00:00:08 Introduzione e background di Eric Wilson presso IBF.
00:01:35 Sfide nella produzione di numeri utili e intuizioni dall’analisi.
00:03:45 Il ruolo delle decisioni aziendali nell’utilizzo dell’analisi.
00:05:31 Importanza dei pianificatori della domanda competenti e la carenza nel settore.
00:07:25 Scarsità di talento nella catena di fornitura e nel campo dell’analisi.
00:10:58 La necessità di un nuovo ruolo di scienziato della catena di fornitura.
00:13:01 Pensiero probabilistico nella gestione della catena di fornitura.
00:14:41 L’importanza crescente della gestione della catena di fornitura nelle aziende.
00:15:47 L’interesse crescente dei media nella gestione della catena di fornitura.
00:17:18 Emergenza di esperti di catena di fornitura nelle università di élite.
00:18:27 Evoluzione dell’analisi e il suo ruolo nel futuro.
00:19:59 La tecnologia matura che diventa invisibile e si fonde con lo sfondo.
00:20:53 Esempio di tecnologia anti-spam come tecnologia matura e invisibile.
00:23:59 Definizione di intelligenza artificiale e il valore di fare le domande giuste.
00:24:57 La catena di fornitura ideale silenziosa 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 da esso.
00:26:39 Osservazioni conclusive.
Riassunto
In un’intervista con Kieran Chandler, Joannes Vermorel, fondatore di Lokad, ed Eric Wilson, un previsionista aziendale certificato, discutono dell’importanza crescente dell’analisi nelle organizzazioni moderne. Esplorano le sfide nell’utilizzo di grandi quantità di dati per intuizioni significative e la necessità di ottimizzazione della catena di fornitura. Entrambi sottolineano l’importanza dell’analisi azionabile per una migliore presa di decisioni. La conversazione mette in evidenza la crescente domanda di professionisti qualificati nella gestione della catena di fornitura e l’integrazione della tecnologia con l’esperienza nella catena di fornitura. Con l’evoluzione dell’analisi, le organizzazioni devono adattarsi per diventare più agili, reattive e predictive al fine di rimanere competitive in un mercato in rapido cambiamento.
Riassunto Esteso
In questa intervista, l’ospite Kieran Chandler è accompagnato da Joannes Vermorel, fondatore di Lokad, ed Eric Wilson, un previsionista aziendale professionista certificato e conduttore del podcast on-demand di IBF. Discutono del ruolo dell’analisi nelle organizzazioni moderne, con un focus sulle sfide e i benefici dell’utilizzo dei dati per guidare le decisioni aziendali.
Vermorel ha una visione in parte controversa sull’analisi. Crede che sia facile generare grandi quantità di dati, ma molto più difficile produrre un piccolo numero di intuizioni preziose per il consumo umano. Suggerisce che l’uso diffuso dell’analisi nelle aziende spesso non riesce a produrre informazioni utili. Wilson, d’altra parte, crede che mentre è cruciale setacciare grandi quantità di dati per trovare intuizioni significative, i benefici di farlo superano di gran lunga i costi.
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 delle intuizioni, ma afferma che intraprendere questo percorso è essenziale. Le aziende dovrebbero utilizzare i dati per acquisire una comprensione più profonda dei loro consumatori e dell’economia, soprattutto di fronte a sfide come il COVID-19.
Sia Vermorel che Wilson concordano sul fatto che l’obiettivo finale dell’analisi è guidare decisioni aziendali migliori. Vermorel fa notare che senza uno scopo pratico e tangibile, l’analisi può portare a linee di pensiero o azioni improduttive. Critica l’uso diffuso delle metriche di vanità e la mancanza di attenzione ai indicatori chiave di prestazione (KPI). Al contrario, 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 rivolto ai pianificatori della domanda. Con la crescita dei team di dati, c’è una pressione sempre maggiore per trovare pianificatori della domanda capaci. Wilson crede che i pianificatori della domanda abbiano le competenze necessarie per crescere nelle loro posizioni, in quanto sono predisposti a comprendere e comunicare i fattori che influenzano i consumatori e la domanda.
Questa intervista mette in evidenza le sfide e i benefici dell’utilizzo dell’analisi nelle organizzazioni moderne. Mentre Vermorel critica la sovrabbondanza di dati senza chiare intuizioni azionabili, Wilson sottolinea l’importanza di trasformare i dati in informazioni preziose per la presa di decisioni. Entrambi concordano sulla necessità di un’analisi mirata e azionabile per guidare decisioni aziendali migliori.
