Sommario
Una sessione sincera sulle teorie e pratiche chiave del nuovo libro di Joannes, Introduction to Supply Chain. Esploreremo come prevedere oltre la domanda, passare dai KPI al cash, costruire decisioni resilienti in condizioni di incertezza, e fare della variabilità una componente fondamentale delle operazioni quotidiane.
Trascrizione completa
Conor Doherty: Benvenuti a Supply Chain Breakdown, e oggi analizzeremo le principali teorie e tematiche del nuovo libro di Joannes Vermorel, Introduction to Supply Chain. Mi chiamo Conor — lo sapete —, Direttore della Comunicazione qui a Lokad. E alla mia sinistra, come sempre, il fondatore di Lokad, CEO e maestro delle parole, Joannes Vermorel. Ora, a gestire la chat dal vivo come sempre: Alexey Tikhonov. Inviagli le vostre domande il prima possibile, e ne parleremo un po’ più avanti. Ma passiamo all’evento principale — Joannes, alla mia sinistra, ho il tuo nuovo libro, Introduction to Supply Chain. Telecamera 1. È un libro splendido. Perché hai scritto questo libro, signore?
Joannes Vermorel: I primi anni di Lokad sono stati difficili. Quando ho iniziato nel 2008, ho cominciato con l’idea che la supply chain fosse un campo di studio e pratica ampiamente maturo, con, all’epoca, oltre 60 anni di letteratura. Ora siamo a 70, direi, dal termine della Seconda Guerra Mondiale, con oltre un milione di documenti. Ho controllato recentemente: ci sono oltre 10.000 libri sulla supply chain in inglese disponibili su Amazon. È un campo immenso, e il mio intento era portarlo in maniera ben confezionata sul cloud con un’app SaaS, mentre i miei concorrenti all’epoca — gli incumbent — usavano ancora client pesanti.
Portarlo sul cloud è stato facile. I clienti sono arrivati. Ma nulla funzionava. Nulla funzionava, e mi sono serviti anni per identificare tutti i problemi. È emerso che la supply chain theory tradizionale si concentra soltanto su cose che non funzionano. Potremmo anche usare la parola “mentale” per questo, ma è estremamente strano: hai oltre un milione di documenti e niente funziona. Hai discussioni surreali con operatori della supply chain che dicono, “Sì, l’anno prossimo useremo effettivamente la formula per lo safety stock, ma per ora usiamo ancora qualcosa di un po’ strano nei nostri fogli di calcolo. L’anno prossimo faremo la cosa giusta; inizieremo ad usare la vera matematica seria, e sarà buono.” È emerso che è esattamente ciò che quelle aziende hanno cercato per decenni.
Ciò che in realtà funzionava erano classi di euristiche completamente assenti dalla letteratura. Gran parte di quello che si intende per letteratura sulla supply chain semplicemente non funziona. Lokad ha aperto la strada a modi molto differenti di gestire la supply chain — chi segue questo canale da tempo potrebbe saperlo — e ho deciso di realizzare una raccolta aggiornata. A proposito, la teoria che abbiamo sviluppato in Lokad è in continua evoluzione. Ho iniziato una serie mondiale di conferenze nel 2017. Sono passati parecchi anni. Molte cose sono state perfezionate da allora. Nel complesso, è molto più coerente, e ci sono anche elementi che sono semplicemente migliori.
Conor Doherty: Ascoltando questa panoramica — correggimi se sbaglio —, ma tipicamente quando qualcuno scrive un libro sulla supply chain, è per colmare o affrontare una lacuna. Ascoltandoti, sembra che tu stia dicendo che questo sostituisce più o meno tutte le conoscenze preesistenti. O è un’esagerazione?
Joannes Vermorel: È sicuramente una sorta di esercizio di rifondazione. Il problema inizia davvero con: dove collocare la supply chain nell’albero della conoscenza umana? Quello che difendo è che la maggior parte della letteratura rientra in due schieramenti, entrambi erronei.
Metà della letteratura appartiene al campo della matematica applicata. Il problema fondamentale di questo approccio è che si producono documenti sulla supply chain — “teorie” — che non possono mai essere smentite dalla realtà. È molto strano. Normalmente, se possiedi conoscenza di qualcosa nel mondo e la tua teoria è sbagliata, il mondo dovrebbe essere in grado di contraddirla. Se la tua teoria è immune al feedback reale, stai facendo un puro esercizio di logica, di matematica; non fa parte delle scienze sperimentali.
Poi c’è un altro schieramento — tipicamente quello della sociologia — che discute come segmentare il problema nelle grandi organizzazioni. Adottano una prospettiva sociologica. Il problema è che questa prospettiva non fornisce alcuna indicazione sulla risoluzione effettiva, ovvero: come allocare le risorse? Come prendere decisioni per governare il flusso?
Quindi, in questo libro ho deciso di adottare una terza prospettiva: l’economia applicata. Per quanto sorprendente possa sembrare, questa prospettiva è in gran parte assente da tutta la letteratura.
