00:00:07 供給チェーンプロジェクトで不良データを非難する。
00:00:33 プロジェクトの失敗に対する簡単な言い訳としての不良データ。
00:01:42 不良データの課題とその品質に対する誤解。
00:03:16 ERPシステムからのデータアクセスの困難さとベンダーとの課題。
00:06:32 ERPシステム間の移行中に発生する問題とデータの破損。
00:08:01 不正確なデータエントリの対処とそれらがERPシステムに与える影響。
00:09:48 予測と歴史データの問題点の特定。
00:11:37 進化するセマンティクスと定義の変更がデータの問題を引き起こす可能性。
00:12:20 スケーラビリティの問題と企業の成長に伴うデータ取得の最適化。
00:14:45 クリーンな日次抽出の作成における課題とデータエラーの可能性。
00:16:02 IT部門の問題解決に対する長時間の処理時間の影響。
00:17:15 データセマンティクスの問題とデータ解釈の誤解。
00:19:22 各データフィールドの文書化の重要性と適切な理解を確保すること。
00:21:01 供給チェーンの専門家とIT部門の役割とデータセマンティクスの理解。
00:23:59 不良データの範囲内の問題と根本原因の特定。
要約
このインタビューでは、キーラン・チャンドラーとジョアンヌ・ヴェルモレルが、供給チェーン最適化におけるデータの役割と、ソフトウェアベンダーや実践者が直面する課題について議論しています。ヴェルモレルは、主な問題は「不良データ」ではなく、それを効果的にアクセスして利用することであると強調しています。課題には、旧式のシステム、不十分な文書化、データアクセスの責任が含まれます。インテグレーターとの利害の対立、システム移行の問題、予測、スケーラビリティも問題を引き起こします。供給チェーンを最適化するためには、企業はデータの問題を理解し、対処し、適切な文書化に投資し、データセマンティクスを明確にし、現実的な期待を維持する必要があります。データの失敗を非難するのではなく。
拡張要約
このインタビューでは、キーラン・チャンドラーとジョアンヌ・ヴェルモレル、Lokadの創設者が、供給チェーン最適化プロジェクトにおけるデータの役割と、ソフトウェアベンダーと供給チェーン実践者が直面する課題について議論しています。彼らは、「不良データ」が供給チェーンプロジェクトの失敗の言い訳としてよく使われるという考え方から話を始めます。ヴェルモレルは、データを非難することは、個人的にそれを受け取り、反撃する可能性のある人々に非難を置くことを避ける便利な方法であると指摘します。しかし、彼はまた、問題の根本原因を理解することが重要であると強調しています。
ヴェルモレルは、データ関連の問題がおそらく供給チェーン最適化プロジェクトの失敗の第一原因であると主張しますが、「不良データ」の認識はしばしば誤解されています。彼は、ほとんどの西洋の企業が、バーコード、バーコードスキャナー、その他の技術の使用により、何十年もの間に正確なデータを持っていたと主張します。ヴェルモレルによれば、実際の問題はデータ自体の品質ではなく、それをアクセスして利用する課題です。
データを効果的に使用するための主要な課題の一つは、それにアクセスすることです。多くの企業がエンタープライズリソースプランニング（ERP）システム、倉庫管理システム（WMS）、輸送管理システム（TMS）、その他のソフトウェアソリューションを何年も使用してきましたが、これらのシステムはデータをエクスポートする際に扱いにくいことがあります。ヴェルモレルは、データへのアクセスが特に問題となるいくつかのシナリオを特定しています：
1 古代のシステム：一部の企業はまだ40年前のシステムを使用しており、時代遅れで独自のバックエンドがデータの抽出を非常に困難にしています。 2 ドキュメンテーションの不足：ソフトウェアベンダーはシステムの適切なドキュメンテーションを提供しない場合があり、データベースに存在する数多くのテーブルとフィールドを理解し、ナビゲートするのが難しくなります。 3 責任とアクセス：データへのアクセスを許可する責任者を決定することは課題となることがあります。これには、ソフトウェアベンダー、IT部門、供給チェーン実践者を含む企業内の複数のステークホルダーが関与します。
