00:00:13 サプライチェーンにおける概念実証の実装上の課題。
00:01:00 概念実証がうまく機能する場合と、サプライチェーンがどのように異なるか。
00:02:29 オープンな問題としてのサプライチェーンと、その成功を測定する難しさ。
00:03:31 サプライチェーン業界における概念実証の限界。
00:06:30 サプライチェーン最適化における全体的アプローチとリードタイムの重要性。
00:08:00 変化しない側面に焦点を当てる重要性。
00:08:54 概念実証におけるデータ収集の困難さ。
00:11:55 取り組みを単なる予測に単純化することの問題点。
00:13:54 時系列予測の限界。
00:15:17 概念実証に関する苦い経験とその欠点。
00:17:36 サプライチェーンソリューションのためのソフトウェアベンダー評価におけるPOCの代替手段。
00:20:25 サプライチェーン業界におけるPOCの未来とその限界。
00:21:31 サプライチェーン最適化における全体的アプローチの重要性。
00:22:52 POCに頼らず、毎週のベンダーのパフォーマンスを評価すること。
概要
インタビューでは、Lokadの創業者ジョアネス・ヴェルモレルとホストのキーラン・チャンドラーが、供給チェーン最適化と概念実証（POC）の限界について議論しています。ヴェルモレルは、双方に害を及ぼすとして、なぜLokadがPOCの依頼を頻繁に断るのかを説明します。彼は、POCはメールクライアントの選定のような狭義に定義された問題には最適に機能するが、サプライチェーン最適化のような複雑で変革的なプロセスには不十分であると考えています。サプライチェーンは複数の関係者が関わる分散型の課題であり、POCはそれを過度に単純化する傾向があります。彼は、安定した側面に焦点を当て、データ駆動型で全体的な視点を採用することを勧めています。さらに、ヴェルモレルはベンダーのパフォーマンスを定期的に評価し、十分な進展が見られない場合は関係を終了すべきだと提案しています。
詳細な概要
インタビューでは、ホストのキーラン・チャンドラーとLokadの創業者ジョアネス・ヴェルモレルが、サプライチェーンソフトウェアの文脈における概念実証（POC）とその限界について詳しく議論します。ヴェルモレルは、見込み客からのPOC依頼を頻繁に断る理由として、クライアント企業とLokadの双方に潜在的な害があることを挙げています。
ヴェルモレルは、POCが20年以上存在しており、本質的には有害ではないことを認めるところから始めます。POCは狭義に定義された問題に適用された場合に効果的に機能します。POCがうまく機能する典型的な例は、Microsoft OutlookやGmailといったメールクライアントの選定です。これは、既知の解決策がある標準化された問題であり、ユーザーは明確な期待と痛点を理解しています。このプロセスはもはや変革的なものではなく、単にあるメールクライアントから別のものへ移行するというものに過ぎません。
しかし、POCがサプライチェーン最適化に適用されると問題が生じます。ヴェルモレルはこれを狭義な問題とは「正反対」のものであると述べています。彼は、サプライチェーン最適化が企業にとって変革的なプロセスであり、複数の拠点や国にまたがる非局所的な問題であると特徴づけます。サプライチェーンの相互接続性により、その複雑性は一層増します.
「オープン・プロブレム」という概念をさらに詳述しながら、ヴェルモレルはサプライチェーン最適化を、最適化したいという欲求の表れであり、それには本質的に計測が必要であると説明します。金銭的な意味で有意義な計測値を確立するには膨大な労力が必要であり、得られた指標は始まりに過ぎません。その後、企業の運営に対する行動の影響を評価するために「数値レシピ」を洗練させる旅が続きます。彼は、各ストックアウトの正確なコストや、各顧客に対する顧客ロイヤルティへの具体的な影響を評価する例を挙げています.
POCが定量的供給チェーンにおいてのみ効果がないのか、あるいはサプライチェーン業界全体において効果がないのかという質問に対し、ヴェルモレルは、その相互接続性のためにサプライチェーンの多くの問題はPOCとして枠組み化するのが困難であると主張しています。彼は、サプライチェーンには、サプライヤー、クライアント、保管する倉庫および生産工場など、複数の関係者が関わっていると説明します。これらは、孤立した製造プロセスの最適化のような局所的な問題とは対照的に、分散型の課題を呈します.
