00:00:00 イントロダクションとSim氏のデータサイエンスおよびサプライチェーン解析の背景。
00:02:00 サプライチェーン管理における一般的な手法としての予測と時系列の概要。
00:06:26 確率的予測の紹介と、点予測との違いについて。
00:08:10 Sim氏の確率的予測に関する経験と実世界のビジネス課題への対応。
00:09:15 点予測の限界と、リスク管理における確率的予測の利点についての議論。
00:11:39 分位点回帰の議論と、その在庫管理との関連性について。
00:14:20 確率的予測への移行とその利点。
00:16:37 確率的予測と従来手法の比較およびその限界について。
00:17:37 各業界における確率的予測の発展状況。
00:19:00 従来のアプローチと比較して、確率的予測が在庫管理をどのように簡素化するか。
00:23:07 分位予測手法とその課題についての議論。
00:24:26 ビジネスやサプライチェーンにおける制約のある環境。
00:25:58 より良い意思決定のための確率的予測の導入。
00:27:56 確率的予測を用いたサプライチェーン課題への対処。
00:30:41 大手既存企業における確率的予測の実装。
00:34:10 新システム採用にあたっての組織再設計の重要性。
00:36:02 複数の制約間の調整における従来のアプローチ。
00:38:31 従来の予測手法を手放すことの課題。
00:41:00 リソースの再優先付けと再構築方法。
00:42:33 確率的予測を導入することの潜在的な価値。
00:45:30 企業が新技術に飛び込むことを奨励する。
00:46:55 サプライチェーン管理におけるExcelから高度なツールへの移行。
00:48:30 先進的なサプライチェーンツールにおける熟練エンジニアへの依存。
00:50:06 新システムの提案を信頼すること。
00:53:00 サプライチェーンとデータサイエンス知識の融合の重要性。
00:56:49 部門横断的なデータサイエンス組織の創設。
00:59:42 データ分析の今後の構造と各部門への組み込みについての議論。
01:02:16 単一のデータサイエンス組織を持つことの利点。
01:04:01 新技術導入時におけるサプライチェーン理解の重要性。
01:05:38 確率的予測とディープラーニングのような複雑な技術との比較。
01:08:16 補充ロジックの重要性と予測との関係性。
01:10:34 サプライチェーンリーダーに新手法の採用を促すことの課題。
01:12:05 Sim氏の確率的予測に関する経験とその利点。
01:15:01 カナダの大手小売業者で分位予測を適用した逸話。
01:19:35 最適でないビジネス判断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 実行の呼びかけ: サプライチェーン管理で新たな概念と手法の採用。
01:23:25 将来的により最適な発注および補充シナリオへの期待。
サマリー
このインタビューでは、Lokadの創設者であるJoannes Vermorel氏と、PetcoのAnalyticsおよびData ScienceディレクターであるSim Taylor氏が、サプライチェーン最適化における確率的予測の重要性について議論しています。彼らは、確率的予測が複数のシナリオに確率を割り当て、より良い在庫管理と意思決定を可能にすることを説明します。大企業における確率的予測の実装の課題にもかかわらず、彼らはサプライチェーンディレクターに新しい概念を受け入れ、従来の手法を超えるよう促しています。また、データサイエンティストへの信頼と、供給チェーンの課題および技術的側面の両方を理解するプロフェッショナルの必要性も強調しています。
詳細サマリー
このインタビューでは、ホストのConor Doherty氏が、Lokadの創設者Joannes Vermorel氏およびPetcoのAnalytics and Data ScienceディレクターであるSim Taylor氏に話を聞き、サプライチェーン最適化における確率的予測の重要性について議論します。
Sim Taylor氏は、主に商品およびサプライチェーン解析を専門とするデータサイエンスとアナリティクスの背景について語ります。彼は、自身の業務がデータと統計を用いて製品をサプライチェーン内の意図した場所（フルフィルメントセンター、店舗、顧客など）に最適な数量で供給し、顧客満足と財務成果を最大化することを目指していると説明します。
予測について尋ねられた際、Taylor氏は過去の情報やその他のデータを用いて将来の結果を推論または予測する行為であると説明します。Vermorel氏はこれに同意し、時系列予測が古典的なサプライチェーン理論の礎であると付け加える一方、それが未来を考えるための数ある手法のひとつにすぎないと強調します。
議論は確率的予測に移り、これは複数の可能性あるシナリオに確率や発生率を割り当てることに関するものです。Taylor氏は予測においてquantile regressionを用いた経験を共有し、この手法が極端な事象を予測し、stockoutsを防ぐのに役立つと説明します。この方法は特定のservice levelを直接求めるものであり、企業が誤った可能性のあるsafety stock計算に頼ることなく在庫レベルを設定できるようにします。
Taylor氏は、従来の在庫管理手法では最も起こりうる結果（予測）を算出し、そのばらつきを考慮して安全在庫を追加する方法が採られていると説明します。一方、確率的予測は在庫切れのリスクをカバーするために必要な総在庫量を直接推定します。さらに、Taylor氏は需要の適切な分位極値を決定し、顧客のニーズと財務面およびinventory costsとのバランスを取ることの課題についても語ります。
