00:00:07 トレンドの予測の重要性。
00:01:36 ソーシャルメディアデータを供給チェーンの予測に使用する際の制約。
00:04:26 ソーシャルメディアのトレンドとSKUレベルの供給チェーンデータの乖離。
00:06:37 ソーシャルメディアデータで早期のシグナルを見つける上での課題。
00:07:20 より良い予測と安定した予測モデルの重要性における企業データの活用。
00:10:07 COVID-19のような極端な事象の予測の困難さと確率的予測の重要性。
00:13:42 ほとんどの業界で予測を意思決定に変換する遅い手作業プロセス。
00:15:00 供給チェーンの遅延と早期のシグナルに対する対応の非効率性。
00:15:53 データパイプラインのロボット化による効率的な意思決定の生成の必要性。
00:17:07 予測技術の制約と不確実性の受け入れ。
00:19:35 供給チェーンの科学者と人間の洞察力が意思決定に果たす役割。
00:20:31 より良い予測技術による時間の節約の評価。
00:22:00 高度な予測よりも意思決定の自動化を優先すること。
要約
キーラン・チャンドラーとジョアネス・ヴェルモレルは、ソーシャルメディアなどの外部データソースを使用して供給チェーンのトレンドを予測する課題と可能性について議論しています。ヴェルモレルは、ソーシャルメディアには価値ある情報が存在するかもしれませんが、データを特定の製品と一致させることは困難であり、データの品質と文脈もしばしば明確ではありません。代わりに、彼はより鋭い将来の展望のために内部データに焦点を当て、極端な事象に備えるための確率的アプローチを採用することを推奨しています。ヴェルモレルは、企業が意思決定プロセスを自動化して、需要の変動により柔軟に対応するために改善する必要があると強調しています。
詳細な要約
キーラン・チャンドラーとジョアネス・ヴェルモレルの議論は、ソーシャルメディアなどの大規模な外部データソースを使用してトレンドを予測し、早期のシグナルを捉える供給チェーンの最適化の可能性について回ります。ヴェルモレルは、実際のところ、このアプローチは供給チェーンに対して効果的に機能しないと主張しています。関連するデータを抽出し、本物と偽物の情報を区別することは困難であり、広告主でさえも本物とボット生成のトラフィックを区別するのに苦労しています。これらのデータソースから有益な洞察を得ることは困難です。ヴェルモレルは、ソーシャルメディアを使用してトレンドを予測することは稀な場合や極端な状況では機能するかもしれませんが、供給チェーンの最適化に必要な情報の詳細度は一般的には得られないと述べています。
彼らは、ソーシャルメディアなどの外部データを使用して供給チェーンのトレンドを予測する課題と可能性について議論しました。ヴェルモレルは、ソーシャルメディアには価値ある情報が存在するかもしれませんが、このデータを特定の製品やSKUと直接一致させることは困難であり、データの品質と文脈もしばしば明確ではありません。投稿ではほとんどの場合、UPCコードなどの製品の詳細について言及されず、コンテンツの解釈は非常に主観的になることがあります。
ヴェルモレルは、製品を推奨する有名人など、情報が明らかな場合でも、解釈は大きく異なることを付け加えます。人々は色や形、ブランドなど、製品の異なる側面に焦点を当てるかもしれません。この曖昧さは、ソーシャルメディアの投稿がしばしば大きな会話の一部であり、相互作用や応答がさらなる曖昧さを加えることで複雑になります。感情分析は役立つかもしれませんが、ソーシャルメディアのデータから明確で実行可能な情報を抽出することは依然として困難です。
供給チェーンのトレンドの他の早期のシグナルについて尋ねられた際、ヴェルモレルは企業は自社の内部データに焦点を当てるべきだと提案します。このデータを分析することで、将来のより鮮明なビューを得ることができますが、異常なイベントの早期のシグナルを検出することは依然として困難です。彼は、良い予測モデルがあっても、安定性の必要性により制約があると説明します。供給チェーンには着実な計画が必要であり、過剰な反応性は高コストな誤検知につながる可能性があります。
ヴェルモレルは、シグナルをより早く検出することができるように改善できる可能性があると認めますが、進歩はしばしばわずかです。たとえば、Lokadでは、以前よりも数日早くdisruptionを検出できると喜んでいます。ただし、これらの早期のシグナルは、ほとんどの場合、反応的であり、売上やその他の要因の変化を反映した企業データに基づいています。
新型コロナウイルスなどの重大なイベントに早期のシグナルがあるという考えについて話し合う中で、ヴェルモレルはそのようなシグナルを信頼性を持って検出することの実現可能性に疑問を呈します。彼は、稀な大規模な混乱に対する早期警戒システムを持つことは有益かもしれませんが、これらのシナリオに対する正確で信頼性の高い予測モデルの開発の実現可能性は不確かです。