ヴェルモレルは、サプライチェーンが本質的にサプライヤーとクライアントに繋がっているため、局所的かつ意味のある何かを見出すのは困難であると強調します。彼は、サプライチェーンにおいて局所的な最適化は容易であるものの、これらの試みは単に問題を転嫁する結果となることが多いと警告します。例えば、ある拠点で一製品の最適化に多大な努力をしても、サプライチェーンの他の部分で問題が意図せず発生する可能性があります.
ヴェルモレルは、サプライチェーン最適化がPOCにとって困難である理由として、全体像を考慮せずにマイクロな最適化に集中しがちである点を挙げています。これにより、サプライヤーやクライアントに問題が発生する可能性があります。さらに、リードタイムがプロセスを一層複雑にしており、リードタイムよりも短期間でサプライチェーンを最適化することが困難であるため、POCは予想以上に長い時間を要することがしばしばあります.
チャンドラーとヴェルモレルは、サプライチェーンを最適化する際に全体像を把握する重要性について議論します。彼らは、POCがサプライチェーンを真に理解するために必要な全てのリードタイムを考慮に入れていないことに言及しています。ヴェルモレルは、どのベンダーやソリューションを選んだとしても変わらない部分に焦点を当て、すべての段階で資本主義的なアプローチを採用することを勧めています.
POCにおいて直面する一つの課題は、データの収集と測定です。ヴェルモレルは、測定しなければ最適化はできないと考えており、データ収集を最優先すべきだと述べています。しかし、実際には、小売ネットワークのように複数の倉庫、生産ユニット、流通拠点が存在する複雑な現実の状況により、POCのためのデータ収集は予想以上に困難になります.
ヴェルモレルは、過去の需要を正確に評価することがいかに難しいかの例を示しています。ストックアウト、プロモーション、その他の異常が過去の受注データを歪め、真の需要パターンを理解するのを困難にすることがあります。POCがこれらの問題に直面すると、しばしば従来の予測手法、例えば週次の時系列予測に頼ることになります。このアプローチは問題を単純化しますが、サプライチェーン最適化の複雑さや微妙な違いを無視してしまいます.
バックテスト、つまり過去のデータを使用して予測を検証することは、サプライチェーン最適化において使用されるもう一つの手法です。統計的な観点からは機能するものの、ヴェルモレルはこれがサプライチェーン管理の全体像のごく一部に過ぎないと主張しています。例えば、購入パターンは交渉価格や最小発注数量（MOQ）などの要因に影響されますが、これらはバックテストでは考慮されません.
ヴェルモレルは、サプライチェーン最適化が予測精度だけに注目して解決できる一面的な問題ではないことを強調します。彼は、最適化を可能にするためには既存のプロセスを再検討し調整する必要があると主張します。予測に注力する主な問題は、全体像を見落とし、全ての状況に適用できない特定の種類の予測に依存してしまう点にあります.
ヴェルモレルは、サプライチェーンが何十年も前からデジタル化されているにもかかわらず、多くの企業が依然としてExcelシートに頼り、各種システムが生成する数値を無視していると指摘します。彼は、企業はデータをデータレイクに統合し、サプライチェーンのセマンティクスを反映した有意義な文書を作成するなど、基本に立ち返るべきだと提案しています.
サプライチェーンの安定した側面、例えばサプライヤー、生産ユニット、倉庫、流通チャネルに注目することで、企業は長期的な財務利益を反映する指標を作成することができます。ヴェルモレルは、主な課題はデータのセマンティクスを理解し、最適化のために適切なデータを確保することにあると強調しています.
POCの代替案を検討する際、ヴェルモレルはサプライチェーンにおいて変わらない部分に焦点を当て、データ駆動型で全体的な視点を提供できるベンダーを探すことを提案しています。POCはある程度の洞察を提供することができますが、複雑な問題にはより深いアプローチが必要であるため、小規模な実験に過度な期待を抱くべきではないと警告しています.
