00:00:08 Il problema delle entità separate nel pricing e nella pianificazione.
00:01:02 Le aziende di software tradizionali e il loro approccio al pricing e alle previsioni.
00:03:24 La convergenza accidentale delle tecnologie di pricing e previsione.
00:05:46 L’integrazione dei dati come punto di partenza per la convergenza.
00:07:33 Affrontare il meta-problema e applicarlo sia al pricing che alla pianificazione.
00:09:20 La svolta nel deep learning e nei modelli predittivi di domanda.
00:11:22 La convergenza dei modelli di pianificazione e pricing in diverse industrie.
00:13:36 I vantaggi di avere un unico team per gestire sia la pianificazione che il pricing.
00:15:00 L’approccio di successo di Amazon al pricing dinamico basato sulla disponibilità di stock.
00:16:01 Discutere il passaggio verso l’ottimizzazione del pricing nell’e-commerce.
00:17:03 Lo sviluppo accidentale e la convergenza delle soluzioni di pricing e pianificazione.
00:19:01 Le sfide delle aziende di software tradizionali nel unificare pricing e pianificazione.
00:21:20 L’ascesa di nuove aziende che affrontano pricing e pianificazione insieme fin dal primo giorno.
00:22:37 Il dominio di mercato delle aziende che unificano pricing e pianificazione, come Amazon e Alibaba.
Riassunto
Kieran Chandler intervista Joannes Vermorel, fondatore di Lokad, sul significato dell’integrazione del pricing e della pianificazione della domanda in supply chain optimization. Tradizionalmente, questi aspetti venivano gestiti separatamente, con il risultato di dati silos e una comunicazione scarsa. Lokad ha scoperto che pricing e pianificazione condividono fonti di dati simili e numerical recipes, portando allo sviluppo di un linguaggio di programmazione specifico per il dominio, Envision. Sfruttando la memorizzazione e l’elaborazione condivise dei dati, Lokad ha creato modelli più sofisticati, che integrano effetti di pricing e temporali. Vermorel crede che le aziende di successo debbano unificare pricing e pianificazione, in quanto sono aspetti interconnessi cruciali per quasi tutti i settori.
Riassunto Esteso
In questa intervista, Kieran Chandler, il conduttore, discute con Joannes Vermorel, fondatore di Lokad, l’importanza di integrare il pricing e la pianificazione della domanda in supply chain optimization. Storicamente, pricing e pianificazione sono stati trattati come entità separate, portando a silos di dati e a una mancanza di comunicazione tra i reparti. La conversazione ruota attorno a come il software possa aiutare ad affrontare questi compiti in tandem, e perché il settore dovrebbe considerarli come due aspetti interconnessi.
Vermorel spiega che anticipare la future demand è cruciale per servire efficacemente i clienti. Le aziende devono produrre o procurarsi i prodotti in anticipo per soddisfare la domanda, poiché la produzione istantanea non è ancora possibile. Tuttavia, la domanda è fortemente influenzata anche dal prezzo. Se un prodotto è troppo costoso, la domanda sarà bassa, mentre un prezzo competitivo può portare a una domanda significativa.
Quando Lokad è stata fondata, l’industria del software era divisa in due fazioni: le aziende di previsione, che si concentravano sulla previsione della domanda, e le aziende di ottimizzazione del pricing, che ignoravano la previsione e la pianificazione. Nei primi cinque anni di Lokad, il concetto di prezzi e pricing era assente dal loro ambito, poiché l’azienda si occupava principalmente di previsione. Analogamente, le aziende di ottimizzazione del pricing non consideravano la previsione e la pianificazione come parte del loro campo d’azione.
Vermorel sottolinea che domanda e pricing sono profondamente interconnessi. Le aziende devono anticipare la domanda mentre stabiliscono un prezzo corretto per i loro prodotti. Storicamente, le organizzazioni separavano pricing e pianificazione della domanda, utilizzando strumenti come price forge e sales cast. Tuttavia, a un certo punto, Lokad decise di integrare questi due aspetti.