La conversazione inizia con Eric Wilson che riconosce l’attuale scarsità di pianificatori della domanda, poiché la domanda delle loro competenze è aumentata significativamente negli ultimi anni. I salari sono aumentati del 30-40% negli ultimi cinque anni e i siti di lavoro sono costantemente pieni di annunci per questi ruoli. Sebbene esistano pianificatori della domanda qualificati, semplicemente non ce ne sono abbastanza sul mercato.
Joannes Vermorel concorda, affermando che il talento è raro e che è difficile trovare scienziati di supply chain di alta qualità. Paragona la situazione al trading quantitativo nelle banche, dove un piccolo numero di trader genera la maggior parte dei rendimenti. Crede che la tecnologia agisca come un moltiplicatore per l’intelligenza umana, consentendo a individui più capaci di operare più velocemente e su una scala più ampia.
Vermorel fa notare che la crescente popolarità degli scienziati dei dati negli ultimi cinque anni ha portato a un afflusso di professionisti altamente qualificati in tecnologia e linguaggi di programmazione, come Python e strumenti di apprendimento automatico 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 gli scienziati di supply chain devono essere in grado di applicare le loro competenze a situazioni reali al di là del campo delle grandi aziende tecnologiche come Google e Facebook. La difficoltà sta nel perfezionare l’analisi della supply chain, che è un tipo di sfida diverso rispetto alla gestione di grandi quantità di dati.
Wilson immagina un futuro in cui entrambi i set di competenze si fondono per creare un ruolo di pianificazione della domanda in grado di gestire cambiamenti di modelli quotidiani e incorporare l’analisi come capacità aggiuntiva. Vermorel suggerisce scherzosamente il termine “scienziato di supply chain” per questo tipo di posizione, anche se ammette che è un termine inventato usato da Lokad per differenziare i loro ruoli sul mercato.
L’intervista mette in evidenza la crescente domanda di professionisti qualificati nell’ottimizzazione della supply chain e le sfide nel trovare individui qualificati in grado di gestire sia gli aspetti tecnici che quelli aziendali del settore. Mentre la tecnologia continua a progredire, la necessità di una profonda comprensione delle complessità della supply chain e di una collaborazione efficace tra i pianificatori della domanda e gli scienziati dei dati rimane fondamentale.
La conversazione mette in evidenza 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 queste aree più che mai.
L’aumento della popolarità della scienza dei dati ha portato a un’affluenza di parole di moda nel settore, ma gli intervistati sottolineano la necessità di una comprensione più approfondita dei processi effettivi. Discutono di come la gestione della supply chain abbia gradualmente guadagnato sempre più attenzione da parte di università prestigiose, con professori e studenti di alto livello che esplorano il settore. Questo cambiamento sta contribuendo a portare più talento nel settore, che sta diventando sempre più complesso a causa di fattori come la conformità e la globalizzazione.
Guardando avanti, l’analisi svolgerà un ruolo cruciale nell’evoluzione della gestione della supply chain. Le aziende dovranno essere più agili, reattive e predictive per stare al passo con i cambiamenti nel comportamento dei consumatori. Ciò comporterà una maggiore affidabilità nella pianificazione della domanda e nell’ottimizzazione della supply chain per supportare gli sforzi di marketing mirati. La democratizzazione dei dati e dell’analisi continuerà a guidare i cambiamenti nel settore, sottolineando l’importanza dell’ottimizzazione della supply chain per le imprese.
Wilson vede le organizzazioni diventare più piatte e dipendenti dall’analisi per prendere decisioni. Vermorel crede che, man mano che la tecnologia matura, diventa invisibile, mescolandosi allo sfondo e funzionando senza soluzione di continuità. Cita la tecnologia anti-spam come esempio di una tecnologia matura che opera in modo discreto ma efficace.
Vermorel immagina il futuro dell’analisi della supply chain come in gran parte invisibile, guidando decisioni banali senza catturare l’attenzione dei dirigenti di alto livello. Tuttavia, riconosce che le supply chain sono diverse e nessuna singola azienda o tecnologia può catturare l’intero mercato. Nonostante la sua natura modesta, Vermorel crede che l’analisi avanzata diventerà sempre più importante per mantenere la competitività.
