00:00:08 Introduzione e background di Eric Wilson in IBF.
00:01:35 Sfide nel produrre numeri utili e approfondimenti tramite l’analitica.
00:03:45 Il ruolo delle decisioni aziendali nell’utilizzo dell’analitica.
00:05:31 L’importanza di pianificatori della domanda competenti e la carenza nel settore.
00:07:25 Scarsità di talenti nella supply chain e nel campo dell’analitica.
00:10:58 La necessità di un nuovo ruolo di Supply Chain Scientist.
00:13:01 Pensiero probabilistico nella gestione della supply chain.
00:14:41 L’importanza crescente della gestione della supply chain nelle imprese.
00:15:47 L’interesse crescente dei media per la gestione della supply chain.
00:17:18 L’emergere di master in supply chain presso università d’élite.
00:18:27 L’evoluzione dell’analitica e il suo ruolo nel futuro.
00:19:59 La tecnologia matura che diventa invisibile e si integra nello sfondo.
00:20:53 Esempio della tecnologia anti-spam come tecnologia matura e invisibile.
00:23:59 Definizione di intelligenza artificiale e il valore di porre le domande giuste.
00:24:57 La silent supply chain ideale e le sue implicazioni per i pianificatori della domanda.
00:25:11 Le speranze di Eric per il suo libro e le competenze che i pianificatori della domanda possono acquisire.
00:26:39 Conclusioni finali.
Riassunto
In un’intervista con Kieran Chandler, Joannes Vermorel, fondatore di Lokad, ed Eric Wilson, un professionista certificato nella previsione aziendale, discutono l’importanza crescente dell’analitica nelle organizzazioni moderne. Esplorano le sfide nell’utilizzo di enormi quantità di dati per ottenere approfondimenti significativi e la necessità di ottimizzare la supply chain. Entrambi sottolineano l’importanza di un’analitica azionabile per migliorare il processo decisionale. La conversazione evidenzia la crescente richiesta di professionisti qualificati nella supply chain management e l’integrazione della tecnologia con l’expertise nella supply chain. Man mano che l’analitica continua a evolversi, le organizzazioni devono adattarsi per diventare più agili, reattive e predittive, al fine di rimanere competitive in un mercato in rapido cambiamento.
Riassunto Esteso
In questa intervista, il conduttore Kieran Chandler è affiancato da Joannes Vermorel, fondatore di Lokad, ed Eric Wilson, Certified Professional Business Forecaster e conduttore del podcast On Demand di IBF. Discutono il ruolo dell’analitica nelle organizzazioni moderne, concentrandosi sulle sfide e i benefici derivanti dall’utilizzo dei dati per guidare le decisioni aziendali.
Vermorel esprime un punto di vista alquanto controverso sull’analitica. Ritiene che sia facile generare una quantità enorme di dati, ma molto più difficile produrre un numero ridotto di intuizioni di valore per l’essere umano. Egli suggerisce che l’uso diffuso dell’analitica nelle aziende spesso non riesce a produrre informazioni utili. Wilson, d’altro canto, crede che, pur essendo fondamentale setacciare l’enorme quantità di dati per trovare intuizioni significative, i benefici che se ne ricavano superano di gran lunga i costi del percorso per arrivarci.
Wilson sottolinea l’importanza di trasformare i dati grezzi in informazioni e poi in intuizioni azionabili. Riconosce che molte aziende faticano a raggiungere la fase dell’intuizione, ma afferma che intraprendere questo percorso è essenziale. Le imprese dovrebbero utilizzare i dati per ottenere una comprensione più profonda dei propri consumatori e dell’economia, soprattutto di fronte a sfide come il COVID-19.
Entrambi Vermorel e Wilson concordano sul fatto che l’obiettivo finale dell’analitica sia guidare decisioni aziendali migliori. Vermorel osserva che, senza uno scopo pratico e tangibile, l’analitica può portare a linee di pensiero o azione non produttive. Critica l’uso diffuso dei vanity metrics e la mancanza di focus sui key performance indicators (KPI). Al contrario, egli suggerisce che le aziende dovrebbero concentrarsi su decisioni azionabili e automatizzate basate sui dati.
