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比較。
00:03:16 大学へのデータサイエンスツールのマーケティング。
00:04:14 コーディングスキル対ビジネス価値の創出。
00:06:37 Lokadの「サプライチェーンサイエンティスト」への移行。
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が共有する職務。
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 統計ツールキットに頼りすぎることの落とし穴。
00:16:29 生活におけるデータの役割の拡大。
要約
キアラン・チャンドラーとジョアネス・ヴェルモレルは、データサイエンティストがサプライチェーン管理において果たす重要な役割について議論しています。彼らの会話は、これらの専門家がビジネスデータから価値を引き出す必要性を強調するとともに、プログラミングや統計スキルに過度に重きを置く傾向への警告を発しています。ヴェルモレルは、実務的な知識とビジネス感覚の重要性を指摘し、技術的能力に過信することへの注意を呼びかけています。彼は、システムの維持に重点を置くITの役割とは対照的に、ビジネス課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」の役割を紹介しています。彼らの対話は、大学教育の課題を浮き彫りにし、現実のサプライチェーンデータの不足やプログラミング言語や統計フレームワークへの過度の依存を強調しています.
詳細な要約
キアラン・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拡大とその重要性に焦点を当てています。チャンドラーは、データサイエンティストへの需要が急増しており、それがまるで「野火のように業界全体に広がっている」と表現しました。彼は、5年前には顕著でなかったこの需要が、大学が十分な卒業生を供給する能力を超えるほど急速に進化していると観察しています.
ヴェルモレルは、この変化に対して、企業が自社のデータの本質的な価値に気付き、その価値を引き出せる人材の必要性が高まっていると指摘しています。しかしながら、彼はまた、このトレンドが90年代の「データマイニング」熱と似た周期的パターンを持っていることにも注意を向けています。彼は、現在のデータサイエンティストへの執着が、過去の「データマイナー」への関心を彷彿とさせるとして、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年代におけるデータマイニング企業の興隆と衰退について議論し、そこに教訓があると示唆しています。彼は、データマイニングの時代に何百もの企業が登場し、データマイニングのためのツールを提供していたものの、ほとんどが最終的に姿を消したことを思い出します。そして、現代におけるデータサイエンスツールの急増にも類似のパターンが見られるとし、現状のトレンドにも同様の浮上と衰退のサイクルが繰り返される可能性に疑問を呈しています.
興味深いことに、ヴェルモレルは、自社Lokadでは「データサイエンティスト」という用語を避け、『サプライチェーンサイエンティスト』という名称を採用していると強調しています。この選択は、単なる数学やコーディングのスキルだけでなく、ビジネスの文脈と価値を理解することの重要性を強く信じている彼の姿勢を反映しています。彼は、技術的側面の熟練は非常に重要であるものの、サプライチェーンにおいてビジネス価値を創出することに直結す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、現代のデータサイエンスツール供給業者のプロモーション戦略について語っています。彼は、彼らが特にオープンソースのツールキットを通じて大学に対して積極的にマーケティングを展開していることを指摘しています。これらのツールキットは大学の一般的な考え方に合致するため有効ですが、あくまでマーケティング手段に過ぎません。製品が大学内で成功裏にプロモーションされたとしても、それが必ずしも実際のビジネス環境で有益な結果をもたらすとは限らないのです。優れた数学者や素晴らしいプログラマーになったからと言って、それが即座にサプライチェーン内での実際のビジネス価値創出に結びつくわけではない、という点に注意が必要です。これこそが、私たちLokadが「サプライチェーンサイエンティスト」という用語を好む根本的な理由の一つです.
ヴェルモレルは、データサイエンティストが単にデータを分析するだけでなく、その発見を通じて実際にビジネスに変革をもたらす必要性を強調しています。問題は、しばしばデータサイエンティストがデータを検証し結果を提示することはできても、それらの変化を実際に実行に移す段階で組織の現状に挑戦することになるため、困難が伴うという点です。これは単なる運用上の問題を超え、データサイエンティストが真に行動を起こし、ビジネスに価値をもたらす力を有しているかどうかという大きな疑問につながります.
