Allineamento e decisioni nelle Supply Chains moderne

Joannes Vermorel

Ogni volta che parlo con dirigenti della supply chain, rimango colpito da quante diverse “teorie del tutto” gli vengano proposte. Alcuni enfatizzano il processo, altri la tecnologia, le relazioni o la cultura. Tra i contributori seri di questo panorama, spicca John Gattorna. Il suo lavoro sull’allineamento dinamico, il comportamento dei clienti e le supply chains personalizzate ha influenzato una generazione di professionisti, specialmente in Australia e in Europa. Il suo linguaggio è molto diverso dal mio, così come il suo punto di partenza. Proprio per questo, mettere a confronto i nostri punti di vista è un modo utile per chiarire di cosa credo veramente che la supply chain si occupi.

Recentemente ho cercato di esporre sistematicamente la mia prospettiva nel mio libro Introduction to Supply Chain, in cui inquadro il settore come l’attività di fare scelte redditizie sui beni fisici quando il futuro si rifiuta di restare immobile. Ma una trattazione da libro può diventare astratta. Quindi, in questo saggio, voglio fare qualcosa di più concreto: mettere il mio punto di vista in dialogo con quello di Gattorna, evidenziare dove sono d’accordo, dove divergo e come queste posizioni possano integrarsi nella pratica.

Due punti di partenza differenti

Gattorna inizia al di fuori dell’azienda. Il suo framework “Dynamic Alignment” parte dall’idea che il punto di riferimento ultimo per un’impresa debba essere il mercato esterno: i clienti e gli utilizzatori finali a cui essa si rivolge. Da qui, sostiene, la performance sostenuta deriva dall’allineamento di quattro elementi: le caratteristiche del mercato, la strategia dell’azienda, la sua cultura interna e il suo stile di leadership. Nei suoi libri, soprattutto Living Supply Chains e Dynamic Supply Chain Alignment, descrive le supply chains come sistemi “viventi” guidati dai comportamenti delle persone—clienti, partner e dipendenti—piuttosto che semplici flussi di scatole e dati.

Propone poi che la maggior parte dei clienti rientri in un numero ridotto di comportamenti d’acquisto dominanti. Per rispondere efficacemente, le aziende non dovrebbero operare una singola catena monolitica, ma un piccolo portafoglio di design di catene distinti, ciascuno abbinato a un segmento comportamentale. A un livello elevato, distingue catene a rifornimento continuo per clienti collaborativi, catene lean per clienti guidati dall’efficienza, catene agili per clienti esigenti che valorizzano la rapidità, e catene completamente flessibili per clienti che cercano soluzioni innovative e altamente personalizzate. L’accento è sulla congruenza: quale tipo di rapporto e modello di servizio è appropriato per ciascun segmento, e come dovrebbero essere organizzati internamente cultura, processi, sistemi e leadership per supportare tale modello?

Il mio punto di partenza è volutamente diverso. Inizio all’interno dell’azienda, al livello delle decisioni concrete: quanto acquistare, dove inviarlo, quali ordini accettare, quali promesse di servizio fare, a quale prezzo. Tratto la supply chain come un ramo dell’economia applicata focalizzato sui beni fisici in condizioni di incertezza. La domanda centrale, per me, è: dato il nostro capitale, capacità e tempo limitati, quale combinazione di azioni ci offre il miglior ritorno corretto per il rischio, una volta considerato il fatto che domanda, tempi di consegna e operazioni non si comporteranno mai esattamente come previsto?

Dove Gattorna inquadra la supply chain in termini di allineamento di comportamenti e culture, io la inquadro in termini di allocazione di risorse scarse in condizioni di incertezza. La sua unità di analisi è il segmento comportamentale e l’archetipo di catena corrispondente; la mia è la decisione ripetuta e granulare—milioni di piccole scommesse effettuate ogni anno su scorte, trasporti e promesse di servizio.

Stiamo osservando lo stesso fenomeno da direzioni opposte.

Prima i clienti, o prima il cash?

Il lavoro di Gattorna è inequivocabilmente incentrato sul cliente. Egli insiste sul fatto che si debba iniziare comprendendo come i diversi clienti acquistano, cosa si aspettano e come si comportano sotto stress. Le aziende, sostiene, tendono abitualmente a servire eccessivamente alcuni clienti e a servire in modo insufficiente altri, principalmente perché non hanno mai effettuato correttamente questa segmentazione comportamentale. Una volta capito che clienti diversi giocano partite diverse con te, ha poco senso offrire a tutti la medesima esperienza logistica, gli stessi tempi di risposta e gli stessi rituali di collaborazione.