また、彼はベンダーとの協力は長期的なコミットメントであるべきではないと示唆しています。企業はリーンな取り組みを実施し、ベンダーのパフォーマンスを毎週評価して進捗を確認することができます。進捗が不十分な場合には、劣ったベンダーと契約を続けるよりも早期に関係を終了する方が良いと述べています.
全文書き起こし
キーラン・チャンドラー: 今日は、なぜPOCが機能しないのか、また膨大な数のサプライチェーンソフトウェアの中から選ぶために、顧客にとってどのような代替案があるのかを正確に理解していきます。ジョアネス、POCは既に20年以上存在しているのだから、全てが悪いわけではないはずです。実際、どの産業でうまく機能しているのでしょうか？
ジョアネス・ヴェルモレル: 概念実証は、解決すべき問題が明確で狭い場合、つまり大規模な可能性を検討する必要がない場合にうまく機能します。例えば、POCがうまく機能する典型的な例として、あなたにメールクライアントを選んでもらうとしましょう。何年もMicrosoft OutlookやGmailといったメールクライアントを使っているので、期待することや痛点が明確です。これは標準化された解決策がある標準的な問題であり、探すべきものが明確なため、非常に正確な比較が可能です。あなたの会社にとって、これは本質的には変革的なものではありません。かつてメールが普及し始めた時は変革的でしたが、今では単にあるメールクライアントから別のものへ移行するだけの問題です。POCは、このような極めて戦術的で明確に定義された問題に対してはうまく機能します。大きな課題は、定量的サプライチェーンがまさにその正反対であるという点です。それは、あなたの会社を根本的に変革するものであり、本質的に完全に局所的ではないものです。あなたのデスク上でサプライチェーンを局所的に実行することはできません。なぜなら、多くの拠点、場合によっては多くの国にまたがるネットワークが存在するため、物事は非常に複雑になるのです.
キーラン・チャンドラー: では、それをオープン・プロブレムと特徴づけるものは何でしょうか？
ジョアネス・ヴェルモレル: サプライチェーンとは、そもそも最適化したいという考えであり、最適化するためには計測が必要です。ユーロやドルで物事を計測したいという事実自体が、実際に意味を成す計測値を得るためには相当な労力を要します。指標、つまり出発点は、あなたの数値レシピが、あなたの会社にとって良いことか悪いことかを評価する方法を洗練させるための旅なのです。もちろん、顧客にサービスを提供するのは良いことであり、大量のストックアウトが発生するのは悪いことですが、重要なのは、各ストックアウトの正確なコスト、各顧客に対する顧客ロイヤルティへの正確な影響をどのように評価するかという点です.
キーラン・チャンドラー: では、概念実証が根本的に機能しないというのは、定量的サプライチェーンに限定されるのか、それともサプライチェーン業界全体に当てはまるのかということですか？
ジョアネス・ヴェルモレル: サプライチェーンの問題の多くは、概念実証として枠組み化するのが非常に難しいものです。定義上、サプライチェーンには多くのサプライヤーやクライアント、保管倉庫、生産工場など、複数の関係者が関わります。これは本質的に分散型の課題であり、世界から完全に孤立した製造プロセスの最適化のような極めて局所的な問題とは対照的です。サプライチェーンはサプライヤーやクライアントと完全に連結しているため、本質的に局所的かつ意味のあるものを見出すのは難しいのです。というのも、サプライチェーンでは局所的な最適化を行うのは非常に容易ですが、その結果、問題が単に転嫁されるだけになるからです。つまり、多大な努力をしても、サプライヤーや場合によっては複数のクライアントに対して新たな問題を生み出すに過ぎず、大局的な解決には至りません。これが、概念実証にとってサプライチェーンが非常に困難な理由です。そして、Lokadの場合はさらに一層の難しさがあります。未来と不確実性に対処するためには、リードタイムを考慮しなければならないのです。例えば、リードタイムがある業界では、三ヶ月先を見据えて計画し実行しなければなりません。つまり、サプライチェーンのための数値レシピをどれだけ最適化しようとも、一回のサイクルはリードタイムとほぼ同じ期間を要することになり、実際にはリードタイムより短い期間で何かを行うことはできず、現実的には二、三回の反復が必要となります。例えば、リードタイムが約三ヶ月で、二、三回の反復となると、六ヶ月から九ヶ月が必要となります。これはエンタープライズソフトウェアにおいては決して不合理なほど長いわけではありませんが、迅速な概念実証を想像する人々の考えからは大きくかけ離れたものになるのです.
