00:50 イントロダクション
02:22 クロード・ベルナールの著書
11:19 これまでのストーリー
13:39 サプライチェーンの実験？
19:21 実験的手法：ケーススタディに対抗して
20:50 有名企業について
28:14 タブーについて
35:05 就職の見通しについて
37:51 疑似中立性について
42:59 ベンダーについて
45:57 実験的手法：パーソナに賛成
46:54 架空と現実
52:19 サプライチェーンのパーソナを作る
55:26 却下基準
01:02:33 問題 vs 解決策、1/3
01:08:53 問題 vs 解決策、2/3
01:11:41 問題 vs 解決策、3/3
01:16:13 今後のパーソナ
01:17:06 結論
01:18:29 今後の講義と視聴者の質問
説明
サプライチェーンの「パーソナ」は架空の会社です。しかし、この架空の会社はサプライチェーンの観点から注意を払うべき点を明確にするために作り出されています。ただし、パーソナはサプライチェーンの課題を単純化する意味で理想化されているわけではありません。むしろ、意図は状況の最も困難な側面、量的モデリングの試みやサプライチェーンの改善イニシアチブの試みに最も頑固に抵抗するであろう側面を拡大することです。
サプライチェーンでは、ケーススタディ（1つまたは複数の関係者が名前を挙げる）は重大な利益相反を抱えています。企業やその支援ベンダー（ソフトウェア、コンサルティング）は、結果を好意的な光で提示することに利益を持っています。さらに、実際のサプライチェーンは通常、実行の品質とは無関係な偶発的な条件に苦しんだり恩恵を受けたりします。サプライチェーンのパーソナはこれらの問題に対する方法論的な回答です。
フルトランスクリプト
皆さん、サプライチェーンの講義シリーズへようこそ。私はジョアネス・ヴェルモレルです。今日は「サプライチェーンのパーソナ」を紹介します。ライブで講義に参加している方は、いつでもYouTubeのチャットで質問をすることができます。ただし、講義中に質問を読むことはありません。講義の最後に戻って、できる限りの質問にお答えします。
今日のトピックは、サプライチェーンの研究を科学的なものにすることができるかどうかです。サプライチェーンはまず第一にビジネスであり、実践です。もちろん、ですが、サプライチェーン管理を改善することは可能であり、それを体系的かつ信頼性のある、ある程度制御された方法で行うことはできるのでしょうか？私は、私たちが持っている知識に科学的な手法を適用することによってのみ実現可能だと考えています。
改善をもたらすためには、知識が必要であり、高品質の知識が必要です。高品質とはどういう意味でしょうか？それは、現代の科学的知識が通常特徴付けられるものである知識です。もし私たちが持っているのが直感だけなら、それは供給チェーンに体系的にもたらすことができるものを厳しく制限します。科学的手法は非常に興味深く、サプライチェーンの研究を科学として高めることは非常に重要です。しかし、そこで問われるのは、科学とは何か、科学的手法とは何かということです。
1865年にクロード・ベルナールによって出版された「実験医学の研究入門」という一冊の本が、科学史上の絶対的な画期となっています。当時非常に有名な研究者であったクロード・ベルナールは、現在でも多くの人々から現代医学の父の一人、もしくは父とされています。彼は病気のために引退し、自身の知識の追求について考えました。彼は自身のキャリアでどのようにして発見を行い、どのような方法を使用したのかについて、書き記すことを始めました。
この本はまさに魅力的な本です。それは小説のように読むことができ、非常に驚くべきことです。それはニュートンの「プリンキピア・マテマティカ」のようにほとんど我慢できないものではありません。この本は非常にわかりやすく読むことができます。少なくともフランス語版ではそうです。英語版についてはわかりませんが、良い翻訳が存在すると思われます。クロード・ベルナールは科学と科学的手法について多くの明確な手がかりを説明しています。これはサプライチェーンにとって非常に啓発的なものです。
ちなみに、この本のタイトルにもかかわらず、クロード・ベルナールが説明した内容のほとんどは医学に特定されるものではありません。この本は医学以外の多くの科学にも深い影響を与えました。その理由を理解するためには、19世紀には医学がある程度科学的になるべきだという考えに完全に反対していた反対派と戦っていたということを理解する必要があります。実際、医学の研究は2つの非常に重要な課題に直面していますが、それはサプライチェーンにとっても非常に関連性の高い課題だと私は信じています。
最初の課題は、生物は非常に複雑であり、分解して研究することができないということです。生物体がある場合、分割して研究するようなアプローチは適用できません。なぜなら、それを行うと生物体は死んでしまい、もはや生きていないものになってしまうからです。それはあなたが研究しようとしているものの本質を見失ってしまいます。この不可分性の複雑さと、容易に分解することができない非常に複雑なものがサプライチェーンにも当てはまります。もしサプライチェーンがサプライヤー、工場、倉庫、流通センター、店舗から成る場合、それらの要素のいずれかを取り除くと、サプライチェーンは機能しなくなり、もはや意味をなさなくなります。それはもはやサプライチェーンとして研究することさえできません。したがって、サプライチェーンにも非常に適用されるこの不可分性の複雑さがあります。
2番目の大きな課題は、生物は本質的に絡み合ったシステムであるということです。少しの局所的な変化を行うと、その全体に影響を及ぼす可能性があります。たとえば、局所的な毒の注射を行うことができますが、それは注射した場所だけでなく、全体の生物に影響を与えます。これはサプライチェーンにも非常に共鳴します。私が以前の講義で説明したように、サプライチェーンのほとんどの局所最適化は、問題をネットワークの他の場所に移動させるだけです。したがって、これらの2つの問題があり、当時、クロード・ベルナールは、これらの問題により、医学は不可分であり、科学としてのような単純なものにはなり得ないと主張している反対派と対峙していました。クロード・ベルナールは、他の多くの人々や彼に続いた人々とともに、この見方が完全に間違っていることを証明しました。しかし、興味深いことに、この課題はまだ存在しており、サプライチェーンに関しては、150年後になってもまだこの段階にあると思います。
