00:00:00 在庫管理：サービスレベル、安全在庫の議論。
00:00:22 ジョアネスがサービスレベルと安全在庫の認識に挑戦します。
00:02:10 具体的な在庫管理の決定の利点。
00:03:07 サービスレベルの測定の複雑さを探求する。
00:06:10 ABC XYZ分析の利点と欠点についてのジョアネスの意見。
00:10:31 在庫最適化の複雑さについて掘り下げる。
00:11:22 検証可能なシステムの複雑さを設計する。
00:12:15 ABC XYZの批判とその心理的なルーツ。
00:13:33 ABC XYZ分析と人間の認知の影響。
00:16:12 ABC XYZの詳細な調査、計算ランキングの価値。
00:21:04 在庫の分類と調整の微妙なニュアンスについての議論。
00:23:53 バスケットの視点の導入、在庫の割り当ての課題。
00:24:54 在庫管理におけるサービスレベルの歴史の追跡。
00:26:55 サービスレベルメトリックスの誤解を招く落とし穴。
00:28:51 サービスレベルと顧客満足度の神話を否定する。
00:32:34 サプライチェーンの理解のための水の類推。
00:34:25 製品の販売量の動的な性質についての議論。
00:36:00 サービスの品質、顧客の期待、製品の入手可能性。
00:38:20 製品のアソートメントにおける数学的なトラップの否定。
00:41:16 在庫管理における数学モデルの神話。
00:42:12 ABC XYZモデルの欠点：顧客の行動を無視すること。
00:43:41 優先順位付けのメカニズムとしてのABC XYZの不備。
00:44:46 ABC XYZを修正しようとする失敗した試み。
00:47:35 サプライチェーンの仮定の欠陥、自動化への移行。
00:51:01 平均日売上の議論の誤謬。
00:52:49 製品の分類の変動性に対する批判。
00:54:07 数学的な分類の価値に対する論争。
00:56:11 決定論的な対確率論的なサプライチェーンアプローチ。
01:03:43 ギャップを埋めるAIの有用性についての議論。
01:07:56 伝統的なサプライチェーンの仮定に挑戦する。
01:10:33 曖昧さへの寛容性、矛盾の共存。
01:16:24 現代の複雑なサプライチェーンの現実。
要約
Conor DohertyさんとJoannes Vermorelさんは、人気のある株式分析ツールABC XYZ分析を調査し、その過度の単純化が情報の損失につながると主張しています。 Vermorelさんは、サービスレベルと安全在庫を別々に管理する従来の方法に疑問を投げかけます。 Vermorelさんは、大量の製品を扱う複雑さを考慮して、技術を活用したサプライチェーン管理を提唱しています。彼はABC XYZ分析がダイナミズムを欠き、顧客の視点を考慮していないと批判しています。 Vermorelさんは、リスクのより微妙な理解を提供し、在庫の意思決定に役立つ可能性のある確率的アプローチをサプライチェーン管理に好んでいます。
詳細な要約
このインタビューでは、ホストのConor DohertyとLokadの創設者であるJoannes Vermorelが、人気のある株式分析ツールであるABC XYZ分析を分析しています。この方法論は、製品のボリュームと分散に基づいて、単純なサブグループに製品を分類します。 Vermorelさんは、この方法論は製品の特性を過度に単純化しているため、貴重な情報の損失を引き起こすと指摘しています。
インタビューでは、適切なサービスレベルと安全在庫の目標を設定する複雑さにも取り組んでいます。 Vermorelさんは、このタスクの固有の複雑さを強調し、サービスレベルや安全在庫などのより単純な部分に問題を分解するという従来の考えに疑問を投げかけています。
Vermorelさんは、サービスレベルや安全在庫に対処することで問題が単純化されるという暗黙の前提に疑問を投げかけます。彼は、補充する適切な数量を決定する際に生じる課題は、適切なサービスレベルを見つける際に生じる課題と同じであると示唆しています。両プロセスには似たような複雑さがあり、どちらかが他よりも単純ではないと述べています。
彼の見解を説明するために、Vermorelさんは在庫数量に関する具体的で直接的な意思決定とサービスレベルという抽象的な概念を区別しています。彼は、在庫数量に関する具体的な意思決定がサプライチェーンに明確で測定可能な影響を与える一方、サービスレベルのような抽象的な概念にはそうではないと指摘しています。そのため、抽象的な概念ではなく具体的で測定可能な行動に焦点を当てることで、問題を単純化できると主張しています。
Vermorelさんは、在庫ポリシーを決定するために使用されるABC XYZ分析などのツールを批判します。彼はこれらのツールを「注意の優先順位付けメカニズム」と表現し、在庫の意思決定を支援するために人間を助けることを目的としています。これらのツールは、販売量に基づいてどの製品に注意を向けるかを優先順位付けするのに役立つかもしれませんが、Vermorelさんはそれらが基本的な問題を根本的に単純化しないと提案しています。
実際に、Vermorelさんは、意思決定において人間の注意を優先するためのツールの開発に焦点を当てることが、最初の問題から私たちを遠ざけてしまったと主張しています。彼はこれを「Yak shaving」というソフトウェアの概念になぞらえ、情報を人間に最適に提示する方法について解決すべきよりも複雑な問題を解決しようとしていると述べています。
彼はこのアプローチを批判し、最初から問題を解決するためにコンピュータが使用されている場合、人間の注意を優先する必要はないと指摘しています。コンピュータはプロセスのすべてのステップにおいて人間の干渉なしに問題を解決することが許されるべきだと述べています。
ドハティは、需要の変動を「周辺的な懸念」として無視するVermorelさんに対して質問を投げかけます。Vermorelさんは、彼の主張を繰り返し、最初の問題は正しい在庫の決定をすることだったと述べます。しかし、もし人間がプロセスの一部であるならば、情報を処理する能力には限界があり、優先順位付けが必要です。ABC XYZ分析などのツールは、この優先順位付けプロセスを容易にするために作成されましたが、Vermorelさんはこれが私たちを元の問題の解決から遠ざけてしまったと示唆しています。
その代わりに、Vermorelさんは各製品に売上高に基づいてランクを割り当てることを提案しています。彼は、このランキングシステムがより多くのデータを保持するため、製品を分類するより情報量の多い方法を提供すると述べています。このシステムは、現代のコンピュータの計算能力と一致しており、人間の思考よりも正確な分析が可能です。
Vermorelさんは、サプライチェーン管理において人間の思考が主要な意思決定者であるという考え方をさらに批判しています。彼は、企業が日々扱う製品の数量が非常に多いため、在庫を効果的に管理するための人間の思考能力には限界があると示唆しています。彼は、これらの複雑さを管理するために技術に頼ることがより効果的であると暗に示唆しています。
