Sommario
SMCP e Lokad hanno descritto la gestione della supply chain come un’economia, non un rituale: l’inventario scarso deve essere allocato dove produce il massimo ritorno. Invece di affidarsi al passato con “settimane di copertura” e regole di raggruppamento, usano decisioni probabilistiche, per punto vendita-SKU, esplicite riguardo a l’incertezza, sostituzione e capacità. L’automazione libera le persone dal rincorrere eccezioni per dedicarsi al lavoro commerciale—definire priorità, misurare i risultati e iterare. I trasferimenti e i buffer sono pianificati come scelte basate sul costo opportunità, non come abitudini. Il successo è definito meno dai dashboard e più dal comportamento: i team abbandonano i fogli di calcolo, mettono in discussione le ipotesi e cercano il miglioramento continuo. Il presunto ritorno di 10x e i cicli più rapidi riflettono incentivi allineati con il valore di marca a lungo termine, piuttosto che con una numerologia a breve termine.
Trascrizione Completa
Il discorso originale in francese è stato tradotto in inglese.
Maxime Rabillet: Salve a tutti e benvenuti a questo nuovo case study e testimonianza—un intervento che promette di essere stimolante. Questa volta siamo nel settore tessile, se non sbaglio. È l’unica conferenza per questo settore nel programma di oggi. Sono Maxime Rabillet, un giornalista della Supply Chain.
Abbiamo cercato di avere una mano ferma—o almeno una prospettiva chiara—per garantire la diversità in questo programma e rimanere concentrati sull’esperienza reale. Come potete vedere, ci sono quattro relatori sul palco, quindi non ho intenzione di monopolizzare la conversazione. Mi farò da parte rapidamente dopo avervi fornito le informazioni in mio possesso sul contenuto.
Il titolo è: “Precision at Scale: la trasformazione della supply chain di SMCP con Lokad.” Abbiamo previsto 45 minuti e, idealmente, riserveremo gli ultimi minuti di questa sessione per le vostre domande—o per le mie. Ora passo la parola.
Swann Bareilhe: Perfetto. Salve a tutti, e grazie per l’introduzione. Mi chiamo Swann Bareilhe, sono Partner Supply Chain Scientist presso Lokad, e ho il piacere di moderare questo tavolo rotondo con Carole Thomazeau, Yuting Chang e Joannes Vermorel.
Per introdurre brevemente i nostri relatori: Carole Thomazeau è Direttore della Pianificazione Aziendale e Supply presso Sandro. Yuting Chang è Global Group Transformation Leader presso SMCP—SMCP include Sandro, Maje, Claudie Pierlot e Fursac. E Joannes Vermorel è il fondatore e CEO di Lokad.
La discussione di oggi riguarda la trasformazione della supply chain che stiamo implementando congiuntamente presso SMCP. Tratteremo in particolare di come abbiamo evoluto il riapprovvigionamento automatizzato per i vari punti vendita, e di come l’inventario venga riequilibrato, più in generale, su diverse piattaforme omnicanale.
Ci concentreremo un po’ sull’aspetto tecnico, ma non troppo. Dedicheremo molto tempo alla dimensione umana del progetto e alle lezioni che altre aziende potrebbero trarre dal progetto che stiamo realizzando insieme. In generale, farò diverse domande ai nostri ospiti, e risponderemo ad alcune domande alla fine.
Prima di addentrarci nel vivo, definiamo il contesto e l’ambiente in cui operiamo. Questa domanda è per voi, Carole e Yuting: potreste darci una panoramica della vostra supply chain? I diversi canali di vendita, la scala delle operazioni di riapprovvigionamento, gli ordini di grandezza per le referenze, il numero di SKU?
Yuting Chang: Salve a tutti. Mi sentite bene? Ottimo. Sono in SMCP come Group Transformation Manager, come già detto. Per chi ancora non conosce SMCP, abbiamo cinque marchi: Sandro Women, Sandro Men, Maje, Claudie Pierlot e Fursac.
Abbiamo all’incirca 1.200 punti vendita in tutto il mondo e quattro business unit a livello globale. Per rispondere alla domanda di Swann sul contesto che ci ha portato a cercare una soluzione di ottimizzazione: disponiamo di uno strumento attualmente utilizzato in tutto il gruppo che ci permette di gestire l’allocazione fino alla boutique.
Tuttavia, manca l’elemento prospettico—l’aspetto anticipatorio tramite la previsione delle vendite. Come sapete, nella moda abbiamo molta stagionalità e numerosi prodotti stagionali. La sfida è quindi introdurre questo elemento di previsione delle vendite e cercare un’ottimizzazione in modo che il nostro stock di fine stagione—il residuo—, che è un KPI molto importante per il gruppo, sia controllato, e di conseguenza anche il nostro margine.
