00:00:07 サプライチェーンにおける科学主義とその普及について
00:00:34 科学主義の説明とその様々な分野への影響
00:02:16 科学的な結果とショートカットへの過度な依存の現実世界の例
00:04:07 サプライチェーンにおける需要予測を科学主義の例として
00:06:50 サプライチェーン管理における科学主義への代替手段と複雑なシステムの考慮
00:08:01 過度の単純化とサプライチェーンの専門家への影響
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の判断の重要性と数量モデルの限界
00:14:48 データに基づく洞察と意思決定における高度な判断のバランス
00:15:38 Lokadにおけるクライアントの理解の確保と素朴な合理主義の回避
00:17:06 中国の旧正月などの重要な要素をサプライチェーン計画に考慮する必要性
00:18:30 合理的な組織への懐疑心と科学を常識と組み合わせる重要性
00:19:51 高学歴のエンジニアでも現実世界の応用については無知なことがある
00:21:02 産業規模での専門家の洞察力、常識の必要性、無意味なものの回避の必要性
要約
Lokadの創設者であるJoannes Vermorelは、キーラン・チャンドラ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主義の概念について議論しています。科学主義は、すべての問題が科学的なアプローチを通じて解決できるという科学への過度な依存を意味します。Vermorelは需要予測におけるアルゴリズム的なアプローチへの過度な重視に警鐘を鳴らし、これらのモデルは過度に単純化されており、自己成就的な予言につながる可能性があると強調しています。彼は、サプライチェーン管理における高度な人間の判断の重要性、およびシステムと関与する人間の複雑さを認識し、2次の影響を考慮する必要性を強調しています。Vermorelは、サプライチェーン最適化ソリューションの実装時には専門家の洞察力と常識に頼ることをクライアントに助言しています。
詳細な要約
このインタビューでは、司会のキーラン・チャンドラとLokadの創設者であるJoannes Vermorelが、科学主義の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ています。科学主義は、すべての問題が科学的なアプローチを通じて解決できるという極端な信念を指し、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、または技術がすべてのサプライチェーンの問題を解決できるという意味で素朴な合理主義と同義です。
Vermorelは、大規模な組織がサプライチェーン管理で科学的な手法を模倣することが多く、数字、数式、PhDを持つ人材に焦点を当てていることを指摘しています。しかし、これらの属性だけでは彼らのアプローチが科学的であるとは限りません。彼は、これをファサードに例え、科学的な方法に真に従っていない科学的な厳密さの幻想を作り出していると述べています。
科学主義が誤った方向に進んだ例として、Vermorelは社会科学におけるp値に関する論争について議論しています。p値は仮説の信頼性を測定するために使用されますが、何百万もの仮説がテストされると、ランダム性によりいくつかの仮説が有意な結果を示すことになります。この問題は、見かけ上科学的な結果への過度な依存が誤った結論につながることを示しています。
サプライチェーン管理にこの概念を適用すると、Vermorelは需要予測が科学主義に問題を引き起こす可能性がある領域であると指摘しています。需要予測に関する多くの書籍やモデルが存在し、これらはよく確立された合理的なアプローチの印象を与えるかもしれません。しかし、これらのモデルをより詳しく調べると、その合理性は疑問視されます。
彼らは需要予測への特定のアルゴリズム的アプローチの制約と、サプライチェーン管理における高度な人間の判断の必要性について議論しています。
Vermorelは、多くの予測アルゴリズムが過度に単純化されており、自己成就的な予言につながる可能性があると説明しています。例えば、予測がある製品の需要をゼロと予測した場合、その製品は在庫になくなり、したがって売上も発生しないため、最初の予測が強化されます。また、ファッションブランドでは、売れ残った商品に大幅な割引があるため、生産されるユニット数は通常、販売されるユニット数と同じです。これらの例は、単純な予測モデルにおける自己成就的な予言の問題を示しています。
これらのモデルの制約を克服するために、Vermorelは、サプライチェーンの専門家が自分たちが取り組んでいるシステムの複雑さと関与する人間を認識するべきだと提案しています。彼らはまた、割引を提供することが将来の割引を期待する顧客の期待を生み出すなど、2次の影響を考慮する必要があります。彼は、第一次の影響と単純化に焦点を当てた科学的な手法は測定やベンチマークには容易かもしれませんが、ビジネスには必ずしも関連しないと主張しています。
Vermorelは、サプライチェーン管理における人間の判断の重要性を強調しています。彼は、数学モデルが有用かどうか、または問題を過度に単純化しているかどうかを判断するために、高度な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を科学的にアプローチすることは可能かもしれませんが、それには微妙さが必要であり、単純な測定には縮小できません。
