00:00:07 サプライチェーン業界におけるMicrosoft Excelの役割.
00:01:33 Excelの人気の理由とその主要な強み.
00:03:01 ヒューリスティックとそれらのスプレッドシートでの実装.
00:04:43 技術的行き詰まりとしてのExcelとその限界.
00:06:46 複雑で複製されたロジックによるスケーラビリティの問題.
00:08:01 Excelおよびスプレッドシートのプログラミングモデルの限界.
00:09:38 複雑で複製されたロジックによるスケーラビリティの問題.
00:11:39 スプレッドシートからの脱却と、より優れたプログラミング機能の必要性.
00:13:27 ヒューリスティックを超えて、モダンなアプローチを取り入れる.
00:15:00 GoogleやAmazonから学び、サプライチェーン最適化における機械学習の役割.
00:16:00 サプライチェーン最適化における確率的予測の重要性.
00:17:10 サプライチェーン管理において、Microsoft Excelより先進的な技術を使用することに対する懐疑心に対処する.
00:18:19 AmazonやAlibabaなどの企業が業界に与える影響.
00:19:45 技術的行き詰まりに留まることの影響.
00:20:01 予測的サプライチェーン最適化におけるExcelの適切な利用法とその限界.

概要

このインタビューでは、キアラン・チャンドラーとLokadの創設者であるジョアネス・ヴェルモレルが、サプライチェーン管理におけるMicrosoft Excelの役割について議論しています。ヴェルモレルはExcelをサプライチェーンの「スイスアーミーナイフ」と呼び、そのプログラマビリティとカスタマイズ性の強みを認めています。しかし、彼はスプレッドシートが複雑なサプライチェーン管理において技術的行き詰まりに陥っており、そのプログラミングモデルの限界が複製や保守の問題を引き起こしていると考えています。サプライチェーンを最適化するために、ヴェルモレルは企業が機械学習のような先進技術を採用し、ヒューリスティックに代わるデータ駆動型の洞察を取り入れるべきだと提案しています。Excelには優れた点があるものの、複雑な最適化においては、組織はスプレッドシートを超えて、AmazonやAlibabaといったテック大手の背中を追う必要があります.

詳細な概要

このインタビューでは、ホストであるキアラン・チャンドラーが、サプライチェーン最適化に特化したソフトウェア会社Lokadの創設者であるジョアネス・ヴェルモレルとともに、サプライチェーン業界におけるMicrosoft Excelの役割について議論しています。会話は、Excelの人気の背後にある理由、その強み、および業界でのヒューリスティックの使用に焦点を当てています.

ヴェルモレルは、Microsoft Excelがサプライチェーンのスイスアーミーナイフであると考えており、世界中のサプライチェーンの約90%がExcelで運用されていると推定しています。彼は、優れた代替手段が非常に最近まで存在しなかったこと、つまり多くの一見優れているオプションが実際にはいくつかの点で優れていなかったことから、その人気が生まれたと考えています.

Excelの主要な強みは、そのプログラマビリティと表現力にあり、高度なカスタマイズを可能にします。組織全体に普及しているため、各地や製品ラインのサプライチェーン担当者が、自分たちでヒューリスティックやサプライチェーン管理のための数値的レシピを作成することができます。ヴェルモレルは、ヒューリスティックを、証明はできないが概ね正しいとされる数値的レシピと定義しています。これらのヒューリスティックは試行され、テストされ、時とともに調整され、部門ごとや地域ごとに異なります.

サプライチェーン管理におけるヒューリスティックの例として、前年度の同じ期間に販売されたユニット数のちょうど2倍を、3か月間の期間で在庫として保持することが挙げられます。そのようなヒューリスティックの根拠は必ずしも明確ではありませんが、実際に機能することが確認され、業界全体で広く利用されています.

ホストのチャンドラーは、基本的な概算が何十年にもわたってサプライチェーン業界に十分であったと指摘しています。ヴェルモレルも同意していますが、業界が進化する中でさらなる改善と最適化の機会があることを強調しています.

彼らは、サプライチェーン最適化におけるスプレッドシートベースのアプローチの限界、特にExcelやその類似ツールに焦点を当てた問題点について議論しました。ヴェルモレルは、企業はすでにスプレッドシートのような環境においてヒューリスティックの限界に達しており、この技術は行き詰まっていると説明しています。議論はその理由と、複雑なサプライチェーン管理にスプレッドシートを使用することの固有の問題点にまで踏み込んでいます.

