Risorse Computazionali nella Supply Chain - Ep 167

00:00:00 Introduzione alle risorse computazionali nella supply chain
00:02:21 Importanza delle risorse computazionali nella supply chain
00:07:04 Simpatia meccanica nel contesto della supply chain
00:09:38 Processo decisionale con hardware di calcolo
00:12:42 Illusione di competenza senza approfondimento
00:13:59 Dipendenza moderna della supply chain dal calcolo
00:18:32 Impatti della velocità dell’hardware sulle decisioni
00:21:40 Inefficienze del software che aumentano i costi
00:24:42 Proprietà e limitazioni dei database transazionali
00:27:59 Aumento dei costi del cloud a causa dell’inefficienza
00:30:09 Ricette software più semplici e convenienti
00:32:40 Spreco estremo delle risorse computazionali
00:36:14 Progressi dell’hardware rispetto al ritardo del software
00:40:48 Importanza della conoscenza nella selezione dei fornitori
00:45:15 Conoscenza teorica vs conoscenza pratica
00:50:00 Ordini di grandezza nell’efficienza del computer
00:54:33 Considerazioni sulle prestazioni nel rifornimento di inventario
00:56:18 Processo iterativo per la qualità dei risultati
00:58:50 La disruzione richiede la rielaborazione
01:00:18 Prossimi passi per i professionisti
01:02:17 Pagare per le inefficienze dei fornitori
01:05:04 Impatto finanziario delle decisioni
01:07:16 Mancanza di comprensione dei concorrenti
01:08:40 Conclusioni

Riassunto

In un recente episodio di LokadTV, Conor Doherty, Responsabile delle Comunicazioni presso Lokad, ha conversato con Joannes Vermorel, CEO di Lokad, sul ruolo fondamentale delle risorse computazionali nell’ottimizzazione della supply chain. Vermorel ha sottolineato la necessità di comprendere sia l’hardware che il software per prendere decisioni informate sulla supply chain. Ha paragonato questa conoscenza di base alla consapevolezza geografica, essenziale per prevenire problemi e garantire una decisione efficace. Vermorel ha evidenziato che, sebbene i computer siano strumenti per meccanizzare le decisioni, è fondamentale comprendere le loro capacità e limitazioni. Questa comprensione si estende ai paradigmi di programmazione, garantendo che i professionisti possano ottimizzare le risorse e ottenere risultati migliori.

Riassunto Esteso

In un recente episodio di LokadTV, Conor Doherty, Responsabile delle Comunicazioni presso Lokad, ha intrapreso una discussione stimolante con Joannes Vermorel, CEO e fondatore di Lokad, un’azienda francese specializzata nell’ottimizzazione predittiva della supply chain. La conversazione ha esplorato il mondo intricato delle risorse computazionali all’interno della supply chain, un argomento che va ben oltre il semplice utilizzo dei computer. Richiede una comprensione sfumata di come queste macchine operino in modo ottimale, un concetto a cui Vermorel fa riferimento come “simpatia meccanica”.

Doherty ha aperto la discussione evidenziando l’ampio campo delle risorse computazionali, che comprende sia l’hardware che il software. Ha chiesto a Vermorel una definizione operativa, il quale ha spiegato che le risorse computazionali includono tutte le classi di hardware che costituiscono un computer moderno. Questa classificazione, sebbene in parte arbitraria, si è evoluta negli ultimi 70 anni, dando luogo a categorie distinte come CPU e memoria, ognuna con scopi specifici nell’ecosistema computazionale.

Vermorel ha sottolineato l’importanza di queste risorse nel contesto della gestione della supply chain. Ha argomentato che se accettiamo il presupposto che le decisioni sulla supply chain sono prese al meglio con l’aiuto dei computer, allora comprendere l’hardware che facilita questi calcoli diventa cruciale. Questa comprensione non riguarda solo la conoscenza dei componenti fisici, ma anche la comprensione delle classi più ampie di dispositivi e delle loro capacità computazionali.

Doherty ha quindi cercato di sintetizzare queste informazioni per i professionisti della supply chain, chiedendo come dovrebbero integrare questa conoscenza nelle loro operazioni quotidiane. Vermorel ha chiarito che i computer non sono intrinsecamente bravi a prendere decisioni; sono semplicemente gli strumenti migliori disponibili per meccanizzare i processi decisionali. Questa meccanizzazione, che ha guidato il progresso per secoli, si sta ora estendendo ai lavori di tipo intellettuale attraverso l’uso dei computer.

Vermorel ha paragonato la conoscenza fondamentale delle risorse computazionali alla conoscenza geografica di base. Proprio come conoscere la posizione dei paesi su una mappa è considerato essenziale, comprendere le basi dell’hardware di calcolo è fondamentale per i professionisti della supply chain. Questa conoscenza aiuta a prevenire una serie di problemi potenziali e garantisce che le decisioni siano prese con una chiara comprensione dell’infrastruttura computazionale sottostante.

Doherty ha approfondito la profondità di questa conoscenza fondamentale, chiedendo se implicasse conoscere cose semplici come la posizione di una porta USB o concetti più complessi come il funzionamento di un’unità SSD. Vermorel ha risposto che si tratta piuttosto di comprendere le astrazioni e le classi stabili di problemi che si sono perpetuate nel campo dell’informatica per decenni. Queste includono la memoria, lo storage, la larghezza di banda, il calcolo aritmetico e i processi di input/output.

La conversazione si è poi spostata su come questa conoscenza fondamentale si traduca in una migliore presa di decisioni. Vermorel ha spiegato che senza una comprensione di base dell’hardware, i processi decisionali possono sembrare magici, rendendo difficile valutare se un metodo sia adatto all’hardware disponibile. Ha usato l’analogia della scelta di una macchina per illustrare questo punto. Proprio come scegliere una macchina richiede la comprensione del suo utilizzo previsto, la selezione delle risorse computazionali richiede la conoscenza delle loro capacità e limitazioni.

Vermorel ha anche toccato l’importanza dei paradigmi di programmazione e di come si inseriscano nel processo decisionale. Ha osservato che, sebbene i casi d’uso specifici potrebbero non essere sempre evidenti, avere una comprensione di base di concetti come l’analisi statica, la programmazione ad array e il controllo delle versioni è cruciale. Questa conoscenza aiuta i professionisti a evitare di “barcollare nel buio” e garantisce che possano prendere decisioni informate sugli strumenti computazionali che utilizzano.

In conclusione, Vermorel ha sottolineato che le pratiche moderne della supply chain dipendono pesantemente dall’hardware di calcolo. Anche le aziende che si considerano a bassa tecnologia si affidano ampiamente ai computer, che si tratti di algoritmi complessi o di strumenti semplici come Excel. Pertanto, avere una conoscenza fondamentale delle risorse computazionali non è solo vantaggioso, ma essenziale per una gestione efficace della supply chain. Questa conoscenza consente ai professionisti di prendere decisioni informate, ottimizzare le loro risorse computazionali e, in definitiva, ottenere risultati migliori per le loro organizzazioni.

Trascrizione Completa

Conor Doherty: Bentornati a LokadTV. Oggi, io e Joannes discuteremo delle risorse computazionali nella supply chain. Come sentirete, questo va molto oltre il semplice sapere come usare un computer. Piuttosto, richiede una buona comprensione di come funziona al meglio. Questo si chiama simpatia meccanica e, come discuteremo, una buona simpatia meccanica può tradursi in un uso migliore delle risorse computazionali e, in definitiva, in decisioni migliori. Ora, come sempre, se vi piace ciò che sentite, considerate di iscrivervi al nostro canale YouTube e di seguirci su LinkedIn. E con questo, vi presento la conversazione di oggi.

Quindi, Joannes, risorse computazionali nella supply chain, è un concetto molto ampio. Copre sia l’hardware che il software. Quindi, ai fini della conversazione odierna, e tenendo presente che il pubblico è della supply chain, qual è una buona definizione operativa di risorse computazionali?

