サプライチェーンサイエンティスト

learn menu

The Quantitative Supply Chain は、通常 機械学習 によって駆動される、より高度なソフトウェアや、ビッグデータインフラに支えられたよりスケーラブルなソフトウェアを用いて、サプライチェーンの最適化のあり方を再定義します。しかし、どの量的サプライチェーンプロジェクトの中心にも、データ準備や経済モデリング、KPI報告を実行するサプライチェーンサイエンティストが存在します。サプライチェーンサイエンティストは、機械知能によって拡大された人間の知性を提供します。サプライチェーンの意思決定のスマートな自動化こそが、サプライチェーンサイエンティストの仕事の最終成果です。

Lokadにおけるサプライチェーンサイエンティストの役割の視覚化

人間と機械

サプライチェーンのパフォーマンスを向上させるには、ビジネス戦略の深い理解が必要です。ストックアウトは、例えば航空宇宙分野で顕著なように、または生鮮食品などの日常においても非常に高額な損失をもたらす可能性があります。現実には、今日、スマートなアルゴリズムがチェスや囲碁のチャンピオンに勝利する一方で、どんなに賢い機械であっても、貴社のサプライチェーンの戦略的ロードマップを構築できる日はまだ数十年先の話です。したがって、完全に機械主導によるサプライチェーン体制の確立は、現状ではSFの域を出ません。

しかし、スマートアルゴリズムや機械学習アルゴリズムは、明確に定義された狭く反復的な問題の解決において、驚くほどの成果を上げています。量的サプライチェーンは、こうした最新のソフトウェア機能を取り入れています。すなわち、人間の知性を用いて問題を定義し、曖昧さを排除し、反復可能なワークフローを構築し、その後、日々必要とされる膨大でありながら単調なサプライチェーンの意思決定の生成は機械に任せるのです。

量的サプライチェーンは、人間の洞察を排除するものではありません。むしろその逆であり、人間の洞察が最も大きな影響を及ぼす戦略的分野にその洞察を取り戻すことを目指しています。サプライチェーンスタッフを単調で反復的な作業から解放することで、量的サプライチェーンは彼らに自由を取り戻させ、運用上の細部に縛られることなく、戦略的な課題に注力できる環境を提供します.

サプライチェーンサイエンティストの役割

サプライチェーンサイエンティストの役割は、データを「解析」し、すべての経済変数を論理に組み込み、サプライチェーンの意思決定を自動生成することにあります。また、サプライチェーンサイエンティストは、供給チェーン管理と共に策定されたKPIを実装・監視し、量的サプライチェーン施策自体のパフォーマンスを評価する責任も担っています.

施策開始当初のスコーピングフェーズでは、解決すべき問題が明確に定義され、未解決であっても曖昧な点がはっきりと特定されていることを確認する責任があります。特に、意図された自動化の具体像を明確にすることは、サプライチェーンサイエンティストの責務です。状況により、自動化は発注書の生成、在庫の移動や在庫廃棄などを目的とする場合があります.

データ準備フェーズにおいて、サプライチェーンサイエンティストは、企業のITシステムからすべての関連データが適切に抽出されるよう確認しなければなりません。通常、サプライチェーンサイエンティストは、データ抽出そのものを実行する際にITスタッフの支援を受けますが、抽出されたデータの意味づけはサプライチェーンサイエンティストの責任です。サプライチェーンの観点からデータの正確な意味論を確立することは極めて重要であり、生のシステムデータを機械学習アルゴリズムで処理可能な準備済みデータに変換するには多大な労力が必要です。この責務は再びサプライチェーンサイエンティストに委ねられます.

オンボーディングフェーズでは、自動化によって生成された数値がサプライチェーン実務者によって検証されます。このフェーズで、実務者は自動化が誤作動する際のエッジケースを発見することが多いため、その修正はサプライチェーンサイエンティストの責任となります。しかし、「奇数」のような数値が、従来の最適ではなかった慣行から外れているだけで、実際には正しい数値であることもあります。サプライチェーンサイエンティストは、そのような状況に光を当て、これらの数値が問題ではなく解決策の重要な要素であることを実務者に納得させる責任があります.

最後に、ソリューションが実運用に入ると、サプライチェーンサイエンティストは自動化のパフォーマンスを監視し、その弱点を特定します。彼はソリューションの継続的な改善に責任を負います。しばしば、改善されたロジックはより良い、またはより多くのデータを必要とし、それがまたオペレーショナルなサプライチェーンプロセスの変更を要求します。サプライチェーンサイエンティストは、データ改善に伴う期待される利得を定量化し、特定のビジネスケースを構築して、サプライチェーン管理に対して変更を提案します.