インタビューでは、供給チェーン最適化プロジェクトにおけるデータ関連の課題を理解し、対処することの重要性を強調しています。データ自体の品質が問題となることは通常ありませんが、それにアクセスし、使用するのが難しいと、これらのプロジェクトの失敗につながることがあります。これらの課題の根本原因を特定し、対処することは、供給チェーン最適化の取り組みの成功を確保するために不可欠です。
彼らは、ベンダーとの関係、システムの統合、企業の成長に伴うスケーラビリティから生じるデータの問題について詳しく説明します。
彼らが議論する主要な問題の一つは、統合者との利益相反の可能性です。統合者は、自社の供給チェーン最適化ソリューションを販売することにより興味を持つ可能性があり、企業が選んだベンダーと協力するよりもそちらに興味を持つ可能性があります。これにより、企業が統合者に人質にされ、データに効果的にアクセスしたり利用したりすることが困難になる可能性があります。
別の課題は、一つのエンタープライズリソースプランニング（ERP）システムから別のシステムへの移行中に生じます。これは、データ品質の低下や「ゴミの統合」を引き起こす可能性があります。個々のデータエントリーは正確であるかもしれませんが、システム間で歴史的なデータを移行するプロセスはエラーを導入する可能性があります。なぜなら、古いシステムと新しいシステムのデータ間には直接的な一対一のマッピングがないことが多いからです。これにより、データの破損が発生し、日常の業務には大きな影響を与えないかもしれませんが、供給チェーンの最適化やデータクランチングのプロジェクトを試みる際に問題として再発する可能性があります。
インタビューではまた、歴史的なデータに基づく予測についても触れています。これは、未来の不確実性のために困難なことがあります。データにギャップや突然の変化がある場合など、問題が見えるときには歴史的なデータ内の問題を見つけることは容易です。しかし、時間とともに意味や定義が微妙に変化すると、特にシステム間で移行する際に、より検出が困難な問題が生じる可能性があります。
企業が成長すると、スケーラビリティもデータの問題を引き起こす可能性があります。小さな企業では、全体の歴史的なデータセットがスマートフォンに収まることがよくあり、最適化はそれほど心配する必要はありません。しかし、企業が大きくなると、データの量そのものが問題となることがあります。議論は、これらのデータ問題を理解し、対処することの重要性を強調しています。これにより、供給チェーン管理を効果的に最適化することが可能となります。
ヴェルモレルは、企業がエンタープライズリソースプランニング（ERP）システムからデータを抽出するのに苦労することがよくあると説明しています。これらのシステムは、クリーンな日次データの増分を提供するように設計されていないため、これにより複雑なプロセスが生じ、誤ったデータ抽出やバグの導入を引き起こす可能性があります。これらの問題のデバッグと修正は、関与するデータの量と処理時間の遅さのため、時間がかかることがあり、数時間ではなく数週間を要することがあります。 L6
多くの企業は、自分たちが良いデータを持っていると信じていますが、実際には、データのセマンティクスがしばしば不明確です。これにより誤解や誤った計算が生じる可能性があります。例えば、「注文日」は、クライアントが注文を出した時間、システムに登録された時間、または支払いが確認された時間など、複数の解釈が可能です。誤解を避けるために、ヴェルモレルは、企業がデータシステムの各フィールドとテーブルについて詳細なドキュメンテーションを持つべきであり、それが供給チェーンの複雑さを反映しているべきだと提案しています。
供給チェーン最適化における一般的な問題は、実践者がデータの資格付けに十分な時間を費やさないことで、これによりベンダーが不完全または不明確な情報を持って作業することになります。これにより、「ゴミ入れ、ゴミ出し」の状況が生じ、データが必ずしも間違っているわけではないが、不十分なドキュメンテーションにより誤解されることがあります。
