00:00:00 Introduzione a Lokad e alla sua missione
00:00:59 Ruoli e obiettivi nell’ottimizzazione della supply chain
00:02:59 Processo decisionale e automazione
00:05:42 Impatto delle decisioni sulla supply chain sul ciclo di vita del prodotto
00:08:10 Ruolo di uno scienziato della supply chain
00:10:56 Costo di essere senza stock
00:13:30 Tradurre la comprensione aziendale in equazioni
00:15:50 Analogia con il team di assistenza per l’ottimizzazione della supply chain
Riassunto
In un’intervista, Conor Doherty di Lokad parla con Simon Schalit, COO, del ruolo cruciale di un Supply Chain Scientist presso Lokad. Schalit spiega che questi scienziati non sono solo esperti di dati ma anche specialisti nella gestione della supply chain, responsabili dell’ottimizzazione e dell’automazione delle decisioni relative all’inventario e ai prezzi. Costruiscono algoritmi per garantire un acquisto e una spedizione efficienti, puntando al massimo ritorno sull’investimento. A differenza dei tipici scienziati dei dati, gli scienziati della supply chain si immergono nella comprensione dei processi aziendali e delle strategie, traducendoli in algoritmi di ottimizzazione. Questo ruolo comporta analisi dei dati, interazione con i clienti e acume aziendale, rendendolo essenziale per guidare l’efficienza e la redditività delle imprese.
Trascrizione completa
Conor Doherty: Benvenuti in Lokad. Quando le persone mi chiedono cosa fa Lokad, rispondo in modo molto semplice: ti aiutiamo a prendere decisioni finanziarie migliori. Questo, ovviamente, porta alle seguenti domande: da dove vengono prese le decisioni e come vengono generate? L’ospite di oggi, Simon Schalit, è COO e responsabile della scienza della supply chain presso Lokad, e si è seduto e mi ha spiegato il ruolo fondamentale che lo scienziato della supply chain svolge nella generazione delle decisioni che i nostri clienti utilizzano per ottimizzare le loro supply chain. Come sempre, se ti piace ciò che senti, iscriviti al canale YouTube, metti mi piace a questo video e seguici su LinkedIn. E con questo, ti presento la conversazione di oggi con Simon Schalit.
Simon Schalit: Sono il COO di Lokad, il che significa che sono a capo del team di scienziati della supply chain. Gli scienziati della supply chain sono responsabili dell’implementazione e del mantenimento delle nostre soluzioni per i nostri clienti. Qualunque sia il settore o l’industria in cui lavorano, sono sia esperti di dati che di supply chain. Quindi, è un team di ingegneri che migliorano la tua supply chain.
Conor Doherty: Bene, Simon, grazie. Quando dici “migliorare la tua supply chain”, una delle ragioni per cui voglio che tu sia qui è perché sei molto bravo a spiegare in termini concreti. Quindi, quando dici che gli scienziati della supply chain migliorano la supply chain del cliente, in termini concreti, cosa significa? Cosa stiamo migliorando esattamente?
Simon Schalit: Beh, l’obiettivo delle decisioni nelle supply chain è assicurarsi che tutto, l’inventario o i prezzi, sia impostato nel modo più ottimizzato possibile. Quindi, se stai parlando dell’acquisto di articoli per una supply chain, ad esempio, vuoi che gli articoli che stai per acquistare siano acquistati nel posto giusto, al momento giusto, inviati nel posto giusto, al momento giusto, per essere disponibili per il servizio in qualsiasi forma, a seconda del settore.
Quindi, quando parliamo di migliorare le supply chain, stiamo parlando di prendere decisioni migliori. Di solito, ciò comporta sia ottimizzare tali decisioni dal punto di vista finanziario che automatizzare il processo decisionale, poiché il numero di decisioni che le supply chain delle grandi aziende devono prendere quotidianamente va molto oltre ciò che gli esseri umani possono gestire. Anche se lo fanno, nella pratica, non possono garantire che sarà in alcun modo ottimizzato.
Conor Doherty: Ad esempio, se stai parlando, diciamo, di un’azienda di vendita al dettaglio, potrebbe avere 15.000 prodotti nel catalogo, potrebbe avere 200 negozi. Su base giornaliera, lo scienziato della supply chain di quell’account è responsabile di dire ai clienti cosa?
Simon Schalit: Lo scienziato della supply chain è colui che costruirà la logica che automatizzerà tali decisioni. Nel caso che hai appena presentato, su base giornaliera, l’azienda deve decidere quanti di ciascun prodotto acquistare e dove inviarli. Quindi, in sostanza, si tratta di acquisto e spedizione se prendiamo questo semplice esempio. In questo caso, lo scienziato della supply chain elaborerà i dati, ovviamente non da solo, ma con gli algoritmi e gli strumenti, il computer che ha a disposizione.
Costruiranno la logica finanziaria che prenderà la decisione, assicurandosi che ogni volta che acquisti un’unità aggiuntiva da mettere in magazzino, il che in realtà significa fare una scommessa, questa scommessa sia ottimizzata in modo che il rendimento dell’investimento sia il migliore possibile considerando la quantità di informazioni disponibili. E, ultimo ma non meno importante, si assicureranno che la soluzione automatizzi questo processo decisionale in modo che tali decisioni possano essere generate in modo coerente e stabile su base giornaliera per l’azienda.
