00:00:08 サプライチェーン業界における予測精度向上のトピックの紹介。
00:01:22 より正確な予測の意味と予測メトリクスの使用についての説明。
00:03:21 数学的なメトリクスを使用してサプライチェーンのパフォーマンスを測定する際の制約についての議論。
00:05:30 パーセンテージではなくドルで予測精度を測定することの重要性の強調。
00:08:42 パーセンテージの精度を最大化することがサプライチェーンのパフォーマンスに対して誤解を招くことの説明。
00:09:04 販売予測に対して単純なメトリクスを使用する制約についての議論。
00:10:20 ゼロの販売を予測するモデルの使用が会社にとって壊滅的な結果をもたらす仕組みの説明。
00:11:23 サプライチェーン管理の文脈で対称的なメトリクスの問題の説明。
00:13:02 予測は将来についての教養ある意見であり、サプライチェーンへの影響についての説明。
00:16:32 予測の精度向上に専念する部署の作成に伴う危険性の議論。
00:18:09 予測は時間とともに改善されるという議論。
00:19:01 より良い予測メトリクスが常にサプライチェーンのパフォーマンス向上につながるわけではないという説明。
00:21:41 企業の成長と収益性がクライアントのサプライチェーンの改善を意味するわけではないという認識。
00:22:04 月額定額制モデルと複数年プランの違いの説明。
00:25:53 予測から正確性メトリクスを発見するツールへと製品が進化した経緯の説明。
00:26:56 サプライチェーン管理で使用されるメトリクスに関する議論。
00:27:20 確率的予測とクロスエントロピー、連続ランク確率スコアなどの特定のメトリクスの利点についての説明。
00:27:54 予測精度向上からサプライチェーンのパフォーマンス最大化への視点の変化。
00:29:51 サプライチェーン全体にわたる責任を持つ一人の担当者の重要性。
00:32:23 サプライチェーン管理におけるモノリシックな最適化プロセスの重要性。
要約
Lokadの創設者であるJoannes Vermorelは、精度メトリクスを使用してサプライチェーンのパフォーマンスを改善することの制約について、ホストのNicole Zintと話しました。 Vermorelは、企業がしばしば予測精度の向上に過度に焦点を当て、収益に与える影響を考慮しないと主張しました。彼は、ドルの誤差で予測精度を測定することが、企業が正しい方向に進んでいるかどうかをよりよく評価できると提案しました。 Vermorelはまた、予測精度の向上にのみ焦点を当てるのではなく、利益やパフォーマンスを最大化する重要なサプライチェーンの決定を見つけることの重要性を強調しました。彼は、会社に害を及ぼすばかげた意思決定につながる誤解を招くメトリクスの危険性に警告しました。
詳細な要約
title: “予測の正確さと供給チェーンのパフォーマンス”
インタビューのトピックは、供給チェーン業界における予測の正確さです。司会者のNicole Zintは、予測の正確さを向上させるための数十年の取り組みにもかかわらず、より正確な予測がより良いパフォーマンスの供給チェーンにつながっていないことに注目しています。彼女は、業界が問題を間違った方法で見ているのか、または完全に間違った問題に焦点を当てているのか疑問に思っています。Lokadの創設者であるJoannes Vermorelは、より正確な予測とは、予測メトリックによると、ある予測モデルが他のモデルよりも正確であることを意味します。予測メトリックはさまざまありますが、それらはすべて数学的なオブジェクトであり、供給チェーン業界には関連しない場合があります。Vermorelは、問題に適した数学的なメトリックを教科書から選ぶことができるという期待は間違っていると指摘しています。彼は、パーセンテージでの正確さを最大化することが供給チェーンのパフォーマンスを誤解させる可能性があるとも述べています。また、数学的なメトリックの最適化による予測誤差の縮小は、追加の供給チェーンのパフォーマンスを生み出さないとも述べています。ただし、予測誤差を増やすことは、必ずしも供給チェーンのパフォーマンスを向上させるわけではありません。Vermorelは、供給チェーンは一次元の問題ではなく、正確さとパフォーマンスの間には偽の二重性があると考えています。
