00:00:00 (Re)Introduzione di Knut
00:01:51 Il lavoro di Knut Alicke sulla resilienza della supply chain
00:02:59 La risposta delle aziende al primo lockdown
00:04:15 La prospettiva di Joannes sui cambiamenti della supply chain
00:06:35 Definire il rischio e la resilienza nella supply chain
00:10:06 Gli ingredienti chiave di Knut per supply chain resilienti
00:13:09 L’importanza della visibilità end-to-end
00:14:42 L’importanza dell’interpretazione dei dati
00:15:55 Caso di studio: Farmaceutici
00:17:28 Disastri della supply chain guidati dal software
00:19:28 L’approccio di Lokad agli strumenti di machine learning
00:21:21 Software sofisticato che rende le aziende fragili
00:28:32 Complessità delle supply chain
00:30:29 I benefici dell’approccio probabilistico
00:33:08 Considerare il rischio d’inflazione
00:40:33 La resilienza della supply chain come assicurazione
00:44:32 Spiegazione del modello CHAIN
00:50:00 Esempio di servizio per retailer B2B
00:52:12 L’importanza di metriche basate sul dollaro
00:58:41 L’efficacia dei sistemi automatizzati nella gestione del rischio
01:00:37 Esempio di narrazione sulla manutenzione degli aeromobili
01:04:11 Competenze critiche nella supply chain
01:05:31 L’importanza di una scrittura chiara
01:08:16 L’invito all’azione di Knut
Sommario
La pandemia ha costretto le aziende a rivedere le loro supply chain, concentrandosi sulla riduzione del rischio e sulla resilienza. In questa intervista, Knut Alicke di McKinsey e Joannes Vermorel di Lokad hanno discusso della necessità di una pianificazione sistematica, dell’utilizzo di strumenti digitali e dell’automazione software. Alicke ha sottolineato l’importanza della visibilità e dei sistemi di pre-allarme per individuare possibili interruzioni, mentre Vermorel ha evidenziato la necessità di una cultura digitale per comprendere le sfumature dei dati. Entrambi hanno concordato sull’importanza della pianificazione degli scenari e di un approccio probabilistico per gestire le problematiche potenziali. Hanno inoltre sottolineato l’importanza del pensiero strategico, di una comunicazione efficace e della coltivazione di opzioni nella leadership della supply chain — argomenti che Alicke ha trattato in dettaglio nel suo recente libro (co-scritto), From Source to Sold.
Sintesi Estesa
La pandemia recente ha costretto le aziende a rivedere le loro supply chain, concentrandosi sulla riduzione del rischio e sull’aumento della resilienza — come spiegato da Knut Alicke, partner di McKinsey, e da Joannes Vermorel, CEO e fondatore di Lokad.
Alicke, che lavora nella supply chain da quasi 30 anni, ha osservato che le aziende hanno dovuto diventare più sistematiche e agili nei loro processi di pianificazione. Tuttavia, ha sottolineato che esiste ancora un divario in termini di esperienza nella supply chain e nell’uso ottimale degli strumenti digitali. Vermorel, invece, ha evidenziato l’importanza dell’automazione software per gestire le decisioni banali e le attività, liberando tempo affinché le persone possano concentrarsi su situazioni insolite o straordinarie.
Alicke ha discusso di come le aziende abbiano reagito alle interruzioni in passato, come ad esempio il disastro di Fukushima nel 2011, e shutdown e lockdown più recenti. Ha osservato che, sebbene molte idee per la resilienza esistessero già anni fa, non erano considerate importanti. Le aziende spesso tornavano alle operazioni normali dopo un’interruzione, concentrandosi su supply chain snelle ed economiche piuttosto che su quelle resilienti.
Alicke ha sottolineato la necessità di una visibilità e di un sistema di pre-allarme per rilevare possibili interruzioni nella supply chain. Ciò potrebbe includere problemi con il fornitore del fornitore o difficoltà legate alla logistica, produzione o qualità. Ha inoltre evidenziato l’importanza della pianificazione, in particolare della pianificazione degli scenari, per mitigare eventuali ritardi o interruzioni. Ciò potrebbe comportare la spedizione accelerata, la sostituzione dei prodotti o l’invio aereo di alternative.
Vermorel ha concordato sull’importanza della visibilità end-to-end, ma ha suggerito che le aziende spesso mancano di una cultura digitale per comprendere le sfumature dei loro dati. Ha sostenuto che il problema non è la mancanza di dati o la loro qualità, ma la mancanza di comprensione dei dati.
Vermorel ha inoltre discusso dell’importanza di comprendere cosa stia cercando di fare un algoritmo, piuttosto che come funzioni. Ha osservato che il software consente una scalabilità rapida, compreso il potenziale per errori su larga scala. Ha anche sottolineato che persino calcoli relativamente semplici possono diventare opachi a causa dei limiti della mente umana.
Vermorel ha ulteriormente spiegato che, anche se i data scientists sostituissero i pianificatori, lo stesso problema di opacità persiste. Alcuni strumenti di machine learning sono opachi anche per coloro che li utilizzano, e comprendere gli algoritmi non significa necessariamente comprendere i risultati.
Vermorel ha discusso dell’operatività degli scenari nella gestione della supply chain, spiegando che mantenere scenari multipli può richiedere molta manutenzione. Tuttavia, un approccio probabilistico, che considera tutti gli scenari contemporaneamente, può essere più gestibile con gli strumenti matematici e software adeguati.
Ha spiegato che questo approccio consente di considerare varie problematiche potenziali, ad esempio un warehouse con una probabilità dell'1% di essere allagato ogni mese, senza dover conoscere la causa esatta.
Vermorel ha paragonato l’approccio probabilistico a una prospettiva quantistica, in cui vengono considerate tutte le possibili evoluzioni future e gli strumenti matematici si occupano di fenomeni rari.
Alicke ha concordato e ha sottolineato l’importanza che le aziende siano pronte ad agire basandosi sugli approfondimenti ottenuti dalle simulazioni degli scenari. Ha osservato che le aziende spesso non sono pronte a implementare soluzioni anche quando dispongono degli approfondimenti necessari.
Vermorel ha discusso dell’importanza di coltivare opzioni nella gestione della supply chain. Ha spiegato che l’approccio probabilistico consente di considerare costantemente opzioni, come modalità di trasporto alternative, che possono essere attivate quando le condizioni sono favorevoli.
Alicke ha condiviso un esempio di come la pianificazione degli scenari abbia aiutato un cliente a diventare più resiliente, identificando una risorsa strozzante che richiedeva 12 settimane per essere trasferita da uno stabilimento all’altro.
Vermorel ha discusso dell’importanza del pensiero strategico nella gestione della supply chain, che può essere ostacolato dalla costante gestione delle crisi.
Alicke ha sottolineato l’importanza di comunicare al consiglio la necessità di investimenti strategici, paragonandolo al pagamento di un’assicurazione. Ha osservato che ciò richiede una decisione strategica da parte del consiglio e la capacità di comunicare efficacemente la storia a loro.
Alicke ha inoltre discusso dell’ispirazione dietro il suo libro, “Source to Sold” (co-scritto con Radu Palamariu), che include interviste a persone che sono arrivate al consiglio grazie a un background nella supply chain, e discute il modello CHAIN che hanno sviluppato sulla base di queste interviste.
Alicke ha spiegato che la “C” sta per collaborative, la “H” per holistic, la “A” per adaptable, la “I” per influential, e la “N” per narrative. Ha sottolineato l’importanza di costruire relazioni, di comprendere il quadro generale, dell’adattabilità, di responsabilizzare le persone e di utilizzare il linguaggio giusto per spiegare le cose.
Vermorel ha discusso la paura degli effetti di secondo ordine nella supply chain, come l’aspettativa di sconti da parte dei clienti. Ha sostenuto la necessità di avere un KPI che includa decisioni basate sul giudizio e imponga una visione a lungo termine.