L’elemento importante è che il numero di decisioni è gigantesco e non dovrebbe essere limitato solo a ciò che acquisti. Riguarda anche ciò che non stai acquistando. Una decisione di non acquisto di per sé è una decisione. Quindi, la portata delle decisioni, il numero di decisioni che devono essere prese su base giornaliera, può essere piuttosto enorme.
Conor Doherty: Grazie, e questo è qualcosa che ricordo che Joannes Vermorel, CEO, ha descritto in precedenza. Anche una volta presa la decisione, ad esempio, renderla banalmente semplice: ho acquistato un’unità. La decisione non finisce qui perché anche una volta che hai l’unità, puoi scegliere se continuare a portarla, assegnarla, restituirla, liquidarla, scontarla o raggrupparla con qualcos’altro. Tutte queste rappresentano decisioni finanziarie, scelte riguardanti le risorse.
Simon Schalit: Sicuramente. Le decisioni della supply chain avranno un impatto sulla vita del prodotto durante tutto il suo ciclo di vita, dalla ricerca di fornitori o dalla produzione effettiva alla distribuzione effettiva al cliente se stai parlando di un articolo che stai per vendere, o al consumo o all’uso se stai parlando di un settore manutentivo o manifatturiero.
Durante questo ciclo di vita, ci saranno numerose decisioni. Abbiamo parlato di ricerca di fornitori, acquisto, spedizione, se lo userai o meno, assegnazioni. Ci saranno decisioni di prezzo, che non vengono necessariamente considerate decisioni della supply chain in generale, ma dal nostro punto di vista, è una decisione che avrà un impatto sul ciclo di stock. Questo è sicuramente qualcosa che si desidera prendere in considerazione e ottimizzare nel contesto della supply chain.
Tutte queste decisioni devono essere prese su base giornaliera, un numero enorme di esse. Non vuoi che vengano prese indipendentemente l’una dall’altra perché avranno un enorme impatto l’una sull’altra. Il più ovvio è che non puoi spedire qualcosa che non hai, o non puoi cambiare il prezzo di qualcosa che non hai.
Ma un collegamento più sottile può essere che più acquisti, più sei aggressivo in termini di livello di servizio che desideri raggiungere effettuando grandi ordini di acquisto, più è probabile che tu debba modificare i prezzi potenzialmente alla fine della stagione se stiamo parlando dell’industria della moda per liberarti dello stock che era lì per assicurarti assolutamente che non ci sarebbe stata nessuna mancanza. Ma naturalmente, la conseguenza è che non eri assolutamente sicuro di vendere almeno al prezzo base.
Conor Doherty: Grazie. Prima di entrare nell’argomento principale di oggi, puoi, con le tue parole, separare per me la differenza tra un data scientist e un supply chain scientist? Perché ancora una volta, nel contesto, quando presento Lokad a una fiera o a una conferenza, a volte quando descrivo un supply chain scientist, dicono: “Oh, è come un data scientist”. Secondo te, come si separano i ruoli?
Simon Schalit: Beh, un supply chain scientist è, ovviamente, in parte un data scientist. Il data scientist di solito si riferisce a uno specialista dei dati che utilizzerà la statistica per estrarre informazioni rilevanti dai dati. Il problema che di solito si presenta quando si ha un team di puri data scientist è che tendono a lavorare solo con i dati disponibili. Molto spesso, crea questo tipo di effetto torre d’avorio in cui la realtà accessibile ai data scientist è solo la realtà rappresentata nei dati.
Dalla nostra esperienza, se si guarda solo ai dati disponibili e ai dati così come sono quando si avvia il progetto, si perderà una grande parte del quadro. Si perderà gran parte della realtà dei processi quotidiani che di solito non sono documentati come dovrebbero essere. Si perderà molto probabilmente parte del significato dei dati a cui si ha accesso perché i dati stessi non sono documentati come dovrebbero essere e probabilmente non da una prospettiva corretta. Possono essere documentati da una prospettiva IT ma non necessariamente documentati da una prospettiva aziendale.
E ultimo ma non meno importante, ciò che si perderà sono tutti i dati che esistono nella testa delle persone. Purtroppo, questo è piuttosto importante perché di solito è lì che risiede la strategia dell’azienda. Abbiamo appena detto prima che quando vogliamo ottimizzare, vogliamo ottimizzare da un punto di vista finanziario. L’ottimizzazione da un punto di vista finanziario si basa molto sulla comprensione della strategia aziendale.
Cercare di dire: “Voglio raggiungere un certo livello di servizio”, non esiste un livello di servizio ottimizzato. Non esiste un livello di servizio di cui potrei dire: “Oh, questa azienda deve avere un livello di servizio del 98%”. Questo non esiste. La scelta di questo livello di servizio target deve basarsi su ciò che l’azienda pensa che questo livello di servizio valga dal punto di vista finanziario.
