concept" (POC), ossia una bozza di progetto, è utile quando si intende acquistare un servizio semplice, che può essere facilmente assimilato a un bene materiale (ad esempio, la stampa dei biglietti da visita). Un'iniziativa legata alla catena logistica è qualcosa di ben più complesso: una catena logistica richiede infatti coordinamento tra più entità, per poter sfruttare tutte le tipologie di dati a disposizione e tenere conto delle decine di flussi di lavoro coinvolti. In questo caso, un POC o un progetto pilota su piccola scala possono addirittura complicare le cose, poiché tralasciano un aspetto fondamentale di qualsiasi iniziativa legata alla catena logistica: la capacità di operare in scala. Molti sono abituati al principio delle economie di scala: quando si ottimizza una catena logistica, invece, abbiamo piuttosto a che fare con diseconomie di scala, nel senso che prendere la giusta decisione diventa sempre più difficile man mano che aumenta la complessità del problema. Ciò significa che la soluzione che ha funzionato per un piccolo centro di distribuzione non è necessariamente quella giusta per decine di centri di distribuzione diversi.

Non tenere conto dell'incertezza

Il futuro è incerto, e non si può non tenere conto di questo. Allo stesso modo, l'ottimizzazione numerica della catena logistica è un problema difficile, da cui non si può prescindere. L'ottimizzazione della catena logistica passa per le previsioni probabilistiche, che sono la diretta conseguenza di un futuro incerto, ed è inoltre soggetta ai comportamenti controintuitivi generati dalle ottimizzazioni numeriche. Alcuni venditori sfruttano il desiderio dei clienti di avere a disposizione una soluzione semplice per vendere una pratica di fantasia, dove tutte le complessità sono eliminate. Sfortunatamente, tali complessità non sono meri tecnicismi, ma sono la chiave per definire cosa potrà o non potrà funzionare all'interno di una catena logistica. L'incertezza deve essere "abbracciata", anche in ottica quantitativa. Ai responsabili della logistica, dunque, spetta il compito di riconoscere e accettare l'incertezza.

Affidare il lavoro a tirocinanti inesperti

Se migliorare la catena logistica è un'iniziativa importante per l'azienda, allora è giusto che a occuparsene siano i responsabili di alto livello. Troppo spesso, infatti, le aziende accettano ben volentieri l'idea del miglioramento, ma finiscono per assegnare il compito a uno o due tirocinanti. Per quanto questi possano essere svegli, però, non ci è mai capitato di trovare un progetto sulla catena logistica portato avanti da tirocinanti che abbia avuto davvero successo. Non abbiamo nulla contro i tirocinanti, anzi: ne abbiamo incontrati spesso di intelligenti, determinati e brillanti. Purtroppo, però, per portare un vero cambiamento nella catena logistica di un'azienda c'è bisogno di ben altro: senza un impegno concreto da parte dei manager di alto livello, i dipendenti tendono a non eseguire i compiti, perché non hanno abbastanza tempo libero per occuparsi di quella che viene percepita come un'attività di secondo piano. Se non è la stessa direzione aziendale a impegnarsi nell'iniziativa, mettendo in chiaro che si tratta di una priorità, allora l'iniziativa non verrà vista come una priorità da nessuno - con l'eccezione del povero tirocinante a cui è stato accollato tutto il lavoro.

Eccesso di pianificazione

I dirigenti aziendali sono sempre alla ricerca di rassicurazioni, e non c'è nulla di più rassicurante di una solida road map che definisca chiaramente fasi, ruoli e deliverable di un progetto. Tuttavia, se c'è una cosa che la storia del software ci ha insegnato, è che i piani predefiniti solitamente non resistono a una sola settimana (e a volte neanche a un solo giorno) di lavoro. Quando si ottimizza una catena logistica, è probabile che si verifichino numerosi imprevisti. È una prospettiva che spaventa, certo, ma imbrigliare l'intero progetto all'interno di un piano rigidamente programmato può solo peggiorare la situazione, non migliorarla: in questo modo, infatti, si rischia di rendere il progetto ancora più vulnerabile alle difficoltà impreviste, quando invece dovrebbe essere il più resistente possibile di fronte all'ignoto. La capacità di affrontare i problemi è più importante della capacità di aggirarli a priori. Di conseguenza, è meglio mettere a punto un progetto che sia flessibile, piuttosto che ben pianificato.