Ho molta simpatia per quella critica. Nella mia esperienza ho visto ripetutamente aziende offrire un servizio di altissimo livello a conti a basso margine, mentre trascuravano silenziosamente clienti redditizi ma “non importanti” perché l’organizzazione non ha mai rivisto una vecchia segmentazione. Dove differisco è nel considerare quale debba essere l’ultimo banco di prova.

Per me, il punteggio definitivo è il cash—più precisamente, il flusso di cash flow che l’azienda può ragionevolmente aspettarsi di generare, aggiustato per il rischio. Questo non perché dia meno valore ai clienti, ma perché non conosco altro modo per confrontare onestamente richieste in conflitto. Un cliente esigente ma strategicamente importante può meritare un trattamento premium; un altro cliente esigente con margini bassi e comportamenti erratici potrebbe non meritarselo. Dall’interno, le loro istanze suonano sorprendentemente simili. Ciò che permette di distinguerli è il loro contributo a lungo termine alla salute economica dell’azienda.

In altre parole: Gattorna prende il cliente come punto di riferimento “fail‑safe”; io prendo l’economia dell’azienda, corretta per il rischio, come riferimento, includendo clienti, fornitori e vincoli interni in quel calcolo. In pratica, naturalmente, queste visioni non sono mutuamente esclusive. Se interpreti costantemente in modo errato ciò che i clienti valorizzano, i tuoi cash flows alla fine te lo dimostreranno. Ma le enfasi sono importanti. Un framework che si ferma all’“allineamento” può nascondere il fatto che allineamenti differenti comportano conseguenze economiche molto diverse.

Come consideriamo l’incertezza

Entrambi vediamo la volatilità come normale, non eccezionale. Gattorna scrive di un ambiente operativo che raramente torna in equilibrio; sottolinea che le aziende devono imparare a convivere con il cambiamento costante nella domanda, nella concorrenza e nella regolamentazione. La sua risposta pratica è progettare più configurazioni della supply chain, ognuna delle quali incarna un approccio diverso all’incertezza. Una catena lean economizza sui costi perché la domanda è regolare e le relazioni sono informali; una catena agile o completamente flessibile accetta costi più elevati in cambio di velocità o soluzioni su misura in mercati volatili o trainati dall’innovazione.

In altre parole, affronta l’incertezza principalmente a livello di architettura. Per ogni contesto comportamentale, si deve scegliere una diversa combinazione di buffer, capacità e modelli di collaborazione, e continuare ad adeguarli man mano che il mercato muta.

Affronto l’incertezza a un livello più basso, a quello dei numeri stessi. Invece di classificare una catena come “lean” o “agile” e decidere qualitativamente quanto margine mantenere, desidero esprimere esplicitamente la casualità sottostante: la probabilità che la domanda per uno specifico SKU in una determinata località la prossima settimana sia 0, 1, 2 o 20 unità; la probabilità che un container arrivi in 18, 25 o 40 giorni. Questa visione probabilistica della domanda e dei tempi di consegna viene quindi integrata in un modello decisionale che valuta in termini monetari l’impatto delle scorte esaurite, dell’obsolescenza e del capitale circolante. Questa è la stessa posizione probabilistica, incentrata sull’economia, che sviluppo nella sezione “Forecasts, plans, and the illusion of certainty” di Supply Chain as Economic Bets in a Market-Driven World.

Il risultato può sembrare superficialmente simile—più inventario dove la domanda è irregolare o i tempi di consegna sono rischiosi, meno dove le condizioni sono stabili—ma la logica è diversa. Invece di difendere un’etichetta qualitativa (“questa è una catena agile”), sono costretto a essere esplicito riguardo ai compromessi: per questo articolo, in questa settimana, quanto profitto sto sacrificando se mi proteggio contro il 95° percentile della domanda anziché l'80°? Quel tipo di ragionamento è faticoso da eseguire manualmente, ma relativamente economico da codificare in un software e applicare a milioni di decisioni ogni giorno.

Si potrebbe dire che Gattorna gestisce l’incertezza attraverso un riconoscimento e una configurazione dei modelli dall’alto verso il basso, mentre io cerco di gestirla tramite una modellazione probabilistica e un’ottimizzazione dal basso verso l’alto. Uno guarda la scacchiera e sceglie uno stile di gioco complessivo; l’altro valuta mossa dopo mossa, data la posizione.