彼は、売上高に基づいて製品をカテゴリに分ける方法について議論し、この方法を情報の損失として批判しています。彼は、この方法を多角形で円を近似することに例え、エッジを追加すればするほど円に近づくが、完璧な表現にはならないと述べています。Vermorelさんにとって、製品を数カテゴリに分類することは、売上高に基づいて各製品のランクを表す滑らかで連続的な曲線の粗い近似です。
SKU（在庫管理単位）について話題を移し、VermorelさんはSKUを孤立して扱うことに反対し、これは問題を単純化するが効果的に解決することはできないと提案しています。彼は、需要の将来の予測とリードタイムに基づいた安全在庫の方法を批判し、これらは通常の分布ではないと指摘しています。彼は、この方法が負のリードタイムや売上高などの問題を引き起こす可能性があると示唆しています。
Vermorelさんは、サービスレベルの概念が根本的に誤っていると主張しています。彼は、より高いサービスレベルがより良い顧客満足を示すと直感的に思われるかもしれないが、安全在庫の計算に基づく数学モデルは顧客満足についての洞察を提供していないと指摘しています。
彼は、企業が扱う製品の多様性と数量を考慮して、サプライチェーン管理を多次元の問題として扱うことの重要性を強調しています。Vermorelさんは、SKUの数が非常に多いサプライチェーンには異なるアプローチが必要であり、このようなシステムの複雑な性質は単一の製品システムとは根本的に異なると示唆しています。
Vermorelさんは、サプライチェーンの最適化の複雑さについても議論しています。単一の分子を理解しても水の全ての形態を完全に理解するわけではないように、1つの製品を理解してもサプライチェーン全体を理解するわけではありません。サプライチェーンには非常に多様性と複雑性があり、単一の製品の視点からは想像もできない要素が多数存在します。
Vermorelさんは、一般的なサプライチェーン管理のアプローチであるABC XYZ分析を批判しています。彼は、売上高が静的ではなく、時間とともに大きく変動することを指摘しています。1つの製品でもそのライフサイクルによって異なるカテゴリに分類されることがあり、売上高を静的に捉えるABC XYZモデルは不十分です。
この動的性の欠如は問題です。なぜなら、顧客の期待は絶えず変化しており、サプライチェーンはそれに適応する必要があるからです。パン屋が毎日パンを用意することが期待されている場合、在庫切れは「社会契約」に違反し、顧客のサービス品質の認識を損ないます。この認識はサプライチェーンによって決定されるのではなく、顧客自身によって決まります。
興味深いことに、Vermorelさんは、複数の製品が関与する場合、1つの製品のサービスレベルが満足のいく顧客体験に翻訳されないことを指摘しています。例えば、各製品のサービスレベルが95％のスーパーマーケットでは、20個の製品を求める顧客はすべてを見つけることができないかもしれず、知覚されるサービスレベルは10％未満になります。この相違は、数学モデルと顧客の認識との間の重要な違いを示しています。
Vermorelさんは、ABC XYZ分析が安全性と制御を意味する安心感を持っているにもかかわらず、いくつかの重要な要素を欠いていると強調しています。時間の変動を考慮せず、顧客の視点を見落とし、顧客の買い物かごでの製品の組み合わせの重要性を認識していません。
ホストのConor Dohertyさんは、顧客が特定の商品を買いに店舗に入り、それを見つけることができない場合、何も購入せずに去ってしまう可能性があると述べ、潜在的な売上の損失につながると付け加えています。
Vermorelさんは、ABC XYZ分析を注意の優先順位付けメカニズムとして批判し、サプライチェーン管理において本当に重要な要素を強調していないと述べています。彼は、ターゲットバッファからの逸脱に基づいて製品の優先順位付けを行う要求駆動型材料要件計画（DDMRP）アプローチが、注意の優先順位付けにはより妥当であると認めています。
Vermorelさんは、ABC XYZ分析はサプライチェーンの複雑さを調和させるための有用なアプローチではないと主張しています。彼は、それが一連の欠陥のある前提に基づいており、それを修正しようとする試みは、間違った方向に進んでいる方法に「ダクトテープ」を積み重ねるだけだと述べています。代わりに、彼はサプライチェーンの複雑さと動的性、および顧客の視点の重要性を認識するアプローチを提唱しています。
Vermorelさんは、サプライチェーン管理における技術の役割について詳しく説明し、供給チェーンの意思決定を自動化するために、機械が最近になって十分な能力を持つようになったことを指摘しています。彼は、この進化が現代の技術の進歩に比べて比較的遅いことを述べています。彼は、この点を歴史的な類似性で説明し、企業が自家発電から電力を購入する移行には約40年かかったと指摘していますが、後者の明らかな利点にもかかわらずです。
会話はABCとABC XYZの需要パターンに焦点を当てるようにシフトしますが、Vermorelさんはどちらのアプローチも不十分だと見なしています。彼は、それらが静的で抽象的な性質を持ち、現実の現象を正確に表現していないと批判しています。例えば、彼は製品カテゴリが時間の経過とともに不安定になり、ABC分析においてその分類が一つのカテゴリから別のカテゴリに飛び移ることがあることを示しています。これにより、企業にとって実質的な価値がなくなります。
このテーマについて続ける中で、VermorelさんはABC XYZマトリックスを単なるパターンの幻想と批判し、実際の科学的な正確さの偽の感覚を企業に与えると主張しています。彼は、これらの分類が任意的である可能性があり、製品カテゴリの複雑で連続的なスペクトルを過度に単純化してしまうと指摘しています。
議論はサプライチェーン管理への確率的アプローチに移ります。Vermorelさんは、確率的予測が不確実性を評価するためのツールとして大量の情報を捉え、処理するための価値を強調しています。彼は、この方法がリスクのより微妙な理解を可能にするため、特に有益であると提案しています。これにより、企業は在庫数量についてより情報を得て、より適切な意思決定をすることができます。
Vermorelさんは、サプライチェーン管理における技術の役割について詳しく説明し、供給チェーンの意思決定を自動化するために、機械が最近になって十分な能力を持つようになったことを指摘しています。彼は、この進化が現代の技術の進歩に比べて比較的遅いことを述べています。彼は、この点を歴史的な類似性で説明し、企業が自家発電から電力を購入する移行には約40年かかったと指摘していますが、後者の明らかな利点にもかかわらずです。
会話は、需要パターンに焦点を当てたABCおよびABC XYZアプローチに移りますが、Vermorelさんはこれらのアプローチを不十分と見なしています。彼は、それらが静的で抽象的な性質であるため、現実の現象を正確に表現できないと批判しました。たとえば、彼は製品カテゴリが時間とともに不安定になり、ABC分析でカテゴリが別のカテゴリにジャンプすることがあり、企業にとって実質的な価値がないことを示しています。
