00:00:00 インタビューの紹介
00:01:46 予測精度が利益に与える影響
00:03:25 予測における精度の定義
00:07:36 定量的手法による評価
00:09:35 一つの測定としての時系列
00:11:16 バスケットレベルで表現された需要
00:13:22 時系列予測の類推
00:15:17 生鮮食品における時系列の限界
00:18:51 ビジネスの核心を反映しない時系列
00:21:41 予測付加価値の言及
00:24:47 KPIとしての予測精度の議論
00:27:55 ファッション業界が欲求の創出に注力
00:30:35 航空宇宙産業の議論への移行
00:33:05 Lokadの確率的アプローチ
00:36:22 リュック販売と将来の意思決定の例
00:39:34 需要に先立つ供給、iPhoneの例
00:42:37 Lokadと他社との差異
00:46:13 Lokadの問題解決アプローチ
00:49:11 一般的なサプライチェーン観への反論
00:51:49 視聴者からの質問への移行
00:54:06 計画はビジネス理解を反映していない
00:57:35 教科書的な精度の定義は関連性がない
01:00:01 予測精度と実行に関する質問
01:03:38 部門間コミュニケーションとサイロ化に関する質問
01:06:15 電気機器のB2Bディストリビューターの例
01:09:34 B2Bでより普及しているバスケット分析
01:12:30 予測精度の測定
01:15:02 ビデオのタイトルへの疑問
01:17:10 癌を取り除く類推
01:20:32 マネージャーの秘密のスプレッドシート
01:23:03 ジョアンネスの質問に対する回答
01:25:00 予測構造における時系列予測に関する質問
01:27:05 伝統的な予測手法を教える大学に関する質問
01:30:54 企業アライメントのためのSNOP
01:33:23 ロックダウン中に計画部門が不在の実験
01:36:12 企業変革の議論
01:39:10 サプライチェーンにおける大幻想
01:42:13 精度が完全に誤った考え方を体現
01:42:49 インタビュー終了

概要

LokadのCEOであるジョアンネス・ヴェルモレルは、forecast accuracyの伝統的な理解を、supply chain managementにおいて、ビジネスの核心となるDNAを反映していないと批判している。また、一般的に用いられているtime series予測は過度に単純化され、サプライチェーンの将来を正確に表していないと指摘する。ヴェルモレルは、企業の本質に定量的に忠実であることに焦点を当てた別のアプローチを提案し、漸進的な改善への執着を批判して、企業はより単純で優れた解決策を模索すべきだと強調している。

詳細な概要

LokadのCEOジョアンネス・ヴェルモレルとコナー・ドヘルシーとの対話では、需要計画における予測精度とその役割が議論された。ヴェルモレルはフランスのソフトウェア起業家として、1920年代から業界に深く根付いたサプライチェーン管理における予測精度の伝統的な理解に挑戦した。彼は、株式市場投機においては予測精度が直接利益に結びつくが、サプライチェーンでは予測精度と収益性の間に直接的な関係が存在しないと主張した。

ヴェルモレルは、精度を定義する方法として主流の方法とLokad独自の方法という2通りを提案した。彼によれば、主流の定義は等間隔で行われる周期的な時系列予測である。しかし、彼はこのアプローチが、過去と未来の対称性、測定の局所性、計算環境やソフトウェア環境に対する無関心といった重大な仮定に依拠している点を批判した。彼は、時系列がサプライチェーンの将来を忠実に反映しない、過度に単純なモデルであると論じた。

ヴェルモレルは、スーパーマーケットの例を用いて、時系列予測が製品間の重要な関係性を無視することを説明した。彼は、時系列予測は重要な次元を見落としており、未来の構造を的確に表していないと主張した。さらに、時系列予測は小規模な企業には十分であっても、複雑なサプライチェーンを運営する大企業には適さないと示唆した。

また、ヴェルモレルはサプライチェーンの教科書が精度のために時系列に過剰に依存している点を批判し、これがビジネスの核心となるDNAを反映していないと主張した。彼は、スーパーマーケットが個々の製品ではなく、複数の商品をまとめたバスケットを販売するよう構造化されていることを強調し、顧客が一度に多数の商品を購入するよう設計された環境で、製品を個別に扱う予測ツールの論理に疑問を呈した。

ヴェルモレルは、生鮮性の例を挙げながら、需要の複雑性についても論じた。彼は、もし店舗在庫の半数が翌日に期限切れとなる場合、実際には50単位が在庫として存在するとは言えず、また、顧客が保存期間の長い製品を選ぶことで、特定商品の販売緊急性に影響を及ぼすと説明した。

ヴェルモレルは、時系列がスーパーマーケットにおけるバスケットやperishable品といった重要なパターンを正確に反映できないと主張した。彼は、時系列の精度はその独自のパラダイムのみを反映しているに過ぎず、これがLokadがこのアプローチから逸脱する理由であると考えている。

また、ヴェルモレルは、技術的には正しいものの現実的ではない数学的解法をも批判した。彼は、批評家が時系列に基づくツールが実際に機能していると主張する可能性を認めながらも、過去45年間、サプライチェーン関連の全プロセスを自動化するとベンダーが主張してきたにもかかわらず、結局はすべてがスプレッドシートで管理されている現状を問題視した。

ヴェルモレルは、根本的な問題は時系列の視点が誤っており、問題の構造に適していない点にあると考えている。彼は、時系列が示す一面的な未来観を批判し、予測精度をKPIとして追求する代わりに、企業にとって意味のある未来に関する定量的な声明を作成することこそが目標であるべきだと提案した。

ヴェルモレルは、時系列予測はほとんどのビジネスにおいて一貫して誤っていると結論付け、誤った構造の数学モデルを適用することは、丸いピースを四角い穴に無理やり嵌めるようなものであると例えた。そして、ビジネスごとに問題に取り組むための他の多様な方法が存在すると示唆した。

ヴェルモレルは、スーパーマーケットやファッション企業といった異なるビジネスモデルの例を示し、時系列予測がそれらには適さないことを論じた。未来を考えるためには、時系列のビジョンとは一致しない「欲望のオーラ」を考慮する必要があると主張した。

また、ヴェルモレルは航空宇宙産業についても議論し、部品の消費が航空機のライフサイクルによって左右されることを説明した。彼は、時系列を用いることはどの業界においても、crudeな近似にすぎないと結論付け、時系列による近似は牛を球体として扱うような不十分なものだと比較した。

さらに、ヴェルモレルは、過去が未来の正確な鏡であると仮定する従来のサプライチェーン管理アプローチに問題があると論じた。特にサプライチェーンでは、将来の意思決定がまだ行われておらず、さまざまな要因―競合他社の決定など―の影響を受けるため、この仮定は成立しないと主張した。

ヴェルモレルは、リュック販売の例を挙げ、自身の主張を裏付けた。彼は、企業が導入するバリエーションの数が、future demandに大きな影響を及ぼす可能性があると説明し、まず品揃えを決定してから予測を行う従来のアプローチは、需要が固定的なものではなく、企業の意思決定によって左右されるため無意味であると論じた。

さらにヴェルモレルは、企業は市場に製品を投入することで需要を創出し、その結果として需要が発生する仕組みを説明した。ドヘルシーは、各部門の知見を用いて予測を修正するforecast value addedの手法に言及したが、ヴェルモレルはこの慣行を、単に直感を数字で裏付ける手段にすぎず、実際のdecision-makingプロセスに寄与していないと批判した。

ヴェルモレルは、Lokadが時系列モデルに限定されない、より多用途な数値的レシピを活用していると説明した。彼は、ビジネスの未来に忠実であり、企業が達成しようとする目標と一致する声明を打ち出すことの重要性について議論し、ビジネスの本質を理解した上でその上にモデルを構築することの重要性を強調した。

ヴェルモレルは、ほとんどのサプライチェーン書籍で示される、異なる業界の特性を無視する視点を批判した。ドヘルシーは、彼の見解に反対する大手成功企業に対して、どのように対応するのかを尋ねたが、ヴェルモレルは企業自体に意見はなく、意見を持つのはそこで働く人々だけだと論じ、多くの大企業の幹部が従来の計画アプローチに対して不満を感じているため、自らの主張に同意するだろうと述べた。

ヴェルモレルは、従来のサプライチェーン教科書における予測精度の定義は、誤ったと彼が考える時系列予測パラダイムに基づいているため欠陥があると論じ、企業の本質に定量的に忠実であることに焦点を当てたLokadのアプローチの方がより価値があると示唆した。