La decisione di unire pricing e pianificazione della domanda è nata dalla consapevolezza che alcune pratiche consolidate possono diventare così radicate nel modo di pensare complessivo da far sì che le persone non vedano le connessioni tra di esse. Integrando questi due aspetti, Lokad mira a migliorare la supply chain optimization affrontando l’interdipendenza tra pricing e pianificazione della domanda.
Inizialmente, Lokad sviluppò due prodotti separati, Salescast per la previsione e Priceforge per il pricing, con tecnologie completamente distinte. L’azienda decise di unire queste due app perché notò che entrambe utilizzavano fonti di dati simili, come sales history e cataloghi di prodotti, oltre agli stessi dati transazionali provenienti da DRP, WMS, e piattaforme e-commerce. Decisero di creare un’architettura unificata per la memorizzazione e l’elaborazione dei dati, ma a quel punto non avevano ancora compreso la profonda connessione tra pricing e previsioni di vendita.
Il primo grado di convergenza tra le due soluzioni avvenne per caso. L’azienda si rese conto che i numerical recipes per il pricing e le previsioni di vendita erano simili, e iniziarono a lavorare su un linguaggio di programmazione specifico per il dominio per l’predictive optimization delle supply chain. Questo portò allo sviluppo di Envision, che ebbe inizio dal lato del pricing.
A quel tempo, Lokad era meno esperta nel pricing rispetto alla pianificazione, così decisero di affrontare un meta-problema: come sviluppare numerical recipes in modo più rapido e affidabile. Speravano che migliorando il time-to-market e l’affidabilità dei nuovi numerical recipes, sarebbero riusciti nel settore del pricing. Sperimentando queste tecniche, scoprirono che lo stesso approccio programmatico utilizzato per il pricing aveva senso anche per il lato della pianificazione. Questa consapevolezza portò a un secondo grado di convergenza, con sia il pricing che la pianificazione che condividevano lo stesso strato di elaborazione dei dati e linguaggio di programmazione.
Tuttavia, le soluzioni funzionavano ancora separatamente, ed è stato durante l’era del deep learning che Lokad ebbe la sua prima svolta. Incorporando modelli predittivi di domanda più avanzati, scoprirono che integrare gli effetti del pricing e del tempo portava a modelli più sofisticati per entrambi i settori. Ad esempio, la willingness to pay per un prodotto potrebbe essere stagionale, quindi aveva senso integrare questi fattori sia nei modelli di pricing che in quelli di previsione delle vendite.
Il percorso di Lokad nel combinare pricing e previsioni di vendita è iniziato dall’osservazione che entrambe le soluzioni condividevano fonti di dati simili e si sono evolute attraverso diverse fasi di convergenza. Sfruttando la memorizzazione e l’elaborazione dei dati condivisi, nonché un linguaggio di programmazione unificato, Lokad è riuscita a creare modelli più sofisticati che integravano sia il pricing che gli effetti temporali. Sebbene la discussione in questa parte dell’intervista non fornisca una conclusione, evidenzia il processo iterativo che Lokad ha seguito per sviluppare e perfezionare il suo approccio alla supply chain optimization.
Vermorel racconta come Lokad abbia cominciato a rendersi conto che la willingness to pay era stagionale, e come ciò abbia influenzato il loro approccio alla supply chain optimization. Mentre lavoravano sui loro modelli, notarono che la dimensione del pricing stava diventando più prominente. Questo era particolarmente vero in settori come la moda, dove il prezzo viene utilizzato come leva per garantire che gli stock vengano liquidati alla fine di una collezione. Continuando a lavorare sui loro modelli, si resero conto che i problemi della pianificazione e del pricing stavano convergendo, portandoli infine a sviluppare un modello unico in grado di affrontare entrambe le questioni.
Quando viene chiesto a quali settori questo approccio sia maggiormente applicabile, Vermorel spiega che il pricing è cruciale in quasi ogni industria perché può fare la differenza tra margine nullo e margine significativo. La pianificazione e il pricing sono spesso intrecciati, con una stretta relazione tra la gestione della scarsità e la willingness to pay. I diversi settori hanno prospettive uniche sul problema, ma nel nucleo, le due questioni sono quasi sempre interconnesse.