インタビュー参加者は、限られた予算や最小発注数量などの制約環境下での確率的予測の利点について議論します。Taylor氏は、確率的予測を活用することで、各追加ユニットが販売される確率とそれによってもたらされる財務的価値を把握し、競合するニーズ間の明確な意思決定を促せると指摘します。
議論は、確率的予測を実装する際に組織が直面する、特に既存のプロセスや労働分担の変革に伴う課題を浮き彫りにします。Sim Taylor氏は、サプライチェーンの実行に関する包括的な理解と責任が求められる量子予測アプローチの実装経験を共有します。この予測は、最終的に顧客満足、売上向上、そしてコスト削減の実現に向けた手段として機能します。
Sim Taylor氏は、予測や発注数量に関する数式処理の自動化の重要性を強調するとともに、経験豊富なサプライチェーンマネージャーの直感や専門知識が持つ価値も認めています。彼は、企業が経験豊富なスタッフの活用を最適化するために組織を再設計できると示唆しており、それには役割の変更やシステムの提案に依存することが含まれるかもしれません。
Joannes Vermorel氏は、確率的予測が予測の精度ではなく、その結果として可能になる業務上の意思決定に焦点を移すため、従来の予測およびそれに伴うKPIを手放すことの難しさを強調します。そして、企業がこの変革に対応するためにリソースの再優先付けや再構築をどのように行うべきかについて、Sim Taylor氏の見解を求めます。
Sim Taylor氏は、大規模でリスク回避的な組織において確率的予測を実装することの難しさを認めています。彼は、まずはシンプルで迅速なツールを提供し、その後に新アプローチの価値を実証するという段階的な成功の実現が可能だと提案します。これは、実例や、飛躍的変革を試みビジネス成果を測定する意欲のある企業を見つけることを含むかもしれません。全体として、この会話は確率的予測の採用による潜在的な利点と、既存組織が直面する課題の両面を強調しています。
この会話では、新技術や新たな手法の採用を促すために成功事例の実証が必要である点に触れられています。Vermorel氏は、Excelの限界と不確実性に対処するためのより先進的なツールの必要性について懸念を示します。Taylor氏は、サプライチェーン実務者によるExcelの使用を認めつつも、多くの意思決定が利用者にとってしばしば「ブラックボックス」となっているシステムに依存していることを強調します。
Taylor氏とVermorel氏は共に、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、コードを活用して賢明に意思決定を自動化できるプロフェッショナルの必要性を強調します。Taylor氏は、サプライチェーンへの理解と技術的素養を併せ持つ人物の発掘を提案します。さらに、Vermorel氏は将来的に、データサイエンスが企業の各部門に統合され、各領域に特化したアナリストが活躍する姿を描いています。
Sim Taylor氏は、肩書きや役割に関係なく、サプライチェーン管理において具体的な価値を提供することの重要性を強調します。彼は、技術的専門知識とビジネス知識の融合が、良好な財務成果を達成するために不可欠であると考えています。また、各分野のアナリティクス専門家間の協力の価値や、実質的な成果を出すためにビジネス現場に密着する重要性にも触れています。
Joannes Vermorel氏は、ディープ-ラーニングのような高度な技術革新と比較して、サプライチェーン管理における確率的予測の実用的な利点を強調します。確率的予測は、不確実性の問題に対し全く異なるアプローチで価値を創出することに焦点を当てています。
Sim Taylor氏はまた、在庫-補充-定義ロジックの重要性と、それがサプライチェーン管理における意思決定にとって極めて重要である点について論じます。彼は、サプライチェーンの価値に集約することが不可欠であり、意思決定が最良の成果を生み出す原動力となるべきだと述べています。
Taylor氏とVermorel氏は、ユースケースや成功事例の共有が企業との信頼構築と確率的予測の価値示証において重要であることに同意します。Taylor氏は、カナダの大手小売業者で分位予測手法を適用した結果、在庫の確保や在庫管理が改善された事例を紹介します。
Taylor氏は、サプライチェーンが多くの制約に満ちた世界であり、エッジケースが最適でない結果を招く可能性があると強調します。目的は、追加情報を活用して、より少ない労力でより最適な意思決定を下すための判断材料を得ることです。彼の例として、必要な量が部分的である場合に、ベンダーからトラック一杯分を発注するか否かを決定する状況が挙げられます。各ユニットの価値、販売確率、そして潜在的な利益率や保管コストを評価する能力が、そのようなケースでのより良い意思決定を可能にします。
Vermorel氏とTaylor氏は、ともにサプライチェーンディレクターに、確率的予測のような新たな概念を評価し採用すること、そして数十年にわたって用いられてきた従来の手法を超えるべきだと促します。彼らは、成功事例を共有することで議論が加速し、企業がより最適な発注および補充の意思決定を行えるようになることを期待しています.
完全なトランスクリプト
Conor Doherty: Lokad TVへようこそ。ホストのConorです。そして、いつものようにLokadの創設者Joannes Vermorel氏も同席しています。本日はSim Taylor氏にお話を伺います。彼はPetcoのAnalyticsおよびData Scienceディレクターで、大手企業に在籍しています。確率的予測の有用性についてお話しいただく予定です。Tim, welcome to Lokad.