これらの問題に対処するために、ヴェルモレルは問題の根本原因を特定することの重要性を強調しています。これには通常、人々と組織構造が関与しています。企業は失敗の所有権を誰が持っているかを理解し、データを単に非難するのではなく、根本的な問題を修正するための作業を行うべきです。ベンダーも、データのセマンティクスを明確にするための課題と時間を正直に認識し、取引を成立させるために過度に楽観的になるのではなく、現実的な期待値を持つべきです。
企業は、適切なドキュメンテーション、明確なデータセマンティクス、現実的な期待値に投資する必要があります。これにより、供給チェーンを最適化し、データ問題から生じる失敗を防ぐことができます。
全文書き起こし
キーラン・チャンドラー: 今日のLokad TVでは、なぜこれが非常に不正確な診断であるのか、またソフトウェアベンダーや供給チェーンの実践者が遭遇する可能性があるデータの課題について理解することになります。それでは、ジョアンヌ、なぜ悪いデータはそんなに簡単な言い訳なのでしょうか？
ジョアンヌ・ヴェルモレル: まず、データは文句を言いません。誰もそれを守ろうとはしないので、あなたは無生物を非難しているだけで、それは同僚を非難するよりも良いです。同僚はそれを個人的に受け取り、反撃するでしょう。しかし、現実は、問題の根本原因に行くと、常に人々が問題の責任を持っているということです。データを非難するというのは、問題の根本原因を特定するステップをスキップするようなものです。
キーラン・チャンドラー: 確かに、反撃しないものを攻撃するのは簡単です。では、どのようにしてより正確になることができますか？何が課題なのでしょうか？
ジョアンヌ・ヴェルモレル: データ関連の問題は、供給チェーン最適化プロジェクトが失敗する原因の一つです。しかし、誤解があります。人々が「悪いデータ」と言うとき、彼らは破損したり間違った数字を意味します。しかし、ほとんどの西洋の企業は、何十年もの間、非常に正確なデータを持っています。ほとんどの人が間違った部品番号を入力したり、タイプミスをしたりすることはありません。彼らはバーコード、バーコードスキャナー、RFIDのような他のトリックを使用しています。したがって、本当に悪いデータの量は通常、非常に薄い部分であり、データ関連の問題が原因で失敗するほとんどのイニシアチブが実際に失敗する理由を説明するには十分ではありません。
キーラン・チャンドラー: 西洋の大多数の企業がかなり良いデータを収集しているとすれば、私たちが遭遇する可能性がある課題は何でしょうか？それがデータがそんなに良くないと思わせる原因は何でしょうか？
ジョアンヌ・ヴェルモレル: 最初の問題はデータへのアクセスを得ることです。驚くべきことに、企業はさまざまな種類のERP、WMS, TMS、または他のエンタープライズソフトウェアを使用して、毎日の業務を数十年にわたって運営してきました。しかし、ほとんどのシステムはデータのエクスポートに関してはあまりユーザーフレンドリーではありません。場合によっては、システムが非常に古く、システムを支える適切なリレーショナルSQLデータベースすら存在しないことがあります。このような状況では、バックエンドが通常完全に時代遅れで独自のものであるため、データを抽出するのは本当に困難です。
キーラン・チャンドラー: それを担当するのは誰ですか？
ジョアンヌ・ヴェルモレル: ここには複数の責任があります。まず、システムについて何の有意義なドキュメンテーションも提供していないソフトウェアベンダーがいるかもしれません。最悪の場合、データベースを開いてERPが2000のテーブルを含んでおり、それぞれが20から200のフィールドを持っていることに気づくと、それは悪夢です。それは完全に巨大で、どこから始めればいいのかわかりません。ベンダーとの問題がある場合、次にインテグレーターとの問題があります。インテグレーターとの問題は、利害関係の衝突があるかもしれないということです。一部のインテグレーターは、自分たちの供給チェーン最適化のレシピ、このモジュールやその他のモジュールなどをあなたに売ることに強い関心を持っているかもしれません。そして、基本的にデータ抽出を行うように頼むと、内部チームや他のベンダーとのイニシアチブなど、インテグレーターは協力的でないことがあります。なぜなら、それは彼らにとって戦略的な利益であるからです。そしてここで、企業がインテグレーターに人質として取られる状況が生じます。企業、IT企業は、ERPや他のコンピューターシステムの設定、時にはホスティング、全体的には保守を担当しています。これが別の種類のデータ問題です。しかし、これはデータとはほとんど関係がありません。
