00:00:00 Capitolo cinque: le decisioni richiedono scommesse informate
00:04:48 Teoria di Shannon: l’informazione come quantità calcolabile
00:09:36 I dati equivalgono a bit; la verbosità non nasconde nulla
00:14:24 La conoscenza trasforma l’informazione in azioni redditizie
00:19:12 Il principio del passato immutabile, i design ERP lo violano
00:24:00 Gli zero di stockout vengono riscritti, le previsioni diventano distorte
00:28:48 Dolore economico: capitale mal allocato, rendimenti inferiori
00:33:36 I dati scadenti fanno da capro espiatorio e mascherano una confusione architettonica
00:38:24 Analogia dello storico: record fissi, semantica infinita
00:43:12 Divisione dei sistemi: record, report, intelligence
00:48:00 I report fanno rispettare la conformità, non anticipano le decisioni
00:52:48 L’intelligence genera allocazioni in condizioni di incertezza
00:57:36 Excel dimostra che i livelli decisionali sono già ibridi
01:02:24 I record vengono venduti come magici, i fornitori ne traggono profitto
01:07:12 Il test decisivo: il software muta il passato?
01:12:00 Promesse troppo belle per essere vere, addio alla verifica della realtà M5
Sommario
Decisioni in supply chain sono scommesse su un futuro incerto, quindi è importante un pensiero chiaro. La discussione traccia linee nette tra dati, informazione e conoscenza, per poi sostenere che la maggior parte del supply chain software li confonde gravemente. Il punto più acuto è che il passato deve rimanere immutabile: una volta che le aziende riscrivono la storia per adattarsi a modelli deboli, corrompono le basi per decisioni efficaci. Da qui nasce la distinzione pratica tra sistemi di record, sistemi di report e sistemi di intelligence. Le aziende spendono troppo per registri glorificati, investono poco nei veri motori decisionali e poi si chiedono perché le prestazioni deludano. Categorie chiare, non il mistero dei fornitori, sono l’inizio della competenza.
Sommario Esteso
Questa discussione ruota attorno a un’idea semplice ma di vasta portata: le decisioni in supply chain sono scommesse in condizioni di incertezza, e perciò tutto ciò che informa tali decisioni ha un’enorme importanza. Il reclamo principale è che la maggior parte del pensiero in ambito supply chain non è riuscita a distinguere chiaramente tra dati, informazione e conoscenza. I dati sono semplicemente simboli registrati. L’informazione è ciò che riduce l’incertezza. La conoscenza è la comprensione causale che consente a chi decide, umano o macchina, di trasformare l’informazione in azioni che migliorano i rendimenti economici.
Da questa base nasce un secondo punto fondamentale: il passato deve essere considerato immutabile. I registri storici di un’azienda dovrebbero riflettere ciò che è realmente accaduto, e non ciò che i pianificatori avrebbero voluto accadesse. Eppure, molti sistemi, in particolare il software standard per le imprese, sono progettati in modo tale da permettere la riscrittura del passato. Questo diventa particolarmente allettante quando modelli errati si scontrano con fatti scomodi. Ad esempio, se uno stockout porta a vendite registrate pari a zero, un sistema di previsione semplicistico potrebbe interpretare tali zeri come prova di una domanda debole. Invece di correggere il modello, i professionisti spesso “correggono” il registro storico. In altre parole, falsificano il passato per accomodare le limitazioni del presente. Non si tratta soltanto di un errore tecnico, ma di un errore concettuale, che porta a una cattiva allocazione del capitale e a rendimenti inferiori.
Segue una terza distinzione: le aziende devono separare i sistemi di record, i sistemi di report e i sistemi di intelligence. I sistemi di record sono registri glorificati. Il loro compito non è pensare, ma memorizzare resoconti affidabili del passato. I sistemi di report riassumono le attività passate e aiutano la direzione a garantire il rispetto dei processi esistenti. Sono strumenti di controllo retrospettivi. I sistemi di intelligence sono tutt’altra cosa: guardano al futuro e generano decisioni su come le risorse dovrebbero essere allocate.
L’argomento è che le aziende spendono regolarmente in eccesso per i sistemi di record perché i fornitori rendono misteriosi strumenti che, in sostanza, sono costosi strumenti di contabilità. Nel frattempo, la vera fonte di prestazioni superiori, i sistemi di intelligence, è sottovalutata perché sono più difficili da costruire, spiegare e vendere con promesse lucide.
Il consiglio pratico è sorprendentemente semplice. Quando si valuta un software, chiedete se esso muta il passato. Chiedete se separa nettamente la registrazione dei dati dal processo decisionale. Se il fornitore non riesce a rispondere chiaramente, questo di per sé è una risposta. Molte delusioni nel software per imprese iniziano quando le aziende aspettano che i registri pensino, che i report decidano e che i venditori diano la verità su qualsiasi aspetto.
Trascrizione Completa
Conor Doherty: Bentornati. In questa serie speciale, Joannes e io esaminiamo il suo nuovo libro, Introduction to Supply Chain, andando capitolo per capitolo e discutendo a turno i meriti, le sfide, i problemi e i consigli pratici.
Per questa serie, adotto la posizione di qualcuno che non conosce Lokad, non conosce Joannes, e non è affatto familiare con la prospettiva quantitative supply chain. In effetti, mi pongo nella posizione di uno dei circa 10 milioni di operatori nel panorama della supply chain, qualcuno che potrebbe vedere questo libro su uno scaffale, magari in una libreria o su Amazon, magari prenderlo, iniziare a leggerlo e porsi delle domande. E il mio ruolo in questa serie è quello di essere la vostra voce. Pongo queste domande a Joannes e cerco di chiarire tutto ciò che potreste ritenere poco chiaro.
Ora, questo è l’episodio cinque. Se non avete visto i quattro precedenti, vi consiglio di guardarli, perché ciò che diciamo oggi sicuramente riecheggerà nelle discussioni precedenti.
E con questo, Joannes, è bello rivederti. Quindi, capitolo 5: informazione. Penso che, per inquadrare l’argomento, ti leggerò la prima linea del capitolo 5, perché credo che offra davvero una bella prospettiva per la discussione. Il capitolo 5 inizia: “Ogni decisione in supply chain è una scommessa in condizioni di incertezza. Per essere valida, deve essere informata.” Cosa intendi con ciò, e qual è il messaggio pratico del capitolo 5?
Joannes Vermorel: Innanzitutto, sto sottolineando qualcosa che dovrebbe essere ovvio. Ovvio è che la tua supply chain è complessa. È fatta di molte persone, molte macchine, molte sedi, molti inventari.
Se sei completamente all’oscuro di tutto ciò, possiamo ragionevolmente presumere che sia ovvio che le tue decisioni saranno molto cattive. Possiamo entrare nel dibattito filosofico sul fatto se tu possieda qualche prescienza o qualche abilità magica che ti permetta di prendere decisioni corrette in assenza di informazione, ma questo suona ben presto come qualcosa di irrealistico.
Quindi, ora, un buon manager deve essere informato, le decisioni devono essere informate. Bene, questo è in linea con ciò che ci interessa. Ma cosa significa esattamente? Cosa significa?
E la risposta breve è che l’informazione è stata completamente codificata a livello matematico nel corso del XX secolo. Quindi, non dobbiamo indovinare. Questa è un’area in cui disponiamo di una conoscenza scientifica estremamente alta e affidabile.
Questa conoscenza non è teorica. In realtà, ogni singolo pezzo di software al giorno d’oggi utilizza questa conoscenza in decine di modi, anche in ambito supply chain. Proprio in ambito supply chain. Quindi, qualsiasi software che utilizzi impiega questa teoria della conoscenza dell’informazione in numerosi modi.
Sì, il tuo browser, il tuo telefono, il sistema che utilizzi per la videoconferenza, qualsiasi cosa, e anche il tuo software per supply chain.
Conor Doherty: Quindi la mia proposta, ERPs, è questo che intendi?
Joannes Vermorel: Sì. ERP, o qualsiasi altro… Ancora, questa teoria dell’informazione, la teoria di Shannon, è così fondamentale che è un po’ come l’aritmetica di base. È assolutamente ovunque, ed è proprio questo il punto.
Quello che sto dicendo è che abbiamo qualcosa di assolutamente enorme, che è presente ovunque, che è… se lo rimuovi, non esiste un solo pezzo di software che continui a funzionare, quasi. Cose banali forse, ma qualsiasi cosa abbia anche un minimo di complessità smette di funzionare. Eppure, questo è il punto: come mai non ho mai visto che questa teoria sia stata menzionata in nessun manuale di supply chain? Abbiamo un problema.
Conor Doherty: Quando parli di… Scusa, grazie. Quando parli di informazione in questo contesto, in particolare in ambito supply chain, intendi dati, giusto? O cosa intendi esattamente?
Joannes Vermorel: No, il punto è che questo termine è stato usato in maniera molto orientativa, come se l’informazione fosse… cos’è l’informazione? “Oh, quello che ascolto… ciò che viene detto nelle notizie. Quelle sono informazioni.” Va bene, è una direzione corretta.
Ma che dire di una definizione super precisa, matematicamente corretta… direi una definizione che abbia chiarezza matematica, non di validità, ma di chiarezza matematica? Qualcosa di assolutamente puro, qualcosa così puro da poter essere elaborato con equazioni. Ed è questo il punto che sto facendo. Non abbiamo teorie così incredibili su tutto.