Zintは、Vermorelに供給チェーンのパフォーマンスをどのように測定するか尋ねます。Vermorelは、使用されるメトリックを定義するのが難しいことがあると答えます。課題は、状況に依存する良い予測を見つけることです。Vermorelは、スーパーマーケットなどの具体的な例を見ることを提案し、予測を最適化する方法を理解することを示唆しています。彼は、店舗レベルでは、ほとんどの商品の平均需要は週に1単位未満であり、したがって、ほとんどの商品の最も可能性の高い結果は、任意の日における売上ゼロです。パーセンテージで予測の正確さを最大化するメトリックに対して最適化すると、毎日ゼロを予測するモデルになってしまい、会社にとっては壊滅的な結果になります。さらに悪いことに、モデルがゼロを予測すると、店舗はゼロを補充し、収益と顧客を失うことになります。
全体的に、Vermorelは、供給チェーンのパフォーマンスを向上させる鍵は、予測の品質と供給チェーンのパフォーマンスを経済的なドライバーで結びつけることにあると主張しています。彼は、予測の正確さをパーセンテージではなく、誤差のドルで測定し、在庫不足に関連するコストを考慮に入れることを提案しています。これにより、企業はゼロの売上が毎日続くなど、間違った結果に対して予測を最適化することを避け、供給と需要のバランスをより良く実現することができます。
Vermorelは、供給チェーン管理における予測の正確さの問題について議論し、過予測と在庫過剰の両方に同じ重みを置く対称的な予測の正確さメトリックの問題を強調しています。Vermorelは、これが非対称な結果をもたらす重要な問題であると主張しています。彼は、予測の正確さは重要ですが、結果としての正しい意思決定を、すべての製品、すべての日において正しいタイミングで行うことに関連付けるべきだと主張しています。
Vermorelは、安全在庫、ABCクラス、およびサービスレベルなどの数値的な要素を導入することで、数値的な要素に対処する専門家のサブグループを作成する誘惑が生まれると主張しています。しかし、Vermorelは、これらの要素は実際には存在せず、予測の品質を向上させるためだけに働く専門家チームを作成することが問題の根本原因であると主張しています。彼は、そのようなチームが独自の目標とメトリックに基づいて予測を作成し、結果を考慮に入れない独自のバブルで運営していると考えています。
Vermorelの見解では、大企業は作業量を分散させる方法に苦労しており、数値的な要素を導入することは必ずしもそれを最適化するためのチームを作成する必要があるという意味ではありません。代わりに、Vermorelは、サプライチェーンマネージャーが結果を重視し、毎日のすべての製品に対して適切な時期に正しい決定をすることに焦点を当てるべきだと主張しています。予測の正確さは重要ですが、それは結果と関連付けられるべきであり、サプライチェーンマネージャーは自分たちの決定の結果を考慮に入れずに予測の正確性の向上にだけ焦点を当てることに注意を払うべきです。
彼らは、精度指標を使用してサプライチェーンのパフォーマンスを向上させることの制約について議論しました。Vermorelは、企業が収益に与える影響を考慮せずに予測の正確性を向上させることに過度に焦点を当てていると考えています。第二次世界大戦中の太平洋諸島のカーゴカルトとの類似性を指摘しながら、Vermorelは、予測チームがサプライチェーンに与える深い影響を考慮せずにメトリックを最適化していると述べています。予測手法の深い影響に焦点を当てることで、Vermorelは、Lokadがポジティブな結果を優先する月額定額制モデルを通じてクライアントがより良いパフォーマンスのサプライチェーンを実現するのに役立つと考えています。
Vermorelは、サプライチェーン最適化のフィードバックループがより緊密であることを説明しており、企業は市場の変化に対してより迅速に対応する必要があると指摘しています。また、特定のメトリックに基づいて最適化するだけでは多くの問題が生じるため、十分ではないとも述べています。代わりに、企業は自分たちのビジネスに固有の精度指標を見つける必要がありますが、それは各業界固有の多くのエッジケースや要因が存在するため、課題となることがあります。
Vermorelは、予測の正確性を向上させることに焦点を当てるだけでなく、利益やパフォーマンスを最大化するための重要なサプライチェンの意思決定を見つけることの重要性を強調しています。彼は、企業がエンドツーエンドの意思決定を担当する責任者を持つ必要があり、断片化が企業に害を及ぼす無意味な決定につながる可能性があると主張しています。彼は、一つのチェスの駒の生存だけに焦点を当てるのではなく、ゲームの勝利に焦点を当てることが合理的に思えるが実際には非常に非合理的な誤ったメトリックの危険性に警告しています。彼は、プロセスをスライスして切り刻むのではなく、モノリシックな最適化プロセスを持つことを企業に勧め、それは設計上の問題であり、逆効果です。
フルトランスクリプト
