00:00:04 サプライチェーンにおけるデータサイエンティストの役割。
00:01:33 データマイニングとデータサイエンスのトレンドの比較。
00:03:16 大学へのマーケティングデータサイエンスツールの提供。
00:04:14 コーディングスキル vs. ビジネス価値の創造。
00:06:37 Lokadの「サプライチェーンサイエンティスト」への転換。
00:08:01 サプライチェーンサイエンティストの職務。
00:09:50 ITとサプライチェーンサイエンティストの共有職務。
00:11:58 サプライチェーンサイエンティストとデータ抽出の役割。
00:14:19 統計ツールキットへの依存の落とし穴。
00:16:29 データの成長する役割。
概要
キーラン・チャンドラーとジョアネス・ヴェルモレルは、サプライチェーン管理におけるデータサイエンティストの重要な役割について議論しています。彼らの対話は、これらの専門家がビジネスデータから価値を抽出する必要性を強調し、プログラミングと統計スキルの過度の強調に対する警告を行っています。ヴェルモレルは、実践的な知識とビジネスの洞察力の重要性を指摘し、技術的な能力への過信に警戒心を抱いています。彼は、システムの維持に焦点を当てたITの役割とは対照的に、ビジネスの問題に対処するためにデータを抽出し解釈する「サプライチェーンサイエンティスト」という役割を紹介しています。彼らの対話は、大学の教育における課題を強調し、実世界のサプライチェーンデータの不足とプログラミング言語と統計フレームワークへの過度の依存を浮き彫りにしています。
詳細な概要
キーラン・チャンドラーとジョアネス・ヴェルモレルの対話は、特にサプライチェーン業界におけるデータサイエンティストの役割と重要性に焦点を当てています。チャンドラーは、これが「野火のように業界全体に広がっている」という現象であると述べ、5年前には顕著ではなかったこの需要が、現在では大学がこれらのポジションを埋めるための十分な卒業生を輩出する能力を超えて急速に進化していると指摘しています。
ヴェルモレルは、この変化に対する自身の見解を述べ、企業がデータの固有の価値とそれを探索するスキルを評価し始め、それに応じて必要とされる人材の存在に注目しています。しかし、彼はまた、このトレンドの周期的なパターンにも注意を喚起し、90年代の「データマイニング」ブームになぞらえています。彼は、現在のデータサイエンティストへの関心が過去の「データマイナー」への関心と似ていると推測し、データサイエンティストを「データマイナーバージョン2」と呼んでいます。
ヴェルモレルは、90年代のデータマイニング企業の興亡について議論し、警戒すべき物語を提供しています。彼は、データマイニング期間中に数百の企業が登場し、データマイニングのためのツールを提供していたことを思い起こします。しかし、これらの企業のほとんどは最終的に消え去り、現在のデータサイエンスツールの供給業者の急増に疑問を投げかけています。ヴェルモレルは、これらの2つの時期の間に相関関係があると捉え、現在のデータサイエンスのトレンドにおける上昇と衰退の可能性があると示唆しています。
興味深いことに、ヴェルモレルは自社のLokadが「データサイエンティスト」という用語を避け、代わりに「サプライチェーンサイエンティスト」という用語を使用していることを強調しています。この選択は、数学的およびコーディングスキルだけでなく、ビジネスの文脈と価値を理解することの重要性に対する彼の信念を反映しています。彼は、技術的な側面での熟練度は重要ですが、サプライチェーン内でビジネス価値を生み出すことに自動的につながるわけではないと警告しています。
さらに、ヴェルモレルは現在のデータサイエンスツールの販促戦略について話しています。彼は、これらのツールが大学を中心に積極的なマーケティングを展開していることを強調し、特に学術界の一般的な考え方に合致するオープンソースのツールキットを通じて行われていると述べています。しかし、彼はまた、大学内で製品をマーケティングすることが、具体的なビジネス環境で有益な結果を生むことを保証するものではないと警告しています。
ヴェルモレルは、データサイエンティストがデータを分析するだけでなく、その発見を通じて実際のビジネス変革をもたらす必要性を強調しています。課題は、データサイエンティストが調査結果を分析し提示することはできるが、これらの変更を実装する際に苦労することです。なぜなら、それらは現状を変える可能性があるためです。これは単に運用上の意思決定に関する衝突ではなく、データサイエンティストが実際に行動し、ビジネスに価値を提供する力を持っているかどうかという大きな問題です。
