Requisiti dati per l'ottimizzazione della Supply Chain

00:00:03 Importanza dei dati storici nella tecnologia di Lokad.
00:01:40 Profondità storica per l’ottimizzazione della Supply Chain.
00:04:24 Dataset chiave: catalogo, ordini, vendite, stock attuale.
00:04:56 Il ruolo dei dati del catalogo nella previsione, stagionalità.
00:07:06 L’importanza dei dati storici completi delle vendite.
00:08:42 Monitorare le sfumature del ciclo di vendita del prodotto.
00:11:16 La cronologia degli ordini di acquisto nella previsione dei prezzi.
00:13:53 Margine di profitto, rischi di inventario, difficoltà nella previsione.
00:14:32 Registrazione accurata delle date degli ordini, delle consegne, impatto del QC.
00:16:01 QC nelle spedizioni di fragole, influenza degli ordini.
00:16:55 Comprendere l’importanza dei livelli di stock attuali.
00:17:36 Livelli di stock teorici possono causare imprecisioni.
00:18:39 ‘Stock out’ e l’importanza dei livelli storici di stock.
00:20:59 Dataset secondari: attività promozionali.
00:22:00 L’impatto delle attività promozionali sulle tendenze di vendita.
00:23:13 Errore comune: scelta di un sistema ERP complesso.
00:24:39 Errore due: lacune nella registrazione dei dati degli ordini.
00:25:35 Errore tre: trascurare le istantanee dei livelli di stock.
00:26:30 Importanza della registrazione accurata dei dati.

Sommario

In un’intervista con il conduttore Kieran Chandler, Joannes Vermorel, il fondatore di Lokad, delinea le complessità dell’ottimizzazione della Supply Chain. Sottolinea l’importanza della profondità storica e del dettaglio dei dati, una sfida con cui molte aziende devono fare i conti. Vermorel suggerisce che sia necessario avere dati storici per un periodo pari a dieci volte i lead time per ottenere una previsione accurata. Evidenzia la necessità di quattro dataset chiave: catalogo, storico degli ordini di acquisto, storia delle vendite, e attuali livelli di stock. Secondo lui, questi dataset aiutano a rivelare schemi, ottimizzare le previsioni e gestire i livelli di stock in modo efficace. Infine, Vermorel individua errori comuni commessi dai clienti, come la scelta di sistemi ERP difficili e la mancata registrazione degli ordini di acquisto o dei livelli storici di stock.

Sommario Esteso

Nell’intervista, il conduttore Kieran Chandler dialoga con Joannes Vermorel, il fondatore di Lokad, un’azienda specializzata nell’ottimizzazione della Supply Chain. Discutono della natura complessa dei requisiti dati per la tecnologia di Lokad e delle sfide che i clienti incontrano nel tentativo di adattarsi a tali requisiti.

Vermorel spiega che la sfida principale è la profondità storica e il livello di dettaglio dei dati necessari per l’ottimizzazione della quantitative supply chain. Mentre lo stato attuale di un’azienda è relativamente facile da comprendere, afferrare la storia dell’azienda richiede l’analisi di un insieme di dati più ampio. Numerose aziende incontrano difficoltà nel tentativo di raccogliere i dati pertinenti per questo, specialmente se in passato non si erano focalizzate su tali dettagli.

L’estensione della storia necessaria, suggerisce Vermorel, varia a seconda del tipo di business. Dati storici di meno di un anno rendono difficile per Lokad rilevare qualsiasi stagionalità, e questo sarebbe vero per qualsiasi metodo statistico. Funziona in modo efficace a partire da tre anni di dati. Tuttavia, la quantità di dati storici dipende anche dai lead time di un’azienda. Un’azienda con lead time brevi può operare con meno dati, mentre quelle con lead time più lunghi necessitano di una maggiore profondità. Come linea guida generale, si suggerisce di avere dati storici per un periodo pari a dieci volte il valore dei lead time applicabili per una previsione accurata.

Vermorel sottolinea che non c’è magia nella previsione: senza dati adeguati, né le previsioni statistiche né quelle manuali saranno precise.