Joannes Vermorel: Le risorse computazionali è un termine generale che comprende tutte le classi di hardware che compongono un computer moderno. Oggi, la separazione tra queste classi è un po’ arbitraria, ma solo un po’. Non c’è nulla nella natura che dica che ci sia una classe di cose che dovremmo chiamare CPU (unità di elaborazione centrale) e un’altra classe di dispositivi che dovremmo chiamare memoria e così via. È una coevoluzione del design dei computer e del ruolo del mercato che ha plasmato certi settori per avere aziende che producono dispositivi davvero competitivi per scopi specifici. È così che si è sviluppata questa evoluzione. Ora, a 70 anni dall’introduzione dei computer, abbiamo classi molto chiare di dispositivi di calcolo che non fanno tutto dall’inizio alla fine. Sono come componenti nel calcolo.

Ora, perché è importante avere tutto ciò? Quando mi riferisco alle risorse computazionali, mi riferisco in generale all’hardware, ma implicitamente anche alla classe di dispositivi e a ciò che offrono per eseguire calcoli. Perché è importante per la supply chain? Perché se consideriamo la supply chain come un esercizio di presa di decisioni e se procediamo con l’atto di fede che questi calcoli saranno fatti meglio con i computer, allora questa è letteralmente la base fisica che porterà a termine tali calcoli. Questo atto di fede è solo modesto, dopotutto. I computer sono relativamente provati ad essere abbastanza capaci al giorno d’oggi. Ma comunque, parte da questa visione che tutte queste decisioni, quelle milioni di decisioni che una supply chain di una certa dimensione deve prendere, alla fine saranno fatte con un computer in un modo o nell’altro.

Pertanto, se iniziamo a riflettere su questo, dovremmo iniziare a prestare un po’ di attenzione a questo livello hardware. La situazione è diventata molto più complessa negli ultimi quattro decenni. I computer stanno ancora progredendo, ma in modi molto più complessi e non così intuitivi rispetto a quello che stava accadendo fino alla fine degli anni ‘90.

Conor Doherty: Ok, bene, ancora una volta per riassumere, i computer sono bravi a prendere decisioni. Ma come si inserisce un professionista della supply chain che ascolta questa conversazione nell’ambito odierno? Qual è il messaggio principale per loro?

Joannes Vermorel: Innanzitutto, direi che i computer non sono particolarmente bravi a prendere decisioni. Sono solo gli strumenti che abbiamo, e al momento non abbiamo altre opzioni valide per meccanizzare i processi decisionali. Questo è un po’ un atto di fede. Perché vogliamo meccanizzare? Perché la meccanizzazione ha guidato il progresso negli ultimi due, forse anche tre secoli. Nel XX secolo, è stata la meccanizzazione dei lavori manuali con miglioramenti di produttività assolutamente sorprendenti, come un aumento di 100 volte. Ora, nel XXI secolo, stiamo vedendo la stessa cosa ma per i lavori di tipo intellettuale, e questo sta accadendo grazie ai computer. Potremmo pensare a un universo parallelo in cui accadrebbe con altre cose, ma per ora, la migliore opzione che abbiamo sono i computer.

Ora, perché è importante? Direi che dobbiamo considerare le risorse computazionali e l’hardware di calcolo come parte delle conoscenze di base. Quando è stata l’ultima volta che è stato utile sapere dove si trova il Canada sulla mappa del mondo? Quando è stata l’ultima volta che è stato utile sapere che la Russia non confina con il Brasile? Questi sono i tipi di cose in cui non è molto chiaro quotidianamente che, ad esempio, avere una conoscenza di base della geografia mondiale sia di qualche utilità pratica. Eppure, se chiedessi alla stragrande maggioranza delle persone in questa audience, direbbero che è importante. Cosa penseresti di qualcuno che non riuscisse a individuare né la Cina, né il Canada, né la Russia su una mappa del mondo? Sarebbe molto strano, e probabilmente non ti fideresti di quella persona con molti ruoli nella tua organizzazione.

Quindi, puoi pensare a questo come un po’ di trivia fino a un certo punto, ma è anche una conoscenza di base. Se non sai nulla al riguardo, ciò creerà problemi. Che tipo di problemi? Dipende molto dalla specificità della situazione, dell’azienda e del settore. Ma puoi aspettarti una serie di problemi. Credo che la conoscenza sull’hardware di calcolo e sulle risorse computazionali sia molto in questa classe di conoscenze di base di cui gli operatori della supply chain dovrebbero essere consapevoli. Dovrebbero avere una sorta di simpatia meccanica, un termine preso dalla Formula 1, per queste cose.

Conor Doherty: Beh, mi piace l’analogia che usi, e cercherò di usarla per analizzare questo punto. Se dici che la conoscenza di base consiste nel sapere che il Brasile e la Russia non condividono un confine, quella è una granularità di conoscenza geografica. Un’altra è sapere quante capitali ha il Sudafrica. Questi sono strati o granularità di consapevolezza geografica qualitativamente diversi. Prendendo questa differenza e applicandola all’hardware o alle risorse computazionali, quando dici conoscenza di base, stai parlando di sapere dove si trova la porta USB per il mio mouse, o stai parlando di sapere come funziona un’unità SSD? Qual è l’ordine di grandezza della conoscenza qui?

Joannes Vermorel: Sto parlando più delle astrazioni. C’è una quantità infinita di trivia sull’hardware di calcolo. Non si tratta di conoscere ogni singolo dispositivo e i relativi punti di prezzo. Se sei un appassionato, puoi divertirti a leggere su questo, e io lo faccio. Ma fondamentalmente, si tratta di quelle classi molto grandi e consolidate di risorse. Questo dipende un po’ dall’architettura, ma queste architetture sono state molto stabili per almeno cinque decenni, quindi puoi aspettarti che continui così.

Di cosa stiamo parlando? Stiamo parlando di cose come la memoria, la memoria volatile, lo storage persistente, la larghezza di banda, il calcolo aritmetico, l’input e l’output (I/O), la velocità di trasferimento, la latenza. Tutti questi tipi di cose sono state preoccupazioni e hanno avuto classi di preoccupazioni che sono state stabili per molti decenni. Ecco cosa intendo con avere questa conoscenza di base per capire quali sono le classi di preoccupazioni e l’hardware di calcolo corrispondente. Come si inserisce tutto questo per fare qualcosa con un computer moderno?

Se ci spostiamo a livello di strati, alla fine vuoi che i tuoi processi decisionali siano calcolati grazie a questo hardware di calcolo. Se non hai alcuna conoscenza di ciò che sta accadendo a livello hardware, è completamente magico. Quali sono le probabilità che tu possa anche capire se un metodo è adatto o meno all’hardware che hai? Non sto parlando di una comprensione dettagliata super granulare, solo di una comprensione di base se funzionerà o meno.

Conor Doherty: Ad esempio, hai usato la frase… Scusa, facciamo un passo indietro. Hai menzionato alcuni paradigmi di programmazione. Credo fosse da una delle tue lezioni. Hai parlato di paradigmi di programmazione, analisi statica, programmazione RA, programmazione differenziale, controllo delle versioni, persistenza, tutti questi concetti. La mia domanda è: come si combinano questi elementi per prendere decisioni migliori di cui stai parlando?

Joannes Vermorel: Questa è una conoscenza di base, quindi non aspettarti da me casi d’uso molto specifici, proprio come la geografia di base. Quando è stata l’ultima volta che hai assolutamente avuto bisogno di saperlo? Probabilmente mai. È ambientale. Il problema è che se hai strati di conoscenze di base mancanti, ti stai muovendo al buio. Non vedi nemmeno che sei al buio. Non ti rendi nemmeno conto di quanto non comprendi. Questo è davvero il mio punto.

Diamo un passo indietro. Vuoi generare quelle decisioni con un computer. Ciò significa che selezionerai fornitori, probabilmente parecchi. Acquisterai o affitterai risorse informatiche dal cloud. Puoi delegare completamente la cosa al tuo reparto IT, ma perché l’IT dovrebbe essere bravo nel scegliere l’hardware per qualcosa di cui non sa nulla? Ad esempio, se ti dico: “Caro reparto IT, per favore scegli per me la migliore macchina”, non specificato. Va bene. Quindi, l’IT dice: “Va bene, allora ti prendo una Formula Uno”. E tu dici: “Beh, in realtà voglio guidare nelle dune lungo la spiaggia”. Allora la Formula Uno si rivela essere un veicolo completamente scadente perché non è assolutamente progettata per guidare sulla sabbia.

