00:00:07 デマンドセンシングの紹介と定義。
00:01:02 ジョアネスがデマンドセンシングを曖昧な概念として批判。
00:02:45 デマンドセンシング技術の新規性に関する質問。
00:05:01 リアルタイムデータが供給チェーンの予測に与える影響の批判。
00:07:49 より多くのデータと非伝統的な手法が必要であるという主張。
00:08:37 リアルタイムと非リアルタイムのアプリケーションのユースケースの違い。
00:09:47 ソフトウェア業界のマーケティングのトリックとその影響。
00:11:25 良いバズワードと浅いバズワードの区別。
00:14:24 サプライチェーン業界の他のトリックの例。
00:16:02 バズワードの覚えにくさとその中身のなさ。
00:16:33 ハイプの保存の法則とGoogle Trendsの検証。
00:17:47 基本的な洞察を持つ価値あるバズワードの特定。
00:18:26 分位数予測の例と基礎理解の重要性。
00:19:21 クラウドコンピューティングとそのシンプルなコアコンセプト。
要約
インタビューでは、キーラン・チャンドラとジョアネス・ヴェルモレルが、リアルタイムデータと高度な数学的手法を組み合わせた予測手法であるデマンドセンシングについて話し合っています。ヴェルモレルは、デマンドセンシングの効果について懐疑的な意見を表明し、その曖昧な概念的基盤と新規性のない、同業者による査読のない研究の欠如について指摘しています。彼は、マーケティングのトリックに警戒し、基本的な問題に対処し、驚くほど明白な洞察を提供する概念に焦点を当てるよう、サプライチェーンの実践者に助言しています。ヴェルモレルは、バズワードの背後にある実質を理解し、意味のある改善に貢献する革新を追求することの重要性を強調しています。サプライチェーン最適化に。
拡大要約
このインタビューでは、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の創設者であるジョアネス・ヴェルモレルと、キーラン・チャンドラがデマンドセンシングについて話し合っています。デマンドセンシングは、高度な数学的手法とリアルタイム情報を組み合わせた予測手法です。この会話では、デマンドセンシングの効果に焦点を当て、価値ある概念とマーケティングのトリックを区別する方法について議論しています。
ヴェルモレルは、自身がこのテーマについてレビューした文書の曖昧さのためにデマンドセンシングを評価することが難しいと認めています。彼は、デマンドセンシングがソフトウェアは存在するが、約束を果たさず、最終的には重要ではないものであると述べています。彼は、この概念が実質的なアイデアよりもむしろマーケティングのトリックであると考えています。
デマンドセンシングの主なアピールポイントは、リアルタイムデータの使用、従来のコアデータ（過去の在庫移動や販売需要など）を超えたデータの組み込み、および機械学習を活用してより高い精度を実現することです。ヴェルモレルは、これらの個々の概念は妥当であるように思われるが、全体的なアプローチの新規性と深さに疑問を呈しています。
デマンドセンシングを評価するために、ヴェルモレルはその支持者が主張する主要な点に注目します：それがより正確な予測を生み出すことができるという点です。彼は、統計的な予測が研究の確立された分野であり、数多くのオンライン競技会や常に進化し続ける活気あるコミュニティがあることを指摘しています。多くの組織、名門研究機関や大手ソフトウェア企業を含む、将来の需要に焦点を当てた機械学習や統計学習に関する論文が公開されています。
しかし、ヴェルモレルは、信頼性のあるジャーナルや学会でデマンドセンシングに関する重要な新規研究が公開されていないことに疑問を抱いています。デマンドセンシングに関するインターネット上の論文や資料が豊富であるにもかかわらず、具体的で査読された研究や広範な機械学習や予測のコミュニティからの貢献がないことは、デマンドセンシングの真の価値に疑問を投げかけます。
ヴェルモレルは、デマンドセンシングが供給チェーンの最適化における革新的なアプローチではなく、曖昧な概念的基盤と新規の査読された研究の欠如から、それがむしろマーケティングのトリックである可能性があると懐疑的な見方を示しています。
この会話は、リアルタイムデータの概念、それが供給チェーンの予測にどのように関連しているか、およびそれを取り巻くマーケティングのトリックについて展開されます。