La conversazione passa poi ai quattro principali dataset che Lokad impiega: il catalogo, lo storico degli ordini di acquisto, la storia delle vendite, e un’istantanea dei livelli attuali di stock. Vermorel spiega l’importanza del catalogo, che permette alla loro tecnologia di previsione di sfruttare la relazione tra i prodotti per affinare la previsione di ciascuno. Ciò si rivela particolarmente utile nel prevedere nuovi prodotti, che non dispongono di una storia di vendite. Attributi che descrivono il prodotto, come categorie, taglie e colori, possono essere utilizzati per dedurre schemi stagionali basati su prodotti simili.

La storia delle vendite è essenziale, afferma Vermorel, ma è fondamentale verificarne la completezza. Una storia delle vendite incompleta può verificarsi per mancanza di dati di vendita di prodotti non più offerti. A questo punto, la conversazione viene interrotta, con Vermorel che promette di fornire ulteriori informazioni sull’importanza della storia delle vendite.

Vermorel inizia sottolineando la necessità di una storia completa delle vendite, comprensiva dei dettagli sui prodotti non più in commercio. Questo perché, in alcuni casi, tali prodotti vengono eliminati dal catalogo, causando dati di vendite distorti. Menziona inoltre la differenza tra vendite e domanda, affermando che le vendite non riflettono sempre la domanda effettiva a causa di vari fattori. Ad esempio, il tasso di vendite subito dopo il lancio di un prodotto può fornire una stima della domanda futura.

Vermorel parla poi dell’importanza di registrare accuratamente le date di inizio e fine delle vendite di un prodotto. Questi dati possono rivelare schemi nel comportamento dei consumatori, come improvvisi passaggi a nuovi prodotti o l’interruzione brusca delle vendite a causa della rimozione da un catalogo online. È inoltre importante monitorare la storia delle vendite attraverso diversi canali, come negozi fisici e varie piattaforme online.

La conversazione si sposta sulla storia degli ordini di acquisto. Vermorel spiega che è utile osservare quanto è stato pagato per vari articoli di stock nel tempo. Tuttavia, sottolinea che prevedere i prezzi futuri è complicato a causa di fattori come le fluttuazioni valutarie. Sebbene queste fluttuazioni possano influenzare i margini e le decisioni relative all’inventario, Vermorel afferma che prevedere tali cambiamenti non è l’obiettivo principale di Lokad.

Vermorel sottolinea anche l’importanza di comprendere le date associate agli ordini di acquisto e alle consegne. Queste date offrono indicazioni sui lead time, critici per l’ottimizzazione della Supply Chain. I lead time possono variare stagionalmente o a causa di eventi come il Capodanno cinese. Aggiunge che è essenziale documentare eventuali discrepanze

tra le quantità ordinate e quelle consegnate, poiché ciò può influenzare gli ordini futuri, specialmente quando una parte delle merci non supera il controllo di qualità.

Vermorel sottolinea la necessità di avere un’istantanea attuale dei livelli di stock. Riconosce che, in teoria, questi livelli potrebbero essere ricostruiti dalle storie di vendita e dagli ordini di acquisto, ma spesso si verificano imprecisioni nell’inventario. Tali imprecisioni possono accumularsi nel tempo, portando a significative discrepanze. Pertanto, mantenere regolarmente istantanee dell’inventario e controlli è fondamentale per una gestione efficace della Supply Chain.

Vermorel discute dell’importanza di comprendere i livelli di stock attuali e storici. Il livello di stock indica la necessità di effettuare un riapprovvigionamento ma offre anche spunti sulla storia delle vendite. Ad esempio, gli stock out — casi in cui la domanda non può essere soddisfatta a causa di scarse scorte — non dovrebbero essere interpretati come una mancanza di domanda. In realtà, la domanda insoddisfatta dovuta agli stock out è comunque domanda, anche se non osservata. I livelli storici di stock, quindi, aiutano a determinare la frequenza e l’impatto degli stock out. Vermorel considera anche una comprensione più sfumata degli stock out, in cui non si tratta sempre di avere zero unità in magazzino. In alcuni casi, se i clienti richiedono una quantità specifica di un prodotto, non avere abbastanza per soddisfare tale quantità potrebbe essere considerato anch’esso uno stock out.

