00:00:00 (再)クヌートの紹介
00:01:51 クヌート・アリックのサプライチェーン・レジリエンスに関する取り組み
00:02:59 企業の初回ロックダウンへの対応
00:04:15 ジョアンネスのサプライチェーン変革に対する見解
00:06:35 サプライチェーンにおけるリスクとレジリエンスの定義
00:10:06 レジリエントなサプライチェーンのためのクヌートの主要要素
00:13:09 エンドツーエンドの可視性の重要性
00:14:42 データ解釈の重要性
00:15:55 事例研究：製薬業界
00:17:28 ソフトウェア主導のサプライチェーン災害
00:19:28 機械学習ツールに対するLokadのアプローチ
00:21:21 複雑なソフトウェアが企業を脆弱にしている
00:28:32 サプライチェーンの複雑性
00:30:29 確率的アプローチの利点
00:33:08 インフレリスクの考慮
00:40:33 保険としてのサプライチェーン・レジリエンス
00:44:32 CHAINモデルの説明
00:50:00 B2B小売業者サービスの例
00:52:12 ドルベースの指標の重要性
00:58:41 リスク管理における自動化システムの有効性
01:00:37 航空機メンテナンス事例の例
01:04:11 サプライチェーンにおける重要なスキル
01:05:31 明瞭な文章の重要性
01:08:16 クヌートの行動を促す呼びかけ
概要
パンデミックにより、企業はサプライチェーンの再評価を余儀なくされ、リスク削減とレジリエンスに注力するようになりました。このインタビューでは、McKinseyのクヌート・アリックとLokadのジョアンネス・ヴェルモレルが、体系的な計画、デジタルツールの活用、そしてソフトウェア自動化の必要性について議論しました。アリックは潜在的な混乱を検知するための可視性と事前警告システムの重要性を強調し、ヴェルモレルはデータの微妙なニュアンスを理解するためのデジタル文化の必要性を指摘しました。両者はまた、シナリオ計画と、潜在的な問題を管理するための確率的アプローチの重要性に同意しました。さらに、戦略的思考、効果的なコミュニケーション、そしてサプライチェーン・リーダーシップにおける選択肢の醸成の必要性を強調しており、これらはアリックが最新（共著）書籍『From Source to Sold』で詳細に取り上げた内容です。
詳細な概要
最近のパンデミックは、企業にサプライチェーンの再評価を迫り、リスク削減とレジリエンス向上に注力せざるを得なくなったことを、McKinseyのパートナーであるクヌート・アリックとLokadのCEO兼創業者であるジョアンネス・ヴェルモレルが説明しています。
約30年間サプライチェーンに携わってきたアリックは、企業が計画プロセスにおいてより体系的で機敏になる必要があったと述べました。しかし、彼はサプライチェーンにおける経験やデジタルツールの最適な活用において依然としてギャップが存在すると指摘しました。一方、ヴェルモレルは、日常的な決定やタスクを処理するためのソフトウェア自動化の重要性を強調し、その結果、通常ではありふれた状況とは異なる事態に集中するための時間を確保できると述べました。
アリックは、企業が過去に福島の災害（2011年）や、最近の操業停止・ロックダウンなどの混乱にどのように対処してきたかを語りました。レジリエンスに関する多くのアイデアは既に数年前から存在していたものの、当時はそれらが十分に重要視されていなかったという点も指摘しました。多くの場合、企業は混乱の後、レジリエントなサプライチェーンよりも、スリムで安価なサプライチェーンに回帰してしまいました。
アリックは、サプライチェーン内の潜在的混乱を察知するための可視性と事前警告システムの必要性を強調しました。これには、サプライヤーのサプライヤーに関する問題や、物流、生産、品質の問題が含まれ得ます。また、潜在的な遅延や混乱を軽減するために、特にシナリオ計画の重要性も強調し、出荷の迅速化、製品の代替、あるいは代替手段の空輸などの対応策について述べました。
ヴェルモレルは、エンドツーエンドの可視性の重要性に同意しつつも、企業にはデータの微妙なニュアンスを理解するためのデジタル文化が欠けていると指摘しました。彼は、問題はデータの不足や質ではなく、データを正しく理解する能力の欠如にあると論じました。
ヴェルモレルはまた、アルゴリズムがどのように動作するかではなく、何をしようとしているのかを理解する重要性について言及しました。彼は、ソフトウェアが急速なスケーリングを可能にし、大規模なミスを引き起こす可能性もあると指摘しました。また、比較的単純な計算でさえ、人間の思考能力の限界により不透明になり得るとも述べました。
ヴェルモレルはさらに、たとえデータサイエンティストがプランナーに取って代わったとしても、同じ不透明性の問題は残ると説明しました。一部の機械学習ツールは、使用者に対してさえもその内部が不透明であり、アルゴリズムの理解が結果の理解に直結するわけではないと述べています。
ヴェルモレルは、サプライチェーン管理におけるシナリオの運用性について議論し、複数のシナリオを維持することは手間がかかると説明しました。しかし、すべてのシナリオを同時に考慮する確率的アプローチは、適切な数学的およびソフトウェアツールを用いることで、より管理しやすくなると述べました。
彼は、このアプローチにより、例えば倉庫が毎月1%の確率で水害に見舞われるといった潜在的問題を、正確な原因を特定することなく考慮できると説明しました。
ヴェルモレルは、確率的アプローチをすべての可能な未来が考慮され、数学的手法が稀な現象に対処する様子を示す量子論的視点に例えました。
アリックはこれに同意し、シナリオシミュレーションから得られる洞察に基づき、企業が適切に行動できるよう備える重要性を強調しました。彼は、必要な洞察があっても、実際に解決策を実行する準備が整っていない企業が多いと指摘しました。
ヴェルモレルは、サプライチェーン管理において選択肢を育む重要性について議論しました。確率的アプローチにより、代替の輸送手段などのオプションを常に考慮し、条件が整った際に迅速に活用できると説明しました。
アリックは、シナリオ計画があるクライアントのレジリエンス向上にどのように寄与したかの例として、あるボトルネック資源が一つの工場から別の工場へ移動するのに12週間を要することを明らかにしたケースを紹介しました。
ヴェルモレルは、サプライチェーン管理における戦略的思考の重要性について議論し、日常の火消し作業がそれを妨げる可能性があると述べました。
アリックは、戦略的投資の必要性を取締役会に伝える重要性を強調し、それを保険料の支払いに例えました。彼は、これには取締役会による戦略的な決定と、その意図を効果的に伝える能力が必要であると指摘しました。
アリックはまた、共著者ラドゥ・パラマリウとの共作『From Source to Sold』の背後にあるインスピレーションについて語りました。この書籍には、サプライチェーンのバックグラウンドを持ち取締役会に上り詰めた方々へのインタビューが収録され、そこから構築されたチェーンモデルについて論じられています。
