00:00:00 イントロダクションとデータサイエンスとサプライチェーン分析のシムのバックグラウンド。
00:02:00 サプライチェーン管理における予測と時系列の概要。
00:06:26 確率予測の紹介とポイント予測との違い。
00:08:10 確率予測の経験と現実世界のビジネスの課題への対応。
00:09:15 ポイント予測の制約と確率予測のリスク管理への利点の議論。
00:11:39 分位数回帰と在庫管理への関連性の議論。
00:14:20 確率予測への移行とその利点。
00:16:37 確率予測と従来の方法とその制約の比較。
00:17:37 確率予測の異なる産業での発展。
00:19:00 確率予測がクラシックなアプローチと比較して在庫管理をどのように簡素化するか。
00:23:07 分位数予測アプローチとその課題の議論。
00:24:26 ビジネスとサプライチェーンにおける制約環境。
00:25:58 より良い意思決定のための確率予測の紹介。
00:27:56 確率予測によるサプライチェーンの課題への対応。
00:30:41 大規模な既存企業での確率予測の実装。
00:34:10 新しいシステムの導入における組織の再設計の重要性。
00:36:02 複数の制約間の対立解決の従来のアプローチ。
00:38:31 従来の予測手法を手放すことの課題。
00:41:00 リソースの再優先化と再構築の方法。
00:42:33 確率予測を受け入れることの潜在的な価値。
00:45:30 新しい技術にビジネスを飛躍させることの重要性。
00:46:55 Excelからサプライチェーン管理のより高度なツールへの移行。
00:48:30 高度なサプライチェーンツールに対する熟練エンジニアの依存性。
00:50:06 新しいシステムの推奨事項への信頼。
00:53:00 サプライチェーンとデータサイエンスの知識の組み合わせの重要性。
00:56:49 部門横断的なデータサイエンス組織の作成。
00:59:42 データ分析の将来の構造とその部門への統合の議論。
01:02:16 単一のデータサイエンス組織の利点。
01:04:01 新しい技術の導入時にサプライチェーンの理解の重要性。
01:05:38 深層学習などのより複雑な技術と確率予測の比較。
01:08:16 補充ロジックの重要性と予測との関係。
01:10:34 サプライチェーンのリーダーに新しいアプローチを採用させる課題。
01:12:05 確率予測の経験とその利点。
01:15:01 カナダの大手小売業者での分位数予測の適用の逸話。
01:19:35 ビジネスにおける非最適な意思決定とより良い意思決定についての議論。
01:21:14 エッジケースにおけるROIベースの意思決定の重要性。
01:22:18 行動を起こす呼びかけ：サプライチェーン管理における新しい概念とアプローチの受け入れ。
01:23:25 将来のより最適な発注と補充シナリオへの期待。
要約
このインタビューでは、Lokadの創設者であるJoannes VermorelとPetcoのアナリティクスおよびデータサイエンスディレクターであるSim Taylorが、サプライチェーン最適化における確率予測の重要性について議論しています。彼らは、複数のシナリオに確率を割り当てることで、より良い在庫管理と意思決定を可能にすると説明しています。大規模な組織で確率予測を導入する際の課題にもかかわらず、彼らはサプライチェーンの責任者に新しい概念を受け入れ、従来のアプローチを超えることを奨励しています。また、データサイエンティストへの信頼の重要性と、サプライチェーンの課題と技術的側面の両方を理解する専門家の必要性も強調しています。
拡大要約
このインタビューでは、ホストのConor DohertyがLokadの創設者であるJoannes VermorelとPetcoのアナリティクスおよびデータサイエンスディレクターであるSim Taylorと対談しています。彼らは、サプライチェーン最適化における確率予測の重要性について議論しています。
Sim Taylorは、データサイエンスとアナリティクスのバックグラウンドを共有し、主に商品とサプライチェーンの分析に取り組んでいることを説明しています。彼の仕事は、データと統計を使用して製品を意図した場所に効果的に誘導し、財務的な結果を最大化することを目指しています。
Taylorは予測について尋ねられた際、過去の情報や他のデータポイントを使用して将来の結果についての推論や予測を行うと説明しています。Vermorelは同意し、時系列予測が古典的なサプライチェーン理論の基礎であると強調しながらも、将来を考えるための多くのアプローチの一つに過ぎないと述べています。
議論は確率予測に移ります。これは複数の可能なシナリオに確率や可能性を割り当てることに関するものです。Taylorは、予測に分位数回帰を使用した経験を共有しており、極端なイベントを予測し、ストックアウトを防ぐのに役立つと説明しています。この方法では、特定のサービスレベルに対して直接解を求めることで、ビジネスが潜在的に誤った安全在庫の計算に頼らずに在庫レベルを設定できます。
Taylorは、在庫管理の古典的なアプローチでは、最も可能性の高い結果（予測）を予測し、変動性を考慮して安全在庫を追加すると説明しています。一方、確率予測では、ストックアウトのリスクをカバーするために必要な総在庫を直接推定します。Taylorはまた、需要の極端な分位数を決定することと、顧客のニーズと財務および在庫コストのバランスを取ることの難しさについても話しています。
