00:00:00 Panoramica sull’ottimizzazione della supply chain e contesto Toyota
00:07:28 Comunicare il valore agli executive; decisioni e denaro
00:12:45 Trasformazione digitale: semplificare la complessità su larga scala
00:17:49 Adottare metodi e linguaggi moderni della supply chain
00:24:00 Dati non filtrati e casi limite nella prontezza alla produzione
00:29:44 Migliorare le decisioni: obiezioni, interruzioni e previsioni
00:34:05 Decisioni sicure e gestione del rischio dei fornitori
00:36:23 Problemi semplificati e incertezza del mondo reale nella supply chain
00:41:13 Dare potere agli executive, test degli scenari e ROI
00:46:10 Impatto sul business: oltre i parametri di accuratezza
00:49:45 La domanda è ingegnerizzata: accessori, previsioni e storico
00:55:01 Collaborazione nell’ottimizzazione e il valore delle relazioni
01:00:51 Allineamento degli stakeholder, cultura e tattiche di gestione
01:09:29 Guidare la trasformazione digitale e modificare i KPI
01:15:19 Software, incentivi e lezioni dai giganti del business
01:21:17 Pubblico, linguaggio e comunicazione efficace; consigli di lettura
Riassunto
In un’intervista su LokadTV, condotta da Conor Doherty, ottimizzazione della supply chain è il fulcro con gli interventi di Joannes Vermorel, CEO di Lokad, Adam Dejans Jr e John Elam di Toyota. Il dialogo esplora il processo decisionale nelle global supply chains, enfatizzando i cambiamenti culturali e la semplificazione di processi complessi. Adam Dejans Jr sottolinea la necessità di una rivalutazione sistemica, mentre John Elam si concentra sulla scala operativa come fonte di complessità e sull’importanza di allineare il linguaggio agli obiettivi desiderati. La conversazione evidenzia la trasparenza e la costruzione della fiducia, invitando all’introduzione graduale della complessità. Vengono condivise intuizioni sull’importanza di semplificare la comunicazione per coinvolgere gli executive, mostrando approcci culturali variegati e promuovendo l’apprendimento continuo per trasformare le pratiche consolidate.
Riassunto Esteso
In un’intervista condotta da Conor Doherty, ci addentriamo nel complesso ambito dell’ottimizzazione della supply chain, con la partecipazione di Joannes Vermorel, CEO di Lokad, Adam Dejans Jr e John Elam di Toyota. Questa discussione svela un’esplorazione sfaccettata dell’ottimizzazione nelle supply chain, condotta con diligenza e chiarezza.
La conversazione inizia con un’indagine sul processo decisionale all’interno delle trasformazioni delle global supply chains. Adam Dejans Jr sottolinea che le trasformazioni vanno oltre la mera automazione, richiedendo cambiamenti culturali e adattamenti alle interruzioni. Egli evidenzia l’importanza di rivalutare i sistemi anziché limitarsi ad aggiornare i processi, un sentimento condiviso da Joannes Vermorel, il quale mette in luce la complessità introdotta dalla divisione del lavoro all’interno delle grandi organizzazioni. La semplificazione, sostiene Vermorel, rappresenta un contropunto fondamentale a tale complessità.
John Elam arricchisce il discorso individuando la scala operativa come fonte di complessità, piuttosto che le stesse domande. Egli sostiene l’allineamento del linguaggio con gli obiettivi desiderati, in particolare quando si tratta di convincere gli executive. Adam Dejans Jr prosegue in questa direzione, consigliando un’introduzione graduale della complessità per costruire fiducia e sottolineando il ruolo degli ostacoli politici nel complicare le sequenze decisionali.
Attraverso paragoni significativi, Joannes Vermorel discute di concorrenti come SpaceX che adottano pratiche efficienti nonostante le sfide politiche, sostenendo che le aziende riluttanti a snellire i processi affrontano minacce esistenziali. Si delinea un consenso: comprendere e integrare le prospettive politiche e aziendali è fondamentale.
Man mano che il dialogo si sposta sull’engagement degli executive con l’ottimizzazione, Elam e Dejans Jr ribadiscono la centralità di abbracciare l’incertezza e di allineare i piani con metriche finanziarie piuttosto che con termini puramente tecnici. Essi promuovono l’inizio con modelli semplici per introdurre gradualmente strati complessi, favorendo la trasparenza e costruendo relazioni per ottenere l’accettazione dei framework di ottimizzazione.
Esaminando l’approccio di Lokad, Joannes Vermorel descrive l’enfasi sulle previsioni probabilistiche e la necessità di dare priorità ai risultati piuttosto che ai mezzi tecnici. Sottolinea l’importanza di iterare e perfezionare le decisioni, in particolare quando si affrontano casi limite, per garantire soluzioni complete pronte per la produzione.
John Elam e Adam Dejans Jr tracciano parallelismi con le operazioni di Toyota, concentrandosi sulla comprensione delle supply chain complesse e sulla convalida dei processi attraverso le responsabilità manageriali. Sottolineano l’importanza di costruire fiducia attraverso miglioramenti obiettivi delle prestazioni, fondendo trasparenza con strategie pratiche nonostante una comprensione parziale.
Le domande di Conor Doherty portano a esplorare la gestione del cambiamento, con John Elam che introduce problemi semplificati per illustrare l’integrazione dell’incertezza nel processo decisionale. Questo approccio, insieme all’esperienza di Adam Dejans Jr nel formulare suggerimenti comprensibili per le concessionarie, evidenzia l’efficacia di una comunicazione semplice per coinvolgere gli executive disinteressati.
La conversazione si sposta sugli approcci alla gestione culturale, mettendo a confronto gli stili tra le aziende tecnologiche statunitensi e le pratiche francesi, evidenziando impatti differenti sulla dinamica aziendale. Emergono nuovi approcci di leadership creativa come elementi cruciali per superare i sistemi tradizionali e guidare un cambiamento innovativo all’interno delle aziende consolidate.
Un aspetto importante riguarda la semplificazione del linguaggio per una comunicazione efficace con gli executive. John Elam condivide intuizioni tratte dall’insegnamento della retorica e della scrittura tecnica, migliorando il coinvolgimento attraverso l’adattamento dei messaggi al pubblico e al contesto. Questo discorso culmina con raccomandazioni di lettura, sottolineando il valore dell’apprendimento continuo e dell’adattamento.
Durante l’intervista emergono profonde intuizioni su come collegare l’expertise tecnica e il processo decisionale degli executive. È un viaggio attraverso la navigazione delle complessità e la promozione di un’evoluzione collaborativa, sottolineata da umiltà, comunicazione strategica e una ricerca incessante di risultati tangibili nell’ambito dell’ottimizzazione della supply chain.
Trascrizione Completa
Conor Doherty: Tutti desiderano un’ottimizzazione della supply chain di successo, ma spesso le persone non si prendono il tempo necessario per assicurarsi che tutti gli stakeholder, in particolare gli executive, comprendano cosa significhi davvero. Ora, per fortuna per voi, il panel di oggi discuterà proprio di questo argomento. Mi uniscono oggi Adam Dejans e Johnny Elam di Toyota, e in studio, il fondatore di Lokad, Joannes Vermorel.
Now before we get to the panel, you know the drill: like the video, subscribe to the YouTube channel and follow us on LinkedIn. And with that out of the way, I give you today’s panel.
Beh, Adam, John, grazie mille per essere qui con noi. Potrebbe essere stata la risposta più rapida che abbiamo avuto su LokadTV, perché ti ho contattato, Adam, un paio di settimane fa e eccoti già qui. Grazie per essere presenti.
Adam Dejans Jr: Grazie per averci invitato. Siamo felici di essere qui.
Conor Doherty: John, iniziamo da te. Potresti presentare al pubblico di LokadTV il tuo background e cosa fai a Toyota?
John Elam: Mi chiamo Johnny Elam. Attualmente, a Toyota, sono un manager per l’analisi aziendale e la strategia. Lavoro in una specie di ruolo da tech lead, product owner, dove ho tre prodotti differenti nella supply chain che aiutano a svolgere le funzioni della supply chain.
Ci sono tutte le diverse funzioni in corso, giusto? C’è il rilevamento della domanda, l’evasione della supply chain. Abbiamo persino un motore di preferenze dei clienti, dove cerchiamo di capire cosa piace alle persone osservando le vendite passate. Quindi gestisco tre team differenti impegnati in questo. Il mio background, che mi ha aiutato ad arrivare a questo punto, include esperienze come sviluppatore di applicazioni, analista dati, data engineer, seguendo una naturale progressione lineare nella mia carriera che ora mi ha portato al ruolo di product owner, collegando le mie conoscenze tecniche alla visione aziendale complessiva. Sono entusiasta di essere qui.
Conor Doherty: Adam, so che entrambi lavorate a Toyota, ma so che tu sei in Michigan, John, tu sei in Texas. Quindi, Adam, come sei arrivato a Toyota e cosa fai esattamente?
Adam Dejans Jr: Sì, il mio background è in matematica e ricerca operativa. Ho avuto una carriera nell’industria automobilistica per un certo periodo, essendo nato a Detroit. Questo è fondamentalmente tutto. Ho lavorato da Ford per un po’, ho fatto una consulenza, e poi sono entrato in Toyota per tornare a incamerare il controllo diretto dei prodotti anziché affittare il mio tempo.
Attualmente a Toyota, lavoro come principal decision scientist. Lavoro principalmente nella trasformazione della supply chain con John. Anche se sono in Michigan, non lavoro al Michigan Center. In realtà, lavoro dalla sede centrale in Texas, in modalità remota per ora.
Il mio obiettivo è lavorare con John su molti dei prodotti a cui lui si dedica, ma io li affronto da una prospettiva più tecnica, occupandomi di progettazione dei sistemi e dei fondamenti matematici dei diversi algoritmi e prodotti che sviluppiamo. Il nostro obiettivo è una trasformazione della supply chain nordamericana che si estende globalmente, utilizzando le nostre esperienze per espanderci a livello mondiale. Siamo attualmente impegnati in un enorme sforzo di trasformazione digitale.
Conor Doherty: Grazie. Bene, grazie per l’introduzione. Quando parlate di una trasformazione a livello nazionale e possibilmente anche globale, come rientrano le decisioni in tutto questo? Perché è qualcosa di cui ho visto parlare molto Adam su LinkedIn, e il vostro approccio non è mai in isolamento. Si parla sempre di decisioni. Quindi, come si inseriscono le decisioni nell’ottimizzazione della supply chain che state descrivendo?
Adam Dejans Jr: Penso che la cosa più importante sia che si tratta veramente di un cambiamento culturale, specialmente per le aziende che esistono da molto tempo. Molti dei processi, anche in Toyota oggi, sono ancora svolti manualmente. La prima cosa che le persone fanno quando intraprendono una trasformazione è che vogliono semplicemente automatizzare ciò che esiste.
Quindi vogliono che tutti questi passaggi che avvengono in sequenza, attualmente eseguiti manualmente, siano automatizzati. Ma ciò non basta; si tratta più di automazione che di trasformazione. Una trasformazione richiede di ripensare l’intero sistema. Questi passaggi potrebbero non esistere come oggi, con i computer che li assumono. Per determinare come il sistema dovrebbe operare, si parte dai parametri aziendali che si intende raggiungere, poi dalle decisioni necessarie per raggiungere tali obiettivi e, infine, da ciò che potrebbe andare storto nel sistema e da come riprendersi.
Ci preoccupiamo di eventi come la pandemia, scioperi nei porti o quando le parti non sono disponibili. Quando le parti dovrebbero arrivare ma non lo fanno, oppure se c’è un lotto di parti difettose—come si decide cosa fare dopo? Come si decide di farlo in modo intelligente, automatico e in maniera adattabile in tempo reale.