Carole Thomazeau: Aggiungerei che Sandro è stato, e lo è ancora, il progetto pilota del gruppo per questo roll-out di Lokad. Abbiamo scelto Sandro per due motivi. Primo, perché comprende sia la linea Men che quella Women, che sono due business abbastanza differenti con vendite che non si comportano esattamente allo stesso modo. Secondo, perché i team avevano un certo livello di maturità ed erano pronti per essere messi alla prova.
Mettere in atto un quadro di riferimento significa anche mettersi in discussione e abbandonare le nozioni di “copertura” a favore delle probabilità di vendere il prodotto migliore nel minor tempo possibile. Quindi ci sono molte abitudini radicate da rivedere, ed è per questo che abbiamo scelto Lokad.
Swann Bareilhe: Molto bene. Abbiamo già iniziato a toccare il tema della visione di Lokad—la Quantitative Supply Chain. Rivolgendomi a Joannes: in termini semplici, cos’è la Quantitative Supply Chain e perché è adatta alle sfide di SMCP?
Joannes Vermorel: L’approccio di Lokad è considerare la supply chain come un problema di allocazione delle risorse. In SMCP, ogni euro è in competizione—tra tutti i prodotti in cui si potrebbe investire. Ogni articolo in un magazzino che potrebbe essere inviato a un punto vendita compete con tutti gli altri punti vendita. Una volta posizionato un articolo in un luogo, non è possibile posizionarlo in un altro.
Poi, ogni punto vendita ha una capacità limitata di esporre i prodotti. Questa è la prospettiva di Lokad: adottiamo una visione economica della supply chain. Pensiamo in termini di allocazione delle risorse, e vogliamo servire l’interesse economico del marchio a lungo termine.
Sottolineo “a lungo termine” perché qui non si tratta di un’ottimizzazione finanziaria a breve termine, con la cattiva reputazione che può comportare quando si è molto miopi e si finisce per fare scelte poco sagge. Qui, stiamo chiaramente parlando di grandi marchi con clienti che a volte sono leali per decenni. Queste aziende sono costruite in oltre mezzo secolo, quindi bisogna guardare molto lontano.
Questa è la prospettiva economica. L’altro aspetto: SMCP vende pezzi bellissimi, un po’ più costosi delle bottiglie di shampoo in un ipermercato, quindi i volumi non sono gli stessi di un ipermercato che vende centinaia di unità al giorno. Ci troviamo a gestire volumi meccanicamente più piccoli, cataloghi molto ampi che si rinnovano frequentemente, e quindi una notevole quantità di incertezza.
Per completare: abbiamo una visione economica delle risorse e dobbiamo gestire un’incertezza molto elevata, strutturale per l’azienda. Se si dispone di un catalogo molto esteso di articoli di lusso, per costruzione si accetta che non si venderanno dieci unità per articolo, per punto vendita, al giorno. Le vendite saranno molto più intermittenti.
L’obiettivo di Lokad è unire questi due aspetti in una ricetta numerica che, anche se utilizziamo concetti piuttosto complessi come le probabilità, rifletta comunque il buon senso di un esperto store manager che farebbe scelte giudiziose riguardo all’assortimento e ai livelli di scorte.
Yuting Chang: Basandoci su quanto appena detto da Joannes: a partire dall’anno Covid, abbiamo affrontato una sfida fondamentale—ottimizzare la nostra strategia di acquisto tramite il budget OTB (Open-to-Buy), che è sempre più limitato. Dobbiamo acquistare meglio e, naturalmente, allocare meglio.
Ogni pezzo, anche se la sua probabilità di vendita è abbastanza incerta e piuttosto bassa per ogni punto vendita, richiede comunque una decisione: a quale boutique dovremmo inviare questo prezioso stock? Dato il volume di vendite piuttosto basso durante il periodo a prezzo pieno, la sfida di ottimizzare le vendite a prezzo pieno diventa ancora più importante.
Swann Bareilhe: Abbiamo parlato di strategia e della visione del prodotto/supply chain. Prima di entrare nel progetto vero e proprio, c’erano altri elementi che vi hanno portato a scegliere Lokad come partner? La visione è un aspetto; ci sono altri aspetti legati al lavoro che volete evidenziare?
Carole Thomazeau: Sì. Come ha detto Yuting, la gestione delle rotture di stock è al centro del nostro problema di riapprovvigionamento: acquistiamo a breve termine, quindi dobbiamo allocare al posto migliore. Nella gestione delle rotture, abbiamo capito che ci sono molti criteri da considerare.
Per esempio: il negozio è turistico, e una rottura di stock mi costerà di più lì rispetto a un negozio con una clientela che tornerà e aspetterà un paio di giorni affinché il pezzo ritorni? Il mio negozio è “Ship-from-Store”, cioè il suo stock può anche servire un secondo canale? L’ampiezza dell’offerta è maggiore o minore; se non ho il pezzo, ci sarà una sostituzione con un altro pezzo?