アリックは、「C」は協力的（collaborative）、「H」は全体的（holistic）、「A」は適応可能（adaptable）、「I」は影響力のある（influential）、「N」は物語性（narrative）を意味すると説明しました。彼は、人間関係の構築、全体像の把握、適応力の向上、権限移譲、そして物事を適切な言葉で伝えることの重要性を強調しました。
ヴェルモレルは、顧客による値引き期待など、サプライチェーンにおける二次的な影響への懸念について議論し、判断を伴う要素を含み、長期的視点を強制するKPIの必要性を主張しました。
ヴェルモレルは、測定が困難な捉えにくい要素を考慮する際の想像力の欠如を批判し、技術的かつ合理的な事柄を簡潔に伝えるナラティブの構築が重要であると強調しました。
ヴェルモレルは、目の前の問題に直接関係のない簡単な指標に頼るのではなく、企業が追求する事業内容に深く共鳴する洞察を持つ必要性を主張しました。
アリックはこれに同意し、数字がナラティブを支え、問題発生時の根本原因の特定に役立つと付け加えました。彼は、効果的なリーダーシップには、そのナラティブで示されたビジョンを実現するための必要なスキルを持った人材が不可欠であると強調しました。
アリックは、サプライチェーンに関わるすべての人がエンドツーエンドのプロセスを理解し、同僚（サプライチェーン部門やその他の部門）の育成に努めるべきだと提案しました。また、彼自身とヴェルモレルは、コミュニティの能力向上とサプライチェーンを興味深く重要なテーマとして普及させるために大学で教鞭を執っていると述べました。
ヴェルモレルは、明確な文章作成が協働、ナラティブの創出、及び報告書の整理において極めて重要なスキルであると付け加え、多くの部門における文章の質の低さを批判するとともに、学生たちに生涯を通じて文章力の向上に努めるよう促しました。
結論として、このインタビューは、サプライチェーンにおけるリスクとレジリエンスの理解・管理の重要性、データとアルゴリズムの役割、さらには戦略的思考と効果的なコミュニケーションの必要性を浮き彫りにしました。また、選択肢の醸成、エンドツーエンドプロセスの理解、そして文章力の向上の重要性も強調されました。
完全な書き起こし
Conor Doherty: 最近のパンデミックを受けて、多くの企業がリスク削減とレジリエンス向上を重視し、サプライチェーンを再評価しています。本日のゲストであるクヌート・アリックは、サプライチェーン・リーダーシップやそれに関する様々な問題について、新刊『From Source to Sold』で広範に執筆されています。クヌート、Lokadへようこそ。
Knut Alicke: お招きいただき、本当にありがとうございます。
Conor Doherty: さて、Lokadへようこそと言いましたが、実際にはより正確には、Lokadへお帰りいただくという表現が適しているかもしれません。実は、ほぼ3年前の同じ日にご出演いただいたかと思います。
Knut Alicke: その通りです。今回が皆さんとの2回目のエピソードとなります。ですから、3年前のことでしたね。サプライチェーンの未来、働くスキル、その他あらゆることについてお話ししました。私たち全員にとって、サプライチェーンにおける数々の混乱とさまざまな出来事があった、非常に興味深い3年間でした。
Conor Doherty: まさにその通りです。後ほどその話題に戻りますが、そのエピソードを見逃した方のために、改めて自己紹介をお願いできるでしょうか？
Knut Alicke: もちろんです。私はクヌート・アリックと申します。McKinseyに勤務しており、ドイツのシュトゥットガルトオフィスを拠点としています。サプライチェーンは私の情熱そのものであり、これまでほぼ30年間この分野に携わってきました。来年で30年目を迎えます。ここで私が扱っているのは、予測、S&OP、供給計画、生産計画、在庫管理に加えて、物流の物理的流れ、倉庫の最適化、輸送ネットワークの最適化、そして適切なガバナンス組織構造の構築など、計画に関するすべてのトピックです。
この3年間、私はサプライチェーンのリスクとレジリエンスに関する取り組みを進め、クライアントがより優れた、そしてよりレジリエントなサプライチェーンを実現できるよう支援してきました。そして、McKinseyでの勤務の傍ら、引き続き教育にも携わっています。いわば新たな世代のサプライチェーン・プロフェッショナルを育成しているのです。なぜなら、私たちは常々、サプライチェーンのプロフェッショナルが十分でなく、エンドツーエンドを本当に理解し、トレードオフを理解し、この分野に情熱を持つ人材が不足していると聞いているからです。
Conor Doherty: では、先ほどの話に戻りましょう。3年前、サプライチェーンの未来と必要なスキルについてお話ししました。それはパンデミックの最中の話です。その後の数年間、今や実質的にポストパンデミックの状況ですが、状況は変わったと思われますか？リスクとレジリエンスがより重要な課題となっていますが、必要なスキルセットは同じでしょうか、それとも変わったのでしょうか？
Knut Alicke: 色々なことが起こりました。3年前を振り返ると、多くの企業が最初のロックダウン後に、防火戦略会議室や統制室、あるいは何と呼ばれていたかに関わらず問題解決のための部門を設置し始めました。しかし、それは必ずしも体系的に、エンドツーエンドを十分に考慮したものではありませんでした。そして、彼らは「もっとしなければならない」と気づいたのです。つまり、十分な準備と適切な可視性、活用可能なレバーの確立、そして計画プロセスが十分に機敏かつ迅速であることが必要だと判断したのです。
そのため、多くの企業は、月次計画を2週間ごとに、またS&OPにおける運用計画を週ごとから2日ごとに短縮しました。しかし、これらすべては、サプライチェーンを理解し、デジタル技術を把握し、すべてを統合できる人材、つまり才能を必要とします。そして、実際、依然として大きなギャップが存在しています。ギャップは多少縮まったものの、自社スタッフの教育や外部からの採用が進んだにもかかわらず、サプライチェーンの実務経験や、デジタルツールを最適に用いて計画とパフォーマンス向上を実現する能力には依然として不足が見受けられるのです。
Conor Doherty: では、ありがとうございます。ジョアンネス、あなたもそのパネルに参加されていましたが、その間に視点は変わりましたか？
Joannes Vermorel: 進化した、と言えば進化したのですが、どの程度変化と呼べるかは分かりません。ただ、私の視点では、直面する混乱が大きければ大きいほど、より多くの自動化が必要になるということです。なぜなら、日常業務、つまり火消しやその他の平凡な作業に全員が既に追われている状態であれば、非日常的な事態が発生した際、追加の対応余力が全く残らなくなってしまうからです。
