00:00:05 Il ruolo e le responsabilità di un supply chain scientist.
00:00:31 Il background di Maximilian e come si è unito all’azienda.
00:02:03 La ragione per cui l’azienda ha implementato il ruolo di supply chain scientist.
00:04:14 I tre componenti del ruolo di un supply chain scientist.
00:07:35 La priorità di un supply chain scientist al mattino.
00:08:02 Bilanciare la comunicazione con i clienti e il lavoro di implementazione.
00:08:44 La difficoltà dell’approccio classico di avere ruoli separati per la comunicazione e l’implementazione.
00:11:02 Il vantaggio di essere l’unico punto di contatto per i clienti e di avere un ruolo di implementazione diretto.
00:12:54 La sfida di essere responsabili per molteplici ruoli e stakeholder.
00:14:25 La difficoltà di trasformare i data scientist in supply chain scientist.
00:16:00 Discussione sui progressi degli studenti di PhD nei percorsi di ingegneria del software e data science.
00:17:07 Ciò che è gratificante nel ruolo di un supply chain scientist.
00:18:16 Spiegazione della diversità del team di Loca e del perché non fosse intenzionale.
00:22:48 Il consiglio di Max per chi considera una carriera nell’industria supply chain.
00:23:00 Il consiglio di Joannes per gli aspiranti supply chain scientists.
Sommario
In questa intervista, Kieran Chandler discute il ruolo dei supply chain scientists in Lokad insieme al fondatore Joannes Vermorel e al Supply Chain Scientist Maximilian Barth. Vermorel spiega che i data scientist tradizionali non erano sufficienti, il che ha portato alla creazione del ruolo di supply chain scientist. Barth racconta come i supply chain scientists si concentrino sugli aspetti tecnici, relazionali e di gestione del progetto. L’approccio unico di Lokad prevede che i supply chain scientists interagiscano direttamente con i clienti, eliminando i middle manager. Vermorel e Barth sottolineano l’importanza del problem-solving pratico, dell’esperienza diretta e della mente aperta per avere successo nell’supply chain industry. Evidenziano inoltre il valore di una forza lavoro diversificata, dando priorità alle competenze e alle capacità piuttosto che alla nazionalità o al genere.
Sommario Esteso
In questa intervista, Kieran Chandler, l’ospite, discute il ruolo e l’importanza dei supply chain scientists in Lokad, un’azienda software specializzata nell’ottimizzazione supply chain. È accompagnato da Joannes Vermorel, il fondatore di Lokad, e da Maximilian Barth, un Supply Chain Scientist in Lokad.
Maximilian Barth inizia condividendo il suo background e come è arrivato a unirsi a Lokad. Menziona di essere tedesco e di aver vissuto in vari paesi, inclusi gli Stati Uniti, la Finlandia e l’Australia, prima di trasferirsi in Francia. Come la maggior parte dei supply chain scientists in Lokad, ha un background STEM, ma la sua competenza è in finanza. Barth sottolinea le somiglianze tra finanza e supply chain management, in quanto entrambi mirano a ottimizzare il rendimento massimo minimizzando l’esposizione al rischio.
Joannes Vermorel spiega il motivo per cui è stato implementato il ruolo di supply chain scientist in Lokad. Inizialmente, l’azienda ha provato a lavorare con data scientist tradizionali, ma si è rivelato inefficace. Vermorel si include nella prima ondata di data scientist inadeguati, poiché all’epoca lavorava su biologia computazionale e machine learning distribuito. Tuttavia, si rese presto conto che concentrarsi sui dettagli minuti di una supply chain era fondamentale per ottenere risultati pratici.
Vermorel sottolinea l’importanza dell’impegno nel supply chain management. Confronta l’approccio di utilizzare tecnologie sofisticate con quello di concentrarsi su risultati realmente pratici. Il secondo implica prestare molta attenzione al rischio finanziario e alla performance, dedicando tempo a comprendere i rischi e come si manifestano nel sistema. D’altro canto, il primo approccio può comportare il tempo speso per perfezionare algoritmi, che potrebbe non avere un impatto significativo sulla supply chain performance.