さて、まず最初にクロード・ベルナールがもたらすものを理解するためには、実験の考え方です。彼の著書では、私たちの知識は3つの段階を経るという考えを提唱しています：感情、理性、実験です。その考え方は、科学的な方法が感情から始まり、宇宙についてのある種の先入観を与える意志の火花から始まるというものです。この感情を通じて、あなたは何でも始めることができます。それは深く非合理的であり、科学的な性質を持っていません。それがなければ、後続の段階を引き起こす最初の衝動がありません。この知識のシステムの初期化は感情であり、次に理性があります。理性は、このアイデアに形状、構造、方向性を与えることで、行動を開始できるようにします。この時点では、アイデアが真実か偽りかは明確ではありません。それは存在していますが、最初の段階である感情よりも構造があります。
理性を通じて、実験の最初の段階を構築することができます。アイデアは理性によってテストされることになります。あなたは宇宙についてのある種の先入観を持っており、そのアイデアをテストする実験を行います。興味深いことに、あなたは自分のアイデアを信じなければなりません。そうでなければ、実験を実施するために必要なすべての努力と時間を追求することはありません。科学的な方法は、先行の信念を排除するものではありません。それはまったくそのようなことではありません。あなたはあなたを駆り立てる何かを持っている必要があります。それはあなたの行動を導く先入観のアイデアです。
そして、実験を行い、結果を観察し、観察結果があなたのアイデアを制御するようにします。あなたは先入観を持ち、実験を行い、実験を行った後、観察したことがあなたのアイデアを制御するようにします。これが知識の確立です。実験科学の中での深い考えの一つは、私たちの中には知識がないということです。私たちは感情といくつかの固有の理性の能力を持っていますが、見つけるべき知識はすべて私たちの外にあります。今では自明ですが、19世紀にはまったくそうではありませんでした。サプライチェーンに関しては、この点で私とすべての人が同じ意見であるわけでは明確ではありません。実験科学を持つというアイデアは、宇宙から知識を構築し抽出することであり、そのための基本的なステップは一連の実験です。
私の前回の講義では、このシリーズの最初の章であるプロローグを結論付けました。プロローグでは、まずサプライチェーンにアプローチする方法についての私の考えを示しました。最初の講義でサプライチェーンをオプションの習得と定義しました。また、問題にアプローチする方法の一例として、定性的かつ定量的な視点を示しました。これらの現在の講義では、第二章である方法論を開始します。サプライチェーンを改善したい場合、行動を指導するための知識が必要です。改善をもたらし、高い程度の制御を望むためには、この知識が確固たる基盤に基づいている必要があります。私は科学的手法に似たものが必要だと考えています。私が「科学的手法」と言うと、実際には「科学的手法」というものは存在しません。実際にはさまざまな手法があり、クロード・ベルナールは彼の著書でそれらの一連の手法を示しています。ベルナールはまた、科学はより良い理論だけでなく、より良い方法を通じて進歩することも示しました。課題は、サプライチェーンについてより多くのことを知るだけでなく、より良い知識をより速く、より信頼性の高く、より正確に生成することができる優れた方法で基盤を確立することです。サプライチェーンのポイントは、研究対象であるサプライチェーンを現実世界で起こっていることと結びつけ、私たちの内部にはない情報を活用するための方法の一つであることです。
研究対象の分野に現実の要素を持ち込む方法は、通常、実験を通じて行われます。ただし、サプライチェーンの特定の場合には、いくつかの理由でサプライチェーンの実験は非常に複雑なようです。簡単に説明します。
最初の理由は機密性です。以前の講義で見たように、サプライチェーンは直接観察することはできず、間接的にのみ観察することができます。サプライチェーンで観察できるのは、エンタープライズソフトウェアによって収集された電子記録またはデータセットです。サプライチェーンを観察する方法は、企業ソフトウェアによって収集された記録またはデータセットを通じて観察することができます。問題は、企業がこれらのデータセットを共有する意思がないことであり、それを共有しない理由が非常に優れているということです。まず、それは競争上の優位性です。もしこのデータにアクセスできるようになると、競合他社はこのデータにアクセスして自社に対する競争上の優位性を得ることができるため、公にデータを共有すると競争上の不利になります。
しかし、それだけが理由ではありません。プライバシーや機密性など、データを共有しない理由もあります。たとえば、ヨーロッパではGDPRという規制があります。私はGDPRが良いものなのか悪いものなのかを議論しているわけではありませんが、会社がデータを共有する意思があったとしても、違法なことをするリスクがあるということを指摘しています。アネクドータルな証拠として、昨年、M5予測コンテストが開催され、ウォルマートから得られた販売データを基に行われました。私の知る限り、これは供給チェーンの実験に関連する最も包括的なデータセットであり、これまでに公開されたものでした。この問題のスケールを理解するために、このデータセットは単一の店舗の製品のごく一部の販売データだけでした。ウォルマートは10,000以上の店舗を運営する巨大な企業であり、Kaggleのコンテストのデータセットはほんの一部の店舗のものでした。実際には、販売数量と価格の履歴を含むものでした。さらに問題を悪化させるために、データ抽出のエンジニアリング上の問題のため、データセットの半分は実際にはコンテストの目的には利用できない価格データでした。コンテストの上位10位に入ったチームのどれもがこのデータを利用することができませんでした。これは、このトピックについて公にコミュニケーションすることがどれだけ困難であるかを示していますが、これだけが問題ではありません。
