00:00:07 Introduzione a Stefan de Kok e ad abbracciare l’incertezza nelle supply chain.
00:00:34 Il background di Stefan, la fondazione di Wahupa e le prime difficoltà.
00:03:18 Diverse classi di incertezza nelle supply chain e il loro impatto.
00:04:53 L’approccio di Lokad per gestire l’incertezza mediante la previsione probabilistica.
00:06:43 Approcci tradizionali per gestire l’incertezza: scorte di sicurezza, meccanismi di risposta e ignorare.
00:08:01 Conseguenze dell’ignorare le esigenze dei clienti e del basarsi sulla risposta.
00:09:59 Discussione sul percorso verso la previsione probabilistica.
00:12:35 Le epifanie di Stefan e l’abbraccio della previsione probabilistica.
00:14:01 La consapevolezza dell’importanza del concetto piuttosto che del metodo.
00:15:25 L’importanza di cambiare le metriche tradizionali per una migliore previsione.
00:18:38 Aiutare i clienti ad abbracciare l’incertezza e le strategie da impiegare dal punto di vista software.
00:20:19 L’impatto del passaggio di un’azienda a un approccio probabilistico.
00:22:38 Osservare la predisposizione del mercato ad accettare l’incertezza e cosa entusiasma gli intervistati per il futuro.
00:25:01 Riflessioni finali.
Sommario
Durante un episodio di Lokad TV, il conduttore Kieran Chandler intervista Joannes Vermorel, fondatore di Lokad, e Stefan de Kok, co-fondatore e CEO di Wahupa, discutendo l’incertezza nelle supply chain. Essi sottolineano l’importanza di abbracciare l’incertezza e di considerare tutti i possibili esiti per una migliore gestione. Il metodo tradizionale di pianificazione degli scenari richiede molte risorse, mentre probabilistic forecasting offre una soluzione concisa. De Kok identifica tre modalità con cui le aziende gestiscono l’incertezza: utilizzando scorte di sicurezza, reagendo ad essa o ignorandola. Entrambi gli ospiti sostengono l’adozione della previsione probabilistica, l’apertura riguardo ai metodi senza svelare il “segretino” e l’utilizzo di metriche probabilistiche per decision-making. Prevedono che gli approcci probabilistici diventeranno di uso corrente in futuro.
Sommario Esteso
In questo episodio di Lokad TV, il conduttore Kieran Chandler intervista Joannes Vermorel, fondatore di Lokad, un’azienda software specializzata in supply chain optimization, e Stefan de Kok, co-fondatore e CEO di Wahupa. La discussione si concentra sull’abbracciare l’incertezza all’interno delle supply chain, che tradizionalmente viene gestita mediante scorte di sicurezza. Gli ospiti parlano anche dei loro background e delle aziende che hanno fondato.
Stefan de Kok, co-fondatore di Wahupa, ha iniziato la sua carriera in matematica applicata presso il Politecnico di Delft nei Paesi Bassi. Dopo essere entrato nel mondo del lavoro, per caso, ha incontrato una società di supply chain software e si è unito a loro. Col tempo, ha ricoperto vari ruoli, come consulente, product manager e consulente funzionale. Dopo essersi trovato disoccupato, ha deciso di mettere in pratica le sue idee e di affrontare i problemi che aveva scoperto nel corso degli anni. La sua idea iniziale era quella di creare una piattaforma accessibile anche alle aziende più piccole, poiché i prodotti esistenti erano principalmente destinati alle grandi aziende Tier 1. Nel 2003, ha faticato a trovare persone capaci di costruire la piattaforma, ma alla fine ha trovato un team in grado di realizzare la sua visione.
L’incertezza è un aspetto fondamentale della gestione delle supply chain, poiché tutto ciò che avviene nel futuro è potenzialmente incerto. Alcuni esempi di incertezza includono lead times, durate, rese di qualità o di grado e tassi. Stefan crede che i professionisti delle supply chain debbano considerare l’impatto di tutte le possibili combinazioni dei futuri esiti, anche se può essere un compito complesso.