Durante l’intervista, la discussione mette in luce l’importanza dei supply chain scientists in Lokad, il valore della loro competenza specializzata e la necessità di concentrarsi su risultati pratici per ottimizzare supply chains in modo efficace.
Hanno discusso dei ruoli e delle sfide affrontate dai supply chain scientists con Joannes Vermorel, il fondatore di Lokad, e Maximilian Barth, un Supply Chain Scientist in Lokad. La conversazione affronta gli aspetti multifaccettati del ruolo di un supply chain scientist, bilanciando il tempo tra programmazione, comunicazione con i clienti e gestione delle questioni urgenti, oltre all’importanza di evitare una mentalità a “zero difetti”.
Il ruolo di un supply chain scientist, come spiegato da Barth, comprende un aspetto tecnico (programmazione e comprensione delle esigenze dei clienti), un aspetto relazionale (comunicare con i clienti e identificare le domande giuste a cui rispondere) e un aspetto di project management (prioritizzare le attività e far avanzare i progetti). Vermorel sottolinea che il contesto è importante, poiché questioni urgenti come una pandemia o un problema ERP possono richiedere un’attenzione immediata. I supply chain scientists devono costantemente riprioritizzare le attività basandosi sul loro potenziale impatto in euro o dollari.
Barth approfondisce l’importanza di bilanciare il tempo tra implementazione e comunicazione con i clienti. In generale, il rapporto è circa 20% comunicazione e 80% esecuzione. Sottolinea che è fondamentale trovare il giusto equilibrio tra riunioni e lavoro per garantire che gli interessi dei clienti siano soddisfatti e che le loro aspettative siano allineate con il lavoro svolto.
Vermorel riflette sulle sfide dell’approccio classico in cui una persona è responsabile della comunicazione con i clienti e un’altra dell’aspetto tecnico. Questo metodo porta spesso a una perdita di informazioni poiché i messaggi si perdono tra le parti. Di conseguenza, Lokad ha adottato un approccio più integrato in cui i supply chain scientists gestiscono sia l’aspetto tecnico che quello comunicativo, favorendo una migliore comprensione delle esigenze dei clienti e promuovendo soluzioni efficaci.
Vermorel condivide le sue prime esperienze in azienda, dove ha ricoperto diversi ruoli, dalla vendita al ruolo di data e supply chain scientist. Ha capito che il metodo convenzionale di dividere il lavoro tra ruoli differenti era inefficiente e non sarebbe scalabile.
Vermorel evidenzia l’approccio unico adottato in Lokad, dove i supply chain scientists come Maximilian Barth gestiscono direttamente i clienti, eliminando la necessità di middle manager o ingegneri del software. Questo approccio richiede strumenti dedicati per ridurre il tempo speso in questioni tecniche. Barth identifica la sfida principale del suo ruolo come la gestione di molteplici stakeholder, assumendosi al contempo diverse responsabilità. Sottolinea il vantaggio di essere l’unico punto di contatto, che minimizza la perdita di informazioni durante il processo.
Quando gli viene chiesto di passare da data scientist a supply chain scientist, Vermorel spiega che in realtà è più difficile per i data scientist rispetto a chi ha un background numerico più generale. Sostiene che i supply chain scientists devono avere una propensione per le questioni quantitative, ma il loro obiettivo dovrebbe essere quello di risolvere problemi ingegneristici tangibili e concreti. I data scientist potrebbero trovare difficile spostare la loro attenzione dagli algoritmi alle soluzioni pratiche, anche se queste soluzioni sono relativamente semplici.
Vermorel conclude che, sebbene Lokad impieghi dei PhD, l’attenzione principale dell’azienda è fornire numerical recipes efficaci per aiutare i clienti a prendere decisioni ad alto livello, guidate dai dati, sulle loro operazioni supply chain. La discussione ruota attorno ai loro ruoli, alla forza lavoro diversificata dell’azienda e ai consigli per gli aspiranti supply chain scientists.
