00:00:00 Introduzione alla supply chain del petrolio e gas
00:05:02 Alti rischi e logistica offshore
00:08:20 Impatto finanziario dei tempi di inattività della supply chain
00:13:54 Complessità e automazione nelle supply chain
00:16:15 L’incomprensione incide sulla pianificazione
00:18:39 L’inventario influisce sull’operatività
00:20:33 Il prezzo del petrolio incide sulla redditività
00:23:00 Inventario corretto per un’operatività efficiente
00:25:10 Ottimizzazione oltre i fogli di calcolo
00:28:58 I limiti decisionali degli ERP
00:31:10 Excel come strumento decisionale
00:33:15 L’importanza dei sistemi di record
00:37:00 Una correttezza approssimata nelle decisioni
00:38:10 Focus decisionale sotto le tariffe
00:40:30 Le ricette numeriche migliorano il focus
00:43:37 Le distrazioni dalle sfide ingegneristiche
00:46:10 La grande scala riduce l’agilità
00:51:30 Velocità e promozione delle ricette numeriche
00:53:00 Il ruolo della determinazione dei prezzi nella supply chain
00:57:19 Il petrolio come fondamento della civiltà
00:59:00 IA e automazione clericale
Sommario
In un dialogo riflessivo, Conor Doherty e Joannes Vermorel approfondiscono le supply chain challenges nell’industria del petrolio e gas, paragonandole alla gestione di una città in miniatura piuttosto che di imprese lineari. Vermorel critica i metodi convenzionali, incentrati sulla criticità, sostenendo l’automazione e modelli numerici per migliorare l’efficienza. Egli analizza l’impatto finanziario degli eventi a coda lunga, sottolineando pratiche di inventario semplificate rispetto all’accumulo. Vermorel evidenzia l’inadeguatezza di sistemi come gli ERPs nel decision-making, promuovendo sistemi di intelligence per navigare le future incertezze. La conversazione sottolinea il carattere conservatore del settore, in cui agilità e ottimizzazione digitale sono fondamentali per far progredire le strategie di supply chain.
Sommario Esteso
In un dialogo stimolante, Conor Doherty, Direttore della Comunicazione di Lokad e conduttore del canale YouTube LokadTV, si confronta con Joannes Vermorel, CEO e Fondatore di Lokad, per interrogare le complesse sfide della supply chain affrontate dall’industria del petrolio e gas. La loro conversazione rappresenta un esame meticoloso di come queste complessità si manifestino nelle varie fasi operative — upstream, midstream e downstream.
Doherty introduce la discussione inquadrando il settore del petrolio e gas come la base su cui poggiano le supply chain globali, evidenziandone l’influenza profonda su un’ampia gamma di settori — dai beni di consumo ai materiali industriali. Vermorel rafforza questo concetto, sottolineando la complessità della supply chain, paragonabile a quella dei settori aerospaziale e del retail. Contrariamente alle supposizioni di semplicità, gestire una piattaforma petrolifera somiglia all’organizzazione di una città in miniatura, ricca di migliaia di SKUs, ciascuna essenziale per mantenere operazioni senza interruzioni. Tuttavia, la vera sfida non risiede tanto nella gestione della stabilità del prodotto quanto nel sostenere le esigenze future della supply chain in un contesto di vincoli economici.
Vermorel offre intuizioni acute sulle poste economiche legate ai tempi di inattività, dove anche siti minori comportano costi esorbitanti quotidianamente, aggravati dalle difficoltà logistiche delle piattaforme offshore remote. Prendendo spunto dal quadro concettuale di Doherty relativo a complicazione, complessità e criticità, Vermorel critica le pratiche di gestione tradizionali che si concentrano esclusivamente sulla criticità, impiegando spesso metodi come l’ABC analysis. Egli sostiene la preferenza di Lokad per l’automazione e modelli numerici rispetto a queste tecniche antiquate, affermando che l’efficienza può essere raggiunta senza ricorrere a grandi team di pianificatori.
La conversazione si sposta sull’affrontare eventi a bassa probabilità, o eventi a coda lunga, che, nonostante la loro rarità, infliggono gravi impatti finanziari alle operazioni. Vermorel identifica una discrepanza tra le probabilità percepite e quelle reali nelle operazioni della supply chain, avvertendo che i service levels potrebbero vacillare senza una comprensione accurata delle dipendenze. Mentre l’ortodossia sostiene grandi inventari come ammortizzatori contro i rischi, Vermorel promuove pratiche di inventario snello focalizzate sull’operatività anziché sul mero volume, denunciando l’inefficienza e la controproduttività dell’eccessivo accumulo.
Riflettendo sugli approcci finanziari dell’industria, Doherty si chiede se il massimo ROI sia realmente perseguito per ogni dollaro investito, mettendo in discussione la logica che giustifica il ricorso ai fogli di calcolo manuali in un’epoca che richiede ottimizzazione tramite ricette numeriche. Vermorel condivide questo scetticismo, riconoscendo le inefficienze generate dai fogli di calcolo anche nelle grandi aziende e sottolineando la necessità di sistemi di intelligence avanzati, anziché semplici sistemi di record.
Vermorel classifica i sistemi di record come gli ERPs e i WMS come registri avanzati, abili nel tracciamento dei dati ma carenti nell’automazione decisionale, spingendo spesso gli utenti a tornare ai fogli di calcolo a causa della loro inadeguatezza. Nonostante le promesse di previsione della domanda e ottimizzazione degli inventari, questi sistemi spesso falliscono, rivelando la necessità di sistemi dedicati al decision-making — sistemi di intelligence focalizzati esclusivamente sull’affrontare le incertezze e facilitare decisioni complesse.
Il duo delinea la dicotomia tra i sistemi progettati per una perfetta memoria delle transazioni passate e quelli sistematizzati per affrontare le incertezze future in condizioni reali. I sistemi di intelligence sono celebrati per la loro capacità di gestire calcoli complessi oltre la semplice manutenzione dei record, pronti a elevare il processo decisionale relativo alle strategie di inventario e di pricing.
Doherty mette in luce il carattere conservatore dell’industria del petrolio e gas, dove le aziende accumulano scorte per coprire i rischi finanziari, pur evitandone software specifici per mitigarli. Vermorel si chiede se la competenza ingegneristica del settore non oscuri involontariamente l’ottimizzazione della supply chain, suggerendo una rigidità intrinseca rispetto a settori più agili, nonostante gli sforzi di digitalizzazione.
L’agilità, rappresentata da software reattivi capaci di adattarsi a cambiamenti imprevisti, sfida le metodologie tradizionali come il FIFO, aprendo la strada verso strategie di supply chain più dinamiche. Vermorel riconosce la diffusione dell’automazione dei trader, in particolare nei segmenti midstream e downstream, pur documentando la complessità fisica a livello upstream, dove i sistemi di intelligence restano palesemente sottoutilizzati.
Il passaggio a un cambiamento sistematico comporta la fusione delle strategie manuali esistenti con le soluzioni software emergenti — un concetto che Vermorel sintetizza attraverso l’approccio dual run di Lokad. Questa metodologia consente ai professionisti di mettere a confronto le ricette numeriche con i fogli di calcolo, promuovendo la collaborazione con gli scienziati per perfezionare e scalare gli sforzi di ottimizzazione, valorizzando al contempo l’expertise dei professionisti per ottenere il massimo ROI.