さらに、議論はLokadで使用されている「サプライチェーンサイエンティスト」という役割に触れます。ヴェルモレルによれば、サプライチェーンサイエンティストの仕事は、発注数量などのサプライチェーンに関連する実行可能な意思決定を生成することです。これらの意思決定は実行可能で実用的であり、利益をもたらす必要があります。データサイエンティストとは異なり、サプライチェーンサイエンティストは自身の提案のビジネス価値を担当します。これには、エンタープライズシステムとデータとソフトウェアおよびそれを操作する人々との相互作用の理解が必要です。これにより、解決すべき問題の包括的な理解が確保されます。
サプライチェーンサイエンティストの仕事は、抽出されたデータの理解、最適化モデルの構築、複雑さと精度のバランスを取ることです。ヴェルモレルは、特にサプライチェーンにおいて現実世界の複雑さが完璧な数学モデリングを実現不可能にしていることを認識しています。そのため、サプライチェーンサイエンティストは近似値とヒューリスティックスを用いて問題を効果的に解決する必要があります。彼らは全体像を見る必要があり、それにコミットし続ける必要があります。
チャンドラーは次に、IT部門の役割を紹介し、ソフトウェアと人々に責任を負うべきかどうかを問いました。なぜなら、通常はソフトウェアシステムを実装および維持するからです。
この質問は、組織内の運用、技術、戦略的な役割の間に緊張関係があることを示唆しています。
この会話は、情報技術(IT)とサプライチェーンサイエンティストの間の異なる責任、および現在の状況でデータサイエンティストが直面する課題を主に探求しています。
ヴェルモレルは、ITとサプライチェーンサイエンティストが組織内で異なる責任を持っていると主張しています。彼はITの役割をメンテナンスの役割に等しいものとし、システムとプロセスの安定した運用を保護する責任を持っていると述べています。ITの責任は、システムの稼働時間とセキュリティの維持に関わる技術的な問題を管理することです。
それに対して、ヴェルモレルによれば、サプライチェーンサイエンティストの役割はメンテナンスではありません。代わりに、彼らの責務はデータの抽出と解釈に関わります。彼らは、使用されるデータがビジネス状況を正しく理解できるようにし、導かれる解決策が利益を生むことを確認する必要があります。彼らは技術的な問題を扱う必要はなく、彼らの主な目標はデータを正確に解釈することによってビジネスの問題を解決することです。
チャンドラーは、データサイエンティストの間でデータの抽出と準備のスキルの不足が見られることについての会話に移ります。これらは彼らの職業において重要な要素であるにもかかわらず、ヴェルモレルは大学のコースやブートキャンプが主にPythonやRなどのプログラミング言語に焦点を当てており、仕事のより実践的な側面を軽視していると指摘しています。
ヴェルモレルは、アクセシビリティと機密性の問題から、大企業のサプライチェーンデータは訓練用にすぐに利用できないため、大学が特定の側面を教えるのにより適していると説明しています。一方、オープンソースのソフトウェアや統計フレームワークはより利用可能です。その結果、学生はプログラミングや統計ツールキットについての深い理解を持って卒業する一方で、実世界のサプライチェーンデータの取り扱いに関する実践的な知識が不足しています。
ヴェルモレルは、プログラミングと統計に対するこの過度の重視が、新しいデータサイエンティストの間で過信を引き起こす可能性があると警告しています。彼らはこれらのスキルだけでサプライチェーンの問題を解決するために十分だと誤解するかもしれません。しかし、サプライチェーン管理は単にプログラミングや統計分析に関するものではありません。それはデータを理解し、ビジネスの意味を理解することです。ヴェルモレルは、Excelシートなどの常識的なツールを使ってビジネスの意思決定を行う低技術のサプライチェーンの実践者の知恵を無視することに対して警告しています。
フルトランスクリプト
キーラン・チャンドラ: 今日は、この業界を席巻している新しい仕事の役割について話します。データサイエンティストの役割は、ビジネスがデータに対してより重要性を置き、関連する結論を導き出す必要性が高まっている現在、ますます重要になっています。5年前、サプライチェーンディレクターはデータサイエンティストを必要としませんでした。しかし、今日では、データサイエンティストの求人機会が大学がそれを生産する速度よりも速く成長しているように見えます。では、ジョアネス、何が変わったのですか?なぜデータサイエンティストへの需要が急に増えたのですか?