Nicole Zint: 数十年にわたり、サプライチェーン業界全体が予測の正確性を向上させようとしてきました。大企業はそれに対処するためだけに専門部門を持っています。しかし、この努力の結果、予測の正確性が向上してもサプライチェーンのパフォーマンスが向上するわけではありませんでした。私たちは問題を間違った方法で見ているのでしょうか、または最初から間違った問題を見ているのでしょうか？そして、パーセンテージではなくドルで精度を測定すると何が変わるのでしょうか？これが今日のエピソードのトピックですので、ジョナスから始めましょう。予測がより正確であるとはどういう意味ですか？
Joannes Vermorel: より正確な予測とは、特定の予測指標によれば、あるモデルが他のモデルよりも正確であることを意味します。具体的には、私たちがより正確な予測を持っていると言っているのは、言葉の乱用です。実際には、私たちが真に言っているのは、他の予測モデルよりも正確な予測モデルを持っているということです。そして、何に基づいて？ある予測指標に基づいて、それは単なる指標であり、2つの予測モデルの予測誤差を数量化するものです。実際には、予測の正確性は使用する指標に直接依存します。そして、文献では、さまざまな予測指標が知られています。最も広まっているものはおそらく平均二乗誤差であり、絶対誤差、平均絶対パーセント誤差、重み付けマッピングなどがあります。予測誤差を測定するためのさまざまな関数の世界的な宝庫があります。これらの予測指標の共通点は、完璧な結果の場合、誤差がゼロであることを示すということです。使用するさまざまな指標があります。どれが最も優れているのか、どのように知ることができますか？
Nicole Zint: サプライチェーンに関しては、これは非常に難しい問題です。実際、私がリストアップしたすべての指標は数学的なオブジェクトです。教科書に見つけることができますが、それは興味深い数学的な特性を持っているからといって、それが関心のある領域において有益であるとは限りません。数学的な観点から非常に興味深いことがたくさんありますが、それがサプライチェーンの観点から有益であるとは限りません。そして、これが問題の核心にあると私は考えています。人々は、数学の教科書に行って、数十の指標を見て、その中から1つを選んで「これが最適なものだ」と言えると期待していますが、そんなふうにはうまくいかないのです。実際には、パーセンテージで正確性を最大化しようとする問題は、サプライチェーンのパフォーマンスにとって非常に誤解を招く可能性があります。
Joannes Vermorel: はい、私たちの結論は予測誤差を最大化すべきではないというものではありません。私が議論しているのはそうではありません。実際、結論はそれよりももっと困惑させるものでした。結論は、数学的な指標の最適化によって予測誤差を縮小するだけでは、追加のサプライチェーンのパフォーマンスは生み出されないということでした。しかし、逆も単純ではありません。予測誤差を増やすだけでサプライチェーンのパフォーマンスが改善するわけではありません。これは非常に困惑するところです。なぜなら、供給チェーンが多次元であるため、一次元の問題ではないからです。ですので、基本的な直感が非常に間違っていることがあります。では、ここで質問です。サプライチェーンのパフォーマンスをどのように測定しますか？
Nicole Zint: それが問題の核心なのですが、サプライチェーンのメトリクスについては、人々はどのような予測が良いのかを理解するのが非常に難しいということです。したがって、教科書から選んだメトリクスを使用することになりますが、教科書に書かれているからといって、数学の教科書に書かれているからといって、それが供給チェーンの問題に関連性があるわけではありません。したがって、何か他のものが必要です。これは非常にオープンな問題のように感じますし、実際には非常に急な問題です。私たちが先駆けて取り組んできた実践的な方法は、本質的には誤差のドルで考えることでした。何を最適化しようとしているのか？そして、予測の品質とパフォーマンスを供給チェーンのパフォーマンスと結びつけるためには、経済的な要素を注入する必要があります。そして、それがドルの誤差で物事を測定し始めるときです。その後、供給チェーンにとって意味のある方向に針を動かしているかどうかを評価することができます。実際、サプライチェーンのパフォーマンスが良ければ良いほど、会社はより多くのお金を生み出し、サプライチェーンのコストを削減し、収益を増やすことができます。ですので、非常に興味深いことですが、パーセンテージでの予測の正確さを見ても、ドルでの予測の正確さと必ずしも一致しないということです。これが私たちが現在議論している問題の核心です。
