00:00:08 サプライチェーン最適化における決定ファーストのアプローチ。
00:02:25 データの意味を理解するために意思決定を生成する重要性。
00:04:55 データの理解のための検証メカニズムとしての意思決定の生成。
00:06:10 指標の最適化と意思決定プロセスのエラーの特定の課題。
00:07:50 指標、ビジネス戦略、意思決定の関係性。
00:09:08 意思決定自動化のための資本主義的な数値レシピの最終目標。
00:11:37 前のステップが効果的であったかを理解するために意思決定を生成する必要性。
00:12:40 サプライチェーンの意思決定における予測の役割と決定ファーストでないことの問題。
00:14:45 産業界における代替手法と意思決定の分割。
00:16:01 予測と原子的な意思決定の調整。
00:18:16 過去の失敗から学び、新しい視点を受け入れること。
00:20:59 実践による学びと実践の哲学。
00:21:57 新しいアプローチへの産業界の準備と以前の試み。
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、Kieran ChandlerとJoannes VermorelがLokadの決定ファーストアプローチについて話し合っています。従来の手法では予測に頼っていましたが、Lokadはデータの理解と最適化を向上させるために具体的な意思決定に焦点を当てています。Vermorelは、カルテシアンの視点から決定ファーストのアプローチに移行した経緯について共有しています。彼は組織は実際に行動し、意思決定を生成し、それを繰り返すことでのみ学ぶことができると考えており、従来の手法の過去の失敗と制約を認識することが重要だと強調しています。
詳細な要約
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と話しています。彼らは、従来の予測手法とは異なるLokad独自の「決定ファースト」アプローチについて議論しています。
従来、サプライチェーンは予測手法に頼っており、実際の意思決定は上級スタッフに委ねられていました。Vermorelは、Lokadが意思決定を最初に重視する代替手法を開発したことを説明しています。このアプローチは、予測的なサプライチェーン最適化の経験を積んだ数年後に生まれました。
当初、Lokadはデータを収集し、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、特定の指標に基づいて意思決定を行うというデカルト的な視点で運営していました。しかし、Vermorel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付きました。彼は、意思決定プロセスに最初に焦点を当てることがより効果的であり、直感に反することもわかりました。
「決定ファースト」とは、具体的なサプライチェーンの意思決定を指し、例えばサプライヤーからの追加のユニットの購入、生産ラインでのさらなるユニットの生産、在庫の移動、製品価格の調整などです。これらの意思決定はサプライチェーンに実際の経済的な影響を与えます。
Vermorelは、Lokadでの経験を共有しています。同社は最初にデータの準備に焦点を当てました。彼らは販売や在庫の動きなどの過去のデータを収集し、データを正しく理解するためにドキュメント化しました。しかし、彼らはしばしばデータを誤解しており、それに基づいて意思決定を行った時に自分たちの間違いに気付くことがよくありました。
意思決定生成メカニズムを通じて、彼らはデータの解釈におけるエラーを特定することができました。サプライチェーンの専門家は生成された意思決定をレビューし、矛盾点を指摘することができ、Lokadはデータの理解を修正することができました。
Lokadの「決定ファースト」アプローチは、データ分析と予測に入る前に具体的なサプライチェーンの意思決定を重視しています。この直感に反する方法は、データの理解を向上させ、より効果的なサプライチェーンの最適化につながります。
彼らはサプライチェーン管理における最適な意思決定の生成の課題とプロセスを探求しています。
Vermorelは、意思決定の生成を試みる際に、サプライチェーンの現実と矛盾する問題にしばしば遭遇すると説明しています。これらの問題は通常ありふれたものであり、繰り返されますが、効果的な解決策を作成するためにはそれらを特定し、対処することが重要です。
