00:00:08 サプライチェーン最適化における意思決定優先のアプローチ。
00:02:25 データの意味論を理解するために意思決定を生成する重要性。
00:04:55 データ理解の検証手段としての意思決定生成。
00:06:10 メトリクスの最適化と意思決定プロセスにおけるエラー特定の課題。
00:07:50 メトリクス、事業戦略、そして意思決定との関係。
00:09:08 意思決定自動化のための資本主義的数値レシピの最終目標。
00:11:37 これまでのステップが効果的であったかを理解するための意思決定生成の必要性。
00:12:40 サプライチェーン意思決定における予測の役割と、意思決定優先でないことの問題。
00:14:45 業界における代替アプローチと意思決定の分割。
00:16:01 予測と原子的意思決定の調整。
00:18:16 過去の失敗から学び、新たな視点を受け入れる。
00:20:59 実践を通じた学習とプラクシスの哲学。
00:21:57 新アプローチに対する業界の準備状況と従来の試み。
00:24:10 失敗の認識とデカルト的アプローチの限界。

要約

インタビューでは、キアラン・チャンドラーとヨアネス・ヴェルモレルがLokadのdecision-firstアプローチによるsupply chain optimizationについて議論しています。従来の方法は予測に依存していましたが、Lokadはデータの理解を深め最適化を向上させるため、具体的な意思決定に注力しています。ヴェルモレルは、繰り返される失敗を経て、デカルト的視点から意思決定優先のアプローチへ転換した経緯を共有します。彼は、組織は実践を通じてしか学べないと信じ、意思決定の生成とその反復の必要性を強調しています。企業が従来のアプローチから変革するよう説得するのは困難ですが、多くは過去の失敗と従来手法の限界を認めれば前向きになると考えています。

詳細な要約

このインタビューでは、ホストのキアラン・チャンドラーがサプライチェーン最適化を専門とするソフトウェア企業Lokadの創業者ヨアネス・ヴェルモレルと対談します。彼らは、従来の予測手法とは一線を画す、Lokad独自の「decision-first」アプローチについて議論します。

歴史的に、サプライチェーンは予測手法に依存し、実際の意思決定は直感や専門知識に頼る上級スタッフに委ねられてきました。ヴェルモレルは、Lokadが意思決定を最優先するという代替アプローチを開発したと説明します。この手法は、予測的サプライチェーン最適化に何年も取り組んだ結果として生まれました。

当初、Lokadはデカルト的な視点で運営されていました。すなわち、データを収集しその意味を明確にし、予測と最適化のための数値レシピを適用し、特定のメトリクスに基づいて意思決定を行うというものでした。しかし、ヴェルモレルはこのアプローチが期待通りに機能しなかったことに気づきました。彼は、まず意思決定プロセスに注力することが、より効果的であり、かえって直感に反すると発見しました。

「decision-first」とは、具体的なサプライチェーンの意思決定、例えば、サプライヤーから追加のユニットを購入する、生産ラインでさらに1ユニット生産する、在庫をある場所から別の場所へ移動する、または製品の価格を調整する、といった行動を意味します。これらの意思決定は、サプライチェーンに実際の経済的影響を及ぼします。

ヴェルモレルは、最初にデータ準備に注力していたLokadでの経験を共有します。彼らは、販売や在庫移動などの基本的な歴史データを収集し、その理解を深めるために文書化しました。しかし、データを誤解していることに気づくのは、実際にそれに基づいた意思決定を生成してからでした。

意思決定生成メカニズムを通して、データ解釈の誤りを特定することができました。サプライチェーンの実務者が生成された意思決定を検証し、不整合を指摘することで、Lokadはデータの理解を修正できたのです。

Lokadの「decision-first」アプローチは、データ分析や予測に没頭する前に、具体的なサプライチェーンの意思決定を行うことの重要性を強調しています。この直感に反する方法は、データの理解を深め、結果的により効果的なサプライチェーン最適化へと導きます。

彼らは、サプライチェーン管理において最適な意思決定を生み出すための課題とプロセスについて探求します。

ヴェルモレルは、意思決定の生成を試みる際、サプライチェーンの現実と矛盾する問題に直面することが多いと説明します。これらの問題は通常、平凡で反復的ですが、効果的な解決策を生み出すためには、その特定と対処が不可欠です。