Il nuovo libro di Wilson, “Predictive Analytics for Business Forecasting,” è destinato ai pianificatori della domanda. Con la crescita dei team di dati, c’è una crescente pressione nel trovare pianificatori della domanda competenti. Wilson crede che i pianificatori della domanda possiedano le competenze necessarie per crescere nei loro ruoli, in quanto sono predisposti a comprendere e comunicare i fattori che influenzano i consumatori e la domanda.
Questa intervista mette in luce le sfide e i benefici dell’utilizzo dell’analitica nelle organizzazioni moderne. Mentre Vermorel critica l’enfasi eccessiva sui dati senza intuizioni chiare e azionabili, Wilson sottolinea l’importanza di trasformare i dati in informazioni di valore per le decisioni aziendali. Entrambi concordano sulla necessità di un’analitica focalizzata e azionabile per guidare decisioni aziendali migliori.
La conversazione inizia con Eric Wilson che riconosce l’attuale carenza di pianificatori della domanda, poiché la domanda per tale competenza è aumentata notevolmente negli ultimi anni. Gli stipendi sono aumentati del 30-40 percento negli ultimi cinque anni, e i portali di lavoro sono costantemente pieni di annunci per questi ruoli. Pur essendoci pianificatori della domanda qualificati, non ce ne sono a sufficienza sul mercato.
Joannes Vermorel concorda, affermando che il talento è raro e che i Supply Chain Scientist di alta qualità sono difficili da trovare. Egli paragona la situazione al trading quantitativo nelle banche, dove un numero ristretto di trader genera la maggior parte dei rendimenti. Crede che la tecnologia agisca come un moltiplicatore per l’intelligenza umana, permettendo a individui più capaci di operare in maniera più rapida e su scala maggiore.
Vermorel sottolinea che la crescente popolarità dei data scientist negli ultimi cinque anni ha portato a un afflusso di professionisti altamente competenti in ambito tecnologico e nei linguaggi di programmazione, come Python e strumenti di machine learning come PyTorch, Keras e TensorFlow. Tuttavia, sostiene che la sola competenza tecnica non può sostituire una profonda comprensione delle complessità della supply chain.
Secondo Vermorel, la sfida consiste nel fatto che i Supply Chain Scientist riescano ad applicare le loro competenze a situazioni reali, al di là delle capacità di giganti tecnologici come Google e Facebook. La difficoltà risiede nel perfezionare l’analisi della supply chain, che rappresenta una sfida diversa rispetto alla gestione di grandi quantità di dati.
Wilson immagina un futuro in cui entrambe le competenze si fondono per creare un ruolo di pianificazione della domanda capace di gestire i cambiamenti quotidiani dei modelli e integrare l’analitica come capacità aggiuntiva. Vermorel suggerisce scherzosamente il termine “Supply Chain Scientist” per questo tipo di posizione, pur ammettendo che si tratta di un termine coniato da Lokad per differenziare i loro ruoli sul mercato.
L’intervista mette in luce la crescente domanda di professionisti qualificati nell’ottimizzazione della supply chain e le difficoltà nel trovare individui capaci che possano gestire sia gli aspetti tecnici che quelli aziendali del settore. Mentre la tecnologia continua ad avanzare, la necessità di una profonda comprensione delle complessità della supply chain e di una collaborazione efficace tra pianificatori della domanda e data scientist rimane fondamentale.
La conversazione evidenzia l’importanza del pensiero probabilistico nella gestione della supply chain, allontanandosi dagli approcci deterministici. Con l’evoluzione del settore, la pianificazione della domanda e la supply chain sono diventate sempre più importanti per le aziende, con i dirigenti che si concentrano su questi ambiti più che mai.