ヴェルモレルは、確率的予測を通して不確実性を受け入れるという視聴者の意見に同意しつつも、一面的な思考を超え、まだ行われていない将来の意思決定を考慮する必要性を強調した。

ヴェルモレルは、予測は単なる要素であり、それ自体に価値があるわけではないと説明した。彼は、予測の価値はサプライチェーンでの実行を通じてのみ評価されるべきだという考えに同意し、あまり多くのKPIをチーム間で共有することが必ずしも企業に利益をもたらさないと警告した。

ヴェルモレルは、データの共有は人手による手動処理を伴うべきではなく、すべての人が企業内の全データにプログラム的にアクセスできることで、各自が最適な意思決定を行えるようにすべきだと説明した。また、他部門に報告書を読むことを強制して官僚主義を生むことに対しても警鐘を鳴らした。

ヴェルモレルは、バスケットの概念がB2Bビジネスにとって不可欠であると、電気機器のB2Bディストリビューターの例を使って論じた。彼は、彼らのビジネスの大部分が、特定の時間に大量の機器を配送する必要がある建設現場によって推進されていることを説明し、これが一種のバスケット分析であると述べた。

ヴェルモレルは、時系列予測の代替手段として必ずしも複雑なAIを必要とせず、時系列と同程度の複雑さを持つ、単に異なる数学的モデルが数多く存在することを示唆した。

ヴェルモレルは、Lokadが大企業のサプライチェーンにおける多種多様な対立目標を調和させるために財務的視点を用いていると説明した。彼は、全ての目標と制約をドルで表現することで、これらの対立を管理する統一言語が提供されると示唆し、これはドル思考ではなく、複雑な企業における実用性とスケーラビリティを追求するためのものであると強調した。

ヴェルモレルは、主流のサプライチェーンパラダイムでは精度と時系列が同一視されていると主張する。そして、Lokadはこれらを分離したいと考えており、精度を重要視する方法は存在するが、それはサプライチェーン教科書で提示されるものとは根本的に異なるものであると示唆した。

ヴェルモレルは、FVAを時系列精度の欠陥ある概念に基づく過剰なプロセス設計と位置付け、これが企業を誤った方向へ導き、サプライチェーンの競争力を高めることなく不必要な官僚主義を増加させると批判した。

ヴェルモレルは、大企業が公式のSNOP予測ではなく、非公式のスプレッドシートに依存することが多いと述べた。彼は、ビジネスの本質により沿ったこれらのスプレッドシートこそが実際にビジネスを推進していると示唆した。

ヴェルモレルは、現状に対する改善が必ずしも全体の改善を意味するものではないと論じ、漸進的な改善に注目することを批判し、企業はより単純で優れた解決策を追求すべきだと示唆した。

ヴェルモレルは、時系列は構造の一要素になり得ると認めつつも、時系列にのみ依存することの危険性を警告し、企業は語彙や視野を広げる必要があると示唆した。

ヴェルモレルは、古典的な時系列とmachine learningをそれぞれ白黒テレビとLCD画面に例え、機械学習には利点があるものの、古典的方法からの飛躍的進歩とは言えないと述べた.

彼は、大学が正しい予測姿勢を教えていないことを批判し、問題の本質を理解し、ビジネスにとって意味のある定量的な声明を作成する重要性を強調した.

ヴェルモレルは、Lokadがシンプルなパラメトリックモデルを用いてウォルマートの競争で5位にランクインした事例を示し、複雑なモデルが必ずしも成功に必要ないことを明らかにした.

彼は、古典的なモデルから先進的な機械学習モデルに至るまでが連続体であり、その区別は一部の人が考えるほど明確ではないと主張している.

ヴェルモレルは、大学が適切な予測の姿勢を教えないことに対する批判を再び繰り返し、将来のサプライチェーン問題に対処する際の正しい心構えの重要性を強調している.

彼は、S&OPプロセスの目的は企業全体のアライメントを作り出すことであると説明するが、実際には終わりのない会議に陥ることが多い.

ヴェルモレルは、情報はITシステムを通じて流れるため、アライメントには人々の間で常にコミュニケーションを取る必要はないと主張している.

彼は、S&OP会議では数値的なレシピと、企業の戦略的意図を明確にすることに焦点を当てるべきだと提案している.

ヴェルモレルは、多くの大企業は時系列予測がなくても十分に運営できると主張している.

彼は、計画部門が休止していたにもかかわらず、2020年と2021年のロックダウン中に企業が80%の能力で運営されていた例を挙げている.

ヴェルモレルは、ある企業が特定の部門なしで14ヶ月運営できるのであれば、その部門はミッションクリティカルではない可能性があると示唆している.

彼は、ロックダウン中に大規模な変革を遂げ、5%のeコマースから3分の2のeコマースへとシフトした企業の例を共有している.

ヴェルモレルは、いくつかの企業が大規模な変革を経ても効果的に運営できたことを踏まえ、企業内の特定の機能の重要性に異議を唱えている.

彼は、予測において正確性だけが重要な要素ではなく、計画部門が1年以上休止していたにもかかわらず通常通りに運営していた企業の例を引用して主張している.

ヴェルモレルは、予測の手段としての重要な疑問を問わない主流の時系列正確性パラダイムを批判している.

彼は、意思決定から数学的モデルへの一貫した繋がりを重視し、その意思決定が実世界の財務に与える影響を評価することの重要性を強調している.

ヴェルモレルは、予測の正確性を単独で評価する一般的な慣行を批判し、それが実際の状況を反映していないと論じている.

彼は、正確性の問題はしばしば枠組みが誤って設定されていることに起因し、概ね正しい直感の方が、洗練されているが不釣り合いなビジネスモデルよりも優れていると締めくくっている.

インタビューは、コナー・ドハーティがヴェルモレルに感謝の意を示し、残りの質問はまた別の日に取っておくと約束する形で終了する.

完全な書き起こし

コナー・ドハーティ: Lokad TVライブへようこそ。本日スタジオに加わっているのは、Lokadの創設者ジョアネス・ヴェルモレルです。今日は非常に興味深いトピック、予測の正確性、その需要計画における役割、そして果たしてそれが重要なのかどうかについて議論します。チャット中はいつでもご質問をお寄せください。後半部分でそちらにお答えします。もし聞いた内容に異議がある場合は、まずその質問に答えます。それでは始めましょう。ジョアネス、私たちは、言っても過言ではありませんが、ある意味で逆説的な会社です。これがおそらく、私たちの中で最も逆説的な意見かもしれません。需要予測の正確性が重要でないと私たちが考える理由に入る前に、なぜこれほど多くの企業が予測の正確性を需要計画の聖杯として見るのでしょうか?

ジョアネス・ヴェルモレル: 「なぜか」というのは、私の考えでは比較的単純です。それはサプライチェーンの教科書に書かれていることです。ここ50~70年、いや、サプライチェーンと呼ばれる前はオペレーショナル・リサーチと呼ばれていた時代から書かれてきました。さらに遡れば1920年代にまで行けるでしょうし、その時代に現れたプロの経済予測者たちの前提を見出すことができるはずです。この予測正確性という考えをその根源、つまり20世紀初頭のアメリカの経済予測者にまで遡ると、株式市場で勝負するなら、正確性はそのまま利益に1対1で変換されるのです。つまり、もしあなたが商品の価格、例えば鉄の価格が上がるかどうかを予測して、正確な予測を持っていれば、市場を打ち負かして素晴らしいリターンを得る可能性があるのです。これは投機においては当てはまります。問題は、市場を打ち負かすことができる予測モデルを持っているかどうかです。短く言えば、答えは「いいえ」、少なくとも容易に手に入るモデルではありません。ですから、もはや市場を打ち負かすことはできないのです。その点についてはいくつか留保があり、裁定取引を行う企業がそれで利益を上げている場合もありますが、それは一つの側面に過ぎません。サプライチェーンに関して私が言いたいのは、直接的な変換は存在しないということです。しかし、私の批判はそれだけに留まらず、問題はもっと深く根本的なところにあるのです。単に数値を得ただけで、その数値が正しければ自動的に利益につながるというわけではないからです。これは、まさに株式市場での取引と同じ状況なのです.

コナー・ドハーティ: つまり、予測精度の向上と最終的な利益との間には相関関係がないということでしょうか?