Ci sono molte cose per le quali… Ad esempio, per l’intelligence, non abbiamo una teoria di purezza cristallina, di altissima purezza. No, no, no. Abbiamo cose estremamente confuse, estremamente contorte. Quindi non è sempre disponibile.
Ma si è scoperto che per l’informazione, Shannon, una delle menti più brillanti del XX secolo, ha risolto il problema e ci ha fornito una teoria, la teoria di Shannon dell’informazione, che è estremamente bella, semplice ed efficiente.
Conor Doherty: E cos’è questa teoria?
Joannes Vermorel: Quindi, cos’è? È letteralmente qualcosa che codifica a livello matematico cos’è l’informazione. E non si tratta di speculazioni matematiche.
Si è scoperto che questa codifica matematica è incredibilmente efficiente. Rende il software migliore. Infatti, quasi nulla possiamo fare con i computer moderni senza ricorrere a questa teoria. So che è un po’ strano constatare ciò e che la gente non ne ha mai sentito parlare. Ma per chiunque abbia studiato anche solo un po’ di informatica, è ovvio quanto l’aritmetica. È fondamentale. È molto difficile immaginare un mondo senza questa teoria dell’informazione.
Conor Doherty: D’accordo. Beh, lascia che ti legga alcune citazioni, perché penso che il libro sia lungo 500 pagine, quindi ti darò un po’ più di contesto, così potrai rispondere in modo forse un po’ più concreto.
Quindi, nuovamente, l’idea che ogni decisione in supply chain sia una scommessa in condizioni di incertezza, e per essere valida deve essere informata. Scrivi anche: “La supply chain theory tradizionale riduce sistematicamente i dati in informazione. Tratta le quantità sulle quali si intende decidere — come la domanda, i lead times, i service levels — come direttamente osservabili.” Ora, ai 10 milioni di operatori che leggono il libro e a tutti i seguaci che ascoltano, che tutti hanno un background in supply chain, cosa stai dicendo loro, e cosa cambia quando prendo quell’informazione?
Joannes Vermorel: Innanzitutto, dobbiamo chiarire, ed è ciò che faccio in questo capitolo, la differenza tra dati, informazione, conoscenza. E le persone, ancora, hanno una sorta di intuizione direzionale, ma se ci si insisti, di solito quello che emerge è estremamente confuso. E ancora, se guardo il manuale medio di supply chain, è molto chiaro che l’autore non ha la minima idea di quale sia la differenza tra queste tre cose.
Di nuovo, quando parlo di una differenza, intendo: hai una chiarezza a livello matematico al riguardo? Perché è molto importante, poiché se nella tua mente non c’è chiarezza di grado matematico su questi concetti, significa che non puoi usare equazioni. Se non puoi usare equazioni, significa che non puoi tradurre tutto ciò in software.
Quindi, ancora una volta, è molto importante perché in definitiva ciò che stiamo descrivendo è che questa chiarezza non è soltanto un lusso. È letteralmente l’ingrediente essenziale, è una qualità che rende questo concetto traducibile in termini di software. Abbiamo bisogno… perché in definitiva il software è solo aritmetica di base. Il software è proprio questo.
Quindi, se non puoi tradurre le tue idee in aritmetica strutturata, in effetti non puoi nemmeno implementarle nel software.
Conor Doherty: Torniamo a dati, informazione, conoscenza, in particolare ai dati per quanto riguarda gli esempi che fornisci: domanda, lead time, service levels. Come si applica questa teoria a tutto ciò?
Joannes Vermorel: Innanzitutto, i dati, qual è la differenza? Dobbiamo prima affrontare i dati. Sì, i dati sono solo la capacità di memorizzare zeri e uni. Se si va in profondità, i dati sono semplicemente una rappresentazione in cui si hanno zeri e uni. Ecco, questi sono i dati.
Il problema è che i dati, di nuovo, se li consideri in termini di zeri e uni, non ti dicono davvero nulla, su qualcosa che potrebbe essere paragonato all’informazione. Dobbiamo eliminarlo… Perché? Perché, per esempio, consideriamo il numero uno. Posso scriverlo semplicemente come “1,” oppure posso scriverlo con una virgola e un milione di zeri.
Conor Doherty: È lo stesso numero.
Joannes Vermorel: È lo stesso numero.
Conor Doherty: In francese, in inglese… o un punto.
Joannes Vermorel: Sì.
Conor Doherty: Solo nel caso qualcuno pensasse che il separatore decimale in inglese fosse un punto.
Joannes Vermorel: Esattamente. E puoi riempirlo con un milione di zeri. In termini di dati, se aggiungi quel milione di zeri, avrai un megabyte di dati. Ma hai più informazione? Rimane comunque un numero pari a uno. Ciò che rappresenta è ancora lo stesso.
E qui stiamo dicendo che qualsiasi cosa può essere rappresentata in tanti, tanti modi, e alcuni modi sono più verbosi di altri. Quindi il problema con i dati è che i dati non ti dicono se quello che stai facendo è verboso o no. Quando dici, “Ho un megabyte di dati,” se sono solo zeri, non hai dati, hai solo zeri.
Quindi la domanda, ed era la domanda posta da Shannon, era: “Beh, okay, qual è quella cosa che sarebbe indipendente dalla rappresentazione?” Siamo interessati a qualcosa che rappresenti l’essenza di ciò che è nei dati, e questa essenza dovrebbe essere indipendente dalla rappresentazione.
E ora Shannon stava infatti riflettendo: “Okay, cosa stiamo esattamente cercando di risolvere?” È una grande domanda, perché va bene, abbiamo tutte quelle rappresentazioni, ma qual è la finalità, qual è l’obiettivo finale dell’avere le cose rappresentate in modi diversi? E Shannon arrivò con una risposta assolutamente stupefacente, brillante e semplice: in definitiva, è la capacità di risolvere l’incertezza.
Quindi l’informazione è, nel senso più puro, la tua capacità di risolvere l’incertezza. Ed è per questo che dico, se citi anche il libro, che è per questo che puoi vedere che questo numero che posso rappresentare sia come un solo carattere che come un milione, sta facendo la stessa cosa. Mi permetterà di risolvere l’incertezza nello stesso modo. Così porta esattamente la stessa informazione.
E poi Shannon va ben oltre. Una volta che hai questa comprensione, la capacità di risolvere l’incertezza, essa fornisce un quadro matematico per capire veramente cosa sta succedendo. Ti offre strumenti come l’entropia informazionale in modo da poter misurare effettivamente la quantità di informazione. E questo è il punto: l’informazione può essere quantificata. Possiamo saperlo, proprio come puoi quantificare chilogrammi o litri, puoi quantificare l’informazione in shannons.
Quindi è letteralmente qualcosa di molto interessante, e dimostra che è un’unità fondamentale. È un’unità fondamentale di informazione.
Okay. E si è scoperto che, poiché è così fondamentale, ogni singolo software è costruito intorno a queste idee. E ora il punto è che, se torniamo a una supply chain informata, è molto interessante, perché improvvisamente abbiamo qualcosa di estremamente fondamentale. Abbiamo chiarito, ancora una volta con chiarezza matematicamente rigorosa, cosa significa essere informati.
E questo è così importante, perché ora non abbiamo qualcosa di semplicemente approssimativamente corretto. Abbiamo qualcosa di estremamente, estremamente preciso nella correttezza. Ed è uno strumento estremamente utile. E ancora, la critica che faccio implicitamente in questo capitolo è che questo strumento, questa teoria dell’informazione, è così importante che non può essere trattato come un dettaglio estetico. Non è qualcosa di “bello da avere”. È qualcosa di fondamentale, e i professionisti della supply chain dovrebbero almeno capire cosa è in gioco con questa teoria.
Conor Doherty: Beh, è in realtà la transizione perfetta verso questa domanda, perché ancora una volta stavo rileggendo il capitolo, come faccio in preparazione a queste discussioni. Ero consapevole del fatto che questo potesse diventare troppo astratto, perché, ancora una volta, dati contro informazione contro conoscenza possono sembrare piuttosto astratti, e non voglio perdere le persone perché ci sono citazioni concrete e voglio leggerle per voi e poi vi porrò una domanda concreta affinché diventi un po’ più chiaro.
Quindi, per riassumere con le tue stesse parole, letteralmente le tue stesse parole: “I dati sono simboli registrati. L’informazione è la capacità di quei simboli di risolvere l’incertezza.” Come hai detto, “La conoscenza è la struttura causale che permette a una mente, umana o macchina,” e so che preferisci macchina, “di trasformare l’informazione in decisioni che migliorano i rendimenti dell’azienda.”
Poi aggiungi, quella è a pagina 133: “Trattare i record grezzi, ossia i dati, come se già risolvessero l’incertezza è la causa principale dei dashboards che non decidono mai e dei moduli di pianificazione che non pianificano mai.” Quindi la mia domanda è: come può un professionista sapere in quale modalità di pensiero si trova? Sta semplicemente giocando con i dati? Sta giocando con la conoscenza? O sta giocando con l’informazione? Perché, secondo te, solo la conoscenza fa la differenza.
