00:00:00 導入と用語の定義
00:02:40 サプライチェーンにおける不確実性と安全対策のコスト
00:03:54 リスク管理と無駄の最小化
00:05:30 還元不可能なリスクとサプライチェーンにおける機会
00:07:37 サプライチェーン対製造完璧主義
00:09:35 サプライチェーンと競合他社におけるリスクと機会
00:14:09 サプライチェーンにおける静的アプローチの問題点
00:15:56 ビジネス実践としての予測可能なミス
00:18:46 サプライチェーンにおけるエンジニアリングの敏捷性
00:21:20 リスクと機会のドル価値
00:23:36 サプライチェーンリスクの財務最適化
00:26:37 確率的予測に対するLokadのアプローチ
00:29:53 大規模な混乱と地域災害のリスク
00:31:59 日々のサプライチェーン意思決定にリスクを織り込む
00:34:08 大口顧客喪失のリスクとリスクの相関関係
00:37:03 地図投影法と数学モデルにおける歪み
00:42:31 予測作成と時系列リスク
00:45:20 確率的最適化と確率的アプローチ
00:48:36 サプライチェーン意思決定のための経済的要因の分解
00:51:44 企業は過去の出来事にしばしば驚く
00:57:00 有害な予測と予測におけるクロスエントロピー
01:00:00 実行可能なリスク評価の重要性
01:06:49 在庫分散の財務リスク
01:13:54 プロモーションのコストとIT依存性というリスク
01:17:22 顧客心理のモデル化の難しさ
01:24:26 時系列予測の評価
01:27:33 主流サプライチェーンソフトウェアのリスク
01:29:30 締めくくりの考察と行動喚起
概要
Conor Doherty（ロカドTVのホスト）とLokadの創設者であるJoannes Vermorelは、サプライチェーン管理に内在するリスクについて議論します。Vermorelは、主要なリスクは未来の不確実性であり、これは還元不可能で制御不可能であると強調しています。彼は、すべての意思決定がリスクと報酬の間のトレードオフを伴い、ゼロリスクは達成不可能であると指摘します。さらにVermorelは、市場のストックアウトなど、これらのリスクから生じる機会にも触れています。彼は、機敏で機会を捉えるマインドセットと、リスクを軽減するための確率的予測の活用を提唱します。VermorelとDohertyは、小規模な企業であってもリスク管理の恩恵を受け、結果的に利益率とキャッシュフローの向上につながると結論付けています。
詳細な概要
サプライチェーン最適化を専門とするソフトウェア企業Lokadの創設者であるJoannes VermorelとホストのConor Dohertyとの対話において、サプライチェーンにおけるリスク管理のテーマが詳細に探求されます。Vermorelは、サプライチェーンにおける主要なリスクの源は未来の不確実性にあると説明しています。
Vermorelは、サプライチェーン管理のすべての意思決定がリスクと報酬のトレードオフを伴い、未来の不確実性が還元不可能であると強調します。また、サプライチェーンにおいてゼロリスクは存在しないと指摘します。たとえ製造プロセスが完璧であっても、製品が今後5年以内に市場で販売されない可能性は常に二桁の割合で存在します。
Vermorelは改めて、サプライチェーンにおけるリスクの源は未来の不確実性にあると強調します。彼は、このリスクは還元不可能であり、会計のようにリスクを完全に排除できる他の領域とは異なり、サプライチェーンのリスクは制御不可能で、あくまで軽減するに過ぎないと説明します。また、サプライチェーンにはリスクがある一方で機会も存在することを指摘し、例えば市場が品薄状態の時に大量の在庫を保有していると好機となりうると述べています。
Vermorelは、サプライチェーンのリスクがより一般的であり、予測可能な財務効果を持つというDohertyの見解に同意します。彼は、サプライチェーン管理では主に制御不可能な多くのリスクと機会に対処する必要があり、それらのバランスを取る決定が求められると強調します。
Vermorelは、サプライチェーンにおいてリスクと機会の両方が生じる可能性があると説明します。たとえば、競合他社の市場参入や撤退により価格が下がったり上がったりし、収益性に影響を与える可能性があります。また、欧州のある電子商取引企業が予期せぬ出来事を利用して並外れた利益を上げた例も挙げています。
Vermorelは、サプライチェーンでは機敏で機会を捉えるマインドセットを持つことが重要であると説明します。彼は、予測可能なミスを利用する手法を確立することは可能である一方で、新たに発生するリスクに備えることも重要であると指摘します。
Vermorelは、自動車製造における欠陥のコストについて論じ、サプライチェーン管理では厳格な制約がなく、すべてが財務最適化の対象となると述べます。彼は、リスク軽減のために予測がサプライチェーン管理で使用されると説明しますが、自動車製造の欠陥と異なり、予測の不正確さは完全には排除できないと述べています。
Vermorelは、あらゆる可能な未来に確率が付与されるという確率的予測の概念を紹介します。彼は、顧客を失う2％のリスクのような現象は、製品の需要ではなく顧客の行動を予測することで、確率的予測に組み込むことが可能だと説明します。
Vermorelは、リスク主導のアプローチの評価は確率的予測の精度ではなく、最終的な成果、つまりどれだけの利益が得られたか、または損失が出たかによって判断されるべきだと主張します。彼は、主要な関心事は予測精度ではなく、金銭面での成果であると強調します。
Vermorelは、確率的予測の精度を測る指標であるクロスエントロピーは、パーセンテージと同様に抽象的であるものの、高品質なモデルを学習するための優れた特性を持っていると示唆します。彼は、金銭的な誤差が減少する最終結果こそが最も重要な指標であると強調します。
Vermorelは、そのようなリスク管理部門がしばしば官僚的であり、サプライチェーンのあらゆる意思決定に反映されなければその評価に意味がないと示唆します。彼は、もしリスク評価が購買決定に影響を与えなければ、それは無視されていると主張します。
Vermorelは同意し、両者が重要である一方で、マクロな決定はしばしばギャンブルであり、日々の意思決定は定量的に評価できると論じます。
Vermorelは、各店舗が独立して扱われ、潜在的な不足を補うためにsafety stockが維持されるという従来のサプライチェーン管理の視点について論じます。しかし、この方法はwarehouseレベルでの在庫切れなどの問題を引き起こす可能性があります。彼は、安全在庫を順次的に各店舗に割り当てる従来の手法を批判し、その結果、ある店舗は十分な在庫を持つ一方で他店舗は在庫がなく、未対応の需要や一部店舗での過剰在庫を招く可能性があると指摘します。
Vermorelは、全店舗が同時に在庫切れになるよう在庫を分散させることで、販売を最大化するというより良いアプローチを提案します。彼は、全店舗間のネットワークと在庫の相互依存性を考慮に入れた確率的アプローチを提案します。
Vermorelは、顧客の期待やブランド価値などの無形のリスクについて論じます。たとえば、割引を提供すると、顧客が将来も割引を期待するようになり、これを定量化・管理するのは困難です。さらに、サプライチェーンに影響を与えるIT依存性など、他のリスクのカテゴリーにも言及します。