Sim Taylor: こんにちは、Conorさん、Joannesさん、お招きいただきありがとうございます。では、私の簡単な経歴をご紹介します。私はデータサイエンスとアナリティクスのチームを管理しており、特に商品およびサプライチェーン解析を専門としています。キャリアの大部分はコンサルティングの立場から培ってきました。英国とカナダのDeloitteのサプライチェーンチームで長年働き、後半は企業が在庫を最適化できるようなモデル構築に注力しました。基本的には、私の仕事はデータと統計を活用して、製品をサプライチェーン内の各ロケーション（フルフィルメントセンター、店舗、顧客など）に適切な数量で供給し、顧客満足と財務成果を最大化する方法を見出すことに尽きます。私は主にデパートや総合小売業者など、多種多様な製品を扱い、大規模な在庫ポートフォリオを持つ企業と仕事をしてきました。また、ファッションや専門小売りも手がけています。数年前、コンサルティングの世界から業界へ転身し、現在はカリフォルニアを拠点とし、米国とメキシコで展開する大手ペット小売業者Petcoにて勤務しています。
Conor Doherty: ありがとうございます。一般の方々、あるいは専門外の方々に予測とは何かを説明する際、どのようにお話しされますか？
Sim Taylor: もちろん、予測は基本的には比較的理解しやすいプロセスです。それは本質的に未来の結果について推論または予測を行うことに他なりません。サプライチェーンや小売業では、需要予測、すなわち顧客需要について多く語られます。つまり、この店舗でこの製品が、来週、または2週間後、もしくは52週間後に顧客が何を望むかということです。私たちは、過去の情報や製品の価格など、将来に関してすでに知っている主要なデータポイントを利用して、予想される結果がどのようなものであるかを理解し、どうすればその結果に合わせた適切な場所での注文や配置ができるかを計画しています。これはまさに古典的なサプライチェーン理論の礎である予測そのものです。ジョアンネス、この定義に同意していただけますか？
Joannes Vermorel: はい、時系列予測を古典的なサプライチェーン理論の礎とする考え方には非常に同意します。しかし、これが将来にアプローチする際の非常に特定の方法の一つにすぎないことも指摘しておきたいと思います。このアプローチは既に確立され、長い間広く用いられてきたため、業界全体が将来を考えるための多くの手法の中の一つであるという事実を、かなり忘れてしまっているのです。なぜなら、将来を考え、予見するというのは非常に捉えどころのないことであり、時系列予測というレンズを通して考えれば、このパラダイムに適合する多くのモデルを利用できる反面、できること自体が制限されてしまうからです。そして、この業界における興味深い点の一つは、時系列予測が長い間存在しているという事実です。
Conor Doherty: 私は、確率的予測に出会った経緯について話すことが有益だと思います。私自身は学問的な背景ではなくビジネスの背景を持っており、実際、小売業者と協力して発注および補充に関する現実のビジネス課題を解決する際に、確率的予測に触れる機会がありました。
Sim Taylor: その顧客のために、私たちは標準的な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。これは依然としてほとんどの事業におけるベースラインです。基本的に、私たちはこの製品が明日5台、明後日6台と売れると考えています。しかし、その一つの数値が必ずしも正しいとは限らないため、従来の安全在庫アプローチ、もしくはその計算式を適用し、最も可能性の高い需要予測が多くの場合間違っているという前提で運用していました。
標準的な安全在庫アプローチは、本質的に需要の変動性と供給業者のリードタイムが最も可能性の高い予測値の周りで対称に分布しているという単純な仮定に基づいています。この統計学的な正規性の仮定は、多くの企業で無条件にベースラインとして受け入れられています。 私たちがこの作業を進める中で、チームと私は該当するリードタイムウィンドウ全体にわたる実際の売上状況を観察していました。その結果、ほとんどのケースで、正規分布という仮定が大多数の小売業者に対して全く当てはまらないという洞察にたどり着きました。需要とリードタイムは通常、正規分布していません。ほとんどの製品では、需要が低い値に非常に集中し、その右側に潜在的な需要値のロングテールが存在します。
私たちは、顧客需要とリードタイムの変動性をより適切にモデル化するために、より代表的な統計分布を使用する必要があると判断しました。そうでなければ、可能性のある結果を正しくモデル化できず、場合によっては品切れのリスクに晒されることになるでしょう。
Conor Doherty: では、あなたとチームはどのようにしてポイント予測以外の代替手法の検討を始めたのですか？
Sim Taylor: 最初に、私たちは予測において分位点回帰に頼るようになりました。これは、在庫管理においては、標準的な予測で得られる最も可能性の高い結果が必ずしも重要ではなく、むしろ極端な事象に対して、品切れを防ぐための十分な在庫を確保することが重要であるという洞察に基づいています。これが、標準的な安全在庫アプローチにおけるサービスレベルの役割なのです。
私たちは、分位点回帰を用いて、特定のサービスレベルを直接達成する予測モデルを構築しました。例えば、リードタイム全体における可能なすべての需要発生をリストアップした場合、そのリードタイムでの非常に起こりにくい状況、すなわち95パーセンタイルはどれか？それを在庫レベルとして設定するのです。安全在庫と呼んだり、その計算が誤った前提に基づいて本質的に間違っていると心配する必要はありません。