創業者はCOVID-19などの極端なテールイベント、そのようなイベントの予測の難しさ、および確率的予測の重要性について議論しました。彼は、アウトライヤーの予測は驚くべき性質と先例のない性質により、本質的に困難であると主張します。代わりに、時間をかけてそれらに備えるために、小さな確率を極端なイベントに割り当てる確率的なアプローチを採用することを推奨しています。
ヴェルモレルは、世界の出来事に対して反省的かつ適応的であることの必要性を強調します。彼は、多くの産業が早期の警戒シグナルを与えられても反応が遅く、予測を実行可能な意思決定に効率的に変える能力を欠いていることに触れています。これは、企業内の意思決定プロセスが手動で時間のかかる性質であるため、しばしば起こります。
彼は、予測を人間の介入なしで意思決定に変換するための完全に自動化されたプロセスを持つことの重要性を強調します。自動化がないと、早期の警戒シグナルの利点は、予測を行動に変えようとする人々の慣性によりしばしば失われます。さらに、彼は早期のシグナルの信頼性の問題を強調し、それらはしばしばノイズが多く不確かであると指摘しています。
ヴェルモレルは、将来的に技術が改善する可能性があると提案しますが、予測を意思決定に変えることが鍵となる問題です。彼は、quantitative supply chainのアプローチが、data pipelineの完全なロボット化を含むことがこの問題に対処するために不可欠であると信じています。これにより、企業はより迅速かつ効果的な意思決定を行うことができます。
彼は、パンデミック時などの需要の急増に対する予測と対応の課題について話し合いました。ヴェルモレルは、将来は不確実であり、確率的予測がこの曖昧さを受け入れるための最良のアプローチであると説明します。彼は、企業は正確な数値を予測しようとするのではなく、確率に基づいてより良い意思決定をする方法に焦点を当てるべきだと強調しています。
ヴェルモレルは、需要の急増に成功裏に対応するための鍵はアジリティであり、企業はプロセスを自動化することでこれを実現できると考えています。彼は、better forecasting技術は従来の方法と比較して企業に1週間または2週間しか節約できないかもしれませんが、真の利点は予測と意思決定の間の遅延をなくすことによるものです。これらのプロセスを統合することで、企業はより迅速かつ効果的な意思決定を行うことができます。
需要変動に対応するためのサプライチェーンの役割について尋ねられた際、ヴェルモレルは、プロセスの自動化と需要の変化にタイムリーに対応することに焦点を当てるべきだと提案しています。彼は、企業が新たな現実に適応するために、しばしばかなりの時間を無駄にしていることに触れています。プロセスを効率化し自動化することで、企業はこの遅延を減らし、アジリティを向上させることができます。
ヴェルモレルはまた、予測にソーシャルメディアのデータを使用する際の制約についても話しています。ソーシャルメディアのデータは一部の洞察を提供するかもしれませんが、企業にとって必ずしも実行可能な情報ではありません。代わりに、企業は意思決定プロセスの自動化とより高度な予測手法の導入に重点を置き、需要の変動に対応するためのアジリティを高めるべきです。
ヴェルモレルは、不確実性を受け入れ、確率に基づいたより良い意思決定に焦点を当てることの重要性を強調しています。予測と意思決定の間の遅延を自動化し、企業は需要の急増により良く対応することができます。
フルトランスクリプト
キーラン・チャンドラー: 今日のLokad TVでは、ソーシャルメディアの台頭により、これが現実になりつつあるのか、また企業がそれらの早期のシグナルを活用するために何ができるのかについて話し合います。では、ジョアネス、今日のトピックは早期のシグナルの予測についてです。これについてのアイデアは何ですか？
ジョアネス・ヴェルモレル: 多くのソフトウェアベンダーが提示しているように、企業が持つ範囲を超える大規模なデータソースを活用することで、より遠い未来を少し早く知ることができるというアイデアです。早期シグナルの典型的なアーキタイプは、インスタグラムで何かがトレンドになっていることを検出することです。有名人が新しいタイプの衣類を着ているため、それを利用して1か月先に迫るトレンドなどを予測することができます。
キーラン・チャンドラー: では、データソースとしては、ソーシャルメディアの情報が適切なのでしょうか？
ジョアネス・ヴェルモレル: 少なくとも、多くのAI駆動型サプライチェーン最適化ベンダーはそう言うでしょう。