キーラン・チャンドラー: はい、確かに。データにアクセスできないというのはかなり大きな障害になります。他にどのような課題が発生する可能性がありますか？多くのクライアントが頭を悩ませている大きな問題の一つは、一つのERPシステムから別のERPシステムへの移行です。それはデータに何をするのでしょうか？
ジョアンヌ・ヴェルモレル: それは問題を引き起こす可能性があります。これは別の種類の悪いデータが発生する状況です。しかし、ここで本当に悪いのはデータではなく、ゴミのような統合です。通常、データエントリは正確ですが、一つのERPから別のERPに移行するとき、ベンダーや統合者、あるいは内部のIT部門がやろうとすることは、古いシステムから新しいシステムへの歴史的なデータの移行です。問題は、古いシステムでの売上受領と新しいシステムでの売上受領との間に一対一の対応がないことです。もしかすると、物事はただ異なる方法で組織されているだけで、古いシステムから新しいシステムへのARの報告方法は明確ではありません。そして、あなたはおそらく試行錯誤的な統合を経験し、それがデータの破損につながる可能性があります。それは、あなたが、私が言うところの、不適切な再統合を行うと、それはあなたの会社が日々の業務を遂行するのを妨げません。東オラクルが新しいシステムに不適切にインポートされていても、日常業務のほとんどには影響を及ぼさないでしょう。そして、もし影響があったとしても、通常は誰かが不適切なものを修正するための簡単な修正を行い、進行します。それは継続的な摩擦の源になるかもしれませんが、まず、それは速やかに消えていきます。例えば、あなたが供給者のコードが不適切にインポートされているという状況に直面しているとしましょう。あなたの会社が何百万もの供給者を持っているわけではないでしょうから、最も頻繁に取引を行っている上位100社の供給者は、新しいシステムの使用を開始した日から2週間以内に不適切なデータエントリを修正するでしょう。そして、おそらく3ヶ月後には、ほぼすべての不適切な供給者エントリを修正しているでしょう。しかし、問題は、歴史的なコードがそこにあると、人々は過去のデータを修正するために戻ってくることはありません。例えば、あなたが5年分の歴史を持っていたとしましょう、おそらく3
キーラン・チャンドラー: 未来において、過去に発生したかもしれないこれらの問題をどれくらい簡単に見つけることができますか？
ジョアンヌ・ヴェルモレル: 数ヶ月間データが欠落しているなど、目に見える問題がある場合、それらの問題を見つけるのは簡単です。しかし、売上の計算方法の違いや、詐欺や返品が含まれているかどうかなど、微妙な変化が発生することもあります。これは、時間の経過とともに見ているデータの定義自体が変わってしまうため、歴史的なデータでは見つけにくい問題を引き起こす可能性があります。それは、顕著なスパイクやバンプがない限り、明らかではありません。
キーラン・チャンドラー: 私たちが話をする顧客に共通するもう一つの問題は、スケーラビリティです。会社が成長するにつれて、データが混乱し始めます。スケーラビリティが導入する問題は何ですか？
ジョアンヌ・ヴェルモレル: スケーラビリティの問題がない場合、毎日会社からすべてのデータをコピーすることができます。小さな会社では、全体の履歴が10ギガバイト以下であるかもしれないので、これは管理可能かもしれません。しかし、大きな会社になると、データがはるかに多くなり、増分データ取得を行う必要があります。これは、毎日データの一部を抽出することを意味し、一部のシステムはこれを効率的に、または正確に処理するように設計されていません。したがって、クリーンな日次抽出を構築するために複雑なことを行う必要があり、その過程で潜在的な問題に自分自身をさらすことになります。