Tuttavia, la maggior parte del mercato offre ancora software focalizzati o sul pricing o sulla pianificazione, piuttosto che una soluzione unificata. Vermorel attribuisce ciò al fatto che finché non esiste una soluzione, il problema non viene percepito. L’approccio di Lokad all’unificazione di pricing e pianificazione è emerso accidentalmente, poiché hanno constatato che i loro modelli per entrambe le questioni condividevano molti componenti comuni. Continuando a sviluppare i loro modelli, si resero conto che dovevano affrontare entrambi i problemi simultaneamente.
Quando gli viene chiesto della possibilità che le aziende di software collaborino per fornire una soluzione duplice, Vermorel è scettico, in quanto la tecnologia necessaria per unificare pricing e pianificazione è radicalmente diversa dai metodi tradizionali. Invece, prevede che emergeranno nuove aziende che sfrutteranno le intuizioni sin dall’inizio per affrontare entrambe le questioni insieme.
Vermorel sottolinea che le aziende che riescono a unificare con successo pricing e pianificazione possono raggiungere il dominio del mercato. Cita Amazon e Alibaba come esempi di aziende che continuano ad aumentare la loro quota di mercato perché hanno colto alla perfezione i fondamenti. La sua conclusione è che le imprese dovrebbero adottare una soluzione che affronti sia il pricing che la pianificazione, poiché questi due aspetti sono indissolubilmente legati.
Trascrizione Completa
Kieran Chandler: Oggi su Lokad TV discuteremo di come il software possa affrontare questi compiti congiuntamente e perché il settore dovrebbe vederli come due facce della stessa medaglia. Quindi, Joannes, in precedenza abbiamo parlato un po’ di pricing. Qual è il tema oggi?
Joannes Vermorel: L’angolo è il fatto che, quando si pensa alla domanda, ovviamente, se si vuole essere in grado di servire i clienti, è necessario anticipare quale sarà la domanda futura, in modo da poter produrre o reperire in anticipo ciò che si intende offrire. Non si possono stampare in 3D le cose su richiesta in modo istantaneo, almeno per ora. Ma, ovviamente, la domanda è fortemente influenzata dal prezzo. Se qualcosa risulta eccessivamente costoso, la domanda sarà inesistente, e se qualcosa è estremamente competitivo, la domanda può essere assolutamente gigantesca su larga scala.
Joannes Vermorel: Però, quando ho iniziato Lokad, c’erano chiaramente due fazioni nel settore delle aziende di software. C’erano le aziende di previsione, Lokad era una di esse, che si occupavano davvero di analizzare la domanda da una prospettiva predittiva. E, tradizionalmente, il pricing non esisteva nemmeno. I prezzi non esistevano, ed è un po’ strano, ma in realtà, per i primi cinque anni circa di Lokad, la nozione stessa di prezzi e pricing era assente. Non faceva nemmeno parte del piano. Non c’era da nessuna parte. Ovviamente, sapevo come tutti che i prezzi sono cose che si possono vedere, ma non esisteva una connessione specifica. E poi c’erano altre aziende che si occupavano solo di ottimizzazione del pricing e, dal loro punto di vista, la previsione e la pianificazione erano assenti. Non facevano nemmeno parte del panorama. Non gliene importava. Sapevano che la previsione esisteva perché guardavano le previsioni meteorologiche nei notiziari, come tutti gli altri. Ma, comunque, proprio come ero dalla parte della previsione, ignoravo completamente ciò che avveniva per quanto riguardava il pricing. Le aziende di software per il pricing ignoravano completamente ciò che aveva a che fare con la previsione. Eppure, quando ci si pensa, è profondamente connesso alla domanda, e la domanda è estremamente importante; occorre anticipare ma anche stabilire il prezzo correttamente.