Vermorelは、promotionsが、顧客に将来のプロモーションを待たせ、購入を先延ばしにさせる可能性があるため、顧客行動の長期的性質からモデル化や管理が困難になると説明します。彼は、従来の時系列計画予測と比べ、リスク主導のアプローチの方がこの種の推定に適していると提案します。
Vermorelは、大企業だけがリスク管理を行う余裕があるという考えに異議を唱え、リスクを無視することの方が費用がかかる可能性があると論じます。彼は、従来の時系列予測よりも確率的予測の方が効果的で導入しやすいと示唆し、小規模な企業でもリスク管理を導入することで、利益率やキャッシュフローの向上が期待できると主張します。
結論として、VermorelはDohertyのまとめに同意し、多くの企業がリスクを無視するために防げたはずの大惨事に直面していると論じます。彼は、現実とサプライチェーン管理とのより良いマッチングが、自動化の度合いを高め、プロセス管理に必要な人員を削減することにつながると示唆します。
完全な書き起こし
Conor Doherty: LokadTVへようこそ！ サプライチェーンにおけるリスクはシステム全体に存在します。ある視点から見ると、すべてのsupply chain decisionは、直接的または間接的に潜在的なリスクを内包しています。なぜそうなるのか、そしてそれらを回避する方法を説明するために、Lokadの創設者であるJoannes Vermorelをお迎えしています。
では、Joannes、偉大なアメリカの思想家ジョージ・コスタンザの言葉を引用すると、リスクを管理するためには、まずそれを理解しなければなりません。そして理解するためには、まず定義する必要があります。では、サプライチェーンの文脈において、リスク管理とは具体的に何であり、製造業など他の分野でのリスク管理とどのように異なるのでしょうか？
Joannes Vermorel: サプライチェーンにおける主要なリスクの源は、未知の未来です。製造業では、主に適切なプロセスを持つことが重要です。もし適切なプロセスがあれば、欠陥に直面することなく十億個の部品を生産できる可能性があります。つまり、製造においては理論上リスクを排除できるのです。リスクは未来に依存するものではありません。たとえば、工場に火災の危険をもたらす欠陥プロセスがあれば、工場が火災になるのは時間の問題です。
サプライチェーンにおいては、文字通り未知の未来であり、あらゆる可能性を確保するのはコストがかかりすぎるため不可能です。特定製品の需要が20倍に急増する可能性は常に存在しますが、適用されるリードタイム等を考慮すると、たった一つの極めて予測不可能な需要急増の可能性のために、販売予想の20倍の在庫を持つべきでしょうか？答えはノーです。
基本的に、他の領域とは異なり、サプライチェーンではリスクの源は未知の未来の条件であり、すべての意思決定がその未来の不確実性に伴うリスクと報酬のトレードオフとなります。そして、その未来の不確実性は、例えば工場の製造プロセスにおける物理的資産の不確実性とは異なり、還元不可能です。
ゼロリスクというものは存在しません。製造プロセスにおいてはほぼゼロに近づけることは可能ですが、絶対的にゼロになるわけではありません。しかしサプライチェーンの場合、どの製品を見ても、今後5年以内に市場で販売されなくなるリスクが二桁の割合で常に存在します。特に、製品がバリアントに置き換えられる可能性を考慮すると、5年後にも存続すると絶対に言える製品は非常に少ないのです（バリアントは、依然として異なるSKUと見なされます）。
Conor Doherty: まとめると、サプライチェーンにおけるリスク管理は、無駄な資源の最小化のみの問題なのか、それとも純粋な財務上の問題なのかということですか？
Joannes Vermorel: リスクの源は文字通り未来を知らないという事実にあります。もし未来を告げる魔法の水晶玉があれば、十分な資金があれば理論上ほぼリスクのないサプライチェーン運営が可能になるでしょう。
このリスクの源は還元不可能であり、他の多くの分野では奇妙に感じられます。たとえば会計では会計ミスのリスクがありますが、そのために会計実務が存在し、本質的にそのリスクを排除するためのものです。不正確な会計実務に伴うリスクを考えるなら、それを極めて稀にしたいものです。
サプライチェーンでは選択の余地がありません。いかに優れた実務を持っていても、リスクは還元不可能です。戦争、ロックダウン、火災など、制御不可能なさまざまな出来事が発生し、需要を大きく左右する可能性があります。これが主なリスクの源であり、できることはそのリスクを軽減することだけです。しかし、リスクが存在する一方で、会計実務など他の分野にはない機会も存在します。
例えば、市場が不足している際に何かの在庫を大量に保有していれば、その在庫をプレミアム価格で販売することで、かなりの利益を得ることができるのです。
Conor Doherty: サプライチェーンにおけるこれらの問題は、無能あるいは道徳的に問題のある人物の採用という例よりもはるかに一般的なもののように聞こえます。そういった例は極めて稀ですが、サプライチェーンの文脈で話しているリスク、たとえばリードタイムが数日延長または短縮されるといったものは、非常に日常的で予測可能な財務的影響をもたらすのでしょう。
Joannes Vermorel: はい、そしてそれらはあなたに依存しません。それも大きく異なる点の一つです。もし工場の製造プロセスで欠陥が発生した場合、その欠陥をなくすためのプロセス改善はすべてあなた自身の責任となります。ゼロ欠陥、すなわち完璧な状態に到達することも、あるいは完璧に近い状態にすることも可能です.
同様にサプライチェーンの世界に目を向けると、必ずしもそうではありません。つまり、リードタイムが存在するということはサプライヤーが存在し、その企業はあなたの管理外にあるということです。たとえ内部化しても、輸送業者があり、それもまたあなたの管理外にあります。そして、輸送業者を内部化したとしても、ハイウェイが洪水で通行止めになったり他の要因で道路が遮断されたりする可能性があり、これもあなたの管理外の問題です.
つまり、サプライチェーンの実践が特異である理由は、多くのリスクと逆に多くの機会に直面しており、それらがほとんどあなたの管理外にある点にあります。したがって、できる唯一のことは、これらのリスクと機会のバランスをうまく取る決定を下すことです.
Conor Doherty: では、リスクという文脈で機会について語る場合、それは機会の逸失を意味するということでしょうか?
Joannes Vermorel: その通りです。競合他社が突然市場に参入し、価格を下げる可能性があるというのはリスクです。その結果、あなたも価格を下げざるを得ず、想定していた利益率を下回るか、場合によっては全く利益が出なくなるかもしれません。しかし逆の事態も起こり得ます。競合他社が市場から撤退すれば、あなたは価格を上げることができ、予想以上の利益を得ることが可能です.
リスクが存在すると考えれば必ず機会も存在します。例えば洪水の場合、あなたの倉庫が浸水するかもしれませんし、競合他社の倉庫が浸水するかもしれません。製造現場でリスクを考えるときは、明確な目標、すなわち完璧さが求められるため、リスクを考える際に特定の偶発的な機会的上昇要素は存在しないのです.
しかしサプライチェーンではそうとは限りません。何千もの製品があり、様々な予測不可能な理由で競合他社が単にミスを犯してしまうことがあります。たとえば、在庫が適切に確保されていなかったり、必要なキャパシティがなかったり、割り当てが誤っていたりすると、機会が生まれるのです.