ジョアネス・ヴェルモレル: 問題は、用語自体に欺瞞がある点です。そこで、まず正確性をどのように定義するかを明確にしましょう。少なくとも2つの方法があります。一つは主流の正確性の定義で、もう一つはLokad流の定義です。まずは主流ではない、Lokad流の正確性の取り扱い方から説明します。正確性という考え方は、未来に関する定量的な主張を行っているということです。その正確性は、その主張がどれほど質が良く、忠実であるかという評価です。すなわち、未来はこうあるべきだという主張があり、これは定性的な主張ではなく定量的な主張です。そして、その定量的な未来の主張に対して、どれほど素晴らしいか、どれだけ忠実か、実際に未来をどう描写しているのかを定量的に評価したいのです。これこそが正確性であるべき姿です。私の定義で正確性を捉えれば、これは非常に意味深く、貴社にとって重要かつ潜在的に利益をもたらすものだと言えます。しかし、これはサプライチェーンの教科書で見られる定義とは全く異なります。主流の正確性の定義は、時系列予測です。つまり、人々が正確性というとき、暗黙のうちに時系列予測、特にポイントで等間隔の時系列予測を指しているのです。等間隔とは、日ごと、週ごと、月ごと、四半期ごと、場合によっては年や時ごとに一定の間隔での予測を意味します。これが周期的な予測です。つまり、他の代替的な予測があり得るにもかかわらず、時系列は一方向で周期的、すべての期間が同じであるということです。さらに、各期間に一つの値が割り当てられるポイント予測であるという点です。私の定義は非常に異なり、未来に対してどのような定量的な主張をするかという点において、より広範かつ特定の枠に囚われないものです。私の定義は完全にアグノスティックであり、単に未来に関する主張を定量的に評価しようとしているのです。たとえば、「今年は良い年になると信じている」という主張は、定量的な未来の主張ではなく定性的なものに過ぎません。ですから、正確性は定量的な未来の主張に適用され、その評価もまた定量的な手段で行われるべきだと言っています。主流のアプローチはもっと直接的であり、非常に重要な前提―すなわち、時系列、一方向、周期的または等間隔、そしてポイント予測―を前提としています。さらに、過去と未来の対称性、測定の局所性、計算環境やソフトウェア環境に対するアグノスティシズムといった、より根本的な前提も存在します.

コナー・ドハーティ: ありがとうございます。改めてですが、Lokad流と主流のアプローチの違いを説明されたものの、一部の人にとってはまだ不明瞭かもしれません。時系列の視点の問題とは何でしょうか?一方向だと言われますが、具体的にはどの点で問題なのでしょうか?

ジョアネス・ヴェルモレル: 未来を定量的な主張で記述しようと決めた場合、私たちは既に、サプライチェーンの教科書はもちろん、他のビジネス書でも、未来を時系列以外の方法で見る可能性を認めようとしていません。つまり、多くの人が未来を定量的に捉える唯一の方法が時系列であると誤解しているのです。私は決してそうではないと言いたい。そして、それ以上に、時系列は非常に単純なモデルに過ぎません。各期間における一度の測定値という、最も単純な数学的モデルです。それは本当に未来を忠実に表現しているでしょうか?未来について知っている何かを合理的に反映しているでしょうか?私の主張は、サプライチェーンの目的においては、答えは「いいえ」であり、全くもって正しい方法ではないということです。例として、スーパーマーケットで観察される需要を考えてみましょう。時系列の視点では、スーパーマーケットで販売されている任意の製品に対して時系列が作成できると言います。しかし、これは未来の需要を正しく捉える方法でしょうか?いいえ、なぜなら人々は一つの商品だけを買いにスーパーマーケットに入るわけではないからです。彼らが求めているのは、ひとつのバスケット、すなわち大多数の場合、週に一度スーパーマーケットに行き、買い物リスト全体を購入することです。つまり、需要において重要なのはバスケット単位で表現されるものであり、人々が感じるのは「買い物リストに必要な物がすべて揃っているか」ということです。このバスケット単位での認識は、単独の時系列とは全く無関係であり、時系列は製品間の関係性、代替品、カニバリゼーションなどの全ての関連性を完全に無視してしまいます。つまり、これらの効果に対して盲目的になってしまう問題があるのです.

時系列の核となるこの一方向は、非常に重要になり得る高次元を無視しています。そして、私の提案はそれが偶然ではないということです。スーパーマーケットやその他の企業の例をとって、未来とは何か、我々が実際に何を見ているのかを考えてみると、根本的には時系列ではなく、構造を持つもの、しかし必ずしも時系列構造ではないものを見ていることに気付くでしょう。非常に単純なビジネス、例えば個人経営の小規模な店では時系列が十分な場合もありますが、そうした企業は例外であり、特に今日の大企業が多くの複雑なサプライチェーンを運営している状況では標準ではありません。各時系列は、カタログ内の他のSKUとは無関係に個々の商品を扱います。したがって、相互関係やバンドル、あるいは代替が存在する場合、それらには無頓着、つまり盲目的になります。そして最終的に、各商品の正確性は間違っているというよりも、誤解を招くものになってしまうのです。たとえば、テレビが白黒だけだと想像してください。それが時系列予測に相当します。何かが欠けています。ピクセルを追加すれば正確性は向上しますが、結局白黒のままです。たとえ「もっと多くのピクセルを追加すれば…」と言ったところで、結局は白黒です。テレビを大きくしたり、リフレッシュレートを上げたりしても、色は出てこず白黒のままなのです.

ですから、これは次元が欠けている場合、いかに工夫しても問題が解決できないという例だと考えています。そして、欠けている次元は非常に多いのです。ここで、再び賞味期限のある食品を扱うスーパーマーケットの例に戻りましょう。例えば、棚に商品があるとしますが、棚にある各商品にはそれぞれ独自の賞味期限が設定されています。多くの買い物客は店を訪れる際、有効期限を確認し、その商品に対する評価が、残り1日なのか3週間あるのかで変わります。3週間あればまだ非常に新鮮です。しかし、時系列の視点からデータを見ると、その情報は欠落しているのです。例えば、ヨーグルト一個の売り上げや需要の時系列表現からは、新鮮さを表現することはできません。これは、先ほどのテレビの例に戻ると、「白黒しかないけれど、テレビを3台買えば、1台目は青、2台目は緑、3台目は赤を表示すれば、技術的にはすべての色を持っていることになる。しかし、それらを視覚的に再結合しなければならない」という状況に似ています。しかし、私はそうは思いません。「それは非常に複雑すぎる解決策であり、良い解決策とは言えない」と。実際のユーザー体験の観点からすれば、全く役に立たないものです.

そして、スーパーマーケットにおいて、腐りやすさに対処するために、ただ単に時系列データを追加するという方法を取るとした場合も同様です。はい、非常に技術的な意味ではそれが可能かもしれませんが、実際的な解決策とは程遠いのです。良い解決策にはなりません。そしてご覧の通り、腐りやすさの問題は、需要が一面的なものではなく、鮮度というもう一つの次元が存在し、それが重要な影響を与えるからです。たとえば、在庫が50単位あると思っていても、そのうちの半分が明日で賞味期限切れとなるなら、実際には本当の意味での50単位の在庫は存在しません。そしてこれは、顧客が最も長い賞味期限のものを選ばない場合の話です。

スーパーマーケットの棚から商品を選ぶ顧客は、最も長持ちする商品を選ぶかもしれず、その結果、実際には売るのが最も急がしくない商品を不利に選んでしまう可能性があります。さて、最初のケースに戻りますが、時系列データは対応できません。先ほど一例として挙げたスーパーマーケットの場合でも、すでにバスケットや腐りやすい商品のような非常に重要なパターンが二例存在します。これらは極めて重要で本質的なものであり、時系列のパラダイムには適合しないのです。そして、教科書通りの精度というのは時系列パラダイムのみを反映しており、暗黙のうちにしか一致しないため、私はLokadが分岐していると言っています。サプライチェーンの教科書では、精度というとき系列だけの問題として扱われています。私の指摘は、些細な事柄を測る手段があるに過ぎず、それはビジネスの核となるDNA、すなわちビジネスを動かす要因であるバスケットや腐りやすいものと一致しないということです。おそらく、これは制約の話をしているように聞こえるかもしれませんが、実際には多くの制約や、制約と言ってさえも言えない構造の問題であるのです。スーパーマーケットの場合、単位や製品を一つずつ売るのではなく、バスケット単位で売るというのが基本構造なのです。これこそがスーパーマーケットの原動力であり、本質なのです。スーパーマーケットは文字通り、床から天井までバスケットを売るために設計されているのです。

