L'unificazione di Prezzi e Pianificazione

00:00:08 Il problema delle entità separate nella determinazione dei prezzi e nella pianificazione.
00:01:02 Le aziende software tradizionali e il loro approccio alla determinazione dei prezzi e alle previsioni.
00:03:24 La convergenza accidentale delle tecnologie di determinazione dei prezzi e delle previsioni.
00:05:46 L’integrazione dei dati come punto di partenza per la convergenza.
00:07:33 Affrontare il problema meta e applicarlo sia alla determinazione dei prezzi che alla pianificazione.
00:09:20 La svolta nel deep learning e nei modelli di domanda predittiva.
00:11:22 La convergenza dei modelli di pianificazione e determinazione dei prezzi in diversi settori.
00:13:36 I vantaggi di avere un’unica squadra per gestire sia la pianificazione che la determinazione dei prezzi.
00:15:00 L’approccio di successo di Amazon alla determinazione dei prezzi dinamici in base alla disponibilità di stock.
00:16:01 Discussione sul passaggio verso l’ottimizzazione dei prezzi nel commercio elettronico.
00:17:03 Lo sviluppo accidentale e la convergenza delle soluzioni di determinazione dei prezzi e pianificazione.
00:19:01 Le sfide delle aziende software tradizionali nell’unificare la determinazione dei prezzi e la pianificazione.
00:21:20 La crescita di nuove aziende che affrontano insieme la determinazione dei prezzi e la pianificazione fin dal primo giorno.
00:22:37 Il dominio di mercato delle aziende che unificano la determinazione dei prezzi e la pianificazione, come Amazon e Alibaba.

Riassunto

Kieran Chandler intervista Joannes Vermorel, fondatore di Lokad, sull’importanza di integrare la determinazione dei prezzi e la pianificazione della domanda nell’ottimizzazione della supply chain. Storicamente, questi aspetti venivano gestiti separatamente, con conseguente formazione di silos di dati e scarsa comunicazione. Lokad ha scoperto che la determinazione dei prezzi e la pianificazione condividono fonti di dati simili e ricette numeriche, portando allo sviluppo di un linguaggio di programmazione specifico per il settore, Envision. Sfruttando la condivisione di archiviazione e elaborazione dei dati, Lokad ha creato modelli più sofisticati, incorporando effetti di prezzo e tempo. Vermorel ritiene che le aziende di successo debbano unificare la determinazione dei prezzi e la pianificazione, poiché sono aspetti interconnessi cruciali per quasi ogni settore.

Riassunto Esteso

In questa intervista, Kieran Chandler, il conduttore, discute con Joannes Vermorel, fondatore di Lokad, dell’importanza di integrare la determinazione dei prezzi e la pianificazione della domanda nell’ottimizzazione della supply chain. Storicamente, la determinazione dei prezzi e la pianificazione sono state trattate come entità separate, portando a silos di dati e mancanza di comunicazione tra i dipartimenti. La conversazione ruota attorno a come il software possa aiutare ad affrontare queste attività in tandem e perché il settore dovrebbe considerarle come due aspetti interconnessi.

Vermorel spiega che anticipare la domanda futura è cruciale per servire efficacemente i clienti. Le aziende devono produrre o reperire prodotti in anticipo per soddisfare la domanda, poiché la produzione istantanea non è ancora possibile. Tuttavia, la domanda è anche fortemente influenzata 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: aziende di previsione, che si concentravano sulla previsione della domanda, e aziende di ottimizzazione dei prezzi, che ignoravano la previsione e la pianificazione. Per i primi cinque anni di Lokad, l’idea di prezzi e determinazione dei prezzi era assente dal loro focus, poiché l’azienda si occupava principalmente di previsioni. Allo stesso modo, le aziende di ottimizzazione dei prezzi non consideravano la previsione e la pianificazione come parte del loro ambito.