例えば、ある大手ヨーロッパのeコマース企業は、ファッション製品の販売を始め、シーズン中にわずか1、2日でベストセラーを特定するという手法を用いていました。そして、直ちに元ブランドに対して巨大な注文を出し、市場の在庫を独占したのです.
その戦略は驚くほど好評で、彼らはこう述べました。「もしこの売上高が我々にとって驚異であるなら、元ブランドにとっても驚異であるはずだ。では、巨大な注文を出せばどうなるか？他社が在庫切れに陥る中、我々は大量の在庫を抱え、同じ製品を通常よりやや高い価格で販売し、シーズン終了のペナルティを受けることなくすべて売り切ることができるのだ。」
ご覧の通り、予想を上回る驚くべき売上が発生した際、賢明であればその機会を捉えて、まだ残っている在庫を独占し、その製品で並外れた利益を上げることが可能になるのです。リスクは存在しますが、同時に機会も生まれるのです.
Conor Doherty: 理解しました、ありがとうございます。その例は非常に興味深いです。なぜなら、話の流れが大きく分岐する可能性を示唆しているからです。私の理解では、あなたが挙げた例は機会に対して受動的に反応したケースでした。このファッション小売業者は機会を見出し、非常に機敏に対応したのです。つまり、リスクを回避しつつ機会を活用するための受動的なアプローチです。これがサプライチェーンにおいて最善の方法なのでしょうか？それとも、こうした出来事を予測するための積極的なメカニズムが存在するのでしょうか？
Joannes Vermorel: この点に関しては、二つの見解があります。まず、あなたの言う通り、これは敏捷な、機会主義的なマインドセットに基づいています。そしてそれはリスクにも機会にも均等に適用されます。興味深いのは、製造業の視点から来る場合、この考え方は採用されないという点です。製造業では単にリスクを排除する、すなわち静的な問題として捉え、プロセスにリスクや欠陥、危険がなければ良い、そうでなければ修正するという考え方が主流です.
一方、サプライチェーンにおいては、静的なマインドセットでリスクに対処しようとすると、一度にすべてを解決できると考えがちですが、実際にはそれはうまく機能しません。なぜなら、もしプロセスが全く静的であれば、同時に機会を捉えることもできなくなるからです。しかし現実には、新たに発生するリスクにも迅速に対応しなければなりません。つまり、機会が生じる一方で、予期せぬリスクも発生し、迅速な対応が求められるのです。これは完全に対称的な状況です.
では、「準備ができている」とはどういう意味なのでしょうか？先ほど述べた、大手ヨーロッパのeコマース企業がブランド在庫を独占する戦略は、確立された手法です。大手ファッションブランドが約20,000種類もの異なるバリエーションを持つという事実から、必ずミスが起こると確実視されているのです。どの部分でミスが生じるかはわかりませんが、ある程度の規模のブランドがすべての在庫を完全に把握できるのは非常に不確実である、というのが現実です。したがって、その予測可能なミスを自分たちの有利に転換する手法を確立することが可能となります.
Conor Doherty: 消費財などを扱う企業においてプロセスを工学的に設計する、という話ですが、具体的にはどのようにその仕組みを実体化するのでしょうか？これはトップダウン型のアプローチなのでしょうか、それともボトムアップ型のアプローチなのでしょうか？つまり、機会を活用するためのプロセスはどのように構築されるのでしょうか？
Joannes Vermorel: 多くのサプライチェーンの事例と同様、ある程度はトップダウン方式でなければなりません。組織の最下層にいる人々が自ら組織全体を再設計することは期待できないからです。たとえば、プロセスをSNOP（Sales and Operations Planning、販売とオペレーション計画）のように定義し、四半期ごとにSNOPのセッションを設け、新たな予測を確立するために2か月を費やし、全員で合意して大きなコンセンサスを形成し、その後、各種調査結果を取りまとめ、週毎、カテゴリ毎の予測を意思決定に適した形に再構築する状況では、最下層の人々がどれほど機敏であっても問題にはなりません。なぜなら、プロセスと組織自体があらゆる機敏性を阻害してしまうからです。したがって、機敏性を実現するには、まずはトップからその仕組みを設計する必要があり、一度その可能性が生まれれば、その後は各チームが新たに得た機敏性を活用するかどうかという、よりボトムアップな側面が出てくるのです.
Conor Doherty: もう一つ、リスクと機会の考え方に別のアプローチがあるように思います。あなたが挙げた例を逆転させ、絶好調でTシャツを販売し、市場を独占する企業ではなく、供給者側の視点から見る場合を考えてみましょう。突然、Joannesの衣料品店から「今すぐすべてのTシャツ、特に黒いTシャツを買いたい」という連絡があったとします。これは注意すべき事態なのでしょうか？なぜなら、そこにもリスクと機会が存在するからです。供給者として、すぐにすべてを売却する、確実な販売を行うべきでしょうか？それとも、なぜ今このような注文が入ってきたのか、調査すべきでしょうか？何か他の要因が働いているのでしょうか？
Joannes Vermorel: 結局のところ、調査に割く時間に余裕があるかどうかに依存します。たとえば、EDI接続があり、購入プロセスが完全に自動化され、介在者がいない場合などは、ケースバイケースと言えます。しかし、サプライチェーンでは対立的な行動があちこちで見られるのも日常茶飯事です。あなたのサプライヤーは最良のパートナーであると同時に、利益を制限する潜在的な競合にもなり得ます。時間が経てば、彼ら自身が競合に転じ、自社ブランドを立ち上げることもあり得ます。また逆に、もしあなたがブランドであれば、内部化を決断し、かつてのサプライヤーと競合する状況にもなり得るのです。したがって、一般的なルールは存在せず、状況次第と言わざるを得ません。しかし、興味深いのは、サプライチェーンではそのような事象に対して、ドルやユーロ単位の報酬や機会を設定できる点です.
改めて自動車製造に目を向ければ、一人の命を奪う欠陥のコストはどれほどかかるでしょうか？答えはあまりにも高額です。ですから、これは高度な工学的設計を行う分野ではなく、ほとんど受け入れられない問題です。理論上、経済学者はアメリカにおける人命のコストを様々な要素で算出し、例えば500万ドルといった数字を出すかもしれません。しかし実際には、そのような深刻な事態に対して本格的な工学的対策を講じることはなく、単に人命が失われないようにするための最低限の対策しか行われません。製造業では、設計上でそのような問題を回避するだけで十分であり、リスクをメリットとデメリットのバランスで最適化しようとはしないのです。しかしサプライチェーンにおいては、常にトレードオフが存在します。何事にもコストがかかり、その対価として報酬が発生し、結果はグレーゾーンになってしまいます。つまり、在庫を少し多めに持つ、もしくは少なめに運営する、あるいは全く在庫を持たずにバックオーダーで運用する、といった柔軟な対応が可能なのです。サプライチェーンでは非常に柔軟性が高く、厳しい制約はほとんど存在しません。支払いを厭わなければ、事実上制約はほぼなく、追加の保管スペースが必要であれば、第二倉庫の建設さえ可能です。最終的には、あらゆる制約、リスク、報酬は柔らかいものであり、生命に関わる状況で「財務最適化は不可能だ」と断じられるような場合とは異なり、財務的な最適化が十分に成り立つのです。サプライチェーンは、サービス水準が極めて低い状態から極めて高い状態まで、全てのスペクトルを包含でき、その結果、品質向上または低下に応じてコスト構造が変動するという大きな柔軟性を持っています.