そのため、全ての商品を一気に運び出し、流通を前進させることができる販売拠点が存在するのです。だからこそカートがあるのです。つまり、スーパーマーケットでは、人々が一度に多くの商品を購入できるようにすべてが工学的に設計されています。もし追加のコーヒーカップ1杯だけが欲しいのであれば、スーパーマーケットに行く意味はありません。私の主張は、スーパーマーケット前の駐車場を含め、すべてが一つのバスケットを買うために設計されているのに対し、予測ツールが各製品を個別に、孤立して扱うのは意味をなさないということです。私の答えは「意味がない」のです。つまり、あなたが説明している未知数や無形の要素を反映するために、時系列の視点を適用する方法は存在しません。数学者なら、「十分な数の時系列データを積み重ねれば可能だ」と言うでしょう。なぜなら、時系列を追加すればよいということになるからです。これは、白黒テレビしかなかった時代に、複数のテレビセットを用意すれば各色ごとの映像が得られるというのとまったく同じです。ですから、ここでは注意が必要です。もし時系列について、どんどん時系列を追加していけば良いとするなら、技術的には任意の次元に対応できることになりますが、それは実用的な解決策ではありません。ちょうど、テレビで色を表現するために複数のテレビセットを用意するのが良い解決策ではないのと同じです。数学には、技術的には正しいのに広く実用的ではない解決策がたくさんあります。数学者は、技術的に正しいというだけの突飛な解決策を考案するのが非常に得意なのです。

現実の世界では、それは非常識です。問題に取り組む方法としては正しくなく、良い解決策は得られません。非常に理論的な解決策に終始するでしょう。さて、批評家は、実際に機能する時系列アプローチに基づくツールが数多く存在すると主張するかもしれません。例えば、forecast value addedを考えてみてください。さて、あなたが今述べたことは、それに適合しないと思います。しかし、それを支持する人々は、実際にはあなたの言うことに反してうまく機能すると主張するでしょう。そう、1970年代後半から、人々は自分たちのツールが確実に機能すると主張してきました。つまり、過去45年余り、ベンダーは、サプライチェーンに関するすべてを文字通り自動化できる高度な自動化ソフトウェアを持っていると言い続けてきたのです。さらに、現在「enterprise softwareで管理を行っている」と言えば、今ではCRM、つまり顧客関係管理を持っていると主張されますが、それは単に事務的な記録やデータ入力に過ぎないのです。しかし、1970年代に遡れば、「管理」というのは意思決定、すなわち知性を含むものであったのです。私の提案は、理論上、過去40年余りにわたって、在庫、replenishment、生産、スケジューリング、inventory allocation、価格最適化といったすべての意思決定を完全にロボット化するソフトウェアが存在するとされているということです。これらは、ベンダーによれば、過去40年間にわたり完全自動、100%自動化されているはずです。そして、ほとんどのベンダーは、1980年代のコミュニケーションを見れば、これらはすべて機械によって完全に行われると主張していたのです。かつては事務員がそれを行っていましたが、今ではそうではありません。過去10年間で、私は200人以上のサプライチェーンディレクターに会いましたが、必ずと言っていいほどソフトウェアが導入されていました。いくつかのソフトウェアソリューションが実装されているにもかかわらず、すべては依然としてExcelで処理されているのです。

私たちは、時系列予測に焦点を当て、あらゆるものを自動化するとされる複数世代のエンタープライズソフトウェアを保有しています。これらは何十年もその手法で運用されてきましたが、実際にはいまだにExcelで処理されているのが現状です。何がうまくいかなかったのでしょうか?私が考える根本的な問題は、時系列の視点そのものが誤っているという点です。それは問題の構造に適合しません。他にも問題はありますが、最も大きな問題は、全体像に対する一面的なアプローチがあまりにも単純すぎて、すべてが崩壊してしまう点にあります。もし予測精度をKPIとして追求すべきでないのなら、代わりに何を追求すべきでしょうか?まず、私たちが本当に解決しようとしている問題を再考する必要があります。企業にとって意味のある未来に関する定量的な主張を生み出そうとしているのです。未来に対する主張はほとんどの場合、ドメイン特有のものであり、これはサプライチェーンの教科書で述べられている内容とは正反対です。教科書では、時系列データだけで十分だと主張されています。私が何百もの企業を観察した結論として、これはほぼ常に間違っているのです。もし時系列データだけで十分にモデル化できるビジネスが存在するとすれば、それは例外であり、通常ではないのです。構造が時系列と一致していないのです。適切な構造を持たない数学モデルを用いれば、あなたがモデル化しようとしている現実を正確に表現することはできません。これは、丸い形状を無理に四角い穴に当てはめようとするようなものです。もし丸い形しか見たことがなければ、それが全てだと思ってしまうかもしれません。しかし、実際にはそれ以外にも多数の方法が存在し、これらはビジネスごとに異なるのです。例えば、スーパーマーケットであれば、そのDNAはバスケットにあります。ファッション業界であれば全く異なります。ファッション企業であれば、消費者の欲求を喚起することが重要であり、時系列はその点ではあまり意味をなさないのです。たとえば、新しいパターンが流行したとしましょう。その場合、その流行を取り入れた多くの製品を生み出すことができますが、その数は多くても少なくても構いません。

あなたの顧客の大半は中間層に位置しています。非常に極端な色にこだわっても、多くのバリエーションを支える需要が得られないかもしれません。未来を考えるのであれば、欲求の光環のようなものを考慮する必要がありますが、これは時系列のビジョンとは一致しません。もしアクションフィギュアのマーチャンダイジングを販売しているのであれば、状況はさらに奇妙になります。ビジネス全体がそのヒーローたちを中心に構築されているのです。たとえば、バットマンはグリーンランタンよりもマーチャンダイジングの面でるいに強力であり、これは過去数十年にわたって変わっていません。航空宇宙産業に目を向ければ、また異なる事情があります。部品の消費は、航空機の艦隊を保有しているという事実によって左右されます。各航空機はおおよそ30〜40年のライフサイクルを持ち、その期間中、部品の消費はある一定の曲線に従うのです。多数の航空機をサポートする大規模なMRO(整備修理運用)を支えるためには、自分がどの航空機の艦隊をサポートしているのか、またそれらがどのように増減しているのかを考える必要があります。現実には、どの業界においても、時系列を適用するのは非常に粗い近似に過ぎず、問題の構造を忠実に表現していません。例えるなら、私の物理の先生が行った演習「これは牛であり、牛を球体として近似しよう」というものです。おもちゃの演習としてはよいですが、実際の牛は球体ではなく、全く球に近くありません。つまり、これは非常に突拍子もない近似です。演習としてはよいですが、実際には通用しません。実際の牛を扱うのであれば、牛を球体と近似することはお勧めできません。良い結果にはならないでしょう。これは有効な近似ではありません。

Conor Doherty: もう一度申し上げますが、時系列が未来を非常に単純に近似したものであるという点について、我々Lokadは自社の確率的アプローチを「おおよそ正しい方が、厳密に間違っているよりもましだ」と表現しています。これは単なる用語の違いに過ぎないのでしょうか?

Joannes Vermorel: 先ほども述べた通り、まずは構造の問題です。ちなみに、ここがLokadが分かれる点の一つでもあります。我々は確率的アプローチを旗印として掲げていますが、実際のところ、私が問題だと考えるのはまず構造の問題です。次に、私が見る第二の問題は、サプライチェーンに関する古典的な教科書的アプローチです。これは単に精度を求め、過去が未来の正確な対称であると仮定するものです。しかし、そうではありません。例えば、惑星の運動、つまり人類がただ観測するだけで何も変えられない対象についてなら、過去が未来の対称であると仮定してもある意味で問題はありません。たとえば、火星の運動を予測するのであれば、過去が未来の対称であると仮定しても構いません。なぜなら、火星の運動に具体的で測定可能な影響を及ぼす要因がないからです。しかし、サプライチェーンの場合、未来はまだ決定されていない意思決定に依存しているため、この仮定は適用できません。未来はあなた自身の将来の意思決定だけでなく、競合他社のような他者による未来の意思決定にも依存しているのです。つまり、過去と未来の間には根本的な非対称性があり、精度を重視する古典的な時系列の視点はこれを完全に無視しているのです。これらの問題は言及さえされず、存在すら認められておらず、精度の指標として評価されることもありません。もし未来について忠実な主張を行うのであれば、その主張自体に「未来は依然として意思決定に委ねられている」という事実を内包しなければならないのです。

Conor Doherty: 多くの人々は、需要の両側面に立って単に観察しているだけだと考えがちです。しかし、あなたは「私たちは未来を制御しているわけではないが、行われる選択と共にその未来を共同で作り上げることができる」と言っています。では、これに気づいていない人々にとって、それとは一体何なのでしょうか?