Joannes Vermorel, fondatore di Lokad, condivide le sue riflessioni sull’affrontare le sfide presentate dall’incertezza. Tradizionalmente, le aziende utilizzavano scenari “what-if” per prepararsi all’incertezza, ma questo approccio può rapidamente diventare tedioso. Per gestire efficacemente l’incertezza, i professionisti delle supply chain devono considerare tutti i possibili futuri e i loro potenziali impatti.
Vermorel spiega che il metodo tradizionale di utilizzare scenari per affrontare problemi complessi delle supply chain è sia dispendioso in termini di tempo che di risorse. Tuttavia, la previsione probabilistica offre una soluzione elegante e concisa che può essere implementata utilizzando la potenza di calcolo grezza. Questo approccio ha il vantaggio aggiuntivo di richiedere meno personale per gestire e operare una supply chain, rendendola più efficiente sia dal punto di vista software che operativo.
De Kok spiega che ci sono tre modi principali in cui le aziende affrontano l’incertezza nelle supply chain: utilizzando scorte di sicurezza, reagendo all’incertezza nel momento in cui si manifesta o semplicemente ignorandola. La maggior parte delle aziende impiega una combinazione di questi approcci, ma la sfida sta nel trovare il giusto equilibrio tra di essi. Se le scorte di sicurezza non sono accurate, le aziende devono compensare reagendo, il che può essere costoso. Gli aspetti a cui non si può rispondere vengono spesso ignorati, con il rischio di causare danni a lungo termine, insoddisfazione dei clienti e, potenzialmente, bancarotta.
De Kok evidenzia anche il ruolo delle scorte di sicurezza, come i lead times, le capacità e gli inventari, nella gestione dell’incertezza nelle supply chain. Le aziende spesso dispongono di scorte gonfiate per prevenire problemi che richiedono azioni di risposta. Tuttavia, egli sottolinea che molte aziende faticano comunque a raggiungere i loro livelli di service levels, poiché la loro performance effettiva è spesso determinata dalle azioni reattive piuttosto che dalle scorte stesse.
Vermorel spiega che la sua azienda, Lokad, ha iniziato con la previsione classica per poi passare alla previsione probabilistica. Inizialmente utilizzavano quantile forecasts, che introducono volutamente un bias per tenere conto delle situazioni in cui la previsione della media risulterebbe inaccurata. Successivamente sono passati all’uso di griglie di quantili, che implicavano un aumento incrementale dei bias, e infine alla previsione probabilistica, che considera tutti i bias simultaneamente.
De Kok racconta di aver avuto un’epifania riguardo al valore della previsione probabilistica già nel 2006, quando si rese conto che i valori incerti non possono essere rappresentati da numeri esatti. Iniziò a sviluppare un’aritmetica probabilistica, trovandola una soluzione elegante ai complessi problemi delle supply chain. Inizialmente, de Kok mantenne segreto il suo approccio alla previsione probabilistica, considerandolo un elemento distintivo per il suo business. Tuttavia, alla fine scoprì che altre aziende, incluso Lokad, stavano utilizzando metodi simili, dimostrando la fattibilità e il valore della previsione probabilistica nel settore.
Stefan de Kok sottolinea che esistono diversi modi per raggiungere lo stesso obiettivo nell’ottimizzazione delle supply chain. Egli evidenzia quattro punti chiave: 1) abbracciare l’incertezza; 2) adottare la previsione e pianificazione probabilistica; 3) essere trasparenti riguardo ai metodi e alle idee senza svelare il “segretino”; e 4) riconoscere che le metriche tradizionali sono insufficienti e devono essere sostituite da metriche probabilistiche. Sia Vermorel che de Kok concordano sul fatto che cambiare le metriche e utilizzare approcci probabilistici sia cruciale per una migliore presa di decisioni nella gestione delle supply chain.
Vermorel spiega che una volta implementato un modello probabilistico, questo consente la simulazione di molteplici futuri possibili, permettendo così di valutare le decisioni e i loro potenziali risultati. Inoltre, osserva che la tecnologia e gli algoritmi utilizzati per le previsioni sono meno importanti dell’approccio complessivo, come dimostra l’evoluzione dei forecasting engines di Lokad.
