POCs non funzionano nell'ottimizzazione quantitativa della supply chain

Joannes Vermorel

Le prove di concetto sono una delle richieste più frequenti che riceviamo dai nostri potenziali clienti desiderosi di provare il nostro servizio di supply chain optimization. Tuttavia, rifiutiamo frequentemente tali richieste; in primo luogo perché arrecano danno all’azienda del cliente, e in secondo luogo perché arrecano danno anche a Lokad nel processo. Poiché i POC – o prove di concetto – sono così diffusi nel software B2B, solitamente è difficile comprendere perché possano essere addirittura dannosi nel caso specifico dell’ottimizzazione quantitative supply chain (1). In questo post, raccogliamo le nostre conclusioni sui POC, considerandoli un “anti-pattern” della supply chain.

I POC non costano di meno

Un presupposto fondamentale alla base della metodologia dei POC è che i POC costino meno della soluzione reale. Purtroppo, questo presupposto è quasi sempre errato.

Prima di tutto, stabilire un ambito ristretto all’interno di un’intera rete supply chain sposta a malapena l’ago della bilancia. In passato, i software vendors si trovavano ad affrontare problemi di scalabilità e le implementazioni su larga scala richiedevano tipicamente ingenti investimenti iniziali in hardware, possibilmente accompagnati da licenze software come quelle per i database. Senza questi investimenti, non era nemmeno possibile iniziare a elaborare i dati. Tuttavia, nell’era del cloud computing, questo vincolo non esiste più, e se un’app è progettata correttamente, non è richiesto nulla di extra per iniziare a elaborare i dati. La bolletta del cloud computing aumenterà solo marginalmente per ogni cliente aggiuntivo, ma in generale, questo costo è trascurabile rispetto, ad esempio, ai costi necessari per instaurare una discussione con il potenziale cliente. In secondo luogo, la maggior parte degli sforzi iniziali consiste nella qualificazione dei dati, seguita da una corretta identificazione necessaria per stabilire una relazione commerciale B2B con il cliente.

Ancor peggio, disporre di più dati generalmente rende le cose più facili, non più difficili, ogni volta che è coinvolta la previsione statistica. Pertanto, restringendo l’ambito dei dati, i POC tendono a rendere le cose più difficili, e quindi più costose, rispetto ad affrontare l’ambito completo delle sfide. La nostra esperienza indica che, anche quando i POC si concentrano solo sul 5% dell’intera rete supply chain, questo 5% implica tipicamente quasi l’intera complessità della rete nel suo insieme. In realtà, è proprio perché i POC incorporano quasi tutta la complessità di un progetto su larga scala, che ci si aspetterebbe che i POC abbiano senso sin dall’inizio.

Ignorare la complessità non è davvero un’opzione. Se la tua rete supply include spedizioni in container e si collabora con fornitori inaffidabili, come potrebbe un POC risultare convincente se questi elementi non vengono considerati nell’iniziativa? Se viene ignorato un vincolo specifico, come ad esempio i MOQ (quantità minime d’ordine), i risultati numerici diventano inutilizzabili.

I costi oltre il POC sono determinati dagli sforzi che devono essere messi in atto da entrambe le parti, sia da Lokad che dal suo cliente, per gestire la piena complessità della supply chain. Tali costi sono guidati dalle specificità del business in esame, mentre la scala ha solo un impatto marginale sui costi.

I POC aumentano le probabilità di fallimento

Optando per un POC, le aziende spesso finiscono per sperimentare per migliorare la loro supply chain. Tuttavia, in questo caso specifico, vorrei citare Yoda: Fai. Oppure non fare. Non c’è provare. Nonostante le affermazioni dei software vendors, ottimizzare la supply chain è difficile. Il problema con i POC è che concedono troppa libertà alle parti, facilitando il fallimento.

• Estrarre la storia delle vendite è estremamente complicato. Ahimè, comunque non esiste alternativa: non si riuscirà mai a ottimizzare la supply chain senza dati che rappresentino la domanda.
• I livelli di stock elettronici sono imprecisi. La tecnologia può aiutare a rilevare automaticamente le deviazioni più evidenti e a dare priorità alle riconte. Tuttavia, non è raro che i supply chain managers debbano occuparsi anche dell’inventario fantasma.
• Le previsioni restano scarse a prescindere. Le aziende dovrebbero imparare ad abbracciare un futuro incerto, invece di voler eliminare questa incertezza. Le previsioni probabilistiche sono particolarmente efficaci nel catturare l’incertezza del futuro.

Le complicazioni sono tante scuse per rinunciare.

Ci sono situazioni in cui ci si aspetta che le soluzioni siano semplici e senza intoppi: ad esempio, creare un nuovo account email per un nuovo dipendente. Tuttavia, ottimizzare la supply chain è quasi sempre difficile: se l’azienda esiste da più di qualche anno, la parte “facile” dell’ottimizzazione della supply chain è stata già risolta anni fa. Ciò che resta è la parte “difficile”.

Dalla nostra esperienza, la maggior parte dei POC fallisce nelle fasi iniziali del progetto, quando i team stanno ancora lottando con problemi legati ai dati. Tuttavia, ciò non dice nulla sulla soluzione di ottimizzazione dell’inventario in sé, poiché la soluzione non viene mai messa alla prova.

I POC deviano le iniziative di ottimizzazione della supply chain

I POC enfatizzano un punto di vista che non è esattamente quello della produzione. Gli executive cercano di stabilire benchmark o KPI da definire. Tuttavia, cosa succede se un certo KPI risulta essere più difficile da calcolare rispetto all’ottimizzazione stessa? E se il KPI, pur essendo istruttivo, non offre opzioni praticabili per migliorare nulla?