Joannes spiega che Lokad assume persone per ruoli di ingegneria del software e di risoluzione dei problemi supply chain. I data scientist lavorano spesso su progetti a lungo termine, mentre i supply chain scientists come Maximilian si concentrano sulla risoluzione di problemi pratici in tempi più brevi. Maximilian trova gratificante la diversità dei problemi e la capacità di risolverli per i clienti. Menziona come le soluzioni di Lokad automatizzino spesso processi manuali, liberando tempo per i clienti e fornendo informazioni preziose.
Quando viene chiesto della diversità del team di Lokad, Joannes chiarisce che non era stata una scelta deliberata quella di creare un team multiculturale. Invece, la politica di assunzione dell’azienda si basa sulle competenze, senza escludere persone in base alla nazionalità, lingua o genere. Sottolinea che danno priorità a candidati intelligenti e orientati ai risultati, il che porta naturalmente a una forza lavoro diversificata.
Maximilian consiglia a chi considera una carriera nel supply chain di imparare a fare le domande giuste e a vedere le cose da più prospettive, poiché i progetti di solito coinvolgono diversi stakeholder. Il pensiero olistico e la comprensione delle esigenze di tutte le parti coinvolte sono competenze essenziali in questo campo.
Joannes raccomanda agli aspiranti supply chain scientists di acquisire esperienza nel mondo reale, piuttosto che concentrarsi esclusivamente su algoritmi matematici o competizioni come Kaggle. Sottolinea l’importanza di comprendere le sfide contenute nei dati reali, di interagire con i vari stakeholder e di fornire soluzioni pratiche che possano funzionare senza supervisione costante. In sintesi, entrambi gli ospiti evidenziano l’importanza dell’esperienza pratica, del problem-solving concreto e dell’apertura mentale per avere successo nell’industria supply chain.
Trascrizione Completa
Kieran Chandler: In passato, su questo canale, abbiamo discusso dell’importanza di un specialista supply chain rispetto a qualcuno con capacità di data science più classiche. Qui in Lokad, questo ruolo è conosciuto come il supply chain scientist, e oggi abbiamo la fortuna di essere affiancati da uno dei nostri, Maximilian Barth, il quale ci racconterà un po’ del suo ruolo quotidiano e delle sue responsabilità. Quindi, Max, grazie mille per essere con noi oggi, e forse, come sempre, potresti iniziare raccontandoci un po’ del tuo background e di come sei arrivato a unirti a Lokad.
Maximilian Barth: Certo. Come probabilmente puoi intuire dal mio cognome, non sono francese, a differenza di molti dei miei colleghi nella community dei supply chain scientists. Sono un espatriato che lavora in Francia; sono tedesco. Ma, come tutti gli altri, ho vissuto in diversi paesi. Sono cresciuto negli Stati Uniti, ho vissuto per un po’ in Finlandia, in Australia, e ora sono qui in Francia. Come tutti coloro che sono supply chain scientist in Lokad, ho un background STEM—scienza, tecnologia, ingegneria e matematica. Ciò che forse mi distingue un po’ è il mio background in finanza. Non ho una formazione ingegneristica classica o simili. Tuttavia, penso davvero che la finanza si sposi bene con il lavoro nel supply chain, poiché i due sono molto simili. In finanza, generalmente ottimizzi i tuoi portafogli per ottenere rendimenti massimi, minimizzando il rischio che potresti affrontare dai mercati. È molto simile nella supply chain science. Cerchiamo di ottimizzare l’inventario dei nostri clienti per ottenere il massimo rendimento con la minima esposizione a rischio e variazioni della domanda.
Kieran Chandler: Brillante. E oggi, Joannes, parliamo di una giornata nella vita di un supply chain scientist. So che ne abbiamo parlato prima, ma forse vale la pena rivedere perché hai implementato quella capacità di supply chain scientist in Lokad.