La crescente popolarità della data science ha portato a un’infusione di parole d’ordine nel settore, ma gli intervistati sottolineano la necessità di una comprensione più profonda dei processi reali. Discutono di come la gestione della supply chain abbia progressivamente guadagnato maggiore attenzione da parte di università prestigiose, con professori e studenti di alto livello che esplorano il campo. Questo cambiamento sta contribuendo ad attrarre più talenti nel settore, che diventa via via più complesso a causa di fattori come la conformità e la globalizzazione.
Guardando al futuro, l’analitica giocherà un ruolo cruciale nell’evoluzione della gestione della supply chain. Le aziende dovranno essere più agili, reattive e predittive per stare al passo con il cambiamento del comportamento dei consumatori. Ciò comporterà una maggiore dipendenza dalla pianificazione della domanda e dall’ottimizzazione della supply chain per supportare strategie di marketing mirate. La democratizzazione dei dati e dell’analitica continuerà a guidare i cambiamenti nel settore, enfatizzando l’importanza dell’ottimizzazione della supply chain per le imprese.
Wilson prevede che le organizzazioni diventeranno più piatte e dipendenti dall’analitica per guidare il processo decisionale. Vermorel ritiene che, man mano che la tecnologia matura, essa diventi invisibile, fondendosi con lo sfondo e operando in modo impercettibile. Cita la tecnologia anti-spam come esempio di tecnologia matura, che opera in maniera poco appariscente ma efficace.
Vermorel immagina un futuro in cui l’analitica della supply chain sia in gran parte invisibile, guidando decisioni quotidiane senza attirare l’attenzione dei massimi dirigenti. Tuttavia, riconosce che le supply chain sono diversificate e che nessuna singola azienda o tecnologia può coprire l’intero mercato. Nonostante il suo carattere discreto, Vermorel crede che l’analitica avanzata diventerà più importante che mai per mantenere la competitività.
Quando gli viene chiesto del suo libro sull’analitica predittiva, Wilson spiega che non si tratta di un testo ricco di matematica, bensì di un’introduzione al machine learning, all’intelligenza artificiale e all’analitica predittiva per i pianificatori della domanda. Il libro copre persone, processi, analitica e tecnologia, focalizzandosi sulla creazione di organizzazioni guidate dai dati e sulla comprensione di come utilizzare i dati in modo efficace all’interno dell’azienda.
Trascrizione Completa
Kieran Chandler: Ehi, oggi siamo lieti di avere con noi Eric Wilson, il conduttore dei podcast On Demand di IBF. Discuteremo con lui il ruolo dell’analitica nelle organizzazioni moderne e ciò che possiamo apprendere dal suo nuovo libro intitolato Predictive Analytics for Business Forecasting. Quindi Eric, grazie mille per essere qui con noi in diretta dagli States. Forse per cominciare, potresti dirci qualcosa in più su di te e sul tuo ruolo in IBF.
Eric Wilson: Sono entusiasta di far parte di questo e di essere nel vostro cast. Mi chiamo Eric Wilson, sono il thought leader per l’Institute of Business Forecasting. È in realtà un’organizzazione globale con oltre 50.000 membri in tutto il mondo. Ci occupiamo specificamente di promuovere la crescita nella pianificazione della domanda, nelle previsioni, nell’analitica predittiva, nello SNOP e in settori correlati. Questo è ciò che facciamo come organizzazione. Una delle cose che facciamo è condividere la conoscenza, ed è qui che entro in gioco io. Scrivo articoli e ospito un podcast bisettimanale, IBF On Demand, che puoi trovare su YouTube o dove preferisci ascoltare i podcast. Quindi questa è una piccola presentazione su di me. Ho accumulato circa 30 anni di esperienza in troppe industrie e in ruoli troppo diversi, ma questo mi ha permesso di arrivare dove sono ora.