Joannes Vermorel: そして、ここで言うのはサプライチェーンの能力や有形資産のことではなく、問題に対処するための精神的な余裕のことです。組織内の全員が通常業務を維持するために全力を尽くしているなら、非日常的な日にすべてが爆発的に遅延するかのような状況に陥ります。私には、この余裕を生み出す魔法の弾丸（シルバーブレット）はないのですが、その次に有力な代替策の一つが、広範なソフトウェア自動化なのです。
つまり、すべての日常的な意思決定や凡庸な業務がロボット化され、自動化されることで、人々がかなり異常な事柄に集中できるようになるということです。そして、その「異常」とは、需要がわずかに高くなったり低くなったりする通常の変動ではなく、サプライヤーが姿を消したり、一度価格が急騰したら元に戻らなかったり、関税がかかったりして、企業が活動する市場の構造自体を大きく変えてしまうような構造的変化を意味します。
Conor Doherty: リスクとレジリエンスについて議論する際、実際に用語を定義した方がよいのではないかと思います。だから、ノートさん、パンデミック以降の話に戻ると、多くの人がリスクとレジリエンスの重要性について語っていますが、実はリスクとレジリエンスはパンデミック以前から存在していたのです。そこで、専門家として、パンデミックの影響でこれらの概念は実際にどのように変化したのでしょうか？具体的に、パンデミックによってどう変わったのでしょう？
Knut Alicke: 良い質問ですね。そもそも変化したのかどうか、という点です。思い返せば、2011年の福島のときもそうでした。それは約12年前の出来事で、企業は最近の閉鎖、混乱、ロックダウンに対しても同様の反応を示しました。つまり、これらの考え方は何十年も前から存在していたのですが、当時はそれほど重要視されていなかったのです。企業は「混乱は終わった、通常状態に戻ろう。サプライチェーンはできるだけリーンに、できるだけ安くするだけで十分」と考えていましたが、レジリエンスを追求することは重視されていなかったのです。
つまり、レジリエンスを実現するために必要なのは、まず可視性を確保することです。例えば、ティア3やティア4の段階で何か問題が起こりつつある、といった前兆システムのようなものが必要です。直接のサプライヤーではなく、そのサプライヤーのサプライヤー、さらにはその先に問題が起きているかもしれません。物流のトラブルかもしれませんし、生産の問題、あるいは品質の問題かもしれません。
そうすれば、その情報によって私たちの生産ラインにまで影響が及び、混乱を引き起こす可能性があることが分かります。もしそれを十分に早く察知できれば、対策を講じる、もしくは少なくとも対応を開始することが可能になるのです。そして対応するためには、計画体制を整えておく必要があります。たとえば、あるコンテナが約2週間遅れるという情報が入ったとします。しかし、その情報自体は役に立ちません。その2週間の遅延が、コンポーネントのストックアウトを引き起こし、その結果、組み立てたいものが組み立てられなかったり、製品を必死に待っている小売店へ納品できなかったりするという影響があるのです。これを管理するためには、シナリオプランニングが非常に重要となります。
つまり、我々はどのような対策を講じるべきかを分析する必要があります。出荷を早める必要があるのか、製品を代替すべきか、あるいは遅延を補うために何かを空輸する必要があるのか、などを検討するのです。ここに、多くの企業が依然として問題を抱えているのが、ある一つの計画は立てるものの、万一の混乱や遅延に備えた複数のシナリオを作成できていないという点です。これは非常に重要な問題です。さらに、そのためにはマスターデータの整備や、必要な能力、そして例えば今回のシナリオで「空輸が最適な解決策」であると判断し、それを受け入れる組織体制が揃っていることが必要です。こうしたすべての要素が揃って、初めてレジリエントなサプライチェーン、すなわち依然として納品が可能な体制が成立するのです。
Conor Doherty: さて、実際、先ほどあなたは3つの要素を挙げました。McKinseyで技術と地域化に関する最近の調査でも、最もレジリエントなサプライチェーンはエンドツーエンドの可視性、高品質なマスターデータ、そして効果的な需要シナリオプランニングを備えていると述べられていました。では、ジョアンネス、これをあなたに戻すと、なぜこれらの要素がレジリエントなサプライチェーンにとって絶対に不可欠だと考えるのか、あるいは他に付け加えるべき点はありますか？
Joannes Vermorel: ええ、私の立場からすれば、データに関する課題は非常に特殊です。というのも、実際にはデータ品質は通常非常に優れているのです。不思議な話ですが、多くのベンダーは悪いデータに文句を言いますが、現実として、西洋企業（アジア企業ではなく）は30年以上にわたりデジタル化が進んでおり、例えばある製品がある日に売れたという記録は、精度の面で99.9%の正確さを誇ります。確かに、所々に事務的なエラーはありますが、基本的には非常に正確なのです。問題は、データ自体が不正確であるのではなく、その意味が非常に曖昧である点にあります。
例を挙げると、私たちのクライアントのほとんど、特に大企業の場合、在庫のカウントが非常に曖昧です。問題は、データが存在しないのではなく、1つのERPではなく20個ものERPがあり、それぞれが在庫を20通りの方法でカウントしているという点にあります。そして、在庫は単なる有無だけでなく、通関で保留されている場合や、品質検査中の場合、保管中の場合、または特定のクライアントに予約されている場合など、様々な状態があるのです。これだけでも複雑さは十分です。
さらに需要について考えると、状況はあっという間に非常に曖昧になってしまいます。例えば、B2Bのディストリビューターの場合、取引先は企業であるため、注文日が複数存在します。一度の注文日ではなく、クライアントが将来的に必要だと伝える日付、実際に注文を出す日、そして注文の一部と残りの納品日がそれぞれ存在するなど、複数の日付が絡み合います。
ですから、エンドツーエンドの可視性が重要であることは完全に同意します。しかし、多くの企業に共通して欠けているのは、デジタルカルチャー、つまりデータに含まれる微妙なニュアンスを理解する文化が不足している点だと思います。問題は、データが悪いとか、存在しないというわけではなく、何千ものテーブルと、単純化されたKPIやレシピに依存してしまい、必要な情報が得られないということです。
たとえば、複数のサプライチェーンを運営する企業では、ネットワーク中間部のサービスレベルについて考えられがちですが、その中間部のサービスレベルでは、顧客側から見たサービスの質は何も示されません。それは単に人工的な指標に過ぎないのです。つまり、問題は同じでも、見る視点にひとひねりが必要であり、そこに最大のスキルギャップが存在すると考えています。
マスターデータに関して言えば、「データをマスターする」とは具体的に何を意味するのでしょうか。言葉遊びのようにも聞こえますが、私が指摘したいのは、データ自体の欠如や品質の低さではなく、むしろそのデータをどれだけ巧みに扱えるかという点なのです。
Conor Doherty: では、ノートさん、あなたに戻すと、問題はデータ自体の質ではなく、データの豊富さやソースの解釈方法にあるという点に同意されますか？
