00:00:07 裸の予測とLokadの背景。
00:01:42 時系列予測の需要の高さ。
00:03:14 統計的な正確さにもかかわらず、裸の予測の成功のなさ。
00:05:03 Lokadの大手ヨーロッパ小売業者のベンチマークに関する経験。
00:07:19 裸の予測の問題とビジネスへの影響。
00:09:25 サプライチェーン実行における裸の予測の問題点。
00:12:38 極端なシナリオの重要性と分位数予測の役割。
00:14:47 大企業のS&OPプロセスでの良い予測の利用の課題。
00:15:37 予測からの逸脱と代替の将来的な考慮の必要性。
00:17:12 大量の確率データの表現の課題。
00:18:57 確率分布を扱うためのExcelの制限。
00:20:25 予測に基づく意思決定の最適化の重要性。
00:21:48 予測との密接な関係にある予測的最適化の必要性。
要約
インタビューでは、Kieran ChandlerとJoannes Vermorelが、サプライチェーン最適化における従来の予測方法の制約について議論しています。Vermorelは、極端なシナリオを考慮した分位数予測の必要性を強調し、これがサプライチェーン管理に最も大きな影響を与えると説明しています。彼は、確率的予測がさまざまな可能な結果を提供できるが、このアプローチに必要な大量のデータの管理は「ビッグデータ」の課題を引き起こすと説明しています。Excelのような従来のツールは確率的データとの互換性がないため、専門のツールが必要です。Vermorelは、予測と最適化を組み合わせた予測的最適化がサプライチェーンの不確実性を管理するためのより効果的なアプローチであると結論付けています。
拡張要約
このインタビューでは、ホストのKieran Chandlerが、サプライチェーン最適化に特化したソフトウェア企業であるLokadの創設者であるJoannes Vermorelと、裸の予測の概念とそれらがサプライチェーンの意思決定の改善にどのように効果的かについて議論しています。
Lokadが2008年に設立された当初、同社は時系列予測に統計的手法を活用した「サービスとしての予測」に焦点を当てていました。過去の販売などの歴史的データを使用して将来の需要を予測するというアイデアは、サプライチェーンの意思決定を改善するために正確な時系列予測を求める多くの企業の関心を引きました。
多くの企業が、自社の歴史的データに基づいたより正確な予測を求めてLokadに依頼しました。興味深いことに、低いエラー率で非常に正確な予測を提供しても、これらの改善された予測はサプライチェーンの意思決定や結果の改善にはつながらないようです。
Vermorelは、エラー率が低いほどより良い予測が改善された意思決定や最終的にはより良いサプライチェーンのパフォーマンスにつながると予想されるため、この結果に困惑しました。彼は数年かかって、逆説的な結果の背後にある問題を理解することができました。
問題は統計的な性質ではありませんでした。Lokadが提供する予測は非常に正確で、過学習などの最小限の問題しかありませんでした。Vermorelは、予測が統計的に妥当であると確信していましたが、それらはクライアント側で混乱を引き起こすようでした。
Vermorelは、Lokadが2011年に10のミニマーケットの需要予測のベンチマークに参加した際のエピソードを共有しています。ミニマーケットごとに5,000の製品があり、Lokadは2番目に優れた競合他社よりも20%以上の精度を達成してベンチマークに勝利しました。しかし、彼らはすべての製品に対してゼロ需要のみを予測する「ゼロ予測」を使用してこれを行いました。この方法は、従来の予測と精度の割合に関する問題を浮き彫りにしました。Vermorelは、エラー率の低下と実際のビジネス上の利益との間にはほとんど相関関係がなく、精度の割合に焦点を当てることは誤解を招く可能性があると主張しています。
ホストは、これらの問題にもかかわらず企業がなぜ従来の予測を要求し続けるのか疑問に思います。Vermorelは、願望思考が重要な役割を果たしていると提案します。人々は、完璧な予測があれば、サプライチェーンの問題が解決され、プロセスが単純なスケジューリングと最適化の問題に変わると信じています。しかし、Vermorelは、どの予測も市場との接触に耐えることはできないと強調し、現実ははるかに複雑であると述べています。
従来の予測は、予測の精度が会社内でどのように使用されるかによって、サプライチェーンの実行を脆弱にすることがあります。これにより、意図しない結果や問題が生じることがあります。Vermorelは、これを「アンチパターン」と考えており、予測可能な方法で一貫して失敗する意図された解決策を意味します。