Conor Doherty: あなたが挙げた自動車製造の例は非常に良い導入部となりました。例えば、フォードは自動車製造、特に自律走行車におけるリスク管理のためにデジタルツインを活用しています。彼らはデジタル版とデジタル環境を構築し、アルゴリズムを用いて理論上の自律走行車に対して一連のテストを実施し、実際のプロトタイプを作ることなくリスクを評価しています。これがリスク管理の一つの手法です。サプライチェーンにおいても同様の手法は存在するのでしょうか？なぜなら、サプライチェーンはそのもの自体が物理的な製品ではなく、多くの可動部品で構成されているからです.
Joannes Vermorel: それが興味深い点です。ある意味、私たちは予測を使って同じことを試みています。予測を通じて、この不確実な未来に関するリスクを軽減しようとするのです。理想的には、予測が完璧であればリスクは完全に排除されるでしょう。だからこそ、多くのサプライチェーンの手法では、予測精度を自動車メーカーがブレーキパッドの欠陥をなくすのと同様に重要視しているのです.
しかし問題は、ブレーキパッドの欠陥のように、欠陥率を10億分の1にまで下げることができるのに対して、予測の不正確さは決して0.01%まで改善されないという点です。意思決定に十分な粒度、すなわちSKU毎、日毎の予測においても、数か月先を見据えると平均して約50%の不正確さに留まってしまいます.
興味深いのは、この種のリスクに対処するためのツール、プロセス、方法論が何を提供しているのかという点です。ちょうどその理由で、Lokadは確率的予測を用いています。これは、この不確実性を受け入れるための一つの方法です。しかし、これは単に予測が正確であると仮定し、不正確さを解決すべき欠陥とみなす従来のパラダイムとは大きく異なります.
Lokadのアプローチである確率的予測は、これらの不正確さが完全に解消されると仮定せず、期待もしないという点にあります。私たちが扱うのは確率であり、モデルを改善して確率分布をやや絞り込むことで、未来に関してより鮮明なビジョンを持てるようにすることは可能ですが、全体としては常に非常に曖昧で極めて不確実な状態に留まるのです.
Conor Doherty: ここで一言付け加えたいと思います。未来の需要を予測すると聞くと、多くの人は過去の売上データを見て単に数値を導き出す、つまり時系列分析と受け取るでしょう。あなたの立場では、確率的予測アプローチは、過去のデータだけでなく、延長されたリードタイムや運河で船が立ち往生する、といったその他のリスク要因も統合するものだという理解でよろしいのでしょうか?
Joannes Vermorel: はい、その通りです。だからこそ、Lokadでは一般的に予測モデリングという表現を使い、単なる予測ではなくその手法を採用しているのです。理論上、予測であれば何でも予測できるかもしれませんが、現実には「予測」と言うと、通常、需要や売上のことを指すのです。つまり、予測という場合の99%は売上もしくは需要の予測を意味します。しかし実際には、未来に関して不確実なあらゆる事柄は予測可能であり、これが予測モデリングの根拠となります。
興味深いのは、実際のデータがなくてもリスクをモデル化できる事例が多数存在する点です。例えば、ヨーロッパにおける戦争です。過去100年を見ると、約50年に一度の大規模な戦争があったことが分かります。つまり、毎年約2%の確率で自分に影響を及ぼす戦争が起こる可能性があるということです。ヨーロッパの歴史を500年前まで遡れば、こうした現象が何度も繰り返されているのが見て取れます。
現時点で西ヨーロッパにおける実際の戦争リスクはかなり低いと期待したいところですが、歴史的視点から見ると、大規模な混乱が発生する確率が2%であると考えるのは決して常軌を逸しているわけではありません。ウクライナでの現状を見てください。リスクは確実に現実的であり、20年前は旧ユーゴスラビアで同様の事態がありました。こうした事象は実際に起こるものであり、正確なデータがなくとも大規模な混乱イベントに対して2%のリスクを想定できるのです。
あなたは特定の地域に依存しているかもしれませんし、洪水や火災などのリスクもあります。大まかな評価が可能なリスクは多々存在します。そもそも、これらのリスクが存在しないと装うよりも、実際にリスク評価を行ったほうが良いのです。そして、確率的予測を用いれば、大幅な需要減少のような形で2%のリスクを加えるのは、技術的にはかなり単純な作業です。
一方で、もし未来を古典的な決定論的時系列予測で捉えようとすると、それはほぼ不可能です。災害が発生するシナリオを示すことはできても、そのシナリオが日々の業務で用いられている主要な予測とどう調和するかは、実際には不可能なのです。
多くの企業は「私たちはシナリオを作成し、リスクをモデル化している」と言いますが、実際のところ、日々の意思決定はどうなっているのでしょうか？それらの日々の意思決定は、リスクを全く考慮しない中央値または平均の予測に100%依存しています。つまり、リスクについて知的な演習は行われているものの、もし日常のあらゆる意思決定にリスクが何らかの形で組み込まれていなければ、それは単なる知的実験に過ぎず、日々の業務に実際の影響を及ぼしません。
Conor Doherty: この点について少し追及させてください。実は私も非常に興味があるのです。例えば、異なる部門が協力して予測に付加価値を加えるという手法（たとえば、各部門が知見を持ち寄りながら予測を構築する方法）を考えてみてください。新たな競合他社が現れようとしているという情報を、マーケティング部門などが収集し、それを時系列に組み込むといったことです。こうした知識をどうやって予測に反映させるかは難題です。同様に、ここで私が追及したいのは、西ヨーロッパでの戦争発生確率2%というリスクを、確率的予測にどのように組み込み、棚にある在庫数を算出するのかという点です。これらはある意味、似たような問題に見えます。
Joannes Vermorel: では、時系列から始めましょう。現代では、すべての人がではなく、ほとんどの主流なサプライチェーン担当者が、未来を時系列という枠組みでしか捉えていないという一般的な見方があります。時系列は、未来について知っている全ての事柄を表現する手段としては非常に狭い手法です。例えば、あなたがB2B企業であり、顧客が他の企業である場合、基本的なリスクとして大口顧客が競合他社に流れる可能性があります。この場合、その顧客が購入していたすべての製品の購買が止まってしまいます。例えば、ある顧客が定期的に購入していた製品を在庫として保持していた場合、その顧客が突然離れてしまえば、その在庫は一夜にして死蔵在庫になってしまうのです。在庫が順調に回転していたとしても、その裏には顧客が離れるという隠れたリスクが潜んでいるのです。
ここで重要なのは、大口顧客が離れる可能性という考え自体は、特に高度な概念ではないという点です。どの営業担当者も「この顧客には離れるリスクが常にある」と認識しているでしょう。しかし問題は、未来への期待を時系列で表現すると、そのリスクをどう捉えるかが不可能になることです。なぜなら、手元にある情報は顧客に関するものであって、製品についてではないからです。そして、もし「この製品がゼロになるリスクがある」と述べたとしても、そのリスクは非常に相関しており、同じ顧客が購入していた全製品が同時にゼロになる可能性があるのです。個々の製品が単体でゼロになるリスクとは全く異なるものです。
