Pseudo-Scienza nelle Supply Chain

00:00:07 Scientismo e la sua diffusione nelle supply chain.
00:00:34 Spiegazione del scientismo e delle sue conseguenze in vari settori.
00:02:16 Esempi concreti di eccessiva fiducia nei risultati scientifici e scorciatoie.
00:04:07 La previsione della domanda nella supply chain come esempio di scientismo.
00:06:50 Alternative al scientismo nella gestione della supply chain e considerazione dei sistemi complessi.
00:08:01 Semplificazione e il suo impatto sui professionisti della supply chain.
00:09:45 Affrontare il problema del razionalismo ingenuo nella gestione della supply chain.
00:12:38 L’importanza del giudizio umano nelle supply chain e i limiti dei modelli quantitativi.
00:14:48 Bilanciare le intuizioni supportate dai dati con il giudizio di alto livello nella presa di decisioni.
00:15:38 Assicurare la comprensione del cliente e evitare il razionalismo ingenuo presso Lokad.
00:17:06 La necessità di considerare fattori significativi come il Capodanno cinese nella pianificazione della 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 Gli ingegneri altamente istruiti possono essere ignoranti riguardo alle applicazioni reali.
00:21:02 Necessità di intuizioni esperte, buon senso e di evitare il non senso su scala industriale.

Riassunto

Il fondatore di Lokad, Joannes Vermorel, discute del concetto di scientismo nell’ottimizzazione delle supply chain in un’intervista con Kieran Chandler. Il scientismo è definito come una eccessiva fiducia nella scienza, assumendo che tutti i problemi possano essere risolti attraverso un approccio scientifico. Vermorel mette in guardia contro un’eccessiva enfasi sugli approcci algoritmici alla previsione della domanda, poiché questi modelli possono essere eccessivamente semplicistici e portare a profezie che si autoavverano. Egli sottolinea l’importanza del giudizio umano di alto livello nella gestione della supply chain, 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 di soluzioni di ottimizzazione della supply chain.

Riassunto Esteso

In questa intervista, l’ospite Kieran Chandler e Joannes Vermorel, il fondatore di Lokad, discutono del concetto di scientismo e di come influisca sull’ottimizzazione delle 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 della supply chain, questo termine è sinonimo di razionalismo ingenuo, suggerendo che una singola ricetta, algoritmo o tecnologia possa risolvere tutti i problemi della supply chain.

Vermorel fa notare che le grandi organizzazioni spesso imitano il metodo scientifico nella loro gestione della supply chain, concentrandosi su numeri, formule e assumendo persone con dottorati di ricerca. Tuttavia, queste caratteristiche da sole non rendono necessariamente il loro approccio scientifico. Egli paragona questo fenomeno a una facciata, creando un’illusione di rigore scientifico senza aderire veramente al metodo scientifico.

Come esempio di scientismo che ha avuto conseguenze negative, Vermorel discute la controversia che riguarda i valori p nelle scienze sociali. I valori p vengono utilizzati per misurare la fiducia in un’ipotesi, ma quando vengono testate milioni di ipotesi, alcune mostreranno inevitabilmente risultati significativi a causa del caso. Questo problema illustra come la eccessiva fiducia in risultati apparentemente scientifici possa portare a conclusioni fuorvianti.

Applicando questo concetto alla gestione della supply chain, Vermorel individua la previsione della domanda come un’area in cui lo scientismo può essere problematico. Ci sono numerosi libri e modelli sulla previsione della domanda, che possono dare l’impressione di un approccio razionale ben consolidato. Tuttavia, quando si esaminano più da vicino questi modelli, la loro razionalità diventa discutibile.

Discutono dei limiti di determinati approcci algoritmici alla previsione della domanda e della necessità di un giudizio umano di alto livello nella gestione della supply chain.

Vermorel spiega che molti algoritmi di previsione possono essere eccessivamente semplicistici e possono portare a profezie che si autoavverano. Ad esempio, se una previsione prevede una domanda zero per un prodotto, il prodotto potrebbe non essere messo in stock e quindi non si verificheranno vendite, rafforzando la previsione iniziale. Menziona anche che per i marchi di moda, il numero di unità prodotte è spesso uguale al numero di unità vendute, a causa di forti sconti sugli articoli invenduti. Questi esempi illustrano il problema delle profezie che si autoavverano nei modelli di previsione ingenui.

