00:00:08 シナリオ分析と確率的予測との比較.
00:01:02 シナリオプランニングとそのシンプルさ.
00:02:56 ソフトウェアを用いたシナリオプランニングの限界と不確実性の扱い.
00:05:57 代替手法：確率的予測とその利点.
00:06:48 サプライチェーンプランニングにおける複数シナリオの実装の難しさ.
00:08:00 サプライチェーン管理におけるシナリオプランニングの限界.
00:09:52 シナリオプランニングの代替手段としての確率的予測.
00:10:38 確率的予測を高解像度イメージングと比較.
00:13:22 シナリオプランニングにおけるシンプルさの錯覚と意思決定の課題.
00:15:00 複数シナリオにおける意思決定の平均化が不十分であることを示す例.
00:16:01 従来のシナリオプランニングの限界.
00:17:27 確率的予測の実装における課題.
00:19:00 シナリオプランニングの利点とその将来.
00:20:58 可能な未来間の調整の自動化.
00:23:19 確率的意思決定のための適切なツールの重要性.
要約
キアラン・チャンドラーは、サプライチェーン最適化ソフトウェア会社Lokadの創設者である供給チェーン最適化のジョアンネス・ヴェルモレルにインタビューし、シナリオ分析の効果と確率的予測との比較について議論します。ヴェルモレルは、シナリオプランニングには時間がかかり大きな入力が必要といった限界がある一方で、サプライチェーンの不確実性に対処するためには確率的予測の方が効率的かつ効果的な手法であると考えています。彼は、すべての未来を一度に扱うための特殊なツールの探求が導入には不可欠であり、Lokadは確率的未来に対処するための数学的かつ統計的ツールであるランダム変数の代数を構築したと述べています。最近のサプライチェーンの予測不可能性は、突発的なシナリオに対処するためのより良いツールの必要性を浮き彫りにしています.
詳細な要約
本インタビューでは、司会のキアラン・チャンドラーとサプライチェーン最適化ソフトウェア会社Lokadの創設者ジョアンネス・ヴェルモレルが、シナリオ分析の効果と確率的予測との比較について議論します。シナリオ分析は1970年代にShellによって最初に開発されたもので、未来に関する仮定を行い、その結果を探る思考実験です。特にサプライチェーンに関しては、シナリオプランニングの目的は複数の代替未来を探求し、より良い意思決定を下し、予測不可能な変動に対してより堅牢なパフォーマンスを実現することにあります。サプライチェーンは複雑ですが、シナリオプランニングはそのプロセスを単純化でき、ソフトウェアツールによって支援されることもあります。一方で、確率的予測はアプローチが異なり、仮定に依存せず、統計的な確率と未来の不確実性を取り扱います。両者は不確実な未来に対処する点では共通していますが、シナリオ分析はより洗練され単純なアプローチであるのに対し、確率的予測は統計的確率に依拠しています.
議論はサプライチェーン管理におけるシナリオプランニングと予測に焦点を当てています.
ヴェルモレルは、シナリオプランニングとは、さまざまな入力と仮定に基づいて異なるシナリオを予測するものであり、これにより意思決定者が代替の未来に備え、戦略を調整できると説明しています。しかし、シナリオプランニングには限界もあります。例えば、時間がかかり、専門家による大幅な手作業の入力が必要です.
ヴェルモレルは、より効率的かつ効果的なアプローチとして、人間の専門知識ではなく計算手法に依存する確率的予測を挙げています。この手法は、多くの変数がある状況や、可能なシナリオが圧倒的に多い場合に特に有用です.
ヴェルモレルは、シナリオベースのプランニングを推奨するコンサルタントやベンダーは多いものの、これらのシナリオが実際の運用に使用されることは稀であると指摘しています。これは、シナリオプランニングには多大な時間とリソースの投資が必要であり、企業にとって実施が常に現実的でない場合があるからだと述べています.
総じて、ヴェルモレルはサプライチェーン管理において、異なるシナリオを考慮し、不確実性に備えることの重要性を強調しています。従来のシナリオプランニングには限界があるものの、確率的予測はこの課題に対してより効率的かつ効果的なアプローチを提供します.
会話はサプライチェーンにおけるシナリオの役割に焦点を当てました。ヴェルモレルは、シナリオがサプライチェーンチームの日常業務において重要な役割を果たしているが、費用がかかりすぎると考えています。彼は、不確実な未来に対応するという核心的な洞察は正しいものの、古典的なサプライチェーンの予測手法は根本的に誤っていると主張します。ヴェルモレルは、企業が不確実な未来に対処するためにより優れた代替手段を持たないため、シナリオを使用していると論じています.