サプライチェーンにおけるデータをより良く理解するために、Vermorel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ています。意思決定がおおよそ正確で合理的であれば、それは入力データの意味理解を検証します。データと意思決定生成の間のこのやり取りにより、精度が向上し、意思決定がサプライチェーンの現実とより一致するようになります。
インタビュー対象者は、最適な意思決定の生成における試行錯誤の課題についても議論しています。Vermorelは、問題がデータに限定されるのではなく、最適化されるべき指標自体にも問題があると指摘しています。デカルト的な視点を採用すると、誤差の割合ではなく誤差のドルで最適化する必要があります。これには、在庫保有コスト、粗利、およびストックアウトのペナルティなどの経済的な要素を適用して、意思決定のパフォーマンスをドルで表現することが含まれます。
しかし、見かけ上合理的な経済的要素を適用しても、初期の意思決定はしばしば非合理的になります。Vermorelは、指標自体に微妙な問題があると説明し、データの理解、意思決定の生成、および経済的要素の改善の間でのやり取りが必要となります。
この決定ファーストアプローチの最終目標は、日々の大量の意思決定を自動的に生成することができる数値レシピを作成することです。これは、大規模なサプライチェーンで必要な意思決定の膨大な量を管理するために不可欠であり、企業は事務員の軍団を雇用することを避け、数値レシピ自体の継続的な改善に集中することができます。
彼らは「決定ファースト」アプローチの重要性と業界の予測精度への焦点の制約について議論しています。
Vermorelは、サプライチェーンの最適化における従来のトップダウン、ウォーターフォールアプローチは機能しないと説明しています。この方法では、システムのアップグレード、プロセスの文書化、包括的な計画の作成のために広範な研究が行われます。しかし、Vermorelは、実際の意思決定を生成できるまで、以前のステップのいずれが効果的であったかを知ることはできないと主張しています。
業界は予測の精度に焦点を当てていますが、Vermorelはそれが欠陥があると指摘しています。予測は将来の市場状態を予測する上で重要ですが、サプライチェーンに直接的な影響を与える数値的なアーティファクトに過ぎません。予測の改善だけでは現実世界の学習や最適化につながりません。代わりに、Vermorelは企業が現実に合致する意思決定を優先すべきだと強調しています。
数値的なアーティファクトに焦点を当てる制約の限界を示すために、Vermorelは企業が短期、中期、長期の予測を作成することがあると説明しています。初期の問題を解決する代わりに、このアプローチは複数の予測問題を作り出し、異なる予測を調整するために追加の努力を必要とします。これは状況を悪化させるだけであり、現実との明確な関連性を提供するものではありません。
Vermorelは、意思決定を優先するアプローチを提唱しており、意思決定は原子的で明確に定義されており、現実世界の学習と効果的なサプライチェーンの最適化につながると述べています。彼は企業が現実と向き合うために意思決定を行うことを強調し、それによって最適化の努力の効果を評価することができると述べています。
創業者は最初により古典的なデカルト的アプローチを試みた経験を共有し、間違いを避けるために意思決定を優先する視点の必要性を強調しています。
Vermorelは、組織は実践することでのみ学ぶことができると考えており、トップダウンの方法で完璧な解決策を開発しようとする代わりに、意思決定を生成し、それらを反復することの重要性を強調しています。彼は企業を変革することの難しさを認識しており、多くの企業が成功しなかったさまざまなサプライチェーン最適化システムを試みてきたと述べています。準備の面では、彼はほとんどの企業が新しいアプローチを採用する意欲があると考えていますが、まず以前の試みの失敗と伝統的なデカルト的手法の制約を認識する必要があると述べています。
フルトランスクリプト
Kieran Chandler: 今日のLokad TVでは、意思決定を優先する代替アプローチの理解と、これが組織の運営方法を改善する方法について理解します。では、ジョアネスさん、まずは「意思決定を優先するアプローチ」とは具体的にどういう意味なのか、もう少し詳しく教えていただけますか。