De Kok afferma che per aiutare i clienti ad abbracciare l’incertezza, è fondamentale fornire output autoesplicativi che ispirino fiducia. La visualizzazione dei risultati è fondamentale, poiché consente agli utenti di comprendere l’ampiezza dei valori possibili e le loro probabilità. Egli paragona il rapporto tra fornitori di software e clienti a quello tra meccanici e conducenti, con i primi che creano strumenti sofisticati per permettere ai secondi di utilizzarli in modo semplice ed efficace.
Parlando dell’impatto di un approccio probabilistico sulle aziende, Vermorel osserva che spesso fornisce intuizioni in linea con l’intuizione. Ad esempio, un classico forecasting method potrebbe suggerire di sovrastoccare merci perishable mentre un approccio probabilistico bilancerebbe more accurately i rischi associati a stockouts e al deterioramento.
Per quanto riguarda l’accettazione del mercato, de Kok osserva che c’è stata una resistenza ad abbracciare l’incertezza, ma che tale opposizione sta gradualmente diminuendo. Egli identifica due fasi di accettazione: la prima, riconoscere che numeri esatti non sono sufficienti per affrontare l’incertezza, e la seconda, superare le idee sbagliate sulla complessità degli approcci probabilistici. Esprime ottimismo riguardo alla tendenza crescente ad adottare questi metodi e prevede che diventeranno eventualmente mainstream nel settore.
L’intervista mette in luce il valore di abbracciare l’incertezza, adottare metriche probabilistiche e utilizzare la visualizzazione per una migliore presa di decisioni nell’ottimizzazione delle supply chain. Sia Vermorel che de Kok sostengono l’evoluzione continua della tecnologia di previsione e prevedono un futuro in cui gli approcci probabilistici saranno adottati in maniera diffusa.
Trascrizione Completa
Kieran Chandler: Oggi su Lokad TV, siamo lieti di avere con noi Stefan de Kok, il fondatore di Wahupa, che ci spiegherà perché questa incertezza non dovrebbe essere vista come un ostacolo, ma come qualcosa da abbracciare. Quindi, Stefan, grazie mille per essere qui con noi oggi. Forse potresti iniziare raccontandoci un po’ del tuo background e di Wahupa, l’azienda che hai fondato.
Stefan de Kok: Beh, grazie, Kieran, e grazie a Joannes per avermi invitato. Sì, sono uno dei co-fondatori di Wahupa. Ho iniziato a studiare matematica applicata presso il Politecnico di Delft nei Paesi Bassi e non avevo mai sentito parlare di quella cosa chiamata supply chain. Dopo essere entrato nel mondo del lavoro, per caso, ho incontrato una società di supply chain software e mi sono unito a loro. Non me ne sono mai pentito per un solo istante. Poi, ho lavorato molto per loro e per molti clienti nel campo della consulenza, consulenza software, consulenza funzionale e product management. Successivamente, dopo un’altra occasione, mi sono trovato disoccupato, ed è stato in quel momento che ho realizzato che tutte queste idee su cui avevo lavorato, tutti i problemi che avevo scoperto nel corso degli anni, potevo finalmente fare qualcosa a riguardo, cose che prima non ero in grado di fare.
La idea originale era quella di creare una piattaforma che fosse qualcosa di più grande di S&OP all’epoca, che includesse molte delle soluzioni best-of-breed ma non molti dei problemi che esse presentavano, principalmente l’integrazione. Ho constatato che circa il 70% di ogni implementazione era dedicato all’integrazione, e desideravo realizzare una piattaforma accessibile anche alle aziende più piccole. Anche i prodotti di allora erano rivolti principalmente alle grandi aziende Tier 1, e le aziende più piccole con gli stessi problemi non avevano una soluzione adeguata. Così è iniziato tutto, e poi ho scoperto, ed era già nel 2003, che trovare le persone in grado di costruirla era incredibilmente difficile. Nel corso degli anni, ho evoluto l’idea, essa è cresciuta, ho avuto altre epifanie, e infine, un paio d’anni fa, ho trovato i ragazzi che finalmente mi hanno convinto di poter realizzare questa cosa, e loro erano convinti che fosse una grande idea a cui partecipare, e abbiamo iniziato.