インタビューでは、予算の制約や最小注文数量などの制約がある環境での確率予測の利点について議論されています。Taylorは、確率予測が各追加ユニットの販売の可能性とそれが提供する財務価値を理解することによって、ビジネスが競合するニーズの間で明確な決定を下すのに役立つと指摘しています。
議論は、確率予測を実装しようとする組織が直面する課題に焦点を当てています。特に、確立されたプロセスや労働分担を変更する際の課題についてです。Sim Taylorは、供給チェーンの実行について包括的な理解と所有権が必要な量子予測手法の実装の経験を共有しています。予測は目的の手段として機能し、顧客満足度の向上、販売の増加、コストの最小化に焦点を当てています。
Sim Taylorは、予測と発注数量の数学的な重い作業を自動化することの重要性を強調していますが、経験豊富なサプライチェーンマネージャーの人間の直感と専門知識の価値も認めています。彼は、ビジネスが経験豊富なスタッフの使用を最適化するために組織を再設計することができると提案しており、それには役割の変更やシステムの推奨に頼ることが含まれるかもしれません。
Joannes Vermorelは、確率予測が予測の精度から運用上の意思決定に焦点を移すことによって、従来の予測とそれに関連するKPIからの脱却の難しさを強調しています。彼はビジネスがこの変化に対応するためにリソースを再優先化し、再構築する方法について、Sim Taylorに彼の見解を尋ねています。
Sim Taylorは、大規模でリスク回避志向のある組織での確率予測の実装の難しさを認めています。彼は、最初によりシンプルで高速なツールを提供し、新しいアプローチの価値を実証することで段階的に成功を収めることができると提案しています。これには、リスクを冒してビジネス結果を測定する用途や企業を見つけることが含まれる場合もあります。全体的に、この会話は確率予測の採用の潜在的な利点を強調しながら、確立された組織にとっての課題も認識しています。
会話では、新しい技術やアプローチの採用を促進するために成功を示す必要性に触れています。VermorelはExcelの制約や不確実性を扱うためにより高度なツールの必要性について懸念を表明しています。Taylorは、サプライチェーンの実践者がExcelを使用していることを認めつつも、それを使用している人々にとっては「ブラックボックス」であるシステムによって多くの意思決定が推進されていると強調しています。
TaylorとVermorelの両者は、データサイエンティストへの信頼の重要性と、サプライチェーンの課題を理解し、コードを使って意思決定を自動化できる専門家の必要性を強調しています。Taylorは、サプライチェーンの理解と技術的な傾向を兼ね備えた個人を見つけることを提案しています。Vermorelは、将来的にはデータサイエンスが各部門に統合され、それぞれの分野に特化したアナリストがいる企業を想像しています。
Sim Taylorは、役職や役割に関係なく、サプライチェーン管理で具体的な価値を提供することの重要性を強調しています。彼は、技術的な専門知識とビジネス知識を組み合わせることが、ポジティブな財務結果を達成するために重要であると考えています。会話はまた、異なる分野の分析専門家間の協力の価値と、意味のある結果を得るためにビジネスに関連することの重要性に触れています。
Joannes Vermorelは、ディープラーニングなどのより技術的なイノベーションとは異なり、確率予測がサプライチェーン管理において実用的な利点を持つことを強調しています。確率予測は、不確実性の問題に根本的に異なる方法でアプローチすることによって価値を創造することに焦点を当てています。
Sim Taylorは、補充ロジックの重要性についても議論し、サプライチェーン管理の意思決定において重要であると考えています。彼は、サプライチェーンの価値に焦点を当てることが不可欠であり、意思決定が最良の結果をもたらすようにすることに会話が集中すべきだと信じています。
TaylorとVermorelの両者は、ユースケースや成功事例を共有することが、企業との信頼構築や確率予測の価値の証明に重要であると同意しています。Taylorは、カナダの大手小売業者との取り組みの例を共有し、分位数予測手法の適用により在庫の入手性と在庫管理の改善が実現したことを示しています。
Taylorは、サプライチェーンは制約のある世界であり、エッジケースは最適でない結果につながる可能性があると強調しています。目標は、追加情報を使用してより最適な意思決定を行い、より少ない努力で済むようにすることです。彼が提供する例として、必要なのは一部のみの場合にベンダーからフルトラックロードを注文するかどうかを決定することです。各ユニットの価値、販売の可能性、潜在的な利益および保有コストを評価する能力により、このような場合の意思決定が改善されます。
VermorelとTaylorの両者は、確率予測などの新しい概念を評価し、数十年にわたって使用されてきた従来のアプローチを超えることをサプライチェーンディレクターに奨励しています。彼らは成功した例を共有することで、会話を加速し、企業がより最適な発注と補充の意思決定を行えるように支援したいと考えています。
フルトランスクリプト