ヴェルモレルは、企業が1990年代にスプレッドシート技術の可能性を探り始め、2000年代初頭には比較的安定した状態に達したと指摘します。いくつかの進歩はあったものの、彼はExcelやGoogle Sheets、OpenOfficeなどの類似プログラムを含むスプレッドシートが技術的行き詰まりに達していると信じています。これは、企業がヒューリスティックを最適化した後に残る変更が些細なものであるためです.

チャンドラーは、スプレッドシートベースのアプローチの限界についてヴェルモレルに説明を求めます。ヴェルモレルは、一部の人々がExcelの問題は大量のデータを扱えないことであると誤解していると説明します。しかし、彼が考える本当の問題はプログラミングモデルにあるということです。彼は、もしMicrosoftがExcelのスケーラビリティを拡大し、何十億行ものデータを処理できるようにしようとすれば可能であるが、実用的な観点から行き詰まりと認識しているため、そのような措置を取らないと主張しています.

ヴェルモレルによれば、スプレッドシートのプログラミングモデルは、論理の大量の複製を伴うためスケーラブルではありません。ユーザーがあるロジックをより多くのデータに適用したいとき、彼らはそれをスプレッドシート全体にコピー&ペーストするため、非効率なプログラミングプロセスとなります。この複製は、組織が大規模な組織全体で複数のヒューリスティックを統合しようとするときに、さらなる複雑さと情報管理の困難さを引き起こし、問題が深刻化します.

例として、ヴェルモレルは、数百の商品と2~3のヒューリスティックを含む小規模なスプレッドシートのシナリオを説明します。範囲が拡大され、より大きなセグメントに対してさらに多くのヒューリスティックが必要になると、複雑性の問題が発生します。全組織にわたって数百のヒューリスティックをスプレッドシートで管理しようとすると、管理不可能な悪夢となります.

このインタビューは、サプライチェーン最適化におけるスプレッドシートベースのアプローチが到達した技術的行き詰まりを強調しています。その限界は、論理の大量複製を伴い、規模拡大時に複雑性を管理できないプログラミングモデルにあります。これにより、今日のビジネス環境における複雑なサプライチェーン管理のニーズに対して、スプレッドシートは適していないことが明らかになります.

この会話は、複雑なサプライチェーン管理にスプレッドシートを使用することの課題と、より高い効率性とスケーラビリティのためにそれらを超える必要性に焦点を当てています.

ヴェルモレルは、スプレッドシートがサプライチェーンの管理に頻繁に使用されるものの、複雑性への対処に限界があるため最適なソリューションではないと強調しています。彼は、スプレッドシートで使用されるプログラミングモデルが論理の重複を引き起こし、保守やデバッグを困難にしていると指摘します。これは、サプライチェーン担当者が使用する異なるヒューリスティックに対応するために、数百の異なる数式を含む大規模なスプレッドシートを扱う際に特に問題となります.

スプレッドシートからどのように移行できるかという問いに対し、ヴェルモレルは、単にスプレッドシートのロジックを他のシステムにコピーするだけではわずかな改善にしかならないと述べています。代わりに、組織は根本的にアプローチを再考し、ヒューリスティックに代わるデータ駆動型の洞察を提供するために、機械学習などのより先進的な手法を採用する必要があります.

GoogleやAmazonのようなテック大手から学べる教訓について議論しながら、ヴェルモレルは、これらの企業が歴史的データから学ぶために機械学習を使用し、ルールベースのシステムを超えて進化していると説明しています。これにより、彼らはサプライチェーンをより効果的に最適化することが可能となっています。しかし、彼は、機械学習で成功する鍵は、Amazonの研究や出版物で実証されている確率的予測の視点を採用することにあると指摘しています.

Excelからの移行に躊躇する懐疑的なサプライチェーン担当者の懸念に対し、ヴェルモレルは、Excelには安定性やスケーラビリティなど多くの優れた特性があると認めながらも、予測的サプライチェーン最適化においては技術的な行き詰まりを意味すると警告しています。彼は、特にAmazonやAlibabaのような競合他社がサプライチェーン管理の技術革新を積極的に進めている状況で、自社の業界が現状に甘んじる余裕があるのかを検討するよう促しています.

ヴェルモレルは、Excel自体が本質的に欠陥があるわけではなく、データ入力やその他のシンプルなタスクには依然として有用であると強調して締めくくります。しかし、複雑なサプライチェーン最適化においては、企業はスプレッドシートを超え、より先進的な手法を採用する必要があります.

