00:00:15 Celebra la 100ª edizione di Lokad TV e risponde alle domande sulla supply chain.
00:01:17 Discutendo le origini di Lokad e il suo focus sull’industria della supply chain.
00:03:15 Previsione della supply chain con bias utilizzando previsioni quantili nel 2011.
00:04:53 Passaggio a un approccio programmatico nel 2012 e le sfide incontrate.
00:07:47 Riflessioni sui primi anni, errori commessi e l’evoluzione di Lokad.
00:08:48 L’impatto del cloud computing sull’attività dell’imprenditore.
00:11:31 L’evoluzione della loro azienda e le principali innovazioni tecniche.
00:13:26 Esplorando Bitcoin, l’economia in azione e la sua relazione con le supply chain.
00:15:34 Crescita dell’azienda e transizione alla pratica della supply chain science.
00:17:54 Differenza tra l’assunzione di scienziati dei dati e Supply Chain Scientist.
00:19:39 Piani futuri per Lokad e le sfide della crescita rapida.
00:22:33 La storia dietro il nome “Lokad”.
00:23:37 I maggiori ostacoli incontrati da Lokad.
00:25:45 Il coronavirus evidenzia la necessità di trasformare i modelli della supply chain.
00:26:59 Enfatizzando la resilienza e la capacità di abbracciare l’incertezza.
00:28:11 Come hanno performato gli algoritmi di Lokad durante le interruzioni dovute al COVID-19.
00:29:00 L’importanza dell’adattabilità e della gestione delle richieste in continuo cambiamento durante il lockdown.
00:30:01 Adattare i modelli della supply chain durante situazioni di crisi.
00:30:59 Bitcoin, blockchain e il suo impatto sulla sicurezza della supply chain.
00:33:30 L’importanza del professionalismo e della comprensione per previsioni accurate.
00:36:23 Le sfide nell’implementazione di soluzioni di narrow AI per le previsioni aziendali.
00:38:01 Discutere i dati scadenti e l’impatto dei dati mal qualificati sui sistemi ERP.
00:39:08 Dibattere sulla longevità delle supply chain globali e l’influenza della specializzazione.
00:41:22 Il futuro delle supply chain locali e l’impatto dell’automazione sui luoghi di produzione.
00:42:19 Le sfide dell’implementazione dell’approccio quantitativo della supply chain e della gestione del cambiamento organizzativo.
00:45:15 Identificare le aree in cui l’approccio low-cut può sbloccare il massimo valore aziendale.
00:46:01 Discutere l’ottimizzazione della supply chain per varie industrie.
00:47:34 Le ragioni per riscrivere il software di Lokad da zero.
00:49:10 L’impatto delle decisioni chiave di design sullo sviluppo del software.
00:50:23 La coesistenza di Locad e soluzioni di tipo S&OP nelle organizzazioni.
00:51:01 Discutere le sfide che le grandi aziende affrontano nella gestione delle frodi.
00:51:57 Commento su chi scrive il blog e l’impatto del podcast sulla produzione di contenuti.
00:53:00 L’importanza di riflettere sugli errori passati e riconoscere quando si ha torto.
00:54:02 Imparare dagli errori del passato per evitare problemi simili in futuro.
00:55:41 Conclusione e invito all’azione.
Riassunto
Il fondatore di Lokad, Joannes Vermorel, discute il percorso aziendale e il suo focus sull’ottimizzazione della supply chain in un’intervista con Kieran Chandler. Vermorel parla delle prime difficoltà di Lokad con il suo modello di previsioni-as-a-service, della sua adozione del quantile forecasting e del passaggio a un approccio programmatico. Sottolinea la necessità per le aziende della supply chain di pianificare per l’incertezza e adottare la gestione del rischio in un mondo sempre più imprevedibile. Vermorel discute anche delle prestazioni degli algoritmi di Lokad durante le disruption dovute al COVID-19, del potenziale valore delle criptovalute nel supply chain management, e del futuro delle supply chain globali. Infine.
Riassunto Esteso
In questa intervista, Kieran Chandler e Joannes Vermorel, fondatore di Lokad, discutono del percorso aziendale e del suo focus sull’ottimizzazione della supply chain. Vermorel ha avviato Lokad nel 2008 mentre perseguiva un dottorato in biologia computazionale, ma è stato attratto dal potenziale di innovazione nell’industria della supply chain. Inizialmente l’azienda ha faticato con il suo modello di previsioni-as-a-service, ma successivamente ha fatto notevoli progressi, come l’adozione della previsione con bias utilizzando previsioni quantili nel 2011 e il passaggio a un approccio programmatico nel 2012.
Vermorel spiega che l’approccio iniziale dell’azienda alle previsioni si basava sull’eliminazione del bias, ma col tempo hanno compreso che i bias potevano essere utili nell’ottimizzazione della supply chain. Il quantile forecasting ha permesso loro di essere maggiormente orientati al profitto, nonostante inizialmente fosse considerato un’idea “strana”.
Inizialmente Lokad seguiva un modello tradizionale di app aziendale con schermate, pulsanti e menu. Tuttavia, man mano che acquisivano più clienti, si sono resi conto che le supply chain erano troppo diverse per adattarsi a una struttura rigida dell’app. L’azienda ha quindi fatto una svolta verso un approccio programmatico, in cui calcoli e funzionalità venivano personalizzati per ciascun cliente, puntando su produttività e affidabilità.
Riflettendo sul percorso aziendale, Vermorel riconosce che sono state apprese molte lezioni, e il cammino di un imprenditore è costellato di rimpianti. Un cambiamento significativo è avvenuto con l’ascesa del cloud computing, che ha costretto l’azienda a riscrivere la maggior parte dei suoi prodotti. Nonostante queste sfide, Lokad ha continuato a evolversi, abbracciando nuove generazioni di machine learning e concentrandosi sulla risoluzione di problemi meglio definiti nell’ottimizzazione della supply chain.
Il fondatore di Lokad, parla della storia aziendale, delle innovazioni tecnologiche e dei piani futuri. Vermorel spiega che il cloud computing e il deep learning sono state innovazioni chiave per l’azienda, oltre all’adozione di una prospettiva finanziaria sulla supply chain management.
Vermorel condivide anche il suo interesse per Bitcoin, che considera come microeconomia in azione, con paralleli al supply chain management. Trovando ispirazione negli approfondimenti tecnici della comunità delle criptovalute, che ritiene possano essere di beneficio per Lokad.
Lokad è passata da un approccio di data science a un approccio di supply chain science dopo aver constatato che gli scienziati dei dati erano troppo focalizzati sui problemi dei dati piuttosto che sulle questioni della supply chain. Vermorel sottolinea che l’impegno dei dipendenti di Lokad dovrebbe essere rivolto al miglioramento della supply chain per i clienti anziché limitarsi a produrre modelli di machine learning appariscenti.
Quando gli viene chiesto il futuro dell’azienda, Vermorel immagina una crescita più organica. Ammette che una crescita rapida potrebbe non essere adatta per le imprese della supply chain, in quanto potrebbe portare a gravi problemi se le cose dovessero andare storte. Lokad mira a crescere a un ritmo sostenibile garantendo che i suoi dipendenti abbiano sufficiente esperienza per affrontare problemi complessi della supply chain.