また、再現性の問題もあります。たとえば、2020年1月にLokadのいくつかのクライアントと話し合ったところ、それぞれのビジネスにおけるeコマースの割合は約30％でした。しかし、2021年1月には60％に増加しました。明らかに、パンデミックが1年間続いたため、いくつかの比較的前例のないことが起こり、多くの産業の景気を完全に変えました。これは重要な問題です。なぜなら、再現性は実験科学の核心だからです。しかし、サプライチェーンで何かを行い、それを再現しようとする場合、数年後には状況が大きく異なる可能性があるため、何も再現できない可能性があります。これは私たちが直面する大きな問題の一つです。
さらに、コストと遅延もあります。一般的なルールとして、サプライチェーンの実験には、会社の特徴的なリードタイムの2倍以上の時間が必要です。多くの産業や分野では、特徴的なリードタイムは約3ヶ月です。つまり、サプライチェーンの実験の特徴的な遅延は6ヶ月以上になります。これは非常に長い時間です。実験医学などの実験科学では、代謝が速く、繁殖率が高いマウスを使用する傾向があります。時間は本質的な要素であり、サプライチェーンでも同様です。しかし、実験の特徴的な時間は非常に長いです。
さらに、以前に議論した非ローカルな要素もあります。小規模で低コストの実験を行っても、ネットワーク効果がすべてです。一つの場所で何かを行って結果を期待することはできません。一般的なルールとして、サプライチェーンのローカルな実験からは何も結論を出すことはできません。
明らかに、私は最初ではありませんが、私たちにはこの大きな一連の問題があり、サプライチェーンは素朴な実験的アプローチに抵抗します。その結果、サプライチェーンで行われる研究の大部分は、サプライチェーンの実験の代替手段であるサプライチェーンの事例研究にデフォルトで移行します。アイデアはシンプルです：私たちはサプライチェーンを研究の領域と現実世界をつなげたいのです。私たちは理論に現実の一撃を与えたいのです。これが事例研究の目的です。私の提案は、事例研究は宣伝番組のようなものであり、この形式で伝えられる知識の量を評価しなければならない場合、私の答えはほぼゼロです。しかし、すべてが失われたわけではありません。可能な代替手段があり、それがサプライチェーンの人材を紹介する場所です。事例研究の普及率の高さにより、まずなぜそれが単純に機能しないのか、機能することができないのか、そして残念ながら決して機能しないのかを理解する必要があります。
事例研究は1つの企業、1つの問題、1つの既存の解決策（事例研究が始まる前の解決策）およびそれに続く新しいより良い解決策です。事例研究では、それらすべてを説明し、新しい解決策が企業にもたらす利益を数量化します。私が最も問題として抱えているのは、私が事例研究を見るとき、人々がそれについてどのように論じるか、事例研究に存在する数字ではなく、事例研究の対象となる企業の名前が本当に支配的であることです。ここでは、権威の大きなハロが働いています。
Googleというテックジャイアントから発せられるサプライチェーンの事例研究を想像してみましょう。Googleは、データセンターの運用をサポートするために世界中に配布されるコンピューティングハードウェアを取り扱うために、かなり大規模なサプライチェーンを持っています。さて、この事例研究がGoogleで開発された特定のサプライチェーン手法の優位性を示しているとしましょう。Googleは非常に有名なため、これは非常に関連性があると見なされるでしょう。しかし、Googleの成功はサプライチェーンに関係ありません。Googleは非常に成功した会社ですが、その成功はサプライチェーンの実践から生まれたものではありません。このような事例研究を見ると、それは非常に重要であり、私は言ってしまえば、Googleが持つブランド名のために非常に重要なものです。Googleは非常に優れたエンジニアを多く雇い、ソフトウェアエンジニアリングの最先端を多くの分野で再定義してきましたが、それが彼らが行うすべてに自動的に移行する理由はありません、特にそれが彼らにとってサポート機能である場合、サプライチェーンのようなものである場合。
これは興味深いことです。クロード・ベルナールの著書「実験医学の研究入門」に戻ると、クロード・ベルナールが最初に提示したのは、権威の拒絶が科学的方法の一部であるということです。20世紀中頃、彼は当時の医学の最大の問題は、それが主に権威の問題であると述べました。人々は、大物の名前や社会で重要な立場を持つ人物が理論を支持しているからといって、何かが真実であると信じていました。これは間違っています。クロード・ベルナールの根本的な立場は、科学に関しては、実験を通じて直接得られた権威以外のすべての権威を拒絶する必要があるということです。権威の究極の源泉、そして実際には科学的な真実の唯一の源泉は、実験または言い換えれば現実そのものであるべきです。
事例研究を見ると、権威の問題があちこちにあります。このポイントを強調するために、4つの注目すべき企業をリストアップしています。これらの企業はすべて広く認識され、非常に成功しており、その歴史の中でまったく壮大なサプライチェーンの失敗に直面しています。これらの失敗は、傲慢さ、欲望、怠惰さ、無知などの狂気じみた組み合わせによるものでした。いくつかの例を挙げると、ナイキは2004年にソフトウェアベンダーとのサプライチェーンの改善を誤った試みで4億ドルを失いました。リドルは2018年に別の有名なサプライチェーンベンダーとの取引で5億ユーロを失いました。これらの数字は、これらの企業にとっての実際のコストのほんの一部に過ぎないと私は信じています。金銭的な損失はこれらの壮大な失敗の一つの側面に過ぎませんでした。経営陣は数年間、リドルの場合はほぼ10年間も気を散らされました。これらの失敗の機会費用は絶対に巨大です。