Queste sono molteplici limitazioni che, manualmente, un responsabile del riapprovvigionamento non può prendere in considerazione nella loro totalità—il cervello umano non è predisposto per gestire multidimensionalità. Così, finiamo per interpretare e gestire le rotture basandoci su un singolo criterio. Lokad ci ha permesso di classificare tutti questi aspetti secondo priorità da noi discusse, ottimizzando davvero l’allocazione a quel livello.
Un altro punto importante: i trasferimenti. Anche se l’allocazione è ottimizzata, a un certo punto i trasferimenti diventano evidenti. In passato era estremamente dispendioso in termini di tempo; i team lo effettuavano con riluttanza. Ora riceviamo proposte ogni mattina, e decidiamo se eseguirle o meno a seconda di ciò che vogliamo fare.
Un punto finale, ancora in fase di sviluppo: abbiamo stati di stock, KPI che ci permettono di misurare rapidamente l’intera situazione, senza dover trascorrere giorni ad analizzare i dati. I dati sono disponibili, e possiamo analizzare il problema. Spesso ci vollero due giorni per ottenere i dati, e quando arrivavano, il problema era già obsoleto. Ora possiamo creare dashboard al volo, vedere un ROI reale, e osservare cosa ha portato ciascuna decisione. Possiamo semplicemente misurare ogni azione.
Yuting Chang: Per dare un’idea dell’ampiezza degli SKU gestiti dal team di allocazione di Carole: abbiamo Sandro Men e Women. Per queste due linee, si tratta di circa, per collezione—abbiamo due collezioni all’anno, Primavera/Estate e Autunno/Inverno—circa 3.500 SKU da gestire su 250 punti vendita.
Questo volume di punti vendita, e il ciclo settimanale di gestione e valutazione: quali prodotti dare priorità, allocare, ecc. Il team si comporta molto bene con l’attuale strumento, ma non entriamo mai abbastanza nel dettaglio, SKU per SKU, per prendere le decisioni necessarie a ottimizzare il fatturato. Questo volume è la chiave del successo per gestire al meglio il nostro residuo a fine anno.
Swann Bareilhe: Questo ci porta alla domanda: come gestivate il riapprovvigionamento prima di Lokad? Ricordateci cosa facevate prima—cosa era manuale, quali tipi di regole erano in atto—così da poter visualizzare l’evoluzione portata dal progetto.
Carole Thomazeau: Tutto era manuale. L’accuratezza dell’allocazione dipendeva dall’anzianità delle persone che la gestivano. E, come sappiamo, c’è molto turnover in questi ruoli, quindi c’è una curva di apprendimento ogni volta, che è piuttosto lunga.
Utilizzavamo la copertura di stock—settimane di copertura. Come ha detto Joannes, quando le vendite sono erratiche—magari una al mese, 0,8 o 1,2—si arrotonda comunque a 1. E 1 è 1, ma non riuscivamo a capire se “l'1” a La Varenne Saint-Hilaire o “l'1” sugli Champs-Élysées avrebbe generato maggiori entrate. Non avevamo quella capacità decisionale di dettaglio.
I trasferimenti erano anch’essi manuali e molto dispendiosi in termini di tempo; li effettuavamo di tanto in tanto. La gestione delle rotture era basata solo sul fatturato, il che risulta eccessivamente semplicistico rispetto a tutti i criteri che potevamo considerare.
Yuting Chang: Un elemento chiave dello strumento che utilizzavamo prima di Lokad: ci concentravamo principalmente sulle vendite passate. Dicevamo: “Basandoci sulle vendite delle ultime settimane, questa è la media dei pezzi venduti,” e poi: “Vogliamo coprire due settimane di copertura,” perché quello era il lasso di tempo previsto. Questa meccanica, basata sulle vendite passate, guidava le nostre decisioni, mentre nella moda la stagionalità è forte.
Dobbiamo anticipare—pre-spedire lo stock per soddisfare le esigenze stagionali in arrivo. La previsione delle vendite è un elemento importante: cerchiamo una deviazione rispetto a ciò che facciamo oggi.
Swann Bareilhe: Joannes, conosci molto bene tutto questo. Potresti riassumere i tipi di insidie cui i team vanno incontro quando fanno affidamento pesantemente sulle regole manuali e sulle previsioni statiche, specialmente con assortimenti rapidi come quelli di SMCP?
Joannes Vermorel: Per me, esistono alcune classi di insidie molto differenti. La più importante: trattare i tuoi migliori collaboratori come co-processori di eccezioni. Hai un sistema—un ERP—che può implementare regole semplicistiche, ma non basta. Finisci per avere avvisi di “eccezione”.
E allora? Prendi i tuoi migliori collaboratori, quelli con la maggiore esperienza nel campo, e tratti la loro competenza e il loro tempo come risorse usa e getta. Ripetono gli stessi gesti ogni giorno. Eppure, un’alta competenza nel settore è una risorsa scarsa in azienda. Questa è la prima insidia: questa rara competenza, che dovrebbe essere coltivata, viene trattata come un componente usa e getta. Ogni giorno servono X giornate lavorative, che vengono consumate. Permette semplicemente all’azienda di operare un giorno in più; nulla viene capitalizzato.
