街灯効果と予測

警官は、街灯の下で何かを探している酔っ払いを見かけ、何を失ったのか尋ねました。酔っ払いは鍵を失ったと答え、二人で一緒に街灯の下を探しました。数分後、警官は本当にここで鍵を失ったか尋ねると、酔っ払いは「いいえ、公園でなくした」と答えました。警官がなぜここで探しているのか尋ねると、酔っ払いは「ここに光があるからさ」と答えました。 David H. Freedman (2010). Wrong: Why Experts Keep Failing Us.
「古典的」な予測の最もパラドキシカルな点の一つは、将来の需要の平均値—時には中央値—を求めることにありますが、下記で見ていくように、この平均的なケースはほとんど意味がありません。日次、週次、月次の予測が使われる場合、これらは平均予測とみなすことができます。なぜなら、分位予測のような他のタイプの予測は加法的ではなく、非常に直感に反するからです。実際、多くのサプライチェーンの実務者は、「古典的な」予測の代替手段が存在することすら知りません。
しかし、ビジネスの観点、特に在庫に関して言えば、コストがかかるのは中間ではなく、極端な状況です。一方では、予想外に高い需要が発生し、ストックアウトを引き起こします。他方では、予期せぬ低い需要が生じ、死蔵在庫を生み出します。需要レベルが概ね予想通りである場合、在庫水準は穏やかに変動し、在庫回転は非常に円滑に行われます。
その結果、在庫が非常に円滑に回転している平均的なケースを最適化する意味はありません。なぜなら、もともと改善すべき点がほとんどないからです。ケアすべきは極端な状況です。実際、多くの実務者はこの問題を鋭く認識しており、彼らが抱えるトップ2の問題は、一方でサービス品質の向上(つまり予想外に高まる需要の緩和)と、他方で在庫レベルの管理(つまり予期せぬ低い需要の緩和)です。
それでも、サプライチェーンの課題が主に「極端な状況」に関係していると認めながらも、なぜ多くの企業は「平均的な」予測に頼るのでしょうか? 私は、業界としてのサプライチェーン管理が、酔っ払いの捜索という悪い例、すなわち街灯効果に苦しんでいると考えています。古典的なツールやプロセスは、ほとんど光を当てる必要のない「平均的な」状況に光を当て、一方で極端な状況にあるものは完全に闇の中に放置しているのです。
よくある誤解として、「中間」のケースを改善すれば、極端な状況もわずかに改善されるという考えがあります。しかし、統計的予測は直感に反しており、基本的な数値解析はそれが決してそうではないことを示しています。統計的予測は顕微鏡のようなもので、非常に鋭い反面、その焦点は極めて狭いのです。
クラシックな「平均的な」予測を用いてサプライチェーンの問題を解決しようとするのは、エンジンから始めて車のすべての部品を顕微鏡で調べ、エンジンがかからない原因を診断しようとするようなものです。このままでは、おそらくガスが切れて車が動かないという、後になってみればかなり明白な問題を診断することができないでしょう。
しかし、これで狂気は終わりではありません。次に、修理屋が車が動かない理由の診断に失敗した後、自分の顕微鏡の解像度が十分でなかったために診断が失敗したと主張し始めたと想像してみてください。そして今、修理屋はより良い顕微鏡を購入するために、あなたにさらなる資金を要求しているのです。
さて、同様の状況は現在多くの企業で起こっています。以前の予測イニシアチブが望む在庫パフォーマンスを生み出せなかったため、企業はその失敗の原因となった手法と全く同じ路線で、再び予測イニシアチブに取り組んでいるのです。
Lokadでは、古典的な予測手法が機能していないこと、そしていくら技術を投入しても決して機能しないということに気づくまでに5年を要しました。これは、2700万ドルの超高精度顕微鏡に切り替えても、修理屋があなたの空になったタンクの原因を診断するのに役立たなかったのと同じです。2012年、私たちはクォンタイル予測を発掘し、それを着実に改善し続けた; 突然、物事がうまく動き始めました。
その5年間の着実な失敗は、非常に長く感じられました。言い訳をすれば、大学のマニュアルにまで遡る偽りの約束に基づいて業界全体が動いている状況では、その箱自体があまりにも巨大で、一生をその中をぐるぐると彷徨い、壁に突き当たることさえできないというのも、箱の外で考え始めるのは容易ではないのです。
読者コメント (1)
とても素晴らしいアナロジーですね、ありがとう、Joannes Vermorel.
Victor (A year ago)