ケイラン・チャンドラー: 少し詳しく掘り下げてみましょう。つまり、概念実証は基本的に部分的な状況しか見ていないので、解決策が本当に機能し自らを証明するためには、全体の大局を見なければならないということです。そして、次に言及されたのはリードタイムに関することで、概念実証は通常非常に短期間で行われるため、実際の結果を得て現状を把握するには、完全なリードタイムを考慮していないということです。実際に結果が見え始めるまで、どのくらいの期間概念実証に取り組むべきでしょうか？
ヨアネス・ヴェルモレル: 要するに、もし測定を最終決定するまで、そして利益を計測し体系化できることが絶対に明らかになるまで待つと、時間がかかりすぎるということです。だからこそ、通常私たちが提案するのは、あらゆる段階で非常に資本主義的で、ビジョンに基づいて推進される方法論を持つことです。ここで「各段階で資本主義的」とは、どのようにサプライチェーンを最適化したいと考えていても、その最適化を実行するためにはデータが必要であるという意味です。このプロセスには少し時間がかかりますが、内部で行うか外部の企業に依頼するかに関係なく、選択するベンダーやソリューションに依存しないものです。このプロセスを実行する必要があるのです。もし、どのベンダーが選ばれたとしても最終的に変わらないものに焦点を当てる方法でイニシアティブを遂行できれば、非常に資本主義的であると言えます。例えば、測定しないものは最適化できないので、測定のためのデータ収集を始めるべきです。この努力自体がおそらく、概念実証規模の取り組みとして想定される範囲を超えるものになるでしょう。
ケイラン・チャンドラー: 概念実証ではデータ収集が取り組み開始時に容易に提供されるはずなのに、これが非常に驚くべきことであるのは、多くの視聴者にとっても同様でしょう。しかし、なぜこれほどまでに難しいのでしょうか？
ヨアネス・ヴェルモレル: 現実には、概念実証の試みが最も惨めな形で失敗するように、独自の手段が働くため、常に難しいのです。しかし、もっと真剣に、実際の状況を見てみましょう。例えば、いくつかの倉庫、いくつかの生産ユニット、そしていくつかの流通拠点を含む小売ネットワークがあるとします。そこで、あなたはイニシアティブを開始し、こう言うのです。 ケイラン・チャンドラー: 顧客がどれだけサービスに満足しているかについて話しましょう。つまり、概念実証を始めたいと思い、実際にすべての取引データを取得することが最初に思ったよりも困難だと気づくのです。なぜでしょうか？
ヨアネス・ヴェルモレル: 例えば、クライアントの注文は簡単であるべきだと言えます。しかし、一概には言えません。なぜなら、在庫切れのために履行できない注文が送られてくるなど、奇妙な状況が数多く発生する可能性があるからです。システムには、その注文が履行できなかったことをきちんと記録します。すると翌日、そのクライアントからさらに大きな注文が入るのです。なぜなら、前日の注文が履行されなかったからです。しかし、最初の注文を履行していれば、翌日に二度目の注文が入ることはなかったでしょう。つまり、生の注文データそのものではなく、履歴としての需要を反映させる必要があるのです。思ったよりも厄介だということに気づくはずです。
ケイラン・チャンドラー: では、こうした問題に直面したとき、概念実証イニシアティブでは通常どのようなことが起こるのでしょうか？
ヨアネス・ヴェルモレル: 問題を単純化する方法を模索し、最終的には週次の時系列予測のようなクラシックな概念実証に結びついてしまいます。過去の需要を基に需要を予測するという発想に頼り、即座にバックテストを行います。欠品、プロモーション、その他の奇妙な要因は無視します。その結果、概念実証の定義に当てはまるものになりますが、そうすることで、解決しようとしていた問題から完全に逸脱してしまうのです。
ケイラン・チャンドラー: バックテストについて少し話しましょう。これは過去のデータを見て予測を行い、その両者を比較する手法です。しかし、なぜバックテストはあまりうまく機能しないのでしょうか？