La conversazione si sposta poi sull’importanza dei dataset secondari. Vermorel indica che le attività promozionali sono un dataset cruciale da considerare, non solo in termini di prezzi ma anche riguardo ai prodotti che vengono promossi attraverso vari canali. Questi dati possono spiegare i picchi nella storia delle vendite. Ad esempio, un picco potrebbe essere dovuto a una promozione o a un genuino aumento della domanda. Comprendere questa distinzione aiuta a prevedere la domanda futura.

Vermorel accenna anche agli errori comuni commessi dai clienti. Il primo è selezionare un sistema ERP dal quale è difficile estrarre i dati. Questa scelta può portare a notevoli difficoltà nell’estrazione dei dati, anche se il sistema è locale. Il secondo errore è non registrare gli ordini di acquisto. Anche se le piccole aziende possono gestire i loro ordini con fogli di calcolo, questo approccio diventa problematico quando si cerca di analizzare i lead time. Il terzo errore è non registrare i livelli storici di stock. Dato il basso costo di archiviazione, Vermorel sostiene che non c’è scusa per non conservare questi dati.

Trascrizione Completa

Kieran Chandler: Oggi su Lokad TV, andremo a investigare la precisa profondità dei dati richiesti per lavorare con noi e capire alcune delle reali carenze che alcuni nostri clienti hanno affrontato. Quindi, Joannes, perché i clienti non riescono a lavorare completamente con la tecnologia di Lokad?

Joannes Vermorel: Una delle maggiori sfide che i clienti devono affrontare è proprio legata ai dati. In pratica, non dovrebbe esserlo, ma solitamente lo è. L’intuizione chiave è che i dati necessari per gestire la tua azienda non sono gli stessi necessari per l’ottimizzazione della Supply Chain quantitativa. Per quest’ultima, è necessario disporre dell’intera storia della tua azienda. Non si va a retrocedere di due decenni, ma è certamente necessaria una certa profondità e un certo livello di dettaglio nella storia. Molte aziende che in passato non sono riuscite a impostare un tale sistema, o dove non è mai stato provato, non hanno necessariamente prestato attenzione a tutti i dettagli per disporre di tutti i dati rilevanti. Di conseguenza, potrebbero incontrare complicazioni nel raccogliere tutti i dati pertinenti per ottenere risultati davvero significativi.

Kieran Chandler: Abbiamo parlato della profondità della storia. Qual è il periodo minimo di cui hai bisogno?

Joannes Vermorel: La profondità della storia dipende dal tipo di dati e dal tipo di business che hai. In linea di massima, se hai meno di un anno, è molto difficile per Lokad rilevare qualsiasi stagionalità. Questo vale per qualsiasi metodo statistico. Se hai meno di un anno, non hai osservato la stagionalità dell’azienda. Per iniziare ad analizzare la stagionalità con un certo grado di accuratezza, sono necessari circa 18 mesi. Funzionerà correttamente con due anni e molto bene con tre anni. Ma la quantità di profondità storica di cui hai bisogno dipende anche dai tuoi lead time. Se il tuo lead time è di un giorno, puoi lavorare tranquillamente con soli due mesi di storia, perché la stagionalità non è così rilevante. Ma se i tuoi lead time sono di quattro mesi, allora diventa molto più importante catturare questa stagionalità. Quindi, se vuoi qualcosa che funzioni bene, dovresti avere almeno, probabilmente, una storia pari a circa 10 volte il tuo lead time applicabile.

Kieran Chandler: Parliamo ora dei dati stessi. In Lokad lavoriamo su quattro dataset chiave, vero? I dataset chiave sono il catalogo, lo storico degli ordini di acquisto, la storia delle vendite, e anche un’istantanea dei livelli attuali di stock. Analizziamoli un po’ più nel dettaglio. Se partiamo dal catalogo in sé, perché è interessante? Voglio dire, sicuramente i nostri clienti hanno una buona comprensione di ciò che vendono e dei dettagli esatti a riguardo. Cos’altro si può dire su questo catalogo?

Joannes Vermorel: Il catalogo è di primaria importanza. È una parte molto significativa dei dati.