Conor Doherty: Lokad TVへようこそ。ホストのConorです。いつものように、Lokadの創設者であるJoannes Vermorelと一緒にいます。今日はSim Taylorと話をします。彼はPetcoのアナリティクスおよびデータサイエンスディレクターであり、かなり大きな会社です。彼は確率予測の利点について話してくれます。Tim、Lokadへようこそ。
Sim Taylor: こんにちは、ConorとJoannes、ありがとうございます。自己紹介を少し。私はデータサイエンスと分析チームを管理しており、主に商品とサプライチェーンの分析に特化しています。私のキャリアの大部分はコンサルティングの視点からでした。イギリスとカナダのDeloitteでサプライチェーンチームと一緒に多年間働き、その後半ではビジネスが在庫を最適化するのを支援するモデルの構築に焦点を当てました。基本的に私の仕事は、データと統計を使用して、サプライチェーン内のさまざまな場所、フルフィルメントセンター、店舗、顧客に製品を適切な数量で適切なタイミングで案内するためのガイドをどのように改善できるかということです。私はさまざまな企業と一緒に働いてきましたが、主に百貨店や総合小売業者で、通常は多くの製品、大規模な商品ラインナップ、そしてファッションや専門小売業も含まれています。数年前に、コンサルティングの世界から産業界に転身し、現在はカリフォルニアを拠点とする大手アメリカのペット小売業者であるPetcoで働いています。アメリカとメキシコに展開しています。
Conor Doherty: ありがとうございます。一般の人々に予測とは何かを説明するとき、どのように非専門家向けに説明しますか？
Sim Taylor: 予測は、基本的には比較的理解しやすいプロセスです。将来の結果についての推論や予測を行うことです。サプライチェーンと小売業では、顧客の需要を予測することについてよく話します。つまり、この製品がこの店舗で1週間後、2週間後、または52週間後にどのような需要があるのかを理解するために、過去の情報や製品の価格などの将来に関する情報を使用して、どのような結果が予想されるのかを理解し、その周りで発注や製品の適切な場所への配置を計画することです。それは本当にクラシックなサプライチェーン理論の基礎です。Joannes、この定義に同意しますか？
Joannes Vermorel: はい、私はクラシックなサプライチェーン理論の基礎としての時系列予測に非常に同意します。しかし、これは実際には将来を考えるための非常に特定のアプローチであることも指摘したいと思います。このアプローチは長い間確立され、広く普及しているため、業界全体が、これが将来について考えるための多くのアプローチのうちの1つであることを、かなりの程度忘れてしまっています。将来を考え、予測するということは難しいものです。時系列予測の視点から考えることで、このパラダイムに適合する多くのモデルなどの能力が得られますが、同時に制約も生じます。そして、この業界の興味深い点の1つは、時系列予測が長い間存在しているため、
Conor Doherty: 私が確率的予測に出会った経緯について話すことが役立つかもしれません。私は学術的な背景ではなく、実際のビジネスの課題である発注と補充の問題を解決しようとしている小売業者と一緒に働いているときに、確率的予測に出会いました。
Sim Taylor: その顧客のために、私たちは標準のポイント予測に基づいた補充ツールを構築していました。これはほとんどのビジネスでの基準です。基本的に、明日はこの製品が5個売れると予測し、翌日は6個売れると予測しています。ただし、その1つの数値が正しくない可能性が非常に高いため、私たちは古典的な安全在庫のアプローチや方程式を適用しています。つまり、最も可能性の高い需要の結果の単一の予測は、多くの場合間違っているということです。
標準的な安全在庫のアプローチは、需要とサプライヤーのリードタイムの変動が最も可能性の高い予測予測の周りに対称的に分布しているという鈍い仮定を行います。この正規性の仮定は、統計的な観点からは、多くのビジネスで疑問を抱かずに基準として受け入れられています。
この作業を行っている間、私たちのチームと私は関連するリードタイムウィンドウ全体での実際の販売の現実を見ていました。ほとんどの小売業者にとって、正規性の仮定は全く成り立たないことがほとんどです。需要とリードタイムは通常正規分布ではありません。ほとんどの製品では需要は低い値に集中し、右側には潜在的な需要値の長いテールがあります。
私たちは、顧客の需要とリードタイムの変動性をモデル化するためにより代表的な統計的分布を使用する必要があることが明確になりました。そうしないと、潜在的な結果を正しくモデル化していないため、一部の状況で在庫切れのリスクにさらされる可能性があります。
Conor Doherty: では、ポイント予測以外の代替手段を考え始めたのはどのようにしてですか？
Sim Taylor: まず、私たちは予測において、標準の予測から得られる最も可能性の高い結果には本当に関心がないことに気づきました。私たちが関心を持っているのは、極端な事象であり、これらが発生した場合に在庫切れを防ぐために十分な在庫があることです。これが標準的な安全在庫のアプローチでサービスレベルが果たす役割です。