ジョアネス・ヴェルモレル: 実際の問題の核心は、供給チェーンの指標について、人々がどのような予測が良いのかを理解するのが非常に難しいということです。そのため、教科書から選んだ指標を採用して、「これがそれだ」と言っても、すぐにそれが適切であるとは気づかないでしょう。なぜなら、それが数学の教科書にあったからといって、それが供給チェーンの問題に関連性があるわけではないからです。したがって、何かを出力するためには、他に何が必要かという問題が生じます。これは非常にオープンな問題のように感じられますが、実際には非常に迅速な問題であり、私たちが先駆けて考えた実践方法は、基本的に誤差のドルで考えることでした。何を最適化しようとしているのか？そして、予測の品質とパフォーマンスを供給チェーンのパフォーマンスにどのように関連付けるためには、経済的な要素を注入する必要があります。かなり大量の経済的な要素が必要です。そして、それがドルの誤差で物事を測定し始めると、供給チェーンにとって意味のある方向に針を動かしているかどうかを評価することができます。実際には、供給チェーンのパフォーマンスが良ければ良いほど、会社はより多くの収益を生み出し、供給チェーンのコストを削減し、収益を増やすことができます。ですので、予測の精度をパーセンテージで見ると、それがドルでの予測の精度と必ずしも一致しないことが、私たちが現在議論している問題の核心です。
ニコール・ジント: はい、それは非常に集中的です。再び、これは議論の余地がある声明になると思いますが、パーセンテージの誤差で表される予測誤差を減らすことは、供給チェーンのパフォーマンスを向上させるわけではありません。実際には、逆になることさえあります。例えば、スーパーマーケットを見てみましょう。スーパーマーケットは非常に興味深い問題です。なぜなら、人間の行動は予測不可能なことが多いからです。ですので、もし私がスーパーマーケットを経営していて、今日はシャンプーのボトルをゼロ本売るのか、それとも5本売るのかを知りたい場合、私には予測があります。ジョアネス、私のシナリオでのこの予測の精度の違いは、パーセンテージとドルで見た場合、どのようなものですか？
ジョアネス・ヴェルモレル: まず、一つのことを明確にしましょう。不確実性の度合いが少ないか多いかは、観測される予測誤差の大きさを定義するだけです。それは問題ありません。これは完全に状況に依存します。例えば、国の電力消費量を見てみると、1日から次の日までの変動は非常に小さいです。毎日のパターンがありますが、それ以外は非常に安定していますので、非常に小さな変動が観測されます。そして、スーパーマーケットのように非常に細分化されたものを見てみると、パーセンテージで見るとはるかに大きな変動が観測されます。これは
ニコール・ジント: では、具体的なスーパーマーケットの例を見てみましょう。これは以前のエピソードで既に話した逸話です。数年前、この設定で予測のベンチマークを行いましたが、わかったことは、店舗レベルで運営している場合、ほとんどの商品の平均需要は1よりもはるかに低いということです。週に平均して1個、またはそれ以下の商品を販売する必要があります。ゼロを売る可能性の方が1個を売る可能性よりも高いです。絶対に、ですので、ほとんどの商品の最もありそうな結果は、ゼロを売ることです。パーセンテージの精度を最大化しようとする予測はどのようになりますか？
ヨアネス・ヴェルモレル: 予測と現実の差の絶対値を取り、年間売上などで割り、正規化するとします。すると、この指標に対して最適化しようとすると、つまり、この指標に基づいて最良の結果を出す予測モデルを見つけようとすると、毎日ゼロを予測するモデルになります。なぜなら、どの日でもゼロの売上が最もありそうな結果だからです。この非常にシンプルで明快な指標、つまり現実の値から予測を引いた絶対値を最適化するだけで、ゼロを予測する予測が得られます。さらに奇妙で供給チェーンにとってさらに有害なのは、ゼロを予測するモデルがある場合、ゼロを補充することになり、その結果、店舗の棚には何もなくなります。そして非常に速く、予測は100％の精度になります。なぜなら、ゼロを予測し、ゼロを売るからです。すべてがうまくいっているように見えますが、実際にはそうではありません。会社にとっては大惨事です。
ニコール・ジント: はい、それは非常に興味深いです。予測の精度が100％でも収益はゼロです。さらに悪いことに、私たちはまだ収益がゼロですが、すべてのコストがかかります。店舗を運営し続けなければなりません。人件費、建物の費用、すべてを支払わなければなりません。ですから、それはそれ以上です。そして、私たちは顧客を失っています。彼らは探しているものが見つからないので、戻ってきません。