Se tutto ciò che mi dici è di prendere qualcosa di buono, prenderanno qualcosa di fondamentalmente buono, come una Formula Uno. È una buona macchina? Sì, è una buona macchina per un uso specifico. Ma se dici: “Voglio una macchina in cui posso parcheggiare la mia famiglia di otto persone”, quella sarà una definizione molto diversa di ciò che è buono. Abbiamo questa illusione che quando si tratta di IT, hardware informatico e cose informatiche in generale, si tratti di una questione di specialisti. Proprio come scegliere una macchina, io non sono un esperto di automobili, quindi dirò semplicemente al reparto automobili di scegliermi una buona macchina e me la caverò. Queste persone hanno così tante opzioni di ciò che significa anche solo “buono” che scelgono qualcosa a caso. Poi puoi lamentarti alla fine, “Oh, ma il costo di questa Formula Uno è stravagante. Non posso nemmeno mettere una seconda persona in macchina e dove voglio guidare, che è sulla sabbia, non farà nemmeno 10 metri prima che le ruote perdano aderenza a causa della bassa altezza da terra.” Se fosse una macchina, le persone concorderebbero che sarebbe assurdo.

Ma quando parliamo di cose informatiche, nella maggior parte delle aziende, le persone trovano completamente accettabile non interessarsi al caso. Anche se, ancora una volta, torno alla pratica della supply chain. Una pratica moderna della supply chain dipende estremamente da questo hardware informatico. Le supply chain sono state digitalizzate decenni fa e anche le aziende che pensano di essere a bassa tecnologia si affidano enormemente ai computer, anche solo per Excel.

Se dipendi da questi strumenti quotidianamente, dipendi da loro in modo molto elaborato. Ad esempio, dipendo dalla disponibilità di acqua, ma non ho bisogno di sapere nulla sulla fornitura di acqua. Questo è corretto perché l’acqua come prodotto è estremamente semplice. È chimicamente semplice e quando dici acqua del rubinetto, ti aspetti il 99,99% di H2O più una piccola quantità di minerali e un po’ di cloro per motivi igienici, e basta.

Quindi vedi, è e la temperatura dovrebbe essere qualcosa come tra 10 e 20 gradi, e basta. Quindi è qualcosa di estremamente semplice. Ecco perché non hai, tu, il livello di astrazione che è “prendo acqua del rubinetto e va bene da bere”. Posso permettermi di non sapere nulla su ciò che è a monte. Ma il problema, ed è qui che arrivo al punto delle risorse informatiche, è che le risorse informatiche sono multidimensionali. Sai, non è qualcosa di semplice come l’acqua. È molto più simile a una macchina. Ci sono così tanti tipi diversi di macchine, così tanti modi diversi in cui potresti dire che una macchina è buona.

Se dico, “Cos’è una buona acqua?” sai, tranne se stai facendo esperimenti molto specifici, sai, lavorazioni industriali che richiedono acqua ultrapura e così via, per praticamente tutte le situazioni che incontrerai nella vita, l’acqua del rubinetto di base è tutto ciò di cui hai bisogno. Quindi non hai bisogno di sapere nulla al riguardo perché, ancora una volta, stai trattando con un prodotto estremamente semplice. Ma se stai trattando con un prodotto che è multidimensionale, come una macchina, allora devi sapere una cosa o due sulla macchina se vuoi comprarla.

Quindi, ancora una volta, se parliamo di professionisti della supply chain, beh, si scopre che sei estremamente dipendente dalle risorse informatiche per fare un sacco di cose. Queste cose diventeranno ancora più diffuse in futuro. Cosa ti fa pensare che puoi essere completamente ignorante dello strato fisico di tutto ciò?

Conor Doherty: Beh, ci sono alcuni punti qui, uno dei quali è che le supply chain sono ovviamente molto complesse. Stai cercando di risolvere molte, molte cose e questo dipende dal contesto. Ad esempio, forse vuoi che l’auto guidi nel deserto, vuoi guidarla sulle colline, vuoi guidarla in città. Questi sono tutti contesti diversi, ma ci sono comunque proprietà condivise in termini di ciò che almeno pensiamo che le aziende dovrebbero cercare di fare con le loro risorse computazionali. Quindi puoi espandere un po’ su questo?

Joannes Vermorel: Sì, voglio dire, ecco la cosa è che, ok, vuoi, diciamo, analizzare come base la tua storia transazionale. Questo sarebbe qualcosa. Ok, quindi questo significa che questi dati devono essere archiviati. Quindi dove verranno archiviati? Che tipo di hardware? Quali saranno le caratteristiche di questo hardware? Se vuoi archiviare i dati e poi accedere ai dati, ha qualche impatto? La risposta è sì, ce l’ha. Solo per darti un’idea molto semplice, consideriamo che vuoi archiviare questi dati su un disco rotante.

Non importa se è il tuo disco rotante o è qualcosa che affitti da una piattaforma di cloud computing. Se i dati sono archiviati su un disco che sta girando, significa che in media quando vuoi accedere a un bit dei dati, in media il disco dovrà girare per mezza rotazione in modo che tu possa accedere all’area. Sai, è solo perché i dati possono essere ovunque sul disco. Vuoi accedere a un pezzo di dati, in media il disco dovrà girare per mezza rotazione.

Ok, bene. Cosa significa, quali sono le conseguenze di ciò? Beh, la conseguenza è quanto velocemente può girare il disco? Beh, un disco di solito gira a circa 7.000 rotazioni al minuto e se è un’unità molto sofisticata, potrebbe arrivare a 11.000 o forse 12.000, ma questo è tutto. Quindi, rotazioni al minuto. Quindi significa che, sai, in termini di latenze, dovresti aspettarti qualcosa come 20 millisecondi o qualcosa del genere, sai, per accedere a qualsiasi pezzo dei dati.

Quindi diresti, “Beh, 20 millisecondi sembrano pochi.” Ma lo sono? Perché 20 millisecondi significa che ogni secondo puoi accedere solo, se vuoi saltare attraverso il tuo disco, solo 50 pezzi di dati diversi al secondo. Se devi saltare in giro, 50 al secondo non è così tanto. Se devi recuperare milioni, decine di milioni di record, vedi che molto rapidamente questa cosa si trasformerà in ritardi pazzeschi, pazzeschi. Ora potresti dire, “Ok, ma il mio disco può archiviare terabyte di dati.”

Sì, ma se il recupero dei dati, a causa del fatto che devi saltare così tanto intorno al disco, richiede giorni, non è molto, molto buono. Quindi forse posso prendere molti più dischi con capacità più piccole e avrò, sai, una maggiore velocità di accesso ai salti. Oppure posso anche, sai, utilizzare un’altra classe di archiviazione completamente diversa e optare per gli SSD, i dischi a stato solido, che offrono latenze molto, molto migliori per questi accessi casuali.

Ma vedi, questo è il tipo di cosa in cui, ancora una volta, se non hai alcuna conoscenza delle risorse informatiche e delle classi di hardware informatico che forniscono tali risorse, questo tipo di domande non verrebbe mai nemmeno in mente. E può farti male? Sai, ancora una volta, questa è la domanda. Quello che non sai, può farti male? Direi di sì, perché ancora una volta, stai per acquistare molte di queste cose, direttamente o indirettamente.

Le acquisterai direttamente se il tuo reparto IT si limita ad acquistare risorse di cloud computing, ma le acquisterai anche indirettamente se scegli un fornitore di software per la supply chain. Perché vedi, se scegli un fornitore, stai scegliendo un modo specifico per consumare quelle risorse informatiche per ottenere il risultato che desideri. E qui il mio messaggio è che se pensi che il fornitore medio di software abbia competenze in materia, sei completamente illuso.