Joannes Vermorel: Sì. Quindi qui, come eviti la confusione? Sì, è molto semplice. Non puoi cambiare il passato. Okay.
Conor Doherty: Quindi, cosa significa?
Joannes Vermorel: È letteralmente… quindi devi pensare: sto proiettando nella mia mente qualcosa in cui il passato è mutevole? Se lo fai, sei nei guai, perché il passato non può essere cambiato. Di nuovo, è abbastanza evidente, ma molto spesso quello che vedo nelle supply chain sono modelli mentali in cui il passato è molto mutevole.
Conor Doherty: Stai parlando di prendere semplicemente i dati passati e prendere le decisioni future basandosi esclusivamente su di essi…
Joannes Vermorel: Il passato è letteralmente, concettualmente, a un livello filosofico, qualcosa che può essere cambiato. E questo è un problema. Questo è un problema, ancora una volta, perché non può essere cambiato.
Conor Doherty: Stai dicendo che il passato può essere cambiato?
Joannes Vermorel: Quindi, secondo la teoria consolidata, sì. Okay? E io dico che è molto, molto strano, e se ci pensi, è molto, molto sbagliato. Okay? Perché il passato non può essere cambiato, ovviamente.
Quindi, ancora una volta, il punto è che hai qualcosa… una sorta di ragionamento basato sui primi principi. Prendiamo qualcosa che consideriamo auto-evidente. Devo fare assunzioni, quindi non voglio fare assunzioni massicce. Quindi devo mantenere le mie assunzioni il più piccole possibile.
Qui sto semplicemente dicendo, primo principio: il passato non può essere cambiato. Ecco tutto. Okay, sto facendo un’assunzione, ma non è un’assunzione stravagante.
Conor Doherty: Ma in che modo le persone agiscono come se pensassero che il passato possa essere cambiato? Forse è un modo migliore.
Joannes Vermorel: Perché il modo in cui progettano il loro software, il passato è assolutamente mutevole. Okay? Il passato, per esempio… ancora una volta, ogni singolo ERP sul mercato, il passato è mutevole. È per design, il design relazionale. Quindi, se progetti un’app seguendo il CRUD — create, read, update, delete — è assolutamente mutevole. Il passato può essere cambiato. È concettualmente un problema.
Conor Doherty: E perché, per i professionisti…
Joannes Vermorel: Per i professionisti, sì. Perché ciò significa, ancora una volta, che devi pensare che se il passato può essere cambiato, allora ti stai dirigendo verso i guai. Puoi pensare, “Oh, magari no,” ma direi di no, avrai problemi in futuro, perché quello che stai facendo è qualcosa che è così brutalmente in contrasto con qualcosa di autoevidente, come il fatto che il passato non può essere cambiato.
Da una prospettiva di supply chain, cosa significa? Significa: le tue equazioni trattano il passato come immutabile, oppure le tue equazioni mutano il passato? Quindi, se calcoli qualcosa, calcolerai numeri, avrai molti numeri come input e molti numeri come output. Domanda: hai un confine chiaro tra input e output?
Se gli output… vedi, se hai i numeri che rappresentano il passato, come la storia transazionale grezza, e dici: “Sai una cosa? È congelato. Non posso toccarli mai perché è successo.”
Conor Doherty: Perché è successo.
Joannes Vermorel: Esattamente. E dunque non posso toccare quelle cose perché appartengono al passato. Sono immutabili. Ma ora immaginiamo — ed in software è molto facile — che costruiamo qualunque logica che abbia un ciclo di retroazione che vada logicamente nel passato.
Conor Doherty: Che va nel passato. Okay. Perché dovrebbe farlo? Per quale scopo?
Joannes Vermorel: Prima di tutto, non ha bisogno di uno scopo, perché il software è molto complesso, quindi puoi fare molte cose accidentalmente. Quindi vedi, se non imposti un ambiente pulito per dire: “Il mio passato è immutabile,” quello che otterrai è un passato mutevole per… ancora una volta, è solo una legge del software. Il software è complesso. Il fatto che il passato sia immutabile deve essere imposto. Se non lo è, lo modificherai accidentalmente.
Quindi adesso facciamo un esempio pratico in cui il passato… perché ancora una volta, il passato è… so che questo è molto filosofico.
Conor Doherty: Lo so, ma questo è molto filosofico, mi sembra.
Joannes Vermorel: Ma il problema è che, ancora una volta, i problemi delle supply chain sono cose così enormemente sbagliate che la gente non riesce a capirle, perché il nonsense è in corso da così tanto tempo che si perde.
Conor Doherty: Sono persi, ed è per questo che siamo qui.
Joannes Vermorel: Allora, come fai a rendere il passato mutevole? Beh, hai un esaurimento scorte. Okay, quindi hai i tuoi record che indicano cosa hai venduto. Okay. Così ho venduto una unità in questo giorno, tre unità in questo giorno, quattro unità lì, e zeri per questo giorno, questo giorno, questo giorno. Okay.
Il problema è che gli zeri che ho osservato nel passato, beh, abbiamo avuto un esaurimento scorte.
Conor Doherty: Quindi il fatto che tu abbia venduto zero è il passato. Questa è la verità. Hai venduto zeri.
Joannes Vermorel: Sì.
Conor Doherty: Bene. Non credo che qualcuno contesterà questo finora. Come rendi il passato mutevole?
Joannes Vermorel: Ora hai un problema perché il tuo algoritmo di previsione delle serie temporali che usi, non si comporta correttamente. Si comporta male quando fornisci zeri come input perché, in realtà, hai una discrepanza di impedenza tra il passato, la semantica della cosa nel passato, e la semantica del passato nel futuro.
Il passato, ciò che hai sono le vendite osservate.
Conor Doherty: Sì.
Joannes Vermorel: Quindi questa è la semantica di ciò che hai osservato e registrato nel passato. Hai… la semantica sono le vendite osservate. Ma per il futuro, questa non è la semantica che ti interessa. La semantica che ti interessa è la domanda futura. Questa è la prospettiva della teoria consolidata della supply chain.
Okay, quindi il problema è che se estrapolo in stile previsione di serie temporali le mie vendite passate, quegli zeri creeranno un massiccio bias al ribasso.
Quindi, in un certo senso… scusa, lo so, ma è molto semplice. Ancora una volta, se osservi tonnellate di zeri, il tuo modello, che è una variante di una media mobile di qualche tipo — è solo una media mobile glorificata con alcune ciclicità aggiunte, ma è una media mobile glorificata — quindi la tua previsione, il modello di previsione delle serie temporali, una media mobile glorificata, prenderà quegli zeri e sottostimerà la domanda perché prenderà le tue unità vendute pari a zero, che in realtà erano dovute all’esaurimento delle scorte, come input.
Questo è il problema che le persone affrontano. E come risolvi questo in modo molto sbagliato? Perché hai dimenticato che avevi questo vincolo “il passato è immutabile”, sai. Quindi come puoi risolverlo in un modo profondamente fuorviante? Rendi il passato mutevole.
Cosa fai? Riscrivi le unità che hai venduto affinché rappresentino qualcosa che sarebbe la domanda plausibile per quel giorno. Quindi hai modificato i tuoi dati passati, e sostituisci i tuoi zeri, che erano ciò che effettivamente hai osservato, con una domanda plausibile per quel giorno. Quello che hai fatto è che hai cambiato il passato. Capito? E è molto incoerente.
E indovina un po’? Finirai in un mondo di dolore, perché quello che hai fatto è così logicamente sbagliato che non può essere altrimenti. Si ripercuoterà in ogni sorta di problemi.
Conor Doherty: E ancora, la gente potrebbe pensare… ti lascerò terminare il punto, ma c’è un dettaglio chiave che penso tu debba approfondire, ovvero hai descritto il meccanismo dell’essere in errore, ma non hai spiegato il dolore dell’errore. Quindi, hai detto che è logicamente sbagliato. Questo è il meccanismo. Cosa senti come conseguenza dell’essere in errore? Questa è la conseguenza.
Joannes Vermorel: La conseguenza sono le tue allocazioni. Torniamo a problemi economici. Le tue allocazioni saranno fuori controllo. Quindi significa che effettivamente distribuirai male il tuo capitale, e di conseguenza avrai un tasso di rendimento molto inferiore a quello che dovresti avere.
Vedi, il fatto è che qualsiasi allocazione, buona o cattiva, ti dà un tasso di rendimento. E se sei fortunato e ti trovi in un settore molto bello, anche allocazioni cattive a volte possono dare un tasso di rendimento positivo. Ma, ancora una volta, l’obiettivo è avere il massimo tasso di rendimento.
Quindi, fondamentalmente, il dolore sarà rappresentato da tassi di rendimento ridotti per tutte le allocazioni.
Conor Doherty: Meno denaro, fondamentalmente.
Joannes Vermorel: Sì. Meno denaro. Sì. E questo è sempre un problema. Se gestisci la tua azienda in maniera inadeguata, la sanzione è che essa sarà meno redditizia. Sì. Ecco tutto.
E qui devi capire che questo invariante — non dovresti modificare il passato — è estremamente importante, e non puoi giocare con questo invariante perché è così logicamente incoerente che, non importa quanto pensi di essere intelligente, avrà conseguenze molto gravi per la tua supply chain. Non puoi sfidare questo tipo di principio.