Tecnologia e il ruolo delle persone

Nessun contrasto è più marcato del nostro approccio alle persone e alla tecnologia.

Lo scritto di Gattorna mette al centro i fattori umani. Nella letteratura di recensione attorno a Living Supply Chains, viene descritto come colui che accompagna il lettore in un percorso che parte dai clienti, passa per i processi aziendali, giunge fino alla cultura aziendale e infine alla leadership, con un’enfasi su come le sottoculture e gli stili di leadership influenzino la performance. La sua attività di consulenza si concentra esplicitamente sulla mappatura delle culture prevalenti nelle diverse parti dell’impresa e sul loro abbinamento ai requisiti dei differenti segmenti di clienti e tipi di supply chain.

Non nego affatto l’importanza della cultura e della leadership. Se il tuo magazzino è demoralizzato, i tuoi dati non sono affidabili o il tuo team di approvvigionamento viene pagato per inseguire sconti a prescindere dalle conseguenze a valle, nessun software ingegnoso potrà salvarti. Quello che metto in discussione è se la cultura debba essere trattata come lo strumento principale di controllo.

La mia esperienza è che ogni processo che dipende da eroismi individuali e da una vigilanza umana costante è fragile per sua natura. Le persone si stancano, si distraggono, vengono promosse, vengono sottratte. La conoscenza tacita esce dalla porta ogni sera. Se la logica cruciale della supply chain risiede nelle menti di pochi pianificatori o in un groviglio di fogli di calcolo sui loro laptop, potresti essere “allineato” a breve termine, ma non sei robusto.

Per questo motivo, pongo tanta enfasi sui sistemi decisionali: componenti software che, dati gli stessi input, producono sempre le stesse raccomandazioni e che possono essere ispezionati, testati e migliorati senza campagne di persuasione. Dal canto di Lokad, distinguiamo tra sistemi di registrazione (i ledger), sistemi di reportistica (i dashboard) e sistemi di intelligenza, dove vengono calcolate le decisioni effettive. L’ultima categoria è quella in cui credo che le supply chains moderne siano più sottosviluppate. Sostengo, in senso più ampio, di collocare tali motori decisionali al centro dello stack tecnologico, con architetture costruite a servizio di essi, in Supply Chain as Economic Bets in a Market-Driven World.

A mio parere, i ruoli a più alto valore per le persone nella supply chain non consistono nell’arbitrare manualmente ogni ordine di riapprovvigionamento, ma nel decidere quali domande i motori decisionali dovrebbero rispondere, nel codificare correttamente l’economia, nel progettare e interpretare esperimenti e nel negoziare nuove opzioni nel mondo fisico—nuovi fornitori, nuovi contratti, nuove configurazioni di rete. La cultura conta ancora, ma principalmente in termini di se l’organizzazione è disposta a fidarsi e a migliorare continuamente i propri algoritmi, oppure preferisce nascondersi dietro dashboard e comitati.

Gattorna potrebbe replicare che senza un allineamento culturale e di leadership quegli algoritmi non verranno mai adottati o utilizzati correttamente. Io sarei d’accordo. Ma aggiungerei che se il lavoro culturale non si esprime infine nel codice che impegna capitale e capacità giorno dopo giorno, allora la trasformazione è incompleta. Il sistema vivente deve infine lasciare le sue impronte nel software.

Metriche, KPI e il problema della misurazione

I framework di Gattorna non ignorano le metriche. Al contrario, egli tratta le misure di performance come una delle leve che devono essere adattate a ogni tipo di supply chain e segmento comportamentale. Una catena lean enfatizzerà naturalmente il costo-servizio e l’utilizzo; una catena agile accetterà qualche sacrificio su quelle metriche in cambio di reattività o innovazione. La chiave è la coerenza: le metriche incoraggiano i comportamenti e i modelli di servizio richiesti dalla proposta di valore scelta?

Condivido la preoccupazione per la coerenza, ma sono più scettico riguardo ai KPI in quanto tali. Le tradizionali control tower della supply chain sono piene di livelli medi di servizio, punteggi di accuratezza delle previsioni, tassi d’utilizzo, percentuali di consegne puntuali e complete. Individualmente suonano ragionevoli; collettivamente, però, incoraggiano il gioco e l’ottimizzazione locale. Un magazzino potrebbe raggiungere i propri obiettivi di utilizzo resistendo a cambiamenti nella rete che aumenterebbero il profitto aziendale complessivo. Un team commerciale potrebbe spingere il volume a tutti i costi perché il loro bonus dipende dai ricavi, non dal margine o dalla variabilità.