こうして、私たちは平均的な結果や通常の予測値以外の、さまざまな需要予測の可能性を探求し始めました。その後、どのサービスレベルに設定すればどの分位点の需要やリードタイムを予測するべきか、また需要とリードタイムに対する分位点予測をどのように組み合わせるかという疑問に発展しました。ちょうどその時、Lokadに出会ったのです。Lokadは、リードタイム全体における需要のあらゆる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、他にはないユニークかつ差別化されたアプローチを採用しており、分位点を理解するだけでは捉えきれない膨大な情報をも取り込んでいます。
Joannes Vermorel: あなたの取り組みは私の経験と非常に似通っています。というのも、私自身もLokadでこれらの仮定に対して個人的な問題を抱えたからです。「安全在庫」という用語は安心感を与えるように聞こえますが、実際にはそれに含まれる数学的仮定はかなり異常であり、決して安全とは言えません。結果として、負のリードタイムのような非常に奇妙な事象が生じるのです。これが、リードタイムに正規分布を適用した場合に起こる現象です。そしてその考え方は
Conor Doherty: 人々が本当に関心を寄せていることと、彼らが口にすることとの間にミスマッチがあると気づきました。サプライチェーンのディレクターはより良い予測を求めていましたが、最終的に彼らが必要としていたのは、より良いサプライチェーン戦略に基づく意思決定でした。統計学の観点から考え始めると、重要なのは平均値ではなく極端な値であり、これらの極端な状況こそが品切れや在庫過剰のシナリオを引き起こす要因となるため、本当に分析すべき対象なのです。金融業界や気象予報の分野では、1990年代初頭から確率的予測が行われていたことが分かります。2011年から2012年にかけて、私たちは他の業界の先駆者に比べかなり遅れて、サプライチェーン向けにこれを導入し始めました。
Sim Taylor: 古典的なアプローチは依然としてリスクを考慮しようとしますが、私たちは単に在庫を違った名称で呼んでいるにすぎません。実際に重要なのは、ビジネスに対する成果です。標準的なアプローチでは、最も可能性の高い結果を正確に予測しようと努めますが、極端な事態のリスクをカバーすることにより重点を置いているため、その見方は相応に奇妙であることを認識しています。そして安全在庫がその役割を果たしています。分位点予測は、需要の極端な例を捉え、それに基づいて必要な在庫量を算出することで、これら両面を直接設定するのです。
Joannes Vermorel: もし、あらゆる可能性のあるシナリオの全体像が把握できたとしたら、それは実際のビジネス現場にどのように変換され、利用されるのでしょうか？私たちが重視しているのは、その後の注文意思決定ができるだけ最適になることです。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、実際の運用にどのように反映させるかが気になるところです。
Sim Taylor: 代替予測手法を検討する最初の動機は、需要の発生が従来の安全在庫アプローチでモデル化される分布に従わないという現実を目の当たりにしたことでした。これが、データにより適合する代替モデルの可能性を検討する主なきっかけとなりました。
Conor Doherty: 需要とリードタイムに典型的に見られる変動性をより正確に再現または説明するために、分位点予測アプローチから始めたのですね。しかし、顧客のニーズや財務面と在庫保持コストとのバランスを取るための適切な需要の分位点を決定するなど、課題も存在しました。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をどのように判断するかが求められました。こうした課題に対する解決策として、確率的予測にどのように出会ったのか、もう少し詳しく教えていただけますか？
Sim Taylor: はい、私が確率的予測に惹かれたのは、あらゆる可能なシナリオとその発生確率を理解するという概念にありました。たとえば、4台、5台、6台が売れる確率が分かれば、次に購入する在庫が売れる可能性を算出することができます。そして、その確率と、製品が売れた際に得られる付加価値、すなわち粗利益、さらに在庫保持や品切れによるコストを踏まえれば、どの単位がビジネスにとってより大きな価値をもたらすかを明確に判断することが可能になります。これにより、私たちのチームや他のチームが長い間取り組んできた多くの課題が解決されるのです。常に制約のある環境下にある中で、次々と販売される各単位の売れる確率とその経済的価値を正しく把握することは、これらの課題に対処する上で非常に洗練された方法です。
Joannes Vermorel: これは非常に興味深いですね。私がPetcoのような大手企業に確率的予測を推進しようとする際に直面する最大の困難は、予測と意思決定という業務の歴史的な分業体制です。大企業では通常、予測を担当する人々と、補充、生産指示、在庫移動指示といった意思決定を行う人々に業務が分かれています。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。意思決定そのものが予測そのものではありませんが、本質的には、補充の判断と予測が、過去に安全在庫分析を行い意思決定していた別個のチームが存在していた時代よりも、はるかに密接に絡み合っています。
