Rischi nella gestione della supply chain

00:00:00 Introduzione e definizione dei termini
00:02:40 Incertezza e costo della salvaguardia nella supply chain
00:03:54 Gestione del rischio e riduzione degli sprechi
00:05:30 Rischio irriducibile e opportunità nella supply chain
00:07:37 Supply chain vs perfezione manifatturiera
00:09:35 Rischi e opportunità nella supply chain e concorrenti
00:14:09 Problemi con l’approccio statico nella supply chain
00:15:56 Errori prevedibili come pratica aziendale
00:18:46 Ingegnerizzazione dell’agilità nella supply chain
00:21:20 Valore in dollari del rischio e delle opportunità
00:23:36 Ottimizzazione finanziaria dei rischi della supply chain
00:26:37 Approccio di Lokad alla previsione probabilistica
00:29:53 Rischio di interruzioni massive e disastri regionali
00:31:59 Considerare i rischi nelle decisioni quotidiane della supply chain
00:34:08 Rischio di perdere grandi clienti e correlazione dei rischi
00:37:03 Distorsione nelle proiezioni cartografiche e modelli matematici
00:42:31 Costruzione di previsioni e rischio delle serie temporali
00:45:20 Ottimizzazione stocastica e approccio probabilistico
00:48:36 Scomposizione dei driver economici per le decisioni della supply chain
00:51:44 Aziende spesso sorprese dagli eventi passati
00:57:00 Previsioni dannose e cross-entropia nella previsione
01:00:00 Importanza delle valutazioni dei rischi attuabili
01:06:49 Rischi finanziari della distribuzione di inventario
01:13:54 Costo delle promozioni e dipendenze IT come rischio
01:17:22 Difficoltà di modellare la psicologia del cliente
01:24:26 Valutazione delle previsioni delle serie temporali
01:27:33 Rischi nel software di supply chain mainstream
01:29:30 Considerazioni finali e invito all’azione

Riassunto

Conor Doherty, conduttore di LokadTV, e Joannes Vermorel, fondatore di Lokad, discutono dei rischi intrinseci nella gestione della supply chain. Vermorel sottolinea che il rischio principale è l’incertezza del futuro, che è irriducibile e al di là del controllo. Egli osserva che ogni decisione comporta un trade-off tra rischio e ricompensa, e che il rischio zero è irraggiungibile. Vermorel evidenzia anche le opportunità che possono derivare da questi rischi, come sfruttare le scorte insufficienti. Egli sostiene una mentalità agile e opportunista, e l’uso di previsioni probabilistiche per mitigare il rischio. Vermorel e Doherty concordano sul fatto che anche le piccole aziende possono trarre vantaggio dalla gestione del rischio, portando a margini e flussi di cassa aumentati.

Riassunto Esteso

In una conversazione tra Conor Doherty, il conduttore, e Joannes Vermorel, il fondatore di Lokad, un’azienda specializzata nell’ottimizzazione della supply chain, viene esplorato in profondità il tema della gestione del rischio nelle supply chain. Vermorel spiega che la fonte principale di rischio nelle supply chain è l’incertezza del futuro. A differenza della produzione, dove i rischi possono essere eliminati perfezionando il processo, i rischi della supply chain dipendono da condizioni future sconosciute e irriducibili.

Vermorel sottolinea che ogni decisione nella gestione della supply chain comporta un trade-off tra rischio e ricompensa, e l’incertezza sul futuro è irriducibile. Sottolinea inoltre che nella supply chain non esiste un rischio zero. Anche con un processo di produzione perfetto, c’è sempre un rischio a due cifre che un prodotto non verrà venduto sul mercato tra cinque anni.

Vermorel ribadisce che la fonte di rischio nelle supply chain è l’incertezza del futuro. Spiega che questo rischio è irriducibile e, a differenza di altre aree come la contabilità, dove i rischi possono essere eliminati, i rischi della supply chain sono al di là del controllo e possono solo essere mitigati. Sottolinea anche che mentre ci sono rischi nelle supply chain, ci sono anche opportunità. Ad esempio, avere molte scorte quando il mercato affronta una carenza può portare a un bel profitto.

Vermorel concorda con l’osservazione di Doherty che i rischi nelle supply chain sembrano essere più comuni e avere effetti finanziari prevedibili. Sottolinea che la gestione della supply chain comporta la gestione di molti rischi e opportunità che sono per lo più al di là del controllo, e l’unica cosa che si può fare è prendere decisioni che bilanciano questi rischi e opportunità.

Vermorel spiega che sia i rischi che le opportunità possono sorgere nelle supply chain. Ad esempio, l’ingresso o l’uscita di un concorrente dal mercato può abbassare o aumentare i prezzi, influenzando la redditività. Dà anche l’esempio di un’azienda di e-commerce europea che ha sfruttato un evento sorprendente per ottenere un profitto eccezionale.

Vermorel spiega che nelle supply chain è importante avere una mentalità agile e opportunista. Osserva che mentre è possibile stabilire pratiche che sfruttano errori prevedibili, è anche importante essere preparati per i rischi emergenti.

Vermorel discute il costo dei difetti nella produzione di automobili, notando che nella gestione della supply chain non ci sono vincoli rigidi e tutto è idoneo all’ottimizzazione finanziaria. Spiega che la previsione viene utilizzata nella gestione della supply chain per mitigare il rischio. Tuttavia, a differenza dei difetti nella produzione di automobili, le inaccuracies delle previsioni non saranno mai completamente eliminate.

Vermorel introduce il concetto di previsione probabilistica, in cui ogni possibile futuro ha una probabilità. Spiega che i rischi come una probabilità del 2% di perdere clienti possono essere inseriti nelle previsioni probabilistiche prevedendo il comportamento dei clienti, anziché la domanda dei prodotti.

Vermorel sostiene che la qualità di un approccio basato sul rischio dovrebbe essere valutata in base ai risultati finali, non alla qualità di una previsione probabilistica. Sottolinea che la preoccupazione principale dovrebbe essere quanto denaro è stato guadagnato o perso, non l’accuratezza della previsione.

Vermorel suggerisce che l’entropia incrociata, una misura dell’accuratezza delle previsioni probabilistiche, è astratta come le percentuali, ma ha buone proprietà per apprendere modelli di alta qualità. Sottolinea che i risultati finali, che si traducono in errori ridotti in termini di denaro, sono la metrica più importante.

Vermorel suggerisce che tali divisioni di gestione del rischio sono spesso burocratiche e le loro valutazioni non hanno conseguenze se non si adattano ad ogni singola decisione nella supply chain. Sostiene che se le valutazioni del rischio non influenzano le decisioni di acquisto, vengono ignorate.

Vermorel concorda, sostenendo che mentre entrambi sono importanti, le decisioni macro sono spesso un gioco d’azzardo, mentre le decisioni quotidiane possono essere valutate quantitativamente.

Vermorel discute la prospettiva classica della gestione della supply chain, in cui ogni negozio è trattato in modo indipendente e viene mantenuta una scorta di sicurezza per coprire eventuali carenze. Tuttavia, questo approccio può portare a problemi come la mancanza di stock a livello di magazzino. Critica l’approccio tradizionale di assegnare la scorta di sicurezza ai negozi in sequenza, che può comportare che alcuni negozi siano completamente riforniti mentre altri non ricevono nulla. Ciò può portare a domanda insoddisfatta e stock in eccesso in alcuni negozi.

Vermorel suggerisce che un approccio migliore sarebbe distribuire l’inventario in modo che tutti i negozi rimangano senza stock contemporaneamente, massimizzando le vendite. Propone un approccio probabilistico che tiene conto della rete e delle interdipendenze tra tutti i negozi e l’inventario disponibile.

Vermorel discute i rischi intangibili, come le aspettative dei clienti e il valore del marchio. Ad esempio, offrire sconti può portare i clienti ad aspettarsi sconti futuri, che possono essere difficili da quantificare e gestire. Menziona anche altre classi di rischio, come le dipendenze IT, che possono influenzare la supply chain.

Vermorel spiega che le promozioni possono portare i clienti ad aspettare future promozioni prima di effettuare acquisti, il che può essere difficile da modellare e gestire a causa della natura a lungo termine del comportamento dei clienti. Suggerisce che un approccio basato sul rischio sia più compatibile con questo tipo di stime rispetto alle previsioni tradizionali basate su serie temporali.

Vermorel mette in discussione l’idea che solo le grandi aziende possano permettersi di gestire il rischio, sostenendo che ignorare il rischio può essere più costoso. Suggerisce che le previsioni probabilistiche possano essere più efficaci e più facili da implementare rispetto alle previsioni tradizionali basate su serie temporali. Vermorel sostiene che anche le piccole aziende possono trarre vantaggio dalla gestione del rischio, in quanto può portare a margini e flussi di cassa aumentati.