Kieran Chandler: Sì, e storicamente avete tenuto queste due entità ben separate, come in Salescast e PriceForge, ma poi a un certo punto si sono unite. Quindi, perché hai deciso di unirle?
Joannes Vermorel: È molto interessante. Vedi, a volte ci sono cose così radicate nel modo di pensare del tuo tempo che non riesci nemmeno a vederle. E quando Lokad ha iniziato ad affrontare il problema del pricing, avevamo in realtà una missione di pricing. Lo consideravo come qualcosa di completamente a parte. Così, avevamo un prodotto chiamato Salescast, che era fondamentalmente la parte di previsione di Lokad, e un altro prodotto completamente distinto, che era PriceForge.
Kieran Chandler: E vendevamo quelle due cose separatamente e, in realtà, persino le tecnologie, le tecnologie rispettive, erano completamente separate. In termini di data analytics, quanto è stato facile combinarle?
Joannes Vermorel: Ecco la cosa strana. Abbiamo unito quelle due app, non perché pensassi, “Oh, è lo stesso problema che stiamo risolvendo, a proposito, lo stiamo risolvendo due volte.” No, sarebbe stato molto intelligente, ma no, abbiamo fatto una cosa davvero stupida. Abbiamo detto, “Questa app utilizza la sales history, questa app utilizza anch’essa la sales history. Questa app ha bisogno del catalogo con i prezzi, questa app ha anche bisogno di un catalogo. Non usiamo il prezzo, ma è sostanzialmente la stessa cosa, è un catalogo.” E letteralmente, abbiamo osservato i dati necessari per l’analisi del pricing o per quella della pianificazione. Erano essenzialmente gli stessi dati transazionali provenienti dalle stesse fonti: ERP, WMS, piattaforme e-commerce, ecc. Quindi, abbiamo deciso di mutualizzare l’architettura per avere lo stesso livello base per la memorizzazione e l’elaborazione dei dati, perché erano gli stessi dati. Ma a quel tempo, non avevamo ancora iniziato a capire concettualmente che erano letteralmente due facce della stessa medaglia.
Kieran Chandler: Quindi, è stato fondamentalmente l’integrazione dei dati e avere quei due insiemi di dati nello stesso posto che ha segnato l’inizio. Ma quando hanno cominciato a convergere le soluzioni in termini di pricing e vendite?
Joannes Vermorel: Abbiamo cominciato gradualmente a renderci conto che le ricette numeriche erano in qualche modo simili, cosa che era sconcertante. Ciò che oggi è Lokad, ovvero Envision, con un linguaggio di programmazione specifico per il dominio dedicato all’ottimizzazione predittiva della supply chain, ha avuto inizio sul fronte dei prezzi. All’epoca, il pricing era qualcosa di molto nuovo per noi, e non sapevamo davvero come affrontarlo. Quindi, invece di risolvere il problema del pricing, abbiamo detto, “Non siamo davvero sicuri di come approcciarci a questo, quindi risolveremo un meta-problema, ovvero: come possiamo inventare ricette numeriche più velocemente e in modi più affidabili?” Non conoscevamo ancora le ricette, ma se potessimo migliorare il nostro tempo di consegna in termini di quanto ci impiega a portare sul mercato una nuova ricetta numerica che non abbiamo ancora inventato, e poi quanto tempo ci vuole per far girare questa cosa in modo affidabile in produzione, allora saremmo abbastanza a posto. Quindi il ragionamento fu: “Lo faremo per il pricing perché all’epoca sapevo molto meno sui prezzi rispetto alla pianificazione.” Eppure, quando abbiamo iniziato a fare aggiustamenti, ci siamo ritrovati a trattare letteralmente gli stessi set di dati, e abbiamo realizzato, “Oh, è molto interessante. Quello che stiamo facendo sul fronte dei prezzi ha in qualche modo molto senso.”
