Abbracciare l'incertezza nella supply chain (con Stefan de Kok)

00:00:07 Introduzione a Stefan de Kok e all’abbraccio dell’incertezza nelle supply chain.
00:00:34 Background di Stefan, fondazione di Wahupa e difficoltà iniziali.
00:03:18 Diverse classi di incertezza nelle supply chain e il loro impatto.
00:04:53 L’approccio di Lokad per affrontare l’incertezza utilizzando la previsione probabilistica.
00:06:43 Approcci tradizionali per gestire l’incertezza: buffer, meccanismi di risposta e ignoranza.
00:08:01 Conseguenze dell’ignorare le esigenze dei clienti e fare affidamento sulla risposta.
00:09:59 Discussione del percorso verso la previsione probabilistica.
00:12:35 Epifanie di Stefan e l’abbraccio della previsione probabilistica.
00:14:01 Realizzare l’importanza del concetto piuttosto che del metodo.
00:15:25 Importanza del cambiamento delle metriche tradizionali per una migliore previsione.
00:18:38 Aiutare i clienti ad abbracciare l’incertezza e le strategie da adottare da un punto di vista software.
00:20:19 L’impatto di un’azienda che passa a un approccio probabilistico.
00:22:38 Osservare la disponibilità del mercato ad accettare l’incertezza e ciò che entusiasma gli intervistati per il futuro.
00:25:01 Conclusioni.

Riassunto

In un episodio di Lokad TV, l’ospite Kieran Chandler intervista Joannes Vermorel, fondatore di Lokad, e Stefan de Kok, co-fondatore e CEO di Wahupa, discutendo dell’incertezza nella supply chain. Sottolineano l’importanza di abbracciare l’incertezza e considerare tutte le possibili conseguenze per una migliore gestione. Il metodo tradizionale della pianificazione degli scenari richiede molte risorse, mentre la previsione probabilistica offre una soluzione concisa. De Kok identifica tre modi in cui le aziende gestiscono l’incertezza: utilizzando buffer, rispondendo ad essa o ignorandola. Entrambi gli ospiti sostengono l’adozione della previsione probabilistica, l’apertura riguardo ai metodi senza rivelare il “segreto della salsa” e l’utilizzo di metriche probabilistiche per la presa di decisioni. Prevedono una diffusione diffusa degli approcci probabilistici in futuro.

Riassunto Esteso

In questo episodio di Lokad TV, l’ospite Kieran Chandler intervista Joannes Vermorel, fondatore di Lokad, un’azienda software specializzata nell’ottimizzazione della supply chain, 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 utilizzando scorte di sicurezza. Gli ospiti discutono anche dei loro background e delle aziende da loro fondate.

Stefan de Kok, co-fondatore di Wahupa, ha iniziato la sua carriera in matematica applicata presso l’Università Tecnica di Delft nei Paesi Bassi. Dopo essersi inserito nel mercato del lavoro, ha incontrato accidentalmente un’azienda di software per la supply chain e si è unito a loro. Nel corso del tempo, ha lavorato in vari ruoli, come consulenza, product management e consulenza funzionale. Dopo essersi ritrovato senza lavoro, ha deciso di agire sulle sue idee e affrontare le problematiche che aveva scoperto nel corso degli anni. La sua idea iniziale era quella di creare una piattaforma disponibile anche per le piccole aziende, poiché i prodotti esistenti erano principalmente rivolti alle grandi aziende di livello 1. Nel 2003, ha faticato a trovare persone capaci di costruire la piattaforma, ma alla fine ha trovato un team per dare vita alla sua visione.

L’incertezza è un aspetto fondamentale della gestione della supply chain, poiché tutto ciò che riguarda il futuro è potenzialmente incerto. Alcuni esempi di incertezza includono i tempi di consegna, le durate, la qualità o la resa dei prodotti e i tassi. Stefan ritiene che i professionisti della supply chain dovrebbero considerare l’impatto di tutte le possibili combinazioni di risultati futuri, anche se può essere un compito complesso.

