00:00:08 Flowcastingの紹介とその起源.
00:02:04 従来のサプライ技術との対比で見るFlowcasting.
00:04:40 今日におけるFlowcastingの意義と課題.
00:06:06 Flowcastingの失敗と必要な洞察の分析.
00:07:06 確率性がFlowcastingの失敗を引き起こす要因.
00:08:06 部分的需要予測の限界.
00:10:15 Flowcastingの実践的な実装と失敗.
00:11:13 Flowcastingから得られるポジティブな洞察：細分化された需要データ.
00:13:46 Flowcastingの包括的なサプライチェーン最適化アプローチ.
00:15:14 FlowcastingとLokadのアプローチの違い.
00:17:31 特定のサプライチェーンシナリオにおける複雑性.
00:19:37 AI実装の将来トレンドに対する予測.
00:21:43 欠陥があってもFlowcastingの書籍が持つ価値.
概要
インタビューでは、Lokadの創設者であるJoannes Vermorelが、サプライチェーンプランニングの手法であるFlowcastingの強みと弱点について議論しています。彼は、需要中心で細分化された予測および自動化に焦点を当てる点を評価する一方で、サプライチェーンのランダム性を考慮していない決定論的アプローチを批判しています。Lokadはこれらの複雑性を、Envisionというプログラミング言語で管理しようと試みますが、Vermorelはどのシステムもサプライチェーンの複雑さを完全に再現できないことを認めています。彼はまた、サプライチェーン管理におけるAIの役割にも懐疑的であり、AIを流行語と実際のアルゴリズム技術と区別しています。欠点にもかかわらず、彼はFlowcastingが小売のサプライチェーン管理に提供する洞察に価値があると認めています.
詳細な概要
インタビューでは、ホストのKieran ChandlerとLokadの創設者Joannes Vermorelが、需要駆動型サプライチェーンプランニングの文脈でFlowcastingの手法について議論しています。同名の2006年の書籍で紹介されたFlowcastingは、販売時点での予測だけで最適な効率を実現できると約束するため、この分野の『聖杯』と見なされています.
Flowcastingは小売ネットワークを対象としています。Vermorelは基本的な前提を次のように分解します。すなわち、あらゆる店舗のすべての製品を毎日予測し、可能な限り最高の精度を目指すというものです。これらの予測から得られる全体像により、必要なすべてのサプライチェーンの意思決定を再構築することが可能になります。Flowcastingのビジョンは、従来の手法で優先されなかった需要にできるだけ近づくという重要な洞察を強調しており、また、従来のカテゴリ単位のトップダウン予測と比較して、集約されたクラスターではなく、店舗毎の個別製品の評価に価値を置く、より細分化されたアプローチを採用しています.
しかし、Flowcastingの実装はまったく別の結果となります。Vermorelは、これが期待通りに「決して機能しない」と指摘します。この理論的概念を実現しようと試みた小売ネットワークは、それが「非常に非機能的」であることに気づきます。根本的な原因は、「確率性」―店舗レベルでの製品販売に内在するランダム性―を完全に無視していることにあります.
Flowcastingは決定論的な予測に依存しており、将来販売される製品の正確な数量を絶対的に予測できると仮定しています。しかし、実世界の小売販売における内在的なランダム性や、製品ごと、日ごとの部分的な需要には対応できません。この非現実的なアプローチは予測を効果を発揮しないものにしてしまいます。さらに重要なことに、リスクをバランスさせる上で不可欠な経済的要因がサプライチェーン最適化プロセスから省かれることで、戦略がさらに不安定化します.
Flowcastingの実装に伴う実際の影響について尋ねられた際、Vermorelは、自身の経験から、彼の知る限りの小売ネットワークは述べられた複雑さからプロトタイプの段階を越えることは決してなかったと認めます。したがって、Flowcastingがいくつかの価値ある洞察を提供し続ける一方で、実際の小売現場で効果的に運用するためには、その内在する限界やサプライチェーンの確率性という現実と向き合う必要性が強調されます.
