Pseudo-scienza nelle Supply Chains

00:00:07 Scientismo e la sua diffusione nei supply chains.
00:00:34 Spiegazione del scientismo e delle sue conseguenze in vari campi.
00:02:16 Esempi reali di eccessiva dipendenza da risultati scientifici e scorciatoie.
00:04:07 Previsione della domanda nel supply chain come esempio di scientismo.
00:06:50 Alternative al scientismo nella gestione del supply chain e considerazione dei sistemi complessi.
00:08:01 Semplificazione eccessiva e il suo impatto sui professionisti del supply chain.
00:09:45 Affrontare il problema del razionalismo ingenuo nella gestione del supply chain.
00:12:38 L’importanza del giudizio umano nei supply chains e le limitazioni dei modelli quantitativi.
00:14:48 Bilanciare le intuizioni supportate dai dati con un giudizio di alto livello nel processo decisionale.
00:15:38 Garantire la comprensione da parte del cliente ed evitare il razionalismo ingenuo in Lokad.
00:17:06 La necessità di considerare fattori significativi come il Capodanno Cinese nella pianificazione del supply chain.
00:18:30 Essere scettici nei confronti delle organizzazioni razionali e l’importanza di combinare la scienza con il buon senso.
00:19:51 Ingegneri altamente istruiti possono essere privi di comprensione delle applicazioni nel mondo reale.
00:21:02 Necessità di intuizioni esperte, buon senso e di evitare sciocchezze su scala industriale.

Riepilogo

Il fondatore di Lokad, Joannes Vermorel, discute il concetto di scientismo nell’ottimizzazione del supply chain in un’intervista con Kieran Chandler. Il scientismo viene definito come una eccessiva dipendenza dalla scienza, assumendo che tutti i problemi possano essere risolti attraverso un approccio scientifico. Vermorel mette in guardia da un’eccessiva enfasi sugli approcci algoritmici alla previsione della domanda, poiché tali modelli possono risultare troppo semplicistici e portare a profezie auto-avveranti. Sottolinea l’importanza del giudizio umano di alto livello nella supply chain management, nonché la necessità di considerare gli effetti di secondo ordine e riconoscere la complessità dei sistemi e delle persone coinvolte. Vermorel consiglia ai clienti di fare affidamento su intuizioni esperte e buon senso nell’implementazione delle soluzioni di ottimizzazione del supply chain.

Sintesi Estesa

In questa intervista, il conduttore Kieran Chandler e Joannes Vermorel, il fondatore di Lokad, discutono il concetto di scientismo e come esso influisca sull’ottimizzazione del supply chain. Il scientismo viene descritto come una credenza estrema nella scienza, assumendo che tutti i problemi possano essere risolti attraverso un approccio scientifico. Nel contesto della gestione del supply chain, questo termine è sinonimo di razionalismo ingenuo, suggerendo che una singola ricetta, algoritmo o tecnologia possa risolvere tutti i problemi del supply chain.

Vermorel sottolinea che le grandi organizzazioni spesso imitano il metodo scientifico nella gestione del supply chain, concentrandosi su numeri, formule e assumendo persone con dottorati. Tuttavia, questi attributi da soli non rendono necessariamente il loro approccio scientifico. Paragona questo fenomeno a una facciata, creando un’illusione di rigore scientifico senza aderire veramente al metodo scientifico.

Come esempio di scientismo andato storto, Vermorel discute della controversia che circonda i p-value nelle scienze sociali. I p-value vengono utilizzati per misurare la confidenza in un’ipotesi, ma quando milioni di ipotesi vengono testate, alcune inevitabilmente mostrano risultati significativi a causa della casualità. Questo problema illustra come l’eccessiva dipendenza da risultati apparentemente scientifici possa portare a conclusioni fuorvianti.

Applicando questo concetto alla gestione del supply chain, Vermorel individua la previsione della domanda come un ambito in cui il scientismo può essere problematico. Esistono numerosi libri e modelli sulla previsione della domanda, che possono dare l’impressione di un approccio ben definito e razionale. Tuttavia, esaminando questi modelli più da vicino, la loro razionalità diventa discutibile.

