Il problema con Flowcasting

00:00:08 Introduzione a Flowcasting e le sue origini.
00:02:04 Confronto tra Flowcasting e le tecniche tradizionali di supply chain.
00:04:40 Rilevanza e sfide di Flowcasting oggi.
00:06:06 Analisi del fallimento di Flowcasting e delle intuizioni necessarie.
00:07:06 Come la stocasticità può causare fallimenti di Flowcasting.
00:08:06 Limitazioni delle previsioni di domanda frazionaria.
00:10:15 Implementazione pratica e fallimenti di Flowcasting.
00:11:13 Intuizioni positive da Flowcasting: dati di domanda disaggregati.
00:13:46 Approccio olistico di Flowcasting all’ottimizzazione della supply chain.
00:15:14 Differenza tra Flowcasting e l’approccio di Lokad.
00:17:31 Complessità di scenari specifici di supply chain.
00:19:37 Previsioni sulle future tendenze nelle implementazioni di AI.
00:21:43 Valore del libro di Flowcasting nonostante i difetti.

Riassunto

Nell’intervista, Joannes Vermorel, il fondatore di Lokad, discute i punti di forza e le debolezze di Flowcasting, un metodo di pianificazione della supply chain. Apprezza il suo focus sulla previsione disaggregata centrata sulla domanda e sull’automazione, ma critica il suo approccio deterministico per non considerare la casualità della supply chain. Lokad cerca di gestire queste complessità con un linguaggio di programmazione chiamato Envision, ma Vermorel ammette che nessun sistema può completamente comprendere le complessità della supply chain. Vermorel è anche scettico sul ruolo dell’AI nella gestione della supply chain, distinguendo tra l’AI come termine di tendenza e le vere tecniche algoritmiche. Nonostante le sue limitazioni, riconosce il valore delle intuizioni fornite da Flowcasting nella gestione della supply chain nel settore del commercio al dettaglio.

Riassunto Esteso

Nell’intervista, l’ospite Kieran Chandler e Joannes Vermorel, il fondatore di Lokad, discutono della tecnica di Flowcasting nel contesto della pianificazione della supply chain basata sulla domanda. Introdotto in un libro del 2006 con lo stesso nome, Flowcasting è considerato il ‘Santo Graal’ di questo campo, poiché promette efficienza ottimale avendo bisogno solo di fare previsioni al punto vendita.

Flowcasting si concentra sulle reti di vendita al dettaglio. Vermorel scompone la sua premessa principale come segue: fare previsioni per ogni singolo prodotto in ogni singola posizione, ogni giorno, e puntare alla massima accuratezza. L’immagine completa ottenuta da queste previsioni consente la ricostruzione di tutte le decisioni necessarie per la supply chain. La visione di flowcasting offre intuizioni preziose, enfatizzando l’importanza di essere il più vicino possibile alla domanda, un fattore che non è stato prioritario nelle tecniche più vecchie. Inoltre, attribuisce valore alla valutazione di ogni singolo prodotto per negozio, anziché a cluster aggregati, che è un approccio più disaggregato rispetto alle previsioni per categoria dall’alto verso il basso prevalenti allora.

L’implementazione di flowcasting, tuttavia, si rivela una storia diversa. Vermorel osserva che “non funziona mai” come previsto. Le reti di vendita al dettaglio che cercano di realizzare questo concetto teorico lo trovano “brutalmente disfunzionale”. La causa principale è identificata nella completa mancanza di considerazione del concetto di “stocasticità” - la casualità intrinseca nelle vendite dei prodotti a livello di negozio.

Flowcasting si basa su previsioni deterministiche, presumendo che si possa prevedere con certezza assoluta la quantità esatta di un prodotto da vendere in futuro. Non tiene conto della casualità intrinseca delle vendite al dettaglio nel mondo reale e della domanda frazionata a livello di prodotto e di giorno. Questo approccio irrealistico rende le previsioni inefficaci. In modo più critico, porta all’omissione dei fattori economici, cruciali per bilanciare i rischi, dai processi di ottimizzazione della supply chain, destabilizzando ulteriormente la strategia.

Quando gli viene chiesto delle conseguenze pratiche dell’implementazione di Flowcasting, Vermorel ammette che, secondo la sua esperienza, le reti di vendita al dettaglio con cui è a conoscenza non riescono mai a superare la fase di prototipo a causa delle complicazioni descritte. Pertanto, sebbene Flowcasting continui a offrire intuizioni preziose, l’intervista sottolinea la necessità di affrontare le sue limitazioni intrinseche e le realtà della stocasticità della supply chain per operazionalizzarlo in un contesto di vendita al dettaglio nel mondo reale.