Per superare i limiti di questi modelli, Vermorel suggerisce che i professionisti della supply chain dovrebbero riconoscere la complessità dei sistemi con cui lavorano e delle persone coinvolte. Dovrebbero anche considerare gli effetti di secondo ordine, come ad esempio come l’offerta di sconti può creare aspettative dei clienti di futuri sconti. Sostiene che i metodi scientifici che si concentrano sugli effetti di primo ordine e sulle semplificazioni possono essere facili da misurare e confrontare, ma non sono necessariamente rilevanti per il business.

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

Sottolinea che i professionisti della supply chain sono generalmente consapevoli di questi problemi, ma l’attrattiva dello 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 potrebbero sperare di ottenere la stessa capacità predittiva nella gestione della supply chain. Tuttavia, Vermorel avverte che gli esseri umani non sono particelle e il loro comportamento è più complesso, richiedendo un approccio più sfumato alla gestione della supply chain.

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

Affrontano la tendenza umana ad essere avversi al rischio, l’importanza di supportare le previsioni con dati e il ruolo del giudizio di alto livello nell’ottimizzazione della supply chain.

Vermorel riconosce che le persone sono naturalmente avverse al rischio e spesso si affidano ai dati per supportare le loro affermazioni e previsioni. Concorda sul fatto che è essenziale utilizzare i dati per supportare le proprie intuizioni, ma avverte che bisogna fare attenzione quando si tratta di statistiche, specialmente quando sono coinvolti molteplici variabili in problemi altamente complessi e ad alta dimensionalità.

Vermorel sottolinea l’importanza del giudizio di alto livello nella supervisione dei calcoli e dei modelli utilizzati nell’ottimizzazione della supply chain, sostenendo che è fondamentale assicurarsi che ci sia una prospettiva adeguata al centro dell’analisi. Crede che il vero razionalismo coinvolga questo giudizio di alto livello per evitare potenziali insidie nell’analisi che potrebbero derivare dall’ignorare aspetti importanti.

La conversazione passa poi al concetto di razionalismo ingenuo, con Chandler che fa notare che l’approccio di Lokad potrebbe avere alcuni elementi di esso. Menziona che molti dei loro clienti potrebbero non capire appieno la “magia nera” dietro le tecniche di ottimizzazione della supply chain dell’azienda. Vermorel risponde dicendo che non sono tanto le tecniche che sono importanti, ma piuttosto la comprensione di alto livello dei processi della supply chain.

Secondo Vermorel, molte delle tecniche che i clienti non capiscono sono spesso insignificanti nel quadro generale delle cose. Sostiene che è più importante per Lokad concentrarsi sugli aspetti più ampi della supply chain, come tenere conto di eventi come il Capodanno cinese, che possono avere un impatto significativo sui tempi di consegna.

Vermorel inizia ammettendo che il campo dell’ottimizzazione della supply chain è ancora molto giovane. Sebbene ci siano stati miglioramenti significativi rispetto ai metodi precedenti, l’industria ha appena graffiato la superficie. Sottolinea l’importanza di combinare approcci scientifici con il buon senso al fine di ottenere i migliori risultati.

Poi mette in guardia contro la credenza in un’organizzazione perfettamente razionale e ben definita, composta da team separati per la previsione, la pianificazione e l’acquisto, ognuno ottimizzando metriche specifiche. Vermorel sostiene che tali sistemi potrebbero sembrare razionali e scientifici, ma spesso non sono altro che un’illusione. 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 ovvie del razionalismo ingenuo. Consiglia ai clienti di fare affidamento su intuizioni esperte e buon senso nell’implementazione di soluzioni di ottimizzazione della supply chain. Non importa quanti slogan o gergo tecnico vengano utilizzati per affrontare un problema, senza una comprensione solida e un approccio pratico, il risultato sarà nient’altro che un nonsense su scala industriale.

