00:00:07 サプライチェーンにおける科学至上主義とその普及
00:00:34 科学至上主義の説明とそのさまざまな分野への影響
00:02:16 科学的結果への過信と近道の実例
00:04:07 科学至上主義の例としてのサプライチェーンにおける需要予測
00:06:50 サプライチェーン管理における科学至上主義の代替手法と複雑なシステムの考慮
00:08:01 過度な単純化とサプライチェーン専門家への影響
00:09:45 サプライチェーン管理における素朴な合理主義の問題への対処
00:12:38 サプライチェーンにおける人間判断の重要性と定量モデルの限界
00:14:48 意思決定におけるデータに基づく洞察と高次判断のバランス
00:15:38 Lokadにおけるクライアント理解の確保と素朴な合理主義の回避
00:17:06 サプライチェーン計画において旧正月などの重要要因を考慮する必要性
00:18:30 合理的組織への懐疑と科学と常識の融合の重要性
00:19:51 高学歴のエンジニアでも現実の応用において無知な場合がある
00:21:02 産業規模での専門家の洞察、常識の必要性、そしてナンセンスの回避
概要
Lokadの創設者であるJoannes Vermorelは、Kieran Chandlerとのインタビューでサプライチェーン最適化における科学至上主義の概念について議論します。科学至上主義とは、すべての問題が科学的アプローチによって解決できると仮定する、科学への過度な依存と定義されます。Vermorelは、需要予測に対するアルゴリズム的アプローチに過度に依存することの危険性を警告しており、これらのモデルは過度に単純化され、自己成就的予言を引き起こす可能性があると述べています。また、サプライチェーン管理において高次の人間判断の重要性、二次的効果の考慮、そしてシステムや関与する人々の複雑性の認識が必要であると強調します。Vermorelは、サプライチェーン最適化ソリューションを導入する際には、クライアントが専門家の洞察と常識に頼るべきであると助言しています。
詳細な概要
このインタビューでは、ホストのKieran ChandlerとLokadの創設者Joannes Vermorelが、科学至上主義という概念とそれがサプライチェーン最適化に与える影響について議論します。科学至上主義は、すべての問題が科学的アプローチで解決できるという極端な信念として説明され、サプライチェーン管理の文脈では、単一のレシピ、アルゴリズム、または技術で全てのサプライチェーン問題が解決できるという素朴な合理主義と同義とされています。
Vermorelは、大企業がサプライチェーン管理において科学的方法を模倣し、数字、数式、博士号取得者の採用に注力する傾向があると指摘します。しかし、これらの属性だけでは、そのアプローチが科学的であるとは言えません。彼はこの現象を、科学的方法に厳密に従っていないにもかかわらず、科学的厳密さの幻想を作り出す外観に例えています.
誤った科学至上主義の例として、Vermorelは社会科学におけるp値を巡る論争について議論します。p値は仮説の信頼度を測るために用いられますが、何百万もの仮説を検証すると、偶然のために有意な結果を示す仮説が必然的に現れてしまいます。この問題は、一見科学的な結果に依存しすぎると誤解を招く結論に至る可能性があることを示しています.
この概念をサプライチェーン管理に適用すると、Vermorelは需要予測が科学至上主義の問題点を孕む分野であると指摘します。需要予測に関する数多くの書籍やモデルが存在し、確立された合理的なアプローチの印象を与えます。しかし、これらのモデルを詳しく検証すると、その合理性には疑問が生じるのです.
彼らは、需要予測における特定のアルゴリズム的アプローチの限界と、サプライチェーン管理における高次の人間判断の必要性について議論します.
Vermorelは、多くの予測アルゴリズムが過度に単純化され、自己成就的予言につながる可能性があると説明します。たとえば、ある製品の需要がゼロであると予測されれば、その製品が在庫に置かれず、結果的に販売が行われず、初期の予測を裏付ける自己成就的な結果となります。また、ファッションブランドにおいては、未販売品への大幅な割引のために、生産されたユニット数が販売されたユニット数とほぼ同じになることも指摘しています。これらの例は、素朴な需要予測モデルにおける自己成就的予言の問題を示しています.