Conor Doherty: Per cambiare l’idea della supply chain come economia — nel libro la definisci come padronanza dell’opzionalità. Sto per leggerlo perché è un piccolo aggiornamento della definizione storica della supply chain: “Supply chain is mastery of optionality under variability in managing the flow of physical goods.” In parole povere, in cosa questa definizione si differenzia dall’attuale comprensione della supply chain?
Joannes Vermorel: Questo è il punto. Se ci pensi — non riesco neppure a ricordare esattamente la definizione data su Wikipedia per “supply chain.” Il problema è che la maggior parte delle definizioni non parla di “supply chain” ma di “supply chain management.” Sei già nel regno della sociologia — “Lo gestirò io; applicherò una divisione del lavoro.” La maggior parte delle definizioni è estremamente ampia e comprende tutto ciò che riguarda l’acquisizione delle materie prime, la trasformazione, il trasporto e la soddisfazione dei clienti.
La maggior parte delle definizioni di supply chain occupa un intero paragrafo e menziona praticamente tutto ciò che concerne il flusso di beni fisici. È una catalogazione: acquisizione delle materie prime, trasporto, stoccaggio, trasformazione, trasporto nuovamente, servizio ai clienti, ecc. Queste definizioni non sono nitide. Seguendole, non è neanche chiaro cosa differenzia l’ingegneria industriale dalla supply chain, o la produzione dalla supply chain, o la finanza aziendale dalla supply chain.
Queste definizioni mancano di confini chiari e di un’essenza — chiarendo un intento preciso anziché catalogare elementi. Ad esempio, la maggior parte delle definizioni di supply chain che troverai su Wikipedia non discuterà della logistica inversa. Non appena si osservano aspetti che sono un po’ francesi ma ancora saldamente nell’ambito della supply chain, quelle definizioni molto descrittive e enumerative tendono a tralasciarli.
Conor Doherty: Se stai ripensando la supply chain e le sue fondamenta dalla prospettiva dell’economia, come conciliare ciò con quello che so essere in genere un approccio leggero alla matematica? A parte forse i numeri di pagina, non vedrai molti numeri interi nel libro. Hai deliberatamente optato per un approccio più filosofico. Come fanno le persone ad accettare queste teorie economiche se sono fondamentalmente solo parole?
Joannes Vermorel: Prima di tutto, questo è un problema che ho con gran parte del mondo accademico oggi: la matematica, come usata nella maggior parte dei documenti, è un riempitivo. Sono stato formato come matematico — nessun problema — ma la matematica che vediamo non trasmette idee potenti. La supply chain è un ramo dell’economia; la matematica è uno strumento, non il fine.
Se voglio pubblicare un libro in cui compaiono strumenti matematici, la domanda è: riuscirò a trasmettere il concetto in modo meno ambiguo e più conciso? Di questo parlano le formule matematiche. Le equazioni di Maxwell per l’elettromagnetismo sono estremamente compatte; con letteralmente quattro equazioni posso trasmettere ciò che richiederebbe 20 pagine di testo. In tal caso, le equazioni portano le intuizioni.
Ma quando si guarda la stragrande maggioranza dei documenti sulla supply chain che utilizzano la matematica, la matematica non è illuminante. Le dimostrazioni sono procedurali e poco interessanti. Dà a uno studente di master qualche ora e capirà la tua dimostrazione; ci sono pochissime sorprese. Anche nella formalizzazione dei problemi, è poco interessante.
In definitiva: si finisce con qualcosa di noioso da leggere e relativamente prolisso, con pagine di derivazioni che apportano ben poca intuizione. In questo libro ho deciso che la matematica e gli algoritmi sono scienze ausiliarie della supply chain. Cerco di introdurre i concetti e le idee giuste; poi le persone con il giusto background — in matematica, statistica, algoritmi — saranno in grado di effettuare le derivazioni piuttosto meccanicamente, secondo la giusta prospettiva.
Conor Doherty: Entreremo più in dettaglio sulle teorie, ma un piccolo aneddoto. Voglio riportarti ad aprile dello scorso anno, quando hai iniziato a scrivere il libro — e io tengo appunti meticolosi. Era martedì, aprile 2024. Stavamo chiacchierando; hai accennato che stavi scrivendo un libro. Ricordo di averti chiesto: Qual è il pubblico target di questo libro? Ho scelto due nomi che conosciamo entrambi — amici del canale che sono apparsi qui — e ho detto, “È la persona A o la persona B?” Due profili molto diversi, entrambi nel campo della supply chain. Ti ricordi cosa mi hai detto?
Joannes Vermorel: Non ricordo.
Conor Doherty: Non è messo in scena — in realtà non ricordi. Hai detto, “Potrebbe sorprenderti: nessuno dei due.” Ora, a circa 20 mesi di distanza, hai scritto il libro, è stato pubblicato, è disponibile — qual è il pubblico target?