Kieran Chandler: È abbastanza difficile affrontare la parte della pianificazione delle supply chain, in quanto sono composte da una serie di incidenti. Alcune aziende hanno un ERP, alcune ne hanno due, altre ne hanno uno per paese. A volte la piattaforma e-commerce è integrata, a volte è separata, e a volte c’è un WMS. È molto eterogenea. Abbiamo capito che avevamo bisogno di un approccio completamente su misura e programmatico sia per la fase di pricing che per quella di pianificazione. Questo ci ha permesso di avere un secondo livello di convergenza con lo stesso strato base per i dati e gli stessi livelli di elaborazione dei dati. Ma quanto bene funziona realmente? È più che una semplice approssimazione?
Joannes Vermorel: Ci è voluto del tempo per migliorare il sistema. Inizialmente, abbiamo condiviso lo strato dati, dato che ci occupavamo delle stesse fonti, e abbiamo anche condiviso l’approccio all’elaborazione dei dati. Abbiamo compreso che entrambi i lati dovevano essere programmatici, e avevamo set distinti di ricette numeriche. Il primo grande progresso emerse dall’era del deep learning, in cui abbiamo iniziato a sperimentare modelli di domanda più avanzati. Sul fronte della pianificazione, se vuoi un modello sofisticato, devi integrare il prezzo, e sul fronte del pricing, devi integrare effetti temporali, come la stagionalità.
Ad esempio, la propensione al pagamento per un asciugamano da spiaggia è maggiore alla fine della primavera rispetto alla fine dell’estate, perché se acquisti l’asciugamano all’inizio della stagione, puoi godertelo per tutta l’estate. Al contrario, se lo acquisti alla fine dell’estate, l’utilizzo del prodotto sarà molto più limitato. Abbiamo capito che la propensione al pagamento era in realtà stagionale, e sul fronte della pianificazione, i nostri modelli più avanzati facevano del pricing una dimensione sempre più rilevante. Nel settore della moda, per esempio, vuoi usare il prezzo come leva per assicurarti di liquidare completamente il tuo stock alla fine di una collezione.
Quindi, abbiamo osservato queste convergenze, e al centro c’era un modello predittivo di qualche tipo per la domanda. Abbiamo compreso che questi modelli stavano veramente convergendo, e il cerchio si è chiuso con l’era della programmazione differenziabile.
Kieran Chandler: Quindi, l’industria della moda è quella alla quale questa soluzione è maggiormente applicabile? Perché se pensi al settore aereo, i loro prezzi fluttuano di secondo in secondo, mentre in altri settori i prezzi non sono cambiati da anni.
Joannes Vermorel: La soluzione è letteralmente applicabile ovunque. Il pricing è sempre super importante quando si vende qualcosa, perché fa la differenza tra nessun margine e margini enormi. E c’è una relazione stretta tra la pianificazione, dove gestisci la scarsità, e il pricing, dove gestisci la disponibilità a pagare. I due aspetti sono in realtà completamente intrecciati. Se prevedi una maggiore domanda, puoi produrre di più a un prezzo inferiore e ottenere così un margine migliore, potenzialmente superando i concorrenti sul prezzo. Se hai un prezzo super elevato, magari puoi giocare sulla scarsità e rendere i tuoi prodotti ancora più desiderabili, come fanno i marchi di lusso. Vogliono che il pricing aumenti nel tempo e giocare sull’idea della scarsità. Ogni settore ha una prospettiva abbastanza distintiva sul problema, sia sul fronte della pianificazione che su quello del pricing, ma il fatto che questi due problemi di fondo siano completamente intrecciati è quasi sempre vero.
Kieran Chandler: Quindi, per ottenere i migliori risultati, i team di pianificazione devono lavorare molto insieme ai team di pricing?
Joannes Vermorel: Non sono d’accordo. La mia prospettiva iniziale era: perché dovresti avere un team di pianificazione e uno di pricing? Perché averne due? È lo stesso errore che ho fatto inizialmente con software separati per ciascuno. È lo stesso problema; lo stai semplicemente guardando da due angolazioni. Ci dovrebbe essere un unico team.
Kieran Chandler: Ci sono aziende che hai osservato farlo bene e lavorare con un solo team?