Scindere le previsioni dall'ottimizzazione

Tradizionalmente, nell'ottimizzazione della catena logistica si tende a scindere il processo di previsione dal processo decisionale vero e proprio. Dal punto di vista tecnico, si tratta di un approccio perfettamente fattibile, che può essere realizzato usando due diverse serie di algoritmi, una per le previsioni e una per l'ottimizzazione propriamente detta. Dal punto di vita funzionale, il team che si occupa delle previsioni si occupa anche dell'ottimizzazione. In realtà, però, la logica alla base del processo decisionale (o, in altre parole, dell'ottimizzazione) è molto sensibile alla logica alla base delle previsioni, se non altro sul piano numerico: scindere le due prospettive è quindi il modo migliore per amplificare eventuali errori presenti nelle previsioni e, di riflesso, portare a decisioni incoerenti. La logica usata per l'ottimizzazione dovrà allora, sul piano numerico, essere coordinata alla logica usata per le previsioni, con tutti i suoi punti deboli e i suoi punti di forza.

"Frankensteinizzazione" del software

In una grande azienda è spesso difficile raggiungere l'unanimità: anche se la maggioranza degli stakeholder coinvolti nella catena logistica concorda di affidarsi a un certo venditore, è probabile che una minoranza continui a sostenere le proprie preferenze, o che voglia adottare alcune funzioni di un altro prodotto. Personalizzare un prodotto è un business molto remunerativo per le grandi aziende di software, che sono quindi ben felici di piegarsi alle richieste dei clienti, spesso gonfiando i costi e il valore percepito in corso d'opera. Per scrivere un buon software sono necessari anni e, se il lavoro è stato fatto correttamente, il prodotto finale deve essere un compromesso ben equilibrato tra obiettivi contrastanti. Quando una grande azienda personalizza troppo un software, finisce quasi sempre per eliminarne le proprietà originali e ottenere una soluzione non migliorata, ma peggiorata, a cui sono state aggiunte talmente tante componenti in più da trasformare il software in una sorta di mostro. Gli sviluppatori software di certo non mancano: se una soluzione non è l'ideale per l'azienda, è meglio lasciar perdere e cambiare fornitore; se nessuno dei fornitori sembra adatto, o l'azienda ha caratteristiche davvero uniche (cosa, per la verità, rara), o forse è necessario rivedere le proprie esigenze.

Progetti dettati dalla moda del momento

Intorno al 2010, l'intero settore retail sembrava interessato a scoprire come sfruttare le previsioni meteo per rifinire le previsioni della domanda. Nel 2012, non si faceva che parlare di come integrare i dati provenienti dai social network nelle previsioni della domanda. Nel 2014, la parola d'ordine era Big Data, presto rimpiazzata da machine learning nel 2016. Ogni anno porta con sé il proprio carico di paroloni del momento. Naturalmente, non c'è niente di male nel voler riconsiderare un vecchio problema in una chiave del tutto nuova, anzi; non si possono, però, perdere di vista le vere sfide, altrimenti si rischia di minare qualsiasi progetto già avviato. Se una soluzione sembra troppo bella per essere vera, allora è molto probabilmente così. La catena logistica può essere ottimizzata sì, ma a prezzo di un duro lavoro: per questo è bene assicurarsi che anche le novità del momento si concentrino sulle difficoltà principali che bisogna risolvere nella catena logistica.

Esecuzione informatica inesatta

Quando un progetto fallisce, la colpa viene spesso data al reparto informatico dell'azienda. L'informatica è una materia difficile, molto più di quanto si possa immaginare dall'esterno. È vero, però, che a volte i responsabili del reparto informatico, in assoluta buona fede, creano talmente tanta frizione all'interno dei processi che il progetto rallenta enormemente, fino a che l'azienda vi rinuncia. Il reparto informatico deve quindi sostenere il cambiamento e, più in particolare, il tipo di cambiamento che non rischia di compromettere ulteriori modifiche future. Più facile a dirsi che a farsi.