Trascrizione completa

Kieran Chandler: Oggi su Lokad TV, cercheremo di capire perché è così facile cadere in questa trappola e discuteremo se qualcosa che sembra intelligente in superficie lo sia davvero nella realtà. Quindi Joannes, oggi stiamo parlando di scientismo. Sembra un po’ teorico, ma cos’è esattamente?

Joannes Vermorel: Il scientismo è, direi, una credenza estrema nella scienza. È l’idea che si possano risolvere letteralmente tutti i problemi della vita e della società con un approccio scientifico, che suona bene ma in realtà è un po’ ingenuo. Nel caso specifico della supply chain, sarebbe un 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, soprattutto nella supply chain, le grandi organizzazioni tendono a imitare i metodi scientifici. Fanno cose che condividono gli attributi della scienza, come coinvolgere molti numeri, formule, persone con dottorati di ricerca, metriche, misurazioni e qualche tipo di processo. Ma a volte, o in realtà molto spesso, non hai nulla che, ai miei occhi, possa essere considerato scientifico. Hai gli attributi, ma è come una facciata, un’illusione.

Kieran Chandler: Prima di passare al lato della supply chain, hai qualche esempio concreto di come le persone si siano affidate eccessivamente ai risultati scientifici e si siano lasciate un po’ trascinare? Dove abbiamo visto shortcut essere presi?

Joannes Vermorel: Oggi c’è una grande controversia nelle scienze sociali perché la maggior parte degli articoli pubblicati negli ultimi cinque decenni nelle scienze sociali semplicemente non si riproducono, il che è un problema enorme. Una delle cause principali sono i valori p, un modo per stabilire quanto fiducia si può avere in un’ipotesi. Ad esempio, diciamo che ipotizzo che mangiare fragole faccia bene alla salute. Faccio una misurazione e convalido questa ipotesi. Il problema è che se testi migliaia o milioni di ipotesi, genererai tonnellate di ipotesi che mostrano bei valori p, cose che sembrano molto sicure. Ma il problema è che hai testato così tante ipotesi che secondo i dati limitati, alcune di esse si rivelano vere quasi completamente per pura casualità. Nella supply chain, ci sono molte somiglianze in cui i metodi hanno l’aspetto di qualcosa di molto razionale, ma quando gratti sotto la superficie, è profondamente irrazionale.

Kieran Chandler: Analizziamo degli esempi nella supply chain. Quali sono quelle cose che sembrano facili in superficie ma che, una volta approfondite, non lo sono affatto e sono molto meno razionali?

Joannes Vermorel: Probabilmente la previsione della domanda. Esistono interi libri scritti su come si possono costruire modelli di previsione della domanda. Abbiamo un’intera letteratura su questo, dai vecchi modelli vintage di smoothing esponenziale, Holt-Winters e così via. Potresti pensare che la previsione statistica della domanda sia qualcosa di molto consolidato. Hai una previsione, puoi fare un benchmark, puoi fare backtesting. Il testing sembra l’archetipo di qualcosa di super scientifico, e il mio punto è che spesso non lo è. Non è scientifico affatto. È molto ingenuo, in realtà. Uno degli errori che ho commesso una decina di anni fa con Lokad è stato pensare che questo tipo di approccio algoritmico alla previsione della domanda funzionasse effettivamente. Non lo è, per molte ragioni. Uno dei motivi è che si finisce con un effetto auto-profezia. Sai, se prevedi che non avrai alcuna domanda per un prodotto in un negozio, allora forse non metterai nemmeno il prodotto in negozio, e quindi finirai con le profezie che si auto-avverano. Se prevedi una domanda pari a zero, allora non metti in magazzino nulla, e quindi non vendi nulla, e quindi la tua previsione è corretta al 100%. E allora suppongo che tu abbia più fiducia nella previsione. È statisticamente provato, eppure se ci pensi, è abbastanza stupido dal punto di vista aziendale, ed è effettivamente stupido. 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 quante unità sono state prodotte in primo luogo. Se produci 1.000 magliette, indovina un po’, venderai 1.000 magliette, meno il restringimento. Ma come mai? Beh, deriva dal fatto che se non vendi tutte quelle 1.000 magliette, sconterai pesantemente i tuoi prodotti, li metterai in vendita e alla fine verranno venduti. Quindi, hai questa ingenua profezia che si auto-avvera, dove qualsiasi cosa tu produca è fondamentalmente ciò che finisci per vendere, non importa cosa.