Kieran Chandler: E questo ci porta perfettamente al nostro argomento di oggi, ovvero l’abbracciare l’incertezza all’interno delle supply chain. La domanda è ovviamente l’esempio evidente, ma quali altre classi di incertezza possiamo incontrare?
Stefan de Kok: Beh, tutto ciò che riguarda il futuro è potenzialmente incerto. Quindi, se operi nella supply chain, devi considerare non solo le quantità, ma anche i lead times, le durate, la qualità o il grado, le rese, i tassi, praticamente qualsiasi cosa che accadrà in futuro è incerta in vari gradi. Dobbiamo realmente considerare l’impatto, non solo del valore medio di tutte queste cose future, ma di tutte le possibili combinazioni di tutti i futuri possibili, il che suona molto complesso e lo è, ma è anche ciò che dobbiamo fare. E una volta che qualcosa passa al passato, è quasi certo. Certo, anche nel passato c’è un po’ d’incertezza. Ci sono problemi di dati, e potresti non sapere nemmeno se qualcosa è davvero avvenuto in un certo modo, ma per la maggior parte, una volta raggiunto il passato, non è più così incerto.
Kieran Chandler: Joannes si unirà a noi come parte della discussione di oggi, e Joannes, questa idea di affrontare un futuro incerto è al centro dell’approccio di Lokad. Come affrontate queste sfide? Voglio dire, un approccio tradizionale sarebbe quello di utilizzare scenari what-if, come scenari ottimistici e pessimisti.
Joannes Vermorel: Il problema principale nell’affrontare un futuro incerto tramite scenari è che diventa rapidamente incredibilmente noioso e dispendioso in termini di tempo. Richiede un enorme sforzo delineare quegli scenari. Curiosamente, con le previsioni probabilistiche, in un certo senso, stai affrontando il problema in maniera quasi brutale. Potresti pensare che considerare tutti i futuri possibili sarebbe assurdamene difficile, ma si scopre che se hai abbastanza potenza di calcolo, è in realtà molto più semplice implementare il software e farlo girare, rispetto ad avere un sistema super complesso per gestire tanti scenari. È molto interessante perché non solo è matematicamente elegante e conciso per affrontare fenomeni complessi, ma è anche efficiente per the supply chain, dove non ci sono molte persone. È relativamente snello, sia dal punto di vista dello sviluppo software che da quello operativo, per chi deve gestire il sistema per operare una supply chain. Per questo sono molto interessato ed entusiasta di questo approccio.
Kieran Chandler: Stefan, diamo un’occhiata ad alcuni degli approcci più tradizionali che le persone adottano. Come vedi che quegli approcci classici vengono utilizzati per gestire l’incertezza?
Stefan de Kok: Esistono in realtà due o tre modi differenti con cui le persone affrontano l’incertezza. Il primo consiste nell’utilizzare dei buffer; il secondo è rispondere all’incertezza man mano che si presenta, tramite un meccanismo di risposta, come l’expediting; e il terzo è semplicemente ignorarla. Ognuno ne fa un po’ di tutti, e la domanda è: quanto investire in ciascuno? Generalmente, con i buffer, tutto ruota attorno all’accuracy. Se il buffer viene impostato male, bisogna compensare eccessivamente con una risposta, che solitamente è costosa. Infine, le parti alle quali non si può rispondere sono quelle che bisogna ignorare, e queste procurano i maggiori danni a lungo termine per un’azienda. I clienti si infastidiscono, potresti perdere quote di mercato e, in alcuni casi, ignorare il cliente per troppo tempo può persino portare a cause legali o bancarotta.