Vermorel sottolinea che la domanda e la determinazione dei prezzi sono profondamente interconnesse. Le aziende devono anticipare la domanda e allo stesso tempo determinare correttamente i prezzi dei loro prodotti. Storicamente, le organizzazioni tenevano separate la determinazione dei prezzi e la pianificazione della domanda, utilizzando strumenti come price forge e sales cast. Tuttavia, a un certo punto, Lokad ha deciso di integrare questi due aspetti.

La decisione di unire la determinazione dei prezzi e la pianificazione della domanda è stata presa sulla base della consapevolezza che alcune pratiche consolidate possono diventare così radicate nella mentalità generale che le persone non riescono a vedere le connessioni tra di esse. Integrando questi due aspetti, Lokad mira a migliorare l’ottimizzazione della supply chain affrontando l’interdipendenza tra la determinazione dei prezzi e la pianificazione della domanda.

Inizialmente, Lokad ha sviluppato due prodotti separati, Salescast per le previsioni e Priceforge per la determinazione dei prezzi, con tecnologie completamente diverse. L’azienda ha deciso di unire queste due app perché hanno notato che entrambe utilizzavano fonti di dati simili, come la cronologia delle vendite e i cataloghi dei prodotti, nonché gli stessi dati transazionali da DRP, WMS e piattaforme di e-commerce. Hanno deciso di creare un’architettura unificata per l’archiviazione e l’elaborazione dei dati, ma in questa fase non avevano ancora compreso la profonda connessione tra la determinazione dei prezzi e le previsioni di vendita.

Il primo grado di convergenza tra le due soluzioni è avvenuto per caso. L’azienda ha capito che le formule numeriche per la determinazione dei prezzi e le previsioni di vendita erano simili, e hanno iniziato a lavorare su un linguaggio di programmazione specifico per l’ottimizzazione predittiva delle supply chain. Questo ha portato allo sviluppo di Envision, che è iniziato dal lato della determinazione dei prezzi.

In quel momento, Lokad era meno familiare con la determinazione dei prezzi rispetto alla pianificazione, quindi hanno deciso di affrontare un meta-problema: come sviluppare formule numeriche più velocemente e in modo più affidabile. Speravano che migliorando il time to market e l’affidabilità delle nuove formule numeriche, sarebbero stati in grado di avere successo nel campo della determinazione dei prezzi. Mentre sperimentavano con queste tecniche, hanno scoperto che lo stesso approccio programmabile che stavano utilizzando per la determinazione dei prezzi aveva senso anche per il lato della pianificazione. Questa realizzazione ha portato a un secondo grado di convergenza, con la determinazione dei prezzi e la pianificazione che condividono lo stesso livello di elaborazione dei dati e lo stesso linguaggio di programmazione.

Tuttavia, le soluzioni continuavano a funzionare separatamente, ed è durante l’era del deep learning che Lokad ha avuto la sua prima svolta. Incorporando modelli di domanda predittiva più avanzati, hanno scoperto che l’integrazione della determinazione dei prezzi e degli effetti temporali portava a modelli più sofisticati per entrambi i settori. Ad esempio, la disponibilità a pagare per un prodotto potrebbe essere stagionale, quindi aveva senso incorporare questi fattori sia nei modelli di determinazione dei prezzi che nelle previsioni di vendita.

Il percorso di Lokad nell’unire la determinazione dei prezzi e le previsioni di vendita è iniziato con l’osservazione che entrambe le soluzioni condividevano fonti di dati simili ed è evoluto attraverso diverse fasi di convergenza. Sfruttando l’archiviazione e l’elaborazione dati condivise, così come un linguaggio di programmazione unificato, Lokad è riuscita a creare modelli più sofisticati che incorporavano sia la determinazione dei prezzi 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 all’ottimizzazione della supply chain.

Vermorel condivide come Lokad abbia iniziato a rendersi conto che la disponibilità a pagare era stagionale e come ciò abbia influenzato il loro approccio all’ottimizzazione della supply chain. Mentre lavoravano sui loro modelli, hanno notato che la dimensione dei prezzi stava diventando sempre più importante. Questo era particolarmente vero in settori come la moda, dove il prezzo viene utilizzato come leva per garantire che le scorte vengano liquidate alla fine di una collezione. Continuando a lavorare sui loro modelli, hanno scoperto che i problemi di pianificazione e determinazione dei prezzi si stavano convergendo, portandoli infine a sviluppare un singolo modello in grado di affrontare entrambe le questioni.