このテーマについて続ける中で、VermorelさんはABC XYZマトリックスを単なるパターンの幻想として批判し、現実はより混沌と微妙であるにもかかわらず、企業に科学的な正確さの誤った感覚を与えると主張しています。彼は、これらの分類が任意的である可能性があり、製品カテゴリの複雑で連続的なスペクトルを過度に単純化する結果になると述べています。
議論は確率的なサプライチェーン管理のアプローチに移ります。Vermorelさんは、確率的な予測が情報の大量のキャプチャと処理のツールとしての価値を強調し、不確実性の評価に役立つと述べています。彼は、この方法が特に有益であると提案し、リスクのより微妙な理解を可能にし、企業が在庫数量についてより情報を得てより適切な意思決定をすることができると述べています。
Vermorelさんは、確率的な予測の2つの利点を強調しています。それはシステムについてより詳細な情報を提供し、将来の予測と財務ビジョンを結び付けることを可能にします。ポイント予測とは異なり、確率的予測はユーロやドルの形で意思決定の品質を再表現するための多くの方法に適しています。
Vermorelさんは、ABC XYZ予測アプローチがメトリックの結果を財務結果と合理的な方法で結び付けることができないため、行き詰まりを示していると主張しています。彼は、人工知能や機械学習を使用してこのギャップを埋めようとする試みを批判し、それを遅い車に航空機のエンジンを取り付けることに例えています。彼は、このような解決策は不必要に複雑であり、より単純かつ効果的に解決できる基本的な問題を見落としていると示唆しています。
Lokadの創設者は、サプライチェーン管理における品質エンジニアリングの重要性も強調しています。彼は、サプライチェーンシステムの過度な複雑さに警告し、基本的な問題の解決に焦点を当てることを奨励しています。たとえば、彼は、人気のあるブランドのおむつをスーパーマーケットが在庫していないという仮想的なシナリオを引用し、それが予測方法によって解決されない問題であると述べています。
Vermorelさんは、確率的予測について自信がない人々に対して、自分たちの仮定に挑戦し、ABC XYZ法の根本的な論理とビジョンに疑問を投げかけるよう助言しています。彼は、この方法が意図したとおりに機能する一方で、その根本的な論理とビジョンが欠陥があり、おそらく時代遅れであると主張しています。
Dohertyさんは、時代遅れの方法が一時的に機能する一方で、最良の解決策ではないことが同時に真実であると指摘しています。Vermorelさんはこの点を詳しく説明し、企業がしばしば「何とか機能している」と「最適に機能している」とを混同することがあると暗示しています。彼は、バケツで水を運ぶことの例え話を提供し、それが技術的には機能するが、より良い代替手段が存在すると述べています。
DohertyさんとVermorelさんは、サプライチェーン管理における固有の曖昧さを認識し、柔軟性の必要性について合意しています。インタビューは、Vermorelさんが確立されたサプライチェーンの実践を継続的に再評価し、挑戦するよう忠告することで終わります。
フルトランスクリプト
Conor Doherty: LokadTVへようこそ。適切なサービスレベルと安全在庫の目標を設定することは難しいです。市場にはさまざまなオプションがあり、ベンダーが回答を提供しようとしています。そのようなツールの1つがABC XYZ分析です。私と一緒に分析してくれるのは、Lokadの創設者であるJoannes Vermorelさんです。まずはじめに、サービスレベル、安全在庫、すべての在庫ポリシーについて話しましょう。なぜそれらを設定するのが難しいのですか？
Joannes Vermorel: これらの質問に答えようとするためのさまざまなオプションがあります。私たちがサブ問題として捉えているものは、実際にはサブ問題ではありません。たとえば、サービスレベルについて話しましょう。サービスレベルを選択することは、何らかの方法で簡単になるという暗黙の前提があります。それができれば、他のことも同様に対処できるでしょう。暗黙の前提は、問題を分解したということです。在庫の生産、在庫管理、割り当てに適切な数量を選択するとき、あなたは問題を分解しているのです。私はこの分解が元の問題よりも簡単になるという考えに疑問を投げかけます。サービスレベルの問題に取り組むとき、出発点と同じくらい困難で変動がある課題に直面しています。したがって、サービスレベルを設定することが直接的な数量を決定するよりも簡単ではないことに驚くことはありません。
Conor Doherty: では、あなた自身の言葉で問題を再定義するとしたら、どのように見えますか？
Joannes Vermorel: 在庫最適化の設定では、意思決定を行おうとしています。この意思決定は具体的です。割り当てる、生産する、または購入する単位数についてです。この意思決定は、あなたのサプライチェーンに非常に具体的な影響を与えます。例えば、この店舗でサービスレベルを97％にすると決めるということはありません。それは抽象的なものです。97％のサービスレベルなどというものは存在しません。それは潜在的に有用なアーティファクトかもしれませんが、サプライチェーンの基本的な現実を反映した具体的な対応物ではありません。抽象的なものと言う意味で、サービスレベルには多くの未解決の問題がありますが、意思決定と取り組む場合にはありません。店舗に10個の商品を割り当てると決めた場合、曖昧さはありません。しばらく経ってから、私が10個割り当てると決め、10個が実際に移動されたことを測定できます。しかし、サービスレベルの場合はそうではありません。予想よりも多くのクライアントが現れた場合、実際には97％のサービスレベルを得ることはありません。そのため、私はそれをサプライチェーンの基本的な現実を反映した具体的なものではなく、アーティファクトと考えています。
Conor Doherty: そして、ABC XYZ分析やその前身であるABCのようなツールを使用して、実際にはどれくらいの割合が捉えられているのでしょうか？
Joannes Vermorel: サプライチェーンの専門家は、意思決定を行いたいと考えています。数値を見て必要なものを推定するだけでは、非常に低レベルの方法です。まだこの方法で作業している店舗はたくさんあります。それは推測であり、機能します。ただし、この方法は粗雑なように思われるため、人々はそれを洗練させようとします。すると、多くの製品があることに気付きます。製品リストを見る人は、毎日すべての製品のケースを再評価するわけではありません。したがって、何らかの注意の優先順位付けメカニズムが必要です。一つの方法は、売上高が最も高い製品から最も低い製品まで製品を並べ替えることです。トップから始めて、上位10件を毎日、リストの半分を毎週、完全なリストを1か月に1回だけ見直すことを決定することができます。それがABCの本質です。しかし、ABC XYZの興味深いところは、これが基本的にはそのバリエーションであるということです。これは、人間向けの注意の優先順位付けメカニズムです。