これらの企業が何かを非常にうまくやっていないと言っているわけではありません。彼らは本当に素晴らしく、供給チェーンの規模の大きな失敗を乗り越えて生き残ってきたことから、非常に注目に値するものであることが証明されています。さもなければ、彼らは破産していたでしょう。しかし、私が強調したいポイントは、企業が良い名前や評判を持ち、驚くべき成功を収めているからといって、その供給チェーンの実践の品質について何かを推測することができるわけではないということです。これが私の主な批判であり、クロード・ベルナールが言っていたように、権威に依存するメカニズムを根本的に拒否しなければなりません。私たちは、サプライチェーンの研究の分野でも同じことをしなければなりません。
しかし、別の問題があり、それはタブーです。公開された事例研究を見ると、実際の統計を持たずに直感的に言えば、99%の事例研究は肯定的です。問題点、既存の解決策、新しい解決策、そして新しい解決策による肯定的な結果を示しています。しかし、私は10年以上にわたり100人以上のサプライチェーンディレクターと議論してきましたが、サプライチェーンのイニシアチブのほとんどは失敗しているという認識です。通常、これらの失敗は以前に述べたものほど壮大ではありませんが、どこにでもあり、これらのイニシアチブのほとんどは失敗しています。ある企業がシステム的かつ確実にサプライチェーンを改善し、10年以上にわたってこの方法を繰り返し適用した場合、この企業はアマゾンの物語と同様に競争を圧倒することになるでしょう。しかし、私は話がそれてしまいました。
タブーの考えに戻ると、私は事例研究の圧倒的な肯定性と実際の現実世界のサプライチェーンの圧倒的な否定性との間に明白な乖離があると考えています。これは、失敗が大いにタブーであるという事実によって簡単に説明できます。2016年に発表されたJoe Castaldoの素晴らしい記事「ターゲットの最後の日々」には、Target Canadaについてのものがあります。北米の小売チェーンであるTargetは、カナダに進出しようとし、この事業に50億ドル以上を投資しましたが、すべてが完全な災害になりました。彼らは巨額の損失を出して事業を停止し、問題の核心には一連の壮大なサプライチェーンの問題がありました。本質的には、壮大なサプライチェーンのミスの連続でした。
面白いことに、Joe Castaldoはジャーナリストの視点から問題を素晴らしく説明しています。誰もを良い光には映しません。この物語は、高給の幹部が一連のまったく愚かな決定を下し、サプライチェーン分析について何の知識も持っていないベンダーによって奨励される様子を示しています。すべてが壮大な形で破綻します。このような物語を公開することは勇気が必要です。私はJoe Castaldoを個人的に知りませんが、この物語を公開することに対して恐怖を感じるでしょう。なぜなら、Targetとその名前さえ発音できないソフトウェアベンダーの弁護士が、この物語を語る人々を訴える可能性があるからです。問題があります-タブーのために正確に語ることができないことがたくさんあります。私は、事例研究における大きなバイアスを説明するものであり、肯定的な結果のみを反映し、重要な生存バイアスを引き起こすものです。これは新しい問題ですか？まったくそうではありません。
クロード・ベルナールの著書を振り返ると、彼は有名な科学者であり、生きた動物の解剖学である動物実験を広範に活用して有名になりました。彼の著書では、その方法が卑劣で残酷で野蛮であると述べていますが、現代医学には不可欠であるとも主張しています。彼の時代に彼の発見によって彼は正しかっただけでなく、150年後には、生きた動物の解剖学が現代医学の進歩の確立に基盤を提供したことに疑いの余地はありません。
科学は私たちが気持ち良く、快適に感じるものではありません。しばしば、良い科学は私たちが最も不快に感じることに目を向けます。直感的には、私たちは快適な領域を見ることを恐れません。私たちの直感は、おそらくそれらの領域ではかなり良いものになるでしょう。しかし、間違って感じる領域、私たちが嫌悪感を抱く本能がある領域こそ、私たちが本能的に見ることはありません。それが、私たちがバイアスに完全に汚染されていない現実をより注意深く、公平に見るのを助ける科学的な方法のようなものが必要な理由です。
タブーについて結論を出すと、ケーススタディはしばしば問題を誤った方向から見ています。彼らはポジティブな結果を見て、悪い結果を排除する傾向があります。しかし、これは物語の終わりでもありません。
ケーススタディに関与する人々が結果を誇張する傾向があると思う理由は、十分に理解できます。私の提案は、はい、絶対にそうです。なぜかはわかりやすいです。
もしもあなたが幹部であり、あなたが会社のために数百万ドルを節約すると主張するケーススタディに参加した場合、それはあなたの履歴書に非常に良い印象を与えます。同じ会社内で内部的に、または別の会社で外部的に、より大きなポジションを得る可能性を高めるでしょう。大企業で働いたことがある人なら誰でも、会社にとって素晴らしいサービスをするだけではないことを知っています。大企業で昇進したいのであれば、会社にとって素晴らしいサービスを提供するだけでなく、自分の成果を人々に知らせる必要があります。ケーススタディに関与する人々には利益を正当化する数字を提供する役割があります。新しい方法、技術、またはプロセスによって生み出された利益を会計帳簿だけを見ることで導き出すことは稀です。通常、それは間接的なものです。数字を再処理し、利益を意味のある方法でフレーム化し、多くの仮定を行う必要があります。これはかなり主観的なものであり、人々に重大な利益相反がある場合、結果が歪められることは確かです。この利益相反は、ポジティブな結果を誇張することにつながる可能性があります。
この問題に対処するために、中立な第三者を巻き込むことがあります。中立な第三者には、市場調査会社と学術研究者の2つの主要なタイプがあります。しかし、私はこれらの当事者が全く中立ではないと考えています。