サプライチェーンサイエンティストのスキル

サプライチェーンサイエンティストは、データサイエンティストであると同時にサプライチェーンの専門家でもあります。この両面の能力は、初期の期待に応えるソリューションを提供するために不可欠です。サプライチェーン専門知識は、サプライチェーンサイエンティストが取り組むべき課題を深く理解するために重要であり、これが不足するとサプライチェーンのニーズに沿わない「ソリューション」を生み出すリスクを孕みます。リードタイム最小発注量-moq(最低注文数量)、航空輸送と海上輸送のコスト、マルチエシェロン分析…など、サプライチェーンサイエンティストが習得すべき多くの観点があります。具体的には、各要素そのものだけでなく、それらの関係性、例えば最小発注量がリードタイムにどのような影響を与えているかを深く理解する必要があります.

データサイエンスの専門知識は、過去のデータを活用した定量評価を行い、単調な意思決定プロセスを完全に自動化するロジックを実装するために不可欠です。プログラミングの習熟度が不足すると、いかなる施策も過度な遅延や危険な数値結果を招くリスクがあり、プログラミングは技能であると同時に芸術でもあります。サプライチェーンの課題は非常に複雑であり、サプライチェーンサイエンティストは、持続可能なほどシンプルでありながら十分に正確なソリューションを実装する能力を備えています.

最後に、サプライチェーンサイエンティストの役割には、平均以上のコミュニケーション能力が求められます。高品質な文書を作成し、量的サプライチェーン施策自体を説明するための優れた文筆力は非常に重要です。実際、サプライチェーンはトレードオフの連続であり、例えばより小さいMOQとより低い購入価格の間の妥協点など、多くの場合、それらは十分に文書化されません。量的サプライチェーンでは、こうしたトレードオフを文書化し定量化することが求められ、この責任はサプライチェーンサイエンティストにあります。また、オンボーディングフェーズにおいてサプライチェーン実務者との建設的な対話を行うため、優れた口頭コミュニケーション能力も必要です。新しいアプローチの有効性を説得するためです.

Lokadにおけるサプライチェーンサイエンティスト

Lokadでは、サプライチェーンサイエンスの能力が過去10年間で徐々に確立されてきました(Lokadは2008年に設立)。Lokadは純粋なソフトウェア企業として始まりましたが、実際のサプライチェーン課題に対応するためには専任のチームが必要であることに気づきました。伝統的な「ソフトウェアサポート」だけでは、Lokadの技術の深い理解だけに留まらず、様々なサプライチェーン課題を深く理解する必要があるため、企業に満足のいくソリューションを提供するには不十分でした.

サプライチェーンサイエンスの能力を確立し成長させることは困難であるため、多くの企業は自社の量的サプライチェーン施策においてサプライチェーンサイエンティストの役割をLokadに委ねています。この場合、Lokadはソフトウェアと専門知識を組み合わせたソリューションを提供し、サプライチェーンサイエンティストが事例に割り当てられて全体の施策を指揮します。このアプローチにより、企業は直ちに自社でサプライチェーンサイエンスの能力を構築する必要から解放され、小規模企業では内製化のコストを、大企業ではサプライチェーン内の変革スピードの加速を実現できます.

Lokadがサプライチェーンサイエンスチームに選ぶ候補者は、通常、修士号を有するエンジニアリングバックグラウンドのプロファイルです。Lokadのサプライチェーンサイエンティストはプログラミングに精通していますが、一般的なソフトウェア開発者ではありません。むしろ、彼らのスキルセットは多岐にわたり、産業問題のモデリング、プロセスの確立、そのプロセスを効率的かつ信頼性の高いものにする能力、経営陣とのコミュニケーションなど、エンジニアリングの基礎を幅広く備えています。Lokadのサプライチェーン課題の性質上、数学と統計に堪能なプロファイルが、ほとんどのサプライチェーン課題の定量的解決に不可欠であるため、選ばれる傾向にあります.

このサプライチェーンサイエンス能力の開発は、Lokadにおいて常に改善され続けるプロセスです。そして、Lokadがさまざまな業界の多数の企業に対してサプライチェーンサイエンティストの役割を担っているおかげで、この分野における豊富な知見が蓄積されています。さらに、新たに採用されたメンバーは、多様な業界のサプライチェーン状況に触れる研修を通じて、学習プロセスを加速し、より深い理解を得ることができます.

関連コンテンツ

サプライチェーンサイエンティストとは? シモン・シャリット(Lokad COO)との対談

サプライチェーンサイエンティストの1日(マキシミリアン・バルトとの対談)

講義: サプライチェーンサイエンティスト - 講義 7.3:ジョアネス・ヴェルモレルとの対談