Il dialogo si conclude con Vermorel che esalta il significato duraturo del petrolio e gas nella società industriale, proiettando avanzamenti profondi mentre l’IA inaugura una nuova era per l’automazione degli uffici. Doherty ricambia i sentimenti di attesa per le trasformazioni future, concludendo una sessione che non solo analizza le complessità del supply chain management, ma serve anche da testimonianza per imprese collaborative alla ricerca dell’innovazione.
Trascrizione Completa
Conor Doherty: Bentornati a Lokad. Come settore, il petrolio e gas presenta numerosi ostacoli unici nella gestione della supply chain. Oggi, insieme a Joannes, discuteremo di queste sfide nelle operazioni upstream, midstream e downstream, esaminando i metodi che riteniamo funzionino e, soprattutto, quelli che non funzionano. E mentre siete qui, non dimenticate di iscrivervi a LokadTV e di seguirci su LinkedIn. Con questo, vi presento la conversazione di oggi sul petrolio e gas con Joannes Vermorel.
So prima di tutto, Joannes, grazie per essere nuovamente con me. Prima domanda, penso che metta davvero in prospettiva il contesto o, meglio, dia un’idea di come siamo arrivati fin qui. Quando le persone sentono dire che Lokad è coinvolta nell’industria del petrolio e gas, rimangono un po’ sorprese, perché la maggior parte delle volte, parlando di ottimizzazione della supply chain, si pensa a supermercati, retail e simili. Così, proprio come in una discussione precedente sull’aerospazio, e quando ti ho chiesto come esattamente Lokad si sia inoltrata nell’aerospazio, cosa ti ha attirato inizialmente del petrolio e gas?
Joannes Vermorel: Voglio dire, il petrolio e gas è, direi, l’origine praticamente di tutte le supply chain che conosciamo. Tutto ha inizio da lì. Non credo esista quasi alcun prodotto di un certo grado di sofisticazione che non dipenda in modo critico dal petrolio e gas. Ad esempio, questa penna probabilmente contiene mezza dozzina di composti derivati dal petrolio. Questo microfono, la schiuma qui, questo laptop, praticamente tutto, anche questo tavolo con la vernice, la botte di petrolio laggiù. E poi l’energia: il mondo funziona per lo più grazie al petrolio e gas. Le energie alternative che abbiamo, l’unica che potrebbe anche solo incidere, direi, in termini di fornitura grezza di energia di cui abbiamo bisogno è quella nucleare. Il resto è, al massimo, solo un’impronta.
Nel corso degli anni, sì, noi di Lokad abbiamo iniziato con le cose più visibili, come i negozi, e poi passando al fornitore, al fornitore, e ancora al fornitore, e un giorno finisci per occuparti, come facciamo ora, anche delle aziende petrolifere e del gas che si concentrano sulle varie fasi, perché quando si parla di petrolio e gas, il settore verticale è assolutamente enorme.
Conor Doherty: Ecco il punto, perché proprio hai detto che il petrolio e gas è assolutamente enorme. Tuttavia, so anche che fuori campo hai detto prima che, in termini di complicazione, e non voglio insinuarti nulla, ma in termini di complessità non è molto più difficile dell’aerospazio o del retail. Potresti approfondire un po'?
Joannes Vermorel: Direi, sì, in termini di complicazione, se vogliamo essere precisi. Esatto. Il fatto interessante è che la complessità è alle stelle a causa della pura scala. Quindi, perché abbiamo tanta complessità? Beh, se vuoi gestire una piattaforma petrolifera, è come una mini città, e richiede tutto ciò che ti aspetteresti da una città di medie dimensioni, ovvero letteralmente decine di migliaia di SKUs di roba, da semplici guanti a motori per aerei. Hanno, direi, motori per produrre energia in loco. Avrebbero turbine che usano occasionalmente quando desiderano avere una fornitura massiva o locale di elettricità, ecc.
Hai di tutto, da cose molto piccole a cose molto grandi, e tutto questo è in qualche modo necessario se vuoi mantenere le operazioni. Ciò vale sia per gli impianti onshore che offshore, lo stesso per gli FPSO, che sono piattaforme non permanenti per l’estrazione di petrolio e gas. Quindi, la complessità è alle stelle. La complicazione, direi, è molto inferiore. Ecco la distinzione.
Sì, la scala è enorme. Sì, la diversità è enorme. Ma in termini di complicazione, direi che i prodotti sono relativamente stabili. Sì, è un settore che si è evoluto, ma diciamo che ciò che devi fornire e avere disponibile non è moda veloce. Non è come se ogni trimestre avessi un catalogo completamente nuovo e via dicendo. È ancora molto stabile.
E poi non è come, ad esempio, l’aviation in cui esistono cicli di supply chain dove tutto è riparabile e quindi c’è una complicazione assurda con le parti attualmente in volo, quelle a terra e un costante scambio tra le parti che vengono riparate e rimesse sull’aereo. Qui, direi, sebbene esistano riparazioni per macchinari costosi, prevale comunque una supply chain orientata al futuro. Hanno bisogno di tonnellate di equipaggiamento consumabile, consumano, e per essere davvero sicuri di non avere tempi di inattività, devono mantenere una fornitura costante di un’enorme quantità di cose.
Quindi sì, in termini di complicazioni rispetto alla scala, non è molto complicato, ma è ovviamente estremamente complesso.
Conor Doherty: Bene, per capire meglio la differenza tra complicazione e complessità, come influisce il costo nella complessità? Perché, se parliamo di parti, hai fatto l’esempio in cui le parti sono stabili nel senso che, al peggiore, queste sono le parti di cui avrò bisogno per riparare qualcosa. Sono note. La BOM è nota. La quantità di cui potresti aver bisogno o quando ne avrai bisogno potresti non saperlo, ma sai che a un certo punto ti serviranno queste parti per questo scopo. Tuttavia, il costo di non avere quelle parti è piuttosto diverso se, ad esempio, lavori in un impianto di riparazione sulla terraferma e in uno 200 chilometri al largo su una piattaforma offshore. Quindi, è questa la complessità, come si inserisce in un’altra dimensione?
Joannes Vermorel: Le complicazioni consistono nel fatto che possa essere un rompicapo matematico stretto, talmente difficile da coglierlo. Direi di no, non lo è. La complessità riguarda semplicemente il gran numero di elementi, il fatto che ci siano innumerevoli SKUs, numerose parti, tanti siti, praticamente di tutto. Fondamentalmente è semplicemente sempre di più, sempre di più, sempre di più. Non si tratta di aggiungere complicazioni.
Ed eccoci qui a parlare di un’altra dimensione, in cui le poste in gioco sono estremamente alte. E direi che questa rappresenta una terza dimensione. La definirei criticità. Quindi, la criticità è altissima. Ma per quanto riguarda un fornitore di supply chain, un fornitore di ottimizzazione della supply chain come Lokad, se mi dici che il downtime costa $1 l’ora o un milione di dollari l’ora, questo è solo un parametro. È ovviamente molto diverso per l’azienda, ma non cambia né la complessità né le complicazioni.
È solo che le poste in gioco, perché poi inizi a pensare in termini di dollari, sono molto più alte. Ma fondamentalmente, questa è un’altra questione completamente ortogonale, che è anche, in effetti, molto, molto importante nel settore del petrolio e del gas, in quanto le poste in gioco sono alle stelle.
Quando si ha downtime anche per un sito abbastanza piccolo, stiamo parlando di qualcosa che estrae petrolio dal sottosuolo, esattamente. È il downtime: stiamo parlando di qualcosa che costa $1 milione al giorno, sai.