Kieran Chandler: Brillante! Oggi, Joannes, il nostro argomento riguarda l’analitica, in particolare nelle organizzazioni moderne. Penso che quando ne abbiamo discusso, avevi una visione alquanto controversa sull’analitica e sul suo effettivo ruolo. Qual è la tua prima impressione?
Joannes Vermorel: Il mio punto di vista, in breve, è che è molto facile produrre un milione di numeri al secondo con un computer, ma in realtà è molto difficile produrre cinque numeri al giorno che meritino di essere letti dagli esseri umani. La sfida più grande con l’analitica è come produrre qualcosa che valga l’attenzione di una persona. La mia osservazione informale è che ciò che attualmente si riscontra nelle aziende, specialmente nel settore della supply chain, ma non solo, non supera questo test.
Kieran Chandler: Quali sono i tuoi pensieri in merito, Eric? I dati sono cresciuti enormemente negli ultimi 20 anni circa. Diresti che ora stiamo producendo troppi numeri e non ci concentriamo su ciò che è davvero importante?
Eric Wilson: Non penso si possano avere troppi numeri, ma c’è del vero in ciò che dice Joannes riguardo al trovare l’informazione giusta. I dati in ogni forma sono semplicemente questo – dati grezzi, i mattoni con cui si può iniziare a costruire qualcosa. Trasformare quei dati in informazioni e poi in intuizioni è dove le aziende stanno incontrando difficoltà. Tuttavia, i benefici nel raggiungere questa meta superano di gran lunga il costo del percorso per arrivarci. Le aziende devono iniziare questo percorso anche se attualmente stanno faticando, perché sviluppare quei dati grezzi in intuizioni utili per un’organizzazione è fondamentale.
Kieran Chandler: Dobbiamo smettere di vivere nel passato e iniziare a guardare avanti, trovando nuovi approfondimenti sui consumatori e sull’economia, specialmente in tempi come quelli che stiamo affrontando ora con il COVID. Dobbiamo iniziare a svelare queste intuizioni.
Joannes Vermorel: Uno degli spunti chiave su cui ci concentriamo in Lokad è l’idea delle decisioni aziendali. Dove queste decisioni possono veramente cambiare il modo in cui un’azienda opera? Con l’analitica, ci sono diversi percorsi che possono portare a linee di attività o di pensiero non produttive. Hai bisogno di uno scopo pratico e quotidiano che guidi ciò che fai con la tua analisi, i numeri, la visualizzazione e tutto il resto. Una decisione è qualcosa che ha un impatto fisico e tangibile sulle supply chain, come una decisione di acquisto, un movimento di stock o un cambiamento di prezzo. Se analizzi i numeri con l’intenzione diretta di migliorare una decisione, può essere positivo. Quello che solitamente vedo sono oceani di vanity metrics, dove si finisce con così tanti KPI che è quasi un insulto definirli “chiave”. Mancano di focus e di un meccanismo intrinseco per trasformarli in qualcosa di azionabile su larga scala e in modo completamente automatizzato.
Kieran Chandler: Eric, nel tuo nuovo libro, “Predictive Analytics for Business Forecasting,” è molto focalizzato sul pianificatore della domanda. Abbiamo notato nel settore che, con la crescita dei team di dati, c’è una maggiore spinta nella ricerca di un pianificatore della domanda capace. C’è una carenza in questo ambito?
Eric Wilson: In questo caso la risposta è mista. I demand planner sono capaci di crescere nel ruolo. Sono portati a osservare cosa influenza i consumatori, cosa impatta la domanda, a comprendere e a collegare le diverse variabili. Sono predisposti a comunicare tutto questo all’interno della supply chain, della finanza e di altre parti dell’organizzazione, offrendo spunti utili che possono essere utilizzati da altri settori. Hanno le competenze per farlo. Detto ciò, al momento stiamo assistendo a una carenza di demand planner, poiché la domanda per loro è così alta. Gli stipendi sono aumentati dal 30 al 40 percento negli ultimi cinque anni. Stiamo vedendo bacheche di lavoro occupate anche in questi tempi, con persone alla ricerca di chi possieda competenze qualitative, quantitative e comunicative, in grado di unire analytics e capacità imprenditoriali per un’organizzazione. Quindi, sono qualificati? Sì, lo sono. Ma ce ne sono abbastanza? La risposta sarebbe no.
