Ricette Numeriche per la Supply Chain

00:00:07 Scienza della supply chain e la creazione di ricette numeriche.
00:03:21 La differenza tra algoritmi e ricette numeriche.
00:05:21 Spiegazione di come le ricette numeriche siano più adatte per risolvere problemi complessi nelle supply chain rispetto agli algoritmi.
00:06:00 Discussione su come gli algoritmi siano presenti nelle aziende di software e il pericolo di avere una visione distorta dei problemi del mondo reale.
00:07:48 Confronto tra l’ottimizzazione di una singola vite in una macchina e il grande problema delle supply chain.
00:08:02 Discussione sull’importanza delle ricette numeriche nella risoluzione dei problemi della supply chain.
00:08:54 Confronto tra algoritmi e ricette numeriche in termini di oggettività.
00:09:44 Spiegazione di come la soggettività delle ricette numeriche renda cruciale l’esperienza di uno scienziato della supply chain.
00:13:02 L’importanza di allineare la soluzione al problema e ridurre al minimo il potenziale di errori.
00:15:52 Discussione sulla necessità di processi e strumenti per prevenire errori e migliorare la qualità della soluzione.
00:17:16 Spiegazione dei problemi che possono sorgere con le ricette numeriche.
00:18:07 Discussione su come le aziende del settore della supply chain operino attraverso ricette numeriche.
00:20:01 Critica alla inadeguatezza degli strumenti per risolvere i problemi della supply chain.
00:22:00 L’importanza delle ricette numeriche nel essere approssimativamente corrette e agili nei problemi della supply chain.

Riassunto

In un’intervista, Joannes Vermorel, fondatore di Lokad, discute il concetto di ricette numeriche nell’ottimizzazione della supply chain. Egli sostiene che gli algoritmi e il machine learning possono dare una falsa impressione di oggettività e confini ben definiti tra problemi e soluzioni, e le ricette numeriche sono un approccio migliore per gestire la complessità e la mutevolezza dei problemi reali della supply chain. Vermorel sottolinea l’importanza di avere allineamento, correttezza progettuale e buoni strumenti per prevenire errori e garantire il successo nell’ottimizzazione della supply chain. Egli ritiene che le ricette numeriche siano essenziali per il successo nel mondo imprevedibile delle supply chain.

Riassunto Esteso

In questa intervista, Kieran Chandler e Joannes Vermorel, fondatore di Lokad, discutono il concetto di ricette numeriche nell’ottimizzazione della supply chain. Vermorel spiega di aver preso in prestito il termine da un libro di successo chiamato “Numerical Recipes” pubblicato negli anni ‘80, che offre una prospettiva unica sulla risoluzione dei problemi.

Egli sottolinea che la risoluzione dei problemi nella gestione della supply chain non è semplice come avere un problema e una soluzione chiaramente definiti. Invece, il tipo di soluzione utilizzata può plasmare il problema, con trade-off e cicli di feedback che esistono tra di loro. Vermorel ritiene che il termine “ricette numeriche” sia una migliore descrizione degli approcci utilizzati nell’ottimizzazione della supply chain perché riconosce la complessità intrinseca e l’adattabilità di queste soluzioni.

Vermorel spiega che gli algoritmi, il machine learning e altre terminologie possono dare una falsa impressione di oggettività e confini ben definiti tra problemi e soluzioni. Tuttavia, nella pratica, le supply chain del mondo reale presentano situazioni più complesse e “fangose”. Egli mette a confronto la chiarezza degli algoritmi di ordinamento, che hanno problemi ben definiti e proprietà matematiche, con l’ambiguità dei problemi della supply chain, che spesso coinvolgono negoziazioni, condizioni mutevoli e altri fattori del mondo reale.

Ad esempio, le quantità minime d’ordine (MOQ) nelle supply chain non sono fisse come le leggi fisiche, ma sono il risultato di negoziazioni con i fornitori. Se un MOQ si rivela problematico, un’azienda potrebbe essere in grado di negoziare un accordo più favorevole. Una ricetta numerica intelligente catturerebbe queste opzioni del mondo reale, rendendola un approccio più adatto per affrontare i problemi della supply chain rispetto agli algoritmi tradizionali.