Conor Doherty: Alcune fonti come punto di partenza. Voglio dire, quell’intervallo è abbastanza alto. E ancora, vale davvero la pena analizzarlo un po’, perché prima abbiamo parlato di aerospazio, e so che nei settori dell’automotive e dell’aerospazio il costo del downtime per un’ora è analogo. So che in automotive può essere circa $2 milioni l’ora; in aerospazio non c’è motivo di pensare che sia diverso, data la complessità. Ma di nuovo, quei casi si verificano tipicamente a terra.
Quando si inizia a parlare di una piattaforma offshore, bisogna considerare anche — non si tratta solo di comprare le parti all’ultimo secondo. Si parla anche di: ok, ho bisogno subito di una barca o di un elicottero per trasportare quelle cose. E non è solo che all’ultimo momento mi serve l’elicottero, mi serve un pilota o un capitano. Quindi, di nuovo, mi serve una persona con un insieme di competenze molto uniche, disponibile quando ne ho bisogno, essenzialmente a prezzo da crisi. Stai pagando alle stelle, perché ogni secondo in cui non estrai petrolio dal sottosuolo stai perdendo il valore del petrolio.
Quindi, di nuovo, quando parli delle poste in gioco finanziarie, intendo dire che c’è il primo ordine, il secondo, il terzo, il quarto: è enorme.
Joannes Vermorel: Sì, le poste in gioco sono estremamente alte. Ma ancora, per noi, sai, dalla prospettiva dell’ottimizzazione della supply chain, il fatto che tu mi dica che il piano A consiste nel procurarsi le parti tramite una barca e una spedizione a basso costo, che impiegherà il tempo necessario; il piano B è avere un elicottero di emergenza che arriva sulla tua piattaforma offshore, e il fatto che il piano B ti costi 100 volte di più del piano A, è di nuovo una questione di impostazioni della modellizzazione economica.
Fondamentalmente non è molto diverso da un approccio basato su un setup di multisourcing, in cui hai un fornitore nel tuo paese che è leggermente costoso e un fornitore oltremare, più distante, che è più economico. Fondamentalmente, per Lokad, il multisourcing, dal nostro punto di vista, non è una sfida molto complicata.
Ma sì, le poste in gioco. Ciò che rende veramente specifico il settore del petrolio e del gas è che le poste in gioco, la criticità, sono alle stelle, e in termini di dollari hai molto frequentemente due zeri o talvolta tre in più rispetto alla maggior parte delle altre industrie, semplicemente perché è così massiccio.
Conor Doherty: Beh, mi piace davvero la categorizzazione qui. Ho appena annotato fondamentalmente tre C: la complicazione, la complessità e la criticità. Queste sono di nuovo le tre dimensioni che hai appena descritto per come Lokad vede, o tu e Lokad e i nostri supply chain scientists vedete il problema.
Joannes Vermorel: Sì.
Conor Doherty: Per favore, contrasta ciò con la tua visione di quello che rappresenta l’approccio tradizionale in termini di gestione della supply chain nel settore del petrolio e del gas. Voglio dire, pensano a questo a quel livello di granularità e dimensionalità?
Joannes Vermorel: Voglio dire, quando ci pensi, quando utilizzi un metodo classico come l’analisi ABC, stai dicendo che stai segmentando tutto in base alla criticità. Stai dicendo: ok, qualunque cosa sia la mia A — sai, gli articoli più critici — avrò, diciamo, un pianificatore della domanda ogni 100 articoli, così che una persona si occuperà di 100 SKU, perché questi sono super critici e voglio che questa persona possa monitorarli da vicino quotidianamente.
E poi per le B direi, oh, magari ne avrò mille. Quindi una persona per mille articoli, volume inferiore, poste in gioco inferiori. E poi per le C, sto solo inventando quei numeri, sai, 10.000. E quei sono gli articoli meno critici, più economici, ecc. ecc.
Quindi vedi, in sostanza, il modo tradizionale di affrontare la questione è basarsi esclusivamente sulla criticità. Ma il punto in cui Lokad non rientra davvero è che noi vogliamo l’automazione. Quindi vogliamo una ricetta numerica che affronti tutto direttamente. E le macchine possono fare una marea di calcoli, così non rischiamo carenze analitiche per quanto riguarda gli articoli meno frequenti.
Vedi l’idea: perché non avere un demand planner, ovvero un pianificatore della domanda e dell’offerta, per ogni 100 SKU? Perché mantieni questo rapporto solo per gli articoli di categoria A, dove per questi puoi avere una persona ogni 100 SKU? La risposta è che avresti bisogno di un esercito incredibilmente grande di pianificatori della domanda e dell’offerta se dovessi farlo, quando hai aziende del settore oil and gas che devono gestire 50.000 SKU distinti per mantenere in funzione l’operazione.
Questo è tutto. Se avessimo 100 articoli per dipendente, staremmo parlando di 500 dipendenti solo per gestire l’inventario di un sito estrattivo. È ovviamente assurdo, non lo farai.
Ma ora, se entri nel regno dell’automazione e disponi di una logica software intelligente, quei vincoli diventano completamente irrilevanti e questa prospettiva perde di significato. Quindi, ciò che vuoi è avere qualcosa che sia molto valido, dall’estremo top degli SKU più critici, fino alla coda lunga.
Perché questo è il punto della coda lunga: anche se le cose sono raramente necessarie, possono comunque contribuire al downtime.
Conor Doherty: Ancora, solo per fare attenzione a non usare troppi termini tecnici per le persone che potrebbero non essere familiari — quando dici coda lunga, stai parlando di eventi a bassa probabilità in una distribuzione?
Joannes Vermorel: Sì, esattamente, esattamente.
Conor Doherty: Una probabilità dello 0,1%, ma potrebbe avere un impatto di $25 milioni.
Joannes Vermorel: Sì. Quello può essere, sai, e quelle situazioni di coda lunga possono essere: abbiamo bisogno di qualcosa che normalmente non serve. Oppure può anche accadere che qualcosa che normalmente forniamo in una settimana, facilissimo, richieda sei mesi. Perché? Perché, beh, i lead times variano o per altri motivi.
Quindi vedi, tutte le fonti di uncertainty — le tue operazioni quotidiane dipendono dalle decisioni prese ora, aspettandosi certe condizioni future del mercato. Ci aspettiamo di consumare questa quantità di parti. Ci aspettiamo che i fornitori siano in grado di fornirle in quel lasso di tempo, ecc. ecc.
Ci sono quindi molteplici fonti di incertezza e, a causa della complessità, puoi subire danni, nel senso che puoi affrontare un downtime solo perché qualcosa aveva solo una probabilità su 10.000 di accadere.
Potresti dire, beh, una possibilità su 10.000 non è molto — tranne se hai 10.000 cose di quel tipo. Quindi lanci i dadi ripetutamente e, alla fine, dopo averli lanciati decine o migliaia di volte, anche eventi molto improbabili finiscono per accadere.
Conor Doherty: Beh, di nuovo, questa è l’idea della teoria della probabilità. Vale la pena fermarsi qui, piantare una bandiera, perché ancora una volta ho avuto una conversazione con Simon Schalit, COO di Lokad. E ancora, stavamo parlando di aerospazio in termini di complessità. L’esempio è valido. E lui parlava di come la gente comprenda la teoria della probabilità in modo molto diverso da ciò che essa realmente è.