La nostra visione, insieme ai Supply Chain Scientist, è quella di robotizzare il processo decisionale, non per eliminare l’esperienza umana, ma per dare a queste persone il tempo di migliorare la ricetta numerica, affinare le sfumature del business, e sollevarle dalla gestione delle eccezioni, che è estremamente dispendiosa in termini di tempo e su cui non capitalizziamo nulla. Questo è il punto più fondamentale.
Seconda classe di insidie: i modelli di serie temporali—molto popolari, ma completamente inadeguati alla supply chain. Perché, soprattutto nella moda e nel lusso? Primo, le collezioni: una serie temporale dovrebbe non avere né inizio né fine; le collezioni hanno un inizio e una fine, quindi ciò non funziona.
Poi, misuri in modo molto preciso e finisci per arrotondare all’unità. Come hai detto: una previsione di 0,8 o 1,2 diventa 1. Ma l’arrotondamento all’unità, nel vostro settore, pesa notevolmente—molti prodotti in negozio hanno una sola unità. Questo arrotondamento è significativo.
Un altro problema: dal punto di vista del cliente, non entri in un negozio pensando a un codice a barre. C’è un alone di articoli che ti interessano; ciò che conta è servire bene il cliente. Un abito che sia un po’ più scuro o più chiaro potrebbe essere un buon sostituto. Ma se non hai la taglia giusta, non hai la taglia giusta: è molto meno sostituibile.
Abbiamo quindi due grandi modalità di fallimento: sprecare la tua competenza più importante e utilizzare modelli di serie temporali semplicistici—popolari ma inadeguati—forse adatti per lo shampoo, non per i pezzi di lusso. Lokad procede in direzioni molto diverse rispetto a questi problemi.
Yuting Chang: Partendo da questo secondo punto per il settore tessile: le taglie sono un problema importante. Vendiamo molto in taglie 36/38 per le donne, ad esempio. Ma abbiamo anche clienti che necessitano della 34 o della 42.
Se la previsione media di vendite è 0,3 e, di conseguenza, inviamo un capo di taglia 42 in ogni negozio, ciò significa che dobbiamo acquistare 250 capi di taglia 42 per alimentare tutti i negozi. Poi il nostro DC non ha scorte rimanenti da reintegrare non appena si verifica una vendita in un punto vendita.
Ciò che conta è sapere quando dobbiamo inviare quel 42 alla boutique e mantenere scorte centralmente per alimentare il prossimo punto vendita con la massima probabilità di vendere quella taglia 42. E, basandoci sulle regole e i principi di gestione che abbiamo impostato con Lokad, chiedendoci: in tal caso, quanti dovrei acquistare in anticipo—acquistando in modo più intelligente in relazione a come distribuiamo quel 42.
Swann Bareilhe: Abbiamo parlato molto di automazione e di capitalizzare sull’esperienza umana. Questo ci porta ai successi del progetto che stiamo portando avanti insieme da un anno. Hai esempi che vorresti evidenziare—sia dalla fase del progetto (come abbiamo lavorato insieme) sia ora nelle operazioni (che è leggermente diversa dalla pura fase di implementazione)?
Carole Thomazeau: Il progetto: abbiamo iniziato a gennaio, e già a giugno avevamo soluzioni integrate nei nostri sistemi. È stato abbastanza veloce e molto collaborativo, perché in Lokad non sono “solo scienziati”, sono Supply Chain Scientist—e questa parola è super importante.
Mettono in discussione le nostre abitudini—“perché lo facciamo”—con le loro best practice, ecc. Abbiamo vere e proprie discussioni che mantengono vivo il progetto; non si tratta solo di impostare parametri e “collegare una macchina”. Lo costruiamo insieme.
Ricordo una sfida che ho lanciato a Swann un mese prima delle vendite: gli ho detto, “Voglio i trasferimenti prima delle vendite così posso consegnarli.” Lui ha detto, “Beh, comunque…” Io ho pensato, “Puoi farcela.” E ho ottenuto i miei trasferimenti per le vendite. C’è un forte impegno e una grande reattività nel team.
Quello che voglio dire è che una chiave del successo è il coinvolgimento del team. Ho detto loro: “Smettetela di fare, osservate, analizzate e pensate a come possiamo fare meglio.” Questo potrebbe destabilizzare un team, ma non lo ha fatto per niente. Sono super coinvolti. Ogni mattina hanno idee e chiedono al team di Swann: “Possiamo migliorare questo, quello?” Il fatto che abbiano idee dimostra che lo strumento funziona e che l’hanno fatto diventare proprio.