Un punto critico di discussione riguarda il ‘flowcasting’, una tecnica ben nota della supply chain. Nonostante le sfide, Vermorel riconosce che il flowcasting fornisce intuizioni preziose. Sottolinea l’approccio della tecnica di avvicinarsi il più possibile alla domanda al livello più disaggregato. Il livello più disaggregato, afferma Vermorel, non è per prodotto, per negozio, ma piuttosto per ogni unità venduta ai singoli clienti. Questa intuizione, sostiene, dà origine al concetto di grafici temporali sulle serie temporali, riconoscendo le identità dei clienti e i loro comportamenti di acquisto.

Inoltre, Vermorel apprezza l’accento del flowcasting sull’automazione, insistendo sul fatto che Lokad adotta anche questa strategia. Spiega i vantaggi degli aggiornamenti giornalieri dei dati, affermando che non farlo comporta complessità e opportunità mancate, poiché si lavorerebbe con dati obsoleti. Questa complessità inutile, afferma, è insensata e uno spreco di risorse.

La prossima intuizione che Vermorel trae dal flowcasting è l’idea di sincronicità e la necessità di una visione olistica della supply chain. Esaminando l’intera rete e tutti i suoi flussi dalla produzione alla domanda del cliente finale, suggerisce che i problemi della supply chain possano essere risolti in modo più efficace, anziché semplicemente spostarli. Questo contrasta con l’approccio più comune di ottimizzare ogni fase in modo indipendente, che potrebbe trascurare impatti interconnessi.

La critica di Vermorel al flowcasting si concentra sulla sua semplificazione eccessiva. Sebbene la semplicità sia generalmente un obiettivo ammirevole, avverte che non dovrebbe portare a una rappresentazione matematica ingenua di una realtà complessa. Mentre il flowcasting si promuove come semplice come Excel, Vermorel sostiene che semplifica eccessivamente le complessità delle supply chain.

L’approccio di Lokad differisce dal flowcasting nella sua accettazione della complessità intrinseca delle supply chain, secondo Vermorel. Sottolinea che le supply chain sono intrinsecamente disordinate e complesse. Il modello di Lokad abbraccia l’incertezza, che lui considera irriducibile. Pertanto, il loro approccio prevede un’algebra probabilistica, che, sebbene più complicata, porta a risultati più realistici. Pertanto, la metodologia di Lokad non cerca di eliminare l’incertezza, ma la riconosce e lavora con essa.

Complicando ulteriormente la gestione della supply chain, Vermorel illustra i numerosi casi limite che esistono, come le diverse richieste di imballaggio o formati specifici di prodotto tra i negozi e i singoli clienti. Tali variazioni, sostiene Vermorel, richiedono soluzioni sfumate e flessibili che tengano conto di queste complessità anziché un approccio universale.

Per affrontare queste complessità, Lokad sviluppa un linguaggio di programmazione chiamato Envision, progettato per mantenere la semplicità senza compromettere le realtà della gestione della supply chain. Questo sistema fornisce una migliore approssimazione della realtà, ma Vermorel ammette che nessun sistema può catturare completamente le complessità delle supply chain del mondo reale.

Durante la discussione, viene esaminato il concetto di Flowcasting, una metodologia della supply chain. Vermorel ipotizza che il Flowcasting potrebbe essere andato meglio se avesse incorporato una forma di algebra probabilistica. Sottolinea che nonostante i suoi difetti, il Flowcasting era una visione audace per il suo tempo.

Passando alle tecnologie emergenti, Vermorel esprime scetticismo sull’uso dell’intelligenza artificiale (AI) nella gestione della supply chain. Sostiene che l’AI, sebbene spesso lodata come una soluzione magica, probabilmente deluderà molte aziende, che scopriranno che i notevoli progressi tecnologici in aree come il riconoscimento delle immagini non si traducono direttamente nella risoluzione dei problemi della supply chain.

Tuttavia, Vermorel differenzia tra il buzzword dell’AI e le tecniche algoritmiche fondamentali, come il deep learning e la programmazione differenziabile. Queste, afferma, potrebbero essere incredibilmente utili se attentamente allineate alle sfide uniche della gestione della supply chain.