さて、この時点で、私たちは何を解決しようとしている問題に疑問を投げかけるべきだと思います。私たちは、割り当てる、生産する、または購入するための適切な在庫数量を選ぶという問題から始めました。それは非常に具体的で直接的なものです。しかし、私たちはこの問題から、サービスレベルを選ぶ、安全在庫を選ぶという別の問題に移行したようです。
その後、私たちはさらに別の問題、つまり注意の優先順位付けに入りました。私が見ているパターンは、ソフトウェアではヤクの毛刈りとして知られているものです。つまり、Windows 10をWindows 11にアップグレードしたいと思っていたのに、コンピュータを開いてネジやボルトを変えるという関係のない作業をしてしまうということです。最初は具体的な目標を持っていたのに、元のタスクとはほとんど関係のないことに追いやられてしまいました。
これが私たちの在庫最適化の問題です。最初は「割り当てる、生産する、または購入するための適切な数量を選びましょう」という問題から始めました。しかし、今ではもっと複雑な問題を解決しようとしています。「この人間に表示する情報を実際にどのように整理すべきか」という問題です。
しかし、これは非常に複雑な問題です。この問題を解決することが元の質問に対する最善の方法であることは全く明確ではありません。例えば、2つの数値を足し合わせたいとします。本当に、足し算が正しいことを確認するために、中間ステップを人間に表示できるシステムの設計について考えるべきでしょうか？それは、足し算を行うための回路を設計するよりも桁違いに複雑です。
私の批判は、このABC XYZアプローチについてです。最初は非常に複雑な問題から始めました。実際にはかなり複雑です。この問題を分解しようとしましたが、それに追いやられてしまいました。今では、人間のための適切な注意の優先順位付けをどのようにするかという、ほぼ経験的な心理学のような問題を解決しようとしています。しかし、最初からこの問題をコンピュータで解決するつもりなら、なぜ人間の注意を優先する必要があるのでしょうか？コンピュータに問題を解決させればいいのですから。
Conor Doherty: ちょっと追及させていただければと思います。私は理解しましたが、視聴者のために代理として、ABC分析は一般的には売上高または売上収益に基づいています。私たちはSKUをA、B、Cの3つのカテゴリに分解します。XYZは2番目の次元であり、一般的に需要の変動です。そして、もし私が正しく理解しているなら、需要の変動の量を無視することを余計な関心事として扱っているということですね。なぜでしょうか？
Joannes Vermorel: 私たちは、在庫の適切な決定を数量として表現したいという問題から始めました。しかし、もし人間を介入させると、人間は情報を処理する能力に限界があることに気付きました。ですので、それを優先する必要があります。売上高の高い順から低い順に基本的な優先順位付けを行うだけでは、ABCになります。
それができたら、さらにこの人間オペレータをサポートするために、それぞれのラインに適切な安全在庫とサービスレベルを持つ感覚を持たせる必要があります。しかし、これは単に人間の心に適した方法で問題を分解しているだけです。
XYZは、このリストの中でのノイズや変動の度合いを表す別の次元を追加するためのものです。例えば、製品の上位10％の売り手を取り上げ、各製品の周囲のノイズの度合いを表すチャンクにリストを分割したいのです。セグメントのリストだけでなく、行列を持つようにしたいのです。それがABC XYZです。
しかし、これは基本的には人間の心に合わせて設計された方法です。自動化されたプロセスを処理するためにマシンを使用する場合、このセグメンテーションに何か利益はありますか？それは私が問題を解決するのに役立ちますか？
全くありません。批評家たちはおそらく、一般的に9つのカテゴリの行列を作成することで、変動と最も貢献度の高いSKUを特定できると指摘するでしょう。それから、それに適切なレベルを設定できます。例えば、それにはどれくらいの安全在庫が必要ですか？各SKUのレベルは何ですか？AXとCZの間には変動があります。一時的にこれらの2つの次元が有益であると仮定しましょう。では、コンピュータの観点からは、なぜ離散的なチャンクを考慮する必要がありますか？ボリュームに対して半ダースのサブグループを持ち、変動に対してもう半ダースのサブグループを持つのではなく、単にランクを使用できます。つまり、製品を売上高の高い順から低い順にランク付けすることができます。そして、変動についても同じことができます。
ランクは厳密に言えばより多くの情報を提供します。ABCやXYZのようなクラスを見ると、クラスはランクの近似にすぎません。この近似は、人間の心により理解しやすくするためのものです。しかし、コンピュータの観点からは、単にランクを保持します。ランクはより多くの情報を提供します。クラスは情報の損失を伴う表現です。この情報の損失からは何の利益も得られません。
もしもこれらの2つの次元が関連していると言ったとしても、それらが無関係であると言っているわけではありません。問題の次元分解としては、これらの次元は任意です。それが最善の方法であるかは非常に明確ではありません。これらの2つの次元を見て、ランクを保持するだけで、すべての製品に対して一対のランクを作成することができます。この一対のランクは、あなたのクラスの一対よりも情報量が多いです。
ボリュームと変動が興味の対象であるだけでなく、この情報の処理装置として人間の心を持つように最初から設計されています。そして、それが私が疑問に思うところです - なぜ最初からそれを望むのですか？私たちは非常にパワフルなコンピュータを持っています。在庫の決定に人間の魂が必要なものがあると思いますか？
1日あたりのSKUごとの平均時間が約4秒のようなものになる店舗を見てみましょう。そこには、その商品ごとに天才的な閃きがあるでしょうか？
私は人間の心が時間とリソースを与えられた場合には信じられないことを成し遂げることができるということには疑問を持っていません。アルバート・アインシュタインを取り上げて数ヶ月または数年与えれば、私たちがマシンではできないような驚くべきことを成し遂げることができます。しかし、これはサプライチェーンでの私たちの活動の文脈ではありません。人々はただ物事を終わらせるために非常なプレッシャーを受けています。
したがって、1つのSKUあたりに割り当てられる脳のパワーの秒数を見てみると、通常は非常に少ないです。ほとんどの産業では、1日あたりのSKUごとに数秒の時間しかありません。カテゴリについては議論しましたが、カテゴリがどのようにキャリブレーションされているかについては議論していません。それは私の理解では、複数の人間の心の結果です。
