Supply Chain come scommesse economiche in un mondo guidato dal mercato

Joannes Vermorel

Negli ultimi due decenni, ho visto il “supply chain management” accumulare parole d’ordine più velocemente dei risultati. Parliamo di digital twins, control towers, integrated business planning, demand sensing, resilience, sustainability. Eppure, se si osservano attentamente bilanci e conti economici, molte aziende non hanno fatto grandi progressi nel convertire capitale circolante, capacità e complessità in ritorni economici.

Nel mio libro Introduction to Supply Chain, ho cercato di riformulare il supply chain management come una disciplina economica rigorosa, concentrandomi su come le aziende allocano risorse scarse in condizioni di incertezza. Il libro approfondisce più di quanto io possa qui, ma l’idea centrale è semplice: ogni volta che decidiamo cosa acquistare, produrre, spostare o prezzare, stiamo piazzando piccole scommesse economiche con risultati incerti. Una supply chain moderna dovrebbe essere giudicata dalla qualità di queste scommesse e dalle conseguenze finanziarie a lungo termine che esse generano.

Questo saggio espone quella prospettiva delle “scommesse” ed esplora ciò che ne consegue: come definiamo la performance, come trattiamo le previsioni e i piani, quale tipo di tecnologia ci serve davvero e quale ruolo dovrebbero avere gli esseri umani una volta che la situazione si stabilizza.

Supply chain come portafoglio di scommesse

La vita quotidiana di una supply chain è ingannevolmente ordinaria. Qualcuno decide di acquistare un’unità in più di un articolo per quel magazzino, da ricevere in una data specifica. Qualcuno anticipa, ritarda o annulla una produzione. Qualcuno regola il prezzo di un determinato SKU in un canale specifico per il giorno successivo.

Ognuna di queste decisioni consuma qualcosa di scarso: liquidità, capacità, spazio sugli scaffali, attenzione umana, goodwill con clienti o fornitori. Ogni decisione crea anche un’esposizione a una serie di futuri possibili. L’unità potrebbe essere venduta in tempo al prezzo pieno, venduta in ritardo con uno sconto, oppure non venduta affatto e diventare obsoleta. Una produzione potrebbe colmare un gap redditizio, oppure bloccare capacità che altrove sarebbe stata più preziosa.

Da sole, la maggior parte di queste scommesse è piccola. In aggregato, esse definiscono il profilo di rischio dell’azienda e il suo risultato economico. Ciò che chiamiamo “supply chain performance” è semplicemente il risultato finanziario a lungo termine di milioni di tali scommesse effettuate in condizioni di incertezza.

Ecco perché, a mio parere, la supply chain è fondamentalmente una disciplina economica. Il suo oggetto di studio è l’allocazione di risorse scarse in condizioni di incertezza. La sua unità di conto, ci piaccia o no, è il denaro. Il denaro non è tutto, ma è l’unità con cui l’azienda salda i propri obblighi e misura la sopravvivenza. Se siamo seri nel migliorare le supply chain, dobbiamo prenderci sul serio l’economia di queste scommesse.

Cosa stiamo cercando di ottimizzare esattamente?

Se togliamo il gergo, la maggior parte delle aziende sostiene di ottimizzare la “performance”. Ma performance è una parola ambigua.

Una prospettiva naturale è quella comparativa e a lungo termine. Si può osservare un gruppo di pari per un decennio e chiedersi: quali aziende hanno effettivamente migliorato la propria posizione in termini di crescita, margine operativo, rotazione delle scorte e ritorno sul capitale? Alcuni analisti chiamano questa la “frontiera efficace”: una curva multidimensionale oltre la quale i pari non possono essere facilmente spinti. Un’azienda che cresce rapidamente ma sacrifica il margine non è eccellente. Un’azienda che riduce il proprio inventario ma anche la propria quota di mercato non è eccellente. L’eccellenza risiede dove queste metriche sono migliorate congiuntamente o almeno ben bilanciate.

Questa prospettiva è utile perché ci costringe ad affrontare dei compromessi. Non basta raggiungere un KPI interno sul livello di servizio se, nel processo, si erode silenziosamente il margine o si gonfia l’inventario. Col tempo, il tabellone dei punteggi è spietato.