Vermorelは、Lokadが予測に基づいたサプライチェーン計画の強化に焦点を当てるようにアプローチを変えた方法について説明します。彼は、新鮮な食品を販売するミニマーケットの例を挙げています。高い利益率があり、在庫が遅く回転しても多くの在庫を持つことが正当化される場合、顧客が求めているものを見つけることが店舗の最適化よりも重要です。従来の予測は平均需要に焦点を当てていますが、実際のコストと利益は極端な状況にあります。
その後、会話は極端なシナリオを考慮した予測を作成するというアイデアに移ります。これは、Lokadが従来の予測から分位数予測に移行した方法です。分位数予測は予測にバイアスを加え、実際のコストと利益がある極端な状況に焦点を当てます。Vermorelは、サプライチェーン管理の最適化において、このアプローチが従来の方法よりも効果的であると提案しています。
彼らは予測の課題と将来のさまざまなシナリオをサプライチェーン管理に考慮する重要性について議論します。
Vermorelは、平均需要に焦点を当てた従来の予測は効果的なサプライチェーン管理には十分ではないと説明します。代わりに、需要が高い場合や需要が低い場合などの極端なシナリオを考慮した分位数予測を使用することを提案します。彼は、これらの極端な状況を理解することの重要性を強調し、それらがサプライチェーン管理に最も大きな影響を与えることが多いと述べています。
Chandlerは、大企業の内部のセールスアンドオペレーションズプランニング（S＆OP）チームの役割について尋ねます。Vermorelは、良い予測があっても、S＆OPチームは必要な情報が利用できないため、正しい結果を得ることができないと答えます。彼は、予測は1つの可能な未来しか提供できず、実際の結果は常に予測値と異なると主張しています。
Vermorelは、範囲内の可能な結果を提供する確率的な予測を提供することが潜在的な解決策になり得ると提案しています。ただし、このアプローチには新たな課題があります。まず、これらの確率を表現するために必要なデータ量は膨大であり、特に数千の製品を考慮する場合はさらに大きくなります。これにより、「ビッグデータ」の問題が生じ、大量のデータを処理できるツールが必要とされます。
さらに、Excelのような従来のツールは確率的データとは互換性がありません。Vermorelは、Excelセル内で確率分布を表現する方法がないため、そのようなデータを操作および分析することが困難であると指摘しています。その結果、確率変数に基本的な操作を実行できる専門ツールが完全に確率的予測を活用するために必要です。
Vermorelは、さまざまなシナリオを考慮した良い予測を持つことは全体像の半分に過ぎないと結論付けます。もう半分は、予測を効果的に活用して情報を基にした意思決定を行うことです。彼は、予測を生成し意思決定を最適化するプロセスを密接に結びつけることの重要性を強調しており、スケーラビリティやデータ処理に関連する問題を回避するためです。
この議論は、サプライチェーン管理における従来の予測手法を見直す必要性を浮き彫りにしています。Vermorelは、予測と最適化を組み合わせた予測的最適化を、サプライチェーンに固有の不確実性と複雑さを管理するためのより効果的なアプローチとして提唱しています。
フルトランスクリプト
Kieran Chandler: 今日のLokad TVでは、なぜこれらの裸の予測が実際にはリソースを改善せず、さまざまな問題を引き起こす可能性があるのかについて話し合います。では、Joannes、裸の予測というトピックは、おそらくディープダークウェブで見つけるようなもののように思えます。YouTubeから削除される前に、ここで何を意味するのか少し説明していただけますか。
Joannes Vermorel: 2008年にLokadを設立したとき、会社のキャッチフレーズは「予測をサービスとして」でした。私は大学を卒業したばかりで、統計がビジネスに適用できる領域を見ていました。時間系列予測というアイデアがありました。概念的には非常にシンプルです。過去を表す入力時間系列（通常は過去の販売実績）があり、将来を予測するための時間系列を予測するだけです。ソフトウェアの一部としては、非常に明確な問題であり、興味深いことに、それがLokadが注目された理由です。時間系列予測だけで問題を解決しようとする多くの人々がいましたし、今でもいます。
Kieran Chandler: このような性質の解決策に対する需要は実際に存在するのでしょうか？実際に機能するのでしょうか？
Joannes Vermorel: 時系列予測に対する需要は非常に大きいです。何度も何度もそれについて尋ねられます。Lokadを始めたとき、成功するスタートアップの重要な要素の1つは、人々が望んでいることをすることです。この観点から、裸の時系列予測には非常に大きな需要がありました。企業は「ここに私たちの過去のデータが時間系列として表されています。より良い予測を提供してください。」と問い合わせていました。しかし、それはうまくいきませんでした。統計的な問題ではありませんでした。10年前には既に予測の精度は非常に高かったのです。問題は指標が間違っていたわけではありませんでした。