Kieran Chandler: Quindi qual è l’alternativa? Perché sembra che tu abbia un metodo, il metodo funziona più o meno, si avvicina al risultato giusto.

Joannes Vermorel: L’alternativa è prima di tutto riconoscere che la situazione è complessa, che ci sono persone coinvolte, che hai un sistema complesso con loop di feedback ovunque, che hai effetti di secondo ordine. Gli effetti di secondo ordine sono, ad esempio, quando fai uno sconto a un cliente. Cosa crei? Ovviamente, questo sconto ti costa. Sono euro o dollari di margine che non ottieni. Questo è l’effetto di primo ordine dello sconto. Un’altra parte dell’effetto di primo ordine è che probabilmente hai una sorta di aumento della domanda. Metti un prodotto in vendita con molti sconti, di solito le vendite aumentano. Ma l’effetto di secondo ordine è che crei un’aspettativa nella tua base di clienti di acquistare effettivamente prodotti a sconto.

Quindi, ancora una volta, 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 quindi finisci con qualcosa in cui è facile fare misurazioni, produrre metriche ed effettuare test e ipotesi. Ma il fatto che sia facile non significa che sia rilevante. Non è perché qualcosa è facile che è effettivamente buono per la tua attività.

Kieran Chandler: Quindi come può l’eccessiva semplificazione di questo tipo influire 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, soprattutto 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 è il modo giusto per affrontare un problema. Questo fa parte della scienza, ma non è solo una questione di semplice misurazione e test di ipotesi. Richiede un giudizio di alto livello per garantire che il modello sia allineato alla realtà.

Quando si affronta un certo ambito, è necessaria la giusta prospettiva. Ad esempio, quando si cercano di affrontare le problematiche della supply chain, è necessaria una prospettiva che abbia senso per grandi gruppi di persone e società. Questo non può essere dimostrato in modo scientifico, ma piuttosto attraverso una discussione difficile 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 più sottigliezza coinvolta.

Kieran Chandler: Gli specialisti della supply chain hanno notato le carenze di questi modelli?

Joannes Vermorel: Gli specialisti della supply chain sono effettivamente altamente istruiti e interessati al loro settore. Il problema con i modelli scientifici e razionali non è che si verifichino tra persone non istruite, ma piuttosto che si verifichino tra individui altamente istruiti. Una persona con una formazione limitata potrebbe non essere impressionata da formule o protocolli e sarebbe scettica nei confronti di cose complicate che non capisce. Al contrario, le persone altamente istruite sono più inclini ad affrontare questi problemi perché hanno constatato l’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 potere predittivo di altri ambiti scientifici. Tuttavia, gli esseri umani non sono particelle, pensano e reagiscono in modo diverso. Ad esempio, i clienti si adatteranno agli sconti e anticiperanno le azioni future, giocando efficacemente con il sistema. Questo accade ripetutamente nella gestione della supply chain.

Kieran Chandler: Il problema che ho con questo è che gli esseri umani sono naturalmente avversi al rischio. Se ci sono prove a supporto delle loro affermazioni e previsioni, le utilizzeranno. Quindi, cosa pensi del ruolo della scienza in questo contesto? C’è davvero un’alternativa all’utilizzo dei dati nell’ottimizzazione della supply chain?

Joannes Vermorel: Sulla superficie, tendo ad essere d’accordo con il sentimento che sia meglio supportare le proprie affermazioni con dati. Tuttavia, devi essere molto attento, specialmente quando si tratta di problemi complessi e ad alta dimensionalità che coinvolgono molte variabili e agenti come esseri umani o aziende che possono reagire a qualsiasi cosa tu faccia. Questi problemi possono diventare molto complessi. Certo, vuoi supportare la tua intuizione con il maggior numero possibile di dati, ma c’è una differenza tra razionalismo vero e razionalismo ingenuo. Devi comunque avere un giudizio di alto livello che supervisioni tutti i tuoi calcoli e modelli per assicurarti che ci sia una prospettiva adatta per l’analisi e che non ci 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 capiscono completamente tutta la “magia nera” che utilizzano i nostri scienziati della supply chain. Come ti assicuri che i nostri clienti capiscano cosa sta succedendo?