私たちは、特定のサービスレベルに直接解を求めるために、分位回帰を使用して予測を構築しました。たとえば、リードタイム全体で可能な需要の発生をすべてリストアップした場合、その需要の95パーセンタイル、つまりそのリードタイムでの非常に起こりにくい状況は何ですか？それが在庫レベルを設定するものです。安全在庫と呼ぶ必要もなく、安全在庫の計算が不正確な仮定に基づいているかどうかを心配する必要もありません。
これが、平均または平均結果以外のさまざまな需要予測を探求し始めた方法です。その後、次の質問は、需要とリードタイムのどの分位数を予測するためにサービスレベルを設定すべきか、および需要とリードタイムの分位数予測をどのように組み合わせるか、という点に進化しました。それが私がLokadとその独自の異なるアプローチに出会ったときであり、彼らはリードタイム全体で需要のすべての可能な結果を予測し、それぞれに確率を割り当てるという方法を取っており、これは分位数を理解する以上の情報を提供しています。
Joannes Vermorel: あなたの経験は私のものと非常によく似ています。Lokadでこれらの仮定に問題を抱えました。“安全在庫"という用語は安全に聞こえますが、実際にはその数学的な仮定はかなり狂っており、確かに非常に安全ではありません。正規分布を使用したリードタイムでは、負のリードタイムなどの非常に奇妙な結果が得られます。そして、アイデアは
Conor Doherty: 人々が本当に興味を持っていることと、彼らが言っていることとの間に不一致があることに気付きました。サプライチェーンディレクターはより良い予測を望んでいましたが、彼らが最終的に望んでいたのはより良いサプライチェーンの意思決定でした。統計的な観点で考え始めると、平均値ではなく極端な値が重要です。これらの極端な状況が在庫切れや過剰在庫のシナリオを引き起こし、これらが統計的な観点から分析したい状況です。私は金融や天気予報の人々が90年代初頭から確率的予測を行ってきたことを発見しました。2011年から2012年にかけて、他の分野のパイオニアに比べてかなり遅れてサプライチェーンでもそれを始めました。
Sim Taylor: クラシックなアプローチではリスクを考慮しようとしますが、在庫を異なるものと呼んでいるだけです。実際には、ビジネスへの結果が重要です。私たちの標準的なアプローチでは、最も可能性の高い結果を予測することに非常に優れているように見えますが、より極端な結果に対するリスクをカバーすることが本当に重要であり、そのための安全在庫が必要です。分位数予測は、需要の極端な例を直接設定し、その場所に必要な在庫を計算するものです。
Joannes Vermorel: 潜在的な確率の全範囲を持っている場合、それが実際にどのように変換されてビジネスの現実に使用されるのでしょうか？注文の意思決定が私たちが関心を持っていることであり、それらができるだけ最適なものであることを確認することが重要です。もはや「安全在庫」という用語は必要ないかもしれませんが、それを実世界の実行にどのように変換するかについて興味があります。
Sim Taylor: 代替予測を考慮する最初の動機は、需要の発生がクラシックな安全在庫アプローチでモデル化されるタイプの分布に従わないことを実際に目の当たりにしたことでした。それが私に他のアプローチを考慮し、データにより適合する代替モデルを評価するきっかけでした。
Conor Doherty: したがって、需要とリードタイムを通常見る方法とは異なる変動性を再現または考慮するために、分位数予測アプローチを採用しました。ただし、顧客のニーズと財務面と在庫保持コストとのバランスを取るための需要の適切な分位数の決定など、課題もありました。また、ビジネスやサプライチェーンで一般的な制約環境では、異なる製品や単位の購入の間で選択する方法が必要でした。これらの課題への解決策として確率的予測をどのように見つけたかについてもっと話していただけますか？
Sim Taylor: はい、確率的予測に興味を持ったのは、すべての潜在的なシナリオとその発生確率を理解するという概念でした。4つの単位、5つの単位、6つの単位を売る可能性がわかれば、次に購入する単位を売る可能性がどれくらいあるかを計算することができます。それを知っていれば、その製品の売上高である粗利益、その製品の保持コストと在庫切れのコストを知っていれば、どの単位がビジネスにとってより多くの価値を提供するかを明確に判断することができます。それによって、私のチームや他の人々が長い間取り組んできた多くの課題が解決されます。私たちは常に制約環境にいますが、次に売れる単位とその財務的価値を理解することは、これらの課題に対処するための優れた方法です。
Joannes Vermorel: それは非常に興味深いです。Petcoのような大手企業に確率的予測を推進しようとするとき、私が最も苦労するのは、予測と意思決定の間の歴史的な分業です。大規模な組織では、予測を担当する人々と補充、生産オーダー、在庫移動オーダーなどの意思決定を行う人々との間で仕事が分かれていることが一般的です。しかし、確率的予測はより効率的な意思決定プロセスを可能にするツールです。意思決定自体は正確には予測ではありませんが、補充の意思決定と予測を行うことは、以前の世界とは異なり、安全在庫の分析と意思決定を行う別のチームが存在した世界よりも密接に結びついています。
Conor Doherty: 補充は、私が言うなら、予測/計画を担当する人々と、生産オーダー、補充オーダー、在庫移動オーダーなどの運用上の意思決定を行う他の人々との間で非常に明確な分業を提供する古典的なサプライチェーン理論です。どのようにアプローチしていますか？あなたは、確率的な洞察よりも前から存在していたサプライチェーンの実践を支えるために存在していた歴史的な分業の境界を尊重しないと信じているこの種の手法を組織にどのようにアプローチしましたか？