Discutono delle limitazioni di alcuni approcci algoritmici alla previsione della domanda e della necessità di un giudizio umano di alto livello nella gestione del supply chain.

Vermorel spiega che molti algoritmi di previsione possono risultare eccessivamente semplicistici e portare a profezie auto-avveranti. Ad esempio, se una previsione segnala una domanda pari a zero per un prodotto, il prodotto potrebbe non essere immagazzinato, e di conseguenza non si genererebbero vendite, rafforzando la previsione iniziale. Menziona inoltre che, per i marchi di moda, il numero di unità prodotte è spesso pari al numero di unità vendute, a causa di forti sconti sugli articoli invenduti. Questi esempi illustrano il problema delle profezie auto-avveranti nei modelli di previsione ingenua.

Per superare le limitazioni di questi modelli, Vermorel suggerisce che i professionisti del supply chain dovrebbero riconoscere la complessità dei sistemi con cui lavorano e delle persone coinvolte. Dovrebbero anche considerare gli effetti di secondo ordine, come il fatto che offrire sconti possa creare nelle clienti aspettative di futuri sconti. Sostiene che i metodi scientifici, concentrandosi sugli effetti di primo ordine e sulle semplificazioni, possono essere facili da misurare e confrontare, ma non sono necessariamente rilevanti per il business.

Vermorel enfatizza l’importanza del giudizio umano nella gestione del supply chain. Ritiene che sia necessaria un’intelligenza umana di alto livello per determinare se un modello matematico sia utile o se stia semplificando eccessivamente il problema. Sebbene possa essere possibile affrontare i problemi del supply chain in modo scientifico, ciò richiede sottigliezza e non può essere ridotto a semplici misurazioni.

Osserva che i professionisti del supply chain sono generalmente consapevoli di questi problemi, ma l’attrattiva del scientismo e del razionalismo può essere tentatrice, specialmente per individui altamente istruiti. Tali professionisti potrebbero essere stati esposti al successo dei modelli quantitativi in altri campi, come la termodinamica, e sperare di ottenere lo stesso potere predittivo nella gestione del supply chain. Tuttavia, Vermorel mette in guardia sul fatto che gli esseri umani non sono particelle e il loro comportamento è più complesso, richiedendo un approccio più sfumato alla gestione del supply chain.

Un esempio di razionalismo ingenuo nella gestione del supply chain è il processo di Sales and Operations Planning (S&OP). Vermorel sottolinea che le diverse divisioni all’interno di un’azienda possono semplicemente inviare previsioni per soddisfare i propri incentivi, invece di produrre previsioni di domanda accurate.

Si toccano argomenti come la tendenza umana ad essere avversa al rischio, l’importanza di supportare le previsioni con dati e il ruolo del giudizio di alto livello nell’ottimizzazione del supply chain.

Vermorel riconosce che le persone sono per natura avverse al rischio e spesso si affidano ai dati per supportare le loro affermazioni e previsioni. Concorda sul fatto che sia essenziale utilizzare i dati per corroborare le proprie intuizioni, ma mette in guardia sul dover essere cauti nell’affrontare le statistiche, specialmente quando sono coinvolte più variabili in problemi altamente complessi e ad alta dimensionalità.

Vermorel enfatizza l’importanza del giudizio di alto livello nel supervisionare i calcoli e i modelli utilizzati nell’ottimizzazione del supply chain, sostenendo che è fondamentale assicurarsi che ci sia una prospettiva adeguata al centro dell’analisi. Crede che il vero razionalismo implichi questo giudizio di alto livello per evitare possibili insidie nell’analisi che potrebbero derivare dal trascurare aspetti importanti.