Knut Alicke: 正直なところ、どちらの側面も見受けましたが、データを活用し、そこから洞察を引き出すことは非常に大切だと思います。ここで、私が多くのクライアントで見かけるもう一つの要素を付け加えさせてください。
プランナーはシステムを使用します。つまり、データを活用し、その上でアルゴリズムが計算、予測、製造計画、供給計画などを行います。しかし、よく見られるのは、そのアルゴリズムの知能が、プランナーが実際に活用できる以上に備わっているということです。そしてその理由は、多くのプランナーにとって、アルゴリズムはブラックボックスのように見えるからです。彼らはそのブラックボックスを開け、中を確認して理解し、活用したいと考えているのです。
ある大手製薬会社では、大型の計画システムを導入した後の分析で、実際にシステムを利用していたのはわずか8人であり、他の何百人ものプランナーはログインしてはすぐにログアウトし、再度ログインしてまたすぐにログアウトするという状況がありました。これはどういうことでしょうか？彼らはすべてのデータをExcelシートにダウンロードし、従来の方法で変更や計画を行い、その結果を再びアップロードしていたのです。
つまり、非常に重要なのは「説明可能性」です。すべてのアルゴリズムに対して信頼を築かなければなりません。アルゴリズムの動作を説明するか、あるいは別の方法でそのアルゴリズムが正しく機能していることを示さなければならないのです。こうして初めて、プランナーはその魅力的な機能を活用するようになるのです。
Conor Doherty: 実はその点について、Lokadで読んだ論文に関連するフォローアップがあります。誰が書いたかは言いませんが、MROに関する論文で、アルゴリズムの仕組みを理解することよりも、実務者がアルゴリズムが何を試みているのかを理解することのほうが重要だと述べられていました。ノートさんの話と私の話を踏まえて、ジョアンネス、あなたはこの点についてどう考えますか？
Joannes Vermorel: ですから、私はノートさんの意見に全く同意します。洗練された手法は新たなリスクをもたらします。そして、歴史上最も大きなサプライチェーンの災害を見ても、それらはソフトウェアが原因で発生したものが多いのです。2004年のNikeの災害、Target Canada、そしてLidlが5億ユーロを無駄にした事件などがその例です。ソフトウェアは極めて高速かつ大規模に物事を行える一方で、非常に不適切なことをも一瞬で実行してしまうのです。そして、複雑なものほど、特別な高度なものほど、不透明になってしまいます。
コンピュータの素晴らしい点は、人間の脳が10回程度の乗算しか追えないというところにあります。たとえ非常に頭がよくても、10回以上の乗算や加算を伴う計算は直感的には追えないのです。だからこそ、複雑な計算は必然的に不透明になってしまいます。比較的単純な計算でも、人間が追える範囲をはるかに超えてしまうのです。
つまり、これは大きな問題なのです。ちなみに、プランナーをデータサイエンティストに置き換えたとしても、同じ問題が発生します。なぜなら、機械学習ツールの中には、そのツールを扱う者にとっても非常に不透明なものがあるからです。たとえアルゴリズムを深く理解していたとしても、出力される結果が本当に意図したものかどうかを理解できるとは限らないのです。これはまた別の問題を引き起こします。
Lokadがこの問題に取り組んだ方法は、特にdifferentiable programmingと呼ばれる、意味付けされた変数を使って操作できる特定の機械学習ツールに対して、非常に明確な見解を示すことにあります。つまり、あらゆる機械学習手法を採用するのではなく、各変数に名前とセマンティクスが付与されているモデル、すなわち各変数が何を意味するのか明確なモデルを扱うということです。これにより、モデルの各部分がどのように機能しているのかを逐一検証することが可能となります。
例えば、曜日、年間の週、月ごとの週などの周期性がある場合、それぞれの周期には名前が付いたパラメータが存在し、個々に検証が可能です。実際に「ラマダン効果」や「旧正月効果」といった名前の変数が存在するでしょう。これでは機械学習に反するように聞こえるかもしれませんが、すべてのパターンに名前が付けられることで、モデルの各構成要素を個別に確認し、その動作が正しいかどうかを容易に検査できるのです。
したがって、出力結果が奇妙に見えたとしても、モデルを構成する各部分を検証することが可能であり、そのために数学の博士号が必要になるわけではありません。これは解決策の一部に過ぎませんが、残りは他の方法論を要するものです。しかし確かに、企業のレジリエンスを高めるために技術的に洗練された手法を導入するという点では、歴史的に見てもソフトウェアベンダー側に不利な面があるのです。高度なソフトウェア技術は、全体として企業をより脆弱にする傾向があるのです。
Conor Doherty: さて、ノートさん、リスクとレジリエンスの話に戻りますが、今年11月の調査で、可視性、マスターデータ、需要プランニングという3つの要素の中で、シナリオ需要プランニングの採用率が最も低いと指摘されました。調査対象者の約3分の1しか、効果的な需要シナリオプランニングを実施していないと答えていませんでした。なぜ、最初の2つと比べてこの部分が落ち込んでしまったのでしょうか？そして、それが企業のレジリエンスにどのような影響を与えるのでしょうか？
Knut Alicke: 計画は容易ではありません。聞こえは簡単ですが、「キャパシティが低い、高い需要、またはサプライヤーが納品できないというシナリオに対してエンドツーエンドの全体計画を評価しなさい」と言うだけでは済まないのです。多くの企業では、いまだに週に1度しか計画を立てず、たとえば14時間もかかり、膨大なITリソースを占有している状況なのです。
今日においても、そのような状況はよく見受けられます。そこで、これらの企業に対して「異なる解決策を評価するために、5つのシナリオを算出してください」と伝えても、「それだと計算に1週間かかる」と反論されるのです。つまり、計算リソースそのものが不足しているのです。そして、多くの場合、どのようにシナリオを組み立てるべきかが明確でないのです。何を算出すべきか、また、それをどう評価すべきかが不明瞭な状況なのです。
すべての計画ソリューション提供者はシナリオを計算する機能を持っています。しかし、その後、私たちの現在の体制、顧客、サプライチェーンにとって何が最適かを評価する必要があります。つまり、「サービス最適化」「コスト最適化」「在庫最適化」のどれに重点を置くべきかを明確にする必要があるのです。しかし、その基準がはっきりしていない場合が多いのです。
残念ながら、依然として多くのS&OPプロセスやIBPプロセス、またはエンドツーエンド計画プロセスが１つのソリューションだけに頼って進められているのが見受けられます。そして、その議論は非常に興味深いものになります。なぜなら、たった１つのソリューションしか受け入れられず、「ねえ、ここで別の方法を試してみたらどうだ？」なんて議論の余地がまったくないからです。したがって、シナリオの計算、トレードオフの理解と評価、そして最終的に我々の顧客や会社、あるいは価値にとって何が最良であるかを共に決定するために、追いつかなければならない点や改善すべき点がたくさんあります。