Sebbene Lokad utilizzi molti algoritmi nel suo stack software, Vermorel sostiene che fare affidamento esclusivamente sugli algoritmi può portare a una comprensione distorta dei problemi della supply chain del mondo reale, specialmente per coloro che hanno una formazione formale in informatica o ingegneria del software. Ciò perché gli algoritmi tradizionali sono spesso più adatti per problemi chiaramente definiti con output definiti, mentre le ricette numeriche sono più adattabili e più adatte alla natura complessa e mutevole delle supply chain.

Vermorel ritiene che il concetto di ricette numeriche sia un modo più appropriato per descrivere i metodi utilizzati nell’ottimizzazione della supply chain a causa della loro adattabilità e capacità di gestire la complessità e l’ambiguità intrinseche ai problemi della supply chain del mondo reale. Questo approccio riconosce l’importanza dei trade-off e dei cicli di feedback tra problemi e soluzioni e consente una comprensione più sfumata della gestione della supply chain.

Hanno discusso delle sfide dell’ottimizzazione della supply chain e del ruolo dei supply chain scientist nella creazione di ricette numeriche. Vermorel spiega che nonostante decenni di ricerca, gli algoritmi di ordinamento per l’ottimizzazione della supply chain hanno ancora vantaggi e svantaggi. Utilizza la metafora di una macchina complessa, in cui anche se un singolo componente è ottimizzato, non garantisce l’efficienza complessiva del sistema.

Vermorel fa notare che i problemi della supply chain del mondo reale spesso richiedono ricette numeriche invece di algoritmi rigorosamente definiti. Queste ricette sono create da supply chain scientist, la cui competenza svolge un ruolo significativo nella creazione di soluzioni. Sebbene gli algoritmi siano oggettivi e radicati nella matematica, Vermorel riconosce che la soggettività esiste anche nella matematica, con concetti come l’eleganza che influenzano la percezione degli algoritmi.

Quando si tratta di ricette numeriche, Vermorel sostiene che alcuni aspetti della realtà sono troppo complessi per adattarsi a un quadro matematico. Sebbene i metodi statistici avanzati possano estrarre modelli dai dati, ci sono casi in cui sono necessarie decisioni basate sul giudizio. Ad esempio, gli scienziati della supply chain devono prendere decisioni basate su situazioni uniche, che potrebbero non avere esempi precedenti nella cronologia delle vendite. Vermorel paragona ciò alle arti culinarie, dove chef di diversi livelli di abilità creano piatti che potrebbero essere altamente soggettivi ma comunque considerati eccellenti o mediocri.

Parlando della sfida di mantenere la qualità tra diversi clienti e settori, Vermorel riconosce che ci sono molteplici angolazioni da considerare. Un aspetto chiave è assicurarsi che gli ingegneri non tradiscano l’azienda, poiché potrebbero essere tentati di creare formule che sembrano sofisticate ma non affrontano il problema sottostante.

Vermorel discute dell’importanza di avere un’allineamento tra il problema da risolvere e la modellazione quantitativa applicata, così come un’attrezzatura che minimizza la quantità di errori quotidiani. Sottolinea che avere la correttezza per design è cruciale per evitare errori terminali e garantire che anche quando le persone sono troppo stanche per essere intelligenti, possano comunque prendere decisioni intelligenti. Vermorel menziona anche che la metà del successo di Lokad deriva dalla capacità di implementare un’iniziativa quantitativa nella supply chain.

Vermorel sottolinea che le aziende nel settore della supply chain operano attraverso ricette numeriche, ma molte sono ancora bloccate nell’utilizzo di approcci basati su algoritmi classici. Nota che mentre i fogli di calcolo rappresentano la comprensione di come modellare la supply chain, non sono adatti per affrontare l’incertezza o le supply chain multi-echelon. Vermorel critica gli strumenti, affermando che sono inadeguati e altamente soggettivi, e includono molte ricette numeriche ristrette. Crede che le aziende abbiano bisogno di progettare molti processi per prevenire problemi di stabilità numerica che possono bloccare una fabbrica o un magazzino.

