量的供給チェーンの成功を評価する

一見すると逆説のように思えるかもしれませんが、量的供給チェーンが数値的方法と測定に大きな重点を置いている一方で、我々の経験では、指標は施策が正しい方向に進んでいるかどうかを示すには不十分であり、しばしば遅すぎることがわかっています。ほとんどすべての指標は操作可能であり、通常、選択されたアプローチの持続可能性を犠牲にして行われます。したがって、量的供給チェーンは明白な改善を追求します。もし改善が高度な測定を要するほど微妙であれば、その施策は努力に見合わず、失敗と見なされるべきです。逆に、もし多くの指標で改善が顕著かつ一貫しており、供給チェーン全体がこれまで以上に機敏かつ反応的であれば、その施策は成功している可能性が高いのです。

指標は操作される可能性がある

エンジニアが指標に基づいて評価されることが稀であるのには理由があります。彼らは指標を自分自身の利益のために活用する、すなわち、会社の利益にかなうようにするよりも、むしろ指標を操作するのが非常に得意だからです。供給チェーンは複雑であり、ほとんどすべての単純な指標は、会社にとって壊滅的な結果をもたらす形で利用される可能性があります。この問題は、指標の抜け穴を塞ぐことで解決できると思われがちですが、我々の経験では常に新たな抜け穴が見つかるのです。

指標のリバースエンジニアリングの物語

例として架空のeコマースを考えてみましょう。経営陣はサービスレベルの改善が必要だと判断し、サービスレベルを最重要な指標としました。供給チェーンチームはこの指標に従い作業を開始し、解決策として在庫レベルを大幅に増加させる案を考案しましたが、その結果、会社に莫大なコストが発生しました。

その結果、経営陣はルールを変更し、最大在庫数が定められ、チームはその制限内で業務を行わなければならなくなりました。チームは数値を見直し、在庫レベルを下げる最も簡単な方法は大量の在庫を「死在庫」としてマークすることであり、これが積極的なプロモーションを引き起こすことに気づきました。確かに在庫レベルは下がりましたが、その過程で粗利益率も大幅に低下しました。

再び、問題は見過ごされず、ルールはもう一度変更されました。「死在庫」としてマークできる在庫量に新たな上限が設けられたのです。この新ルールの実施には多大な労力が必要となりました。というのも、供給チェーンは急に大幅な値引きが必要となる「旧在庫」に苦しむようになったからです。この新ルールに対処するため、チームは海上輸送に対する航空輸送の割合を増やしました。リードタイムは短縮され、在庫は減少しましたが、運用コストは急速に上昇しています。

制御不能になりつつある運用コストに対処するため、経営陣はさらにルールを変更し、航空輸送で運ばれる商品割合に上限を設けました。しかし、新ルールは再び大混乱を引き起こしました。というのも、これにより航空輸送によって回避可能であった一連のストックアウトが誘発されたからです。ますます厳しい制約の下で業務を行わざるを得なくなった結果、チームは仕入先が提供する価格割引の活用を断念し始めました。少量購入もリードタイムを短縮する一つの方法ですが、その過程で再び粗利益率が低下してしまったのです。

仕入れ価格を正常な状態に戻すことは、経営陣にとってはるかに難解な目標であることが判明しました。単純なルールではこの課題に対応できず、代わりに各製品サブカテゴリーごとに無数の価格目標が導入されました。多くの目標が非現実的であることがわかり、ミスの原因となっています。全体として、供給チェーンの状況はますます不明瞭になっています。多方面からの圧力を受け、供給チェーンチームは需要計画プロセスのあまり注目されていなかった機能、すなわち製品代替リストの調整に着手し始めました。

実際、経営陣はプロセスの初期段階で、欠品の影響が製品により大きく異なることに気づいていました。欠品している製品の中には、ほぼ完全な代替品が複数存在するものもあったからです。その結果、全員が、全体のサービスレベルを算出する際には、それらの製品の欠品は大幅に控えめに評価できると合意しました。しかし、現在非常に大きなプレッシャーの下で業務を行っている供給チェーンチームは、このリストの目的を元の意図から1～2段階拡大して運用し始めました。つまり、あまり類似していない製品が、ほぼ完璧な代替品としてリストに載せられるのです。結果として、サービスレベルの指標は向上しても、ビジネス自体は改善されません。

成功の落とし穴

指標は操作されうる上に、チームに有害なインセンティブが与えられると、指標は誤解を招く形で利用されがちです。しかし、状況は見た目ほど悪くはありません。実際、非常に機能不全な企業文化を除けば、従業員は通常、自らの業務を台無しにするような行動を取る傾向にないことが我々の経験からも示されています。むしろ、ほとんどの従業員は、多少企業方針が拡大解釈される必要があったとしても、正しいことを行うことに誇りを持っていることが観察されています。

したがって、供給チェーン最適化戦略の実行を担当するチームから自由を奪うのではなく、供給チェーン全体の施策に光を当てる指標のセットを構築するようチームを奨励することが重要です。経営陣の役割は、これらの指標に基づいてルールを強制することではなく、むしろそれらの指標の根底にある戦略的思考に疑問を投げかけることにあります。しばしば、直ちに目指すべき目標は指標値を改善することではなく、むしろ指標そのものの定義を改善することなのです。