Infine, Vermorel condivide l’origine del nome “Lokad”. Inizialmente ispirato dalla “local advertising”, in seguito ha abbracciato l’interpretazione “looking ahead” suggerita da un consulente IBM.
Vermorel discute il più grande ostacolo che l’azienda ha affrontato nei suoi primi anni, avvenuto intorno al 2011-2012. Durante questo periodo, Lokad vinse competizioni di benchmark, offrendo ai clienti una forecast accuracy migliorata. Tuttavia, questi clienti hanno constatato che le loro supply chain sono peggiorate di conseguenza, e i loro pianificatori erano frustrati dal software.
Vermorel riflette su un incontro particolare a New York in cui clienti arrabbiati lo hanno confrontato, affermando che, sebbene il software di Lokad offrisse una maggiore accuratezza, rendeva la loro vita miserabile e non affrontava i veri problemi delle loro supply chain. Alla fine, Lokad ha perso alcuni clienti a causa di questo problema.
La conversazione si sposta poi sul tema del coronavirus e il suo impatto sui modelli tradizionali della supply chain. Vermorel ritiene che la pandemia sia solo una delle molte fonti di incertezza che possono sconvolgere le supply chain, citando esempi come decisioni politiche, tariffe o incidenti virali sui social media. Sottolinea la necessità per le aziende di pianificare per l’incertezza e abbracciare la gestione del rischio, invece di fare affidamento su previsioni che pretendono di prevedere il futuro con certezza.
Vermorel afferma che aziende come Amazon, che si concentrano sulla resilienza e sulla capacità di abbracciare l’incertezza, sono quelle che stanno avendo successo di fronte alle crisi. Suggerisce che anche le migliori istituzioni finanziarie stanno iniziando ad allinearsi con queste idee e che le aziende della supply chain dovrebbero fare altrettanto per rimanere all’avanguardia in un mondo sempre più imprevedibile.
Parlano delle prestazioni degli algoritmi di Lokad durante le disruption dovute al COVID-19, del potenziale valore delle criptovalute nel supply chain management, dell’importanza del professionalismo e della comprensione aziendale nell’ottimizzazione della supply chain, delle sfide nell’implementazione di soluzioni di narrow AI per le previsioni aziendali e del futuro delle supply chain globali.
Vermorel spiega che durante la crisi del COVID-19, gli algoritmi di Lokad non hanno performato bene da soli. Tuttavia, i Supply Chain Scientist dell’azienda sono stati in grado di adattare e ottimizzare i modelli in breve tempo, dimostrando l’importanza dell’intervento umano in tempi di crisi.
In risposta alla domanda sulle soluzioni di narrow AI per le previsioni aziendali, Vermorel esprime scetticismo riguardo al termine “AI” e sottolinea l’importanza di comprendere le diverse classi di algoritmi di machine learning. Discute inoltre della qualità dei dati nelle supply chain, affermando che, sebbene i dati non siano necessariamente cattivi, spesso sono scarsamente qualificati, con conseguenti problemi di interpretazione e applicazione.
Infine, la conversazione si sposta sul futuro delle supply chain globali. Vermorel non fornisce una risposta definitiva, ma solleva la questione del cambiamento climatico e del suo potenziale impatto sulla sostenibilità delle supply chain globali, suggerendo che il modello attuale potrebbe necessitare di evolversi.
Hanno discusso della natura globale delle supply chain e di come la specializzazione limiti la produzione locale di alcuni beni. Parla anche del ritorno eventuale di alcune supply chain alle aree locali a causa dell’automazione. Vermorel affronta lo scetticismo riguardo all’approccio quantitative supply chain di Lokad e alle sfide della sua implementazione nelle organizzazioni. Evidenzia che Lokad performa al meglio nelle supply chain complicate, con molte opzioni e decisioni. Infine, Vermorel spiega le motivazioni alla base della riscrittura completa del software di Lokad e condivide come Lokad lavori a fianco di soluzioni di tipo Sales & Operations Planning (S&OP), ignorandole per lo più in quanto distaccate dagli effetti reali sulla supply chain.
Hanno discusso di come Lokad operi fianco a fianco con team di data science che producono modelli distaccati che non vengono utilizzati. Egli menziona inoltre di scrivere il blog aziendale, ma a un ritmo molto più lento rispetto al passato a causa di vincoli di tempo. Vermorel sottolinea l’importanza di rivedere gli errori passati per capire cosa sia andato storto e come evitarne altri simili nel presente e nel futuro. Crede che guardare a un problema da un’angolazione diversa possa portare a scoperte innovative invece di limitarsi a farlo meglio. Vermorel incoraggia gli ascoltatori a inviare domande al podcast e a iscriversi ai futuri episodi.
Trascrizione Completa
Kieran Chandler: Ciao e benvenuti a un’edizione piuttosto speciale di Lokad TV. Oggi siamo in diretta da Parigi per celebrare la nostra 100ª edizione, in cui ripercorreremo il percorso di Lokad fino ad ora e risponderemo alle vostre domande sulla supply chain.
Joannes Vermorel: Davvero non pensavo che saremmo arrivati a cento episodi su qualcosa di così bizzarro come la supply chain. Il motivo per cui abbiamo iniziato tutto ciò è stato semplicemente perché ho scoperto questo fantastico software chiamato OBS, e ho cominciato a sperimentarlo. Ho constatato che era un ottimo piece of software, quindi ho voluto provarlo. Ma in realtà, penso che lo stiamo usando per la prima volta oggi, visto che è utilizzato solo per eventi in diretta. No, non avevo programmato così tanto in anticipo.
Kieran Chandler: Quindi oggi, l’idea è di ripercorrere il percorso di Lokad fino ad ora e le lezioni apprese lungo la strada. Forse se iniziamo a ripensare al 2008, quando hai avviato l’azienda, perché hai deciso di iniziare una società nel settore della supply chain? Cosa ti ha interessato?
Joannes Vermorel: All’epoca ero uno studente di dottorato in biologia computazionale, ma non ho mai completato il dottorato. Il numero degli eccellenti ricercatori nel campo era sorprendente, quindi è stato umiliante e molto entusiasmante. Tuttavia, potevo vedere che il mondo andava avanti senza di me. Quando ho iniziato a guardare alla supply chain, quello che ho visto era per lo più matematica del XIX secolo. Mi sono reso conto che c’era il potenziale per fare le cose meglio in questo settore, che è assolutamente gigantesco. Così, con molto entusiasmo, ho lanciato la mia azienda.
Kieran Chandler: Com’è andati i primi anni? È stato facile lanciare l’azienda? La gente era interessata a quello di cui parlavi, o c’era molta esitazione all’inizio?
Joannes Vermorel: No, è stato terribile. Ci sono voluti anni per avere qualcosa che funzionasse davvero. Lokad è stata fondata sull’idea delle previsioni as-a-service, che in realtà è un’idea molto sbagliata, sia dal punto di vista tecnico che da quello della supply chain. L’inizio del percorso è stato piuttosto lento, proprio perché non funzionava.
Kieran Chandler: Parliamo di alcuni dei grandi passi che hai compiuto lungo il percorso. Il primo che hai menzionato è stato nel 2011, l’idea della previsione con bias utilizzando le previsioni quantili. Perché è stato qualcosa di un po’ controverso o diverso?