Quando gli viene chiesto del suo libro sull’analisi predittiva, Wilson spiega che non si tratta di un testo pesante di matematica, ma piuttosto di un’introduzione all’apprendimento automatico, all’intelligenza artificiale e all’analisi predittiva per i pianificatori della domanda. Il libro copre persone, processi, analisi e tecnologia, con un focus sulla creazione di organizzazioni basate sui dati e sulla comprensione di come utilizzare efficacemente i dati all’interno dell’organizzazione.
Trascrizione completa
Kieran Chandler: Ehi, oggi siamo lieti di essere qui con Eric Wilson, il conduttore del podcast On Demand dell’IBF. Discuteremo con lui del ruolo dell’analisi nelle organizzazioni moderne e di cosa possiamo imparare dal suo nuovo libro intitolato “Analisi predittiva per la previsione aziendale”. Quindi Eric, grazie mille per esserti unito a noi in diretta dagli Stati Uniti. Forse per iniziare, potresti dirci qualcosa in più su di te e sul tuo ruolo all’IBF.
Eric Wilson: Sono entusiasta di farne parte e di far parte anche del tuo cast. Mi chiamo Eric Wilson, sono il leader del pensiero per l’Istituto di previsione aziendale. È effettivamente un’organizzazione globale con oltre 50.000 membri in tutto il mondo. Ci occupiamo specificamente di favorire la crescita della pianificazione della domanda, delle previsioni, dell’analisi predittiva, dell’SNOP e dei campi correlati. Questo è ciò che facciamo come organizzazione. Una delle cose che facciamo è condividere conoscenze, ed è qui che entro in gioco io. Scrivo articoli e conduco un podcast quindicinale, IBF On Demand, che puoi trovare su YouTube o ovunque tu trovi i tuoi podcast. Quindi questo è un po’ di me. Ho circa 30 anni di esperienza in troppe industrie e troppe posizioni diverse, ma mi ha permesso di arrivare dove sono adesso.
Kieran Chandler: Fantastico! Oggi, Joannes, il nostro argomento riguarda l’analisi, in particolare nelle organizzazioni moderne. Credo che quando ne abbiamo discusso, avevi una visione un po’ controversa sull’analisi e sul suo effettivo ruolo. Qual è la tua panoramica iniziale?
Joannes Vermorel: La mia visione, in poche parole, è che è molto facile produrre un milione di numeri al secondo con un computer, ma è molto difficile produrre cinque numeri al giorno che valgano la pena essere letti da esseri umani. La sfida più grande con l’analisi è come produrre qualcosa che valga l’attenzione di un essere umano. La mia osservazione occasionale è che ciò che attualmente è diffuso nelle aziende, specialmente nel settore della supply chain, ma non solo, non supera questo test.
Kieran Chandler: Cosa ne pensi, Eric? I dati sono cresciuti in modo esorbitante negli ultimi 20 anni circa. Diresti che ora stiamo producendo troppi numeri e non stiamo guardando ciò che è veramente importante?
Eric Wilson: Non penso si possano avere troppi numeri, ma c’è una certa credibilità in ciò che Joannes sta dicendo riguardo alla ricerca delle informazioni giuste. I dati in tutte le forme sono solo dati grezzi, i mattoni con cui puoi iniziare a costruire qualcosa. Trasformare quei dati in informazioni e poi in intuizioni è dove le aziende stanno lottando. Tuttavia, i vantaggi di arrivarci superano di gran lunga il costo del viaggio per arrivarci. Le aziende devono iniziare quel viaggio anche se stanno lottando ora, perché sviluppare quei dati grezzi in intuizioni utili per un’organizzazione è cruciale.
Kieran Chandler: Dobbiamo smettere di vivere nel passato e iniziare a guardare avanti, cercando nuove intuizioni sui consumatori e sull’economia, specialmente in momenti come quello che stiamo affrontando ora con il COVID. Dobbiamo iniziare ad aprire quelle intuizioni.