Conor Doherty: さて、Joannes、少しあなたにお話を伺いたい。すぐにあなたの意見を聞きに行くよ、だってこの件について何か言いたいことがあるだろうからね。でも、その話題を引き続き、Knut、特定のシナリオの実現可能性を評価する際、それは各企業固有のものだと思うか、それとも全ての企業がシナリオの実現可能性を評価するために使える包括的な指標や哲学があると思う？
Knut Alicke: 私たちは常に、供給チェーンで最も重要な3つの要素、すなわちコスト、サービス、そして資本について話をする。そしておそらく、まずサービスから考え始めるだろう。そしてそこにはトレードオフが存在する。サービスが向上すれば、「在庫やコストを増やせばそれは実現できる」と言えるし、コストを下げれば、「その分、サービスが低下するかもしれない」となる。だから、これらのトレードオフを理解することが非常に重要なのだ。
多くのクライアントと話をしていると、非常にシンプルな演習を行うことがよくあります。個々に「あなたにとって最も重要なものは何ですか？例えば、10ユーロ、あるいは1000ユーロ、さらには100,000ユーロを投資して改善するなら、どこに投資しますか？コスト削減でしょうか、それともコストの最適化でしょうか？サービスレベルの向上でしょうか、それとも在庫削減でしょうか？」と尋ねるのです。そして、答えは全くバラバラで、誰もが異なる点に注目しているのが分かります。
つまり、供給チェーン戦略が一貫していないということです。戦略が整っていなければ、どのシナリオが最善かをどう評価するのか？なぜなら、企業の一部はサービス向上を追求し、一方で製造部門は地元のインセンティブによりコスト削減を目指すことが多いからです。ボーナス体系を見ればわかるように、これらのトレードオフに関する議論と矛盾が生じることがよくあり、それは解決すべき課題なのです。そうして初めて、「これこそが我が社にとって本当に最良の解決策だ」と決定できるのです。
Conor Doherty: ありがとう。そしてJoannes、シナリオの実現可能性をどのように評価すべきか、あなたの意見は？
Joannes Vermorel: まずは他のいくつかの点を見直したい。まず、計算要件について議論しよう。よく「計算に何時間もかかる」と言われるけれど、普通のスマートフォンであっても、箱から出してすぐに毎秒100億から200億回の演算が可能だ。そしてそれがスマートフォンだ。実際のワークステーションなら、簡単かつ安価に毎秒1000億回の演算が可能だし、さらに、もし5000ドルをかけてグラフィックカードやGPUを搭載すれば、毎秒1兆回の演算も可能になる。これらはどれも手頃なものだ。
では、問題は、この膨大な計算能力を一体何に使っているのかということだ。Lokadではよくこんな議論を耳にする。「ああ、5つのシナリオの計算には40時間もかかる」と。しかし、Lokadでは「いや、私たちは毎秒約1000のシナリオを走らせている」と答える。つまり、まず第一に、いくつかの問題があるのだ。
まず、現代のエンタープライズソフトウェアは、効率の悪い層が次々と積み重なっているという問題を抱えています。多くの人は気づいていないかもしれませんが、ほとんどのエンタープライズソフトウェアは、40年、時には50年分の非効率な層の上に構築され、その層が取り払われることはありません。その結果、いわゆるラザニアのようなソフトウェア設計―あるソフトウェアが別のソフトウェアと、さらにそのまた別のソフトウェアと連携する―によって、処理能力が100万分の1、場合によってはそれ以上にまで低下してしまうのです。
例えば、トランザクションシステムであるSQLデータベースを使ってこの種の処理を行おうとすると、信じられないほど非効率になる。非効率というのは、本来の速度の1000倍遅い、あるいは最悪の場合100万倍遅いという意味です。つまり、数値シミュレーションの対象としての供給チェーンは、決して超複雑なものではありません。非常に複雑な供給チェーンでさえ、1億から2億SKU程度に過ぎません。現代のビデオゲームは、毎秒60フレームで約10億個の三角形をリアルタイムにシミュレートしています。これがその規模感を示しています。
つまり、現代の計算能力から見れば、巨大な供給チェーン――ウォルマート規模であっても――実はそれほど大きなものではなく、今日の一般的なビデオゲームよりも小さいのです。ですから、もし計算に数分以上かかる場合、本当に複雑な計算であってその処理能力が必要なのか、それとも単に非常に非効率な方法で始めてしまっているのか、一度立ち止まって考えるべきです。私の主張は、ほとんどの場合、私たちが扱っているのは非常に非効率な処理であるということです。
そして、正しい方法でアプローチすれば、それは問題にはならない。次に、シナリオの運用面についてだ。Lokadで私が10年以上前に発見したのは、シナリオの問題は維持管理に非常に手間がかかるということです。もし管理すべきシナリオが十数もあれば、その管理は非常に大変です。しかし、トリック、いや文字通りのトリックは、全てのシナリオ、つまり潜在的には数百万のシナリオを一度に見る確率論的アプローチを採用することにより、適切な数学的ツールやソフトウェアツールがあれば、管理がずっと容易になるという点にあります。
そして、これは一見すると「すべての可能な未来を一度に見ると、もっと複雑になるに違いない」と思われがちですが、実際は正しいアプローチを取ればそうではありません。理由は、一度に考慮したい全ての要素がずっと管理しやすくなるからです。例えば、倉庫について、毎月1％の確率で洪水や何かの事故が発生し、運用に大きな影響を与える可能性があるとしましょう。具体的に何が起こるのかを正確に知る必要はなく、ただ「何らかの理由で、毎月1％の確率で倉庫の容量の半分が失われる」と見なすだけで十分なのです。
さらに、「6ヶ月間倉庫が機能しなくなる確率は0.1％」と仮定することもできます。まあ、これはあくまで推測ですが問題ありません。そして、興味深いのは、これらを他の要素と切り離して考える必要がないということです。確率論的アプローチの美点は、「まずこのリスクを倉庫に加え、さらに毎月1％の確率で中国の港が封鎖されるリスクも加える」といった形で、リスクを一括して管理できる点にあります。これはあくまで一つの見積もりですが、これによって各リスクを並行して考察できるようになるのです。
つまり、どのリスクを考慮し、どのリスクを除外するかを厳密にシナリオ内で決定する必要はなく、倉庫のリスク、中国の港のリスク、サプライヤーの価格急騰のリスクなど、各リスクを追加できるのです。そしてその美点は、すべてが自然に融合していく点にあります。メンテナンスの観点から、一度リスクを取り入れると、後にやるべきことは何もありません。なぜなら、あなたの確率論的予測はそれを埋め込み、システムから出る意思決定は最初からリスク調整済みになっているからです。