Hanno migliorato le proprie competenze: ora riflettono su ciò che fanno. Non si limitano a fare; pensano a cosa fanno e al motivo per cui lo fanno. Abbiamo ottenuto un ROI sui trasferimenti. Blocchiamo meno scorte per l’e-commerce—anche se io cerco di bloccare un po’ di più—ma prima bloccavamo troppo e non spedivamo al retail anche se c’erano ricavi in negozio. Le vecchie abitudini sono state spezzate.
Yuting Chang: Operativamente, conosco molto bene il precedente strumento. Immagina: lunedì mattina, ogni responsabile delle allocazioni si siede e passa due giorni a controllare i prodotti. Alla fine, perché abbiamo così tanti SKU e negozi da controllare, dopo due giorni dici: “Ho superato i primi 20 della nostra classifica e sono riuscito a tagliare la produzione dei nostri peggiori 20.”
Tutto ciò che sta nel mezzo—in un certo senso lo conosciamo, ma non con certezza. Con il precedente strumento, richiede molto tempo. Oggi, ciò che chiediamo al team è un cambio di mentalità.
Il lunedì mattina, apri il computer, guardi gli KPI che abbiamo implementato: controlli il tasso di out-of-stock, la copertura delle scorte, e ci dici quali azioni mancano per la settimana. Invece di immergerti immediatamente nell’allocazione a livello di SKU, digitando la copertura, gestendo eccezioni negozio per negozio—“questo prodotto, quel negozio”—e dicendo: “In una localizzazione più routinaria, devo assicurarmi che ci sia la taglia 42, perché una volta che il cliente è passato, non tornerà.” È una mentalità da torre di controllo per le operazioni piuttosto che avere sempre la testa bassa.
Carole Thomazeau: In sintesi, sono diventati commercianti. Prima erano tecnici. Fanno le domande giuste: come animare il business ogni lunedì e mantenere una crescita omogenea. È enorme. Hanno guadagnato in produttività, e ora hanno il tempo per farlo.
Swann Bareilhe: Se dovessi parlare di Lokad a colleghi di SMCP che non lavorano quotidianamente nelle operazioni?
Carole Thomazeau: Prima di tutto, tutti i brand vogliono adottarlo. Abbiamo dovuto creare una lista d’attesa nella nostra roadmap. Come lo presento? Per me, l’approccio probabilistico è davvero importante: “l'1”—quanto vale un “1” a La Varenne Saint-Hilaire rispetto a un “1” sugli Champs-Élysées? Non avevo visto uno strumento che offrisse questo altrimenti.
Poi c’è la qualità del supporto, la qualità delle persone con cui parliamo, e il fatto che si tratta di un miglioramento continuo. Abbiamo una nuova idea—non romperemo tutto—ma un nuovo parametro, una piccola modifica, perché il contesto fa sì che ciò che abbiamo fatto un mese fa non funzioni più. È facile da implementare.
Una volta alla settimana, abbiamo riunioni con il team di Lokad—con Tristan e Cyril—e diciamo: “Vorremmo spingere le scorte qui, possiamo aumentare alcuni parametri?” Ci sono molti parametri dati all’utente—non dipendiamo interamente da loro—ma abbiamo continui miglioramenti sullo strumento.
Yuting Chang: Abbiamo incontrato parecchi fornitori durante la fase di selezione che volevano ottimizzare il nostro tasso di residuo alla fine della stagione e quindi migliorare il nostro margine. Alcuni hanno proposto soluzioni plug-and-play: fornisci i dati, le soglie sono pronte, ecc.
Ciò che ci ha convinto di Lokad è l’approccio su misura: co-costruiamo attorno alle esigenze specifiche dei nostri brand. Quando si dice “custom”, si potrebbe essere preoccupati per i tempi: se non è ben inquadrato, annunciate un progetto di sei mesi e si allunga a un anno o più. La chiave del successo qui è che il team di Lokad si basa sulla sua expertise nella supply chain: possono inquadrare la necessità con il business, indirizzarla nella giusta direzione, e alla fine rispettiamo la timeline inizialmente annunciata. Per una soluzione su misura, questo è un fattore chiave di successo a mio avviso.
Swann Bareilhe: Grazie. Joannes, come presenti Lokad quando parli con un nuovo CEO?
Joannes Vermorel: Qualche anno fa sottolineavo che la maggior parte dei nostri potenziali clienti ha alle spalle almeno mezza dozzina di fallimenti negli ultimi vent’anni. Se mezza dozzina di fornitori ha fallito, forse il problema non è “questo fornitore contro quello”. C’è un problema di metodo, di fondamenti, di approccio.
Per chi fosse interessato, al nostro stand abbiamo un libro che ho pubblicato una settimana fa—“Introduction to supply chain”—che raccoglie il motivo per cui, a mio avviso, le teorie classiche della supply chain non funzionano, portando a fallimenti operativi, e quali altri punti di vista ti danno la possibilità di far funzionare le cose.