Vermorel ha criticato la mancanza di immaginazione nel considerare fattori sfuggenti che sono difficili da misurare. Ha sottolineato l’importanza di sviluppare narrazioni per comunicare in modo conciso aspetti tecnici e razionali.
Vermorel ha sostenuto la necessità di avere approfondimenti che risuonino profondamente con ciò che le aziende stanno cercando di fare, anziché affidarsi a metriche facili che sono irrilevanti per il problema in questione.
Alicke ha concordato, aggiungendo che i numeri supportano la narrazione e aiutano a identificare le cause profonde quando qualcosa va storto. Ha sottolineato che una leadership efficace richiede persone con le competenze necessarie per attivare la visione espressa attraverso la narrazione.
Alicke ha suggerito che tutti nella supply chain dovrebbero comprendere i processi end-to-end e formare i colleghi della supply chain e di altre aree. Ha menzionato che lui e Vermorel insegnano nelle università per aumentare la capacità della community e promuovere la supply chain come un argomento interessante e importante.
Vermorel ha aggiunto che una scrittura chiara è una competenza cruciale per la collaborazione, la creazione di narrazioni e l’organizzazione dei report. Ha criticato la scarsa qualità della scrittura in molti dipartimenti e ha incoraggiato gli studenti a migliorare le proprie capacità di scrittura per tutta la vita.
In conclusione, l’intervista ha evidenziato l’importanza di comprendere e gestire il rischio e la resilienza nella supply chain, il ruolo dei dati e degli algoritmi, e la necessità di un pensiero strategico e di una comunicazione efficace. Ha inoltre sottolineato l’importanza di coltivare opzioni, comprendere i processi end-to-end e migliorare le capacità di scrittura.
Trascrizione Completa
Conor Doherty: Data la pandemia recente, la maggior parte delle aziende ha riconsiderato la propria supply chain con un’enfasi sulla riduzione del rischio e sull’aumento della resilienza. L’ospite di oggi, Knut Alicke, ha scritto ampiamente su queste tematiche, nonché sulla leadership nella supply chain nel suo nuovo libro, “From Source to Sold”. Knut, benvenuto a Lokad.
Knut Alicke: Grazie mille per avermi invitato.
Conor Doherty: Beh, ho detto benvenuto a Lokad, ma probabilmente è più corretto dire bentornato a Lokad. Sei stato con noi, credo, 3 anni fa, quasi esattamente nello stesso giorno, in effetti.
Knut Alicke: Esatto. Questo è il mio secondo episodio con voi. Quindi, sono passati tre anni, hai ragione. Abbiamo parlato del futuro della supply chain, delle competenze lavorative e di tutto quanto. Sono stati 3 anni interessanti per tutti noi, con molte interruzioni e tante cose in corso nella supply chain.
Conor Doherty: Assolutamente, e ne riparleremo. Ma per chi avesse perso quell’episodio, potresti forse reintrodurti al pubblico, per favore?
Knut Alicke: Certo. Quindi, mi chiamo Knut Alicke. Lavoro per McKinsey. Sono basato nel nostro ufficio di Stoccarda in Germania, e la supply chain è la mia passione. È ciò che faccio da quasi 30 anni. Quindi, l’anno prossimo saranno 30 anni. Invecchiamo sempre di più. Quello che faccio qui riguarda sostanzialmente tutti gli argomenti legati alla pianificazione, come le previsioni, S&OP, la pianificazione dell’approvvigionamento, la pianificazione della produzione, l’inventario, ma anche il flusso fisico, l’ottimizzazione del magazzino, l’ottimizzazione della rete di trasporto e l’impostazione della giusta struttura organizzativa di governance.
Negli ultimi tre anni, mi sono dedicato chiaramente al rischio e alla resilienza della supply chain per aiutare i nostri clienti a migliorare e ad avere una supply chain più resiliente. E oltre a McKinsey, continuo a insegnare. Quindi sto formando, per così dire, la nuova generazione di professionisti della supply chain, perché è ciò che sentiamo sempre: non abbiamo abbastanza professionisti della supply chain. Non abbiamo abbastanza persone che comprendano veramente i processi end-to-end, che capiscano i trade-offs e che siano appassionate dell’argomento.
Conor Doherty: Beh, in realtà, se possiamo tornare a ciò di cui stavamo parlando. Perché, come hai detto, erano tre anni fa, abbiamo parlato del futuro della supply chain e delle competenze richieste. Quella era nel bel mezzo della pandemia. Negli anni seguenti, ora siamo sostanzialmente post pandemia, pensi che la situazione sia cambiata? Sai, rischio e resilienza sono diventati problemi maggiori. Quindi, le competenze richieste sono le stesse o sono cambiate?
Knut Alicke: È successo molto. Se guardiamo indietro a tre anni fa, molte aziende hanno iniziato, subito dopo il primo lockdown, a allestire war room per gestire le crisi, sale di controllo, come che lo chiamassero, per risolvere i problemi. Questo non è stato sempre fatto in modo sistematico. Non è stato sempre fatto con un vero pensiero end-to-end. E poi hanno capito che, ehi, dobbiamo fare di più. Giusto? Dobbiamo prepararci, dobbiamo assicurarci di avere la giusta visibilità a disposizione, di avere le leve giuste da azionare, e dobbiamo garantire che i nostri processi di pianificazione siano abbastanza agili e veloci.
Quindi, molte aziende hanno ridotto la loro pianificazione, passando da una pianificazione mensile a una bisettimanale, e nel S&OP, la pianificazione operativa da settimanale a ogni due giorni. E tutto ciò richiede talento. Richiede persone con talento che comprendano la supply chain, che capiscano il digitale e sappiano mettere tutto insieme. E ciò che vediamo qui è che esiste ancora un enorme divario. Il divario si è ridotto. Direi che le aziende hanno istruito il proprio personale. C’è stato un notevole ricorso all’assunzione di personale esterno, ma comunque, persiste un divario in termini di esperienza nella supply chain, su come utilizzare al meglio gli strumenti digitali per pianificare e migliorare le prestazioni della supply chain.
Conor Doherty: Bene, grazie. Joannes, eri anche tu in quell’panel. Hai cambiato prospettiva in questi anni intervenuti?
Joannes Vermorel: Voglio dire, evoluto, sì. Non so fino a che punto si possa considerare un cambiamento, ma in sostanza, dal mio punto di vista, più grandi sono le interruzioni che affronti, maggiormente hai bisogno di automazione. Perché, vedi, se la tua routine è già al completo, occupandoti di spegnere incendi e gestire il banale, se sei già al 100% occupato a far fronte alle attività quotidiane, quando arriva l’inaspettato, allora non hai alcun margine per gestire quel lavoro extra.
E non intendo la capacità della supply chain o dei beni materiali, ma semplicemente la larghezza di banda mentale per affrontare un problema. Se tutti nell’organizzazione sono già al massimo solo per mantenere l’azienda operativa in un giorno normale, quando si presenta un giorno anomalo, allora tutto finisce per esplodere o subire ritardi. Quindi, e non ho, direi, una soluzione magica per liberare questa larghezza di banda. Tuttavia, una delle migliori alternative a una soluzione magica è l’automazione software estensiva.
Così che almeno tutte le decisioni banali e le attività routinarie vengano eliminate, automatizzate, in modo che le persone abbiano il tempo di concentrarsi su ciò che è veramente inusuale. E per inusuale non intendo le normali fluttuazioni della domanda che possono essere leggermente maggiori o minori, o comunque variare in modo simile ogni volta. Intendo un cambiamento strutturale in cui scompaiono fornitori, fornitori che diventano molto più costosi senza poter tornare alla situazione precedente, tariffe o elementi che modificano realmente la struttura del mercato in cui operi.
Conor Doherty: Beh, mi viene in mente che in una discussione su rischio e resilienza, probabilmente sarebbe meglio definire effettivamente i termini. Quindi, Knut, se posso tornare su di te, nel periodo post-pandemia si parla dell’importanza di rischio e resilienza, ma intendo dire che rischio e resilienza esistevano già prima della pandemia. Quindi, secondo la tua esperta opinione, come sono esattamente cambiati questi concetti? In termini concreti, come sono cambiati a seguito della pandemia?