Kieran Chandler: E penso che questo sia qualcosa in cui probabilmente ci ritroviamo. Siamo sempre alla ricerca di Supply Chain Scientist ben qualificati, ed è sempre qualcosa che può risultare piuttosto difficile da trovare. Perché, dal tuo punto di vista, Joannes?
Joannes Vermorel: Il talento è per definizione raro. Ogni azienda dice di assumere solo i migliori, ma la realtà è che il mercato assume la media. Questi tipi di lavori sono quelli in cui le persone più preparate ottengono risultati sproporzionatamente migliori. Stiamo entrando in un ambito simile al trading quantitativo nelle banche, dove pochi trader generano la maggior parte del rendimento. La tecnologia è un amplificatore dell’intelligenza umana, quindi se hai qualcuno più intelligente, più capace e con migliori intuizioni imprenditoriali, farà le cose più velocemente e su una scala più ampia per la sua organizzazione. Questo vale sempre più anche per la supply chain, non solo per il trading nel settore bancario e finanziario.
Quello che rende tutto più difficile di quanto dovrebbe essere, credo, è l’idea del data scientist. Negli ultimi cinque anni questo ruolo è diventato molto popolare, ma il problema è che finisci per avere persone a cui le università hanno insegnato che il loro focus dovrebbe essere la tecnologia in sé. Devono diventare molto bravi in Python, PyTorch, Keras, TensorFlow, o qualunque sia il popolare toolkit open source del momento per il machine learning. Sebbene sia certamente necessario avere una certa familiarità con gli strumenti tecnici, questo non sostituisce una comprensione profonda e paziente di cosa fa funzionare la supply chain, inclusi i minuziosi dettagli che guidano un’organizzazione. Se li trascuri, perdi di mira l’obiettivo. Così, c’è una certa difficoltà per i Supply Chain Scientist che hanno fatto innumerevoli esercizi su modelli testati e implementati in aziende come Facebook e Google. Quando arrivano in una vera azienda tradizionale che non è Google, sembra poco ambizioso rispetto a quanto hanno visto dal lato Google. La realtà è che la difficoltà è di un altro tipo; non riguarda il possedere un enorme cluster di GPU per elaborare petabyte di dati, ma piuttosto saper curare al dettaglio l’analisi della supply chain, il che rappresenta una sfida di natura diversa.
Kieran Chandler: Cosa ne pensi, Eric? Il tuo libro copre ovviamente una vasta gamma di tecniche analitiche. Diresti che consolidare e avere quella panoramica è qualcosa di un po’ più difficile da ottenere?
Eric Wilson: Sono d’accordo.
Kieran Chandler: Esistono competenze differenti tra il data scientist e il demand planner. C’è anche molto che possono imparare l’uno dall’altro, e penso che questa sia una grande panoramica di quanto di cui hai parlato, alcune delle difficoltà che stiamo osservando. Voglio dire, il demand planner deve avere una base più scientifica. Deve analizzare le cose, considerare variabili esterne, esaminare le nuove tecnologie, modellando quegli aspetti che sono veramente il mondo del data scientist. I demand planner devono uscire dalla loro zona di comfort e fare di più in tal senso. Allo stesso tempo, però, quella collaborazione, il sentirsi a proprio agio con l’ambiguità, quelle situazioni, la comunicazione, tutte quelle competenze che possiedono, sono fattori che li aiutano, ed è qui che devono intervenire anche i data scientist. Quindi, in futuro, si assisterà a una vera integrazione tra questi due set di competenze per il ruolo di demand planning.