完全な書き起こし

キアラン・チャンドラー: 今日は、この目標について議論し、それを置き換えることがなぜ容易ではないのかを理解していきます。では、ジョアネス、サプライチェーン業界におけるMicrosoft Excelの役割をどのように捉えていますか?

ジョアネス・ヴェルモレル: つまり、Excelは文字通りサプライチェーンのスイスアーミーナイフといえるものです。BICライターのように、あらゆる目的で使われる存在です。Excelを通じてどれだけ多くのことが行われているかは、本当に驚くべきものです。私の見積もりでは、世界中のサプライチェーンの90%以上がSAPやERPシステムではなく、Excelで運用されていると言えるでしょう。ERPシステムは資産管理を行いますが、予測的サプライチェーン最適化に関しては、その90%以上がExcelで行われています. キアラン・チャンドラー: 業界の90%以上が使用しているとすると、なぜそれほどまでに人気があり、人々は依存しているのでしょうか?

ジョアネス・ヴェルモレル: 興味深いですね。すなわち、最初の理由は、非常に最近まで、優れた代替手段がほとんど存在しなかったからだということです。多くの一見優れている代案は、実際にはいくつかの点でそれほど優れていなかったのです。ですから、人々がExcelを手放さなかったのは、愚かだったわけでも、宗教的に固執していたわけでもなく、単に信頼できる代替手段が存在しなかったからです.

キアラン・チャンドラー: では、Excelを非常に強力なものにしている特徴とは何でしょうか、そしてなぜ人々はそれを好むのでしょうか?

ジョアネス・ヴェルモレル: その強力さの一因は、この種のシステムが持つプログラマビリティと表現力を組み合わせることができる点にあります。もう一つは、組織内に広く普及していることです。国や地域、製品ラインにまたがる多くのサプライチェーン担当者が、それぞれ自分たちのヒューリスティックを作成することができます.

キアラン・チャンドラー: ところで、ヒューリスティックとはどういう意味ですか?どのように定義しているのですか?

ジョアネス・ヴェルモレル: ヒューリスティックとは、証明ができないものの、概ね正しいとみなされる数値的レシピのようなものです。純粋な数学的観点からは、正確ではない場合もありますが、概ね機能するという最善の試みです。例えば、一般的なサプライチェーンのヒューリスティックとして、前年度の同じ期間の販売数の2倍を在庫として持つというものがあります。これらのヒューリスティックは試行・検証され、時間の経過とともに、期間の長さや使用される係数といった魔法の数値が調整され、部門や地域ごとに変化しています。スプレッドシートの素晴らしい点は、こうした多様なヒューリスティックを実装する無数のスプレッドシートを組織内に組み込むことができる点にあります.

キアラン・チャンドラー: つまり、業界で見られるのは、この基本的な概算で十分だということであり、多くのサプライチェーンが何十年にもわたってそれに依存して運営されてきたということです.

ジョアネス・ヴェルモレル: その通りです。「十分だ」と言われるのは興味深いことで、何十年もそれに依存してきたという事実があり、私の観点からすると、今は・・・

キアラン・チャンドラー: 現代では、Excelは行き詰まりの技術だと考えています。企業はすでに十分な時間をかけてヒューリスティックを考案し、それらを精緻化し、最大限に活用してきました。興味深いのは、企業がExcelで利用できるほとんどのヒューリスティックに到達してしまった点です。そして、ここでいうExcelとは、単にExcelだけでなく、スプレッドシートのような環境を提供するあらゆる種類のソフトウェアを指しています。例えば、Google Sheetsもこの点ではExcelと全く同じです。正確にExcelであるかどうかは問題ではなく、重要なのはスプレッドシートのデータモデルです。Excelであっても、OpenOfficeの代替品であっても本質的には関係ありません。興味深いことに、これらの企業は1990年代にスプレッドシートで何ができるかを探究し、2000年代初頭には多くの大企業が比較的安定した状態を手に入れたと思います。私たちは今、その安定状態からほぼ20年が経過しており、この点で新しいものは実質的に何もないのです。そして、実際に、一度基盤が固まってしまえば、残るのは取るに足らない些細な変更だけです。では、技術的行き詰まりだと言うのは、実際に何が欠けているのか、スプレッドシートベースのアプローチにはどんな問題があるのでしょうか?