Knut Alicke: La buona domanda è se siano realmente cambiati. Se ci pensi, per esempio, il 2011, quando c’era Fukushima – è passato circa 12 anni – e le aziende hanno reagito nello stesso modo in cui hanno reagito ai recenti arresti, interruzioni e lockdown. Quindi, direi che molte delle idee esistevano già da molti anni, ma non venivano considerate importanti. Le aziende non si concentravano su questo. Dicevano: “Ehi, l’interruzione è finita, torniamo alla normalità e assicuriamoci solo che la nostra supply chain sia il più snella possibile, il più economica possibile, ma non necessariamente la più resiliente.”
Quindi, se consideri ciò che è necessario per essere resilienti, dobbiamo avere la visibilità. Dobbiamo disporre di qualcosa come un sistema di pre-allarme che dica: “Ehi, qualcosa si sta preparando, diciamo, nel tier tre o nel tier quattro.” Quindi, non il nostro fornitore diretto, ma il fornitore del fornitore del fornitore ha qualche problema. Può trattarsi di un problema logistico, di produzione o di qualità.
Sappiamo esattamente che questo influenzerà fino a noi, sulla nostra linea di produzione, causando un’interruzione. Se lo rileviamo in tempo, possiamo reagire. O, speriamo, possiamo reagire. Per poter reagire, dobbiamo anche assicurarci di avere in atto una pianificazione. Quindi, se ad esempio vediamo che questo container arriverà probabilmente con due settimane di ritardo, questa informazione da sola non è utile. Sapere che questo ritardo di due settimane porta a un stock out dei nostri componenti, che causa un arresto della produzione perché non possiamo assemblare ciò che dobbiamo assemblare, o che abbiamo un problema di disponibilità che ci impedisce di consegnare al negozio al dettaglio che disperatamente ha bisogno dei nostri prodotti, è estremamente importante. E per questo ci serve la pianificazione degli scenari.
Quindi, dobbiamo analizzare cosa possiamo implementare per mitigare questo ritardo. È necessario accelerare la spedizione? Sostituire il prodotto? Dovremmo far volare qualcosa d’altro per compensare il ritardo? Ed è qui che molte aziende ancora hanno un problema. Creano un piano, ma non sono in grado di crearne altri nel caso in cui si verifichi un’interruzione o un ritardo. E questo è super importante. Se ora pensi a ciò che è necessario per farlo, dobbiamo avere i dati a disposizione, i master data. Dobbiamo avere le capacità necessarie – ne abbiamo già parlato – e dobbiamo avere in atto un’organizzazione che accetti che, in questo scenario, si arrivi alla conclusione che il trasporto aereo è la soluzione, e poi si opta per il trasporto aereo. Tutto questo deve avvenire per garantire una supply chain resiliente in grado di consegnare.
Conor Doherty: Beh, in realtà, ancora una volta, hai identificato tre ingredienti, ed è qualcosa che hai menzionato in un recente sondaggio che hai condotto per McKinsey su tecnologia e regionalizzazione. Hai affermato che le supply chain più resilienti hanno visibilità end-to-end, master data di alta qualità e pianificazione degli scenari di domanda efficace. Quindi, Joannes, tornando a te, perché pensi che questi ingredienti siano assolutamente critici per una supply chain resiliente? O aggiungeresti qualcos’altro?
Joannes Vermorel: Sì, intendo, dal mio punto di vista, la sfida con i dati è molto specifica nel senso che la qualità dei dati è solitamente eccellente. È strano, lo so, la maggior parte dei fornitori si lamenta dei dati scadenti, ma la realtà è che, se osserviamo le aziende occidentali – forse non quelle asiatiche – sono digitalizzate da tre decenni e, in termini di accuratezza, quando c’è un record che indica che un certo prodotto è stato venduto in una determinata data, in una certa quantità, quel dato è accurato al 99,9%. Quindi sì, ci sono alcuni errori di trascrizione qua e là, ma è molto preciso. Il problema non è tanto che i dati siano errati, è che la semantica è molto confusa.
Per fare un esempio, per la maggior parte dei nostri clienti – e sto pensando a quelli più grandi, come le società quotate – solitamente è molto difficile stabilire cosa abbiano in stock. Il problema non è che non dispongano dei dati, ma che, immagina di non avere un unico ERP, bensì 20 ERP che contano lo stock non in un solo modo, ma in 20 modi differenti. E poi lo stock non è un valore binario, ossia c’è o non c’è; può essere in attesa alla dogana, in attesa per test di qualità, in deposito, riservato per alcuni clienti, ecc. Vedi, ci sono molte complessità.
E poi, quando si parla della domanda, la situazione diventa molto rapidamente confusa. Prendiamo ad esempio un distributore B2B: vendi alle aziende, quindi solitamente hai più date d’ordine, non una sola. Ci sono le date in cui il cliente ti comunica che desidera un prodotto in futuro – ma non si tratta di un ordine definitivo – e poi c’è una data in cui inoltra l’ordine, seguita da una data per la consegna parziale dell’ordine, e poi un’altra per la consegna del resto dell’ordine, e così via.
Quindi, sono assolutamente d’accordo che la visibilità end-to-end sia un ingrediente critico. Ma dove penso che le aziende manchino frequentemente è nella cultura digitale necessaria per cogliere le sfumature insite in questi dati. Il problema non è tanto che i dati siano scadenti o mancanti, ma che esistono letteralmente migliaia e migliaia di tabelle, e le persone stanno annegando in KPI scadenti, ricette semplificate e simili, che non forniscono le informazioni di cui hanno bisogno.
Ad esempio, le aziende che operano su una supply chain multipla, abbiamo visto che le persone considerano i service levels al centro della rete, ma il livello di servizio al centro della rete non dice nulla sulla qualità percepita dal cliente. Sono semplici artefatti. Quindi, direi che quei problemi sono gli stessi, ma c’è una variazione nel modo in cui li si analizza, ed è lì che penso risieda il maggior divario di competenze.
Quando parliamo di master data, cosa significa avere padronanza dei dati? È un gioco di parole, ma direi che il problema riguarda più la padronanza dei dati che la mancanza di dati o di dati di qualità.
Conor Doherty: Quindi, Knut, per rimetterla a te, sei d’accordo che si tratta più di come interpreti la ricchezza dei dati o la fonte dei dati, piuttosto che della qualità intrinseca dei dati?
Knut Alicke: Onestamente, ho visto entrambe le cose, ma sono d’accordo che utilizzare i dati e creare insight dai dati sia molto importante. Permettetemi di aggiungere un elemento a questo, perché è anche ciò che osservo in molti dei nostri clienti.
Il pianificatore ha un sistema da utilizzare, giusto? Utilizza i dati e poi c’è un algoritmo che esegue alcuni calcoli, una previsione, un piano di produzione, un piano di supply, o simile. Quello che vediamo spesso è che c’è molta più intelligenza algoritmica di quanto il pianificatore sia in grado di sfruttare. E perché ciò accade? Perché per la maggior parte dei pianificatori l’algoritmo appare come una scatola nera. Quello che vorrebbero fare è aprirla, guardare all’interno, capire e poi utilizzarla.
Per una grande azienda farmaceutica, abbiamo condotto un’analisi dopo che avevano implementato uno dei grandi sistemi di pianificazione e solo otto persone accedevano regolarmente al sistema. Tutti gli altri, centinaia di pianificatori, accedevano, ma poi uscivano molto rapidamente, per rientrare e uscire di nuovo. Cosa significa? Hanno scaricato tutti i dati sui loro fogli Excel, hanno effettuato le solite modifiche e pianificazioni, e poi hanno ricaricato i risultati.