Meccanismi di difesa del team informatico

Poiché il reparto informatico è quasi sempre il capro espiatorio dell'azienda se le cose non funzionano, è probabile che abbia sviluppato alcuni “meccanismi di difesa”. Uno dei più comuni meccanismi di difesa consiste nel richiedere specifiche scritte dettagliate per ogni nuovo progetto. Specificare una soluzione software può però essere perfino più difficile che implementare la soluzione stessa: il risultato è che si finisce per sostituire un problema complesso con un problema ancora più complesso. Un altro meccanismo di difesa consiste nello stabilire una serie di “prerequisiti”, ad esempio: il software deve essere on premise, il software deve essere compatibile con XYZ, il software deve rispondere a particolari criteri di sicurezza, e così via. Per scrivere un buon software sono necessari anni di lavoro. Una volta completata la lunga lista di requisiti rimarranno solo due tipi di sviluppatori software: quelli che non sono compatibili con i requisiti e quelli che mentiranno sostenendo di esserlo.

Sottovalutare la complessità dei dati

Potrebbe sembrare un paradosso, ma i progetti relativi alla catena logistica possono anche fallire perché il reparto informatico è troppo occupato a progettare la soluzione per dedicare la dovuta attenzione alla preparazione dei dati. Dato che l'informatica è molto complessa, e che quindi viene gestita da dipendenti spesso di grande talento, in alcune aziende si dà per scontato che conoscano l'attività meglio di chiunque altro. In realtà, un ragionamento di questo tipo sottovaluta le insidie che si nascondono nella preparazione dei dati di un'azienda: organizzare i dati in modo che abbiano senso non significa spostare interi megabyte di informazioni da una posizione all'altra, ma individuare il filo sottile che collega i dati ai processi e ai flussi di lavoro che avvengono all'interno dell'azienda, oltre che a comprendere svolte, errori sistematici e limiti dei dati che capita di trovare nei sistemi dell'azienda. Affidare la preparazione dei dati al reparto informatico si traduce in ritardi imprevisti, perché è solo a lavoro avviato che gli informatici si rendono conto di avere avuto una percezione superficiale dei dati. Tenendo conto di tutto ciò, una via d'uscita ragionevole consiste nel delegare la preparazione dei dati fin da subito a qualcuno al di fuori del reparto informatico.

La tentazione della piattaforma estendibile

Quando si tratta di software aziendali, c'è una sola cosa che i venditori sanno fare bene: offrire una piattaforma “estendibile” con diversi moduli, che rappresentano altrettante opportunità di upselling. Non sempre, però, le piattaforme sono in grado di funzionare bene insieme; spesso, inoltre, si presentano problemi di sovrapposizione delle funzioni, ossia derivanti dal fatto che due piattaforme devono competere per la stessa funzione all'interno dell'azienda. La sovrapposizione delle piattaforme è un vero incubo informatico per le aziende, che può essere risolto solo attraverso meccanismi di sincronizzazione, i quali, a loro volta, sono difficili da impostare e ancora più difficili da mantenere. Certo, optare per una soluzione universale è una tentazione forte, ma, in definitiva, è meglio puntare su soluzioni meno imponenti, che facciano una sola cosa, ma bene. Mantenere decine di applicazioni dal campo più ristretto è semplice, gestire due piattaforme enormi (con sovrapposizioni di funzioni enormi) può essere un'impresa impossibile.

Estrazione dati poco affidabile

I dati sono la linfa vitale della catena logistica quantitativa: senza dati, qualsiasi progetto di questo tipo è destinato a fallire. Di conseguenza, sono necessari nuovi dati ogni giorno. Nei reparti informatici delle aziende è diffusa la convinzione che sia sufficiente estrarre i dati una o due volte per iniziare a lavorare: in fin dei conti, visto che la maggioranza dei progetti relativi alla catena logistica viene presto abbandonato, perché darsi tanta pena solo per estrarre i dati? In questo modo, però, si ritarda l'implementazione di un processo automatico di estrazione dei dati, che rischia di diventare presto una delle cause principali del fallimento del progetto. In questi casi, spetta proprio al reparto informatico prendere l'iniziativa, procedendo all'automazione dell'estrazione dei dati fin dall'inizio dei lavori e convincendo l'intera azienda che dedicare maggiore attenzione a questa fase è la chiave per il successo del progetto, poiché si tratta dell'unica opzione veramente valida in termini di estrazione dei dati.