Conor Doherty: 補充は、予測・計画担当者と、生産指示、補充指示、在庫移動指示など実務的な意思決定を行う担当者との間で、非常に明快な分業を提供する古典的なサプライチェーン理論だと言えます。では、この点にどのように取り組んでいるのですか？あなたは、確率的な洞察が登場するずっと前からサプライチェーン実務が確立されていた非常に大規模で伝統的な企業で活躍されてきました。従来の分業体制という歴史的な境界を尊重しないこのような手法を、どのように組織に導入されたのでしょうか？
Sim Taylor: たとえば、量子予測アプローチなどで実際に価値を還元できた状況では、サプライチェーン全体の運用に対してオーナーシップがあることが非常に役立ちます。我々の最終目標は常に、顧客満足度と売上の向上、さらにはコストの最小化であり、予測はあくまで手段に過ぎないのです。重要なのは結果、つまり配送センターや店舗において、どれだけの量を、どの場所へ、いつ注文すべきかということです。私が成功を収めたのは、予測の構築から直接的に注文数量へと反映する権限を与えられた時でした。
我々は、業者から配送センターへの注文、または配送センターから店舗への補充という形で、予測を立て、注文数量を算出します。そのプロセスは、基本的に承認と評価のプロセスを伴います。理想的には、計算面の重労働をできる限り自動化し、大多数のシナリオで正確な結果を出すことが求められます。そして、そのデータドリブンな洞察とビジネスチームの専門知識を組み合わせることで、極端なケースや様々な事例を理解・評価し、適切な調整を行うのです。
企業が注文や補充の方法を刷新あるいは変革しようとする場合、それは非常に大規模なプロジェクトとなり、多大な労力、多数の月日、そして多くの人々の関与が必要となります。これは、企業運営の方法をリセットし刷新する絶好の機会となります。多くの企業はこれを機に組織の再設計、すなわちチェンジマネジメントや組織再編を実施しています。もし、組織を再設計し、はるかに優れたシステムのもとで再構築できれば、注文コストの削減や顧客向けの在庫水準の改善という真の成果が得られるのです。
Conor Doherty: ジョアンネス、非常に具体的な質問があります。ビジネスチームにおける複数の制約間の対立を解決する伝統的なアプローチについて話しましたが、確率的でないビジネスチームや最適化プロセスでは、通常それらはどのように解決されているのでしょうか？日常業務ではどのように行われているのか教えていただけますか？
Joannes Vermorel: 小売業の例で言えば、まず予測を担当するチームが存在します。彼らはベースラインを確立し、季節性のプロファイルを管理し、場合によってはABCクラスなども設定して、将来の時系列予測の基盤を作ります。そして、別のチーム、または複数のチームが、補充の判断や製品が店舗で扱えるかどうかの決定といった運用上の意思決定を担当します。市場に出回っている多くのソフトウェアツールがユーザーインターフェイスやプロセスを提供していることから、このような主流の組織体制は十分正当化され、確立されたものとなっています。
Joannes Vermorel: この考え方に合わせたワークフローが整備されていると、たとえ部分的に恣意的であったとしても、各ポジションを検証する多数のツールが存在し、時系列予測のレビュー専用画面、安全在庫調整用の画面、さらにアラート管理用の画面といった具合に、具体的な操作環境が整えられます。こうした抽象概念が、役割やワークフローとして組織内に実体化しているのです。
ゲストが述べたように、確率的予測は組織の根幹にまで挑戦を投げかける非常に興味深い手法です。小売業における補充のような、企業の主要機能の一つを再検討する大規模なプロジェクトがあれば、多くの仮定を再考する機会が得られます。これは従来のサプライチェーンマネジメントのアプローチから、確率的予測がもたらす代替的な組織体制への一種の飛躍を伴うため、ある意味で信念に基づく挑戦とも言えるでしょう。
予測とは単なる人工物であり、何か別の目的を達成するための手段に過ぎません。それでも、多くの企業、特に大規模なサプライチェーンを有する企業では、予測自体が目標と見なされがちです。精度に関するKPIを持つチームが存在し、これがS&OPプロセスの一部となっています。来年の目標として、より正確な予測を求めています。
Sim Taylor: 課題は予測に固執しないことです。確率的予測を採用することで、マネジメントの焦点を移すことを提案しているのです。予測精度のKPIに従ってリソース、予算、ツールを提供し改善していくのではなく、これらの予測に基づいて下される意思決定に注力すべきです。これは非常に受け入れがたい考えであり、一歩踏み出す信頼が必要です。単に「信じてください、ずっと良くなります」と言うだけでなく、どうすればもっと深い論拠を示せるのでしょうか？
それは困難で非常に挑戦的です。ここには巨大な潜在的価値があると感じていますが、確率的予測を全面的に受け入れている大企業については存じません。段階を追って実装し、まずはシンプルで迅速なツールを提供して結果を示すことが、サプライチェーンの経営層を巻き込み、浸透させる方法です。その一例を示し、その後、在庫充足率、在庫回転率、在庫投資、そして新しいアプローチを展開する前後の供給週数など、ビジネスの実態を計測する必要があります。
新しいアプローチによって生み出される明確で否定しようのない財務上の利益を示してください。本当に予測そのものを気にしているのでしょうか？その点について語ることはできますが、重要なのは結果です。ビジネス成果を先に示し、過去の実績や成功事例から会話を始めることは、理論だけを先行させるよりも注目を集めるはずです。