確率的予測は、不確実な未来に対処するための新たな代替手段です。ヴェルモレルは、確率的予測はシナリオとは異なり、現代の安価に利用可能な大量の処理能力を活用する全く異なる視点を提供すると説明しています。確率的予測の背後にある重要な考えは、発生確率が非常に低い未来であっても、すべての可能な未来を見るという点にあります。ヴェルモレルは、確率的予測がシナリオよりも不確実な未来に対処するためのより良い代替手段であると考えています.
ヴェルモレルは、可能な未来の出来事に対して確率を割り当てる機械的な方法である確率的予測の概念を説明しました。これにより、すべての可能な未来を分析できるため、シナリオに頼る必要がなくなると彼は考えています。彼は、低解像度の画像でごく少数のピクセルしか示さないのではなく、未来全体の高解像度イメージを持つことの類推を用いました.
チャンドラーは、シナリオプランニングと確率的予測とのエンドユーザー視点における違いについてヴェルモレルに質問しました。ヴェルモレルは、シナリオプランニングはシンプルさの幻想を提供するものの、複数のシナリオに対して矛盾する可能性のある意思決定を行う際には問題があると述べました。例として、書籍を販売する店舗で、ほとんどの顧客が一冊のみを求める親であるのに対し、時折、学校の教師が現れて同じ書籍を30冊求めるといったケースを挙げました.
ヴェルモレルは、サプライチェーン最適化と意思決定のためのツールとして、確率的予測の重要性を強調しました。これは、シナリオではなくすべての可能な未来の高解像度イメージを提供するためです.
議論はサプライチェーン最適化の課題に焦点を当てています。ヴェルモレルは、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の創設者です。会話は、ある書籍に対して店舗に在庫をどの程度保有すべきかという議論から始まりました。ヴェルモレルは、必要な在庫量を平均化することは意味をなさず、従来の手法で人手を注ぎ込むことで問題がさらに悪化すると論じています。シナリオプランニングは複数の未来を管理する潜在的な解決策を提供するが、単なるロジックのコピー＆ペースト以上のものが必要であると説明しています。確率的予測の実装ははるかに難しいものの、Lokadのようなサプライチェーンソフトウェアベンダーにとっては、システムを改善する大きな機会を提供します。ヴェルモレルは、シナリオプランニングから得られる結果の調整を自動化することが克服すべき重要な課題であると締めくくりました.
彼らはサプライチェーン管理におけるシナリオ分析とその限界について議論しました。ヴェルモレルは、企業はシステムを実装し、境界事例に直面するまで問題に気づかないことが多いと説明しています。それにもかかわらず、ベンダーはデモで見栄えのする機能を販売するインセンティブを持っており、人々が代替案を想像できない限り、シナリオ分析が最善の選択肢として見なされると述べています。ヴェルモレルは、シナリオに確率を割り当てる自然な拡張として確率的予測があるが、本当の問題はすべての可能な未来間の調整を完全に自動化することにあると考えています。この問題を解決するため、Lokadは確率的未来に対処するための特定の数学的・統計的ツールであるランダム変数の代数を構築しました。ヴェルモレルは、一度にすべての未来を扱うために必要な特殊なツールを探求することが導入のために不可欠であると強調しています.
完全な文字起こし
Kieran Chandler: 本日のLokad TVでは、その有効性と、確率的予測のような代替手法で置き換え可能かどうかについて議論します.
Joannes Vermorel: この両手法は、不確実な未来に対処するという点で共通しています。未来が確実でないため、選択肢を探求したいのです。しかし、この探求の方法は大きく異なります.
Kieran Chandler: 今日は、シナリオプランニングについてさらに詳しく見ていきます。まずはその仕組みと概念を説明することから始めましょう.
Joannes Vermorel: シナリオプランニングは概念的には非常にシンプルです。単に「もしも」の思考実験として、未来がこうであると仮定するだけです。この未来が実現すると仮定し、その初期の仮定に基づいて、サプライチェーンの視点からどのような結果になるかを見ていくのです。いわば、非常にエレガントでシンプルな手法であり、このプロセスを繰り返すことができます。シナリオプランニングの背後にある考えは、一つの真の予測だけでなく、複数の代替案を探求するという点にあります。複数の代替案を探求することで、予測不可能ながらも起こり得る変動に対して、意思決定や業績をより堅牢なものにすることができます.