Joannes Vermorel, fondatore di Lokad, condivide le sue idee su come affrontare le sfide presentate dall’incertezza. Tradizionalmente, le aziende utilizzavano scenari “what-if” per prepararsi all’incertezza, ma questo approccio può diventare rapidamente noioso. Per gestire efficacemente l’incertezza, i professionisti della supply chain devono considerare tutti i futuri possibili e i loro impatti potenziali.

Vermorel afferma che il metodo tradizionale di utilizzare scenari per affrontare problemi complessi della supply chain richiede molto tempo e 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 persone per gestire e operare una supply chain, rendendola più efficiente sia dal punto di vista del software che operativo.

De Kok spiega che ci sono tre modi principali in cui le aziende affrontano l’incertezza nelle supply chain: utilizzando buffer, rispondendo all’incertezza man mano che si verifica o semplicemente ignorandola. La maggior parte delle aziende adotta una combinazione di questi approcci, ma la sfida sta nel trovare il giusto equilibrio tra di essi. Se i buffer non sono accurati, le aziende devono compensare rispondendo, il che può essere costoso. Gli aspetti a cui non si può rispondere vengono spesso ignorati, il che può portare a danni a lungo termine, insoddisfazione dei clienti e potenzialmente bancarotta.

De Kok sottolinea anche il ruolo dei buffer, come i tempi di consegna, le capacità e le scorte, nella gestione dell’incertezza della supply chain. Spesso le aziende hanno buffer sovradimensionati per evitare problemi che richiedono azioni di risposta. Tuttavia, sottolinea che molte aziende faticano ancora a raggiungere i loro livelli di servizio desiderati, poiché le loro prestazioni effettive sono spesso determinate dalle azioni di risposta anziché dai buffer.

Vermorel spiega che la sua azienda, Lokad, ha iniziato con la previsione classica ma è passata alla previsione probabilistica. Inizialmente utilizzavano previsioni quantili, che introducono intenzionalmente un bias per tener conto delle situazioni in cui la previsione della media sarebbe imprecisa. Successivamente sono passati all’utilizzo di griglie quantili, che comportavano un aumento incrementale dei bias, e infine alla previsione probabilistica, che tiene conto di tutti i bias contemporaneamente.

De Kok condivide di aver avuto un’illuminazione riguardo al valore della previsione probabilistica già nel 2006, quando ha capito che i valori incerti non possono essere rappresentati da numeri esatti. Ha iniziato a sviluppare un’aritmetica probabilistica e ha scoperto che era una soluzione elegante per i problemi complessi della supply chain. Inizialmente, de Kok ha mantenuto il suo approccio di previsione probabilistica segreto, poiché lo considerava un elemento differenziante chiave per la sua attività. Tuttavia, alla fine ha scoperto che altre aziende, tra cui Lokad, stavano utilizzando metodi simili, dimostrando la fattibilità e il valore della previsione probabilistica nel settore.

Stefan de Kok sottolinea che ci sono vari modi per raggiungere lo stesso obiettivo nell’ottimizzazione della supply chain. Sottolinea quattro punti chiave: 1) abbracciare l’incertezza; 2) adottare la previsione e la pianificazione probabilistica; 3) essere aperti riguardo ai metodi e alle idee senza rivelare il “segreto della salsa”; 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 fondamentale per prendere decisioni migliori nella gestione della supply chain.

Vermorel spiega che una volta che è stato creato un modello probabilistico, consente la simulazione di molteplici futuri possibili, il che a sua volta consente la valutazione delle decisioni e dei loro risultati potenziali. Sottolinea anche che la tecnologia e gli algoritmi utilizzati per la previsione sono meno importanti dell’approccio generale, come dimostra l’evoluzione dei motori di previsione di Lokad stessa.