Quando gli viene chiesto a quali settori questo approccio sia più applicabile, Vermorel spiega che la determinazione dei prezzi è cruciale in quasi tutti i settori perché può fare la differenza tra nessun margine e un margine significativo. La pianificazione e la determinazione dei prezzi sono spesso intrecciate, con una stretta relazione tra la gestione della scarsità e la disponibilità a pagare. Settori diversi hanno prospettive uniche sul problema, ma al loro nucleo, le due questioni sono quasi sempre interconnesse.

Tuttavia, la maggior parte del mercato offre ancora software focalizzati sulla determinazione dei prezzi o sulla pianificazione, piuttosto che una soluzione unificata. Vermorel attribuisce ciò al fatto che finché non esiste una soluzione, non viene percepito un problema. L’approccio di Lokad per unificare la determinazione dei prezzi e la pianificazione è emerso accidentalmente, poiché hanno scoperto che i loro modelli per entrambe le questioni condividevano molti componenti comuni. Continuando a sviluppare i loro modelli, si sono resi conto che dovevano affrontare entrambi i problemi contemporaneamente.

Quando gli viene chiesta la possibilità che le aziende di software si uniscano per fornire una soluzione duale, Vermorel è scettico, poiché la tecnologia necessaria per unificare la determinazione dei prezzi e la pianificazione è radicalmente diversa dai metodi tradizionali. Invece, prevede che emergeranno nuove aziende che sfrutteranno le intuizioni fin dall’inizio per affrontare entrambe le questioni insieme.

Vermorel sottolinea che le aziende che riescono a unificare la determinazione dei prezzi e la pianificazione possono raggiungere una posizione dominante nel mercato. Usa Amazon e Alibaba come esempi di aziende che continuano a guadagnare quote di mercato perché hanno fatto le cose fondamentali nel modo giusto. La sua conclusione è che le aziende dovrebbero abbracciare una soluzione che affronti sia la determinazione dei prezzi che la pianificazione, poiché questi due aspetti sono indissolubilmente legati.

Trascrizione completa

Kieran Chandler: Oggi su Lokad TV, parleremo di come il software può gestire queste attività in tandem e perché il settore dovrebbe considerarle due facce della stessa medaglia. Quindi, Joannes, in precedenza abbiamo discusso un po’ della determinazione dei prezzi. Qual è l’angolazione oggi?

Joannes Vermorel: L’angolazione 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 servire. Non si possono stampare istantaneamente cose in 3D su richiesta, almeno non ancora. Ma ovviamente, la domanda è fortemente influenzata dal prezzo. Se qualcosa è estremamente costoso, la domanda sarà nulla, e se qualcosa è estremamente competitivo, la domanda può essere assolutamente gigantesca su scala globale.

Eppure, quando ho avviato Lokad, c’erano chiaramente due fazioni in termini di aziende di software. C’erano le aziende di previsione, Lokad era una di esse, che affrontavano davvero il problema dell’analisi della domanda dal punto di vista predittivo. E tradizionalmente, la determinazione dei prezzi non esisteva nemmeno. I prezzi non esistevano nemmeno, ed è un po’ strano, ma in realtà, per i primi cinque anni circa di Lokad, la stessa nozione di prezzi e determinazione dei prezzi era assente. Non faceva nemmeno parte della roadmap. Non era da nessuna parte. Ovviamente, sapevo come tutti che i prezzi sono cose che si possono vedere, ma non c’era una connessione specifica. E poi c’erano altre aziende che si occupavano solo di ottimizzazione dei prezzi, e dal loro punto di vista, previsione e pianificazione erano assenti. Non facevano nemmeno parte del panorama. Non gli interessava. Anche loro sapevano che le previsioni esistevano perché guardavano il meteo al telegiornale, come tutti gli altri. Ma, nonostante ciò, proprio come ero dalla parte delle previsioni, ignoravo completamente ciò che stava accadendo per quanto riguardava la determinazione dei prezzi. Le aziende di determinazione dei prezzi del software ignoravano completamente cosa fossero le previsioni. Eppure, se ci si pensa, è profondamente collegato alla domanda, e la domanda è molto importante; è necessario anticipare, ma è anche necessario determinare correttamente il prezzo.