まず第一に、時系列はリスクを表現するのに適していないのです。
分かりやすく言うと、時系列は顧客と製品との関係を反映しているものであり、製品そのものを反映しているわけではありません。時系列は単に一方向の計測値にすぎず、毎日、毎週、毎月変動する値として現れます。これを一定周期に基づいた時系列と呼び、人々は時系列と言えばこれを念頭に置いているのです。つまり、時系列は一方向的な測定であり、まるで過去の気温、未来の気温のようなものなのです。したがって、この時系列は延長可能なのです。
しかしこれは、既存の顧客がこれまでに製品とどのような関係を築いてきたかを示すものであり、未来については何も語っていません。問題は、手元にある情報が顧客単位であるのに対し、予測は製品単位で行われるという点です。このミスマッチにより、顧客レベルの情報を製品レベルの情報に変換する術が存在しないのです。これが重要なポイントです。
数学において、少しでもごまかすと奇妙な結果を招くことがあります。例えば、地球がおおよそ球体であると仮定する場合、厳密には球体ではありませんが、近似的には球体と見なせます。しかし、地図を作成する際には球体を平面に投影することになり、世界地図を見ると歪みが生じます。たとえば、ヨーロッパの地図ではアフリカが非常に小さく見えますが、実際にはアフリカはヨーロッパよりも大きいのです。これは、球体を平面で表現する際の歪みの効果によるものです。
しかしここでの問題は、はるかに大きいのです。全くリスクの高い事象、つまり多次元的な対象を、一方向的な時系列という一元的なものに表現しようとしているのです。そのため、発生する問題や歪みは非常に大きくなります。もし、単にアフリカがヨーロッパより小さく見えることを問題だと考えるなら、それはサプライチェーンにおいてリスク情報を時系列に組み込もうとする際の問題に比べればごく小さなものです。
さらにもう一つの問題は、解決策が分からなければ、問題そのものについて考えるのが非常に難しいという点です。リスクを表現可能な数学モデルの種類に精通している人はほとんどおらず、時系列以外のものを想像すらできないため、結果として時系列に固執してしまうのです。しかし、第一歩は「これは正しい表現ではない」と認識することです。何を用いるべきかがまだ明確でなくても問題はないのです。
いくつか技術的な問題もあります。例えば、対数がどのように計算されるのかが必ずしも明確でない場合もありますが、それで構いません。成功裏に利用するために、その全体像を完全に把握していなくても問題ないのです。では次に、Lokadがどのようにこれらの情報を活用しているかを見ていきましょう。
基本的な考え方は、未来を考える際にあらゆる可能な未来にそれぞれ確率が存在すると仮定する、高次元的な視点を取るということです。つまり、需要や再販されるもの、すべての売上レベルが正確に把握できる任意の未来に対して、確率が割り当てられると考えるのです。
そのような事象が起こる確率は存在します。非常に小さいですが、適切な数学的手法があれば極小の確率とも扱えます。そして、可能な未来が非常に多数存在するため、全体の確率は1に収束します。すなわち、必ず実現するひとつの未来があり、全ての確率の合計は1となるのです。
例えば、顧客を失う可能性を2%というリスクとして組み込むことができます。実際、そうするのはそれほど難しくはありません。需要を製品の視点から見ると、顧客という要素を取り込むのは困難ですが、需要を顧客の行動の結果としてとらえ、顧客の行動を予測すれば、顧客離れという追加リスクを反映させることは比較的容易になるのです。
予測は様々な方法で構築可能です。時系列アプローチを用いる場合と、確率的アプローチを用いる場合では柔軟性にどのような違いがあり、それがリスク管理にどのように反映されるのでしょうか？
主な問題は、時系列におけるリスクという概念自体が存在しない、あるいは存在し得ないということです。これは、2次元空間に立方体を配置しようとするようなもので、そもそも立方体は2次元平面には収まらないのです。つまり、余分な次元を取り入れるとどうしても行き詰まってしまい、2次元平面だけでは立方体を積み重ねることはできません。よって、時系列を用いるアプローチでは本質的に行き詰まってしまうのです。
ダクトテープで一時しのぐ、ということも可能です。リスクに対処できないとしても、意図的に歪んだ不正確な予測を作成し、その予測に基づく意思決定にリスクを反映させる、といった方法です。しかし、これは非常に込み入ったリスク管理の方法といえます。
技術的にはそのような対処も可能ですが、その方法は非常に奇妙なものになるでしょう。例えば、予測を意図的に不正確に、すなわち意図的な歪みを加えることでリスクに対処する方法も存在します。これもリスクに対処する一つの方法ですが、非常に込み入った手法です。
一方、確率的アプローチに移行すれば、元来確率を内包した予測が可能になります。設計上、確率が組み込まれているため、もう一つの課題である最適化、すなわち確率的最適化プロセスにより、不確実な条件下での意思決定をどのように最適化するかという問題にも対処できるのです。初期条件に存在する不確実性に自然に対応する最適化が求められます。
Conor Doherty: ここで改めて質問させてください。もし企業が確率的アプローチを採用し、従来は時系列予測を用いていたところ、あなたの説明に納得し、最終的に確率的予測手法によって生成された提言を受け取ったとします。その提言に示された数値には、例えば顧客離れの可能性など多くの要因が織り込まれています。しかし、経営陣はそれを見て「それは非常識だ」と判断するかもしれません。こうした多くの要因が組み込まれている中で、経営陣は具体的にどのようにそれと向き合うべきなのでしょうか？いったい、どのようにそのギャップを埋めるのですか？
Joannes Vermorel: まず初めに、アウトプットとは何か、という点に根本的な乖離があります。リスク主導のサプライチェーンプロセスのアウトプットは、計画ではなく意思決定なのです。なぜなら、確率こそがリスクに対処するためのほぼ唯一の実行可能な手法だからです。未来が完全に予測可能であればリスクを排除できるという考えに陥りがちですが、サプライチェーンのリスクは主にこの不確実な未来に基づいているのです。もしあなたが正確な予測を期待するなら、サプライチェーンの実践のアウトプットは予測、すなわちその予測が計画となるのです。予測があれば、あとは意思決定の調整に過ぎないからです。
リスク主導のアプローチを採用すれば、プロセスのアウトプットは計画でも予測でもなく、意思決定そのものとなります。しかし、リスク主導のプロセスが不十分であれば、悪い意思決定を招くことになります。そして、どのようにその悪い意思決定を見極め、検証するのか？その方法は全く異なるのです。従来の視点では、予測の精度が最終的な評価基準となりますが、リスク主導では、各意思決定に対してリスクと機会がドルやユーロといった金額で表現されます。もし悪い意思決定が見られるなら、根本的にはその意思決定に対する金銭的評価が誤っているということになります。
そして、問題の箇所を特定するために、我々は通常、生成される各意思決定に含まれる経済的要因を分解します。具体的には、約6つの要因がその意思決定に影響していると見なします。もしその内の一つに疑義がある場合、例えば在庫コストの推定リスクが全く的外れである、と指摘することになります。これが、サプライチェーンサイエンティストの役割であり、プロセスを逆解析して推定の誤りを特定することなのですが、それは非常に技術的な作業です。