Molto concretamente, in Lokad cerchiamo di essere il partner operativo della supply chain. Attraverso i Supply Chain Scientist, vogliamo assumerci la responsabilità—questo può sorprendervi—di una responsabilità personale per la qualità delle decisioni. Quando scrivi una ricetta numerica, in un certo senso, quella sei tu. Non è “un sistema” a generare decisioni: hai scritto una ricetta numerica che capisci, e se qualcosa va storto devi fare il reverse-engineering di ciò che è successo e capirlo.
Questa assunzione di responsabilità è molto importante e piuttosto atipica. Non ci consideriamo un fornitore di software che dice: “Ecco una lista di funzionalità,” spuntando 600 caselle in un RFP, e poi ti lasciamo auto-sabotare con quelle caselle. Assumiamo che la parte tecnica sia un nostro onere, in modo che tu possa—come ho apprezzato nei commenti—ragionare da commerciante, senza che le questioni tecniche diventino un ostacolo con gergo tecnocratico.
Il ruolo dei Supply Chain Scientist è quello di assumersi quella responsabilità affinché le persone che sono commercianti, specialisti in pezzi di lusso, possano eseguire la loro strategia senza perdersi nei dettagli. Parliamo di algoritmi probabilistici ma—e lo dico sotto il vostro controllo—non credo che i vostri team debbano gestirli in dettaglio. È astratto per loro.
Carole Thomazeau: Completamente. Esaminiamo la decisione finale. Quando chiediamo, “Perché il capo è stato inviato a questo negozio anziché a un altro?”, è generalmente giustificato, tangibile e misurabile. Eppure abbiamo analizzato tutto. Ho fornito a Swann molti scenari, dicendogli “Non sono d’accordo—perché lo fa?” e alla fine è logico.
Yuting Chang: Quello che conta è l’esplicabilità fornita dai supply chain data scientists. Lavoriamo a stretto contatto con Swann e il suo team; sono loro che programmano. Se ci viene chiesto, “Come spiegate la decisione proposta dallo strumento Lokad: perché non inviare agli Champs-Élysées e invece inviare in Provenza?”, abbiamo sempre una spiegazione basata sui dati mostrati nello strumento. Il team di Carole è convinto; ci fidiamo di queste decisioni; e col tempo non dobbiamo nemmeno controllare ogni punto perché sappiamo che c’è una ragione alla base.
Swann Bareilhe: Sul versante della responsabilità, il supporto del Supply Chain Scientist è centrale. Personalmente, c’è anche un aspetto emotivo con i clienti con cui lavoro—SMCP in particolare. Non siamo interessati solo a fornire funzionalità, ma a fornire decisioni che funzionano.
Guardo regolarmente le prestazioni di vendita; vado anch’io nei negozi Sandro o Fursac—anche se mia moglie va da Maje e Sandro. C’è un lato umano e un impegno personale che cerchiamo di coltivare e trasmettere attraverso l’implementazione di una soluzione.
Yuting Chang: È una partnership molto interessante e solida che abbiamo costruito tra SMCP e Lokad. Abbiamo persino previsto spazi dedicati alle scrivanie presso la nostra sede centrale.
Swann Bareilhe: Il tempo vola, quindi iniziamo a concludere. Joannes, siamo a circa un anno dal lancio. Quale impatto ragionevole descriveresti come atteso da un progetto Lokad dopo, diciamo, 6-12 mesi—un orizzonte a medio termine?
Joannes Vermorel: Fondamentalmente miriamo ad un ritorno di almeno ×10 rispetto a quanto costa Lokad. Potrebbe sembrare alto, ma per un software enterprise—dove ci sono dei rischi—ciò sembra ragionevole. Se ti impegni in una tecnologia alquanto complessa e, sulla carta, non vedi un potenziale ritorno di ×10, probabilmente ci sono altre priorità. È importante.
Un criterio euristico di successo: quando i team legacy riescono a lasciarsi alle spalle i loro fogli Excel. Non appena raggiungiamo questo—indipendentemente dalle misurazioni—so che l’iniziativa è sulla buona strada per il successo. Quando le persone abbandonano Excel, significa che abbiamo risolto tutti quei problemi che li stavano avvelenando—spesso una serie di piccoli problemi, non necessariamente grandi. Poi passiamo al miglioramento continuo, e la traiettoria è molto buona.
Vorrei sottolineare che, per la stragrande maggioranza delle iniziative della supply chain, non c’è miglioramento continuo. Le aziende hanno un sistema, lo usano per dieci anni, e poi dicono, “Ne abbiamo abbastanza, lo buttiamo e ricominciamo.” È un peccato. La supply chain non dovrebbe migliorare una volta ogni decennio attraverso un grande cambiamento. Se possiamo progredire un po’ ogni settimana, è molto meglio. Dopo qualche anno il bilancio favoreggia chiaramente il miglioramento continuo rispetto a chi resta stagnante per un decennio prima di fare un altro balzo.