キーラン・チャンドラー: 実際には、外部データソースに基づいた早期シグナルの予測はどの程度うまく機能していますか？
ジョアネス・ヴェルモレル: 現時点では、サプライチェーンに関しては、ほとんど何もうまく機能していません。ソーシャルメディアにアクセスして関連データを抽出できるという考えは幻想です。それをやっていると主張している人たちは、それらのソーシャルメディア上のトラフィックの大部分が人間ではなくボット、つまりロボットによって行われていることに気づいたことがないのです。ですので、何が本物で何が本物でないのかを見極めるのは非常に難しいです。広告主でさえ、印刷物に対して支払いを行っているにもかかわらず、何が本物で何が本物でないのかを見極めるのは非常に困難です。彼らはそれらのプラットフォームに広告を出すために多額のお金を支払っています。すべてのインプレッションに対して支払いを行い、実際に本物の人々が広告を見ていることを確認するために必死になっていても、非常に難しいのです。ですので、たとえテラバイト単位のランダムなトラフィックデータを収集しているベンダーであっても、得られるものは単なるランダムなデータ、ノイズに過ぎません。それに基づいて自動的にトレンドを予測できるという考えは、極端な状況では可能かもしれませんが、それは稀なケースですので、あまり興味深くありません。また、得られる情報の粒度も、求めているものとはほとんど一致しません。たとえば、今年のアメリカで最も人気のある50人のアーティストを予測するという粒度であれば、ソーシャルメディアを見るだけで早期のシグナルを得ることができます。それによって、年末には最も大きなアーティストが誰なのかを事前に明確に把握することができます。しかし、例えば「このサイズ、この色、この柄のTシャツは、アメリカのこの地域でいくつ売れるのか？」といった情報を得ようとする場合、これは非常に異なる課題です。ここでは、それらの外部データソースから得られる情報は、製品の生産や流通において意味をなすものとは程遠いものになると言えます。
キーラン・チャンドラー: では、データの品質に関してはどのような問題がありますか？ ソーシャルメディアプラットフォームにはロボットなどがたくさん存在するとおっしゃいましたが、それでも、最もいいねが多い投稿が上位に上がり、最も目立つようになるはずです。ですので、データに関しては、なぜそれが興味深くないのでしょうか？
ジョアネス・ヴェルモレル: 問題は、再び、サプライチェーンでは、生産物はSKU（商品単位）で組織されています。何かのSKUを生産し、それらの製品を複雑なマーケティングチャネルを通じて販売することがあります。ツイートが何百万回リツイートされたり、Instagramの写真が何億回も見られたりしても、それと生産または流通するいずれのSKUとも直接的な関連性はありません。人々はツイートにUPCコードをほとんど含めないため、このバーコードを持つ製品が本当に優れていると言っているわけではありません。通常、それは非常に曖昧です。明らかに見える場合でも、例えばスーパースターが「この新しい靴は超かっこいい」とツイートしたとしても、一部の人々は靴を見て色を解釈するかもしれませんし、形を考えるかもしれませんし、ブランドを考えるかもしれませんし、それに似たものであれば何でもいいと解釈する人もいます。非常に曖昧な状況になりますし、それに加えて相互作用があるため、単一の投稿を見て「これだ！」と言えるわけではありません。それはシリーズであり、相互作用があります。人間のために意図されています。応答の品質は重要です。何かが何億回もリツイートされている投稿でも、リツイートが非常に批判的であったり皮肉であったりする場合はどうでしょうか？センチメント分析を行うことはできますが、非常に困難な領域に入ってしまいます。
キーラン・チャンドラー: なるほど、ソーシャルメディアの観点からは確かに課題があるようですが、他にも何か他の早期シグナルを見ることができるものはありますか？以前のエピソードで天気について話しましたが、他に何を見ることができるのでしょうか？
ジョアネス・ヴェルモレル: そうですね、通常、企業自体のデータを見るだけでも、非常に多くのデータがあります。そして、既に持っているデータを見ることで、将来の状況をより鮮明に把握することができます。それが通常、Lokadのアプローチです。ただし、非常に普通ではない何か、つまりテールイベントや普通ではない何かに対する真の早期シグナルを持つことは非常に困難です。はい、非常に優れた予測モデルがあれば、少し早くシグナルが出ることがありますが、それには強い制約があります。予測モデルがより良くなるということは、通常は…