Ancora, è come se leggessi la causalità in modo errato per una questione di business. Se pensi che A causi B, ma in realtà la realtà è che B causa A, se interpreti male la situazione in questo modo, causerà danni economici. È una sorta di profonda incomprensione che si ripercuoterà e creerà ogni sorta di problemi lungo la strada perché fondamentalmente stai facendo qualcosa di così sbagliato che, sì, avrà conseguenze negative.
E quelle conseguenze negative saranno incredibilmente varie. Saranno incredibilmente diffuse. E poiché si tratta di supply chain, che è complessa, e così via, saranno dappertutto, e poi sarà molto difficile per te diagnosticare quale sia la causa principale.
Ti dico, puoi tornare alla causa principale. La causa principale è che non puoi rendere il passato mutevole con impunità. È semplice così. E quando dico impunità, non pensarci come a un giudizio morale. È un giudizio economico. Questa impunità verrà pagata in dollari.
Conor Doherty: Okay. Procederò un po’ oltre su questo punto perché ci sono almeno altri due pilastri fondamentali nel capitolo, ma tra di essi c’è un’altra questione riguardo i dati.
Nel capitolo parli di… Quindi hai menzionato in precedenza che i dati sono solo simboli registrati. Rappresentano qualcosa, li interpreti come preferisci. Ora, contraddici l’idea che i dati siano spesso usati come capro espiatorio per le perdite finanziarie e i programmi falliti. Affermi che — e lo hai detto effettivamente in pubblico, abbiamo fatto eventi live prima in cui hai detto, “I tuoi dati non sono cattivi. Se hai dati transazionali, fondamentalmente a seconda del software che hai, sei a posto.”
Quindi questo è ancora un altro esempio in cui la tua prospettiva e, diciamo, la prospettiva mainstream saranno in contrasto, perché tu e io abbiamo entrambi sentito, non so, diciamo da cento a mille volte — questo è l’ordine di grandezza — “I miei master data non sono sufficientemente buoni per iniziare un nuovo progetto,” o qualcosa del genere. Evidentemente non sei d’accordo con quell’idea. Perché?
Joannes Vermorel: Quindi, se torniamo al fatto che il passato non dovrebbe essere mutabile, sì… ma la realtà è che il modo in cui supply chain, in pratica — e ancora, viene praticata con software, è stata praticata con software per le ultime tre decadi, quindi non conosco alcun supply chain di qualsiasi scala che non abbia software a destra, a sinistra e al centro. Il software è ovunque.
Ma se non hai un confine molto chiaro tra ciò che rappresenta il passato e ciò che specula sul futuro, ci sarà un enorme caos. Ancora una volta, il software è complicato, il software è complesso, supply chain è complicata, e supply chain è complessa. Quindi la complessità è presente in ogni aspetto.
Quindi, se non imposti… devi imporre questo invariante, ovvero che tu abbia una classe di software che si occupa del passato, e che verrà chiamata systems of record. E poi hai una classe di software che si occupa del futuro, e che verrà chiamata systems of intelligence.
Se non segreghi questi due elementi, e mantieni questa separazione, indovina un po’? Avrai un miscuglio disordinato così confuso che nessuno capirà più cosa stia succedendo. E quindi, alla fine, darai la colpa ai dati, perché diresti, “Oh, ovviamente abbiamo avuto così tanti problemi, devono essere stati dati cattivi.”
E i dati cattivi sono un capro espiatorio molto conveniente perché i dati, non essendo una persona, significano che non si dà la colpa a nessuno. Quando le persone incolpano i dati, è come se incolpassero l’universo. E vedi, va bene così.
Se torni indietro nell’antichità, sarebbe proprio come le tribù primitive che incolpavano qualche divinità per i loro problemi. Ovviamente siamo troppo moderni per incolpare un dio, quindi non incolperemo un dio. Incolperemo semplicemente un costrutto moderno, così da sembrare molto più moderno. Quindi, incolperemo i dati, invece di incolpare il dio della supply chain. Ma da una prospettiva razionale, è esattamente la stessa cosa. Quando le persone dicono, “Oh, i miei dati sono un problema,” quello che io sento è, “Sto incolpando il dio della supply chain,” o il dio dell’IT, qualcosa di simile.
Conor Doherty: Beh, per essere giusti — e ora attingerò alle mie conoscenze precedenti, perché so che la tua posizione è un po’ più generosa di quanto sembri. Sembra molto assoluta.
Joannes Vermorel: No, no, ma…
Conor Doherty: Solo per essere giusti, sto facendo pressione sul punto.
Joannes Vermorel: Sì, stai facendo pressione sul punto.
Conor Doherty: Ma per essere giusti, hai detto in precedenza — e ti sto parafrasando — che in effetti i dati non sono cattivi. E il tuo punto è che, guarda, i dati transazionali sono ciò che sono.
Joannes Vermorel: Sì.
Conor Doherty: Ma hai fatto notare che può essere complicato a causa della semantica. E non credo tu lo menzioni in questo libro. Credo, se ricordo correttamente, che sia in realtà nel tuo primo libro, il Quantitative Supply Chain Manifesto, il grande libro rosso.
Joannes Vermorel: Sì. Sì.
Conor Doherty: E hai fatto l’esempio — è uno dei miei esempi preferiti, e te l’ho già presentato prima — tipo, cosa significano le vendite in un giorno? Se apri un registro contabile, sono quelle vendite che sono avvenute il lunedì? Oppure è quando il periodo di garanzia delle vendite di due settimane fa è scaduto? Ci sono circa 10, 12, 15 o anche mille modi per suddividere le unità vendute al giorno.
Joannes Vermorel: Sì. E questo è… vedi, per capire, i dati sul passato sono immutabili. Pensali come i documenti di uno storico. I documenti sono semplicemente dei documenti.
Quindi, quando uno storico lavora, i documenti sono immutabili. Se ci fosse, per esempio, un trattato firmato tra due paesi in una certa data, questo trattato è registrato in modo perfetto. Questo trattato non cambia.
Conor Doherty: Sì.
Joannes Vermorel: Ma potrebbero esserci così tante sottigliezze che vengono perse nel tentativo di comprendere veramente cosa stava succedendo. Quindi il lavoro dello storico è di riesaminare quei fatti, quei registri, e costruire una nuova comprensione di ciò che è successo.
Conor Doherty: Mi piace questa metafora.
Joannes Vermorel: Vedi, quello che sto dicendo è che il lavoro di uno storico è estremamente difficile. Sì. Perché in effetti, sì, i registri non sono ambigui, ma le interpretazioni che possiamo avere di quei registri sono infinite. E lo stesso vale per il software.
Quindi il tuo software — supponiamo per il momento che il tuo software sia progettato correttamente, anche se in pratica di solito non lo è — e che sia davvero un software che tenga conto di rendere il passato immutabile. Bene. Ora hai un software pulito in cui il passato è immutabile. Hai registri puliti che non si muovono continuamente sotto i tuoi piedi. Questo è positivo.
Ma non sto dicendo che comprendere quei registri sia facile. Comprendere quei registri può essere estremamente complicato. Ecco perché non vuoi peggiorare la situazione introducendo qualche tipo di ciclo di retroazione che reinietti elementi nel tuo passato.
Immagina semplicemente uno storico che lavora con documenti storici, ma immagina che abbia una biblioteca che dice, “Oh, qui, questa è la mia collezione di documenti su ciò che è successo in Francia nel XVII secolo, e questa è la lista dei documenti che possiedo, eccoli, le referenze, secondo la mia comprensione.”
E ora immagina che in questa biblioteca ci siano persone che inseriscono falsificazioni continuamente. Quindi inseriscono documenti falsi del XVII secolo in questa biblioteca continuamente. In tal caso, lo storico si troverebbe completamente spaesato. Direbbe, “Ora avevo un problema, che era già molto complicato, cioè dare un senso a questo periodo, e ora ho un altro problema, che è eliminare tutte le falsificazioni che sono state effettivamente create dopo il periodo di mio interesse.”
Vedi, sarebbe un vero incubo. Quindi, ovviamente, gli storici sono estremamente, estremamente precisi nel garantire che tutti i documenti in loro possesso siano effettivamente del periodo corretto e non siano falsificazioni create successivamente.
E questo è ciò che sto dicendo. Quindi, per questo, dico che dobbiamo rendere il passato immutabile. Ma rendere il passato immutabile, che è il primo passo, quel system of record, non rende il passato facilmente comprensibile. Rimane estremamente difficile.
Conor Doherty: Per questo parli di aver bisogno di specialisti, supply chain specialists, che sanno interpretare la semantica.
Joannes Vermorel: Esattamente. E sì, è difficile, ma non perché quelle osservazioni sono spazzatura. Non sono state inquinate da falsificazioni fatte successivamente. Hanno solo una sorta di difficoltà intrinseca, ossia che è molto difficile interpretarle. Quando dico “le vendite passate,” è un’affermazione molto ambigua. È un’affermazione molto ambigua.
E questo è, in definitiva, il punto in cui entra in gioco la conoscenza. La conoscenza consiste nel saper risolvere questa ambiguità in modo da trasformare queste informazioni in qualcosa di azionabile. Devi risolvere tutte quelle incertezze — o meglio, tutte quelle ambiguità, direi, non incertezze, ambiguità.