Nel complesso, Vermorel sottolinea l’importanza di avere allineamento, correttezza per design e buone attrezzature per prevenire errori e garantire il successo nell’ottimizzazione della supply chain. Sottolinea anche i limiti dei fogli di calcolo e la necessità di migliori strumenti per affrontare l’incertezza e le supply chain multi-echelon.

Sostiene che le aziende odierne operano attraverso ricette numeriche ma si trovano spesso ad affrontare strumenti e processi inadeguati, come silos. Vermorel ritiene che le ricette numeriche siano qui per restare e siano la giusta mentalità da avere quando si affrontano problemi di supply chain. Spiega che le ricette numeriche sono formule che non hanno purezza e non sono come equazioni elettromagnetiche, che sono incredibilmente pure e precise. Le supply chain sono complesse e richiedono centinaia di condizioni e fattori semi-accidentali per avere senso. Vermorel sottolinea l’importanza di avere qualcosa di versatile come una ricetta e in grado di far fronte a condizioni mutevoli. Confronta questo con i grandi chef che sanno improvvisare e adattarsi a ingredienti mancanti, scadenze brevi e vincoli che cambiano, ma c’è sempre un metodo nella loro follia. Vermorel spiega che da Lokad coltivano un metodo per far fronte al caos delle supply chain. La principale conclusione dell’episodio è che le ricette numeriche sono essenziali perché incarnano il pensiero che è meglio essere approssimativamente corretti che esattamente sbagliati, il che è cruciale nel mondo imprevedibile delle supply chain. In conclusione, Vermorel sostiene che avere una ricetta numerica versatile che si adatta a condizioni e vincoli mutevoli è fondamentale per il successo nel settore della supply chain.

Trascrizione completa

Kieran Chandler: Ehi, proprio come un grande chef stellato Michelin, uno scienziato della supply chain deve creare ricette che si adattino ed evolvano ad ogni scenario. Pertanto, oggi indagheremo su cosa serve per creare queste ricette e, in particolare, cosa le caratterizza in quelle che utilizziamo nelle nostre supply chain. Allora, Joannes, abbiamo usato questo termine “ricette numeriche” alcune volte in precedenza. Perché hai pensato fosse importante riprenderlo in considerazione?

Joannes Vermorel: Questo termine, l’ho rubato da persone negli anni ‘80 che hanno scritto un libro incredibilmente di successo chiamato “Numerical Recipes”. Ha enfatizzato un certo modo di guardare al problema. Vedi, c’è questa idea che di solito hai un problema e hai una soluzione, ma la realtà non è così semplice. Il tipo di soluzione che hai letteralmente modella il problema, e c’è un andirivieni tra loro. Hai un compromesso nel modo in cui vuoi affrontare il tuo problema, a seconda del modo in cui affronti la tua soluzione.

L’idea chiave è che vogliamo fornire risultati numerici per le aziende che gestiscono effettive supply chain. Il problema con altri termini, come dire che utilizziamo algoritmi o machine learning, è che enfatizza qualcosa di completamente oggettivo e ben definito, dove hai il problema e la soluzione, e poi per lo stesso problema, puoi avere soluzioni concorrenti. Ma la realtà è che quando vuoi fornire risultati per una supply chain effettiva, il tutto diventa molto più confuso. È un processo molto accidentale con molte difficoltà lungo la strada. Quello che ottieni alla fine è una ricetta numerica, che descrive la catena di calcoli numerici per ottenere i risultati.

Kieran Chandler: Perché un algoritmo non sarebbe appropriato per descriverlo? Voglio dire, cosa manca a un algoritmo?

Joannes Vermorel: Sto usando il termine “ricetta” appositamente per dire che questa non è un algoritmo. Per coloro che hanno una formazione in informatica o machine learning, avrai imparato degli algoritmi nei tuoi libri di testo e corsi. Prendiamo l’archetipo dell’algoritmo, l’algoritmo di ordinamento. Hai una collezione di oggetti con una relazione di ordine, e puoi ordinarli utilizzando una serie ben definita di passaggi. Alla fine, la collezione è ordinata, e il tuo algoritmo ha proprietà come il consumo di memoria e la complessità.