Soluzioni matematiche sbagliate

Ottimizzare la catena logistica è prima di tutto una questione di numeri. Ovviamente, molto contano anche la visione dell'azienda, la gestione dell'attività, la disciplina... secondo la nostra esperienza, però, la maggioranza delle aziende svolge un ottimo lavoro da questo punto di vista. In termini di numeri, invece, si ha spesso l'impressione che la catena logistica sia in balia di soluzioni matematiche sbagliate: molti addetti ai lavori non considerano il fatto che tutte le formule e i modelli (che qui abbiamo indicato collettivamente come soluzioni matematiche) si basano su assunti piuttosto rigidi. Non appena uno di questi assunti viene meno, l'intera soluzione rischia di collassare. In questa sezione vedremo quali sono le insidie più comuni al riguardo - per maggiore concisione, daremo per scontato che il lettore conosca già in cosa consistono le soluzioni elencate.

Analisi ABC

L'applicazione dell'analisi ABC alla gestione dell'inventario risale a un periodo in cui non era neanche immaginabile utilizzare i computer per tenere sotto controllo la catena logistica. Il vantaggio principale dell'analisi ABC è infatti quello di proporre un metodo tanto semplice da poter essere eseguito a mano. Tuttavia, considerando l'imponente capacità di calcolo dei moderni computer, utilizzare l'analisi ABC oggi non ha più molto senso. Anzi, incasellare migliaia di SKU in 3 o 4 categorie arbitrarie non porta alcun beneficio, poiché esiste un continuum tra il prodotto più venduto e la coda lunga e, per ottimizzare la catena logistica, è fondamentale tenere conto di tale continuum, invece che negarne perfino l'esistenza. Nella pratica, poi, abbiamo avuto modo di osservare come gli aspetti negativi dell'analisi ABC vengono spesso amplificati dai cambiamenti del mercato, che rendono le categorie instabili e costringono a spostare continuamente i prodotti da un gruppo all'altro.

Scorta di sicurezza

In nessun magazzino esiste qualcosa che possa essere definito “scorta di sicurezza”. La scorta di sicurezza deriva da un concetto fittizio che suddivide le scorte disponibili in due categorie: le scorte operative e, per l'appunto, la scorta di sicurezza. In prospettiva storica, la scorta di sicurezza è stata introdotta per gestire domanda variabile e lead time variabili in modo piuttosto semplice, sfruttando la distribuzione normale (o gaussiana). Tuttavia, è sufficiente dare uno sguardo, anche superficiale, ai dati relativi a una qualsiasi catena logistica per capire che nella domanda variabile o nei lead time variabili non c'è traccia di distribuzioni normali. Nei primi anni '80, quando i computer erano ancora molto lenti, le distribuzioni normali potevano essere un buon compromesso tra complessità e accuratezza, ma oggi non c'è più ragione di restare aggrappati a un “trucco” pensato per aggirare i limiti delle macchine di oltre trent'anni fa.

Correzione manuale delle previsioni

Alcuni professionisti della logistica vantano di riuscire a “battere il sistema” e ottenere previsioni migliori di quelle elaborate dal computer. Se è davvero così, allora il sistema ha bisogno di essere reimpostato, a partire dall'esperienza e dalle conoscenze accumulate dal professionista. Ottimizzare una catena logistica di dimensioni considerevoli significa generare migliaia, se non milioni, di previsioni ogni giorno, per cui è impensabile potersi basare unicamente sul lavoro manuale del reparto logistica per supplire ai malfunzionamenti del sistema. Considerando i progressi fatti dalla statistica negli ultimi 20 anni, non c'è ragione di credere che, a partire da uno stesso set di dati di input, un sistema automatico non possa offrire prestazioni migliori di un essere umano, che, onestamente, non avrà più di qualche secondo di tempo per pensare a ogni dato da produrre. Se potessimo avere a disposizione giorni interi per prendere una decisione, le cose starebbero diversamente. Purtroppo, però, la gestione della catena logistica richiede che vengano prese decisioni in tempi molto più brevi.