Joannes Vermorel: 一部の人々は Excel の制限を誤解しています。よくある誤解は、Excel にスケーラビリティの問題があり、大量のデータを処理できないというものです。確かに、Excel スプレッドシートではテラバイトのデータを処理することはできませんが、それ自体が実際の問題ではありません。もしマイクロソフトが数十億行に対応するスプレッドシートを提供しないと決めたとしても、それは技術的に不可能だったわけではありません。実際、Excel 97 では最大行数を 65,000 行から約 100 万行に増やしました。大規模データ処理に特化した別バージョンの Excel を用いれば、最大行数を十億行にまで引き上げることも可能です。では、なぜマイクロソフトは Excel のスケーラビリティを単に引き上げないのでしょうか?それは、現実的な観点から見て、それが行き詰まりだと理解しているからです。

Excel やスプレッドシート全般がスケーラブルでないのは、そのプログラミングモデルに起因します。すなわち、スプレッドシート内で何らかのロジックがあると、その同じ処理をさらに行いたい場合、基本的にそのロジックをシート全体にコピー&ペーストするという方法を取るのです。プログラミングの視点から言えば、これはロジックの大規模な複製を意味します。ひとつの数式があったところに、もはや100万ものコピーが存在する状態になります。大規模な組織では、各人が独自のヒューリスティックを持てるという長所がありました。しかし、数百の商品を扱うスプレッドシートで、うまく機能する二、三のヒューリスティックがある場合、より広い範囲のために20種類以上の異なるヒューリスティックを一つの大きなスプレッドシートに統合しようとすれば、いきなりスプレッドシートは複雑性の問題に直面します。コピー&ペーストされたわずか二つの数式だけではなく、異なる用途で用いられる20もの数式が含まれるため、かなり複雑になってしまうのです。組織全体で何百ものヒューリスティックを拡張しようとすると、完全な悪夢となります。

Kieran Chandler: スプレッドシートはどこかぎこちなく、その計算に時間がかかるように見えます。それは、複製されたロジックが原因ですよね?

Joannes Vermorel: その通りです、大部分はそうです。プログラミングモデルは、あらゆる場所でロジックの複製を招きます。問題は、そのロジックをどのように保守管理するかにあります。数百もの異なる数式が含まれる Excel スプレッドシートをどのように管理するのでしょうか?ここで言う「数百もの異なる数式」とは、列ごとに一種類だけの異なる数式という簡単な状況のことではありません。100万行ある Excel スプレッドシートを想像してください。その中には、直上や直下と同じ数式ではないものも存在します。異なる商品ラインやセグメントを扱うサプライチェーンの実務者は、それぞれ異なるヒューリスティックを使用しているのです。それを踏まえると、スプレッドシートは非常に複雑になり、保守が非常に困難になります。スプレッドシートは複雑性の増大にうまく対応できず、大規模なスプレッドシートの保守、デバッグ、さらには内容の把握すら悪夢となってしまいます。

Kieran Chandler: では、どうやってこれらのスプレッドシートから脱却できるのでしょうか?組織は何年もかけてこれらを作り上げ、その中に多くのロジックが詰め込まれています。

Joannes Vermorel: まず、プログラミング能力が必要ですが、以前のものを単純に再現しても意味がありません。かつてのスプレッドシートのロジックをそのまま再現しようとすると、結果的に以前と大差ないものになってしまいます。バックアップやアクセス権管理がわずかに改善されるだけです。根本的には、スプレッドシートを別のシステムにそのまま移行しようとすれば、技術的な行き詰まりに陥るでしょう。効率が数パーセント向上するかもしれませんが、その効果は非常に薄いでしょう。それを終えたところで、さらなる改善は望めません。さらに、新しいシステムはやや硬直しているため、敏捷性を失う可能性もあります。したがって、ヒューリスティックを超える何かを考える必要があり、自らを再発明して、より良い成果を上げるための方法を模索すべきです。

Kieran Chandler: Google や Amazon といった、既存の枠を超えてより現代的なアプローチを実装している企業の例に触れられていましたが、彼らの実践や採用している手法から何が学べるのでしょうか?