Joannes Vermorel: Come al solito, non è stato un lampo di genio. Abbiamo provato ad avere data scientist nel modo tradizionale, e il risultato è stato disastroso. A proposito, mi includo nella prima ondata di data scientist inadeguati. Lokad è stata fondata quando stavo lasciando il mio dottorato, che era in biologia computazionale. All’epoca, quella terminologia non era esattamente in uso, ma si trattava fondamentalmente di machine learning distribuito, quindi era data science in tutto il suo splendore. Ma si è scoperto che prestare attenzione ai minimi dettagli di una supply chain è davvero importante. Proprio come ha sottolineato Maximilian, dipende da dove risiede il tuo impegno. È una grande domanda. Risiede nell’utilizzo di tecnologie sofisticate, oppure nel ottenere risultati realmente pratici? Potresti pensare che sia solo una sottile sfumatura, ma in realtà la realtà comporta cose molto diverse, addirittura drasticamente diverse. Voglio dire, ti interessa il rischio finanziario e la performance? Se sì, passerai del tempo a discutere cosa significhino i rischi, cosa comporta nel tuo sistema e come comprenderli. Oppure passerai il tempo a perfezionare un gradient booster tree in modo da avere una dimostrazione di convergenza leggermente più provabile o qualunque cosa che ti dia un algoritmo leggermente migliore?
Kieran Chandler: Oggi impareremo un po’ di più su cosa fai nel tuo ruolo quotidiano. Quali consideri essere le parti fondamentali del tuo ruolo?
Maximilian Barth: Penso che il ruolo sia in realtà molto sfaccettato. Ci sono molteplici componenti in ciò che fai ogni giorno. C’è ovviamente il lato tecnico – passi molto tempo a programmare, cercando di capire le esigenze specifiche supply chain dei tuoi clienti, le sfumature di dove risiedono le loro difficoltà, e cercando davvero di comprendere quale soluzione sia la migliore per loro e anche quali siano esattamente i loro desideri e necessità. Questo passa anche al prossimo aspetto reale del ruolo, che è l’aspetto relazionale – essere in grado di parlare con i clienti, cercare di individuare le domande giuste da risolvere per loro, e capire dove risiedono le loro sfide. Devi capire in cosa consistono specificamente le loro necessità e cosa li rende diversi da altri, così da poter costruire la soluzione giusta per loro. Penso che il terzo aspetto sia probabilmente quello del project management. Generalmente operiamo in progetti dove, specialmente se sono piccoli, siamo la figura principale che li guida almeno dalla prospettiva di Lokad. Quindi cerchiamo di coordinare con i nostri clienti come procedere al meglio, come dare priorità e quali attività affrontare per prime.
Kieran Chandler: Qual è, secondo te, la parte più importante del ruolo quotidiano di un supply chain scientist?
Joannes Vermorel: La parte più importante dipende davvero dal contesto. Quando la supply chain è in fiamme a causa di una pandemia o qualcosa del genere, prima di tutto bisogna spegnere l’incendio. È anche qui che, ancora una volta, entra in gioco la questione dell’impegno. Se sei un data scientist, il tuo impegno risiede nell’avere un algoritmo superiore. Credo che spesso il compito più urgente e pressante sia molto più banale. L’ERP sta causando problemi per qualsiasi motivo, e i dati sono completamente fuori posto. Hai record duplicati, finisci per avere registrazioni di magazzino completamente errate, e così via. Qualunque cosa debba essere affrontata, deve essere affrontata immediatamente. Il problema è che ci sono così tanti problemi che alcuni di essi possono essere eventualmente posticipati. In termini di risoluzione, sì, sarebbe bello se tutto fosse al 100% pulito, ma quando operi su una supply chain di dimensioni considerevoli, avere zero errori in qualsiasi cosa – il set di dati che elabori, i processi stessi, e il modo in cui le persone consumano i risultati che fornisci – non è semplicemente possibile. Non puoi offrire una soluzione senza difetti. Quindi, a un certo punto, devi dare nuovamente priorità basandoti sull’impatto finanziario. Credo che, in termini di pressione, il Supply Chain Scientist stia sempre in qualche modo riordinando le priorità su ciò che deve essere affrontato ora, ciò che è importante e ciò che è strategico.