キーラン・チャンドラー: だから、結局のところ、増分的な方法でデータ抽出を行いたいだけで、悪いデータが出てきてしまうのですね。それは難しいことで、システムがそのタスクのために設計されていなかったかもしれません。デバッグについて考えると、データを一か所から別のか所にコピーしたいだけで、それは非常にありふれた問題になります。プロセスが1分で終わるなら、IT部門の誰かが5分間作業を行い、プロセスをトリガーし、それが機能することを確信できます。しかし、プロセスが6時間かかる場合、それはより面倒なプロセスになります。この状況での課題について説明していただけますか？
ジョアンヌ・ヴェルモレル: もちろんです。プロセスが6時間かかるシステムを想像してみてください。IT部門の誰かがプロセスを開始し、10分待って、時間がかかりすぎていると気づき、他のことを始めます。彼らはそれを忘れてしまうかもしれません。次の日、6時間後にクラッシュを引き起こした小さなバグに気づくかもしれません。問題を再現するには、さらに6時間の遅延が必要です。結果として、数時間で修正可能なはずの問題が、複雑さと処理時間の長さのために非常に面倒なプロセスになり、合計遅延が数週間になります。それは数週間の努力が必要だからではなく、人々がプロセスを開始し、それを忘れてしまい、次の日に戻ってくるからです。これは非常に遅い反復になります。
キーラン・チャンドラー: これらの問題はどれくらい広範囲にわたっていると言えますか？実際には、表面下を見るとそうでもないのに、自分たちのデータが非常に良いと信じている会社はたくさんありますか？
ジョアンヌ・ヴェルモレル: はい、まだ話していない別の問題があります。それは、セマンティクス自体です。多くの会社は自分たちのデータが良いと信じていますが、実際には、データのセマンティクスが不明です。それが何を意味するかというと、例えば、注文日について話すとき、多くの可能な解釈があります。それはクライアントの注文日であったり、ウェブサイトで注文が行われた時間であったり、システムに登録された時間であったり、または支払いが有効と確認されたときであったりすることがあります。この注文日が何を意味するのかについては、20種類の異なる解釈があるかもしれません。
私たちがクライアントと仕事を始めるとき、通常は文書化がほとんどないテーブルや列に遭遇します。しかし、データの準備が終わるときには、テーブルごとにフィールドごとにほぼ1ページの文書化があります。典型的なサプライチェーンの状況では、約20のテーブルと20のフィールドがあるので、データが何を意味するのかを明確にするための文書化は約400ページになります。人々は通常、これに非常に驚きますが、データを適切に理解するためには必要なことです。
キーラン・チャンドラー: ジョアンヌ、サプライチェーン最適化におけるデータの適切な理解の重要性について話していただけますか？
ジョアンヌ・ヴェルモレル: はい、このデータに反映されるサプライチェーンの複雑さだけです。この作業を行わないと、適切に理解できないデータが出てきます。つまり、ゴミ入ればゴミ出しです。データがゴミというわけではなく、数字が間違っているわけではないのですが、データが何を意味するのかを知らないのです。したがって、適切に理解できない日付がある場合、どのような計算や近代化を行っても、誤解を招く結果になります。したがって、データのセマンティクスがキーとなる結論であり、プロジェクトを開始する前に文書化が整っていなければなりません。
キーラン・チャンドラー: では、セマンティクスについては誰が責任を負うべきでしょうか？