サプライチェーンのデータ理解を深めるために、ヴェルモレルはそのデータに基づいて意思決定を生成することを提案します。もしその意思決定が概ね正しく合理的であれば、入力データに対する意味の理解が検証されることになります。この、データのメンタルモデルと意思決定生成との往復プロセスが、精度の向上と、意思決定とサプライチェーンの現実との整合性を高めるのに役立ちます。

インタビュー参加者は、最適な意思決定を生成する際の試行錯誤の課題についても議論します。ヴェルモレルは、問題はデータに限定されず、最適化対象のメトリクス自体にも及ぶと指摘します。デカルト的な視点を採用するなら、誤差率ではなくドル単位の誤差で最適化すべきです。これは、意思決定のパフォーマンスをドルで表現するために、economic drivers(例えば、carrying costや粗利益、stock-outペナルティ)を適用することを含みます。

しかし、一見合理的なeconomic driversを適用しても、初期の意思決定がしばしば意味不明な結果に終わることがあります。ヴェルモレルは、微妙な問題がメトリクス自体に内在しており、データの理解、意思決定の生成、そしてeconomic driversの再調整という往復プロセスが必要であると説明します。

このdecision-firstアプローチの最終目標は、日常的な意思決定を自動生成できる数値レシピを構築することです。これは、大規模なサプライチェーンで日々要求される膨大な意思決定を管理するために不可欠であり、企業が多数の事務作業員を雇わずに、数値レシピ自体の継続的な改善に専念できるようにするためです。

彼らは「decision first」アプローチの重要性と、業界が予測精度に偏重することの限界について議論します。

ヴェルモレルは、従来のトップダウン、ウォーターフォール型のサプライチェーン最適化アプローチは機能しないと説明します。この手法は、システムのアップグレード、プロセスの文書化、そして包括的な計画策定のための大規模な調査を伴います。しかし、企業が実際の意思決定を生成できるまでは、これまでの取り組みが効果的であったかどうかを判断できないと彼は主張します。

業界が予測精度に注力することは知的に魅力的ですが、ヴェルモレルはそれが欠陥を孕んでいると示唆します。予測は将来の市場状況を予見する上では重要ですが、サプライチェーンに直接影響を与えるものではなく、単なる数値的産物に過ぎません。予測の改善だけでは実世界での学習や最適化には結び付きません。むしろ、企業は現実に即した意思決定を優先すべきだと強調します。

数値的産物に固執することの限界を説明するために、ヴェルモレルは企業が短期、中期、長期の予測を作成する様子を描写します。初期の問題解決ではなく、このアプローチは複数の予測問題を生み出し、各予測を調整するために余分な労力を必要とします。その結果、状況は悪化するばかりで、現実との明確な連結が得られません。

ヴェルモレルは、意思決定は原子的かつ明確に定義されているため、実世界での学習と効果的なサプライチェーン最適化につながるとし、decision-firstアプローチを提唱します。彼は、企業が意思決定を通じて現実に向き合う必要性を強調し、それによって各自の最適化努力の効果を評価できるようになると述べています。

創業者は、当初より古典的なデカルト的アプローチを試みたものの何度も失敗した経験を共有し、ミスを避けるためにはdecision-firstの視点が必要であると強調します。

ヴェルモレルは、組織は実践を通じてしか学べないと考え、完璧な解決策をトップダウンで作り上げるのではなく、意思決定を生成し反復することの重要性を強調します。多くの企業が様々なサプライチェーン最適化システムを試みたにもかかわらず成功しなかったため、アプローチ変更を説得するのは難しいと認めています。しかし、企業はまず過去の失敗と従来のデカルト的手法の限界を認識すれば、新たなアプローチを採用することに前向きになれると考えています。

完全なトランスクリプト

Kieran Chandler: 本日のLokad TVでは、まず意思決定を最優先するという代替的アプローチを理解し、これが組織の運営方法をいかに改善できるかを探ります。それでは、ヨアネス、まずはdecision-firstアプローチとは何かについて、もう少し詳しく教えていただけますか?