これらのモデルの限界を克服するために、Vermorelはサプライチェーンの専門家が、扱うシステムと関わる人々の複雑性を認めるべきだと提案します。また、割引が将来の割引への顧客期待を生むといった二次的効果も考慮すべきです。彼は、一次的効果や単純化に焦点を当てた科学的方法は、測定やベンチマークが容易であっても、必ずしもビジネスに適しているわけではないと論じます.
Vermorelは、サプライチェーン管理における人間判断の重要性を強調します。彼は、数学的モデルが有用か、または問題を過度に単純化しているかを判断するためには、高次の人間の知性が必要であると考えています。サプライチェーンの問題に科学的に取り組むことは可能かもしれませんが、それには微妙な配慮が必要であり、単純な測定値に還元することはできません.
彼は、サプライチェーンの専門家が通常これらの問題を認識しているにもかかわらず、特に高度な教育を受けた人々にとっては、科学至上主義と合理主義の魅力が誘惑的であると指摘します。そのような専門家は、熱力学など他の分野で定量モデルの成功に触れており、サプライチェーン管理においても同様の予測力を期待するかもしれません。しかし、Vermorelは、人間は粒子ではなく、その行動は非常に複雑であるため、サプライチェーン管理にはより微妙なアプローチが必要であると警告します.
サプライチェーン管理における素朴な合理主義の一例として、セールス・アンド・オペレーションズ・プランニング(S&OP)プロセスが挙げられます。Vermorelは、企業内の各部門が正確な需要予測を作成するのではなく、自部門のインセンティブを満たすために単に予測結果を返すことがあると指摘します.
彼らは、人間がリスク回避的である傾向、予測をデータで裏付ける重要性、そしてサプライチェーン最適化における高次の判断の役割に触れます.
Vermorelは、人々が本質的にリスク回避的であり、自らの主張や予測を裏付けるためにデータに頼ることを認めています。彼は、洞察を支えるためにデータを使用することが不可欠であると同意しつつも、特に多数の変数が関与する高度に複雑で高次元の問題に取り組む際には、統計に注意を払う必要があると警告します.
Vermorelは、サプライチェーン最適化に使用される計算やモデルを監督する際に高次の判断が重要であることを強調し、分析の核心に適切な視点が存在することが不可欠であると論じます。彼は、重要な側面を見逃すことによって生じる潜在的な落とし穴を防ぐために、真の合理主義はこの高次の判断を含むべきだと考えています.
その後、会話は素朴な合理主義の概念へと移ります。Chandlerは、Lokadのアプローチにその要素がいくつか含まれている可能性があると指摘し、多くのクライアントが同社のサプライチェーン最適化技術の「黒魔術」の背後にある仕組みを十分に理解していないと述べます。Vermorelは、最も重要なのは技術的な詳細ではなく、サプライチェーンプロセスに対する高次の理解であると答えます.
Vermorelによれば、クライアントが理解していない多くの技術的詳細は、全体の視点では取るに足らないものであることが多いといいます。彼は、旧正月のようなイベントがリードタイムに大きな影響を与えることもあり、Lokadがサプライチェーンの大局的側面を正しく捉えることに注力すべきだと主張します.
Vermorelは、サプライチェーン最適化の分野がまだ発展途上にあることを認めるところから話を始めます。以前の手法と比較して大きな改善はあるものの、業界はまだ表面的なレベルにすぎません。彼は、最高の結果を得るためには科学的アプローチと常識を組み合わせることの重要性を強調します.
次に、予測、計画、購買といった特定の指標を最適化する個別のチームで構成される、完全に合理的で明確な組織という考えに警鐘を鳴らします。Vermorelは、そのようなシステムは一見合理的かつ科学的に見えるものの、実際には蜃気楼に過ぎないと論じ、見かけほど合理的でも効果的でもない可能性があるため、懐疑的な視点を持つ必要があると強調します.