彼は、サプライチェーンの専門家は通常、これらの問題について認識しているが、科学主義と合理主義の魅力は、特に高学歴の人々にとっては魅力的に映るかもしれないと指摘しています。このような専門家は、熱力学など他の分野での量的モデルの成功に触れており、サプライチェーン管理でも同じ予測力を実現しようとするかもしれません。しかし、Vermorelは、人間は粒子ではなく、その行動はより複雑であり、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ています。
サプライチェーン管理における単純な合理主義の例として、セールスアンドオペレーションズプランニング（S＆OP）プロセスがあります。Vermorelは、会社内の部門が正確な需要予測を行うのではなく、自分たちのインセンティブを満たすために予測を返送することがあると指摘しています。
彼らは、リスク回避の傾向、予測をデータで裏付ける重要性、およびサプライチェーンの最適化における高度な判断の役割に触れています。
Vermorelは、人々が自然にリスク回避的であり、主張や予測をデータで裏付けることの重要性を認識しています。彼は、洞察を支持す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ますが、特に高度に複雑な問題に多くの変数が関与している場合には、統計に取り組む際に注意が必要です。
Vermorelは、サプライチェーンの最適化に使用される計算とモデルを監視するための高度な判断の重要性を強調し、分析の中心に適切な視点があることを確保することが重要だと主張しています。彼は、重要な側面を見落とすことから生じる分析の潜在的な落とし穴を防ぐために、真の合理主義にはこの高度な判断が関与すると信じています。
その後の会話では、ChandlerがLokadのアプローチにはいくつかの要素があるかもしれないと指摘し、同社のサプライチェーン最適化技術の「ブラックマジック」を完全に理解していないかもしれないと述べています。Vermorelは、技術的な側面よりもむしろサプライチェーンプロセスの高度な理解が最も重要であると述べています。
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な側面は、大局的な観点ではしばしば重要ではないとされています。彼は、中国の新年などのイベントを考慮に入れるなど、サプライチェーンのより広範な側面に焦点を当てることがLokadにとってより重要であると主張しています。これらの側面は、リードタイムに重大な影響を与える可能性があります。
Vermorelは、サプライチェーン最適化の分野がまだ非常に初期の段階にあることを認めながら、科学的な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ています。以前の方法と比較してかなりの改善があったとしても、この業界はまだ表面しか触れていないと述べています。最良の結果を得るためには、科学的なアプローチと常識を組み合わせることが重要だと強調しています。
そして、Vermorelは、予測、計画、購買のために別々のチームが存在し、それぞれが特定のメトリックを最適化する完全に合理的で明確に定義された組織の信念に対して警告しています。Vermorelは、そのようなシステムは合理的で科学的に見えるかもしれないが、しばしば幻想に過ぎないと主張しています。彼は、そのような組織に出くわした場合には懐疑的である必要があり、それらが見かけほど合理的または効果的ではない可能性があると強調しています。
Vermorelは、これらの失敗を単なる合理主義の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実装する際には、専門家の洞察力と常識に頼ることをクライアントに助言しています。問題に対してどれだけのバズワードや専門用語が投げかけられても、根拠のある理解と実践的なアプローチがなければ、結果は産業規模の無意味さに過ぎないと述べています。
フルトランスクリプト
Kieran Chandler: 今日のLokad TVでは、なぜこれが簡単に陥る罠であり、表面上は賢く見えるものが実際にはそうではないのかを理解しようとします。では、ジョアネスさん、今日は科学主義について話します。少し理論的な感じがしますが、それは具体的には何ですか？
Joannes Vermorel: 科学主義とは、科学への極端な信念と言えるでしょう。それは、科学的なアプローチで人生や社会のすべての問題を解決できるという考えですが、実際には少し単純化されています。サプライチェーンの具体的な場合においては、科学的合理主義の同義語となります。これは、問題を決定的な方法で解決するためのレシピ、アルゴリズム、そして少しの技術を持つアプローチです。私は特にサプライチェーンにおいて、大企業が科学的な手法を模倣する傾向があることを観察しています。彼らは科学の属性を共有することで、数値、数式、博士号を持つ人々、メトリック、測定、ある種のプロセスなど、科学の属性を持つことを行います。しかし、時には、私の目には科学的とは言えないものが実際には何もないのです。属性はあるが、それはファサード、幻想のようなものです。