しかし実際のところ、もし従来の時系列予測が非常に不正確であれば、その予測が低精度であると評価されますが、その原因の究明もまた非常に技術的な作業になるのです。
Conor Doherty: もし以前の話に戻ると、リスクマネジメントへの先手的なアプローチ、つまり自動車産業におけるデジタルツインの例と、あなたが例示した衣料品の比喩に見られる後手的なリスクマネジメントの話をしていました。確率的予測というのは、ある意味で先手的に聞こえます。なぜなら、ある決定を下した世界でこういった反応が予想される、とシミュレーションしているからです。
Joannes Vermorel: つまり、常に自分のコントロールを超える変動が存在するという前提―未来に対する本質的に解消不可能な不確実性―に基づいて、状況が好転しようと悪化しようと、迅速かつ適切に反応できるプロセスを設計する必要がある、ということです。そういう意味で、チャンスが訪れた時にそれを活用し、問題が起きた時にそれを緩和できるようなプロセス設計には、かなりの準備が必要なのです。
しかし、どれほど準備をしても最初から不確実性を完全に排除できる、という考えに惑わされてはいけません。結局のところ、予測モデリングというウサギの穴の底にたどり着くことはできず、100％正確なモデルに至ることは決してあり得ません。不確実性の残存量は非常に大きくなるため、最終的に求められるのは、観測される変化に迅速に追随できるプロセス設計なのです。
ご存知の通り、企業はしばしば数ヶ月前に起こった出来事に驚かされます。「未来はわからないけれど、過去は知っている」と言うかもしれません。しかし、すでに見た事象に対応する平均時間が6ヶ月であれば、実際には数ヶ月前の事象に対しても驚いてしまうのです。多くの企業が実際にこのような形で驚くことがよくあります。
Conor Doherty: ところで、リスクマネジメントについて議論するなら、我々がどのようにリスクマネジメントの実践を評価しているのかも話す必要があります。そして、時系列予測と確率的アプローチに戻ると、もし時系列予測が大きく外れた場合、その誤りを指摘でき「これは大きな間違いだった」と言えます。すなわち、結果は正しいか間違っているかの二者択一です。例えば「100個売れるはずだったのに10個しか売れなかった」、というように桁違いの誤差が出ます。一方、確率的アプローチでは、確率を示すだけで「これが確実に売れる」とは言いません。それによって、誤りから守られるのでしょうか？
Joannes Vermorel: いいえ。技術的には確率的予測の正確さを評価する指標は存在しますが、さらに重要なのは意思決定そのものの正しさを評価できる点です。確率は単なる一時的な計算上の産物に過ぎず、計算に用いられる他の数値的な要素もたくさんあります。もし不正確な確率であっても正しい意思決定が得られれば、確率が間違っていることに果たして意味があるでしょうか？
Conor Doherty: どういう意味ですか？不正確な確率でも、正しい意思決定ができるということでしょうか？
Joannes Vermorel: 例えば、多くの人は気づいていないかもしれませんが、コンピューターは常に近似計算を行っています。計算する際、決まった桁数の精度を使うわけですが、その精度の低下が重要かどうかは状況次第です。サプライチェーンでは、最終的な意思決定が良いか悪いかで評価されるのです。
結局のところ、私が言いたいのは、このリスク駆動型アプローチの質は、プロセスの最終結果―すなわち下される意思決定―によって判断されるべきだということです。高次元の確率を数値評価するということは多くの落とし穴が伴います。手法が適切かどうかは、確率予測の精度ではなく、最終的な意思決定の結果で判断されるべきなのです。
必然的に、予測の正確さそのものが主要な懸念事項ではなく、結局はどれだけの金額が得られたか、または失われたかが重要なのです。
Conor Doherty: その通りです。そして、これは一部の人にとっては非常に困難な問題です。決して見下しているわけではありませんが、より正確な予測を求めるという考え自体が、リスクマネジメントの観点から技術的に誤っているということでしょうか？
Joannes Vermorel: ではまず、例えば「20％不正確な予測」を持っているという場合、そのパーセンテージは全く作り話の単位であり、キログラムでもキロワットでもなく、具体的な実体があるものではありません。人々は精度がパーセンテージで表現されることに慣れているため、それが実在するものだと思い込むかもしれませんが、私はそうは思いません。実際、被害が甚大な予測であっても、パーセンテージで表現される不正確さが非常に低いものがあり得るのです。
何度も聞かされる逸話があります。例えば、ある店舗の需要をゼロと予測すれば、実際にゼロで始まり、予測は100％正確になるというものです。つまり、パーセンテージで数値化するこの測定方法はあまり合理的ではないのです。
もし、確率的予測の測定値を交差エントロピーで表現できると言っても、それは非常に抽象的で大きな洞察をもたらすわけではありません。しかし、私の主張は、交差エントロピーもパーセンテージと同様に抽象的で不透明、つまり非常に作り話であるということです。たとえば、Lokadが交差エントロピーを採用する唯一の理由は、最終的な意思決定へ結びつく際に優れた特性を示すからに他ならないのです。
例えば、交差エントロピーは非常に急峻な勾配を示し、高品質なモデルの学習を促進します。これは非常に技術的な話ですが、効果は確かです。そして、その効果とは何かと言うと、プロセスの最終段階で生成される意思決定―すなわち最終的にエラーとなるユーロまたはドルの削減に繋がる結果―によって評価されるという点にあります。これは、リスク駆動型の視点で経営する人々にとって最も重要な指標なのです。
改めて、もし時系列の視点から業務を行うなら、まるで人を殺しかねない欠陥を持つ自動車メーカーのような考え方になります。つまり、「我々はドルを数えない。ただ、極めて安全で、ほぼ測定不能なほどの安全性を確保したい」という考え方です。
Conor Doherty: では、リスク管理・評価に専念する部門があるにもかかわらず、サプライチェーンが時系列予測に依存しているとしたら、それはほぼ矛盾している、いわば言葉の矛盾とでも言えるのでしょうか？
Joannes Vermorel: いいえ、むしろリスク管理を行っている人々は単なる官僚に過ぎないということです。彼らの行動は通常、結果を伴いません。つまり、リスク評価を行っても、その評価がサプライチェーンのあらゆる意思決定にわずかでも影響を与えなければ、評価は行われたものの埋もれてしまうのです。
ご覧の通り、「あのサプライヤーは来年倒産するリスクが2％ある」と言ったとしても、それが購買判断に影響を与えなければ、結局その評価は埋もれてしまいます。つまり、評価を無視し、頭を砂に埋めるのと同じ状態です。
そしてそれが奇妙なのは、多くの人々が「リスク分析はしている」と主張する一方で、その評価に基づき行動していない点にあります。行動するということこそが、本来なら最も重要であるはずなのに。サプライチェーンについて語るとき、メディアでは「中国に工場を持つべきではなかった」といった話が出ます。これは非常に大きなマクロリスクですが、同時に、もっと日常的なリスクも存在するのです。