John Elam: È anche questione di essere pragmatici riguardo ai limiti del controllo. Siamo un’azienda globale con controllo in America, ma al di fuori di quella siamo in modalità richiesta. Il Giappone è la nave madre; loro prendono le decisioni su molti elementi controllati a livello globale, come motori e altre risorse strategiche per la supply chain. Stiamo competendo contro Toyota Motors Europe e Toyota Motors Asia per ottenere forniture distribuite globalmente.
Parte del processo decisionale consiste nel capire quali decisioni possiamo realmente prendere. Sarebbe bello prendere certe decisioni, ma non possiamo ancora farlo. Una parte consiste nel dimostrare il nostro valore, crescere e mostrare come possiamo aiutare il mondo. Cominciare in piccolo e conoscere i nostri limiti è fondamentale; le persone inciampano nell’immaginare uno stato ideale senza comprendere la realtà—certi decisioni sono possibili, ma alcune cose sono fuori dal nostro controllo.
Conor Doherty: Joannes, arriverò a te tra un momento, ma per riprendere, John, quando parli di Toyota come un’azienda enorme, ben consolidata e di successo, come fate ad orientare le persone nella direzione di cui parla Adam? Passare dai vecchi metodi di prendere decisioni nella supply chain a quelli più focalizzati sull’ottimizzazione e sulla ricerca operativa?
John Elam: Su questo, in un certo senso, ho la stessa risposta per tutti i progetti. È quella cosa che la maggior parte dei tecnologi non vuole sentire, ma è la cruda realtà. Incontrali dove sono. Se vivono nel mondo di media, mediana, moda, va bene, usa quel linguaggio. Scopri cosa sanno e parlaci con quel linguaggio. Nessuno vuole imparare una nuova lingua.
Io non voglio imparare il portoghese; posso avere una vita di successo senza di esso. In Portogallo, può essere utile. Ci sono lingue necessarie per la sopravvivenza in ambienti locali, ma non tutti ne hanno bisogno. Da giovane ingegnere che imparava cose nuove, ho capito che alla maggior parte delle persone non importa della matematica o degli strumenti; interessa loro ciò che può fare per loro nel loro mondo.
Per la leadership aziendale, si tratta di soldi. Quanto denaro possiamo guadagnare, quanto tempo posso risparmiare, ecc. Io lascio il mio linguaggio alla porta e adotto il loro, iniziando a creare comprensione. Potrei conoscere una direzione migliore e illuminarla usando il loro linguaggio. È l’unico modo per far progredire le persone.
Conor Doherty: Bene, Joannes, cosa ne pensi ancora? Perché operiamo in Europa, ma anche in Nord America, esperienze simili o no?
Joannes Vermorel: Sì o no. Vedi, la mia opinione quando osservo le grandi organizzazioni è che, quando si parla—stiamo parlando di diversi ingredienti qui: grandi organizzazioni, trasformazione digitale, orientamento alle decisioni. Ok, mettiamo insieme questi elementi.
La realtà è che nelle supply chain, le decisioni sono estremamente semplici. Non necessitano di un linguaggio specifico. Stiamo parlando, per esempio—diciamo che Toyota è in grado di produrre 50 milioni di motori all’anno. Supponiamo che si tratti di una cifra inventata. Non conosco i numeri.
E poi c’è la questione di come devono allocare questa produzione: una parte per il Nord America, una parte per questo, una parte per quell’altro. Bene. Quindi la questione è davvero un’allocazione di risorse e di quali motori. Ok, i dettagli sono ovviamente molto più complicati—ci sono molti tipi di motori, ecc. Bene. La realtà è che abbiamo una serie di decisioni semplici all’interno delle supply chain.
Si tratta principalmente di allocare risorse, spostandole. Non è fondamentalmente molto astratto. Non è nemmeno davvero difficile da comprendere. Ha un elemento fisico, tangibile. Tuttavia, le grandi aziende, quando pensavano di farlo manualmente, ciò che facevano—dovevano organizzare una divisione del lavoro.
E così si arriva a una decisione che era molto semplice, e si finisce per avere 20 funzioni diverse in azienda che contribuiscono a pezzi a questa decisione. Questo è solo una conseguenza della divisione del lavoro. Se avessi un’IA super-intelligente o qualcosa del genere, non avrebbe bisogno di questa divisione del lavoro—sarebbe un’unica entità a prendere la decisione direttamente.
E così molto frequentemente, quando vedo questo tipo di complicazione, i linguaggi—la mia opinione è che, ok, quello che osserviamo è per lo più un effetto collaterale della divisione del lavoro, dove c’è un’esplosione di complessità. Ma è completamente artificiale, capite? Non è reale. È qualcosa di sintetico, creato per supportare una organizzazione così grande.
E molto frequentemente, la questione consiste nell’esporre l’elemento fondamentale che viene deciso attraverso tutti quegli strati di complessità. Di solito è lì che si nasconde la vera sorpresa—può capitare che 200 persone interagiscano con quella decisione, ma alla fine è solo un numero. E forse dovresti—ed è questo l’aspetto interessante—se hai qualcosa di digitale che può computare come un computer, realizzi che non è necessario avere 200 persone coinvolte in questa faccenda.
È qui che penso la trasformazione sia molto significativa. È quello che noi a Lokad abbiamo fatto. Abbiamo molto spesso sostituito processi enormemente complicati a causa della divisione del lavoro con qualcosa che, alla fine, è abbastanza semplice. Semplicemente non occorrono così tante persone. E avere così tante persone creava una serie di problemi che scompaiono quando si applica una ricetta numerica.
Conor Doherty: John, hai annuito in molti momenti. Sono curioso di conoscere il tuo punto di vista.
John Elam: No, è—ha assolutamente ragione. C’è molta complessità inventata che esiste semplicemente a causa della dimensione del problema che dobbiamo risolvere, giusto? Ad esempio, abbiamo uno strumento che presenta circa 21.000 vincoli differenti.
Quindi non è—nessun essere umano riuscirà a gestirlo. Gli umani lo gestivano, ma non nel senso di gestirlo nel modo completo. Più come “sposta da sinistra a destra,” questo tipo di gestione—non come “come dovrei riorganizzare queste informazioni affinché io prenda una decisione migliore?”
Non c’era modo di organizzare quelle informazioni in un modo che permettesse a un umano di prendere una buona decisione. Quindi sì, ho visto in prima persona come gli strumenti possano semplicemente tagliare—lo strumento giusto al posto giusto—la complessità e ridurla a qualcosa di semplice.
Perché hai ragione, molte volte l’obiettivo è semplicemente—se si tratta del mondo delle previsioni, vogliamo solo capire qual è la domanda. Se si tratta di allocazione, vogliamo solo ottimizzare il posizionamento di queste cose dove dovrebbero andare. La decisione vera, come hai detto, è molto tangibile—puoi vedere il motore che va in quell’impianto per produrre quell’auto.
Ma sì, la quantità di cose in gioco è ciò che crea la complessità. Non è la questione in sé.
Adam Dejans Jr: Quindi suppongo di avere qualcosa da aggiungere. Come dicevo, sì, hai queste sequenze di decisioni. Non l’ho espresso in modo elegante, ma quel processo—uno dei problemi è che la sequenza è gestita da differenti pilastri della dirigenza.
E potrebbe essere affidato a diverse parti dell’organizzazione, e loro non ti permetteranno nemmeno di entrare e di conoscere alcune di queste componenti. Quindi c’è molto di questo—magari puoi trovare una soluzione, ma politicamente non funziona. Politicamente, è quasi come se dovessi ribaltare tutto.
Potresti avere una decisione suddivisa in 20 parti, ma adesso devi fare cinque passaggi e automatizzarli alla volta, e poi i successivi cinque. Poi, a poco a poco, risali la scala. Ma questo è anche un problema realmente trascurato: il lato politico.
Joannes Vermorel: Sono completamente d’accordo. Ma qui il mio messaggio è—beh, non lasciarti distruggere da quegli angoli politici. Guarda ad un esempio concreto: un’azienda americana incredibilmente di successo, SpaceX. Hanno deciso, a differenza della NASA e dell’Ariane Group, di avere una supply chain per il loro razzo semplificata e organizzata in modo sensato.
Potrebbe sembrare classico, perché in effetti non è super innovativo. In generale, la stragrande maggioranza delle aziende moderne è organizzata in questo modo. Tranne che per quanto riguarda i razzi: Ariane Group in Europa distribuiva la costruzione dei razzi in praticamente tutta l’Europa occidentale.
Quindi costruisci i tuoi razzi in 50 luoghi diversi solo per far felice ogni singolo stato europeo. Alla fine, si è scoperto che la NASA faceva esattamente la stessa cosa con i propri razzi—distribuendo la produzione in ogni singolo stato degli Stati Uniti. E si è capito che era completamente disfunzionale.
La conseguenza è che si finisce con un’organizzazione che produce cose a un costo stravagante. Funziona bene finché non compare un concorrente che decide semplicemente: “Al diavolo la politica, semplifichiamo le cose.” Politica a parte—fai qualcosa che abbia un senso.
La mia opinione è che puoi permetterti di andare piano e preservare i privilegi e i feudi di questo capo e di quell’altro—finché non senti troppa pressione dai concorrenti. Se hai concorrenti che ti spingono davvero, allora non hai questo lusso.
Sono d’accordo, questa è una grande sfida. Ma storicamente, molte aziende che altrimenti erano eccellenti sono fallite perché non sono riuscite a compiere questa trasformazione. Il concorrente ha semplicemente trovato un modo per semplificare, a volte drasticamente, il modo in cui faceva business—e improvvisamente aveva prezzi più bassi.
E le aziende più vecchie non sono riuscite a sopravvivere in questo nuovo ambiente.
Adam Dejans Jr: Siamo d’accordo—totalmente d’accordo. Suppongo che il mio punto sia che ci sono due aspetti: uno se lo guardi da una prospettiva aziendale, e uno se lo guardi come individuo. Quindi sono due cose differenti.
Joannes Vermorel: Ma Toyota è estremamente competitiva. Al momento, per esempio, il Regno Unito ha praticamente perso l’industria automobilistica. Tutte sono diventate obsolete, come il dodo, a causa dell’incapacità di adottare metodi di produzione più moderni.
Conor Doherty: Beh, se posso semplicemente collegare un paio di punti e ritornare al tema principale—convincere le persone, in particolare i dirigenti, ad abbracciare l’ottimizzazione. Un elemento chiave in questo, John, è accettare l’incertezza. Sono curioso: nel tuo contesto, sia che tu sia in Toyota o nel lavoro di consulenza, come fai, quando sei in aziende con sistemi legacy, pratiche consolidate e politiche interne, a convincere le persone a vedere le cose dalla tua prospettiva per quanto riguarda le decisioni—che si tratti di previsioni probabilistiche o altro?
John Elam: Sì, inizia nello stesso modo della mia prima risposta. Prima capisci a che punto sono. Tu a che punto sei? Impara il loro linguaggio. Ma poi, portare qualcuno a questo livello di pensiero, anche solo nell’ottimizzazione deterministica—per alcune persone è un modo completamente nuovo di lavorare. E poi, ancora di meno una quantitative supply chain o un SDA, dove in realtà aggiungi una componente temporale—è un livello completamente diverso.
E così, onestamente, molte volte li aggiungo a strati. Partiamo da dove sei. In questo momento stanno utilizzando i tradizionali tassi di scorta min/max o qualche logica di rifornimento. Francamente, inizi semplicemente—se puoi, e questo può essere difficile perché possono esserci molte interdipendenze, per cui cercare di costruire qualcosa di ottimale si trasforma in un ottimale locale—ma trova qualcosa che, sperabilmente, possa essere suddiviso e containerizzato. Dimostralo come un POC e mostra loro il suo valore.
E poi collegalo a loro. Molto di questo, francamente, consiste semplicemente nel parlare e nell’usare il loro linguaggio. A loro importano i dollari, le ore, i fattori di sicurezza. Non gli interessano i p-value. Non gli interessa quale sia la varianza. Nemmeno sanno cosa significhi, nella metà dei casi. Per quanto sfortunato possa essere—sì, è sfortunato—ma è proprio lì che sono. Non è il linguaggio che usano. Noi lo abbiamo adottato e usato per anni, ma loro usano quota di mercato, profitto, fatturato, volume. Questi sono i termini che usano.