In conclusione, Vermorel concorda con il riassunto di Doherty, sostenendo che molte aziende affrontano catastrofi evitabili a causa dell’ignoranza del rischio. Suggerisce che una migliore corrispondenza tra realtà e gestione della supply chain può portare a un grado maggiore di automazione e a una minor necessità di personale per gestire il processo.

Trascrizione completa

Conor Doherty: Bentornati su LokadTV! Il rischio è sistemico nella supply chain. Da una certa prospettiva, ogni singola decisione della supply chain presenta potenziali classi di rischio, direttamente o indirettamente. Qui per spiegare perché - e soprattutto come evitarli - abbiamo Joannes Vermorel, fondatore di Lokad.

Quindi Joannes, citando il grande pensatore americano George Costanza, per gestire il rischio, dobbiamo prima capirlo. E per capirlo, dobbiamo prima definirlo. Quindi, nel contesto della supply chain, cos’è esattamente la gestione del rischio e in che cosa differisce dalla gestione del rischio in altri settori come la produzione?

Joannes Vermorel: La principale fonte di rischio nella supply chain è il futuro che non si conosce. Nella produzione, si tratta principalmente di avere il processo corretto. Se si ha il processo corretto, è possibile produrre potenzialmente un miliardo di pezzi senza mai affrontare difetti. Quindi, dal punto di vista della produzione, è possibile eliminare il rischio. Il rischio non è tanto contingente al futuro. Ad esempio, se si ha un processo difettoso che crea un pericolo di incendio per la propria fabbrica, è solo una questione di tempo prima che la fabbrica prenda fuoco.

Nella supply chain, è letteralmente il futuro che non si conosce e non si possono realmente salvaguardare tutte le possibilità perché sarebbe troppo costoso. C’è sempre la possibilità che la domanda di prodotti specifici aumenti di un fattore di 20, ma dovresti avere in magazzino 20 volte di più di quanto ti aspetti di vendere, considerando il lead time applicabile e così via, solo perché c’è questa remota possibilità di affrontare questo picco di domanda super imprevedibile?

Fondamentalmente, direi che, a differenza di altri settori, nella supply chain le fonti di rischio sono le condizioni future che non si conoscono e ogni decisione che si prende è una sorta di compromesso tra il tipo di rischio e le ricompense che ne derivano, anche riguardo a questa incertezza sul futuro. E direi che l’incertezza sul futuro è irriducibile, a differenza, ad esempio, dell’incertezza legata agli asset fisici nel processo di produzione di una fabbrica.

Il rischio zero non esiste mai. Anche se si guarda a un processo di produzione, si può arrivare molto, molto vicino allo zero. Voglio dire, non è assolutamente zero, ma è molto, molto vicino. Per quanto riguarda la supply chain, guardate qualsiasi prodotto, c’è sempre una percentuale a due cifre di rischio che questo prodotto non verrà più venduto sul mercato tra cinque anni. Ci sono pochissimi prodotti di cui si può dire con assoluta certezza che esisteranno ancora tra cinque anni, soprattutto se si tiene conto del fatto che il prodotto può essere sostituito da una variante, che conta comunque come un diverso SKU.

Conor Doherty: Quindi, per riassumere, stai dicendo che la gestione del rischio nella supply chain è semplicemente una questione di minimizzare le risorse sprecate o è solo una questione finanziaria?

Joannes Vermorel: La fonte del rischio è letteralmente il fatto che non si conosce il futuro. Se avessi una sfera di cristallo magica che ti dicesse il futuro, potresti teoricamente avere una pratica di supply chain quasi priva di rischi, assumendo che si abbia abbastanza denaro.

Questa fonte di rischio è irriducibile e sembra strana in molti altri settori. Ad esempio, in contabilità, c’è il rischio di commettere errori contabili, ma è per questo che esistono le pratiche contabili, per eliminare essenzialmente questo rischio. Quando si pensa al rischio associato a pratiche contabili errate, si desidera renderlo davvero raro.

Nella supply chain, non hai questa opzione. Non importa se sei bravo, se hai le pratiche corrette, il rischio è irriducibile. Potresti avere una guerra, blocchi, incendi, tutti i tipi di eventi che sono al di là del tuo controllo e che influenzeranno massicciamente la domanda in un modo o nell’altro. Questa è la fonte primaria del rischio, il fatto che non si sa e tutto ciò che si può fare riguarda la mitigazione di questi rischi. Ma anche, poiché c’è il rischio, ci sono anche opportunità che non esistono in altri settori come le pratiche contabili.

Ad esempio, se hai molte scorte di qualcosa mentre il mercato sta affrontando una carenza, puoi potenzialmente ottenere un bel profitto vendendo queste scorte a un prezzo maggiorato.

Conor Doherty: Sembra che molti di questi problemi nella supply chain siano molto più comuni dell’esempio che hai dato di assumere una persona incompetente o moralmente sbagliata. Sono estremamente rari, ma presumibilmente le classi di rischio di cui stai parlando nel contesto della supply chain, come il prolungamento dei tempi di consegna o anche l’accorciamento di un paio di giorni, sono presumibilmente abbastanza regolari e hanno effetti finanziari prevedibili.

Joannes Vermorel: Sì, e non dipendono da te. Questa è anche una cosa molto diversa. Se sei in un processo di produzione in uno stabilimento e hai difetti, risolvere il processo in modo che non ci siano più difetti dipende solo da te. Potresti potenzialmente raggiungere uno stato di zero difetti che è la perfezione, o potresti avvicinarti molto alla perfezione.

Di nuovo, se parliamo del mondo della supply chain, non è proprio così. Voglio dire, quelle cose, per definizione, se hai un tempo di consegna, hai un fornitore e questa azienda è al di là del tuo controllo. E anche se internalizzi, potresti avere un trasportatore ed è ancora al di là del tuo controllo. E anche se internalizzi il trasportatore, la strada potrebbe essere interrotta perché l’autostrada è allagata o c’è qualcos’altro e di nuovo è al di là del tuo controllo.

Quindi, ciò che rende la pratica della supply chain così specifica è che si sta affrontando molti rischi e, al contrario, molte opportunità e sono per lo più al di là del tuo controllo. Quindi, l’unica cosa che puoi fare è prendere decisioni che bilancino correttamente questi rischi e opportunità.

Conor Doherty: Quindi, quando parli di opportunità nel contesto del rischio, intendi perdere opportunità?

Joannes Vermorel: Sì, un concorrente può entrare improvvisamente nel mercato e abbassare i prezzi. Questo è un rischio. Quindi, potresti essere costretto a abbassare il tuo prezzo a tua volta e quindi sei meno redditizio di quanto ti aspetteresti o forse non sei nemmeno più redditizio. Ma può succedere anche l’opposto. Un concorrente può uscire dal tuo mercato. In questo caso, beh, puoi aumentare il tuo prezzo e sei più redditizio di quanto ti aspetteresti.

Ogni volta che pensi che ci sia un rischio, c’è l’opportunità. Se c’è un’alluvione, forse il tuo magazzino verrà allagato o forse verrà allagato uno dei tuoi concorrenti. Quindi, quando le persone pensano di nuovo al rischio in contesti di produzione, hai un obiettivo chiaro che è la perfezione. Quindi, quando pensi al rischio, necessariamente non ci sono opportunità specifiche davvero opportuniste casuali.

Ma nella supply chain, questo può accadere. Puoi avere migliaia di prodotti e per qualche motivo casuale, i concorrenti commettono errori. Non hanno la giusta quantità di stock, non hanno la capacità corretta o hanno l’allocazione sbagliata e quindi ci sono opportunità.

Ad esempio, una grande azienda di e-commerce europea, una delle loro tecniche era che iniziavano a vendere prodotti di moda e identificavano molto rapidamente nella stagione i bestseller, letteralmente entro uno o due giorni. E quello che facevano era passare immediatamente un ordine gigantesco al marchio originale e si accaparravano tutto lo stock.

È stato sorprendentemente ben accolto e quindi dicevano: “Ok, se questa quantità di vendite ci sorprende, molto probabilmente sorprende anche il marchio originale. Quindi, cosa succederà se facciamo un ordine massiccio? Saremo seduti su una grande quantità di inventario mentre tutti gli altri rimangono senza stock. Possiamo vendere gli stessi prodotti a un prezzo leggermente più alto del prezzo normale e venderemo comunque tutto senza subire alcuna penalità legata alle vendite di fine stagione.”