Conor Doherty: 私はサプライチェーンの専門家、すなわち豊富な経験を持つリーダーについて言及しました。彼らは素晴らしい直感を持っており、その力を活用できます。誰もが自社の改善を望んでいるため、ほとんどの人が一歩踏み出す動機を持っていますが、必要なのはしっかりとした基盤と信頼です。似たような企業と、成功を実証する財務上のリターンを見ているからこそ、一度その一例が示されれば、本当に展開するためのプラットフォームが整うのです。新しい技術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、私たちは顧客のため、そして株主のために最善を尽くすためにビジネスを行っているのです。もし、そのリスクを取る、あるいは他と異なる何かを試みるにふさわしい良い事例を示すことができれば、それは非常に魅力的な提案となります。そうすれば会話が始まり、物事が動き出す可能性も高まります。しかし、確かに、大企業における確立されたプロセスは根強く、チームの構成にしっかりと定着しているため、大きな挑戦と言えるでしょう。そのため、課題を真に理解し、そのビジネスケースを提示できる適切な人材が必要なのです。
Joannes Vermorel: 私が頻繁に受ける反論の一つは、Excelで簡単に表現できるポイント予測から、ある程度Excelに表現できる確率的予測へ移行する際、プロセスが悪夢のようになるというものです。要は、何らかの方法で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。不確実性を取り入れたモデルを持つためには、Excel以上の機能を持つツールが必要なのです。そうすると、より複雑なツールを扱える人材に依存するリスクが生じます。あなたがデータサイエンス部門の責任者であることから、すぐには利用できないものを導入する最前線に立っていると思います。20行のPythonコードの話になると、単純なスプレッドシートのみの場合と比べ、必要なスキルが格段に高くなるのです。つまり、企業としては従来のサプライチェーンポジションで求められていたものよりはるかに多くのエンジニアリングスキルを持つ人材に依存することになるのです。私が話している中には、このような提案に対して不安を抱く方もおられます。彼らは、Excelスプレッドシートで処理できない、あるいはERPのルールベースシステムとして実装されない何かに、実際のサプライチェーンを依存させる場合、どう対処すべきか悩んでいるのです。
Sim Taylor: おそらく、二つの点を掘り下げる必要があります。第一に、Excelはカテゴリー・マネージャー、バイヤー、サプライチェーンの実務者にとって非常におなじみのツールです。確かに活用されていますが、多くの企業では、実際の購買決定を行っている人々にとってすでにブラックボックスのようなシステムによって、多くの意思決定がなされているのです。なので、Excelからの移行についてのあなたの指摘は、場合によっては大きな飛躍ではありません。あるシステムがある方法で推奨を行うものから、異なる方法で推奨を行う別のシステムへの移行に過ぎないのです。新しいシステムの動作に信頼があり、そのシステムがなぜ少し違う動作をするのかを理解するための適切な教育と議論があれば、システム自体を変えることはそれほど大きな一歩ではないと思います。
第二に、データサイエンティストへの信頼という点があります。サプライチェーンや商品の企画は、単にデータサイエンティストを投入すれば具体的な財務上の成果が得られる分野ではないと、本当に信じています。おそらく
Conor Doherty: Joannes、Sim、サプライチェーンの最適化においては、技術的・数学的専門知識とサプライチェーンの経験の両方が重要である理由について、もっと詳しく教えていただけますか？
Sim Taylor: サプライチェーンの最適化には、その世界特有の課題や複雑さを理解する能力と、数学的・技術的能力の両方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双方の経験を持っているべきです。既存のシステムを理解し活用でき、仕入先の最小発注数量や流通センターでのキャパシティ制約といった共通の課題についての知識を持つ必要があります。大学院を卒業したばかりのデータサイエンティストでは、この知識が不足している可能性があり、それがテクノロジーとサプライチェーン管理を統合する際の信頼不足につながることがあります。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兼ね備え、コードを用いて賢く意思決定を自動化する手法を説明できる優秀な人材です。その組み合わせこそが、成功する分析チームを構築するために極めて重要なのです。
Conor Doherty: Joannes、Lokadでサプライチェーンサイエンティストを選ぶあなたのアプローチは、技術とサプライチェーン経験の組み合わせの重要性というSimの見解と一致していると言えますか？
Joannes Vermorel: はい、私たちの見解は一致していると思います。実際、現在独立して運営され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となるという市場の進化の可能性を感じています。私は、各部門に定量分析を専門とするエンジニアのチームが存在し、企業の最適化の基盤を提供する未来を思い描いています。彼らはオペレーションや上級管理職と密接に連携して戦略を策定するでしょう。この自然な進化は、サプライチェーンアナリストがサプライチェーン部門に組み込まれ、マーケティングアナリストがマーケティング部門に統合されるといった形で、各部門にデータサイエンスのスキルが再び組み込まれる結果をもたらすと信じています。現在、データサイエンス部門が各部門とは独立して存在している組織構造は、データサイエンスが単なるサポート機能ではなく各分野の本質的な要素となるにつれて変わっていくかもしれません。