Tornando al Flowcasting, Vermorel afferma che nonostante i suoi difetti matematici, il libro sottostante rimane una lettura interessante, principalmente per i suoi utili spunti sulla gestione della supply chain nel settore del commercio al dettaglio. Molti dei suoi concetti devono ancora essere pienamente utilizzati, ma queste idee rimangono valide e preziose ancora oggi.

Infine, la conversazione mette in evidenza che il mondo della gestione della supply chain è complesso, senza una singola soluzione semplice. Sottolineando l’importanza di sistemi flessibili e adattabili che possano approssimare meglio le intricate realtà della dinamica della supply chain, Vermorel conclude promuovendo un approccio completo e sfumato.

Trascrizione completa

Kieran Chandler: Oggi, su Lokad TV, impareremo di più su questa tecnica e discuteremo se sia ancora rilevante oggi. Quindi Joannes, forse dovremmo iniziare spiegando un po’ di più su cosa sia effettivamente il flow casting e come funziona?

Joannes Vermorel: Il termine flowcasting è stato coniato con la pubblicazione di un libro nel 2006, intitolato anche “Flowcasting”. È una tecnica dedicata alle reti di vendita al dettaglio, che offre ottimizzazione della supply chain per tali reti. Il libro presenta molti spunti interessanti e ricette su come implementarlo. In poche parole, l’idea è quella di prendere ogni singolo prodotto in ogni singola posizione, prevedere ogni singolo giorno in anticipo, idealmente con previsioni molto accurate, e poi ottenere un quadro completo di tutto ciò che sta per accadere, guidato dalle vendite dei clienti. È quindi possibile ricostruire tutte le decisioni della supply chain necessarie prendendo queste previsioni super disaggregate che sono a livello di prodotto per posizione giornaliera e riaggregando questi dati. Ciò consente di ricostruire tutte le decisioni della supply chain semplicemente camminando all’indietro da queste previsioni, dal negozio al magazzino, fino ai fornitori.

Kieran Chandler: Interessante. Quindi, cosa c’era di così diverso in questa visione? In cosa differiva dalle tecniche dell’epoca?

Joannes Vermorel: Differiva per una serie di intuizioni molto acute, in particolare per l’importanza di essere il più vicino possibile alla domanda. Questa non era una scoperta nuova, ma a mia conoscenza, era uno dei primi libri che enfatizzava la necessità di essere molto vicini al miglior segnale di domanda che si ha: le vendite alla fine della catena. Questo è diverso da molte catene di approvvigionamento in cui, tipicamente, un solo livello guarda solo a ciò che sta accadendo al livello successivo. Ad esempio, come fornitore, guarderesti a ciò che sta accadendo nel magazzino che acquista da te, ma non guarderesti a ciò che sta accadendo nei negozi. Flowcasting, in questo senso, era molto coerente. Raccomandava di avvicinarsi al segnale di domanda e suggeriva che ci fosse valore nel guardare al livello più disaggregato - prodotto per negozio - invece di riaggregare tutto settimanalmente per prodotto, solo perché è più facile da elaborare numericamente.

Kieran Chandler: Quindi, con “disaggregato”, intendi scomporre tutto a ogni singolo livello di SKU in ogni singolo negozio?

Joannes Vermorel: Esattamente. Questo è qualcosa che Flowcasting suggerisce e si differenzia dalla maggior parte delle tecniche dell’epoca. Tipicamente, le persone facevano previsioni dall’alto verso il basso, dove si facevano previsioni per categorie, si suddividevano per sottocategorie, poi per regioni, e così via. Alla fine, potresti avere un paio di gruppi di negozi tipici e dire: “beh, se ho il tipo di negozio A, tipo B, tipo C, assegnerò in base al profilo del negozio”, e così via. Questo metodo evita di occuparsi del livello più disaggregato, che è ogni singolo prodotto in ogni singola posizione, dove la quantità di dati esplode.

Kieran Chandler: Quindi, perché ne stiamo parlando oggi? Non ci sono tecniche più moderne che l’hanno sostituito? Perché è ancora rilevante?