ジョアネス・ヴェルモレル: 明らかに、企業は自分たちのデータに価値があることを認識しています。それを認識すると、データから価値を抽出するために多くの人材が必要になります。それがデータサイエンティストがすることです。ただし、興味深いことは、これが完全に新しいものではないということです。90年代にいた人々にとっては、もしくは90年代の終わりごろにいた人々にとっては、その当時は別の名前で呼ばれていました - データマイナー。人々はデータからものを採掘していました。つまり、データサイエンティストはデータマイナーのバージョン2、もしくはそれに類似したもののようです。
キーラン・チャンドラ: もしもこれらのデータマイナーが今も存在していないのであれば、結果はあまり良くなかったのかもしれませんね。それについてもう少し詳しく教えていただけますか?それから、なぜうまくいかなかったのかから学ぶことはあるのでしょうか?
ジョアネス・ヴェルモレル: サプライチェーンの世界では、データサイエンティストが非常に流行していることが非常に興味深いです。私には、物事が循環しているというマクロなトレンドがあるように思えます。20年前、データマイニングに関するツールを提供する数百の企業が登場し、そのうちのほとんどが消えました。現在、データサイエンスのツールを提供する数百の企業が登場しています。また、データサイエンスのコンサルタントも見られます。ですので、それには一定の真実があるのですが、循環的なファッション効果もあります。
キーラン・チャンドラ: データサイエンスとファッションという言葉を同じ文で聞くことはありませんね。ここで言っているのは、データマイナーは以前は別の名前で呼ばれていたということですね。では、私たちは次世代のデータサイエンティストに、Lokadの技術を大学に販売すべきではないのでしょうか?彼らがツールを完全に理解し、使用する方法を完全に理解しているようにするために。
ジョアネス・ヴェルモレル: それは確かに一つの視点です。ところで、データサイエンスのツールを推進しているすべての企業は、積極的に大学に向けてマーケティングを行っています。これを行うための簡単な方法は、オープンソースのツールキットを推進することです。なぜなら、それらは大学の一般的な考え方に合っているからです。ただし、これは主にマーケティングツールです。それはある意味では良いことですが、効率性を意味するわけではありません。大学内で自分自身を成功裏に宣伝しても、それが必ずしもビジネスの中で結果を得ることを意味するわけではありません。優れた数学者や優れたコーダーになったからといって、それが直ちにサプライチェーン内で実際にビジネス価値を創造することにつながるわけではありません。これは私が危険だと考えるものであり、それがLokadが「サプライチェーンサイエンティスト」という用語を好む理由の一つです。
キーラン・チャンドラ: ビジネス第一主義は、多くのサプライチェーンの実践者にとって理にかなっています。なぜなら、彼らは日常の仕事でビジネスに多く触れているからです。おそらく唯一の例外は、非常に大きな企業で、データサイエンティストがデータの量や問題の複雑さに圧倒されることがあるかもしれません。しかし、正しいビジネスの問題に焦点を当てる以外にも、何か注意すべき点はありますか?