E quindi, collegare e mostrare—creare esempi banali. Inizia con: ecco dove sei, ecco cosa sto pensando, con un problema esemplificativo. Una piccola cosa semplice in Excel. Ecco come si evolverebbe. E poi prendi effettivamente una cosa reale che funziona e falla girare in parallelo per un po’. Ecco il tuo processo, ecco il mio processo. Specialmente se non stai nemmeno facendo un’ottimizzazione deterministica—accidenti, questo spiana la strada fin dal primo tentativo se imposti un buon modello.
E allora adesso hai la fiducia. E una volta acquisita la fiducia, hai molta più libertà di sperimentare. E poi, ancora, introduci il successivo. Stai semplicemente aggiungendo ogni volta il successivo strato di complessità. E infine li porti a comprendere il quadro completo—ecco, pensare ai problemi di ottimizzazione nel tempo, ecco, pensare alle decisioni di previsione nel tempo. Ti permetteranno di iniziare ad espanderti. Ma non puoi mai semplicemente presentarti e vendere la tua idea. Vendere la tua idea significa dimostrarla.
Una delle cose di cui parlo molto con i team di prodotto con cui lavoro è: se vuoi andare veloce, devi avere fiducia. E se vuoi avere fiducia, devi essere trasparente. Quindi sono davvero trasparente con loro su cosa voglio fare e su come intendo arrivarci. Spesso loro ricambiano. Il bias della reciprocità è estremamente forte. E così le persone sono disposte a cedere alcune delle loro informazioni. Molto di questo riguarda le relazioni. Vorrei poter arrivare alla risposta con la matematica, ma in realtà far sì che le persone mi apprezzino, onestamente, è nove decimi della battaglia.
Conor Doherty: Joannes, ancora—quanto di questo corrisponde alle tue esperienze a Lokad?
Joannes Vermorel: A Lokad, tendiamo a fare le cose in modo piuttosto diverso. Per noi, il modo in cui affrontiamo il problema è—i mezzi, soprattutto quelli tecnici, sono in un certo senso irrilevanti. Alla fine della giornata, sì, usiamo previsioni probabilistiche—va bene. Ottimizzazione stocastica—va bene. Voglio dire, molte cose di cui non hanno mai sentito parlare, non conoscono, non gli importano, non hanno tempo per questo. E va bene.
Quello che vogliamo è arrivare a un punto in cui abbiamo identificate quelle decisioni. Tanti ambiti—possono essere allocazioni di produzione, allocazioni di inventario, quantità di acquisto, persino l’ottimizzazione dei prezzi, con prezzi in aumento o in diminuzione. Non importa. Il traguardo per guadagnare fiducia è raggiungere—a proposito, questo è tecnicamente il nostro obiettivo primario per passare alla produzione—uno 0% di follia. Quindi dobbiamo generare decisioni, idealmente per milioni, su larga scala—massive. Andiamo direttamente per una scala massiccia.
E c’è una ragione per questo—è in realtà più facile, più veloce e più economico. Può sembrare controintuitivo, ma la maggior parte delle statistiche funziona meglio quando hai più dati. E estrarre dati da un ERP—se vuoi filtrarli, richiede più logica. Quindi se non li filtri, in realtà è più semplice—se hai gli strumenti adeguati. Di solito, il filtraggio crea molte complicazioni, specialmente in data extraction.
Quindi preferiamo dire: lavoreremo con i nostri sistemi, non filtriamo, prendiamo tutto. Va bene. Rende tutto più semplice. E poi la questione è—quando dico che quelle decisioni dovrebbero avere uno 0% di follia—intendo che le persone dovrebbero poter esaminare tutte le decisioni che abbiamo generato senza poter avanzare obiezioni.
Inizialmente, itereremo, perché le persone hanno obiezioni. Dicono, “Oh, questa decisione è interessante, ma non possiamo farla per via di questo e quello.” Molto bene. Cambiamo la logica e risolviamo il problema. Oppure: “Qui, non stai proprio prestando attenzione. Questo è un cliente VIP.” Oh—un nuovo concetto, cliente VIP. Non lo sapevo. Non era documentato che aveste clienti VIP. Raccontami di più. Spiega perché questo cliente è così tanto più importante. Molto bene. Poi considereremo quei clienti VIP per te, ecc., ecc. Ripeti. Itera. Su scala, con parametri massimi.
E alla fine, l’idea è che in un certo lasso di tempo—basta qualche settimana—si arrivi a un punto in cui le persone non possono più obiettare su nulla. È lì che si ottiene la fiducia. Improvvisamente, hanno un sistema che genera decisioni molto facili da comprendere—perché sono decisioni. E nessuno ha veramente obiezioni.
Per noi, è così che guadagniamo fiducia. Di solito abbracciando tutti i casi limite, tutte le situazioni strane. In modo che non traspaia un’atmosfera da “POC”. Trasuda invece prontezza alla produzione. Anche se tecnicamente è solo un pilota—è veramente a scala massima, copre al massimo tutte le anomalie. Il che significa che se non sei ottimale da un punto di vista dell’ottimizzazione—se i tuoi strumenti sono crude e simili—va bene. Può essere rimandato. Per noi, inizialmente il problema non è avere qualcosa di iper-ottimizzato, ma avere qualcosa in cui non ci sia neppure una riga in cui le persone possano avanzare obiezioni valide.
John Elam: Penso che stiamo arrivando a qualcosa di simile. Quando dico “eliminare qualcosa,” intendo dire—la Toyota supply chain coinvolge… Voglio dire, sono qui da tre anni, e ancora non riesco a capirlo. Abbiamo fornitori di quarto e quinto livello. Abbiamo accessori—accessori installati in una fabbrica, accessori installati in un impianto, accessori installati dal concessionario, o accessori installati da un centro di distribuzione dei veicoli. E poi puoi anche semplicemente acquistare accessori da noi.
E questi sono solo accessori. Poi, i motori—li produciamo in tutto il mondo. Quindi, molte volte quando dico un “POC,” intendo una di quelle corsie. Non puoi sceglierle tutte—perché tutte si intersecano tra loro. Questo è un altro problema. Devo ottenere la mia previsione dei veicoli giusta per poter arrivare a quella degli accessori. Perché sto cercando di prevedere: quanti parafanghi metterò sulle Sienna? Beh, quante Sienna stai producendo?
Quindi è come cercare di tagliare a pezzi—ok, quale posso effettivamente… posso rimanere in una corsia? E molte volte, quando dico “corsia”, è, francamente, una responsabilità del manager. Perché la loro sfera d’influenza ha dei confini. Quindi hai assolutamente ragione. Una cosa che adoro di ciò che hai detto è: copri tutti i casi limite nella cosa che affronteremo. Sì—realizzeremo quella cosa. Se attivi l’interruttore, è pronta per la produzione. Risolve tutti i problemi.
Sì, non posso essere abbastanza d’accordo con te su questo. Ogni volta—ho chiamato questo il mio approccio di “trasformazione dati metodica”. È un po’ come, come affronti le cose? Procedi processo per processo trascinando l’intera organizzazione, oppure inizi con una parte dell’organizzazione, svolgi tutti i suoi processi e poi li fa propagare? Sono fondamentalmente due modi diversi di farlo.
Ma in ogni caso, qualunque metodo tu adotti—che tu proceda processo per processo coprendo tutti i diversi settori delle vendite o, per esempio, ti concentri solo sul Nord America e cerchi di coprirlo per intero—qualsiasi corsia tu scelga, deve essere realizzata al 100%. Perché è così che mi guadagno la fiducia, dimostrando di fare effettivamente altrettanto bene quanto te. E in molti di questi casi, oggettivamente, faccio meglio. Ed è questo che intendo per POC.
Quindi sì, penso che tu abbia ragione. Non intendo per POC un esperimento da fiera scientifica—intendo dire che il concetto è veramente stato dimostrato. E che, idealmente, quando il PC è completato, hai un vero MVP. Questo è un prodotto utilizzabile. Aiuta l’azienda ad aggiungere valore. Una volta che hai risolto tutti quei casi limite. Ma sì, è davvero un ottimo punto. Non voglio che la gente pensi che stiamo costruendo cose come i Jupyter notebooks e basta.
Joannes Vermorel: Esatto. I notebooks. Esattamente. Direi che è il tranello del data science che ho visto così tante volte. La cosa contiene così tante righe palesemente errate che le persone—quelle operative, sai, quelle che alla fine sarebbero responsabili delle decisioni—guardano i numeri e, ogni dieci righe, individuano una follia. Qualcosa di assolutamente sconcertante. Non funzionerebbe, non volerebbe, causerebbe danni, complicazioni.
E per me, questo è il modo più veloce per perdere ogni credibilità. Non importa quale tecnologia venga utilizzata—se i manager che revisionano le decisioni riescono a individuare cose assurde, serve ulteriori iterazioni. E bisogna iterare finché non sorgono più obiezioni. Le persone guardano quelle decisioni e dicono: “Beh, se fosse stato un collega a prenderle, avrei approvato tutto.” Probabilmente, col tempo, alcune di quelle decisioni si riveleranno errori—perché, ancora una volta, le previsioni non sono perfette. Ma per il momento, considerando le informazioni in mio possesso, approverei tutto. E basta.
John Elam: Sì. È un buon modo di pensarci. È un buon modello mentale. Un collega considererebbe questa previsione, decisione, o qualunque cosa ragionevole? E se non riescono ad arrivare a quel punto, non si va oltre. Non hai ancora guadagnato la fiducia.
Joannes Vermorel: E molto spesso, quando sorgono obiezioni, spesso ci sono elementi nella modellizzazione che sono semplicemente errati. Possono essere cose banali, ad esempio—le quantità che richiedi ai nostri fornitori sono buone, ma ti sei dimenticato che la nostra capacità di assorbire le consegne in magazzino è limitata. E qui, si verificherà una collisione—troppi camion che consegnano all’ingresso del nostro magazzino lo stesso giorno. Quindi vedi, forse le quantità che ordini sono corrette, ma sfortunatamente c’è qualcos’altro—apparentemente non correlato—che ti impedisce di farlo.
Ancora, ci sono molte cose. Ed è molto importante integrare quelle obiezioni, in modo che le persone non abbiano obiezioni troppo schiette come “Questo numero non è nemmeno nel campo del fattibile. Hai questo, quello e quest’altro che non renderebbero nemmeno una soluzione praticabile.”
Adam Dejans Jr.: Credo che per me in questo caso faccia molte domande che colpiscono nel segno alcuni dei dirigenti. Tipo: “Ti ricordi quello sciopero al porto dell’anno scorso? Non è andato bene, vero?” Roba del genere. E, perdere soldi fa davvero schifo.
Davvero, molto di ciò che si sente è: “Dobbiamo migliorare l’accuratezza della previsione.” E quello che spiego loro, o cerco di discutere e analizzare, è che è abbastanza facile prevedere quando tutto va per il verso giusto. Se tutto è stabile e procede bene, allora sì, potrebbe essere più accurato. Ma quando arriva il momento—e supponiamo che si verifichi uno sciopero al porto—non lo prevedi affatto.
Quindi, quando hai più bisogno di questa previsione, è esattamente nel momento in cui essa fallisce. Proprio quando ne hai più bisogno, fallisce. Allora, cosa succede se, invece di cercare di evitarlo e fingere che non esista, lo abbracciamo e lo integriamo nel nostro processo? Questo è in un certo senso l’approccio che ho adottato. Funziona per la maggior parte. È un processo lento. Ogni volta che ti trovi in un’organizzazione davvero grande, è molto difficile apportare cambiamenti. Gran parte di ciò è dovuto al fatto che sei isolato in compartimenti verticali.