では、何を購入し、どこに在庫を置き、価格を上げるか下げるか―こうしたすべての意思決定にもリスクは伴います。そして、購入、製造、販売する各SKUについて、日々こうした意思決定がなされるのです。どんなサプライヤー、競合他社、顧客に関するリスク評価があったとしても、その評価と各小さな意思決定を数値的に紐付ける何かがなければ、適切なリスク管理とは言えません。
Conor Doherty: つまり、私の理解が間違っていなければ、多くの人々はリスク管理を、サプライチェーン全体を破綻させるようなマクロな大事件に関するものと捉えているが、あなたの立場は、実際には日々の小さな意思決定におけるリスク管理のほうが、はるかに重要で切迫しているということでしょうか？
Joannes Vermorel: 両者とも非常に重要ですが、正しい判断を下すためにどれほど十分な情報が得られるかという現実を直視すべきです。大きなマクロな意思決定に関しては、ほとんどがギャンブルに過ぎず、直感に頼る以外に方法はありません。それで構わないのです。なぜなら、これが資本主義であり、利益と損失の経済だからです。人はリスクを取り、偶然に左右されます。そして、新市場への参入が安全か否かを確実に示す手法は存在しないのです。評価はでき、プロセスを多少合理化しようとすることはできますが、本質的には統計や定量分析ではとらえきれないものなのです。
それに対して、サプライチェーンに目を向けると、中規模企業は毎日何万という意思決定を下しているのです。大きなマクロな意思決定が直感に頼るギャンブルであるのに対し、日々何万もの意思決定については、定量的な評価が可能であり、実際に意味のある判断が下せるのです。
Conor Doherty: では、巨大なマクロな例から離れて、SKUレベルの話に戻しましょう。仮に私たちが10店舗を持ち、限られた量の白Tシャツの在庫を抱えており、すべての店舗が白Tシャツを必要としているとします。この在庫を各店舗の需要に応じて、確率論的かつリスクを十分に考慮した方法で分配するなら、どのようにすべきでしょうか？
Joannes Vermorel: 古典的な視点、すなわち時系列に焦点を当てた方法を取りましょう。未来を知っていると仮定し、各店舗に一定量の在庫―安全在庫―を持たせ、さらに残る僅かな不確実性に備えて小さなバッファを加えるという方法です。各店舗は独立に扱われ、全店舗をカバーできる十分な在庫を確保するという考え方です。
では、実際のリスクは何でしょうか？それは、倉庫レベルで在庫が枯渇してしまうリスクです。つまり、「倉庫という限られたリソースを前提に、各店舗に対してどのように在庫を配分するか？」となります。伝統的な方法では、まず第一店舗に安全在庫を配分し、在庫が残れば第二店舗、と順次割り当て、最終的に在庫がなくなった時点で割り当てを停止します。結果的に、最初の4店舗には在庫が充填され、他の店舗には何も供給されないという状況になります。これは賢い方法ではなく、倉庫での在庫切れという小さな危機に適切に対処できていません。
Conor Doherty: では、財務的な観点からは、そこにどのようなリスクがあるのでしょうか？
Joannes Vermorel: いえ、それこそが安全在庫の意味です。安全在庫を設けるということは、その期間内に販売される可能性が極めて低いユニットを各店舗に配置しているということです。多くの場合、そのバッファは必要にならないものなのです。
売上を最大化したいのであれば、在庫を各店舗に分散させ、各店舗が少量ずつ在庫を持つ方が遥かに良いのです。目標は、すべての店舗がほぼ同時に在庫切れになる状態です。もちろん完全には実現できませんが、できるだけ近づけたいところです。
一方、在庫を最初の4店舗に集中させた場合、他の店舗は在庫切れとなり全く売れず、結果的にそのうちの店舗では在庫の半分程度しか売れず、余剰在庫が大量に残るという状況に陥ります。つまり、ある店舗は在庫切れ、別の店舗は過剰在庫となり、在庫がない店舗では需要が取りこぼされるのです。
Conor Doherty: というわけで、それがリスクということですか？
Joannes Vermorel: はい、そこで在庫切れリスクの話になります。一つの対策として、倉庫で製品の在庫切れリスクが見受けられる場合、その在庫を温存するという方法があります。こうすることで、優良店舗にはまだ少量の商品の供給が可能になるのです。
時系列アプローチが各10店舗を独立に扱うのに対し、確率的アプローチは、各店舗間のネットワークや偶発事象、相互依存性、そして利用可能な在庫との関係性を総合的に考慮に入れます。
Conor Doherty: 従来の時系列アプローチと比べ、これだけの情報量をどのように企業が管理できるのか非常に興味深いです。すべて自動化する以外に、実際に人がこれらの意思決定をチェックする役割もあるのでしょうか？
Joannes Vermorel: Lokadの手法は、全プロセスを自動化することにあります。人はその自動化を監督するために配置されますが、実際、多くの企業は「すべて手動で検証している」と主張しながらも、長年にわたりかなり自動化されたプロセスを利用してきました。たとえば、平均値と最大値を用いたmin-max在庫設定があれば、通常、人手を介さずに動作するreplenishmentオートメーションが組み込まれています。これはすでに何十年にもわたって広範に自動化されている状況です。
Lokadはこの方向への更なる一歩にすぎませんが、以前の手法と比べて必ずしも革新的な変化をもたらすものではありません。より自動化されているものの、多くの企業はすでに高度に自動化されたシステムで運用されています。
Conor Doherty: 自動化を活用していない会社であっても、たとえば以前に述べたようにリスク管理の専門家の部門を丸ごと持っているなら、そうした会社はリスクに関して十分な認識をしているのではないでしょうか？
また、私たちはスカ、店舗、洪水など、より具体的なリスクに焦点を当てた会話をしているように思えます。これらは非常に具体的な資源や資産と、それに伴うリスクですが、時間、帯域、知識といった無形のリスク、すなわち企業運営にかかわるさまざまな側面に潜むリスクは何で、どのように管理するのでしょうか？
Joannes Vermorel: 無形のリスクも存在します。たとえば、ファッション企業がセールを行うと、顧客の間で将来も同様の割引が行われるという期待が生まれ、人々はその行動を変えます。このプロセスを理論的に見積もることは可能ですが、実際には非常に困難です。なぜなら、顧客の期待を築くというのは何年もかけて行われるもので、実験的に検証するのは容易ではないからです。
例えば、もしあなたが高級ブランドで、プロモーションを一切行うべきでないと確信しているなら、実際にプロモーションがブランド価値を下げるかどうかを確かめるために5年間のテストを行うことはないでしょう。ある時点で、テストに頼るのではなく、信念と判断で行動する必要があるのです。
プロモーションを実施することで発生するコストは非常に現実的です。プロモーションを行うと、価格を下げることにより即座に失われる一定のマージンがあり、これは即時のコストとなりますが、同時に顧客側で悪い習慣が生まれるという追加のリスクも伴い、そのコストを定量化する必要があります。