しかし、ランクを持っていることがわかると、パーセンタイルで分割することを決定することができます。カテゴリAはパーセンタイル10までです。カテゴリAは上位2パーセントです。なぜなら、売上高が最も高いものから最も低いものまでのすべての製品をプロットすると、ほとんど必ずZipf曲線が得られるからです。この曲線は連続しており、段差や離散的な分割はありません。完全に滑らかです。
これは、古いビデオゲームで円を多角形で近似するのと似ています。八角形を使用すると、低解像度の円が得られます。エッジを追加することで、視覚的には円に近づきます。数千のエッジがあれば、非常に円に似たものが得られます。
しかし、ここで見ているのは、四角形で円を近似しようとしているかのようです。もし4つのクラスがあれば、セグメントを四角形で近似しています。5つあれば、五角形になります。クラスを追加すればするほど、近似度は向上します。しかし、近似を完全に取り除くと、すべての製品のランクだけが残ります。
ですから、グループを導入せずにランクを使用することをお勧めします。もしボリュームと変動が有用な次元であると仮定するならば（私はそれに疑問を投げかけますが）、それらのランクはこれら2つの次元のより情報量の多いバージョンを提供します。導入する任意のグループ化メカニズムは、この情報を劣化させます。
Conor Doherty: それは、バスケットの視点に非常にスムーズに移行します。それは、この問題に答えるために私が本当に興味を持っているものです。それは、単独ではなく、SKUを組み合わせて扱います。この会話にどのように適合しますか？
Joannes Vermorel: 私たちは、少なくともその表現では、単純な問題から始めました。適切な在庫数量を割り当て、生産、購入、または保存するための問題です。しかし、私は、サービスレベルと安全在庫を関連付ける広く使用されている方法の妥当性に疑問を投げかけています。
サービスレベルの視点は、将来の需要に関する歴史的に単純化された仮定から来ています。需要については、需要に関して正規分布の誤差を予測し、リードタイムについても同様です。しかし、不確実性は正規分布ではありませんが、それは別の問題です。
一度正規分布を持っていると、つまりガウス分布を持っていると、サービスレベルと同じ効果を与える分位数というパラメータを選びます。これにより、在庫のために維持するべきターゲット数量が得られます。この安全在庫は、1次元の分布を見るときの平均値と分位数の差によるものです。
しかし、それは正規分布であるため、両方の方向に無限大になります。古典的な安全在庫モデルは、負のリードタイムや負の販売など、非常に奇妙な結果を与えますが、それらはモデルの一部です。
つまり、サービスレベルの値を選ぶことで、マイナス無限大からプラス無限大までの任意の目標在庫値を得ることができます。これは理論的なものではなく、数学があなたに伝えることです。ですから、ガウス分布がある場合は、分位数を選び、マイナス無限大からプラス無限大までの任意の最終的なカットオフになります。
Conor Doherty: サプライチェーンマネジメントにおけるサービスレベルの概念について説明していただけますか？
Joannes Vermorel: サービスレベルを考慮する際には、範囲がマイナス無限大からプラス無限大に広がることを理解することが重要です。実際には、サービスレベルは補充する数量と同じです。補充する数量に対して、正規分布として理解される一致するサービスレベルがあります。それは単なる類推ではなく、数学的な同等性です。認識している数量ごとに、安全在庫モデルがあれば、この正規分布の設定で一致するサービスレベルがあります。
さて、人々は、サービスレベルがパーセンテージとして表現されているため、それがより簡単または簡単であるという幻想に陥るかもしれません。それは幻想です。それについて少し良いことは、スケールを正規化するのに役立つことです。なぜなら、すべての製品には異なるボリュームと生存性があるからです。割り当てる、購入する、または生産する数量をサービスレベルの目標として表現することで、ボリュームに依存せず、バイアスに依存しないものになります。ただし、それは弱い議論です。
「サービスレベル」という用語は誤解を招くことがあります。非常に高いサービスレベルが常に顧客にとって良いと認識されると人々は考えるかもしれませんが、それは誤解です。安全在庫モデルの数学は、顧客の満足について何も言っていません。人々は、高いサービスレベルを目指すと、それが顧客にとって良いと思い込みがちです。しかし、それは完全に論理的な結論ではありません。
Conor Doherty: サービスレベルのこの認識がなぜ問題になるのか、もう少し詳しく説明していただけますか？
Joannes Vermorel: 問題は、品質の良さを1次元の問題と同一視するという単純な概念から生じます。これは、パンなどの1つの製品を販売するベーカリーにとっては18世紀には当てはまるかもしれません。この1次元の視点は、いくつかの商品市場にまだ存在しています。
しかし、ほとんどの現代のサプライチェーンは、数千、もしくは数万の製品を扱っています。SKUの数を場所の数で乗算すると、大企業では数万、数十万、または数百万のSKUに簡単になることがあります。この膨大な数のSKUは、1次元の分析に挑戦します。
L8 大きさの違いは、種類の違いになることがあります。製品がたくさんあるときに得られる新たな特性は、1つの製品があるときに得られる特性とは非常に異なります。
Conor Doherty: 新たな特性とはどのようなものですか？重要な詳細の説明をいくつか教えていただけますか？
Joannes Vermorel: はい、もちろんです。新たな特性の例として、水の分子がその状態によって異なる振る舞いをすることが挙げられます - ガス、液体、固体のいずれかであるかによって異なります。水に関して観察できるすべての振る舞いを説明するためには、数週間または数か月かかるでしょう。高校生と一緒にいくつかの分子を選んで30分で説明することは可能かもしれませんが、それほど単純ではありません。同じ原理が、1つの製品ではなくサプライチェーンの多くのSKUを扱う場合にも適用されます。より複雑な分析が必要です。
1つの水の分子についてすべてを理解したからといって、水そのものについてすべてを知っているわけではありません。同様に、「1つの製品について説明するモデルを持っているので、多くの製品からなるサプライチェーンも説明できる」と言っても慎重になるべきです。1つの製品のセットアップでは考えられないことがたくさんあります。これは単純化された例であり、サプライチェーンの真の複雑さを反映していません。
たとえ1つの製品だけを考慮している場合でも、時間の経過による変動があります。たとえば、1つの製品だけを単独で考えると、そのランキングは時間の経過によって大きく変動します。ほとんどの製品は、ゆっくりと始まり、急速に増加し、一定期間で頭打ちになり、その後減少します。したがって、売上高を静的なものとして見る1次元モデルは正しくありません。それは動的なものであり、これはしばしば見落とされる別の次元です。
サービスの品質の一部は、この動的で時間的な振る舞いです。ベーカリーの例を取ると、顧客は毎日パンを見つけることを期待しています。在庫切れはこの社会契約の違反です。