De Kok afferma che per aiutare i clienti ad abbracciare l’incertezza, è essenziale fornire output autoesplicativi che ispirino fiducia. La visualizzazione dei risultati è fondamentale, poiché consente agli utenti di comprendere la gamma di valori possibili e le loro probabilità. Paragona la relazione tra fornitori di software e clienti a quella tra meccanici e piloti, con i primi che creano strumenti sofisticati per i secondi da utilizzare facilmente ed efficacemente.

Parlando dell’impatto di un approccio probabilistico sulle aziende, Vermorel fa notare che spesso fornisce intuizioni che si allineano con l’intuizione. Ad esempio, un classico metodo di previsione potrebbe suggerire di sovraffollare beni deperibili, mentre un approccio probabilistico bilancerebbe in modo più accurato i rischi associati alle scorte esaurite e al deterioramento.

Per quanto riguarda l’accettazione di mercato, de Kok osserva che c’è stata una resistenza ad abbracciare l’incertezza, ma che questa resistenza sta diminuendo gradualmente. Identifica due fasi di accettazione: prima, riconoscere che i numeri esatti non sono sufficienti per affrontare l’incertezza, e seconda, superare le idee sbagliate sulla complessità degli approcci probabilistici. Esprime ottimismo riguardo alla crescente tendenza ad abbracciare questi metodi e prevede che diventeranno alla fine diffusi nell’industria.

L’intervista mette in evidenza il valore di abbracciare l’incertezza, adottare metriche probabilistiche e utilizzare la visualizzazione per prendere decisioni migliori nell’ottimizzazione della supply chain. Sia Vermorel che de Kok sostengono l’evoluzione continua della tecnologia di previsione e prevedono un futuro in cui l’approccio probabilistico sarà adottato dalla maggior parte delle persone.

Trascrizione completa

Kieran Chandler: Oggi su Lokad TV, siamo lieti di avere con noi Stefan de Kok, 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’ della tua esperienza e anche di Wahupa, l’azienda che hai fondato.

Stefan de Kok: Beh, grazie, Kieran, e Joannes per avermi invitato. Sì, quindi sono uno dei co-fondatori di Wahupa. Ho iniziato a studiare matematica applicata presso l’Università Tecnica di Delft, nei Paesi Bassi, e non avevo mai sentito parlare di questa cosa chiamata supply chain. Dopo essermi affacciato al mercato del lavoro, per caso, ho incontrato un’azienda di software per la supply chain e mi sono unito a loro. Non me ne sono mai pentito nemmeno per un istante. Poi, ho fatto molto lavoro per loro e per molti clienti nel campo della consulenza, consulenza funzionale, gestione dei prodotti software. Poi, dopo un altro incontro casuale, mi sono ritrovato senza lavoro, ed è stato in quel momento che ho capito che tutte queste idee su cui avevo lavorato, tutti i problemi che avevo scoperto nel corso degli anni, potevo effettivamente fare qualcosa al riguardo ora, cose che non ero in grado di fare prima.

L’idea originale era quella di costruire una piattaforma che fosse qualcosa di più grande di S&OP all’epoca, che includeva molte delle migliori soluzioni ma non molti dei problemi che avevano, principalmente l’integrazione. Ho scoperto che circa il 70% di ogni implementazione era occupato dall’integrazione, e volevo creare una piattaforma disponibile anche per le piccole aziende là fuori. Anche i prodotti allora erano principalmente rivolti alle grandi aziende di primo livello, e le piccole aziende che avevano gli stessi problemi non avevano davvero una buona soluzione. Così è iniziato, e poi ho scoperto, ed è stato nel lontano 2003, che trovare le persone che potevano effettivamente costruirlo era incredibilmente difficile. Quindi, nel corso degli anni, ho modificato l’idea, è cresciuta, ho avuto più epifanie e, alla fine, un paio di anni fa, ho trovato le persone che ero finalmente convinto potessero costruire questa cosa, e loro erano convinti che fosse un’ottima idea da cui partire, e abbiamo iniziato.

Kieran Chandler: E questo ci porta bene all’argomento di oggi, che è abbracciare l’incertezza all’interno delle supply chain. La domanda è ovviamente l’esempio ovvio, ma quali altre classi di incertezza possiamo incontrare?