Kieran Chandler: それは非常に驚くべきことです。予測の誤差が低くなると、予測からより良いサプライチェーンの意思決定が行われ、最終的にはより良い方法で行動することができると常に考えるはずです。では、なぜうまくいかなかったのでしょうか？
Joannes Vermorel: それが私の最初の考えでした。どうして私が間違っている可能性があるのか？すべての指標が私により良い予測を示しています。私はクライアントにより良い予測を提供しています。何が問題になる可能性があるのでしょうか？予測は非常に良かったし、オーバーフィッティングのような問題ではありません。それは完全にコントロールされていました。問題は、統計的により正確な予測でもクライアント側に大混乱を引き起こす可能性があるということでした。私はこれを理解するのに数年かかりました。ある時点で、私たちはベンダーの予測のために半ダースのソフトウェアベンダーを対象にヨーロッパの大手小売業者がベンチマークを行いました。
Kieran Chandler: それで、私たちは解決策と10のミニマーケットの需要予測の問題について話し合っていました。各ミニマーケットには5,000の製品があります。これは2011年のことで、目標は3〜4日先の需要を予測することでした。各ミニマーケットは週に2回補充されます。Lokadはこのベンチマークでどのような結果を出しましたか？
Joannes Vermorel: Lokadは誇りを持ってこのベンチマークに勝利し、2位の予測よりも20%の精度で勝ちました。予測の品質の指標は予測と現実の間の絶対的な差でした。しかし、私たちはゼロ予測のみでこれを達成しました。ゼロ予測は需要と販売のすべてに対してゼロを返すだけです。興味深いことに、ゼロ需要を予測すると在庫はゼロになり、その結果、販売は迅速にゼロに収束します。これにより、予測はより正確になるだけでなく、100%正確になります。しかし、もちろん、これは完全なばかげたことであり、何の意味もありません。
Kieran Chandler: つまり、パーセンテージで表されるよりも正確な予測と実際のビジネス上の利益との間には乖離があると言っているのですか？それならば、なぜ企業はそんなに誤解を招く可能性のある予測を要求し続けるのでしょうか？
Joannes Vermorel: 私の基本的な説明は、願望思考が非常に強力であるということです。予測が完璧であれば、誤差率はゼロパーセント、誤差はゼロドル、誤差はゼロユーロになるでしょう。完璧な予測はすべての問題を解決し、サプライチェーン管理は最適化とスケジューリングの純粋な問題になるでしょう。しかし、それは現実ではありません。人々が気付かないことは、予測が1つの未来のみを予測する裸の予測である場合、市場との最初の接触で戦闘計画が生き残ることはありません。軍事の格言には「戦闘計画は最初の敵との接触で生き残らない」という言葉がありますが、サプライチェーンにおいては、市場との接触で生き残る予測はまったく存在しないということです。
Kieran Chandler: 市場との最初の接触、そして、より正確な予測がある場合に何が起こるのですか？
Joannes Vermorel: より一般的には、予測がより正確であるため、予測に対して発散に対してより脆弱な計画を作成し、サプライチェーンの実行をより脆弱にします。これは非常に抽象的な見方です。要するに、予測はあるけれども、この予測がどのように使用されるかはわからないし、会社内の他の人々は予測を予想外の方法で使用することになるでしょう。それがなぜ問題になるのです。そのため、これらの裸の予測は基本的には悪いものです。それらは使用すべきではない方法で使用され、それが常に起こるため、現在ではアンチパターンです。それは常に完全に予測可能な方法で爆発する意図された解決策のようなものです。
Kieran Chandler: それでは、この認識を得た後、予測に基づいて構築していた計画を強化する方向に進んだのですか？
Joannes Vermorel: まさにそうです。そして、予測自体が正しいものではないことに気付きます。例えば、ミニマーケットの話に戻ると、ミニマーケットで生鮮食品を販売している場合、非常に大きな利益率があります。在庫をたくさん持つ余裕があります。なぜなら、顧客が入ってきたときには、探している商品が見つかることを望んでいるからです。利益率が非常に高いため、在庫が遅く回転する商品でも十分に利益を上げることができます。平均需要には関心がありません。たとえ10日に1人の顧客しか現れなくても、ヨーグルトを販売している場合、実際に製品を70%の粗利で販売しているなら、非常に健全な利益を上げることができます。また、ヨーグルトの賞味期限は1ヶ月です。つまり、興味があるのは平均ではなく、極端な需要です。コストは極端な需要に発生します。
Kieran Chandler: では、なぜ極端なシナリオを考慮した予測を作成しないのですか？