議論の重要なポイントは、有名なサプライチェーン手法である「Flowcasting」に関するものです。困難にもかかわらず、VermorelはFlowcastingが貴重な洞察を提供することを認めています。彼は、この手法が最も細分化されたレベルで需要にできるだけ近づくアプローチをとっていることを強調します。その最も細分化されたレベルとは、製品ごと、店舗ごとではなく、個々の顧客に販売された各ユニットを指すと主張しています。この洞察により、時系列以上の時間グラフという概念が生まれ、顧客の身元や購買行動が認識されるのです.
さらに、VermorelはFlowcastingが自動化を重視している点を評価し、Lokadもこの戦略を採用していると主張します。彼は、毎日のデータ更新の利点を説明し、これを怠ると古いデータを使って作業することになり、不要な複雑性や機会損失を招くと述べます。この不要な複雑性は、彼の言葉を借りれば、無意味で資源の浪費だと言えます.
FlowcastingからVermorelが得た次の洞察は、同時性の概念とサプライチェーン全体を包括的に見る必要性です。生産から最終顧客の需要に至るまでのネットワーク全体とそのすべての流れを検証することで、単に問題を他の場所に移すのではなく、より効果的にサプライチェーンの問題を解決できると彼は示唆しています。これは、それぞれの段階を独立して最適化するという一般的なアプローチとは対照的であり、相互に関連する影響を見過ごしがちです.
Flowcastingに対するVermorelの批評は、その過度の単純化に焦点を当てています。単純さ自体は一般に賞賛すべき目標ですが、それが複雑な現実を単純な数学的表現に落とし込むことになってはならないと警告しています。Flowcastingは自らをExcelのように単純であると宣伝しますが、Vermorelはサプライチェーンの複雑さを過度に単純化していると主張しています.
Vermorelによれば、Lokadのアプローチは、サプライチェーンに内在する複雑性を受け入れている点でFlowcastingとは異なります。彼は、サプライチェーンは本質的に乱雑で複雑であると強調しています。Lokadのモデルは、還元不可能な不確実性を受け入れており、そのためにより複雑な確率論的代数を用いますが、これがより現実的な結果につながります。したがって、Lokadの方法論は不確実性を排除しようとするのではなく、それを認識し活用するものです.
サプライチェーン管理をさらに複雑にする要因として、Vermorelは、店舗や個々の顧客ごとに異なる包装や特定の製品フォーマットに対する需要など、無数のエッジケース（例外）の存在を詳述しています。Vermorelは、このようなバリエーションは、どんなに汎用的なアプローチでもなく、これらの複雑性を考慮した微妙で柔軟な解決策を必要とすると主張しています.
これらの複雑性に対処するために、Lokadはサプライチェーン管理の現実性を損なうことなくシンプルさを維持するためのプログラミング言語Envisionを開発しました。このシステムは現実をより正確に近似しますが、Vermorelは、現実のサプライチェーンの複雑さを完全に捉えるシステムは存在しないと認めています.
議論の中で、サプライチェーン手法であるFlowcastingの概念が精査されます。Vermorelは、もしFlowcastingが何らかの確率論的代数を取り入れていたなら、よりうまくいったかもしれないと推測しています。彼は、その欠点にもかかわらず、Flowcastingが当時において大胆なビジョンであったことを指摘しています.
新興技術に焦点を移すと、Vermorelはサプライチェーン管理における人工知能（AI）の利用に懐疑的な見方を示します。彼は、AIがしばしば魔法のような解決策として称賛されるものの、画像認識などの分野での印象的な技術進歩がサプライチェーンの問題解決に直接結びつかないため、多くの企業を失望させるだろうと主張しています.