Joannes Vermorel: Non è stato controverso; era semplicemente strano. Nei corsi di statistica e in tutti i circoli della supply chain a cui ero abituato, l’idea della previsione con bias non era molto conosciuta.
Kieran Chandler: L’idea era che bisogna eliminare il bias, capisci. Le grandi aziende hanno interi team di demand planner che trascorrono intere giornate a eliminare e aggiustare il modello affinché non sia distorto. Perché mai dovreste avere persone che fanno l’opposto, aggiungendo bias intenzionalmente e non per errore? Era proprio questo il punto, non era controverso, era, diciamo, stupido. Perché abbiamo un intero team che lavora per rimuovere il bias e tu vuoi aggiungerlo?
Joannes Vermorel: In realtà, mi ci sono voluti diversi anni per arrivare alla conclusione che questa potesse essere una buona idea. Per me, non era una posizione controversa; non era una posizione affatto. Era un non-problema finché, eliminando tutte le altre cose che non funzionavano, giunsi a una conclusione. Quella è stata, credo, la svolta del forecasting quantile. Sì, i bias erano molto, molto utili nella supply chain perché vuoi prevenire, vuoi essere orientato al profitto, e quindi abbiamo dovuto in qualche modo riprogettare completamente la tecnologia intorno a questa idea.
Kieran Chandler: Va bene, e poi un altro passo che hai fatto è stato nel 2012, quando hai deciso che, invece di seguire la maggioranza del mercato, la quale adottava quell’approccio plug-and-play enterprise, hai deciso di fare qualcosa di molto diverso e utilizzare un approccio più programmatico. Perché pensavi che questo approccio fosse buono per le supply chain?
Joannes Vermorel: Di nuovo, Lokad è stata avviata in maniera molto classica, sai, con schermi, pulsanti, menu e opzioni – proprio le cose che ti aspetti da qualsiasi tipo di app enterprise. Ma la realtà è che, ogni volta che firmavamo un nuovo cliente, ci rendevamo conto che c’erano così tante cose che non si adattavano. Quindi, stavamo letteralmente implementando tonnellate di nuove funzionalità per soddisfare ogni cliente.
Di solito, quando inizi una società software, pensi che sì, non abbiamo tutte le funzionalità che il mercato richiede, ma aggiungeremo qualche altra funzionalità e gradualmente convergeremo verso qualcosa di completo. Quindi, va bene partire con un prodotto minimo funzionante, e poi iterare, aggiungere qualche funzionalità, e, si spera, convergere a qualcosa di buono che abbia aderenza al mercato. Ma ero letteralmente a quattro anni di distanza e non vedevo alcuna convergenza; se vedevo qualcosa, era divergenza.
Stavamo iniziando davvero a riuscire ad acquisire clienti più grandi, e vedevo che era ancora più eterogeneo rispetto a quanto avevo nei primi anni in cui mi occupavo solo di PMI. Quindi, se mai, non ero su un percorso convergente; ero su un percorso divergente. Quando guardavo i miei concorrenti, vedevo dei mostri – mostri nel senso che i loro prodotti software erano dei mostri, non le persone. I prodotti software avevano migliaia di schermi, letteralmente migliaia di opzioni, ed era un processo di sviluppo completamente divergente.
A quel tempo, la sfida era: seguirò questo percorso? Non ha nemmeno senso. Esiste qualche modo per ottenere una sorta di convergenza? E poi, ho finalmente concluso che le supply chain erano troppo diverse per inserirsi in un’app rigida con menu e pulsanti. Invece, avevamo bisogno di un approccio programmatico.
Kieran Chandler: Puoi raccontarci l’inizio di Lokad?
Joannes Vermorel: Sì, certamente. Lokad è stata fondata con l’idea di creare una piattaforma per l’ottimizzazione programmatica e l’ottimizzazione predittiva della supply chain. Immaginavamo una piattaforma in cui menu, pulsanti e calcoli fossero completamente su misura, e quindi bisogna programmarli per ogni cliente. Ma se programmi le cose per ogni cliente, qual è il tuo problema? Il problema diventa produrre produttività e affidabilità. Vuoi essere in grado di farlo super rapidamente, a basso costo, e così è nata l’idea di una piattaforma per l’ottimizzazione programmatica, l’ottimizzazione predittiva della supply chain.
Kieran Chandler: Hai mai guardato indietro a quegli anni iniziali e ci sono stati grandi errori che hai commesso o grandi rimpianti?
Joannes Vermorel: Il percorso di un imprenditore è pieno di rimpianti, nel senso che se avessi saputo nel 2008 quello che so adesso, probabilmente ci saremmo impiegati un terzo del tempo. Saremmo tornati sul mercato più rapidamente di quanto siamo stati. Ma sai, è difficile ricostruire, anche a livello intellettuale, rivivere il passato. Per esempio, quando ho iniziato nel 2008, avevo la tecnologia dell’epoca, e poi, un anno dopo, nel 2009, è diventato molto chiaro che, per esempio, il mondo del software era cambiato completamente, e che dovevamo orientarci verso il cloud computing.
Kieran Chandler: Puoi spiegare cos’è il cloud computing?
Joannes Vermorel: Certo. La prospettiva classica di affrontare un problema informatico, come ho iniziato a fare nel 2008, è che hai una macchina, un computer, per eseguire un calcolo, l’elaborazione di dati, sai, un’attività che vuoi eseguire. Allora, quanto tempo ci vorrà? Beh, ci vorrà tutto il tempo in cui il programma sarà in esecuzione. Hai una macchina. Lanci il programma, e quando finisce, finisce. Quindi, ciò che resta costante è la macchina. Il problema varia, e quindi il tempo computazionale necessario per completare la risoluzione del problema varia.
La mentalità del cloud computing è l’esatto opposto. Ciò che resta costante è il tempo obiettivo di consegna del risultato del tuo calcolo. Quindi, dici: “Voglio che il mio calcolo sia consegnato in 30 minuti”, e poi puoi regolare dinamicamente la quantità di risorse computazionali che allochi per risolvere il problema. Se ho bisogno di mille CPU per consegnare il risultato in 30 minuti, allora allochiamo dinamicamente quelle 1000 CPU. L’intuizione chiave è stata quando abbiamo spostato il paradigma dall’idea che, da un lato, l’hardware fosse costante e ciò che variava era il problema – e quindi il ritardo nella consegna della soluzione – verso la prospettiva del cloud computing in cui la costante è il tempo di consegna, e poi si regolano le risorse computazionali per consegnare entro il termine previsto. Improvvisamente, abbiamo dovuto riscrivere quasi interamente tutto ciò che avevamo fatto in Lokad.
Kieran Chandler: Se guardi indietro, puoi vedere che siamo evoluti gradualmente man mano che le tecnologie evolvono con noi. E se guardi sul nostro sito, puoi vedere quelle generazioni di machine learning che abbiamo seguito. Cosa diresti che è stata la svolta più grande da un punto di vista tecnico?
Joannes Vermorel: Il fatto è che non si tratta solo di evoluzione. È stato letteralmente un cambiamento completo. La gente pensa, “Oh, è solo evoluzione”, ma no, non è andata così nella storia di Lokad. È stato più come se avessimo un prodotto, lo buttassimo via e ricominciassimo da zero, di solito su un problema migliore. Quindi, non si tratta semplicemente di un prodotto migliore perché ha le stesse funzionalità, solo in versione migliorata. Di solito, è letteralmente un problema diverso perché affronta la questione con una comprensione migliore, che di solito cambia completamente la tecnologia o l’architettura del software.