Quindi, vedi, l’idea è che ci sia un evento sorprendente, un prodotto che vende più di quanto gli esperti si aspetterebbero e poi, se sei intelligente, puoi trasformarlo in un’opportunità per accaparrarti la quantità di inventario che si trova ancora disponibile e fare un profitto eccezionale su questo prodotto. Quindi, vedi, il rischio c’è, ma c’è anche l’opportunità che si presenta.

Conor Doherty: Capito, grazie. Quell’esempio è abbastanza interessante perché apre una potenziale divergenza nella conversazione. Se ho capito bene, l’esempio che hai dato era quello di una risposta reattiva all’opportunità. Questo venditore di abbigliamento di moda ha individuato un’opportunità e ha risposto in modo molto agile a questa opportunità. Quindi, è stato un approccio reattivo alla gestione delle opportunità e alla prevenzione dei rischi. È il massimo che si può fare nella supply chain, o esiste un meccanismo proattivo per anticipare questo tipo di eventi?

Joannes Vermorel: Avrei una risposta a due facce per questo. Prima di tutto, hai ragione. È arrivato con una mentalità agile, una mentalità opportunista, e si applica allo stesso modo per rischi e opportunità. La cosa interessante è che se provieni da una prospettiva come quella della produzione, questa non è la prospettiva che adotti. Vuoi solo eliminare il rischio. È un problema statico. O il tuo processo non ha rischi, difetti o pericoli, e va bene, o non li ha e devi sistemarlo.

Qui nella supply chain, la cosa interessante è che quando cerchi di affrontare il rischio con questo tipo di mentalità statica, lo consideri come qualcosa che potresti risolvere una volta per tutte. Ma il problema è che non funziona perché se hai qualcosa che è completamente statico, allora non puoi cogliere più le opportunità. Ma la realtà è che non puoi reagire nemmeno al rischio emergente. È completamente simmetrico. Quindi ci sono opportunità che sorgono, ma ci saranno rischi che emergono improvvisamente e sorprendono tutti, e devi reagire rapidamente anche a quelli. Quindi è simmetrico.

Ora, cosa significa essere preparati? Come stavo menzionando questo esempio di questa grande azienda di e-commerce europea che gioca a questo gioco di acquisizione di inventario di marca, questa è una pratica consolidata. Sanno che a causa del fatto che un grande marchio di moda avrà una collezione di forse 20.000 varianti distinte, verranno commessi errori. È una certezza. Non sai quale, ma l’idea che un marchio di dimensioni considerevoli possa ottenere tutto correttamente dimensionato in termini di inventario è una scommessa relativamente sicura dire che verranno commessi errori. E quindi, puoi stabilire una pratica in cui trasformi quegli errori prevedibili in un vantaggio per te.

Conor Doherty: Quando parli di ingegnerizzare un processo in un’azienda che si occupa di beni di consumo ad alta rotazione, come esattamente lo istanzi? È un processo dall’alto verso il basso o dal basso verso l’alto? Voglio dire, approfittando di quelle opportunità, come istanzi quel tipo di processo?

Joannes Vermorel: Come la maggior parte delle cose nella supply chain, deve essere in parte dall’alto verso il basso. Non puoi aspettarti che le persone alla base abbiano un modo per riprogettare l’organizzazione stessa. Ad esempio, se decidi che il tuo processo è come SNOP (Sales and Operations Planning) e poi hai sessioni trimestrali per SNOP in cui impieghi due mesi per stabilire la tua nuova previsione e far sì che tutti siano d’accordo su di essa, stabilire un grande consenso, e poi tutti vengono sondati e poi devi compilare tutti i risultati e poi devi tradurre nuovamente le previsioni che sono settimanali per categoria in qualcosa che ha senso in termini di decisioni, ti trovi in una situazione in cui non importa se le persone alla base sono agili o meno. Il processo e l’organizzazione stessa impediscono comunque qualsiasi tipo di agilità. Quindi, in larga misura, se vuoi essere agile, questo deve essere ingegnerizzato dall’alto in modo che questa agilità possa persino accadere. Ma poi, una volta che hai ingegnerizzato qualcosa in cui diventa una possibilità, allora sì, diventa molto più una cosa dal basso verso l’alto perché allora si tratta di sapere se i vari team approfittano di questa nuova agilità.

Conor Doherty: Mi viene anche in mente che c’è un altro modo di affrontare l’idea di rischio e opportunità. Se inverti l’esempio che hai dato, invece di concentrarti sull’azienda che vendeva queste magliette che andavano a ruba e ha deciso di acaparare il mercato su questo, è loro che approfittano di un’opportunità. Dal punto di vista del fornitore, se ti trovi in una situazione del genere in cui all’improvviso da nessuna parte il negozio di abbigliamento di Joannes mi chiama e dice: “Oh, vogliamo tutte le magliette che hai, tutte le magliette nere, le compreremo subito”, è qualcosa di cui dovrei diffidare? Perché di nuovo, c’è rischio e opportunità. Come fornitore, dovrei vendere? È una vendita garantita adesso, oggi, svuoto tutto. O dovrei indagare su perché lui voglia comprarle proprio adesso? C’è qualcos’altro in gioco qui?

Joannes Vermorel: Dipende davvero dal fatto che tu possa permetterti di dedicare tempo all’indagine. Se c’è una connessione EDI e gli acquisti sono completamente automatizzati e non c’è nemmeno nessuno coinvolto, dipende davvero. Ma avere comportamenti avversari ovunque è solo un’altra giornata nella supply chain. I tuoi fornitori sono i tuoi migliori partner e potenzialmente i tuoi concorrenti perché possono anche limitare il tuo profitto. Possono anche diventare nel tempo concorrenti, decidere di avere i loro marchi, ecc. E il contrario è vero. Se sei un marchio, puoi decidere di internalizzare e improvvisamente competi con ciò che erano i tuoi ex fornitori. Quindi, non ci sono regole generali, dipende davvero. Ma la cosa interessante è che nella supply chain, puoi mettere dollari o euro di ricompense e opportunità su questo tipo di cose.

Di nuovo, se torniamo alla produzione di automobili, quanto costa avere un difetto che uccide una persona? La risposta è troppo. Quindi, vedi, non è il tipo di cosa in cui farai ingegneria sofisticata perché è per lo più inaccettabile. Quindi sì, in teoria, gli economisti ti direbbero che il costo di una vita umana negli Stati Uniti secondo varie cose è diciamo cinque milioni, qualunque cosa, potresti anche fare un caso per quello. Ma la realtà è che nessuno farà ingegneria davvero seria. Farebbero solo tutto il possibile affinché quei problemi in cui qualcuno muore non accadano. E quindi, non c’è ingegneria finanziaria reale perché di nuovo, se lo prendi dall’angolo della produzione, vuoi solo evitare per design quel tipo di problemi e non stai cercando di ottimizzare il tuo rischio nel senso di bilanciare i pro e i contro, vuoi solo eliminarlo. Ma nella supply chain, non puoi farlo, ed è una vera compensazione. Qualunque cosa tu faccia ha un costo, c’è una ricompensa, ed è solo una questione di sfumature. Quindi, non è così. Puoi sempre avere un po’ più di stock, puoi sempre operare con un po’ meno stock, e puoi persino cercare di operare senza stock del tutto e fare solo back orders fino in fondo. Quindi, hai molta più flessibilità e anche pochissimi vincoli rigidi nella supply chain. Finché sei disposto a pagare, non ci sono praticamente vincoli. Vuoi più spazio di archiviazione? Se sei disposto a pagare, puoi effettivamente pagare per far costruire un secondo magazzino. Quindi, alla fine, tutti i tipi di vincoli, tutti i tipi di rischi e ricompense, sono un po’ morbidi e quindi sono molto adatti all’ottimizzazione finanziaria rispetto a situazioni di vita o di morte in cui le persone direbbero: “No, non faremo un’ottimizzazione finanziaria di questo. Deve essere una risposta categorica. Non lo vogliamo proprio.” Quindi, la supply chain ha questo lusso che la stragrande maggioranza dei problemi sono effettivamente problemi morbidi in cui puoi passare da un servizio molto cattivo a un servizio molto buono e tutto lo spettro è possibile e la struttura dei costi evolve man mano che cerchi una migliore qualità del servizio o una peggiore qualità del servizio.

Conor Doherty: L’esempio che hai dato sulla produzione di automobili presenta effettivamente un bel collegamento perché so che nella produzione di automobili, ad esempio, Ford gestisce il rischio, in particolare con i loro veicoli autonomi, utilizzando i gemelli digitali. Costruiscono una versione digitale e un ambiente digitale e poi, utilizzando algoritmi, sottopongono il veicolo autonomo teorico a una serie di test e valutano il loro rischio senza dover mai produrre un prototipo nel mondo reale. Questo è un passo per gestire il loro rischio. Esiste qualcosa del genere anche per la supply chain? Perché di nuovo, non è un prodotto fisico di per sé, anche se è composto da molte parti in movimento.