Ci sono diverse varianti di algoritmi di ordinamento con diverse proprietà. Alcuni sono deterministici, alcuni sono stocastici, e alcuni sono molto buoni se i dati sono già parzialmente ordinati. Ma la cosa è che, quando si tratta di ottimizzazione della supply chain, abbiamo bisogno di qualcosa di più adattabile e flessibile, come una ricetta numerica, piuttosto che un algoritmo rigido.

Kieran Chandler: L’algoritmo di ordinamento è una situazione molto chiara in cui hai una dichiarazione di problema completamente non ambigua. Quindi vuoi ordinare una collezione di elementi, data una relazione di ordine, ha una chiarezza matematica. Al contrario, quando pensi al tipo di problemi che devi risolvere in situazioni effettive di supply chain, è molto confuso. Voglio dire, ci sono MOQ, ma i MOQ non sono come le leggi della fisica; sono più come il risultato di una negoziazione con i tuoi fornitori. Quindi, se numericamente un MOQ si è rivelato davvero un problema, forse puoi fare una telefonata con un fornitore e organizzare qualcosa che sta nel mezzo. Vedi, forse una ricetta numerica intelligente catturerà questo tipo di opzione che esiste nel mondo reale, ma improvvisamente non ha questa sorta di purezza cristallina.

Joannes Vermorel: Esattamente. Voglio dire, da Lokad, non fraintendetemi, utilizziamo tonnellate di algoritmi, come ogni azienda di software seria o semi-seria là fuori. Lo stack di Lokad è letteralmente una lunga serie di algoritmi. Poiché abbiamo progettato Lokad attorno a un linguaggio di programmazione specifico del dominio chiamato Envision, il nostro compilatore è come una serie infinita di algoritmi che trasformano lo script stesso in rappresentazioni astratte, fino alla serie di esecuzione per il programma compilato che deve essere eseguito, ecc. Quindi, gli algoritmi sono ovunque.

Il pericolo qui è che, proprio come il riduzionismo ingenuo, non è un pericolo per il pubblico non istruito. Se hai avuto il privilegio di non aver mai completato un master in informatica, o non sei un professionista ingegnere del software, questo probabilmente non è il tipo di problema che affronterai. Ma il problema è che se ti capita di essere molto istruito in queste cose, ciò che ti è stato insegnato nelle lezioni e ciò che stai leggendo nella maggior parte dei libri di informatica ti danno una visione molto distorta di come sono realmente i problemi per le vere supply chain.

Gli algoritmi sono molto utili, ed è bello che Lokad possa fare affidamento su una collezione di algoritmi di ordinamento che hanno vantaggi e svantaggi, che sono completamente compresi grazie a decenni di ricerca che hanno delineato una mappatura completa di tutte le varie dimensioni per questo piccolo problema. Ma è solo questo, è come se avessi una macchina molto complessa e raggiungessi la perfezione per un piccolo ingranaggio. Quindi sì, se guardi una vite e dici: “Qual è il metallo ottimale per la vite?” E poiché hai un problema così ben definito, così stretto, potresti avere una risposta che è necessario utilizzare esattamente questo tipo di acciaio per questa vite perché è completamente ottimale rispetto a tutti i vincoli.

Kieran Chandler: Quindi, Joannes, parliamo di ottimizzazione della supply chain. È davvero possibile trovare la soluzione ottimale per una supply chain?

Joannes Vermorel: È una buona domanda, Kieran. Puoi ottimizzare alcune parti della tua supply chain, ma avere la vite nel posto giusto nella macchina, ad esempio, non è sufficiente per risolvere il grande problema. Devi considerare ogni dettaglio della tua configurazione massiccia e quando metti tutto insieme, ha davvero senso. Quando vai nel mondo reale per risolvere i problemi della supply chain, ti ritrovi con ricette numeriche anziché algoritmi. L’enfasi e l’atteggiamento della persona che crea la cosa non sono gli stessi.

Kieran Chandler: Capisco. Parliamo un po’ di più della persona effettiva che sta creando queste ricette numeriche. Quanto ti affidi alle loro competenze e conoscenze?

Joannes Vermorel: Abbastanza, in realtà. È qualcosa che non dovrebbe essere trascurato. Quando guardi un algoritmo, diresti che è completamente oggettivo, un quadro matematico con una prova e ben definito. Gli algoritmi sono un ramo della matematica, un apice dell’oggettività. Ma la soggettività esiste molto, anche nella matematica. Se passiamo alle ricette numeriche, l’idea è di oggettivare tutto, ma credo che sia un altro caso di cattivo razionalismo ingenuo. La realtà è troppo complessa per adattarsi a qualsiasi tipo di quadro matematico che conosciamo.