Joannes Vermorel: Una delle intuizioni chiave su cui ci concentriamo in Lokad è l’idea delle decisioni aziendali. Dove queste decisioni possono davvero cambiare il modo in cui un’azienda opera? Con l’analisi, ci sono diversi percorsi che possono portare a linee di attività o pensiero non produttive. Hai bisogno di uno scopo pratico e banale che guidi ciò che stai facendo 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 magazzino o una variazione di prezzo. Se stai guardando i numeri con l’intento diretto di migliorare una decisione, può essere buono. Quello che di solito vedo sono oceani di metriche di vanità, dove finisci con così tanti KPI che è quasi un insulto chiamarli “chiave”. Mancano di focalizzazione e di un meccanismo integrato o di un’intenzione di trasformarli in qualcosa di azionabile su larga scala e in modi completamente automatizzati.
Kieran Chandler: Eric, nel tuo nuovo libro, “Predictive Analytics for Business Forecasting”, è molto incentrato sul pianificatore della domanda. Abbiamo notato nell’industria che man mano che le squadre dei dati crescono, c’è sempre più impulso nel cercare un pianificatore della domanda capace. C’è una carenza nell’industria a riguardo?
Eric Wilson: C’è sia un sì che un no a riguardo. I pianificatori della domanda sono capaci di crescere nella posizione. Sono predisposti a guardare ciò che sta influenzando i consumatori, ciò che sta influenzando la domanda, a capire e a fare connessioni con diverse variabili. Sono predisposti a comunicare ciò nella supply chain, nella finanza e in altre parti dell’organizzazione, trasformandolo in intuizioni utili che altre parti dell’organizzazione possono utilizzare. Hanno le competenze per farlo. Detto questo, al momento stiamo assistendo a una carenza di pianificatori della domanda perché c’è una grande richiesta di loro. I salari sono aumentati dal 30 al 40 percento negli ultimi cinque anni. Stiamo vedendo bacheche di lavoro che si riempiono anche in questi tempi con persone alla ricerca di coloro che hanno competenze qualitative, quantitative e di comunicazione per unire analisi e competenze aziendali per un’organizzazione. Quindi, sono qualificati? Sì, possono farlo. Ma ce ne sono abbastanza là fuori? La risposta sarebbe no.
Kieran Chandler: E penso che anche noi qui potremmo dire la stessa cosa. Siamo sempre alla ricerca di scienziati della supply chain ben qualificati, ed è sempre qualcosa di abbastanza difficile da trovare. Perché secondo te, Joannes, è così difficile?
Joannes Vermorel: Il talento è raro per definizione. Ogni azienda dice di assumere solo i migliori, ma la realtà è che il mercato assume solo la media. Questi tipi di lavori sono quelli in cui le persone che sono migliori ottengono risultati sproporzionatamente buoni. Stiamo entrando in un ambito simile al trading quantitativo nelle banche, dove pochi trader fanno la maggior parte dei guadagni. La tecnologia è un moltiplicatore dell’intelligenza umana, quindi se hai qualcuno che è più intelligente, più capace e ha una migliore comprensione del business, lo farà semplicemente più velocemente su una scala più ampia per la propria organizzazione. Questo sta diventando molto vero anche per la supply chain, non solo per il trading bancario e finanziario.
Ciò che rende più difficile di quanto dovrebbe essere, secondo me, è l’idea dello scienziato dei dati. Questo è diventato molto popolare negli ultimi cinque anni, ma il problema è che ti ritrovi con persone a cui è stato detto nelle università che il loro focus dovrebbe essere la tecnologia stessa. Devono diventare molto bravi in Python, PyTorch, Keras, TensorFlow o qualunque sia il toolkit open source del giorno per il machine learning. Sebbene sia certamente necessario avere una certa padronanza degli strumenti tecnici, non è un sostituto per una comprensione molto paziente di ciò che fa funzionare la supply chain, compresi i dettagli minimi che guidano un’organizzazione. Se li perdi, sei completamente fuori strada. Quindi, c’è un po’ di lotta per gli scienziati della supply chain che hanno fatto tonnellate di esercizi su modelli testati e implementati in aziende come Facebook e Google. Quando arrivano in un’azienda normale che non è Google, sembra loro poco ambiziosa rispetto a ciò che hanno visto dal lato di Google. La realtà è che la difficoltà è di un tipo diverso; non si tratta di avere un enorme cluster di GPU in cui si elaborano petabyte di dati, ma di ottenere i dettagli precisi della tua analisi della supply chain, che è un tipo di difficoltà diverso.