Ma questa è l’ipotesi—sto cercando davvero di connetterlo ad esempi reali che sono capitati a loro. In cui vogliono risolvere il problema, ma non sanno bene come farlo. E poi ti dà l’opportunità di affrontare i loro punti dolenti che hanno appena sperimentato.
Joannes Vermorel: È interessante perché modellare quelle interruzioni non è così complicato—basta dire, “Ok, inserirò una probabilità del 5% di avere una grande interruzione lato offerta ogni anno.” Boom, ok, perché il 5%? Beh, nell’ultimo secolo abbiamo avuto due guerre mondiali più tante altre cose, quindi sì—recentemente, anche se dici che c’è una probabilità annuale del 5% di una grande interruzione lato offerta, non è nemmeno così elevata. E puoi avere rischi simili anche sul lato della domanda e in altri ambiti. Quindi quelle percentuali sono per lo più stime approssimative—va bene così.
La cosa interessante è che per questo motivo da Lokad non forniamo previsioni, perché è troppo complicato da comprendere. Ci concentriamo sulle decisioni. E le decisioni—di solito, quando arriviamo a questa situazione assurda—le persone direbbero: “Oh, questa decisione, per esempio qui, questo inventario sembra un po’ elevato.” E qui la discussione diventa: sì, ma è davvero così alto da essere irragionevole?
E poi vedi che la cosa interessante è che, se guardi le previsioni che le persone hanno, diventa così difficile pensare contemporaneamente—la domanda potrebbe essere 100 oppure 50, perché c’è una situazione strana in corso. È molto difficile, sai, pensare a tutti quei possibili futuri. Ma quando osservi la decisione e le persone dicono: “Sì, questa decisione è un’aggregazione di molti rischi,” e tu rispondi: “Beh, sembra un po’ conservativa, ma indovina un po’? Potresti incorrere in tantissimi problemi: fornitori inaffidabili, ritardi, scioperi al porto e altro ancora. In definitiva, sembra essere una scelta sicura.”
Ed è qui che sta il punto interessante: quando spostiamo—cioè, cerchiamo di indirizzare—la discussione sulla decisione finale, per esempio, l’allocazione delle risorse, è allora che, improvvisamente, penso che le persone, specialmente dal lato della gestione, si sentano molto più a loro agio con l’idea che questa decisione racchiuda una marea di rischi che nemmeno comprendono appieno—è semplicemente un pacchetto, capisci. E qui, funziona. Funziona molto meglio che cercare di comunicare con le previsioni che hanno modalità strane, con eventi a coda grassa e simili.
Conor Doherty: Beh, se posso semplicemente proseguire su questo—scusa, potrei passare al punto successivo, che è ancora una parte del change management, di cui so che ti piace parlare, John, e lo fai con grande passione. Ma una parte di ciò non è solo generare l’adesione degli utenti. E un’altra parte—anche se le persone vedono che funziona—è che vogliono comunque avere un certo livello di comprensione su come funziona la cosa. Perché, per la maggior parte delle volte, le persone non vogliono semplicemente dire, “Oh sì, funziona bene, è abbastanza.” Vogliono almeno avere un riassunto esecutivo tipo: “Beh, ok, come funziona esattamente una distribuzione di probabilità? Come la trasformi in una decisione?” Quindi, John, per cominciare da te—come gestisci esattamente quella parte del change management, ovvero far sì che le persone comprendano almeno a un certo livello la matematica intricata che sta effettivamente operando sotto il cofano?
John Elam: Onestamente, i problemi giocattolo sono fantastici, vero? Tipo, esempi semplici e facili da seguire. Ad esempio, io voglio integrare l’incertezza nella nostra decisione su quanta scorta mantenere a terra—beh, supponiamo, ipotizziamo che ci sia una probabilità dell'1%—sai, ordiniamo le auto mensilmente (attualmente stiamo cercando di accelerare molto questo processo), ma per ora ordiniamo le auto mensilmente. Quindi, ipotizziamo che ogni mese io abbia, diciamo, una probabilità dell'1% che si verifichi uno sciopero al porto.
Beh—e magari ciò cambia pure, vero? Tipo, la probabilità di uno sciopero al porto può aumentare man mano che il termine del contratto si avvicina. Le probabilità di uno sciopero al porto potrebbero aumentare, e quindi lo rappresenterei, in modo molto semplice, vero? Tipo, una probabilità dell'1%, e supponiamo che salga al 10%—stiamo semplicemente scegliendo numeri per esempio. E mostriamo quell’aumento. E poi dirò: “Ehi, guarda, ogni mese, anche solo pensando alla sicurezza, probabilmente vorremmo ordinare circa l'1% di auto in più o una certa quantità extra per coprirci contro il fatto che potrebbe verificarsi uno sciopero in qualsiasi momento.”
Adesso, le probabilità che ciò accada sono abbastanza basse, ma aumenterebbero man mano che ci si avvicina a quel momento. E così potrei voler aumentare il mio stock a terra, sapendo che quell’evento incerto è più probabile che avvenga—cioè, che l’interruzione sia più verosimile. Quindi voglio accumularlo. E poi consideriamo i due scenari possibili, giusto? Oppure non c’è uno sciopero, oppure c’è uno sciopero. E mostriamo semplicemente i risultati, dicendo: “Ehi, guarda, non c’è stato uno sciopero, abbiamo avuto un po’ di inventario extra. Il mese successivo, ordino un po’ meno perché ora l’incertezza è diminuita, il mio inventario torna al livello normale di incertezza. E guarda questo costo aggiuntivo di mantenimento che ho sostenuto per i due mesi successivi, mentre riducevamo quell’inventario extra per coprirci. Ok, c’è un costo per questo—alcuni milioni di dollari o qualcosa del genere.”
Guardiamo l’opposto. Ok, dall’altro lato c’è uno sciopero. E supponiamo—quanto durano normalmente gli scioperi? Due settimane, vero? Sai, puoi guardare indietro e dire: “Guarda, quanto durano in genere questi eventi?” Va bene, due settimane senza ricevere alcuna auto. Santo cielo, quanto ti costa questo? E mostri semplicemente i due numeri. Quale costo preferiresti avere? Sicuramente ne incorrerai in uno di questi, giusto? E questo è—sai, tutti sono d’accordo sul fatto che o ci sarà o non ci sarà uno sciopero. È piuttosto chiaro. E mostrando alle persone, “Beh, guarda i diversi esiti che potrebbero verificarsi in questo esempio giocattolo.” È così che si fa a far riflettere le persone sulle distribuzioni, sull’incertezza e su come questa cambi nel tempo.
Conor Doherty: Mi piace persino iniziare con il loro problema—potrebbero essere nel settore degli accessori, potrebbero ordinare motori, oppure chissà cos’altro. Beh, qual è il vostro ambito? E giochiamo insieme, e poi chiediamo: “Che tipo di incertezza avete?” “Beh, a volte abbiamo ciuccia qualunque,” giusto? “Ci sarà uno sciopero sui treni, lo sciopero dei treni dell’anno scorso è stato un grosso problema. Parliamone, analizziamo come modellare quelle due decisioni differenti.” E ora sto usando il loro linguaggio, stanno guidando, sai—siamo veramente collaborativi. Sto portando questo modo di pensare, e loro portano il loro dolore molto reale. Questo è il modo migliore per costruire prodotti: attorno a un dolore reale che viene vissuto, perché sai che il problema si risolve quando il dolore scompare.
John Elam: E mi piace persino iniziare con il loro problema—potrebbero essere nel settore degli accessori, potrebbero ordinare motori, o chissà cosa. Beh, qual è il vostro ambito? E giochiamo insieme, per poi chiedere: “Che tipo di incertezza avete?” “Beh, a volte abbiamo qualunque cosa,” giusto? “Ci sarà uno sciopero sui treni, lo sciopero dei treni dell’anno scorso è stato un grosso problema. Parliamone, analizziamo come modellare quelle due decisioni differenti.” E ora sto usando il loro linguaggio, stanno guidando, sai—siamo davvero collaborativi. Sto portando questo modo di pensare, e loro portano il loro dolore molto reale. Questo è il modo migliore per costruire prodotti: attorno a un dolore vissuto, perché sai che il problema si risolve quando il dolore scompare.
Adam Dejans Jr.: Penso che un’altra cosa sia, oh sì—quando chiedono, tipo, “Come funziona?” A volte non gliene importa davvero dell’algoritmo, ma ho notato che ciò a cui tengono veramente, e che aiuta molto, è sapere quali leve possono azionare e modificare. Quindi, tipo, posso—non so—posso testarlo? Una cosa è il test degli scenari. Adorano il test degli scenari. Tipo, “Beh, e se, sai, invece del 10% fosse il 50%?” Oppure, “Posso aggiungere più safety stock o qualunque altra cosa?” Ho notato che avere queste leve a disposizione e far capire con cosa possono giocare aiuta davvero a ottenere il consenso.
Conor Doherty: Sì, esatto. Stavo per dire—locus interno di controllo. Stai dando potere alle persone affinché si sentano parte del tutto. E a proposito, questo si allinea, di nuovo, con il tuo approccio per questo?
Joannes Vermorel: Ancora, ci sono delle analogie, ma lo facciamo in maniera abbastanza diversa. Il tipico approccio Lokad consiste nel decorare ogni singola decisione con mezza dozzina di quelli che chiamiamo economic drivers. Quindi, l’idea è che, a seconda del caso, abbiamo, ad esempio, il costo di inventario, il costo di stockout, il costo dei ritardi dei fornitori, il costo di questo, il costo di quello—ovviamente varia a seconda del settore.
Joannes Vermorel: Ma l’idea è che ogni decisione sia accompagnata da mezza dozzina di valutazioni, in dollari, di ciò che è in gioco. E la cosa interessante—e torno su questo, per cui ci sono delle somiglianze—è che noi valutiamo decisamente in termini di dollari, e poi, quando si tratta di contestare la decisione, cerchiamo che le persone contestino la nostra valutazione in dollari. Vedi, perché dovrebbe essere un modo per dire: “Non sono d’accordo con questo costo che stai attribuendo a quella cosa.”
In realtà non gli importa esattamente come siamo arrivati a questo calcolo, ma quello che pensano, e ciò che di solito risulta molto utile, è dire: “Ok, il rischio che stai indicando in dollari per il ritardo dei fornitori è troppo basso, per esempio.” È molto interessante—potrebbe essere perché non stiamo osservando correttamente i tempi di consegna, oppure perché potremmo non considerare altre variabili. Ma fondamentalmente—ed è per questo che mi collego alle leve—questo è un modo per mettere a tacere chi chiede 100 simulazioni.
Infatti, è più come, “Ok, in termini di… abbiamo una divergenza di visione aziendale su cosa comporti un costo?” Ad esempio, per gli scioperi nei porti, puoi considerarlo come un’assicurazione che dovresti pagare. Stiamo calcolando correttamente il costo di questa assicurazione? Siamo almeno nella giusta fascia? Ed è qui che molto spesso torniamo—quindi, con il simulatore o con i tuoi metodi, ritorniamo a quegli esempi semplificati, ma tipicamente ripartendo dal costo, ossia: “Ok, abbiamo questo costo che attribuiamo al rischio di sciopero e simili, possiamo fare un calcolo approssimativo che ci mostri se siamo nell’area giusta o no?”
E ancora, abbiamo sempre questo principio di realismo—quindi questo costo deve essere all’incirca in linea con quello che riteniamo corretto. E se lo è, siamo a posto. Se ci rendiamo conto che stiamo semplicemente sovrastimando o sottostimando uno di quei fattori economici, è necessario intervenire per correggerlo.
John Elam: Amo questo linguaggio—assicurazione. Perché è esattamente quello che è. Sì, è un linguaggio meraviglioso per aiutare le persone a capire, “Perché sto pagando questo costo?” È come se coprissi una scommessa, stai ottenendo un’assicurazione qui. Mi piace.