逆に、パンが2日に1度しかない信頼性のないベーカリーでも、競合他社よりもずっと安い場合、顧客はまだ満足するかもしれません。彼らはあなたのサービスの期待値を持っています。
サービスの品質は、サプライチェーンにあるものではなく、基本的には顧客の心の中にあります。誰もがそれに同意するわけではないので、一貫性がありません。これらの期待値を集約し始めると、誤解を招くことがあります。
複数の製品を組み合わせる場合、別の次元が関与します。顧客が複数の製品を求める場合、それらが意味を持つ組み合わせがあるかどうかを考える必要があります。よくある間違いは、すべての製品が100%のサービスレベルを持っている場合、すべての製品の組み合わせも100%のサービスレベルを持つと仮定することです。これは、在庫切れがない場合にのみ当てはまりますが、それはほとんど不可能です。
製品の組み合わせの入手可能性または入手不可能性の確率を調べ始めると、単純な安全在庫/サービスレベルモデルでは得られない非常に異なる視点が得られます。
これを説明するために、95%のサービスレベルを持つスーパーマーケットの例を取りましょう。これはかなり良い数字です。ヨーロッパでは、棚からの在庫切れ率が平均7%ですので、95%のサービスレベルはかなり良いです。通常は大きな買い物かもしれませんが、20個の製品を求める顧客がいる場合、少なくとも1つの製品が欠品している確率は高いでしょう。計算をする必要がありますが、独立した入手可能性を仮定すると、すべてを見つける確率はおそらく10%未満です。
したがって、安全在庫と需要の観点から非常に良いと思われるものから始めます。95%以上のサービスレベルの印象を与えます。しかし、顧客の視点からは、店に入ってきた顧客のうち、正確に求めていたものを見つけることができるのはおそらく10%未満です。これらの2つのことは同時に真実であり得ます。95%以上のサービスレベルを持つことができ、それでも店から満足して帰ることができる顧客は10%未満です。
お客様が期待している商品は、あなたの商品の一部ではない場合はどうでしょうか？サービスレベルはこの意味で盲目です。需要が非常に高い商品でも、在庫がない場合は在庫切れや0%のサービスレベルとは数えられません。実際には数えられません。
たとえば、誰もが欲しがらない商品で満たされた店を想像してみると、この店は定義上、100%のサービスレベルを持っています。誰もこれらの商品を欲しがっていませんが、陳列されているので完璧なサービスレベルです。誰も欲しがらない商品が増えれば増えるほど、サービスレベルは向上します。これは完全に機械的な問題であり、これらの数学モデルの問題です。
特に「安全在庫」というような良い名前の数学モデルがあると、人々はクライアントにとって良いものであると想定する非合理な飛躍をすることがあるため、非常に注意が必要です。
Conor Doherty: あなたが言ったことをまとめると、バスケットの視点からABC XYZの批判を理解することが重要です。顧客は孤立して買い物をする傾向はありません。特定のSKUにアクセスできないことは、彼らが何も購入せずに店を出る原因となる可能性があります。他の高級品さえもです。これは、店が潜在的な売上全体を失うことを意味します。個々のSKUだけでなく、すべての潜在的な売上を失います。
Joannes Vermorel: はい、もとの意図に戻ると、ABC XYZは人間の注意を優先するための決定メカニズムであるはずです。しかし、それは注意を優先するための良いメカニズムでしょうか？私は絶対にそうではないと言います。優先順位付けのメカニズムとしては貧弱であり、本当に重要なものを何も強調しません。
DDMRPはあまり好きではありませんが、注意を優先するメカニズムとして、DDMRPがバッファを定義し、目標バッファへの発散に対して製品の優先順位を付ける方法は、ABC XYZよりも理にかなっています。少なくともこの点ではまあまあまともです。ABC XYZはそうではありません。
Conor Doherty: ABC XYZを注意の優先順位付けツールとして、特にバスケットの視点を考慮した方法で調整する方法はありますか？
Joannes Vermorel: いいえ、ありません。まず、悪い前提から始めます。まず、ループ内に人間を持ちたいと言いますが、それには異議を唱えます。次に、正規分布の仮定が組み込まれた単一製品、単一SKUモデルで2番目の間違いをします。それは非常に悪いです。壊滅的な結果につながります。さらに、空間の離散化を前提とすると、情報は追加されず、実際には情報が失われます。私たちはますます悪化する緊張に取り組んでいます。
今、私たちは蓄積された多くの欠陥に気付いています。ABC XYZを与える変数を再追加することでこれらを修正しようとしています。メソッドを修正する他の方法を見つけることもできますが、実際には間違った方向に進んでいます。追加のステップを踏むたびに、ただダクトテープを追加しているだけです。それは良いエンジニアリングではありません。
作成しているプロセスは単純にあまり良くありません。パッチを追加しても良くなりません。唯一の解決策は、作られた前提が本当に妥当かどうかを再評価することです。もしそうでなければ、取り組んでいるアプローチを完全に見直すべきです。
出発点に戻ると、在庫のための意思決定をするという具体的な問題から始めました。しかし、問題に取り組む過程で、多くの仮定を立て、今ではそれらの間違いの結果に直面しています。一度多くの間違いを犯すと、問題を修正するために2番目の証明をすることはできません。
これは、数学者に間違った証明を修正するために2番目の証明ができるかどうか尋ねる場合と似ています。答えはいいえです。2番目の証明で問題を修正することはできません。唯一の方法は、間違った証明を破棄し、作業をやり直し、正しい道を進むことです。ソフトウェアも同じです。間違った仮定がある場合、後から修正することはできません。間違いを犯したポイントに戻り、修正してから道を続ける必要があります。
多くの企業は、間違った仮定の下で完全なプラクティスを構築しています。サプライチェーンは非常に不透明で複雑なため、人々は何十年もの間、改善することなく運営することができます。
サプライチェーンの意思決定を安価に自動化できるほど十分な能力を持ったコンピュータが登場してからわずか20年しか経っていません。現代のサプライチェーンの複雑さに対応できるだけの能力を持ったモダンなコンピュータは、永遠に存在しているわけではありません。それらは比較的長い時間が経ったものの、数世紀ではありません。多くの大企業にとって、この自動化はわずか20年前に可能になったものです。
比較のために、自家発電していた企業から電力を購入するようになるまでには、アメリカとヨーロッパの両方で約40年かかりました。技術の導入は遅いプロセスです。19世紀末から20世紀初頭にかけて、ヨーロッパとアメリカの両方で、自家発電から電力を購入するまでに約40年かかりました。
したがって、人間の関与なしでこれらの計算を実行できるマシンの開発は、比較的最近のものです。