Sim Taylor: Joannes、組織内におけるデータサイエンスと分析の未来についてのあなたの見解は非常に興味深いです。Petcoの分析部門の責任者として、運用上の成功が続けば、10年後にはデータ分析部門が各部門に組み込まれる方向へシフトするかもしれないと考えています。
Conor Doherty: 成功を収める各部門において、より多くのものが内製化されるとお考えですか？
Joannes Vermorel: とても興味深い質問です。今のビジネスの組織方法や構造、そしてそれぞれのアプローチがもたらす利点について議論すると、個人的にはあなたに反対はしません。私としては、肩書や所属組織はあまり重要ではないと思います。
Sim Taylor: 毎日出勤する際に私がワクワクするのは、価値、つまり具体的で測定可能な価値を創出する機会を見つけることです。前述したように、私は特にサプライチェーン、例えば商品企画に注力しています。私の上司は、複数の分野にまたがる大規模なデータ分析組織を統括し、それらをまとめています。しかし、サプライチェーンに関しては、技術的には非常に優れているがサプライチェーンの経験に乏しい優秀な人がいるのを見てきましたが、それだけではビジネスに有意義な価値をもたらすことと直結しないのです。ビジネススキルと、その業界を深く理解し、技術的に実行できる能力の組み合わせこそが、前向きで意義ある財務成果を生むと考えています。
ですから、自分自身をデータサイエンティストと呼ぶにせよ、サプライチェーン実務者と呼ぶにせよ、本質的にはそれは誤った質問、あるいは無関係な質問だと思います。私自身はサプライチェーンの問題解決に情熱を感じており、チーム内のメンバーをサプライチェーンサイエンティストと呼ぶか需要プランナーと呼ぶかは問題ではなく、重要なのは彼らが行う仕事です。
ビジネスと密接に連携する必要があるという点には、断固として同意します。サプライチェーンや商品企画の世界には非常に多くの微妙なニュアンスが存在し、それを理解していなければ、単に数字をいじっているだけになり、有意義な結果を出すのは難しいです。
一方で、異なる分野の分析専門家や実務者を一堂に会することで、多くの価値が創出される可能性もあると考えています。単一のデータサイエンス組織を持つ利点は、志を同じくする優秀な人々との間につながりや関係性を築けることであり、互いに学び合い、各分野の技術的専門知識を共有できる点にあります。例えば、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、部門を越えた連携が大いに価値を生むでしょう。
最終的には、企業が全体として最適な戦略と考えるものに依存すると思います。しかし、純粋にサプライチェーンの視点からすれば、重要なのは結果であり、サプライチェーンがどのように機能するかを理解した上で、ビジネス価値をどう推進するかという観点から説明できなければ、新しく複雑に見える取り組みに必要な信頼を得るのは非常に難しいのです。
Joannes Vermorel: 非常に興味深い点に触れられたと思います。そして、中央集権についてのあなたのコメントとは少し立場を戻して。確率的予測に話を戻すと、これはかなり技術的な革新です。しかし驚くべきことに、ビジネスに与える影響が非常に大きいのです。あなたが何度も述べているように、注目すべきなのは創出できる価値にあるのです。
私の視点から面白いのは、これが例えばディープラーニングやAIとは本質的に全く異なるものであるという点です。これは非常に実践的なサプライチェーンの方法で活用できるために注目される革新です。確率的予測を行うにはいくつかの技術的要素が必要ですが、それは
Conor Doherty: より良い予測は、改善されたサプライチェーンに直結します。従来の手法で優れている企業は、より良い発注や補充の最適化が実現できます。しかし、補充のロジックや予測をどのようにサプライチェーンの意思決定に展開するかも同様に重要であることを忘れてはなりません。
Sim Taylor: 場合によっては、単純な移動平均が、質の低いポイント予測と同等の結果をもたらすことに驚かれることがあります。私は、最良の結果を導く意思決定に基づき、需要の変動性やリードタイムの変動性をどのように評価するかに着目しています。企業に対して、このアプローチの財務上の成功をシンプルかつ具体的に示す必要があります。
Conor Doherty: Sim、Joannes、このアプローチを実施した後に、実際に財務上の改善を示した企業やクライアントの具体例はありますか？
Sim Taylor: 確率的予測の観点からの具体例はないのですが、分位点予測の観点からは成功例を見ています。大手カナダ小売業者と協力し、ポイント予測に基づく安全在庫アプローチを展開した結果、在庫を増やすことなく在庫充足率を向上させることができました。そして、分位点予測に移行した際には、在庫レベルを維持あるいは削減しながら、さらに在庫充足率を大幅に向上させることに成功しました。これにより、ビジネスパフォーマンスにおける明確な傾向と差異が示され、このアプローチへの信頼が構築されました。私は次の一歩として、確率的予測アプローチを用いてこれらの結果をさらに改善したいと考えている熱心な者です。
Conor Doherty: 確率的予測アプローチを適用し、あなたが語る価値を実証した成功事例の逸話はありますか？