さらに、この議論では、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』という用語に触れており、その役割は、たとえばどれだけの数量をすぐに発注すべきかといった、実行可能で実用的かつ収益性のある意思決定を生み出すことにあります。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、自らの提案がもたらすビジネス価値に責任を持つのです。これには、企業システムと、ソフトウェアおよびそれを運用する人々との相互作用の理解が必要となり、解決すべき問題を包括的に把握するためのものです.
サプライチェーンサイエンティストの任務は、抽出されたデータを理解し、最適化モデルを構築し、複雑性と精度のバランスを取ることにあります。ヴェルモレルは、特にサプライチェーンの現実の複雑さは、完璧な数学的モデリングを不可能にするという事実を認識しており、代わりに近似値やヒューリスティックな手法を駆使して問題に対処すべきだと述べています。彼らは全体像を把握し、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部門の役割に言及し、通常はソフトウェアシステムの実装と保守を担当していることから、ソフトウェアやその運用に関わる人々の責任を引き受けるべきかどうかを問いかけます.
この問いは、組織内の運用、技術、戦略の各役割間に存在する緊張関係を示唆しています.
この対話は主に、情報技術（IT）とサプライチェーンサイエンティストとの間の明確な責任分担および、現状においてデータサイエンティストが直面する課題を掘り下げています.
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は組織内で異なる責任を有していると論じています。彼は、ITの役割を、システムとプロセスの継続的かつ円滑な運用を支えるメンテナンス的なものに例えています。ITの責任は、システムの稼働時間とセキュリティを維持するための技術的側面を管理しながら、常に物事を稼働状態に保つことにあります.
対照的に、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単なる維持管理ではありません。むしろ、彼らの職務は、データ抽出パイプラインやその解釈に関わり、利用されるデータがビジネス状況を正確に把握するためのものであり、その結果として導かれる解決策が収益性をもたらすことを保証することにあります。彼らは技術的な詳細を扱う必要はなく、主な目的はデータを正確に解釈しビジネス課題を解決することなのです.
チャンドラーは、データサイエンティストにとって重要な要素であるデータ抽出と準備のスキルが不足しているという明らかな現象、すなわちストックアウトについて話題を転換します。ヴェルモレルも同意し、大学のコースやブートキャンプが主にPythonやRのようなプログラミング言語に焦点を当てており、実務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、アクセスの容易さや機密性の問題から、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。大企業のサプライチェーンデータはプライバシーの問題でトレーニングに容易に利用できない一方、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、学生たちはプログラミングや統計ツールキットについて深い理解を持って卒業しますが、現実のサプライチェーンデータに対処する実務的知識を欠いていることが多いのです.
ヴェルモレルは、プログラミングや統計に過度に依存すると、新人データサイエンティストが過信に陥る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問題を解決できると誤信しがちですが、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を行うだけでなく、データを理解しビジネス的な意味を見出すことにあるのです。ヴェルモレルは、常識やシンプルなツール（例えばExcelシート）を用いてビジネス判断を下す低技術のサプライチェーン実務家の知恵を軽視すべきではないと警告しています.
全文書き起こし
Kieran Chandler: 今日は、業界全体に野火のように広がっている新たな職種、データサイエンティストの役割について話します。かつてはサプライチェーンのディレクターがデータサイエンティストを必要としなかったが、今日では、データに対する重視とそこから得られる洞察により、データサイエンティストへの需要が急増しています。では、ジョアネス、何が変わったのでしょうか？なぜ、急にデータサイエンティストがそれほど必要になったのでしょうか？
Joannes Vermorel: 明らかに、企業は自社のデータに多大な価値があると認識しています。そしてその価値を引き出すために多くの人材が必要となります。これがデータサイエンティストの役割です。しかし、興味深いことに、これは全く新しい概念ではありません。90年代、またはその終わり頃には、「データマイナー」と呼ばれる別の名称で同様の役割が存在していました。人々はデータから何かを掘り出していたのです。つまり、データサイエンティストは、いわば「データマイナーのバージョン2」と言えるでしょう.
Kieran Chandler: もし当時のデータマイナーが今なお存在しないのであれば、その結果はあまり芳しくなかったと推測します。それについてもう少し詳しく教えていただけますか？また、なぜうまく行かなかったのか、学べる点は何かあるのでしょうか？
Joannes Vermorel: 非常に興味深いことに、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のが見て取れます。何十年も循環するマクロトレンドの一環として、かつてはデータマイニングが主流でしたが、今日ではデータサイエンスへと変わっているのです.