Conor Doherty: 少し戻りましょう。ABCおよびそれに関連するABC XYZの静的なアプローチについて話しましたが、それについてもう少し詳しく説明していただけますか？また、需要パターンに対する他のアプローチについても教えていただけますか？
Joannes Vermorel: まあ、私たちは製品を平均値（販売数量）と分散の2つの次元で分類しています。しかし、これらは再び抽象化です。即時の販売数量など存在しません。具体的な決定、例えば10個移動するといったことと、「これらの製品は平均して1日に0.5個売れる」と言うことの違いです。そんなものはありません。言えることは、過去2週間で約7個売れたということで、これは1日に0.5個に近いということです。
Conor Doherty: この数量をサプライチェーン管理の観点でどのように評価しますか？
Joannes Vermorel: この数量と分散は統計的な指標です。問題は、これらが時間の経過とともにどれだけ安定しているかです。Lokadでは数多くのテストを行いましたが、ほとんどのビジネスにおいて、ABC分析だけを見ても、製品のかなりの部分が1四半期から別のカテゴリに変わることがわかりました。月単位など、もっと詳細な分析を行うと、カテゴリが変わる製品の数はさらに増えます。
Conor Doherty: つまり、この分類方法には問題があるということですか？
Joannes Vermorel: はい、分類には問題があります。特にABCやXYZ分析に踏み込むと、製品カテゴリの変更が増えます。カテゴリの数を倍にすると、80〜90％の製品が四半期ごとにカテゴリを変更します。これはビジネスに有益な洞察を提供するものではなく、単なるノイズです。
これらの指標はゴミのようなものでした。それらはパターンの幻想を作り出します。科学的に見えるかもしれませんが、それは単に委員会によって決定された任意のランクです。
例えば、人々を富裕層、平均層、中流階級、貧困層と分類する場合、連続的なスペクトラムを扱っています。カットオフは完全に任意です。同じ問題が製品の分類にも存在します。
Conor Doherty: では、確率的なアプローチについてどう思いますか？
Joannes Vermorel: 確率的なアプローチは比較が難しいです。まず最初の大きな違いは、人間がループに必要かどうかです。量的な供給チェーンでは必要ありません。供給チェーンにおいて、現代のコンピューティングハードウェアとソフトウェアが提供できる最高のものを求めます。それが人間を含むかどうかは比較的偶然です。
したがって、供給チェーンに人間が関与しているかどうかはあまり重要ではありません。確率的な予測は非常に興味深いです。情報の多くを提供します。私たちは、情報を失うクラスから、スポットの測定値を提供するランクへ移行しました。しかし、確率的な予測は異なる種類の精度を提供します。単一のポイント指標ではなく、私たちは不確実性を受け入れ、システムについての環境的な不確実性を表現します。なぜこれが重要なのでしょうか？コンピュータは人間の思考のボトルネックを持たず、膨大な情報を処理できます。この方法は、ポイント指標と比較して、システム、供給チェーン、製品などについて、はるかに多くの情報を収集するのに役立ちます。
はい、情報の観点から見ると、あなたが状況について純粋な情報として収集したものです。確率的な予測を見る別の視点は、リスク管理の観点からです。最終的には、私たちは意思決定をリスク分析に結びつける必要があります。在庫最適化を行って、割り当て、生産、購入したい在庫数量を決定するためです。これらの決定の根拠は、誤差と報酬のユーロまたはドルで表現されるべきです。
会社の使命は利益を上げることです。会社が存在しなくなることなく、利益がなければなりません。会社が供給チェーンを運営する場合、利益率は薄く、生存は保証されていません。毎年多くの大企業が倒産しています。したがって、私たちはユーロやドルでの決定を評価する必要があります。
したがって、確率的な予測はシステムについてのより多くの情報を提供しますが、将来の予測に対する財務ビジョンとの橋渡しを可能にするメカニズムを提供します。より豊富な情報セットを可能にし、あなたの意思決定の品質をユーロやドルで表現するための適切な方法を提供します。
一方、ABC XYZなどの方法は行き詰まりです。これらの指標と望ましい財務結果のギャップを効果的に橋渡しする方法を提供しません。複雑な回避策を常に工夫することはできますが、これらの方法はABC XYZマトリックスを完全にバイパスするものに置き換える方が良いでしょう。
Conor Doherty: 一部の人々は、AIや機械学習を活用して、さきほど説明したギャップを埋めることができると主張しています。彼らは、AIがABC XYZ指標に効果的に「大きなダクトテープ」を適用して、あなたが言っていることを達成できると提案しています。
Joannes Vermorel: あなたは、目的に適さないマトリックスを生成する方法があると暗に示しています。それを真の目標と結びつけようとします。しかし、入力信号は非常に欠陥があり、このギャップを埋めるために非常に洗練された回避策が必要です。それは効率的でも効果的でもありません。人々はこれを「ステロイドを使用したダクトテープ」と呼び、目的に適さないものを高度な分析を用いて出力と結びつけることを目指します。これは、「私の車は遅すぎるので、私の車の上に航空機のエンジンを設計しましょう」と言うのと似ています。これによって車は速くなるかもしれませんが、正しい解決策ではありません。過度に複雑なエンジニアリングです。
もし車が十分に速くないのであれば、それに搭載されているエンジンが十分にパワフルであるか、または車に重量がありすぎるのかを再考するべきです。解決策は常に加算的なものではありません。例えば、車の上に航空機のエンジンを取り付けて速くすることは合理的なエンジニアリングではありません。
人間はこれらの指標の価値を関連するコストにつなげることが非常に困難です。これはしばしば、AIや機械学習などの分析の超能力を引き出すことにつながります。これらはしばしば魔法のように見られ、まるで私たちのためにほとんど魔法のようなことを行うデータ分析の半神を呼び出しているかのようです。
これらの高度な手法が機能する場合もあるかもしれませんが、それは不必要な複雑さです。それは自分自身のためにあまりにも複雑な装置を作り出すことと同じです。品質の高いエンジニアリングは、できるだけシンプルで保守可能なものを作り出すことに関わります。複雑にする必要はありません。
過度な複雑さを導入すると、基本的な問題に集中する代わりに、ほとんど理解できない超高度な機械学習アルゴリズムのデバッグに時間を費やすかもしれません。例えば、あなたのスーパーマーケットが親が望むおむつのブランドを取り扱っていないかもしれません。新しい親は、期待しているブランドが見当たらないため、あなたの店から離れていくかもしれません。そして、あなたのサービスレベルの分析やAIシステムはそれを教えてくれません。
Conor Doherty: 最後に、まだABC XYZを支持しているが次のステップに向けて動かされることに開放的な人々に何を言いたいですか？