Kieran Chandler: 興味深いのは、サプライチェーンでは需要が一つの変動要因である一方、リードタイムのような他の関連する変動要因も存在することです。この手法は、これら複数の変動要因を組み合わせることができるのでしょうか？
Joannes Vermorel: シナリオプランニングの重要な考えは、過去に非常に似た状況に基づいて物事を単純化する点にあります。文字通り、需要が特定の数値になると仮定するのです。このシンプルさのために、ソフトウェアの観点からは、特に何千もの製品、膨大な数の拠点などの複雑さに対処する際に、この考え方を支援するツールが必要となるのです。興味深いのは、ソフトウェアの観点から見ると、シナリオプランニングは従来の予測ロジックに対するセットアップとロジックのコピー＆ペーストのようなものだということです.
Kieran Chandler: シナリオ分析とは何か、そしてそれがどのようにサプライチェーン最適化に利用されているか、説明していただけますか？
Joannes Vermorel: もちろんです。シナリオ分析は、可能な未来のシナリオを表す数値を予測することに基づいています。その予測に基づいて、意思決定を導き出すことができます。もし代替のシナリオが必要な場合、それは単にバイアスがかかった別の予測、例えば下降傾向の予測という形になります。そして、その予測に基づいたすべての意思決定を導き出し、通常の古典的な予測である中央値シナリオに基づく最初の意思決定と比較するのです.
ソフトウェアでこのようなプロセスを簡単に実装でき、シナリオを単に掛け合わせるだけで済むという事実は、必ずしも望むすべてのことが実現することを意味しません。特に、シナリオの調整には専門家と手動の微調整に依存するため、需要の膨張や縮小といった単純な変数に基づいてシナリオが調整される傾向があります。しかし、リードタイムなど、不確実な要素は他にも多数存在します.
シナリオを微調整する問題は、組み合わせが膨大になり、圧倒されてしまうことです。根本的には、シナリオの選択は非常に人間の感覚に依存するものです。人間はそれらのシナリオを慎重に選び抜くべきなのです.
代替のアプローチは、より計算的な手法を取ることであり、そこに確率的予測が適合するのです.
Kieran Chandler: つまり、それは人間に任せるよりも機械に任せたほうが良いということですか？
Joannes Vermorel: その通りです。シナリオ分析は、未来を完璧に知ることができないという現実に対処する興味深い方法ですが、実際には限られたシナリオをピックアップしてしまうという問題があります。実際のところ、サプライチェーンの予測と計画の従来の手法は、主要なシナリオだけでも非常に時間がかかります。大企業では、計画担当者や予測担当者のチーム全体が必要となるほどです。もし追加のシナリオを加えると、プロセスを動かすためにはほぼ比例した人員の増加が必要となる状況に直面します。ですから、私の経験では、シナリオベースの計画を推奨するコンサルタントやベンダーは多いものの、実際に運用でそれらのシナリオが用いられることは非常に稀です。むしろ例外的なケースであり、日常業務で使われることは実際にはかなりまれなのです.
Kieran Chandler: サプライチェーンチームの日常業務においてシナリオが大きな役割を果たしている企業を目にするのは稀であり、その理由は単にコストが非常に高いからだと考えます。しかし、この手法は1970年代から存在しているものです。それなのになぜ、コンサルタントやベンダーは今なおこれを推進し、企業が明らかにこれを使用し続けているのでしょうか？
Joannes Vermorel: まず、私は不確実な未来に対処する必要性という核心的な洞察が非常に正しいと信じています。つまり、従来のサプライチェーンの視点、すなわち単に予測を行い「これが未来だ」と決めつける方法―例えば「来週はこの製品を155個売る」と予測する―は根本的に誤っています。直感的にも、このアプローチには重大な問題があると分かるのです。未来が未知であるという現実に対処しなければならず、シナリオはその問題に対する（たとえ不十分ではあっても）答えとなり、より良い代替手段がないために使いたくなるのです。「手にハンマーしかなければ、すべてが釘に見える」という格言のように、他に良い道具がなければ、実際には対処すべきものがネジであってもハンマーを使うしかないのです。
現在では、40〜50年前には存在しなかった大量の安価な処理能力などを活用する代替手段が登場しています。これが確率的予測の本質です。現代における豊富な処理能力を利用することで、全く異なる視点から問題に取り組んでいるのです。