しかし、VermorelはAIという流行語と、ディープラーニングや差分可能-プログラミングなどの基本的なアルゴリズム技術とを区別しています。彼によれば、これらはサプライチェーン管理の独自の課題に慎重に合わせれば、非常に有用となる可能性があります.
Flowcastingに戻ると、Vermorelは、その数学的な欠点にもかかわらず、根底にある書籍は特に小売のサプライチェーン管理に関する有益な洞察があるため、読む価値があると断言しています。その多くの概念はまだ十分に活用されていないものの、これらのアイデアは今日においても有効で価値があると述べています.
最後に、この議論はサプライチェーン管理の世界が非常に複雑であり、単一の単純な解決策は存在しないことを浮き彫りにします。サプライチェーンのダイナミクスの複雑な現実によりよく近似できる柔軟で適応可能なシステムの重要性を強調し、Vermorelは包括的かつ微妙なアプローチを推進することで締めくくっています.
全文書き起こし
Kieran Chandler: 今日はLokad TVで、この手法についてさらに学び、今日でも有効かどうかを議論します。では、Joannes、まずはFlowcastingが実際に何であり、どのように機能するのかについてもう少し説明していただけますか?
Joannes Vermorel: Flowcastingは、2006年に同名の書籍が出版された際に造られた用語です。これは小売ネットワークに特化した手法であり、そのネットワークに対してサプライチェーン最適化を提供します。この書籍は、実施方法に関する多くの興味深い洞察やレシピを提示しています。簡単に言えば、各店舗のすべての製品を選び、毎日先の予測を行い、理想的には非常に精度の高い予測を行う、というアイデアです。そうすることで、クライアントの販売に基づくすべての出来事の全体像を得ることができ、その超細分化された日々の店舗別製品レベルの予測を再集約することで、必要なすべてのサプライチェーンの意思決定を再構築できるのです。これにより、店舗から倉庫、そして供給者へと、これらの予測を逆に辿るだけで、全てのサプライチェーンの意思決定を再構築することが可能となります.
Kieran Chandler: 興味深いですね。このビジョンは一体何が異なっていたのでしょうか？当時存在していた他の手法とはどう違ったのですか?
Joannes Vermorel: この手法は一連の非常に鋭い洞察、特に需要にできるだけ近づく重要性において他と異なっていました。これは新たな発見ではありませんが、私の知る限り、最も良い需要シグナル、すなわちチェーンの最終段階での販売に非常に近づく必要性を強調した最初の書籍の一つでした。これは、通常、一つの階層が次の階層で何が起こっているかだけを見ている多くのサプライチェーンとは異なります。例えば、供給者として、あなたはあなたから購入する倉庫で何が起こっているかを見ますが、その店舗で何が起こっているかは見ません。この点において、Flowcastingは非常に一貫性があり、需要シグナルに近づくことを提唱し、数値的に処理しやすいという理由だけで週ごとの製品再集約ではなく、店舗ごとの製品という最も細分化されたレベルで見ることに価値があると示唆しました.
Kieran Chandler: つまり、「細分化された」とは、各店舗のすべてのSKUレベルまで分解するということですか?
Joannes Vermorel: その通りです。これがFlowcastingが示唆するものであり、当時のほとんどの手法と異なる点です。通常、人々はトップダウン型の予測を行い、カテゴリごとに予測し、サブカテゴリ、地域ごとに分けていきました。最終的には、典型的な店舗のクラスターがいくつかでき、「店舗タイプA、タイプB、タイプCがあるなら、店舗のプロファイルに基づいて配分する」といった感じになります。この方法では、すべての店舗のすべての製品という最も細分化された段階を扱うことを回避しており、そこでデータ量が飛躍的に増大するためです.
Kieran Chandler: では、なぜ今日これについて話しているのですか？これに代わるもっと現代的な手法はないのでしょうか？なぜ今でも関連性があるのですか?