市場調査会社は市場を調査し、ソリューションの相対的な強みと弱点を評価し、その調査結果をレポートとしてソリューションを求める企業に販売しています。これらの会社はレポートを購入し、専門家による市場の公平な見解を得ることで、最良のベンダーを選ぶことができます。実際には、私が知っている大手市場調査会社は、レポートの販売からほとんどの収益を得ていません。彼らの収益の大部分は、ソリューションベンダーに販売するコンサルティングおよびコーチングサービスから得られています。これにより、これらの会社は、ソリューションを求める企業ではなく、コンサルティングサービスの支払いを行っているテックベンダーにとって最善の方法を取りたいという立場に立たされます。
この中立な第三者は、既存のバイアスの上に独自のバイアスを加えることで、問題を悪化させることがわかります。学術研究者を見ると、彼ら自身には多くの利益相反があります。学術界では「発表しなければ滅びる」ということが非常に現実的であり、特にサプライチェーンで遭遇する可能性のあるネガティブなケーススタディは、大規模な災害ではなく、むしろ小規模で失望させる失敗です。学術研究者にとっては、ポジティブな結果を示すことが非常に重要です。なぜなら、それらは出版しやすいからです。
一部の人々は、虚偽の結果を発表することが学術研究者のキャリアを台無しにする可能性があると主張するかもしれませんが、サプライチェーンのケーススタディに関しては、研究者は自分の結果を誰も検証しないと確信しています。サプライチェーンで実験を行うことは非常に困難であり、間違った結果や誇張された結果を検証することはさらに困難です。過去のケーススタディが間違っていたことや結果が大幅に誇張されていたことを証明するのはほぼ不可能です。これは研究者が不正直であると言っているわけではありませんが、彼らには明確な利益相反があり、観察者が正直な研究者と不正直な研究者を区別することは不可能です。一般的な指針として、ケーススタディに第三者が関与している場合、通常は第三者が関与していない場合よりもさらにバイアスがかかっていることが多いです。これは非常に驚くべきことです。
title: “ケーススタディについてのシリーズを締めくくるには、ベンダーについて詳しく見てみましょう。人々はしばしばベンダーは嘘をつかないものだと信じていますが、これは完全に正確ではありません。ローマ人が昔導入した「ドルス・ボーヌス（善意の嘘）」という概念があります。
この概念を理解するために、市場で卵を販売している商人を考えてみましょう。商人は卵がこれまでに食べた中で最高のものであり、1か月間幸せになるという大げさな主張をしています。明らかに、この主張が真実である可能性はまったくありません。ローマ人は問いました、「この嘘をつく商人に何か対策を講じるべきでしょうか？この商人を逮捕したり罰金を科したりすべきでしょうか？」答えは「いいえ、全く問題ありません」というものでした。この「ドルス・ボーヌス」の概念は、もし商人であるなら、自分が販売している商品について嘘をつくのは商人の性質の一部であると示唆しています。制約はありますが、法律はベンダーが自分たちの商品を好意的な光で紹介しようとすることを認識しており、それに対して彼らを非難すべきではありません。それが市場の仕組みです。
ベンダーが法的な細かい点について知らなくても、彼らは本能的にこれを知っているため、お金と時間をかけたケーススタディを作成する傾向があります。これらのケーススタディは、実質的に洗練されたインフォマーシャルとして機能します。広告は社会において一定の役割を果たしていますが、広告を知識を伝える手段として利用するという考えは誤解です。ケーススタディはこの目的のためには利用できません。
したがって、ケーススタディが完全に無効であるとして排除すると、何が残るのでしょうか？同じ問題に悩まされない代替手法を見つける必要があります。それがサプライチェーンのナラティブです。サプライチェーンのナラティブの目的は、サプライチェーンの実践者や研究者の間で問題を共有し、問題に取り組むことに焦点を当てるためのものです。
まずは、非常に興味深い本である小説「フェニックス・プロジェクト」について話しましょう。科学の名著ではないかもしれませんが、ITディレクターの視点で描かれた架空の会社についての楽しい読み物です。物語のほとんどの出来事は、サプライチェーンやエンタープライズソフトウェアの問題に深く関わっています。物語は、会社が直面する困難と、それらの問題を解決するために人々が行うことを描いています。驚くべきことに、この完全なフィクションの作品は、多くの人々に深い共感を呼び起こします。おそらく、ジョー・カステロが制作したような否定的なケーススタディを除いて、ほとんどのケーススタディよりも共感を呼び起こすのです。
この明らかな逆説は、著者たちが最初に取った手法を考えれば、逆説ではないかもしれません。彼らは物語が架空の会社についてであることを決めました。これにより、実在の会社に関連付けられる名前や権威に関連するすべての問題が排除されました。フィクションの作品を作ることで、実在の会社に関連付けられる権威の魅力を排除しました。
さらに、タブーの観点から言えば、架空の会社は物語の多くの興味深い側面を探求することを可能にしました。ほとんどのキャラクターには限界があり、彼らは欠点があり、苦労をし、時には愚かな間違いをし、会社に害を及ぼすほど自己中心的な行動をとることもあります。キャラクターが同僚に嘘をつく様子も見ることができます。ケーススタディでは、実在の人物と一緒にこのような物語を書くことは不可能です。そうすると、長期にわたる訴訟の連鎖につながるからです。
しかし、この小説は科学的な著作物と言えるでしょうか？いいえ、その理由は非常に単純です。この小説はDevOpsという開発とエンタープライズソフトウェアのメンテナンスに取り組むための哲学の提唱です。著者たちは、架空の会社の一連のキャラクターの物語を通じて、彼らが直面する困難を徐々に克服し、DevOps哲学の核心原則を再発見する様子を語っています。この本には非常に重いアジェンダが付属しており、著者たちはそれを秘密にしていません。彼らはDevOpsのアジェンダを推進しています。
私の主な批判は、ケーススタディと同じ問題があるということです：完全な利益相反。著者たちは、企業にDevOpsの実践を導入するためのコンサルティングサービスを提供しているコンサルタントです。物語の中では、すべてが信頼性のある方法で解決され、この方法論のおかげで会社は巨額の利益を上げるハッピーエンドになるという事実は、客観的とは言えません。