Joannes Vermorel: 例えば、あなたがバックパックを販売しているとしましょう。どれだけ売れるかは、まずどれだけのバリエーションを導入するかに依存します。もし黒いバックパック1種類だけをECサイトやすべての店舗に置けば、多く売れるかもしれません。しかし、バリエーションが増え、似たようなサイズの少し大きめのバックパックや、さらに半ダースほどの色展開を導入すれば、バリエーションを1つ追加するたびに売上が倍になるでしょうか?もちろん、カニバリゼーション(自社製品間の需要食い合い)が発生するのです。未来の需要は書かれているものではなく、石に刻まれているわけでもありません。それは、導入するバリエーションの数に大きく依存するのです。これは、まだ下されていないあなた自身の選択に関わる問題です。そして、もし問題を分割して「まずバックパックの品揃えを決め、次に予測する」という方法を取れば、それは全くのナンセンスです。なぜなら、まず品揃えを決めてから予測すると、需要が十分でない製品に気づいた際に、それらを除外することになるからです。文字通り、私たちは需要を設計しているのです。そして、それが企業のやっていることです。これは経済学者ジャン=バティスト・セイの法則、すなわち「供給が需要に先立つ」という法則でもあります。需要を生み出すためには、製品を市場に押し出さなければなりません。アップルがiPhoneを導入する前、市場におけるiPhoneの需要はまったくゼロでした。まず製品を市場に投入すれば、その後で需要が生まれるのです。

Conor Doherty: しかし、あなたが批判しているパラダイムの中では、forecast value addedのような手法も存在します。これは、需要が存在しており、私がマーケティング部門や営業部門に意見を求め、彼らの知見を引き出すというものです。つまり、一定数のバリエーションを導入する予定だとし、私たちの意思決定が未来を形作るという認識の下、上下の修正が行われるのです。

ジョアネス・ヴェルモレル: しかしながら、改めて申し上げますが、10年以上、いやほぼ15年にわたって企業を観察してきた結果、それらは単なる官僚組織に過ぎません。物事が実際にどのように進むのかを見ると、会社のどこかで「お、チャンスがある、やろう」と言う人がいて、その後「ただやるだけでは科学的に見えない」と考えるのです。そこで、直感を数字で裏付けようとし、何人かが数字を付け加えることで「よし、数字があるから、今なら科学的だ、やるぞ」となります。しかし、実際は市場に対する非常に有効な直感であり、高次の論理的思考に基づいたもので、あくまで大雑把な計算でその取り組みの規模が見積もられたのであって、残りは取り組みを形式上認めるための官僚的な手続きにすぎなかったのです。初動の閃きでもなければ、衝動でもなければ、何かを可能にした真の科学的熟達でもなく、戦いの後に行われた単なる書類作業に過ぎません。皆さんが説明されたのは、まさにLokadが自社クライアントと行っていることです。我々はコミュニケーションをとり、彼らは未来の計画に関する洞察を提供し、それを数値レシピに組み込むのです。根本的な違いは、我々の数値レシピがはるかに多用途である点です。時系列に固執せず、実際には時系列モデルをほとんど使用しないのです。もし画面に曲線を表示したいなら、それは時系列でなければなりません。なぜなら、画面は二次元であり、一方が時間という次元を含むからです。

内部的には、モデルは一方向(1次元)ではありません。私たちの予測モデルのほとんどは時系列予測モデルのように機能しません。将来の数量に関する約束の忠実さを示す精度指標は持っていますが、それは平均絶対百分率誤差の指標とはほとんど関係がありません。そこで自問します。本当に重要で、忠実で、我々が本当に目指していることに沿った主張ができているのか? 例えば、航空宇宙業界では、艦隊にサービスを提供し、その艦隊が制御可能なパラメータを持っているという考え方を真に取り入れているものがあるでしょうか? 飛行機の寿命はおそらく30年から50年ほどで、これは非常に制約されているため、その要素を文字通りモデルに組み込むことができます。クライアントと連携するとき、我々はシンプルなことを行うモデルを使います。彼らが解決したいこと、そして彼らのビジネスの未来に忠実であるために意味のある主張は何かを理解するために時間をかけるのです。それは全く異なるアプローチです。精度指標がある場合、我々はビジネスの本質から始め、構造をとらえ、その上に何かを設計します。それはある垂直市場の特性を捉えるということではなく、その企業のDNAを捉えることなのです。例えば、航空業界では、スペアパーツとして保管しているのは飛行機であるということを考慮しなければなりません。一方、衣服の場合、流行やトレンドが短期間で移り変わります。航空業界では、艦隊の入れ替えが起こります。例えば、ボーイング747は段階的に退役し、エアバス350が導入されています。ファッションで新奇性を無視すると言うなら、私の答えはうまくいかないということです。これらの事柄が単なる詳細だとする多くのサプライチェーンの書籍に示される視点に、私は強く反対します。詳細ではなく、垂直市場固有の要素を完全に無視してその市場に臨むことはできません。例えば、スポーツチームのマーチャンダイジングを行う際、トーナメントがあり毎年1チームだけが勝つという問題の構造を無視することはできません。例として、野球チーム向けのアクセサリーを販売するこの企業について考えてみましょう。常に1つだけの勝利チームが存在するという事実をどのように時系列に盛り込むのでしょうか? あなたは自ら精度を工学的に設計しています。つまり、モデル、今回はサービスモデルの上に何かを設計しようとしているのですが、これは意味を成していません。数字は出るでしょうが…

コナー・ドハティ: さて、まとめに入りたいと思うとともに、いくつかの聴衆からの質問にも触れたいと思います。当社は、純粋に財務的観点から業績を重視する企業です。既に誰かが指摘したかもしれない単純な批判があるのですが、今ここであなたに問いかけます。数十億ドル規模で、百年以上にわたって存続している企業が、あなたが述べたほぼすべての点に全面的に反対しています。『私たちの銀行残高を見なさい、ジョアネス、我々はあなたに賛同しない』と主張する彼らに、どのように応じますか?

ジョアネス・ヴェルモレル: いくつかのレベルで申し上げると、まず、企業そのものは何かに賛成も反対もしません。企業は単なる多数の人間の集まりであり、それ自体に意見はありません。意見を持つのは、その企業で働く人々だけです。ですから、企業が行う多くのこと、とりわけ大企業における多くのことは、たまたま起こった偶然の産物です。意図的に設計されたわけではなく、ただそうなっただけなのです。これが偶然の出来事ということです。私が時系列に反対すると言ったとき、大企業の経営者と議論すると、彼らは私が述べた基本的な原則に非常によく同意するというのが私の経験です。大手ファッション企業のCEOと議論すると、計画チームがすべてを時系列に当てはめようとする理由に非常に困惑しているのが通常です。では、私は本当に反対しているのでしょうか?そうは思いません。垂直市場で何十年も経験を積んだ経営者と接する中で、彼らは計画が自分たちのビジネスの核心的な認識や理解を反映していないことに大きなフラストレーションを感じているのです。結局、私は計画チームから出る数字よりも、自分の直感を信じています。これらの経営者がそう言い、その企業が成功しているという事実は、彼らが正しい方法を取っていることを示しています。彼らには、直感を拡大するのが難しいために計画チームが存在するのです。つまり、もっと多くの数字や計画チーム、そしてツールが必要ではありますが、それらが実際に非常に優れているというわけではありません。教科書に書かれていることとは大きく異なりますが、私が話を聞いたほとんどの経営者の直感から大きく逸脱しているとは思いません。

コナー・ドハティ: 予測精度が重要でない理由について、あなたの立場をまとめていただけますか?その後、次の話題に移りましょう。

ジョアネス・ヴェルモレル: サプライチェーンの教科書的な定義で考えると、全くの誤りだから重要ではありません。誤ったパラダイム、すなわち時系列予測のパラダイムに基づいて構築されているため、完全にパラダイムの不一致が生じているのです。それが解決しようとする問題と合致せず、単に豪華な数学的または統計的解法で誤った問題に対処しているに過ぎません。ですから、この意味では重要ではないのです。しかし、Lokad流、つまり企業の本質に定量的に忠実であるかという観点で見るならば、非常に大きな意味を持ちます。