Kieran Chandler: データサイエンスとファッションという言葉が同じ文中で語られることは滅多にありません。つまり、かつてのデータマイナーが今や別の名称で呼ばれているということです。ならば、Lokadの技術を大学に積極的に提供して、次世代のデータサイエンティスト（何と呼ばれようとも）にツールの使い方を完全に習得させるべきではないでしょうか？
Joannes Vermorel: 確かにその視点もあります。ちなみに、データサイエンスツールを推進する全ての企業は、大学へのマーケティングに非常に積極的です。これを簡単に行う方法の一つが、open sourceツールキットのプロモーションです。これらは大学の一般的な考え方に合致するからです。しかしながら、これはあくまでマーケティング手法であり、必ずしも効率的であることを意味するわけではありません。優れた数学者や素晴らしいプログラマーになったからと言って、それが即座にサプライチェーン内での実際のビジネス価値創出に結びつくわけではないのです。これこそが、私たちLokadが「サプライチェーンサイエンティスト」という用語を好む根本的な理由の一つなのです.
Kieran Chandler: ビジネスファーストという考え方は、日常業務でビジネスに深く関わる多くのサプライチェーン実務家にとって理にかなっています。例えば、データサイエンティストが大量のデータや複雑な問題に圧倒されがちな非常に大企業を除けば。ただ、一つ疑問がありますが、
特定のビジネス課題に集中する以上の落とし穴はあるのでしょうか？
フクロウとリードタイムの短縮など。では、正しいビジネス課題に集中する以上の落とし穴はあるのでしょうか？
Joannes Vermorel: はい、実際、大きな落とし穴があります。データサイエンティストの役割は、単にビジネスを分析することだけでなく、実際に変化を起こし、意思決定を実施することで組織内に実質的なビジネスインパクトをもたらすことにあります。データへのアクセスや分析は容易ですが、実行に移す際には現状に挑戦する必要があり、単に注文数量の不一致という問題を超えた深い対立が生じるのです。最も大きな失敗の可能性は、データサイエンティストが真に行動し、ビジネスに価値をもたらす立場にない場合に生じます。これが私の見える主要な落とし穴です.
Kieran Chandler: 現状に対する挑戦が存在するとおっしゃいました。長年実績のある方法で業務を行ってきたサプライチェーン実務家には、もちろん大いに共感できます。何かを疑問視する者がいると、当然ながら懐疑心を持つのも理解できます。Lokad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がいるとおっしゃいましたが、彼らについてもう少し詳しく教えていただけますか？そして、なぜ彼らは別の名称を使うのか、その理由は何でしょうか？
Joannes Vermorel: 私たちの取り組み方を反映していると考えています。サプライチェーンに対する私たちのコミットメントは、実際に行動可能な意思決定を生み出すことにあります。サプライチェーンサイエンティストは、例えば今すぐに必要な注文数など、実行可能で実用的かつ収益性のある決定を下す役割を担っています。これは、彼ら自身がその提案によるビジネス価値に責任を持つことを意味し、多くの要素を内包しています.
文脈を理解するために、逆方向に考えてみましょう。意思決定が最終目的地である一方、逆にたどると出発点はデータにあります。そのデータは企業のシステムから得られますが、意味を持つのはソフトウェアを操作する人々の目を通して初めてです。つまり、単なるソフトウェアではなく、ソフトウェアと人々の組み合わせなのです。サプライチェーン科学者はこれを十分に理解している必要があります。彼らは解決されるべき問題を把握し、抽出されたデータの意味を読み取り、そして何らかの最適化モデルを構築しなければなりません.
複雑さと精度の間にはトレードオフが存在します。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。完璧な数学的モデリングは不可能であるため、近似や機能するレシピであるヒューリスティックスを使う必要があります。サプライチェーン科学者は、単なるパーセンテージではなく実際のドルでの節約が実現されるよう、これらすべてを組み合わせなければなりません。彼らはこの全体像にコミットする必要があるのです。これがサプライチェーン科学者の本質です.
Kieran Chandler: しかし、あなたはサプライチェーン科学者がソフトウェアと人々の両方に責任を持つべきだと述べました。では、IT部門はどうなのでしょうか？そちらがその責任を担うべきではありませんか？結局のところ、ソフトウェアを導入したのも彼らであり、しばしば構築も行うのは彼らですから.