Avvisi e metodi di previsione fallaci

Le previsioni tradizionali (quelle che puntano alla media o alla mediana, per intenderci) pongono l'accento su un singolo scenario futuro, come se questo fosse l'unico che potrebbe mai verificarsi. Il futuro, però, è incerto e le previsioni sono nel migliore dei casi approssimative, nel peggiore dei casi completamente sbagliate. Capita spesso che un'azienda debba sostenere spese astronomiche solo a causa di grossi errori di previsione: per evitare simili spiacevoli situazioni, si ricorre allora a un sistema di avvisi per tenere traccia degli errori macroscopici. Il problema principale, però, non sono le previsioni in sé, ma il fatto che le previsioni tengano conto di un solo scenario futuro. La verità, invece, è che tutti gli scenari futuri sono possibili, ma non ugualmente probabili. A questo proposito, le previsioni probabilistiche conoscono in anticipo quali sono i possibili errori e sono rappresentate come distribuzioni di probabilità, accuratamente “spalmate” tra tanti possibili valori. Ricorrendo agli avvisi, le previsioni tradizionali non fanno altro che confermare la fallacia di un sistema che porta a determinare un solo scenario futuro. Al contrario, le previsioni probabilistiche permettono un approccio diverso, che consente all'azienda di ridurre proattivamente i rischi legati alla catena logistica in presenza di livelli elevati di incertezza.

"Rattoppare" i dati storici

Quando nei dati storici si trovano errori sistematici, come rotture di stock o promozioni, si ha spesso la tentazione di “ripararli”, modificando i dati storici in modo che riflettano lo scenario che si sarebbe verificato se non fosse esistito l'errore. Parliamo in questo caso di “rattoppare” i dati storici. L'idea di fondo è che tutti i modelli di previsione siano pensati come varianti della media mobile. Se abbiamo solo medie mobili, i dati storici devono effettivamente essere regolati in modo da tenere conto delle medie mobili, ma rattoppare i dati non è mai una buona soluzione. Per risolvere il problema, basta espandere l'orizzonte e cercare altri modelli previsionali, meno disfunzionali della media mobile: fino a qualche decennio fa non esisteva nulla di simile, ma oggi abbiamo a disposizione metodi migliori per gestire correttamente dati storici “complessi” e trattare anche gli errori sistematici come dati di input.

Trascurare i lead time

Per alcune ragioni che non siamo mai riusciti a spiegarci, i lead time sono spesso considerati come dati già assodati, invece che come un'informazione da prevedere. I lead time futuri sono incerti e, quasi sempre, il miglior modo per stimare i lead time futuri è basarsi sui lead time osservati in passato. Dunque, anche i lead time devono essere previsti. Peraltro, molti professionisti della logistica tendono a sottovalutare le implicazioni sulla catena logistica di un lead time previsto correttamente. Le scorte tenute a magazzino servono precisamente a coprire la domanda per uno specifico lead time: cambiando i lead time, cambiano anche le scorte a magazzino. Per tutti questi motivi, i lead time meritano di essere trattati con la dovuta attenzione, se si vuole ottimizzare la catena logistica. Molto spesso si sente parlare di quanto siano importanti previsioni accurate della domanda, ma, nella nostra esperienza, prevedere accuratamente i lead time è sempre stato ugualmente importante.

Pseudoscienza

La pseudoscienza ha tutta l'apparenza della scienza vera e propria: sembra razionale, è basata su numeri e cifre, è apparentemente dimostrata e persino le persone più istruite ne difendono le tesi. Tuttavia, la pseudoscienza non raggiunge mai risultati ripetibili: di solito, anzi, non è neanche necessaria una configurazione sperimentale per smascherare la pseudoscienza, poiché questa viene identificata attraverso una semplice, imparziale peer review. La catena logistica è un concetto difficile da comprendere e costoso da mettere in pratica, e tanto basta a capire perché le metodologie da applicare sono spesso complicate: non solo gli esperimenti implicano un alto livello di rischio, ma è anche difficile risalire alle cause reali di quelli che vengono percepiti come miglioramenti.