Kieran Chandler: Capisco cosa intendi. Quindi, ci sono situazioni in cui devi prendere decisioni soggettive?

Joannes Vermorel: Sì, ci sono molte situazioni in cui devi prendere decisioni soggettive. Ad esempio, come affronti una situazione scoperta da una prospettiva di supply chain quando non hai esempi precedenti nella tua storia delle vendite? Ad un certo punto, devi prendere una decisione che tenga conto di questa situazione bizzarra. Non c’è altra alternativa se non avere un supply chain scientist intelligente che abbia una buona comprensione di ciò che sta realmente accadendo nella supply chain e prendere queste decisioni soggettive.

Kieran Chandler: Quindi, penso che ci sia una decisione soggettiva su come queste cose dovrebbero essere riflesse numericamente nel sistema. Ed è proprio come, sai, questa metafora dello chef, ad un certo punto, sai, non è perché la scelta del modo in cui fai la tua ricetta esatta è super, super altamente soggettiva che alla fine della giornata, non finisci con, sai, uno chef scadente da una parte e un incredibile, sai, chef di talento dall’altra parte. Sai, anche se non puoi definire, sai, regole chiare che ti permettano di distinguere quali sono quelli bravi, quelli cattivi, chiaramente gli estremi esistono comunque. E le persone che sono, sai, istruite fino ad un certo punto, sai, possono prendere una decisione soggettiva su chi è, sai, un grande chef e chi è uno chef scadente. E gli estremi sono abbastanza ovvi. E se vuoi avere tutte le sfumature in mezzo, probabilmente avrai bisogno di avere più competenze tu stesso e di essere esperto, sai, nell’arte culinaria e nella cucina. Ma, vedi, questo è, questo è abbastanza razionale procedere in questo modo. Ok, rimaniamo con una cucina a basso contenuto di carboidrati.

Joannes Vermorel: Eh, quindi voglio dire che ci sono così tanti aspetti della discussione. E prima di tutto, devi assicurarti di non tradire l’azienda. Il pericolo più grande quando metti, sai, un ingegnere intelligente di fronte a un problema è che l’ingegnere, sai, per formazione, troverà sempre una formula che sembra molto profonda e molto scientifica. Quindi, e ancora, sai, credo che ci sia un detto che dice che c’è come un percorso libero verso la rovina. Il percorso più piacevole è le donne, il modo più veloce per rovinarsi è in realtà il gioco d’azzardo, ma il modo più sicuro, il modo più sicuro per rovinarsi è assumere più ingegneri. Quindi, prima di tutto, devi assicurarti di avere allineamento in termini di visione tra il problema che viene risolto e tutta la sofisticazione, sai, nella modellazione quantitativa che viene applicata. Questa è la prima cosa. E, a proposito, questo è anche il motivo per cui da Lokad coltiviamo molti materiali sul nostro sito web, su YouTube, in molti posti, è che abbiamo bisogno di coltivare questa comprensione dei problemi stessi. Quindi, questa è la prima cosa, è l’allineamento, sai, tra la tecnica e il business. La seconda cosa è che devi avere un’attrezzatura che minimizzi la quantità di “foot-gunning” quotidiano che si verifica. Sai, “foot-gunning” è quando hai una pistola in mano e ti spari al piede. E, letteralmente, queste cose tendono a succedere ancora e ancora, soprattutto quando inizi a occuparti, direi, di ricette numeriche di fantasia. Cosa intendo per fantasia? Voglio dire, ci sono molte aziende che dicono: “Oh, usiamo TensorFlow”. Sì, eccellente. Quindi ora hai appena acquisito altre 100 modalità per spararti un colpo al piede.

Kieran Chandler: Ok, intervengo su questo, Joannes, perché è un punto molto valido che sollevi lì. Come si minimizza la quantità di “foot-gunning” quotidiano, perché sembra che molte aziende stiano comprando molte pistole per spararsi ai piedi?