Joannes Vermorel: Il pubblico target era un po’ egocentrico: me stesso di 20 anni fa. Se avessi avuto questo libro nelle mani prima di iniziare Lokad, tutto sarebbe stato molto più semplice. Mi avrebbe risparmiato un decennio di sofferenze. Questa è una strana caratteristica del software aziendale: anche se il tuo software non funziona, può essere abbastanza redditizio. Non nel senso di miseria finanziaria — i clienti continuano a bussare alla tua porta — ma non è positivo.
Questo mi avrebbe risparmiato, a me e ai team di Lokad, un’enorme quantità di tempo. Ho rimosso intenzionalmente tutta la matematica dal testo principale — ce n’è un po’ nell’allegato — perché mi sono reso conto che non forniva molte intuizioni. Mi sono ispirato a Basic Economics di Thomas Sowell. È scritto in modo splendido. La maggior parte dei libri sull’economia sono piuttosto carichi di matematica, e ho capito, leggendo Basic Economics — l’ho letto a mia figlia; anche tu me l’hai dato — che è un libro eccellente, un’eccellente introduzione. Se si affronta correttamente la questione, non serve alcuna matematica. Le tecnicalità ostacolano la vera comprensione. Se può essere fatto per l’economia, può certamente essere fatto anche per la supply chain. Questo è l’approccio.
Ci sono alcune cose rimandate all’allegato, ma sono chiarificatrici per il pubblico esperto di tecnologia. Altrimenti, il libro è completamente accessibile ai professionisti, indipendentemente dal loro livello di conoscenza matematica.
Conor Doherty: Dal libro — per chi non lo ha ancora letto online, è disponibile gratuitamente; puoi anche ordinarlo su Amazon. Prima di addentrarci nei dettagli, una cosa dall’ultima parte: nella sezione “Looking Onward” proponi un test concreto per il progresso della supply chain — “il tuo software, qualunque esso sia, deve generare decisioni automatiche, verificabili (quindi tracciabili), altrimenti devi fermarti e spiegare il motivo.” È questo, secondo te, l’obiettivo finale del processo decisionale nella supply chain?
Joannes Vermorel: È un punto di partenza — letteralmente. Finché non hai un sistema capace di generare decisioni automatiche con quella che da noi a Lokad definiamo un’assenza totale di follia — quelle decisioni sono almeno accettabili, niente di eccessivo — non sei nemmeno in una posizione per attuare un miglioramento sistematico. Stai affrontando un processo caotico e semi-manuale, tipicamente anche piuttosto burocratico. È impossibile fare benchmark su qualsiasi cosa. Non puoi fare A/B test su nulla. Non puoi dimostrare in modo affidabile che qualunque cambiamento apportato al sistema lo stia migliorando.
Una volta che arrivi al punto in cui generi decisioni automatiche senza follia — anche se non sono ancora molto buone — hai qualcosa su cui puoi fare A/B test. Puoi modificare il sistema ed eseguire una doppia simulazione: opzione A contro opzione B, qual è la migliore? Puoi avere prove, selezionare, iterare. Poi le cose veramente buone possono iniziare ad accadere: puoi ragionare in modo quantitativo e decidere se qualcosa sta migliorando o peggiorando il processo.
Finché sei completamente confuso, hai un mare di opinioni e molte persone diverse. Inoltre, finché hai processi semi-manuali, può verificarsi una regressione solo perché qualcuno di molto esperto va in pensione. La composizione del team cambia; non hai cambiato nient’altro, e puoi avere una regressione. Questo è un grosso problema — enormi fattori di confusione.
Conor Doherty: Ovviamente sono 500 pagine; non copriremo tutto. Nel corso della stagione prenderemo pezzi e frammenti. Storicamente, ci sono critiche generali che muovi alla teoria della supply chain. Una delle più evidenti — ed è una parte importante del libro — è la tua prospettiva sulle previsioni delle serie temporali, che definisci un vicolo cieco tecnologico per le supply chain. Perché?
Joannes Vermorel: Questo fa parte del capitolo sul futuro. Il paradigma in gioco è la visione teleologica del futuro. Stai letteralmente dicendo, “Posso proiettare il futuro e dire che è così,” e, proprio come nel caso di un piano, questa descrizione diventa l’impegno. Questa prospettiva ha origine dalle scienze naturali. È ciò che gli astronomi usano per anticipare il movimento dei pianeti.
Uno dei primi previsori economici del XX secolo, Roger Babson, era un grande ammiratore di Newton. La sua prospettiva — che ha permeato cicli di previsori economici, poi la ricerca operativa, poi la supply chain — era che, con la matematica giusta, presto saremmo stati in grado di prevedere il futuro dell’economia, dei mercati, di tutto, con la stessa precisione del posizionamento dei pianeti. Faceva parte di uno scientismo progressista nella prima metà del XX secolo.
Non ha mai funzionato. E hai molte ragioni per pensare che non funzionerà mai. Non preserva la tua capacità d’azione futura. Tratta il futuro come se fosse già congelato, come se l’azienda non avesse alcuna possibilità di cambiare rotta. È molto strano.