Joannes Vermorel: Beh, dieci anni fa, Flowcasting era molto popolare, e ho visto almeno mezza dozzina di grandi reti di vendita al dettaglio interessarsi molto alle sue intuizioni. Tuttavia, non ha mai funzionato nella pratica. Era come un libro pieno di idee apparentemente eccellenti, ma quando le persone hanno cercato di metterle in pratica, è fallito completamente. Era brutalmente disfunzionale, il che era inaspettato dato quanto semplici sembrassero le idee. Il libro faceva sembrare che si potesse facilmente fare con previsioni giornaliere, e dava alcune semplici ricette per produrre quelle previsioni e sfruttarle successivamente per le decisioni sulla catena di approvvigionamento. Si è scoperto che quando si cercava di metterlo in pratica, non funzionava affatto. Il motivo per cui Flowcasting è fallito è che ha trascurato alcune cose supercritiche. Tuttavia, la maggior parte del mercato e la maggior parte degli attori sta ancora trascurando quelle intuizioni. Flowcasting è uscito di moda dopo un decennio, ma le ragioni del suo fallimento non sono ancora ben note. Ciò significa che a meno che molti attori non migliorino la loro comprensione, si troveranno ad affrontare gli stessi problemi.

Kieran Chandler: Quindi, a prima vista, guardando un punto vendita, fare previsioni lì e farle fluire in tutta la catena di approvvigionamento sembra abbastanza logico. Quindi, dove va tutto in pezzi?

Joannes Vermorel: Va in pezzi a causa della stocasticità o dell’incertezza. Le vendite a livello di negozio sono molto erratiche e casuali. Sì, potresti vendere circa una unità a settimana, ma non sai mai quale giorno della settimana. Flowcasting si basava su una previsione deterministica in cui potevi dire con perfetta precisione che avresti venduto esattamente una bottiglia di shampoo tra due giorni per un determinato riferimento. Tuttavia, ciò non è realistico a causa della casualità intrinseca delle vendite al dettaglio.

Kieran Chandler: Ed è lì che tutto effettivamente va in pezzi. Queste previsioni non hanno modo di riflettere alcun tipo di incertezza. È lì che le previsioni falliscono completamente - l’incertezza è assente. Pertanto, poiché l’incertezza è assente e si assume che le previsioni siano accurate, le previsioni non riescono a riflettere accuratamente il futuro. Non sono previsioni probanti. Quando si tratta di ottimizzazione della catena di approvvigionamento, si agisce come se le previsioni fossero corrette, e quindi si ignorano ciò che chiamiamo driver economici, bilanciando tutti quei rischi. Fondamentalmente, hai un problema che ignora l’incertezza e, di conseguenza, ignori anche i driver economici che sono centrali per l’ottimizzazione in presenza di incertezza. Quindi, se c’erano così tanti problemi con questo approccio, cosa è successo effettivamente quando i rivenditori hanno cercato di metterlo in pratica? Ci sono state catastrofi diffuse?

Joannes Vermorel: Le reti di vendita al dettaglio con cui sono stato in contatto non sono mai andate oltre la fase di prototipo. Erano cauti, lo hanno provato su piccola scala. Ma in realtà, i numeri che sono emersi erano così insensati che i professionisti della catena di approvvigionamento dicevano: no, non possiamo spingere questo nei negozi. Era o troppo poco, troppo pochi, o troppo. Non aveva senso letteralmente. A mia conoscenza, nessuna rete di vendita al dettaglio su larga scala è arrivata nemmeno alla fase di prototipo che era più di poche dozzine di prodotti in pochi negozi, qualcosa di molto piccolo, e terminato molto rapidamente perché funzionava in modo brutale.

Kieran Chandler: Quindi non può essere tutto negativo. Flowcasting era una tecnica piuttosto conosciuta, aveva una buona reputazione. Quali sono alcune delle buone intuizioni che ci sono state date?

Joannes Vermorel: Ci sono state diverse intuizioni interessanti. Hanno suggerito di avvicinarsi il più possibile alla domanda e che il livello più disaggregato è per negozio, per prodotto. Sono d’accordo con l’idea che è necessario essere il più disaggregati possibile, ma non sono d’accordo che per prodotto, per negozio sia il livello più disaggregato. Il livello più disaggregato è direttamente ogni singola unità venduta a ogni singolo cliente. Oggi, la maggior parte delle reti di vendita al dettaglio ha il tracciamento dei clienti attraverso i programmi di fedeltà. Quindi sai non solo che hai venduto questo prodotto in questa posizione in questo giorno, ma sai anche a chi hai venduto questo prodotto. Quindi dovresti pensare non solo in termini di serie temporali, come descritto in flowcasting, ma come un grafico temporale in cui sai esattamente a chi stai vendendo. Questo contiene ancora più informazioni. Tuttavia, l’idea chiave di flowcasting di arrivare al livello più disaggregato è profondamente corretta.