The most common buffers are lead times, capacities, and inventories. Companies will increase them because they know that if they’re short, they’ll run into issues that require a response. To give you an indication, many companies target 95 to 99 percent service levels, but when you measure their actual service, they’re achieving at best 90 percent, or usually, those targeting those levels are in the upper 80s. When you dig deeper, you find that even that number is usually driven by the response, not the buffer that they had initially planned. So they’re expediting at high costs and effort, and the amount of instability and firefighting is off the charts. Their inventory might only be providing them 73 percent service, even though they targeted 98 percent. This strains the company’s capabilities and erodes the margins, which I think is the status quo for most supply chains today, with a severe shifting of all the burden onto the response part.
Kieran Chandler: Esaminiamo un po’ l’approccio probabilistico, Joannes. Ti ci sono voluti alcuni anni per svilupparlo, quindi da dove è nata quest’idea?
Joannes Vermorel: Le previsioni probabilistiche per noi sono state un percorso. In realtà siamo partiti dalle previsioni classiche, in cui si prevedeva semplicemente la media. Poi abbiamo avuto un cliente che vendeva ricambi per auto, e ci siamo resi conto che se lo facessimo…
Kieran Chandler: Sai, era così scarso, così intermittente, che praticamente prevedere zero ovunque era, in termini di accuratezza, davvero, davvero buono. Ovviamente, era un completo non-senso, e inizialmente siamo arrivati alle previsioni per quantili, che sostanzialmente significava: “Oh no, non vuoi prevedere la domanda media, vuoi prevedere qualcosa che abbia volutamente un bias.” E una previsione con un bias intenzionale si chiama previsione per quantile. Quello è stato il primo passo per dire: okay, cosa dovrebbe essere semplicemente…
Joannes Vermorel: Come ha descritto Stefan, in situazioni come quelle con quegli articoli di tipo C, sai, A, B, C o i prodotti a bassa rotazione, come fai a sapere se vuoi avere una, due unità in magazzino o forse tre, invece di affidarti soltanto a un sistema min/max? Quindi, innanzitutto abbiamo capito che la previsione per quantili era il primo passo per ottenere risultati significativi, per uscire da quella situazione in cui prevedere zero era la migliore strategia. Non aveva alcun senso. Poi ci siamo resi conto: “Oh, vuoi una previsione con un quantile, ma che dire di affinare questo quantile, visto che puoi regolare quanto bias desideri?” E così siamo passati dal quantile alle griglie di quantili. Abbiamo creato una serie di bias che aumentavano gradualmente, e poi abbiamo capito: “No, forse dovremmo avere tutti i bias differenti.” E infine siamo arrivati al quantile, griglia di contatto, poi alla previsione probabilistica. E poi, a proposito, esiste una letteratura separata, quella statistica, e sembra che molte altre persone nella comunità statistica abbiano seguito lo stesso percorso di noi, ossia partire da previsioni o predizioni non biasate, passare a quelle biasate, ed esplorare vari bias per cercare di fare tutto contemporaneamente. E questa è una previsione probabilistica. Ecco qua.
Kieran Chandler: Va bene, e Stefan, sei probabilmente anche una delle poche persone nell’industria, al di fuori di Lokad, che abbraccia questa idea di previsione probabilistica. Cosa ti ha portato ad avere queste idee?
Stefan de Kok: Beh, immagino che qui inizi a parlare di alcune delle mie epifanie. La prima, cioè che i valori incerti non possono essere rappresentati da numeri esatti, l’ho compresa già intorno al 2006. Ma non l’avevo ancora capito appieno; non era ancora una vera epifania. All’epoca, non avevo capito come farla funzionare. Non aveva senso procedere in quel modo. E infine, ho lavorato allo sviluppo di quella che chiamo un’aritmetica probabilistica, e quando ho capito come farla funzionare e ho ripensato a quanto qualcosa che sembrava così complesso fosse effettivamente risolvibile in maniera così elegante, tutto ha preso il suo posto. Ed è lì che ho avuto il mio primo momento “aha”. Ma a quel tempo, lo tenevo segreto. Pensavo: “Questo è, sai, uno dei miei elementi distintivi”, quindi non lo promuovevo ancora.