La conversazione passa poi al concetto di razionalismo ingenuo, con Chandler che sottolinea come l’approccio di Lokad possa presentare alcuni suoi elementi. Menziona che molti dei loro clienti potrebbero non comprendere appieno la “magia nera” dietro le tecniche di ottimizzazione del supply chain dell’azienda. Vermorel risponde affermando che non sono le tecnicalità a essere più importanti, quanto piuttosto la comprensione a livello alto dei processi del supply chain.

Secondo Vermorel, molte delle tecnicalità che i clienti non comprendono sono spesso irrilevanti nel quadro generale. Sostiene che sia più importante per Lokad concentrarsi sull’aspetto più ampio del supply chain, come tenere conto di eventi come il Capodanno Cinese, che possono avere impatti significativi sui lead times.

Vermorel inizia ammettendo che il campo dell’ottimizzazione del supply chain è ancora agli inizi. Sebbene ci siano stati miglioramenti significativi rispetto ai metodi precedenti, l’industria ha solo grattato la superficie. Sottolinea l’importanza di combinare approcci scientifici con il buon senso per ottenere i migliori risultati.

Successivamente, mette in guardia contro la credenza in un’organizzazione perfettamente razionale e ben definita, composta da team separati per la previsione, la pianificazione e gli acquisti, ognuno ottimizzando metriche specifiche. Vermorel sostiene che tali sistemi possono apparire razionali e scientifici, ma spesso non sono altro che un miraggio. Sottolinea la necessità di scetticismo quando si incontrano tali organizzazioni, poiché potrebbero non essere così razionali o efficaci come sembrano.

Guardando indietro, Vermorel riconosce questi fallimenti come le conseguenze evidenti del razionalismo ingenuo. Consiglia ai clienti di fare affidamento su intuizioni esperte e buon senso nell’implementare soluzioni di ottimizzazione del supply chain. Per quanto tante parole di moda o gerghi tecnici possano essere lanciati contro un problema, senza una comprensione solida e un approccio pratico, il risultato non sarà altro che un nonsense su scala industriale.

Trascrizione Completa

Kieran Chandler: Oggi su Lokad TV, cercheremo di capire perché questo sia un tranello così facile in cui cadere e discuteremo se qualcosa che sembra intelligente in apparenza lo sia realmente. Quindi Joannes, oggi parliamo di scientismo. Suona un po’ teorico, ma cos’è esattamente?

Joannes Vermorel: Il scientismo è, direi, una credenza estrema nella scienza. È l’idea che si possano letteralmente risolvere tutti i problemi della vita e della società con un approccio scientifico, il che può sembrare positivo ma in realtà è un po’ ingenuo. Nel caso specifico del supply chain, sarebbe sinonimo di razionalismo ingenuo, un approccio in cui abbiamo una ricetta, algoritmi e un po’ di tecnologia per risolvere il problema con un metodo definitivo. Ho osservato che, specialmente nel supply chain, le grandi organizzazioni tendono a imitare i metodi scientifici. Fanno cose che condividono gli attributi della scienza, come l’impiego di molti numeri, formule, persone con dottorati, metriche, misurazioni e una qualche forma di processo. Ma a volte, o in realtà molto frequentemente, non c’è nulla che, secondo me, possa essere definito scientifico. Quindi hai gli attributi, ma è come una facciata, un’illusione.

Kieran Chandler: Prima di passare all’aspetto del supply chain, hai qualche esempio reale di come le persone siano diventate eccessivamente dipendenti dai risultati scientifici e si siano lasciate trasportare? Dove abbiamo visto scorciatoie adottate?

Joannes Vermorel: Attualmente c’è una grande controversia nelle scienze sociali perché la maggior parte degli articoli pubblicati negli ultimi cinque decenni in queste discipline semplicemente non è replicabile, il che rappresenta un problema enorme. Una delle cause principali sono i p-value, un modo per stabilire quanta fiducia si possa avere in un’ipotesi. Ad esempio, supponiamo che ipotizzi che mangiare fragole faccia bene alla salute. Faccio una misurazione e convalidi questa ipotesi. Il problema è che se si testano migliaia o milioni di ipotesi, si genererà un’enorme quantità di ipotesi che mostrano dei bei p-value, quindi risultati che sembrano molto affidabili. Ma il punto è che hai testato così tante ipotesi che, secondo i dati limitati, alcune di esse risultano essere quasi completamente vere per pura casualità. Nel supply chain, ci sono molte similitudini in cui i metodi hanno l’aspetto di qualcosa di molto razionale, ma quando si va oltre la superficie, risulta profondamente irrazionale.