コナー・ドハティ: 皆さん、質問ありがとうございました。提出された順番通りに全てお答えできるかはわかりませんが、提示された内容を読み、いくつかの主張に対してあなたが回答されるであろうと思います。例えばダスティンという方からの質問ですが、「予測精度は重要ですが、現在の一点予測の精度を測る方法では限界がある。究極的な目的は確率分布の精度を測定することにあると思うのですが、あなたは同意しますか?」というものです。

ジョアネス・ヴェルモレル: 改めて申し上げますが、Lokadでは確率的予測という正しい方向へと進んでいます。確率的予測は不確実性を受け入れることを可能にします。しかしながら、それだけでは十分ではありません。ですから、私は不確実性を受け入れることは確かに必要であり、Lokadはそれを全面的に支持します。しかし、もしまだ1次元で考えるなら、それは依然として良くありません。そして、過去を未来の対称とみなすなら、これからまだ実行されていない意思決定の可能性を完全に無視していることになるのです。

コナー・ドハティ: 予測精度とは、内部と外部の変化から得られる洞察を含む実行の精度に近いものである、ということを示唆しているのでしょうか?予測の観点からは、数量と価値に焦点を当てるべきなのでしょうか?パウロは、KPIが特に商業、マーケティング、財務などの異なる部門間で共有されたときに最も重要な意味を持つと考えています。あなたの見解では、上振れシナリオと下振れシナリオは有用なのでしょうか?いくつか小さな疑問がありますが、お答えいただけますか?

ジョアネス・ヴェルモレル: 非常に興味深い点です。まず、予測は一つの要素、すなわち単なる人工物に過ぎず、それ自体で企業に何かをもたらすわけではありません。将来に関する定量的な主張を生み出すとしても、ソフトウェアは単なる人工物であり、それ自体に価値はありません。パウロが指摘するように、どんな評価も予測自体に内在するものではありえないと思います。供給鎖の実行を通して初めて、この道具、つまり数値的な人工物が適切であったかどうかが評価できるのです。あなたは数値的な人工物、すなわち予測を生み出し、その後、その結果、もたらされた波及効果によってその予測が良かったか悪かったかを判断するしかありません。つまり、波及効果から逆算して、予測を生成するために用いられた数値レシピに辿り着き、その予測が良いものだったか悪いものだったかを評価する必要があるのです。これが、私の予測に対する非常に結果重視のアプローチです。

各部門にKPIを共有する場合についてですが、注意が必要だと思います。数字を読むだけで利益が生まれるわけではありません。チーム間で数字を共有することは一見良さそうですが、それが企業に価値を創出するのでしょうか?実際のところ、そうではありません。そして、KPIというと、本来は「キーパーformance indicators」、つまり少数の重要な指標であるべきなのですが、私の観察では、企業は何十、何百、時には何千ものKPIを持っています。つまり、KPIではなく、ただ大量のパフォーマンス指標に過ぎないのです。言いたいのは、確かにある程度はそうですが、注意が必要だということです。企業はすでに、メトリクスを眺めるためだけに非常に多くの人件費を費やしており、その後の成果はほとんど生み出していないのです。

コナー・ドハティ: それについて簡単に追及させていただくと、もし私の理解が間違っていなければ、あなたは部門間の情報共有が過剰になると悪影響を及ぼすと言っているのですね。しかし、逆にそれは silos、すなわち部門ごとの閉塞状態とならないのでしょうか?(あなたが特に好んでいないことは承知していますが)

ジョアネス・ヴェルモレル: その数字を人々は一体何に使うのでしょうか?私の見解では、データを共有したいのであれば、それが人間の目や脳を通過すべきではありません。ここで話しているのは、私たちの典型的なクライアントは1テラバイト以上の取引データを持っているということです。それは膨大な量です。現実的に、人間の目で一秒間に読める桁数はせいぜい5桁程度です。このデータを人間の脳で処理するには一生かかるでしょう。だから、データを共有すると言うとき、人を介する必要はないのです。サイロを解消するというのは、他部門のボブがあなたが生成する全てのデータ、レポートなどを必ずしも読む必要があるということではありません。あくまで、誰もが企業内のすべてのデータにプログラム的にアクセスできるようにし、各自が自分の意思決定を最適化できるようにすることなのです。そして、調整が必要な場合には、各意思決定を支える数値レシピそのものを整合させることに他なりません。つまり、人々自身が自分の時間や帯域、すなわち人間のリソースを使って手作業でデータを処理しなければならないという意味ではないのです。サイロの解消は、他部門にレポートを読ませることで余分な業務を生み出すことではありません。そこで、単に官僚的なタスクを他部門に押し付けているに過ぎないのです。私の直感では、ほとんどの場合、そうすることで企業に利益がもたらされるとは限らず、むしろ多くの場合そうはならないのです。

コナー・ドハティ: ありがとうございます。お時間が限られている中で、こちらはサシンまたはセインからの質問です。消費財だけでなく、B2Bビジネスにおいても、バスケットという概念や視点はどれほど適用可能なのでしょうか?

Joannes Vermorel: 本質的なことだ。例を挙げよう。Lokad のクライアントの一社は、電気設備のB2Bディストリビューターだ。これは非常に大きな企業だ。電気設備を販売する際、顧客は大企業であり、ビジネスの大部分は建設現場によって牽引される。たしかに、小修理のためにたまに電球やスイッチを注文する会社もあるが、主要な需要は建設現場から生じる。たとえば、新しいタワーがあり、6か月後には同じモデルのスイッチが4,000個、文字通り200kmのケーブルが必要になる。これは例外ではなく、民間建設を見ると非常に典型的な事例だ。建物が建設されると、その建物の電気設備を全て揃えるための大口注文が入る。つまり、6か月前にこの電気ディストリビューターが全ての在庫を用意しているとは期待されない。誰もこれほど大量の在庫を即座に持っているわけではないので、建物の設置を担当する会社はそれを理解している。そのため、数か月前に大口注文が出され、在庫がすぐには用意できないことを承知の上で発注する。しかし、「十分な時間はあるが、来年の3月末までにすべて準備してほしい。そうすれば建物内での展開に移れる」という条件だ。つまり、千にも及ぶリファレンスがあり、各リファレンスごとに数百のユニットが必要で、その全てがその日に完全に利用可能でなければならない。我々はごまかさない。実現するための十分な月数を与えている。そして、この場合に興味深いのは、我々が再び時系列の枠組みから逸脱している点だ。需要は存在するが、もし需要を単なる時系列と捉えるなら、本質を見失ってしまう。重要なのは、注文日と商品の予定納期という二つの日付があるということだ。これは一種のバスケットであり、B2Bにおいては、スーパーマーケットとは異なり、必要なものが事前に通知されるという追加の複雑さを伴う。

Conor Doherty: ステファン、あるいはフランス人のステファーヌから、コメントがあると思う。彼は「構造化されているか否かにかかわらず、膨大なデータを高度なAIに供給して予測を得ることが可能だ。しかし、そこには落とし穴があるのでは?」と言っている。これは質問だ。もしかしてご存知か?

Joannes Vermorel: その通りだ。つまり、人々は時系列の代替として何らかのスカイネットAIのようなものを考えがちだ。私の答えは、なぜそう思うのかという点にある。もしあなたが生涯丸い形しか見たことがなく、四角い形を見たことがなければ、丸い形の代替が非常に複雑な形だと考えるかもしれない。しかし、そんなことを主張しているのではない。丸い形の代替が不可能なほど複雑なものだというのではなく、単に四角い形で済む場合もあるということだ。時系列の代替がスカイネットレベルのAIだとも言っていない。Lokad が使うモデルのほとんどは非常にシンプルで、単に時系列ではないというだけだ。時系列でなければならないという一種のカルトがあるが、私は「なぜそうする必要があるのか」と問いかける。数学の世界は広大で、時系列よりも複雑ではないさまざまな代替手段が山ほど存在する。それらは異なるものであり、時系列は最も単純なものの一つと言える。確かに、時間という次元を扱うために少し複雑になる場合もあるが、ほとんどこれ以上単純なものはない。時系列は文字通り、時間軸を持つ一つの量であるため、シンプルにすることは難しい。しかし、だからといって時系列の代替がスカイネットレベルのAIであるというわけではない。これらのモデルは依然としてパラメトリックで非常にシンプルであり、解決しようとする問題の構造を捉えることが鍵となる。例えば、毎年一人の勝者が決定し、他のチームが敗れる一連の野球の試合のような問題の構造を例に挙げても、決して不可能なほど複雑なものではない。これらは数分で説明可能であり、Lokad が通常使うモデルもまた数分で説明できる。時系列でさえも数秒で説明できるため、我々が取り組む対象は数分を要するものなのだ。

Conor Doherty: さて、形状の違いという観点で簡単に補足すると、予測の忠実度や精度を測る際、多くの人が「精度」を重視する。しかし、我々はそれを採用していない。代わりに用いているもう一つの形状は「財務的インパクト」である。これが代替の形状ということなのだろうか?