Conor Doherty: Grazie. Ancora, quella prospettiva di ROI sulle decisioni—trattando sostanzialmente le decisioni in alcuni casi come un’assicurazione—si discosta o può discostarsi dall’approccio standard alle decisioni. Quindi, tipo, beh, Adam, hai detto prima, “Beh, voglio solo maggiore precisione,” per esempio. E ad essere onesti, è un tema sempreverde, ma è uno dei temi di cui si discute ogni volta che esco, se sono a una fiera o parlo con un potenziale cliente, perchè quello è l’argomento. Diranno: “Beh, voglio—comprensibilmente, penso che il mio punto dolente sia che ho bisogno di maggiore precisione.” Quindi, ancora, Adam, veniamo a te per primo: come distingui questi due aspetti? Perché so che ieri su LinkedIn hai postato, “Oh, decisioni migliori sono migliori delle previsioni migliori.”
Adam Dejans Jr.: La chiave è continuare a sottolineare: cosa stai facendo con la previsione, è una delle cose. Cioè, devi prima decidere quali metriche aziendali stai cercando di migliorare. E tutto il resto è semplicemente un supporto a quello. Quindi potresti avere la previsione più accurata, ma a seconda di come la usi o non la usi, le cose potrebbero cambiare.
L’altra cosa nel rincorrere la precisione è, innanzitutto, che non sarai mai al 100% preciso, perché le cose cambiano. Devi incorporare questo cambiamento nel tuo quadro decisionale. Ma oltre a ciò, diciamo, non so, se sei al 95% di precisione—a quale costo vuoi davvero passare, tipo, al 96%? E se non lo fai—se non riesci a collegare quel guadagno percentuale alla tua metrica aziendale, avrai semplicemente il tuo intero team dati impegnato nell’inseguire una misura arbitraria di precisione senza un vero indicatore di come influirà sul business.
Quindi, tipo, un guadagno dell'1% mi frutta—possiamo quantificarlo? Finisce per tradursi nel business in una cifra quantitativa, o come? Tipo, come lo stiamo utilizzando? Questa è una delle cose chiave che noto accadere, specialmente nelle vecchie e grandi aziende come Toyota. Toyota è un’azienda giapponese. Non hanno mai fatto licenziamenti. E tutti restano lì, come se fosse un’azienda in cui costruisci una carriera, in cui restare. E così, quello che fanno, ciò che hanno fatto in passato li ha portati dove sono, quindi tendono a seguire quanto fatto in precedenza. Perché, tipo, numero uno nel settore automobilistico per una ragione, giusto? È come, “Beh, se continuiamo a fare ciò che abbiamo fatto, forse continueremo semplicemente a ottenere gli stessi risultati. Continuiamo a fare ciò che abbiamo fatto, ma meglio.”
E a volte, come abbiamo menzionato prima, alla fine dovrai cambiare, perché qualcun altro arriverà e cambierà le cose. Quindi, un po’ di sfogo, ma non so.
John Elam: Una cosa di cui voglio parlare è che, non so, quando ti concentri sulle decisioni, ci sono moltissime più cose di cui parlare ora. Non devi concentrarti sulle previsioni. Ad esempio, uno strumento che abbiamo creato è un motore di suggerimenti. Non conosce affatto le previsioni—non gli interessano le previsioni. Il suo obiettivo è generare più entrate, puramente. E quando dico generare più entrate, intendo una raccomandazione che spinge ad aggiungere più accessori al veicolo, fino a un punto di rottura, giusto? Tipo, quanti accessori posso aggiungere affinché la gente apprezzi ancora l’auto e che essa continui a vendersi bene?
Non so davvero quanto più velocemente si venderà—questa non faceva parte della misurazione. La misurazione era: si venderà altrettanto rapidamente in media, e avrà un maggior valore in dollari sull’auto quando la vendo? Abbiamo effettuato un t-test appaiato e non appaiato, analizzando gruppi pilota e di controllo e osservando le medie storiche nello stesso periodo per questi due gruppi—alcuni ricevevano raccomandazioni, altri no. E abbiamo guadagnato molto di più. Non c’è una previsione lì, giusto? Non c’è precisione in merito.
Abbiamo letteralmente copiato strategie da concessionarie vincenti e incollato quella strategia in concessionarie in difficoltà, e abbiamo guadagnato più denaro. E ricevo molte domande su quel prodotto, del tipo “Quando farà le previsioni? Quando mi dirà cosa—” e io dico, “Non è quello che farà. Comunica a quel gruppo di persone, che svolgono questa funzione, che se seguono questa raccomandazione, probabilmente venderà altrettanto rapidamente e genererà più entrate.” È tutto ciò che fa, ed è una decisione. È una decisione super semplice, ma aiuta il business—ci aiuta a guadagnare di più.
Quindi è così—ed è per questo che mi piace concentrarmi di più sulla decisione che prenderai e meno su una previsione perfetta. Perché ci sono così tante decisioni da prendere, e le previsioni—francamente, le previsioni non aggiungono valore. Prendere decisioni basandosi su ciò che la previsione indica è come si crea valore. Quindi sì, tutti vogliono la loro palla di cristallo, ma non la otterremo mai.
Joannes Vermorel: Non potrei essere più d’accordo, e penso che il tuo esempio sul pre-caricare le auto con gli accessori giusti sia un chiaro esempio di ciò. Il tipico mindset nella teoria mainstream della supply chain riguardo alle previsioni è quello di considerare la domanda come la posizione futura dei pianeti—qualcosa che accadrà a prescindere. E se riesci a ridurla a un’inesattezza dello 0,00001%, è semplicemente assurdo. Qui, ciò che stai dimostrando è che la domanda è ingegnerizzata—che se metti un’auto migliore a un prezzo più alto davanti ai clienti, beh, potrebbero acquistare l’auto più costosa e migliore a quel prezzo.
Ovviamente c’è un limite, perché a un certo punto le persone dicono, “È davvero, davvero una bella auto, ha così tante qualità, ma temo di non potermela più permettere.” Quindi ovviamente c’è un limite, ma finché non hai testato quel limite, stai lasciando soldi sul tavolo. E il problema è che se in passato sei stato piuttosto conservativo in tal senso, la tua proiezione riproduce semplicemente l’errore che commettevi, ovvero non esporre ai clienti auto sufficientemente allestite.
Questo è davvero il mindset della traiettoria planetaria—guardi al passato, ma la realtà è che il futuro dipende dalle decisioni che ancora non sono state prese. Ed è per questo che sono pienamente d’accordo con te sul fatto che le decisioni siano superiori alle previsioni, perché in larga misura il futuro è il risultato—la conseguenza—delle decisioni che stai per prendere, e non viceversa.
Adam Dejans Jr.: Lo vedi anche con—a volte potrebbe esserci un richiamo, o potremmo non avere un pezzo o un accessorio, e poi questo manca dai dati storici per, diciamo, sei mesi. Significa che ora nessuno lo vuole? Beh, storicamente la cosa è in calo—suppongo che a nessuno piacciano i parafanghi per auto. Ma ovviamente non è così.
John Elam: È un punto davvero valido. A volte, come produttori, abbiamo un buco nella qualità. Questo è molto centrale nella nostra cultura Toyota—se hai mai studiato il TPS, infatti, fermiamo letteralmente la linea se c’è un problema. E quindi, a volte, ci fermiamo—se il problema è abbastanza grave, lo fermiamo per giorni e settimane, e risolviamo il problema prima di riprendere la produzione. Non produciamo auto difettose, almeno non consapevolmente.
E così c’è stato un momento in cui abbiamo smesso di produrre una certa linea di veicoli—una linea molto, molto popolare—per mesi. Quindi, se ti basi solo sulle medie e prosegui, otterrai una previsione significativamente ridotta, mentre la domanda reale è estremamente repressa. Abbiamo arretrati nelle concessionarie per centinaia e centinaia di questi veicoli in ogni concessionaria. E quindi devi sapere dove guardare, giusto, per capire cosa dovrebbero essere le previsioni—stai prevedendo la domanda, o stai prevedendo i tuoi dati storici?
Joannes Vermorel: Uno degli errori più grandi della teoria mainstream della supply chain è ancora questo focus sulle serie temporali—as if fosse un vettore unidimensionale. Per la quasi totalità delle aziende, semplicemente non può riflettere ciò che sta accadendo.
Un esempio sarebbe, anche per le auto, per esempio—la domanda non è una cosa unidimensionale. Sei disposto ad aspettare l’auto? Per esempio, per Mercedes: vuoi una Mercedes? Nessun problema—aspetta un anno, e Mercedes venderà auto. Quindi, ovviamente, dipende—la risposta è, dipende. Ma il punto è, non è una questione unidimensionale. La domanda è condizionata dal prezzo, dal ritardo, e dalla posizione. E se appiattisci la domanda come se fosse “numero di auto al giorno,” perdi completamente di vista tutte queste dimensioni.
E non sono necessariamente super complicate. Questo è l’interessante: non sto dicendo che serve una complicazione folle—come dicevi, avevi, per esempio, una logica semplice che spingeva più accessori, basata su euristiche semplici—copiando le strategie vincenti delle concessionarie migliori. È anche qualcosa di bello: a volte, progettare una buona decisione è di un ordine di grandezza più semplice rispetto a formulare una buona previsione. Puoi arrivare a buone decisioni pur rimanendo abbastanza all’oscuro dei dettagli del futuro.
John Elam: Anche una semplice logica di “ordine fino a,” se non hai altro, è molto utile.
Conor Doherty: Beh, ancora, ascoltando la discussione su come arrivare alle decisioni, una parte chiave di questo—tornando al change management—è veramente: come fanno ad inserirsi i non esperti di matematica in questo? Perché, se arrivi come il genio della matematica, i wunderkinds, stai comunque cercando di implementarlo in una stanza con persone che hanno competenze in altri campi. Quindi, sono curioso: come sfrutti esattamente questo per co-creare o co-autorizzare un’iniziativa, un’ottimizzazione? Perché, ancora, hai bisogno delle informazioni che sono nella testa delle altre persone—come si inserisce questo nel tuo processo?
John Elam: Come ho detto nel commento precedente—non presentarti con una PowerPoint. Perché questo significa che hai la risposta, e io non voglio—sai, ho un ego, giusto? Penso che tutti abbiano un po’ di ego. Voglio costruirlo, giusto? Bene, allora costruiamolo insieme. E sembra così semplice, e quasi mi ripeto, ma è davvero così semplice. E probabilmente quella è la parte difficile—ed è che è così semplice. Qual è il loro problema, qual è il loro linguaggio, cosa sanno? E poi attrai le persone verso quello che ritieni sia l’obiettivo in base ai loro problemi.
E molto di questo riguarda scoprire il dolore—quindi, cosa è, sai, le persone sanno cosa è doloroso nel loro lavoro. Spesso è ciò su cui passano molto tempo, o—dico che a volte dedichiamo molto tempo a problemi che non richiedono soluzione—che, una volta risolti, non aiutano molto. Ma spesso capiscono: questo è ciò che facciamo oggi, ed ecco dove c’è un problema. E ne possiamo parlare a lungo. E spesso, dove c’è un problema, si tratta di qualcosa che può essere automatizzato, o qualcosa che può essere previsto, o addirittura qualcosa che può essere semplificato.
Quindi si tratta semplicemente di incontrarli dove sono, impararne il linguaggio. E come ho detto, non costruisci nulla senza di loro—stai costruendo insieme a loro, raccogliendo i requisiti da loro, e, se necessario, guidandoli verso la risposta giusta, ma senza dirglielo. Non puoi dire alle persone cosa fare. Non posso sottolinearlo abbastanza—molte persone non vogliono che venga detto loro cosa fare. Amano il momento “aha”, e se puoi aiutarli a orientarsi verso, “Ehi, penso che sia laggiù, andiamo a vedere insieme,” e poi—a volte io conosco già la risposta, ma va bene, non devo infilarla loro in gola. Diamo loro la risposta su un piatto d’argento.