サプライチェーンの物語のアイデアは、架空の会社から始めて問題に焦点を当てることです。権威の問題やタブーがないように、架空の会社を作成して問題に取り組みたいのです。ただし、解決策の説明を物語に含めたくありません。これにより、利益相反の連続が生じることになります。問題の側面にのみ焦点を当て、解決策の側面を排除したいのです。
このルールにはいくつかの例外があるかもしれません。なぜなら、特定の問題が関連性を持つことを正当化するために、解決策の直感を提供する必要がある場合があるからです。解決策の直感を提供しないと、問題は完全に不可能に思えてしまいます。いくつかの課題が対処不可能であり、したがって興味深くないという異議を避けるために、少なくとも1つの解決策の存在に関するヒントを導入する必要があるかもしれません。私たちはそれが良い解決策であるとは主張していません、ただ解決策が存在するというだけです。
サプライチェーンの物語の目的は、現実と実世界の経験をサプライチェーン管理の分野に注入することです。この形式がサプライチェーンの実践者や研究者に知識を伝えるための適切な手段になることを望んでいます。また、サプライチェーン自体の複雑さにより、サプライチェーンについての推論を助けることさえも挑戦です。全体を理解可能で信頼性のあるものにするためには、バックストーリーとコンテキストが必要です。物語で提示される問題の関連性を高めたいのです。
ただし、架空の会社を作り出し、サプライチェーンに影響を与えるすべての問題をリストアップしても、それを科学と呼ぶことはできません。全くもって不可能です。
問題は、物語の妥当性を拒否することを非常に簡単にする必要があるということです。ケーススタディでは、それを作り出すことは非常に簡単ですが、その妥当性を論破または拒否することは非常に困難です。物語としての設計では、この問題を逆転させたいのです。作り出すのが非常に困難であるが、比較的簡単に拒否できるものを作り出したいのです。
最初の基準は共鳴です。特定の業界の特定の企業アーキタイプに関する物語があり、その業界のサプライチェーンディレクターに話しかけた場合、彼らはこの物語が彼らが抱える問題と共鳴すると同意するでしょうか？非常に主観的に思えるかもしれませんが、それほど主観的ではないと思います。本「フェニックス・プロジェクト」を見てみると、私の同僚のほとんどが、さまざまな企業での経験と共鳴すると感じました。解決策に焦点を当てているのではなく、問題の定義にのみ焦点を当てています。問題については意見が分かれることもあるかもしれませんが、テーブルにある問題については通常強い合意があります。それほど主観的ではないと思いますが、不可避な程度の主観性はあります。
もう1つの要素は網羅性です。このペルソナに適合するとされる企業を選び、その企業にはペルソナにもリストアップされていない重要な問題があることを示せば、拒否の負担は非常に軽量化されます。1つの企業、1つの問題を示すだけで、「これはペルソナの拒否の理由です」と言うだけです。数か月の作業は必要ありません、フィードバックと重要な問題の善意の説明だけです。
良いペルソナは、数値に関してもリスクを取る必要があります。ここでの数値とは、正確な数値ではなく、桁数のことです。100のSKUを操作しようとしている企業なのか、100万のSKUを操作しようとしている企業なのかを明確にする必要があります。企業の特徴的な寸法と桁数を示す必要があります。与えられた桁数に一致しない企業を見つけた場合、ペルソナのフレームを誤っている可能性があります。
最後のポイントは、市場における解決策の存在です。市場に存在する解決策によって、ペルソナの妥当性を拒否することができます。問題を完全に取り扱う解決策があるか、以前は問題であったものが非問題になるような明確な解決策がある場合、少なくとも現在の形ではペルソナを拒否する理由となります。
より具体的な例を挙げると、1950年に倉庫で数万のSKUを扱っていた大企業を考えてみましょう。この企業のペルソナは、正確な在庫レベルの維持を主要な課題として挙げるかもしれません。当時、在庫レベルは登録簿を更新する小さな軍勢の事務員たちによって手動で維持されなければなりませんでした。時間の経過とともに、正確な在庫管理記録を維持することは実際には非常に困難な課題でした。しかし、現在の時点で70年後に進めば、それはまだ課題と考えることができるでしょうか？全くそうではありません。バーコードと在庫管理ソフトウェアにより、倉庫での正確な在庫レベルの維持は本質的に完全に解決された問題です。ペルソナに含める価値はないのです。解決策はたくさんあり、必要な解決策のタイプについてはほとんど不確実性がありません。
問題と解決策の二重性を提示していますが、現実には問題と解決策の間に明確な区別をすることは驚くほど難しいことがあります。解決策を想像できない場合、問題について考えることは難しいですし、逆もまた同様です。問題を理解する上での困難の一つは、社会に浸透している潜在的なイデオロギーです。私たちの社会には、単に私たちの一部である価値観があり、それに気づかずに生活しています。これらの価値観は、問題を見る方法やそれが関連性があるかどうかを判断するかどうかに大きな影響を与えることがあります。
これを説明するために、ランダム性の例を挙げたいと思います。ランダム性は、ギャンブルとの関連性があり、それが間違っているとされていました。クロード・ベルナールの「実験医学の研究への導入」では、ベルナールは科学の分野におけるランダム性の存在に強く反対しています。彼は、実験が完全に決定論的でない場合、それは通常、悪い科学の強い兆候であり、せいぜい不完全な科学であると述べています。
70年後、アルベルト・アインシュタインは量子力学の分野に大きな貢献をしましたが、それについては非常に葛藤していました。特に、宇宙の基本的な性質である不確定性やランダム性についてです。アインシュタインは何度も、量子物理学はその動作特性が優れているため、おそらく間違っていないと認めています。しかし、彼は非決定性が量子物理学が不完全であり、物理学が本来持つべき最終的な製品ではないと感じていました。数十年かかりましたが、現在の認識は、不確定性が宇宙の真の基本的な性質であり、逃れることはできないということです。