Joannes Vermorel: Sì, c’è il solito sospetto: Amazon. Sono molto intelligenti e fanno cose che risultano ovvie se ci si pensa. Per esempio, se qualcosa sta per esaurirsi, alzeranno il prezzo. Non c’è motivo di correre verso un stockout. Il prezzo è solo un modo per modellare la domanda in modo da sfruttare al massimo lo stock che hai. Puoi letteralmente vederlo in azione.
Kieran Chandler: Amazon ha fatto questo prima di Natale con i giocattoli che vendono. Mia figlia, che ha 10 anni, è una grande fan dei giocattoli LEGO, e quando guardi su Amazon, letteralmente ogni paio d’ore, quando c’è un po’ meno stock, alzano effettivamente il prezzo di alcune confezioni LEGO. Sono abbastanza sicuro che abbiano alcune euristiche di base che gonfiano il prezzo quando stanno esaurendo lo stock, e ha senso. È letteralmente buon senso, ma non è super ovvio. Sono convinto che, semplicemente dall’osservazione pubblica, abbiano un algoritmo che intreccia la disponibilità dello stock, che è una proiezione, con l’ottimizzazione del pricing.
Joannes Vermorel: Ma poi, dalla clientela locale, vedo che altre aziende e-commerce molto intelligenti, orientate alla tecnologia e aggressive, lo stanno già facendo, quindi non è solo Amazon. Sono anche i più grandi sfidanti, in termini di supply chain, di Amazon oggi a farlo.
Kieran Chandler: Ok, quindi se questa è una strada così promettente, perché la maggior parte del mercato offre ancora software che si concentra solo sul pricing o solo sulla pianificazione?
Joannes Vermorel: Perché finché non hai una soluzione, non c’è problema. È una cosa sconcertante. Diresti, “Oh, c’è un problema, quindi la gente dovrebbe cercare una soluzione,” ma non è così che funziona. Nessuno cerca un nuovo modo per reinventare le auto se avessimo motori anti-gravitazionali. Non abbiamo motori anti-gravitazionali, quindi a nessuno interessa trovare soluzioni per un problema che ancora non esiste. Se non hai una soluzione per affrontare frontalmente pricing e pianificazione, c’è davvero senso nel pensare a una potenziale soluzione per questo problema? Direi di no.
Come è arrivato Lokad a questo punto? Ho pensato, in un colpo di genio storico, “Questi sono due lati della stessa medaglia, devo affrontarli e considerarli come un unico problema”? Assolutamente no. Quello che ho fatto è stato praticamente il contrario. Pensavamo: “Beh, abbiamo un problema per il quale esiste un insieme di soluzioni note in letteratura per le previsioni, e c’è il pricing, per il quale esiste anch’esso un insieme di soluzioni note in letteratura.” Quindi, avrò in realtà un prodotto che implementa tutte le soluzioni, o forse quella che considero una variante leggermente migliore di quelle soluzioni, e lo stesso vale per il lato delle previsioni—una variante leggermente migliore di ciò che è noto in letteratura.
Come stavo descrivendo, la convergenza emerse in modo completamente accidentale. Era semplicemente che stavamo utilizzando gli stessi set di dati, quindi perché no? Facciamolo. Uniamoli in questo modo. Poi abbiamo visto che le ricette erano un po’ simili, quindi abbiamo deciso di condividerle. I due prodotti software distinti si sono uniti semplicemente perché, per caso, condividevano gli stessi componenti.
Ma vedi, non si trattava di un grande piano strategico; è stato più uno sviluppo accidentale. E poi, cinque anni dopo, si è verificato un altro caso fortuito in cui, con le nuove tecniche di machine learning, ti rendi conto, “Oh, accidenti, è lo stesso modello che finisco per usare su entrambi i fronti del problema.” Quindi, ho la mia soluzione che svolge entrambe le funzioni insieme, e così mi sono reso conto che dovevo affrontare quei problemi come un unico problema, perché avevo una soluzione.