Kieran Chandler: Esaminiamo esempi del supply chain. Quali sono quelle cose che appaiono facili in superficie ma che, una volta approfondite, non lo sono affatto e risultano molto meno razionali?

Joannes Vermorel: Probabilmente la previsione della domanda. Ci sono interi libri scritti su come costruire modelli di previsione della domanda. Esiste una letteratura intera su questo argomento, dai modelli d’epoca dell’esponential smoothing, Holt-Winters e così via. Si potrebbe pensare che la previsione statistica della domanda sia qualcosa di molto consolidato. Hai una previsione, puoi fare un benchmark, puoi fare backtesting. Sembrerebbe l’archetipo di qualcosa di super scientifico, e il mio punto è che, frequentemente, non lo è. Non è per nulla scientifico. È in realtà molto ingenuo. È uno dei primi errori che ho commesso in Lokad un decennio fa, pensare che questo tipo di approccio algoritmico alla previsione della domanda funzionasse effettivamente. Non funziona, per innumerevoli ragioni. Una delle ragioni è che si finisce per avere un effetto auto-profetico. Sai, se prevedi che non ci sarà domanda per un prodotto in un negozio, allora forse non metti nemmeno il prodotto sullo scaffale, e così finirai per avere delle profezie auto-avveranti. Se prevedi una domanda zero, allora non metti nessun stock, e di conseguenza non vendi nulla, e la tua previsione risulta corretta al 100%. E allora immagino che avresti più fiducia nella previsione. È statisticamente provato, eppure, quando ci si pensa, risulta piuttosto sciocco dal punto di vista commerciale, e in realtà, è sciocco. Quindi questo è un esempio estremo. Un esempio leggermente più avanzato, ma comunque piuttosto stupido, è quando vuoi fare una previsione per un marchio di moda. Se vuoi prevedere quante unità verranno vendute per un determinato prodotto, beh, devi solo guardare a quante unità sono state prodotte in primo luogo. Se produci 1.000 magliette, beh, indovina un po’, venderai 1.000 magliette, al netto delle perdite. Ma come viene? Beh, viene dal fatto che se non vendi tutte quelle 1.000 magliette, applicherai sconti pesanti sui tuoi prodotti, li metterai in saldo, e alla fine verranno venduti. Quindi, hai questa profezia auto-avverante ingenua in cui qualunque cosa produci è sostanzialmente ciò che finisci per vendere, indipendentemente da tutto.

Kieran Chandler: Allora, qual è l’alternativa? Perché sembra che tu abbia un metodo, il metodo in qualche modo funziona, si sta avvicinando al bersaglio.

Joannes Vermorel: L’alternativa è, innanzitutto, che devi riconoscere che la situazione è complessa, che ci sono esseri umani coinvolti, che hai un sistema complesso con loop di retroazione ovunque, che hai effetti di secondo ordine. Gli effetti di secondo ordine sono, per esempio, quando offri uno sconto a un cliente. Cosa crei? Ovviamente, questo sconto ti costa. Sono margini in euro o dollari che non ottieni. Questo è l’effetto di primo ordine dello sconto. Un’altra parte dell’effetto di primo ordine è che probabilmente c’è un certo incremento della domanda. Metti in offerta un prodotto con molti sconti, le vendite di solito aumenteranno. Ma l’effetto di secondo ordine è che crei un’aspettativa nella tua clientela di acquistare effettivamente i prodotti a sconto.