La mia prospettiva personale è basata sull’unità e marginale. Mi concentro sul rendimento corretto per il rischio della decisione marginale. Se acquisto un’unità in più del prodotto X da posizionare in location Y per la settimana Z, dato ciò che so ora, qual è il ritorno finanziario atteso? Quanto profitto porta in media questa unità aggiuntiva, una volta considerato:

• la possibilità che venga venduta in tempo al prezzo pieno,
• la possibilità che venga venduta in ritardo con uno sconto,
• la possibilità che non venga mai venduto e diventi obsoleto?

Come si confronta questo con l’investire quella stessa unità di capitale circolante in un altro prodotto, in un’altra sede o semplicemente non investirlo?

Per ragionare su questo, abbiamo bisogno di una scala comune. Tutti i trade-off che intasano le discussioni sulla supply chain—livelli di servizio, utilizzo, costi di trasporto, obsolescenza, promozioni—devono essere espressi in termini finanziari coerenti. Una carenza non è “cattiva” in astratto; costa in termini di margine perso, futuri affari mancati e danni alla reputazione. L’eccesso di scorte non è semplicemente “spreco”; è un’opzione che potrebbe ancora ripagarsi, oppure marcire. Una capacità che appare inattiva su un cruscotto potrebbe essere preziosa come cuscinetto contro la volatilità non ancora presente nei dati storici.

La frontiera efficace e il rendimento marginale aggiustato per il rischio sono due modi per parlare dello stesso fenomeno sottostante. Uno guarda all’integrale: la traiettoria a lungo termine, pluriennale, dell’azienda rispetto ai concorrenti. L’altro guarda al derivato: l’effetto incrementale della decisione successiva. In pratica, non si può avere un buon integrale con un cattivo derivato per molto tempo. L’eccellenza persistente sulla frontiera richiede in ultima analisi che le decisioni quotidiane, su migliaia di articoli e sedi, siano economicamente sensate in presenza di incertezza.

Previsioni, piani e l’illusione della certezza

I processi di pianificazione tradizionali di solito iniziano con una previsione. In molte organizzazioni, quella previsione è un singolo numero per periodo e per articolo: la quantità “più probabile” da vendere. Quel numero diventa l’ancora per i piani di produzione, i piani di acquisto, i piani di trasferimento, le prenotazioni di capacità e così via. Le deviazioni vengono trattate come errori da giustificare a posteriori.

Questa pratica impone una confortevole illusione della certezza. Prendiamo un futuro caotico e incerto e lo comprimiamo in un singolo numero—la “domanda attesa” per un determinato periodo. Costruiamo poi scorte di sicurezza e piani deterministici attorno a quel numero, come se l’errore fosse una seccatura marginale piuttosto che l’evento principale.

In realtà, l’informazione di cui abbiamo più bisogno è proprio ciò che questo approccio scarta: la gamma di futuri plausibili e le loro probabilità. Per ogni dato articolo, le domande che contano sono:

• Qual è la probabilità che le vendite del prossimo mese siano la metà del livello abituale?
• Il doppio del livello abituale? Il triplo?
• Come appaiono le code? Sono spesse, asimmetriche, multimodali?

Una volta accettato questo, l’idea di un singolo “piano di consenso” diventa meno convincente. Invece di chiedere “Qual è la previsione?” e poi negoziare un piano attorno ad essa, dovremmo chiederci:

“Dato questa distribuzione di futuri possibili e queste conseguenze finanziarie di esaurimenti, eccessi e ritardi, quali decisioni hanno senso?”

La stessa distribuzione della domanda può giustificare scelte di inventario o di produzione molto diverse a seconda di:

• la struttura del margine,
• la disponibilità di sostituti,
• i tempi di consegna coinvolti,
• il costo della capacità e dei cambi di setup,
• le restrizioni contrattuali e le penalità.

Nel mio lavoro sostengo che le previsioni dovrebbero essere distribuzioni, non punti. La domanda non è “Qual è la previsione di vendite per il prossimo mese?” ma “Come appare la distribuzione di probabilità delle vendite possibili?” Una volta ottenute tali distribuzioni, il piano cessa di essere un singolo “numero di consenso” negoziato nelle riunioni, diventando invece una serie di decisioni calcolate da algoritmi che ponderano costi e opportunità in base a quelle distribuzioni.