Penso che, in termini di machine learning, la svolta più grande sia stata il deep learning. Dal punto di vista dell’infrastruttura, la svolta maggiore è stata il cloud computing. L’idea è che tu voglia avere scadenze rigide per consegnare i tuoi risultati, mentre il resto varia. Ma da un punto di vista statistico, la svolta più grande è stata probabilmente il deep learning, anche se non è ciò che abbiamo attualmente in produzione. È differentiable programming, ma la vera svolta è venuta dal deep learning.
E poi, da un punto di vista della supply chain, la svolta più grande è stata l’idea che bisogna adottare una prospettiva completamente finanziaria sulla supply chain end-to-end. Inserisci dollari di errore, di ricompensa e opportunità ovunque. Questa mentalità finanziaria è probabilmente stata la svolta più grande – guardare tutto attraverso lenti di analisi finanziaria invece che attraverso lenti di service level, con percentuali di errore da migliorare.
Kieran Chandler: Un altro percorso forse leggermente strano, che molti avrebbero visto come un po’ bizzarro, è stato nel 2016 quando ci siamo immersi nel mondo della R&S su Bitcoin. Perché abbiamo preso quella strada e cosa hai imparato da quelle esperienze?
Joannes Vermorel: Bitcoin è sempre stato per me un hobby, quindi professionalmente Lokad non dipende realmente da alcun tipo di cripto, blockchain o Bitcoin. Tuttavia, è affascinante perché è economia in azione. La gente ha iniziato a ingegnerizzare sistemi software basati su idee radicate nella nostra comprensione dell’economia, ed è molto interessante perché di solito quelle idee appartengono solo al regno della politica. Non vengono mai ingegnerizzate.
Puoi avere un politico che dice che dobbiamo aumentare la tassazione, e un altro politico che dice che dobbiamo diminuirla. L’esperienza avviene solo su scala nazionale, e di solito non è ingegnerizzata – è solo il risultato, nel migliore dei casi, di un processo democratico imperfetto. La cosa interessante di Bitcoin è che rappresenta un approccio diverso all’economia e alla tecnologia.
Kieran Chandler: Quindi, Joannes, parlaci del tuo interesse per Bitcoin e di come si relaziona con l’ottimizzazione della supply chain.
Joannes Vermorel: Per quanto riguarda Bitcoin, era microeconomia in azione da una prospettiva ingegneristica. Puoi valutare se funziona o no. È molto interessante perché le supply chain sono praticamente la stessa cosa. È microeconomia in azione. Puoi sperimentare e verificare se le cose funzionano o no. Quindi, da questo punto di vista, l’ho trovato molto interessante. Bitcoin condivide molte proprietà con ciò che caratterizza la supply chain. È distribuito, con molti attori, strati di software, una marea di complessità, incentivi in conflitto e problemi di sicurezza multilivello. Ovviamente, sono tutte analogie, non una traduzione diretta, ma c’è molta ispirazione da trarre dalle intuizioni tecniche presenti in quelle comunità. Non la speculazione, che è solo una cosa piacevole, ma le intuizioni tecniche. Sono piuttosto interessanti.
Kieran Chandler: Puoi parlarci di Lokad e dell’orientamento dell’azienda?
Joannes Vermorel: Certo, oggi siamo circa 50 persone situate nel centro di Parigi. Forniamo quella che chiamiamo una supply chain science practice.
Kieran Chandler: Perché ti sei allontanato dal lato classico della data science?
Joannes Vermorel: Penso che sia molto gentile da parte tua dire che ho deciso di allontanarmi. È stato più come se avessimo provato la strada del data scientist classico e avessimo fallito clamorosamente. Abbiamo dovuto allontanarci da questo. Quando abbiamo assunto giovani ingegneri, già sin dai colloqui di lavoro, definiamo il panorama di a cosa sono lealtà, a cosa sono leali, invece che cosa significhi il loro impegno. Sei impegnato nella visione, in un certo tipo di problema, in un certo insieme di competenze? Qual è il tuo impegno? Quando intraprendi la strada della data science, le persone si impegnano sui problemi dei dati. Questo è il tipo sbagliato di impegno. Finisci per avere persone che si concentrano sui problemi accattivanti e sugli strumenti fighi, focalizzandosi sui bei problemi in ambito dati. Sfortunatamente, la maggior parte di ciò che serve per risolvere un problema della supply chain si trova in un’area poco attraente, almeno per quanto riguarda l’elaborazione dei dati. Devi preparare, qualificare letteralmente centinaia di campi, documentarli e discuterne con un sacco di persone per chiarire esattamente quali siano i processi della supply chain, in modo da avere una possibilità concreta di realizzare un’ottimizzazione che abbia senso in pratica. Quindi, il tuo impegno non dovrebbe essere nei dati, ma nella supply chain. Questo è ciò che abbiamo imparato a caro prezzo. Ecco perché, oggi, abbiamo Supply Chain Scientists, perché quando assumiamo quei giovani entusiasti, diciamo loro che il vostro impegno non è nel consegnare un modello sofisticato di machine learning. Questo non è ciò di cui si tratta Lokad.
Kieran Chandler: Il tuo impegno sarà quello di rendere migliore la supply chain dei nostri clienti e questo è qualcosa di molto diverso, e francamente non ce ne importa molto. Sai, se lo fai in un modo o nell’altro, ovviamente abbiamo ricette che sappiamo funzionare, abbiamo certe classi di strumenti che sono stati testati in battaglia. Ma, fondamentalmente, farai tutto il necessario con un cliente per rendere la sua supply chain migliore. E questo dovrebbe essere il tuo impegno. Questa dovrebbe essere la tua sfida quotidiana, la tua ispirazione quotidiana e tutto il resto.
Joannes Vermorel: Si è scoperto che quando assumevamo, direi, data scientist, ricevevamo persone che avevano probabilmente troppo interesse per i problemi di dati sofisticati e non abbastanza interesse per, direi, le persone, per i problemi di business, per assicurarci che nulla ostacolasse l’implementazione pratica della soluzione. Di solito, i problemi di quelle iniziative guidate dal machine learning non falliscono per un difetto dell’algoritmo, ma semplicemente perché ci sono difetti maggiori nell’intera impostazione.
Kieran Chandler: Ok. E prima di immergerci nelle domande dei nostri spettatori, come domanda finale, eravamo un’azienda che è cresciuta in modo molto organico nell’ultimo decennio e un po’ di più. E quindi, piano piano ma inesorabilmente, quali sono le tue idee per i prossimi cinque anni, i prossimi dieci anni? Cosa vedi per il futuro di Lokad?