Sim Taylor: 例えば、量子予測手法から価値を返した場合、私たちが全体のサプライチェーンの実行に対して所有権を持っていることは非常に役立ちます。私たちの究極の目標は、常に顧客満足度を向上させ、売上を増やし、コストを最小限に抑えることです。予測自体は単なる手段です。私たちは結果に関心があります：どれくらい注文すればよいか、どの場所に、いつ、配送センターや店舗の両方で。私が以前成功したのは、その予測を構築し、直接注文数量に変換する権限を与えられたときです。
私たちは予測し、ベンダーから配送センターへの注文数量、または配送センターから店舗への補充を生成します。その役割は非常に承認と評価のプロセスです。理想的な世界では、数学的な重い作業の自動化をできるだけ多く行い、ほとんどのシナリオで正確な結果を得ることが望ましいです。それから、そのデータ駆動型の洞察をビジネスチームの専門知識と組み合わせることで、極端な例やさまざまな例を理解し、評価し、調整することができます。
ビジネスが注文補充の方法を置き換えたり変革したりする場合、それは多くの作業と多くの人々の関与を必要とする大規模なプロジェクトです。それはビジネスの運営方法をリセットし、リフレッシュする機会です。多くの企業はそれを機会として利用して、通常は変更管理と組織再設計を含む組織の再設計を行っています。もしもあなたがあなたの組織を再設計し、より良いシステムを中心に再構築できるなら、それが顧客の注文コストを削減し、在庫レベルを改善する本当の成功の鍵です。
Conor Doherty: Joannesに投げかけたい非常に具体的な質問があります。ビジネスチームによる複数の制約の解決について伝統的なアプローチについて話すとき、通常の方法は何ですか？非確率的なビジネスチームや非確率的な最適化プロセスでは、日常的にどのように行われていますか？
Joannes Vermorel: 小売業の例を取ると、予測を行うチームがあります。彼らはベースラインを確立し、季節性プロファイルを管理し、フォーカスのレベルやその他の要素でABCクラスなどを確立するかもしれません。したがって、将来の予測を確立するための時間系列があるチームが存在します。そして、別のチームまたは一連の他のチームが、補充や製品の店舗への適格性の判断など、運用上の意思決定を担当しています。メインストリームの組織は完全に正当化されており、市場に存在するほとんどのソフトウェアツールは、ユーザーインターフェースとプロセスを提供しています。
Joannes Vermorel: このようなマインドセットに合わせたワークフローがあると、部分的に任意であっても、ポジションを検証するための多くのツールがあると、時間系列予測のレビューのための画面、安全在庫の調整のための画面、アラート管理のための画面などがあります。これらの抽象的な概念は、役割とワークフローがそれに基づいて構築された組織内で具体的なものになります。
ゲストの方がおっしゃったように、確率的予測は組織にかなり深いレベルで挑戦を与えます。小売業における補充など、会社の中核機能の1つを見直すような大規模なプロジェクトがある場合、多くの仮定を見直す機会があります。これは従来のサプライチェーン管理のアプローチから確率的予測が会社で可能にする代替組織への飛躍ですので、信じることが少し必要です。
予測は単なるアーティファクトであり、他の何かを得るための手段です。しかし、多くの企業では、特に大規模なサプライチェーンを持つ企業では、予測は通常、目標そのものとして扱われます。精度に関するKPIを持つチームがあり、これはS&OPプロセスの一部です。彼らは来年の目標としてより正確な予測を望んでいます。
Sim Taylor: 課題は予測を手放すことです。確率的予測では、管理の焦点を変えることを提案しています。予測の精度のKPIに従って、リソースや予算、ツールを提供して改善するのではなく、これらの予測に基づいて行う意思決定に焦点を当てるべきです。これは理解するのに多くの努力が必要であり、信じることが求められます。ただ「信じてください、とても良くなります」と言うだけでなく、より深い論証を提供する方法はありますか？
これは困難で非常に挑戦的です。私はここには非常に大きな潜在的な価値があると見ていますが、確率的予測を完全に受け入れている大企業は知りません。段階的に導入し、まずはよりシンプルで高速なツールを提供し、結果を示すことが、サプライチェーンの幹部を巻き込む方法です。1つの具体例が必要であり、その後、新しいアプローチを展開する前の在庫の入手可能性、在庫回転率、在庫投資、供給開始後の供給週数などのビジネスの現実を測定する必要があります。
新しいアプローチによってもたらされる明確で否定できない経済的な利益を示してください。本当に予測に関心があるのでしょうか？それについて話し合うことはできますが、結果が重要です。ビジネスの成果を重視し、歴史的な結果と成功から会話を始めることは、理論から始めるよりも関心を引くでしょう。