実際、すべての指標がビジネスにとって同等に価値があるわけではありません。ビジネスに対して意義ある視点を提供する指標を作り上げるには、通常、相当な労力が必要です。この作業は、ビジネス戦略の十分な理解だけでなく、無数のアーティファクトやその他の数値上の奇異な点を伴う基礎データに関する深い知識も必要とします。したがって、指標は何よりもまず「作成途中の成果物」として捉えるべきです。

我々は、どの供給チェーンプロジェクトにおいても、施策全体で確立される指標の質が成功の強力な指標であることを発見しました。しかし、これは一種の逆説でもあり、実際にそれらの指標の有用性を評価する合理的なメトリックは存在しません。以下は、指標の質を評価するのに役立ついくつかの要素です：

さまざまな供給チェーンチームの間で、その指標がビジネスの本質を捉えている、または指標によって暗黙のうちに促進されるビジネスの視点が短絡的でも盲目的でもないというコンセンサスは存在するか？
数値と経済的ドライバーを調和させる際に、指標が実際に深みを持っているか？単純さは望ましいが、大局を誤る代償のもとではならない。
データのアーティファクトは適切に処理されているか？通常、会社システムから抽出されたデータを処理する際には、何十もの微妙な「落とし穴」に対処する必要があります。我々の経験から、もし生データが十分に良好に見える場合は疑いを持つべきです。それは通常、問題自体が認識されていないことを意味するからです。
選ばれた指標に基づいて下された決定は理にかなっているか？もし、指標に沿った決定であっても全く意味が感じられないのであれば、おそらくその決定は意味をなしておらず、その問題はしばしば指標自体に起因している。

多くの点で、良い指標を作り上げることは、成功の深淵へ向かう重力を調整するようなものです。何も介入しなければ、自然な流れとして坂を転がり落ち、成功が待つ底へと向かうのです。底がどれだけ深いかを正確に知ることは必ずしも必要ではなく、重要なのは底へ向かう過程の一歩一歩が会社にとって良い結果をもたらしていることである、ということです。

常識的な決定はより良いパフォーマンスにつながる

供給チェーンにおいて、どんなに優れた指標であっても大きな欠点があります。それは、数値が通常、遅れて現れるという点です。リードタイムが長く、今日下された決定が数週間、いや、数ヶ月間は目に見える形で影響を与えないかもしれません。さらに、反復的かつ漸進的な改善に大きな重点を置く量的供給チェーンは、この問題をさらに複雑にしています。それにもかかわらず、非漸進的な方法を用いるのは別の理由でなおさらに悪いことになるでしょう。したがって、施策が正しい方向に進んでいるかどうかを評価するための唯一のシグナルは指標だけではあり得ないのです。

常識的な決定を下すことは、シンプルでありながら過小評価されがちな、優れたパフォーマンスのシグナルです。実際、もしあなたの会社の供給チェーンがすでに非常に優れていない限り、システムは「常識外れ」の決定を生み続け、それらが供給チェーンチームによって手作業で検出・修正されている可能性が高いのです。あらゆる「アラート」や類似のリアクティブな仕組みの目的は、まさに継続的な手動での是正努力を通じて、進行中の問題を軽減することにあります。

量的供給チェーンの施策を、完全にロボット化された方法で下されたすべての決定が常識的または安全とみなされる状態にまで引き上げることは、多くの実務者が思っている以上に大きな成果です。ここで「ロボット化された」決定に重点を置くことが重要です。なぜなら、ルールに則るためには人間の介入は必要ないからです。そして「常識的」というのは、事例を数時間かけて調査した後でも実務者にとって納得のいく決定を指します。もちろん、毎日数多くの同様の決定が求められるため、定期的にこの検証を行うことは現実的ではありません。

我々の経験では、自動化された決定が信頼されるようになると、その決定が実際に「本番環境」で試される段階でパフォーマンスが現れることが多いことが示されています。実際、「常識性」テストは、意思決定ロジックに対する非常に厳格なテストです。もし、あなたの会社が量的供給チェーンに非常に類似した何かを既に活用していなければ、現在稼働しているシステムはこのテストを通過するには程遠いでしょう。その結果、見逃されたミスが常に発生し、会社はこの継続的な問題の流れに対して多大なコストを支払うことになってしまいます。

そして、運用の観点から、供給チェーンの決定が自動化されると、供給チェーンチームは途切れのない手動入力の奴隷状態から解放されます。その生産性向上分は、実際に重要な場所、すなわち供給チェーン戦略自体の細部を洗練させるためや、仕入先が原因の供給チェーンの問題に対処するために、より緊密に監視するために再投資することができます。純粋な量的最適化によって達成されたパフォーマンスの向上は、プロセスやワークフローを改善する時間をようやく見つけることができた供給チェーンチームによって得られる成果によってさらに強化されます。