Kieran Chandler: Stiamo parlando della tecnologia di previsione di Lokad e di come essa sfrutti la relazione tra i prodotti per affinare la previsione di ogni singolo prodotto. Puoi approfondire questo punto?

Joannes Vermorel: Assolutamente, per esempio, quando si prevede la domanda per nuovi prodotti, non abbiamo alcuna storia di vendite su cui fare affidamento. Quindi, ci basiamo sugli attributi che descrivono i prodotti. Utilizziamo ampiamente queste tecniche per i prodotti già lanciati sul mercato.

Kieran Chandler: Puoi farci un esempio?

Joannes Vermorel: Certo, prendiamo ad esempio un prodotto che è stato venduto per tre mesi. Possiamo applicare un modello stagionale alla domanda prevista per questo prodotto? La risposta è che, se guardi solo alla storia di questo prodotto, non puoi, perché hai solo tre mesi di dati. Tuttavia, se la tua azienda opera da anni, puoi analizzare prodotti comparabili e rilevare la loro stagionalità. Così, con soli tre mesi di storia, più gli attributi dei prodotti, siamo in grado di dedurre la stagionalità applicabile a questo prodotto.

Kieran Chandler: Quindi, il catalogo, con elementi come le categorie di prodotto, attributi del prodotto come taglia e colore, è molto importante?

Joannes Vermorel: Sì, assolutamente. Il catalogo è essenziale. Elaboriamo anche l’etichetta in testo semplice, se presente, che può essere utile in settori in cui il catalogo stesso è poco strutturato. L’obiettivo è estendere questi attributi in modo da poter operare tutte queste correlazioni e affinare la previsione per ogni singolo prodotto, anche se le informazioni a disposizione su quel prodotto sono limitate.

Kieran Chandler: Parliamo ora della storia delle vendite. Dal punto di vista della previsione, immagino che la storia delle vendite sia la cosa più importante da esaminare. Quali altre informazioni ci interessano oltre a quella?

Joannes Vermorel: La prima cosa è assicurarsi che la cronologia delle vendite sia completa. Può essere incompleta in modi sottili. Per esempio, se non hai dati di vendita di prodotti che non vendi più o se non hai le informazioni del prodotto associate a quei dati di vendita. Per avere una cronologia completa delle vendite negli ultimi tre anni, devi avere tutte le vendite che si sono realizzate al momento, inclusi i prodotti che non vendi più.

Kieran Chandler: Quindi, i vecchi prodotti che non vengono più venduti possono distorcere i dati?

Joannes Vermorel: Esatto, a volte vediamo configurazioni in cui i prodotti che non vengono più venduti vengono eliminati dal catalogo e dalla cronologia delle vendite. Questo porta a una cronologia delle vendite distorta, in cui i dati relativi ai prodotti non più venduti non sono immediatamente disponibili. Un altro aspetto sottile della cronologia delle vendite è ricordarsi quando hai iniziato a vendere un prodotto. Le vendite non sono la stessa cosa della domanda. Ci sono pregiudizi, per esempio, se inizi a vendere un prodotto e non c’è domanda per un mese, per poi vendere finalmente una unità, è diverso dal vendere un prodotto lo stesso giorno in cui va online.

Kieran Chandler: Puoi approfondire questo concetto?

Joannes Vermorel: Certo, se metti un prodotto online e vendi una unità lo stesso giorno, suggerisce che potresti finire per vendere un prodotto al giorno. Tuttavia, se metti un prodotto online e devi aspettare un mese per vendere la prima unità, significa che venderai circa un’unità al mese. Quindi, capire quando hai iniziato a vendere un prodotto è fondamentale.

Kieran Chandler: Può un motore statistico fare la differenza? Il forecasting engine può fare la differenza tra due situazioni solo se hai registrato correttamente la data in cui la domanda è effettivamente iniziata e la data in cui hai smesso di vendere il prodotto.

Joannes Vermorel: Assolutamente. Ma è anche importante sapere perché un prodotto ha smesso di vendere. È calato improvvisamente a causa dell’arrivo di un nuovo prodotto migliore sul mercato, che ha innescato un cambiamento repentino nel comportamento dei consumatori? O ha smesso perché l’hai rimosso dal tuo catalogo online o dagli scaffali del negozio?