Per questa particolare domanda, che affrontiamo quotidianamente con i nostri clienti, l’elemento chiave diventa qual è il costo di essere senza stock? Se stai parlando di essere senza stock per un’azienda MRO aeronautica che ripara aeromobili, il costo di essere senza stock è gigantesco perché può significare letteralmente avere un aeromobile bloccato a terra, il che costa centinaia di migliaia di dollari al giorno.
Conor Doherty: E lo supply chain scientist indaga su tutto questo e lo comunica al cliente?
Simon Schalit: Sì, è assolutamente necessario indagare su questo perché è l’elemento che garantirà che il sistema, l’algoritmo, punisca il potenziale di essere senza stock nel modo corretto, con la giusta entità, in modo da prendere le decisioni, le scommesse su se si vuole avere una particolare unità in stock o meno, nel modo corretto. Per l’attività MRO, il livello di servizio che si desidera raggiungere è estremamente elevato perché nella remota possibilità di non avere la parte di cui hai bisogno, il costo sarà gigantesco.
D’altra parte, ci sono attività in cui essere senza stock è molto meno problematico perché i clienti potrebbero aspettarsi che tu sia senza stock, ad esempio, alla fine della giornata per i prodotti di frutta fresca.
Conor Doherty: Ad esempio, i prodotti di frutta fresca possono essere sostituiti con qualcos’altro che hai in esposizione.
Simon Schalit: Esattamente, possono esserci sostituti, equivalenti o semplicemente il fatto che non è sempre un problema essere senza stock. Non perderai necessariamente immediatamente clienti per essere senza stock. Le esternalità non sono così enormi.
Quindi il problema principale nel avere un team di data scientist tradizionale è che potrebbero essere ignari di questo tipo di cose. Per assicurarsi che il nostro team di Lokad, il team di Supply Chain Scientists, non cada in questa trappola, li abbiamo chiamati appositamente Supply Chain Scientists. Questo assicura assolutamente che tutti, compresi loro stessi, comprendano che parte del loro lavoro, e infatti una parte molto significativa del loro lavoro, è comprendere i processi, comprendere l’azienda, comprendere la strategia finanziaria e tradurre tutto questo in equazioni.
Stavo per dire parole perché è necessario documentarlo, ma alla fine, equazioni nel manuale di procedura congiunta. Sicuramente, è necessario documentarlo per noi, per il bene di Lokad, ma anche per il bene del cliente. Quindi si documenta tutto questo e alla fine si traduce in termini matematici in modo che vada direttamente nelle equazioni che verranno alimentate ai computer che fanno l’ottimizzazione.
Conor Doherty: Grazie. Se dovessi riassumere, il ruolo dello Supply Chain Scientist è poliedrico. Non si tratta solo di lavorare sui numeri, sui dati, utilizzando i computer. Come hai detto, c’è un elemento interattivo faccia a faccia in cui il cliente e gli Supply Chain Scientists sono in contatto regolare per discutere delle complessità, delle strategie, degli obiettivi, dei desideri e dei vincoli.
Ottengono tutte queste informazioni che possono o meno essere riflesse nei dati in modo che possano essere trasformate nel risultato finale, che, in parole molto semplici, se ho capito bene, sono decisioni finanziarie migliori.
Simon Schalit: Sì, esattamente. A mio parere, è questo che rende interessante il ruolo dello Supply Chain Scientist perché ha questo aspetto poliedrico dei dati, degli aspetti umani e aziendali, nonché, ovviamente, degli aspetti statistici del problema.
Conor Doherty: Questo è uno dei motivi per cui sono felice di averti qui perché è esattamente così che vedo anche Lokad. È come usare l’analogia delle scommesse. Per me, quando le persone mi chiedono in un evento di supply chain cosa fa Lokad, parlo di decisioni. Come lo fanno? Non parlo di matematica, computer, internet e algoritmi. Parlo dello Supply Chain Scientist che è l’esperto. È come se stessi comprando una macchina e ottenessi un meccanico di classe mondiale che ti aiuterà. La macchina sono le decisioni o l’algoritmo che genera le decisioni, e lo Supply Chain Scientist è il tuo meccanico personale che può sistemare le cose se qualcosa va storto.
Simon Schalit: Mi piace questa immagine. Andrei ancora oltre. Direi che è l’intera squadra di assistenza se parlassimo in termini di Formula 1. Può essere composta da più persone, ma va oltre la semplice riparazione della tua auto. Quando parli di un meccanico, le persone pensano che vada un po’ oltre.
Arriva al punto in cui sceglieranno il tipo di auto di cui hai bisogno, il tipo di motore di cui avrai bisogno, come questo motore deve essere ottimizzato, che tipo di freni avrai bisogno e il tipo di pneumatici necessari per il tipo di ambiente in cui ti troverai.
Quindi, se vuoi riassumerlo, lo Supply Chain Scientist è tutta la tua squadra di assistenza. Penso che tu possa vederlo in questo modo e, in questo modo, capiresti quanto sia importante questa squadra per poter affrontare qualsiasi ambiente tu debba affrontare al volante della tua auto.