Joannes Vermorel: 意思決定を優先するアプローチは、私たちがLokadが行っている予測型サプライチェーン最適化の仕事を数年間行った後に見つけた非常に特定の視点です。Lokadを始めたとき、最適化したいものがあるので、データを持ってきて、意味を明確にし、それから予測、最適化などの一連の明確に定義された数値的な手法を適用し、特定のメトリックに取り組む、そしてそれらをすべて適用して良い意思決定を得る、というデカルト的な視点を持っていました。しかし、このアプローチはうまくいかないことがわかりました。これは現在のプロジェクトの進め方ではまったくありませんし、私たちが行っている方法は非常に直感に反するものです。
意思決定を優先するとは、文字通り現実に合致する意思決定、つまり現実に合致するものを作り出すことを意味します。意思決定とは、サプライチェーンに実際の経済的影響を与える具体的な物理的な意思決定のことです。例えば、サプライヤーから1つのユニットを購入することを決定したり、製造ラインで1つのユニットを製造することを決定したり、在庫をA地点からB地点に移動することを決定したり、ある製品の価格を上げたり下げたりすることを決定したりすることです。これらはサプライチェーンに実際の経済的影響を与える具体的な物理的な意思決定です。意思決定を優先するとは、最初のステップがまさにそれらの意思決定の1つを行うことであり、それ以外のことが先に来ると思うかもしれませんが、いいえ、意思決定が先に来るのです。
Kieran Chandler: どのようにしてそのアイデアにたどり着いたのかについて話しましょう。Lokadでどのような経験をしたことが、そのアプローチを考え出すきっかけになったのですか。
Joannes Vermorel: 私たちは、始めた当初、データの準備が必要だと気付きました。例えば、サプライチェーンを最適化したい場合、過去の販売履歴、在庫移動などの非常に基本的な過去のデータが必要でした。データを文書化して理解するためには、データを文書化できると思うかもしれませんが、私たちがやっていたのはまったく違うことでした。しかし、データを文書化している間は、毎回何かが間違っていることに気付かなかったのです。しかし、意思決定生成メカニズムによって、このような意思決定を生成することができるようになりました。「この場所からこの他の場所にXユニットの在庫を移動しましょう」といった意思決定を生成し、サプライチェーンの実践者がその意思決定を見て、「それは完全に間違っています。あなたは明らかにデータを誤解しています」と言うことで初めて気付くことができました。
Kieran Chandler: そうすべきではない状況では、それを行う理由が非常に正当なものがあります。それは必ずしも高度ではなく、非常に平凡なものです。例えば、容量がない、または最初の場所に1,000ユニット残っていると思っているが、実際には残り5ユニットしかないというような場合です。このような問題があります。
Joannes Vermorel: 意思決定を生成することから始めて、経験豊富なサプライチェーンの実践者が一目でそれが誤った意思決定であることを教えてくれるというのは興味深いです。そして、自分たちが特定していなかった多くの問題に気付くことができます。
Kieran Chandler: それは確かに直感に反するものですね。データのクレンジングを行い、データの構造を理解することで、それらの誤った意思決定のいくつかを既に排除できると思うでしょう。
Joannes Vermorel: 私たちが誤った意思決定を生成すると言うと、比較的平凡な方法でサプライチェーンの現実と衝突する意思決定を生成するという意味です。意思決定自体を生成するためには多くの知識が必要です。ここでの重要なポイントは、データを正しく理解する唯一の方法は、それを意思決定に変換できることです。この意思決定がおおよそ正確で合理的であれば、入力データに適用されると信じている意味論を検証し、最初にモデルを作成するために使用したことを確認することができます。
ただし、これは、データが何を意味するかについての意味論だけである心のモデルと、意思決定を生成する意思決定生成メカニズムとの間を行き来するメカニズムです。ここで、現実があなたがやっていることについてのフィードバックを与えてくれます。そして、データについて間違っていたことがたくさんあることに気付くので、行き来する必要があります。
Kieran Chandler: では、最終的な意思決定にどのようにたどり着くのですか？試行錯誤がたくさん必要なのでしょうか？
Joannes Vermorel: 実際にはそれ以上です。私はデータに関する特定の問題について話していただけですが、データだけでなく、最適化する非常にメトリックもあります。カルテシアンの視点で考えると、測定しないものを最適化することはできないと言えます。Lokadでは、誤差の割合ではなく、誤差のドルで最適化することを提唱しています。したがって、適用可能な経済ドライバーを表すドルで表されるメトリックが必要です。例えば、在庫の場合、在庫保有コスト、粗利、欠品ペナルティなどの経済ドライバーを考慮に入れる必要があります。