Conor Doherty: サプライチェーンの専門家、経験豊富なリーダーは、素晴らしい直感を持っています。それにはアプローチのリスクを取る意欲がありますが、少しの根拠と信念が必要です。彼らは似たような会社や実際の成功を示す財務的なリターンを見てきたからです。これが、一度リスクを取ると、本当にプラットフォームができ、それを展開し始めることができるようになる方法です。新しいテクノロジーやアプローチは常にこのように始まります。結局のところ、私たちは顧客に最善を尽くし、株主にとって最善を尽くすためにビジネスにいます。他の場所でのリターンを見て、リスクを取るための良いユースケースがあることを示すことができれば、それは魅力的な提案です。会話を始め、進展させる可能性が高くなります。ただし、確立されたプロセスは、ほとんどの大企業でチームの構造にしっかりと根付いているため、大きな課題です。そのため、課題を本当に理解し、ビジネスケースを作成し、このような試みに実際の価値があることを示すことができる適切な人材が必要です。
ジョアネス・ヴェルモレル: 私がよく聞く反対意見の一つは、エクセルで簡単に表現できるポイント予測から、ある程度エクセルで表現できる確率予測に移行すると、少し悪夢のようなプロセスになるということです。つまり、どちらにせよツールをアップグレードする必要があるということです。不確実性を受け入れるモデルを持つためには、エクセルよりも能力のあるツールが必要です。それによって、より複雑なツールを扱える人々に依存する組織が突然リスクのクラスを作り出します。データサイエンスの責任者として、すぐにアクセスできないものを導入する最前線にいると思います。Pythonの20行について話している時点で、それを扱うために必要なスキルは、単純なスプレッドシートを持つ場合とはかなり異なります。つまり、会社にとっては、供給チェーンのポジションに以前よりもエンジニアリングスキルが必要な人々に依存しています。話している人の中には、このような提案について心配している人もいます。Excelスプレッドシートを通じて飛び越えることができないものや、ERPでルールベースのシステムとして実装されないものに依存するリアルワールドの供給チェーンをどのように扱うかを考えています。
シム・テイラー: 2つの要素を考える必要があると思います。まず、エクセルはカテゴリーマネージャーやバイヤー、サプライチェーンの専門家に非常に馴染みのあるツールです。確かに利用価値はありますが、ほとんどの企業では、購買の意思決定を実際に行っている人々にとって既にブラックボックスとなっているシステムによって、ほとんどの意思決定が決定されています。したがって、Excelからの移行については、いくつかのケースでは大きな飛躍ではありません。それは、一つのシステムから別のシステムに移行することで、異なる方法で推奨を行うシステムに移行することです。新しいシステムがどのように機能するかに対する信頼があれば、システム自体を変更することはそれほど大きな飛躍ではありません。また、新しいシステムがなぜ少し異なる方法で何かを行っているのかを理解するための適切な教育と議論も重要です。
2つ目の要素は、データサイエンティストへの信頼です。私は本当に、サプライチェーンや商品計画は、データサイエンティストを投入して具体的な財務上の利益を期待することはできない分野の一つだと信じています。おそらく
コナー・ドハティ: ジョアネスとシム、サプライチェーンを最適化する際に、技術的な専門知識と数学的な専門知識、そしてサプライチェーンの経験を兼ね備えることの重要性について、どのような考えをお持ちですか？
シム・テイラー: サプライチェーンの最適化には、サプライチェーンの世界の課題と複雑さを理解することと、数学的な能力と技術的な能力を含む専門知識の組み合わせが必要です。理想的な候補者は、サプライチェーン管理とデータサイエンスの両方の経験を持っている必要があります。彼らは以前のシステムを理解し、それと連携して作業することができ、ベンダーの最小発注数量や流通センターの容量制約などの一般的な課題についての知識を持っている必要があります。大学院を卒業したばかりのデータサイエンティストにはこの知識がないかもしれませんが、それは技術とサプライチェーン管理を結びつけようとする際に不信感を引き起こす可能性があります。私たちが求めているのは、ビジネスの理解と技術的な傾向の両方を持つスマートな個人であり、コードを説明したり自動化したりするためのスマートな方法で意思決定を行うことができる個人です。この組み合わせは、成功する分析チームを構築するために重要です。
コナー・ドハティ: ジョアネス、Lokadでサプライチェーンの科学者を選ぶ際のアプローチは、シムのスキルの組み合わせの重要性と一致していると言えますか？
ジョアネス・ヴェルモレル: はい、私たちの考え方は一致していると思います。実際、私は、現在独立して運営しているデータサイエンスチームが、10年後にはサプライチェーン部門の一部になる可能性がある市場の進化を見ています。私は、各部門が数量分析に特化したエンジニアチームを持つ未来を想像しています。彼らはオペレーションやトップマネジメントと緊密に連携して戦略を確立します。データサイエンス部門がそれぞれの部門から独立している現在の組織構造は、データサイエンスが支援機能ではなく、各実践の本質的な要素となるにつれて変わる可能性があります。例えば、サプライチェーンアナリストがサプライチェーン部門の一部になり、マーケティングアナリストがマーケティング部門に参加するなどです。