Quindi, per esempio, abbiamo fatto l’esempio — e tu correggerai i miei calcoli in tempo reale — ma se ti servono 100 pezzi per completare un programma, cioè voglio sistemare una cosa, mi servono 100 pezzi, devo averli tutti disponibili per farlo in modo efficiente. Li devo avere tutti disponibili contemporaneamente. E se imposti un livello di servizio del 99% per questi cento, la reazione potrebbe essere: “Oh, allora ho una probabilità del 99% di averli tutti disponibili.” In realtà, è più vicino a circa il 65% o qualcosa del genere, tipo due terzi.
Joannes Vermorel: Sì, sì. Supponendo una distribuzione di probabilità dipendente. Sì, assolutamente.
Conor Doherty: Ma il punto fondamentale, ovviamente, è che ciò che pensi abbia probabilità di accadere — e anche se inizi a intravedere i primi passi del ragionamento probabilistico — è ancora un po’ più complesso di quanto immagini.
Ma voglio aggiungere, perché hai detto che per gli eventi di coda lunga, magari uno su 10.000, una situazione del genere si verifica e sarà finanziariamente catastrofica. Ok. Ma la prospettiva ortodossa lo riconosce già, tipo: “ok, potrei avere un evento di coda lunga. Potrei non avere questa vite da $1. Ok, ne terrò un milione a portata di mano e bloccherò un milione di dollari in inventario che potrebbe non essere mai utilizzato.”
Quindi, in realtà, la gente è già in un certo senso consapevole di ciò. Hanno già adottato approcci, come le scorte di sicurezza. Che cosa c’è di sbagliato in questo?
Joannes Vermorel: Voglio dire, se la tua industria è super ricca, non c’è nulla di fondamentalmente sbagliato. È uno spreco, perché lo stock costa una fortuna. Ma se hai margini davvero generosi, puoi tollerarlo.
Ma la realtà è che le piattaforme petrolifere e gli FPSO hanno uno spazio di stoccaggio limitato. Quindi vedi, a un certo punto, se vuoi semplicemente di più, dovrà essere a terra a prescindere. E poi è lontano. È lontano perché, ancora, il tuo FPSO è una nave molto grande, ma ha capacità finita. E lo stesso vale per una piattaforma petrolifera: è come una mega-struttura in mare. Sì, è abbastanza grande per essere una struttura artificiale, ma la tua capacità di immagazzinare cose localmente è limitata.
Devi assicurarti di sfruttare al massimo la capacità di stoccaggio che possiedi. E in generale, il problema di dire “Oh, possiamo semplicemente avere, sai, il cielo è il limite per l’inventario” è che, adottando questo approccio, finirai molto probabilmente per essere distratto da tutto il dead stock che accumuli.
Non è necessariamente una strategia efficace per ottenere una uptime elevata. Perché se lo fai, creerai enormi accumuli di stock inutile quasi per caso. A un certo punto, qualcuno si accorgerà, qualcuno dirà che è uno spreco, e poi sarai distratto per mesi nel tentativo di liquidare questo inventario morto.
E stare distratti contribuisce anche a trascurare altre cose, portandoti infine a un downtime accidentale perché ci sono elementi di cui hai bisogno e che non hai.
La mia osservazione è che, molto raramente, quando le persone hanno troppo stock, ottengono anche una uptime meno che ideale. Sai, è assai raro che una uptime super elevata venga raggiunta semplicemente accumulando una quantità incredibilmente elevata di stock. Di solito, avere troppo inventario crea così tanti problemi che, alla fine, la uptime ne risente.
Conor Doherty: Ok, per riprendere — e l’ho appena annotato — c’è molto da affrontare, ma una delle cose che hai menzionato è la tua capacità di tollerare uno stock in eccesso. Voglio dire, dipende se hai margini davvero generosi.
Il fatto è che, parlando di petrolio, quei prezzi fluttuano notevolmente e in tempo reale. Quindi, stiamo registrando questo il 10 aprile. Il Brent è ora a $65.48 al barile. Attualmente, potrebbe salire a $100 o scendere a $25. In che modo le fluttuazioni dei prezzi, in termini del valore reale di ciò che esce dal sottosuolo, influenzano la capacità delle aziende di assorbire le centinaia di milioni di dollari che stanno semplicemente tenendo sulla piattaforma offshore e nei warehouses, oltre al fatto di dover affittare aerei, elicotteri e barche per trasportare tutto ciò? In che modo le fluttuazioni dei prezzi influenzano il processo di gestione della supply chain?
Joannes Vermorel: Quindi, in generale, differenti siti hanno costi di estrazione completamente diversi. Ci sono luoghi nella Penisola Arabica dove estrarre petrolio è molto, molto economico, e quindi a $65 vanno benissimo. E ci sono alcuni luoghi dove, diciamo, il Canada con il — mi è sfuggito il nome — è il Bacino di Athabasca.
Conor Doherty: Sì.
Joannes Vermorel: Sì, dove a $65 si è davvero sul filo del profitto.
Conor Doherty: Sono le oil sand.
Joannes Vermorel: Sì, il Bacino di Athabasca, quelle oil sands. Quindi, secondo me, in primis, la forza trainante è che, a seconda del prezzo, determinerai se certi siti rimangono operativi o meno. È come una mega-forza che definisce cosa può funzionare. Se sei a $100 al barile, allora hai molti più siti operativi rispetto a quando sei a $50. E direi che questa è la questione dominante. Poi…
Conor Doherty: Tuttavia, ha comunque un costo. In sostanza stai dicendo che, sì, perché sei così ricco puoi permetterti di essere sprecone. Non è una buona pratica intrinsecamente.
Joannes Vermorel: Se riesci a estrarre il petrolio per, vedi, $10 al barile e poi lo vendi a $65, il fatto che tu abbia qualche dollaro in più per barile di inventory cost in circolazione è qualcosa che puoi tollerare.
Ma se il prezzo è a $65 e poi, integrando tutti i costi, finisci per produrre a $60 — quando integri tutto, tutto, tutto — allora ti rendi conto che avere in più o in meno $1 per barile solo in costi di inventario è molto, molto significativo.
Ma comunque, il punto in generale — come ho detto — è che non si tratta tanto di risparmiare inventario in sé. Si tratta piuttosto di fare tutto il possibile per ottenere una uptime molto elevata.
E in un certo senso, avere troppo inventario è di solito il nemico. Sarebbe un errore pensare che aumentare semplicemente l’inventario ti darà una uptime elevata. Sarebbe una sorta di prospettiva da safety stock in cui continui ad aumentare. Ma la realtà è che aumentare in maniera sconsiderata così tanti prodotti da dover tenere in stock crea così tanti problemi banali di stoccaggio e altro, che alla fine finisci con una uptime ridotta, non aumentata.
Quindi davvero la questione diventa molto rapidamente: si torna all’avere l’inventario giusto, tenendo conto di tutti i vincoli, in modo che l’uptime sia veramente, veramente massimizzato.
Conor Doherty: Beh, vorrei riassumere questa piccola parte della discussione, ma voglio farlo con una citazione che ho annotato e poi te la sottoporrò. Dimmi quanto è accurata.
Diresti che il settore del petrolio e del gas nel suo complesso, o almeno dal punto di vista della supply chain management, non pensa in termini finanziari — e per finanziari intendo il significato lokadiano del termine, come massimizzare il ROI per ogni dollaro investito?
Joannes Vermorel: Penso che, vedi, moralmente è quello che fanno. Nei dettagli non è così.
Conor Doherty: Analizzalo separatamente.
Joannes Vermorel: Quindi, se chiedi ai manager, risponderebbero, “Sì, ovviamente è quello che facciamo, naturalmente.” Ma poi, quando esamini i dettagli del calcolo, in realtà sono le persone a farlo manualmente.