Mi oppongo a un’altra visione — la visione degli imprenditori — la rugged vision, che è molto più opportunistica. Fondamentalmente, questa visione teleologica a piano grandioso, in cui tratti il futuro come una quantità nota e ne orchestrate tutto a partire da ciò, è difettosa. Le serie temporali sono l’incarnazione di questa prospettiva: vedono il futuro come l’esatto speculare del passato. Hai una curva — ad esempio, le temperature a Parigi, un dato al giorno — e proietti la curva nel futuro. Se rimuovo il presente, nulla differenzia il passato dal futuro; è la stessa serie. Se non mi dici dove sia “adesso”, non posso saperlo. È solo una curva che si estende indefinitamente in entrambe le direzioni.
Quella prospettiva delle serie temporali, proveniente dalla scienza naturale, è assurda per il business perché c’è un’asimmetria assoluta: non puoi cambiare il passato; hai agenzia sul futuro. Appena accetti ciò, fino a quando non impegni una risorsa, non hai motivo di trattare il futuro come già deciso.
Conor Doherty: Entri nei dettagli e fornisci termini concreti: la differenza tra un singolo grande acquirente e molti piccoli acquirenti — “molti piccoli cesti contro pochi grandi cesti” — per dimostrare il problema. Dieci persone comprano una cosa contro una persona che ne compra dieci: stessa serie temporale.
Joannes Vermorel: Esattamente. Le serie temporali sono una rappresentazione soggetta a perdita d’informazione. Comprimi le informazioni in un vettore unidimensionale, e perdi dati consequenziali. Immagina di avere 10.000 unità oggi per gli ultimi 10 anni. Qual è la quantità corretta del tuo stock?
Scenario uno: quelle 10.000 unità appartengono a 1.000 clienti distinti; sono molto dispersi; non sono nemmeno gli stessi clienti ogni giorno. Le probabilità di perdere tutti quei clienti molto rapidamente sono basse. Scenario due: quelle 10.000 unità sono state ordinate da un singolo cliente negli ultimi 10 anni. A un certo punto perderai questo cliente — bancarotta, cambio, o altro — e il rischio potenziale è enorme in ogni momento. Non esiste un cliente eterno o un’azienda eterna. Quando ciò accade, il tuo inventario rimanente diventa dead stock da un giorno all’altro senza possibilità di recupero.
Le serie temporali sono identiche, ma il profilo di rischio è estremamente diverso. L’unico modo per scoprirlo è esaminare la composizione dei clienti. Quindi, oltre a perdere agenzia, le serie temporali sono una rappresentazione soggetta a perdita del passato; perdi informazioni critiche.
Conor Doherty: In che modo la perdita di quel rischio influisce negativamente sulle politiche di inventario? Questo è nel capitolo “The Limits of Planning.” Prendendo esattamente quell’esempio, qual è l’esito negativo a breve termine rispetto a un approccio più probabilistico, che hai delineato nel libro?
Joannes Vermorel: Se facciamo un passo indietro riguardo al rischio, la visione teleologica classica — alla base di S&OP — tratta il rischio come assente. La gente non è stupida; sa che il rischio esiste, ma quando si guardano gli strumenti, il rischio è assente. Non c’è nulla di paradigmatico nella gestione del rischio. Sì, in teoria puoi costruire degli scenari, ma è un elemento di seconda categoria — un ripensamento, non in linea con il paradigma.
Il rischio è l’altro lato dell’opportunità. Qualcosa di inaspettato può creare danni; qualcosa di inaspettato può presentare un’opportunità da cogliere. Nella prospettiva teleologica, S&OP l’idea di cercare opportunità sconosciute ed essere nel posto giusto, pronti a sfruttarle, non esiste — proprio come il rischio non esiste.
Gli imprenditori non considerano il futuro come un grandioso piano già noto. Vedono il futuro come sfocato e poco chiaro, ma se ti posizioni correttamente e sei preparato, puoi essere molto fortunato. Penso che Aristotele abbia detto che la fortuna sorride a chi è veramente preparato. È una mentalità diversa e un modo completamente differente di guardare al futuro.
Conor Doherty: Al contrario, proponi quella che chiami la “rugged vision.” In cosa differisce esattamente?
Joannes Vermorel: Invece di pensare di poter conoscere il futuro, abbracci il caos e lo sfrutti a tuo vantaggio. Se consideri S&OP, la gente desidera previsioni il più accurate possibile — in termini tecnici, ridurre la varianza. E se facessi il contrario — esplodessi la varianza?
Nell’industria dell’intrattenimento si vogliono mega successi. Non sei interessato a una bassa varianza, perché la maggior parte dei tentativi sono fallimenti: si tratta di colpo o mancanza. Ridurre la varianza porterebbe alla mediocrità. Vuoi fare in modo che, quando hai un successo, sia assolutamente massiccio.