特定のビジネスの問題に焦点を当てること以外にも、フクロウやリードタイムの短縮などにも注意が必要です。ですので、正しいビジネスの問題に焦点を当てる以外にも、何か注意すべき点はありますか?
ジョアネス・ヴェルモレル: 実際には、大きな注意点があります。データサイエンティストの役割は、ビジネスの分析だけではありません。それは違いを生み出し、意思決定を行い、組織内で実際のビジネスへの影響をもたらすことです。これはトリッキーなことです。データサイエンティストは簡単にデータにアクセスし、分析を行うことができます。しかし、行動に移るときには、しばしば既存の状況に挑戦することになります。注文数量に関する意見の相違だけでなく、より深い意見の相違もあります。失敗の最大の可能性は、データサイエンティストが真に行動し、ビジネスに価値を提供する立場にない場合にあります。それが私が見る主な注意点です。
キーラン・チャンドラ: ステータスクオに対する抵抗について言及しましたね。私はサプライチェーンの実践者の中に、何十年も機能してきた方法で働いてきた人々にかなりの同情を抱くことができます。ですので、何が機能していて、何が機能していないかを疑問視する人がいるのは理解できます。ロカッドでは、データサイエンティストではなくサプライチェーンサイエンティストと呼んでいますが、彼らについてもう少し詳しく教えていただけますか?
ジョアネス・ヴェルモレル: 異なる名前は、私たちの問題へのアプローチを反映していると思います。私たちのコミットメントはサプライチェーンにあります。サプライチェーンサイエンティストは、今すぐ注文する必要がある数量など、実際に実行可能な意思決定を行うべきです。意思決定は実行可能で実用的で利益をもたらすものでなければなりません。彼または彼女の提案のビジネス価値に対する所有権が必要です。この所有権には、実際にはかなりのことが含まれます。
文脈を理解するために、逆に進んでみましょう。意思決定は最終目標ですが、逆に始めると、データから始まります。データはエンタープライズシステムから来ますが、データはソフトウェアを操作する人々の目を通してのみ意味を持ちます。ソフトウェアだけではなく、ソフトウェアと人々の組み合わせです。サプライチェーンサイエンティストは、これを非常によく理解する必要があります。解決すべき問題を理解し、抽出されたデータを理解し、何らかの最適化モデルを構築する必要があります。
複雑さと精度のトレードオフがあります。現実世界は非常に複雑であり、サプライチェーンも例外ではありません。完璧な数理モデリングは不可能ですので、近似し、ヒューリスティックスを使用する必要があります。ヒューリスティックスはうまくいくレシピです。サプライチェーンサイエンティストは、これらすべてを組み合わせて、割合だけでなく実際のドルでの本当の節約があることを確認する必要があります。彼らはこの全体像にコミットする必要があります。それがサプライチェーンサイエンティストの役割です。
キーラン・チャンドラ: サプライチェーンサイエンティストはソフトウェアと人々に責任を持つべきだと言いましたが、IT部門はどうでしょうか?彼らがその責任を持つべきではないですか?結局、彼らはソフトウェアを導入し、しばしばそれを構築する人々です。
たった一人のサプライチェーンサイエンティストの肩にかなりの責任がかかっているように聞こえますね。奇跡を期待しているのですか?
ジョアネス・ヴェルモレル: はい、責任は非常に大きいです。ただし、重要な違いがあります。私は、ITの主な責任はシステムの運用を確保することだと考えています。ITは継続的な運用を担当し、すべてが秒単位で動作することを確認する必要があります。サプライチェーンサイエンティストには異なる責任があります。この個人の役割は、すべてを維持し続けることではありません。
キーラン・チャンドラ: では、サプライチェーンサイエンティストの責任は具体的には何ですか?