ジョアンヌ・ヴェルモレル: 私は、サプライチェーンの専門家が責任を負うべきだと思います。彼らの多くは、ITの問題だと言うでしょう。しかし、データのセマンティクスをどのように見るかは、あなたが持っているプロセスによるところが大きいです。倉庫の入口で製品をスキャンするプロセスを持っている場合、このプロセスはIT部門を中心に展開されます。彼らは倉庫の現場にいないので、あなたのプロセスがどのように設定されているかを正確には知らないでしょう。このデータはプロセスが生成する結果に過ぎないので、システムの最初の場所にいる人々だけが正確に知っています。だから、私の意見は、マシンの管理だけを行っているITを期待しないことです。データが何を意味するのかを理解する洞察力、スキル、理解を持つことはありません。データが何を意味するのかは、通常、非常にビジネス特有の問題です。それは全くITの問題ではありません。したがって、通常、責任は専門家の側にもしばしばあります。専門家たちは、自分たちの言葉と理解でそれを適切に資格付けするために十分な時間を費やしていません。したがって、サプライチェーンの最適化があると、ベンダーがこのデータを半分盲目で処理することになります。それはゴミ入ればゴミ出しの結果になります。
キーラン・チャンドラー: では、ベンダーも責任を負うことがありますか？
ジョアンヌ・ヴェルモレル: はい、明らかに、ベンダーも責任を負うことがあります。サプライチェーン最適化を行っているCoke Adのような企業がありますが、通常、ベンダーが責任を負うのは、ベンダーがスリークになろうとしているからです。通常、彼らは問題を売るために自分たちの挑戦を最小限に抑えようとしています。彼らは、「私たちを信じてください。これは楽勝です。私たちは数週間でそれをやり遂げます。バン、私たちはそれをやって、それは動作します」というような方法で話し合っています。現実は、サプライチェーンディレクターに「あなたのデータを資格付けするだけで6ヶ月かかるかもしれません、申し訳ありませんが、あなたはそれをすべきでしたが、あなたはそれをしなかったので、私たちはあなたのためにそれをしなければなりません」と言うと、そのような取引を締結するのは難しいです。したがって、過度に楽観的であることはずっと簡単ですが、それは失敗のレシピです。その後、ベンダーは責任を負わなければなりません。なぜなら、彼らはもっと知っているべきだからです。おそらくクライアントは初めて予測的な定量的なサプライチェーン最適化プロジェクトを試みているので、より良く知らないかもしれません。しかし、ベンダーは、それがおそらく彼らの初めてではないことを定義しています。彼らはそれをやっています。彼らはもっと知っているべきです。したがって、この種のデータが存在しない診断状況がある場合、彼らは
キーラン・チャンドラー: つまり、彼らは基本的にクライアントに警告するべきです。彼らは、データのセマンティクスを明確にするために数ヶ月の努力を必要とするかもしれないということです。しかし、それは最初に本当に悪かったわけではありません。したがって、この状況では、良いというのは悪いの反対ではなく、良いというのはむしろダークデータや未資格のデータ、乱雑なデータの反対です。
ジョアンヌ・ヴェルモレル: はい、そして今日の結論として、実際には悪いデータという傘の下に来るさまざまな問題があります。問題の根本原因を特定しようとすることをお勧めします、そして通常、それは人々です。明らかに、私が人々と言うとき、あなたはIT部門のジェームズを非難したくないでしょう。しかし、私が問題は人々だと言うとき、あなたは失敗の所有権を持っている人を正確に理解する必要があります、そしておそらくこの人は実際には失敗する以外の何もできない状況に置かれていたかもしれません。
IT部門のジェームズが失敗したという結論に達することができますが、また、組織自体がこのかわいそうなジェームズを現実的には失敗する以外の選択肢がない状況に置いたということもあります。だから、あなたがそれを修正する方法について少なくとも手がかりを与えてくれる角度から問題を見始めることは興味深いです、データが悪かった、残念ながら、悪いデータと言っているのではなく。そして、もしあなたが別のイニシアチブを行うなら、あなたはただ同じ問題、同じエラーを繰り返すだけで、結果的には同じ失敗に終わるでしょう。
キーラン・チャンドラー: まあ、もしジェームズの上司が見ているなら、彼が同情的であることを願っています。とにかく、今週はこれで全部です。視聴していただきありがとうございます、また次回お会いしましょう。それでは、さようなら。
L1