E vedi, il problema è che quando hai un processo decisionale in cui le persone modificano manualmente i numeri in un foglio di calcolo, non c’è alcuna ottimizzazione possibile. Fondamentalmente si riduce a una miriade di impiegati che lo fanno a mano… e stiamo parlando di siti di grandi dimensioni.
Stiamo parlando di team che devono gestire decine di migliaia di SKU per ogni sito. Voglio dire, questo è molto complesso. E così, quando hai così tante persone nel processo e le decisioni vengono prese manualmente, finiscono per ottenere risultati non molto ottimizzati.
Anche se il top management pensa in termini di financial optimization, se il livello base dell’esecuzione della supply chain è costituito da persone che modificano a mano i fogli di calcolo, non otterrai risultati ottimizzati. In definitiva, sì, il top manager pensa, “Voglio il massimo ritorno per ogni dollaro. Quindi, per ogni dollaro, investi in priorità in quella cosa che aumenterà di più l’uptime.” Questa è la logica. Tutti sono d’accordo su questo, nessun problema.
Ma poi, le persone alla fine del processo, quando scendi alla base della piramide, finiscono per avere persone con fogli di calcolo. Questo è l’ambiente che hanno ricevuto, ma poi devono confrontarsi con un foglio di calcolo. Come fanno? E la realtà è che faranno qualcosa di molto, molto grezzo. Soprattutto se ti ritrovi con una configurazione ABC, dove c’è una persona che gestisce gli A e 100 SKU, e una persona con i C che ne gestisce 10.000.
Quindi, secondo me, puoi iniziare a ottimizzare solo se hai una ricetta numerica. Questa è la prima cosa: l’ottimizzazione non è davvero possibile se non hai una ricetta numerica. Quella sarà la tua base.
E poi, cosa può essere migliore di questa ricetta numerica? La risposta è un’altra ricetta numerica. E poiché sono due ricette numeriche, puoi eseguirle affiancate e fare un benchmark.
Una ricetta numerica è una raccolta di algoritmi che parte dai dati storici grezzi e da tutti quei dati aggiuntivi che fornisci fino alle decisioni finali — ossia, cosa esattamente devo mantenere, per esempio, su questo FPSO in questo momento, in modo da avere l’inventario migliore per massimizzare l’uptime.
Conor Doherty: Voglio tornare su un punto, e risale, immagino, a prima che mi unissi a Lokad: se mi avessi detto — e non intendo mancare di rispetto a chi lavora in panetterie o simili — che una piccola panetteria indipendente gestisce la sua supply chain o gestisce l’inventario, avrei detto, “Usano un foglio di calcolo.” Avrei detto, ok, suona ragionevole. È come due persone, prodotti limitati, è del tutto normale.
Se mi avessi detto che enormi aziende aerospaziali o compagnie petrolifere o del gas usano semplicemente un foglio Excel e non tengono conto del tipo di cose che hai appena descritto, avrei detto, “Non può essere giusto. È un processo troppo futuristico e complicato per essere gestito con qualcosa come Microsoft Excel.” Non che ci sia qualcosa di sbagliato in questo, ma per ottenere il tipo di risultati di cui parli, devi andare oltre.
Quindi la mia domanda è: cosa, secondo te, impedisce esattamente a un’industria tanto rilevante e redditizia di abbracciare gli strumenti che hai appena descritto — ancora, ricette numeriche?
Joannes Vermorel: A questo proposito, il settore del petrolio e del gas è proprio come la maggior parte degli altri settori quando si tratta di ottimizzazione della supply chain. I sistemi di record non forniranno mai processi decisionali sofisticati. Quindi tutte quelle aziende hanno sistemi di record.
Cosa sono i sistemi di record? Quelli sono l’ERP, il WMS — sono ciò che tiene traccia di ciò che possiedi, dei movimenti dell’inventario, dei pagamenti e di tutto il resto. I record, dati grezzi. È come un libro mastro glorificato che contiene più di un semplice registro contabile, ma rimane fondamentalmente un libro mastro glorificato.
Quelle cose, tutti i fornitori che offrono sistemi di record hanno affermato per decenni, senza successo, di poter automatizzare le decisioni basandosi su di essi. Si è scoperto che è un’idea veramente pessima anche solo provarci in un sistema di record. L’architettura software di quei sistemi non è affatto adatta a questo.
Quindi i fornitori finiscono, direi, per ingegnerizzare soluzioni che si rivelano molto deludenti in pratica. Scegli qualsiasi ERP sul mercato. Quegli ERP avrebbero dovuto essere chiamati ERM — Enterprise Resource Management Systems. Scegli qualsiasi ERM sul mercato, e vedrai che tutti hanno capacità come la previsione della domanda, l’ottimizzazione dell’inventario e così via. Li hanno tutti — almeno sulla carta —.
Eppure le persone usano i fogli di calcolo Excel. Perché? Perché quelle capacità sono pessime, non funzionano. Le persone ci provano, vedono che non sono nemmeno lontanamente in grado di affrontare il problema, e quindi ricorrono ai loro fogli di calcolo.
Il settore del petrolio e del gas non ha una storia eccezionale in questo ambito. Lo stesso problema si è verificato in molti altri settori. Era lo stesso problema nel retail, nella manifattura, nell’aviazione. Il problema era veramente ubiquo.
Quei sistemi di record sono fondamentali, perché è così che hai la controparte elettronica di ciò che accade nella tua supply chain, quali sono le operazioni in corso — quindi è fondamentale. Ma quei sistemi non saranno, e probabilmente non saranno mai, estesi come sistemi di intelligence.
Definisco un sistema di intelligence come qualcosa interamente orientato ad automatizzare un processo decisionale. E qui semplicemente non sta succedendo. Non è successo. Quei sistemi di record sono in circolazione dagli anni ‘70. Le persone hanno cercato di automatizzare le decisioni con essi sin dagli anni ‘70.
La maggior parte dei fornitori di ERM ha almeno mezza dozzina di iterazioni, a volte fallite, sui loro siti web relative alle varie soluzioni che hanno provato e fallito. E ciò non proviene da quelle persone.
Quindi ora la domanda è: se le aziende nel settore del petrolio e del gas vogliono prendersi sul serio la faccenda, devono considerare che la soluzione per l’ottimizzazione non verrà da quei sistemi di record. Verrà da qualcos’altro, da un sistema ausiliario.
E, a proposito, già lo fa — il foglio di calcolo Excel è già qualcosa di ausiliario. Quindi la realtà della loro operatività, gli strumenti per supportare il processo decisionale, sono già esterni, perché il sistema di record stesso non è adatto a questo.
Conor Doherty: Beh, questo è il punto, perché è molto importante, ma per inquadrare bene la questione, ho fatto una rapida ricerca in background. E ho letteralmente digitato le parole “ERP smarter decision-m” e ci sono risultati infiniti.
E il primo — e non darò nomi, potrebbe essere scomparso entro la messa in onda — ma “Sette soluzioni ERP finanziarie per una decision-m più intelligente.” Il risultato successivo, “Decision-m più intelligente con ERP e business intelligence.”
Ora quello è in realtà la seconda categoria una volta che si parla di strumenti BI. Quelli sono sistemi di report.
Joannes Vermorel: Sì.
Conor Doherty: Quindi, ancora una volta, hai ben delineato, penso, la distinzione tra un sistema di record e un sistema di intelligence, e poi un sistema di report nel mezzo — come l’analisi dei dati grezzi.