Kieran Chandler: では、なぜ確率的予測はそんなに異なるのでしょうか？というのも、やはり代替の未来を見ている点は同じだからです。確率的予測では、ある出来事が起こる確率を割り当てますが、表面的には単に可能な代替案を見ているだけなので、実際はあまり違いがないように見えます。
Joannes Vermorel: 確率的予測の重要な考え方は、機械が生成する未来を持つということです。すなわち、あらゆる可能な未来、あるいは少なくとも数値的に意味のある未来すべてを見るということです。どれだけ莫大な計算資源があっても、兆分の一の確率でしか起こらない事象の影響を評価する意味はありません。それは、保有する処理能力の投資として最善とは言えないのです。しかし、年間に百万分の一の確率でも起こりうる事象だけを考えれば、それは非常に起こりにくいとはいえ、絶対に起こらないわけではありません。そして、現代のコンピュータによって、そのような事象に対処するための生の処理能力は十分にあります。
Kieran Chandler: 数十年後、家庭用やスマートフォンのような平凡なコンピューターでも、確率的予測は文字通り、多くの可能な未来の事象に確率を割り当てる機械的な手法となるでしょう。そして、その時になれば、もはやシナリオは不要であると実感するはずです。一つひとつ厳選されたシナリオを、あらゆる可能な未来を徹底的に分析する手法で置き換えることができるのです。これは、4画素しかないビデオカメラから、全画素が揃った高解像度の未来画像に変わるようなものです。
Joannes Vermorel: それはどんな違いを生むのでしょうか？例えば、風景があっても画素が5つしかなければ、その風景がどうなっているかを推測するのは極めて困難です。努力して20画素にしたとしても、非常に手間がかかります。しかし、20画素から400万画素へと移行すれば、ほとんど意味が分からなかったものが、完全に意味をなす高品質な画像へと生まれ変わるのです。実際、理論上は徐々に進むプロセスであっても、その違いは全く異なります。
Kieran Chandler: エンドユーザーの視点から考えてみましょう。シナリオプランニングでは、たとえ4画素でも、始まりと終わりに何が起こっているかの概略は把握でき、非常に論理的です。しかし、確率的予測であらゆる可能な未来を見るという考え方は、はるかに非論理的で理解しにくいのです。エンドユーザーにとって、こちらの方が使いやすいのでしょうか？
Joannes Vermorel: シナリオプランニングでは、一見シンプルに見える幻想があります。あるシナリオを選ぶと、そのシナリオに適した一連の意思決定が得られ、比較的単純に思えます。しかし、別のシナリオを見ると、また別の意思決定が必要になります。三つ目のシナリオになると、またまた異なる決断が求められます。実際、これら全ての意思決定は完全に矛盾する可能性があるのですが、それらをどう統一すればよいのでしょうか？素朴な答えは平均を取ることかもしれませんが、なぜその平均が有効であるはずがあるのでしょうか？
例として、学校向けの書籍を販売する店を想像してみてください。大半の顧客は子供が一人で、その本を一冊だけ求める親です。しかし、時折、学校の先生が店に入り、30冊の書籍を求めることもあります。
Kieran Chandler: 問題は、店に書籍を5冊だけ在庫として持つのが合理的かどうか、ということです。
Joannes Vermorel: 仮に時折来店する親だけに対応するのであれば、5冊で十分かもしれません。しかし、先生にも対応するのであれば、おそらく35冊必要となります。先生用に30冊、その上で親用にさらに5冊が必要です。しかし、平均して「25冊で十分」だと考えると、25冊は親向けには多すぎ、先生には依然として不足してしまうのです。ご覧の通り、単純な平均化では意味をなさないのです。そして、MOQs（最低発注量）のような非線形性がある場合にはまったく効果が発揮されません。基本的に、あるシナリオを単純な解決策と捉えると、別のシナリオではまた別の解決策が現れ、最終的にはそれらすべてをどう一致させるかという問題に直面します。現実には、従来のアプローチはこの問題に対してさらに多くの人手を投入するだけで、既に非常に労力集約的なのです。各シナリオごとにより多くのプランナーや予測担当者が必要となり、さらにそれらを調整するための別チームが必要になるため、スタッフの人数が単に線形に増えるだけでなく、むしろ超線形的に増加してしまうのです。そして、それは非常に、非常に悪い状況です。
Kieran Chandler: シナリオプランニングの一つの利点は、ロジックをコピーペーストするだけで実装できる点であり、実装の観点からは単により多くのリソースを投入すれば済むということだと思います。それはつまり、確率的予測の実装がより困難で、そのために企業があまり関心を示さないということでしょうか？