Tecnologia: architettura contro motore

La maggior parte delle aziende ha ereditato uno stack tecnologico costruito principalmente per l’efficienza transazionale: registrare ordini, spedizioni, fatture, movimenti di inventario. Questi sistemi integrano i dati tra le funzioni, ma non necessariamente aiutano le aziende a prendere decisioni migliori. Aggiungere ulteriori cruscotti sopra tale stack non risolve il problema sottostante. Ti offre più modi per vedere cosa sta succedendo, ma non molto aiuto nel decidere cosa fare.

Oggi si discute molto di architetture più “outside-in”: integrare segnali di domanda esterni, costruire tassonomie più ricche, fornire una visibilità quasi in tempo reale dell’inventario e della capacità, e offrire strumenti analitici più flessibili. Tutto ciò è utile. Tuttavia, credo che manchi la capacità centrale.

Ciò che manca non è semplicemente un ulteriore livello di integrazione o un altro dashboard, ma un motore decisionale.

Con questo intendo un pezzo di software che, con cadenza regolare:

1. raccoglie tutti i dati rilevanti e le restrizioni attuali,

2. applica un modello economico esplicito di costi e opportunità, e

3. propone o emette direttamente decisioni concrete:

   • quali ordini di acquisto piazzare,
   • quali ordini di produzione programmare,
   • quali trasferimenti eseguire,
   • quali prezzi modificare.

Un tale motore deve essere:

• Programmabile da persone che comprendono l’azienda.
• Auditabile, nel senso che può spiegare, a posteriori, perché una determinata decisione è stata presa dati i dati e le valutazioni al momento.
• Veloce e scalabile a sufficienza da gestire milioni di decisioni nelle finestre temporali imposte dai lead time fisici.
• Probabilistico, in grado di lavorare con distribuzioni piuttosto che con previsioni puntuali.

Le architetture “outside-in” sono utili perché forniscono input migliori a un tale motore. Senza il motore, tuttavia, rischiano di trasformarsi in sistemi di reporting più sofisticati. Vedrete il problema in modo più chiaro, con più colori e con maggiori metriche di latenza, ma continuerete a dipendere da eserciti di pianificatori che spostano numeri su fogli di calcolo, cercando di conciliare manualmente obiettivi in conflitto.

Pertanto, la mia attenzione si concentra sul mettere il motore decisionale al centro, con l’architettura al suo servizio.

Organizzazione, governance e il ruolo di S&OP

Gran parte del pensiero organizzativo attorno a supply chain si è cristallizzato intorno al sales and operations planning (S&OP) e ai suoi derivati. Questi processi sono pensati per superare i silos e allineare le funzioni. È qui che si negoziano i compromessi e dove finanza, vendite, operazioni e supply chain dovrebbero convergere in un unico piano.

Condivido la diagnosi secondo cui i silos sono una fonte importante di distruzione del valore. Quando ogni funzione ottimizza i propri indicatori — livello di servizio qui, utilizzo laggiù, precisione delle previsioni altrove — l’intero sistema ne risente. Le persone dedicano enormi sforzi a risolvere conflitti tra piani che non sono mai stati concepiti per essere compatibili.

Dove mi discosto dal pensiero tradizionale S&OP è nel ruolo centrale che la riunione di pianificazione dovrebbe mantenere a lungo termine.

A mio avviso, se facciamo bene il nostro lavoro dal lato tecnologico, la maggior parte della pianificazione operativa dovrebbe essere delegata al motore decisionale descritto sopra. Questo motore viene alimentato dai dati più aggiornati e dalle valutazioni economiche correnti (per esempio, il costo relativo di una rottura di stock rispetto all’eccesso per un determinato articolo, o il valore di un giorno di riduzione del lead-time per una determinata tratta). Ricalcola le decisioni ottimali al variare delle condizioni, molto più frequentemente e in maniera più costante di quanto possa fare qualsiasi processo umano.

Ciò che rimane per S&OP o per il business planning integrato non è la pianificazione, ma la governance.