Joannes Vermorel: それが興味のあることですね。そして、それが私たちが行ったことです。Lokadの歴史では、2008年にLokad Forecasting as a Serviceでクラシックな予測から始まり、その後、分位数予測に移行しました。分位数予測は、2012年当時には非常に奇妙な考え方でした。ほとんどのクライアントは、良い予測はバイアスのない予測だと言っていました。これはサプライチェーン管理の常識とは逆の考え方でした。
ミニマーケットの場合を考えてみると、平均需要には関心がありません。興味があるのは極端に高い需要ですが、それは決して高くないですが、それが興味のある極端な状況です。問題は、どのような状況が極端に高い状況なのかということです。30回に1回ですか？時には4回ですか。それが極端に高い状況です。ちなみに、それは統計です。バイアスを持つ予測は、分位数予測と呼ばれます。99%の分位数予測を持つ予測を作成することができます。これは「あなたに数値を提供し、需要がこの数値のちょうど下になる確率が99%であり、上になる確率が1%である」という意味です。つまり、バイアスを制御できます。これがより多様な予測を持つことの始まりでした。
Kieran Chandler: 実際には、ストックアウトや在庫過剰のようなリスクのある状況について話しましょう。なぜ大企業は自社内のS&OPプロセスで良い予測を使って最終的に正しい結果を得ることができないのか、理解できません。そこにはどのような課題があるのでしょうか？
Joannes Vermorel: それは甘い考えです。予測から正しい結果を得ることはできません。それが良い予測であっても、必要な情報が存在しないからです。将来を「こうなる」と言っているだけで、他の選択肢については何も語っていません。現実は選択肢の一つです。予測からの発散は常に起こります。問題は、限られた代替未来の知識を、いくら買うか、生産するか、在庫を移動するかといった意思決定に変えることができ、それが意思決定の品質に悪影響を及ぼさないと思い込んでいることです。それはまるで魔法のようです。
Kieran Chandler: でも、確率的な予測を提供すれば、彼らに作業するための可能な要素の範囲を与えることはできないのですか？
Joannes Vermorel: それは興味深い考えです。概念的には機能するかもしれません。ただし、非常に現実的な別の問題があります。確定的な予測は簡潔です。1つの製品について、1年先を週単位で予測する場合、52の数値があります。これはExcelシートにきれいに収まる小さなデータセットです。しかし、確率的なアプローチでは、各週ごとに膨大な確率のヒストグラムがあります。これらの確率は加算できないため、週5から週10までの需要を知りたい場合、別の確率のヒストグラムになります。
このデータを提供することはできますが、数千の製品と数十ギガバイトの確率があるため、ビッグデータの問題になります。そのような大量のデータを処理できるツールが必要です。
Kieran Chandler: 技術的な観点から言えば、これらのツールやデータを操作するのはどれくらい簡単ですか？たとえば、Excelの問題の1つは、確率計算を扱うために設計されていないことです。表形式のデータを整理するのには優れていますが、確率分布を表現する方法はありません。
Joannes Vermorel: はい、まさにその通りです。確率分布として提供されるデータを操作する場合、Excelのセルに確率分布を表すエントリはありません。Excelはそのようなものを扱うために設計されていませんし、将来の確率的な予測を活用し最適化する際に多くの問題が発生します。
Kieran Chandler: そうですね。確率変数の加算、乗算、除算などの基本的な操作は必須です。これらの基本的なツールがないと、確率的な予測を適切に扱うことはできません。
Joannes Vermorel: はい、あり得るすべてのシナリオを考慮した良い予測を持つことは半分の成功です。予測を最適化するためには、予測を生成するプロセスと意思決定を最適化するプロセスが完全に絡み合っている必要があります。
Kieran Chandler: なるほど。確率の行列を処理するためのデータ処理はスケーラビリティの問題になるようですね。実用的に機能させるためには、すべてを密接に結びつける必要があるようです。
Joannes Vermorel: まさにその通りです。実用的な解決策を得るには、これらの要素を非常に近くに保つ必要があります。予測と最適化という2つの要素は切り離すことができず、一緒に考える必要があります。
Kieran Chandler: そうですね、理解しました。では、ここで話を終わりにしましょう。今日は参加してくれてありがとう、Joannesさん。サプライチェーンの最適化について話すことができて本当に素晴らしかったです。
Joannes Vermorel: お招きいただき、ありがとうございました、Kieranさん。楽しかったです。