キーラン・チャンドラー: では、あなたの経験から言えば、予測モデルにおいて安定性は重要ですね。クラシックなモデルでも確率的なモデルでも、供給チェーンは比較的安定した計画が必要であり、市場のわずかなノイズでギアを切り替えたくないのです。では、過剰に反応する予測エンジンに対処する方法はどのようなものですか？それによって偽のポジティブが生じた場合、どうすれば良いのでしょうか？
ジョアネス・ヴェルモレル: 良い予測技術は、年間1日追加されただけで狂ってしまうことはありません。ほとんどの場合、わずかなコースの変更で通常の業務を続けることができます。予測エンジンが過剰に反応しすぎると、偽のポジティブが発生します。大幅なコース変更の早期シグナルがあると思うかもしれませんが、2週間後にはそれが単なる偶然やバグであることがわかり、非常に高いコストがかかる可能性があります。Lokadでは過去10年間で進歩を遂げていますが、非常に限定的なものです。数日前に混乱を検出できるときは喜んでいますが、数日間の短縮が最善の結果です。
キーラン・チャンドラー: では、新型コロナウイルスのような大きな変動があった場合はどうでしょうか？このようなシナリオにおいて早期シグナルを持つことは良いことだと思いますが、早期シグナルがある場合、どのような対策を取ることができますか？それは有益なのでしょうか？
ジョアネス・ヴェルモレル: COVID-19のような極端なテールイベントに対して早期シグナルを持つことはできるという考えには疑問を抱きます。ほとんどの人々は、イベントの進行方法に困惑しました。国や地域によって非常に無秩序で一貫性のないものでした。アウトライヤーは定義上、非常に予測困難です。また、COVID-19の対処においても、2週間の余裕を持った予測が本当に役立ったとは言えません。
キーラン・チャンドラー: テールイベントに関する確率的なビジョンは、それらを本当に予測することはできないという考えです。それは設計上の問題であり、非常に困難です。なぜなら、それは新しく驚くべきものになるからです。しかし、できることは、常にいくつかの確率を持つ予測、確率的な予測を行うことです。それはCOVID-19を予測できるわけではありませんが、例えば、次の四半期には現在の売上の半分になる可能性が1％あると言っているようなものです。なぜか？わかりません、わかりません。ただの可能性です。戦争かもしれませんし、パンデミックかもしれませんし、大規模なリコールかもしれませんし、オンラインでのブランドへの中傷キャンペーンかもしれません。ほとんどの企業にとって、四半期ごとに売上が半減する可能性が1％あると言うのは妥当でしょうか？
ジョアネス・ヴェルモレル: ほとんどの企業にとっては、そうですね。それは1世紀に4回、大規模な災害が発生することを意味します。公平だと思います。20世紀を見ても、それ以上でした。ですから、極端なイベントに対して確率的な予測を行い、それに備える必要があります。それが起こるとき、警告はないと思ってください。しかし、良いニュースは、この確率を数年間維持していれば、リソースを効果的に活用して小さな調整を行ってきたということです。
キーラン・チャンドラー: 常に世界の状況に対して反応することについて話しますが、反応が遅いとされる業界で、早期シグナルのアプローチが役立つ可能性がある業界はありますか？
ジョアネス・ヴェルモレル: 私が観察したほとんどの業界は、早期シグナルを与えても何も行動しないということです。その理由は、この数量的なサプライチェーンのビジョンに戻ると、ポイント4ではデータパイプラインの完全なロボット化を持つことが重要です。つまり、意思決定を生成できるようにするためです。ほとんどの企業では、予測要素は意思決定につながるプロセスの一部であり、具体的な意思決定とは、サプライヤーからの購入を増やすべきか、生産を増やすべきか、価格を上げるべきか下げるべきかなどです。しかし、現実には、ほとんどの企業にとって、予測を実際の意思決定に変えるプロセスは非常に手動的であり、私の見解では非常に遅いです。ですから、早期シグナルを得るために多くの技術投資を行ったとしましょう、たとえば1週間早く、非常に優れた場合には2週間早くなるかもしれません。それは現在の技術で得られるものです。
キーラン・チャンドラー: 今、先読みできるエッジケースがあるかもしれませんが、この場合、それは統計的な予測ではないと思います。おそらく、数値と統計によって駆動される市場の進化に関する高レベルな洞察です。このような状況では、早期予測があるとしても、それに基づいて行動しますか？
ジョアネス・ヴェルモレル: 通常、早期シグナルの結果が会社内の誰かにメールを送るだけであり、その人がアプリにアラートを見に行くことを期待するだけであれば、短期間では何も起こりません。それは遅いです。サプライチェーンは複雑で分散しており、多くの人々、システム、および場所にまたがる多くの機械が関与しています。良いサプライチェーンの対応を得るためには、調整が必要です。自動化の度合いが非常に高い場合を除いて、その調整には実際の人々が必死に電話をかけることが含まれ、通常は数週間かかります。