Conor Doherty: Ok. Beh, penso che sia giunto il momento di affrontare quello che direi è il pilastro centrale del capitolo, e certamente qualcosa che va oltre il libro stesso perché è destinato ai professionisti. Ma questo tocca proprio l’intero concetto di dove un’azienda alloca i suoi soldi. E questo è, sì, systems of record, systems of report, e systems of intelligence.
Quindi, systems of record: il tuo ERP, o qualsiasi cosa, lo storico dell’azienda, per usare la tua stessa analogia, come ciò che è accaduto, cioè nel passato.
Joannes Vermorel: Non è lo storico. Il system of record è letteralmente il commesso, il commesso, il commesso. È semplicemente il tipo che scrive.
Conor Doherty: La versione digitale.
Joannes Vermorel: Esattamente, la versione digitale del commesso, qualcuno che si limita a mantenere i registri. Non sta cercando di avere alcuna intelligenza. Sta semplicemente registrando ciò che è — il buono, il cattivo, gli errori e le eccellenze — tutto così com’è. Ecco tutto.
Conor Doherty: Ok. Systems of report, ovvero gli strumenti di business intelligence, rappresentazioni di ciò.
Joannes Vermorel: Quindi, systems of report sono utilizzati per qualcosa di molto diverso. Vengono usati per la conformità. Sì. Vedi, cosa significa questo? Che tu stai dicendo: abbiamo dei processi, abbiamo delle regole, abbiamo delle best practices, e il management ha semplicemente bisogno di uno strumento per farle rispettare.
Quindi, i systems of report non riguardano l’acquisizione di intelligenza, la comprensione del futuro o altro. Sono fondamentalmente uno strumento per una grande azienda, sì, per mantenere la conformità con i propri processi. E questo è tutto.
Conor Doherty: Vogliono intuizione, vogliono una visualizzazione di ciò che sta accadendo.
Joannes Vermorel: È quello che dicono i venditori che vendono business intelligence. In pratica, non ho mai visto quegli strumenti usati in quel modo. Sono usati solo… Nessuno ottiene veramente intuizioni. Voglio dire, sì, occasionalmente, molto occasionalmente, qualcuno avrà un’intuizione guardando un report di business intelligence, ma non è questo lo scopo di quel marchio, di quella categoria di tecnologia. È così raro.
Per me, è ancora un’analogia debole, ma è così raro che è molto, molto secondario. Sarebbe come dire che l’alcol è qualcosa che puoi usare per fare scoperte scientifiche. Sì, occasionalmente ci sarà uno scienziato che berrà molto alcol, e in questo stato mentale alterato farà una scoperta. Ma dire che l’alcol è uno strumento della scienza è un po’ esagerato.
Conor Doherty: Ora stai avanzando un argomento teleologico. E in realtà, permettimi solo di inquadrare un po’ meglio la questione, perché penso che così potremo prendere l’idea in modo un po’ più universale.
Quindi, ancora una volta, hai spiegato a lungo i systems of record — cioè il commesso, sono semplicemente i registri di ciò che è accaduto. I tuoi systems of report, ovvero strumenti di visualizzazione come la business intelligence, non sono pensati per prendere decisioni. Hai spiegato che, in pratica, le aziende che operano supply chain sono estremamente grandi, complesse e, perciò, rimanere coerenti con i propri processi proclamati è molto difficile. I systems of report sono quindi molto utili per consentire ai manager di verificare se i loro subordinati stanno rispettando qualsiasi requisito di conformità all’interno dell’azienda.
Beh, hai effettivamente detto… il mio microfono è in mezzo. Aspetta un attimo. “La maggior parte delle delusioni aziendali deriva dal confondere questi diversi sistemi, aspettandosi che i registri pensino o che gli strati di analisi fungano da fonti di verità.”
Ora questo introduce la categoria sulla quale non ti sei ancora soffermato, ovvero i systems of intelligence. E io, ancora una volta, avendo letto il capitolo, mi rendo conto che è lì che credi risiedano le decisioni e le prestazioni migliori. Quindi, per favore, spiega, direi in modo piuttosto sintetico, cos’è un system of intelligence, e fondamentalmente perché non dovresti trattare le altre due categorie di sistemi come se fossero un system of intelligence.
Joannes Vermorel: Quindi, questo è fondamentale, a proposito. È un punto fondamentale.
Quindi, il primo, il system of record, riguarda il passato. È una registrazione del passato. È la cosa migliore che hai riguardo il passato. Ora, il system of report riguarda anch’esso il passato. Ti dice semplicemente se in passato eri conforme ai tuoi processi. Quindi guarda molto al passato.
Quindi, vedi, questo system of report ti racconta semplicemente una storia sul passato. È un modo per costruire una narrazione del passato, se vuoi. Non è molto elaborato. È semplicemente, sarebbe come la storia economica, dove i francesi erano più ricchi o più poveri un secolo fa? Questo è esattamente ciò che ti fornirebbe il system of report. Invece di avere milioni di registrazioni riguardanti i bilanci dei francesi, avresti statistiche aggregate. Questo è ciò che hai.
Conor Doherty: Abbiamo coperto questi due, però. Quindi passiamo all’intelligence.
Joannes Vermorel: E il terzo, è qualcosa di molto, molto diverso. È l’unico che in realtà guarda al futuro.
Conor Doherty: Ok. E in che senso?
Joannes Vermorel: Progettato per guardare al futuro. Lo è per design, perché ciò che cerca di ottenere è generare decisioni. Quindi, questa decisione è sempre orientata al futuro. Decidi qualcosa perché pensi che otterrai un qualche tipo di ritorno. Ecco perché prendi questa decisione.
E ho chiarito che, nel caso specifico della supply chain, una decisione è un’allocazione di risorse. Quindi, un’allocazione di risorse, in sostanza, stai allocando una risorsa perché ti aspetti un ritorno sull’investimento di qualche tipo a un certo punto. E il tuo system of intelligence è semplicemente una macchina per generare quelle allocazioni per te. Questo è tutto.
Conor Doherty: Senza interromperti, ma per sottolineare il punto, anche se prendi le tue decisioni basandoti su cose che hai criticato in passato, come “Voglio mantenere alti livelli di servizio,” anche se questo è il caso e questa è la tua stella polare, è comunque perché desideri un ritorno sull’investimento desiderabile.
Joannes Vermorel: Assolutamente. Quindi, questo è l’obiettivo generale, sì. E ancora, puoi avere systems of intelligence adeguatamente progettati o systems of intelligence progettati in modo inappropriato. L’unica differenza sarà il tasso di ritorno che otterrai dalle tue decisioni.
Ma prima, vedi, non puoi eludere il fatto che esista un sistema di decisioni. Perché? Perché le risorse vengono allocate. Questo è tutto. Le risorse vengono allocate. Quindi la decisione viene presa. Non puoi eludere questo. Le risorse verranno allocate.
Come azienda, stai spendendo i tuoi dollari continuamente per acquistare materie prime, per comprare scorte che rifornisci. Stai assegnando compiti ai tuoi dipendenti per fare qualcosa. Quella è un’allocazione di risorse. Queste cose accadono tutto il tempo. Non possono essere evitate.
E quello che sto dicendo è che un secolo fa avevamo una situazione molto chiara. I sistemi di intelligence erano esclusivamente umani. Quindi i record erano già in parte macchine, perché i record, anche un secolo fa, venivano scritti su libri.
Conor Doherty: In un certo senso, l’archiviazione era già qualcosa di inumano. Non risiedeva nella mente di una persona.
Joannes Vermorel: Non portavano queste informazioni nelle loro teste. Le trasportavano già tramite dispositivi. Ovviamente non erano sofisticati, ma erano dispositivi, e potevano già memorizzare, attraverso i libri, una notevole quantità di informazioni. Quindi avevamo già, per i record, sostanzialmente degli artefatti. I computer sono artefatti migliori, ma noi avevamo già degli artefatti.
Quando si trattava di decisioni, era tutto puramente umano. Puramente umano. Ma ora, negli ultimi tre decenni, ciò che abbiamo è una mescolanza. Nessuno ha più un livello decisionale puramente umano. Non esiste. Non esiste.
Anche quando la gente dice, “Oh, facciamo tutto manualmente.”
Conor Doherty: “Davvero?”
Joannes Vermorel: Oh sì. “Tutto viene fatto manualmente. Usiamo solo Excel.”
Io dico, “Oh, va bene.” Quindi, sai, Excel è fondamentalmente software. Excel è software. Excel è come un’estensione della tua mente per fare tonnellate di calcoli basilari. Quindi abbiamo già una specie di sistema ibrido che è mente umana più macchine. Non appena hai un foglio di calcolo Excel, è un sistema ibrido. È software più mente umana, entrambi.
E col tempo, quello che sto dicendo, quello che ho visto, è che la componente software è cresciuta sempre di più. E anche se non si trattasse altro che di fogli di calcolo Excel, perché indovina un po’? Excel non è di per sé un bersaglio mobile. Excel, se torniamo indietro di 20 anni, aveva un massimo di 65.000 righe. Ora ne ha un milione.