Kieran Chandler: Sì, storicamente, hai mantenuto molto separate queste due entità 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 consolidate nel pensiero generale del tuo tempo che non riesci nemmeno a vederle. E quando Lokad ha iniziato ad affrontare il problema dei prezzi, avevamo effettivamente una missione sui prezzi. Pensavo che fosse qualcosa di completamente separato. Quindi, avevamo un prodotto chiamato Salescast, che era essenzialmente la parte di previsione di Lokad, e avevamo un altro prodotto completamente distinto, che era PriceForge.

Kieran Chandler: E stavamo vendendo queste due cose separatamente e anche le rispettive tecnologie erano completamente separate. Per quanto riguarda l’analisi dei dati, quanto è stato facile combinare le due?

Joannes Vermorel: È una cosa strana. Abbiamo unito queste due app, non perché pensavo: “Oh, è lo stesso problema che stiamo risolvendo, tra l’altro, lo stiamo risolvendo due volte”. No, sarebbe stato molto intelligente, ma no, abbiamo fatto una cosa molto stupida. Abbiamo detto: “Questa app sta utilizzando la cronologia delle vendite, questa app sta utilizzando anche la cronologia delle vendite. Questa app ha bisogno del catalogo con i prezzi, questa app ha anche bisogno di un catalogo. Non usiamo il prezzo, ma è praticamente la stessa cosa, è un catalogo”. E letteralmente, stavamo guardando i dati e i dati necessari per, direi, l’analisi dei prezzi o per l’analisi della pianificazione. Erano essenzialmente gli stessi dati transazionali che provenivano dalle stesse fonti: ERP, WMS, piattaforme di e-commerce, ecc. Quindi, abbiamo deciso di mutualizzare l’architettura per avere lo stesso livello di base per l’archiviazione e l’elaborazione dei dati perché erano gli stessi dati. Ma all’epoca, non avevamo nemmeno iniziato a capire concettualmente che erano letteralmente due facce della stessa medaglia.

Kieran Chandler: Quindi, è stato un po’ l’integrazione dei dati e avere questi due set di dati nello stesso posto da dove hai iniziato. Ma quando le soluzioni hanno iniziato a convergere in termini di prezzi e vendite?

Joannes Vermorel: Abbiamo gradualmente iniziato a capire che le ricette numeriche erano più o meno le stesse, il che era sorprendente. Quello che Lokad è oggi, Envision, con un linguaggio di programmazione specifico per il dominio dedicato all’ottimizzazione predittiva della supply chain, è iniziato dal lato dei prezzi. All’epoca, i prezzi erano qualcosa di molto nuovo per noi e non sapevamo davvero come affrontarli. Quindi, invece di risolvere il problema dei prezzi, abbiamo detto: “Non siamo sicuri di come affrontarlo, quindi risolveremo un meta-problema, che è: come possiamo creare ricette numeriche più velocemente e in modo più affidabile?” Non conoscevamo ancora le ricette, ma se potessimo migliorare il nostro tempo di consegna in termini di quanto tempo ci vuole per consegnare una nuova ricetta numerica che non abbiamo ancora inventato sul mercato, e poi quanto tempo ci vuole per far funzionare questa cosa in modo affidabile in produzione, allora saremmo a posto. Quindi il pensiero è andato in questa direzione: “Lo faremo per i prezzi perché sapevo molto meno dei prezzi di quanto non sapessi della pianificazione”. Eppure, quando abbiamo iniziato a fare delle modifiche, stavamo letteralmente lavorando sugli stessi set di dati e abbiamo capito: “Oh, è molto interessante. Quello che stiamo facendo sul lato dei prezzi ha senso”.