シム・テイラー: ジョアネス、組織内のデータサイエンスと分析の将来についてのあなたの見解は興味深いと思います。私はPetcoの分析責任者として、もしオペレーションの成功が続くなら、10年後にはデータ分析部門が各部門に統合される方向に変化する可能性があると考えています。
コナー・ドハティ: それは、成功を収めるためにすべての部門で内部化されるというよりは、どちらかと言えば、どのように事業を組織化し構築するか、そしてそれらの異なるアプローチの利点について話しているのですね。個人的な意見として、私はあなたと同意します。タイトルや所属する組織はある意味では関係ありません。
ジョアネス・ヴェルモレル: なんて興味深い質問なんでしょう。現在のビジネスの組織と構造について話していて、それぞれのアプローチの利点についてですね。個人的な意見として、私はあなたとは異なりません。タイトルや所属する組織はある意味では関係ありません。
シム・テイラー: 私が毎日仕事に行くときにワクワクするのは、価値を提供し、計測できる具体的な価値を見つける機会を見つけることです。私は、マーチャンダイジング計画など、サプライチェーンに非常に特化しています。私の上司は、さまざまな領域にわたる広範なデータ分析組織を運営しており、それらを結びつけています。しかし、私は特にサプライチェーンについては、過去にこれを見てきました。非常に技術的な能力を持つ優れた人々がサプライチェーンの経験を持っていない場合、ビジネスに有意義な価値を提供することは必ずしもできません。ビジネスのスキルセットとその業界を理解する能力と、技術的な実行能力の組み合わせが、ポジティブで意味のある財務的な結果を生み出すと考えています。
ですので、あなたが自分自身をデータサイエンティストと呼ぶのか、サプライチェーンの実践者と呼ぶのかは、ある意味では間違った質問であり、関係のない質問だと思います。私自身は、サプライチェーンの問題を解決することから興奮を感じています。ですので、チームのメンバーをサプライチェーンサイエンティストや需要予測者と呼ぶかどうかは重要ではありません。重要なのは、あなたが行う仕事です。
サプライチェーンやマーチャンダイジング計画の世界には微妙なニュアンスがたくさんありますので、ビジネスと密接に関わっている必要があるという点には完全に同意します。もし、それを理解していない場合、単に数字をいじっているだけで、有意義な結果を出すのは難しいです。
一方で、異なる領域の分析の専門家や実践者をグループ化することで多くの価値が生まれると思います。データサイエンス組織を一つにまとめる利点は、同じような考えを持つ優れた人々とのつながりや関係を築くことができ、異なる領域の技術的な専門知識を活用することができることです。マーケティング分析、サプライチェーン、顧客、価格設定など、チーム同士がどのように連携し合うかには多くの利点があります。
企業にとって最適な戦略は、会社によって異なると思います。しかし、純粋にサプライチェーンの観点から言えば、結果が重要であり、新しいことを試す際に重要な信頼を得るのは非常に難しいと思います。それがサプライチェーンの仕組みを理解しながら、ビジネス価値をどのように生み出すかを説明できるかどうかが重要です。
ジョアネス・ヴェルモレル: とても興味深い点に触れていますね。そして、あなたが中央集権化についてコメントしたことについて、少し立ち返って考えてみます。確率的予測に戻ると、それはかなり技術的なイノベーションですが、驚くべきことは、それがビジネスに非常に関わっているということです。あなたが興味を持つ理由、そしてそれを何度も言及した理由は、それが創造できる価値です。
私の視点から興味深いことは、それが、例えばディープラーニングやAIとは根本的に異なるものであるということです。これは、非常に実践的なサプライチェーンの方法で何ができるかによって興味深いイノベーションです。確率的予測を行うためにはいくつかの技術的な要素がありますが、それは
コナー・ドハティ: より良い予測は、改善されたサプライチェーンにつながることがあります。古典的なアプローチで優れた注文と補充の最適化を行う企業はありますが、補充ロジックと予測をサプライチェーンの意思決定にどのように展開するかは同じくらい重要です。
シム・テイラー: 多くの場合、素朴な移動平均でも貧弱なポイント予測と同様の結果を提供できることに人々は驚くことがあります。私は、最良の結果をもたらすために基づいて意思決定を行い、需要の変動性とリードタイムの変動性を評価することに焦点を当てるように会話を重視しようとしています。このアプローチの財務的な成功をビジネスに対して簡単で具体的な方法で示す必要があります。
コナー・ドハティ: シムとジョアネス、このアプローチを実装した後に本当に財務的な改善が見られる企業やクライアントの例はありますか？
シム・テイラー: 確率的予測の観点から具体的な例はありませんが、分位数の観点からは成功例があります。在庫の入手可能性や供給週数などの主要なビジネス指標に焦点を当てて、このアプローチをビジネスに展開しました。在庫の入手可能性を高めながら在庫レベルを同じにしたり、さらに減らすことができました。このアプローチは信頼を築き、これらの概念を知的に適用することがビジネス価値を生み出すことを示しました。
コナー・ドハティ: 確率的予測のアプローチを適用し、話している価値を実証した成功事例はありますか？