La stragrande maggioranza dei miei concorrenti, ovviamente questa è una visione di parte, ma direi che la stragrande, stragrande maggioranza dei miei concorrenti di Lokad, quando guardi la loro gestione e i loro interessi, in generale non hanno alcun interesse, nessuna simpatia meccanica per l’hardware informatico. E di conseguenza, non dovrebbe sorprendere troppo che il loro software, di conseguenza, sia terribilmente inefficiente. E perché è così? Beh, torna a quando non presti alcuna attenzione all’hardware, perché pensi che alla fine il software che costruirai sopra farà un uso molto buono di questo hardware?

Sai, ancora una volta, sarebbe come scegliere una macchina da Formula 1 indipendentemente dalla strada che vuoi percorrere e poi chiederti perché sulla spiaggia è un veicolo così scadente. Sai, sorpresa, sorpresa, è quello che succede quando non presti alcuna attenzione all’hardware informatico.

Quindi ancora una volta, se potessi fidarti in un mondo perfetto, potresti fidarti, sai, di consulenti, fornitori di software e quelle persone avrebbero preso tutte le decisioni giuste per te. Ma si è scoperto che a causa del fatto che la stragrande maggioranza degli operatori della supply chain è completamente ignorante, i fornitori di software possono permettersi di essere completamente ignoranti. Perché non dovrebbero esserlo, dopotutto, se i clienti non riescono a notare la differenza al momento dell’acquisto del software o della soluzione? Non importa, voglio dire, non importa finché non si viene colpiti dalle conseguenze di questa ignoranza.

Conor Doherty: Beh, ok, innanzitutto, non c’è nulla di male nel prendere una posizione, è proprio quello che facciamo qui. Ma quando dici, alla fine, quando le aziende acquistano software da un fornitore, penso tu abbia detto consumare risorse per ottenere ciò che vogliono o ciò che vuoi. Alla fine, parliamo di prendere decisioni. Quindi hai dato un po’ di teoria lì, ma puoi essere un po’ più concreto per le persone che sono curiose? Come influisce o si traduce in decisioni, scelte prese nel mondo reale un migliore utilizzo delle risorse computazionali, come stai descrivendo?

Joannes Vermorel: Quindi, quando hai decisioni, hai molti, molti modi per creare ricette numeriche che alla fine genereranno questa decisione. La cosa è che se il modo in cui consumi le tue risorse di calcolo è fantasticamente inefficiente, e lasciami dare un esempio. Se inizi a usare, diciamo, un database relazionale, un database transazionale, un database SQL, stessa cosa, niente a che fare con il denaro. Infatti, se usi un database transazionale e vuoi eseguire ricette analitiche, ricette numeriche, fare qualche tipo di calcolo numerico, pagherai una tassa aggiuntiva di probabilmente un fattore 100, almeno due ordini di grandezza, se non 300, tre ordini di grandezza.

E perché succede questo? È perché questo livello di software, il livello transazionale, ti offre alcune proprietà molto interessanti, ma non hanno nulla a che fare con il calcolo analitico. Ti offrono essenzialmente le quattro proprietà note come ACID: atomicità, coerenza, isolamento, durabilità. Queste cose sono molto utili per i processi transazionali. Garantiscono cose come, ad esempio, se vuoi dichiarare che un fornitore è stato pagato, non puoi mai trovarsi in una situazione in cui i soldi sono stati inviati, l’ordine alla banca, ma la fattura del fornitore non è stata saldata solo perché, ad esempio, il sistema informatico è andato in crash a metà dell’operazione.

Quindi, in teoria, potresti trovarti in una situazione in cui hai già emesso l’ordine di bonifico ma non hai registrato il fatto che questa fattura di un fornitore è stata saldata. Quindi, la prossima volta che riavvii il sistema, emetterai un secondo pagamento e pagherai effettivamente il fornitore due volte. Questo è il tipo di situazione che puoi ottenere con un livello transazionale. È molto, molto importante per le cose transazionali, dove c’è essenzialmente un conto che viene incrementato e un altro conto, nel senso della contabilità, che viene decrementato. Vuoi che queste cose accadano contemporaneamente in modo logico in modo che non si ottengano mai cose fuori sincronia.

Bene, ma se usi questo tipo di paradigma software per costruire le tue risorse analitiche, sei incredibilmente inefficiente. E a proposito, sorpresa, sorpresa, è esattamente quello che il 99% dei miei concorrenti sta facendo. Cosa significa in termini di prendere decisioni? Beh, se il modo in cui usi le risorse di calcolo inizia con un sovraccarico di un fattore 100, significa che sei limitato a ricette numeriche molto, molto semplici. Solo perché non appena hai un minimo di complessità, sei completamente fuori budget in termini di risorse informatiche. Ciò significa che i prezzi diventano davvero stravaganti molto velocemente.

Vedi, questo non è un elemento pubblicitario. Se non metti il tuo budget delle risorse di calcolo sotto controllo, puoi finire con livelli di spesa folli. Solo per dare un punto di prezzo, molti dei miei colleghi, non concorrenti, colleghi che sarebbero aziende software come servizio che si occupano di carichi di lavoro analitici pesanti, quando guardo l’S1, quindi l’S1 è un documento che devi pubblicare quando vuoi quotarti in borsa negli Stati Uniti. È molto interessante perché è praticamente una relazione agli investitori, ai futuri investitori. Qui puoi guardare la decomposizione delle spese degli ultimi tre, quattro anni.

La maggior parte delle aziende software che erano analitiche, come Lokad, non erano effettivamente supply chain, possono essere qualsiasi cosa, sai, possono essere rilevamento delle frodi, possono essere registri di sistema di elaborazione, qualsiasi cosa. Di solito spendevano la metà delle loro spese orientate verso le risorse di calcolo cloud. Quindi l’importo delle spese è molto, molto significativo. Nonostante pagassero, sai, avendo in forza ingegneri estremamente costosi e una forza vendita estremamente costosa, riuscivano comunque a inviare la metà delle loro spese ai fornitori di calcolo cloud. Quindi vedi l’idea che il costo delle risorse di calcolo sia trascurabile è una completa sciocchezza per la maggior parte dei fornitori di software che sono della classe analitica come Lokad.

I sistemi non sono sistemi di intelligenza, ma sistemi di report o sistemi di indigenza, queste spese possono essere molto, molto significative. Quando dico che se sei inefficiente, spendi 100 volte di più, puoi vedere che se stai già spendendo la metà dei tuoi ricavi per le risorse di calcolo, spendere 100 volte di più non è proprio sul tavolo. Non è nemmeno qualcosa di remotamente possibile. Quindi questo significa che per rimanere nel budget, cosa fai? Beh, aumenti semplicemente il prezzo. È quello che fanno, ma anche così, ci sono dei limiti. Puoi raddoppiare, forse quadruplicare il tuo prezzo, ma non puoi moltiplicare i tuoi prezzi per 100 volte.

Quindi quello che fanno la maggior parte dei fornitori di software è optare per ricette più semplici e più economiche, anche se sono estremamente semplicistiche e arrivano al punto di fare un disservizio ai loro clienti. La realtà è che non possono permettersi, come fornitori, qualcosa che potrebbe essere meno disfunzionale perché sarebbe troppo costoso. E perché non possono permetterselo? Perché sono assolutamente spreconi con le loro risorse informatiche.

Conor Doherty: Beh, ancora una volta, mi viene in mente che quando parli e spieghi come pensi che le risorse di calcolo dovrebbero essere allocate, lo fai per perseguire decisioni fondamentalmente migliori. Nella tua mente, quello è il problema che dovrebbe essere risolto. Ma questo non è necessariamente lo stesso paradigma che tutte le aziende, o meglio, non tutte le aziende, applicano lo stesso paradigma. Ad esempio, potresti essere un’azienda che dà priorità a qualcosa come perseguire il livello di servizio o perseguire l’accuratezza delle previsioni, e quello è l’obiettivo, quello è il sogno nel cassetto che stai cercando di raggiungere. In che modo l’allocazione delle risorse di calcolo differirebbe in quella situazione? E sentiti libero di commentare.