ジョアネス・ヴェルモレル: サプライチェーンサイエンティストの責任は、データを抽出し、それを理解することです。これは非常に異なるタスクです。この人物は、何かを維持し、実行し、安全に保つためのすべての技術的な問題に対処する必要はありません。それはITの責任ですが、それは確かに非常に困難です。サイエンティストの責任は、理解が正しいことを確認することです。この理解から生まれるビジネスソリューションは、ビジネスが本当に解決する必要のある問題を正確に特定する結果として利益をもたらす必要があります。
キーラン・チャンドラ: データの抽出と準備は重要なタスクのようですね。しかし、データサイエンティストはこれらの側面について不適切に訓練されているのではないでしょうか?ほとんどのデータサイエンスのコースやブートキャンプは、PythonやRなどのプログラミングについてのものです。
ジョアネス・ヴェルモレル: それは素晴らしい質問です。大学は特定の分野で優れており、他の分野では弱いです。現実を直視しましょう:データの理解にはまず実際のデータが必要です。大規模なサプライチェーンを持つ多くの大企業は、自社のデータを大学と共有しません。したがって、大学はアクセス可能なものを教材として使用します。オープンソースソフトウェアにアクセスする方が、機密性の高いサプライチェーンデータにアクセスするよりも簡単です。
キーラン・チャンドラ: 個人データについての議論がたくさんありますね、まるでヨーロッパのGDPRのようなものです。それには皆が大きな努力を払って準拠する必要があります。それは偶発的なものですが、状況を複雑にします。例えば、大学では、最も価値を提供できる最も困難なタスクを人々に教えたいと思っていますが、それは難しいです。ですので、大学はプログラミング言語や統計フレームワークに頼ることがずっと簡単です。それらはよりアクセスしやすく、数学的です。また、これらの科目で学生をテストすることも容易です。教授として、あなたは学生に教え、評価する必要があります。それには評価が可能な何かを教える必要があります。これは奇妙な制約ですが、それは確かに大学で教えることに影響を与えます。
ジョアネス・ヴェルモレル: 今、統計ツールキットに焦点を当てることの主な問題は、過信につながる可能性があるということです。プログラムの作成方法を知り、統計に堪能であることは有益です。それは確かに助けになるものであり、否定的なものではありません。しかし、微妙な問題もあります。それは人々を過信させることができ、プログラムの作成方法や統計の理解、数学の理解がサプライチェーンの問題を解決する鍵であると信じ込ませることができます。
ここで、サプライチェーンの実践者の多くにはある種の知恵があります。彼らはしばしば非常にローテクです。彼らは常識に固執し、Excelシートに固執しています。それにはビジネスの意味があるため、それに固執することには知恵があります。常識に固執する唯一の理由が、統計やプログラミングに関する知識が不足しているからであれば、それは理想的ではありません。しかし、一方で、統計やプログラミングしか知らない場合、それはあなたをサプライチェーンの専門家にはしません。
これらの分野に精通しているだけで、自動的に追加のユーロやドルを生み出す解決策にはなりません。だからこそ、それが最大の危険だと思います。私たちは今、しばしば過信に悩む人々の軍隊を生み出しています。プログラミングは手段であり、目的ではありません。
キーラン・チャンドラ: それは洞察に富んだ視点ですね。データサイエンティストやサプライチェーンサイエンティストについての話題は、私たちの日常生活で収集される驚くべき量のデータがますます関連性を持つようになっています。今日はお時間をいただき、ありがとうございました。
ジョアネス・ヴェルモレル: ありがとうございます、キーラン。
キーラン・チャンドラ: そして、今日のエピソードを聴いてくださったリスナーの皆さん、ありがとうございました。私たちはすぐに戻ってきます。それまで、質問を続けて意見を送ってください。ご視聴いただき、ありがとうございました。またすぐにお会いしましょう。さようなら。