Un altro aspetto che hanno colto nel segno è l’idea di automatizzare tutto con aggiornamenti giornalieri. È esattamente ciò che Lokad suggerisce finora. Se non hai automazione completa - ottenere i dati dell’ultimo giorno, elaborarli e aggiornare tutte le tue previsioni e decisioni basate sulla tua previsione - allora stai lasciando molti soldi sul tavolo. Solo perché se stai usando i dati della settimana scorsa, stai cercando di prevedere le vendite di ieri. Ma non hai bisogno di prevedere le vendite di ieri. Le conosci già. Quindi, avere questi aggiornamenti giornalieri è una buona pratica, altrimenti finisci per usare i dati della settimana scorsa per prevedere cosa è successo ieri, il che è insensato.

Un’altra buona intuizione di flowcasting è ciò che chiamano sincronicità. Esprimono l’idea che le catene di approvvigionamento hanno bisogno di una visione olistica attraverso i tuoi livelli. È quello che abbiamo fatto con il caso Bridgestone che abbiamo discusso in un episodio precedente. Se vuoi ottimizzare la tua catena di approvvigionamento, devi avere una prospettiva olistica sull’intera rete e su tutti i flussi, dalla domanda del cliente finale alla produzione. Se non hai questo tipo di prospettiva olistica, stai solo spostando i problemi anziché risolverli. Quindi, Flowcasting ha avuto questa intuizione molto corretta che è necessario abbracciare la rete nel suo complesso, invece di fare ottimizzazione di fase, in cui si ottimizza il magazzino senza considerare altro che il magazzino.

Kieran Chandler: Quindi quello che stai dicendo è che Flowcasting aveva alcune intuizioni molto preziose che condividiamo qui a Lokad. Quindi quali sono le principali differenze tra l’approccio di Flowcasting e quello che facciamo qui a Lokad? Cosa facciamo molto meglio secondo te?

Joannes Vermorel: Uno dei principi fondamentali di Flowcasting era che può essere reso estremamente semplice, semplice come Excel, con formule molto semplici che possono essere combinate in Excel. La semplicità è molto buona. Tuttavia, quando si modella un sistema complesso, come le catene di approvvigionamento, è necessario assicurarsi che il modello non sia semplicistico. Il tuo modello non dovrebbe tradire le realtà che stai cercando di rappresentare avendo una rappresentazione matematica molto ingenua di una realtà che non è così semplice.

A Lokad, abbiamo cercato di abbracciare il fatto che la realtà nelle catene di approvvigionamento è molto disordinata e spesso complicata. Ciò significa che l’incertezza è qui per restare. Se dici: “abbiamo solo bisogno di previsioni accurate”, è un pensiero utopistico. C’è una quantità irriducibile di incertezza. Hai bisogno di un sistema che accetti il fatto che l’incertezza è qui per restare. Alla fine ti ritrovi con un’algebra probabilistica, che è molto più complicata. Ma è ciò che serve; altrimenti, i tuoi risultati sono senza senso.

E se vuoi estrarre il maggior numero possibile di informazioni dal livello più disaggregato, che sono il grafico temporale anche dei singoli clienti, chi sta acquistando quale prodotto, dove e quando, allora improvvisamente non puoi estrarre tutte le informazioni che dovresti da questi dati solo con le serie temporali. Sì, è un grafico temporale, ed è più complicato, ma questa è la realtà.

Kieran Chandler: Hai molte più informazioni in questo grafico temporale. È quello che vuoi sfruttare. Quindi forse un’altra prospettiva è invece di cercare di vendere la semplicità, vuoi avere un sistema che sia il più semplice possibile, ma mai più semplice di quanto richiesto dalla realtà effettiva.

Joannes Vermorel: Sì, infatti. Potrei approfondire il fatto che ci sono molti casi limite, particolarmente sfidanti, nelle catene di approvvigionamento. Ad esempio, considera un magazzino che spedisce pacchi di bottiglie ai negozi, ma nei negozi sono le singole bottiglie che vengono vendute perché i clienti a volte sballano le bottiglie. E poi ci sono casi in cui alcuni clienti vogliono specificamente acquistare un pacco di bottiglie. Non puoi semplicemente contare le bottiglie e assumere che sia la soluzione. Alcuni clienti sono molto esigenti e insistono nel voler un pacco di sei bottiglie. Se non è disponibile, preferiscono acquistare altrove. Queste cose sono piuttosto complicate.