Kieran Chandler: È una sfida affrontare la parte di pianificazione delle supply chain, poiché sono composte da una serie di incidenti. Alcune aziende hanno un ERP, altre ne hanno due, alcune ne hanno uno per paese. A volte la piattaforma di e-commerce è integrata, a volte è separata, e a volte c’è un WMS. È molto eterogeneo. Abbiamo capito che avevamo bisogno di un approccio completamente personalizzato e programmabile sia per la fase di prezzi che per la fase di pianificazione. Questo ci ha permesso di avere un secondo livello di convergenza con lo stesso livello di base per i dati e gli stessi livelli di elaborazione dei dati. Ma quanto bene funziona effettivamente? È più una semplice approssimazione?

Joannes Vermorel: Ci è voluto del tempo per migliorare il sistema. Inizialmente, abbiamo mutualizzato il livello dei dati, poiché stavamo gestendo le stesse fonti di dati, e abbiamo anche mutualizzato l’approccio di elaborazione dei dati. Abbiamo capito che entrambi i lati dovevano essere programmabili e avevamo insiemi distinti di ricette numeriche. La prima svolta è emersa dall’era del deep learning, dove abbiamo iniziato a giocare con modelli di domanda più avanzati. Sul lato della pianificazione, se si desidera un modello sofisticato, è necessario integrare il prezzo, e sul lato dei prezzi, è necessario integrare gli effetti del tempo, come la stagionalità.

Ad esempio, la volontà di pagare per un telo da spiaggia è maggiore alla fine della primavera che alla fine dell’estate, perché se si acquista il telo all’inizio della stagione, è possibile goderne per tutta l’estate. Al contrario, se lo si acquista alla fine dell’estate, l’utilizzo del prodotto sarà molto più limitato. Abbiamo capito che la volontà di pagare era effettivamente stagionale e sul lato della pianificazione, i nostri modelli più avanzati avevano la dimensione del prezzo che diventava sempre più prominente. Nella moda, ad esempio, si desidera utilizzare il prezzo come leva per assicurarsi di liquidare completamente il proprio stock alla fine di una collezione.

Quindi, abbiamo visto queste convergenze e nel mezzo avevamo un modello predittivo di qualche tipo per la domanda. Abbiamo capito che questi modelli stavano davvero convergendo e il ciclo si è chiuso con l’era della programmazione differenziabile.

Kieran Chandler: Quindi, l’industria della moda è quella a cui questa soluzione è più applicabile? Perché se si pensa all’industria aerea, i loro prezzi fluttuano al secondo, e poi ci sono altre industrie in cui i prezzi non sono cambiati da anni.

Joannes Vermorel: La soluzione è letteralmente applicabile ovunque. Il prezzo è sempre molto importante quando si vende qualcosa perché fa la differenza tra nessun margine o tonnellate di margine. E c’è una stretta relazione tra la pianificazione, in cui si gestisce la scarsità, e i prezzi, in cui si gestisce la volontà. I due sono in realtà completamente intrecciati. Se si prevede una maggiore domanda, si può produrre di più a un prezzo più basso e quindi avere un margine migliore e potenzialmente battere i concorrenti sul prezzo. Se si ha un prezzo molto alto, forse si può giocare sulla scarsità e rendere i propri prodotti ancora più desiderabili, come fanno i marchi di lusso. Vogliono che il prezzo aumenti nel tempo e giocano sull’idea della scarsità. Ogni settore ha una prospettiva abbastanza distintiva sul problema, sia sul lato della pianificazione che su quello dei prezzi, ma il fatto che quei due problemi al centro siano completamente intrecciati è quasi sempre vero.

Kieran Chandler: Quindi, per ottenere i migliori risultati, i team di pianificazione devono lavorare molto con i team di prezzi?