Joannes Vermorel: 私は、古典的なシナリオプランニングに対する純粋主義的な視点として、まず、異なるリスクの分析方法自体を完全に分解できる点があると思います。つまり、複数の担当者がそれぞれ異なるリスクを分析し、同じシステムを同時に操作できるのです。そして、一度リスクの水準について合意に達すれば、システムを起動した瞬間に即座にリスク調整済みの意思決定が得られます。それだけで、何も追加する必要はなく、これがこのアプローチの美点なのです。
つまり、実用的な観点から、今後12ヶ月間でインフレ率が20％を超えるリスクが1％だと考えるなら、そのリスクを織り込むべきです。そして、皆が同意すれば、それに基づいたリスク調整済みの意思決定が即座に得られるのです。
興味深いのは、そのように表現すると確かに数十のハイレベルなリスクに行き着くかもしれませんが、それらの表現や維持管理はそれほど複雑ではないという点です。例えば、ドイツについて今後12ヶ月間でインフレ率が20％を超える確率が1％というハイレベルなリスクを設定する方が、このリスクに特化したシナリオを作り維持するよりもはるかに簡単なのです。
確率論的アプローチは、量子論的視点に近いもので、すべての可能な未来を一度に俯瞰し、数学的手法に希少な現象への対処を任せるというものです。しかし、全体としては、それらは不可避です。もし毎月1％のリスクが積み重なると、今後5年間でいくつかの問題に必ず直面することになるのです。あとは、それがいつ起こるかという問題だけですが、それで十分なのです。
Conor Doherty: Knut、それはあなたのエンジニアリング的な理解と一致しているかい？
Knut Alicke: 確かにそうだ。これだけの計算能力を活用して、何らかの反応の分布を導き出し、議論に役立てることができれば素晴らしいと思う。
例えば、シナリオシミュレーションを実施して、ある確率でこういった事象が起こると把握できたとする。そうなった場合、企業は対応策を講じる準備が必須になる。すなわち、何か混乱が起こる可能性があると分かった時、次に何をすべきかを理解し、「万が一、早期警戒システムに反応があった場合に備えて、ここでこの5つの対策を用意しておかねばならない」と実行に移せるようにしておくべきである。
多くの場合、企業は本当に準備ができていません。たとえ洞察があったとしても、その解決策を実行に移す準備が整っていないのです。
Joannes Vermorel: 全く同感です。ところで、だからこそ私の講義シリーズで、供給チェーンを「オプショナリティの極致」として紹介したのです。すなわち、選択肢を育成する必要があるのです。
シナリオは、例えば代替輸送手段のように、その選択肢をより切迫したものにする一つの方法です。しかし、実際に問題が発生するまで、それは非常に理論的に感じられるのです。
私が10年前にシナリオに対して抱いていた問題は、ほとんどの場合、特定のシナリオが実際には発生しないという事実に起因していました。この1％の確率の事象はほとんど発生せず、そのためシステム全体がそのシナリオの即時実行に向けて整備されていなかったのです。
しかし、例えば発注するたびに、はるかに高い料金で貨物輸送されるオプションが常に選択可能である仕組みを整備すれば、そのオプションは常に存在することになります。ただし、通常はそれが利益を生むわけではありません。
つまり、条件が整わずに活用されずに潜在している最適化済みのオプションを持っている場合と、そのオプションを発動すべき日に何も準備ができていないシナリオとの違いです。後者では、人々はその状況に慣れておらず、ITシステムも即座に適切な判断を下さないため、多くの異例な対応を強いられるのです。
Knut Alicke: 最近の事例で、あるクライアントのレジリエンス向上を支援した例を挙げよう。シナリオや早期警戒システムなどを検討した結果、もしある工場で何かが起こった場合、別の工場で生産が可能であることが分かった。しかし、ただ一つのボトルネックは検査機器であり、それを一工場から別の工場へ移動するのに12週間を要するという問題があった。
つまり、シナリオにおいては、12週間前に「何かが起こる可能性があるので移動すべきかどうか」を決断する必要があるのです。これは彼らにとって全く新しい考え方でした。いつも直前の3週間前になって「ああ、もう遅すぎる」となってしまっていたのです。要するに、実行にかかるリードタイム、すなわち解決策を実装するための期間を理解していなければ、良い議論は成立しないのです。
Joannes Vermorel: 全くその通りだと思います。しかし、例えば検査機器のケースは非常に興味深い。なぜなら、人々はしばしば平凡な緊急事態に振り回されるからです。遅延するサプライヤー、価格の急騰、顧客との契約再交渉、その他さまざまな問題に頭を悩ませていると、それらが完全な気晴らしになってしまうのです。
つまり、「検査機器に倍額投資して冗長性を確保すべきだ。これでは非常に効率は悪いが、長期的には、例えば今後5年間で、サービス品質を救う局面が訪れるだろう」という視点が必要になるということです。そして、それはそれほど高価なものではないかもしれません。
このような問題は、人々が時間をかけて冷静に熟考する必要があるものです。次から次へと火消し作業に追われていると、このような非常に戦略的な思考は到底実現しないのです。
Knut Alicke: ここで付け加えたい。私が非常に重要だと感じたのは、先ほど話した「検査機器が必要、つまり第二の検査機器も必要だ」という話を、どう伝えるかという点です。それは投資を伴うので、四半期末のような短期的なKPIでは評価が下がってしまうのです。
それは取締役会の決定事項です。そして、よく説明するのは自動車保険の例えです。あなたは自動車保険に加入し、保険料を支払います。もしこれを日常業務に置き換えるなら、「どうして自動車保険にお金を払う必要があるのか？何かが起こる確率は非常に低いので、省略できるのでは？要らないのでは？」と思ってしまうかもしれません。
いいえ、事故のような稀な場合に備えて保険に入っておくべきなのです。なぜなら、万が一事態が本当に悪化したときにこそ、保険が役立つからです。そして、これが供給チェーンのレジリエンスについて私たちが考える方法です。何かあった場合に備えて構築するものであり、多少の投資や準備が必要かもしれませんが、その結果、万が一の際に備えることができるのです。
The challenge is that most companies think about the next quarter or the next year, but the next disruption might come in one year plus one month. So that is a strategic decision that needs to happen and that needs to be decided by the board. And that’s why this story, to tell this story to the board, is super, super important.