Quindi, un elemento molto importante è la spiegabilità. Dobbiamo creare fiducia in tutti gli algoritmi che utilizziamo. O dobbiamo spiegarli, oppure trovare altri modi per dimostrare che gli algoritmi funzionano come dovrebbero, e solo così i pianificatori utilizzeranno finalmente tutte queste soluzioni innovative.
Conor Doherty: In realtà, un rapido seguito a questo – e il punto è rilevante rispetto a qualcosa che ho letto su Lokad. Non dirò chi l’ha scritto, ma in un documento sull’MRO si affermava che, più importante che capire come funziona l’algoritmo, è che il professionista comprenda cosa stia cercando di fare. E sono curioso, in relazione a quanto appena detto da Knut e da me, qual è la tua opinione in merito, Joannes?
Joannes Vermorel: Quindi, sono completamente d’accordo con Knut nel senso che metodi sofisticati introducono nuove categorie di rischio. E quando guardi alcuni dei più grandi disastri della supply chain di tutti i tempi, erano guidati dal software. C’è il disastro Nike del 2004, Target Canada, Lidl che ha sprecato mezzo miliardo di Euro. Quindi, il software ti consente di fare cose su larga scala molto rapidamente, compresi errori estremamente insensati. E sì, l’opacità non richiede nulla di estremamente elaborato per diventare totale.
La bellezza dei computer è che la mente umana rimane indietro, capace di eseguire solo circa 10 moltiplicazioni. E poi, anche se sei estremamente intelligente, qualsiasi calcolo modesto che richieda più di 10 moltiplicazioni e addizioni non lo puoi seguire intuitivamente. Quindi, non serve una sofisticazione numerica brutale per diventare completamente opachi. Anche qualcosa di relativamente semplice in termini di potenza di calcolo è già ben oltre ciò che si può intuitivamente seguire.
Quindi, questo è un grosso problema e, a proposito, anche se sostituisci i pianificatori con data scientist, il problema rimane lo stesso. Esistono categorie di strumenti di machine learning che sono molto opache anche per chi li utilizza. Quindi, anche se hai una profonda comprensione degli algoritmi, non significa che tu capisca se i risultati che osservi siano davvero quelli che intendevi ottenere. Questo è un’altra tipologia di problema.
Il modo in cui Lokad ha affrontato questa situazione è stato principalmente quello di essere molto decisi su certe categorie di strumenti di machine learning, in particolare sulla programmazione differenziabile che ti permette di operare con variabili semantiche. Quindi, l’idea è che non si tratti di un qualsiasi tipo di machine learning, ma di modelli in cui ogni singola variabile ha un nome e una semantica associata. Ciò significa che puoi ispezionare, pezzo per pezzo, ciò che avviene nel modello per capire se il comportamento appare corretto.
Per fare un esempio, se ad esempio abbiamo ciclicità, come il giorno della settimana, la settimana dell’anno, la settimana del mese, ciò significa che queste ciclicità avranno dei parametri nominati che potrai verificare. Ci sarà letteralmente una variabile chiamata effetto Ramadan o effetto Capodanno cinese. Può sembrare molto contrario al machine learning, perché non autodiscopriamo i pattern, ma il fatto che tutti i pattern siano nominati e che le variabili abbiano una semantica chiara rende molto più semplice ispezionare il modello pezzo per pezzo.
Quindi, anche se l’output risulta strano, puoi comunque ispezionare le singole parti che costituiscono il modello e non serve avere un dottorato in matematica per farlo. Questo è solo una parte della soluzione, ma il resto richiede metodologie differenti. Però sì, il rischio tecnologico – intendo dire che introdurre una sofisticazione nel tentativo di rendere la tua azienda più resiliente – la storia è un po’ contro i software vendors in generale. Tecnologie software più sofisticate tendono a rendere le aziende complessivamente più fragili rispetto a metodi più grezzi e semplici di organizzazione.
Conor Doherty: Beh, Knut, per riportare il discorso a rischio e resilienza, ricordo che in un sondaggio, credo fosse a novembre di quest’anno, hai osservato che, tra i tre ingredienti menzionati – visibilità, master data e demand planning – la pianificazione degli scenari di domanda aveva ottenuto la minore adozione. Penso che solo circa un terzo degli intervistati abbia dichiarato di disporre di una pianificazione degli scenari di domanda efficace in azienda. Sono curioso: perché pensi ci sia stata una disconnessione tra i primi due ingredienti e l’ultimo, e quale effetto ha questo sulla resilienza aziendale?
Knut Alicke: La pianificazione non è facile. Sembra semplice: “Perché non valutate il vostro piano end-to-end complessivo per lo scenario in cui abbiamo meno capacità, o una domanda più alta, o il fornitore non è in grado di consegnare?” Ma immagina che molte aziende calcolino ancora un solo piano alla settimana. Quindi è necessario utilizzare il weekend, perché ci vogliono 14 ore e ciò blocca molte risorse IT.
Anche ai giorni nostri, spesso è così. Quindi, come diresti a queste aziende: “Ehi, per favore, calcolate cinque scenari in cui valutate soluzioni differenti”, se rispondono: “Okay, ci vuole una settimana per calcolare.” Spesso la capacità di calcolo pura non c’è. Inoltre, molto spesso non è chiaro come definire lo scenario. Quindi, cosa dovremmo calcolare e come valutarlo, giusto?
Tutti i fornitori di soluzioni per la pianificazione hanno la capacità di calcolare scenari. Poi devi valutare ciò che è meglio per la nostra configurazione attuale, per i nostri clienti e per la supply chain. Quindi devono avere chiaro: “Ehi, dovrebbe essere ottimizzato per il servizio, per il costo o per il nostro inventario.” Spesso questo non è chiaro.
Purtroppo, vediamo ancora molti processi S&OP o processi IBP o processi di pianificazione end-to-end che si limitano a una sola soluzione. E poi la discussione diventa molto interessante perché si può accettare solo quella soluzione. Non c’è modo di dire: “Ehi, perché non facciamo qualcosa di diverso qui?” Quindi c’è molto da recuperare e da migliorare, per poter calcolare gli scenari, comprendere e valorizzare i compromessi, e poi giungere a una decisione condivisa su ciò che è meglio per i nostri clienti, per l’azienda o per il valore.
Conor Doherty: Beh, Joannes, vengo a te per un attimo. Verrò da te tra un attimo perché so che avrai qualcosa da dire a riguardo. Ma per proseguire su questo, Knut, quando si tratta di valutare la fattibilità di un determinato scenario, lo vedi come qualcosa di unico per ogni azienda oppure pensi che esista un indicatore o una filosofia generale che ogni azienda potrebbe usare per valutare la fattibilità di uno scenario?
Knut Alicke: Parliamo sempre dei tre elementi più importanti della supply chain, ovvero costo, servizio e capitale. Probabilmente si partirebbe persino dal servizio. E poi ci sono i compromessi. Se il servizio aumenta, “Oh sì, possiamo farlo se aumentiamo l’inventario o se crescono i costi.” Se i costi diminuiscono, “Sì, va bene, ma allora il servizio potrebbe calare.” Quindi, comprendere questi compromessi è super importante.
Parlando con molti dei nostri clienti, spesso facciamo un esercizio molto semplice. Chiediamo loro individualmente: “Cosa è più importante per te? Dove investiresti, diciamo, 10 EUR per migliorare qualcosa, o mille o 100.000? È ridurre i costi o ottimizzarli? È migliorare il livello di servizio o ridurre l’inventario?” E spesso si ottiene un quadro completamente variegato. Quindi ognuno parla di cose diverse.
Questo significa che la strategia della supply chain non è allineata. Se la strategia della supply chain non è allineata, come valuteresti qual è lo scenario migliore? Perché una parte dell’azienda punta a un livello di servizio più elevato, mentre spesso la parte produttiva opta per costi inferiori a causa dei loro incentivi locali. Quindi, nella struttura dei bonus, se la esamini, spesso si contraddicono le discussioni sui compromessi degli scenari. Questo è qualcosa che deve essere affrontato, risolto, e solo allora potrai decidere: “Ehi, questa è davvero la migliore soluzione per la nostra azienda.”