Eric Wilson: C’è qualcosa di unico nella supply chain. C’è qualcosa di unico nell’avere un modello che cambia quotidianamente e nel sapersi adattare a questo cambiamento. C’è qualcosa di unico nella supply chain che bisogna saper offrire attraverso il ruolo del demand planning, integrando l’analytics come ulteriore capacità. E questo è davvero ciò che si intende fare.
Kieran Chandler: Vuoi approfondire, Joannes? Mi chiedo se non avremmo bisogno, non so, di un Supply Chain Scientist o qualcosa del genere?
Joannes Vermorel: No, sto solo scherzando. È letteralmente una terminologia inventata da Lokad per questo tipo di posizione. È un po’ inventata, ma era un modo per Lokad di segnalare al mercato, dato che ricevevamo moltissime candidature, soprattutto per il lato data science, perché è per lo più quello che le università producono. Direi che probabilmente le università producono circa 10 data scientist per ogni demand planner al giorno d’oggi. È diventata una grande tendenza. E serviva semplicemente a mettere i candidati, gli aspiranti, nella giusta mentalità, ovvero che faranno principalmente supply chain, non una sofisticata modellazione avanzata di deep learning.
Eric Wilson: È un buon modo di vederla. Voglio dire, sono quelle basi necessarie nella supply chain, ma aggiungendo quel pensiero probabilistico. Perché molte persone nella supply chain, insomma, il vecchio modo, erano molto deterministiche: “Venderò X unità il mese prossimo e pianificherò l’intera supply chain attorno a ciò.” Sappiamo tutti che così non andrà. Dobbiamo iniziare a pensare in termini di probabilità, a considerare intervalli, a valutare più rischi e opportunità. È qui che entra in gioco il Supply Chain Scientist, ed è qui che il demand planning aiuta a facilitare, ed è verso questi aspetti che le aziende devono muoversi. Quindi, quando parli di analytics, è solo l’inizio. Quando l’analytics diventa quel termine di moda in alcune organizzazioni, puoi sfruttarlo con il giusto approccio, la giusta cultura interna, e iniziare a cambiare la mentalità nella supply chain, a cambiare il mindset di un’organizzazione per usare l’analytics più, per esempio, rispetto ai sistemi, al pensiero probabilistico e via dicendo.
Kieran Chandler: Eric, hai accennato al fatto che la data science sta diventando un po’ più di moda, e penso che siamo completamente d’accordo. È qualcosa di cui sentiamo parlare sempre di più. E per quanto riguarda il settore della supply chain in sé? Voglio dire, c’è così tanta complessità. Diresti che questo è intimidatorio per chi inizia?
Eric Wilson: Personalmente, penso che il demand planning sia sexy, e credo che diventerà la prossima carriera sexy. Detto ciò, nei sondaggi più recenti legati al COVID, quando sono stati intervistati CFO e CEO, le loro principali preoccupazioni erano il flusso di cassa, la fine della pandemia, e il demand planning e la supply chain. Quindi, siamo passati dal cubicle all’ufficio di direzione. Ora c’è molta attenzione sulla supply chain. Vedi giornali e trasmissioni TV che ne parlano, cosa che non accadeva qualche anno fa. La sua importanza è cresciuta, e con essa il desiderio delle persone di inserirsi in questo ruolo e di farlo evolvere. È intimidatorio? No, penso solo che fosse una funzione di back-office e che la gente non la capisse. Ora le persone stanno iniziando non solo a capirla, ma anche a comprenderne l’importanza.
Kieran Chandler: Stiamo vedendo molti media parlare della supply chain utilizzando vari buzzword, ma senza una reale comprensione dietro di esse. Diresti che anche questo è intimidatorio per chi è agli inizi, Joannes?