Conor Doherty: 物語を語るということは、ほとんどリーダーシップのように聞こえ、またリーダーシップの方法論や、あるいは本に掲載される何かに関係しているようにも思えますね？
Knut Alicke: その通りです。そして、そこで本の一冊を見るのはとても素晴らしいことです。あの「Source to Sold」は驚くべきものです。実際、共著者のRadu Palamarioと私が行ったのは、なぜ取締役会にサプライチェーン出身者がもっと登場しないのかについて語ることでした。すなわち、CEOやCOOとして、なぜそうなのかという問いです。
私たちは冗談半分に、サプライチェーンの人々は異なる言語を話すからだと語りました。彼らは数字にとても依存し、非常に細かいところまでこだわるため、大局を捉えられないのです。一方で、サプライチェーンの人々は全体を通して物事を理解しているはずなので、ビジネスも理解しているはずだと私たちは言いました。
Knut Alicke: サプライチェーンの人々が確かに異なる言語を話すというのは冗談ではありますが、実際その通りです。彼らは数字にとても依存し、細部にこだわるあまり、大局を見落とすことが多いのです。
一方、サプライチェーンの人々は最初から最後まで全体を理解しているので、ビジネスを理解すべきです。これを裏付ける例があるかどうか調べたところ、Fortune 200企業を精査した結果、CEOがサプライチェーン出身である企業はわずか11%にとどまることが分かりました。Tim Cookはよく知られた例ですが、ほかにも明らかに存在します。
そこで、サプライチェーン出身で取締役会に上り詰めた数名の人々にインタビューを行うことにしました。結果として26件のインタビューが行われ、その内容は本にまとめられました。そして、私たちが学んだことを凝縮したのが「チェーンモデル」です。
インタビューは非常に興味深いものでした。キャリアが全く異なるこれらの人々から多くを学びました。世界各地から男女さまざまな人々に協力してもらいましたが、女性を見つけるのは簡単ではなかったため、依然として白人男性が支配的な分野であり、変革が必要であることは明らかです。
起業家、小規模企業、大企業と、あらゆるタイプの企業が参加しました。本は非常に良いフィードバックを受けています。
Conor Doherty: ここでリスクとレジリエンスに関する議論の文脈でお聞きしたいのですが、現在の議論に関連する洞察が含まれていると感じたインタビューはありますか？男女どちらでも構いません。
Knut Alicke: 文字通り全員です。なぜなら、インタビューを行ったのはロックダウンの時期だったからです。誰もが俊敏性、準備、レジリエンスの重要性について語っており、それがチェーンモデルにもしっかりと反映されています。ここでの「A」は「adaptable（適応力がある）」の頭文字です。リスクを理解し、そのリスクを取締役会に伝える能力が非常に重要なのです。
Conor Doherty: では、チェーンモデルを一文字ずつ説明していただけますか？
Knut Alicke: 「C」はcollaborative（協力的）を意味します。協力的でなければならないのです。いくつかのインタビューでその声を聞きました。ある参加者は、新しいS&OPプロセスを実施する際に、サプライヤーを統合するというアイデアを思いついたと言っていました。非常に重要なサプライヤーが3社ありましたが、当初は会社全体が生産計画をサプライヤーに公開することに反対していました。しかし彼はこれを押し通し、皆が非常に満足しました。顧客やサプライヤーとの関係を内部外部ともに構築することは非常に重要です。
「H」はholistic（全体論的）を意味します。全体のシステム、大局、最初から最後まで何が起こっているのかを理解する必要があります。これはサプライチェーンの人間の本質的な特性であり、他の多くの部門では自分の仕事にのみ焦点を当てがちです。
「A」はadaptable（適応力がある）のことで、すでに述べた通りです。そして「chain」の「I」はinfluential（影響力がある）を意味します。つまり、周囲の人々が最良の状態で貢献できるように力を引き出す必要があるということです。
「N」はnarrative（物語）を意味し、私にとって最も重要な部分です。これは、どのように物事を説明するかという点に関わっています。例えば、サプライチェーンの人がサービスレベルの改善を「OTIFが89.7%から91.2%に上がった」と説明するかもしれませんが、これは必ずしも多くを語っているとは言えません。取締役会に分かりやすい言葉を用いるならば、サービスレベルを改善することで販売が伸び、顧客がより満足してリピートしてくれると言えるでしょう。大切なのは、適切な言語、すなわち正しい物語を使うことです。
私たちは常に、過去3年間でサプライチェーンが席を得たと言っています。そして今、誰もがそれを理解しています。これからはその席を維持し続けなければなりません。私たちがその価値があることを証明する必要があるのです。
Conor Doherty: 貴重なご意見、ありがとうございます。
Joannes Vermorel: 興味深いのは、この批判が双方に向けられている点です。確かに、サプライチェーンディレクターは取締役会の言語を話せるべきですが、同時に、私が見ている問題は、サプライチェーンディレクターの業務を支える基盤ソフトウェア・インフラが、通常、非常に視野の狭い指標を提供していることです。
例えば、サービスレベルは、代替品が存在するビジネスの場合、何の意味も持ちません。クライアントが実際には50%の品目が欠品していても店に来ることができ、多数の代替品があり、代用品を選ぶことができる場合、例えばファッション業界では、ほとんど意味をなさないのです。
私たちは、サプライチェーンディレクターに、基盤となるインフラ、スタッフ、ソフトウェアによって作り出された数字が全くまともでないため、意味のある物語が欠けているという問題を抱えています。
非常に頻繁に、サービスの質をユーロやドルで定量化して、ビジネスの実態に大まかにでも合致させたことがなかったのです。彼らは「サービスレベルはある」と言います。しかし、サービスレベルは計算がとても簡単な反面、それが実際の認識を反映しているかは疑問です。
例えば、今日店に入って期待していたものが見つからなかった場合と、6か月前に注文を出し、6か月の猶予を与えたにもかかわらず6か月後に準備が整っていなかった場合とでは、どこに違いがあるのでしょうか。一方は単に運が悪かったに過ぎず、もう一方は全く容認できず、未熟な対応だと言えます。
これらの非常に単純な指標の問題点は、象一頭だけでなく、群れ全体を見逃してしまう傾向があることです。これは非常に深刻な問題です。私は、あなたの物語が、ビジネスとより深く共鳴する数字を構築する必要性への促しにもなると信じています。
重要なのは、単に数字を持つことではありません。そうした技術的な数字は、そのままでは響かないのです。「我々は追加のサービス品質に100万ユーロを投資する」または「今後5年間で年間累計1,000万ユーロの売上損失を被る」といった数字を示せば、誰もが何となく理解するはずです。
私が見る問題は、従来のサプライチェーンの慣行の多くが、サポートベンダー側にも少々問題があるということです。これらの慣行およびツールから得られる数字は、非常に意味をなさないパーセンテージで表現されがちです。
私の見解では、何かがパーセンテージで表現される場合、通常は非常に疑わしいと言えます。ドルで表現されればそれは良いし、ドル対ドルで表現されればなお良い。つまり、投資したドル、または投資しなかったドルあたりに、どれだけ稼ぐか、または失うかという尺度が、より適切な指標となるのです。
ビジネスとして意味のある物語を構築することは非常に難しいです。なぜなら、いわば「綿ぼそ」に基づいて運営しているからです。
Knut Alicke: 正しい物語を語るためには、そもそも正しいKPIが必要だという点が気に入っています。
つまり、私の例は既に翻訳されており、サプライチェーン責任者によるものではないということです。これは、CEOでさえ、特定の側面を改善することで収益が増加することを理解できる理想的な状況と言えるでしょう。全く同感です。おそらくそれに至るまでにはもう一歩という段階ですが、あなたが示すビジョンは素晴らしいと思います。
Joannes Vermorel: 私のあなたの物語のアイデアに対する見解としては、特にサプライチェーン部門では、人々が第二次的な影響、つまり帳簿には表れないような効果を恐れる傾向が非常に強いという点です。