Joannes Vermorel: Questo è l’aspetto interessante. È ciò che si cerca di fare in un certo senso con la previsione. Si cerca di mitigare questo rischio che si ha riguardo a un futuro incerto attraverso la previsione. Idealmente, se le tue previsioni fossero perfette, elimineresti semplicemente questo rischio. Ecco perché ci sono molte pratiche di supply chain che trattano l’accuratezza delle previsioni come i produttori di automobili trattano i difetti delle loro pastiglie dei freni, come qualcosa che si dovrebbe eliminare.

Ma il problema è che, a differenza dei difetti delle pastiglie dei freni, dove potenzialmente puoi ridurre questo tasso di difetto a uno su un miliardo, in modo che sia così basso da essere insignificante, l’errore di previsione non andrà mai a 0,01 di errore. Di solito rimarrà bloccato, se guardi la sorta di granularità che ha senso per le decisioni in termini di previsione, quindi fondamentalmente per SKU al giorno, sarai bloccato con previsioni ampiamente inaccurate, come una media del 50% di inesattezza al giorno per SKU, se guardi alcuni mesi avanti.

La cosa interessante è, cosa hai in termini di strumenti, processi e metodologie per affrontare queste classi di rischio? Questo è praticamente ciò che Lokad sta facendo con la previsione probabilistica, proprio per questa ragione. È un modo per abbracciare questa incertezza. Ma questo è molto diverso dal paradigma classico che assume semplicemente che la previsione sarà accurata e in cui se ci sono inesattezze, queste vengono trattate come un difetto che dovrebbe essere risolto.

L’approccio di Lokad, la previsione probabilistica, è che non assumiamo o ci aspettiamo che queste inesattezze scompaiano mai. Quello che abbiamo sono probabilità. Possiamo migliorare i nostri modelli per avere probabilità un po’ più concentrate, in modo da avere una visione un po’ più nitida del futuro. Ma la prospettiva complessiva è che rimarrà estremamente sfocata ed estremamente incerta, non importa cosa.

Conor Doherty: Voglio sottolineare questo punto perché penso che sia importante e voglio amplificarlo. Quando parli di previsione della domanda futura, la maggior parte delle persone lo intende come guardare solo i dati delle vendite precedenti e ottenere un numero, come su una serie temporale. La tua posizione è che l’approccio di previsione probabilistica terrà conto non solo dei dati storici ma anche delle altre classi di rischio di cui stiamo parlando, come i tempi di consegna prolungati, una nave che rimane bloccata in un canale, o qualcosa del genere, e le unirà insieme?

Joannes Vermorel: Sì, assolutamente. Ecco perché noi di Lokad parliamo tipicamente di modellazione predittiva anziché di previsione. In teoria, si potrebbe prevedere qualsiasi cosa, ma la realtà è che quando si parla di previsione, l’aspettativa predefinita è che si stia parlando della domanda o delle vendite. Questo è il 99% delle situazioni in cui le persone dicono che abbiamo una previsione, intendono una previsione delle vendite o della domanda. Ma la realtà è che tutto ciò che è incerto sul futuro può essere anticipato e quindi abbiamo questa modellazione predittiva.

La cosa interessante è che ci sono molte cose in cui puoi modellare il rischio anche se non hai dati veramente precisi. Ad esempio, la guerra in Europa. Se guardi gli ultimi 100 anni, c’è stata una grande guerra ogni mezzo secolo circa. Quindi, se ci pensi, significa che ogni anno c’è circa il due percento di possibilità che ci sia una guerra che ti colpisca. Puoi tornare indietro di cinque secoli nella storia dell’Europa e questo è qualcosa che è successo più e più volte.

Spero che il rischio di una guerra effettiva per l’Europa occidentale sia abbastanza basso al momento, ma ancora una volta, se prendi una prospettiva storica, dire che c’è un due percento di possibilità di avere un disastro massiccio non è relativamente folle. Guarda cosa sta succedendo in Ucraina. Il rischio è sicuramente reale e 20 anni fa era nell’ex Jugoslavia. Quindi queste cose succedono e non è necessario avere dati precisi per dire che possiamo mettere un rischio del due percento di un evento dirompente importante.

Potresti dipendere dalla regione, potresti essere allagato, potresti avere incendi. Ci sono molti rischi in cui puoi fare una valutazione approssimativa. È meglio farlo anziché fingere che questi rischi non esistano affatto. E con la previsione probabilistica, aggiungere un rischio del due percento che è un po’ stimato, dire una forte diminuzione della domanda, è tecnicamente piuttosto semplice.

Al contrario, se lo fai, se affronti il futuro con una previsione classica deterministica delle serie temporali, è quasi impossibile farlo. Sì, puoi dire che abbiamo uno scenario in cui sta accadendo un disastro, ma come concili questo scenario, che è ampiamente divergente dalla tua previsione principale, con quello che stai facendo quotidianamente? In pratica, non puoi.

Quindi ci sono molte aziende che dicono: “Oh, facciamo scenari, modelliamo il rischio”, ma la realtà è, cosa succede alle tue decisioni quotidiane? Tutte quelle decisioni quotidiane sono guidate al 100% dalla previsione mediana o dalla previsione media, che ignora completamente tutti i rischi. Quindi in questo senso, hai fatto alcuni esercizi intellettuali per pensare al rischio, ma se tutte le decisioni che prendi quotidianamente non incorporano questo rischio in un modo o nell’altro, allora questo è solo un esercizio intellettuale. Non ha conseguenze su ciò che stai facendo quotidianamente.

Conor Doherty: Voglio spingerti un po’ su questo punto perché anche io sono curioso. Se pensi ad altre tecniche di previsione come, diciamo, il valore aggiunto della previsione in cui le persone collaborano per aggiungere una previsione e l’idea è che i diversi dipartimenti abbiano intuizioni. Prendiamo un esempio, sta per emergere un nuovo concorrente e prendi queste informazioni, il marketing ha queste informazioni e in qualche modo le incorpora in una serie temporale. È un po’ difficile farlo perché come traduci questo tipo di conoscenza in una previsione? Allo stesso modo, ecco dove sto spingendo un po’, come si fa esattamente a considerare una possibilità del due percento di guerra in Europa occidentale in una previsione probabilistica per arrivare al numero di unità che ho sullo scaffale? Perché sembrano un po’ simili in un certo senso.

Joannes Vermorel: Cominciamo con le serie temporali. Vedi, le serie temporali sono oggi le persone pensano che ci sia questa convinzione generale, non tutti, ma la maggior parte dei professionisti della supply chain mainstream pensano solo al futuro attraverso le lenti delle serie temporali. Le serie temporali sono incredibilmente limitate come modo di esprimere qualsiasi cosa che tu conosca sul futuro. Ad esempio, se sei un’azienda B2B, quindi i tuoi clienti sono altre aziende, un rischio molto basilare è che uno di quei grandi clienti ti lasci per passare a un altro dei tuoi concorrenti. E quando ciò accade, tutti i prodotti che stavano acquistando da te, smetterebbero di acquistare qualsiasi cosa. E se avessi, ad esempio, in magazzino un prodotto che veniva acquistato molto regolarmente da questo cliente, ma questo cliente improvvisamente ti lascia, allora questa pila di inventario diventa semplicemente un magazzino morto da un giorno all’altro. Solo perché, anche se lo stock ruotava bene, era accompagnato da un rischio nascosto che questo cliente potesse lasciarti.

Quindi qui abbiamo, e l’idea che questi grandi clienti possano lasciarti non è come un’idea super sofisticata. Qualsiasi venditore direbbe: “Beh, avevamo questo cliente, c’è sempre questo rischio che ci lascino”. Ora il problema è che se inquadri la tua anticipazione del futuro con le serie temporali, sei bloccato. Non puoi esprimere questo perché le informazioni che hai riguardano il cliente, non i prodotti. E se dici che c’è questo rischio che questo prodotto vada a zero, sì, ma il punto è che questo rischio è altamente correlato. È tutto ciò che questo cliente sta acquistando che può andare a zero allo stesso tempo. Ed è un tipo di rischio molto, molto diverso dal dire che questo prodotto isolato può andare a zero.

La prima cosa è che le serie temporali non sono semplicemente adatte a esprimere il rischio.