Kieran Chandler: Qual è il tuo punto di vista in merito, insomma come bilanci il tuo tempo tra l’implementazione del codice, la comunicazione con i clienti e quanto del tuo tempo dedichi a spegnere incendi?
Maximilian Barth: Penso che sia davvero un ottimo punto. In genere, l’inizio della giornata consiste sempre nel verificare che non ci siano incendi. Arrivi in ufficio, controlli tutti i tuoi account e ti assicuri che nulla si sia rotto durante la notte. Abbiamo clienti in tutto il mondo in diversi fusi orari, quindi mentre noi dormiamo, loro lavorano effettivamente. La tua priorità numero uno è assicurarti che tutto funzioni come dovrebbe e che i nostri clienti abbiano i dashboards pronti all’uso. Quella è stata in effetti la mia mattinata oggi, risolvendo una modifica dell’ERP che non ci era stata comunicata. Non è il compito più glamour, ma è sicuramente la cosa più importante che è successa quel giorno. Dopo averlo sistemato, tutti i dati sono potuti essere aggiornati. In generale, come suddividi il tempo dipende dalla giornata e dalla settimana. È una corda tesa su cui devi camminare. Non vuoi passare troppo tempo in riunioni parlando con i tuoi clienti perché poi non avresti il tempo di implementare nulla, ma non vuoi nemmeno lavorare solo perché potresti fare qualcosa che non è nel migliore interesse del cliente o in linea con quanto avevano in mente. Devi davvero comunicare da vicino e trovare quel giusto equilibrio. Penso che, in generale, l’equilibrio tra il lavoro di implementazione vero e proprio e la comunicazione con i clienti, che si tratti di email o chiamate, si collochi mediamente tra il 20% e l'80%, con il 20% dedicato alla comunicazione e l'80% all’esecuzione di quanto comunicato e discusso.
Kieran Chandler: Quel conflitto è davvero interessante, non è vero? Perché devi passare più tempo a comunicare e partecipare a riunioni, ma ovviamente dedichi anche parte del tuo tempo a occuparti della parte più tecnica. È un ruolo molto sfaccettato. È sempre stato il ruolo che ti immaginavi, o hai mai pensato a un approccio più classico in cui una persona si occupa del contatto con il cliente e un’altra si concentra esclusivamente sulla parte tecnica?
Joannes Vermorel: Abbiamo provato il metodo classico, e il metodo classico prevede di avere qualcuno che parla con il cliente, che poi redige le specifiche, le passa all’IT, e il team IT cerca di implementare quanto comunicato. Finisci per avere una situazione in cui il messaggio passa da una persona all’altra, saltando qualche passaggio, e una percentuale molto alta di informazioni si perde ad ogni passaggio. Alla fine, ti ritrovi con un ingegnere software poco preparato che implementa qualcosa che non ha nulla a che vedere con il problema, con cinque giorni di latenza solo perché doveva passare attraverso diverse persone. Il problema era che il sistema era difettoso per sua concezione. Nei primi anni, riuscivo, con l’aiuto di alcuni colleghi, a indossare più cappelli: ero il venditore che proponeva un’idea al cliente, poi iniziavo un’implementazione molto grezza, passando l’implementazione grezza all’ingegnere software dicendo, “Questa cosa funziona, ma in termini di qualità del software è un vero pasticcio. Devi cercare di renderlo migliore, un po’ più coperto da unit test, un po’ più snello in termini di prestazioni, e magari un po’ più organizzato.” Ma avevano già il prototipo.