Joannes Vermorel: Per quanto riguarda i giornalisti, la loro completa mancanza di comprensione di un argomento non li ha mai fermati dal scrivere un sacco di contenuti al riguardo. Tuttavia, scherzi a parte, ho notato un cambiamento nella percezione. Mio padre, che gestiva aziende industriali, mi disse una volta che se qualcuno era molto affidabile e metodico, veniva assegnato alla parte di produzione. Se era energico e orientato all’azione, finiva nelle vendite. Ma se non era né energico né affidabile, veniva messo nella supply chain. Quella era la mentalità di allora.
Fortunatamente, negli ultimi due decenni, molte università hanno iniziato a offrire programmi di master in supply chain che non sono affatto una battuta, con professori e studenti di altissimo livello. Ora c’è più talento nel settore che mai, ma le cose sono diventate anche più complicate per vari motivi, tra cui la compliance e la globalizzazione, che hanno reso il tutto ancora più impegnativo.
Kieran Chandler: Quanto pensi che nel corso dei prossimi decenni il ruolo dell’analytics cambierà e come vedi questa evoluzione?
Eric Wilson: Oh wow, voglio dire, ovviamente nei prossimi anni assisteremo a una grande evoluzione o rivoluzione. Stiamo notando la necessità di diventare più agili, più reattivi e più predittivi all’interno delle organizzazioni. Pertanto, le organizzazioni dovranno iniziare a recuperare il ritardo. Dovranno affidarsi sempre di più al micro-targeting dei consumatori. Non possono più limitarsi a inondare le frequenze radio e i siti web con materiale. Devono iniziare a mirare in modo più specifico, e questo dipenderà da un buon demand planning e dalla supply chain per supportare tutto ciò. Quello che vedremo sarà la democratizzazione dei dati, e già assistiamo alla democratizzazione dell’analytics, con quella funzione della supply chain che diventa un supporto fondamentale per tutta l’organizzazione, sostenendo ogni tipo di funzione in futuro. Credo davvero che le organizzazioni diventeranno molto più piatte e saranno maggiormente dipendenti dall’analytics come forza trainante.
Kieran Chandler: Joannes, abbiamo già parlato dell’idea del micro-targeting quando si trattava dell’utilizzo dei dati delle loyalty card, ed è sicuramente un concetto interessante. E tu, cosa vedi come futuro per il panorama tecnologico?
Joannes Vermorel: La mia percezione è che, quando la tecnologia matura, tende a diventare invisibile, fondendosi con lo sfondo. Quando è davvero perfezionata, quasi non te ne accorgi più, anche se è più presente che mai. Penso che l’archetipo di tutto ciò sia l’anti-spam. Hai un sofisticato sistema di machine learning che smista costantemente la tua posta, ed è molto accurato. Se controlli la cartella dello spam, il 99% dei messaggi è spam, ben classificato, e non devi fare nulla; funziona semplicemente. Se usi Gmail, Outlook o simili, è così. Quando è fatto per bene, una tecnologia molto matura, specialmente nel machine learning, sparisce e svolge il suo lavoro in modo silenzioso e affidabile, senza clamore. Quasi ti dimentichi che esiste, ma puoi continuare a migliorarla, facendo molto grazie a ciò. Direi che il futuro della tecnologia analytics per la supply chain in molte organizzazioni sarà probabilmente proprio questo. Sarà qualcosa che guiderà una miriade di decisioni molto banali, e non catturerà naturalmente tutta l’attenzione del CEO.
Kieran Chandler: Puoi dirci come vedi il ruolo dell’intelligenza artificiale nell’ottimizzazione della supply chain?