Stefan de Kok: Beh, tutto ciò che riguarda il futuro potenzialmente è incerto. Quindi, se sei nella supply chain, devi pensare non solo alle quantità ma forse anche ai tempi di consegna, alle durate, alla qualità o al grado, ai rendimenti, ai tassi, praticamente a tutto ciò che accadrà in futuro è incerto in varie misure. Quindi, dobbiamo davvero guardare all’impatto, non solo al valore medio di tutte queste cose future, ma a tutte le possibili combinazioni di tutti i possibili futuri, il che suona molto complesso ed è, ma è anche ciò che dobbiamo fare. E una volta che qualcosa passa nel passato, è quasi certo. Giusto, anche nel passato c’è un po’ di incertezza. Ci sono problemi di dati, e potresti persino non sapere se qualcosa è realmente accaduta in un certo modo, ma per la maggior parte, una volta che è arrivata nel passato, non è più incerta in larga misura, ed è da qualche parte nel mezzo.

Kieran Chandler: Joannes si unirà a noi come parte della nostra discussione odierna, e Joannes, questa idea di affrontare un futuro incerto è molto presente nell’approccio di Lokad. Quindi, come affronti queste sfide? Voglio dire, un approccio tradizionale sarebbe quello di utilizzare scenari ipotetici, come scenari ottimistici e pessimistici.

Joannes Vermorel: Il problema principale nel gestire un futuro incerto attraverso scenari è che diventa rapidamente incredibilmente noioso e richiede molto tempo. Ci vuole così tanto sforzo per delineare quegli scenari. Curiosamente, con la previsione probabilistica, in un certo senso, stai risolvendo il problema a forza bruta. Potresti pensare che considerare tutti i possibili futuri sarebbe estremamente difficile, ma si scopre che se hai abbastanza potenza di elaborazione, è effettivamente molto più facile implementare il software e farlo girare rispetto a avere un sistema super complesso per gestire molti scenari. È molto interessante perché non solo è matematicamente elegante e conciso per affrontare fenomeni complessi, ma è anche efficiente per la supply chain, dove non ci sono così tante persone. È relativamente snello, sia dal punto di vista dello sviluppo del software che dal punto di vista operativo, per le persone che devono gestire il sistema per far funzionare effettivamente una supply chain. Ecco perché sono molto interessato ed entusiasta di questo approccio.

Kieran Chandler: Stefan, guardiamo alcuni degli approcci più tradizionali che le persone adottano. Come vedi l’utilizzo di questi approcci classici per tener conto dell’incertezza?

Stefan de Kok: Ci sono davvero due o tre modi diversi in cui le persone affrontano l’incertezza. Il primo è l’utilizzo di buffer; il secondo è rispondere all’incertezza man mano che si verifica con un meccanismo di risposta, come l’accelerazione; e il terzo è semplicemente ignorarla. Tutti fanno un po’ di ognuno, e la domanda è quanto dovresti investire in ognuno. Quello che generalmente accade è che con i buffer, tutto dipende dall’accuratezza. Se sbagli il tuo buffer, devi sovracompensare con una risposta, che di solito è costosa. Infine, le parti a cui non puoi rispondere sono quelle che devi ignorare, e queste causano i danni più gravi a un’azienda. I clienti si infastidiscono, potresti perdere quote di mercato e potrebbe persino portare a cause legali o bancarotta in alcuni casi se ignori il cliente abbastanza a lungo.