ヨアネス・ヴェルモレル: まさにその通りです。ここで私たちはある種の不条理を見ています。より集約された時系列を見ると、それほど明白ではありませんが、問題はまったく同じです。基本的に、このハイパーマーケットの例での問題は、非常に非対称性があるということです。1つの単位が不足しているコストは、1つの単位が1日余分に売れ残っているコストとはまったく異なります。これは非常に非対称です。そして、私たちが最初に概説した予測の精度指標、つまり予測から現実を引いた絶対値は、完全に対称です。ですから、過剰予測と在庫過多に対して本質的に同じ重みを置いています。そして、ここで私たちは非常に非対称性のある問題を持つ非常にシンプルな問題を見ていますが、予測指標はそれさえ捉えていません。なぜなら、数学的な観点や見ている指標は通常対称的だからです。数学的な観点から高度に非対称な指標を持ちたいと思う理由はないからです。通常は…
ニコール・ジント: それでは、予測の精度と供給チェーンの最適化における役割について少し話してみたいと思います。数学的な興味からすると、非常に興味深いです。これは表面的な話に過ぎません。私たちはただ1つの小さな問題を見ているだけですが、この小さな問題だけでも、対称的な指標に基づいて予測を最適化するプロセスから得られるすべての意図した利益を完全に無効にする十分な大きさです。ですから、私たちはおそらくこの問題を間違った方法で見ているだけでなく、最初から間違った問題を見ているかもしれません。需要がどのようになるかを推測することにだけ焦点を当てており、在庫過多や在庫不足のコストについて考えていません。実際に得られる利益からそれを取り除き、正確な需要を推測することだけに注目しています。
ジョアネス・ヴェルモレル: はい、もっと根本的に言えば、予測はただの意見です。理想的には、将来についての教養のある意見であり、それは正しいと言えます。しかし、結局のところ、予測はただの意見です。それはあなたの供給チェーンに何もしません。供給チェーンに何かをもたらすのは、あなたが実際に行うことです。あなたが取る決定、このハイパーマーケットに1つの余分なユニットを置くかどうか、任意の製品について、任意の日に、それらが決定です。したがって、予測の精度を考えるとき、あなたの予測モデルを改善することが、あなたの最終目標である正しい時期に正しい決定をすることにどのように貢献するか、ということになります。それが欠けているリンクであり、それが通常、それらの精度指標から完全に欠落している理由です。そして、私が供給チェーンのコミュニティで議論を見るとき、「20種類の異なる指標を供給チェーンに使用できます。この状況ではこれを使用できます。この状況ではこれを使用できます」と言う人々がいるのを見ると、通常、それらの議論は全く的外れです。それらの予測、つまりただの意見と、予測の上に行われる決定、つまり最終的な結果をつなげることさえ始めていません。ですから、私たちはそれぞれの決定の結果から目をそらしています。
ニコール・ジント: まったくその通りです。しかし、これらの大企業では、まだ予測の精度向上に特化した部門があります。そもそもそのような部門が必要なのでしょうか？
ジョアネス・ヴェルモレル: それは私たちが以前のエピソードの1つで簡単に取り上げたトピックであり、大企業内の部門です。問題は、数値的なアーティファクトを導入するときに、数値的なアーティファクトはどんな種類でもあり得る、ABCクラスであるかもしれませんし、安全在庫であるかもしれませんし、予測であるかもしれません。私はこれらすべてが数値的なアーティファクトであると言っています。あなたの倉庫には安全在庫なんてありません。作業在庫と安全在庫の2つの在庫はありません。今はただ1つの在庫があります。そして、これらの数値的なアーティファクトを導入すると、会社内にはこの数値的なアーティファクトに対処する専門家のサブグループを作りたいという誘惑が生じます。しかし、それは現実ではありません。あなたがそれをやっているから、または業界の半分がそれをやっているからといって、それが何らかの現実のように思えることに誤解されるかもしれませんが、実際にはそうではありません。実際には、そうではないことがたくさんあります。安全在庫は現実ではありませんし、サービスレベルも現実ではありませんし、予測はどのように行っても現実ではありません。
ニコール・ジント: では、ジョアネス、数値的なアーティファクトとは具体的に何を指すのでしょうか？