Adam Dejans Jr.: Darò una prospettiva ancora più semplice—un punto di vista diverso. Ma per me, in tutti questi anni, costruire relazioni è ancora più importante di tutto questo. E anche riconoscere quello che chiamiamo il “power chart”, che è un po’ come un organo influente. Hai il tuo organigramma, giusto? Hai, tipo, queste persone che ti riferiscono, e questo è il manager, questo è l’executive. E le persone pensano che il potere e la persuasione salgano lungo quella catena, ma spesso non è così.
Spesso c’è qualcuno che sussurra all’orecchio di un executive perché è suo amico o altro, e semplicemente espandere la tua rete, costruire relazioni, ascoltare le persone, parlare con loro, ti offre la possibilità di poi affrontarle con questioni più tecniche, e saranno disposti ad ascoltare perché a questo punto hai stabilito una relazione—si fidano di te. E questo aspetto è così importante, e molte persone, specialmente ingegneri e scientist junior, trascurano questo perché pensano—e di solito hanno ragione—di avere oggettivamente una risposta migliore, e spesso ce l’hanno. Ma non lo implementerai in quel modo.
Ed è per questo che le persone si frustrano anche nelle corporation, perché può esserci una soluzione peggiore—oggettivamente peggiore—ma sì, viene venduta meglio, perché quella persona è semplicemente più influente, sia tramite il parlare, il vendere o semplicemente grazie ai rapporti nella rete che ha costruito. Parte di ciò che facciamo è anche il career coaching. Quando lo facciamo, abbiamo veramente un’intera sezione in cui ne parliamo, perché è molto importante per guidare i cambiamenti. Spesso viene trascurato.
Conor Doherty: So che parli di coordinarti con Toyota, la sede giapponese. E so, avendo lavorato in Cina per cinque anni, quanto sia importante—tipo, quando hai detto “relationship”, la parola che mi è venuta in mente è stata “guanxi”, che si traduce grossomodo in networking o relazioni, ma in Cina ha un potere ben più grande. Se non hai un buon guanxi con il tuo superiore o i tuoi colleghi, nulla si realizza—o, scusa, diventa molto più complicato far accadere le cose, anche se, come hai detto, hai un’idea oggettivamente superiore o la più impressionante in termini oggettivi.
Beh, il modo in cui l’hai inquadrato, il modo in cui sei entrato nella stanza, hai fatto sentire le persone degli idioti, non le hai coinvolte, come hai detto, John, non le hai coinvolte nel processo. Quindi la mia domanda—quando parli di relazioni, intendi questo? Quanto di ciò è influenzato dal tipo di lavoro interculturale che fai con il Giappone, come americani che lavorano con una corporation giapponese, o quanto è semplicemente in generale?
John Elam: Sì, è entrambe—è decisamente entrambe. Ma sarei completamente d’accordo che, nella cultura giapponese—sia a basso contesto che ad alto contesto—è fondamentale. Esiste persino un termine per questo—lo usiamo tutto il tempo, ci sono siti web interni che ne parlano—è un termine giapponese chiamato “nemawashi.” La traduzione letterale è “preparare il terreno,” come preparare il terreno per piantare qualcosa, ma il significato culturale e sociale è, “Mettiamoci tutti sulla stessa lunghezza d’onda.”
E come diceva Adam, sia che si tratti della mappa del potere informale oppure, in realtà soprattutto in questa cultura, anche della gerarchia regolare—dobbiamo tutti essere sulla stessa pagina, e fondamentalmente la decisione viene presa prima ancora che venga presa. Quello che intendo dire è che andrò a fare—e questo è, francamente, intendo dire, hai detto che è in qualche modo l’unico modo—secondo la mia esperienza, è l’unico modo per far accadere le cose in questa cultura.
Devo instaurare queste connessioni one-to-one praticamente con ogni singolo stakeholder che avrà anche solo un impatto intermedio sul proprio lavoro, e poi far loro capire cosa stiamo facendo, come li beneficerà, cosa cambierà nel loro mondo. E poi, quando arriva la riunione in cui decidiamo cosa fare, abbiamo già deciso—tutti sanno già la risposta. E, francamente, se a quel punto sorgessero problemi, non andrai avanti. Tornerai indietro e farai ancora un po’ di nemawashi. Quindi è di altissima importanza.
Ma anche nel contesto americano, quando facciamo consulenza, le relazioni sono comunque fondamentali—non è così rigido da dover avere ogni singola persona a bordo, ma serve una massa critica. Ora, certe persone hanno un peso diverso, giusto? Ed è tutta una questione di mappa del potere. Ma serve una massa critica per procedere. Non cambierai il modo di lavorare di un’organizzazione con un’idea interessante o una metrica veramente cool.
Conor Doherty: Joannes, voglio subito rivolgere questa domanda a te, perché, voglio dire, siamo un’azienda francese—la Francia è una cultura ad alto contesto—eppure, come azienda francese, trattiamo con clienti che, per la maggior parte, sono fuori dalla Francia. Quindi, in termini di cultura e di efficienza, quali sono i tuoi pensieri?
Joannes Vermorel: Sì, voglio dire, è molto interessante. Chiaramente, vedi, ciò che ho osservato è che negli USA, certe aziende, soprattutto quelle tecnologiche, adottano un approccio alla gestione molto, molto duro e conflittuale. Per esempio, il memo di Jeff Bezos nel 2002, in cui inviava sostanzialmente un messaggio a tutto il suo team, dicendo, “Ogni manager che in due settimane non avrà un piano per esporre i dati del proprio dipartimento tramite un’API (se non è già così)—se non ricevo un piano da questo manager, viene licenziato.” E alla fine ha licenziato—non ricordo esattamente—il 15% dei manager.
Eppure—quindi, questo è estremo. In Francia, sarebbe impensabile e quasi impossibile—estremamente costoso. È possibile licenziare, ma farlo in questo modo sarebbe semplicemente incredibilmente costoso. Ma la realtà è che, se guardi alle aziende tecnologiche—beh, sono tutte in qualche modo dagli USA. Così Amazon non è emersa in Europa, sai, è emersa negli USA. E quando guardi gli altri giganti tecnologici e quel che hanno fatto in termini di gestione—per anni, Microsoft era—sì, non licenziavano, ma erano incredibilmente brutali in molti modi, eppure, che successo.
Quindi, la mia opinione è che la quantità di nemawashi rispetto alla brutalità necessaria dipenda un po’ da quanto velocemente il tuo settore sta cambiando. Se il tuo settore cambia lentamente, allora probabilmente, sai, lo stile giapponese, costante, che rende tutti contenti e mira sempre a qualcosa di meglio in maniera incrementale, senza perdere i tuoi asset umani e così via, è probabilmente il migliore.
Se hai cose che evolvono, sai, come il software, super velocemente, allora se fai così, probabilmente sarai un’azienda in cui l’atmosfera è buona, ma sarai semplicemente obsoleto, e verrai completamente sostituito da persone che ti hanno mangiato il pranzo. Quindi sono d’accordo. Direi che, non so—penso che la risposta dipenda davvero da ciò che fanno i tuoi concorrenti e da quanta disruptiveness stanno portando nel settore. Quella sarebbe la mia opinione—quindi, ancora, settori differenti, tempi differenti.
John Elam: È davvero un ottimo punto, perché nel software, giusto, prendiamo ad esempio Lokad. Se Lokad ha questa funzionalità e la lancia e non viene accolta bene, voi cambiate la funzionalità, giusto? Presumibilmente riceverete quel feedback abbastanza rapidamente, poi itererete su di essa, e potrete avere un nuovo output altrettanto rapidamente.
Mentre, quando produciamo una Prius, quella Prius opererà per 20 anni—più, più a lungo della mia intera carriera professionale, quei veicoli probabilmente resteranno in funzione. Ed è per questo che ottenere la perfezione al primo tentativo è così critico. Ma hai ragione—dato che stiamo creando software, e questo rappresenta un cambiamento culturale che incontriamo lavorando in Toyota, è una sfida, giusto? Stiamo creando software, stiamo costruendo cose che posso semplicemente aggiornare. “Dimmi cosa non va, itero, ti procureremo qualcosa il mese prossimo, dammi più feedback.”
E quel modo di pensare è una vera sfida. Tuttavia, l’azienda lo sta sicuramente adottando. Puoi vedere i meccanismi girare e spostarsi per diventare, almeno sul fronte software, un po’ più flessibili, un po’ più iterativi. Ma è—è decisamente una sfida. Ma hai ragione, penso che ci sia il giusto tipo di cultura e filosofia per il posto e il tempo giusti.
Joannes Vermorel: Se stanno arrivando cambiamenti massicci, allora credo che la brutalità prevalga. Ma d’altra parte, se procedi in modo costante, allora stai semplicemente creando caos senza motivo. E lo è—ma vedi, per esempio, uno degli esempi più chiari di questa brutalità assoluta, eppure si è rivelata una mossa azzeccata, è stata l’acquisizione di Twitter. Hanno finito per licenziare il 90% dei loro dipendenti, e alla fine, il prodotto ha più funzionalità che mai ed è aumentato in termini di traffico. Il che, ovviamente, pone la domanda per Toyota: è concepibile che licenziando il 90% delle persone che lavorano in Toyota, possano produrre automobili migliori e in maggior numero? No, neanche a pensarci.
Ma nel software, queste cose accadono, ed è lì che—ma, di nuovo, è molto diverso—una cultura differente. Ma penso che ciò che è interessante è che la trasformazione digitale porta con sé un elemento di natura molto più brutale, frenetica e caotica nelle industrie, che si sta insinuando nelle aziende dove le cose non venivano fatte in quel modo tradizionalmente, per buone ragioni.
John Elam: È decisamente un cambio di paradigma che si sta facendo sentire, e sì, tutti stanno crescendo grazie a questo, siano essi tecnologi che si uniscono ad aziende con un quadro tradizionale e un modo di lavorare consolidato, oppure viceversa—quelle aziende molto tradizionali che stanno assumendo molti talenti nel campo dell’AI, del machine learning e simili. C’è un po’ di attrito lì, ma penso che una buona gestione sappia trovare il giusto equilibrio tra l’armonia necessaria per un ambiente di tipo manifatturiero e il progresso e il pensiero innovativo richiesti per, sai, cambiare ciò che stiamo facendo.
Adam Dejans Jr.: È un processo lento. È un processo lento in Toyota. È stato lo stesso anche a Ford, però—è una questione automobilistica. A Ford, ho lavorato per un po’ nel gruppo dei veicoli autonomi, e lo trattavano come una startup, ma finanziata da Ford Motor Company, giusto? Quindi, tipo, con un sacco di denaro alle spalle. Sì, voglio dire, riuscivo a notare la differenza, e ho visto software fatto correttamente perché dovevamo muoverci velocemente in quell’ambiente, quindi non c’era quella cultura gerarchica, tipica del settore automobilistico. Ma sì, è diverso—ci vuole solamente tempo.
Conor Doherty: Tipo, lavoriamo in questo modo da 30, 40 anni, e siamo un’azienda da miliardi di dollari—chi diavolo sei tu per venire e dire, “Ehi, dovete smettere di fare tutte quelle cose.”
John Elam: Sì, è come, “Mostrami qualcuno che produce più auto di noi.” Avrai delle difficoltà.
Conor Doherty: Fondamentalmente è vero. Quindi, ancora, se entri con la tua laurea in matematica dal MIT e dici, “Va bene, tutto questo è spazzatura,” o anche se—scusa, anche se adotti l’approccio del velvet love, che adoro come l’hai descritto, John, l’approccio della lavagna—ancora, ti scontri con decenni e decenni e decenni di un successo quasi ineguagliabile e altamente redditizio. Quindi, quanta resistenza deriva semplicemente da ciò? Può esserci resistenza perché, “Non mi piace la tecnologia,” o, “Non conosco la tecnologia,” e poi c’è, “No, amico, status quo—stiamo bene, non ci serve questo.”