La rugged vision è un’interpretazione diversa dell’incertezza e della variabilità. Le vede come una risorsa da sfruttare, non come un difetto. La prospettiva teleologica considera il futuro come qualcosa da chiarire, definire, immobilizzare — la tua previsione e il tuo impegno — e ottimizzare significa raggiungere la conformità in modo efficiente rispetto al piano.
Con la rugged vision, si tratta di sfruttare l’incertezza e la variabilità. Assicurati che, quando emergono opportunità, tu abbia il vantaggio del first-mover perché ti muovi così velocemente da acquisirle in modo profittevole. Se commetti errori, il costo è limitato. Va bene se la maggior parte delle scommesse fallisce, purché il costo sia contenuto; quando vinci, vinci alla grande.
Ciò crea una prospettiva diversa su cosa significhi pianificare e prepararsi. Abbracci l’incertezza e la variabilità. Lo stesso vale per i tuoi concorrenti. Invece di dire, “sarò più accurato”, dici, “sarò più reattivo, agile, profittevole e opportunistico.” Riconosci che le mosse opportunistiche fanno parte del piano, e ti è congeniale non sapere esattamente dove stai andando. Vuoi essere in grado di rispondere in modo profittevole a qualsiasi situazione senza dover sapere esattamente di cosa si tratti.
Dalla prospettiva rugged, il futuro è radicalmente incerto — radicalmente diverso dal passato. Consideri le tue risorse come qualcosa in cui vuoi preservare la tua agenzia e le opportunità. Una bella opportunità si presenta, ma potresti lasciartela sfuggire perché pensi che ne arrivi una molto più grande. Non vuoi esaurirti.
Ad esempio, con le mosse tariffarie dell’amministrazione Trump, alcune aziende hanno previsto distorsioni e hanno accumulato molto inventario prima della tariffa, così da poter vendere al vecchio prezzo. La rugged vision direbbe: assolutamente no. Ora che esiste questa tariffa, nessuno può più portare merci allo stesso prezzo. Non hai motivo di liquidare. Sì, i concorrenti liquidano a basso costo; se non è deperibile, va bene così. Puoi tenere l’inventario per alcuni mesi e poi vendere a un prezzo molto più alto con un margine molto buono.
Inoltre, la tua agenzia è determinata dai prezzi. Questo aspetto è molto assente in S&OP e nella visione teleologica; l’idea di poter giocare con i prezzi come parte del tuo piano è estremamente assente.
Conor Doherty: Una grande parte della prospettiva economica è quella finanziariamente aggiustata o guidata dal ROI. Nel libro introduci obiettivi denominati in coin — misuri tutto in “coins.” In cosa questo differisce dalla prospettiva storica di pensare al ROI? È solo più onnicomprensiva?
Joannes Vermorel: Prima di tutto, in gran parte della letteratura accademica — matematica applicata con un tema economico — si dice nominalmente, “Ottimizziamo questa funzione obiettivo,” supponendo in dollari. Ma quella non è una vera prospettiva economica; è matematica applicata che indossa un cappello economico. Qui riconosciamo che la modellazione economica è la vera sfida difficile, non il calcolo tecnico che ne deriva.
La matematica applicata dice, “Dammi la tua funzione economica, e farò un sacco di cose con le formule, derivando, costruendo teoremi.” Va bene. Ma se prendo questa prospettiva, sì, la mia funzione obiettivo dovrebbe essere in dollari; in pratica, a nessuno importa davvero. Di conseguenza, quando si osservano da vicino molti articoli sulla supply chain, ciò che viene ottimizzato non è nemmeno espresso in termini economici. Molto spesso si tratta di livelli di servizio o di tonnellate di obiettivi non economici. Questo riflette la prospettiva fondamentalmente della matematica applicata: ciò che conta è avere una funzione da ottimizzare; la natura della funzione è in gran parte irrilevante.
Conor Doherty: Per essere più pratici: istituire la tua visione — la rugged vision — ha richiesto almeno due ruoli, non solo una filosofia. Introduci i ruoli di Flow Manager e Scientist e l’importanza di tale accoppiamento.
Joannes Vermorel: Questo viene dopo nel libro; è un dettaglio. Finché, in termini di paradigma, guardi al futuro nel modo sbagliato, sei bloccato. Nulla può accadere; quelle cose non sono nemmeno concepibili. Il modo in cui organizzi i ruoli è una formalità. Lo descrivo per chiarezza, ma è di importanza secondaria. Se non riesci nemmeno a concepire qualcosa, non puoi farla, non importa come scomponi il lavoro o quali strumenti hai a disposizione.
Quando menzioniamo la parola “planning”, è quasi impossibile pensare a un’alternativa che non sia il planning praticato, nonostante il Gosplan nell’URSS. È strano perché l’URSS è stata un fallimento, eppure le grandi aziende stanno letteralmente imitando ciò che è fallito per 70 anni nel Gosplan — il grand planning institute che pilotava centralmente l’intera economia.