I buffer più comuni sono i tempi di consegna, le capacità e gli inventari. Le aziende li aumentano perché sanno che se sono carenti, si troveranno di fronte a problemi che richiedono una risposta. Per darti un’indicazione, molte aziende mirano a livelli di servizio dal 95 al 99 percento, ma quando misuri il loro servizio effettivo, raggiungono al massimo il 90 percento, o di solito, quelli che mirano a quei livelli si trovano nell'80 superiore. Quando approfondisci, scopri che anche quel numero di solito è guidato dalla risposta, non dal buffer che avevano pianificato inizialmente. Quindi stanno accelerando a costi e sforzi elevati, e la quantità di instabilità e spegnimento degli incendi è fuori scala. Il loro inventario potrebbe fornire loro solo il 73 percento di servizio, anche se avevano mirato al 98 percento. Questo mette a dura prova le capacità dell’azienda e erode i margini, che penso sia lo status quo per la maggior parte delle supply chain oggi, con un grave spostamento di tutti gli oneri sulla parte di risposta.

Kieran Chandler: Diamo un’occhiata all’approccio probabilistico, Joannes. Ci sono voluti alcuni anni per svilupparlo, quindi da dove è nata questa idea?

Joannes Vermorel: La previsione probabilistica per noi è stata un viaggio. Abbiamo iniziato effettivamente con la previsione classica, dove si prevede solo la media. Poi abbiamo avuto un cliente che vendeva pezzi di auto, e abbiamo capito che se fossimo

Kieran Chandler: Sai che era così scarso, così intermittente, che fondamentalmente prevedere zero ovunque era in realtà, dal punto di vista dell’accuratezza, molto, molto buono. Era ovviamente una completa sciocchezza, e abbiamo ideato per primi le previsioni di quantili, che era come dire, “Oh no, non vuoi prevedere la domanda media, vuoi prevedere qualcosa che ha un bias apposta.” E una previsione con un bias intenzionale si chiama previsione di quantili. Quello è stato il primo passo per dire, ok, cosa dovrebbe essere semplicemente…

Joannes Vermorel: Come ha descritto Stefan, sai, queste situazioni con quegli articoli C, sai, A, B, C o slow movers, come fai a sapere se vuoi avere uno, due pezzi in magazzino o forse tre e non solo avere un min/max? Quindi prima di tutto, abbiamo capito che la previsione di quantili era un primo passo per iniziare a ottenere risultati significativi, sai, smettere di prevedere zero come la cosa migliore. Non aveva alcun senso. E poi abbiamo capito, “Oh, vuoi una previsione con un quantile, ma cosa succede se regoli questo quantile perché puoi regolare quanto bias vuoi?” E poi siamo passati da quantile a griglie di quantili. Abbiamo una serie di bias che aumentano incrementalmente, e poi abbiamo capito, “No, ma dovremmo probabilmente avere tutti i bias diversi.” E poi siamo arrivati fondamentalmente a quantile, griglia di contatto, poi previsione probabilistica. E poi, a proposito, ci sono letterature separate, letterature statistiche, e sembra che molte altre persone nella comunità statistica abbiano fatto lo stesso viaggio che noi, che è fondamentalmente iniziare con previsioni o predizioni imparziali, passare a quelle parziali e poi esplorare molti bias e poi cercare di fare tutto in una volta. E questa è una previsione probabilistica. Ecco fatto.

Kieran Chandler: Ok, e Stefan, probabilmente sei anche una delle poche persone del settore al di fuori di Lokad che abbraccia questa idea di una previsione probabilistica. Quindi cosa ti ha portato a avere queste idee?

Stefan de Kok: Beh, penso che qui parli delle mie epifanie. La prima, che i valori incerti non possono essere rappresentati da numeri esatti, probabilmente già nel 2006, l’ho capito. Ma non l’avevo ancora capito; non era ancora una vera epifania. All’epoca, non avevo capito come farlo funzionare. Non ha senso farlo in quel modo. E infine, ho lavorato allo sviluppo di quello che chiamo un’aritmetica probabilistica, e quando ho capito come farla funzionare e ho guardato indietro, e ho visto come qualcosa che sembra così complesso fosse in realtà risolvibile da qualcosa di così elegante, tutto è andato al suo posto. Ed è lì che ho avuto il mio primo momento di aha. Ma all’epoca, lo tenevo segreto. Pensavo che fosse, sai, uno dei miei punti di differenziazione chiave, quindi certamente non lo stavo spingendo ancora.