Non è stato fino a dopo, ed è stato uno di quei momenti serendipitosi nella mia carriera in cui mi sono trovato a cercare soldi e un lavoro, e ho trovato un’altra azienda proprio nella mia città natale, Boston. Una delle tre aziende al mondo che fanno questo, insieme a Lokad, almeno all’epoca, e ho scoperto che lo fanno dal 1970. E lo dimostrano, ma lo hanno tenuto nascosto perché era il loro ingrediente segreto. E ho capito un paio di cose, e credo che le chiavi siano che ci sono molti modi per…
Kieran Chandler: Penso che il punto chiave sia che esistono molti modi per ottenere lo stesso risultato. Ogni vostro approccio è molto diverso, ma l’obiettivo finale è lo stesso. Quindi non era tanto il modo di farlo a dover essere spinto, quanto il concetto che doveva essere realizzato. Come ti senti nel discutere e promuovere quest’idea senza svelare la ricetta segreta che rende speciali le vostre aziende?
Stefan de Kok: Mi sono reso conto che potevo parlarne, scrivere blog e articoli senza svelare la ricetta segreta che ci rende speciali. È importante far capire alle persone che questo è, in definitiva, ciò a cui dovrà arrivare tutta la pianificazione e previsione nel prossimo decennio circa. Una cosa che ho spinto più recentemente è che anche le metriche tradizionali sono sbagliate. Dobbiamo cambiare le metriche e usare previsioni probabilistiche negli impianti e metriche probabilistiche per misurare il loro valore.
Joannes Vermorel: Assolutamente, sono d’accordo con Stefan. Quando hai qualcosa di probabilistico, puoi simulare molti futuri possibili e sfidare ogni decisione che prendi con il suo esito come se conoscessi il futuro. Ti offre un modo molto elegante per classificare e dare priorità a tutte le tue decisioni. Tuttavia, credo che l’ingrediente segreto, o la tecnologia dietro di esso, sia meno importante. Da Lokad, abbiamo già scartato cinque generazioni di motori di previsione, ogni volta credendo fosse la cosa più grande di tutti i tempi, solo per rendersi conto due anni dopo che esisteva un modo migliore di farlo.
Kieran Chandler: Joannes, è interessante che tu menzioni lo sfruttamento della variabilità futura. Puoi approfondire quest’idea?
Joannes Vermorel: Certo. Il fatto che il futuro sia variabile può essere sfruttato. Non si tratta solo di proteggerti e diventare più resilient; puoi anche trarre vantaggio dal fatto stesso che esista variabilità.
Kieran Chandler: Stefan, se iniziamo a guardare le cose dal punto di vista del cliente, come possiamo aiutarlo ad abbracciare l’idea di accettare l’incertezza? Quali strategie può adottare dal punto di vista software?
Stefan de Kok: La parte chiave è che se hai un motore complesso e ottieni un output da scatola nera, questo non ispira molta fiducia. L’output dovrebbe essere autoesplicativo. Con le probabilità, puoi fare un’incredibile quantità di cose. Puoi mostrare che non pensiamo solo che la risposta debba essere un numero singolo, ma forniamo una gamma di possibilità che tiene conto dell’incertezza.
Kieran Chandler: Per essere precisi, pensiamo che la risposta possa essere qualsiasi numero all’interno di un certo intervallo, e c’è questa distribuzione di come tali valori possano verificarsi. Puoi esaminarla a vari livelli, ed è soprattutto una questione di visualizzazione di quei risultati. Mi piace pensarla quasi come un’auto, sai? Noi siamo i meccanici, e il cliente è il guidatore. Una volta, sapevo come funzionava la mia auto, e ora è bellissima. Ci guardo dentro, è splendida, ma non ho idea di cosa la faccia funzionare. Persino il meccanico deve collegarla con un cavo al suo computer per capire cosa stia succedendo. È così che immagino le soluzioni del futuro e ciò che stiamo tutti portando: portare quella sofisticazione ma rendendola più facile da usare per l’utente, per il guidatore, e ottenere un output che possa utilizzare per prendere decisioni in maniera più sicura.