Il Gosplan ha operato dal 1925 al 1991. Ha prodotto piani per quegli anni; nessuno di quei piani è mai stato realizzabile. Quando discuto con le grandi aziende, questa è l’impressione che ho da quasi due decenni: grandiosi piani che non funzionano — e concettualmente non possono funzionare. La gente pensa, “Se smettiamo di fare questo, smettiamo anche di pensare al futuro,” il che non è accettabile. Dobbiamo pensare al futuro, ma non possiamo sostituire un cattivo planning con l’assenza di planning. Hai bisogno di un’alternativa. Dimentica i ruoli: finché non sai pensare correttamente — la rugged vision come alternativa alla teleologia — qualsiasi soluzione è impensabile e quindi impossibile da attuare.
Conor Doherty: Ci sono alcune domande dal pubblico a cui voglio rispondere, ma prima di farlo — oltre a leggere il libro — supponi che qualcuno lo abbia letto e sia davvero entusiasta. Quali sono i prossimi passi per istituire la rugged vision che hai descritto?
Joannes Vermorel: Contattaci. Ma penso che queste cose verranno in modo naturale. Questo libro è un’introduzione, ma spero che molte cose diventino evidenti quando si ha la giusta prospettiva. Ecco perché non sono entrato nei dettagli matematici. Quando sai come affrontare un problema, la sua risoluzione diventa procedurale, tecnica — uno sforzo quasi banale.
A scuola, impariamo: ecco un problema; individua una soluzione; vieni valutato sulla tua risposta. Nel mondo reale, la cosa più difficile è identificare la giusta formulazione del problema. Una volta che riesci a pensare chiaramente al tuo problema, la sua risoluzione è quasi scontata. In futuro, non mi sorprenderebbe se, una volta che pensi chiaramente al tuo problema, lo affidassi a un LLM e questi facesse il ragionamento procedurale per darti la soluzione. Il compito intellettualmente più impegnativo è trovare il problema giusto da risolvere.
Joannes Vermorel: Con questa introduzione, il lettore può abbandonare una prospettiva molto diversa su come considerare la sua azienda, la sua supply chain, e il tipo di soluzioni che sono ammissibili. Appena ti rendi conto che molte tecniche nella supply chain sono non economiche — safety stocks, per esempio — non ti sorprenderà non ottenere un ritorno sugli investimenti. I safety stocks non ottimizzano il tasso di rendimento. Non sorprenderti.
Leggendo il libro, le persone saranno in grado di dire, “Questa linea di pensiero non è nemmeno nel giusto paradigma.” È un vicolo cieco; non genererà ritorni perché non operi nel territorio corretto. Una volta che ci sarai, tornerai a questo principio in Lokad: è meglio essere approssimativamente corretti che esattamente sbagliati. Con il pensiero corretto e un foglio Excel, puoi andare molto lontano — invece di perderti con una visione sbagliata del problema.
Conor Doherty: Fondamentalmente, è una mentalità che stai promuovendo.
Joannes Vermorel: Sì. Per esempio, potrebbe il pubblico definire, in una frase, cos’è realmente l’economia? Fu definita chiaramente più di un secolo fa da Lionel Robbins, un economista britannico. Quando chiedi alla gente, di solito non hanno la minima idea. Io offro una definizione concisa per la supply chain, ma la definizione concisa per l’economia è: “lo studio delle risorse scarse che hanno usi alternativi.” Una volta comprese le parole in questa definizione stringata, capisci di cosa tratta l’economia.
A proposito, ciò che passa nei media per economia non è economia. È ideologia politica, o è storia economica — “la disoccupazione in Francia sta aumentando o diminuendo,” ecc. Questo è descrittivo; non è economia. La storia economica richiede una teoria economica per avere senso. L’economia ti fornisce quella teoria; sono questioni separate.
Conor Doherty: Grazie, Joannes. Passerò alle domande del pubblico. Come puoi vedere sul banner sullo schermo, sentitevi liberi di inviarle privatamente; alcuni commenti qui sono messaggi diretti, ma ci sono anche domande pubbliche. Questa è di Manuel: “Questo è il tuo secondo libro. Ho il primo. Quali sono le grandi differenze tra i due, o le grandi differenze funzionali?”
Joannes Vermorel: La mancanza di codice matematico è una differenza enorme. Questo è molto migliore. Il precedente era davvero affrettato; è stato fatto in tre mesi. Le prime 100 pagine sono accettabili; quelle che seguono sono obsolete — completamente superate.
Il libro precedente era “Ecco la ricetta di Lokad”, che abbiamo chiamato la Quantitative Supply Chain. All’epoca, non ero del tutto sicuro di ciò che stavo proponendo. Ero in completo disaccordo con la teoria mainstream della supply chain, quindi ho detto, “Farò qualcosa di diverso e la chiamerò Quantitative Supply Chain.” Ma l’evoluzione con questo libro è: ciò che passa per teoria della supply chain in letteratura è semplicemente sbagliato. Il Capitolo 3 chiarisce questo per via di questioni epistemiche: dove si colloca la supply chain — matematica applicata, sociologia o economia applicata? Sostengo che l’economia applicata sia la strada giusta.