Kieran Chandler: Lokadで意思決定のパフォーマンスをどのように測定していますか？
Joannes Vermorel: はい、これがドルで表される意思決定のパフォーマンスを測定する方法です。論理的には、「私が理解しているDRを取り、予測部分である統計的な高次元学習能力を取り、そして高次元最適化数値最適化能力を取り、ビジネス戦略を反映し、ドライバーを理解するメトリックを適用する」と言えます。
Kieran Chandler: そして、このメトリックを初めて適用した場合はどうなりますか？
Joannes Vermorel: 無意味な意思決定がたくさん生じます。これは非常に困惑することです。なぜなら、すべての経済ドライバーは、自明ではないが、ほぼ自明であるように見えるからです。粗利、つまり、私たちは超高度なものについて話しているわけではありません。しかし、このような意思決定を適用すると、常に非常に愚かで貧弱な意思決定になります。そして、これらの意思決定は何を反映しているのでしょうか？それらは、間違い、問題、メトリック自体に微妙な問題があることを反映しています。したがって、私たちがデータの理解とその上に生成される意思決定の間で行ったように、経済ドライバーについても多くのやり取りがあります。常に「測定できないものは最適化できない」という考えについて話します。では、最終的な目標は何でしょうか？データが私たちが行っている意思決定を検証することですか？
Kieran Chandler: サプライチェーンの専門家によると、最終的な目標は何ですか？
Joannes Vermorel: 最終的な目標は資本主義的なものを持つことです。意思決定を最初にするというアイデアは、数値的なレシピを提供し、これらの非常に平凡な意思決定を自動的に生成することです。なぜなら、それらは非常に多く存在するからです。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。ですので、多くの企業がまだ採用しているように、事務員の軍団を持つか、この作業を行うための奇跡のレシピを持つかのどちらかです。そして、私たちがこの領域に注ぎ込んでいるすべての努力は、数値的なレシピ自体の持続的な改善のためです。
Kieran Chandler: このアプローチの興味深い点は何ですか？
Joannes Vermorel: 興味深いことに、実際にこれらの意思決定を生成するまで、他のすべてのことが本当に機能するかどうかはわかりません。それは、このようなデカルト的なトップダウンの視点を持つ場合、あなたは言うでしょう、「まず、ERPを新しい機能XYZにアップグレードします。それには6ヶ月かかります。そして、注文を文書化し、明確にするためにXYZの作業を行い、すべてをデータレイクに押し込み、戦略を完全に明確にし、完全なモデリングを行うために、外部のコンサルタントと6ヶ月の研究を行います」。
Kieran Chandler: ビジネスドライバーの、そして最終的には最適化された意思決定の自動実行のために、すべての要素を組み合わせることになります。それは、段階的に進む計画のように見えますが、実際にはまったく機能しません。そして、それはおそらく最も挫折する教訓です。意思決定を実際に生成するまで、以前に行った手順のいずれが実際に機能しているのかさえわかりません。これは少し衝撃的なことです。信頼性のある計画を実行できると思うかもしれませんが、いいえ、教訓は、この現実との接触、このフィードバックループがない場合、あなたは知らない、本当に知らないということです。
Joannes Vermorel: そうですね、業界は予測と予測の正確性に非常に焦点を当てていますね。なぜ企業やコンサルタントがこれに非常に力を入れるのでしょうか？
Kieran Chandler: 知的に非常に魅力的です。非常に合理的なもののように見えます。