Kieran Chandler: Il punto di questo approccio è che è incredibilmente arcaico dal punto di vista tecnologico, e hai bisogno di qualcuno in grado di indossare tutti i cappelli, sai, dal sales al data scientist al Supply Chain Scientist, al product manager e tutto il resto. Quindi ho capito che questo modo di dividere il lavoro non avrebbe mai funzionato bene su larga scala. E, a proposito, dicevo ai nostri clienti all’epoca che praticamente tutti si lamentavano dell’IT, ma l’IT si lamentava anche di tutti, perché la gente in IT diceva: “Okay, dicono che facciamo un lavoro pessimo, ma guardate le specifiche e i requisiti che ci danno. Anche quelli sono pessimi, quindi sappiate che siamo alla pari con loro.”
Joannes Vermorel: Ma quello è semplicemente il modo sbagliato di vederla. E fondamentalmente, quello che fa Maximilian è che non c’è un manager intermedio, capisci? Voglio dire, parlo letteralmente e penso che sia qualcosa di davvero unico: il cliente parla direttamente con te. Sto parlando di veri operatori della supply chain che sono letteralmente nel warehouse, di fronte ai negozi e tutto il resto. E poi parlano con te, e tu vai direttamente ad implementare la ricetta. Non c’è un intermediario, come un ingegnere software, con cui parlare. Non c’è coordinamento, ma per fare ciò abbiamo dovuto sviluppare alcuni strumenti dedicati in modo da non sprecare troppo tempo a occuparci di pure tecnicità.
Kieran Chandler: Sì, vedo questo come probabilmente una delle grandi sfide per un Supply Chain Scientist. Hai così tanti stakeholder e tante persone che richiedono la tua attenzione, e stai effettivamente facendo girare così tanti piatti contemporaneamente. Deve essere piuttosto difficile. Quindi, cosa consideri la sfida chiave del tuo ruolo?
Maximilian Barth: Penso effettivamente che quella sia probabilmente la sfida principale: dover gestire così tanti stakeholder pur assumendo così tanti ruoli differenti. Il lato positivo è anche che sei tu l’unico punto di contatto, e quando parli con qualcuno, sei la persona che ha discusso il problema con loro e che sa cosa è stato implementato e come è stato fatto. Quindi non si perde molta conoscenza nella traduzione tra i vari passaggi. Penso che questo sia il principale vantaggio, ma anche, ovviamente, la principale sfida, perché devi essere in grado di fare così tante cose diverse abbastanza bene. Vuoi essere in grado di scrivere una buona soluzione per i tuoi clienti, ma anche capire veramente di cosa hanno bisogno.
Kieran Chandler: Sì, decisamente. Non si può scappare da questo, vero? Se hai dei problemi e hai fatto qualcosa di sbagliato, sei sicuramente ritenuto responsabile. Per un Supply Chain Scientist, siamo molto convinti che debbano avere una certa competenza nella supply chain. Se fossi un data scientist, quanto pensi sarebbe facile passare al ruolo di qualcuno come un Supply Chain Scientist, come Max?
Joannes Vermorel: Il paradosso è, e credo che sia così, che in realtà è molto più difficile per i data scientist trasformarsi in Supply Chain Scientist rispetto a ingegneri generici o persone che sono naturalmente portate verso la matematica. È curioso, ci sono due parole in francese che esistono, ma non credo ci sia una traduzione in inglese. È la differenza tra un matematico e un “matheux”, sai, qualcuno che è incline alla matematica.
Kieran Chandler: Quindi, la prima domanda che ho riguarda le qualità richieste per diventare un Supply Chain Scientist. Joannes, ci puoi dire che tipo di persone stai cercando?