L’idea poi è di espandere l’ambito, sempre con un ritorno molto forte. Ma l’effetto più misurabile è anche la qualità delle discussioni e delle analisi che migliora. Possiamo puntare a guadagni percentuali a cifra unica sul fatturato—ci vogliono alcuni anni, ma le ordini di grandezza sono significativi. Non stiamo parlando di 0,01%; stiamo letteralmente aggiungendo un punto intero di margine in termini assoluti—e diversi punti nei migliori casi.
Per questo, una volta in produzione, i team devono essere in grado di affrontare questioni molto difficili. Ad esempio: cosa significa “qualità del servizio” in un negozio di lusso? Non è solo un indicatore di service level. Le persone che dicono “97% service level” non centrano il punto—è un argomento difficile.
Come valorizziamo la visione del lusso: difendere un posizionamento di prezzo di altissimo livello, mantenendo una percezione del cliente molto favorevole nel lungo termine? È un esercizio difficile. Ciò che è molto interessante è che, una volta superate le questioni operative, si può passare a queste discussioni, in cui i team operativi sfidano i supply chain scientists: come raffiniamo questa visione a lungo termine pur avendo un meccanismo automatizzato per gestire il quotidiano? Questo è il paradosso: guardare molto lontano nel futuro, anche se ogni giorno bisogna produrre un intero insieme di micro-decisioni.
Swann Bareilhe: Ultima domanda prima di aprire il dibattito al pubblico. Se un collega venisse da te e chiedesse una lezione dal percorso, cosa risponderesti?
Carole Thomazeau: Tutti parlano di AI, automazione, e così via. La chiave è combinare la tecnologia con l’intelligenza operativa. I team che si occupano del replenishment hanno una business intelligence operativa. Siamo riusciti a combinare il loro know-how—non avevano tempo per fare tutto—con uno strumento che li aiuta ad andare più veloci ed essere più efficaci.
Yuting Chang: Nello stesso spirito: parliamo molto di AI. Ma cos’è esattamente l’AI? Cosa può realmente migliorare in termini di efficienza operativa e, in definitiva, di margine? Spesso, l’AI è una scatola nera: non sappiamo davvero cosa succede all’interno. Con Lokad, torno all’esplicabilità: ogni decisione presa è spiegata e compresa.
Se il direttore vendite ci chiede, “Perché avete deciso di inviare questi capi a quel negozio più grande e con ricavi più alti anziché a un altro?”, possiamo rispondere. Questa esplicabilità crea fiducia non solo internamente nel dipartimento supply chain—il team di Carole—ma anche esternamente: il dipartimento commerciale, ecc. È questo che trovo interessante nell’approccio di Lokad.
Swann Bareilhe: Grazie ancora per i vostri contributi, Carole, Yuting e Joannes. Passiamo alle domande. Non avremo molto tempo, ma ho una domanda sull’esplicabilità: c’è anche bisogno di esplicabilità nei confronti dei negozi? Hai menzionato gli Champs-Élysées o altri luoghi; a un certo punto “altri luoghi” non saranno tentati di dire, “Non ricevo mai i capi con il migliore potenziale”?
Carole Thomazeau: Innanzitutto, non è “mai”. I negozi più piccoli, perché offrono una gamma più ristretta, potrebbero ricevere di più rispetto a prima. In precedenza eliminavamo automaticamente il negozio più piccolo e fornivamo quelli più grandi—cosa che lo strumento non fa più. E sì, c’è un vero tema di change management con i team: spiegare ai team digitali perché hanno meno scorte riservate; spiegare al retail che li forniremo con un lead time di una settimana anziché di due.
Ma, come ha detto Yuting, dato che tutto è spiegabile e misurabile, non è un problema.
Yuting Chang: Direi addirittura il contrario. Con lo strumento precedente gestivamo per cluster. Il Cluster A indicava i negozi che generavano più entrate, erano più grandi, ecc. Ora valutiamo la priorità nella gestione delle scorte basandoci sulle vendite di quel determinato negozio per quel particolare SKU. Questo favorisce di fatto i negozi più piccoli che vendono, ma che in precedenza venivano oscurati dai negozi “più grandi” che vendevano tre pezzi a settimana. In realtà, il negozio più piccolo vende; semplicemente non avevamo tempo di esaminare quel SKU e quel punto vendita in precedenza.
Audience: Salve. Avete parlato di co-costruzione, e si percepisce l’entusiasmo e il piacere che avete provato in questo processo. Ora siete in una collaborazione in corso—ho capito che addirittura pianificate uno spazio ufficio potenziale per il team di Lokad—e in entrambe le direzioni. Quanto durerà questa collaborazione? A che punto prevedete di avere dei Supply Chain Scientist nella vostra organizzazione, o il modello prevede di fare affidamento sull’organizzazione di Lokad?