Ma quello che, penso, rimane da approfondire un po’ è cosa c’è in quella terza categoria — il sistema di intelligence — che lo rende inconciliabile con un ERP o un sistema di record?
Perché, ancora una volta, hai detto che stai cercando di far fare al tuo ERP qualcosa che non può fare, ed è come se non si potesse ottenere sangue da quella pietra, fondamentalmente. Perché? Perché sembra che le persone vengano fuorviate, è quello che sto dicendo.
Joannes Vermorel: Sì, intendo dire, perché non sei tollerante nelle stesse modalità. Se hai un sistema di record e c’è un calcolo errato di 1 dollaro, solo 1 dollaro, il contabile impazzirà. Non è consentito.
Anche se si tratta di un pagamento da 1 milione di dollari e venisse arrotondato a 1.000.010 dollari, è un grosso problema? Il contabile impazzirà. Non è nemmeno possibile — impensabile. Non si arrotondano le cifre, nemmeno di 1 dollaro.
Quindi, in un certo senso, quando tratti con sistemi di record, vuoi una purezza assoluta su una lunga lista di elementi, al punto da diventare ossessivo. Ci vuole molto tempo, molti sforzi, perché vuoi ottenere una purezza assoluta in molte delle manipolazioni dei dati che fai.
E in termini di latenza, vuoi che tutti quei calcoli siano super veloci. Perché? Perché voglio sapere immediatamente quanta merce abbiamo in questo momento per questo prodotto — voglio l’informazione al momento. Voglio creare una nuova voce — istantaneamente. Non voglio aspettare. Tutto è semplice. I calcoli devono essere perfetti e devono sembrare istantanei. Ovviamente il tempo reale non esiste davvero, ma devono sembrare molto veloci.
Il processo decisionale è completamente diverso. Posso approssimare qualcosa che era da 1 milione e 10 dollari a 1 milione? Sì, assolutamente. Posso semplicemente ignorare una marea di dettagli? Sì, assolutamente. L’importante è essere approssimativamente corretti piuttosto che esattamente sbagliati.
Quando hai tanta incertezza, immagina di trovarti di fronte a una situazione in cui il consumo di un componente è estremamente erratico, il tempo di consegna dei fornitori che riforniscono i componenti è super irregolare, e non sei nemmeno sicuro a che prezzo otterrai il componente, perché c’è anche l’incertezza.
Quindi hai, per esempio, tre incertezze — la domanda, il tempo di consegna e persino il prezzo a cui alla fine otterrai il componente. Ora devi decidere: vuoi attivare una richiesta d’acquisto per tante unità di questo componente? Puoi notare che non siamo nemmeno lontanamente vicini a una precisione dell'1%. È fondamentale essere approssimativamente corretti anziché esattamente sbagliati.
Il sistema di intelligence è interamente progettato in termini di ricette numeriche per fare ciò. E questo significa che non ti concentri nemmeno sulle stesse cose. Approssimerai tranquillamente una marea di elementi se questi sono irrilevanti. Al contrario, farai cose che un contabile non farebbe mai, cioè speculare continuamente su ciò che potrebbe accadere.
Un sistema di record fondamentalmente ti dirà se in passato hai acquistato componenti, a quale prezzo, quale prezzo hai effettivamente pagato. Non speculerà sul fatto che magari il prezzo che pagherai in futuro sarà molto più alto. Non è il genere di cosa che spetta al regno dei record. Ma appartiene al regno dei sistemi di intelligence.
Conor Doherty: Quindi, ancora una volta, se ho capito bene, il modo in cui distinguerei le due cose sarebbe — prendendo sempre come esempio un ERP — la differenza tra un record e una decisione.
Un record è solo una riproduzione: c’era una penna sul tavolo, ho tolto quella penna, e il record viene aggiornato. Mentre una decisione — dovrei comprare una penna? Beh, quanto costa la penna, da dove verrà, a quanto la venderò — implica la computazione di una decisione. È molto più complesso e sofisticato di un semplice record.
Joannes Vermorel: Esattamente. E non ti concentri nemmeno sugli stessi aspetti. Per un sistema di record, stai davvero guardando al passato e vuoi avere un ricordo perfettamente accurato di quanto accaduto. Le cose devono essere pulite, conformi e così via.
Consideriamo per un attimo cosa significa. Devo acquistare un componente che proviene dalla Cina. Non me lo serve adesso, me lo servirà fra sei mesi. Devo comprarlo ora con una tariffa esorbitante, oppure penso che si stabilizzerà? Oppure penso che diventerà ancora più folle e ci ritroveremo con una tariffa del 200%?
È il genere di questioni che non appartiene a un sistema di record. Faresti impazzire i tuoi revisori dei conti e contabili se includessi questo genere di considerazioni nel sistema di record.
Ma per quanto riguarda un sistema di intelligence, sì, questo è esattamente il genere di cose che vedi. L’attenzione è veramente diversa. Sei pronto ad approssimare una marea di dettagli irrilevanti.
Non hai bisogno di registrare le transazioni fino all’ultimo dollaro. Ci sono tantissimi piccoli costi che sono reali ma possono essere trascurati perché rappresentano meno dello 0,1% del costo totale.
Ancora, un contabile non può mai dire, “Ma era solo una spesa di 20 dollari, onestamente non dovremmo nemmeno registrarla.” No, no, no. Dal punto di vista contabile, sì, erano solo 20 dollari, ma li registri, anche se si trattava solo del timbro per spedire una consegna da 100.000 dollari.
Ma, ancora, da un sistema di intelligence, stai dicendo, “Ok, non mi interessa questo elemento. È letteralmente irrilevante. Complica la mia logica senza motivo.”
Voglio davvero che la mia logica — la mia ricetta numerica — si concentri sulle cose importanti, quelle veramente consequenziali. Dato che la mia ricetta numerica non dovrebbe essere un mostro — non dovrebbe essere lunga migliaia di righe, completamente incomprensibile — devo concentrarmi su ciò che conta davvero, ignorando ciò che per lo più non conta.
C’è un limite a quanta sofisticazione puoi inserire in questa ricetta numerica prima che essa collassi su se stessa per il semplice fatto che non è manutenibile.
Conor Doherty: Prima di proseguire, voglio ancora sottolineare un altro punto. Quando parliamo, non sminuiamo il valore di un sistema di record — ovviamente quello è fondamentale — e di un sistema di report, estremamente utile.
Quindi la nomenclatura serve semplicemente a differenziare. Quando diciamo intelligence, non significa che gli altri siano stupidi. È semplicemente questa la funzione. Un system of intelligence produce decisioni.
Joannes Vermorel: Ma sostengo che sia molto pericoloso non avere un dumb system of records. Non vuoi avere qualcosa di smart e clever. Basta chiedere a un commercialista e dirgli, “Sai una cosa, il tuo collega sta facendo cose molto clever in accounting.”
È molto fantasioso e smart. Il commercialista rimarrebbe terrorizzato. “Cosa? Contabilità fantasiosa? No, grazie.” Preferirei che fosse super dumb e rigido. E sì, ci sono molte regole, ma sono super basilari.
Non voglio sentire alcun tipo di creatività sofisticata qui. Di nuovo, un system of records deve essere il ledger elettronico. Vuoi davvero minimizzare il tipo di — intendo, la sofisticazione non è qualcosa di appropriato per un system of records. Vogliamo che questo sia super, super dumb, super semplice — semplice quanto puoi renderlo — perché non è il posto giusto per ingegnerizzare la sofisticazione.