Joannes Vermorel: Sì, assolutamente. E, sai, la cosa è che penso che ci siano diversi tipi di strumenti per affrontare questo problema. Ma, una cosa che è molto importante è

Kieran Chandler: Alcuni di questi modi possono essere estremamente creativi e avere molte sorprese in corso. Quindi, prima l’allineamento aziendale, e poi devi avere strumenti che, per design, ti danno un alto grado di correttezza. La correttezza per design è qualcosa che è molto diffuso in termini di pensiero presso Lokad.

Joannes Vermorel: Anche se credo molto nell’educazione, penso che sia meglio quando, per design, alle persone è permesso commettere errori. Assumiamo persone intelligenti, ma anche le persone intelligenti hanno giorni brutti, o ogni tanto, non hanno dormito molto bene. Quindi, vuoi avere strumenti che ti impediscono di commettere errori terminali super stupidi, in modo da supportarti a essere più intelligenti anche quando sei troppo stanco per essere intelligente.

Kieran Chandler: E forse la terza idea è che devi progettare molti processi.

Joannes Vermorel: Sì, ad esempio, da Lokad, direi che la metà riguarda davvero il know-how su come implementare un’iniziativa quantitativa di supply chain. Quando dici “implementare un’iniziativa quantitativa di supply chain”, significa, ad esempio, come finisci con ricette numeriche che non hanno problemi terminali? Quando dico terminali, intendo qualcosa che ucciderebbe semplicemente l’iniziativa perché il problema è così grande che le persone decidono, giustamente, che in realtà eliminare questa iniziativa è il modo migliore per andare avanti.

Kieran Chandler: Quindi, che tipo di problemi potresti avere?

Joannes Vermorel: Le ricette numeriche possono essere sbagliate in molti modi. Possono essere sbagliate in termini di varianza del tempo di calcolo, dove è troppo erratico. Quindi a volte esegui la cosa e ci vuole un’ora, a volte otto, e le persone non sono esattamente sicure del perché. Questo è un grosso problema. Può anche essere sbagliato perché è abbastanza opaco. Questo effetto di scatola nera è molto difficile da avere qualcosa che sia sia numericamente intelligente che non una scatola nera immediata, anche per gli stessi scienziati della supply chain. Puoi anche avere problemi di stabilità numerica in cui, in media, la tua ricetta è eccellente, ma nel 0,1% delle situazioni, è completamente folle. Ciò crea molti problemi operativi per le aziende perché i costi della supply chain tendono a concentrarsi sugli estremi. Quando sei approssimativamente corretto, va bene, ma se sei completamente folle, puoi letteralmente avere un grosso problema operativo che chiude una fabbrica o un magazzino.

Kieran Chandler: Parliamo un po’ di più dell’industria della supply chain stessa. Quanto hai visto aziende in quell’industria implementare ricette numeriche da sole, o diresti che la maggior parte delle persone e delle aziende è ancora bloccata in quell’approccio algoritmico classico?

Joannes Vermorel: La cosa divertente è che la stragrande maggioranza delle aziende opera, voglio dire, letteralmente tutte, attraverso ricette. Questo pensiero algoritmico è una ricetta per qualche tipo di disastro di data science, quindi in realtà c’è molta enfasi, ma in pratica non c’è praticamente nulla in produzione. Quindi, tutti operano in pratica attraverso ricette numeriche, e oltre il 90% della quota di mercato è solo Excel, ma le persone guardano dall’alto in basso quelle.

Kieran Chandler: Fogli di Excel, dicendo che è solo Excel, no, non è solo Excel. È l’incarnazione della comprensione su come dovresti effettivamente modellare quantitativamente la tua supply chain. Quindi, quei fogli di Excel, sono letteralmente le ricette numeriche, e sono la versione raffinata di quelle ricette. Da questo punto di vista, è abbastanza buono. Dove non è così buono è che i fogli di calcolo, in generale, non importa se è un foglio di calcolo su un desktop o su un’app web, offline o online, un foglio di calcolo o il pensiero tabellare non è esattamente adatto a risolvere i problemi della supply chain.