振り返ってみると、Vermorelはこれらの失敗を素朴な合理主義の明らかな結果として認識しています。彼は、サプライチェーン最適化ソリューションを導入する際には、クライアントが専門家の洞察と常識に頼るべきであると助言します。いくら多くの流行語や専門用語が問題に投げかけられても、根拠ある理解と実践的アプローチがなければ、その結果は産業規模のナンセンスに過ぎなくなるでしょう.
完全な書き起こし
Kieran Chandler: Lokad TVでは、なぜこんなにも簡単に落とし穴に陥るのかを理解し、表面的には賢く見えるものが実際にそうであるのかどうかを議論します。ではJoannes、今日は科学至上主義について話しましょう。理論的に聞こえるかもしれませんが、具体的には何なのでしょうか?
Joannes Vermorel: 私が考えるに、科学至上主義とは科学に対する極端な信念のことです。これは、人生や社会のあらゆる問題が科学的アプローチで文字通り解決できるという考え方で、一見良さそうに聞こえますが、実際には少々素朴なものです。サプライチェーンの具体例では、これは素朴な合理主義の同義語となり、決定的な方法で問題を解決するためのレシピ、アルゴリズム、そして少量の技術を用いるアプローチを意味します。特にサプライチェーンにおいて、大企業が科学的方法を模倣し、多くの数字、数式、博士号取得者、指標、測定、また何らかのプロセスを取り入れる様子を観察してきました。しかし、しばしば、それらの属性だけでは真に科学的と呼べるものにはなっていないのです。まるで、見せかけだけのファサードのようなものです.
Kieran Chandler: サプライチェーンの話題に入る前に、人々が科学的な結果に過度に依存してしまい、極端な近道に走った実例はありますか?どこでそのような手法が見られたのでしょうか?
Joannes Vermorel: 現在、社会科学では大きな論争が巻き起こっています。過去50年間に発表された論文の大部分が再現性を欠いているためです。その根本原因の一つがp値であり、これは仮説にどれほどの信頼性があるかを示すためのものです。例えば、イチゴを食べることが健康に良いと仮定し、測定を行ってその仮説を検証したとしましょう。ところが、何千、何百万もの仮説を検証すれば、偶然によって非常に信頼性が高く見えるp値を示す仮説が大量に生まれてしまうのです。しかし、検証した仮説が非常に多いため、限られたデータに基づくと、偶然によって一部が正しいと判定されてしまいます。サプライチェーンの分野にも、見かけ上は非常に合理的な手法が存在しますが、よく検証してみると、実際にはそれは非常に非合理的であるのです.
Kieran Chandler: では、サプライチェーンの具体例を見てみましょう。表面的には簡単に見えるものが、実際に深く掘り下げると全くそうではなく、はるかに合理的でないのはどんなものですか?
Joannes Vermorel: おそらく、需要予測でしょう。需要予測モデルの構築方法について書かれた書籍は多数存在し、古典的な指数平滑法やホルト・ウィンターズ法など、需要予測に関する広範な文献があります。統計的な需要予測は非常に確立された分野と思われ、予測があり、ベンチマークが可能で、バックテストも行えます。一見、非常に科学的な典型のように思えますが、実際はそうではありません。全く科学的ではなく、実際には非常に素朴なアプローチなのです。10年前、Lokadで私が犯した最初のミスの一つは、この種のアルゴリズム的な需要予測アプローチが実際に機能していると考えたことでした。しかし、実際には多くの理由から機能しないのです。その一つの理由は、自己成就効果に陥ってしまうからです。例えば、ある店舗で製品の需要がないと予測すれば、その製品を店舗に置かない可能性があり、結果として何も売れず、予測が自己成就的に正しくなってしまいます。さらに、ファッションブランドの場合、ある製品の販売ユニット数を予測するには、生産されたユニット数を見るだけで十分です。もし1,000枚のシャツを生産すれば、(縮小率を差し引いた上で)ほぼ1,000枚が販売されるのです。なぜなら、1,000枚すべてが売れなければ、製品を大幅に割引して販売し、最終的にすべて売れてしまうからです。こうして、生産したものは基本的に販売されるという、素朴な自己成就的予言が働いてしまうのです.