Quindi, ho un’altra teoria, oppure dico, “Questo è il mio miglior tentativo della teoria della supply chain più corretta,” un sostituto per ciò che è venuto prima? Il libro precedente è stato presentato come una ricetta di cose che funzionano in Lokad. Interessante è che quel libro precedente è ora essenzialmente un singolo capitolo nel nuovo libro — il capitolo chiamato “Deployment.” Copre una versione migliore, più matura, di ciò che avevo descritto in precedenza. Il libro precedente è un capitolo su undici.
Mi sono reso conto che c’era molto di più sotto le fondamenta: come si percepisce la supply chain come conoscenza—epistemologia; economia—che ho trascurato nel libro precedente. Vogliamo la redditività, ma poi bisogna tornare alle radici economiche: cosa porta la scienza economica alla supply chain? La risposta breve è: parecchio. Una volta che affronti le cose sotto il chiaro stendardo dell’economia—cosa che non avevo fatto prima—si chiariscono un sacco di cose.
C’erano molte altre cose che dava per scontate nelle mie lezioni. Mi sono reso conto che dovevo entrare nei dettagli, come la moderna teoria dell’informazione—la teoria di Shannon—che ha una grande rilevanza per la supply chain e per il modo in cui si ragiona sulle decisioni “informed”. Poi bisogna pensare al panorama applicativo: il software è estremamente importante, e le supply chain sono completamente digitalizzate. Chiarisco il panorama dei software, come pensarci, e come la tua ottimizzazione debba essere un’integrazione sopra di esso.
Poi il futuro: visione teleologica contro quella robusta. Quel capitolo è nato dalla frustrazione; ho ricevuto centinaia di chiamate cercando di spiegare il forecasting probabilistico. Dire “forecast probabilistico” era l’approccio sbagliato. È la risposta tecnica corretta, ma per comprendere la visione giusta—indipendente dalla matematica—serve la lente teleologica contro quella robusta. Questo dà le ragioni sottostanti per cui lo strumento è desiderabile.
Lo stesso vale per le decisioni “informed” e l’intelligenza. Che cos’è l’intelligenza? Con gli sviluppi recenti nel machine learning, possiamo pensare in modo più intelligente all’intelligenza. Ciò necessitava di un approfondimento. Lo stesso vale per le decisioni: se la supply chain è un pezzo di economia, ogni decisione deve essere affrontata come un’allocazione di risorse scarse che hanno usi alternativi. Devi riflettere nella tua azienda: quali sono gli usi alternativi per ogni risorsa? Questo chiarisce molto. C’è un intero capitolo dedicato al decision-making per questa ragione, e ne parleremo in un episodio successivo.
Conor Doherty: La prossima domanda viene da Vivek—grazie per aver lanciato il libro; sono sicuro che questo aggiungerà una prospettiva diversa da tutto il materiale sulla supply chain che abbiamo a disposizione. “Ci sono alcuni casi d’uso di problemi reali della supply chain trattati nel tuo nuovo libro?”
Joannes Vermorel: C’è una parte in cui descrivo cosa penso dei case study—e del fatto che non funzionano. Ma i casi d’uso sono ovunque. Ogni volta che hai un’allocazione di risorse che possono avere usi alternativi, è un caso d’uso.
Ogni volta che spendi un dollaro per comprare qualcosa, avresti potuto usare quel dollaro per qualcos’altro—allocazione di risorse. Se hai materie prime che possono essere usate per produrre diversi prodotti e decidi di consumarle per avviare un lotto—è un’allocazione. Se decidi che i prodotti finiti vadano in questo posto, non possono essere messi in quell’altro posto—allocazione. E così via. I casi d’uso sono estremamente banali.
La letteratura sulla supply chain spesso sbaglia perché non ha un’idea chiara di cosa sia la supply chain e di cosa consista una decisione sulla supply chain. Chiarire che si tratta di un’allocazione di risorse con usi alternativi rende ovvi i casi d’uso: hai il flusso, le risorse, usi alternativi. Ogni volta che scegli tra alternative, è una decisione sulla supply chain che deve essere ottimizzata. Per sapere il ritorno sull’investimento che puoi aspettarti, fai un calcolo approssimativo.
A causa di fondamenta superficiali, finisci per avere cose poco chiare—come i “supply chain digital twins”. Di cosa si tratta realmente? Cosa stai cercando esattamente di risolvere? Un mezzo per raggiungere quale fine? Molte offerte—consulenti, venditori, professori—non offrono una definizione chiara e non collocano la supply chain come un ramo dell’economia. Finisci per avere domande come “casi d’uso” che sono difficili da rispondere perché le fondamenta sono superficiali.