Joannes Vermorel: そうですね、予測はもちろん重要です。なぜなら、サプライチェーンの意思決定をするたびに、基本的には将来の市場状況についての声明をしているからです。原材料の発注をサプライヤーに行うときは、将来の需要状況についての暗黙の声明をしています。ですので、サプライチェーンは、テレポートすることも、すべてを瞬時に3Dプリントすることもできないため、将来の市場状況を予測することに関わっています。企業はそれを合理的にアプローチしようとして、「予測の改善を行おう」と言っていますが、それは基本的には私たちがネイキッドフォーキャストエピソードで議論したものです。そして、さまざまな問題が発生します。実際には、少し異なる視点から見直すと、このエピソードの可能性という観点から言えば、問題は、それを行うときに意思決定が先行していないことです。もし「予測を改善しよう」と言ってから、「それらの改善された予測で何ができるかを見てみましょう」と言うのであれば、意思決定が先行していないのです。数値のアーティファクトから始めているのです。予測はただの数値のアーティファクトに過ぎません。それらはサプライチェーンに直接的な影響を与えるものではありません。そして、それが改善されるかもしれないと言っているのですが、私のフィードバックは、Lokadで10年間にわたってサプライチェーンプロジェクトを実施してきた経験から言えば、いいえ、何も学ぶことはありません。学ぶことは現実からしか得られません。現実こそが、何が正しいか間違っているかを最終的に判断するものです。そして、私が言う現実とは、このサプライチェーン最適化プロジェクトが実際に正しい方向に進んでいるかどうかを確認する方法は、これらの意思決定です。なぜなら、これらの意思決定こそが、実際には現実がそれが実際に機能しているかどうかを教えてくれるものだからです。
Kieran Chandler: そうですね、意思決定を先行させることは確かに私たちの見方ですが、業界にはその他のアプローチもありますよね。それについてどう思いますか？また、意思決定を分割することについてはどうですか？
Joannes Vermorel: はい、たとえば、通常、アーティファクト、特に数値のアーティファクトに焦点を当て始めると、それには非常に少ない制約が付いているため、基本的にはそれらを分割または分割することができます。たとえば、短期予測、中期予測、長期予測を行うことができます。それを行うと、さらに問題が発生します。予測を行うという1つの問題がありましたが、今度は3つの予測の問題があり、さらに、異なるチームが自分たちの作業を調整する必要があります。したがって、長期予測を中期予測と調整する必要があり、その後、短期予測を中期予測と調整する必要があり、おそらく短期予測を長期予測と調整する必要もあります。1つの問題がありましたが、今度は6つの問題があります。状況を悪化させただけであり、何をしているのかが現実とどのように関連しているのかはまだ非常に不明です。
現実は、あなたが間接的な方法で間違っているかどうかを教えてくれません。そして、それが意思決定の美しさです。私たちがこの意思決定を先行するアプローチに移行すると、意思決定は非常に原子的で明確になります。Lokadでは、それらが原子的であると見なしています。私が「今日、このサプライヤーから1ユニットを購入する」と言った場合、それがどれだけ原子的であるかわかります。場合によっては、「今日、このサプライヤーから1ユニットを購入し、トラックでこのユニットを出荷する」と細分化することもできます。したがって、Lokadでは、意思決定は定義上、完全に原子的であるとされています。それらを本当に細分化することはできません。これは非常に素晴らしいことです。なぜなら、あなたがでっち上げることができるものにも制限があるからです。
意思決定に焦点を当てることで、分割したりでっち上げたりするというクラス全体のミスを防ぐことができます。これは本当に視点の変化です。
Kieran Chandler: では、従来のアプローチに慣れている組織を説得するためにはどうすればよいですか？
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ことです。なぜなら、私自身が納得していなかったからです。2008年にはこのアプローチを始めていませんでした。私はより古典的な方法を試しました。カルテシウスの方法とでも言いましょうか。ウォーターフォールの原則やエンジニアリングの原則を試してみるのです。入力を明確にし、メトリックスを明確にし、モデルを明確にし、それらをすべて組み合わせて最適化を行います。しかし、それはまったくうまくいくわけではありません。
Joannes Vermorel: 私は何度も失敗した経験を伝えることができます。私たちは非常に苦しい試みをたくさん経験しました。カルテシウスの方法でやると、実際にはどうなるのでしょうか？あなたは素敵なプロジェクトを行い、そして終わる予定の日になったときに、何もうまくいっていないことに気づくだけです。そして、すべてをやり直さなければなりません。