Non è stato fino a più tardi, ed è uno di quei momenti serendipici nella mia carriera in cui mi sono trovato a aver bisogno di soldi e a cercare un lavoro, e ho trovato un’altra azienda che era proprio nella mia città natale di Boston. Una delle tre aziende al mondo che fanno questo, tra cui Lokad, e almeno all’epoca, ho scoperto che facevano questo dagli anni ‘70. E lo hanno dimostrato, ma lo hanno tenuto segreto perché questa era la loro ricetta segreta. E ho capito un paio di cose, e penso che le principali siano che ci sono molti modi per

Kieran Chandler: Penso che il punto chiave sia che ci sono molti modi per raggiungere lo stesso obiettivo. Ognuno dei vostri approcci è molto diverso, ma l’obiettivo finale è lo stesso. Quindi, non era il modo di farlo che doveva essere spinto, ma il concetto che doveva essere fatto. Come ti senti a discutere e promuovere questa idea senza svelare la ricetta segreta di ciò che rende speciali le vostre aziende?

Stefan de Kok: Mi sono reso conto che potevo parlarne, scriverne sul blog e scrivere articoli a riguardo senza svelare effettivamente la ricetta segreta di ciò che ci rende speciali. È importante far capire alle persone che alla fine è questo che tutte le pianificazioni e le previsioni dovranno diventare nel prossimo decennio circa. Una cosa che ho spinto di più di recente è che anche le metriche tradizionali sono sbagliate. Dobbiamo cambiare le metriche e utilizzare previsioni probabilistiche nelle piante e metriche probabilistiche per misurare il valore di ciò.

Joannes Vermorel: Assolutamente, sono d’accordo con Stefan. Quando hai qualcosa di probabilistico, puoi simulare molti futuri possibili e puoi mettere alla prova ogni singola decisione che prendi con il suo risultato come se conoscessi il futuro. Ti offre un modo molto elegante per classificare tutte le tue decisioni e dar loro priorità. Tuttavia, credo che la ricetta segreta, o la tecnologia che sta dietro, sia meno importante. Da Lokad, abbiamo già scartato cinque generazioni di motori di previsione, credendo ogni volta che fosse la cosa migliore di tutti i tempi, solo per renderci conto due anni dopo che c’era un modo migliore per farlo.

Kieran Chandler: Joannes, è interessante che tu menzioni l’exploitability della futura sostenibilità. Puoi approfondire questa idea?

Joannes Vermorel: Certamente. Il fatto che ci sia variabilità nel futuro può essere sfruttato. Non si tratta solo di proteggersi e di essere più resilienti; si può anche approfittare del fatto che ci sia variabilità in primo luogo.

Kieran Chandler: Stefan, se iniziamo a guardare le cose dal punto di vista del cliente, come possiamo aiutarli ad abbracciare questa idea di accettare l’incertezza? Quali strategie possono adottare dal punto di vista del software?

Stefan de Kok: La parte chiave è che se hai un motore complesso e ottieni un output di una scatola nera, non porta a 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 sarà un singolo numero, ma invece forniamo una serie di possibilità che tengono conto dell’incertezza.

Kieran Chandler: Per essere al cento per cento, pensiamo che la risposta possa essere ovunque tra un certo numero di valori, e c’è questa distribuzione di come questi valori possono verificarsi. Puoi guardare a tutto questo a qualsiasi livello, ed è tutto una questione di visualizzazione dei risultati. Mi piace pensare quasi come a una macchina, sai? Noi siamo i meccanici, e il cliente è il conducente. Ai vecchi tempi, sapevo come funzionava la mia macchina, ed ora è bellissima. Guardo dentro, è bellissima, ma non ho idea di cosa la faccia funzionare. Anche il meccanico deve collegarla a un cavo per collegarla al suo computer per capire cosa sta succedendo. Penso che sia così che le soluzioni del futuro e ciò che stiamo tutti portando riguardano: portare quella sofisticazione ma renderla più facile per l’utente, per il conducente, usarla effettivamente e ottenere un output che possano utilizzare e su cui possano prendere decisioni più sicure.