それは、たった一人のサプライチェーン科学者に非常に大きな責任がのしかかっているように聞こえます。奇跡を期待しているのでしょうか？
Joannes Vermorel: はい、その責任は非常に大きいものです。しかし、大きな違いがあります。私の考えでは、ITの基本的な責任はシステムが稼働状態にあることを保証することです。ITは常時運用を管理し、すべてが秒単位で動作するようにしなければなりません。一方、サプライチェーン科学者には異なる責任が課されます。この人物は、すべてを維持・運用し続ける役割を担っているわけではありません.
Kieran Chandler: では、サプライチェーン科学者の具体的な責任とは何なのでしょうか？
Joannes Vermorel: サプライチェーン科学者の責任は、データを抽出し、その意味を見出すことにあります。これは全く異なる作業です。この人物は、何かを維持・運用・安全に保つためのあらゆる技術的な詳細に対処する必要はありません。そうした役割は非常に困難であるITの責任です。科学者の使命は、得られた理解が正確であることを保証することにあり、この理解から生まれるビジネスソリューションは、本当に解決すべき問題を正確に特定した結果として利益をもたらさなければなりません.
Kieran Chandler: データの抽出と前処理は非常に重要な作業のように思えます。しかし、データサイエンティストはこれらの面で適切な訓練を受けていない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といった言語でのプログラミングに重点を置いています.
Joannes Vermorel: 素晴らしい質問です。大学はある分野で卓越している一方、他の分野では不得手なところもあります。現実を直視すると、データの意味を理解するにはそもそも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、大学が利用する訓練素材は、入手可能なものでしかないのです。オープンソースソフトウェアへのアクセスは、機密性の高いサプライチェーンデータへのアクセスよりもはるかに容易です.
Kieran Chandler: ヨーロッパのGDPRに似た個人データについての議論は多くあります。これは、すべての人に大きな対応努力を求めるもので、付随的ではありますが状況を複雑にしています。例えば、大学では、最も難しい課題に対して人材を育成し、最大の価値を提供できるようにしたいのですが、それは困難です。したがって、プログラミング言語や統計のフレームワークに頼る方が、よりアクセスしやすく、数学的でもあるため、大学にとってははるかに容易です。また、教授として学生を教え、評価するためには、これらの科目についてテストすることが容易でなければなりません。評価が可能な内容を教える必要があるのです。これは奇妙な制約ですが、間違いなく大学で教える内容に影響を与えています.
Joannes Vermorel: 今、私が統計ツールキットに過度に焦点を当てることの主な問題は、それが過信につながる可能性がある点です。プログラミングができ、統計に精通していることは有益であり、決して否定的なことではありません。しかし、その反面、プログラミングや統計、数学の知識がサプライチェーン問題の解決の鍵であると過信させる恐れがあります.
ここで、多くのサプライチェーン実務者には、しばしば低技術ながらも一種の知恵が見受けられます。彼らは常識に従い、Excelシートに頼っています。そして、これはビジネスとして理にかなっているため、賢明な選択と言えます。もし、常識に固執する唯一の理由が統計やプログラミングの知識の欠如であるならば、それは理想的とは言えません。しかし一方で、統計とプログラミングだけを知っているからといって、サプライチェーンの専門家になるわけではないのです.
これらの分野に精通しているからといって、自動的に追加のユーロやドルを生み出すソリューションに結び付くわけではありません。だからこそ、これが最大の危険だと私は考えています。私たちは今、過信に陥りがちな人々の軍団を生み出しているのです。プログラミングは目的ではなく、あくまで手段に過ぎません.
Kieran Chandler: とても洞察に満ちた見解ですね。データサイエンティスト、さらにはサプライチェーン科学者というテーマに光を当てていただき、ありがとうございます。日常生活で収集される膨大なデータを考えると、このテーマはますます重要になってきています。今日はお時間をいただき、感謝します.
Joannes Vermorel: ありがとうございます、キアラン.
Kieran Chandler: そして、今日のエピソードにお耳を傾けいただいたリスナーの皆様にも感謝します。またすぐに新たなエピソードでお会いしましょう。それまで、質問を投げかけたり、意見をお寄せいただいたりしてください。本当にありがとうございました。また近いうちにお会いしましょう。では、さようなら.