Joannes Vermorel: Quindi, ok, ti sei posto un obiettivo. Qui, non sto mettendo in discussione quella parte. Quando dico decisioni migliori, intendo secondo qualsiasi metrica, qualsiasi obiettivo tu ti sia posto. Quindi non importa. Se vuoi un livello di servizio migliore, va bene. Questo è il tuo obiettivo. Ora ti sei posto un obiettivo e ora hai a disposizione potenza di elaborazione, risorse di calcolo che puoi utilizzare per ottenere decisioni che saranno migliori secondo qualsiasi obiettivo tu ti sia posto. Bene.

Ora chiarifichiamo qual è il paradigma ambientale per praticamente tutti i miei concorrenti. Il paradigma ambientale prevede che gli ingegneri inizino a lavorare su qualcosa e, quando questa cosa è compatibile con l’hardware migliore che si possa comprare, smettono di lavorare e iniziano a vendere la cosa ai clienti. Quindi, come appare? Significa che, ok, voglio fare il riapprovvigionamento delle scorte per una rete di vendita al dettaglio. Quindi ho, diciamo, 20 milioni di SKU. Bene. Prima provo varie cose, non funziona, quindi torno indietro e faccio un’analisi delle scorte di sicurezza, che è estremamente banale in termini di risorse di calcolo.

E poi, perché il mio sistema è così inefficiente con hardware di calcolo estremamente costoso, riesco a farlo funzionare. E poi mi fermo e vendo quello al cliente. Quindi qual era il tipo di pensiero in questo paradigma? Perché in realtà era nell’industria del software, penso, il paradigma dominante fino alla fine degli anni ‘90 del XX secolo. Questo paradigma era praticamente che l’hardware di calcolo sta progredendo in modo esponenziale. Quindi l’idea sarebbe quella di ottenere l’hardware migliore che si possa comprare e non appena funziona, che hai qualcosa che funziona entro quei limiti, anche se i costi sono folli, anche se non stai facendo un buon uso delle tue risorse di calcolo, non importa.

Perché? Perché hai una progressione esponenziale dell’hardware di calcolo su tutte le metriche. Questo è ciò a cui le persone si riferiscono come la legge di Moore, ma in realtà c’erano così tante altre leggi per tutto. Tutte le risorse di calcolo stavano progredendo, tutte le metriche stavano progredendo, ed è stato uno dei concetti che ha reso Microsoft estremamente di successo di nuovo negli anni ‘90. L’idea è che se funziona, non importa quanto sia terribile la performance perché tra cinque anni, l’hardware di calcolo sarà progredito così tanto che quelle risorse di calcolo saranno banalizzate.

Questo funzionava fino alla fine degli anni ‘90, dal 2000 in questa area, abbiamo intere classi di metriche che non sono migliorate. Ad esempio, la latenza tra CPU e memoria non è praticamente cambiata negli ultimi due decenni. A causa del fatto che ora siamo limitati dalla velocità della luce, non cambierà nel futuro prevedibile.

Un altro elemento è, ancora una volta, la velocità della luce. I pacchetti su Internet di lunga distanza viaggiano ora a circa due terzi della velocità della luce, quindi non c’è molto margine di miglioramento per la velocità dei pacchetti su Internet perché siamo già molto, molto vicini alla velocità della luce. Possiamo avere più larghezza di banda, quindi possiamo spingere molti più pacchetti, nessun problema, ma in termini di velocità effettiva dei pacchetti stessi, siamo ora molto vicini ai limiti della fisica, almeno della fisica come la conosciamo.

Quindi, questo è il tipo di cosa in cui, ancora una volta, questo paradigma che era molto diffuso nell’industria del software alla fine degli anni ‘90, che era “fai qualcosa che funziona e poi vendilo e poi non preoccuparti delle prestazioni perché è come una missione impossibile”. L’industria, l’industria dell’hardware, migliorerà tutto così tanto che tutte queste preoccupazioni sulle prestazioni diventeranno irrilevanti entro pochi anni. Questo era il modo di pensare.

Curiosamente, abbiamo ancora progressi molto interessanti dall’hardware di calcolo, ma i progressi sono diventati molto sottili. Ci sono ancora progressioni esponenziali, ma solo tra linee molto specifiche, non su tutte le metriche, solo su alcune metriche. La cosa interessante è che la maggior parte dell’industria del software B2C ha prestato molta attenzione a questo. Ad esempio, l’industria dei videogiochi presta molta attenzione a questo tipo di dettagli. Ma quando si tratta di software aziendale, vivono ancora, il 99% di loro, negli anni ‘90 in cui non prestano alcuna attenzione e operano come se tra cinque anni il progresso dell’hardware di calcolo avesse reso il costo del loro sistema banale. Non è il caso.

Infatti, a causa del fatto che la quantità di dati gestiti dalle aziende continua ad aumentare, ci troviamo in una situazione in cui anno dopo anno il costo che devi spendere per mantenere i tuoi sistemi in funzione tende, per la maggior parte dei fornitori di software, ad aumentare più velocemente rispetto alla diminuzione del prezzo dell’hardware di calcolo. Quindi anno dopo anno, finisci per spendere ancora di più per mantenere praticamente lo stesso livello di qualità dei tuoi processi decisionali o del supporto ai tuoi processi decisionali se non è completamente automatizzato.

Conor Doherty: Beh, il progresso dell’hardware o del calcolo è diventato sottile, penso fosse il termine che hai usato. È sottile, non ci sono più salti esponenziali.

Joannes Vermorel: È in direzioni specifiche, non in dimensioni. Negli anni ‘90, la cosa interessante è che tutto stava migliorando su tutti i fronti. Non c’era una singola metrica che non migliorasse. Oggi hai molte metriche che non si sono mosse letteralmente per un decennio.

Se guardi, ad esempio, la quantità di calore che puoi dissipare da un computer, il tuo computer deve liberarsi del calore. Puoi avere cavi di rame, puoi avere ventole, puoi fare varie cose per estrarre il calore dall’interno del computer in modo che quelle cose non si surriscaldino. Ma abbiamo già raggiunto il limite di ciò che è fattibile con l’aria. Ci sono limiti che sono stati raggiunti due decenni fa. Puoi usare l’acqua per renderlo un po’ più performante. Se vuoi fare qualcosa di super fantastico, puoi optare per l’azoto liquido. È abbastanza impratico, ma è possibile per bei benchmark, ecc.

Quindi, abbiamo raggiunto i limiti. Non abbiamo materiali magici che ci permetteranno di evacuare il doppio del calore. Voglio dire, potremmo usare forse il diamante. Il diamante è un fantastico conduttore di calore, ma l’idea di avere chilogrammi di diamanti per evacuare il calore è ancora molto lontana. Anche questo ci darà solo un modesto aumento rispetto al rame, che è già un eccellente conduttore.

Conor Doherty: Beh, questo dimostra ancora di più il mio punto. Quindi, per concludere il pensiero, se…

Ok, in realtà prenderò l’esempio che hai appena dato. Quindi, stavi parlando della differenza tra il filo di rame e i diamanti come conduttori di calore. Per ottenere un po’ più di prestazioni dalle proprietà di dissipazione del calore di un computer, ciò richiederà una comprensione abbastanza sfumata e specializzata dell’ingegneria informatica. Quindi, tornando all’argomento principale, come si traduce l’aumento della tua conoscenza di base ambientale in una maggiore performance della catena di fornitura quando i margini sono così ridotti come li hai descritti?

Joannes Vermorel: No, penso ancora una volta che il punto con la conoscenza di base è che chiarisce l’immagine di tutto. Il tuo reparto IT sta acquistando il tipo giusto di cose anche in modo direzionale? Hai qualche idea in proposito? Puoi anche discutere la questione con il tuo reparto IT? Se non puoi, perché dovresti aspettarti che ciò che stanno acquistando abbia anche un senso remoto?

Di nuovo, torniamo alla Formula 1 per andare in spiaggia. Non ha senso, ma è esattamente il tipo di cosa che succede quando le persone non hanno alcuna conoscenza di ciò che è in gioco. Quando vuoi scegliere un fornitore, puoi anche avere una discussione intelligente sul modo in cui stanno consumando le risorse di calcolo per fornirti decisioni migliori o un miglior supporto per le tue decisioni? Stanno consumando quelle risorse in modo appropriato rispetto all’hardware di calcolo che abbiamo? L’architettura ha senso o assolutamente no?