Allo stesso modo, devi avere una registrazione accurata delle date di fine. Potrebbero esserci anche altri fattori se hai un prodotto che è sul mercato in maniera intermittente, o se un prodotto viene venduto ma non su tutti i tuoi canali. Per esempio, se vendi nei negozi fisici, online o magari attraverso un canale B2B, devi registrare la cronologia di ciò che influenzava la domanda, come quali canali erano disponibili in ogni momento.

Kieran Chandler: Passiamo ora alla cronologia degli ordini di acquisto. Immagino che il bello di esaminare la cronologia degli ordini di acquisto sia che puoi vedere quanto hai pagato per vari articoli di stock. Quindi, suppongo che usiamo queste informazioni per prevedere in futuro qual è il prezzo probabile che pagheremo per un articolo. È corretto?

Joannes Vermorel: Dipende. Perché il prezzo probabile dipende dal fornitore. Per la maggior parte dei settori, il prezzo che paghi ai fornitori è relativamente stabile. Tuttavia, possono esserci delle sorprese, tipicamente a causa delle fluttuazioni valutarie. Per esempio, potresti ritrovarti con un preventivo in yuan mentre in realtà vendi prodotti in dollari. Se c’è una fluttuazione del 15% nei tassi di cambio, potresti trovarti di fronte a una sorpresa in cui le cose diventano significativamente più economiche o più costose.

Kieran Chandler: È qualcosa che possiamo includere nella previsione, quel tipo di fluttuazione valutaria?

Joannes Vermorel: Dipende da ciò che vuoi prevedere. Le fluttuazioni valutarie avranno un impatto, ma non direttamente sulla tua previsione della domanda. Avranno più impatto su come ottimizzi le tue decisioni in aggiunta alla previsione.

Per esempio, se il margine per un dato prodotto è più alto o più basso, non assumeresti tanto inventory risk su di esso. Se hai un articolo con un margine enorme, è letteralmente un crimine esaurire le scorte. In un caso estremo, se hai un margine del 95 percento, vendere una sola unità copre l’eccesso di venti altre unità di stock. Pertanto, vorresti avere un eccesso di stock se hai articoli che si vendono costantemente con un margine così alto.

D’altra parte, se hai un margine del 5 percento, devi essere molto cauto su quanto stock hai. Se hai un po’ di eccesso, avrai bisogno di un’enorme quantità di vendite per compensare il denaro bloccato in quell’unità extra. Se finisci per fare una svalutazione dell’inventario, sarà molto costoso.

In generale, di solito non prevediamo i margini futuri perché dipendono da così tanti fattori. Possiamo farlo, ma tipicamente non è la cosa principale perché nessuno può realmente prevedere le fluttuazioni valutarie. Le uniche persone che possono farlo sono coloro che operano direttamente sul mercato per trarre profitto dal trading valutario. Non è la nostra specialità, quindi non pretendiamo di essere migliori del mercato nel trading forex.

Kieran Chandler: Allontaniamoci quindi dal trading. Ma in termini di ordini di acquisto, cos’altro è di interesse?

Joannes Vermorel: Tipicamente, le date coinvolte in un ordine di acquisto e nella consegna sono cruciali in quanto forniscono i tempi di consegna. Quando miriamo ad ottimizzare le supply chain, dobbiamo considerare che tutte le decisioni sono, direi, dipendenti dai tempi di consegna. Inoltre, questi tempi possono variare stagionalmente. Per esempio, potrebbero esservi periodi intensi per i tuoi fornitori quando non sono così disponibili. Questi possono essere stagionali secondo il calendario occidentale, ma possono anche seguire il calendario orientale, come il Capodanno cinese, che può aggiungere circa due settimane ai tempi di consegna per i prodotti provenienti dalla Cina o dall’Asia in generale.