Kieran Chandler: Ora, interiormente sembra ovvio, ma a posteriori non lo era. E così, penso che la maggior parte delle aziende abbia tenuto quei team separati perché è una scelta ragionevole finché non si ha una soluzione per unificare il tutto. Se non hai, sai, una soluzione che possa unificare pricing e pianificazione, allora fondamentalmente rimani con due team distinti. Perché altrimenti quelle persone non sarebbero nemmeno in grado di iniziare a lavorare sui due problemi. La prima cosa che farebbero sarebbe quella di ripartire internamente il problema. E così, se avessero persone che lavorano su un lato del programma e un altro gruppo per l’altro lato del dipartimento, poiché non hanno, sai, e questo diventerebbe il tema della pianificazione e del pricing.
Joannes Vermorel: Ok, sembra quindi un bel caso fortuito.
Kieran Chandler: E forse, guardando al futuro, riesci a immaginare alcune di quelle aziende software che si alleano e si fondono, fornendo insieme una soluzione duplice?
Joannes Vermorel: Non credo, perché letteralmente le cose che servono per unificare i due problemi sono completamente diverse da ciò che tradizionalmente si faceva per il pricing e per le previsioni. È bizzarro che questa classe di soluzioni, quella che abbiamo ora per affrontare insieme quei due problemi e ottimizzare frontalmente sia i prezzi sia il piano—cioè quanto produci, quanto acquisti, quanta merce distribuisci in tutte le tue reti—sia così diversa. La tecnologia che abbiamo sviluppato è radicalmente diversa da quella che avevamo storicamente, sia nel pricing che nella pianificazione. Quindi, letteralmente, abbiamo dovuto cancellare e scartare completamente le nostre rispettive tecnologie su entrambi i fronti. Immagina, ad esempio, se due aziende, due aziende software, si unissero per concordare di scartare completamente l’intero tech stack per riscrivere tutto insieme. No, non credo. Suona davvero strano. Quindi, probabilmente, quello che vedremo più di certo sarà…
Kieran Chandler: Non lo so, voglio dire, è molto difficile prevedere il futuro, soprattutto il futuro. Ma quello che probabilmente vedremo sarà una nuova classe di aziende che, fin dall’inizio, sfrutteranno l’insight per dire, “Affronteremo insieme questi due problemi,” e sin dal primo giorno decideranno di optare per una soluzione che abbraccia l’intero spettro dei problemi.
Joannes Vermorel: Ok.
Kieran Chandler: Se oggi cominciamo a tirare le somme, qual è la nostra principale conclusione? È forse che un’azienda che unifica pricing e pianificazione ha molto più controllo?
Joannes Vermorel: No, è solo che, come al solito, le aziende che hanno unificato il tutto continueranno, diciamo, a spingere le aziende che non l’hanno fatto fino al fallimento. Sai, letteralmente, se sei in grado di eseguire tutto ciò, non si tratta solo di avere più controllo; si tratta letteralmente di dominare il mercato. E, ancora, quando vediamo che questo è un ulteriore ingrediente che spiega perché Amazon stia ancora guadagnando quote di mercato, nonostante sia una delle più grandi delle grandi aziende al mondo, e lo stesso avviene per Alibaba in Cina; o, come si dice, perché hanno quelle cose fondamentali nel modo giusto, e così, col tempo, schiacceranno tutte le aziende che non lo fanno. Quindi, perché dovresti farlo? Beh, direi di chiederti: puoi davvero pensare di poter, considerando la domanda, isolare letteralmente la parte del pricing da quella della pianificazione? È ragionevole, dal punto di vista commerciale? E di solito, quando le persone si fermano un attimo a riflettere, capiscono che quelle cose sono completamente intrecciate. Quindi, sì, se ho una soluzione che abbraccia questo, dovrei farlo. E la mia conclusione per chi ci sta guardando è: fatelo.
Kieran Chandler: Sembra sempre che si riduca alla sopravvivenza del più adatto, assolutamente. Ok, questo è tutto per questa settimana. Grazie mille per averci seguito, e ci vediamo nel prossimo episodio. Grazie per aver guardato.