Conor Doherty: Grazie. E Joannes, cosa dici tu su come valutare la fattibilità degli scenari?
Joannes Vermorel: Ripenserei innanzitutto ad alcune altre cose. Perché, vedi, prima di tutto, parliamo dei requisiti di calcolo. È qualcosa che sento spesso: “Oh, ci vogliono ore per calcolare.” Ma consideriamo che uno smartphone, un semplice smartphone, esegue sin da subito circa 10–20 miliardi di operazioni al secondo. E questo è uno smartphone. Se passi a una workstation, una vera workstation, raggiungiamo molto facilmente, e a basso costo, i 100 miliardi di operazioni al secondo. Se sei pazzo e spendi 5.000 dollari per installare schede grafiche e GPU, arrivi a mille miliardi di operazioni al secondo. E di nuovo, roba economica.
Ora la domanda è: cosa stai facendo esattamente con questa potenza di calcolo? Perché questo è il punto. Da Lokad abbiamo la tipica discussione. Sento dire: “Oh, cinque scenari richiedono 40 ore di calcolo.” E poi da Lokad rispondiamo: “Oh, ma noi eseguiamo circa mille scenari al secondo.” Quindi, direi che abbiamo diversi problemi.
In primo luogo, il software aziendale moderno ha il problema di avere strati su strati che accumulano inefficienza. E le persone potrebbero non rendersene conto, ma la maggior parte del software aziendale è costruita su 40, a volte 50 anni di strati inefficienti che non sono mai scomparsi. E così perdi la tua potenza di calcolo di un fattore di 1 milione, a volte anche di più, a causa delle inefficienze derivanti dal letterale design software a lasagne, dove un pezzo di software comunica con un altro pezzo di software che, a sua volta, comunica con un altro, e così via.
Ad esempio, se provi a fare questo genere di cose con un database SQL per sistemi transazionali, sarà follamente inefficiente. Intendo dire, quando dico “folle”, intendo per un fattore che va da mille volte più lento di quanto dovrebbe essere fino, possibilmente, a un milione di volte più lento. Quindi le supply chain, come oggetti per simulazioni numeriche, non sono super complesse. Anche una supply chain incredibilmente complessa può essere composta da circa 100 milioni di SKU, magari 200 milioni di SKU. Un videogioco moderno sta ora simulando in tempo reale circa un miliardo di triangoli, a 60 fotogrammi al secondo. Questo ti dà semplicemente la scala.
Quindi stiamo parlando di qualcosa che, in termini di calcolo moderno, anche una supply chain gigantesca, a scala Walmart, è piccola. È più piccola del videogioco medio odierno. Quindi dobbiamo tenerlo a mente. E se hai un calcolo che richiede più di qualche minuto, devi davvero fermarti e chiederti: “Sto facendo qualcosa di veramente complicato che ha bisogno di tutta quella potenza di calcolo, o sto semplicemente partendo da qualcosa di incredibilmente inefficiente?” La mia proposta è che, per la maggior parte delle volte, stiamo parlando di cose incredibilmente inefficienti.
E se lo affronti nel modo giusto, non è un problema. Poi, la seconda cosa riguarda l’operatività degli scenari. Il mio approccio, intendo dire, da Lokad, che ho compreso un decennio e poco fa, è che il problema degli scenari è che richiedono alta manutenzione. Se hai una dozzina di scenari da mantenere, è un sacco di sforzo. E il trucco – ed era letteralmente un trucco – è che se adotti un approccio probabilistico dove consideri tutti gli scenari contemporaneamente, e quindi potenzialmente milioni di scenari, allora, se hai gli strumenti giusti, strumenti matematici e software, diventa molto più semplice.
E questo è sorprendente, perché penseresti: “Oh, se guardo a tutti i possibili futuri contemporaneamente, deve essere molto più complicato.” Ma la realtà è che, con l’approccio giusto, non lo è. E la ragione è che improvvisamente tutte le cose che intendi considerare diventano molto più gestibili. Non devi fare scelte difficili su cosa fare con il magazzino. Ok, diciamo che il magazzino, in ogni mese, ha una probabilità dell'1% di essere allagato o di subire qualcosa che comprometta gravemente il suo funzionamento. Non abbiamo bisogno di sapere esattamente cosa; diciamo semplicemente: “Ok, c’è una probabilità dell'1% al mese di perdere metà della capacità del magazzino per qualunque motivo, uno sciopero, un’alluvione, un problema elettrico, un piccolo incendio.”
E possiamo dire: “C’è una probabilità dello 0,1% di perdere il magazzino per sei mesi.” E, sai, è un’approssimazione, va bene così. E poi la cosa interessante è che non lo si fa isolatamente dagli altri fattori. La bellezza dell’approccio probabilistico è che puoi dire: “Aggiungiamo questo rischio al magazzino e poi aggiungiamo il rischio di avere un porto in Cina bloccato, di nuovo con una probabilità dell'1% ogni mese.” È una stima, possiamo rivederla. Ma la cosa interessante è che puoi improvvisamente parallelizzare il ragionamento su quei rischi.
Non si tratta di creare uno scenario in cui decidi esattamente quali rischi considerare e quali no. Si tratta del fatto che puoi aggiungere un rischio per il magazzino, un rischio per un porto in Cina, un rischio di un’impennata dei prezzi per un fornitore. E questa è la bellezza: tutto si fonde insieme. E in termini di manutenzione, una volta deciso di includere un rischio, cosa rimane da fare? La risposta è nulla, perché la tua previsione probabilistica lo integra embedding e le decisioni che escono dal sistema sono già aggiustate per il rischio.
Joannes Vermorel: Direi che questa prospettiva purista rispetto alla pianificazione classica degli scenari è che, innanzitutto, puoi scomporre completamente il modo in cui analizzi i diversi rischi. Quindi, se hai persone diverse che analizzano rischi differenti, possono utilizzare lo stesso sistema simultaneamente. E poi, una volta raggiunto un accordo su un livello di rischio, ottieni immediatamente decisioni aggiustate per il rischio non appena lo attivi. Tutto qui, niente da fare, ed è questa la bellezza.
Quindi, in termini di praticità, se pensi che l’inflazione abbia un rischio dell'1% di superare il 20% nei prossimi 12 mesi, ok, includilo. E se le persone sono d’accordo, allora lo abbiamo e otteniamo immediatamente tutte le decisioni aggiustate per il rischio conseguente.
La cosa interessante è che, esprimendo le cose in questo modo, sì, potresti finire con un paio di dozzine di rischi di alto livello, ma non sono molto complicati da esprimere e non sono molto difficili da mantenere. Questa è la bellezza della cosa. È molto più facile mantenere un rischio di alto livello, come una probabilità dell'1% che l’inflazione superi il 20% nei prossimi 12 mesi per, diciamo, la Germania, rispetto a creare e gestire uno scenario in cui risponderesti a questo rischio in modi specifici.
L’approccio probabilistico è più simile alla prospettiva quantistica, in cui diciamo: beh, osserviamo tutti quei futuri possibili e lasciamo che gli strumenti matematici gestiscano quei fenomeni poco frequenti. Ma in aggregato, sono inevitabili. Se accumuli una serie di rischi dell'1% al mese, è garantito che, nel corso dei prossimi 5 anni, si verifichino diversi di quei problemi. La domanda diventa solo: quando succederà uno di essi? Non lo sai, ma va bene così.
Conor Doherty: Knut, questo è in linea con la tua comprensione ingegneristica della situazione?
Knut Alicke: È sicuramente in linea. Sarebbe fantastico sfruttare questa potenza di calcolo e poter avere una specie di distribuzioni delle risposte per discuterne.