La nostra esperienza indica che i POC vengono spesso distratti da considerazioni che non sono affatto requisiti dal punto di vista della produzione. Cercare di affrontare tali requisiti tende a compromettere il POC, poiché all’improvviso esso diventa una sfida ancor maggiore rispetto alla produzione stessa.

Inoltre, dato che il punto principale di un POC è cercare rassicurazione, la maggior parte dei POC soffre di anti-pattern di perfezionismo, in cui l’azienda cliente esercita pressione sul fornitore affinché includa ogni aspetto del proprio business, anche a discapito dell’affidabilità complessiva della soluzione. La soluzione risultante è spesso troppo fragile per essere utile in produzione.

Abbiamo visto molti POC fallire a causa di problemi “immaginari”. Ad esempio, se il miglior modello di previsione, testato empiricamente su migliaia di SKU, si rivela non stagionale e supera tutti gli altri modelli stagionali disponibili, questo dovrebbe essere considerato un problema? Non c’è dubbio che il business in questione sia stagionale: lo è. Ma cosa succede se il modo migliore conosciuto per anticipare la domanda futura è semplicemente ignorare la stagionalità in questo caso? Dovrebbe essere considerato un problema? Dalla nostra esperienza, questo singolo “problema” è stato considerato un ostacolo per molti POC, mentre gli operatori della supply chain stessi ammettevano che le quantità d’ordine d’acquisto suggerite fossero solide.

Passare direttamente alla produzione e rivedere il progetto se necessario

I POC sono solitamente, e giustamente, percepiti come distrazioni dagli operatori che devono mantenere operativo il business mentre arriva la soluzione di nuova generazione. La nostra esperienza indica che passare direttamente alla produzione è più economico e meno rischioso. Tuttavia, ciò dovrebbe essere fatto con la metodologia adeguata.

Innanzitutto, fallire a causa della “logistica dei dati” non è un’opzione. Non si può ottimizzare ciò che non si misura. Se i dati sono privi di significato, allora tutti i tentativi di ottimizzazione saranno anch’essi privi di senso. Il successo è un requisito, altrimenti l’azienda potrebbe non esistere più tra qualche anno. È un dato di fatto che la stragrande maggioranza degli sforzi da investire è associata a questa logistica dei dati, e questo investimento può essere quasi completamente separato dalla soluzione presa in considerazione per la produzione. E questo è un aspetto positivo! Se, per qualche motivo, la soluzione di ottimizzazione risultasse insufficiente, l’investimento non andrà perso, ma andrà semplicemente reindirizzato verso una soluzione alternativa migliore.

In secondo luogo, pur puntando direttamente alla produzione, ciò non significa che i numeri debbano restare incontestati, anzi. Il vecchio e il nuovo processo dovrebbero coesistere, raccogliendo quanti più frutti facilmente accessibili possibili dal vecchio processo (2) mentre quello nuovo viene perfezionato.

Poi, tipicamente, sorgono dozzine di problemi. È importante risolverli:

• problemi che già impattavano il vecchio processo, sebbene in maniera più silenziosa. I buoni processi e le buone tecnologie rendono i problemi evidenti; questo non è un difetto, ma una virtù.
• problemi che non possono essere risolti dal software in uso. Se il picking degli SKU non è affidabile nel magazzino, non aspettarti che il modulo di previsione della domanda lo renda tale.
• discrepanza tra i problemi reali e le aspettative. La previsione statistica è profondamente controintuitiva; non lasciare che le tue aspettative sovrastino ciò che indicano le misurazioni quantitative.
• problemi di progettazione che non possono essere risolti senza ripensare in modo significativo la soluzione, cosa che di solito accade quando il software non ha l’angolazione giusta per affrontare la sfida.

L’ultimo punto richiede che si prenda in considerazione un’altra soluzione. Tuttavia, come già detto, ciò non dovrebbe rappresentare la fine dell’iniziativa, bensì l’inizio di una collaborazione con un altro fornitore.

Abbandonare l’idea di un POC significa solitamente perdere tutto lo slancio investito nell’iniziativa. Inoltre, la maggior parte dei POC fallisce per le ragioni sbagliate, il che significa che le probabilità di successo dei tentativi futuri miglioreranno a malapena, poiché le vere sfide rimangono per lo più invariate.

Passare direttamente alla produzione è in realtà meno rischioso di quanto sembri. Aiuta a prevenire un’intera classe di fallimenti che tende ad essere ignorata nel caso dei POC, nonostante non dovrebbe esserlo. Costringe l’iniziativa ad adottare un focus ristretto su ciò che è effettivamente necessario per ottenere miglioramenti, mettendo da parte le illusioni. Di fronte a un grave fallimento del fornitore, un’azienda può comunque capitalizzare sul proprio slancio interno e passare a un altro fornitore, senza perdere detto slancio come accade solitamente con i POC.

(1) Esistono molti modi per ottimizzare la supply chain: processi migliori, fornitori migliori, trasportatori migliori, migliori assunzioni … Questo post si concentra sull’ottimizzazione quantitativa: le sfide della supply chain che possono essere affrontate tramite previsioni statistiche e/o solutori numerici.

(2) Risolvere il problema dell’inventario fantasma giova a tutti i processi di ottimizzazione dell’inventario. Lo stesso vale per rivedere e migliorare le valutazioni dell’inventario.