ヨアネス・ヴェルモレル: バックテストは統計的な観点からは有効ですが、限界があります。サプライチェーンの観点では、バックテストは全体像のほんの一部に過ぎない小さな数値ツールです。もしあなたがチームの購買パターンの最適化を考え始めると、すべての最小発注数量が不変ではないかもしれないことに気づくでしょう。もしかすると、そのまれな購入は、購買チームが低価格を交渉する代わりに、極めて高い最小発注数量を要求された結果かもしれません。これが、購入注文間に余分な遅れを生じさせ、全体を複雑にし、リードタイムを延ばす要因となるのです。
私が言いたいのは、最適化の実行は、予測精度の観点からの誤差削減のような一面的なものではないということです。また、既存のすべてのプロセスを見直し、可能な場合には調整して、実際に最適化が可能となるようにすることでもあります。さらに、何を実際に測定しているのかについても考える必要があります。問題は、これらの小規模な概念実証プロジェクトが、結局は時系列の精度ベンチマークに戻ってしまい、結果としてパーセンテージで表現された誤差になってしまうという点です。再度言いますが、私たちはビジネスの基本原則からはほど遠い状態にあります。
ケイラン・チャンドラー: つまり、予測の本当の問題は、その側面だけに注目し、全体像を見ていないということですか？ 非常に特定のタイプの予測です。関連するすべてのデータを収集するのは難しく、結果として、概念実証は週次のデータを使ったクラシックな時系列予測になってしまい、それが全てだと考えられているのです。今日話していることは、過去の経験や試みた概念実証から来る痛みを反映しているのだと思います。では、これまでに概念実証を行った際に経験した主な問題点とは何でしょうか？
ヨアネス・ヴェルモレル: 最も厄介なのは、時には概念実証で完全に成功してしまうことがあり、それが一番痛手になるという点です。エンタープライズソフトウェア企業としては、すべてのリードに勝つわけではないので、リードを失うのは仕方のないことです。しかし、本当に痛むのは、概念実証で大きな差で最高のパフォーマンスを示し、その後、実運用に移行しようとすると、全てがうまくいかず、クライアントの期待に全く応えられない場合です。これは、おもちゃの問題から実際の問題へと移行したためだと気づくのです。おもちゃの問題に対して行ったことは、限定された範囲で明確な指標においては非常に上手く機能していたかもしれませんが、実際のビジネスの基本原則を完全に無視していたのです。運用環境に移行すると、あなたのソリューションが全く役立たないことに気づくのです。
最もひどいのは、サプライチェーンがここ数十年でデジタル化されているため、大企業では、会社に導入するソリューションがこれまでの試みと同じようなものになってしまうという点です。膨大な数値が生み出されても、誰からも全く注目されません。結局、すべてのサプライチェーンチームは従来のExcelシートに戻り、また別のシステムが生み出した機能不全の数値を完全に無視してしまうのです。
ケイラン・チャンドラー: では、今度は企業の視点から見てみましょう。概念実証のいいところは、さまざまなソフトウェアベンダーがどのように問題にアプローチし、どのように特定の課題に反応しているかを見ることができる点です。それ以外に、企業が概念実証の代わりに利用できる選択肢は何でしょうか？ 異なる企業のパフォーマンスを確認するために他に何ができるでしょうか？
ヨアネス・ヴェルモレル: 代替案は基本に立ち返ることです。先ほども述べたように、データを統合するという課題があります。現在の最新の方法は、データレイクを構築することです。その先のステップは、サプライチェーンの観点から意味のあるドキュメントを提供することです。成功するためには、変わらないものに焦点を当てる必要があります。サプライチェーンは、その基本的な部分では大きく変わらないはずです。供給業者、生産ユニット、倉庫、流通チャネルは依然として存在します。比較的安定していると予想される要素はたくさんあるので、それに注力してください。データを統合する際には、関連するドキュメントも統合すべきです。というのも、大きな課題は常にデータの意味論にあるからです。