Ad esempio, supponiamo che tu esegua queste simulazioni di scenari, giusto? E poi capisci, in un certo senso, che con questa probabilità succedono questo e quell’altro. Quello che è importante è che le aziende devono essere pronte a tirare le leve. Ora, sapendo che potrebbe verificarsi un’interruzione, cosa succede dopo? Devi capire: “Ehi, qui devo avere queste cinque cose pronte e, nel caso in cui accada qualcosa con il mio sistema di allerta precoce, inizierò a eseguire.”
Spesso, le aziende non sono davvero preparate. Anche se hanno l’intuizione, non sono pronte a implementare la soluzione.
Joannes Vermorel: Sono completamente d’accordo. E, a proposito, è per questo che nella mia serie di lezioni ho introdotto supply chain come la padronanza dell’opzionalità. Devi coltivare le opzioni.
Gli scenari sono un modo per rendere quelle opzioni più urgenti, come ad esempio modalità di trasporto alternative. Ma il problema è che sembra molto teorico finché non si affronta il problema.
Il mio problema con gli scenari, un decennio fa, era dovuto al fatto che uno scenario dato non si concretizzava la maggior parte del tempo. Quella probabilità dell'1% per la maggior parte del tempo non si realizza, e quindi non c’è preparazione, perché nulla nel sistema è veramente orientato verso l’esecuzione immediata di quello scenario.
Ma se coltivi qualcosa in cui, per esempio, ogni volta che effettui un ordine di acquisto, c’è l’opzione di farlo spedire via trasporto merci a un prezzo molto più alto, quell’opzione è sempre disponibile. È solo che di solito non è redditizia.
Questa è la differenza tra avere un’ottimizzazione che include l’opzione già integrata – solo latente, non sfruttata perché le condizioni non sono quelle giuste – e uno scenario in cui, nel giorno in cui questa opzione dovrebbe entrare in gioco, nulla è pronto. Le persone non ci sono abituate, i sistemi IT non rispondono immediatamente alle decisioni appropriate, e quindi le persone devono pensare e fare molte cose insolite.
Knut Alicke: Lasciatemi fare un esempio degli ultimi anni in cui abbiamo aiutato un cliente a essere più resiliente. Abbiamo esaminato scenari, analizzato un sistema di allerta precoce e tutto il resto, e poi abbiamo scoperto che se qualcosa accadesse in uno stabilimento, potevamo produrre in un altro. Ma c’era una risorsa strozzata: l’attrezzatura di collaudo. Era necessario 12 settimane per spostarla da uno stabilimento all’altro.
Quindi, nei tuoi scenari, devi decidere 12 settimane prima: “Ehi, aspettiamo qualcosa e dobbiamo spostare?” Era qualcosa di completamente nuovo per loro. Stavano sempre pensando tipo 3 settimane prima e poi: “Oh, è troppo tardi.” Bisogna comprendere lo spazio delle soluzioni, per così dire, il lead time per implementare, e solo allora si può avere una buona discussione.
Joannes Vermorel: Penso che tu abbia centrato il punto. Ma, per esempio, il caso dell’attrezzatura di collaudo è molto interessante perché le persone sono frequentemente attirate dalle emergenze quotidiane. Se sei già alle prese con fornitori in ritardo, impennate dei prezzi, la rinegoziazione dei contratti con i clienti e ogni sorta di altri problemi, è tutta una completa distrazione.
Questo significa che decidere: “Ok, dobbiamo investire il doppio e avere una ridondanza nell’attrezzatura di collaudo. Non sarà super efficiente, ma a lungo termine, diciamo nei prossimi cinque anni, ci sarà un momento in cui salverà la nostra qualità di servizio.” Ed è forse non così costoso.
È proprio il tipo di cosa in cui le persone hanno bisogno di tempo e calma per riflettere. Se devono passare da un intervento d’emergenza all’altro, questo tipo di pensiero super strategico semplicemente non si realizza.
Knut Alicke: Permettetemi di aggiungere a questo. Quello che ho trovato anche estremamente importante è come raccontare questa storia che hai appena detto, quella in cui “Ehi, abbiamo bisogno dell’attrezzatura di collaudo, abbiamo bisogno di una seconda.” Ciò richiede un investimento, quindi tutti quei KPI legati alla fine del trimestre non sembreranno buoni.
Questa è una decisione del consiglio di amministrazione. E quello che spesso cerchiamo di spiegare è che usiamo l’analogia di un’assicurazione. Hai un’assicurazione auto, paghi per la tua assicurazione auto. Se dovessi tradurre questo nelle tue operazioni quotidiane, diresti: “Ah, perché devo pagare questa assicurazione auto? C’è una probabilità così bassa che qualcosa accada. Forse posso anche evitarla, giusto? Non mi serve.”
No, vuoi averlo per il raro caso in cui si verifichi un incidente, perché poi la situazione peggiora davvero e l’assicurazione interviene. Ed è così che concepiamo la resilienza della supply chain. È qualcosa che sviluppi per ogni evenienza. Potrebbe richiedere qualche investimento, potrebbe richiedere una certa preparazione, ma così, nel caso in cui accada, sei pronto.
La sfida è che la maggior parte delle aziende guarda al trimestre successivo o all’anno successivo, ma la prossima interruzione potrebbe arrivare tra un anno e un mese. Quindi, si tratta di una decisione strategica che deve essere presa e decisa dal consiglio. Ed è per questo che questa storia, raccontare questa storia al consiglio, è super, super importante.
Conor Doherty: Quando parli di raccontare storie, sembra quasi come se si trattasse di leadership, quasi come qualcosa che potrebbe far parte di una metodologia di leadership, qualcosa che magari potrebbe comparire in un libro?
Knut Alicke: Esattamente, ed è davvero bello vedere una copia del libro proprio lì. È incredibile, “Source to Sold”. In effetti, quello che il mio coautore, Radu Palamario, ed io abbiamo fatto è parlare del perché non vediamo più persone con un background in supply chain nei consigli, giusto? Quindi, come CEO, così come COO, perché succede questo?
Abbiamo scherzato dicendo che probabilmente è perché le persone della supply chain parlano una lingua diversa. Sono così orientate ai numeri, così attente ai dettagli, che non vedono il quadro generale. E abbiamo detto che, d’altra parte, le persone della supply chain hanno una comprensione end-to-end. Quindi, dovrebbero riuscire a capire il business.
Knut Alicke: Abbiamo scherzato perché probabilmente è vero che le persone della supply chain parlano una lingua diversa. Sono così orientate ai numeri, così attente ai dettagli, che spesso non riescono a vedere il quadro generale.
D’altra parte, le persone della supply chain hanno una comprensione end-to-end, quindi dovrebbero capire il business. Abbiamo cercato se esistono esempi di ciò. Abbiamo esaminato le Fortune 200 e abbiamo scoperto che solo l'11% delle aziende ha un CEO con un background in supply chain. Tim Cook è un esempio noto, ma ce ne sono chiaramente altri.
Abbiamo deciso di intervistare un paio di persone che sono arrivate a far parte del consiglio con un background in supply chain. Questo ha portato a 26 interviste, che abbiamo consolidato nel libro. Abbiamo poi elaborato una versione condensata di ciò che abbiamo appreso, che è il chain model.
Le interviste sono state molto interessanti. Abbiamo imparato molto da queste persone che avevano carriere molto diverse. Abbiamo intervistato persone da tutto il mondo, uomini e donne. Non è stato facile trovare donne, quindi è chiaro che questo è ancora un settore dominato dai maschi bianchi e che deve cambiare.
Abbiamo avuto imprenditori, piccole aziende, grandi aziende. Il libro ha ricevuto ottimi riscontri.
Conor Doherty: Per curiosità, nel contesto di una discussione su rischio e resilienza, ci sono interviste che, a tuo avviso, contengono intuizioni rilevanti per la discussione che stiamo avendo ora? Puoi sceglierne anche una, uomo o donna.
Knut Alicke: Letteralmente tutti, perché abbiamo condotto le interviste durante il lockdown. Tutti hanno parlato dell’importanza di essere agili, preparati e resilienti. È esattamente ciò che abbiamo inserito nel chain model. La “A” sta per adaptable. È molto importante comprendere il rischio ed essere in grado di comunicarlo al consiglio.