Nel mio lavoro, mi sono sempre più orientato verso una misurazione in termini di aumento incrementale del cash: se cambiamo questa politica, o adottiamo questo nuovo metodo di forecasting, quanto profitto in più abbiamo generato in un anno, dopo aver considerato il rischio e i costi di capitale? Non è una domanda facile a cui rispondere, e raramente si ottiene un esperimento controllato perfetto. Ma tentare l’approccio ti costringe ad affrontare compromessi che i KPI compositi tendono a nascondere.

Anche qui, la differenza non è che uno di noi si preoccupi di performance e l’altro no. È una questione di dove si fissi l’ancora della misurazione. Gattorna la fissa in linea con le aspettative dei clienti e le strategie di segmento; io la ancoreo nell’impatto economico esplicito, anche se ciò richiede maggior sforzo di modellizzazione e più umiltà su ciò che possiamo sapere.

Punti di convergenza

Sarebbe un errore esagerare la distanza tra queste visioni. Su diversi punti importanti, siamo alleati.

Entrambi respingiamo l’idea di una configurazione unica e universale della supply chain in grado di servire bene tutti i clienti. Gattorna formalizza questo concetto sotto forma di un portafoglio di tipi di catene abbinati a segmenti comportamentali; io lo incontro come una necessità pratica nel modellare prodotti, canali e promesse di servizio molto differenti all’interno della stessa azienda.

Entrambi consideriamo la volatilità come strutturale, non come un fastidio temporaneo da pianificare via. Lui esprime questo concetto attraverso il linguaggio dei sistemi viventi, dell’allineamento dinamico e della riconfigurazione costante. Io lo esprimo tramite modelli probabilistici espliciti e l’insistenza che gli algoritmi debbano portare con sé l’incertezza, anziché nasconderla dietro previsioni a numero unico.

Critichiamo entrambi la compiacenza del playbook tradizionale: piani statici, cicli S&OP rigidi, KPI meccanici e la convinzione che fogli di calcolo migliori possano in qualche modo risolvere disallineamenti strutturali o allocazioni errate di capitale.

Su questi conti, vedo in Gattorna una voce importante che spinge il settore ad allontanarsi da una semplice riduzione dei costi e ad avvicinarsi a una comprensione più sfumata di come mercati e organizzazioni si comportano realmente. Se non siamo d’accordo, è principalmente su dove spingere in seguito.

Dove mi discosto

Il principale punto in cui discordo da Gattorna è il mio livello di impazienza verso framework che si fermano alla segmentazione e alla cultura.

La segmentazione comportamentale è una lente potente, ma non ti dice quanta inventario allocare, dove, quando e a quale costo economico. Le diagnosi culturali possono rivelare disallineamenti tra, ad esempio, una sottocultura orientata alle vendite e un team operativo orientato all’efficienza, ma non decidono quali compromessi rendere espliciti nei tuoi contratti o come valutare il rischio nelle regole di riapprovvigionamento.

In molti progetti di trasformazione che ho osservato dall’esterno, le aziende hanno adottato il linguaggio delle supply chain personalizzate e dell’allineamento senza costruire l’ossatura matematica e computazionale necessaria per agire su tali idee su larga scala. Organizzano workshop, stampano poster, rinominano team. Nel frattempo, la logica effettiva di riapprovvigionamento rimane un groviglio di formule per le scorte di sicurezza, minimi del fornitore e manovre manuali incorporate in sistemi legacy e fogli di calcolo.

Dal mio punto di vista, è lì che la trasformazione deve infine avere un impatto: nella logica decisionale che impegna camion, container, spazio in magazzino e capitale circolante ogni giorno. Se una nuova strategia non cambia quegli algoritmi, stai fondamentalmente provando storie migliori sullo stesso comportamento.

Per questo insisto tanto sui modelli probabilistici e sui motori decisionali automatizzati. Non è perché credo che gli algoritmi siano magicamente obiettivi, ma perché ti costringono a scrivere ciò in cui credi e a fare i conti con le conseguenze. Se ritieni che un certo segmento di clienti meriti priorità in caso di esaurimento dello stock, codificalo. Se pensi che un certo rischio di lead time sia tollerabile, inseriscilo nel modello e verifica quanto costa in termini di vendite perse attese rispetto al capitale risparmiato. Il codice non elimina la politica, ma la cristallizza.