Kieran Chandler: では、代替手段は何でしょうか? 方法論自体は存在し、ある程度は機能しているように見えますが。
Joannes Vermorel: 代替案として、まず状況が複雑であること、人間が関与していること、至る所にフィードバックループを持つ複雑なシステムであること、そして二次的効果が存在することを認めなければなりません。二次的効果とは、例えば顧客に割引を与えると生じるものです。何が生まれるかというと、明らかにその割引はコストとなります。これは、得られないユーロやドルのマージンなのです。これが割引の一次的効果です。一次的効果のもう一面は、需要が何らかの形で押し上げられる可能性があるという点です。たくさんの割引を使って商品を販売すれば、通常、売上は増加します。しかし、二次的効果としては、顧客層に実際に割引価格で商品を購入できるという期待を生むことになります。
つまり、ナショナリズムや科学主義は、主に一次的効果に注目し、近道を取って状況を単純化する手法のようなものです。その結果、測定が容易になり、指標が作成しやすく、ベンチマークや仮説検証が簡単に行える状態を生み出します。しかし、簡単だからといって、それが本質的に意味があるわけではありません。何かが簡単だからといって、それが実際にあなたのビジネスにとって良いということにはならないのです。
Kieran Chandler: では、このような過度の単純化はサプライチェーンの専門家にどのような影響を及ぼすのでしょうか?その結果はどうなるのでしょう?数学的モデルと定量的近代化についての質問ですが、複雑なシステムを考慮する際に、人間の判断がどれほど重要なのでしょうか?
Joannes Vermorel: 人間の判断は極めて重要です。どのモデルが問題を見る上で適切かを評価するためには、高度な人間の知性が必要です。これは科学の一部ではありますが、単なる測定や仮説検証だけの問題ではありません。モデルが現実に沿っているかどうかを確かめるためには、高度な判断が求められるのです。
ある分野に取り組む際には、適切な視点が必要です。例えば、サプライチェーンの問題に取り組む場合、広範な人々や社会全体にとって意味のある視点が必要となります。これは科学的に証明できるものではなく、真実に近づくために善意ある人々が行う困難な議論を通じてしか得られません。誰かの正否を証明するための単純な測定ではなく、もっと微妙な部分が関わっているのです。
Kieran Chandler: サプライチェーンの専門家は、これらのモデルの欠点に気づいているのでしょうか?
Joannes Vermorel: 供給連鎖の専門家は実際に高度な教育を受け、この分野に関心を持っています。科学的かつ合理的なモデルの問題は、無学な人々に起こるのではなく、高学歴の人々の間で生じるのです。限られた教育背景を持つ人は、数式やプロトコルに魅力を感じず、理解できない複雑なものに懐疑的になるでしょう。逆に、高学歴の人々は、たとえば熱力学の法則のような科学モデルの効果を目の当たりにしているため、むしろその問題に直面しやすいのです。
問題は、人々がサプライチェーンにおいても同じアプローチを適用し、他の科学分野と同じレベルの予測力を期待することにあります。しかし、人間は粒子ではなく、考え、反応が異なります。例えば、顧客は割引に適応し、将来の行動を予測してシステムを実際に利用するのです。これはサプライチェーン管理において繰り返し起こる現象です。
Kieran Chandler: 私が問題だと感じるのは、人間が本来リスク回避的であるという点です。もし彼らの主張や予測を裏付ける証拠があれば、それを利用するでしょう。では、こうした状況下における科学の役割についてはどう考えますか?サプライチェーンの最適化において、データを使用しない代替手段は本当に存在するのでしょうか?