Joannes Vermorel: Bene, perfetto. Restando su quella prospettiva del cliente, cosa significa per un’azienda passare all’approccio probabilistico? Quando inizi a pensare in termini di probabilità, si tratta di valutare le grandi forze che cerchi di bilanciare. Quali sono i problemi che cerchi di mitigare? Quali sono i colli di bottiglia che potrebbero colpirti maggiormente e arrecarti danno? Di solito è curioso, perché quelle previsioni che fluttuano ti danno un modo per quantificare. È come quelle ricette che finalmente ti permettono di quantificare ciò che era spesso ovvio in termini di intuizione. Non è che produca intuizioni fantastiche; per esperienza, è piuttosto il contrario. Mette in evidenza cose che erano abbastanza ovvie, ma per la prima volta il sistema ti fornisce dei numeri che si abbinano all’intuizione in modo piuttosto ordinario. Per esempio, hai un prodotto altamente deperibile; non tenerlo in stock in eccesso. Stai assumendo un rischio enorme mantenendo alte scorte di un prodotto super deperibile. Se adotti un approccio di previsione classico, ti dirà semplicemente: “Oh, raggiungi un livello di servizio del novantasette percento e basta”, e poi crei un eccesso di scorte con prodotti che scadono. Se invece prendi l’approccio probabilistico, la previsione potrebbe addirittura essere peggiore, in realtà. Potrebbe non risultare super buona, ma è semplicemente più equilibrata, considerando il rischio che ogni volta che si verificano stockout, conoscendo la data di scadenza, hai qualcosa che è molto…
Kieran Chandler: Costoso e, di conseguenza, orienta la decisione verso qualcosa di molto più sensato, ovvero non accumulare troppe fragole. Quindi, sono completamente d’accordo con l’idea espressa dal fondatore secondo cui le deviazioni commerciali devono in qualche modo perseguire la semplicità. Anche se, ad essere onesti, non credo che Lokad abbia il curriculum più brillante nel fornire le soluzioni più semplici di sempre, ma almeno ci stanno provando. Ok, Stefan, ti lascio l’ultima parola. In base a ciò che hai osservato sul mercato, diresti che le persone sono pronte ad abbracciare l’idea di accettare l’incertezza, e cosa ti entusiasma veramente per il futuro?
Stefan de Kok: Penso che ci stiamo avvicinando. Ho assistito a molte resistenze nel corso degli anni, ed è stata una battaglia in salita, ma credo che stiamo raggiungendo la vetta. Sta diventando più piatto, e noto meno opposizione. Penso che il mercato stia capendo, e c’è un approccio a due fasi. La prima è che un numero esatto non è il modo giusto per gestire l’incertezza. La seconda fase, invece, è quella in cui vedo ancora un po’ di attrito. Pensano che sia eccessivamente complesso. Dicono: “Tutti quelli che dicono ‘sì, potresti farlo’, però…” C’è sempre quel “però”, e il “però” riguarda spesso il big data. Dovete avere tanti dati per farlo in modo probabilistico. Beh, non è affatto vero, giusto? Ti servono soltanto dati storici, che hai in ogni sistema ERP, per risolvere lo stesso problema che risolveresti in modo deterministico.
Stefan de Kok: Un’altra preoccupazione che molti hanno è come gestire i molteplici futuri possibili. Pensano che questo farà esplodere il numero di possibilità. Tuttavia, una previsione probabilistica può condurre a un unico piano probabilistico; basta esprimerlo in distribuzione. Questa è la parte con cui, a mio avviso, le persone fanno ancora fatica al momento. Ma sono entusiasta, vedo la tendenza e capisco dove sta andando. Osservo un’accettazione sempre maggiore da parte di chi in passato era fortemente contrario a questo approccio. Vedo sempre più persone fare il cambiamento, avere la loro epifania, e quindi si tratta di raggiungere quella massa critica affinché venga abbracciato dal mainstream. Ne sono davvero entusiasta.
Kieran Chandler: Perfetto, benissimo. Dobbiamo lasciarci qui, ma grazie a entrambi per il vostro tempo. Grazie mille per averci seguito e ci vediamo nel prossimo episodio. Ciao e a presto.