Joannes Vermorel: さて、10年前はFlowcastingが大流行しており、少なくとも6つ以上の大手小売ネットワークがその洞察に非常に関心を示していました。しかし、実際にはそれは一度も機能しませんでした。一見優れたアイディアに満ちた書籍のようでしたが、実際に実装しようとすると完全に失敗しました。アイディアがシンプルに見えたにもかかわらず、残酷なくらいに機能しなかったのです。本書は、日々の予測で簡単に実現できるかのように見せかけ、予測を生成し、その後サプライチェーンの意思決定に活用するシンプルなレシピを示していました。しかし、実際に実行しようとすると、激しく機能しなかったのです。Flowcastingが失敗した理由は、極めて重要な要素を見落としていたからです。しかし、市場の大多数と多くの関係者は依然としてその洞察を欠いています。Flowcastingは10年後には時代遅れとなりましたが、その失敗の理由は今なお十分には解明されていません。つまり、多くの関係者が理解を深めない限り、同じ問題に直面することになるのです.
Kieran Chandler: 表面的には、販売地点を見てそこで予測を行い、サプライチェーン全体にその情報が逆流するというのは非常に論理的に思えます。では、どこでそれが崩壊するのでしょうか？
Joannes Vermorel: それが崩壊するのは、確率性や不確実性によるものです。店舗レベルでの販売は非常に不規則でランダムです。確かに、週に約1単位売れるかもしれませんが、どの日に売れるかは予測できません。Flowcastingは、ある特定の商品について、2日後に正確にシャンプー1本が売れると完璧に予測できる決定論的予測に依存していました。しかし、実際の小売販売に内在するランダム性のため、それは現実的ではありません.
Kieran Chandler: そして、そこで全てが実際に崩壊してしまうのです。その予測は、不確実性を何らかの形で反映する手段を持っていません。まさにここで予測は完全に失敗してしまいます — 不確実性が欠如しているのです。したがって、不確実性がないために、あなたは自分の予測が正確だと仮定し、その結果、未来を正確に反映できなくなります。それらは証拠としての予測ではありません。サプライチェーンの最適化においては、予測が正しいかのように行動し、そのため、いわゆる経済的駆動因子、すなわちリスク全体のバランスを取る要因を無視してしまうのです。本質的に、あなたは不確実性を無視する問題を抱えており、その結果、不確実性の下で最適化するための中心となる経済的駆動因子も無視してしまっています。では、このアプローチにこれほど多くの問題があるとしたら、小売業者が実際にこれを導入しようとしたとき、何が起こったのでしょうか？大規模な災害はありましたか？
Joannes Vermorel: 私が関わった小売ネットワークは、決してプロトタイプの段階を超えることはありませんでした。彼らは慎重で、非常に小規模な形で試してみたのです。しかし、実際に出た数値はあまりに無意味で、サプライチェーンの専門家たちは「これは店舗に持ち込むことはできない」と言っていました。数が極端に少なすぎるか、多すぎるか、全く意味をなしていなかったのです。私の知る限り、数十商品程度をいくつかの店舗で試すという、非常に小規模なプロトタイプすら、大規模な小売ネットワークで行われ、極めて短期間で機能不全に陥ったことはありません。
Kieran Chandler: それでは、全てが悪いというわけではないのですね。フローキャスティングはかなり知られた技術で、評判も良かった。では、私たちに示された良い洞察とは何でしょうか？
Joannes Vermorel: 興味深い洞察がいくつかありました。彼らは需要にできるだけ近づくべきで、最も細分化されたレベルは店舗ごと、製品ごとであると示唆しました。できるだけ細かく分解する必要があるという考えには同意しますが、店舗ごと、製品ごとが最も細かいレベルであるとは思いません。最も細分化されたレベルは、すべての顧客に販売された個々のユニットそのものです。今日では、ほとんどの小売ネットワークがloyaltyプログラムを通じて顧客追跡を行っています。つまり、ある製品がこの場所でこの日に販売されただけでなく、誰に販売されたかも分かるのです。したがって、フローキャスティングで述べられている時系列だけでなく、誰に販売したかが正確に分かるタイムグラフとして考えるべきです。これにはさらに多くの情報が含まれます。ただし、最も細分化されたレベルに到達するというフローキャスティングの主要な洞察は非常に正しいのです。