また、IT依存といった他の種類のリスクも存在します。ソフトウェアが不具合を起こすこともあれば、サプライチェーンに影響を及ぼすさまざまな要因もあります。しかし、これらのリスクは、例えば製造業においてERPの稼働率を100％に保ちたいという要求に近いものです。ダウンタイムを許す理由はなく、ほぼ100％の稼働率を実現するように設計することが可能です。
Conor Doherty: 先ほど、価格戦略の観点から、割引が悪い消費者習慣を植え付ける可能性があるというお話をされましたが、具体的にはどういう意味でしょうか？
Joannes Vermorel: プロモーションを行うたびに、顧客はそれを認識します。だから、次回は「定価で買わずに、またプロモーションが来るのを待とう」と考えるようになるのです。
問題は、それを正確にモデル化することが全く不可能だという点です。顧客の心理をモデル化することはほとんど手に負えず、顧客のマインドセットを形成するには十年もの時間がかかるからです。
価格を設定する際、顧客に対してメッセージを発信しています。人々はある程度注意を払いますが、その効果が完全に浸透するには時間がかかります。つまり、かなりの慣性が存在するのです。高度なモデルを用いて正確な影響を見積もろうと試みることは可能ですが、実際にはそれらのプロセスが年単位で進むため、実験や検証を十分に行うことはできません。したがって、現実的には判断に基づいた決定を下す必要があるのです。
Conor Doherty: つまり、それはリスク管理プロトコルの一要素であり、最終的には関係者が合意に達する範疇に属するということですね。在庫を処分すべきか？ 永遠に保持すべきか？ それともプロモーションで販売すべきか？
Joannes Vermorel: その通りです。そして、このようなリスク中心のアプローチは、従来の時系列計画予測のようにリスクを無視する方法と比べ、推定値を用いるという点で大いに適合します。
Conor Doherty: では、企業が採用すべき大雑把な規則や方針を決定する際の指針としては、それがより大きなリターンに寄与するかどうか、ということでしょうか？
Joannes Vermorel: もし何かが定量的に評価可能であれば、積極的に取り組むべきです。しかし、そうでない場合でもその重要性について合意があれば、推定すべきなのです。
合理的な数値が存在しないという理由だけで、存在しないかのように振る舞うのは非常に危険です。実際にはリスクは存在するのですから、推定すべきです。正確な数字よりも、おおむね正しい数字があった方が良いのです。
Conor Doherty: そろそろまとめに入る感じですが、少し難しい質問をしてもよろしいでしょうか。定量分析が財政的に困難な場合についてお話されましたが、より大規模で詳細な予測やリスク管理が可能な大企業は確率論的アプローチを取れるでしょう。しかし、そうした余剰資金がない企業に対しては、実行可能なリスク管理の観点からどのようなアドバイスをされますか？
Joannes Vermorel: ここで問いたいのは、リスクを無視する余裕が本当にあるのかということです。もちろん、在庫にはお金がかかります。意思決定の最適化を支援するサプライチェーンの専門家を雇う価格プランは、月額約2,500ユーロほどです。確かにこれは大きな金額ですが、もしあなたが小規模な企業でなく、1,000万ドルまたはユーロ以上の企業であれば、それは決して大金ではなく、一人分のコストの一部に過ぎません。
もし在庫補充、生産スケジューリング、在庫配置、価格管理などのサプライチェーン機能を担う5人以上のスタッフがいて、彼らがリスクを完全に無視するプロセスを採用しているのであれば、本当にそのままで良いのでしょうか？ リスクを無視することで、非常に悪い判断を下し、結果として数百万ドルもの損失を被る可能性があるのです。
それが珍しいため、人々はそれがAmazonのような企業に限られるものだと考えがちですが、そうではありません。実際、従来の時系列予測は大幅に複雑であり、その理由は本来の問題とミスマッチしているためです。表面上はシンプルに見えても、実際の問題解決においては全く実情に合っておらず、その解決策は見た目以上に展開や運用が悪夢のように困難なのです。
小規模な顧客や企業向けにLokadが使用している確率論的予測は、珍しいものの問題にうまく適合しており、結果的に私の講義でも例示しているように、確率論的手法を学びたいのであれば、私のコード例のほとんどが20行未満であることが分かります。多くの人は「これはありえないほど複雑だ」と言うでしょうが、実際は「20行程度のコード」で、その手法の詳細を1時間半ほどの講義で説明できるのです。
会社が非常に小さいという理由で、事例に数十時間も費やす余裕がないと言えるのでしょうか？ 本当に手が届かないものでしょうか？ 一人経営のブティックなら話は別ですが、年間1,000万ドル以上の売上を持つ企業であれば、ブティックではありません。既に多くのリスクがかかっており、間違いは大きな損失を招く上、同時に機会も失われるのです。
もし適切なタイミングで価格を上げて利益率を10％向上させることができれば、数十万ドルもの純現金が企業に流入し、その結果としてリスク管理に費やす人件費を十分に相殺できるのです。
Conor Doherty: まとめると、ある意味で信念に基づいて一歩踏み出す必要があるものの、実際に行動してみると水はそんなに冷たくはない、ということでしょうか？
Joannes Vermorel: それは必ずしも信念に飛び込むというよりも、主流のサプライチェーン理論においてはリスクが文字通り存在しないと考えられているという、非常に奇妙な考え方があるからだと思います。需要やリードタイムのごく穏やかな変動が正規分布でモデル化されるため、「正規分布がある＝リスクがない」という見方がされるのです。
実際のところ、私が出会った起業家の中で、自分たちのビジネスがいたるところにリスクを抱えていることに気づいていない人はいませんでした。主流のサプライチェーンソフトウェアでは、リスクが存在しないかのように振る舞いますが、実際にはリスクは確かに存在しており、その結果、企業は通常、高額なコストを伴う災害に見舞われているのです。ただし、これは1991年にロシア市場へ投資し、そこで成功すると信じた結果、新たなエル・ドラドが出現する、という話ではありません。
つまり、企業はサプライヤーの問題や価格の上下、需要の変動といった、市場の一般的な進展の中で想定できるリスクにもかかわらず、防げたはずの災害に直面しているのです。これこそが、ほとんどの主流の手法がリスクを完全に無視しているという狂気の表れです。
サプライチェーンの実務者と話すと、「確かにリスクはたくさんある」と言いますが、彼らはそのギャップを埋めることができないと感じています。私が言いたいのは、それほど難しい問題ではなく、単に現在行っている手法とは全く異なるということです。そして、それは既知の方法であるだけでなく、実際にはコストも低く抑えられ、自動化の度合いも高まるのです。なぜなら、時系列を用いたサプライチェーン管理では、実際の状況と時系列との間に大きな乖離があり、そのギャップを補うために多数の人手で応急処置を施さなければならないからです。
しかし、もし現実とよりマッチしたシステムを持っていれば、そんなに多くの人手で応急処置する必要はなくなるのです。
Conor Doherty: それでは、この辺で締めくくりたいと思います。ジョアンネス、いつも通り本当にありがとうございました。そして、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。
