サプライチェーンの科学者
人工知能は過去数十年間で着実な進歩を遂げてきました。しかし、自動運転車がすぐそこにあるかもしれませんが、サプライチェーン戦略を考案するにはまだ数十年かかると結論付けるのは誤りです。しかし、同時に、機械学習アルゴリズムによってサプライチェーン全体に肯定的な影響を与えるまで数十年かかると結論付けるのも誤りです。
Lokadのサプライチェーン科学の専門能力は、アルゴリズムだけでは不十分であるという観察から生まれましたが、それらは実力のあるサプライチェーンの専門家の手によって強力なエンエーブラーとなりました。機械学習は、製品の注文時期、在庫の移動時期、アイテムの追加生産時期など、サプライチェンが必要とする繁雑ながらも事務的なマイクロ意思決定をすべて処理することで、前例のないレベルのサプライチェーンのパフォーマンスを実現する可能性を提供します。
サプライチェーンの科学者は、データサイエンティストとサプライチェンの専門家のミックスです。この人物は、サプライチェーンの適切なデータの準備と適切な量的モデリングを担当します。実際、いくつかの関連データがプロジェクトから欠落していることに気付き、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ためには、人間のサプライチェーンの洞察が必要です。
サプライチェーンのイニシアチブは、しばしば分散した責任を伴います：
- データの準備は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ンチームが担当します
この問題に対する伝統的なS&OPの答えは、多くの関係者による月次会議を通じて集合的な所有権を作り出すことです。理想的には、全体をCEOが所有することが望ましいです。しかし、集合的な所有権の原則に反対しているわけではありませんが、私たちの経験からは、伝統的なS&OPに関しては物事が非常に遅く進む傾向があることが示されています。
予定された会議を通じて確立された集合的な所有権とは対照的に、サプライチェーンの科学者は、サプライチェンイニシアチブのすべての量的側面のエンドツーエンドの所有権を担当する重要な役割を果たします。
この焦点を絞った所有権は、伝統的なサプライチェン組織に関連する一般的な落とし穴を回避するために重要です。それらは次のようなものです：
- データが正しく抽出および準備されていない。これは主に、ITチームがデータの使用に関する洞察が限られているためです。
- 統計とレポートはビジネスを誤って表現しており、有用な洞察を提供せず、完璧ではないデータ入力に苦しんでいます。
- 実行は、上記の2つの問題を緩和しようとするために、特別なExcelシートに大いに依存していますが、新たな問題のカテゴリ全体を作り出しています。
クライアント企業との量的サプライチェンイニシアチブを開始する際には、サプライチェンの科学者がイニシアチブを実行できるようにすることから始めます。
リーダーコメント（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。 1年前 | JMMGSR