Joannes Vermorel: Eh, più crescita organica. Voglio dire, letteralmente, in un anno abbiamo avuto una crescita del 60%, e francamente, eravamo così lontani dal completo collasso. E ciò che la gente non si rende davvero conto è che quando vede startup che dicono, “Oh, abbiamo questa crescita annuale del 200%,” è assolutamente fantastico. Direi, “Sì, va bene se hai qualcosa in cui puoi muoverti in fretta e rompere le cose.” Sai, se hai un’app di incontri e i server crollano completamente, francamente, non è un grosso problema. La tua base di clienti tornerà, sai, domani. Non è un problema. Quando hai un crollo totale di qualcosa che guida una supply chain, e improvvisamente i tuoi clienti iniziano a passare ordini di produzione o ordini di acquisto massicci che risultano essere assolutamente insensati, stiamo parlando di errori per milioni di dollari. Quindi è molto, molto grave. L’idea di, sai, “muoviti in fretta e rompi le cose” non è completamente compatibile con le supply chain. E ciò che poche persone si rendono conto è che, direi, guardando il mercato del lavoro così com’è oggi a Parigi, o la stessa cosa succede a New York o in altre grandi città del mondo, è che se hai una crescita annuale del 50% e un turnover regolare dei dipendenti di circa tre, quattro anni, finisci con un’età mediana dei dipendenti nella tua azienda di sei mesi. Capisci? Ciò significa che se hai una crescita del 50%, alla fine dell’anno, sai, la metà delle persone è lì solo da sei mesi. E letteralmente, se ti aspetti che persone con solo, sai, sei mesi di esperienza siano in grado di gestire una supply chain, stiamo parlando di potenzialmente centinaia di milioni di euro, sai, annualmente. È tanto da chiedere, anche se assumi ingegneri intelligenti, dedicati e brillanti. È tanto.
Joannes Vermorel: E quindi, credo che - purtroppo - quando non siamo, sai, un’azienda come Facebook che cresce al mille per cento all’anno, non sia semplicemente un’opzione ragionevole. Ed è per questo che stiamo andando veloci, ma ci sono dei limiti a ciò che si può fare. Altrimenti, non possiamo nemmeno formare le nuove persone che assumiamo costantemente.
Kieran Chandler: Bene, immergiamoci in alcune domande, perché vedo che ce ne sono già parecchie e alcuni volti familiari, amici dello show. La prima è quella che penso abbia interessato molto lo staff qui a Lokad, e non ci è mai stata spiegata. Viene da Dervish che fondamentalmente chiede: C’è una ragione speciale per il nome Lokad? È una forma abbreviata degli algoritmi che usiamo? È un segreto?
Joannes Vermorel: La verità è che, quando facevo il dottorato in biologia computazionale, stavo pensando di avviare un’impresa in cui avrei usato il digital display per la pubblicità. Così, ho pensato alla pubblicità locale, e mi è venuto in mente “LoCad.” Era un ottimo nome di dominio a cinque lettere. L’ho tenuto, e poi, credo, 10 anni dopo, un consulente IBM mi disse, “Oh, Lokad, ovviamente significa guardare avanti. Che nome fantastico!” E io pensai, “Sì, guardare avanti, è una storia figa ed è quella che racconterò ai miei clienti adesso.” Quindi, la storia vera era che era per la pubblicità locale, ma penso che questa interpretazione di guardare avanti sia molto più cool.
Kieran Chandler: Abbiamo un’altra domanda qui da Deh. È un po’ deprimente, ma è tutta incentrata sugli errori. Qual è stata la sconfitta più grande o il colpo di sfiga che abbiamo avuto nella storia di Lokad fino ad ora? E cerchiamo di inquadrarla, in particolare, dal punto di vista di un cliente.
Joannes Vermorel: Il colpo di sfiga più grande, penso, è avvenuto con alcuni grandi clienti statunitensi che avevamo. Nei primi anni non avevo grandi battute d’arresto perché non avevamo grandi clienti. Quindi, ci è voluto tempo per manifestare i grandi problemi. Il grosso inciampo fu un punto di svolta, credo attorno al 2011-2012, quando letteralmente stavamo vincendo i benchmark, simili alla competizione Kaggle con Walmart. Avevamo maggiore accuratezza, previsioni settimanali classiche, previsioni mensili, e stavamo inserendo queste cose nelle previsioni per le supply chain dei nostri clienti. Tuttavia, le loro supply chain peggioravano.
Poi rifacciamo il benchmark, e a confronto Lokad risultava più accurato. Ma a un certo punto, un cliente mi telefonò e mi disse, “Joannes, sai una cosa? Hai completamente sconvolto la nostra supply chain.” Ricordo una riunione che ebbi a New York, in cui mi avevano chiesto di venire, e mi ritrovai in una stanza con 20 planner. La metà di loro era completamente furiosa, dicendomi, “Il tuo software ci sta rendendo la vita completamente miserabile.”
Per me, è stato un vero incubo. Erano 20 persone, ben decise, e io pensavo, “Sì, in termini di accuratezza, siamo migliori.” Ma la gente diceva, “Francamente, non ci importa. Tu non stai affrontando il disastro; siamo noi a doverlo gestire, e non funziona. È un incubo.”
Kieran Chandler: Col tempo, i clienti si erano impegnati e hanno dato il massimo, noi altrettanto. E penso che li abbiamo persi circa tre anni dopo, ma è stata un’esperienza davvero miserabile.
Joannes Vermorel: Miserabile, e tutto il resto. Ok, cerchiamo di tirare un po’ su il morale e di parlare di un altro argomento non tanto allegro, purtroppo, il coronavirus. Sembra che al momento non riusciamo a evitarlo.
Kieran Chandler: Abbiamo un messaggio da SV che chiede: pensi che il coronavirus abbia evidenziato la necessità di trasformare i modelli tradizionali di supply chain?
Joannes Vermorel: Credo che il coronavirus sia solo un’altra fonte di variabilità. Ci sono così tante cose che possono scuotere il mondo. Puoi avere il prossimo presidente che decide di imporre tariffe, un paese come l’Inghilterra che decide di uscire dall’unione, o la tua azienda che può essere completamente sconvolta da una miriade di eventi. Ad esempio, al giorno d’oggi, potresti avere dipendenti che postano un video razzista su YouTube che danneggia completamente il marchio in una notte, e poi perdi il 20% della tua quota di mercato solo per via di quel video stupido che diventa virale. Ci sono innumerevoli fattori che rendono il mondo più incerto. Quindi, penso che se questo evidenzia una cosa, è qualcosa che abbiamo sostenuto per molti anni: devi pianificare l’incertezza. Non ho la minima idea di cosa sarà il futuro nel mondo post-COVID, ma sono abbastanza sicuro che sarà ancora più erratico di prima, e quindi devi abbracciare l’incertezza, accettare il rischio e gestirlo, invece di fare previsioni fingendo di conoscere il futuro con la tua sfera di cristallo. Lokad non ha una sfera di cristallo, e neanche tu. Quindi, devi abbracciare l’incertezza e gestire il rischio. Credo che al giorno d’oggi questo tipo di idea stia iniziando a farsi strada nella finanza. Non tutti gli hedge fund sono allineati a questa idea, ma i migliori vi stanno entrando. E sospetto che, in termini di supply chain, le aziende che stanno uscendo vincenti da questa crisi siano quelle come Amazon che enfatizzano proprio la resilienza, la capacità di abbracciare l’incertezza e di reagire super rapidamente con molti sistemi digitali a supporto.
Kieran Chandler: Temo che resteremo sul tema del coronavirus per un’altra domanda da Marcus Leopold, un amico di Lokad. Chiede: quanto bene hanno funzionato davvero gli algoritmi di Lokad durante la disruption COVID? I clienti hanno dovuto tornare al manuale, oppure gli algoritmi di Lokad hanno gestito la situazione automaticamente?