Ancora una volta, se pensi in termini di auto, ci sono così tante cose che sai intuitivamente. L’aerodinamica, ad esempio. Se dovessi guardare un’auto che viola massicciamente le leggi dell’aerodinamica, penseresti: “Ok, questa cosa avrà una resistenza immensa in termini di aria, il consumo sarà orribile.” Non c’è alternativa. Quindi, vedi, è il tipo di cosa che, ancora una volta, solo grazie al fatto che hai conoscenze di base, è istintivo. Non è necessario che ti venga detto quando vedi un’auto molto bassa che l’aerodinamica sarà buona e che molto probabilmente questa auto può guidare più velocemente.

Questo è il punto. Non devi nemmeno pensare a quali siano le dinamiche dei fluidi in gioco e così via. È intuitivo. Questo è il tipo di cosa che se stiamo cercando decisioni migliori, puoi individuare intuitivamente cose che sono estremamente disfunzionali? Il mio punto è che, a causa del fatto che il 99,9% dei clienti o dei professionisti della supply chain sono completamente ciechi alla questione, se ci sono alcuni appassionati intorno a te, sei come una piccolissima minoranza. Se sei cieco, significa che, ancora una volta, la risposta dall’ecosistema, dai fornitori di software, dai fornitori di soluzioni, dai consulenti, è che non devono prestare attenzione. I loro clienti non prestano attenzione. Perché dovrebbero farlo?

Se vivessi in un paese in cui la benzina è gratuita, perché i produttori di automobili dovrebbero prestare attenzione al consumo delle loro auto? Per loro, se la benzina è gratuita, significa che è principalmente una preoccupazione irrilevante per i clienti. Se i clienti non prestano attenzione, i fornitori di auto non prestano attenzione. Se andiamo ai fornitori di software, se i clienti sono ignoranti e non prestano attenzione, perché i fornitori aziendali dovrebbero prestare attenzione? La risposta è, beh, non lo fanno. Effettivamente, non prestano attenzione.

Ecco perché oggigiorno le persone sono sempre sorprese quando guardano il software aziendale. Fai clic, vuoi solo vedere un rapporto, vuoi fare qualcosa di minimo, e ci vorranno secondi. In termini di reattività, il software aziendale in media è molto scadente. È molto lento. Se confrontiamo, diciamo, con la ricerca web, vuoi fare una ricerca web su Google. Entro circa 50 millisecondi, forse 100 millisecondi, Google è in grado di scansionare il web e darti un riassunto di cose che corrispondono alla tua query. Questo è estremamente veloce e reattivo.

Al contrario, vuoi fare qualcosa di super basilare come “Voglio controllare lo stato di questo SKU” e ci vogliono secondi. La parte interessante è che ci vogliono secondi sull’hardware di calcolo che abbiamo nel 2024. Già 20 anni fa ci voleva un secondo nonostante avessimo hardware 100 volte meno potente. Cosa è successo? Beh, quello che è successo è che l’hardware di calcolo extra, le capacità extra di questo hardware, sono state semplicemente sprecate attraverso un software inefficiente.

Conor Doherty: Grazie. Quando parli di conoscenza di base, proprio mentre ti ascoltavo, mi è venuto in mente che c’è un po’ di… puoi dividere ciò che stai descrivendo lì, e vorrei conoscere la tua opinione in proposito. Per fare un’analogia con prima, hai detto che se prendi un’auto e vai nel deserto, è quella la migliore vettura per il deserto? Mi viene in mente che in termini di conoscenza di base, ci sono sia aspetti teorici che pratici.

Quindi puoi avere una comprensione teorica di base di come funziona un motore a combustione interna, ad esempio, è così che l’auto va. Questa è una comprensione teorica. C’è anche una conoscenza di base pratica, che è, beh, se quel pneumatico si sgonfia, ho le competenze e le conoscenze di base per cambiare quel pneumatico? Se il motore non si avvia, posso fare una riparazione di base? E se stai per guidare nel deserto dove sarai da solo, avrai fondamentalmente bisogno sia di una conoscenza teorica che di almeno una conoscenza pratica di base.

Quindi, tornando all’argomento in questione, hai descritto in modo approfondito la conoscenza teorica di base che le persone dovrebbero avere. In termini di conoscenza pratica di base, ci sono delle competenze che pensi che tutti dovrebbero avere in questo settore?

Joannes Vermorel: Sì, ancora una volta, se guardi l’aspetto pratico, sarebbe avere un’idea dei punti di prezzo di cui stiamo parlando. Sai, qual è il costo di un terabyte di storage? Qual è il costo approssimativo di un terabyte di memoria? Qual è il costo di una CPU che ti offre una velocità di calcolo di 2 GHz? Sai, avere solo alcune idee molto, se riesci ad indovinare un numero che non è sbagliato di un ordine di grandezza, è già molto buono. Sai, la cosa con le cose informatiche è che di solito se le persone dovessero indovinare, le loro supposizioni sarebbero sbagliate di molti ordini di grandezza.

Di nuovo, se ti dico qual è il peso di un’auto e ti mostro l’auto, la tua supposizione potrebbe essere sbagliata del 50%. Sai, diciamo, una tonnellata e mezza, si scopre che è un’auto elettrica e pesa due tonnellate e qualcosa. Ok, ma quella era, sai, eri comunque nello stesso ordine di grandezza. Sai, non guardi un’auto e dici che pesa 20 chilogrammi o che pesa 500 tonnellate. Ma la cosa è che quando chiedi alle persone qual è il costo per un terabyte di storage persistente, il più economico che puoi trovare, alcune persone ti direbbero prezzi che vanno da, non so, 10.000 a 2, e chi più ne ha più ne metta, e nessuno avrebbe alcuna idea di quello.

E la stessa cosa se ti dico qual è il costo per un chip che può fare l’ordine di grandezza di 100 miliardi di operazioni aritmetiche al secondo, quale sarebbe un chipset che può farlo, qual sarebbe il costo? Le persone dicono, non lo so, 100.000 euro o forse 50 dollari. Di nuovo, questo è il tipo di cosa in cui dico che la conoscenza pratica è avere alcune idee sui punti di prezzo. Di nuovo, non è preciso. Se puoi avere un’idea dell’ordine di grandezza, sei già nel campo di fare cose che hanno senso.

Questa è la cosa strana delle risorse informatiche, hai letteralmente 15 ordini di grandezza. È abbastanza, penso che sia abbastanza unico. Non conosco altri campi in cui l’ordine di grandezza sia così incredibilmente ampio. 15 ordini di grandezza significa che da una parte stiamo parlando di unità, sai, un’addizione, una moltiplicazione, quella sarebbe un’unità di calcolo. E poi dall’altra parte, stiamo parlando di miliardi di miliardi. È davvero un ampio spettro di ordini di grandezza.

Ed è difficile per la mente comprenderlo. Ed è per questo che, tra l’altro, quando ho detto che si possono commettere errori in termini di spreco di risorse informatiche, è che di nuovo, dove l’analogia dell’auto è fuorviante, è che anche la peggiore auto sarà solo 10 volte peggiore in termini di consumo rispetto alla migliore. Diciamo, sai, se voglio fare 100 chilometri, se ho un’auto super efficiente, mi darà cinque litri di benzina per fare 100 chilometri.

Se opto per un SUV super pesante, inefficiente e così via, saranno, diciamo, 50 litri. Un fattore di 10. Con i computer, non è così. Sarebbe come se la cosa più efficiente consumasse 5 centilitri per 100 chilometri e la meno efficiente consumasse cinque metri cubi per quei 100 chilometri. Quindi gli ordini di grandezza sono semplicemente incredibili. Ed è qui che hai bisogno, quindi ancora una volta, in termini di praticità, di avere qualche idea dei punti di prezzo. Avere anche qualche idea di cosa si muove e cosa non si muove.

Conor Doherty: Cosa intendi per cosa si muove e cosa non si muove?