Joannes Vermorel: これは我々のテクニックの一部である。財務的視点に固執しているわけではなく、単に私の経験上、大企業で広大なサプライチェーンを管理する際には、何十という相反する目標の調和という問題に直面するからだ。目標が数多く存在する。大企業であれば、無駄を出さず、高い品質のサービスを提供し、倉庫や資産を最大限に活用しなければならず、最大の保管スペースや賞味期限といった制約もある。つまり、あらゆるところに制約と目標が存在する。これらを統一するための言葉が必要となる。それは非常に実用的な問題で、これらの要素は互いに矛盾し合う。例えば、サービスの品質は無駄と衝突する。もし「超高いサービスレベル」を追求すれば、生鮮品の場合、非常に高いサービスレベルを維持するために、期限切れとなって廃棄しなければならない在庫が発生し、結果的に無駄が生じる。緊張関係が生じるのだ。無駄ゼロと非常に高いサービス品質を同時に実現することは不可能だ。高いサービス品質を実現すれば、多少の無駄は避けられず、もし無駄を完全に排除すれば、多くの場合在庫切れに陥る。これは避けられない。問題そのものの設計がそうであり、こうした相反する目標が存在する。そこで、これを拡大して考える。大企業ではこれら全てを統一する必要があり、私の提案、すなわち Lokad が用いる手法は、これらを全てドルで表現すればリンガフランカとなるというものだ。つまり、全てを統一する手段が得られるということだ。これは単なる手法であって、ドルで考えたいわけではなく、私の経験に基づく現実的な解決策に過ぎない。複雑な企業を考える際に、これこそが唯一スケールする方法なのだ。

Conor Doherty: ありがとう。では、このビデオのタイトルは「時系列は重要か?」とすべきなのでしょうか?不確実性の定量化と予測精度は極めて重要だと考えている一方で、現在の手法には同意していない、ということでよろしいですか?

Joannes Vermorel: 改めて言うが、精度と時系列は同義である。サプライチェーンの教科書を見ても、精度と時系列が直結していないものは一冊も見たことがない。ほとんどの教科書では、時系列の数学的定義すら省略して、そのまま精度の定義に飛び、そこから時系列が定義される。つまり、これらは主流のサプライチェーンのパラダイムにおいて、本質的に同一のものなのだ。しかし、Lokad はこれらを分離することを目指している。確かに、精度を重視する方法は存在するが、それは実際のサプライチェーン教科書で提示されているものとはあまりに根本的に異なるため、私は呼称に対して非常に迷ってしまう。精度という言葉自体は良いものであり有効で、道徳的にも我々が行うべきことではある。しかし、我々のアプローチは教科書に見られるものから極めて根本的に逸脱しており、同じ用語を使うと混乱を招いてしまうのだ。

Conor Doherty: ありがとう。前の2問でこの点に触れたと思います。これはコンスタンティンからの質問です。ある人々は、FVA―あなたのお気に入り―を、精度向上の取り組みが価値あるかどうかを判断する手段として推奨しています。あなたは最近、FVAを批判するレビューを発表しましたが、代替案として何を提案しますか?

Joannes Vermorel: では、ここで私の答えを述べます。これは私個人の意見ではなく、実はTOAからのものです。外科医があなたの体から癌を取り除いたとき、その癌の代わりに何を入れるでしょうか?FVAに関しては、主流のパラダイムで達成される精度は偽物の考えだと私は見ています。本質を見極めようとすると、この数学的な道具、一本の線が私のビジネスにおいて高いレベルで意味をなすのかどうかは精査に耐えません。ほんの少し注意を払えば、それが意味をなしていないことが分かります。したがって、FVAは偽のパラダイムという偽のツールの上に過剰な工程設計を行っているに過ぎず、結果として状況を悪化させるのみです。FVAは会社を誤った方向にさらに遠ざけています。つまり、あなたは偽の概念―すなわちタイムシリーズ精度―を持っていたのに、その上で何らかのミニ官僚制を作ろうとしているのです。私の見解では、これは会社に導入される最初でも最後でもない無駄な官僚制の一例に過ぎません。大企業には数多くの無駄な官僚制が存在しているのです。最終的に、ただ無駄な官僚がもう一つ増えたからといって、会社が終わるわけではありません。しかし、それが会社のサプライチェーンをより競争力のあるものにするでしょうか?いいえ、全く逆で、むしろコストを増やすだけで、会社はそのまま前進するのです。

Conor Doherty: 分かりました。その点について少し反論させていただきます。なぜなら、私たちは共にトマソの例えが好きだからです。外科医が癌を取り除いたとき、彼はその代わりに何を置くのでしょうか?この文脈に当てはめるなら、実際には「癌を取り除いたら、そのまま手ぶらにして何も入れない」というようなことになりかねません。その空隙を何が埋めるのでしょうか?

Joannes Vermorel: 大企業において「精度」が実際に何を意味するのか、その現実を説明しましょう。予測を作成するCES局を伴うSNOPプロセスがありますが、その後、人々がその予測を評価します。しかし、実際に使われているでしょうか?いいえ、使われていません。過去10年間にわたり、200社以上の大企業と関わり、監査を行った結果、企業全体がシャドウITのスプレッドシートで運営されていることが明らかになりました。SNOPプロセスから提示される全ての数字は使用されず、営業部門、製造部門、サプライチェーン、物流、輸送能力担当者もそれらの数字を利用していません。まるでポテムキン村のようです。人々はSNOPで壮大な予測を作り、四半期ごとに見直すという合理性の幻想に浸っていますが、実際には各マネージャーが個別の秘密のスプレッドシートを持っており、これがビジネスを動かしているのです。興味深いのは、各マネージャーが自分だけがその秘密のスプレッドシートを持っていると思い込んでいることです。サプライチェーンのVPからは、公式の数字がゴミだと秘密のスプレッドシートを使っていると何度も聞かされました。しかしながら、彼らは部下には公式のSNOPプロセスに従うよう求め、監査の際に部下にインタビューすると、彼らもまた秘密のスプレッドシートを持っていると答えました。数字を信用していないため、各自が独自の方法で作業しているのです。そして皆、自分だけがその秘密のスプレッドシートを保有していると考えています。この状況は何度も繰り返されているのです。SNOPプラン上には偽の数字が存在しているにもかかわらず、最終的な決定は正しく下される―どうしてそれが可能なのでしょうか?その答えは、どこかにビジネスの本質により沿った形で作られたスプレッドシートが必ず存在するからなのです。人々は公式ポリシーではないためにそれを隠しているにすぎませんが、それこそが会社を実際に機能させるものであり、壮大な数字のポテムキン村ではないのです。

Conor Doherty: ありがとうございます。さて、次の質問に移ります。これはショーンからのもので、「予測精度はサプライチェーンの一要素に過ぎません。あるビジネスでは主要な制約ではないかもしれません。改善された予測を活かすには、通常、サプライチェーンの他の変更が必要です。あなたは同意しますか?」

Joannes Vermorel: 改善されたファックス機を活かすことに意味はあるのでしょうか?ご覧の通り、私が伝えようとしているのはそれです。古典的な意味で精度が向上したと言われても、それはただ「より良いファックス機を持っている」というのと同じです。現状と比べて改善されているからといって、全体として改善されているわけではありません。これがサプライチェーンにおける漸進主義の厄介な点です。人々は「私たちが持っているものと比べれば、段階的に良くなっている」としか見ません。もし「より良いファックス機」だけを考えているなら、問題があります。人々が「お、あなたはAI、スカイネットの話をしている」と言うと、例えばメールはファックス機よりも根本的にシンプルだと私は言います。ファックス機は技術的に洗練され、要求も高いにもかかわらず、代替手段と比べると劣った解決策です。これが私の要点です。人々が「改善された」と言うと、私は「そう、より良いファックス機を持っているだけだ。おめでとう。しかし、あなたは要点を見失っている。もっとシンプルで、より良く、調和が取れ、迅速で、あらゆる面で効率的な何かを実行する機会を逃している」と言うのです。