ジョアネス・ヴェルモレル: それらは現実ではありません。ある種の操作を実現し、ある種の決定を行うために作り出す数値的なアーティファクトです。そして、大企業に戻ると、彼らは常に作業量を分散させる方法に苦労しています。数値的なアーティファクトを導入したからといって、チームを導入する必要があるわけではありません。これは、むしろ、最初に供給チェーンのパフォーマンスを根底から揺るがす、私が言うには、悪の根本原因の1つです。
ニコール・ジント: なぜそうなのでしょうか？
ジョアネス・ヴェルモレル: まあ、予測の品質を改善するために専門家チームを作ると、どうなるかというと、彼らは指標を選ぶことになります。なぜなら、指標がないと彼らは作業できないからです。ですから、彼らは指標を選ぶでしょう。何かを測定する必要があります。そして、彼らは指標を持っているので、非常に合理的に見えます。はい、私たちは予測を最適化しています。予測の絶対値と現実の差です。明らかに、完璧に正確な予測を作れば、予測誤差はゼロになります。そして、みんな同意します。うん、理にかなっているし、合理的だと思います。ただし、ハイパーマーケットの例で見たように、それはまったく現実的でも合理的でもありません。それにもかかわらず、大企業であれば、それに気づかないかもしれません。悪魔は細部にあり、おそらく人々はそれがまったく完全にでたらめで非意味的であることにさえ気づかないでしょう。それでも、チームがあり、予測を作成する担当チームが自分たちのバブルで作業しているのです。ですから、実際の決定をするのは彼らではなく、予測を作成する人々です。
ニコール・ジント: それが問題なのはなぜですか？
ジョアネス・ヴェルモレル: 彼らの目標と指標に従って、彼らは改善しています。彼らは一連のモデルを作成し、時間の経過とともにそれを改善していきます。彼らは季節性を考慮に入れるでしょう。宗教的な休日を考慮に入れるでしょう。さまざまな要素を考慮に入れるでしょうし、彼らは改善していきます。そして、指標に従って予測が改善されるでしょう。そして、時間の経過とともに、彼らはより良いソフトウェアを導入するかもしれません。指標に従って改善されるでしょうが、それは企業の利益を表すドルとは一致しません。ですから、予測の改善によって供給チェーンのパフォーマンスは改善されません。はい、そして、人々は言うでしょう。「でもなぜ？私たちはより良い予測を持っているので、なぜ改善しないのですか？」これらの人々は、実際にはドルの誤差に基づいて改善するための何もしていないのです。彼らは精度の指標を目指しているだけです。それがトリックです。何か別のことをやっているからといって、別のことをやっている場合と同じ結果が得られるわけではありません。それは文字通り、少し脱線しますが、カーゴ・カルトという逸話があります。第二次世界大戦中に、太平洋の島々を飛び越えるアメリカの航空機があり、彼らは食料、弾薬、さまざまな商品を投下していました。島に到着したばかりの兵士たちは、すでにそれらを持っていました。
Nicole Zint: 実際に人々が気付いたとき、彼らは新しい宗教の誕生を目撃したことさえありました。人々は飛行機がより多くの貨物を届けるために出現するように試みていました。見ての通り、これは過去に起こったことを表面的に模倣しようとすると起こることですが、核となる実質はなく、それは貨物のカールが現れたものです。つまり、単に過去の貨物の配達を再現することで島に貨物を届けようとすることによって生じたものです。私は、ほとんどの予測チームが単にこれらの指標を最適化することでより良いサプライチェーンのパフォーマンスを生み出そうとしていると考えています。それはそれ自体の合理性がありますが、世界全体を見てみると、それはまったく合理的ではありません。これは合理性の表面上のものであり、形式的なものを取るだけです。つまり、数字があり、スマートな人々がいて、プロセスがあるということですが、すべてのボックスにチェックを入れているからといって、全体が実際に意味をなすわけではありません。だから、最初に、私たちは予測を行い、予測をより正確にすることに焦点を当てて始めましたが、Lokadの旅を通じて、Joannesはどのようにして、実際にはこれがより良いサプライチェーンを生み出さないことを認識したのですか、または生み出さないことを認識したのですか、私たちのクライアントのために？