Joannes Vermorel: Il targeting diretto sarà eseguito automaticamente, funzionando in modo fluido. Il carico di lavoro dei tuoi warehouses, impianti, negozi, o altro, sarà anch’esso gestito in background. Nessuno si concentrerà su queste cose quotidianamente, tranne qualche specialista. Tuttavia, diventerà fondamentale avere persone molto capaci per rimanere competitivi e continuare a migliorare l’intero sistema. La mancanza di questo tipo di tecnologia ti renderà non competitivo, proprio come avere una casella di posta senza un anti-spam ti costringerebbe a trascorrere l’intera giornata a smistare lo spam. Ovviamente, senza questo sarebbe quasi impossibile utilizzare l’email. Ora, l’email non è un’analogia del tutto adeguata, perché puoi avere una tecnologia anti-spam identica per milioni di aziende che usano Gmail o Outlook. La supply chain è molto più diversificata, quindi non vedo come una singola azienda possa realisticamente dominare l’intero mercato, perché è semplicemente troppo variegato. Ci saranno ancora molte tecnologie, ma se dovessi scommettere, sarà molto più simile all’anti-spam, per lo più invisibile, impressionante eppure più importante che mai.
Eric Wilson: A questo proposito, stai parlando della definizione di intelligenza artificiale, un termine ambiguo, ma che indica tutto ciò che automatizza o potenzia un processo o un risultato. È praticamente di questo che stiamo parlando, dove ci si concentrerà meno sulla modellazione, sull’analytics e sul lato tecnico, e più sugli aspetti soft.
Kieran Chandler: Quando qualcosa diventa una commodity, qualcos’altro diventa di pregio. Quindi, quando i tuoi dati diventano una commodity, quando anche la tua modellazione viene mercificata all’interno delle organizzazioni perché la tecnologia può gestirla quasi in automatico, le domande da porsi diventano di pregio o, sai, come tradurre ciò nel dialogo con il CEO, questi diventano i punti forti. Ed è qui che entri in gioco come demand planning nella supply chain, quelle persone che rispondono a questi obiettivi per il futuro. Ottimi spunti.
Joannes Vermorel: Sì, ne abbiamo parlato un po’ qui, questa idea di una supply chain che opera in modo completamente silenzioso, ed è proprio questo il sogno.
Kieran Chandler: Eric, lasceremo a te l’ultima parola. In chiusura, quali sono le tue speranze per il tuo libro e quali sono le competenze che vorresti che un demand planner acquisisse leggendo il libro?
Eric Wilson: Sì, la mia speranza per il libro è che non sia un libro troppo matematico. In realtà ti fornisce le introduzioni al machine learning, all’intelligenza artificiale, al predictive analytics. È nel nome: predictive analytics per il business forecasting, per supply chain, per il demand planner, per aiutarli a passare dal preoccuparsi dei set di dati interni guardando al passato, a uno sguardo più orientato al futuro, esaminando set di dati esterni, cercando nuovi modi di analizzare i dati, osservare modelli che magari non avevano mai considerato prima. Gli offre quegli elementi introduttivi. È suddiviso tra persone, processi, analytics e tecnologia, che è il modo in cui il libro è strutturato. Quindi, non si concentra solo su, sai, ecco un insieme, ecco, sai, un albero decisionale, ecco, sai, questi modelli e come implementarli. Ti offre un piccolo assaggio di ciò, ma ti introduce dapprima al lato umano, su come costruire un’organizzazione guidata dai dati o dall’analisi. Esamina anche il lato tecnologico, quali tipi di aziende supportano, di cosa hai bisogno per iniziare a costruire, come ottenere quella visualizzazione ora. E considera anche il lato dei dati, spiegandoti esattamente cosa sono i dati e come puoi cominciare a utilizzarli all’interno della tua organizzazione, invece di, sai, limitarti a nuotare nel data lake. Ti permette davvero di capire come integrare oggi nella tua organizzazione quegli elementi che potrai utilizzare immediatamente, ed è davvero questo che spero di riuscire a fare. D’accordo.
Kieran Chandler: Brillante. Bene, dovremo concludere qui, ma grazie a entrambi per il tempo dedicato oggi.
Joannes Vermorel: Grazie.
Kieran Chandler: Questo è tutto per questa settimana. Grazie mille per aver seguito, e ci vediamo nuovamente nel prossimo episodio. Grazie per aver guardato.