Joannes Vermorel: decision-firstアプローチとは、Lokadが行っている、基本的には予測的サプライチェーン最適化という業務を数年間続ける中で見出した、非常に特定の視点です。私がLokadを始めた当初は、何かを最適化するために、データを収集し、その意味を明確にし、予測、最適化という一連の明確に定義された数値レシピを適用し、特定のメトリクスに基づいて意思決定を行うというデカルト的な視点を持っていました。しかし、このアプローチは機能しないことが判明しました。これは、現代のプロジェクト実施方法とは全く異なり、非常に直感に反する方法です。

Joannes Vermorel: ここで言う「decision-first」とは、文字通り現実に即した意思決定、すなわち決定を生み出すことを意味します。具体的には、供給業者からユニットをもう1つ購入する、生産ラインでさらに1ユニット生産する、在庫をA地点からB地点へ移動する、または製品の価格を上下させるといった、日常的なサプライチェーンの意思決定のことです。これらは具体的かつ物理的な決定であり、サプライチェーンに実際の経済的影響を与えます。つまり、全てのプロセスの前に、まずこうした意思決定を行うことが最初のステップであるということです。一見すると、他のすべてが先に来ると思われがちですが、実際は意思決定が最初に行われるのです。

Kieran Chandler: そのアイデアに至った経緯について少しお聞かせください。Lokadでどのような経験をされたのでしょうか?

Joannes Vermorel: 私たちは、事業開始時にデータ準備が必要であると気づきました。例えば、サプライチェーンを最適化するには、販売や在庫移動などの基本的な歴史データが必要です。データを文書化すればその理解が深まると思われ、実際にそうしました。しかし、データを文書化するたびに何かしらの誤りが生じ、しかもその誤りには意思決定を生成するまで気づけなかったのです。たとえば、「この場所からあの場所へ在庫をXユニット移動しよう」という意思決定を生成し、サプライチェーン実務者に確認してもらうと、「これは全くおかしい。明らかにデータを誤解している」と指摘される、という具合でした。

Kieran Chandler: 本来それを行うべきでない状況には、非常に正当な理由があります。それは必ずしも高度な問題ではなく、むしろ平凡な問題です。例えば、第一のロケーションに実際には僅か5ユニットしか残っていないのに、1000ユニットが残っていると思い込んでしまい、50ユニットすら移動できない場合などです。

Joannes Vermorel: 最初に意思決定を生成し、その後、経験豊富なサプライチェーン実務者が一目でその決定に誤りがあると指摘するというのは興味深いですね。そこで、自分たちがこれまで認識していなかった多くの問題に気づくのです。

Kieran Chandler: 確かに直感に反しますね。データクレンジングやデータ構造の理解を行えば、そうした誤った意思決定は除かれると思われがちですから。

Joannes Vermorel: 私たちが「誤った意思決定を生成する」と言うとき、それは平凡な方法でサプライチェーンの現実と矛盾する決定をするという意味です。意思決定自体を生成するには多くの知見が必要です。ここで大事なのは、データを正しく理解しているかどうかを確かめる唯一の方法は、そのデータから意思決定を生成できることであり、もしその決定が概ね正しく合理的であれば、入力データに適用されるはずの意味論が検証されるという点です。

Joannes Vermorel: しかし、これは単に自分が考えるデータの意味、すなわちメンタルモデルと、意思決定を実際に生成するメカニズムとの間を何度も往復するプロセスです。現実があなたの行動にフィードバックを与えることで、データに関して見落としていた多くの誤りに気づかされ、再び見直しのプロセスに入るのです。

Kieran Chandler: では、最終的な意思決定にはどのように至るのですか?試行錯誤のプロセスが非常に多いように思えますが、その割合はどれほどなのでしょうか?

Joannes Vermorel: それ以上に悪いのは、あなたが指摘したデータに関する問題しか議論していないという点です。問題はデータに限らず、最適化するメトリクスそのものにもあります。カルテジアン的な観点に立てば、「計測していないものは最適化できない」ということになります。Lokadでは、エラーの割合ではなく、ドル単位のエラーで最適化を行うことを推奨しています。つまり、適用可能なすべての経済的駆動要因を表すドルで示されたメトリクスが必要なのです。例えば、在庫の場合、保管コスト、粗利益、在庫切れペナルティといった経済的要因を考慮に入れる必要があります。

Kieran Chandler: Lokadにおける意思決定のパフォーマンスをどのように測定しているか説明していただけますか?