Per assicurarsi che le persone non perdano questo, le serie temporali sono un riflesso della relazione di un cliente con un prodotto, ma non dei prodotti stessi. Le serie temporali sono solo una misurazione unidimensionale. Hai una misurazione che diminuisce ogni giorno, ogni settimana, ogni mese. Questo è chiamato serie temporale equis. È ciò che le persone hanno in mente quando pensano alle serie temporali. È una misurazione unidimensionale ed è letteralmente come le temperature. C’erano temperature in passato, ci saranno temperature in futuro, e quindi puoi estendere questa serie temporale.

Tuttavia, questo riguarda le relazioni precedenti che i clienti esistenti avevano con i prodotti che hai acquistato, ma questo non dice nulla sul futuro. Il problema è che le informazioni che hai sono a livello di cliente, e la tua previsione è a livello di prodotto. C’è una discrepanza e non c’è una traduzione per passare da queste informazioni a queste altre informazioni. Questo è un punto chiave.

In matematica, quando fai il furbo, finisci con cose strane. Ad esempio, quando fai il furbo solo un po’, diciamo ad esempio che la Terra è una sfera, approssimativamente. Non è esattamente una sfera, ma è abbastanza vicino. Quindi quando vuoi avere una mappa, stai proiettando una sfera su una superficie piana. Se guardi una mappa del mondo, finisci con delle distorsioni. Ad esempio, l’Africa nelle mappe europee appare molto piccola rispetto all’Europa, anche se l’Africa è effettivamente più grande dell’Europa. Questo è solo un effetto della distorsione perché stai usando una superficie piana per rappresentare una sfera.

Ma qui, il problema è molto più grande. Stai cercando di rappresentare qualcosa di totalmente rischioso. È un oggetto multidimensionale che stai cercando di rappresentare come un oggetto unidimensionale, la tua serie temporale. Quindi i tipi di problemi e distorsioni che hai sono assolutamente giganteschi. Se pensi che fare sembrare l’Africa più piccola dell’Europa sia un problema, questi sono problemi molto modesti rispetto ai tipi di problemi che hai nella supply chain quando cerchi di inserire queste informazioni che conosci sul rischio nella serie temporale.

Abbiamo un altro problema. Quando non conosci la soluzione, è molto difficile pensare al problema. Le persone non sono davvero familiari con la classe di modelli matematici che potrebbero rappresentare questi rischi. Sono bloccati con le serie temporali a causa del fatto che non riescono nemmeno a immaginare qualcosa che non sia una serie temporale. Ma il primo passo è riconoscere che questa non è una rappresentazione corretta. Non importa se non è ancora molto chiaro cosa dovrebbe essere usato.

Ci sono alcune cose tecniche. Ad esempio, non è molto chiaro come viene calcolato un logaritmo, ma va bene. Non è necessario avere un’immagine chiara della cosa per usarla con successo. Quindi possiamo passare alla seconda parte, come Lokad sfrutta questo tipo di informazioni.

L’idea è che quando si vuole pensare al futuro, la versione ad alta dimensionalità consiste nel pensare che ogni possibile futuro abbia una probabilità. Quindi si potrebbe pensare a questa probabilità per qualsiasi futuro dato in cui si conosce esattamente il livello di vendite di tutto, la domanda, le cose che verranno vendute di nuovo.

C’è una probabilità che ciò accada. È infinitamente piccola, ma se si dispone degli strumenti matematici appropriati, è possibile lavorare con probabilità infinitamente piccole. E ancora una volta, a causa del fatto che si ha un numero molto grande di futuri possibili, si sommeranno comunque a una probabilità pari a uno. C’è un futuro che accadrà, e la somma di tutte queste probabilità è pari a uno.

Si può considerare un rischio come una possibilità del due percento di perdere questi clienti. Non è effettivamente così difficile. Se si vede la domanda attraverso le lenti dei prodotti, allora è molto difficile inserire i clienti. Ma se si vede la domanda come il risultato del comportamento dei clienti e si prevede il comportamento dei clienti, allora aggiungere questo rischio aggiuntivo del cliente che ti lascia diventa qualcosa di relativamente semplice.

È possibile costruire la previsione in modi diversi. In termini di agilità che si ha utilizzando un approccio basato sulle serie temporali rispetto all’agilità che si ha utilizzando l’approccio probabilistico, qual è la differenza e come si traduce nella gestione del rischio?

Il problema principale è che il rischio delle serie temporali non esiste. Non possono nemmeno esistere. È come un cubo in uno spazio bidimensionale. Non esiste una cosa del genere come un cubo. Si può disegnare un cubo, ma fondamentalmente non si adatta. Questo è un problema quando si hanno dimensioni aggiuntive che non si adattano, si è bloccati. Se tutto ciò che si ha è un piano bidimensionale, non si può impilare un cubo su di esso. Semplicemente non ci starà. E quindi con le serie temporali, si è un po’ bloccati.

Si potrebbero usare delle soluzioni provvisorie. Si potrebbe dire che non possiamo gestire il rischio, ma possiamo imbrogliare avendo una previsione errata che è intenzionalmente distorta in modo che la decisione che verrà presa sulla base di questa previsione rifletta questo rischio. È un modo molto contorto per arrivare alla gestione del rischio.

Tecnicamente, è possibile farlo in modi molto strani. Ad esempio, si può gestire il rischio rendendo intenzionalmente meno accurata la previsione introducendo distorsioni intenzionali nella previsione stessa. Questo è un modo per gestire i rischi. Ma è un modo molto contorto per arrivarci.

Se si passa all’approccio probabilistico, si ha una previsione intrinsecamente probabilistica. Quindi per definizione si hanno quelle probabilità. C’è un’altra parte della sfida che consiste nel come fare un’ottimizzazione. Si chiama processo di ottimizzazione stocastica. Come si ottimizza una decisione quando si hanno condizioni incerte? Quindi è necessario fare un’ottimizzazione che abbia un’affinità naturale con queste incertezze che esistono nelle condizioni iniziali.

Conor Doherty: Se si valuta, e mi chiedo come esattamente, beh no, lasciami riprendere quella domanda. Se ci si trova in una situazione in cui si ha un’azienda e si abbraccia l’approccio probabilistico, si è stati facendo serie temporali, si è convinti da ciò che hai appena detto e poi viene presentata una raccomandazione che è il prodotto finale della metodologia di previsione probabilistica. E in quella raccomandazione, in qualsiasi valore sia stato presentato, in realtà molti di quei fattori sono stati incorporati, ad esempio, la possibilità di perdere un cliente e la direzione aziendale guarda a quello e pensa che sia folle. Come si suppone che interagiscano con quello perché ancora una volta ci sono così tante cose che vengono considerate in quel valore. Come si colma il divario?

Joannes Vermorel: Quindi, innanzitutto, qual è l’output e qui c’è una divergenza radicale. L’output di un processo di supply chain basato sul rischio che è alimentato da previsioni probabilistiche, perché letteralmente, è a mia conoscenza praticamente l’unica tecnica valida che abbiamo per affrontare il rischio. Ecco a cosa servono le probabilità. L’output sono le decisioni, non il piano. Una cosa strana è che quando si pensa che il futuro possa essere conosciuto, si può eliminare tutto il rischio, i rischi della supply chain sono per lo più legati a questo futuro incerto. Se si pensa di poter avere una previsione accurata, allora l’output della vostra pratica di supply chain è la previsione e la previsione è il vostro piano perché una volta che avete la previsione è solo una questione di orchestrare le decisioni.

Se si adotta un approccio basato sul rischio, allora l’output del vostro processo non è il piano, non è la previsione, sono le decisioni. Ma se il vostro processo basato sul rischio è cattivo perché può essere cattivo, porterà a decisioni sbagliate. E come si identifica quindi come si mette in discussione una decisione che è sbagliata? Beh, succede in modo molto diverso. Di nuovo, se andiamo alla prospettiva classica, le persone penserebbero in termini di accuratezza delle previsioni perché quello è l’obiettivo finale. Se si opta per un approccio basato sul rischio, si direbbe che c’è una decisione, questa decisione ha rischi e opportunità ad essa associate espresse in dollari o euro. E quindi se si vede una decisione che è sbagliata, fondamentalmente si sta dicendo che la valutazione in dollari o euro che è stata fatta su questa decisione imminente è sbagliata.

E quindi si può individuare e se si guarda, tipicamente per ogni decisione che generiamo, scomponiamo i driver economici in modo da poter dire che abbiamo una mezza dozzina di driver che riflettono ciò che entra in questa decisione. E quindi se si vuole mettere in discussione ciò, si metterà in discussione un componente e si dirà che, diciamo, il costo di mantenimento, il rischio dei costi di mantenimento che si stima sembra completamente errato. E quindi sì, questo è il ruolo degli scienziati della supply chain per invertire l’ingegnerizzazione del processo per identificare cosa non va in questa stima. Ma è molto tecnico.