Kieran Chandler: Cosa ne pensi, Eric? Il tuo libro ovviamente copre una vasta gamma di diverse tecniche analitiche. Diresti che avere una base e una panoramica è qualcosa di un po’ più difficile da raggiungere?
Eric Wilson: Sono d’accordo.
Kieran Chandler: Ci sono diverse competenze in quello scienziato dei dati e nel pianificatore della domanda. Ci sono anche molte cose che possono imparare l’uno dall’altro, e penso che questa sia una grande panoramica di ciò di cui hai parlato, alcune delle difficoltà che stiamo riscontrando. Voglio dire, il pianificatore della domanda deve basarsi di più sulla scienza. Devono guardare le cose e considerare variabili esterne, guardare nuove tecnologie, modellare quelle cose che sono davvero il mondo dello scienziato dei dati. Devono uscire dalla loro zona di comfort e fare di più in questo senso. Allo stesso tempo, però, questa collaborazione, questa capacità di essere a proprio agio con l’ambiguità, questo tipo di situazioni, la comunicazione, tutte queste cose che i pianificatori della domanda hanno come forti competenze, sono cose che li aiutano, e è qui che anche gli scienziati dei dati devono arrivare. Quindi ci sarà davvero questa fusione delle due competenze in futuro per un ruolo di pianificazione della domanda.
Eric Wilson: C’è qualcosa di unico in una supply chain. C’è qualcosa di unico nel poter avere un modello che cambia quotidianamente e saperci adattare. C’è qualcosa di unico nella supply chain che devi essere in grado di offrire da un ruolo di pianificazione della domanda, aggiungendo anche l’analisi come un’altra capacità all’interno di essa. Ed è proprio questo che stai cercando di fare.
Kieran Chandler: Volevi approfondire, Joannes? Mi chiedo se non avremmo bisogno, non so, di uno scienziato della supply chain o qualcosa del genere?
Joannes Vermorel: No, scherzo. È letteralmente la terminologia inventata da Lokad per questo tipo di posizione. È un po’ inventata, ma era un modo per Lokad di segnalare letteralmente al mercato perché abbiamo ricevuto molti candidati, soprattutto nel campo della scienza dei dati, perché è principalmente ciò che producono le università. Direi che probabilmente le università producono probabilmente 10 scienziati dei dati per ogni singolo pianificatore della domanda al giorno d’oggi. È diventata una grande tendenza. Ed era solo per mettere i candidati, i candidati, nella giusta mentalità che saranno prima di tutto impegnati nella supply chain, non nella modellazione avanzata deep learning di fantasia.
Eric Wilson: È un buon modo di vederla. Voglio dire, sono quelle cose di base di cui hai bisogno nella supply chain, ma aggiungendo a questo il pensiero probabilistico. Perché molte persone nella supply chain, nel vecchio modo di fare le cose, erano molto deterministiche. “Venderò X quantità il prossimo mese e pianificherò tutta la mia supply chain intorno a questo.” Sappiamo tutti che non è quello che accadrà. Dobbiamo iniziare a pensare di più in termini di probabilità, a pensare di più in termini di intervalli, a pensare a più rischi e opportunità. Ecco dove entra in gioco uno scienziato della supply chain, ecco dove la pianificazione della domanda aiuta a rendere possibile tutto ciò, queste sono le cose di cui le aziende hanno bisogno. Quindi quando si parla di analisi, è solo l’inizio. Quando l’analisi diventa una parola di moda in determinate organizzazioni, puoi utilizzarla con il giusto modo di pensare, la giusta cultura all’interno di un’organizzazione e iniziare a cambiare la mentalità della supply chain, a cambiare la mentalità di un’organizzazione per utilizzare di più quell’analisi, diciamo, rispetto ai sistemi, al pensiero probabilistico, a cose del genere.
Kieran Chandler: Eric, hai detto che la scienza dei dati è qualcosa che sta diventando un po’ più alla moda, e su questo siamo assolutamente d’accordo. È qualcosa di cui sentiamo parlare sempre di più. E l’industria della supply chain stessa? Voglio dire, c’è tanta complessità lì. Diresti che è intimidatorio per chi inizia?