Joannes Vermorel: Non sarei d’accordo con questo. La mia prospettiva iniziale era: perché dovresti avere un team di pianificazione e un team di prezzi? Perché averne due? È lo stesso problema; lo stai solo guardando da due angolazioni diverse. Dovrebbe esserci un solo team.

Kieran Chandler: Ci sono aziende che hai osservato che lo fanno bene e lavorano con un solo team?

Joannes Vermorel: Sì, c’è il solito sospetto: Amazon. Sono molto intelligenti e fanno cose che sono molto ovvie quando ci si pensa. Ad esempio, se qualcosa sta per esaurirsi, alzano il prezzo. Non c’è motivo di affrettarsi verso una rottura di stock. Il prezzo è solo un modo per plasmare la domanda in modo da sfruttare al massimo lo stock che si ha. Puoi vederlo letteralmente 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, effettivamente aumentano il prezzo di certe scatole di LEGO. Sono abbastanza sicuro che abbiano alcuni euristici di base che gonfiano il prezzo quando stanno per esaurire lo stock, e ha senso. È letteralmente buon senso, ma non è super ovvio. Sono abbastanza sicuro che solo attraverso l’osservazione pubblica, hanno un algoritmo che intreccia la disponibilità di stock, che è una proiezione, con l’ottimizzazione dei prezzi.

Joannes Vermorel: Ma poi, dalla base di clienti locali, vedo che altre aziende di e-commerce molto intelligenti, orientate alla tecnologia e aggressive stanno già facendo lo stesso, quindi non è solo Amazon. Sono anche le sfidanti più grandi in termini di supply chain di Amazon oggi che stanno facendo questo.

Kieran Chandler: Ok, quindi se questa è una buona strada da seguire, perché la maggior parte del mercato offre ancora software che si concentra solo sui prezzi o solo sulla pianificazione?

Joannes Vermorel: Perché finché non hai una soluzione, non c’è un problema. Questa è una cosa che lascia perplessi. Diresti: “Oh, c’è un problema, quindi le persone dovrebbero cercare una soluzione”, ma non funziona così. Nessuno sta cercando un nuovo modo per reinventare le auto se avessimo motori anti-gravità. Non abbiamo motori anti-gravità, quindi a nessuno importa di trovare soluzioni per un problema che non esiste ancora. Se non hai una soluzione per affrontare frontalmente i prezzi e la pianificazione, ha senso pensare alla potenziale soluzione per questo problema? Direi di no.

Come è arrivata Lokad a questa conclusione? Pensavo storicamente, in un colpo di genio, “Questi sono due lati della stessa medaglia, devo affrontarli e pensare a questi due problemi come uno”? Assolutamente no. Quello che ho fatto è stato praticamente l’opposto. Stavamo pensando: “Beh, abbiamo un problema in cui esiste un insieme di soluzioni note nella letteratura per la previsione, e c’è il pricing, e c’è un insieme di soluzioni note nella letteratura anche per quello.” Quindi, avrò effettivamente un prodotto che implementa tutte le soluzioni o forse quella che penso sia una variante leggermente migliore di quelle soluzioni, e la stessa cosa sul lato della previsione - una variante leggermente migliore di ciò che è noto nella letteratura.

Come stavo descrivendo, la convergenza è emersa in modo completamente accidentale. Era solo che stavamo usando gli stessi dataset, quindi perché no? Facciamolo. Uniamo così. Poi vediamo che le ricette sono un po’ simili, quindi mutualizziamole. I due distinti prodotti software vengono uniti solo perché accidentalmente condividono gli stessi componenti.

Ma vedi, non è stato un grande pensiero; è stato più uno sviluppo accidentale. E poi, cinque anni dopo, hai un altro incidente in cui, con nuove tecniche di machine learning, ti rendi conto: “Oh, cavolo, è lo stesso modello che finisco per usare sui due lati del problema.” Quindi, ho la mia soluzione che fa le due cose insieme, e quindi mi rendo conto che dovrei affrontare quei problemi come uno perché ho una soluzione.