Joannes Vermorel: Gli algoritmi non sono magia; essi stessi hanno fallito terribilmente. Ma, ed ecco un grande “ma”, ciò che vendiamo con Lokad non è solo una piattaforma software. Diciamo sempre, al giorno d’oggi, che è quello che chiamiamo managed plans. È fondamentalmente avere la piattaforma e un team di supply…
Kieran Chandler: …chain scientists e, letteralmente, il team dei supply chain scientists ha lavorato straordinariamente: prima a marzo hanno chiuso praticamente tutte le nostre supply chain europee, poi un mese dopo hanno chiuso tutte le nostre supply chain statunitensi e, due-tre mesi dopo, le hanno riavviate, sai?
Joannes Vermorel: Le sfide che abbiamo affrontato hanno riguardato l’organizzazione della chiusura, l’organizzazione del riavvio e la messa a punto del modello affinché questo insolito periodo di lockdown non venisse interpretato come un calo della domanda. Non puoi avere tre mesi in cui conti questo come domanda, perché distorcerebbe completamente tutti i tuoi profili stagionali.
Joannes Vermorel: Credo che il punto fondamentale sia che la nostra tecnologia è stata piuttosto efficiente, non perché gli algoritmi fossero potenti, ma perché ha permesso ai supply chain scientists un livello di produttività molto elevato. Quando la crisi è colpita, non avevamo settimane per prepararci alla transizione. Ricevevamo telefonate in cui si diceva, “Lokad, sai una cosa? La prossima settimana chiudiamo i nostri impianti e magazzini. Dobbiamo dare priorità alle attività da svolgere prima di quel momento. Hai 24 ore per adattare il modello in modo che queste attività vengano eseguite in modo elegante.” Ogni ora contava, e i supply chain scientists, anche se l’intera azienda lavorava straordinariamente, dovevano eseguire il tutto in pochi giorni. Il punto cruciale non era la qualità dell’algoritmo, ma la produttività che Envision offre per la modellazione esplicita delle supply chain.
Kieran Chandler: Torniamo alle discussioni sulle criptovalute e Bitcoin. Questo è un messaggio di John Michelle che chiedeva: vedi un reale valore aggiunto da quelle applicazioni della blockchain di Bitcoin nella supply chain nel breve termine, cioè nei prossimi tre o quattro anni, o lo consideri solo clamore da crypto?
Joannes Vermorel: Vedo molto valore, ma non proprio il tipo di valore che ti aspetteresti. Prima di tutto, le criptovalute ridefiniscono cosa significhi la sicurezza informatica. La cosa interessante è che se metti un Bitcoin su un computer, puoi capire che il computer è sicuro perché il Bitcoin non viene rubato. È incredibilmente interessante, perché significa che improvvisamente hai un test molto semplice per verificare se i tuoi sistemi sono sicuri o meno. Puoi “depositare” un po’ di criptovaluta su di esso, e se evapora, beh, indovina un po’? C’è qualcuno che si aggira nei tuoi sistemi. La gente ha iniziato a rendersene conto quando le aziende Bitcoin hanno cominciato ad avere macchine nel cloud che detenevano porzioni significative di criptovalute online, e tutte sono finite in bancarotta a causa di furti.
Kieran Chandler: Quindi, Joannes, puoi parlare un po’ delle sfide dell’ottimizzazione della supply chain in termini di sicurezza informatica?
Joannes Vermorel: Sì, e letteralmente la gente ha capito che nulla era sicuro, sai. Tutti i fornitori di cloud computing avevano vulnerabilità. Tutti i dispositivi IoT hanno vulnerabilità. Tutti gli smartphone hanno vulnerabilità. Voglio dire, la gente ha compreso l’entità del problema, la magnitudine della questione. Quindi, credo che per una supply chain il problema sia, direi, doppiamente grave, perché le supply chain sono, per loro natura, distribuite geograficamente. Non puoi avere un approccio da fortezza alla sicurezza informatica solo perché hai elementi sparsi praticamente in tutto il mondo. Quindi, è una sfida enorme, e ciò che sta accadendo nel mondo delle crypto è molto interessante perché ti offre spunti su tutte le cose che devi fare per mettere sul serio al sicuro il tuo sistema. Questo è il principale valore aggiunto. Quindi, ancora una volta, non lo consiglierei come veicolo di investimento. Suggerisco di dare un’occhiata alle tecnicalità di queste cose, soprattutto da una prospettiva di sicurezza informatica che tipicamente combina problemi di social engineering con vulnerabilità software.
Kieran Chandler: Ok. Abbiamo ricevuto un altro messaggio da uno dei nostri amici, Khalil Mehana, che in qualche modo menziona le previsioni. Non importa quanto siano buone, hanno bisogno di informazioni dagli utenti che le supportano. Due utenti chiave saranno il responsabile del progetto dal lato dell’azienda e i supply chain scientists dal lato di Lokad. Quindi, quanto è importante quella professionalità e comprensione del business da parte di queste due figure, e quanto può incidere sul risultato e sull’accuratezza della previsione finale?
Joannes Vermorel: Questo è il punto cruciale. Per cominciare, abbiamo circa 100, un po’ più di 100, aziende in produzione. Noi non stiamo modificando la previsione. Non è così che si fa. La gente pensa, “Oh, serve un’intuizione umana per modificare la previsione.” In realtà, si tratta tipicamente di inquadrare come si va a estrarre l’informazione statistica dai dati. Quindi, non stai cercando di indovinare il mercato basandoti sulla tua intuizione umana e su altre considerazioni. Voglio dire, succede. Succede. Abbiamo alcune situazioni limite, per esempio, una che mi viene in mente: l’A380, sai, l’aereo di Airbus. Abbiamo alcuni clienti che forniscono parti per questo aereo. Quando Airbus annunciò fondamentalmente di interrompere questo tipo di aereo, sì, potevi aggiustare la previsione con il tuo know-how di mercato, ma è molto raro. È una situazione davvero eccezionale. Il lavoro, direi, dei supply chain practitioners e dei supply chain scientists di Lokad – ce ne sono molti di più – consiste tipicamente, prima di tutto, nell’inquadrare il problema in modo che gli algoritmi apprendano e ottimizzino la cosa giusta, che è un obiettivo in continuo mutamento. Se la situazione è sempre coperta, non si tratta di iniettare conoscenza nel senso di modificare la previsione. Si tratta letteralmente di riproporre il problema stesso che stai cercando di prevedere e di ottimizzare. Poi, di solito, la maggior parte del lavoro routinario consiste nel rivedere i driver economici. Sai, stiamo ottimizzando quegli errori in dollari, ma quegli errori in dollari non sono qualcosa che si estrae dai dati. Non esiste un algoritmo di data mining o di machine learning che possa sapere se um…eh.
Joannes Vermorel: Molte persone sottovalutano alcune forze. Per prima cosa, sottovalutano la forza della specializzazione dei paesi. Ad esempio, ci sono solo tre paesi al mondo che hanno fabbriche di RAM – memorie ad accesso casuale. Quindi, letteralmente, se vuoi RAM – e tutti i computer le usano – ci sono solo tre paesi: Corea del Sud, Cina e Stati Uniti. Ovunque altrove, beh, sfiga.