ヴェルモレルは、リアルタイムデータとは、人間の知覚よりも遅延が少ないデータ（約100ミリ秒）を指すものであり、その魅力的な性質から人気があると説明しています。しかし、彼は、リアルタイムデータを持つことが予測の精度にどれだけ大きな改善をもたらすのかについては懐疑的です。彼は、典型的なソフトウェアのデモンストレーションで、3年間の履歴を持つ製品が6ヶ月先の予測に使用される例を挙げています。ヴェルモレルは、この文脈では、24時間前ではなく100ミリ秒前のデータを持つことはあまり違いを生まないと主張しています。
リアルタイムデータの支持者がよく主張するもう一つの点は、優れた機械学習技術の使用です。ヴェルモレルは懐疑的であり、それを車のメーカーが物理学の理論のおかげでより良い車を持っていると主張することに例えています。ただし、彼は、従来の時系列予測よりも多くのデータを組み込むことが、大幅な改善につながる可能性があると認めています。
ヴェルモレルは、供給チェーンのシナリオにおけるリアルタイム情報は一般的に過剰であり、その提供する細かい粒度はほとんどのユースケースでは不要であると主張しています。ただし、彼は、リアルタイムデータは自動化された倉庫で高速なロボットを制御するのに役立つ可能性があると指摘しています。彼は、予測が通常3週間から1年先までの範囲に及ぶ供給チェーン計画において、リアルタイムデータが大きな違いをもたらすことができるという考えに疑問を投げかけています。
ヴェルモレルによれば、供給チェーンの予測におけるリアルタイムデータのプロモーションは、新しいアイデアや専門知識、技術を持たないソフトウェアベンダーによってよく使われるマーケティングのトリックであると述べています。彼は、このアプローチはクライアントの問題に対するある種の無関心さと、クライアントが簡単に騙されるという傲慢な前提に反映されていると指摘しています。彼は、単なる言葉の遊びから価値ある概念を見分けるために、さまざまな分野のさまざまな人々がその概念について議論しているかどうかを見ることを勧めています。もしベンダーだけがそれを宣伝しているなら、それはおそらくマーケティングのトリックである可能性が高いです。
肯定的な例として、ヴェルモレルは確率的予測を挙げています。これは、気候を研究しているコミュニティを含む多くのコミュニティで議論されています。最先端の気候研究は確率モデルに基づいており、これは供給チェーンの予測におけるリアルタイムデータというマーケティング主導の概念とは異なる、真の実質に基づいていると示しています。
ヴェルモレルは、ビジネスインテリジェンス（BI）の指標としての権威への訴求という概念を説明しています。彼は需要感知の例を挙げており、その支持者はアルゴリズムや数学の詳細ではなく、関与する専門家の名前や肩書を前面に押し出しています。
供給チェーン業界における他のギミックの例について尋ねられた際、ヴェルモレルは歴史を通じて多くの例があると指摘しています。彼は10年前のIBMによる自律コンピューティングの推進や、20年前のデータマイニングの人気などを挙げていますが、これらのバズワードは実質の欠如によりしばしば忘れ去られると考えています。彼は「ハイプの保存の法則」と呼ぶものを参照し、これは新しいバズワードが市場に入るときにのみ変化する一定のハイプの総量であると説明しています。
ヴェルモレルは、供給チェーンの実践者は、根本的な問題に驚くほど明白な洞察を提供するようなバズワードに注意を払うべきだと提案しています。彼は、中間ではなく極端なリスクに集中した「分位数予測」の例を挙げています。ヴェルモレルは、理解されると一度理解が固まり、重要なイノベーションにつながる可能性があると考えています。
彼は、バズワードがその基本的な概念を明確かつ簡潔に理解できない場合には注意が必要だと続けて述べています。たとえば、クラウドコンピューティングは複雑に見えるかもしれませんが、その核心概念はオンデマンドでハードウェアリソースを利用できることです。ヴェルモレルは、バズワードが数分で確固たる理解を提供できない場合、それは実質を欠いている可能性があり、無視すべきだと助言しています。
ヴェルモレルは、供給チェーン業界におけるバズワードの実質を認識し理解することの重要性を強調しています。彼は、実質的な理解を提供し、ビジネスに意義あるイノベーションに貢献できる基本的な洞察に焦点を当てるよう実践者に促しています。
フルトランスクリプト
キーラン・チャンドラー: 今日は、このバズワードが実際にどれだけ優れているか、また、良いバズワードと実際にはマーケティングの無駄なのかを判断できるかについて話し合います。では、ジョアネス、需要感知について、最初の概要を教えてください。