Ma la realtà è che se si ha una previsione di serie temporale classica che è molto sbagliata, si dice che questa previsione di serie temporale è molto inaccurata. Ma una volta che si dice questo, indagare sulle cause di questo sarà anche un’impresa molto tecnica.

Conor Doherty: Se torniamo indietro, stavamo parlando di approcci proattivi alla gestione del rischio che erano, diciamo, i gemelli digitali nell’industria automobilistica e poi passiamo a una sorta di gestione reattiva del rischio dall’analogia dell’abbigliamento che hai dato. La previsione probabilistica suona quasi proattiva nel senso che si stanno simulando mondi in cui si prende questa decisione, ecco la risposta prevista, si prende questa decisione, ecco la risposta prevista.

Joannes Vermorel: Quindi è proattivo nel senso che dici semplicemente che ci saranno fluttuazioni, ci saranno sempre fluttuazioni che sono al di là del mio controllo. Ecco di cosa si tratta questa incertezza irriducibile sul futuro e quindi, basandosi su questo, devo essere in grado di progettare un processo che reagisca prontamente e adeguatamente a quelle condizioni mutevoli, che mi influenzino positivamente o negativamente. E quindi sì, è molto proattivo nel senso che progettare un tale processo che ti permetta di cogliere le opportunità man mano che si presentano e mitigare i problemi man mano che si presentano, richiede molta preparazione.

Ma non si fa ingannare dall’idea che si possa preparare così tanto da portarti all’eliminazione dell’incertezza in primo luogo. Vedi, non è il fine del gioco. È un po’ una posizione dogmatica in un certo senso, ma è l’idea che non puoi arrivare in fondo a questo tunnel di modellazione predittiva. Non puoi arrivare a un modello che sarà accurato al 100%, questo non accadrà mai. La quantità di incertezza residua sarà molto grande e quindi ciò che ti rimane è progettare un processo che sia molto bravo a tenere il passo con il cambiamento man mano che lo osservi.

Perché vedi, molto spesso le aziende vengono sorprese da cose che sono accadute mesi fa. Potresti dire oh, non conosciamo il futuro, ma il passato, lo conosciamo. Ma se il tuo tempo di risposta medio a qualcosa che hai già visto è di circa sei mesi, allora potresti finire per essere sorpreso da qualcosa che è già passato da un paio di mesi e le aziende molto spesso vengono sorprese in questo modo.

Conor Doherty: Di nuovo, voglio spingere un po’ qui perché so che se vogliamo parlare di gestione del rischio, dovremmo parlare di come valutiamo le nostre pratiche di gestione del rischio. E ancora una volta, per tornare alle serie temporali rispetto agli approcci probabilistici, se hai una serie temporale e si sbaglia di molto, posso indicare quello e dire che era sbagliato, era enormemente sbagliato. Ed è, sai, è binario, o era accurato o non lo era. Hai detto che avremmo venduto 100, ne abbiamo venduto 10. Hai sbagliato di un ordine di grandezza. Con l’approccio probabilistico, si forniscono probabilità, non si dice che è sicuramente quello che si venderà. E questo ti protegge dall’essere sbagliato?

Joannes Vermorel: No, voglio dire, tecnicamente ci sono metriche per l’accuratezza delle previsioni probabilistiche, ma ancora più interessante è che puoi valutare la correttezza delle decisioni stesse. E questo, sai, dimentica le probabilità. Sono solo un artefatto di calcolo transitorio. Ci sono molti altri artefatti, artefatti numerici che entrano nel calcolo. Sono insignificanti nel senso che se hai probabilità errate ma prendi comunque la decisione corretta, importa davvero che le tue probabilità siano sbagliate?

Conor Doherty: Cosa intendi con questo? Potresti avere la probabilità sbagliata ma prendere comunque la decisione giusta?

Joannes Vermorel: Ad esempio, ci sono persone che non si rendono sempre conto, ma i computer approssimano continuamente le cose. Ogni volta che fai un calcolo, usi semplicemente un certo numero di cifre di precisione. La perdita di precisione è importante o no? La risposta è, dipende. E nella supply chain, dipende da cosa. Beh, dipende se la decisione finale è buona o cattiva.

Quindi alla fine, quello che sto dicendo è che dovresti giudicare la qualità di questo approccio basato sul rischio per ciò che fa alla fine del processo, le decisioni. Affrontare probabilità ad alta dimensionalità, per fare valutazioni numeriche di probabilità in uno spazio ad alta dimensionalità, comporta tutti i tipi di stranezze. Se le tecniche sono appropriate o meno dovrebbero essere valutate realmente dai risultati finali, non dalla qualità di una previsione probabilistica.

Necessariamente, l’accuratezza della previsione non è la preoccupazione principale, ma piuttosto quanto denaro è stato guadagnato o perso.

Conor Doherty: Sì, esattamente. E beh, questo è molto difficile per alcune persone. Perdonami, non voglio essere condescendente, ma stai dicendo che l’idea di voler una previsione più accurata è tecnicamente sbagliata in termini di gestione del rischio?

Joannes Vermorel: Quindi, innanzitutto, dico che quando dici di avere, diciamo, una previsione inaccurata del 20%, quelle percentuali sono un’unità completamente inventata. Non sono chilogrammi, non sono chilowatt, non sono qualcosa che ha una realtà tangibile. Questo è inventato e le persone dicono: “Oh, ma siamo così abituati a quelle percentuali di precisione che vengono espresse come percentuale che sicuramente deve essere reale.” Dico assolutamente no. Puoi avere previsioni estremamente dannose che si rivelano molto accurate, dove l’inesattezza espressa come percentuale è molto bassa.

C’è un aneddoto che mi è stato raccontato più volte in cui puoi semplicemente prevedere una domanda zero per un negozio e questo ti darà molto rapidamente una previsione molto accurata. Prevedi zero, apri con zero e la previsione diventa accurata al 100%. Quindi, questa misurazione che esprime percentuali non è molto sensata.

Se ti dico che puoi avere una misurazione di previsione probabilistica espressa in entropia incrociata, è molto astratto e non sarà molto illuminante. Ma il punto che sto facendo è che l’entropia incrociata è altrettanto astratta e opaca delle percentuali. È molto inventata. L’unico motivo per cui, ad esempio, da Lokad sceglieremmo l’entropia incrociata è che ha buone proprietà quando si tratta di arrivare alle decisioni finali.

Ad esempio, l’entropia incrociata mostra gradienti molto ripidi che facilitano l’apprendimento di modelli di alta qualità. Questa è una cosa molto tecnica, ma funziona. E funziona in che senso? Funziona giudicando i risultati finali, che è la decisione generata alla fine del processo e che alla fine porta a un errore ridotto in euro o dollari. Questa è la metrica che è rilevante per le persone che operano da questa prospettiva basata sul rischio.

Di nuovo, se operi dalla prospettiva delle serie temporali, stai pensando in termini di un produttore di automobili con un difetto che potrebbe uccidere le persone. Dici: “Sai cosa, non contiamo i soldi, vogliamo solo assicurarci di essere estremamente sicuri e di essere sicuri quasi al di là delle misurazioni.”

Conor Doherty: Quindi, se hai un’intera divisione dedicata alla gestione del rischio, alla valutazione del rischio, ma la tua supply chain si basa su un approccio di previsione delle serie temporali, è la tua posizione che è quasi paradossale, come se fosse una contraddizione in termini?

Joannes Vermorel: No, significa solo che le persone che si occupano della gestione del rischio sono solo burocrati. Qualunque cosa facciano non ha conseguenze. Di solito, non hanno conseguenze. Vedi, la cosa è che se fai una valutazione del rischio ma se queste cose non possono regolare marginalmente ogni singola decisione presa nella tua supply chain, allora hai fatto una valutazione e l’hai sepolta subito dopo averla fatta.

Vedi, se dici: “Oh, questo fornitore ha un rischio del 2% di fallire l’anno prossimo”, ok, influisce sulle tue decisioni di acquisto? Se non lo fa, allora hai appena sepolto la tua valutazione. La stai ignorando. Stai solo mettendo la testa nella sabbia.

E questo è molto strano perché le persone direbbero: “Oh, ma abbiamo analizzato il rischio”. Sì, ma non stai agendo su questa valutazione. E quando dico agire, le persone pensano davvero che sia un errore. Quando le persone pensano alla supply chain, è quello che sentiresti nei media. Direbbero: “Oh, non dovremmo avere la nostra fabbrica in Cina”. Sì, è un rischio molto macro, ma ci sono anche rischi molto più banali.