Joannes Vermorel: それはうまくいっていなかったからです。だから、私たちは間違った問題に取り組んでいることに気付いたのはどうやって気付いたのですか？つまり、実際にはうまくいっていないと気付いたのはどうやって気付いたのですか？なぜなら、それは厄介な質問です。実際にはうまくいっていないときでも、Lokadはクライアントをうまく獲得し、うまく成長し、利益を上げていました。だから、成長していて、利益を上げていて、ソフトウェア会社であれば、良いことです。でも、クライアントにとってはうまくいっていなかったんですよね。私が立ち止まって考え、自分自身に問いかけたとき、「私は本当にクライアントの状況を本当に良くしたのだろうか？」という、容赦のない質問を自問自答しました。指標を忘れて、ただ直感的な感覚で状況を把握しようとすると、本当に良くなっているのだろうか？と私は気付き始めました。でも、実際にはそうではありませんでした。しかし、人々は「でも、すべての指標によれば、私たちは良い状態なので、指標を達成している」と言うでしょう。でも、問題は、ある指標を選び、その指標に対して最適化すると、はい、その指標に従って良くなるでしょう。これはまさに数学的最適化と機械学習があなたのために行うことです。指標を選び、数値最適化を実行すると、その指標に従って何かが改善されます。ですから、これはある意味で矛盾した性質です。私たちは指標を選び、その指標に従って良くなるのですが、それを期待していたのですか？アルゴリズムが正しく実装されていない限り、私たちは実際にはそれを行うべきです。しかし、それはより深いレベルでは、私たちが
Nicole Zint: なぜ早期の計画のキャンセルを信じているのか説明してもらえますか？
Joannes Vermorel: 早期のキャンセルは、私たちの競合他社のほとんどが数年間の計画を立てていることを見ているからです。彼らは基本的にERPを経て、商品を販売し、その後5年間の旅に乗り出します。それがうまくいくかどうかに関係なく、クライアントはこれに多くの努力を費やしているため、変更することができません。彼らは遊ぶことができる沈んだ車です。すでにそこに多くの投資をしているので、それに固執するという心理的な罠があります。あなたはそれをとても楽しんで逃したので、5年後には非常に複雑なソリューションを展開するのに疲れ果てているため、変更しません。そして、最終的に変更することを決めたとき、あなたは8歳か10歳です。それから別のRFPを通過します。ですので、この時点でクライアントを失った場合、予測に何か問題があったわけではないと言うだけです。「まあ、予測に何か問題があったわけではないんです。ただ、技術が進化し、競合他社の中でこの特定のクライアントに先行したものがあったため、2回目のRFPでクライアントを獲得できませんでした」と言います。しかし、あなたは自然に、あなたが何か良いことをしているのか、あなたの予測がクライアントにとって価値のあるものを実際にしているのかというつながりが非常に緩いことに気づきません。もしも月を買ったら、突然サプライチェーンディレクターが同じような直感を得ることになります。どんなKPIが言っていても、それがどんなに価値があるものであっても、テーブルにもたらしていないと感じるのです。そして、フィードバックループは、私が言うにははるかに締まっています。
Nicole Zint: ただの予測と比べて、製品が現在どのように進化しているか教えていただけますか？
Joannes Vermorel: 予測の精度に関しては、与えられた予測の精度に基づいて最適化することが問題ではありません。あなたは1つを選びますが、たくさんの問題があります。これが問題ではありません。そして、ツールが正しい場合、1つのメトリックを選び、このメトリックに対して最適化します。これは非常に簡単です。もっと簡単にできるかもしれませんが、これは非常に簡単です。今、私たちは最適化していますか？調律していますか？それが問題です。ツールはメトリックに最適化されていますが、私たちが開発したツールは、会社に必要な精度メトリックを見つけるために必要なものです。それが旅でした。私たちは、あらかじめ決められた一連のメトリックを持っていて、それに対して最適化するだけでうまくいくという考えから始めました。しかし、これは事実ではなく、私が最初に思っていたよりもずっと悪いです。より良いメトリックを特定することではありません。はい、わずかに良いメトリックがあります。例えば、このハイパーマーケットの状況に戻ると、ピンボールの損失関数は非常に非対称であり、任意の非対称性を持つ損失関数です。確率的予測を行うと、わずかに良い結果が得られるかもしれません。確率的予測のための特定のメトリック、クロスエントロピー、連続ランク確率スコアなどがあります。ですので、わずかに良いメトリックがありますが、それだけです。問題は、現実に直面したときです。
Nicole Zint: Joannes、過去10年間に起こったサプライチェーン最適化のパラダイムシフトについて話していただけますか？