もう一つ彼らが正しく捉えた側面は、すべてを自動化し、毎日更新するという考え方でした。それはまさに現在のLokadが提唱していることです。前日のデータを取得し、処理し、予測とその予測に基づく意思決定を更新するという完全自動化がなければ、多くのお金をテーブルに置いたままにしてしまうのです。なぜなら、先週のデータを使って昨日の売上を予測しようとするからです。しかし、昨日の売上は予測する必要はありません。すでに把握しているのだから。したがって、毎日の更新を行うことは良い実践であり、さもなければ先週のデータで昨日の出来事を予測することになり、これは全く筋が通りません。
フローキャスティングからのもう一つの良い洞察は、「同時性」と呼ばれるものです。彼らは、サプライチェーンが階層全体にわたる全体的なビジョンを必要とするという考えを示しました。これは、前回のエピソードで議論したブリヂストンのケースで実践したことでもあります。サプライチェーンを最適化したいなら、エンドユーザーの需要から生産に至るまで、ネットワーク全体とすべてのフローを包括的に把握する必要があります。このような全体的な視点がなければ、問題を解決するのではなく、単に先送りにしてしまうだけです。つまり、フローキャスティングは、倉庫だけを最適化する局所的なアプローチではなく、ネットワーク全体を包み込む必要があるという非常に正しい洞察を提供しているのです。
Kieran Chandler: つまり、実際に言いたいのは、フローキャスティングにはLokadでも共有している価値ある洞察がいくつもあったということですね。では、フローキャスティングのアプローチと、ここLokadで私たちが行っていることとの主な違いは何でしょうか？あなたの見解では、私たちがより優れている点は何ですか？
Joannes Vermorel: フローキャスティングの主要な教義の一つは、非常にシンプル、つまりExcelで扱えるほど単純な数式を組み合わせることで実現できるという点でした。シンプルさは非常に良いことです。しかし、サプライチェーンのような複雑なシステムをモデリングする際には、モデルが単純すぎてはいけません。現実がそれほど単純ではないにもかかわらず、非常に素朴な数学的表現を用いて現実を表現してしまうと、本来伝えるべき現実が裏切られてしまうのです。
Lokadでは、サプライチェーンの現実は非常に複雑でごちゃごちゃしているという事実をしっかりと受け入れようとしています。つまり、不確実性は常に存在するということです。「ただ正確な予測が必要」と言うのは、甘い考えです。どうしても排除できない不確実性が存在します。不確実性が常にあるという事実を受け入れるシステムが必要なのです。結果として、より複雑な確率的代数を用いざるを得なくなりますが、それが求められるものであり、さもなければ結果は全く意味を持たなくなってしまいます。
そして、もし最も細分化されたレベル、すなわち顧客ごとに、誰がどの商品をどこでいつ購入したかというタイムグラフから可能な限り多くの情報を抽出したいのであれば、単なる時系列だけでは十分な情報を引き出すことはできません。確かにそれは時系列のグラフであり、より複雑ですが、それが現実なのです。
Kieran Chandler: このタイムグラフには、はるかに多くの情報が詰まっています。これを活用すべきです。つまり、単にシンプルさを追求するのではなく、現実が実際に必要とする以上に単純にならない、可能な限りシンプルなシステムを持つべきだということですね。