Assolutamente, e ci sono anche altri dettagli da considerare. Per esempio, se ordini cento unità e il tuo fornitore ne consegna ottanta, registri queste informazioni? Se hai misure di controllo qualità in atto, dove il fornitore consegna cento unità ma venti non superano il controllo qualità, questo è un fattore significativo. Questo è particolarmente rilevante nel settore degli alimenti freschi, per esempio, dove prodotti come le fragole si danneggiano facilmente. Potresti ritrovarti con il 20% delle spedizioni che non supera il controllo qualità. Ci si può aspettare che, ogni anno, una certa frazione delle spedizioni di fragole non superi il controllo qualità. Quindi, se la tua necessità è di cento unità, forse dovresti ordinarne cento e venti perché, statisticamente, sai in anticipo che il 20% non passerà il controllo qualità.

Kieran Chandler: Giusto, quindi gli ordini di acquisto e la cura nel notare le date e le quantità in cui il fornitore potrebbe commettere errori sono tutti elementi piuttosto cruciali.

Joannes Vermorel: Sì, ed è anche questo livello di granularità che ti interessa veramente. Questo mi porta all’ultimo pezzo del puzzle: lo snapshot dei livelli attuali di stock. Sappiamo già qual è stata la cronologia degli ordini di acquisto e sappiamo anche qual è stata la cronologia delle vendite. Abbiamo intelligenti supply chain scientists qui a Lokad. Quindi, abbiamo davvero bisogno di quello snapshot attuale? Non possono generarlo a partire dalle altre due cronologie?

Kieran Chandler: In teoria, sì, potresti ricostruire i livelli di stock semplicemente sapendo esattamente quante unità sono entrate e quante sono uscite. Questo ti darebbe il tuo livello teorico di stock in ogni momento. La sfida è che le imprecisioni dell’inventario accadono di tanto in tanto. Se tutto quello che fai è ripercorrere l’intera cronologia per determinare i livelli di stock, quelle imprecisioni si accumulerebbero nel tempo fino a diventare enormemente inaccurate.

Joannes Vermorel: Esatto. In pratica, abbiamo bisogno di snapshot e controlli dell’inventario. Innanzitutto, dobbiamo conoscere i livelli attuali di stock, perché se non sappiamo cosa abbiamo adesso, non possiamo semplicemente fare affidamento sulla domanda futura prevista per piazzare nuovi ordini di acquisto. Dobbiamo tener conto di ciò che abbiamo già. Se hai già una montagna di merce, anche se prevedi una domanda molto alta, potresti non riordinare semplicemente perché ne hai già a sufficienza. Quindi, abbiamo bisogno del livello attuale di stock, ma anche dei livelli di stock passati. Questo ci riporta alla cronologia delle vendite. Le vendite non sono la domanda. Se hai esaurito le scorte, sostanzialmente non hai osservato domanda per probabilmente giorni, ma non è perché non c’era domanda, è solo perché non potevi servirla. Avere la cronologia dei livelli di stock è il modo per conoscere le volte in cui si è verificato un stock out, e la situazione può essere un po’ complicata.

Le persone vogliono comprare, per esempio, qualcosa come una maniglia per porta. Hanno un appartamento e vogliono avere cinque maniglie per porta tutte uguali. Se entrano nel tuo negozio e ne trovano solo tre identiche, non compreranno tre, nella speranza di trovare altre due identiche in un altro negozio. Preferirebbero semplicemente trovare cinque identiche o cercare un altro negozio che possa vendergliene cinque uguali. Quindi, lo stock out non è un concetto binario, in cui o hai esattamente zero unità e sei a corto, oppure va tutto bene. A volte le persone cercano quantità specifiche, perciò il concetto di stock out è più sfumato. Ecco perché devi tenere traccia dei livelli di stock, e i livelli di stock storici possono anche essere utili per rilevare automaticamente le più probabili imprecisioni dell’inventario.

Kieran Chandler: Hai parlato molto dei set di dati core, i principali set di dati che Lokad richiede. E per quanto riguarda quei set di dati secondari? C’è qualcosa che potrebbe essere anche di nostro interesse lì?