Joannes Vermorel: Ad esempio, le GPU hanno fatto progressi in termini di tendenze di rete. Le GPU hanno fatto progressi pazzeschi negli ultimi 5 anni e si prevede che continueranno a fare progressi pazzeschi per i prossimi cinque. Quindi questa è una classe di risorse informatiche che sta migliorando rapidamente. Stanno migliorando in termini di numero di operazioni al secondo. Stanno migliorando anche in termini di memoria. Quindi è molto, molto buono. Le CPU stanno seguendo una strada simile. Stanno migliorando forse non così velocemente, ma stanno comunque migliorando molto velocemente in termini di numero di core e dimensione della memoria L3, che è la memoria che risiede all’interno della CPU.

Sta ancora migliorando velocemente. Di conseguenza, se guardiamo alla DRAM, la DRAM è ciò che viene utilizzato per la memoria principale del computer, la memoria volatile. Quindi se spegni il tuo computer, la perdi. Negli ultimi dieci anni, è cambiata molto poco. Ci sono pochissimi produttori. Ci sono come quattro fabbriche nel mondo. Quindi questo è un mercato in cui non dovresti aspettarti che le cose cambino davvero in termini di cali di prezzo. Non dovresti aspettarti troppi cambiamenti nel breve termine, ecc. Voglio dire, posso, quindi direi in termini di praticità, è avere qualche ordine di grandezza, conoscere un po’ i punti di prezzo, conoscere un po’ cosa puoi aspettarti e anche solo l’intuizione di se optare per hardware di fascia professionale ti darà qualcosa di molto diverso da quello di fascia consumer?

A seconda di ciò a cui stai guardando, a volte il meglio che puoi ottenere è qualcosa che è solo hardware di fascia consumer e il meglio che puoi acquistare come azienda è solo marginalmente migliore. Vedi, in altre aree, non è così. In altre aree, ciò che puoi acquistare come azienda è di molti ordini di grandezza migliore rispetto a ciò che è tipicamente considerato adatto per il mercato consumer. Di nuovo, questo è il tipo di conoscenza che ti aiuta davvero a navigare nel panorama, scegliere il fornitore giusto o piuttosto eliminare quelli incompetenti. Sai, quella sorta di cosa che se inizi a prestare attenzione, sarai in grado di filtrare l’incompetenza, sai, sia dai consulenti, dai fornitori e anche dai progetti interni. Sai, quello conta.

Conor Doherty: Beh, hai toccato il costo diverse volte, ma hai parlato principalmente in termini del costo diretto di effettuare fisicamente l’acquisto dell’hardware. In termini del costo diretto e indiretto di non essere più esperti con le proprie risorse di calcolo, di che ordini di grandezza stiamo parlando qui? E per questo, supponiamo un grande negozio al dettaglio, scusa, un’ampia rete di vendita al dettaglio, omnicanale, dipingi qualsiasi immagine tu voglia, ma qual è un ordine di grandezza ragionevole in termini di ecco cosa rischi di perdere se non sei più esperto con le tue risorse di calcolo?

Joannes Vermorel: Beh, direi che come stima conservativa, oltre il 90% delle iniziative di ottimizzazione della supply chain falliscono. E una grande percentuale di questo 90%, quindi praticamente tutte le iniziative software falliscono, e una grande percentuale di queste fallisce in gran parte, anche se non è l’unico motivo, ma in gran parte a causa delle prestazioni abissali. Ora, quando dobbiamo pensare alle prestazioni, dobbiamo pensarci da diverse prospettive. Le persone penserebbero, ok, devo rifornire il mio inventario ogni giorno, quindi il calcolo per tutto deve poter essere fatto in meno di 24 ore.

Ok, questo è un dato di fatto. Sai, se vuoi eseguire il calcolo ogni giorno, se non riesci a completare il calcolo in 24 ore, sei un po’ fregato. Quindi quello è il limite massimo di tempo che puoi dedicare. Ora, potresti pensare che se acquisti il doppio delle risorse di calcolo, puoi farlo il doppio più velocemente. Beh, non necessariamente, perché dipende davvero dall’architettura del software che adotti. Ci sono molte architetture e modelli di progettazione che non si prestano a ciò che viene chiamato, il termine tecnico è chiamato “scale-out”. Quindi ci sono molti approcci in cui se aggiungi più hardware di calcolo al caso, non ottieni un aumento di velocità.

Conor Doherty: Ritorni decrescenti, in pratica.

Joannes Vermorel: Sì, e a volte nessun ritorno affatto. Puoi letteralmente aggiungere più risorse e non ottenere alcun aumento di velocità. Dipende davvero dal modo in cui hai progettato il tuo software per sfruttare quelle risorse di calcolo extra. Ora, andiamo avanti. Ora hai qualcosa che può calcolare il tuo rifornimento in, diciamo, quattro ore, e dici, “Fantastico, per la tua rete di vendita al dettaglio, ci vogliono solo quattro ore.” Quindi hai 24 ore al giorno, quindi sembra che eseguirai il calcolo durante la notte. È soddisfacente?

Beh, la mia risposta è no, assolutamente no. Perché? Perché qui stai solo guardando la cosa una volta in produzione. Non consideri che la tua ricetta numerica dovrà essere tarata e dovrai iterare molte volte per convergere a quella finale che è soddisfacente. Questo processo sperimentale sarà molto più costoso.

Per molte ragioni. Prima di tutto, quando fai i tuoi esperimenti, non inizi a essere molto efficiente dal punto di vista dei costi. Sarai efficiente dal punto di vista dei costi solo una volta identificato qualcosa che, in termini di qualità delle decisioni, ti dà risultati soddisfacenti. Quindi è molto normale aspettarsi che quando stai solo prototipando nuove ricette, sarai molto meno efficiente. L’efficienza arriverà dopo quando inizierai a ottimizzare realmente il consumo delle risorse di calcolo.

Quindi è una cosa. Ma poi l’altra cosa è che devi pagare le persone per aspettare che il calcolo sia completato in modo che possano guardare i risultati e fare la valutazione e passare alla prossima iterazione. E qui il grande problema è che se torno all’iniziativa di supply chain software che fallisce, questo processo può diventare drasticamente lento. Voglio dire, stavamo discutendo di quattro ore. Diciamo ancora che gli esperimenti saranno due volte più lenti a causa del fatto che ti trovi in un ambiente sperimentale che non è proprio ottimale.

Quindi significa otto ore. Significa che puoi fare solo un esperimento al giorno. Significa che se devi fare 500 iterazioni, questa cosa richiederà semplicemente due anni. Sarà così lenta che inizierai ad avere altri problemi, come ad esempio le persone che fanno gli esperimenti inizieranno a passare a un altro lavoro. Gli ingegneri con cui stai lavorando non sono con te per 40 anni. Quindi a un certo punto, avrai persone che hanno iniziato a lavorare sul progetto e poi se ne vanno, e devi portare nuove persone e naturalmente non ricordano tutti gli esperimenti che sono stati fatti.

Quindi vedi, questo tipo di problema crea così tanti problemi. Anche se convergi a una ricetta numerica soddisfacente, sei a un solo passo da una disruzione, sai, lockdown o altro, e devi rielaborare nuovamente la ricetta. Se il tuo processo iterativo è incredibilmente lento, fallirai sistematicamente nel far fronte a tutte le interruzioni. Quando hai finalmente elaborato la soluzione per la disruzione, sei già passato a qualcos’altro. Quindi devi avere qualcosa di estremamente performante in modo che le tue iterazioni siano molto rapide.

E questo porta anche ad un’altra sfumatura, ovvero che le prestazioni quando passi da un’iterazione all’altra possono essere truccate. Perché forse da un esperimento all’altro, rifarai la maggior parte dei calcoli esattamente uguali. Quindi hai bisogno di inviare di nuovo tutte quelle risorse se, in realtà, stai facendo quasi la stessa ricetta numerica con poche divergenze. Forse, se hai un approccio intelligente, riciclerai la maggior parte di ciò che hai già calcolato in modo da poter iterare molto più velocemente senza rifare tutto ogni volta.

Ma ancora una volta, ciò funzionerà solo se riesci a capire dove stanno andando le tue risorse di calcolo, cosa sto sprecando, cosa sto facendo due o dieci volte di seguito, e dovrebbe essere fatto solo una volta.