Ed poi, se vuoi litio per le batterie del tuo smartphone, risulta che le riserve mondiali di litio si trovano solamente in tre paesi: Cile, Argentina e Australia. Penso che alcune persone vorranno ricontrollare. Quindi, ancora una volta, se vuoi una produzione locale di litio, beh, sfiga. La realtà è la stessa per l’orologeria di precisione. Credo che la Svizzera ne detenga più della metà, ma penso che nel segmento dell’orologeria di precisione abbiano circa il 70%. Quindi, ancora una volta, non credo che sia sempre fattibile per articoli a basso valore come le magliette.
Il settore tessile è sempre stato un’industria che ha tradizionalmente restato indietro perché è così difficile da automatizzare. Di conseguenza, la produzione tessile si è trasferita in Cina, ma ora non è più in Cina. Si è spostata verso paesi più economici come il Vietnam, le Filippine o il Bangladesh. Ma il punto è che, una volta che siamo in Bangladesh e, si spera, gli stipendi aumenteranno lì, dove si sposteranno queste produzioni? Forse in Africa? Non lo so. Ma stiamo esaurendo i paesi a basso costo.
E l’automazione sta progredendo, quindi credo che per quelle basic supply chains probabilmente saranno portate localmente. Sfortunatamente, non aspettatevi che creino posti di lavoro, perché saranno riportate nei luoghi in cui queste cose vengono consumate una volta raggiunto un grado di automazione super elevato. Quindi, avremo marginalmente più basic supply chains locali? Sì, credo proprio di sì. Di nuovo, perché quando hai processi incredibilmente automatizzati, in realtà non importa più dove posizioni le tue fabbriche. Tuttavia, importa: il litio, per esempio, si trova solo in pochi posti nel mondo, eccetera, eccetera. Ma improvvisamente, quando non ti interessa il costo della manodopera locale, puoi collocare la tua produzione praticamente dove vuoi.
Kieran Chandler: Abbiamo due domande qui che unirò in un’unica grande domanda. Una dal Kenya e una da Manmeet. Il Kenya chiedeva, dato che l’approccio quantitativo della supply chain è così diverso, se incontri molto scetticismo nell’implementare questo tipo di pratiche. E Manmeet si appoggia su questo chiedendo quali sfide di change management organizzativo incontri implementando qualcosa come Lokad?
Joannes Vermorel: Probabilmente questa è una delle mie maggiori frustrazioni, non incontro tanto scetticismo. E vi spiego perché. È perché quando dico alla gente, per esempio, che il time series forecasting, ovvero il naked time series forecasting, è completamente fallito, poiché ignora l’incertezza, la gente lo sa e poi io…
Kieran Chandler: Quindi Joannes, puoi spiegare cosa succede quando prevedi un prodotto ma poi ne introduci 10 in più che competono con esso?
Joannes Vermorel: Se prevedi un prodotto, ma non sai che introdurrai altri 10 prodotti che competono con esso, avrai cannibalizzazione ovunque. E se hai un modello a serie temporali, questo ignorerà completamente quella cannibalizzazione, ed è dunque totalmente fallito. E di nuovo, la gente non è idiota. Lo sa. Quindi la frustrazione nasce dal fatto che la capiscono. Penso che, di solito, quando parlo, per esempio, con direttori della supply chain, responsabili della pianificazione, responsabili del supply chain forecasting e cose simili, non sono scettici. Dicono, “Sì, sì, sì, capisco.” La mia frustrazione deriva dal fatto che, sai una cosa? Non lo farò comunque. So che è rotto, ma, sai, in teoria molte persone dicono, se gli chiedi, “Sì, farò ciò che è meglio per la mia azienda.” Ma sfortunatamente, nelle grandi aziende la maggior parte fa solo quel che serve per mantenersi il posto. E anche se ricoprono posizioni alte nella gestione, si potrebbe pensare che la maggior parte delle persone siano eroi che promuovono l’innovazione e simili, ma no, la realtà è che la maggior parte ha hobby molto interessanti, una vita interessante e il lavoro è, beh, solo un lavoro. E non si lanceranno in una crociata per riformare la loro organizzazione in modo che possa performare meglio. Sì, per gli azionisti sarebbe meglio, l’azienda crescerebbe, diventerebbe più redditizia. Ma ammettiamolo, nella maggior parte delle persone nelle grandi organizzazioni, che hanno uno stipendio, non vogliono nuocere all’organizzazione, capisci? Vogliono fare ragionevolmente bene il loro lavoro, ma non si lanceranno in una crociata per portare la loro azienda al livello successivo. E se l’azienda va male, cambieranno lavoro e passeranno ad un’altra azienda.
Kieran Chandler: Va bene, inseriremo un paio di domande in più prima di concludere. Inserirò questa da Richard Lebenski, principalmente perché sta rimanendo sveglio a tarda ora nel suo fuso orario. Quindi sì, sì, eroi, eroi, sì. E lui chiede: in quale ambito l’approccio Lokad può sbloccare il maggior valore aziendale dove altri forse non possono?
Joannes Vermorel: Di solito è inversamente proporzionale alla quantità di caos e complicazione. E quando la gente dice, “Oh, è un vero incubo,” è un segno positivo, perché solitamente quando la supply chain è un incubo, con troppe opzioni, troppe decisioni, troppe cose con effetti di secondo ordine, con multi-echelon, con durata di vita, con retrofit, e con ogni sorta di effetti superfizziosi, è proprio lì che Lokad brilla di più, perché di solito si tratta di una supply chain in cui l’ottimizzazione non è nemmeno cominciata. Perché, ovviamente, se hai una supply chain già estremamente snella perché è così semplice, e probabilmente, direi, per esempio la distribuzione dell’acqua, sai, non c’è nulla di più banale della distribuzione dell’acqua. Quindi la supply chain dell’acqua, nessuno ne parla perché è così banale che non rimane nulla da ottimizzare. Tutto ciò che rimaneva da ottimizzare è stato quasi ottimizzato un secolo fa. Quindi Lokad praticamente non può fare nulla, direi, per le aziende dell’acqua. Ma
Kieran Chandler: Dall’altro lato, all’estremo opposto, direi, per esempio l’aerospaziale, che è un disastro completo, in totale confusione, specialmente con il COVID. Sono tipicamente gli ambiti in cui performiamo al meglio. Ma il cibo fresco può essere super complicato, il lusso tende ad essere altrettanto super complicato, e c’è il problema in più dei dataset molto limitati. Quindi i metodi statistici classici per le parti, di solito, non funzionano in queste situazioni. È un po’ un paradosso. Potresti dire che Lokad performa al meglio quando ci sono molti dati, ma anche quando ce ne sono pochissimi, e quindi tutte le statistiche abituali non funzionano. Anche questo è per noi un ottimo punto dolce.
Joannes Vermorel: Ok. Sembra che ci sia stata una discussione con Nicholas Vanderpooh, uno dei nostri ospiti preferiti in passato. Stava discutendo con Edith, e la domanda principale era: qual è stato il problema più grande che ha motivato l’intraprendere un compito enorme come una completa riscrittura?
Kieran Chandler: Intendi una riscrittura del software, Lokad?