Kieran Chandler: サプライチェーンの側面に入る前に、人々が科学的な結果に過度に依存し、あまりにも興奮しすぎる例はありますか？どこでショートカットが見られましたか？
Joannes Vermorel: 現在、社会科学の分野では非常に大きな論争があります。なぜなら、過去5年間に発表された論文の大多数が再現されないからです。これは深刻な問題です。その根本的な原因の1つは、p値です。これは、仮説にどれだけの信頼性があるかを確立する方法です。たとえば、ストロベリーを食べることが健康に良いという仮説を立てます。私は測定を行い、この仮説を検証します。問題は、何千、何百万もの仮説をテストすると、非常に自信を持っているように見える仮説がたくさん生成されることです。しかし、問題は、限られたデータによれば、いくつかの仮説が完全に偶然に真実であることがあるということです。サプライチェーンでも、見かけは非常に合理的なもののように見える方法が多くありますが、その裏に掘り下げると、それは根本的に非合理なものです。
Kieran Chandler: サプライチェーンの例を見てみましょう。表面上は簡単に見えるものの、実際には深く掘り下げると全くそうではなく、合理的ではないものは何ですか？
Joannes Vermorel: おそらく需要予測です。需要予測モデルを構築する方法については、書籍が一冊丸ごと書かれています。古いモデルの指数平滑化、ホルト・ウィンタースなど、それに関する文献がたくさんあります。統計的な需要予測は非常に確立されたものだと思われるでしょう。予測があり、ベンチマークができ、バックテストもできます。テストは、超科学的なものの典型的な例のように見えますが、実際にはそうではありません。実際には非常に素朴なものです。10年前のLokadで最初に犯したミスの1つは、このようなアルゴリズム的な需要予測手法が実際に機能していると考えたことでした。実際には、かなり多くの理由で機能していません。その1つの理由は、自己的な効果が生じることです。たとえば、ある商品の需要が店舗で全くないと予測した場合、おそらくその商品を店舗に置かないでしょう。その結果、自己成就的な予言が実現します。需要がゼロと予測された場合、在庫を置かず、何も売らず、予測は100％正確です。そして、予測に対する信頼性が高まるでしょう。統計的に証明されていますが、よく考えてみると、ビジネス的には愚かなことです。実際には愚かなことです。これは極端な例です。もう少し進んだ例ですが、それでもかなり愚かな例は、ファッションブランドの予測を行う場合です。特定の商品の販売数量を予測したい場合、まず最初に生産された数量を見るだけです。1,000枚のシャツを生産した場合、当然、1,000枚のシャツが売れるでしょう（縮小を差し引いて）。しかし、どうしてそうなるのでしょうか？それは、すべての1,000枚のシャツが売れない場合、製品を大幅に値引きし、セールに出すことになるからです。したがって、生産したものが基本的には売れるという素朴な自己成就的な予言があります。何を生産しても、どんな商品でも、売れることになります。
Kieran Chandler: では、その代替案は何ですか？なぜなら、方法はうまくいっているように聞こえます。目標の範囲内に入っているようです。
Joannes Vermorel: 代替案は、まず、状況が複雑であることを認識することです。人間が関与していること、フィードバックループがあちこちに存在する複雑なシステムであること、2次効果があることを認識する必要があります。2次効果とは、例えば、顧客に割引を提供すると何が生じるかです。明らかに、この割引にはコストがかかります。これは利益のユーロやドルです。割引の第1次効果です。割引によって需要が大幅に増加することも第1次効果の一部です。通常、割引がある商品は売れ行きが良くなります。しかし、2次効果は、顧客層に割引で商品を購入するという期待感を生み出します。
ですから、ナショナリズムや科学主義は、主に第1次効果に焦点を当てる方法であり、ショートカットを取り、状況を単純化し、測定を行い、メトリックスを作成し、仮説をテストすることが容易です。しかし、それが容易であるということは、それが実際にビジネスにとって良いということではありません。
Kieran Chandler: では、このような過度の単純化がサプライチェーンの専門家にどのような影響を与えるのでしょうか？その結果は何ですか？数学モデルと数量化の現代化についての質問があります。複雑なシステムを考慮する際、人間の判断力はどれくらい重要ですか？
Joannes Vermorel: 人間の判断力は非常に重要です。モデルが問題を正しく見る方法であるかどうかを評価するために、高度な人間の知性が必要です。これは科学の一部ですが、単純な測定や仮説のテストだけではありません。モデルが現実と一致していることを確認するためには、高度な判断力が必要です。
特定の領域に取り組む際には、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際には、大勢の人々や社会に意味のある視点が必要です。これは科学的な方法で証明することはできませんが、真実に近づこうとする善意のある人々による難しい議論を通じて確立されます。誰かを正しいか間違っているかを証明するための単純な測定ではなく、より微妙な要素が関与しています。
Kieran Chandler: サプライチェーンの専門家は、これらのモデルの不足点に気付いていますか？