John Elam: Sono stato abbastanza fortunato da essere stato assunto per una trasformazione digitale, quindi sono stato letteralmente assunto esplicitamente sapendo che quella era la sfida, e c’è una ragione per cui abbiamo dovuto attingere a persone dall’esterno. Quindi, in un certo senso, sono a conoscenza del fatto che il motivo per cui sono in azienda è perché ciò che stavamo facendo non ci porterà dove vorremmo arrivare. Quindi, in questo senso, sono piuttosto fortunato, ma ciò non significa che praticamente ogni singolo stakeholder che incontro, a parte la mia diretta catena di comando, sia in quella modalità di, “Beh, John, ho avuto successo facendo così per molto tempo.”
È—sai, onestamente—quell’output può assumere diverse sfumature. Può essere, come ho descritto prima, un servizio white glove, un approccio whiteboard, un co-creare. A volte può consistere nel mostrare la loro leadership o i loro dirigenti, a seconda—molto di ciò dipende dalla mappa del potere, e se riesci a identificare la vera influenza—le persone realmente influenti a livello decisionale, che è, ad esempio, a livello di VP, dove vengono prese le vere decisioni in un’azienda di queste dimensioni. Quindi, scoprire chi è connesso con loro—francamente, a volte, se mi scontro con un ostacolo con uno stakeholder, devi semplicemente aggirarlo e far sapere al loro management cosa è possibile, insieme ad altri alleati, giusto? Non è solo che io mi presenti con, sai, Frank contro Bob, è Frank e amici contro Bob che fa le cose in questo modo da 40 anni, e questo è ciò che significa per te, Signor e Signora Executive—ecco come cambieranno i tuoi KPI, guidandoli attraverso il processo.
Ma fortunatamente, non mi imbatto in questo—ho avuto la fortuna di essere assunto come innovatore digitale—il digital transformation manager è esattamente per cui mi hanno assunto, quindi molte persone sanno che, quando squilla il telefono e vedono John Elam, sanno che parlerò con loro di cambiamenti, perché è letteralmente parte, tipo, proprio accanto ai nostri titoli che siamo stati assunti in questo team di trasformazione digitale.
Quindi, quando le persone ci contattano, sanno perché siamo qui. Sì, non ti mentirò, non c’è una soluzione miracolosa per questo. Si tratta di lavorare con le persone, molta pazienza—molta pazienza. Voglio dire, stai andando contro persone che fanno questo da tutta la vita in certi casi—letteralmente. Ho capi che hanno, sai, io ho 36 anni, ci sono manager con 40 anni di esperienza in azienda. Quindi, la pazienza ti porterà davvero lontano—lentamente.
Conor Doherty: E so che, quando ne parli, usi spesso esempi dell’industria tech, che ovviamente è tipicamente molto più agile rispetto alle grandi aziende ben consolidate, di molte decadi, possibilmente anche 50 o 60 anni, che hanno tutti quei processi predefiniti e un retaggio di enorme successo. Quindi, quando sorgono queste conversazioni, come viene recepita quella retorica del tipo “beh, ecco come funziona nel mondo tech” dalle persone?
Joannes Vermorel: Penso che la realtà sia che, se guardi alla storia degli affari, quelle aziende molto consolidate—è solo un’illusione di stabilità. Sai, se torni indietro—per esempio, una delle più grandi catene al dettaglio di tutti i tempi, A&P, a malapena qualcuno se lo ricorda, ma erano la più grande catena al dettaglio mondiale per gran parte del XX secolo, e operavano negli USA, e ora penso che non abbiano più nessun negozio.
Quindi, ci sono stati tanti giganti che sembravano inespugnabili e che sono spariti. Quindi, la mia opinione è che i mercati siano eccellenti filtri, e l’industria del software lo è—e a proposito, c’è questa tendenza generale del software che sta conquistando il mondo, per cui vedo sempre più che le industrie seguiranno la dinamica dell’industria del software, in meglio o in peggio, proprio perché il software rappresenta una quota sempre maggiore di tutto.
Per esempio, è molto interessante: se guardi a SpaceX—SpaceX è, in gran parte, un’azienda di software. Questa non è un’azienda di razzi, è prima di tutto un’azienda di software. Per esempio, la stragrande maggioranza dei miglioramenti apportati ai loro motori dei razzi è dovuta a un software superiore per concepire i motori—è lì che risiede la vera magia dei loro razzi. La maggior parte della magia dei razzi è questa capacità di pilotaggio superumano, così che possano riportare i loro razzi—qualcosa come 30 secondi prima di toccare la rampa, il razzo sta ancora viaggiando a centinaia di miglia all’ora.
A proposito, il razzo sta frenando a 20 G prima dell’atterraggio. Se fosse un essere umano, l’umano morirebbe—la cosa sta frenando troppo velocemente. Quindi è una situazione in cui nessun umano potrebbe pilotare una decelerazione a 20 G. È qui che solo il software può farlo. Di nuovo, è stato molto, molto complicato, e ci sono stati numerosi fallimenti spettacolari, ma vedi, questo è un esempio.
E domani, per esempio, per l’industria automobilistica, se i veicoli autonomi diventassero, direi, di grado produttivo—non sono sicuro esattamente di dove siamo in questo momento—ma in larga misura diventerà una battaglia di software, piattaforme e simili. Quindi è molto interessante perché vedo molte industrie simili, e l’idea—ho dimenticato il nome del VC che ha appena detto, “Software is eating the world.” Penso fosse Andreessen Horowitz.
Quindi, in ogni caso, vedo questo e penso che la trasformazione digitale per molte aziende e la loro supply chain e ciò che possono fare in tal senso, sarà uno dei vettori in cui il software porterà, direi, una delle maggiori trasformazioni per aziende altrimenti abbastanza tradizionali.
Conor Doherty: Hai detto Andreessen? Marc Andreessen?
Joannes Vermorel: Oh sì, esatto, hai ragione, sì, esattamente.
John Elam: Sì, mi viene in mente Circuit City, giusto? Non so se fossero popolari in Europa, ma erano molto popolari negli Stati Uniti—ora non ci sono più, sono falliti. Li pulivo al liceo, in realtà.
Joannes Vermorel: Radio Shack, lo stesso. Radio Shack, sparita. Nokia, Kodak.
Conor Doherty: Kodak è un esempio interessante di cui hai parlato prima. Kodak, correggimi se sbaglio, hanno inventato la fotocamera digitale, o mi sbaglio?
Joannes Vermorel: Fotocamera digitale portatile, sì, e niente di più. E la cosa interessante è che avevano la proiezione—è anche una cosa interessante con Kodak—avevano la previsione, giusto? E letteralmente, c’era un dirigente che, all’inizio degli anni ‘70, aveva praticamente calcolato che il dominio della fotocamera digitale sarebbe arrivato all’inizio degli anni 2000, e quello, con una tolleranza di circa tre anni, risultò corretto. Ed è questa la cosa interessante in cui, sì, puoi—anzi, è ancora peggio—puoi avere la previsione corretta e non agire di conseguenza, ed è assolutamente terribile.
John Elam: Ho un’ipotesi. Immagino che in Kodak ci fossero molte divisioni differenti—probabilmente c’era, ad esempio, una per le lenti, per le fotocamere, per la pellicola, per i servizi, ecc.—e scommetto che la pellicola e i servizi costituivano probabilmente la parte più grande dell’azienda. Quindi i dirigenti responsabili di queste divisioni avevano un’influenza sproporzionata sulle decisioni da prendere, e presero decisioni che proteggevano il loro ambito di lavoro.
Joannes Vermorel: Esattamente, quella era proprio la ragione.
John Elam: Sì, è perché—sì, la politica sarà sempre presente, e se non incentivi le persone ad aiutare l’azienda, esse aiuteranno se stesse. Quindi, sai, le strutture di incentivazione sono qualcosa di cui parlo con la mia leadership e altri leader tecnologici: otterrai ciò che incentivi. Le persone sono a gettoni. Io sono a gettoni. Si ottiene ciò per cui si paga. I venditori—mi piace, sono i più puri, giusto? Lo vedi direttamente. Ma, francamente, lo sono tutti. E quindi, se incentivi le persone a proteggere il tuo regno e il tuo dominio, proteggeranno assolutamente il tuo regno. Dobbiamo quindi fare attenzione a cosa incentivi, altrimenti potresti prendere decisioni decisamente errate.
Conor Doherty: Adam, John, se c’è qualcosa a cui volete tornare, da amplificare o semplicemente fatemelo sapere, possiamo riprendere, o va bene così?
John Elam: Beh, sto cercando di capire come introdurre la cosa, perché era legato al linguaggio e alla comunicazione con le persone. E c’è qualcosa che abbiamo inserito nel nostro libro, ed è un’immagine che non potrete vedere qui, ma cercherò di farvela avere, così potete consultarla come preferite. Si tratta di un concetto del nostro libro che chiamiamo la “word wheel”. L’abbiamo rubato dalla emotion wheel. Ingrandite un po’ l’immagine e, anche se non riuscirete a leggere le parole, il concetto è abbastanza semplice.
All’esterno, hai la parola più tecnica e specifica che stai cercando, e man mano che ti sposti verso il centro del cerchio, le parole diventano più generiche. E il concetto è davvero semplice: i tuoi colleghi—molte persone in questa chiamata—utilizzerebbero quelle parole sul bordo, e onestamente, accidenti, personalmente potrei essere un po’ nella fascia intermedia, se devo essere sincero. So che lo farei, quindi è come se: non so, qual è un buon esempio qui, tipo, la greedy best-first search?
Non lo so, non ho mai studiato algoritmi di pathfinding, ma se mi dicessi che si tratta di un algoritmo di pathfinding, potrei dire, “Ok, almeno posso capire in quale categoria inserire questa conversazione.” E per un dirigente, però—che è, il dirigente e i clienti che poniamo al centro assoluto—è la cosa più basilare: è semplicemente un algoritmo, giusto? Stiamo usando un algoritmo. Non dicono nemmeno “pathfinding”, perché poi dicono, “Pathfinding? Che cos’è un algoritmo di pathfinding?”—non lo sanno, non se ne parla.
E quindi scegliere il linguaggio giusto ti aiuta a connetterti con il pubblico giusto—le persone che vogliono dettagli, datene dei dettagli. Le persone a cui non importa—a cui, per favore, non vorresti inondarli di informazioni, perché a loro non interessa. È letteralmente rumore, e il rumore è cattivo—il rumore distoglie sempre dal vero messaggio.
Conor Doherty: Beh, sono un po’ confuso, perché se non usi parole grandi, come fanno le persone a capire che sei intelligente? Tipo, mostri loro il tuo titolo di studio, o come funziona? Sto solo prendendo appunti, John.
John Elam: È davvero difficile usare parole grandi per apparire intelligenti, giusto? Il punto è l’umiltà, giusto? E penso che una delle cose principali sia che tutti là fuori sanno molto più di quanto io sappia—io cerco solo di affrontare la cosa pensando che c’è molto più per me da imparare che da insegnare.
Prova a insegnare—sai, insegnare significa connettere, e insegnare non significa semplicemente dire parole o concetti. Insegnare significa far entrare la mia idea nella tua testa, e se a volte devo usare la parola sbagliata—tipo, tecnicamente è la parola sbagliata o, tecnicamente, non è l’analogia perfetta, ma ti permette di avere una comprensione migliore, sì, andiamo avanti, andiamo avanti. Il punto è avere una comprensione migliore di ciò che posso e non posso fare, e quindi, anche se non è perfetto—a volte una spiegazione semplice, pur non essendo perfetta, è meglio di una risposta perfettamente dettagliata e sfumata.