Quindi, di nuovo, il nazionalismo o lo scientismo è una sorta di metodo in cui ti concentri principalmente sugli effetti di primo ordine, in cui prendi scorciatoie, semplifichi la situazione, e così finisci con qualcosa in cui è facile effettuare misurazioni, produrre metriche, eseguire benchmark e testare ipotesi. Ma il fatto che sia facile non significa che sia rilevante. Non è perché qualcosa è facile che sia davvero buono per la tua attività.

Kieran Chandler: Come può l’oversimplification di questo tipo avere un impatto sui professionisti della supply chain? Qual è il risultato? Ho una domanda sui modelli matematici e sulla modernizzazione quantitativa. Quanto è importante il giudizio umano in questo processo, specialmente quando si considerano sistemi complessi?

Joannes Vermorel: Il giudizio umano è cruciale. È necessaria un’intelligenza umana di alto livello per valutare se un modello sia il modo giusto per affrontare un problema. Questo fa parte della scienza, ma non si tratta solo di misurazioni semplici e del test delle ipotesi. È richiesto un giudizio di alto livello per assicurarsi che il modello sia in linea con la realtà.

Quando affronti un determinato ambito, hai bisogno della giusta prospettiva. Per esempio, quando cerchi di risolvere problemi della supply chain, serve una prospettiva che abbia senso per grandi gruppi di persone e società. Questo non può essere dimostrato in modo scientifico, ma piuttosto attraverso una difficile discussione tra persone di buona fede che cercano di avvicinarsi alla verità. Non si tratta di avere una misurazione ingenua per dimostrare che qualcuno ha ragione o torto, ma c’è una maggiore sottigliezza in gioco.

Kieran Chandler: I professionisti della supply chain hanno notato le lacune di questi modelli?

Joannes Vermorel: I professionisti della supply chain sono infatti altamente istruiti e interessati al loro campo. Il problema dei modelli scientifici e razionali non è che ricadano su persone poco istruite, ma piuttosto che si manifestano tra individui altamente istruiti. Qualcuno con un background educativo limitato potrebbe non essere impressionato da formule o protocolli e sarebbe scettico nei confronti di cose complicate che non comprende. Al contrario, le persone altamente istruite sono più propense ad affrontare questi problemi perché hanno assistito all’efficacia di certi modelli scientifici, come le leggi della termodinamica.

Il problema sorge quando le persone cercano di applicare lo stesso approccio alle supply chain, aspettandosi lo stesso livello di potenza predittiva che in altri domini scientifici. Tuttavia, gli esseri umani non sono particelle: pensano e reagiscono in modo diverso. Ad esempio, i clienti si adatteranno agli sconti e anticiperanno azioni future, sfruttando il sistema. Questo accade ripetutamente nella gestione della supply chain.

Kieran Chandler: Il problema che vedo in questo è che gli esseri umani sono intrinsecamente avversi al rischio. Se c’è una prova a sostegno delle loro affermazioni e previsioni, la utilizzeranno. Allora, cosa pensi del ruolo della scienza in questo contesto? Esiste davvero un’alternativa all’uso dei dati nell’ottimizzazione della supply chain?

Joannes Vermorel: In apparenza, tendo a essere d’accordo sul fatto che è meglio supportare le proprie affermazioni con dati. Tuttavia, bisogna stare molto attenti, soprattutto quando si affrontano problemi complessi e ad alta dimensionalità che coinvolgono molteplici variabili e agenti come esseri umani o aziende che possono reagire a qualunque cosa tu faccia. Questi problemi possono diventare davvero insidiosi. Ovviamente, desideri supportare il tuo punto di vista con quanti più dati possibili, ma c’è una differenza tra il vero razionalismo e il razionalismo ingenuo. È comunque necessario disporre di un giudizio di alto livello che supervisioni tutti i tuoi calcoli e modelli per assicurarsi che ci sia una prospettiva adatta per l’analisi e che non vi siano angoli estremamente deboli che annullerebbero tutto ciò che hai appena fatto.

Kieran Chandler: Parliamo di quel giudizio di alto livello. Alcuni potrebbero sostenere che ciò che facciamo in Lokad comporta una buona dose di razionalismo ingenuo, e molti dei nostri clienti non comprendono appieno tutta la “black magic” che i nostri supply chain scientists utilizzano. Come fai a garantire che i nostri clienti capiscano cosa sta succedendo?