Eric Wilson: Personalmente, penso che la pianificazione della domanda sia affascinante e credo che sarà la prossima carriera affascinante in futuro. Ma a questo punto, nelle indagini più recenti a causa del COVID, quando sono stati intervistati i CFO e i CEO, le loro principali preoccupazioni erano il flusso di cassa, quando finirà la pandemia e la pianificazione della domanda e la supply chain. Quindi, siamo passati dalla postazione di lavoro in ufficio alla sala riunioni. Ora c’è molta attenzione sulla supply chain. Si vedono giornali e programmi televisivi che parlano di supply chain, cosa che non accadeva qualche anno fa. La sua importanza è aumentata e con essa c’è anche la voglia di entrare in quella posizione e far crescere quella posizione. È intimidatorio? No, penso solo che fosse una funzione di retroguardia che veniva svolta e che le persone non capivano. Le persone stanno iniziando non solo a capirla, ma anche a capire l’importanza di essa.
Kieran Chandler: Stiamo vedendo molti media che parlano della supply chain utilizzando diverse parole di moda, ma non c’è molta comprensione dietro di esse. Diresti che anche questo è intimidatorio per chi inizia, Joannes?
Joannes Vermorel: Per quanto riguarda i giornalisti, la loro completa mancanza di comprensione di un argomento non li ha mai impediti di scrivere tonnellate di contenuti su di esso. Tuttavia, scherzi a parte, ho notato un cambiamento di percezione. Mio padre, che una volta dirigeva aziende industriali, mi disse che se qualcuno era molto affidabile e rigoroso nel suo modo di pensare, veniva messo nel settore della produzione. Se erano energici e orientati all’azione, venivano collocati nel settore delle vendite. Ma se non erano né energici né affidabili, venivano messi nel settore della supply chain. Questa era la mentalità di allora.
Fortunatamente, negli ultimi due decenni, molte università hanno iniziato a offrire programmi di laurea magistrale in supply chain che non sono uno scherzo, con professori e studenti di alto livello. Ora c’è più talento nell’industria che mai, ma le cose sono diventate anche più complicate per vari motivi, tra cui la conformità e la globalizzazione, che le hanno rese ancora più sfidanti.
Kieran Chandler: Quanto pensi che il ruolo dell’analisi cambierà nei prossimi decenni e come pensi che si evolverà?
Eric Wilson: Oh wow, voglio dire ovviamente ci sarà una grande evoluzione o rivoluzione solo nei prossimi anni. Stiamo vedendo la necessità di diventare più agili, più reattivi e più predittivi all’interno delle organizzazioni. Quindi con questo, le organizzazioni dovranno iniziare a recuperare il ritardo. Dovranno iniziare a fare affidamento su un targeting più mirato dei consumatori ora. Non possono semplicemente coprire le onde radio e i siti web con materiale. Devono iniziare a mirare in modo più specifico, e ciò si baserà su una buona pianificazione della domanda e sulla supply chain per poter aiutare a supportare queste cose. Quello che vedremo è la democratizzazione dei dati, e già vediamo la democratizzazione dell’analisi e quella funzione della supply chain che diventa davvero un supporto fondamentale in tutta l’organizzazione, supportando tutti i tipi di funzioni in futuro. Credo davvero che le organizzazioni diventeranno molto più piatte e saranno più dipendenti dall’analisi come forza trainante di quelle organizzazioni in futuro.
Kieran Chandler: Joannes, abbiamo già parlato dell’idea di micro-targeting quando stavamo parlando dell’utilizzo dei dati delle carte fedeltà, 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, mescolandosi allo sfondo. Quando è davvero perfezionata, quasi non la noti più, anche se è più presente che mai. Penso che l’archetipo di ciò sarebbe l’anti-spam. Hai un pezzo di apprendimento automatico avanzato che sta ordinando la tua posta tutto il tempo ed è molto preciso. Se controlli la tua casella di spam, il 99% è spam, ben classificato, e tu non fai nulla; funziona semplicemente. Se hai usato Google Mail, Outlook o qualsiasi altra cosa, è così. Quando fatto correttamente, una tecnologia molto matura, specialmente sul lato dell’apprendimento automatico, scompare e fa le sue cose in modo silenzioso e affidabile, senza problemi. Un po’ ti dimentichi che è lì, ma puoi continuare a lavorare per migliorarla, facendo molto grazie a quella. Direi che il futuro della tecnologia di analisi della supply chain per molte organizzazioni sarà probabilmente così. Sarà qualcosa che guida tonnellate di decisioni molto banali e non catturerà naturalmente la banda del CEO.