ジョアネス・ヴェルモレル: 実際には難しい質問ですね。私は需要感知について多くの文書をレビューしましたが、それらの文書の最良の点は、非常に曖昧であると言えます。ですので、具体的な特性や欠陥をこの非常に曖昧な概念に帰することは非常に難しいです。しかし、根本的には、需要感知は私にとって、バーポーウェアと名付けることができるものの明確な例です。なぜなら、供給チェーンを最適化するために需要感知を提供することができるとされるソフトウェアは存在するからです。ですので、バーポーウェアではないのですが、約束された成果を提供しないため、実質的には意味のないものだと言えます。
キーラン・チャンドラー: それについてのアイデアは少し曖昧だと言いましたが、基本的な概念は何ですか？
ジョアネス・ヴェルモレル: 宣伝されている概念は、再度宣伝されていると言っていますが、これはマーケティングのギミックに近いもので、過去の在庫動向や過去の販売需要などの従来のコアデータを超えたリアルタイムデータや、この文脈ではかなり定義が曖昧な機械学習を使用して、より高い精度を得るための新しいことを行うというものです。
キーラン・チャンドラー: それぞれの概念が独立して成り立っているように見えることが、それがマーケティングのギミックであることを示しています。では、問題は何ですか？
ジョアネス・ヴェルモレル: 問題は、その深さにどれだけの新しさがあるかです。需要感知技術を推進しているベンダーの主張を見てみましょう。主な主張は、より正確な予測ができるというものです。それは非常に妥当な主張です。新しい手法でより正確な統計的予測ができると言います。しかし、サプライチェーンは孤立した存在ではありません。統計的予測に関する研究の分野があり、オンラインのコンペティションもたくさんあります。機械学習と統計学習の広範な分野は非常に活気があり、予測未来需要などの特定のタスクに対する機械学習の進歩はたくさんありますが、需要感知のようなキーワードで公開された良い新しいジャーナルやハイレベルの学会で発表されたものは見たことがありません。
キーラン・チャンドラー: コンテンツ自体について話しましょう。需要感知に関する調査を行っている場合、インターネット上には多くの論文や信頼性のある情報があります。では、それをどう理解すればよいのでしょうか？提示されているものには何か問題があるのでしょうか？まず、リアルタイムデータのアイデアが提示されています。なぜなら、リアルタイムデータは良いと思われるからです。リアルタイムデータについて少し明確にする必要があります。私の見解では、リアルタイムデータとは、遅延が人間の知覚以下になることです。したがって、話している内容を明確にするための目安として、100ミリ秒です。それがリアルタイムとして認識される非常に近いタイミングです。
ジョアネス・ヴェルモレル: では、サプライチェーンの問題やサプライチェーンの問題において、データがアクセス可能であるか、またはデータを処理するためのデータパイプライン全体がリアルタイムで100ミリ秒未満で処理できる場合、需要予測の精度を50％向上させる可能性はありますか？ここで、私は非常に懐疑的です。特に、需要感知を行い、予測を行うソフトウェアのデモンストレーションを行うときには。デモでは、3年分の履歴を持つ製品を見て、6ヶ月先の予測を行っています。
したがって、需要を6ヶ月先に予測する場合、過去100ミリ秒以内の新鮮なデータや過去24時間以内の新鮮なデータがあることは、正直言ってあまり違いを生みません。1日前のデータと2日前のデータの違いが、6ヶ月先に1％の違いを生むかどうかさえ疑問です。だからこそ、私はリアルタイムの部分が非常に浅いと感じています。
それでは、他の議論の部分を見てみましょう。彼らは優れた機械学習技術を持っていると主張しています。しかし、機械学習は非常に広範な分野です。それは自動車メーカーが「私たちは物理学が優れているので、私たちはより良い車を持っています」と言うのと同じです。優れた物理学は役立ちますが、それは大胆な主張です。物理法則のレベルでの突破口が必要です。ですから、このような主張をするときには懐疑的になります。
ですので、基本的に彼らが持っているものは、もう一方の議論に戻ると、彼らは伝統的な方法よりも多くのデータを使用する予測が必要だと言っています。私は完全に同意します。この番組で何度も議論してきたように、単純な時系列予測はゴミしか提供しません。最も簡単な説明は、過去の販売データだけを見ている場合、ストックアウトを考慮に入れていないということです。たとえば、ストックアウトが発生したために販売が観測されなかった場合、観測されたゼロを予測したくありません。過去の販売は過去の需要ではありません。ですので、絶対にそれに加えてさらに多くのデータを含める必要があり、それによって非常に大幅な改善がもたらされる可能性があります。