Joannes Vermorel: Quello che mi interessa veramente è la comprensione a livello elevato, piuttosto che le tecnicalità. Le tecnicalità sono per lo più irrilevanti. Per esempio, so che quando uso una funzione specifica, il calcolo che ottengo è un’approssimazione che può avere un margine d’errore di una parte per milione, ma quando mi occupo di una supply chain dove l’incertezza è intorno al 40%, questo livello di approssimazione è irrilevante. Per i nostri clienti che usano Lokad, le cose che non comprendono sono spesso molto tecniche ma in gran parte irrilevanti. È molto più importante assicurarsi che Lokad faccia le cose giuste per quanto riguarda fattori come i lead time e il considerare eventi come il Capodanno cinese, che aggiunge quattro settimane di lead time ogni anno.

Kieran Chandler: Settimane di lead time extra si rifletteranno direttamente nei tuoi lead time. Non è sottile, ed è proprio il genere di cosa in cui questo giudizio di alto livello ti consente di decidere che, no, devo tenerne conto. Posso letteralmente, attraverso un’osservazione ingenua, giudicare se ci stai davvero pensando. Non ti serve un microscopio; l’effetto è forte. Potenzialmente, sai, tra un secolo, avremo perfezionato i metodi così completamente che le persone inizieranno ad analizzare l’effetto che ha, diciamo, metà del loro tempo terreno in una specifica configurazione e potranno essere veramente scientifici al riguardo. Ma in questo momento, stiamo ancora grattando la superficie, e ottenere un sistema approssimativamente corretto è un miglioramento fantastico rispetto a ciò che avevamo prima. Quindi, se iniziamo a mettere insieme le cose oggi, qual è la lezione chiave che dovremmo apprendere? È positivo avere questi approcci scientifici, ma devono essere combinati con molto buon senso.

Joannes Vermorel: Beh, sì. Voglio dire, innanzitutto, sii molto scettico riguardo ad avere un’organizzazione razionale in cui potresti dire, “Oh, abbiamo un forecasting team, un planning team e un purchasing team.” Tutti loro hanno le loro formule e stanno ottimizzando metriche semplici. Sembra perfettamente definito, razionale e orientato al cliente o qualcosa del genere. Ma quando mi trovo di fronte a questo tipo di situazione, la mia osservazione immediata è che questo sistema non è razionale. Mostra solo gli attributi della razionalità e della scienza. È semplicemente qualcosa che appare molto scientifico, ma non lo è affatto.

Un’altra lezione sarebbe quella di non sottovalutare il fatto che ingegneri altamente dedicati possono essere comunque incredibilmente ignari della realtà. Quando dico ingegneri altamente dedicati, mi includo in questa categoria. Ho iniziato Lokad subito dopo l’università, molto orgoglioso del mio background matematico e entusiasmato dall’idea di applicare tutte quelle splendide statistiche ad alta dimensionalità a situazioni reali. Si è rivelato che non funzionava in modo eccellente. In effetti, ha sistematicamente fallito in modi apparentemente incredibilmente sorprendenti. Ripensandoci, è stata la conseguenza ovvia del razionalismo ingenuo in azione.

Quindi, il mio suggerimento per concludere è che hai bisogno di intuizioni da esperti in quello che stai facendo, e devi avere quel buon senso di, “Okay, ha senso approssimativamente?” Se no, non importa quanti buzzword e parole chiave lanci contro il problema, otterrai solo assurdità su scala industriale.

Kieran Chandler: Non avrei mai pensato che ti saremmo sentiti dire che la scienza e la matematica a volte non sono tutto ciò di cui si ha bisogno.

Joannes Vermorel: È vero.

Kieran Chandler: Va bene, questo è tutto per questa settimana. Grazie mille per averci seguito, e ci vediamo la prossima volta. Grazie per aver guardato.