Joannes Vermorel: 彼らには、自分たちの前提を見直し、要件に取り組む際のビジョンに疑問を投げかけることを勧めます。伝統の議論に惑わされないでください。何十年もの間行われてきたからといって、それがまだ関連性があるということではありません。2世紀前、パリでの一番の仕事はバケツで水を運ぶことでした。今ではもちろんそうではありません。
何かが永遠に行われてきた場合、おそらく特定の条件下で一定の価値があったのかもしれません。慎重な考慮なしにそれを捨てるべきではありません。ただし、その方法の基礎となる前提条件を見直す必要があります。ABC XYZを推進する人々と話すとき、私はその方法の基礎となる前提条件に疑問を投げかけるように励まします。私はその方法が間違っていると言っているのではなく、むしろその方法の根拠となる推論とビジョンが誤っているか時代遅れであるかもしれないと言っているのです。それに焦点を当てるべきです。
Conor Doherty: まあ、最後に少し考えを加えることができれば、曖昧さの許容度について、二つの矛盾したことが同時に真実であることがあります。例えば、ABCやABC XYZを何十年も使用してきてうまくいっているかもしれません。それは真実かもしれませんが、それは他の方法が存在するという主張には何も言っていません。実際には、その方法の正確さには触れていません。ですので、二つのことが同時に真実であることは、一部の人にとって理解するのが難しいかもしれません。
Joannes Vermorel: それは理解できます。それは要素の混乱であり、どこにでも存在しています。なぜなら、ABCやABC XYZがうまくいったと言うとき、私はそれに疑問を投げかけます。ABC XYZは最終的な再注文数量を提供しません。問題は、それに到達するためにそれ以降のステップがあり、多くの人間の判断が関与する可能性があることです。私たちは単一のスプレッドシート、私の販売数量、そして私の製品に何を選ぶかを見るだけの店長から始めました。そして、私たちはこのマトリックスの中間にプラグインします。しかし、もしプロセスが派手なマトリックスを作り、自分が科学者であるかのように見え、同僚の前で賢く見せかけた後、そのマトリックスを捨てて古い方法に戻るのであれば、それは非常にうまくいったと言うことになるかもしれません。
同僚には理由があるかもしれませんし、自分自身には幻想があるかもしれません。この仕事の一部が実際に何かに貢献しているのかどうかについての。結局、私たちは最終的な在庫の決定という唯一の重要な決定をするために完全に異なることをしていました。サプライチェーンは非常に複雑で不透明なため、目的を果たさないことや、見かけ上は大いなる目的を果たしているように見えることができます。
世界中を見渡せば、雨を呼び起こすための儀式を行う原始部族はたくさんあります。今では雨乞いが天候に影響を与えて作物の収穫量を向上させると言う人はほとんどいないと思います。しかし、人々は「何千年もの間、私たちは天候のために踊り、雨が降り、良い収穫が得られた」と言うでしょう。
はい、そうかもしれませんが、おそらく何をしていたのかは完全に無駄だったかもしれません。結局、それが本当に最終的な成果の品質にどれだけ貢献しているのかを評価する必要があります。それは具体的な決定であり、途中で生み出されるようなアーティファクトではありません。より良い代替方法はありますか？なぜなら、もし何かが機能しているという意味であなたにとってうまくいっているものがあるなら、私たちはバケツで水を運ぶことに戻ってしまいます。それは確かに機能しますが、はるかに優れた代替方法が存在します。
Conor Doherty: まさにそれが私が言いたかったことです。バケツで水を運ぶことはできますが、同時にボートやそれよりも大きなものに移すこともできます。しかし、2つのことが同時に真実であることもありますし、概念の間にはしばしば曖昧さやあいまいさがあることを認識することは人々にとって難しいことかもしれません。
Joannes Vermorel: はい、これが変える必要があることです。サプライチェーンで見られるこれらの実践について、「それは私にとってうまくいった」と人々が言うとき、彼らが「それは私にとってうまくいった」という言葉の意味をどのように解釈するかを問いただす必要があります。それは本当に偽りのない主張ですが、あなたが言えることが「それはある程度正しかった」というだけでは十分ではありません。
現代の分散型サプライチェーンでは、あなたの人間の知覚は非常に限られているため、この主張「それは私にとってうまくいった」という主張の妥当性は、一方では小さなシステムを扱っている場合とはまったく異なります。また、観察することができない非常に複雑なサプライチェーンを扱っている場合ともまったく異なります。再び、棚を管理する店長が「これは私の顧客が求めているものです。この棚を見て、これがまさに私の顧客が求めているものだと言えます」と言った場合、私はあなたの判断を信頼します。それはあなたの目の前にあるものであり、システムの感覚を持っています。あなたは自分自身を顧客の立場に置くことができます。共感を持ってそれを見ます。あなたの前にはすべての関連情報があります。あなたは価値判断を下すことができ、その判断はおそらく比較的合理的です（その人が善意であると仮定して）。さて、これがサプライチェーンで直面するような状況ですか？
ほとんどそうではないと言えます。典型的なサプライチェーンの状況は、商品が出荷され、消費される場所から千キロ離れたオフィスの事務員です。あなたは棚を見ているのではなく、Excelスプレッドシートを見ています。あなたは数十の製品を取り扱っており、その製品のコードしか見たことがありません。ほとんどの場合、実際の製品を見たことはありません。そして、いくつかを見たとしても、すべてを見たわけではありません。あなたは見たことのない顧客に対応しており、データはあなたのERPなどの非常に複雑なシステムから提供されています。あなたの合理性は、あなた自身の人間の合理性を使って、全体像のごく一部に対処しようとしているということです。
それがうまくいったと言えるかどうかについては、非常に疑問です。私は自分の判断を使って、それがうまくいったと言えるかどうかを判断することができます。もしもそれが非常に局所的なものであり、あなたが全体を見ている場合、私は「うん、それがなぜうまくいったのかは説明できないかもしれないけど、あなたの判断を信じるよ」と言うでしょう。もしもそれが全体の1%にも満たないものを見ている場合、そしてそれがうまくいったと言っているのであれば、私は違うと言います。あなたはそれを見ていないだけで、あなたが見慣れているこの1%のパズルに対して、目の前のものがそれに逸脱していないと言っているだけです。
Conor Doherty: ジョアネス、今日は非常に多くのことをカバーしましたし、他に質問はありません。お時間をいただき、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。次回をお楽しみに。