私の個人的な理論は、ランダム性と関連付けられていたギャンブルのスティグマが時代を超えて残り、現在にも影響を与えているということです。10年前、Lokadでは、確率的予測のアイデアを推進し、ランダム性を受け入れることにしました。これにより、私たちは問題を完全に再定義し、懐疑的な反応を受けました。一部の人々は、彼らが解決する必要のある問題にランダム性の関連性を疑問視しました。
私の視点からは、ランダム性の構造を研究すること自体が非常に興味深いです。ただし、私たちは特定の問題の理解を妨げる先入観を持っているかもしれません。また、困難な問題に対して優れた解決策が現れると、注意が散漫になることもあります。抽象的な問題について考えることが難しくなる場合があります。なぜなら、解決策に関連して反射的にそれを定義する傾向があるからです。
19世紀の飛行機の開発は、このような歴史的な例です。熱気球のような軽量の飛行機が発見され、驚くべき発見が行われました。これらの軽量の飛行機の成功により、関連するコミュニティは重量のある代替案を考慮することを忘れてしまいました。関連するコミュニティが代替案を探求するまで数十年かかり、驚くべき解決策を持つことが、非常に気を散らす要因であったと私は考えています。
問題や状況を調査する際に直面する別の課題は、問題が考えられない場合です。それは、実際の問題であるにもかかわらず、問題を概念化することさえできないようなものです。
この考えを説明するために、Facebookの研究チームが2018年に発表した素晴らしい論文を引用したいと思います。この論文は機械翻訳に関するものです。機械翻訳は、ある言語のテキストを別の言語に翻訳することを意味します。この研究分野は約70年前から存在しています。最初の自動翻訳システムは非常に単純で、単に辞書を使用して一つの言語の単語を他の言語の対応する単語で置き換えるだけでした。このアプローチでは非常に低品質な翻訳が行われました。
年月が経つにつれて、技術は進化し、ほとんどの手法は一つの共通点を持っていました。それは、バイリンガルのコーパスを使用するということです。つまり、2つの言語のフレーズを含むデータセットを使用し、これらの例から学習して自動翻訳システムを構築するというものでした。Facebookの研究チームが達成した驚くべき結果は、明示的な翻訳データセットを使用せずに翻訳システムを開発したことです。彼らはフランス語の広範なテキストデータセットと別の英語のデータセットを使用し、フランス語から英語への翻訳ができる機械翻訳システムを構築しました。この結果は、従来の自動翻訳のアプローチに反するものであり、人々が問題にどのように取り組むべきかを再考する前に実際の解決策が必要でした。
Lokadでの私たちの仕事からのもっと控えめですが関連性のある例は、自動車アフターマーケットです。この分野では、特定の車両に適した正しい車の部品を見つけることが課題です。例えば、ヨーロッパ市場では100万以上の異なる車の部品と10万以上の異なる車両があります。修理に行き、部品を交換する必要がある場合、店舗の担当者はどの部品が車両に適しているかを確認するために何らかのサービスを参照する必要があります。部品と車両を結びつけるエッジとして参照することができる部品-車両の完全なリストは、約1億の互換性を持っています。この市場では、このデータセットをヨーロッパ市場のほぼすべての自動車アフターマーケット業界の企業に提供しているいくつかの専門企業があります。
問題は、このデータセットが非常に大きく、1億の互換性があり、多くの誤りがあるということです。さまざまな情報源に基づいて、ヨーロッパのデータセットはいくつかあり、そのほとんどが3％のエラー率を持っていると推定されています。エラーには、存在しない互換性が宣言される誤検出と、存在する互換性が適切に記録されていない誤検出の両方があります。これらのエラーは、アフターマーケット業界のすべての企業にとって持続的な問題を引き起こします。
修理が必要で、クライアントが急いでいる場合、車両はもはや動かなくなります。部品を注文し、部品が時間内に到着するが、その後、部品が互換性がないことがわかります。部品を返品し、別の部品を注文し、数日の遅延とクライアントの不満が発生します。したがって、これは問題ですが、それについてどうすることができるでしょうか？これらのデータセットを手動で維持している企業は、すでに小規模な事務員のチームを雇っています。彼らは常に誤りを修正していますが、新しい部品や新しい車両も継続的に追加しています。数十年にわたり、データセットはわずかに成長し、エラーが修正され、新しいエラーが導入され、3％のエラー率はほぼ一定のままです。時間の経過とともに改善されません。
システムはすでに平衡状態に達しており、自動車アフターマーケットの企業は、データセットを維持するために10倍の事務員を雇うために10倍の費用を支払うことを望んでいないかもしれません。収益は減少し、まだ検出されていないエラーを修正するのは非常に困難かもしれません。
Lokadでは、偽陽性と偽陰性の両方を検出し、これらの問題の約90％を自動的に修正するアルゴリズムを開発しました。その美しいところは、このアルゴリズムが初期データセット以外のものを使用しないことです。奇妙に思えるかもしれませんが、私たちはこのデータセット自体を使用して、データセット内の誤りを学ぶことができます。それが私たちが行ったことです。ところで、私は後の講義でこれらの技術を詳しく紹介します。オンラインで計画を確認できます。講義のスケジュールはLokadのウェブサイトで利用できます。したがって、これは、解決策がない限り、最初に問題があるとは思えない場合の別の例です。
私の意図の一環として、Lokadで遭遇したアーキタイプを特徴づけるペルソナについての短いシリーズの講義を行います。私は問題の見方を要約し、私自身の経験とLokadの同僚の経験を通じて蓄積したすべての経験を総合的にまとめるために最善を尽くします。また、私はすべてのペルソナを順番に紹介するつもりはありません。それは聴衆にとって非常に退屈であり、私にとっても少し退屈です。したがって、おそらく2週間後に1つのペルソナを紹介し、その後、他の興味深い要素に移るつもりです。