Joannes Vermorel: Quello di cui abbiamo bisogno sono persone che abbiano un gusto per i numeri. Le supply chain sono grandi, e non puoi basarti semplicemente su un’intuizione riguardo a migliaia di prodotti. Hai bisogno di persone che abbiano una passione per la materia quantitativa in generale. Ma la particolarità è che si tratta di un ruolo molto pratico. Maximilian sta letteralmente aiutando le aziende a prendere decisioni su milioni di euro di asset fisici. Sono decisioni davvero tangibili che vengono prese alla fine della giornata. Devi avere quella mentalità che si tratta di un problema ingegneristico molto concreto che stai affrontando. E so che potrebbe non piacere al pubblico dei data scientist, ma la mia esperienza è stata che è in realtà molto difficile far sì che persone che hanno lavorato come data scientist per alcuni anni diventino bravi nel ruolo che definiamo Supply Chain Scientist, perché, ancora una volta, il focus non è l’algoritmo. Il focus è sul fatto di avere una ricetta numerica. Un altro episodio che abbiamo fatto recentemente è stato che la ricetta numerica end-to-end ha davvero senso a un livello molto elevato, e non importa se sia sofisticata o meno. Se riesci sostanzialmente ad cavartela con una soluzione semi-banale, ottimo lavoro fatto e basta aggiustare, allora, semplicemente, sì, non pubblicherai un articolo solo perché hai scoperto che un leggero coefficiente numerico, aggiustato nel modo giusto, fa la magia. Non puoi pubblicare su questo. Ma se la soluzione funziona, beh, perché no?
Maximilian Barth: Sì, e quindi la nostra esperienza è stata che, sebbene abbiamo dei dottorandi che fanno questo lavoro – intendo, abbiamo persone che stanno lavorando al dottorato in Lokad, in realtà – ne abbiamo in totale cinque. Due hanno già completato il dottorato, e tre sono ancora in corso, ma sono fiducioso che saranno in grado di difenderlo. Ma, letteralmente, per noi, quelle persone sono su piste puramente di ingegneria software, dove non è nemmeno lo stesso orizzonte temporale. Voglio dire, le persone affrontano problemi pensando di consegnare una soluzione nei successivi tre anni. Quella è la timeline di un data scientist sul lato della piattaforma, quindi pensano a qualcosa come il differentiable programming. Abbiamo qualcuno che sta facendo un dottorato sul differentiable programming, e questa persona sta letteralmente costruendo e ingegnerizzando i mattoni fondamentali del differentiable programming, ma questa persona non sta risolvendo alcun vero problema di supply chain. È Maximilian che lo fa. E quando lavori, non sono troppo sicuro di quale problema tu stia affrontando, ma tipicamente l’orizzonte temporale è: guardi da un giorno avanti a magari un paio di mesi, ma certamente non a tre anni. Non è nemmeno la stessa scala temporale.
Kieran Chandler: E per quanto riguarda la parte gratificante del lavoro, cosa ti diverte davvero?
Maximilian Barth: Penso che la cosa più gratificante sia probabilmente la diversità dei problemi che affronti e il modo tangibile in cui riesci a risolverli. Un cliente si presenta da te con qualcosa per cui non aveva ancora trovato una soluzione o con un pessimo workaround manuale in Excel, e poi noi possiamo fornire qualcosa che automatizza il tutto.
Kieran Chandler: Sembra che Lokad possa offrire un grande valore ai clienti, non solo in termini di decision-making, ma anche nel fornire una visione più chiara del loro business. Puoi parlare un po’ degli aspetti multiculturali e internazionali del team di Lokad, in particolare dei Supply Chain Scientist? Perché hai creato un team del genere e perché era importante per te?
Joannes Vermorel: Prima di tutto, voglio chiarire che la diversità del nostro team non era un intento specifico, ma piuttosto il risultato di non escludere determinate categorie di persone. In altre parole, non abbiamo adottato una politica di assunzioni diversificata per scegliere deliberatamente persone provenienti da paesi o background specifici. Il mio ragionamento era che non volevo che il design di Lokad escludesse nessuno.
Per esempio, abbiamo circa un terzo di donne in azienda, il che è davvero molto per una compagnia tecnologica. Per ottenere ciò, bisogna assicurarsi che la struttura aziendale non sia direttamente sfavorevole alle giovani donne o promuova comportamenti che le facciano sentire indesiderate.