Conor Doherty: Potresti spiegare il chain model lettera per lettera?
Knut Alicke: La “C” sta per collaborative. Dobbiamo essere collaborativi, come abbiamo sentito in un paio di interviste. Uno dei collaboratori ha detto che voleva implementare un nuovo processo S&OP e si è fatto l’idea di integrare i fornitori. C’erano tre fornitori davvero importanti. All’inizio, in azienda, tutti erano contrari a divulgare il nostro piano di produzione al fornitore. Ma lui ha insistito ed alla fine tutti sono stati molto soddisfatti. Costruire relazioni internamente ed esternamente con clienti e fornitori è super importante.
‘H’ sta per holistic. Dobbiamo comprendere l’intero sistema, il quadro generale, ciò che accade end-to-end. Questo è qualcosa che fa parte della natura di una persona della supply chain. Non è necessariamente nella natura di alcune altre funzioni in cui spesso ti concentri di più su ciò che fai.
‘A’ sta per adaptable, come già detto. La “I” nel chain sta per influential. Qui, direi, dai potere alle persone intorno a te affinché diano il massimo e contribuiscano.
La “N” sta per narrative, che per me è la parte più importante. Si tratta davvero di come spieghi le cose. Per esempio, una persona della supply chain potrebbe spiegare un miglioramento del livello di servizio dicendo che il nostro OTIF è passato dall'89,7% al 91,2%. Questo non dice molto. Se usi un linguaggio che sarebbe compreso dal consiglio, potresti dire che abbiamo migliorato il livello di servizio e, grazie a ciò, siamo riusciti a vendere di più oppure il cliente è più soddisfatto e torna. Si tratta di usare il linguaggio giusto, la narrativa giusta.
Diciamo sempre che la supply chain ha ottenuto un seggio al tavolo negli ultimi tre anni e ora tutti lo hanno capito. Ora dobbiamo assicurarci di mantenere quel seggio al tavolo. Dobbiamo dimostrare di valere il seggio.
Conor Doherty: Grazie per i tuoi pensieri.
Joannes Vermorel: La cosa interessante è che le critiche vanno in entrambe le direzioni. Sì, il direttore della supply chain dovrebbe essere in grado di parlare il linguaggio del consiglio. Ma, inoltre, il problema che vedo è che l’infrastruttura software sottostante che supporta le azioni del direttore della supply chain solitamente fornisce indicatori incredibilmente miopi.
Ad esempio, il livello di servizio non significa nulla se operi in un settore dove esiste la sostituzione. Se il cliente può comunque recarsi in negozio e, tecnicamente, il 50% delle merci è assente, ma c’è una grande sostituzione e sceglie un sostituto, come può accadere ad esempio nella moda, tutto ciò risulta in gran parte insensato.
Abbiamo un problema in cui il direttore della supply chain non ha una narrativa o qualcosa che abbia senso, perché tutti i numeri elaborati dalla sua infrastruttura sottostante, dalle persone e dal software, non sono del tutto sensati.
Molto spesso, nessuno aveva mai quantificato in euro o dollari la qualità del servizio in un modo che corrisponda, anche solo all’incirca, al business. Dicevano, “Oh, abbiamo il livello di servizio.” Ma il livello di servizio è super facile da calcolare, ma rispecchia la percezione?
Ad esempio, qual è la differenza tra entrare oggi nel tuo negozio e non trovare ciò che mi aspettavo, e fare un ordine sei mesi fa, concedendoti sei mesi di margine per ricevere l’articolo, e poi scoprire che, sei mesi dopo, non sei ancora preparato? In un caso, peccato, sono stato sfortunato. Nell’altro, è completamente inaccettabile e impostato in maniera amatoriale.
Il problema di questi indicatori molto naivi è che tendono a perdere di vista non solo l’elefante, ma l’intero branco di elefanti. È davvero grave. Credo che la tua narrativa possa anche costituire un invito a sviluppare numeri che risuonino più profondamente con il business.
Non si tratta solo di avere dei numeri. Quelli numerici tecnici non risuonano perché sono semplicemente cattivi. Se mi dici, ad esempio, “Investiamo 1 milione di EUR in un servizio di qualità extra,” oppure “Ci costerà 10 milioni di EUR di fatturato all’anno in modo cumulativo per i prossimi cinque anni,” allora tutti capirebbero in qualche modo.
Il problema che vedo è che molte delle pratiche tradizionali della supply chain hanno in parte colpa dei loro fornitori di supporto. I numeri che si ricavano da queste pratiche insieme ai loro strumenti sono percentuali che risultano molto insensate.
Qualsiasi cosa espressa in percentuale, a mio avviso, in genere è molto sospetta. Se è espressa in dollari, è meglio. Se è espressa in dollari per dollari, è ancora meglio. Quindi, per ogni dollaro che investo o non investo, cosa guadagno o perdo? Di solito è questo tipo di rapporto a fornire una buona metrica.
Costruire una narrativa che abbia anche un senso per il business è una sfida, perché, direi, si opera su basi superficiali.
Knut Alicke: Mi piace l’idea che raccontare la storia giusta debba anche partire dai KPI giusti.
Quindi, in sostanza, stai dicendo che il mio esempio dovrebbe già essere tradotto e non dal capo della supply chain. Sarebbe una situazione ideale in cui anche il CEO riesce a comprendere che migliorando certi aspetti, aumenterò i miei ricavi. Sono pienamente d’accordo. Probabilmente siamo a un passo da ciò, ma è una grande visione quella che hai esposto.
Joannes Vermorel: La mia visione su questa idea di narrativa è che, molto frequentemente, ciò che vedo è che le persone, soprattutto nella supply chain, in genere temono questo genere di effetti di secondo ordine. Cose che non sono registrate nei libri contabili.
Ad esempio, ogni volta che offri sconti sul tuo marchio alla fine della stagione, sorgono due problemi. In primo luogo, rinunci immediatamente al tuo margine, ma poi crei una cattiva abitudine nella tua clientela che si aspetta lo sconto. Così, l’anno successivo, aspettano prima di acquistare finché non concedi lo stesso tipo di sconto.
Questo genere di cose non può essere facilmente quantificato perché si sviluppa in un arco di tempo di molti anni, potenzialmente decenni. I marchi di lusso, ad esempio, non fanno mai promozioni proprio per evitare che tali fenomeni si instaurino.
Ma tornando a questo punto, significa che devi essere in grado di avere un KPI in cui una parte del tuo numero è completamente artifiziata. Non significa che sia irrazionale o falso, vuol dire soltanto che è più simile a una valutazione basata sul giudizio, che può essere molto ragionevole ma deve essere presa.
Quel tipo di narrativa ti costringe ad avere una visione a lungo termine e a includere numericamente questo genere di aspetti, affinché tu non finisca per prendere una decisione ritenuta ottimale che in realtà è incredibilmente miope.
Un altro problema che osservo è che le persone non sono abbastanza immaginative. Non tengono conto di cose che, nell’azienda – o nella più ampia realtà aziendale – sono note ma, dato che risultano un po’ evanescenti e difficili da misurare esattamente, preferiscono ignorarle del tutto invece di averle, anche se in maniera grezza, comunque presenti.
Conor Doherty: Bene, mi viene in mente, solo per rispondere rapidamente a Joannes con un seguito. Nell’esempio di Knut, quando parlava di fornire narrative che rendano un po’ più facile il concetto di demand planning, ha usato l’esempio dell’assicurazione, e Lokad ha narrative come, ad esempio, la prospettiva del basket che spiega l’idea dell’interrelazione e il costo aggiuntivo di non avere qualcosa quando ne hai bisogno. Questo permette poi alle persone di comprendere l’effetto di secondo ordine. Quindi, vorrei analizzare forse la prospettiva del basket come la narrativa che tendiamo a usare per rendere il tutto più semplice.