Conor Doherty: ありがとうございます。次に、フィリップからの質問です。「予測の構造について議論する際、適用可能な場合、タイムシリーズ予測はその構造の一部となり得るのでしょうか?」

Joannes Vermorel: そうですね。時系列は非常に基本的な構造です。何かを作るとき、予測要素として偶然に時系列が出現しないようにするのはとても難しいのです。私が言いたいのは、時系列を使うべきでないということではありません。本質はそこにありません。もし持っているものが時系列だけだとしたら、それは非常に単純すぎます。あなたの語彙も視野も拡大する必要があるのです。他の要素も存在し、そうした要素の中では、はい、時系列を取り入れることも可能です。実際、そうなる場合もあるのです。

Conor Doherty: 次にマニュエルからです。「大学では伝統的な予測方法の教授が続けられ、その精度が強調されています。多くの追加要因を考慮する機械学習モデルが最近導入されたことで、本日提示された見解は変わったのでしょうか?」

Joannes Vermorel: 白黒テレビ、すなわち古典的なスクリーンと、物を投影するライト、つまり大きなフラットスクリーンとの違いは、まさに昔ながらの時系列の使い方と似ています。機械学習は単に白黒のLCDスクリーンを提供するに過ぎません。依然として白黒ですが、あるスクリーンには優れた特性があり、より洗練されていて、それぞれの場所で役割を果たすのです。私が大学に対して抱く問題は、より優れた数値モデルのことではありません。大学が正しい予測アルゴリズムを教えないのではなく、正しい予測に対する態度、つまり未来に取り組むために必要なマインドセットを教えようとしない点にあります。問題の本質を見極めていますか? ビジネスに適した、数量化された声明を作り出そうとしていますか?あなたのしていることは意味があるのですか?未来は過去の対称ではないという事実を考慮に入れていますか?やはり態度の問題です。そして、技術的な細部もあります。私にとって、古典的な時系列と機械学習は、実に幅広いスペクトラムを持っています。ウォルマートのコンペで私たちが5位に入ったとき、秘訣はパラメータが5つの非常に単純なパラメトリックモデルを使ったことにありました。では、それは古典的といえるのでしょうか?千の競合チームの中で私たちは5位にランクされ、SKUレベルでは全体で1位になるという結果も出しました。興味深いのは、それがごく単純な5パラメータのモデルであったということです。つまり、ある意味では古き良きモデルですが、そのパラメータの学習方法は、より洗練された差分可能プログラミングによるものでした。では、これは機械学習と言えるのでしょうか?あるいは古典的と言えるのでしょうか?私にとっては、超古典的な自己回帰モデルから超洗練されたディープラーニングモデルまで、連続的な流れが存在します。量子的な飛躍はなく、その全てが存在しているのです。私の問題は、大学が正しい予測アルゴリズムを教えていないことではなく、サプライチェーンの未来に取り組む際に必要な予測に対する態度、マインドセットを正しく教えていないという点にあるのです。これが問題です。S&OPプロセスの目標は、企業全体の調整を生み出すことにあります。つまり、製造部門が営業チームによって販売されるものを生産し、営業部門が実現可能なものを作り出す。これは文字通り企業全体の連携の問題です。しかし実際には、S&OPの実践は終わりのない会議の連続に過ぎないのです。

私の見解では、情報はITシステム、すなわちアプリケーションの風景を通じて流れています。競合するパラダイムが存在し、我々は同じページにすらいません。私は、情報は流れており、連携があるならば、それは情報そのものに依存しないと言いたいのです。情報はアプリケーションの風景を通じて流れます。連携を生み出すために、人々が直接会話する必要はありません。必要なのは数値的な処方と、企業の戦略的意図を明確にすることです――これは決してS&OP会議で行われていることではありません。多くの大企業はまずまずの成果を上げていますが、その時系列予測は、何にも寄与しない官僚制度の一部に過ぎません。これを取り除いても、問題なく機能するでしょう。2020年と2021年のロックダウン期間中、ある国々の一部企業では、ホワイトカラー労働者の一部が14か月間、技術的失業状態に置かれました。それでも企業は80%の能力で稼働していたのです。削減はあったものの、ゼロではありませんでした。そのロックダウンの結果、特に計画部門のホワイトカラー全員が、文字通り自宅待機を命じられ、企業のコンピューターに一切触れてはいけなくなりました。計画部門全体が14か月間消え去ったという大実験を経験し、全てが問題なく進んだのです。つまり、もしある企業が、この部門の全員が不在の状態で14か月間運営できるのであれば、その部門は一体何を意味するのでしょうか?おそらく、それは決して超重要な役割を担っているわけではないということです。さらに、大手メーカーの事例では、ロックダウン期間中に事実上eコマース企業へと変貌したケースもありました。ロックダウン前はeコマース部門が全体の5%に過ぎなかったのに、2021年末には売上の3分の2を占めるようになりました。つまり、企業は5%のeコマースから、実質的にeコマース企業へと大規模な変革を遂げたのです。もし企業が大規模で急速な変革を遂げ、それをうまく実行できるのであれば、その部署は何を意味するでしょうか?その考え方に挑戦したいのです。精度が重要でないと言っているのではありません。特にLokadが主張する特定の意味においては。しかし、通常の実践方法を見ると、ロックダウンが繰り返され、精度指標を担当する部門を14か月、正確には1年以上も休止させるという大実験が何度も行われ、その結果、ビジネスには何の影響もなく、通常通りに運営されていたのを目の当たりにしてきました。中には、その後ビジネスが繁栄した企業もありました。これは私にとって衝撃的な出来事でした。本来起こるべきでなかった実験が、実際に起こってしまったのです。

Conor Doherty: ありがとうございます。そして最後の質問ですが、ニコラスから――あるいは別の質問かもしれませんが――部門が直感で統計データを上書きしようとするケースをよく見かけます。リアルタイムで在庫や顧客体験の向上における予測精度の影響を、どのように定義しますか?

Joannes Vermorel: というのも、これは主流の時系列精度パラダイムの中で決して問われない疑問です。サプライチェーンの教科書でも取り上げられていません。存在しないのです。しかし、これは唯一の懸念事項ではありません。予測の実用性という、私たちが触れなかった全く別の領域があります。予測が実際に企業内でどれほど活用されるか――そうした点が欠落しているのです。だからこそ、これは非常に重要な問題なのです。そして、意思決定からそれらの数式的な予測モデルに至るまで全ての点を繋げることが、非常に大切だと考えています。しかし、それはつまり、未来に関する定量的な声明の予測生成から、その後の意思決定に至るまで、そしてそれが企業に実際の財務的影響を与えるという現実世界の結果につながる、エンドツーエンドの数値的手法が必要だということです。そうして初めて、あなたの予測モデルが信頼に足るものかどうかを評価できるのです。ここで「信頼できる」という言葉を使っているのは、「正確」という言葉を使いたくないからです。そして、この手法の一部として財務的視点を取り入れることで、その評価が容易になるのです。しかしながら、通常の実践方法では途中で止まってしまいます。サプライチェーンの教科書やほとんどのサプライチェーンソフトウェアが抱く大きな幻想、それは問題を予測段階で切り離し、単体で我々がどれだけ良いか悪いかを評価できるというものです。これは全くのナンセンスです。予測の適合性や精度を隔離して評価するというものは存在しません。あくまで数学モデルのベンチマーキングに過ぎないのです。良い点はあるものの、現実とはかけ離れています。まるで射撃訓練の優勝者がいても、実際の軍事演習で、管理された環境とは違い、実際の銃を使って実戦で撃つ方法とは全く異なるのと同じです。これは全く別の問題です。結論として、精度の問題の一部は、そもそも問題の framed(枠組み)が誤っていることにあります。精度が数学的な意味で間違っているというのではありません。例えば、予測付加価値が統計的に間違っているというわけではないのです。私が言いたいのは、それらの概念を取り巻くパラダイムそのものが不十分だということです。もし、ビジネスを真に受け入れる直感と、非常に洗練されているものの全くビジネスと合致しないものとを選ばなければならないなら、ほぼ正しいという方が、毎回完全に間違っているものを上回るのです。これが問題であり、精度はこの「完全に間違っている」マインドセットを象徴しているのです。

Conor Doherty: Joannes、他に質問はありません。いや、実はありますが、それはまた今度にとっておきます。お時間をいただき、誠にありがとうございました。そして、ここまでお付き合いいただいた皆さん、本当にありがとうございました。では、また次回お会いしましょう。