今日の結論として、サプライチェーンの研究分野についていくつか非常に重要な問題を提起し、おそらく証明されていないかもしれませんが、少なくともこれらの問題に対する有望な回答を提供できたことを願っています。また、私はおそらくプロの一部の人々の間で、ケーススタディを作成するために長い時間を費やしてきた人々の中で、今日は友達を作ることはできなかったと思います。そして、私は本当にイラストの中の人のようになりたくありません。それはかなりひどいことですが、再び、賭けはかなり高いです。私たちはサプライチェーンを研究の一分野として確立し、それを科学的なものにすることを望んでいます。それによって、私たちは非常に資本主義的で攻撃的なものを持ち、信頼性のある制御された方法で改善を提供することができるものを持つことができます。
それでは、今日はここまでです。今、質問を見てみましょう。
質問: ペルソナの包括性の概念が理解できませんでした。詳しく説明していただけますか？
はい、包括性とは、システム効果により、サプライチェーンの課題や問題の説明が完全であるべきであるということです。サプライチェーンには一連のトレードオフが関与しているため、プレイ中の1つの力を省略すると、最初の問題について正しく推論することはできません。たとえば、作業資本の供給が限られている問題を無視すると、最適な在庫レベルについて正しく推論することはできません。包括性とは、非常に関連性の高いすべての事柄をリストアップすることを意味し、関連性の高い問題をすべてリストアップしない場合、これは非常に良いペルソナではない可能性があります。何かが見落とされており、それがこのペルソナに基づく推論を重大に危険にさらす可能性があります。
質問: サプライチェーンにおいて、誤ったタイプの解決策が広まっており、設計上の問題があることを知っているサプライチェーンの実践者がたくさんいます。どのようにして彼らが諦めておおよその正しいタイプの解決策に切り替え、不確実性を受け入れることを支援できますか？
まず、私はサプライチェーンがまだ前科学的な初期段階にあるということが主な問題だと考えています。そして、ほとんどすべての公開されているものについては、その妥当性について広範な懐疑があります。人々を納得させるのは非常に難しいです。まず第一歩は、サプライチェーンが科学的な方法に適していることを人々に納得させることです。これは重要な第一歩であり、意見やイデオロギーの問題ではありません。客観性と良質な知識を持つ可能性があるエンドゲームが存在するかもしれません。私たちは問題を理解し、適切な解決策を適用するための堅固な基盤を持つことができます。最初のステップは、私がこれらの講義を通じて行おうとしていることです。サプライチェーンは単なる実践や芸術ではなく、科学である可能性があることを一般の人々に教えることです。
近代医学の父の一人とされるクロード・ベルナールは、当時多くの反対意見に直面しました。彼は自分の方法からは何も学ぶべきものがないと主張する医師たちに直面しました。彼らは彼が自分たちの理論に固執し、自分の実験を行わないようにすべきだと提案しました。ベルナールが戦わなければならなかった最大の戦いは、医学が科学的な方法で研究されることが適しているという考えそのものでした。同様に、サプライチェーンについては、学術界を含めて公表されているもののほとんどが科学的ではないと思われます。私は今日、ケーススタディなどの文献のかなりの部分が非科学的であることを示したと信じています。次の講義では、残りの文献に対してどのような対応が必要かを見ていきますが、非常に期待できるものではありません。
不確実性に関する質問については、まず最初に人々に不確実性が削減できないものであり、彼らが日常生活で大きな問題として取り組まなければならないことを納得させることです。私たちは、人々が何を買おうとしているかを完璧に予測することはできないということについて合意できますか？店舗で人の行動を完璧に予測するためには、彼らの知性全体を完璧に再現する必要があります。人のすべての動きを予測できるアルゴリズムは、基本的には人間の知性の完璧な複製と同じくらい賢いものでなければなりませんが、これは非常に合理的ではないように思われます。不確実性が大きな程度で削減できないという代替提案は、はるかに合理的な提案のように感じます。最大の課題は、実践や直感、直訳的な声明に頼るのではなく、半科学的な視点から議論を展開する場に持っていくことです。
質問: デザイン思考についてどう思いますか？
ここで具体的な質問についてはよくわかりませんが、私が提案しようとしているのは、サプライチェーンと現実世界のつながりです。他の多くの実験科学で行われていることに合致するサプライチェーンの実験を行うことができれば、サプライチェーンを満足のいく方法で現実世界と結びつけることができます。私は今日、パーソナという一つの方法を紹介しましたが、他にもたくさんの方法があるでしょう。私は特定の思考方法に従っているわけではありません。人々の考え方よりも、知識を生み出す方法に興味があります。
この点において、私はクロード・ベルナールが提示するような考え方に非常に共感しています。知識の初期の火花、感情、直感は、根本的には科学的ではありません。それは感情の領域にあり、理性ではありません。この部分を真に合理化することはできないと思いますし、できたとしても、同じ方法がすべての人に対して機能するとは非常に疑わしいと思います。しかし、それは脱線です。
今回の質問はこれで終わりです。2週間後にお会いしましょう。同じ日時にお会いしましょう。ファストファッション会社が運営する小売ネットワークのパーソナで探索していきます。それでは、また次回お会いしましょう。
参考文献
- 『実験医学の研究入門』 クロード・ベルナール, 1865
- 『フェニックス・プロジェクト』 ジーン・キム, ケビン・ベア, ジョージ・スパフォード, 2013
- 『単言語コーパスのみを用いた教師なし機械翻訳』 ギヨーム・ランプル, アレクシス・コノー, リュドヴィック・デノイエ, マルク・オレリオ・ランザト, 2018