Sim Taylor: 確率的予測の観点からのものではなく、分位点予測の観点からですが、成功例があります。大手カナダ小売業者と協力し、ポイント予測に基づく安全在庫アプローチを導入した結果、在庫を増やさずに在庫充足率の改善が見られました。その後、分位点予測に移行すると、在庫レベルを維持または削減しながら、在庫充足率を大幅に向上させることに成功しました。これにより、ビジネスパフォーマンスの明確な傾向と違いが明らかになり、このアプローチへの信頼が築かれたのです。私は、次のステップとして確率的予測アプローチを取り入れ、これらの成果をさらに改善したいと考えている熱心な者です。
Conor Doherty: 分位点予測だけでは完全な解決には至らないかもしれませんが、その点についてはありがとう、Sim。それでは、Joannes、Simのような逸話はありますか？
ジョアンネス・ヴェルモレル: ええ、つまり、些細な点ですが、Lokadが15年前に始まったときに行っていたことと、現在サプライチェーン向けに確率論的予測を可能にするアプローチを実施していることを比べると、エッジケースの数が非常に興味深いですね。最初の頃、サプライチェーンの問題に取り組むたび、まるでエッジケースの森に突入しているかのようでした。ここでいうエッジケースとは、通常の論理があまりにも著しく失敗し、結果がまったく無意味となるために、人が介入して手動で修正しなければならなくなる事例のことです。だからこそ、Lokadのようなベンダーは、これら極めて無意味な状況を管理するためのアラートや例外処理を通常備えているのです。システムがほとんど意味をなさない出力を出していると検出するルールすら設定できるのです。
そして、エッジケースが大量にあった状態から、ほとんど存在しない状態へと進化しました。私にとっては、これが特定の注意や特別なルールを必要とするエッジケースの排除を意味しており、非常に興味深い現象です。結局、この排除は、本質的に不確実性を無視する手法を採用していた結果にすぎなかったと私は信じています。つまり、不確実性やリスクが現れるたび、また、たとえば絵文字などの制約が伴う場合においても、リスクを意識した意思決定を行う上で、主にこれらを簡素化することに成功したのです。
非常に逸話的な要素かもしれませんが、エッジケースの排除は、技術の成熟度と品質を示す最も信頼性の高い指標であると私は発見しました。すなわち、非常に限られたエッジケースや、人の介入と細やかな管理を必要とする周辺的な状況のみで運用できるかどうかが重要です。逆に、サプライチェーンを管理するソフトウェアソリューションをミクロ管理しなければならない場合、根本的な部分で何かが正しく機能していないことを意味している可能性が高いのです。問題へのアプローチ方法とソフトウェアの動作方法との間にインピーダンス不整合が生じ、その結果、サプライチェーンに対して応急処置的なミクロ管理を余儀なくされるのです。
私にとっての疑問は、ポイント予測から分位点予測、そして確率論的予測へと移行できるかどうかということです。すなわち、次は何が来るのか、という未解決の問いがあるのです。この分野には確実に次の技術段階が現れると確信していますが、現時点では、多くの企業が不確実性をただ受け入れるという考えに同意するだけでさえ、なお大きな課題として残っています。
シム・テイラー: そしてジョアンネス、補足すると、あなたは作業削減を大きな利点として挙げていましたね。反対の側面として、サプライチェーンでは常に発生する、決して極端ではないニッチなエッジケース、すなわち制約に満ちた世界における頻出事例について考えると、追加の作業が必要になるか、以前のビジネスでよく見たように、誤った判断が下されることが多いのではないかと思います。もしかすると追加の作業ではなく、我々は単に…
コナー・ドハティ: 単純化された意思決定はしばしば最適とはいえない結果を招きます。目標は、追加情報を活用して、より少ない労力でより最適な決定を導き出すことにあります。
シム・テイラー: そうです。例えば、私たちの購買ニーズはベンダーから50台分のトラック注文に相当する量しかないにもかかわらず、契約ではトラック丸ごと注文するか、最小発注量を満たさなければならないと定められています。不要な追加製品を買って余剰在庫が容量を圧迫するリスクで今注文するのが財務的に有利なのか、それとも全く注文せずに特定製品で品切れのリスクを冒すのが良いのか、判断に迷います。理想的には、今注文すべきか、後で注文すべきかをROIに基づいて決定できれば、エッジケースに基づく判断がより効果的になるでしょう。
コナー・ドハティ: 皆さん、他に質問はありません。シム、顧客として最後の一言をいただけますか？確率論的予測をまだ採用していないサプライチェーンディレクターに対して、何か付け加えることや追って質問したいことはございますか？
シム・テイラー: サプライチェーンコミュニティへの私の呼びかけは、これらの概念を評価し、受け入れ、古典的アプローチを超えて得られる価値を理解するために、実際に試し、反復を重ねることです。私たちは単に同じようなことを行う別のシステムに置き換えているだけなのでしょうか？このアプローチについての議論や、実際のユースケースをビジネスに組み込んで成功を収める事例がもっと増えることを期待しています。価値の具体例を共有することで、議論が加速し、全体としてより最適な発注および補充のシナリオに向かって進むことができるでしょう。
コナー・ドハティ: シム、ありがとう。すべての功績を私に帰するわけにはいきません。ジョアンネスが大いに貢献しています。
ジョアンネス・ヴェルモレル: ありがとう、コナー。感謝しています。
コナー・ドハティ: それでは、皆さん、本日はこれで締めくくりましょう。ジョアンネス、貴重なお時間を本当にありがとうございました。シム、あなたの時間にも心から感謝します。また次回お会いしましょう。
