I POC non funzionano nell'ottimizzazione quantitativa della supply chain

Joannes Vermorel

I proof of concept sono una delle richieste più frequenti che riceviamo dai nostri clienti potenziali interessati a provare il nostro servizio di ottimizzazione della supply chain. Tuttavia, rifiutiamo spesso tali richieste; prima di tutto perché danneggiano l’azienda del cliente e in secondo luogo perché danneggiano anche Lokad nel processo. Poiché i POC, o proof-of-concept, sono così diffusi nel software B2B, è di solito difficile capire perché possano essere dannosi nel caso specifico dell’ottimizzazione quantitativa della supply chain (1). In questo post, raccogliamo le nostre conclusioni sui POC, considerandoli un “anti-pattern” della supply chain.

I POC non costano meno

Una delle principali assunzioni alla base della metodologia dei POC è che i POC costino meno rispetto alla soluzione reale. Purtroppo, questa assunzione è quasi sempre errata.

Innanzitutto, stabilire un piccolo ambito all’interno di un’intera rete di supply chain ha un impatto minimo. In passato, i fornitori di software hanno avuto problemi di scalabilità e le implementazioni su larga scala richiedevano tipicamente ingenti investimenti iniziali in hardware, potenzialmente combinati con licenze software come database. Senza questi investimenti, non era nemmeno possibile iniziare a elaborare i dati. Tuttavia, nell’era attuale del cloud computing, questo vincolo non esiste più e se un’applicazione è progettata correttamente, non è necessario nulla di extra per iniziare a elaborare i dati. La fattura del cloud computing aumenterà solo marginalmente per ogni cliente aggiuntivo, ma tutto sommato, questo costo è trascurabile rispetto, ad esempio, ai costi necessari per stabilire 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.

Ancora peggio, avere più dati rende di solito le cose più facili, non più difficili, quando si tratta di previsioni statistiche. Pertanto, restringendo l’ambito dei dati, i POC tendono a rendere le cose più difficili e quindi più costose rispetto all’affrontare l’ambito completo delle sfide. La nostra esperienza indica che anche quando i POC si concentrano solo sul 5% dell’intera rete di supply chain, questi 5% coinvolgono tipicamente quasi tutta la complessità della rete nel suo complesso. 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 in primo luogo.

Ignorare la complessità non è affatto un’opzione. Se la tua rete di approvvigionamento include spedizioni in container e lavorare con fornitori non affidabili, come potrebbe un POC essere convincente se questi elementi non vengono considerati nell’iniziativa? Se viene ignorato qualsiasi vincolo specifico, come i MOQ (quantità minime d’ordine), i risultati numerici diventano inutilizzabili.

I costi oltre il POC sono determinati dagli sforzi da mettere da entrambe le parti, sia da Lokad che dal suo cliente, nella gestione della piena complessità della supply chain. Questi costi sono determinati dalle specificità del business preso in considerazione, con la scala che ha solo un impatto marginale sui costi.

I POC aumentano le probabilità di fallimento

Quando si opta per un POC, le aziende finiscono spesso per provare cose per migliorare la loro supply chain. Tuttavia, in questo caso specifico, vorrei citare Yoda, Fai. O non fare. Non c’è provare. Nonostante le affermazioni dei fornitori di software, ottimizzare la supply chain è difficile. Il problema dei POC è che lascia troppa libertà alle parti per fallire.

• Estrarre la storia delle vendite è estremamente complicato. Purtroppo, non c’è altra 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 ai ricalcoli. Tuttavia, non è raro che i responsabili della supply chain si trovino a dover affrontare anche inventario fantasma.
• Le previsioni rimangono sempre scarse. Le aziende dovrebbero imparare ad abbracciare un futuro incerto, invece di desiderare che questa incertezza scompaia. Le previsioni probabilistiche sono particolarmente efficaci nel cogliere l’incertezza futura.

Le complicazioni sono solo scuse per lasciar cadere la palla.

Ci sono situazioni in cui ci si aspetta che le soluzioni siano facili 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 già stata fatta anni fa. La parte “difficile” è ciò che rimane.

Sulla base della nostra esperienza, la maggior parte dei POC fallisce nelle fasi iniziali del progetto, quando le squadre stanno ancora lottando con problemi legati ai dati. Tuttavia, questo non dice nulla sulla soluzione di ottimizzazione dell’inventario stessa, perché 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 il punto di vista produttivo. I dirigenti cercano benchmark da realizzare o KPI da stabilire. Tuttavia, cosa succede se un certo KPI risulta essere più difficile da calcolare rispetto all’esecuzione dell’ottimizzazione stessa? Cosa succede se il KPI stesso, pur essendo istruttivo, non offre opzioni praticabili per migliorare qualcosa?