Joannes Vermorel: Ok, ottimo. Restando con questa prospettiva del cliente, cosa significa per un’azienda passare a questo approccio probabilistico? Quando si inizia a pensare alle probabilità, si tratta di cercare di bilanciare le grandi forze che si stanno cercando di equilibrare. Quali sono i problemi che si stanno cercando di mitigare? Quali sono i colli di bottiglia che ti colpiranno di più e ti faranno male? Di solito, è molto divertente perché queste previsioni esplosive ti danno un modo per quantificare. È come le ricette che alla fine ti permettono di quantificare ciò che era spesso ovvio in termini di intuizione. Quindi, non è che può produrre intuizioni fantastiche. Nella mia esperienza personale, è un po’ il contrario. Mette solo cose che erano abbastanza ovvie fin dall’inizio, ma per la prima volta il sistema ti dà numeri che corrispondono all’intuizione in modi molto banali. Ad esempio, hai un prodotto altamente deperibile; non metterci troppo stock. Stai solo correndo un rischio enorme con un prodotto altamente deperibile per avere scorte elevate. Se adotti un approccio di previsione classico, dirà semplicemente: “Oh, raggiungi solo il 97% di livello di servizio e basta”, e poi crei solo un’eccessiva sovrastima con prodotti che scadono. Se adotti l’approccio probabilistico, la previsione potrebbe essere ancora peggiore, in realtà. Potrebbe non essere nemmeno super buona, ma è solo più equilibrata, considerando il rischio che ogni volta che si verificano le scorte, si conosce la data di scadenza, si ha qualcosa che è molto…

Kieran Chandler: Costoso e quindi, orienta la decisione verso qualcosa di molto più sensato, che è quello di non sovrastimare le fragole. Quindi, sono completamente d’accordo con l’idea che il fondatore ha detto che i deviamenti commerciali devono perseguire la semplicità. Anche se, ad essere onesti, non penso che Lokad abbia avuto il miglior track record nel fornire cose semplici, ma almeno ci stanno provando. Ok, Stefan, ti lascio con 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 davvero 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 penso che stiamo raggiungendo la vetta. Sta diventando più piatto, e sto notando meno resistenze. Penso che il mercato si stia rendendo conto, e c’è un approccio a due fasi. Il primo passo è che un numero esatto non è il modo giusto per affrontare l’incertezza. Il secondo passo, è lì che vedo ancora un po’ di attrito. Pensano che sia eccessivamente complesso. Dicono: “Tutti quelli che dicono sì, potresti farlo, ma…” C’è sempre quel “ma”, e il “ma” riguarda spesso i big data. Hai bisogno di molti dati per farlo in modo probabilistico. Beh, non è vero, giusto? Hai solo bisogno di dati storici, che hai in ogni sistema ERP, per risolvere lo stesso problema che faresti in modo deterministico.

L’altro problema che molte persone hanno è come gestire i molteplici futuri possibili. Pensano che ciò possa far esplodere il numero di possibilità. Tuttavia, una previsione probabilistica potrebbe portare a un piano probabilistico; devi solo esprimerlo in distribuzione. Questa è la parte che penso che le persone stiano ancora affrontando a questo punto. Ma sono entusiasta, vedo la tendenza e vedo dove sta andando. Sto vedendo sempre più accettazione da parte di alcune persone che erano fermamente contrarie a questo approccio inizialmente. Vedo sempre più persone fare il cambio, avere l’epifania, quindi è una questione di raggiungere quella massa critica e sarà abbracciata dalla maggioranza. Sono sicuro che sono entusiasta di questo.

Kieran Chandler: Ok, fantastico. Beh, dobbiamo lasciarlo qui, ma grazie a entrambi per il vostro tempo. Grazie mille per averci seguito e ci vediamo nel prossimo episodio. Ciao per ora.