Così Excel, negli ultimi 20 anni, ha ampliato le sue capacità, e ora puoi perfino inserire script Python nel tuo foglio di calcolo Excel. Quindi Excel stesso è diventato più potente. E ci sono molte cose che sono diventate più potenti, perché, per esempio, la gente dice, “Sto solo utilizzando Excel.” Ma stanno davvero usando solo Excel? No. Stanno anche sfruttando le capacità dei loro sistemi di record e report per generare estratti che vengono usati come input per i loro fogli di calcolo.
Quindi, in effetti, non si tratta semplicemente di puro Excel. È una mescolanza del panorama applicativo che genera input che tu inserisci, eccetera, eccetera. E quello che sto dicendo è che, complessivamente, anno dopo anno, la parte delegata alla macchina sta crescendo sempre di più. Questo è ciò che sto dicendo, e quindi dobbiamo tenerlo sotto controllo.
Conor Doherty: Sì. Hai anche, ancora una volta nel capitolo, avanzato l’argomento secondo cui la vera redditività scalabile si ottiene investendo di più in sistemi di intelligence piuttosto che in sistemi di record.
Ora, in episodi precedenti abbiamo discusso che la spesa tende ad essere molto asimmetrica. Quindi, per esempio, la maggior parte della spesa potrebbe essere destinata ai sistemi di record, anche se sostieni che questi non generino decisioni. Tipo, ho il contabile o il registro più sofisticato di sempre. Ciò non ti porta a una decisione migliore. Allora, perché la spesa è così asimmetrica?
Joannes Vermorel: Perché, ancora una volta, il software è una cosa grande e complicata, e la gente tratta il software come se fosse una specie di magia voodoo che avviene negli uffici dei fornitori. Questo non è… il software è sicuramente basilare. Non è assolutamente magia voodoo.
Conor Doherty: È rappresentato da alcuni fornitori.
Joannes Vermorel: Sì. Perché, per i fornitori, dicono, “Ho una ricetta segreta. Ho un ingrediente magico che non puoi replicare,” o qualcosa del genere. E questo è sostanzialmente solo discorso per promuovere i propri prodotti. Ma non è razionale.
Ora, tornando al software, quello che sto dicendo è che se mantieni un ambiente davvero pulito, come se avessi una classe di software che si occupa solo del passato, cioè un sistema di record, se lo mantieni, se imposti questa invariabile, allora improvvisamente ti rendi conto: “Oh, questo pezzo di software che si occupa solo del passato non è altro che una versione glorificata dei miei libri contabili.” Non c’è nulla in più. È solo una lunga serie di record.
E indovina un po’? I dischi rigidi sono economici. Quindi posso avere i miei miliardi di record e sarà economico. E quindi, dovrei pagare un sacco di soldi per questo? No. È semplice. Quindi deve essere economico.
Pensi che, come fornitore di software, tu voglia che il tuo cliente si renda conto che ciò che hai in mano è qualcosa che dovrebbe essere super economico? No. Quindi stai per misterizzare il cliente. Stai per misterizzare il cliente e stai per creare un intero strato di confusione, così che le persone si perdano e non si rendano conto che, al cuore, ciò che hai è qualcosa di estremamente semplice.
Un sistema di record è estremamente semplice. È solo un registro glorificato. Niente di più, niente di meno.
Conor Doherty: Le aziende spenderanno — non le persone, le aziende — mezzo miliardo per un sistema di record.
Joannes Vermorel: Sì. E perché? Perché i fornitori di software enterprise sono estremamente bravi a rendere i loro prodotti desiderabili. Quindi creeranno un’enorme quantità di confusione affinché le persone pensino, “Oh, questo software, è così tanto di più.”
E io dico no. Quello che stai comprando è un’illusione. Non è di più. Se stai comprando un ERP, stai comprando un sistema di record, e quindi questa cosa dovrebbe essere molto economica, snella, e basta. E se ti trovi di fronte a un fornitore di software che inizia a misterizzarti spiegando, “Oh no, no, no, il mio ERP, fa tutto, ha l’IA, ha questo e quello, eccetera,” stai venendo misterizzato. Questo è il mio messaggio. Stai venendo misterizzato.
È come se un contabile ti dicesse, “Sono un contabile rockstar. Faccio magie. Il profitto arriva nel modo in cui conto i numeri. Tu fai più profitto.”
Conor Doherty: In realtà, fermati un attimo per noi. Immagina questo. È in realtà una battuta migliore proprio lì. Un contabile che ti direbbe, “Grazie alla mia eccezionale contabilità, posso generare così tanto denaro per te. Creeremo denaro dal nulla.”
Joannes Vermorel: Suona come una frode.
Conor Doherty: Suona come frode.
Joannes Vermorel: Voglio dire, un contabile non dovrebbe essere in grado di creare denaro dal nulla. I contabili capaci di farlo solitamente operano in stile Enron. Lavorano per i cartelli, o per Enron. Avevano stratagemmi contabili estremamente creativi. Lo ammetto. Enron aveva una contabilità estremamente, estremamente creativa.
Conor Doherty: Ammira la grinta.
Joannes Vermorel: Sì. Erano come pionieri delle tecniche contabili d’avanguardia, e non è affatto positivo. Non è davvero, davvero positivo.
Quindi, ancora una volta, non vuoi che il tuo libro mastro sia il luogo in cui si manifesta l’innovazione. Questo è il quadro intellettuale sbagliato. Non vuoi un contabile inventivo. Non vuoi un contabile creativo. Vuoi un contabile diligente. Vuoi un contabile affidabile e vuoi un contabile efficiente in termini di costi. Questo è ciò che desideri.
E a proposito, tutte quelle qualità si traducono nel tuo sistema di record. Sono esattamente le stesse.
Conor Doherty: Esatto. Quindi questo è, ancora una volta, un punto chiave. Ne parli nel libro. So che ne hai parlato anche in altri video. Non dobbiamo addentrarci nell’architettura software complessa — siamo già quasi a un’ora — ma quello che hai appena detto, tipo, vuoi che i tuoi record siano diligenti, vuoi che i tuoi record siano reattivi…
Ancora, una differenza chiave qui: per confrontare questi due, perché penso siano le due classi più spesso confuse in questa designazione, hai i sistemi di record e hai i sistemi di intelligence. Nel libro descrivi le decisioni come decisioni laboriose, perché prendere una buona decisione richiede tempo. Ora, l’architettura software necessaria per supportare ciò è l’opposto dell’architettura software per rendere un record accurato e veloce.
Quindi, ancora, per essere molto concreti, ti trovi in un magazzino, o in un negozio, e stai vendendo cose. Vuoi sapere quante unità ci sono. Vuoi sapere quante unità ci sono nel magazzino. Vuoi saperlo nel modo più accurato e veloce possibile.
Joannes Vermorel: Sì.
Conor Doherty: Ora, a questo serve un sistema di record. Ora, conosci meglio il design, ma hai già fatto l’analogia, quella analogia sportiva, che fondamentalmente puoi essere molto, molto veloce a correre come un maratoneta, il migliore al mondo, oppure puoi essere un campione di powerlifting. È molto difficile fare entrambe le cose perché più migliori in una, a spese dell’altra. Quindi, per favore, espandi su questo con parole migliori di quelle che ho appena usato.
Joannes Vermorel: Quindi, ancora, l’analogia del contabile è… quanti rockstar sono contabili nel loro tempo libero? Nessuno. Nessuno. Perché se hai il temperamento per essere un buon contabile, non hai il temperamento per essere una rockstar. E viceversa.
Non affideresti mai la tua contabilità a qualcuno che assume droghe, che fa cose folli.
Conor Doherty: Quindi le decisioni sono rockstar in questa analogia.
Joannes Vermorel: Le decisioni sono, sì, in una certa misura. Lo sono, perché sono innovative, sono creative. Fondamentalmente, quello che stai cercando di fare è raggiungere la grandezza.
Conor Doherty: Esatto.
Joannes Vermorel: E la contabilità non serve a raggiungere la grandezza, perché la grandezza, accuratezza in contabilità significa Enron. Non desideri la grandezza. Non vuoi innovazione nella precisione. Vuoi qualcosa che sia sempre uguale, affidabile, noioso.
Conor Doherty: Noioso.
Joannes Vermorel: Sì. Esatto. Sì. La noia è una qualità incredibile per un contabile. Direi addirittura che, se il tuo contabile è un tipo molto interessante, forse non mi fiderei di lui. Di nuovo, è una questione di personalità. Il grande contabile è qualcuno che è così affidabile da risultare noioso. Questo è ciò che ti aspetti da un contabile.
E da una rockstar, questo ragazzo può essere completamente inaffidabile. Ma indovina un po’? A volte ha un lampo di genio, e boom, grandezza. Quella è una grande decisione. È quel tipo di cosa che ti aspetti a livello decisionale.
Perché, ancora una volta, il futuro è incerto, quindi sarà sempre una scommessa. Ecco perché dico che, a livello decisionale, stai sempre speculando. Non c’è altro modo. Non conosci il futuro. Quindi c’è un elemento di rischio. Ecco perché c’è anche un elemento di grandezza, perché se sei molto, molto bravo nel modo in cui vedi il futuro, allora puoi ottenere qualcosa di incredibile, ossia un tasso di rendimento molto, molto elevato.
Conor Doherty: Mi piace sicuramente l’elemento del contabile in quell’analogia. Voglio solo proporti qualcosa, e poi tu puoi dirmi come te la senti a riguardo.