キーラン・チャンドラー: つまり、サプライチェーンのシナリオでは、リアルタイムの情報の使用は実際には過剰なので、そのレベルの情報は必要ありません。実際、どの程度の詳細度が必要ですか？
ジョアネス・ヴェルモレル: ただし、倉庫でリアルタイムにピッキングロボットを操作している場合、100ミリ秒は実際には遅すぎるかもしれません。ですので、それは本当に問題のタイプに依存します。ただし、需要感知を推進している人々は、自動倉庫の超高速ロボットのリアルタイム制御のユースケースについては議論していません。これは
キーラン・チャンドラー: 彼らがデモで示しているのは、供給チェーン計画の従来の方法と非常に似ているものであり、販売、需要を3週間から9ヶ月、さらには1年先まで見ることから始めます。そして、私は本当にこのような状況に対してリアルタイムがどのように違いを生むのかという点について疑問を持っています。それが私が真に疑問に思っていることです。では、それは本当に誰に利益をもたらしているのでしょうか？それは単なる他のソフトウェアを売るためのマーケティングのためのトリックですか？
ジョアネス・ヴェルモレル: これは、ソフトウェアについて考えるべきでないという「無意味」という用語を考えていた場合のケースです。それは文字通り、新しいアイデア、技術、おそらく専門知識に乏しいベンダーのマーケティングのトリックです。まあ、彼らは単にマーケティングのトリックの道を選んだのです。何の実質もありません。厳しい言い方かもしれませんが、正直なところ、私には他に説明が見当たりません。私たちが直面している問題は非常に困難です。議論や改善の余地が非常に多くありますので、独自のバズワードを作り出す必要はありません。新しいものを提案するためには、洗練される必要がある多くの視点があります。完全にでっち上げられたバズワードに頼らなければならないならば、それは浅はかなマーケティングのトリックに過ぎず、それによってそれらの企業のチームが良い光を放っているわけではありません。つまり、クライアントが直面している問題に対するある種の無関心を示しており、また、クライアントを単なる馬鹿だと思って何でも押し付けることができるという程度の傲慢さも示しています。ある時点で、それは販売先の知性への侮辱とも言えます。
キーラン・チャンドラー: では、それらをどのように区別しますか？なぜなら、そんなに多くのバズワードが存在し、調査しなければならない研究がたくさんあるからです。実際に良いバズワードとは何かを区別する方法はありますか？
ジョアネス・ヴェルモレル: まず、このバズワードについて話しているのはベンダーだけなのか、異なる分野の多くの人々、互いに収束する理由のない人々、互いにコピーする理由のない人々がいるのか、ということを広く見る方法があります。需要感知については、基本的には1つのベンダーが押し付けており、他のベンダーは浅はかなマーケティングのトリックをコピーしているだけです。ですので、まずはマーケティングのトリックだけのものから始まり、他のアクターによってマーケティング的に複製されるようになりました。実質的な内容はないため、比較的簡単に複製できます。実際の技術がある場合、複製は難しくなります。複製する必要があるのが洒落たウェブサイトだけなら、はるかに簡単です。しかし、私はそれから脱線しました。
Lokadでは、確率的予測について詳しく議論していることがあります。確率的予測について議論している人々をオンラインで探すと、他の多くのコミュニティが存在することがわかります。例えば、気候を研究している人々は、確率モデルを積極的に使用しています。気候について考えると、最先端の研究は明らかに確率モデルによって推進されています。これは直接的にはサプライチェーンとは関係ありませんが、それでも、これらの概念が多様なグループにとって魅力的で有用であることを証明しています。これは非常に重要な指標だと思います。
別の指標は権威への訴求です。需要感知のような予測手法を大々的に紹介する際に、大胆な主張をする人々がいますが、アルゴリズムや数学的な詳細を説明する代わりに、名前や肩書き、経歴を前面に押し出します。
キーラン・チャンドラー: たくさんのものの中で、彼らは皆Dr. X PhDを持っていて、20年の経験があり、それがまさに権威への訴求です。ですので、それは通常、あなたのアイデアに実質がないことを意味します。そうでなければ、科学論文に履歴書を載せる必要はありません。研究者や機関の名前だけで十分です。需要感知は、おそらくマーケティングのトリックの一例ですが、サプライチェーン業界には他にも多くの例がありますか？