La nostra esperienza indica che i POC vengono spesso deviati da considerazioni che sono semplicemente non richieste dal punto di vista produttivo. Cercare di affrontare tali requisiti avvelena tipicamente il POC perché improvvisamente il POC diventa effettivamente una sfida ancora più grande rispetto alla produzione stessa.

Inoltre, poiché il punto principale di un POC è cercare rassicurazione, la maggior parte dei POC soffre di modelli anti-pattern di placcatura d’oro in cui l’azienda cliente spinge il fornitore a includere ogni singolo aspetto del loro business, anche a scapito dell’affidabilità complessiva della soluzione. La soluzione risultante è spesso troppo fragile per essere utile dal punto di vista produttivo.

Abbiamo visto molti POC fallire su “problemi immaginari” anche. Ad esempio, se il miglior modello di previsione, testato empiricamente su migliaia di SKU, risulta essere non stagionale e supera tutti gli altri modelli stagionali disponibili, questo dovrebbe essere considerato un problema? Non c’è dubbio che l’attività 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? Questo dovrebbe essere considerato un problema? Sulla base della nostra esperienza, questo singolo “problema” è stato considerato un problema bloccante per molti POC, mentre gli stessi professionisti della supply chain ammettevano che le quantità di ordine di acquisto suggerite erano corrette.

Passa alla produzione e rivedi il progetto se necessario

I POC sono di solito e giustamente considerati distrazioni dai professionisti che hanno bisogno di far funzionare l’attività mentre la soluzione di prossima generazione sta arrivando. La nostra esperienza indica che passare direttamente alla produzione è più economico e meno rischioso. Tuttavia, ciò dovrebbe essere fatto con la giusta metodologia.

Prima di tutto, fallire a causa della “logistica dei dati” non è un’opzione. Non puoi ottimizzare ciò che non misuri. Se i dati non hanno significato, allora tutti i tentativi di ottimizzazione saranno privi di significato. Il successo è un requisito poiché altrimenti l’azienda potrebbe non esistere più tra qualche anno. Accade che la grande maggioranza degli sforzi da investire sia associata a questa logistica dei dati, e questo investimento può essere quasi completamente separato dalla soluzione considerata per la produzione. E questo è una cosa positiva! Se la soluzione di ottimizzazione per qualche motivo non fosse all’altezza, l’investimento non è perso e deve solo essere indirizzato verso una soluzione alternativa migliore.

In secondo luogo, sebbene l’obiettivo sia puntare direttamente alla produzione, non significa che i numeri non vengano messi in discussione, anzi. Il vecchio e il nuovo processo dovrebbero coesistere, cogliendo il maggior numero possibile di frutti facili dal vecchio processo (2) mentre il nuovo viene perfezionato.

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

• problemi che stavano già influenzando il vecchio processo, sebbene in modo più silenzioso. 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 fase di implementazione. Se la scelta degli SKU non è affidabile nel magazzino, non aspettarti che il modulo di previsione della domanda lo renda affidabile.
• discrepanza tra problemi reali e aspettative. La previsione statistica è profondamente controintuitiva; non lasciare che le tue aspettative sovrastino ciò che le misurazioni quantitative ti dicono.
• problemi di progettazione che non possono essere risolti senza ridisegnare significativamente la soluzione, il che di solito accade quando il software non ha l’angolazione giusta per affrontare la sfida.

L’ultimo punto richiede di considerare un’altra soluzione. Tuttavia, come accennato in precedenza, questo non dovrebbe essere la fine dell’iniziativa, ma solo l’inizio di una collaborazione con un altro fornitore.

Abbandonare l’idea di un POC significa di solito perdere tutto l’impulso che è stato investito nell’iniziativa. Inoltre, la maggior parte dei POC fallisce per le ragioni sbagliate, il che significa che le probabilità di successo di futuri tentativi difficilmente miglioreranno poiché le vere sfide rimangono per lo più intatte.

Andare direttamente alla produzione è in realtà meno rischioso di quanto sembri. Aiuta a prevenire un’intera classe di fallimenti che tendono ad essere ignorati nel caso dei POC, mentre non dovrebbero esserlo. Costringe l’iniziativa ad adottare un focus stretto su ciò che è effettivamente necessario per ottenere miglioramenti e a mettere da parte le speranze. Di fronte a un grave fallimento del fornitore, un’azienda può comunque capitalizzare il proprio impulso interno e passare a un altro fornitore, senza perdere l’impulso come di solito accade con i POC.

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

(2) Risolvere l’inventario fantasma è vantaggioso per tutti i processi di ottimizzazione dell’inventario. Lo stesso vale per la revisione e il miglioramento delle valutazioni dell’inventario.