サプライチェーン・サイエンティスト
人工知能はここ数十年で着実に進歩してきました。しかし、自動運転車が目前に迫っている一方で、サプライチェーン戦略を立案できるほど賢いソフトウェアが登場するまでには、まだ数十年を要するでしょう。それにもかかわらず、機械学習アルゴリズムがサプライチェーン全体に前向きな影響を与えるのは、今から数十年先の話だと結論付けるのは誤りです。
Lokad のサプライチェーン科学に関する専門性は、アルゴリズムだけでは不十分であっても、有能なサプライチェーン実務者の手にかかれば強力な支援手段になり得る、という観察から生まれました。機械学習は、製品の発注時期、在庫単位の移動時期、生産の増加時期など、サプライチェーンが必要とする多数の細かな事務的意思決定を担うことで、前例のないレベルのサプライチェーンパフォーマンス向上を実現する可能性を提供します。
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とサプライチェーンの専門家を融合させたような存在です。この役割は、適切なデータ抽出パイプラインと、サプライチェーンの定量的モデリングを担当します。実際、プロジェクトに必要な関連データの欠落に気付き、最適化パラメータを企業のサプライチェーン戦略に合わせるには、人間の洞察が不可欠です。
サプライチェーンの取り組みでは、あまりにも頻繁に責任が分散されがちです。
- データ準備はITチームが担当します
- 統計とレポートはBI（ビジネスインテリジェンス）チームが担当します
- サプライチェーンの実行はサプライチェーンチームが担当します
この問題に対する従来のS&OPの解決策は、多くのステークホルダーとの月例会議を通じた共同所有の実現であり、理想的にはCEOが全体を統括する形です。しかし、共同所有の原則に反対するわけではないものの、私たちの経験では、従来型のS&OPでは物事が非常にゆっくりと進む傾向があることが示されています。
定例会議を通じて確立される共同所有とは対照的に、サプライチェーンサイエンティストは、サプライチェーン施策のすべての定量的側面について、エンドツーエンドの責任を担う重要な役割を果たします。
この焦点を絞った責任の所在は、従来のサプライチェーン組織にありがちな落とし穴を回避するうえで非常に重要です。
- データが不適切に抽出・準備されることがあり、主にITチームはデータの利用に関する十分な洞察を持たないためです。
- 統計とレポートはビジネスを正確に表現できず、十分に有用な洞察を提供せず、完璧とは言えないデータ入力に起因する問題を抱えています。
- 実行面では、上述の2つの問題を軽減しようとするために、臨時のExcelシートに大きく依存しており、それが新たな問題を生み出す一因となっています。
クライアント企業と定量的サプライチェーン・マニフェストに沿った取り組みを開始する際、私たちはまず、その施策を実行するサプライチェーンサイエンティストが確保されていることを確認します。
サプライチェーンサイエンティストについてさらに詳しく知りたい方は、サプライチェーンサイエンティストをご覧ください。
読者のコメント (1)
予測に関する非常に有用な洞察をありがとうございます。
JMMGSR (1年前)