Mi dispiace dire che non c’è un approccio semplice e miracoloso per questo. A Lokad, abbiamo realizzato questo fatto e abbiamo deciso di creare uno strumento, un linguaggio di programmazione chiamato Envision. L’abbiamo progettato per essere il più semplice possibile, ma senza semplificare eccessivamente le realtà delle catene di approvvigionamento. Devo ammettere che la realtà nelle catene di approvvigionamento è davvero complessa. Tutto ciò che puoi sperare è una migliore approssimazione. Non avrai mai il mondo reale interamente modellato nel tuo sistema.

Kieran Chandler: Quindi, se Flowcasting avesse avuto un po’ di algebra probabilistica alle spalle, potrebbe aver funzionato un po’ meglio in passato, ma in qualche modo era probabilmente dieci anni avanti al suo tempo?

Joannes Vermorel: Esattamente, penso che fosse effettivamente circa dieci anni avanti al suo tempo. Allora non avevamo tutti gli ingredienti tecnologici necessari per eseguire quella che è ancora una visione relativamente audace della catena di approvvigionamento.

Kieran Chandler: E cosa ne pensi del Flowcasting del 2019? C’è qualcosa che sembra molto buono in superficie, ma in realtà non funziona così bene una volta che ci si addentra? Qual sarà la prossima cosa che è simile a Flowcasting e sembra promettente, ma alla fine si sgretola?

Joannes Vermorel: Credo che la maggior parte di ciò che viene venduto sotto l’etichetta di AI crollerà. Non sto dicendo che il deep learning o anche il suo discendente, la programmazione differenziabile, non siano eccellenti strumenti; lo sono davvero. Tuttavia, se tutto ciò che hai è la parola di moda e solo tecnologia grezza proveniente da domini come il riconoscimento delle immagini che non sono direttamente applicabili alla catena di approvvigionamento, allora molte aziende si renderanno conto che la tecnologia grezza, anche se impressionante e può vincere contro un campione di Go, non risolve magicamente i loro problemi di catena di approvvigionamento.

Sospetto che tra dieci anni la situazione dell’AI sarà ancora peggiore di quella del Flowcasting. Anche con il Flowcasting, dieci anni dopo, c’erano ancora alcuni aspetti interessanti nel libro. D’altra parte, prevedo che circa il 90% di ciò che i fornitori stanno attualmente spingendo diventerà inutile per scopi di catena di approvvigionamento in circa un decennio. Saranno completamente dimenticati. Ma mi piacerebbe distinguere tra la parola di moda dell’AI, che penso sia solo una parola di moda, e le tecniche algoritmiche fondamentali come il deep learning e la programmazione differenziabile, che possono essere molto utili se attentamente allineate alle sfide della tua catena di approvvigionamento.

Kieran Chandler: È sorprendente, considerando che l’AI è attualmente una parola di moda nell’industria. Per concludere, il Flowcasting è ancora rilevante? Vale ancora la pena leggere il libro? Qual è il messaggio chiave da apprendere oggi?

Joannes Vermorel: Sì, penso che il libro valga ancora la pena di essere letto. È una lettura piacevole. Lo stile è piacevole ed è una lettura veloce, che richiede forse solo qualche ora. Molte delle intuizioni sono ancora corrette. Ciò che è sbagliato sono le formule matematiche che illustrano nel libro. Gli autori, a quanto pare, non erano né matematici né statistici, e si vede. Ma se si trascura la matematica e ci si concentra sulle intuizioni, si scoprirà che avevano riflettuto seriamente sulla catena di approvvigionamento nel settore della vendita al dettaglio e sulle sue implicazioni. È lì che penso che il libro brilli davvero. Molte delle intuizioni che hanno evidenziato dieci anni fa sono ancora molto corrette e ampiamente sottoutilizzate. Le grandi reti di vendita al dettaglio non stanno ancora cogliendo la maggior parte delle intuizioni descritte in questo libro sul Flowcasting.

Kieran Chandler: Fantastico! Beh, per oggi abbiamo finito il tempo, ma grazie per il tuo tempo. Questo è tutto per questa settimana. Grazie mille per averci seguito e ci vediamo la prossima volta. Ciao per ora.