Joannes Vermorel: Il punto è che non appena iniziamo ad avere quegli elementi che non sono numeri tangibili, quello che chiamo il secondo cerchio dei driver economici – cose molto importanti ma intangibili – non appariranno nel libro. Ad esempio, molte aziende hanno penali con i loro fornitori che, in teoria, possono esercitare. In pratica, ogni volta che lo fanno, scoppia una guerra aperta con il fornitore e la fiducia viene persa.
Quindi, quando inizi ad ottimizzare questa assicurazione, la cosa interessante è che interiorizzi il rischio, e interiorizzi il rischio su cose che non saranno mai misurate. Ciò richiede un tipo di pensiero diverso.
Da Lokad, quando disponiamo di quei sistemi che funzionano in modo automatico, diventa un po’ come un ottimo sistema antispam. Funziona in modo sommesso, ma non lo noti. Svolge il suo compito e, a un certo punto, potresti anche chiederti se ti serve davvero quella roba, perché sta semplicemente funzionando e ci sono categorie di problemi che semplicemente non si verificano. Ma non appena lo disattivi, i problemi ritornano.
Credo che quest’idea di sviluppare narrative sia molto importante perché è un modo per trasmettere concetti che sono molto razionali ma anche tecnici, e devi comunicare questo messaggio in maniera molto concisa. Le persone non hanno il tempo di essere esperte in tutti quei tipi di rischi, di bilanciare il tutto e di calcolare tutti i compromessi.
Per testare la comprensione, questa persona sta davvero guardando al problema da una prospettiva che ha senso? Ad esempio, se parliamo, per esempio, di manutenzione aerea, qualità del servizio, un modo semplice per affrontarlo è pensare in termini di AOG, aircraft on ground. Quindi, per ogni dollaro investito, quanti AOG all’anno eviti? Sapendo che quando un aereo è a terra, i passeggeri devono essere reindirizzati e ci sono molti ritardi, costi aggiuntivi, effetti a catena sugli orari di volo e altro ancora.
Quindi, se pensi in termini di livello di servizio, perdi completamente il senso, perché a un aereo basta che manchi una sola parte per non decollare. L’evento rilevante è il problema dell’aereo a terra, non il stock out, ecc. Ogni azienda ha bisogno di avere questo tipo di intuizione che risuoni profondamente con ciò che sta cercando di fare, anziché affidarsi a metriche facili, disponibili a basso costo perché preconfezionate nel software, anche se completamente irrilevanti per il problema in questione.
Lo so, ho una certa inclinazione verso il software nella mia visione. Che narrativa hai, Knut? Amo i numeri, ma il punto è che si potrebbe pensare che i numeri siano l’opposto della narrativa, ma non lo direi. Direi che vanno di pari passo. Se hai un modo per comprendere, anche per te stesso, ciò che sta accadendo, questo modellerà completamente il modo in cui elabori i tuoi numeri.
Quindi non pensare che la narrativa sia indipendente dai numeri. La narrativa è letteralmente la storia che ti racconti per dirigere il tuo lavoro come data scientist. Se sbagli questa narrativa, significa che molto probabilmente stai facendo un lavoro completamente inutile con i tuoi numeri. La correttezza non risiede nell’aspetto matematico, ma solitamente nell’adeguatezza tra il business e ciò che sto facendo con quei numeri.
Sì, esiste l’errore fattuale in cui si moltiplica un numero invece di dividerlo, ma si tratta di un errore super tecnico e questo tipo di errori tecnici solitamente sono così immediatamente dannosi per il calcolo da essere facili da individuare. I problemi molto più difficili insorgono quando commetti errori in modo sottile.
Knut Alicke: Quindi i numeri supportano chiaramente la tua narrazione e sostengono anche tutto ciò che fai per capire se qualcosa va storto, dove poi entri nei dettagli. C’è questa situazione in cui chiedi e poi procedi dal servizio mancante, dall’aereo a terra, perché? Nessuna disponibilità, perché? Perché non avevamo scorte, perché? Perché non avevamo un buon contratto con il nostro fornitore e così via. E poi trovi la causa principale e puoi risolvere il problema.
Conor Doherty: Qualsiasi forma di leadership o narrazione che tu voglia proporre per la leadership, anche il modello a catena, in ogni caso risulta efficace. La leadership si fonda ancora sul fatto di avere persone con le competenze necessarie per dare vita alla visione espressa tramite la narrazione che preferisci. Quindi, Knut, per tornare al punto, a tre anni di distanza, cosa ritieni sia ora la competenza critica di cui le persone hanno bisogno in supply chain?
Knut Alicke: Quindi, ora potrei ripetere il modello a catena, ma evitiamolo. Occorre possedere tutte queste competenze. E, ancora, il mio auspicio per tutti noi è che chiunque in supply chain comprenda tutte queste dinamiche end-to-end e così via, si assicuri di formare i colleghi sia in supply chain che in altre aree.
Che tu ti assicuri di aumentare il livello di capacità, che tu riesca ad espandere, per così dire, il pipeline. Joannes e io insegniamo nelle università per proprio questo motivo, per insegnare la supply chain pratica e, con ciò, accrescere la comunità e diffondere il messaggio. È fondamentale far capire chiaramente che supply chain è un argomento super interessante e che apre anche la strada al consiglio di amministrazione.
Spesso la gente chiede: “Se sono in supply chain, forse è un vicolo cieco?” No, non è così. È un argomento che è stato uno dei più importanti negli ultimi tre anni e continuerà ad esserlo.
Joannes Vermorel: Condivido pienamente. Penso che, parlando di competenze, ce ne sia probabilmente una, se dovessi sceglierne solo una: non è la programmazione, ma la scrittura chiara. Perché, considerando l’idea di collaborazione nella tua grande azienda, che è distribuita, la comunicazione avviene per lo più per iscritto. Sì, puoi organizzare incontri, ma nella maggior parte dei casi si comunica per iscritto.
Vuoi avere una narrazione, che avvenga ancora per iscritto. Vuoi organizzare i tuoi report e così via, sempre per iscritto. E una delle qualità che ritengo essere la più sottovalutata nelle aziende moderne, soprattutto in supply chain, meno in altri reparti come il marketing, è la scrittura chiara.
Molto frequentemente noto che la qualità della scrittura in quei reparti, in generale, è molto bassa. Si hanno riassunti confusi sui problemi, enunciati dei problemi poco chiari. Anche quando viene chiesto alle persone di fornirmi una descrizione di mezza pagina della loro posizione lavorativa e del motivo per cui esiste, il risultato è di solito assolutamente pessimo.
E questo è un grosso problema. Penso che ci siano alcuni settori o funzioni in cui le persone hanno coltivato per lungo tempo la scrittura chiara. La finanza è uno di questi, dove di solito si è estremamente concisi. Il marketing è un altro, per necessità. Se vuoi avere un buon branding, devi saper comunicare in modo chiaro e conciso.
Ci sono alcuni settori, come il software, in cui la comunicazione scritta è molto diffusa e, rispetto ad altri settori, direi che la qualità della scrittura è abbastanza buona. Ma, nel complesso, penso che per gli studenti la scrittura resti una competenza debole che può essere migliorata nel corso della vita. Non è come se una volta usciti dall’università avessi finito, è qualcosa che puoi continuare ad imparare anche dopo.
Conor Doherty: Come da consuetudine su Lokad TV, Knut, ti daremo l’ultima parola. C’è qualcosa che vuoi aggiungere?
Knut Alicke: Dovresti comprare il libro su Amazon. Se cerchi ancora un regalo di Natale, il libro è disponibile. È disponibile su Amazon e altrove. Assicurati di acquistare una copia, assicurati di diffondere il messaggio. Diffondi la notizia che supply chain è fantastico e costruisci la rete.
Conor Doherty: Bene, su questa nota, Joannes, grazie per il tuo tempo. Knut, ti ringrazio moltissimo per il tuo. E grazie a tutti per averci seguito. Ci vediamo alla prossima.
