In termini di ottimizzazione predittiva, la maggior parte delle supply chain sono bloccate agli inizi degli anni ‘901. Le aziende più grandi hanno già percorso una serie di iniziative “predittive” negli ultimi due decenni. Tuttavia, poche di quelle innovazioni hanno avuto un impatto importante sulla supply chain.

Supply Chain as a Service

Dieci anni fa, in Lokad, quando cominciavamo ad affrontare le cause alla radice di tali fallimenti, è emersa la Supply Chain come servizio (SCaaS) come nostro modello di business, sostituendo il modello Software as a Service (SaaS). Abbiamo iniziato a vendere abbonamenti “software+expert”. L’expert, ovvero un Supply Chain Scientist, implementa le ricette numeriche che generano le decisioni, mentre il software, ovvero la piattaforma Lokad, fornisce all’expert l’infrastruttura necessaria per operare in modo rapido e affidabile.

Durante questo decennio, la nostra pratica SCaaS è stata un fattore dominante, se non il più importante, nell’aumentare il tasso di successo delle nostre iniziative di supply chain. Tuttavia, vengono spesso sollevate obiezioni contro l’idea stessa di SCaaS.

Non esternalizzeremo la nostra competenza in supply chain. Tale obiezione implica che esistano competenze strategiche interne in materia di supply chain da preservare. Potrebbe essere così, ma molto spesso questa competenza non rientra nella categoria “strategica”. La maggior parte delle aziende, comprese quelle grandi, non raggiunge nemmeno un punteggio di 10 nel nostro test di performance per la supply chain da 5minuti. Peggio ancora, iniziative di grandi dimensioni come S&OP, tendono a diminuire costantemente la reale competenza in supply chain frammentando ulteriormente i processi decisionali.

Al contrario, SCaaS apre la strada all’emergere di una vera competenza strategica in ambito supply chain all’interno dell’azienda. Tutto inizia con la robotizzazione dei processi decisionali. Infatti, senza automazione, i team di supply chain a malapena riescono a pensare in termini strategici. Tutta l’energia del team viene spesa a gestire casi limite della supply chain. Al contrario, con SCaaS in atto, diversi clienti ci hanno detto che era la prima volta nella loro storia in cui potevano prendersi il tempo per affrontare problemi complessi come cannibalizzazioni o l’ottimizzazione del MOQ.

Lo faremo attraverso strumenti facili. Questa obiezione parte dal presupposto che i team di supply chain non abbiano competenze di programmazione, escludendo così intere categorie di strumenti. In ambito supply chain, esistono tre principali tipologie di strumenti “facili”: vanilla apps, low code apps e spreadsheets.

Le vanilla apps offrono numerose opzioni e funzionalità per affrontare tutte le variazioni presenti nella supply chain. L’app sembra facile all’inizio: usarla consiste semplicemente nella configurazione e poi il workflow prende il sopravvento. Nessuna programmazione è coinvolta. Tuttavia, in pratica, le situazioni in supply chain superano invariabilmente le capacità dell’app. I professionisti, di fronte a un “app”, ricorrono agli spreadsheets per portare a termine il lavoro.

Le low code apps promettono la potenza della programmazione ma senza affrontare un linguaggio di programmazione. Tipicamente, le low code apps presentano un qualche tipo di editor visivo. Sfortunatamente, l’approccio low code non riesce a gestire adeguatamente la complessità che anche le supply chain più ordinarie possono presentare. In un esempio semplificato con 2 tabelle e 10 campi, il low code appare ottimo. In un caso reale con 20 tabelle e 500 campi, il low code risulta terribile. Quando viene data l’opportunità di usare un’app low code, i professionisti ricorrono anch’essi agli spreadsheets per portare a termine il lavoro.

Gli spreadsheets sono, di gran lunga, lo strumento utilizzato dai professionisti della supply chain. Pur svolgendo il lavoro, esistono sfumature che semplicemente non si adattano al paradigma degli spreadsheets, sia che si tratti di Microsoft Excel o di qualche alternativa web-based. La previsione probabilistica e l’ottimizzazione stocastica semplicemente non appartengono al mondo degli spreadsheets. Finché vengono utilizzati gli spreadsheets, la pratica SCM resterà bloccata nell’era degli anni ‘90.

SCaaS è la scintilla necessaria per far avvenire l’aggiornamento della supply chain. Mettere in discussione pratiche in atto da due o tre decenni è già una battaglia in salita. SCaaS rappresenta l’opportunità di combattere questa battaglia con veterani che ci sono già passati e hanno fatto esperienza in altre aziende.

Lo faremo con il nostro team di data science. All’inizio degli anni 2000, l’obiezione veniva formulata come lo faremo con il nostro team di data mining. Il data mining è morto, lunga vita alla data science. Tuttavia, la maggior parte delle aziende dimentica le lezioni delle iniziative di data mining fallite di 20 anni fa: la tecnologia quasi mai è stata la causa principale del fallimento, mentre il problema era un’isola d’avorio.

Per quanto riguarda la supply chain, assumere data scientist equivale quasi invariabilmente a predisporre l’iniziativa per un fallimento lento e costoso. I data scientist sono tipicamente giovani ingegneri che hanno ricevuto una formazione in una serie di framework e/o linguaggi open source. Di conseguenza, il data scientist tipico, proprio come il suo predecessore del data mining, guarda al mondo attraverso lenti tecniche. Un team di data science genererà un flusso continuo di “soluzioni in cerca di problemi”. Verranno tenute conferenze, verranno fatte demo. I professionisti della supply chain si congratuleranno cortesemente con il team di data science, assicurandosi che nessuna delle sue “soluzioni” si avvicini troppo alla produzione effettiva. A questo proposito, i professionisti stanno facendo la scelta giusta.

I fornitori di SCaaS non possono permettersi di essere decorativi. La maggior parte delle aziende fatica a licenziare i talenti, come i data scientist, anche se tali persone non contribuiscono all’azienda. Tuttavia, la maggior parte delle aziende non esita a terminare il contratto con un fornitore terzo di servizi che non offre abbastanza. I fornitori di SCaaS sono sopravvissuti che riescono a dimostrare il loro valore continuo più e più volte.

In qualità di fornitore di SCaaS, Lokad raramente assume profili puramente di data scientist per i ruoli di “Supply Chain Scientist”. Al contrario, favoriamo ingegneri disposti a diventare, prima di tutto, esperti di supply chain. I modelli statistici sono un mezzo, non un fine. I data scientist troppo spesso si limitano a spingere i modelli numerici al loro limite. I Supply Chain Scientist non cercano di pubblicare un articolo, vogliono portare a termine il lavoro con il minimo scompiglio. In pratica, questo fa tutta la differenza tra una soluzione a livello di produzione e un prototipo elegante che non arriva mai in produzione.


  1. Il software per la supply chain degli inizi degli anni ‘90 è caratterizzato da previsioni puntuali su serie temporali, scorte di sicurezza e un’enfasi sulle revisioni manuali di routine di tutti i numeri generati dal software, tipicamente con il supporto di eccezioni e avvisi. Il grado di sofisticazione delle previsioni varia, ma è per lo più irrilevante per quanto riguarda la performance della supply chain. I casi limite sono numerosi e invariabilmente affrontati tramite gli spreadsheets. ↩︎