Kieran Chandler: Ora, all’interno sembra ovvio, ma guardando indietro non lo era. E quindi, penso che la maggior parte delle aziende abbia mantenuto quel team separato perché è una cosa ragionevole da fare fino a quando non si ha una soluzione per unificare il tutto. Se non hai, sai, una soluzione che può unificare il pricing e la pianificazione, allora fondamentalmente, beh, sei bloccato con due team distinti. Perché altrimenti quelle persone non sarebbero nemmeno in grado di iniziare a lavorare su quei due problemi. La prima cosa che farebbero è ripartire internamente il problema. E quindi, se avessero persone che lavorano da un lato del programma e un altro gruppo di persone che lavorano dall’altro lato del dipartimento, perché non hanno, sai, e questo diventerebbe il tema della pianificazione e del pricing.

Joannes Vermorel: Ok, sembra un po’ un felice incidente allora.

Kieran Chandler: E forse se guardiamo al futuro, puoi immaginare che alcune di queste aziende software si uniscano e si uniscano per fornire una soluzione duale?

Joannes Vermorel: Non penso perché letteralmente le cose che funzionano per unificare i due problemi sono completamente diverse da ciò che è stato tradizionalmente fatto per il pricing e ciò che è stato tradizionalmente fatto per la previsione. È una cosa bizzarra che questa classe di soluzioni che abbiamo ora per affrontare contemporaneamente questi due problemi, sai, e ottimizzare frontalmente sia i prezzi che il piano, che fondamentalmente è quanto produci, quanto acquisti, quanto stock metti in tutto il tuo network. Il tipo di tecnologia che abbiamo sviluppato è radicalmente diverso da quello che avevamo storicamente sia sul lato del pricing che sul lato della pianificazione. Quindi, letteralmente, abbiamo dovuto scartare e abbandonare completamente le nostre rispettive tecnologie su entrambi i lati. Quindi, immagina, sai, porteresti effettivamente due aziende, due aziende software insieme in modo che possano entrambe concordare di scartare l’intero stack tecnologico per riscrivere tutto insieme? Nah, non penso. Sembra super strano. Quindi, probabilmente quello che vedremo molto probabilmente…

Kieran Chandler: Non lo so, voglio dire, è molto difficile prevedere il futuro, soprattutto il futuro. Ma quello che probabilmente vedremo è una nuova classe di aziende che, fin dall’inizio, sfruttano l’idea di dire: “Affronteremo questi due problemi insieme” e fin dal primo giorno decidono di optare per una soluzione che comprenda l’intero spettro di problemi.

Joannes Vermorel: Ok.

Kieran Chandler: Se iniziamo a riassumere le cose oggi, um, qual è la nostra principale conclusione? È che un’azienda che unifica il pricing e la pianificazione ha molto più controllo?

Joannes Vermorel: No, è solo che, come al solito, le aziende che hanno unificato queste cose continueranno a spingere, direi, verso il fallimento le aziende che non lo hanno fatto. Sai, è letteralmente, se sei in grado di realizzare questo, non avrai solo più controllo; è letteralmente dominio di mercato. E, ancora una volta, quando vediamo che Amazon sta guadagnando quote di mercato, nonostante sia una delle più grandi aziende al mondo, e sta ancora guadagnando quote di mercato, lo stesso vale per Alibaba in Cina. O, e vedi, beh, perché hanno queste cose fondamentali giuste e quindi, nel tempo, schiacceranno tutte le aziende che non le hanno. Quindi, perché dovresti farlo? Beh, direi che dovresti chiederti se puoi davvero pensare che puoi, sai, separare la parte del prezzo dalla parte della pianificazione. Ha senso dal punto di vista aziendale? E di solito, quando le persone si fermano un attimo a pensare, capiscono che queste cose sono completamente intrecciate. Quindi, sì, se ho una soluzione per abbracciare tutto ciò, dovrei farlo. E, uh, la mia conclusione per le persone che ci stanno guardando è di farlo.

Kieran Chandler: Sembra sempre ridursi 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 la visione.