Conor Doherty: Beh, se dovessi riassumere gran parte dei commenti finora, si legge sostanzialmente che l’avversione al rischio è molto comune nell’oil and gas. Ma ce ne sono due forme: c’è l’avversione al rischio quando si tratta di inventario — il che ha senso considerando la criticità e le poste finanziarie di cui hai parlato — ma c’è anche, se ti ho capito correttamente (e penso di sì), molta avversione al rischio anche per quanto riguarda le scelte software per affrontare la prima forma di avversione al rischio.
Quindi non voglio perdere una fortuna di denaro perché non è per questo che sono in questo business. Quindi terrò a magazzino un’enorme quantità di scorte. Ok, beh, ecco un software che è progettato per affrontare questo problema. No, sono anche avverso al rischio nell’utilizzarlo.
Come, secondo te, le aziende conciliano queste due forme di quella che a prima vista sembrano essere forme di avversione al rischio in conflitto?
Joannes Vermorel: Penso che il problema sia leggermente — sai — non strutturato esattamente in questo modo. Le aziende oil and gas sono, credo, in fondo aziende di ingegneria. Sono aziende di ingegneri. Queste sono sfide molto tecniche.
La realtà è che i problemi ingegneristici rappresentati da estrazione, trasporto e distribuzione nell’oil and gas — il problema ingegneristico — è estremamente interessante. È molto complicato.
E così direi che si finisce con una situazione — che è anche un problema affrontato da altri settori — in cui è molto facile avere tutti i tuoi ingegneri migliori e più brillanti impegnati nelle cose più interessanti, cioè nell’inventare le tecnologie in modo da poter estrarre nuove fonti, pensare a nuove tecnologie per operare tutto, per trasportare tutto.
Vedi, supply chain è anche una disciplina ingegneristica. Ma quando hai qualcosa proprio accanto che è super shiny e bright e estremamente attraente, puoi finire con una situazione in cui quelle aziende faticano un po’ a reperire il talento di cui hanno veramente bisogno sul fronte della supply chain.
Il problema è causato dal fatto che c’è molto interesse per le sfide ingegneristiche core dell’oil and gas che distraggono le persone — e le aziende, in parte — dalle sfide della supply chain.
Ancora, questo non è qualcosa di unico per l’oil and gas, ma penso che sia qualcosa che tende a influenzare tutti quei settori fortemente tecnologici. I semiconduttori sarebbero lo stesso. In una certa misura, anche la moda sarebbe simile — perché se lavori nell’industria della moda, il tuo interesse è nella moda, non nella supply chain, ecc.
Questo è tipicamente il genere di settori in cui le persone che vi accedono potrebbero essere più inclini, se hanno un’inclinazione tecnica, ad affrontare le sfide core del dominio piuttosto che affrontare le sotto-sfide della supply chain del dominio.
Conor Doherty: Beh, detto tutto ciò e tenendo conto di tutto, pensi allora che sia fattibile e/o realistico — scegli tu cosa preferisci, fattibile e/o realistico — aspettarsi che la supply chain nell’oil and gas, o le supply chains nell’oil and gas, diventino mai agili o proattive come in altri settori?
Perché, di nuovo, come quelle che hai elencato…
Joannes Vermorel: Voglio dire, innanzitutto, la scala le rende per definizione più rigide. Più grande sei, meno sei agile. È un dato di fatto. Puoi provare…
Ma ci sono gradi. Amazon è famosamente conosciuta per essere abbastanza brava a non trasformarsi in un incubo burocratico nonostante sia molto, molto grande. Ma comunque, è molto difficile, quando sei super, super grande, preservare l’agilità.
E qui, l’oil and gas è letteralmente — non esiste un’industria più grande. Stiamo parlando di progetti che partono da 1 miliardo di dollari. Le cose sono estremamente grandi. Quindi, in termini di agilità, non è nemmeno una prospettiva realistica dire che l’oil and gas sarà agile come, diciamo, i player dell’e-commerce.
Non è semplicemente un parametro ragionevole. Ma potrebbero migliorare notevolmente — direi, considerando il giusto punto di riferimento — hanno un margine di miglioramento enorme. E ancora, credo che, dato che al giorno d’oggi la maggior parte di queste aziende è digitalizzata — quindi hanno già in atto quei system of records, hanno già fatto i grandi investimenti — per iniziare a ottimizzare.
E la cosa interessante è che molto spesso hanno fatto quegli investimenti per i system of records pensando che alla fine avrebbero ottenuto un system of intelligence. La realtà è sì, ma tipicamente non dallo stesso fornitore.
Quindi vedi, la realtà è che sì, il tuo system of records è una pietra miliare fondamentale per procedere poi all’ottimizzazione, ma non lo farai all’interno del system of records. Lo farai su qualcos’altro — in un system of intelligence — e molto probabilmente sarà un fornitore differente.
Conor Doherty: Se posso dilatare il discorso, quindi i gradi di agilità — quello che intendevo con quella domanda, o meglio come definirei l’agilità — lo spiego con un esempio.
Hai un system of intelligence che è in grado di reagire in semi tempo reale o abbastanza rapidamente — penso sia quello che abbiamo detto prima, abbastanza rapidamente — allo stato attuale della tua supply chain.
Prendi ad esempio: stai effettuando riparazioni su una piattaforma offshore, pensi di conoscere il budget delle riparazioni, ma questo è variabile perché improvvisamente scopri, “Oh, in realtà c’è un problema che non mi aspettavo.” Ok, ora c’è. Sono preparato per questo, sì o no?
Ho un programma di riparazioni pronto. Ho i tecnici. Ho gli strumenti. Ho i pezzi di ricambio. Ma ciò che pensavo di dover fare, non posso più farlo perché, in realtà, quella cosa — per la quale al momento non ho i pezzi di ricambio — è rotta. Cosa faccio?
Da quanto intendo, una supply chain agile sarebbe, ad esempio, una che ha un software capace di rigenerare un sistema di azioni — un programma di azioni. Potrebbe non essere perfetto. E ancora, torniamo all’idea che il perfetto non esiste. Ma sarebbe meglio di qualcosa tipo, “Bene, alziamo le mani, andiamo con FIFO, tanto, facciamola così.”
Joannes Vermorel: Ma la realtà è che, ok, se hai degli esseri umani nel processo decisionale, specialmente se ci sono molte persone coinvolte, sarà lento. Sarà lento. Immagina ora che le tariffe negli Stati Uniti siano cambiate notevolmente. Ora immagina che ci siano centinaia di persone coinvolte e che dovranno aggiornare i loro fogli di calcolo per tenere conto della nuova situazione.
Se procedi così, sai, il top management se ne accorgerà — invierà un’email a tutti dicendo, “Ragazzi, credo che abbiate tutti letto le notizie. Ecco un aggiornamento sulla nuova situazione, bla bla bla. Aggiornate le vostre pratiche per riflettere la nuova realtà, prendendo quei numeri come input.”
Ma la realtà è che ci vorrà tempo. Le persone hanno i loro fogli di calcolo. Possono essere complicati da aggiornare. Non è centralizzato. Alcune persone potrebbero non prestare davvero attenzione. Altre potrebbero già essere così impegnate a risolvere crisi che non hanno il tempo di occuparsene.
Quindi, se generi le tue decisioni con le persone nel processo, ci vorranno comunque sei mesi per mettere tutti al corrente.
E quando consideri la velocità con cui le tariffe negli Stati Uniti cambiano rispetto al resto del mondo — ora per ora — chiaramente avere un orizzonte di sei mesi per aggiornare i tuoi team così eterogenei è semplicemente… Voglio dire, sarà estremamente lento.