Joannes Vermorel: Una visione leggermente contraria, un po’. Ma ovviamente sono d’accordo sul fatto che se dai una risposta che va completamente sopra la testa del tuo pubblico, non è una buona risposta. Tuttavia, una risposta leggermente contraria, in quest’era degli LLM, mi ha spesso colto a corto di parole, e ho capito che probabilmente una delle cose più importanti da imparare è avere un vocabolario molto ampio, solo per poter porre le domande giuste agli LLM. E si tratta, molto spesso, di trovare le parole giuste per esprimere ciò che stai chiedendo. A volte ci sono parole molto specifiche che mi sfuggono, ovviamente.
Ed è molto interessante, perché è qui che diventa leggermente controverso: far riferimento a parole specifiche in quest’era degli LLM può essere la cosa migliore che puoi fare per il tuo pubblico. Diciamo, hai tutte quelle parole—a guardare, non spenderò un’ora a darti tutto, puoi fare questo lavoro da solo con un LLM, basta porre domande. Ma io ti fornisco la lista di parole che ti danno qualcosa da cercare e da chiedere all’LLM, e poi l’LLM diventa, sai, potrebbe non essere il massimo in saggezza, ma è estremamente, ampiamente competente, specialmente sui dettagli trivia quando si tratta di concetti e—per esempio, “nemawashi”—molto interessante. Mi dai la parola chiave, e sono abbastanza sicuro che ChatGPT possa darmi un riassunto di tre pagine. Se volessi un riassunto di 10 pagine, sono abbastanza sicuro che lo potrebbe fare. Se vuoi un riassunto di un solo paragrafo, la stessa cosa.
Quindi è per questo che penso davvero che questo approccio al vocabolario sia leggermente diverso, dove in passato avrei detto che inserire un sacco di concetti agli studenti sarebbe stato probabilmente una perdita di tempo, ma in quest’era degli LLM—ah, è davvero interessante, e forse l’unica cosa da portare a casa sia una pagina con cento parole e riferimenti.
Adam Dejans Jr.: No, volevo solo dire che dipende molto dal pubblico. Anche se dai queste parole a un dirigente, a lui non importa davvero, e non andrà a cercarle comunque. Quindi se non riesci a far passare il messaggio in tre minuti, non lo cercherà, e non userà un LLM, anche se lo possiede. È, sai, capire il tuo pubblico e giocare su quello è fondamentale. Quindi, dipende da cosa intendiamo qui.
John Elam: Tipo un analista senior che non sa cos’è l’ottimizzazione stocastica, e se lui è—sai, quasi ogni analista con cui ho parlato è una persona altamente curiosa, un eterno studente. Quella persona, a cui lancerò qualche termine tecnico, lascerà che si informi autonomamente. Quindi sì, suppongo di essere d’accordo con entrambi. Gli LLM stanno portando al punto in cui ho imparato così tante cose che prima non avrei mai cercato, perché ora posso averle digerite ad un livello a me congeniale. E soprattutto, ora hanno una storia, conoscono il tipo di cose che so, quindi diventa tipo: “Beh, sai come stai lavorando a quell’altro progetto? È un po’ come quello,” giusto? L’LLM può rispondere a queste cose, ed è davvero d’aiuto.
Ma tornando al punto di Adam, molti dei dirigenti, almeno quelli con cui ho interagito, non hanno quella naturale, innata curiosità di andare, francamente, a cliccare due volte su un concetto. Quindi, deve essere chiaro.
Adam Dejans Jr.: Anche il middle management—sì, anche molti del middle management non se ne curano.
Conor Doherty: Mi piace molto il modo in cui hai espresso la cosa—beh, tutti l’hanno descritto, ma ancora, come qualcuno che insegna retorica e scrittura tecnica, il prisma che applico a tutte le forme di comunicazione (e noterai come invio messaggi a voi) è l’adattamento. Quindi, è pubblico e scopo—con chi sto per parlare, cosa sanno già, cosa hanno bisogno di sapere, quali sono le loro competenze preesistenti. Scopo—cosa voglio esattamente trasmettere, voglio ottenere qualcosa da loro? E questi due elementi—basti pensare che ogni email, ogni messaggio, ogni presentazione, ogni discorso, ogni video dipende da pubblico e scopo. Chi sta guardando, cosa stai cercando di trasmettere o ottenere, e perché stai facendo questa cosa? E capendo ciò—ancora, tornando al tuo punto, Adam—capisci il tuo pubblico, quindi ci sono dei vincoli: il pubblico ha il livello di conoscenza preesistente per comprendere cosa sta succedendo? Ha il tempo, l’inclinazione? Sono tutte priorità in continuo mutamento, cose diverse. Sono stanchi, o il loro cervello è a corto di glicogeno perché sono le 18:00?
Per davvero—perché sono le 18:00 a causa del fuso orario. Hai iniziato la tua giornata, sei fresco, hai appena fatto un caffè—loro sono esausti. Di nuovo, quello sarebbe il contesto. Quindi, di nuovo, pubblico, scopo e poi contesto—dove sta avvenendo la conversazione? Ma, in ogni caso, per passare alla mia domanda finale: se le persone vogliono saperne di più sulla retorica, consiglio Aristotele. Ma se le persone vogliono approfondire il forecasting probabilistico o la supply chain, c’era una domanda che mi è stata posta in un sondaggio che ho fatto per questa intervista, ed era molto semplice: “Per favore, chiedi al pubblico, o al panel, qualche raccomandazione, sia sull’ottimizzazione della supply chain, sul forecasting probabilistico, o anche solo qualche consiglio.” Quindi, ultima domanda, in ordine inverso: Joannes, hai qualche raccomandazione di libro o consiglio da condividere per chi vuole imparare di più?
Joannes Vermorel: Voglio dire, la serie di lezioni che ho prodotto su YouTube—se hai ore a disposizione, ad essere onesti, spero siano piuttosto buone, ma è un percorso di 100 ore, quindi richiede tempo ed è un impegno, per così dire.
Conor Doherty: Ma ci sono anche LLM che possono riassumere le trascrizioni. Sì, la trascrizione completa è sul sito web—se hai un LLM, puoi condensarla in una singola pagina. Sì, va bene. John.
Adam Dejans Jr.: Perché non lo fai tu per noi e mastichi il nostro cibo.
John Elam: Un libro che consiglierei, e ovviamente verrà da me, il tipo del prodotto, è “The Lean Startup” di Eric Ries. Non è necessariamente un libro tecnico in assoluto—in effetti, probabilmente non è una raccomandazione che questo pubblico sente molto—ma parla del prodotto e della risoluzione dei problemi. Quindi, sì, Eric Ries ha scritto un libro davvero valido, con ottimi esempi su come testare la tua idea, in senso generale.
E parla di come diverse agenzie governative siano riuscite a diventare più snelle e a creare effettivamente più valore per i cittadini. Fornisce numerosi esempi di startup nate senza alcuna tecnologia—zero tecnologia. “È davvero un problema e la gente pagherà per risolverlo?” E, letteralmente, gestivano le cose manualmente, inviando email manualmente, solo per testare: questo problema vale davvero la pena di essere risolto? Perché penso che a volte spendiamo molti soldi per risolvere un problema esistente per il quale nessuno è disposto a pagare per farlo sparire. Quindi, è un libro che consiglierei: “The Lean Startup” di Eric Ries.
Adam Dejans Jr.: Sì, penso che se cerchi libri tecnici, ce ne siano in abbondanza. Io faccio riferimento a un libro chiamato—l’ho letto durante l’era della consulenza nella mia vita—chiamato “Just Listen” di Mark Goulston. E questo libro tratta più di come far passare le persone dallo stato difensivo alla condivisione empatica per persuaderle, il che penso sia più importante della parte tecnica. Puoi sempre trovare il concetto tecnico da qualche parte. E poi, ovviamente, c’è il nostro libro—hai il lavoro legato ai dati, e adesso cosa?
“Hai ottenuto il lavoro con i dati, e adesso?”—questo è un libro che abbiamo scritto, John e io. Questo libro nasce dal fatto che abbiamo notato come molti dei nostri colleghi, molto intelligenti, spesso vedano le loro idee trascurate semplicemente perché non sanno come presentarle o perché non hanno costruito le giuste relazioni o la solida base necessaria prima di andare avanti. John può approfondire.
John Elam: Sì, mettere insieme questo libro è stato molto divertente perché è stata in sostanza la culminazione di tutti i problemi che ho riscontrato nel corso della mia carriera e di molti di quelli che Adam ha incontrato durante la sua. Quindi, in un certo senso, affronta alcuni degli elementi fondamentali per avere una buona carriera e fare la differenza sul lavoro. E quando dico “fare la differenza sul lavoro”, intendo che anche negli ambienti accademici—per esempio, se crei un nuovo algoritmo davvero fantastico e viene esaminato da tutte queste riviste ma nessuno lo usa—sai, speri che la tua ricerca venga utilizzata una volta che passi, immagino, forse, non lo so, ma vuoi che abbia un impatto.
E così l’intero libro inizia con la comunicazione come primo capitolo. Ci sono così tante piccole cose nella comunicazione che abbiamo cercato di coprire, che io, da giovane ingegnere, pensavo: “Mostrerò semplicemente alle persone che questa è la via giusta—oggettivamente giusta, perché no?” E ho imparato che in realtà non è così—siamo umani, siamo molto emotivi, ci siamo evoluti per essere creature molto sociali che amano le storie, ci connettiamo con esse.
E così nel libro troverai molte cose riguardanti la word wheel che abbiamo appena condiviso, troverai diverse tecniche di storytelling, troverai in realtà uno degli argomenti di cui parlavi, Conor, tipo, quando stai presentando, c’è un intero quadro di riferimento con cinque domande che devi porti: perché sei qui, perché il tuo pubblico è qui, in che stato si trovano, cosa vuoi veramente comunicare, e qual è l’invito all’azione successivo.
E se non lo fai, allora stai semplicemente parlando, e potresti comunque far passare il tuo messaggio, ma se riesci a comunicare: “Questo è ciò che voglio che le persone sappiano e questo è il loro stato attuale,” puoi guidarle da lì. E ci sono altre cose, come ad esempio come avviare il tuo primo progetto con i dati, come dovrebbe essere strutturato? Per chi magari ha partecipato a un progetto ma non ne ha mai condotto uno dall’inizio alla fine.
E poi, una delle ultime cose di cui voglio parlare nel libro, che ritengo importante ma spesso trascurata, è la nostra sezione sulla leadership—discussione sulla leadership formale e informale, ma una delle principali cose che avrei voluto imparare prima era come strutturare un business case. Se avessi saputo come redigere un business case da giovane ingegnere, molti più progetti avrebbero ricevuto finanziamenti e avrebbero contribuito ad aiutare le aziende per cui ho lavorato.
E la cosa principale che voglio che le persone portino via dai business case è quanto siano incredibilmente semplici. Non ho mai visto un business case con più di 10 voci. È sempre: “Ecco cosa facciamo oggi, ecco quanto costa ogni mese, ecco cosa vorrei fare domani, ecco il costo fisso, ecco il costo variabile, ecco il delta,” e poi la gente dice: “Dove firmo?” Quindi è semplicissimo. Quando diciamo “su un tovagliolo,” non posso sottolinearlo abbastanza—non mi sembra di aver mai visto una decisione aziendale riguardo ai soldi che non fosse una decisione presa su un tovagliolo.
Stiamo semplicemente cercando di fare il meglio che possiamo al momento con le informazioni a nostra disposizione. Quindi, sì, speriamo che le persone trovino valore nel libro—ci sono anche alcune storie divertenti delle nostre vittorie e dei nostri inciampi, quindi speriamo che possiate trarne qualche spunto.
Conor Doherty: Concludo dicendo che è disponibile su Amazon. Esatto—beh, dato che eri troppo timido per farlo, lo faccio io per te. Ma comunque, grazie ragazzi, lo apprezzo. Nessun problema. Non ho altre domande. Adam, John, davvero, so di avervi trattenuti per molto tempo, quindi grazie mille per essere stati con noi—lo apprezzo davvero.
John Elam: È stato un spasso, grazie per averci ospitato.
Conor Doherty: Grazie a tutti gli altri—vi dico, tornate al lavoro.