Joannes Vermorel: はい、これは意思決定のパフォーマンスをドルで表現する方法です。論理的に言えば、「自分が理解しているDRを取り、予測部分としての統計的な高次元学習能力を用い、さらに高次元の数値最適化能力を駆使し、自らのビジネス戦略と駆動要因を反映するメトリクスを適用する」ということになります。

Kieran Chandler: そして、このメトリクスを初めて適用するとどうなりますか?

Joannes Vermorel: 結局、意味不明な意思決定が山ほど生じることになります。これは非常に不可解な現象です。なぜなら、経済的駆動要因というものが一見自明に見えるものの、実際はそうでもなく、例えば保管コストや粗利益といった非常に基本的な要素でさえも、これを意思決定に適用すると必ずと言っていいほど、非常に馬鹿げた、質の低い決定に終わるからです。そして、それらの決定は何を反映しているのでしょうか?それは、ミスや考え、微妙な問題がメトリクスそのものに潜んでいることを示しています。つまり、データの理解とその上に生成された意思決定との間で、行ったり来たりを繰り返しているのです。我々は常に「計測していないものは最適化できない」という考えについて話しています。では、最終目標は何でしょう?つまり、データがあなたの意思決定を正当化することが最終目標なのでしょうか?

Kieran Chandler: そして、サプライチェーンの専門家にとっての最終目標は何でしょうか?

Joannes Vermorel: 最終目標は、資本主義的な何かを手に入れることです。ご覧の通り、「意思決定を最優先にする」という考えは、あらゆる日常的な意思決定を自動で生成する数値レシピを提供するというものです。なぜなら、そうした意思決定が非常に多いためです。我々の最大のクライアントは、毎日何百万もの意思決定を生成する必要があります。ですから、まだ多くの企業が事務員の軍団を抱えているか、あるいは「これをこなす奇跡のレシピを用意しよう」と決断するかのどちらかです。そして、私がこの分野に注ぎ込む全ての努力は、数値レシピ自体の継続的な改善のためにあるのです。

Kieran Chandler: そして、このアプローチの興味深い点は何ですか?

Joannes Vermorel: 興味深いのは、実際にその意思決定を生成するまで、その他のあらゆることが本当に機能しているのかさえ確信が持てないという点です。もしカルテジアン的なトップダウンの視点を取るなら、「まずはERPを新たな能力XYZにアップグレードする。これには6ヶ月かかる。次に、注文を文書化し、整理し、そしてまたXYZ関連の作業を行い、全てをデータレイクにプッシュし、その後、外部コンサルタントを交えてさらに6ヶ月の調査を行い、戦略を完全に明確にして、完全な定量化を行う」という計画になるでしょう。

Kieran Chandler: これらのビジネスドライバーに基づいて、最終的にそれらすべてを統合して最適化された意思決定の自動実行を生み出す。まるで、フェーズ1からフェーズ2、フェーズ3へと進んでいく美しいウォーターフォール型の計画のように見えます。しかし実際のところ、これは全く機能しません。そしてこれが最も悔しい教訓です。実際に意思決定を生成する段階に達するまで、これまでに取ったどのステップが機能しているのか全く分からないのです。これが、非常に衝撃的な点です。確実に実行できる計画があると思いきや、現実との接触、フィードバックループがなければ、本当に何が機能しているのか分からないのです。

Joannes Vermorel: そうですね、業界は予測および予測精度という考えに非常に注目していますよね。なぜ企業やコンサルタントはこのような見解をそこまで押し進めるのでしょうか?