Questo libro è anche un tentativo di affrontare una frustrazione di vecchia data. Implicitamente, Lokad ha considerato per un decennio le decisioni sulla supply chain come allocazioni di risorse con usi alternativi. Ma non lo stavamo inquadrando in questo modo, e ci siamo persi nel cercare di spiegare perché il forecast probabilistico è il migliore. È molto rilevante—ma è una formalità tecnica. Lo stesso vale per l’ottimizzazione stocastica—molto utile, ma una formalità tecnica che diventa interessante solo una volta compreso il giusto paradigma.
Conor Doherty: La prossima domanda viene da Nick Green—questa è dal nostro stream su YouTube (trasmettiamo in contemporanea su LinkedIn e YouTube). La leggerò letteralmente: “Grazie per aver reso l’ebook gratuito. In Sud-est Asiatico, ottenere libri da Amazon non è facile. Non vedo l’ora di leggere. Nel libro, discuti il ruolo degli incentivi nella supply chain?”
Joannes Vermorel: Oh sì—assolutamente. Gli incentivi contano. Ci sono incentivi antagonisti ovunque. La tradizionale letteratura sulla supply chain in gran parte ignora gli incentivi e si comporta come idioti savi—estremamente ingenui riguardo agli incentivi.
Nel libro dettaglio gli incentivi di dipendenti, consulenti, software vendors, e del mondo accademico, e come interagiscono con il tuo tentativo di fare ciò che è meglio per l’interesse a lungo termine dell’azienda. Se non affronti esplicitamente questo come un problema antagonista, non funzionerà. Stai trattando con persone che hanno autonomia; il modo in cui agiscono non è allineato con l’interesse dell’azienda. Molte situazioni sono rotte per design; devi riconoscerle per quello che sono.
Importante, con i conflitti di interesse, non puoi fare affidamento sul giudizio di persone in conflitto. Non puoi dire, “Lo so, ho un conflitto, ma fidati, sono onesto.” Non è così che si affrontano i conflitti. Quando qualcuno ha un conflitto di interesse, quella persona dovrebbe essere esclusa dal processo che genera la decisione. La scienza medica l’ha scoperto decenni fa. Se non lo fai, non funzionerà.
Sto anche descrivendo i conflitti di interesse che hanno i software vendors enterprise—che include noi. Cerco di fare il massimo, ma ho un conflitto. Se le persone vogliono segnalare cose che potrei aver omesso, postate commenti. Sono stato accurato riguardo alle marachelle dei software vendors enterprise—è qualcosa che conosco da vicino—ma un feedback sarebbe fantastico.
Conor Doherty: Non ci sono altre domande. Pensiero finale: se le persone leggessero una sola sezione del libro, cosa suggeriresti? Ovviamente vuoi che leggano tutto e che lo comprino—but qual è l’unico insegnamento da portare a casa oggi? Hai parlato di intelligenza; hai esaminato i sistemi di record; ci sono così tante cose. Una sezione?
Joannes Vermorel: Leggete il Capitolo 3, “Epistemology.” È la base di ciò che conta come conoscenza della supply chain. Se arrivate alla fine di questo capitolo, probabilmente realizzerete che il 99% di ciò che avete letto nella vostra vita, una volta compreso questo approccio epistemico, non conta come parte del corpo di conoscenza rilevante per la supply chain. È strano, ma questo spiega il “perché” della mia miseria per il primo decennio a Lokad: stavo fondamentalmente cercando di utilizzare teorie sbagliate—come cercare di ottenere risultati usando l’alchimia invece della chimica. Non funzionerà. State usando qualcosa che sembra scienza—l’alchimia un tempo era molto seria. Sir Isaac Newton—tanto popolare tra voi—trascorse metà della sua vita facendo ricerche in alchimia e l’altra metà studiando il movimento dei corpi celesti. Pubblicò due libri di pari dimensioni: uno sulla meccanica celeste e l’altro sull’alchimia.
Non è che Isaac Newton fosse uno sciocco; è solo che individuare il paradigma corretto è difficile. Se sbagli, puoi avere qualcosa che sembra scienza. Non presumere di poter automaticamente individuare ciò che dovrebbe essere considerato conoscenza valida nella supply chain. Nel Capitolo 3 cerco di fornire ai lettori strumenti intellettuali per distinguere ciò che qualifica come conoscenza valida o meno. Anche se ignorate il resto del libro, avere questo strumento sarà estremamente utile, perché vi darà un modo per separare ciò che è potenzialmente conoscenza corretta da ciò che è garantito irrilevante.
Conor Doherty: Va bene. Sono convinto. Non ho altre domande. Vi ringrazio moltissimo per il vostro tempo e per le vostre risposte. E a tutti gli altri, grazie per essere stati presenti. Grazie per le vostre domande—numerosi commenti privati. Come ho detto più volte, alcune persone sono più a loro agio a commentare pubblicamente; altre preferiscono inviarmi messaggi privati. Tutto ciò che mi viene inviato, lo pongo a Joannes alla lettera, o almeno così come mi è stato comunicato. Con questo, assicuratevi di connettervi con me su LinkedIn, e ci vediamo la prossima settimana per un altro episodio live di Breakdown. E con questo—tornate a lavorare. Date un’occhiata a questo.