Joannes Vermorel: 一見、主張をデータで裏付ける方が良いという意見に同意するように思えます。しかし、複数の変数や人間、企業といった反応主体を含む複雑で高次元の問題を扱う際には、非常に注意が必要です。これらの問題は極めて手に負えなくなる可能性があります。もちろん、できるだけ多くのデータで洞察を補強すべきですが、真の合理主義と素朴な合理主義には違いがあります。すべての計算やモデルを監督し、分析に適した視点を保ち、すべてを台無しにするような極端な抜け穴がないか確認するためには、高度な判断が依然として必要です。
Kieran Chandler: では、その高度な判断力について話しましょう。ある人は、Lokadで行われていることはかなりの素朴な合理主義を伴っており、私たちのクライアントの多くは、私たちのsupply chain scientistsが使う「ブラックマジック」の全てを完全には理解していないと主張するかもしれません。どのようにしてクライアントに状況を理解してもらっているのですか?
Joannes Vermorel: 私が本当に重要視しているのは、技術的な詳細ではなく高次の理解です。技術的な部分はほとんど重要ではありません。例えば、特定の関数を使用したとき、その計算結果は百万分の一の誤差がある近似値であることは分かっていますが、サプライチェーンのuncertaintyが約40%の場合、この程度の近似は問題になりません。Lokadを利用するクライアントにとって、理解できない部分は非常に技術的ですが、ほとんど意味を持たないことが多いのです。むしろ、リードタイムや中国の旧正月のようなイベントを考慮し、毎年4週間のリードタイムが追加されるといった要因を正確に捉えることが重要なのです。
Kieran Chandler: 追加のリードタイムの週数は、あなたのリードタイムにそのまま反映されます。それは微妙なものではなく、このような場合に高度な判断力によって「いや、これは考慮すべきだ」という結論に至るのです。顕微鏡は必要ありません;その効果は強烈です。おそらく、今から1世紀後、方法論が極めて洗練され、人々が自分たちの生涯の半分を特定の構成で分析し、科学的に議論できるようになるかもしれません。しかし、現時点ではまだ表面をかすっているに過ぎず、システムを大まかに正しく捉えるだけでも以前に比べて素晴らしい改善と言えます。では、今日これらをまとめると、私たちが学ぶべき重要な教訓は何でしょうか?科学的アプローチは良いものですが、常識と組み合わせる必要があるということです。
Joannes Vermorel: ええ、そうです。まず、予測チーム、計画チーム、購買チームなど「合理的な」組織が存在するという考え方自体に懐疑的であるべきです。各チームはそれぞれ自分たちの数式を持ち、単純な指標を最適化しています。一見すると完璧に定義され、合理的で、顧客志向に見えます。しかし、こうした状況に直面すると、私の第一印象は、このシステムは本当の意味で合理的ではなく、合理性や科学性の属性を見せかけに過ぎないということです。それは非常に科学的に見えるだけで、実際にはそうではないのです。
もう一つの教訓は、非常に献身的なエンジニアであっても、現実世界について全く見当がつかないことがあるという点を過小評価してはいけないということです。ここでいう非常に献身的なエンジニアには、私自身も含まれます。大学を卒業した直後にLokadに入社し、自分の数学的背景を誇りに思い、美しい高次元統計を現実の状況に応用できるという考えに胸を躍らせました。しかし、結局それは見事に機能しなかったのです。実際、あらゆる面で予想外の方法でシステマティックに失敗しました。振り返ってみれば、それは素朴な合理主義が働いた明白な結果でした。
ですから、総括すると、あなたが行っていることには専門的な洞察が必要であり、「大体これで合っているのか?」という常識を持つべきだということです。そうでなければ、いくらバズワードやキーワードを問題に投げ込んでも、結果として得られるのは産業規模のナンセンスに過ぎなくなるのです。
Kieran Chandler: 科学と数学だけでは十分でない場合がある、とあなたが言うのを聞くとは思いませんでした。
Joannes Vermorel: その通りです。
Kieran Chandler: さて、今週はこれで以上です。ご視聴いただき誠にありがとうございました。また次回お会いしましょう。ご覧いただき、ありがとうございました。