Kieran Chandler: なぜなら、知的に非常に魅力的で、とても合理的に見えるからです。

Joannes Vermorel: もちろん、予測は非常に重要です。なぜなら、サプライチェーンの意思決定を下すたびに、市場の将来の状態に関する声明を発しているに等しいからです。例えば、原材料の発注をサプライヤーに出せば、それは将来の需要状態について暗黙のうちに述べていることになります。私たちはテレポートすることも、瞬時に全てを3Dプリントすることもできないため、サプライチェーンでは市場の将来の状態を予期することが肝要なのです。ですから、企業は合理的に「まずは予測の改善を行おう」と考えます。これは、私たちが裸の予測のエピソードで議論したことと基本的に同じです。しかし、その結果として様々な問題が生じます。そして、もし今回の「意思決定を最優先にする」というエピソードという視点から再検討すると、問題は、本当に意思決定を最初に行っていないという点にあります。つまり、「より良い予測を推進して、それをもとに何かを作ろう」と言うのであれば、それは意思決定を最初に行っているとは言えません。数値的なアーティファクトから始めているに過ぎないのです。あらゆる予測は単なる数値的アーティファクトであり、サプライチェーンに直接的な影響を及ぼすことはありません。そして、「将来的に改善するかもしれない」と考えても、Lokadで10年以上サプライチェーンプロジェクトを運営して学んだ教訓は、そうではなく、学びは現実からしか得られないということです。現実こそが、何が正しく何が間違っているかの最終的な判断者なのです。そして、現実と真に向き合い、リスクを冒して意思決定を行うことで、このサプライチェーン最適化プロジェクトが正しい方向へ向かっているかどうかを見極めることができるのです。

Kieran Chandler: では、意思決定を最優先にするというのは確かに我々の見解ですが、業界に存在するこれらの代替アプローチ、また意思決定を分割するような方法についてはどうお考えですか?

Joannes Vermorel: 例えば、特に数値的なアーティファクトに注目し始めると、ほとんど制約が与えられず、それらを基本的に分割・分解できてしまうというのが典型的な現象です。例えば、短期予測、中期予測、長期予測といった具合です。そうすることで、もともと1つだった予測の問題が、今や3つの予測問題となり、さらに異なるチーム間で作業を統合する必要性すら生じてしまいます。つまり、長期予測と中期予測を調整し、短期予測と中期予測、さらには短期予測と長期予測をそれぞれ調整しなければならなくなるのです。問題は1つだったのが、今や6つに増えてしまうのです。結果として、状況はさらに悪化し、あなたが行っていることが現実にどう結びついているのかはなお不明瞭なままなのです。

現実は、あなたが行っていることが間接的に間違っているかどうかを教えてはくれません。これが意思決定の素晴らしさです。意思決定を最優先にするアプローチでは、意思決定は非常に原子的で明確に定義されています。Lokadでは、意思決定は原子的であり、細分化することはできません。例えば、「今日、このサプライヤーから1単位購入する」と言えば、それ以上細分化できないほど原子的なのです。場合によっては、「今日、このサプライヤーから1単位購入し、その単位をトラックで出荷する」と精緻化することも可能ですが、基本的には意思決定は定義上完全に原子的なのです。細分化できないおかげで、作り出せる不確かなものに制約を設けることにもなるのです。

意思決定に注目することで、物事を分割したり、でっち上げの作業を生み出したりするいわゆる一連のミスを防ぐことができます。これは視点そのものを根本から変えるものです。

Kieran Chandler: では、より古典的なアプローチに慣れている組織を説得するために、あなたは何をされますか?

Joannes Vermorel: それが問題の核心です…

Kieran Chandler: 問題は、説得するのが非常に難しいという点です。まず、私自身がこのアプローチに納得していなかったのです。ご存知の通り、2008年にはこの方法から始めたわけではなく、より古典的、つまりカルテジアン的な方法、ウォーターフォール原則やエンジニアリング原則、つまり入力を明確にし、メトリクスを明確にし、モデルを明確にして、それらを組み合わせて最適化を行えばうまくいくという方法を試してみたのですが、全くそうはいかなかったのです。

Joannes Vermorel: 私の経験では、この方法は何度も失敗し、非常に苦痛な取り組みを山ほど重ねてきました。結局、カルテジアン的な方法で進めると、実際には、順調に進んでいたプロジェクトも、予定された完了日に差し掛かると何も機能していないことに気づき、すべてを最初からやり直さなければならなくなるのです。