結論として、早期シグナルがあっても、予測を人間の介入なしで自動的に意思決定に変える完全に自動化されたプロセスがない場合、早期シグナルから得られる潜在的な利益の大部分は、予測を行動に変えようとする人々の慣性によって失われます。
キーラン・チャンドラー: 早期シグナルの問題の1つは、実際の結果に対してどれだけの信頼性を持つことができるかということです。言ったように、それらはしばしばノイズが多いです。将来、結果に対してより信頼性を持つために技術が整備されることがあると思いますか？
ジョアネス・ヴェルモレル: いいえ、その理由は、未来は曖昧であり、この不確実性は削減できないからです。私たちが過去10年間に焦点を当ててきたのは、未来が不確かであるという事実を受け入れる確率的予測です。100%の確実性で当選番号を教えてくれる魔法のコンピューターシステムを期待しても、そんなことはありません。せいぜい、確率を示すシステムが得られるかもしれません。
たとえば、極端なイベントの可能性が1%である状況に直面しているかもしれません。その後、何かがおかしいと感じ始め、翌日には推定値が1.5%に増加します。何かをすべきですか？おそらくそうではありません。翌日には、3%の確率に増加し、指数関数的な成長ですが、それでも非常に遅いです。次に6%です。6%の確率があるからといって、狂ったように行動すべきでしょうか？
キーラン・チャンドラー: 25年に1度しか起こらないはずのことが起こる可能性があります。ここにいるのは、おそらく5年ごとに起こるかもしれないことです。しかし、これはただのバンプであり、優先事項は非常に曖昧です。もし、あなたの意思決定システムがうまく設計されているなら、優先事項を意思決定に変換する要素は、リスクが1%だったものが6%になったことを徐々に反映するようになります。それによって、会社をより保護する方向に少しだけ意思決定を導くことができますが、狂ったような動きや変化を供給チェーンにもたらすことはありません。そして、おそらく次の日には、3%の推定値に戻るかもしれません。6%から3%になるかもしれません。実際には、それは誤検知かもしれませんし、増加し続けるかもしれません。しかし、これは完全に自動化されたデータパイプラインから得られる良い反応の一例です。そして、もし上にサプライチェーンサイエンティストがいて、彼らがニュースを見て、高いレベルで理解している場合、コロナウイルスのような大きな波が来ることを見ている場合、数値のレシピ自体を少し変えることで、システムをより良い方向に導くために追加の人間の洞察力が必要になることがあります。
ジョアネス・ヴェルモレル: ですから、これを見ているサプライチェーンの実践者の方々は、プロセスを完全に自動化することに主眼を置くべきで、プロセスの初期段階で何が起こるかを心配する必要はありません。その瞬間にどのように対応するかを考えるべきです。
キーラン・チャンドラー: まさにその通りです。何日間の機動性を獲得できるかを評価する必要があります。ほとんどの企業にとって、より良い予測技術（たとえばLokadのようなもの）を使うことで、どれだけ節約できるでしょうか？移動平均と比較して、おそらく1週間、おそらく2週間です。もしかしたら、より良い予測ができるので、少し良くなるかもしれません。たとえば、会社が季節性に対処するのが非常に下手だった場合、おそらく4週間です。しかし、私は、プロセスが機能不全に陥っていない場合、おそらく数週間の話だと思います。しかし、意思決定に関しては、企業が新しい現実を受け入れるまでに最大で3か月もの時間を無駄にすることがよくあります。非常に遅いです。例えば、ファストファッションのような超反応型のビジネスでも、予測を意思決定に変換するのに6週間かかっていました。そして、それからまだ生産、輸送、配布をしなければなりません。それには時間がかかります。だから、平均的には、ほとんどの企業にとって、予測と意思決定の間の遅れをなくすために、これらすべてを自動化することがより安全な選択だと思います。そして、もし運が良ければ、数日または数週間を削減できるような非常に高度な予測を持つことができるようになります。わかりました、素晴らしいですね。しかし、企業が私たちの行動をすべて監視していることを知らずにソーシャルメディアを使うことができるようになりました。
ジョアネス・ヴェルモレル: ああ、彼らは見ています。ただそれは楽しいだけで、何か具体的な行動にはつながりません。
キーラン・チャンドラー: それでは、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。