Joannes Vermorel: その通りです。サプライチェーンには、特に挑戦的な例外的ケースが数多く存在するという点について、もっと詳しく説明できるでしょう。例えば、倉庫が店舗に瓶のパックを出荷しても、店舗では顧客が瓶を個別に販売することがあり、時には瓶を開封してしまう場合があります。そして、一部の顧客は特定に瓶のパックを求める場合もあります。単に瓶の数を数えるだけでは問題は解決せず、ある顧客は6本入りのパックにこだわり、もしそれがなければ他店で購入するのです。こうした事例は非常に複雑です。
残念ながら、これに対するシンプルな万能解は存在しないと思います。Lokadではこの事実に気づき、Envisionというプログラミング言語というツールを作ることに決めました。可能な限りシンプルに設計しましたが、サプライチェーンの現実を過度に単純化することはありませんでした。正直なところ、サプライチェーンの現実は非常に複雑です。期待できるのは、より良い近似にすぎず、システム内に実世界全体をモデル化することは決してできないのです。
Kieran Chandler: では、もしフローキャスティングがあの確率的代数を備えていたならば、過去にはもう少しうまく機能したかもしれませんが、ある意味では約10年前のアイデアだったということですか？
Joannes Vermorel: まさにその通りです。本当に、約10年前のアイデアだったと思います。当時は、今でも比較的大胆なサプライチェーンのビジョンを実現するために必要な技術的要素が全て揃っていなかったのです。
Kieran Chandler: そして、2019年のフローキャスティングはどうでしょうか？表面的には非常に良さそうに見えるものの、実際に深堀りしてみるとパフォーマンスが劣るものはありませんか？次に現れて、一見有望だが最終的には崩壊してしまうものは何でしょうか？
Joannes Vermorel: 私が考えるに、AIという名の下で売られているほとんどのものは崩壊してしまうと思います。ディープラーニングやその派生である微分可能プログラミングが優れたツールでないと言っているわけではありません；確かにそれらは優秀です。しかし、もし手元にあるのが流行語と、画像認識などの分野から来た、サプライチェーンに直接適用できない生の技術だけであれば、多くの企業は、その生の技術がたとえ印象的で囲碁のチャンピオンに勝てたとしても、魔法のようにサプライチェーンの問題を解決しないことに気づくだろうと思います。
私の予感では、今から10年後には、AIの状況はフローキャスティングの時以上に悪化しているでしょう。フローキャスティングにおいても、10年後には本に示された洞察のいくつかは残っていました。しかし、現在ベンダーが推進しているもののおよそ90％は、10年ほどでサプライチェーンにとって無価値となり、完全に忘れ去られるでしょう。ただし、私は単なる流行語としてのAIと、ディープラーニングや微分可能プログラミングといった、サプライチェーンの課題に慎重に合わせることで非常に有用になる基本的なアルゴリズム技術とを区別したいと思います。
Kieran Chandler: 業界でAIが流行語となっていることを考えると、それは驚くべきことです。最後にまとめると、フローキャスティングは今なお有効でしょうか？この本はまだ読む価値があるのでしょうか？今日学ぶべき主要なメッセージは何でしょうか？
Joannes Vermorel: はい、この本はまだ読む価値があると思います。読みやすく、文体も良く、数時間で読めるほどです。多くの洞察は依然として正しいです。しかし、問題なのは、本全体にわたって示されている数学的な部分です。著者たちは、どうやら数学者でも統計学者でもなかったようで、その点が明らかです。しかし、もし数学を無視して洞察に注目すれば、小売業におけるサプライチェーンとその影響について真剣に考察されていたことが分かります。これこそが、この本が真に輝いている部分だと思います。10年前に彼らが指摘した多くの洞察は、依然として非常に正確で、なおかつ大いに活用されていません。大規模な小売ネットワークは、このフローキャスティングの本に記された洞察の大半を、いまだに取り入れていないのです。
Kieran Chandler: 素晴らしい！今日は時間がなくなってしまいましたが、お時間をいただきありがとうございました。今週はこれで全てです。ご視聴いただき本当にありがとうございました。また次回お会いしましょう。では、さようなら。