結局、実際に本番環境に移行しようとすると、これまでのすべての作業がうまく機能していないことが明らかになり、再検討せざるを得なくなるのです。これが肝心な点です。この視点を取り入れなければ、プロジェクトはただ何年もかかるだけです。ウォーターフォール的なアプローチに基づいて1年で完了する計画を立てたとしても、システムを稼働させようとした日にすべてが崩壊し、システムを再び停止、そしてまた繰り返すことになってしまいます。それで何年もかかってしまうのです。

私の哲学は、まずこの実験について伝えることから始めるというものです。そして、より哲学的な視点から言えば、学ぶべきことは教科書からは学べないということです。人生のほとんどのことは、実際に行動することで学ぶものです。何もしないで何かを学ぶのは、実に困難なのです。

理論上、たった1冊の本を手に取って6ヶ月間読み、丸暗記すれば外国語を習得できるかもしれません。しかし、実際にそのようなことができる人を見たことがあるでしょうか?理論上は可能かもしれませんが、現実にはそうではなく、試みてはつまずき、時には伝わらず、徐々に上達していくものです。ご覧の通り、学ぶのは行動することによってです。これが古代ギリシャのプラクシスの概念であり、サプライチェーンのような非常に複雑なシステムにおいて、他に学ぶ方法があるはずがないと私は考えます。それ以外の道を探るのは愚かだと思います。

Kieran Chandler: では、そろそろまとめに入りましょう。理論上は素晴らしく聞こえるものの、実際には確立されていません。業界は本当に全く新しいアプローチを受け入れる準備ができていると思いますか?それとも、古いやり方に固執しているのでしょうか?

Joannes Vermorel: 面白いことに、サプライチェーン最適化システムを何十年も導入してきた大多数の企業、特に大企業を見ると、その準備状況は実に驚くべきものです。彼らは…

Kieran Chandler: たとえば、ERP(Enterprise Resource Planning)という用語自体が、通常、何らかのサプライチェーン最適化を意味しています。しかし、過去30年にわたって展開されてきたほとんどのERPは、この分野で価値を提供していません。確かに、管理面では大いに価値を発揮します。例えば、在庫の管理やリアルタイムの可視化、請求書、支払い、遅延の追跡などのワークフロー自動化は非常に優れています。しかし、予測最適化に関しては、業界の現状はほとんど存在していません。実際に機能するものは非常にわずかで、その理由は挑戦が不足しているからではありません。むしろ、私たちがサポートする大企業では、通常、5回目、6回目、あるいは7回目の試みとなっているのです。従って、準備の面では、多くの企業が過去30年に渡って挑戦してきたため、取り組む準備は整っていると考えます。決して挑戦不足ではありません。

Joannes Vermorel: 問題の核心は、ほとんどの企業が自らの失敗の細部すら認めようとしなかったことにあると思います。これは、別のエピソードで議論したネガティブ・ナレッジの力に関連しているかもしれません。もしかすると、企業は、ペンと紙を持って机に向かい、ひたすら思考するという、洗練されたカルテジアン的なアプローチに頼るのではなく、複雑で厄介な問題に焦点を当て始める必要があるのかもしれません。しかし、サプライチェーンマネジメントではそれは通用しません。サプライチェーンはあまりにも混沌としているのです。行動するだけでなく、意思決定を生成しなければなりません。意思決定を生成して、誰かに見せれば「いや、これでは機能しない」と言われるでしょう。それだけで十分なのです。しかし、準備の面に関して言えば、あなたの質問に戻ると、私見では多くの企業が準備できているとは思いますが、それは険しい戦いになるでしょう。Lokadにとっては、カルテジアン的なトップダウンの視点で初めから完璧に行おうとするのではなく、現実に即したリスクを冒す形でイニシアティブを進めるしかないということを、彼らに納得させる必要があるのです。残念ながら、前者の方法は絶対に機能しません。

Kieran Chandler: よし、素晴らしいですね。ここで締めくくらせていただきます。お時間をありがとうございました。ということで、今週はこれで全てです。ご視聴ありがとうございました。また次回のエピソードでお会いしましょう。さようなら.