Conor Doherty: Ok, bene, Joannes, le persone che ascoltano oggi, e sono sicuro che stanno dicendo tutti: “Sono d’accordo con questo uomo. Mi fido di lui. È affidabile.” Quali sono i prossimi passi immediati per, diciamo, il praticante medio della supply chain e le persone di livello C che ti stanno ascoltando e pensano: “Ok, voglio essere più esperto in queste cose”?

Joannes Vermorel: Direi di iniziare a leggere materiali introduttivi su come funzionano i computer. Ci sono molti libri che ti diranno come funzionano i computer e inizia a cercare di capire, ad esempio, cosa viene venduto dai fornitori di cloud computing. Sai, puoi cercarlo. Tutti i prezzi sono pubblici. Quindi puoi andare su Microsoft Azure e vedere, “Ok, qual è il punto di prezzo per lo storage, per le CPU, per le macchine virtuali, per la larghezza di banda e così via?” Di nuovo, sono poche ore. Puoi avere, direi, libri elementari. Voglio dire, ci sono persino libri destinati alle scuole superiori o medie, ed è ok. Sai, è l’idea di cercare di ottenere questa conoscenza.

E poi ogni volta che si parla di un’evoluzione tecnologica, chiedi al fornitore, chiedi al consulente: “Ok, qual è il tuo punto di vista sulle risorse di calcolo? Vogliamo prendere le decisioni migliori possibili in base alle metriche e agli obiettivi che ti sei prefissato.” Inizia la discussione su come quelle risorse di calcolo grezze che sto acquistando da un lato si traducono nelle decisioni migliori possibili. Se le persone da cui stai per comprare molte cose non hanno idea di questo, allora dovresti scappare. Sai, questa è la mia conclusione. Usa questo come test per individuare presunti esperti che non dovrebbero nemmeno essere esperti in primo luogo, che sono assolutamente, direi, incompetenti.

Perché alla fine, se vai con quel tipo di fornitori, finirai per pagare il prezzo delle loro inefficienze. E il prezzo sarà doppio. In primo luogo, pagherai molto di più per l’hardware di calcolo fino al punto che diventa stravagante. Come regola generale, Lokad è solitamente, quando vendiamo una sottoscrizione, molto al di sotto del costo dei nostri concorrenti solo per le risorse di calcolo, senza nemmeno considerare il personale, il personale di ingegneria per l’installazione e la manutenzione. Solo Lokad tende ad essere al di sotto del solo costo dell’hardware.

Quindi questo è un punto. Ma poi avrai qualcosa di ancora più grande, che è il fatto che il tuo fornitore ti costringerà in ricette super semplicistiche, cercando di convincerti che è il meglio che la scienza ha da offrire e così via, quando in realtà è solo il riflesso della loro incapacità di sfruttare correttamente le risorse di calcolo. Ecco perché finisci con cose super semplicistiche come le scorte di sicurezza che sono ancora diffuse. Voglio dire, i fornitori in fondo sanno che è una completa sciocchezza. Ma il problema è che sono così inefficienti nell’uso delle risorse di calcolo che per loro sarebbe estremamente impraticabile considerare cose migliori.

Quindi vedi, costo doppio: costo diretto, che è una spesa stravagante per le risorse di calcolo che non hanno senso, e poi hai il secondo ordine di costo, che è quello di essere costretto in ricette semplicistiche in cui alla fine sarai costretto come professionista a intervenire con i tuoi fogli di calcolo per correggere manualmente tutte le follie che escono da quei sistemi. Perché? Perché il sistema utilizza ricette eccessivamente semplicistiche che praticamente delegano tutte le sottigliezze a te perché la ricetta è semplicistica e non si occupa di alcun tipo di sofisticazione.

Conor Doherty: In realtà, c’era un’analogia o non un’analogia, una regola pratica che hai usato in precedenza, che, o una domanda, scusami. Hai detto: “Se non sai come o quanto costa un terabyte di calcolo cloud o qualcosa del genere, se non hai nemmeno l’ordine di grandezza, è un problema.” Ed è interessante quando dici questo perché la maggior parte delle persone nella loro vita personale, anche le persone che ascoltano, se entrassero in un caffè per ordinare un caffè e gli venisse detto: “Va bene, sono 45 euro”, si stupirebbero. Sarebbero scioccati e direbbero: “Ok, beh, non è giusto. Non so quanto tu personalmente dovresti addebitarmi, ma 45 euro è un po’ eccessivo.” E probabilmente se ne andrebbero altrove.

Anche se si trova in una zona turistica, si direbbe comunque: “45, no, non è corretto.” Ma alla fine nulla dipende da questo. Voglio dire, non ti rovinerai, presumibilmente non ti rovinerai finanziariamente. Non perderai il tuo lavoro a causa di questo.

Tuttavia, lo stesso tipo di istinto di sopravvivenza o semplicemente di saggezza potrebbe essere del tutto assente quando si tratta di “Ok, devo prendere decisioni molto costose su che tipo di risorse di calcolo o software l’azienda utilizzerà.” I costi diretti e indiretti a lungo termine di questo, i costi indiretti a breve termine e a lungo termine di questo, non ne ho idea. Tipo, “Oh, costa 555.000 al secondo di calcolo, qualunque cosa sia.” Di nuovo, potrebbe essere corretto. Non lo so, probabilmente no. Ma il punto è che se non puoi rispondere a queste domande, concordo sul fatto che ci sia un’enorme lacuna nella tua conoscenza professionale che dovresti cercare di colmare.

Joannes Vermorel: Sì, ancora una volta, è forse un po’ esigente per i professionisti della supply chain, ma cosa è in gioco? Grandi linee di budget. Voglio dire, le grandi aziende spendono volentieri milioni e a volte decine di milioni di euro o dollari all’anno per questi sistemi. E sono sempre completamente sbalordito quando si può spendere così tanto e nessuno, incluso il fornitore, ha idea di questi problemi di base.

Ancora una volta, sarebbe come comprare un edificio perché è qualcosa di molto costoso. Quindi è come comprare un edificio e avere un architetto che non ha idea di cosa sia il cemento. Diresti, “Sai cosa, non sono sicuro. Forse l’edificio è fatto di cartone o cemento o forse legno o forse marshmallow. Sai, non mi importa, metti solo la vernice e sembra tutto uguale.”

Sai, ancora una volta, penso che le cose informatiche e il software, sai, l’industria del software sia molto particolare in questo senso. Ci sono tonnellate di soldi coinvolti e c’è questo accordo implicito che avere tutti completamente ignoranti su questo va bene. E questo, per me, è molto intrigante come settore.

E ho parlato con la maggior parte dei miei concorrenti, e quando dico i miei concorrenti, intendo i team di gestione. Sono sempre sbalordito quando nessuno ha idea di questa sorta di simpatia meccanica in cui si ha una comprensione di base di ciò che ci va dentro.

Di nuovo, potrebbe essere come un pilota di Formula 1 che dice: “Sai cosa, ho quattro ruote. Cosa succede tra il pedale e le ruote? Sai, è magia, magia. Sai, c’è roba. Fa un rumore forte. So che è rumoroso, ma oltre a questo, c’è solo roba.” Sai, la mia visione dell’auto è roba. Quel livello di granularità sarebbe, sai, la gente penserebbe che sia pazzesco. Dovresti saperne molto di più se vuoi fare un buon uso dell’auto.

E secondo me, i professionisti della supply chain utilizzano tonnellate di strumenti digitali ogni giorno, proprio come un pilota di Formula 1 utilizza una Formula 1. E quindi devono capire un po’ per avere questa simpatia meccanica di ciò che sta accadendo, come funziona questa roba, in modo da poter prendere decisioni informate. Almeno affinché le persone non gli vendano cose completamente senza senso che finiscono per fallire per motivi del tutto evitabili.

Conor Doherty: Non avrei potuto dirlo meglio. Grazie, e grazie mille per il tuo tempo. Non ho altre domande, e grazie mille per averci seguito. Ci vediamo la prossima volta.