Quindi sì, questa è una delle ragioni per cui Lokad sostiene le numerical recipes. Puoi, diciamo, in un giorno aggiornare la numerical recipe, tenere conto della nuova realtà, testare, e poi passarla in produzione. E tutte le decisioni che prenderai da quel momento in poi rifletteranno la recipe modificata, che potrebbe includere le nuove tariffe o qualunque cosa stia accadendo attualmente.
Conor Doherty: Beh, di nuovo, mi rendo conto che, pur avendo discusso di questo, ci siamo implicitamente ed a volte esplicitamente concentrati sugli upstream — parlavamo di estrazione e piattaforme offshore — ma tutto ciò che abbiamo detto qui si applica a tutto, cioè upstream, midstream, downstream, ecc.
Esiste qualcosa di unicamente diverso nelle supply chains midstream e downstream nell’oil and gas che le renderebbe forse più adatte o più ricettive al tipo di interventi software che stai descrivendo, o è semplicemente tutto uguale — tartarughe fino in fondo?
Joannes Vermorel: Sì, è molto, molto simile. Voglio dire, ovviamente, una volta che si entra nel trasporto, ci sono un sacco di persone che sono veri trader evoluti. E a proposito, è interessante perché non si considerano come supply chain, ma dal mio punto di vista, il pricing è parte della supply chain.
È interessante perché quelle cose sono già completamente automatizzate, robotizzate. Abbiamo quei quants che si occupano di questa parte. Quindi la cosa interessante è che, quando si tratta di speculare sui beni stessi, acquistarli e stabilire il prezzo di mercato, quelle cose sono già completamente guidate dal software.
Quindi è interessante. Quella è la parte upstream dove c’è la maggior parte della complessità fisica, molto asset-heavy. È comunque, direi, sotto-strumentata quando si parla di sistemi di intelligence. Quello sarebbe il grande differenziatore.
Conor Doherty: Beh, stiamo praticamente concludendo qui. Ma quello che direi è che, basandomi su quanto hai appena detto — sai, sotto-strumentata, mi piace questa espressione — realisticamente, nessuno passerà da un approccio completamente ortodosso e classico nella gestione, diciamo, dell’upstream supply chain a, “Bene, è completamente robotizzato dalla A alla Z,” escludendo i clienti di Lokad.
Per le persone che vogliono iniziare a fare quei primi passi, come si presenta in termini di software?
Joannes Vermorel: Software — è semplicemente un dual run. Il modo in cui Lokad affronta queste situazioni è che si definiscono le numerical recipes, e inizialmente le persone continuano a usare i loro fogli di calcolo. Ma hanno a fianco ciò che Lokad — la numerical recipe di Lokad — raccomanda.
Possono confrontare e decidere quale sia la migliore. E Lokad non prende decisioni; noi forniamo anche, come parte dello sforzo di white-boxing, una spiegazione in dollari che lo giustifichi. Ogni decisione che raccomandiamo è accompagnata tipicamente da mezza dozzina di indicatori di performance — anch’essi in dollari — che spiegano perché pensiamo sia necessaria. Potrebbe trattarsi del costo di ciò che stai per acquistare, del costo espresso in tempo di uptime extra che stai guadagnando, ecc. ecc. Quindi avresti mezza dozzina di indicatori di performance in dollari che motivano i pro e i contro, che giustificano ciò che raccomandiamo.
E poi iteriamo. E a un certo punto — è così che quelle numerical recipes passano in produzione. Il nostro pensiero è che quando i practitioner della supply chain dicono, “Beh, oggi ho convalidato tutte le tue decisioni, proprio come ieri e l’altro ieri, perché, francamente, sono semplicemente buone. Non vedo alcun valore aggiunto.”
Allora avremo risolto i problemi. E la cosa interessante è che, grazie all’automazione, non stai chiedendo ai tuoi team di lavorare il doppio — per generare prima le decisioni con il tuo foglio di calcolo tramite un processo semi-manuale, e poi farlo in un secondo sistema, anch’esso tramite un processo semi-manuale. Quello è semplicemente un incubo per il team.
L’idea è che no — vuoi che il nuovo sistema sia completamente automatizzato, robotizzato, e poi puoi eseguire quello che chiamiamo dual run per tutto il tempo necessario. Tipicamente un paio di mesi, finché le persone non sono molto rassicurate dal fatto che quelle cose siano solide, che funzionino bene giorno dopo giorno, che effettivamente commettano molti meno errori rispetto alle persone. Quando le persone iniziano a dire, “Oh, il sistema non era d’accordo con me… Oh no, ho sbagliato il lead time.” Ok, la recipe era corretta. Allora decidi semplicemente di automatizzare.
Conor Doherty: Sì. E va anche sottolineato che qualsiasi practitioner della supply chain sul lato cliente è in grado di interagire con i Supply Chain Scientist responsabili di quell’account, e collaborativamente questo aiuta a migliorare la numerical recipe per includere i loro insight.
Perché, ancora una volta, nessuno sostiene che non ci sia valore in ciò che risiede nella mente di un practitioner della supply chain — semplicemente che bisogna sfruttarlo e massimizzare il ritorno su quell’investimento attraverso scalabilità e automazione.
Penso di averti sentito dire questo una volta, Joannes. Beh, Joannes, non ho ulteriori domande. Ma come pensiero conclusivo, c’è qualche call to action che vuoi condividere?
Joannes Vermorel: Voglio dire, il mondo dell’oil and gas è letteralmente la base della nostra civiltà industriale, e non sta andando da nessuna parte. Non sta andando da nessuna parte. Nonostante l’affermazione che c’è il picco del petrolio e qualunque altra cosa — no, è qui per restare. Resterà per molto, molto tempo.
E anche se il mondo riuscisse a passare all’energia nucleare per il mero problema energetico, si è scoperto che ci sono molti casi in cui non è per nulla appropriato. Se, ad esempio, parliamo di aerei elettrici, non abbiamo nemmeno una tecnologia che possa farli funzionare. Lo stesso vale, per esempio, per la silvicoltura. Hai bisogno di camion veramente robusti per farlo. Queste cose non funzioneranno a batteria. Batterie e più carica. E questo vale per la maggior parte delle attrezzature pesanti che usiamo — per l’agricoltura, per l’estrazione, per un sacco di cose. Queste cose dipendono dal petrolio.
E poi c’è anche la plastica di cui abbiamo bisogno per un’infinità di cose. E a differenza di quanto dice la stampa — “Oh, abbiamo troppa plastica con packaging” — sì, però la maggior parte degli strumenti chirurgici sono in gran parte realizzati in plastica.
Quindi sì, non andrà da nessuna parte. E penso che questa industria abbia anche una mentalità ingegneristica. Se dovessi fare un piccolo pronostico per i decenni a venire, sospetterei che questa industria prenderà il treno dell’AI e automatizzerà un sacco di mansioni amministrative di back-office. Voglio dire, di questo stiamo parlando qui — letteralmente, questa industria impiega centinaia di migliaia di impiegati per compiti di back-office. Sono assolutamente necessari, altrimenti quelle aziende si fermerebbero. Ma c’è un enorme potenziale nel meccanizzare tutto ciò e liberare queste persone affinché possano occuparsi di attività più interessanti.
Conor Doherty: Beh Joannes, condivido il tuo entusiasmo. E ti ringrazio per il tuo tempo. E ringrazio tutti voi per aver guardato. Ci vediamo alla prossima volta.