Joannes Vermorel: Sì, il set di dati transazionale core è quello che utilizziamo principalmente. Il secondo cerchio probabilmente comprende tutto ciò che è legato alle attività promozionali. Le promozioni, nel senso più basilare del termine, mirano a evidenziare o mettere in risalto. Non si tratta solo di prezzi. È anche ciò che promuovi sui tuoi vari canali. Per esempio, un’azienda di e-commerce può fare promozioni che coinvolgono solo i cinque prodotti che finiscono per essere elencati permanentemente nella newsletter inviata a tutta la base clienti. È una sorta di promozione, anche se non comporta uno sconto di prezzo. È un prodotto che appare nella home page dello store online. Quindi, il secondo cerchio comprende tutto ciò che riguarda le promozioni, compresa la pubblicità. Questo tipo di dati probabilmente include anche tutti i dati sul traffico e-commerce presenti sul sito web.

Kieran Chandler: Parliamo di alcuni dei clienti attuali che Lokad ha. Ci sono errori comuni che abbiamo riscontrato e da cui i futuri clienti potrebbero imparare qualcosa?

Joannes Vermorel: Penso che l’errore più grande, il numero uno, sia scegliere un sistema ERP in cui è estremamente difficile estrarre i dati. Questa è una forma di vendor lock-in. Ci sono molte aziende che scelgono un sistema in cui, anche se è interno, hanno un server locale che gestisce tutto in sede. Pensano di avere il controllo perché la macchina è nei loro uffici.

Kieran Chandler: La realtà è che è incredibilmente difficile estrarre i dati perché il sistema non è stato progettato adeguatamente per renderlo comodo. Per esempio, estrarre qualsiasi cosa da QuickBooks nel mercato statunitense è una sfida enorme. Non intendo mancare di rispetto a Intuit, sono un’ottima azienda, ma estrarre i dati è semplicemente incredibilmente difficile.

Joannes Vermorel: Infatti, probabilmente quello è il primo errore. Il secondo errore probabilmente è non registrare le lacune nelle statistiche, cosa che tipicamente accade con gli ordini di acquisto. Per una piccola azienda, diciamo con un fatturato di dieci milioni di dollari, i tuoi ordini di acquisto potrebbero stare in un foglio Excel. Tuttavia, se non hai un sistema migliore per registrarli, il giorno in cui vorrai fare un’analisi dei tempi di consegna, avrai delle difficoltà perché i dati saranno sparsi su decine di fogli di calcolo.

Il terzo errore potrebbe essere non fare snapshot dei livelli di stock. Oggi i dischi rigidi sono molto economici, eppure molte aziende non registrano i livelli di stock storici. Quindi, quando diciamo che abbiamo bisogno della situazione passata dello stock o della situazione di scarsezza passata, i dati non sono mai stati registrati. Questo è sfortunato perché stiamo parlando di un paio di gigabyte di dati che letteralmente costerebbero pochi centesimi. Non c’è motivo di non registrare questi dati e conservarli indefinitamente.

Kieran Chandler: Per concludere, se i nostri ascoltatori dovessero trarre un insegnamento chiave dalla discussione odierna, quale sarebbe?

Joannes Vermorel: Direi: fate attenzione ai vostri dati. Non sono naturalmente molto costosi, ma il momento migliore per iniziare a registrare correttamente tutti i dati di cui avete bisogno è oggi. Tra tre anni, quando vi servirà una cronologia di diversi anni, se non avete iniziato oggi, non ce l’avrete. Raccogliere e mantenere dati adeguatamente organizzati è qualcosa che non potete rimandare, deve essere fatto ora.

In qualità di supply chain manager, non puoi prendere decisioni corrette senza dati. Non puoi ottimizzare ciò che non misuri, indipendentemente dal fatto che tu stia utilizzando qualcosa di sofisticato come Lokad per ottimizzare le tue supply chain. Questo vale non solo per gli algoritmi statistici che Lokad utilizza, ma anche per gli esseri umani. Senza dati, le decisioni che prendi non saranno buone. Non puoi semplicemente indovinare quante unità venderai per centinaia di migliaia di prodotti.

Tutto inizia con la scelta del software giusto per gestire la tua azienda e con l’assicurarti di avere accesso ai dati. Altrimenti, sarai bloccato nella soluzione del fornitore che hai scelto.

Kieran Chandler: Ottimo. Questa è un’intuizione fondamentale per qualcuno come me, che tende a rimandare tutto a domani. Questo è tutto per questa settimana. Torneremo la prossima settimana con un altro episodio, ma fino ad allora, ci vediamo presto. Ciao, a presto.