ジョアネス・ヴェルモレル: はい、サプライチェーンだけでなく、大企業ベンダーがこのようなゲームを多くプレイしている典型的な市場の一つだと思いますが、それだけではありません。浅はかなバズワードはかなり多く存在しています。例えば、10年前にIBMが自律型コンピューティングを大々的に推進しましたが、結局何もなかったです。データサイエンスに熱狂する前に、データマイニングに熱狂していた人々もたくさんいました。それは20年前の大きなトレンドでした。データの塊を抽出するというアイデアがあったと思いますが、それがどういうものだったのかすら覚えている人がいるかどうかさえわかりません。浅はかなバズワードは長い間続いており、実際にはそれらを覚えるのもかなり難しいです。
需要感知についてのエピソードを準備するのは実際にはかなり難しかったです。数十ページを読んで、学んだことを要約しようと半時間を費やしましたが、何も学べなかったです。ですので、このようなものを覚えるのも難しいです。
キーラン・チャンドラー: では、通常どのような結果になるのでしょうか？これらのバズワードは実質がないために忘れ去られ、業界は次のバズワードに移行するのでしょうか？
ジョアネス・ヴェルモレル: はい、それが私の個人的な信念です。私はそれを「ハイプの保存の法則」と呼んでいます。物理学には質量保存の法則がありますが、企業ベンダーのマーケティングに関しては、ハイプの保存の法則が存在します。ハイプの総量があり、バズワードがその中に入ると、他の何かがその中から出ていきます。Googleが提供するGoogle Trendsというツールを見ることで、私のハイプの保存の法則を経験的に検証することができます。AI、クラウドコンピューティング、ビッグデータ、機械学習などの多くのバズワードを取ると、時間の経過とともに、それは一定のものであり、各バズワードが一時的に盛り上がり、それから消えていくことがわかります。ですので、明らかにこれらのパターンが存在しています。
キーラン・チャンドラー: では、少しまとめてみましょう。将来のサプライチェーンの実践者が次の大きなバズワードを探している場合、何に注意すべきでしょうか？
ジョアネス・ヴェルモレル: まず、彼らは、完全に明らかな洞察を持つ何かに基本的に対処するものに注意を払うべきだと思います。科学の驚くべきことは、真実で効率的なものがあるときに、それを振り返って以前はどれほど無知だったかと思うことです。例えば、サプライチェーンでは、需要を見るときには、サポートのような目的で需要を見る必要があることに気付き始める前に、分位数予測の誕生がありました。それがリスクのアイデアでした。
キーラン・チャンドラー: 在庫の最適化とコスト削減は、在庫が回転するときに重要であることは明らかです。それは非常に重要なことであり、それを忘れることはできません。コアな概念を理解すると、非常に重要になります。キーワードを見て「クリック」とするのは、非常に基本的なことを理解したからです。それは非常に難しいことではありません。大規模なイノベーションの核心には、通常、基本的にシンプルなものがあります。
ジョアネス・ヴェルモレル: クラウドコンピューティングについて話すと、それは非常に複雑だと思うかもしれません。しかし、それがただのオンデマンドのハードウェアリソースであると言ったら、次の分には「次の1分でコンピューティングマシンを提供してください」と言うことができます。そうすれば、オンデマンドで利用可能な処理能力を販売している大規模なベンダーがあります。それを理解すると、クラウドコンピューティングについて多くのことが理解できるようになります。
キーラン・チャンドラー: したがって、これらのキーワードは通常、核心の概念を表しており、詳細には悪魔が潜んでいます。しかし、数分で理解できない場合、それはあまり価値がないかもしれません。それは、ビジネスにおいて真に追加の理解としてあなたに打撃を与えるべきです。おそらく、この追加の洞察を活用するためには、追加のツールが必要になるかもしれません。しかし、核心の理解がない場合、おそらく見ているものは何もない大きな山積みです。
ジョアネス・ヴェルモレル: その通りです。
キーラン・チャンドラー: 素晴らしいですね。ここで終わりにしましょう。お時間をいただきありがとうございました。今日は以上です。同意または異議がある場合は、以下にコメントを残してください。それでは、今週は以上です。また次回お会いしましょう。