Per usare l’analogia musicale, come l’ho percepita io, il contabile è il tuo sistema di record. Vogliamo che sia piuttosto banale, affidabile, sicuro. Il sistema di intelligence è come Bach o Mozart. Essi comporranno. Sarà laborioso. È intenso. È creativo. È enigmatico. Una buona allocazione o riapprovvigionamento, è come se io stessi raccogliendo simboli da ogni parte. Ci vuole tempo. Richiede impegno. Il sistema ricalcola e calcola. E alla fine, hai Für Elise. Hai uno dei più grandi capolavori musicali di tutti i tempi.
La rockstar può farlo sembrare caotico, ma per me il modo in cui l’ho percepito era come la musica classica. È precisa. C’è scienza in essa. I battiti, vuoi che tutto si adatti entro parametri.
Joannes Vermorel: Ma anche, se hai una vera grandezza nella musica classica, che è infatti un’analogia migliore, non puoi imporre dei limiti. Il genio, anche se è estremamente codificato e rigido, non è mai confinato dai limiti, perché il vero genio ridefinisce ciò che la musica dovrebbe essere. Ridefinire i limiti, spingere quei limiti non in maniera casuale, ma con uno scopo preciso.
E questo è in qualche modo l’opposto del contabile, che non dovrebbe spingere i limiti. Il contabile, un buon contabile, è per definizione… ancora, non vuoi alcuna situazione… sì, deve essere noioso. Deve essere vincolato.
Se ti occupi di decisioni, sì, è Mozart. Devi spingere i limiti di ciò che la musica può essere. Sì. Ed è così che si raggiunge la vera grandezza. E sì, l’analogia funziona davvero in questo ambito.
Conor Doherty: Ok. Bene, allora torniamo a… perché, in generale nell’industria, c’è una apparente — scusami il gioco di parole — sottovalutazione sistematica, quasi sistemica, della musica classica, dei sistemi di intelligence?
Joannes Vermorel: Ora dobbiamo dare un’occhiata agli incentivi dei fornitori di software. Qual è il tuo incentivo? Vuoi vendere al prezzo più alto possibile la cosa che ti costa di meno produrre. Questo è… Io sono un fornitore di software. Ho bisogno di fare soldi. Quindi ho i soldi che guadagno, ossia il prezzo che le persone pagano, e quello che mi costa è il prezzo che pago come fornitore di software per avere il software prodotto.
Finora, l’industria del software è proprio come la produzione. Vuoi essenzialmente comprare a basso costo e vendere a prezzo alto.
Conor Doherty: Esatto.
Joannes Vermorel: Esatto. Ora, un sistema di record, come ho detto, è molto semplice e quindi molto economico da produrre. Ottimo per me come fornitore di software. Ottimo. Perché? Economico. Basso costo di produzione. Eccellente.
Ora il problema è… la propensione del cliente a pagare non è così elevata. Vedi, sì, i miei costi sono bassi, ma anche la disponibilità dei clienti a pagare è bassa. Non è una situazione proprio ottimale.
Ma immagina che se misterizzassi il cliente riguardo esattamente a cosa fa il mio software, potrei gonfiare enormemente la sua disponibilità a pagare. Ci sarebbe un problema, ovvero che, se volessi fare quel trucco magico, avrei bisogno di maghi per farlo, perché è un po’ un trucco magico. Quindi avrò bisogno di avere quei maghi. Chi saranno quei maghi? Sarà il fornitore di software enterprise.
E indovinate un po’? Quelli dei fornitori di software per imprese, se si guarda al loro organico, fino a due terzi dei loro dipendenti sono in realtà venditori. Sono addetti alle vendite. Quindi il costo di un fornitore di software per imprese… al tipico fornitore di software per imprese, per due terzi non si paga per il software prodotto. Si paga per la struttura di costo della vendita del software.
In sostanza, stai pagando un fornitore per i maghi che possiede, capaci di creare l’illusione che il software sia molto più di ciò che realmente è, gonfiando così la tua disponibilità a pagare. Potresti dire: “È così semplice”, ma indovinate un po’? È semplice e funziona.
Così tantissimi fornitori di software per imprese fanno esattamente questo. Prendi un software che costa poco da produrre. Poi, sopra a ciò, assumi persone che sono venditori per imprese, e queste persone faranno il loro “voodoo”. Questa è la loro competenza professionale. Gonfieranno la disponibilità a pagare dei clienti. Alla fine, ciò che ottieni sono aziende che pagano prezzi stravaganti basati su aspettative altrettanto stravaganti che verranno deluse ogni volta, perché in definitiva ciò che stanno acquistando è qualcosa che non potrà mai mantenere la sua promessa. Ecco tutto.
E questa storia, sfortunatamente, si ripete da oltre quattro decenni.
Conor Doherty: Siamo onesti, siamo in questa discussione da un’ora, e penso sia giunto il momento di porre la domanda finale. Ma questa si basa non solo su quanto discusso oggi, ma, onestamente, anche sui quattro capitoli precedenti ed è, penso, probabilmente una delle domande più importanti, non solo per i professionisti, ma anche per le aziende in cui lavorano.
Hai delineato sistemi di registrazione, sistemi di report, sistemi di intelligence, le funzioni di ciascuno e dove risiede il valore in ciascuno. Bene. Come possono i professionisti che potrebbero non avere il tuo livello di competenza nella progettazione e architettura del software – e così via – capire, se domani entrano in una conversazione con un fornitore per acquistare un ERP, un sistema di registrazione, “Sto per essere truffato? Mi viene venduto olio di serpente?”
Joannes Vermorel: Devi porre la domanda fondamentale: “Il tuo software muta il passato?” So che è una domanda strana.
Conor Doherty: Perché vuoi che la pongano al fornitore.
Joannes Vermorel: Sì. Sì, basta chiedere: “Mutate il passato?” Ecco tutto. È una domanda molto semplice. “Mutate il passato?”
E il collegamento con l’informazione è che, quando finalmente comprendiamo come funziona l’informazione, eccetera, eccetera, stai ponendo una domanda semplice che funge da test litmus per verificare se il software sta applicando un invariante fondamentale o meno.
Se il tizio, cioè il fornitore, rimane perplesso di fronte alla domanda, allora quella è una risposta terribile, perché significa che il fornitore non ha idea di cosa stia facendo. Se il fornitore non capisce ciò che sta facendo, probabilmente non dovresti comprarlo.
Conor Doherty: Non dovresti comprarlo.
Joannes Vermorel: Non dovresti comprarlo. Immagina, ancora una volta, so che il software è così astratto che la gente tende a impazzire, ma torniamo a una domanda per un’auto. Se poni una domanda per un’auto, sarebbe: “Questa auto è sicura?” E se il fornitore risponde: “Cosa intendi per sicura? Non capisco la tua domanda”, allora penseresti: “Credo che prenderò un’altra auto. Preferisco comprare un’auto da chi mi dice: ‘Oh sì, la nostra auto è molto sicura. Ha le cinture di sicurezza. Ha gli airbag. Ha un design tale che, se entri in collisione con qualcosa, il motore scivolerà sotto di te invece di schiacciare le tue gambe.’”
Quella è una buona risposta. È il fornitore che vuoi. Il fornitore ideale è colui che dice: “Oh, la mutabilità del passato. Oh sì, è una preoccupazione così importante. Ci siamo dedicati molto a questo.”
È una cosa semplice. È come se stessi comprando un’auto e chiedessi: “È sicura?” e il fornitore rispondesse: “È sicura? Non ci ho mai pensato davvero.” Quella non è una buona risposta. Dovrebbe essere una risposta veramente pessima.
E sto dicendo, ancora una volta, che il software è più facile e semplice di quanto pensi. Dovresti semplicemente chiedere al tuo software: “Mi stai vendendo un software che si occupa del passato o del futuro?” Se si occupa del passato, lo gestisci in modo pulito, senza mutare il passato? E se si tratta del futuro, allora hai qualcosa che prevede una separazione netta, senza cercare di mescolare tutto insieme?
Quindi devi porre quelle domande fondamentali. E poi questo tipo di informazione serve a capire perché abbiamo bisogno di una chiara separazione tra passato e futuro, perché in definitiva tutto ruota intorno a questa informazione. Ciò che conta come informazione deriva solo dal passato, dalla tua conoscenza che sta a supporto delle decisioni.
La conoscenza non guarda al passato. È fondamentalmente qualcosa che proietta nel futuro. Ma, ancora, devi avere quei mattoni fondamentali, quei componenti integrali, in modo da poter sfidare il tuo fornitore di software in termini molto semplici.
E ancora, quando poni la domanda “Il tuo software muta il passato?”, se il fornitore resta perplesso, devi scappare. Questo è negativo. È davvero criticamente negativo. È altrettanto cattivo quanto un fornitore del settore automobilistico che dice: “Sicurezza? Non ho idea di cosa tu stia parlando.” Ancora, dovresti scappare se succede… Vedi, queste sono domande semplici ma importanti che puoi usare, ed è ciò che ti suggerisco. Ecco perché ti consiglio di leggere questo capitolo. Devi essere capace di porre quelle domande dolorosamente semplici. Saranno ottimi test litmus per rilevare fornitori pericolosamente incompetenti. Questo è tutto quello che sto dicendo.