Allo stesso modo, siamo basati a Parigi, ma se richiedessimo un perfetto francese, restringeremmo le nostre opzioni a persone per lo più francesi o provenienti da ex colonie francesi. Rimuovendo tali barriere, attraiamo un pool diversificato di candidati che possiamo poi valutare in base alle loro competenze.
È emerso che i francesi non hanno il monopolio dell’intelligenza e della diligenza. Così ora solo circa il 40% dei nostri dipendenti è cittadino francese, mentre il resto proviene per lo più dall’Unione Europea e da altre parti. Questa diversità non è il risultato di una discriminazione attiva, ma piuttosto di un focus sul valutare le persone in base alla loro capacità di essere intelligenti e di portare a termine il lavoro.
Maximilian Barth: Esatto, ed è importante sottolineare che eliminando queste barriere e concentrandoci sulle competenze, riusciamo a mettere insieme un team con prospettive ed esperienze diverse. Questo, in ultima analisi, avvantaggia l’azienda e i nostri clienti, perché ci permette di affrontare i problemi da angolazioni multiple e trovare soluzioni più innovative.
Kieran Chandler: Beh, sembra che spesso finiamo per assumere persone non francesi. Voglio dire, amo davvero la Francia, è il mio paese d’origine, ma in qualità di datore di lavoro, devo assumere innanzitutto le persone che serviranno meglio l’azienda, non solo quelle nate nel posto giusto.
Maximilian Barth: È un bene che non hai escluso l’esigenza di un perfetto francese, perché penso che sia sia io che Max saremmo stati nei guai.
Kieran Chandler: Se inizi a concludere un po’ ora, Max, che consiglio daresti a qualcuno che sta magari considerando una carriera nell’industria della supply chain o, in effetti, come Supply Chain Scientist?
Maximilian Barth: Penso che, per il mio lavoro, la competenza più importante e preziosa, quella che mi ha aiutato di più, sia imparare a porre le domande giuste e a vedere le cose da prospettive multiple. I nostri progetti generalmente coinvolgono molti stakeholder, e mentre potresti avere una persona di riferimento con cui parli di più, devi sempre ricordare che quella persona rappresenta anche altre persone. Quindi, devi davvero assicurarti di trovare una soluzione olistica che vada bene per tutti. Penso che saper vedere le cose da una prospettiva olistica e saper porre le domande giuste sia probabilmente la competenza più importante da sviluppare.
Kieran Chandler: Ok, ottimo. E Joannes, per concludere, che consiglio daresti a qualcuno che magari aspira a diventare Supply Chain Scientist?
Joannes Vermorel: Sii realistico. Ci sono così tanti modi per non esserlo. Kaggle è fantastico, ma sono solo giochi. Gli algoritmi sono estremamente interessanti, però non sono reali, almeno non direttamente. Il mio suggerimento è: se vuoi iniziare una carriera in supply chain, devi sporcarti le mani. Immergiti in un ERP, inizia a osservare come appaiono davvero i dati, non la versione idealizzata che trovi nei libri di testo, già completamente pulita, perfetta e ben organizzata. E infatti, affronta anche il fatto di avere molti azionisti. È davvero difficile, perché quanto è valida la tua soluzione se l’azienda finisce per litigare tra di sé? Devi trovare un modo affinché la soluzione sia accettabile da tutte queste diverse parti. È una sfida molto ardua, ma devi farlo mantenendo i tuoi valori ingegneristici. Vuoi avere qualcosa di simile a un processo capitalista. Non sei semplicemente un consulente che produce PowerPoints e consegna cose. Maximilian, stai consegnando qualcosa che funziona in produzione e, si spera, possa addirittura operare senza di te, così da creare un vero asset ingegnerizzato e migliorato nel tempo. Non sono PowerPoints che vengono consegnati.
Kieran Chandler: Ok, brillantissimo. Dobbiamo concludere qui, ma grazie ad entrambi per il tempo.
Maximilian Barth: Grazie.
Kieran Chandler: Questo è tutto per questa settimana. Grazie mille per averci seguito, e ci vediamo nel prossimo episodio. Grazie per aver guardato.