Quindi, cosa compri, dove lo stocchi, aumenti o diminuisci i tuoi punti di prezzo? Sono decisioni che comportano anche rischi e queste decisioni vengono prese quotidianamente per ogni singolo SKU che acquisti, produci o vendi. E qualunque valutazione tu abbia in termini di rischio riguardo al tuo fornitore, al tuo concorrente, ai tuoi clienti, la domanda è: se non c’è qualcosa che collega numericamente i punti tra questa valutazione e quelle decisioni molto piccole che prendi, allora non stai gestendo correttamente il rischio.

Conor Doherty: Quindi, correggimi se sbaglio, stai dicendo che la concezione della gestione del rischio della maggior parte delle persone riguarda la scala macro, come un evento massiccio che interrompe completamente le catene, ma la tua posizione è che la gestione del rischio più importante, più urgente, riguarda le decisioni quotidiane, più piccole?

Joannes Vermorel: Entrambe sono molto importanti, ma diciamo la verità su quanto puoi essere veramente informato per prendere la decisione giusta. Per quelle decisioni macro, in larga misura, è un gioco d’azzardo. È un gioco d’azzardo completo e va bene così. Questo è il capitalismo. Questa è un’economia di profitti e perdite. Le persone corrono rischi e c’è una componente di fortuna. E sto dicendo, beh, non puoi davvero avere una pratica che ti dirà se entrare in un nuovo mercato, ad esempio, è sicuro o no. Puoi fare valutazioni, puoi cercare di razionalizzare un po’ il processo, ma fondamentalmente è qualcosa che sfugge alle statistiche e all’analisi quantitativa.

Al contrario, se guardi una supply chain, un’azienda di medie dimensioni prenderà decine di migliaia di decisioni al giorno, ogni singolo giorno. Ed è quello che sto dicendo, a differenza delle grandi decisioni macro in cui giochi d’azzardo e non c’è altra alternativa se non seguire la tua valutazione istintiva, nel caso di quelle decine di migliaia di decisioni che devono essere prese quotidianamente, puoi fare una valutazione quantitativa e qualcosa che ha davvero senso.

Conor Doherty: Beh, per allontanarci dagli esempi colossali come quelli a scala macro, portiamolo a qualcosa come il livello SKU. Quindi, abbiamo un certo numero di negozi, abbiamo 10 negozi, e abbiamo una quantità finita di inventario, inventario di magliette bianche, e tutti e 10 i negozi hanno bisogno di magliette bianche. Qual sarebbe il modo più probabile e informato dal punto di vista del rischio di distribuire ciò che ho tra tutti i negozi che ne hanno bisogno?

Joannes Vermorel: Prendiamo la prospettiva classica. La prospettiva classica, focalizzata sulle serie temporali, si presume che tu conosca il futuro. Quindi, hai una scorta di sicurezza. Fondamentalmente, dici che ogni negozio dovrebbe avere questa quantità in magazzino e poi, per riconoscere la piccola incertezza residua oltre a ciò, aggiungi un piccolo buffer e quella è la tua scorta di sicurezza. Tutti i negozi vengono trattati in modo indipendente e l’idea è che tu debba avere abbastanza stock per coprire tutti i tuoi negozi.

Ora, qual è il rischio effettivo? Il rischio è che tu possa rimanere senza stock a livello di magazzino e quindi la domanda diventa: ho una risorsa limitata a livello di magazzino, cosa dovrei fare per i miei vari negozi? Se lo fai solo nel modo classico, il modo classico direbbe che ho la mia scorta di sicurezza, faccio semplicemente l’allocazione per il primo negozio, mi rimane ancora inventario, ripeto il processo per il secondo negozio e poi magari al quarto negozio mi fermo perché non c’è più inventario. Quindi, quello che hai fatto è riempire efficacemente i primi quattro negozi e non inviare nulla agli altri. Questo non è molto intelligente. Non si sta affrontando correttamente questa situazione, questa piccola mini crisi che si ha quando un prodotto è esaurito nel magazzino.

Conor Doherty: Quali sono i rischi da un punto di vista finanziario?

Joannes Vermorel: No, non è così. È questo il motivo della tua scorta di sicurezza. Quando metti una scorta di sicurezza, stai dicendo che sto mettendo unità in un negozio che ha una probabilità molto bassa di essere vendute durante la mia finestra temporale rilevante. Ecco a cosa serve la scorta di sicurezza. È un buffer che molto probabilmente non ti servirà.

Se vuoi massimizzare le tue vendite, è molto meglio distribuire l’inventario in modo che ogni negozio ne abbia un po’. L’obiettivo è che tutti i negozi rimangano senza stock allo stesso tempo. Ovviamente, non puoi davvero raggiungere questo obiettivo, ma è quello a cui vuoi avvicinarti.

Consideriamo la situazione alternativa in cui hai concentrato l’inventario sui primi quattro negozi. Tutti gli altri negozi sono senza stock, quindi non vendi affatto. E per quelli, venderai solo una quantità pari a circa la metà dell’inventario, quindi avrai molti rimanenti. Ti trovi in una situazione in cui un negozio è senza stock mentre un altro ha un eccesso di stock e la domanda nei negozi che non hanno stock rimane insoddisfatta.

Conor Doherty: Quindi c’è il rischio?

Joannes Vermorel: Sì, ed è qui che parliamo del rischio di rimanere senza stock. Un modo per gestirlo è preservare l’inventario nel magazzino quando vedi che un prodotto nel magazzino rischia di esaurirsi. In questo modo, i migliori negozi possono comunque avere un po’ di merce.

A differenza dell’approccio delle serie temporali che tratterebbe ciascuno dei nostri 10 negozi in modo indipendente, un approccio probabilistico terrà conto della rete e delle contingenze o delle interdipendenze tra tutti questi negozi e la relazione con il mio inventario disponibile.

Conor Doherty: Sono curioso di sapere come un’azienda può gestire tutto questo perché è molta informazione rispetto, diciamo, all’approccio tradizionale delle serie temporali. L’unico modo per gestire tutto questo è attraverso l’automazione o le persone sono ancora coinvolte nel verificare queste decisioni?

Joannes Vermorel: Il modo in cui Lokad lo fa è automatizzando l’intero processo. Le persone sono lì per supervisionare l’automazione, ma la realtà è che la maggior parte delle aziende, anche se sostengono che tutto viene convalidato manualmente, utilizzano processi abbastanza automatizzati da molto tempo. Ogni volta che hai una configurazione di inventario min-max con una media e un massimo, hai un automa di riapprovvigionamento che funziona tipicamente senza supervisione. Questo è già stato il caso di avere configurazioni estensivamente automatizzate da decenni.

Lokad è solo un altro passo in questa direzione, ma non è necessariamente un cambiamento così rivoluzionario rispetto a ciò che le persone avevano in precedenza. È più automatizzato, ma molte aziende operano già su configurazioni altamente automatizzate.

Conor Doherty: Potrebbe essere che un’azienda che non sfrutta l’automazione, ma che, come ho detto prima, ha intere divisioni di esperti in gestione del rischio, sia abbastanza consapevole, giusto?

Mi viene anche in mente che abbiamo incentrato l’intera conversazione su rischi più tangibili come skus, negozi, alluvioni. Queste sono tutte risorse o attività molto tangibili e i rischi corrispondenti. Ci sono rischi intangibili, come il tempo, la larghezza di banda, la conoscenza, tutte queste cose che entrano nel funzionamento di un’azienda? Quali sono i rischi in quel caso o come li gestiamo?

Joannes Vermorel: Ci sono rischi intangibili. Ad esempio, se sei un’azienda di moda e fai vendite, generi un’aspettativa tra i tuoi clienti che quei sconti si ripeteranno in futuro, e quindi le persone modificano il loro comportamento. Teoricamente è possibile stimare questo processo, ma nella pratica è molto difficile perché creare l’aspettativa dei tuoi clienti è qualcosa che viene fatto nel corso di molti anni, quindi non è qualcosa in cui l’esperimento è facile.

Ad esempio, se sei un marchio di lusso e hai la convinzione che non dovresti mai fare promozioni perché svalutano il tuo marchio, non farai un test quinquennale per vedere se fare promozioni svaluta veramente il tuo marchio. Ad un certo punto, devi operare su convinzioni e giudizi anziché fare il test.

Il costo generato da una promozione è molto reale. Quando fai una promozione, hai una certa quantità di denaro che perdi immediatamente abbassando il prezzo, quindi rinunci a una parte del margine. Questo è un costo immediato, ma c’è anche questo rischio aggiuntivo di generare cattive abitudini dal lato del cliente e devi quantificare questi costi.