Business case di fantasia

Le soluzioni relative alla catena logistica non sono certo l'unico settore in cui i venditori di software aziendali “gonfiano” le aspettative, ma, come diciamo sempre, se è troppo bello per essere vero, allora non lo è. Quasi ogni gennaio, in occasione della fiera NRF di New York, uno degli eventi più antichi e importanti al mondo dedicati al settore retail, vediamo con i nostri occhi il grande produttore di turno che promette di riuscire a dimezzare i livelli di scorte a magazzino grazie al suo nuovo software. Se solo un decimo di queste promesse corrispondessero alla realtà, il settore retail avrebbe trovato livelli di scorte quasi perfetti già un decennio fa. Tra l'altro, esistono così tanti modi di rimaneggiare i dati dei vari business case, che molti venditori parlano in realtà in buona fede: accade spesso, ad esempio, che l'azienda presentata come “manifesto” della soluzione proposta riesca a ottenere miglioramenti impressionanti solo perché torna alla normalità dopo un periodo segnato da continue disfunzioni nella catena logistica.

Incaricare il reparto vendite di elaborare le previsioni

C'è da chiedersi se chi incarica il proprio reparto vendite di elaborare previsioni accurate della domanda abbia mai lavorato prima con un reparto vendite. Nel migliore dei casi, le “previsioni” così ottenute non saranno altro che un tentativo onesto di indovinare il futuro. Più spesso, saranno il tentativo di sfruttare qualsiasi incentivo finanziario a disposizione. Si tratta di una pratica nota con il nome di “sandbagging”, che consiste nel fissare intenzionalmente obiettivi il meno ambiziosi possibile per riuscire a superare le aspettative. Per di più, a tutto ciò si aggiunge spesso un reparto logistica che apparentemente presta attenzione ai dati forniti dal reparto vendite, ma che in realtà non li applica alle operazioni reali: quando i dati sono di scarsa qualità, infatti, l'unica opzione possibile per non mettere ulteriormente a rischio la catena logistica è ignorarli.

Soluzioni testate

Cercare una soluzione testata, che ha dato benefici tangibili a un'azienda molto simile alla propria, potrebbe sembrare perfettamente logico. Questo è quello che hanno fatto, ad esempio, Nokia e tante altre aziende che ora non esistono più. Prima di scegliere una soluzione complessa, molte grandi aziende si prendono il tempo di valutare le alternative possibili, tanto che solo selezionare il venditore può richiedere a volte fino a un anno di tempo. Per ingranare la marcia con la nuova soluzione, poi, può volerci un altro anno. Controllare i risultati e constatarne l'affidabilità può richiedere altri uno o due anni, soprattutto per le catene logistiche in cui non tutte le soluzioni sono applicabili, o nei casi in cui la catena logistica torna alle vecchie abitudini non appena il venditore non può più assicurare la sua presenza sul posto per implementare la soluzione. Infine, potrebbe volerci un altro anno ancora prima che il venditore possa tornare in azienda, dopo una lezione imparata a caro prezzo. In definitiva, seguendo questo percorso si otterrebbe una soluzione con cinque anni di ritardo rispetto ai propri competitor. Parlando di software, cinque anni sono un tempo lunghissimo, tanto che i software vecchi di cinque anni sono spesso considerati obsoleti. Perché le cose dovrebbero funzionare diversamente per la catena logistica?

Pessimi indicatori, pessimi parametri

La catena logistica quantitativa si basa su numeri affidabili. Di qui l'esigenza di fare affidamento su indicatori e parametri. Tuttavia, in materia di catena logistica, la stragrande maggioranza degli indicatori e dei parametri che vengono di solito applicati sono di qualità così scarsa che abbiamo finito col classificarli come pseudoscienza. Dei buoni indicatori per la catena logistica richiedono enormi sforzi. Dei buoni parametri per la catena logistica richiedono sforzi titanici. Troppo spesso si preferisce puntare non alla qualità, ma alla semplicità, con l'unico risultato di fornire dati non rilevanti per l'attività commerciale. In linea di massima, se utilizzare un parametro non sembra un compito estremamente difficile per l'azienda, probabilmente è perché la complessità del problema è stata sottovalutata.