Conor Doherty: Sì. Un altro modo per inquadrare la questione, e poi fammi sapere cosa ne pensi, è… hai fatto l’esempio di un’auto.
Joannes Vermorel: Sì.
Conor Doherty: E mentre ascoltavo, ho pensato: ok, è come se stessi comprando una berlina, una normale auto familiare, e chiedessi: “Va bene, posso affrontare salite? Posso scalare montagne con questa? Funzionerà bene?” E se rispondessero sì, ma in modo un po’ scettico.
Ora, per tradurre questo nell’analogia software, sarebbe: stai comprando un ERP e chiedi: “Può questo prendere decisioni migliori per me?” e loro dicono sì. Per me, la domanda potrebbe essere qualcosa del tipo: “Beh, sono un principiante, ma la mia comprensione è che i calcoli necessari per prendere decisioni sono incredibilmente intensivi, e in un unico software ciò rallenterà la bassa latenza di un sistema di registrazione. Come mitigatelo?” Spiegami semplicemente come lo mitigati. E se non hanno una risposta in merito, sarei scettico, perché ancora, i requisiti per ottime prestazioni nei calcoli comportano il rischio sui record.
Joannes Vermorel: Direi di sì, ma il problema è che… ho riflettuto… vedi, questa è una buona domanda, un buon test. Il problema che vedo è che il tipico fornitore di software per imprese ti darà una risposta che non capirai, e sembrerà intelligente e coerente. Per questo preferisco chiedere dei fatti.
Conor Doherty: Ma anche quelli sono fatti.
Joannes Vermorel: No, non sono fatti, perché il problema è che possono mentire. Non sto negando la loro competenza. Il problema è che esistono modi per far funzionare il tutto. Capisci? Vedi, puoi mescolare sistemi di registrazione e sistemi di intelligence. Ma c’è un ma: diventa esponenzialmente costoso.
È per questo che, ad esempio, è possibile mescolarli, e hai un esempio molto semplice: Google lo sta facendo. Hanno un registro pulito di tutto il web, più un sistema di intelligence in grado di decidere in tempo reale, tutto insieme, mescolato. Quindi dispongono sia del sistema di registrazione che del sistema di intelligence per offrirti risposte brillanti. Quindi è possibile unire i due.
Ma è possibile, però costa davvero una fortuna. È esponenzialmente più costoso per il fornitore e richiede anche un talento incredibile. In definitiva, puoi avere qualcosa che sia efficiente come sistema di registrazione e come sistema di intelligence? La risposta non è no. La risposta è sì, ma con un sacco di denaro e un sacco di talento.
E indovina un po’? Ecco cosa ti dirà il fornitore: “Oh, quello sono io.”
Conor Doherty: “Quello sono io. Esattamente io.”
Joannes Vermorel: “Esattamente io, e con molto meno di quanto pensi.”
Conor Doherty: Esattamente.
Joannes Vermorel: Esattamente. E quindi, qui, sto semplicemente dicendo che è troppo bello per essere vero. È troppo bello per essere vero. Ecco qua. Se sembra troppo bello per essere vero, probabilmente lo è.
E è così difficile competere con Google. È così difficile fare insieme quel genere di cose, e i costi sono così esorbitanti che la probabilità di trovarsi di fronte a qualcuno onesto è… di nuovo, direi che devi essere scettico.
Quindi penso che sia una buona domanda, ma il problema è che il fornitore… sarà così facile mentirti, perché direbbero: “AI, siamo così bravi.” Sì, normalmente non dovrebbe essere possibile a questo prezzo, ma siamo così bravi che lo è.
E poi devi dire… stai bluffando. Stai semplicemente bluffando, scusa. Perché vedi, il problema è che poi hai un altro tipo di test: se avessi persone così brave da fare qualcosa di così grandioso, non ti occuperesti di software per supply chain. Faresti qualcosa che ti farebbe guadagnare ancora di più.
Immagina, se avessi team buoni come quelli di Google, o addirittura migliori, e capaci di fare cose ancora più incredibili, allora perché non competere con Google per schiacciarli? Forse non lo fai perché, in realtà, non hai quei team.
E se torniamo a “è troppo bello per essere vero”, torniamo alla competizione M5. La competizione M5 – era una gara di previsione. Capito? Previsione.
Ognuno dei miei colleghi, i miei concorrenti a Lokad, se visiti il loro sito, ti diranno “previsioni all’avanguardia. Siamo i migliori.” Tutti sostengono: “Abbiamo la migliore previsione.” A volte non viene detto in modo così esplicito, ma se non viene enunciato apertamente, è così fortemente implicito da essere subito evidente.
Quindi la situazione è la seguente: abbiamo cento fornitori di software per imprese che affermano tutti “Abbiamo modelli di previsione all’avanguardia,” e che stanno davvero, davvero spingendo il limite di ciò che è possibile in termini di precisione. Eccellente. Eccellente. Ok. Perché no? Perché no?
Ora, alla M5 parteciparono mille team in tutto il mondo. Se guardi le prime cento persone – e ancora, chiunque può verificarlo, è una competizione su Kaggle, quindi i record sono pubblici. Chiunque in platea può verificare ciò che sto dicendo. Puoi andare a guardare i record su Kaggle, e osservare le prime cento persone in questa competizione mondiale: la risposta è che non c’era neppure un fornitore enterprise.
Oh aspetta, c’era solo un fornitore di software per imprese tra i primi cento. Era Lokad, mentre tutti gli altri erano assenti.
Conor Doherty: Numero uno a livello di SKU, se ricordo bene.
Joannes Vermorel: Sì, eravamo numero uno a livello di SKU e numero cinque a livello aggregato. Inizialmente eravamo sesti, ma poi qualcuno è stato squalificato perché aveva semplicemente imbrogliato, e così, a valle dei fatti, siamo stati riposizionati al quinto posto.
Ok. Ma vedi, è per questo che dico che è troppo bello per essere vero. Se le persone sono così brave, deve esserci qualche effetto collaterale della loro grandezza.
Aziende come Facebook stanno, per esempio, spingendo l’avanguardia nell’IA. Lo fanno. Come lo vedi? Beh, hanno inventato molte delle tecnologie usate da tutti. Ad esempio, PyTorch, che è utilizzato da circa due terzi della comunità di deep learning, è un prodotto nato dai laboratori di Facebook – intendo Meta oggigiorno.
Quindi vedi, se hai una grande ingegneria, e Meta ha ingegneri eccezionali, uno dei sottoprodotti accidentali è che emergono dai loro laboratori pezzi tecnologici eccezionali, o qualche traguardo. Ancora, Google, la stessa cosa. Google, per esempio, ha inventato i transformers. La rivoluzione della GenAI è stata fondamentalmente avviata da Google. Quindi, ancora una volta, questo è il segno che avevano ingegneri veramente eccezionali.
Se torniamo a chi sostiene di poter integrare sistema di registrazione e sistema di intelligence, e perché hanno persone così eccezionali, dico: “Ok, ma dove sono le prove di questa grandezza? Cosa avete realizzato che possa in qualche modo dimostrare tangenzialmente che avete un organico così incredibile?”
E molto spesso la risposta è: non ce n’è, perché in effetti, ancora una volta, vi occupate di sistemi di registrazione, che sono noiosi, poco interessanti, e non presentano grandi sfide tecniche. E indovinate un po’? Non avrete nemmeno bisogno dei migliori ingegneri, perché se vi occupate di sistemi di registrazione, perché dovreste pagare cifre elevate per ingegneri di altissimo livello che non vi serviranno mai, dato che ciò che state progettando è effettivamente abbastanza semplice? Non vi servono queste persone. Quindi, perché dovreste assumerle in primo luogo? La risposta breve: non lo fate.
Conor Doherty: Va bene. Beh, sei in onda da un bel po’. Non ho altre domande. Grazie mille, come sempre, per aver ampliato e concesso indulgenza mentre ti riprendevo. Spero di non essere stato troppo duro oggi, ma, ancora una volta, sei licenziato.
Joannes Vermorel: Licenziato. Esattamente.
Conor Doherty: Esattamente. Questo è… sì, questa è la mia ultima resistenza. Questo è Custer che stai guardando.
Ma sì, come sempre, sto semplicemente cercando di arrivare al cuore di quello che penso sia un grande libro, con idee davvero, davvero, davvero valide, e sto cercando di spingerti a renderlo più chiaro per chi ancora non ti conosce, perché ovviamente quando leggo…
Joannes Vermorel: E per chi non ha motivo di essere d’accordo con me.
Conor Doherty: E per chi non ha motivo di essere d’accordo con te. Esatto. Quindi sto cercando di respingere. Sto recitando il ruolo dell’avvocato del diavolo, come so che mi hai chiesto di fare.
Joannes Vermorel: Sì.
Conor Doherty: E a voi che ci guardate da casa, grazie per le vostre domande. Molte delle domande che vi ho posto oggi, Joannes, sono in realtà arrivate dal pubblico. E citando altre testimonianze per contestualizzare, anche dai feedback del pubblico.
Quindi se hai altri commenti, oppure vuoi semplicemente metterti in contatto e continuare la conversazione con Joannes e me, puoi connetterti con noi su LinkedIn o inviarci un’email a contact@lokad.com.
E con ciò, ci vediamo la prossima volta per il capitolo 6. E sì, torna a lavorare.