つまり、実際に本番に進もうとすると、それらの問題が見えてきて、以前に行ったことをすべて見直さなければなりません。それがトリックです。この視点を受け入れない場合、プロジェクトは数年かかるだけです。ウォーターフォールの視点で1年間のプロジェクトを行い、計画通りに終わらせようとすると、システムを起動しようとした日に、すべてが崩壊していることに気づくだけです。それで再びシステムをシャットダウンし、繰り返します。そして、数年かかります。
私の哲学は、まずこの実験について伝えることを試みることです。そして、より哲学的な視点では、学ぶことは教科書から学ぶのではなく、実際にやってみることによって学ぶものだと言いたいです。実際には、何かをやらないことで何かを学ぶことは非常に難しいのです。
理論的には、外国語を本を選んで6ヶ月間読んで覚えるだけで流暢になることができるかもしれません。私はそれを実際にやっている人を見たことがあるかどうかわかりません。理論的には可能かもしれませんが、現実的にはそうではありません。試してみると、つまづくことがあり、時には人々が言っていることを理解してもらえないこともあります。そして徐々に上達していくのです。しかし、やってみることによって学ぶのです。それが古代ギリシャのプラクシスという概念です。そして、供給チェーンのような非常に複雑なシステムについては、他の方法で学ぶことはできないと思います。これは愚かさです。
Kieran Chandler: では、少しまとめてみましょう。理論的にはすべて素晴らしいですが、確立されているとは言えません。業界は本当に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、それとも古いアプローチがあまりにも根付いていると思いますか？
Joannes Vermorel: 面白いことに、準備の面では、数十年にわたり供給チェーンの最適化システムを展開してきた企業の大多数、特に大企業がいます。それは狂気です。彼らは…
Kieran Chandler: たとえば、ERP（企業資源計画）という用語は通常、供給チェーンの最適化を意味します。過去30年間に展開されたERPの大多数は、この分野で何の価値も提供していません。はい、在庫を追跡したり、リアルタイムの可視性を持ったりすることで多くの価値を提供します。請求書、支払い、遅延の追跡などのワークフロー自動化もできます。非常に良いです。しかし、予測的な最適化に関しては、業界の状況はほとんど存在しません。うまく機能するものはほとんどありません。試行錯誤が足りないわけではありません。私たちがサービスを提供する大企業の多くは、通常、5回目、6回目、または7回目の試みです。ですから、準備の面では、多くの企業がそれを行う準備ができていると思います。なぜなら、彼らは過去30年間試みてきたからです。試行錯誤が足りないわけではありません。
ジョアネス・ヴェルモレル: 私は、ほとんどの企業が自社の失敗の細かい点についてさえ認識しようとしていないということが、問題の核心であると考えています。これは、私たちが別のエピソードで議論したネガティブ・ナレッジの力と関連しているかもしれません。おそらく、いくつかの企業は、複雑な問題、難解な問題、または筆者がペンと紙を取り、机に座り、一生懸命考えて解決策を出し、それを展開してうまくいくという素敵なデカルト的アプローチに抵抗する問題に焦点を当てる必要があります。サプライチェーンマネジメントでは、それがうまくいく方法ではありません。サプライチェーンはあまりにも混乱しています。あなたはそれらの意思決定を生成する必要があります、ただそれに従うだけではありません。あなたは意思決定を生成し、いくつかの人々にそれを見てもらい、そして彼らはあなたに言うでしょう、「いや、それはうまくいかない」と。それだけで十分です。しかし、準備の面では、あなたの質問に戻ると、私は多くの企業が準備ができていると思いますが、それは険しい戦いになるでしょう。Lokadにとっては、彼らに対して現実に関連してイニシアチブをリスクにさらす以外に方法はないということを彼らに納得させる必要があります。カルテジアン的なトップダウンの視点から最初から正しくやろうとすることは残念ながらうまくいきません。
キーラン・チャンドラー: はい、素晴らしいです。ここで終わりにしなければなりませんが、お時間いただきありがとうございました。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。次のエピソードでお会いしましょう。それでは、さようなら。