このデータは何を意味しているのでしょうか？ たとえば注文日がある場合、それはサプライヤーに送るための注文を作成した日なのか、あなたのシステムに記録が登録された日なのか、あるいはサプライヤーが注文の受領を確認した日なのか。その可能性は十通り以上あります。問題は、それらのすべてがどこに文書化されているかということです。もしデータとその意味論にアクセスできなければ、何かを最適化する希望はありません。再び例を挙げると、私が量に関するサプライチェーンアプローチを説明したとき、確かにLokadというクラウドコンピューティングプラットフォームがあり、すべての数値レシピをスケールで実行できます。しかし、クライアントにとって非常に資本主義的な要素は、関連するすべてのデータの統合、サプライチェーンの意味論の理解、そして会社の長期的な財務利益を真に反映する指標の作成という、非常に難しい課題にあります。さらに、サプライチェーンの物理的制約と調和するプロセスの策定も必要であり、これらは数値計算を実行するためのツールキットとはほとんど独立しているのです。
ケイラン・チャンドラー: 今日のまとめとして、サプライチェーン業界では何十年も概念実証が行われてきました。つまり、概念実証が全く存在しない時代を想像できますか？
ヨアネス・ヴェルモレル: もちろん、まだ分からない若い人たちがいて、もう一度概念実証を求めることはあるでしょう。それが事実です。そして、場合によっては彼らの言う通りで、サプライチェーンでさえ、概念実証が最適な手段である状況が存在します。たとえば、古いバーコードプリンターがあるシステムと互換性がありそうな新しいバーコードプリンターがあるとしますが、新しい方が単に優れていて、速く、安価で、スリムであるなど、様々な利点がある場合です。こうした場合には、もう一台バーコードプリンターを購入して、お気に入りの倉庫でテストすることができます。つまり、概念実証が有効な状況や問題も存在するのです。しかし、サプライチェーン全体の最適化課題のような、全体的な視点で問題に取り組む場合、小規模な実験にあまり大きな期待を寄せない方がいいでしょう。結局、問題は複雑であり、十分に努力しなければ、単に努力不足で失敗してしまうのです。
ケイラン・チャンドラー: では、今日の最後の重要なメッセージとして、概念実証がある程度の洞察を与えるものの、過大な期待は禁物で、それ自体が完璧なものではないということですか？
ヨアネス・ヴェルモレル: はい。そして、概念実証の反対がベンダーとの10年間のコミットメントであってはなりません。つまり、概念実証を行っていないからといって、「ベンダーと協力して、あまり高価でないリーンな産業のイニシアティブを開始し、週ごとに進めていく」ということができないわけではありません。イニシアティブを10週間以内に枠組みとして設定すべきだという点に注目するのではなく、イニシアティブの進行速度に満足できるかどうか、つまり週ごとに満足できる進捗があるかどうかを見極めるべきです。
もしベンダーを選んで3週間経っても物事が依然として鈍いと感じたら、通常の概念実証よりも短い期間内であっても、契約を打ち切るべきです。問題は、10年先を見据えることはあなたのビジョンかもしれませんが、会社にとって次の10年間、非常に資本主義的である要素に焦点を合わせているという点です。しかし、エンタープライズベンダーを締め出す際には、週ごとの評価として、物事が進んでいるか、何らかの勢いが生まれているかを再確認する必要があるのです。あなたは、無期限の計画を念頭に置いて、あらゆる小さな兆候を探しているのです。
ケイラン・チャンドラー: ここまでにしておきましょう。でも、これで皆さんが怯えてしまったかどうかは分かりませんね。