Joannes Vermorel: Quello che mi interessa davvero è la comprensione di alto livello, piuttosto che le tecniche. Le tecniche sono per lo più irrilevanti. Ad esempio, so che quando uso una funzione specifica, il calcolo che ottengo è un’approssimazione che può essere errata di una parte su un milione, ma quando si tratta di una supply chain in cui l’incertezza è intorno al 40%, questo livello di approssimazione è irrilevante. Per i nostri clienti che utilizzano Lokad, le cose che non capiscono sono spesso molto tecniche ma in gran parte irrilevanti. È molto più importante assicurarsi che Lokad faccia le cose nel modo giusto quando si tratta di fattori come i tempi di consegna e tenere conto di eventi come il Capodanno cinese, che aggiunge quattro settimane di tempi di consegna ogni anno.

Kieran Chandler: Settimane di tempi di consegna extra saranno direttamente nei tuoi tempi di consegna. Non è sottile, ed è il tipo di cosa in cui questo giudizio di alto livello ti permette di decidere che, no, devo tenerne conto. Posso letteralmente, attraverso un’osservazione ingenua, giudicare se stai anche tenendo conto di questo. Non hai bisogno di un microscopio; l’effetto è forte. Potenzialmente, sai, un secolo da ora, avremo perfezionato i metodi così tanto che le persone inizieranno ad analizzare l’effetto che ha come metà del loro tempo terreno in una specifica configurazione e potranno essere davvero scientifiche al riguardo. Ma adesso, siamo ancora molto lontani dall’aver solo graffiato la superficie, e ottenere il sistema approssimativamente corretto è un miglioramento fantastico rispetto a quello che avevamo prima. Quindi, se iniziamo a tirare le somme oggi, qual è la lezione chiave che dovremmo trarre? È bello avere questi approcci scientifici, ma devono essere combinati con molto buon senso.

Joannes Vermorel: Beh, sì. Voglio dire, innanzitutto, essere molto scettici riguardo all’idea di avere un’organizzazione razionale in cui si potrebbe dire: “Oh, abbiamo un team di previsione, un team di pianificazione e un team di acquisti.” Tutti loro hanno le loro formule e stanno ottimizzando metriche semplici. Sembra perfettamente ben definito, razionale e orientato al cliente o qualsiasi altra cosa. 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 solo qualcosa che sembra molto scientifico, ma non lo è affatto.

Un’altra lezione sarebbe quella di non sottovalutare il fatto che ingegneri altamente dedicati possono ancora essere incredibilmente ignoranti del mondo reale. Quando dico ingegneri altamente dedicati, mi includo in questa categoria. Ho iniziato Lokad subito dopo l’università, molto orgoglioso del mio background matematico e entusiasta all’idea di applicare tutte quelle bellissime statistiche ad alta dimensionalità a situazioni reali. Si è scoperto che non funzionava magnificamente. In effetti, esplodeva sistematicamente in modi apparentemente impossibili e sorprendenti. Guardando indietro, era la conseguenza ovvia del razionalismo ingenuo in gioco.

Quindi, il mio suggerimento per concludere è che hai bisogno di intuizioni esperte in ciò che stai facendo e devi avere questo buon senso del tipo: “Okay, ha un senso approssimativo?” Se no, non importa quanti slogan e parole chiave lanci al problema, ciò che otterrai è un non senso su scala industriale.

Kieran Chandler: Non avrei mai pensato di sentirti dire che la scienza e la matematica a volte non sono tutto ciò di cui hai bisogno.

Joannes Vermorel: È vero.

Kieran Chandler: Okay, questo è tutto per questa settimana. Grazie mille per averci seguito e ci vediamo la prossima volta. Grazie per la visione.