Ci sono anche altre classi di rischi, come le dipendenze IT. Puoi avere software che si disintegra, puoi avere molte altre cose che influenzano la tua supply chain. Ma questi rischi sono più simili a quelli nella produzione, dove vuoi che il tuo ERP sia operativo al 100%. Non c’è motivo di avere tempi di inattività, puoi progettare il tuo percorso in qualcosa che è incredibilmente vicino al 100% di uptime.

Conor Doherty: Hai appena detto che dal punto di vista della strategia di pricing, gli sconti potrebbero inculcare cattive abitudini ai consumatori. Cosa intendevi?

Joannes Vermorel: Ogni volta che fai una promozione, il cliente vede che fai una promozione. Quindi la prossima volta diranno: “Non comprerò al prezzo pieno. Aspetterò semplicemente che tu faccia di nuovo una promozione. Ho visto che fai promozioni, quindi so che le promozioni accadono con il tuo marchio, quindi posso aspettare. Aspetterò che tu faccia una promozione e poi comprerò”.

Il problema è che nulla sarà veramente in grado di modellare ciò. Modellare la psicologia dei tuoi clienti è per lo più al di là della tua portata perché ci vuole un decennio per plasmare la mentalità dei tuoi clienti.

Quando imposti un prezzo, trasmetti un messaggio ai tuoi clienti. Le persone prestano una certa attenzione, ma ci vuole tempo perché si sedimenti. Quindi c’è una sostanziale inerzia. Puoi cercare di fare modellazioni sofisticate per stimare esattamente quale sarebbe l’impatto, ma la realtà è che poiché queste cose richiedono anni, non sarai in grado di sperimentare molto. Non sarai in grado di convalidare le tecniche che stai usando. Quindi, nella realtà, devi prendere decisioni basate sul giudizio.

Conor Doherty: Quindi questo è un elemento del protocollo di gestione del rischio che rimarrà ancora nell’ambito delle persone che raggiungono un consenso. Vogliamo liquidare quel magazzino? Vogliamo tenerlo per sempre? O vogliamo venderlo in promozione?

Joannes Vermorel: Sì, e quando hai questo approccio basato sul rischio, è molto più compatibile con questo tipo di stime rispetto a una previsione di pianificazione delle serie temporali tradizionale in cui questo tipo di cose non aveva posto.

Conor Doherty: Quindi il principio guida per determinare quale tipo di politiche approssimative aziendali dovrebbero adottare dovrebbe essere: contribuisce a un maggiore rendimento?

Joannes Vermorel: Se qualcosa può essere valutato quantitativamente, allora vai avanti. Ma quando non è possibile, eppure c’è un accordo generale che è importante, allora dovresti fare una stima approssimativa.

Penso che sia un percorso molto pericoloso dire che non abbiamo numeri ragionevoli e quindi fingiamo che non esista. Esiste e quindi devi fare una stima approssimativa. È meglio avere un numero che sia approssimativamente corretto anziché esattamente giusto.

Conor Doherty: Sento che stiamo concludendo un po’, ma vorrei fare una domanda un po’ difficile. Hai parlato di analisi quantitative che sono finanziariamente proibitive. Quindi per le grandi aziende che possono permettersi previsioni più elaborate e politiche di gestione del rischio, possono forse adottare l’approccio probabilistico. Ma per le aziende che non hanno quel tipo di denaro disponibile, quale consiglio daresti in termini di gestione del rischio che sia attuabile?

Joannes Vermorel: Metterei in discussione, puoi davvero permetterti di ignorare il rischio? L’inventario costa denaro. Il piano di avere uno scienziato della supply chain per aiutarti a ottimizzare la tua decisione costa circa 2.500 euro al mese. Sì, è una somma considerevole, ma se non sei una piccola azienda, se sei un’azienda da 10 milioni di dollari o euro in su, questa non è una somma enorme. In realtà è una frazione di quello che paghi per una singola persona.

Se hai cinque o più persone che svolgono funzioni di supply chain come il rifornimento di inventario, la pianificazione della produzione, l’allocazione dell’inventario, la gestione dei prezzi e hanno un processo che ignora completamente il rischio, direi che puoi davvero permetterti di continuare a fare così? Ignorare questi rischi potrebbe costarti milioni di dollari solo perché hai preso una decisione molto sbagliata ignorando completamente il rischio.

Poiché è insolito, le persone si aspetterebbero che sia solo una cosa riservata a aziende come Amazon e simili. No, non lo è. È, in larga misura, la previsione classica delle serie temporali è molto più complicata e il motivo è che è un problema non corrispondente. Quindi sì, in superficie sembra più semplice perché le persone sono abituate alle serie temporali, ma quando si tratta della risoluzione effettiva del problema, non corrisponde affatto al problema effettivo e questa soluzione, anche se sembra facile in pratica, è un incubo da implementare e utilizzare in confronto.

Il tipo di previsioni probabilistiche che Lokad utilizza per piccoli clienti, piccole aziende, è insolito ma si adatta bene al problema e quindi alla fine, sai, e anche nelle mie lezioni do esempi che se vuoi dare un’occhiata alle tecniche di probabilità, la maggior parte dei miei esempi di codice sono lunghi meno di 20 righe. Quindi la gente direbbe oh, è impossibilmente complicato e io dico beh, sono solo 20 righe di codice e puoi andare a dare tutti i dettagli del metodo in una lezione che dura un’ora e mezza.

Puoi davvero dire che la tua azienda è così piccola che non puoi permetterti di dedicare qualche decina di ore al caso? È davvero al di là delle tue possibilità? Voglio dire, sì, se sei una boutique con una sola persona, ma se sei un’azienda che fa più di 10 milioni di dollari di fatturato all’anno, non sei una boutique. Hai già delle cose in gioco e gli errori possono costare molto di più e viceversa, perché non sono solo gli errori, sono anche le opportunità.

Se aumentando il prezzo nel momento giusto aumenti il margine del dieci percento, ciò può comportare l’entrata di centinaia di migliaia di dollari di denaro contante nella tua azienda e questo compensa davvero il costo di far lavorare alcune persone sul rischio.

Conor Doherty: Quindi, se dovessi riassumere, sarebbe essenzialmente un elemento di fede, ma l’acqua non è così fredda una volta che lo fai…

Joannes Vermorel: Direi che non è tanto una questione di fede. Penso che ci sia questa idea molto strana che nella teoria della supply chain mainstream, i rischi non esistano letteralmente. Hai quelle fluttuazioni super dolci della domanda e quelle fluttuazioni super dolci dei tempi di consegna modellate con distribuzioni normali, che è quando la gente dice distribuzione normale, è un modo per dire che non c’è rischio.

La realtà è che non ho mai incontrato un imprenditore che non fosse pienamente consapevole che il suo business è pieno di rischi ovunque. Il tipo di follia è che con il software di supply chain mainstream, le persone fingono che i rischi non ci siano, ma i rischi ci sono ancora e quindi le aziende affrontano regolarmente catastrofi che sono molto costose a causa di rischi che non erano come di nuovo non sto dicendo come investire entrando nel mercato russo nel 1991 pensando che funzionerà che improvvisamente diventerà il nuovo El Dorado.

Sto dicendo che le aziende affrontano catastrofi per cose che erano completamente prevenibili, cose che erano davvero nel vento del rischio previsto come problemi dei fornitori, prezzi che salgono o scendono, domanda che fluttua ma non al di fuori di quello che ci si potrebbe aspettare dall’evoluzione generale del mercato. Questo tipo di cose e quindi il mio punto è che c’è questa follia in cui la maggior parte delle pratiche mainstream semplicemente ignora completamente il rischio.

Quando parlo con i professionisti della supply chain, dicono sì, ci sono molti rischi, ma il punto è che non riescono a colmare una lacuna e io dico che non è molto difficile, è solo molto diverso da quello che stai facendo e non solo è noto, è anche più economico perché porta anche a un grado più elevato di automazione perché anche una delle ragioni per cui hai bisogno di così tante persone quando fai supply chain con serie temporali è che a causa del fatto che hai una grande discrepanza tra la realtà e quelle serie temporali, devi avere molte persone per mettere una pezza al processo tutto il tempo.

Ma se hai qualcosa in cui c’è una migliore corrispondenza, non hai bisogno di così tante persone per mettere una pezza alla cosa.

Conor Doherty: Su questa nota, penso che concluderò le cose. Joannes, grazie mille come al solito, è stato un piacere. E grazie mille per aver guardato, ci vediamo la prossima volta.