Yuting Chang: Grazie, è una domanda davvero valida. Per essere trasparenti, ne abbiamo discusso internamente, e anche con il team di Lokad. Ciò che è interessante è la discussione trasparente con il partner: se un giorno, nella roadmap interna di SMCP, prevedessimo la capacità di supply chain data scientist, Lokad è disponibile a far entrare tali competenze in-house.
La domanda è se SMCP ambisca veramente a questo obiettivo. Per ora, non abbiamo una risposta. In ogni caso, nell’ambito della collaborazione con Lokad, è un’opzione; non è un tabù.
Joannes Vermorel: Aggiungo che tutto il codice della ricetta numerica che Lokad co-costruisce con i suoi clienti è di proprietà del cliente. Il codice è già nelle mani del cliente. Lokad non è una tecnologia nascosta in un pezzo di software confezionato. Quello che rimane è una questione di ambizione: vogliono sviluppare quella capacità internamente? Siamo completamente favorevoli a formare le persone se sono interessate.
Carole Thomazeau: Confermo che il codice è veramente accessibile—io stessa sono entrata per modificare alcune tabelle.
Audience: E allo stesso tempo, se seguiamo il vostro ragionamento, probabilmente aggiungete più valore rimanendo concentrati sull’elaborazione dei criteri e mantenendo il focus sul cliente, con un team al vostro fianco. Se integrate data scientists, c’è il turnover, dovrete formarli nuovamente, mantenere le best practice… Sicuramente c’è un grande valore nel continuare a collaborare.
Oltre ai team, avete spiegato che fate affidamento sulla vostra migliore expertise, che dedica più tempo ad aggiungere intelligenza ai criteri da definire. Questi criteri evolvono regolarmente? Li modificate? Quando lanciate una nuova gamma, adottate nuovi criteri? Trasferite gli insegnamenti da una gamma all’altra? Come fate quella scelta? In fin dei conti, non è solo il fatturato a determinare la vostra decisione.
Carole Thomazeau: I criteri: prima, “Ship-from-Store” poteva diventare un nuovo criterio. I negozi idonei allo Ship-from-Store entrano in un criterio di allocazione che non avevamo due anni fa, quando non tutti adottavano lo Ship-from-Store. Negozi turistici: i negozi non cambiano continuamente, ma quando apriamo un nuovo negozio—sarà turistico o no—daremo la priorità in base a questo.
Piuttosto che criteri “fissi”, si tratta più di dove siamo nella stagione: all’inizio della stagione, il costo di inviare un articolo a un negozio in cui non verrà utile è minore rispetto a quello che sarebbe alla fine della stagione. Quindi apportiamo aggiustamenti al lead time e al livello di rischio durante tutta la stagione e a seconda della qualità delle scorte che abbiamo in magazzino.
Audience: Giusto. Ed è lì che inserite l’intelligenza. Il resto lo avete robotizzato, come avete detto.
Swann Bareilhe: Grazie. Siamo davvero alla fine ora; possiamo continuare la discussione in seguito. Non ho visto chi volesse fare una domanda. Grazie per la presentazione. Ho una breve domanda per Lokad, per comprendere meglio l’approccio quantitativo alla supply chain. Capisco che esistano modelli matematici che elaborano i dati e calcolano una proposta di allocazione—possibilmente per il caso di SMCP. Quindi, esiste un tempo di training per questi algoritmi? È incluso nel progetto, o è istantaneo?
Joannes Vermorel: La risposta lunga: vi invito a leggere “Introduction to supply chain,” disponibile su Amazon, che spiega nel dettaglio ciò che facciamo. I nostri algoritmi sono pubblici. In generale, esistono tempi di training, ma il mio approccio è avere soluzioni che possano essere addestrate tipicamente in meno di 60 minuti, utilizzando risorse cloud molto distribuite, per rimanere estremamente agili.
Esiste il training? Sì. Ci impegniamo in approcci che richiedono settimane perché un modello converga? No. Dal nostro punto di vista, è fondamentale poter riaddestrare questi modelli potenzialmente più volte al giorno. Non è che la supply chain cambi così rapidamente; è che quando il business solleva un’obiezione o avvia una ri-orientazione strategica, non vogliamo aspettare tre giorni affinché il “grinder” termini il lavoro.
Qualcuno dice: “E se pensassimo al tema in questo modo?” È necessario rilanciare il training, e vogliamo che il risultato arrivi rapidamente—almeno per capire: “Se lo facciamo diversamente, come risulta?” Quindi sì, i nostri modelli—sia di learning che di optimization—hanno dei tempi di calcolo, ma cerchiamo di mantenerli sempre sotto i 60 minuti, indipendentemente dalle dimensioni dell’azienda, per restare operativamente molto agili.
Maxime Rabillet: Grazie a tutti e quattro per questa sessione stimolante. Non ho dubbi che susciterà anche conversazioni post-evento. Lo stand di Lokad è proprio laggiù. Grazie a tutti.