シム・テイラー: 確率的予測の観点からは具体的な事例はありませんが、分位数の観点からはあります。カナダの大手小売業者との取り組みで、ポイント予測の安全在庫アプローチを展開し、在庫の入手可能性を改善することができました。在庫レベルを同じにしたり、さらに減らすことで、在庫の入手可能性を高めることに意味のある成長を見ました。これにより、ビジネスパフォーマンスの要因の明確なトレンドと違いが示され、このアプローチへの信頼が築かれました。私は次の段階に進んで確率的予測のアプローチを使用してこれらの結果をさらに改善したいと考えています。
コナー・ドハティ: 分位数予測は完全に解決しない、それでは、その点については、ありがとう、シム、あなたに投げかけます、ジョアネス、シムのような逸話はありますか？
ジョアネス・ヴェルモレル: ええ、それは細部ですが、Lokadが10年半前に始めたときと、サプライチェーン向けの確率的予測を可能にするアプローチを今行っていることを比較すると、エッジケースの数が非常に興味深いです。始めた当初、サプライチェーンの問題に取り組もうとするたびに、エッジケースの山がありました。エッジケースとは、通常のロジックがひどく失敗しているため、手動で修正する必要がある状況のことです。それが意味のない結果を生み出しているため、Lokadのようなベンダーは通常、それらの明らかに意味のない状況を管理するためのアラートや例外を持っています。それを検出して、「システムが意味のない出力を生成しているので、誰かが介入する必要がある」と言うルールさえ作成できます。
それから、それがほとんどなくなりました。だからそれは興味深いです、私にとっては、エッジケースの排除が、特定の注意、特定のルールが必要なものであることの証明です。結局のところ、私は、それが不確実性を無視した方法の結果であると信じています。したがって、不確実性やリスクが発生するとき、そして、制約がある場合、例えば絵文字で、リスクを認識した意思決定をするためには、主に、それらを単純化することができました。
エッジケースを排除するというのは非常に逸話的な要素ですが、私はそれが技術の成熟度と品質の最も信頼性のある指標であることを見つけました。非常に限られた数のエッジケースや特殊な状況でのみ人間の介入やソフトウェアソリューションの細かい管理が必要な場合、それが可能であるかどうかが重要です。逆に、サプライチェーンを運営するためのソフトウェアソリューションを細かく管理しなければならない場合、おそらく基本的なレベルで何かがうまくいっていないということです。問題に取り組む方法とソフトウェアの動作方法に不整合があり、サプライチェーンを修復するために細かい管理が必要になるのです。
私にとっての問題は、ポイント予測から分位点予測、確率的予測への移行ができるかどうかです。次は何があるのかというのはまだオープンな問題ですが、今のところ、ほとんどの企業が不確実性を受け入れるという考えに至ること自体がまだ課題です。
Sim Taylor: そして、ジョアネス、追加で言えば、あなたは作業の削減を主な利点として話しています。しかし、逆に言えば、供給チェーンでは非常に頻繁に発生するいくつかのニッチなエッジケースについて話すとき、それはあまりエッジではないものです。制約の世界です。それはより多くの作業を必要とするか、以前のビジネスではより頻繁に誤った決定が下されます。追加の作業ではないかもしれませんが、より少ない努力でより最適な決定をするために追加の情報を使用することが目標です。
Conor Doherty: 簡略化された意思決定はしばしば最適でない結果につながります。目標は、追加の情報を使用してより最適な意思決定を行い、より少ない努力で行うことです。
Sim Taylor: そうですね。たとえば、ベンダーから50トラックロードの注文ニーズしかない場合、しかし契約ではフルトラックロードの注文か最小発注量の達成が求められています。今すぐ注文して必要のない追加の製品を購入し、容量を占有する過剰在庫を生じさせるのが財務的に優れているのか、またはまったく注文せずに特定の製品の在庫切れのリスクを冒すのか、どちらが良いのでしょうか？理想的には、今注文するか後で注文するかについてROIに基づいた意思決定ができれば、エッジケースの意思決定がより効果的になります。
Conor Doherty: 皆さん、他に質問はありません。Sim、お客様として最後の言葉をお願いします。追加で何かお話ししたいことや、まだ確率的予測を受け入れていないサプライチェーンディレクターに対して投げかけたい質問はありますか？
Sim Taylor: サプライチェーンコミュニティに対する私の呼びかけは、これらの概念を評価し、受け入れ、古典的なアプローチを超えるためのテストと反復を行い、得られる価値を理解することです。私たちはただ別のシステムを別のシステムで置き換えているだけなのか、という疑問があります。このアプローチについて考え、それをビジネスに組み込んで成功を収めるためのより多くの会話や実際のユースケースを見たいと思っています。価値の例を共有することで、会話を加速させ、より最適な注文と補充のシナリオに向けて共同で進むことができるでしょう。
Conor Doherty: それについて、Sim、ありがとうございました。すべての功績を私が受けるわけにはいきません。Joannesの助けが大いにあります。
Joannes Vermorel: ありがとうございます、Conor。感謝します。
Conor Doherty: それでは、皆さん、ここで終わりにしましょう。Joannes、お時間をいただきありがとうございました。Sim、あなたもありがとうございました。また次回お会いしましょう。