Joannes Vermorel: サプライチェーンの専門家は、確かに高い教育を受け、自分の分野に興味を持っています。科学的で合理的なモデルの問題は、教育のない人々に起こるのではなく、高度に教育された人々の間で起こるのです。教育のレベルが限られている人は、数式やプロトコルに感銘を受けず、理解できない複雑なものに懐疑的になるかもしれません。それに対して、高度に教育された人々は、熱力学の法則など、特定の科学的モデルの効果を目の当たりにしているため、これらの問題に直面する可能性がより高いのです。
問題は、人々が同じアプローチをサプライチェーンに適用し、他の科学的領域と同じレベルの予測力を期待しようとするときに発生します。しかし、人間は粒子ではなく、異なる思考と反応をします。例えば、顧客は割引に適応し、将来の行動を予測し、システムを効果的に操作します。これはサプライチェーン管理で繰り返し起こります。
Kieran Chandler: この点について問題があるのは、人間は本来リスク回避的な存在です。彼らの主張や予測を裏付ける証拠があれば、それを使用します。では、この文脈で科学の役割についてどう思いますか？サプライチェーンの最適化にデータを使用する代替手段は本当に存在するのでしょうか？
Joannes Vermorel: 表面的には、データで主張を裏付ける方が良いという感じに同意する傾向があります。ただし、特に複雑な多次元の問題や人間や企業などの複数の変数やエージェントが関与する問題に取り組む際には非常に注意が必要です。これらの問題は非常に困難になることがあります。もちろん、できるだけ多くのデータで洞察を裏付けたいと思いますが、真の合理主義と単純な合理主義の違いがあります。すべての計算とモデルには、適切な視点があり、すべてを台無しにする極端な緩い角度がないことを高度な判断力で監視する必要があります。
Kieran Chandler: では、その高度な判断力について話しましょう。ロカッドで行っていることは、かなりの程度の単純な合理主義を含んでいると主張する人もいますし、私たちのサプライチェーンサイエンティストが使用する「ブラックマジック」を完全に理解していないクライアントも多いです。クライアントが何が起こっているかを理解するようにするために、どのような対策を講じていますか？
Joannes Vermorel: 私が本当に重要だと思っているのは、技術的な細部よりも高度な理解です。技術的な細部はほとんど重要ではありません。例えば、特定の関数を使用すると、得られる計算結果は100万分の1の誤差がある近似値ですが、不確実性が40％程度のサプライチェーンを扱う場合、この程度の近似は重要ではありません。ロカッドを使用するクライアントにとって、理解できないことは技術的なことが多いですが、大部分は重要ではありません。重要なのは、リードタイムや中国の春節などのイベントを考慮に入れることなど、ロカッドが正確な情報を提供することです。春節は毎年4週間のリードタイムを追加します。
Kieran Chandler: 追加のリードタイムは、リードタイムに直接反映されます。それは微妙ではなく、高度な判断によってそれを考慮に入れる必要があるということです。顕微鏡は必要ありません。その効果は強力です。おそらく、100年後には、特定の構成で地球上の半分の時間を過ごす効果を分析し、それについて科学的な研究を行うようになるでしょう。しかし、現時点では、私たちはまだ表面をかいている状態であり、システムをおおよそ正確にすることは、以前の状況と比べて素晴らしい改善です。ですので、今日から物事をまとめ始めるとしたら、私たちはどのような教訓を得るべきでしょうか？科学的なアプローチは良いことですが、それらは常識と組み合わせる必要があります。
Joannes Vermorel: そうですね。まず、合理的な組織を持つことについては非常に懐疑的であるべきです。「予測チーム、計画チーム、購買チームがある」と言えるような組織です。それぞれが独自の数式を持ち、単純な指標を最適化しているように見えます。それは完全に定義され、合理的で顧客志向のように見えますが、私がこのような状況に直面すると、私の直感的な観察は、このシステムは合理的ではないということです。それは合理性と科学性の属性を表示しているだけで、実際にはそうではありません。
もう一つの教訓は、非常に献身的なエンジニアでも、現実世界については全く無知である可能性があるということです。私が「非常に献身的なエンジニア」と言うと、私自身もこのカテゴリーに含まれます。私は大学を卒業してすぐにLokadを始め、数学のバックグラウンドに誇りを持ち、美しい高次元の統計を現実の状況に適用するというアイデアに興奮していました。しかし、それはうまくいきませんでした。実際、それは驚くべき驚き方で爆発的に失敗しました。振り返ってみると、それは単純な合理主義の当然の結果でした。
ですので、まとめると、自分のやっていることについての専門的な洞察力が必要であり、おおよその意味を持つかどうかを常識的に判断する必要があります。もしそうでなければ、問題に対してどれだけのバズワードやキーワードを投げつけても、得られるものは産業規模の無意味さだけです。
Kieran Chandler: 科学と数学だけでは必ずしも必要なものではないとは思わなかったな。
Joannes Vermorel: それは本当です。
Kieran Chandler: それでは、今週は以上です。ご視聴いただき、ありがとうございました。また次回お会いしましょう。ご視聴ありがとうございました。