Joannes Vermorel: 現代の機械学習の特徴は、ルールベースのシステムの段階をどう乗り越えるかにあります。1960年代に人間の知能を模倣し始めた最初の段階は、ルールベースのエンジン、すなわち意思決定エンジンでした。サプライチェーンで使われるヒューリスティックは、まさにそれ、購入すべきか、生産すべきか、あるいは特定の領域により多く割り当てるべきかを判断するためのルールなのです。それを超えていくには、自らを再発明し、サプライチェーンプロセスを改善するために現代的な機械学習技術を採用する必要があります。

Kieran Chandler: ルールベースのシステムの段階に達し、ルールを調整したという状況があります。Google や Amazon が行っていることを見ると、「ああ、我々は機械学習をやっている」と言い、これが流行語となり、非常に先進的な機械学習として AI と見なされることもあります。根本的には、とてもシンプルな考え方です。手動で維持される静的なルールの集合を持つのではなく、過去のデータからそのルールを学習していくのです。

Joannes Vermorel: 必要なのは基本的にプログラミング能力ですが、さらに機械学習の能力も要求されます。そうすれば、大部分のヒューリスティックをデータそのものから直接学習することが可能になるのです。非常に複雑なことではありませんが、もしあなたのプログラミングパラダイムが間違っていると、全く機能せず、機械学習も上手く動作しません。Amazon や Lokad といった数社が異なるアプローチを取り入れるまでは、定量的サプライチェーンの支配的なパラダイムは、ただ一つの未来のみを想定する古典的な需要予測に基づいていました。我々は予測を行い、その一つの未来にすべてを基づかせていました。残念ながら、このアプローチでは上手くいかず、いわゆる単純なヒューリスティックの性能を再現することはできませんでした。それらのヒューリスティックを上回りたいなら、確率的な予測の視点を採用する必要があり、そうすればヒューリスティックを上回る可能性が出てくるのです。まさにそれが公開された研究から見るに、Amazon の取り組みの姿勢なのです。

Kieran Chandler: ここで全体をまとめると、これを見ている懐疑的なサプライチェーン実務者、つまりシステムは何とか動作しているものの多少ぎこちなく Microsoft Excel を使っている方に、何と言いますか?本当にそこから離れるインセンティブはあるのでしょうか?

Joannes Vermorel: もしあなたが Excel を使用していて、それが一、二十年にわたって続いているのなら、まず認識すべきは、あなたが技術的な行き詰まりにあるという事実です。Excel は良い製品かもしれませんが、これ以上の進化は望めません。次のバージョンの Microsoft 製品が何かを解決してくれるとは期待すべきではありません。Excel は既に優れた製品であり、非常に安定していてクラッシュせず、かなりのスケーラビリティと多くの優れた特性を持っています。それ以上の進化はほとんど期待できません。スプレッドシートの代替手段も、わずかな改善はあるかもしれませんが、根本的な違いは生まれないでしょう。問題は、ただ行き詰まりの状態に甘んじ続けられるかどうかです。ある産業は停滞状態でもやっていけるかもしれませんが、サプライチェーンに関しては、Amazon、Alibaba、Zalando など一部の企業が技術的に非常に積極的で、極めて速いペースで進展しています。彼らは実際にサプライチェーン面で成果を上げており、それをスプレッドシートで達成しているわけではありません。つまり、あなたは停滞状態にいるわけです。中にははるかに優れた成果を上げている企業もあり、それは単なるマーケティングの誇大広告ではありません。Amazon や Alibaba の成長は実体的です。本当にこの技術的な行き詰まりに甘んじ続ける余裕があるのでしょうか?あるいは、そうではないのでしょうか?

Kieran Chandler: では、結論として、Excel はもはや猶予期間を終えつつあり、実際に業界から Excel が全く姿を消す日が来ると言えるでしょうか?

Joannes Vermorel: 誤解しないでください。Excel は予測的最適化のためではなく、データ入力や表形式のデータ入力のためによく利用されています。マイクロソフトが80年代後半にスプレッドシート戦争に勝利したのは、Excel の計算能力が最高だったからではなく、Excel を利用したデータ入力が容易だったからです。スプレッドシートを使用する状況は非常に多く存在しますが、

Kieran Chandler: データ入力が容易だったという理由から、スプレッドシートの使用が全く問題ない場合も多々あります。私が言いたいのは、もしある程度複雑なサプライチェーンネットワークの予測的最適化を行いたいのであれば、この特定の目的に関しては Excel は限界に達しているということです。他の多くの用途では、Excel でも十分です。では、最後に何か一言はありますか、Joannes?

Joannes Vermorel: この分野には引き続き注目し続けるべきだと思います。

Kieran Chandler: 今週も同じくです。ご視聴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!