Invece di passare il loro tempo ad aggiustare le quantità in un foglio di calcolo, i dirigenti dovrebbero impiegare il loro tempo ad aggiustare le regole del gioco:

• le valutazioni finanziarie,
• i vincoli,
• l’appetito per il rischio,
• le ipotesi strutturali incarnate nella logica decisionale.

Dovrebbero esaminare come le decisioni del motore si traducono in risultati concreti e utilizzare questo feedback per perfezionare i parametri economici e le ipotesi strutturali. Le domande principali diventano:

• Siamo a nostro agio con l’attuale compromesso tra servizio e inventario per questa famiglia di prodotti?
• Stiamo valutando il rischio in modo appropriato in questo mercato?
• Le nostre ipotesi sul lead-time sono realistiche, considerati i recenti disagi?

Si tratta di un cambiamento sottile ma profondo. Trasforma l’S&OP da un tentativo collettivo di creare artigianalmente un unico piano “corretto” in una revisione periodica di quanto bene stia funzionando un sistema decisionale automatizzato, in base agli obiettivi dell’azienda. L’attenzione umana si sposta dal microgestire le quantità al calibrare incentivi e vincoli.

Come sappiamo ciò che sappiamo?

Supply chain è un campo complesso dal punto di vista epistemologico. Gli esperimenti sono costosi, gli ambienti sono rumorosi e il numero di variabili è scoraggiante. È facile confondere narrazioni plausibili con una conoscenza robusta.

Storicamente, molte tecniche che sono ancora ampiamente insegnate e implementate devono la loro sopravvivenza meno alla performance empirica che alla loro comodità computazionale. Formule di safety stock basate su ipotesi eroiche, modelli linearizzati di fenomeni chiaramente non lineari, gerarchie di pianificazione semplificate che rispecchiano gli organigrammi più che la realtà economica: questi artefatti erano comprensibili quando il calcolo era scarso e costoso. Ora è più difficile giustificarli.

Mi preoccupano anche le strutture degli incentivi. Fornitori di software, consulenti, accademici e stakeholder interni hanno tutti motivi per preferire narrazioni che giustificano grandi progetti, framework complessi o aggiustamenti incrementali. Esiste, invece, relativamente poco incentivo a dimostrare che un metodo tanto amato stia sistematicamente facendo perdere denaro nella pratica.

La risposta, a mio avviso, è quella di avvicinare la supply chain all’economia applicata con una solida componente empirica e computazionale. Dovremmo:

• formulare esplicitamente le nostre ipotesi,
• codificarle in algoritmi,
• confrontarle con la realtà attraverso i risultati finanziari dell’azienda, e
• essere disposti a ritirare politiche che distruggono valore, indipendentemente da quanto possano essere eleganti o ampiamente insegnate.

Non esistono “best practices” senza tempo in attesa di essere implementate. Esistono solo pratiche che funzionano nel contesto, per un certo periodo, finché l’ambiente o il panorama competitivo non cambia.

Verso una pratica più onesta

Se sei un dirigente o un professionista che cerca di orientarsi in queste idee, potrebbe essere utile pensare in termini di livelli:

• Al livello strategico e diagnostico, ti interessa la tua traiettoria rispetto ai colleghi in termini di crescita, margine, rotazioni dell’inventario e ritorno sul capitale. Stai davvero procedendo verso un confine efficace, o stai semplicemente riorganizzando i KPI interni?
• Al livello operativo e computazionale, ti interessa se i milioni di decisioni quotidiane—acquisto, produzione, movimentazione, fissazione dei prezzi—rappresentino scommesse valide, considerando l’incertezza che affronti e i compromessi finanziari che hai accettato.
• Al livello di governance, ti interessa se le regole del gioco codificate nel tuo motore decisionale riflettano la tua strategia reale e il tuo appetito per il rischio, e se vengano aggiornate man mano che il mondo cambia.

Questi livelli non sono alternative. Sono diversi punti di vista sullo stesso animale.

Dal mio punto di vista, il nocciolo della questione può essere espresso in una sola frase:

Supply chain è, nel suo nucleo, una disciplina economica che dovrebbe essere praticata attraverso il software come l’arte di fare buone scommesse in condizioni di incertezza.

Tutto il resto—processi, architetture, dashboard, persino i modelli di maturità—dovrebbe essere valutato in base a quanto essi facilitino o ostacolino questo compito centrale.