Joannes Vermorel: Sì. Voglio dire, prima di tutto, se vedi che qualcosa non funziona, sai che sei sulla strada sbagliata. Di solito, la riscrittura è l’ultima risorsa. È quando non c’è più speranza. Quindi, letteralmente, a un certo punto, procedi con lo sviluppo incrementale e poi ancora sviluppo incrementale, e a un certo punto ti esaurisci di speranze che funzioni mai. E così, a un certo punto, lo riscrivi da zero. È molto difficile. Non è qualcosa che abbiamo preso alla leggera. C’è un detto nel software che dice che non si dovrebbe mai riscrivere da zero. Io direi che, sì, di solito è una cosa molto negativa riscrivere da zero. Ma quando ti rendi conto di avere dei difetti architetturali, dei difetti di design che sono totalmente al centro della tua architettura, sei spacciato. E questo è qualcosa che dico alla maggior parte dei nostri clienti. La maggior parte delle proprietà, buone o cattive, di un pezzo di software sono dovute al design. È letteralmente la decisione chiave di design che probabilmente è stata presa durante i primi tre mesi della fase di sviluppo di questo software, che determina tutto ciò che viene dopo. Quindi, quando vedi che c’era un presupposto chiave di design che crolla, sei fregato.
Kieran Chandler: Ho una domanda qui che potrebbe essere piuttosto divertente da parte di Slim Kalell. Chiede: quanto bene funziona Lokad insieme a soluzioni di tipo SNOP?
Joannes Vermorel: Oh, noi li ignoriamo semplicemente. La cosa divertente è che le burocrazie tendono ad avere una caratteristica incredibile; sopravvivono sistematicamente oltre il loro periodo di utilità. Così ti ritrovi in situazioni in cui Lokad è attivo in produzione. Siamo letteralmente i Supply Chain Scientist che lavorano con un modesto team di supply chain practitioners, guidando ogni singola decisione. Quindi, tutti gli acquisti, tutta la produzione, tutti i movimenti di inventario, persino i prezzi. E poi c’è la burocrazia SNOP, dove la gente continua a incontrarsi, a seguire i propri processi, a chiedere ancora ai venditori le loro previsioni, i fogli di calcolo sono ancora pieni di numeri, e la gente continua con le solite marachelle di sandbagging e simili. Così questa intera burocrazia continua a vivere.
Kieran Chandler: È completamente scollegata, sai, dalla realtà, quindi in senso stretto non fa male perché non ha alcun effetto sul mondo reale, che è fisico. Direi che ha un effetto sulla supply chain, ma la gente ha l’impressione che solo i governi possano mantenere un’amministrazione inutile, proprio come, per esempio, il Regno Unito che riusciva ad avere un Dipartimento delle Colonie fino a quando non ebbe più colonie da gestire. Erano come un ministero gigantesco. La Francia ha fatto praticamente lo stesso, per esempio, abbiamo ancora la Banca di Francia, che serve a gestire il Franco. Non abbiamo più il Franco; c’è l’Euro, ma abbiamo ancora la Banca di Francia.
Joannes Vermorel: In sostanza, non è perché sei un’azienda che sei immune al problema. È lo stesso problema per ogni grande azienda, e così finiamo in situazioni davvero paradossali in cui di solito Lokad opera fianco a fianco con SNLP che continua a fare il suo, completamente scollegato. E diventa ancora più strano quando operiamo fianco a fianco con il team di data science, perché c’è un team di data science che continua a produrre modelli che non vengono usati. Producono ancora prototipi, solitamente uno o due per trimestre, che sono completamente scollegati, e noi continuiamo la nostra vita in produzione. È strano, ma sai com’è, è così che sta.
Kieran Chandler: Okay, e ora inizieremo a concludere. Concluderò con magari un commento, piuttosto che con una domanda, da parte di Yatin Dinesh, che so essere anche lui un grande fan dello show. Dice semplicemente, “Adoro il podcast finora, anni di esperienza e apprendimenti attraverso la condivisione degli errori.” Ma vuole sapere: chi è che scrive il blog?
Joannes Vermorel: Il blog, di solito sono io. Voglio dire, sono molto impegnato, sì. E a proposito, se guardi il ritmo di produzione del blog da quando abbiamo iniziato questo show, ho pubblicato post a un ritmo molto più lento. Tornerò a occuparmene; ho intenzione di riprendere il blog, ma ci sono solo tante ore in un giorno. Ma no, non ho mai delegato a qualche agenzia di contenuti terza parte per avere un tipo di discorso generico prodotto in massa, sai, che ti dia solo luoghi comuni e sciocchezze.
Kieran Chandler: Di solito sono sempre io a intromettermi. No, no, per concludere la giornata e per terminare, perché pensi che fosse importante guardare indietro al percorso di Lokad, e cosa speri che i nostri spettatori apprendano dall’episodio di oggi?
Joannes Vermorel: Il fatto è che è molto difficile, dal punto di vista intellettuale, accettare di avere torto. È davvero difficile. Prima di tutto, non è per nulla piacevole; non ti piace renderti conto di aver fatto un sacco di errori. Quindi, di solito, il tuo istinto base è attivare un meccanismo difensivo e trovare delle scuse. Dici, “Sì, non abbiamo avuto successo, ma i clienti, sai, c’è stato uno shock culturale, la situazione era così difficile, avevano in corso una implementazione di ERP che complicava le cose.” Ci sono sempre un sacco di scuse. C’è questo motto: o hai risultati o scuse. E c’è una terza via, che è…
Kieran Chandler: Capire perché le cose sono andate storte e dove è molto importante per me. Probabilmente sto facendo un sacco di errori in questo momento, non so solo quali. Rivedere i propri errori passati è un modo per riflettere su cosa potrebbe andare storto ora. Voglio dire, ovviamente stiamo facendo cose molto migliori rispetto a dieci anni fa, ma non significa che siamo perfetti. Sono abbastanza sicuro che ci saranno un sacco di cose che, tra 10 anni, ci faranno capire, francamente, che ero completamente fuori di testa, o qualcosa del genere. Era evidente che c’era un modo migliore per farlo, ed era l’elefante nella stanza. Era grosso ed ovvio e,ppure, eravamo lì. Quindi, per me, rivedere quelle cose è qualcosa che cerco di fare ripetutamente perché ti dà un punto di vista per capire cosa sta andando storto in quello che stai facendo ora.
Joannes Vermorel: E di solito, ancora una volta, il problema non risiede nel fatto che potresti fare qualcosa di meglio. Quello è il modo sbagliato di vedere il problema, perché di solito il problema è che non stai neanche guardando il problema nel modo giusto. Non si tratta di guardare il problema meglio o di farlo meglio, perché questo è completamente, direi, una progressione lineare da ciò che hai, tipo un progresso incrementale. Di solito, le maggiori scoperte avvengono quando capisci che avresti dovuto osservare questo problema da un’angolazione diversa. E poi ti rendi conto che c’è un altro problema, un’altra angolazione per cui vale davvero la pena lottare. Non si tratta che potremmo fare meglio; si tratta del fatto che in passato non stavamo nemmeno affrontando il problema.
Kieran Chandler: Bene, dobbiamo concludere qui, ma dopo cento episodi, probabilmente ci siamo guadagnati una birra, credo. Quindi questo è tutto per questa settimana, e se non abbiamo risposto alla tua domanda, assicurati di mandarci una mail a contact@lokad.com, e cercheremo di risponderti. Assicurati di cliccare sul pulsante di iscrizione, e ci vediamo nel prossimo episodio. Grazie per averci seguito.