Joannes Vermorel: ソフトウェアベンダーの立場から言えば、絶対にそうです。実際、あなたがサプライチェーン向けの予測・計画システムを開発しているソフトウェアベンダーだと仮定してください。従来の視点からすれば、あなたのシステムはクラシックな予測を管理できる、つまり各商品に対して日、週、月単位の未来の数量を割り当てることができるのです。これが従来型の予測製品の姿です。一つの未来を管理し「これが未来だ、こうなっていく」と決めるためのすべてが整っています。ところがシナリオプランニングへ移行する際には、「この未来の第2のインスタンスを管理し、それを第2のシナリオと呼ぶ」ということをするだけで済むのです。ロジックやコードの面では、単にシナリオという次元を一つ追加するだけなので、実質的には全く同じコードなのです。そうすれば、シナリオプランニングのシステムはすぐに整うのですが、ここで問題が生じます。それは、そこで得られる結果をどのように統合するかという点です。
Kieran Chandler: シナリオは……しかし実際には、企業はシステムを実装し、様々なシナリオで得られる結果を平均できないというエッジケースに遭遇するまで、この問題に直面していることに気づかないのです。
Joannes Vermorel: 例えば、3つの例だけを示せばベンダー側としては十分に良い結果と思われるでしょう。まず、ベンダーにとっては実装コストが非常に低いため、安価でデモではかっこよく見える機能を導入するのは問題ありません。さらに、単純なパイロットプロジェクトであれば、先ほど述べたようなエッジケースに遭遇する可能性は低く、シナリオの平均化がうまく機能することもあるのです。しかし、状況がより複雑になると、無数のエッジケースが現れ、全体としてその方法は実行不可能となってしまいます。しかしその時点では、ベンダーは既に報酬を得ているため満足しているのです。前回のエピソードで議論したように、サプライチェーンソフトウェアベンダーの支払い方法には誤ったインセンティブが働いているのです。さらに、代替案を思い浮かべられない限り、他に良いものが無いという理由で、これが最善に見えてしまうのです。
Kieran Chandler: では、ここで少しまとめてみましょう。あなたは、人々が代替案を想像できないと言いましたが、今や私たちの持つ計算能力のおかげで代替手段が存在する状況になっています。代替手段があるのですから、やがてシナリオ分析のような方法が廃れていくのではないかと考えられますか？
Joannes Vermorel: はい。ただ、正直に言えば、Lokadがその考えを文字通り世界中に普及させるには、まだ長い道のりがあるというのが現状です。問題は確率的予測そのものではありません。多数のシナリオに確率を割り当てるという発想は比較的単純で、まさにシナリオアプローチの自然な拡張―まるで画素を追加するかのように、画素の数が確率を表すのです。
Kieran Chandler: つまり、色の代わりにこれを「私のシナリオ」と見なして、そのシナリオに確率が付与されていると考えることができるわけです。しかし問題は、すべての可能な未来が揃った時、それらを完全に自動で統合する方法を考えなければならなくなる点です。ここから、Lokadの視点では物事が非常に複雑で奇妙なものになり始めるのです。
Joannes Vermorel: ご存知の通り、私たちが開発した解決策は「ランダム変数の代数」と呼ばれています。そのため、これらの概念に対処するには、予測面だけでなく意思決定面においても、非常に特定の数学的・統計的なツールが必要となるのです。実際、Lokadの技術スタックをよく見ると、予測は全体の中のごく一部に過ぎません。複雑さの大部分―技術、ツール、実践、アルゴリズムなど―は、不確実で確率的な未来に直面した際に、どのようにして実際の意思決定を最適化するかにかかっているのです。
そして、これがさらなる普及を阻む問題だと私は考えています。人々は、あらゆる可能な未来を確率付きで見ることが可能だと認識するだけでなく、すべての未来を一度に扱うための、いわば非常に異質なツールも探求しなければならないのです。そうしたツールがなければ、結局は全ての可能性を整理するのに膨大な時間を要する初期状態に戻ってしまいます。Lokadでは、これらの可能性を整理するのではなく、プロセス全体を通して保持するのがコツなのです。したがって、決して容易ではありませんが、適切なツールがあれば実際にはかなり単純な作業となります。
Kieran Chandler: では、ここで締めくくりましょう。最近の出来事から、予測不能なほど多くの突発的なシナリオが発生しうることは明らかです。ということで、今週はこれで全てです。ご視聴いただき、誠にありがとうございました。次回のエピソードでお会いしましょう。ご覧いただき、ありがとうございました。