Joannes Vermorel: はい、もちろんです。実際、これは私たちが過去10年間で経験しなければならなかったパラダイムシフトの一種です。現在持っているツールは、サプライチェーンの科学者が発見するために必要なものに直接的に応えています。私たちはデータを解析し、会社のサプライチェーンの専門家と議論して、正確性の指標がどのようになるべきかを決めます。そして、数学的な指標のような数値的な優雅さを持たないものであることに気付くでしょう。なぜなら、多くの要素、エッジケース、およびあなたが運営するビジネスの特定の要素が存在するからです。もしハードラグジュアリーを扱っている場合、それは生鮮食品や航空宇宙とはまったく異なるものです。したがって、特定の会社を見ているからこそ、これらのエッジケースやエッジシチュエーションが完全に重要であることに気付くでしょう。しかし、それにもかかわらず、これらのエッジケースは、最終的には完全に狂気じみた結果や意思決定を生み出さない限り、重要です。したがって、私たちが本当に追い求めているのは、正確なサプライチェーンの意思決定です。はい、それがゴールです。それがあなたが何か良いことをしているかどうかを測る方法です。そして、それはあなたが生み出すすべての中間的な数値的なアーティファクトにも当てはまります。
Nicole Zint: 数値的なアーティファクトとはどういう意味ですか？
Joannes Vermorel: はい、もちろんです。予測精度の指標で測定される予測は、数値的なアーティファクトの一種です。通常、プロセスの中間には数十もの数値的なアーティファクトがあります。私たちは予測精度の向上に焦点を当てることから、利益を最大化するか、サプライチェーンのパフォーマンスを最大化するための重要なサプライチェーンの意思決定を見つけるようになりました。これは非常に興味深い視点の変化です。
Nicole Zint: では、サプライチェーンを最適化したい企業に対して、どのようなアドバイスをお持ちですか？
Joannes Vermorel: 私のアドバイスは、ERPに存在するデータを理解し、生産オーダー、補充オーダー、購買オーダー、在庫移動、価格変動などの最終的な生成までのすべてのことに責任を持つ一人の人物がいない場合、まだサプライチェーンを最適化していないということです。この連鎖全体に対してエンドツーエンドで責任を持つ1％もなければ、予測の改善などに投入したすべての努力は幻想に過ぎません。インセンティブが一致していない場合、これらの人々は会社にとって無意味なことをしてしまいます。チェスをプレイしていると想像してみてください。私があなたに「あなたはナイトをプレイしている」と言い、あなたの目標はゲームの最後までナイトを生き残らせることだとします。問題は、あなたがナイトをプレイしていると言っているのに、実際にはあなたがタワーをプレイしているし、私がクイーンをプレイしているということです。
Nicole Zint: そしてあなたの目標は生き残ることです。あなたの目標は生き残ることです。それによって、私たちは対戦相手に対して勝つ可能性のあるゲームをプレイすることができると思いますか？
Joannes Vermorel: いいえ、できません。それは誤解を招くものです。私たちが言いたいことは、人々が「99％のゲームで、私はナイトをプレイしていて、ゲームの最後までナイトがボード上にいた」と言うことです。はい、でも私たちはすべてのゲームに負けました。
Nicole Zint: これはいいですが、このゲームは…
Joannes Vermorel: 誤解を招くメトリクスの問題は、合理的に聞こえたり見えたりするかもしれないが、実際には根本的に非合理なものです。そして、多くの大企業が持っている予測の実践や予測の部門は、完全に非合理です。そして、私はそれが非常に困難であることを知っています。なぜなら、それらの部門は良い仕事をしたいと思っているエンジニアでいっぱいです。彼らはばかではありませんし、彼らの上司や上位の人々もばかではありません。ですから、これは解雇されるべき人々の問題ではなく、最悪のセットアップです。それは生産的な反生産です。
Nicole Zint: まさに、そうです。それは設計上の問題です。それは達成されません。
Joannes Vermorel: だから私のアドバイスは、この1人の人物を確保することです。この人物は、望むだけの数の同僚を持つことができます。彼らは、彼らが最終的な意思決定につながる行と接続するパッケージを持つべきです。そして、それは、一つの統一された最適化であるべきです。このプロセスを細分化するべきではありません。
Nicole Zint: Joannes、今日のトピックについてありがとうございました。本当に考えさせられる内容でした。ご視聴いただきありがとうございました。また次回お会いしましょう。
Joannes Vermorel: ありがとうございました。