Joannes Vermorel: La mia grande critica è che gli strumenti sono inadeguati. Non puoi gestire l’incertezza, non puoi gestire la cannibalizzazione, non puoi gestire una supply chain multi-anello. Ci sono così tanti problemi che letteralmente non si adattano a un foglio di calcolo, non importa come confezioni il foglio di calcolo. La mia critica non è che il problema con i fogli di calcolo è che sono ricette numeriche che sono altamente soggettive e includono molta limitatezza. Questo non fa parte del problema; questo fa letteralmente parte della soluzione al problema. La mia critica è che questi strumenti di solito sono inadeguati. Le aziende di oggi operano attraverso ricette numeriche, ma non riconoscono che questa è una cosa buona, e questa cosa non andrà via. Questa è letteralmente una proposta molto ragionevole per affrontare i problemi della supply chain. Ma il problema che affrontano è l’inadeguatezza degli strumenti e spesso dei processi inadeguati, come ad esempio il problema della divisione e conquista che abbiamo discusso con i silos, dove le persone possono cercare di gestire i prezzi da un lato e la pianificazione dall’altro mentre sono letteralmente i due lati della stessa medaglia, come discusso nell’ultimo episodio. Le ricette numeriche sono qui per restare, e la mia posizione è che è letteralmente la giusta mentalità quando si tratta di problemi della supply chain.

Kieran Chandler: Allora iniziamo a concludere. Qual è la principale conclusione dell’episodio di oggi? Perché le ricette numeriche sono così importanti e perché è così importante cambiare quella mentalità?

Joannes Vermorel: Credo che sia perché le ricette numeriche siano l’incarnazione di questa altra linea di pensiero, che è “È meglio essere approssimativamente giusti che esattamente sbagliati”. Alla fine avrai formule che non hanno purezza. Non sono come le equazioni elettromagnetiche, dove hai quelle equazioni super ben definite che possono definire tutto ciò che accade in termini di elettromagnetismo. È incredibilmente puro e stretto, ma le supply chain non sono così. Le ricette numeriche della supply chain saranno centinaia di condizioni, fattori e intuizioni semi-accidentali in modo che il tutto abbia senso, in modo che il tutto sia approssimativamente corretto e non faccia nulla di completamente folle. Dovrebbe essere altamente prevedibile, in modo da non avere troppe sorprese, idealmente una quantità molto limitata di sorprese nei risultati numerici delle tue ricette. E dovrebbe anche essere versatile, proprio come una ricetta di un grande chef.

Kieran Chandler: Um, vuoi fare un dessert, sai cosa, oggi non ti permetterò di usare lo zucchero.

Joannes Vermorel: Oh cavolo, voglio fare un dessert. Come posso fare un dessert senza zucchero? Questo è, sai, il tipo di situazione per cui devi essere super agile. Quindi, se manca qualcosa, solo perché hai condizioni strane, come una pandemia, non sei bloccato. Hai una via d’uscita. E tra l’altro, è molto interessante perché quei programmi televisivi di chef ti danno sfide in cui o hai poco tempo, sai, se hai solo 30 minuti per preparare qualcosa che normalmente richiederebbe come quattro ore, o hai pochi ingredienti, o hai pochi strumenti, o sei semplicemente carente in generale. Eppure, devi trovare una soluzione. Questo è, ancora una volta, quello che, secondo me, assomigliano quelle ricette. Hai vincoli strani che cambiano nel tempo. È una situazione che porta con sé un grado di sorpresa.

Il vero chef è colui che può improvvisare letteralmente. Ma se guardi attentamente, quei programmi rivelano che c’è un metodo dietro, ed è proprio quello che differenzia un grande chef. Il grande chef non è qualcuno che farà cose a caso quando si trova di fronte a un ingrediente mancante o a un periodo di tempo molto breve. Puoi davvero vedere che c’è letteralmente un decennio di esperienza su come affrontare questo caos. C’è un metodo dietro, ed è esattamente il tipo di cose che coltiviamo qui a Lokad.

Kieran Chandler: Ok, dobbiamo concludere qui, ma penso che l’analogia di un grande chef sia davvero potente e sicuramente qualcosa a cui possiamo relazionarci in questo ufficio. Abbiamo molti fan qui. Quindi è tutto per questa settimana. Grazie mille per averci seguito e ci vediamo nella prossima puntata. Grazie per la visione.