Kieran Chandler: Puoi dirci come vedi il ruolo dell’intelligenza artificiale nell’ottimizzazione della supply chain?
Joannes Vermorel: Il targeting diretto verrà fatto automaticamente, funzionando in modo fluido. Il carico di lavoro dei tuoi magazzini, stabilimenti, negozi, qualunque cosa sarà fatto anche sullo sfondo. Nessuno presterà attenzione a questo tipo di cose su base giornaliera, tranne pochi specialisti. Tuttavia, diventerà un’arte avere persone molto competenti per rimanere competitive e migliorare continuamente 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 richiederebbe di passare l’intera giornata a ordinare lo spam. Ovviamente, senza di essa, sarebbe quasi impossibile utilizzare l’email. Ora l’email non è un’analogia completamente adeguata perché puoi avere una tecnologia anti-spam che è la stessa per milioni di aziende che utilizzano Gmail o Outlook. La supply chain è molto più diversificata, quindi non vedo questa come una posizione di mercato realistica in cui una singola azienda cattura l’intero mercato perché è troppo diversificato. Ci sarà comunque molta tecnologia, ma se dovessi indovinare una cosa, sarà molto più simile all’anti-spam, per lo più invisibile e impressionante ma più importante che mai.
Eric Wilson: A questo proposito, stai parlando della definizione di intelligenza artificiale, che è un termine ambiguo, ma è tutto ciò che automatizza o potenzia un processo o un output. È di questo che stiamo praticamente parlando, dove ci sarà meno modellazione, analisi, aspetti tecnici e più aspetti soft.
Kieran Chandler: Quando tutto diventa una merce, qualcos’altro diventa un premio. Quindi, quando i tuoi dati diventano una merce, quando anche la modellazione diventa una merce all’interno delle organizzazioni perché la tecnologia può aiutare a fornire un approccio quasi senza intervento, le domande da porre diventano il premio o, sai, come tradurre tutto questo nel parlare con il CEO, diventano i premi. Ed è lì che guardi a essere un pianificatore della domanda della supply chain, le persone che si adattano a quegli obiettivi in futuro. Quindi, ottime intuizioni qui.
Joannes Vermorel: Sì, abbiamo parlato di questo qui, questa sorta di idea di una supply chain che è completamente silenziosa, ed è un po’ il sogno.
Kieran Chandler: Eric, lasciamo l’ultima parola a te. Come parola finale, quali sono le tue speranze per il tuo libro e quali sono le competenze che vorresti che un pianificatore della domanda acquisisse leggendolo?
Eric Wilson: Sì, la mia speranza per il libro è che non sia un libro matematico. Ti offre davvero le introduzioni all’apprendimento automatico, all’intelligenza artificiale, all’analisi predittiva. È nel nome stesso dell’analisi predittiva per la previsione aziendale, per la supply chain, per il pianificatore della domanda per aiutarli a passare da una preoccupazione per i set di dati interni che guardano indietro, a una prospettiva più orientata al futuro, guardando i set di dati esterni, cercando nuovi modi di analizzare i dati, di guardare modelli che potrebbero non aver mai considerato prima. Ti fornisce queste basi introduttive. È suddiviso tra persone, processi, analisi e tecnologia, è così che è strutturato il libro. Quindi, non si concentra solo su, sai, ecco un insieme, ecco, sai, un albero decisionale, ecco, sai, questi modelli e come farlo. Ti dà un piccolo assaggio di tutto questo, ma inizia con il lato umano, come costruire un’organizzazione basata sui dati o basata sull’analisi. Guarda anche il lato tecnologico, quali aziende aiutano a supportare, di cosa hai bisogno per iniziare a costruire, come ottieni quella visualizzazione ora? E guarda anche il lato dei dati, spiegando esattamente cosa sono i dati e come puoi iniziare a utilizzarli all’interno della tua organizzazione, invece di, sai, nuotare nel lago dei dati. Ti fa davvero capire come portare elementi nella tua organizzazione oggi che puoi utilizzare oggi, ed è davvero ciò che spero di fare. Va bene.
Kieran Chandler: Fantastico. Beh, dobbiamo concludere qui, ma grazie a entrambi per il vostro tempo oggi.
Joannes Vermorel: Grazie.
Kieran Chandler: Questo è tutto per questa settimana. Grazie mille per averci seguito e ci vediamo nella prossima puntata. Grazie per la visione.