In questo senso, il mio disaccordo con Gattorna riguarda meno la sua diagnosi ad alto livello—che condivido in larga parte—che invece la misura in cui una teoria della supply chain dovrebbe scendere all’interno della macchina dell’azienda. Non credo che possiamo fermarci all’allineamento; dobbiamo andare fino in fondo agli algoritmi.

Una possibile sintesi

Se siamo disposti ad accostare questi punti di vista anziché sceglierne uno, si delinea una sorta di sintesi.

In alto, puoi usare le idee di allineamento dinamico di Gattorna per strutturare la tua comprensione del mercato. Inizia osservando come i diversi clienti acquistano effettivamente, cosa apprezzano, come rispondono alla variabilità e alle crisi. Raggruppali in segmenti coerenti dal punto di vista comportamentale. Decidi, in termini chiari, quali segmenti vuoi servire con accordi continui e collaborativi, quali con efficienza snella e poco invasiva, quali con risposte rapide, e quali con una flessibilità profonda e orientata alle soluzioni. Assicurati che la tua leadership e la tua cultura siano ampiamente allineate a tali scelte.

Sotto a ciò, puoi applicare un approccio più decisionale e guidato dall’economia alle operazioni quotidiane di ogni chain. All’interno di un segmento “lean”, per esempio, ti confronti ancora con l’incertezza della domanda e dei lead time; devi comunque decidere, per ogni SKU in ogni località, quanta scorta tenere, quando riordinare, quali livelli di servizio garantire, come instradare il trasporto. In un segmento “agile” o “completamente flessibile”, tali incertezze sono maggiori e i compromessi più netti. Il fatto che il segmento sia etichettato agile non elimina la necessità di disciplina quantitativa; anzi, la incrementa.

Qui, le previsioni probabilistiche, la valutazione esplicita del rischio e i motori decisionali automatizzati possono fornire la precisione e la rapidità necessarie. Ti offrono un modo per esprimere, tramite il codice, gli impegni impliciti nelle tue scelte di allineamento e per aggiornarli man mano che la realtà reagisce.

In questa visione stratificata, il contributo di Gattorna è quello di aiutarti a decidere quali giochi stai giocando sul mercato e come mobilitare l’azienda intorno a tali giochi. Il mio contributo è aiutarti a posizionare e definire le scommesse all’interno di ciascun gioco con maggiore chiarezza e riducendo gli sprechi.

Considerazioni finali

La supply chain è giovane come disciplina formale. Non sorprende che esistano teorie multiple, parzialmente sovrapposte, su cosa sia e su come dovrebbe funzionare. Non considero questo pluralismo un problema, a patto che si sia chiari su dove inizia ciascuna teoria, quali domande risponde adeguatamente e dove risiedono i suoi punti ciechi.

Gattorna ci ricorda che le supply chain non sono solo fabbriche, camion e matrici in PowerPoint. Sono sistemi sociali, animati da persone i cui comportamenti ed aspettative contano. Ha ragione nel dire che le supply chain one‑size‑fits‑all sono un’illusione costosa, e che cultura e leadership possono rafforzare o sabotare qualsiasi strategia tu progetti.

Il mio lavoro si orienta in una direzione complementare. Desidero che siamo più onesti e più rigorosi riguardo all’economia delle nostre scelte, più espliciti sull’incertezza, e più ambiziosi nell’utilizzare il software non solo per visualizzare lo stato del mondo, ma per decidere come rispondere ad esso. Ho visto troppe organizzazioni fermarsi a buone intenzioni e nuovi vocabolari, lasciando intatti in gran parte i motori della loro supply chain—gli algoritmi che muovono beni e denaro.

Se questo saggio ha un unico messaggio, è questo: leadership, allineamento e cultura sono necessari, ma non sufficienti. Così come lo sono previsioni, dashboard e KPI. Per costruire supply chain che meritino il nome nel ventunesimo secolo, dobbiamo collegare la visione esterna dei clienti e dei mercati con il meccanismo interno dei modelli probabilistici e delle decisioni automatizzate. Dobbiamo essere disposti a riscrivere non solo le nostre presentazioni, ma anche il nostro codice.

Solo allora le nostre teorie smettono di essere delle metafore e diventano parte dell’infrastruttura che lavora silenziosamente.