例えば、シーズン終了時にブランドで割引を行うと、2つの問題が発生します。まず第一に、即座にマージンを放棄してしまい、次に顧客基盤に割引を期待する悪い習慣を生み出してしまうのです。結果、翌年は同じような割引が出るまで購入を控えるようになります。
これらの事柄は、複数年、場合によっては数十年にわたって発展するため、容易に定量化することはできません。例えば、ラグジュアリーブランドは、こうした事態を未然に防ぐために、promotionsを一切行いません。
しかし話を元に戻すと、あなたは、数字の一部が完全に作り話であるKPIを持つ必要があるということになります。それは、非合理的または偽りであるという意味ではなく、むしろ合理的ではあるが判断次第で決定されるものということです。
こうした物語は、長期的な視点を持ち、数値的にこうした事柄を考慮に入れなければ、最適と判断された決定が実際には非常に短絡的なものになってしまうのを防ぐためのものです。
私が見るもう一つの問題は、人々の想像力が足りないということです。会社内、さらにはより大きな企業全体で人々が知っているにもかかわらず、やや捉えどころがなく、正確に測定するのが難しいために、むしろ完全に無視してしまう傾向がある事柄があるのです。多少不完全でも、少なくとも存在を示すほうが良いのに。
Conor Doherty: さて、ひとまずJoannesへのフォローアップとして、迅速に応答したいのですが、Knutの例で、需要計画の概念を少しでも分かりやすくする物語を提供する際、保険の例を出していました。Lokadには、例えば「バスケットの視点」といった、必要な時に何かが無いことの相互関係や追加コストの概念を説明する物語が存在します。これにより、第二次的な影響を理解できるのです。つまり、私たちがそれを分かりやすくするために用いる物語として、バスケットの視点を解き明かしたいのです。
Joannes Vermorel: 問題は、数値として具体的に現れない要素が出てくると、私が「第2の経済ドライバーのサークル」と呼ぶものに突入してしまうことです。非常に重要でありながらも無形なもので、書籍には現れないものです。例えば、多くの企業は理論上は行使可能なサプライヤーへのペナルティを持っています。しかし実際に行使すると、サプライヤーとの間で公然たる戦争が始まり、信頼が失われるのです。
ですから、この保険の最適化に取り組み始めると、興味深いのは、測定されることのない事柄に対してリスクを内在化するという点です。これは、全く別の発想を必要とします。
Lokadでは、自動で稼働するこうしたシステムがあるため、まるで優れたスパム対策システムのようなものになります。静かに稼働しているのですが、決して目には見えません。ただ自動的に処理を行っているだけで、ある時点では「これらは本当に必要なのだろうか」と思うかもしれません。なぜなら、ただ静かに稼働しているだけで、特定の問題が発生しないからです。しかし、一度システムを停止すると、問題は再び現れるのです。
この物語を展開するという考え方は非常に重要だと私は考えています。なぜなら、非常に合理的かつ技術的な事柄を、非常に簡潔な方法で伝える手段だからです。人々は、これらすべてのリスクやトレードオフをすべて専門家のように把握して、バランスを取る時間はないのです。
理解度のテストとして、その人物が本当に意味のある視点から問題を見ているかどうかが問われます。例えば、航空機の保守やサービス品質について話す際、一つの簡単なアプローチは、AOG（Aircraft On Ground：地上に留まっている航空機）という観点で考えることです。すなわち、投資した1ドルあたり、年間でいくつのAOGを回避できるかです。航空機が地上に留まれば、乗客は迂回させられ、多くの遅延、膨大な費用、運航スケジュールへの連鎖的な影響が生じるのです。
もしサービスレベルという観点だけで考えてしまうと、核心を見失います。なぜなら、航空機は出発するために、たった一つの部品が欠けていれば出発できなくなるからです。重要なのは欠品そのものではなく、航空機が地上に留まってしまうという事態なのです。どのビジネスも、安価にパッケージ化されたソフトウェア上の、全く問題と関係のない簡単な指標ではなく、自社の取り組みと深く共鳴する洞察を持つ必要があるのです。
私は自分の視点において、多少のソフトウェア依存のバイアスがあるのは認めます。Knut、あなたはどんな物語を持っていますか？ 私は数字が大好きですが、数字は物語の反対だと思われがちですが、私はそうは思いません。むしろ、両者は手を取り合って進むものだと言えるでしょう。自分自身が何が起こっているのかを理解する方法があれば、それが数字の設計の仕方を完全に形作るのです。
ですから、物語は数字から独立しているとは考えないでください。物語とは、データサイエンティストとしての仕事を指揮するために自分自身に語りかけるストーリーそのものなのです。もし物語が間違っていれば、大抵の場合、数字の取り扱いが全くもって的外れであることを意味します。正確さは数学的な側面だけではなく、ビジネスと数字との適合性にあるのです。
もちろん、単に掛け算してしまうべきところで割り算をしてしまうという、非常に技術的なエラーという事実上の誤りもありますが、こうした技術的エラーは計算に直ちに悪影響を及ぼすため、発見しやすいのです。問題となるのは、もっと微妙なズレが生じた場合です。
Knut Alicke: つまり、数字は明確にあなたの物語を支え、また、何か問題が発生した際に詳細へと掘り下げるためのすべてのサポートを提供しているのです。欠けているサービス、航空機が地上に留まる事態、その理由を問い詰め、在庫がなかったのはなぜか、優れた契約が取れていなかったのはなぜか、といった具合に掘り下げ、根本原因を見つけ出し、それを解決できるのです。
Conor Doherty: どんな形のリーダーシップであっても、またどんなナラティブを提案しようと、たとえばチェーンモデルであっても、依然として効果があります。リーダーシップは、あなたが好むどんなナラティブを通じて表現されたビジョンを実現するために、必要なスキルを持った人々がいることに基づいています。それでは、Knut、全体に戻るという意味で、3年経過した今、サプライチェーンで人々に必要な最も重要なスキルは何だと考えますか？
Knut Alicke: では、今チェーンモデルを繰り返すことも可能ですが、そうはしません。これらすべてのスキルが求められます。そして改めて、私たち皆の望みとしては、サプライチェーンのすべての関係者がこれらのエンドツーエンドなプロセスなどを理解し、サプライチェーン内外の同僚をしっかりと育成していくことが大切だということです。
サプライチェーンにおける能力の底上げ、いわばパイプラインの強化を確実にすることです。Joannesと私はまさにそのために大学で実践的なサプライチェーンを教えており、コミュニティを拡大してその良さを広めています。サプライチェーンが非常に魅力的なテーマであり、さらには取締役会への道を開くものであることを明確に示しましょう。
よく「もし自分がサプライチェーンにいるなら、それは終着点では？」と聞かれますが、そうではありません。サプライチェーンは過去3年間で最も重要なテーマの一つであり、これからもそうであり続けるのです。
Joannes Vermorel: 私も非常に賛同します。スキルに関して、もし一つだけ挙げるとすれば、プログラミングではなく、明確な文章作成能力だと思います。大企業では業務が分散しているため、協働のアイデアはほとんどの場合、文章で行われるからです。確かにミートアップもありますが、基本的には文章でのやり取りになるのです。
ナラティブを持つことが求められますが、これもまた文章で行う必要があります。レポートの整理なども同様に、文章で実施されるのです。そして、現代企業、特にサプライチェーンにおいて（マーケティング等他部門ではそれほどではありませんが）最も過小評価されがちな資質の一つが、明確な文章作成能力です。
非常に頻繁に、これらの部門における文章の質が全体的に低いのを目にします。結果、問題に関する要約が非常に混乱していたり、問題の定義が不明瞭だったりします。たとえ、職務内容とその存在理由について半ページ程度で説明してほしいと頼んでも、その結果は通常、まったく酷いものとなってしまいます。
これは大きな問題です。長い間、明確な文章作成能力を養ってきた業界や部門もあります。たとえば、金融部門は通常、非常に簡潔で要点を捉えた文章が求められますし、マーケティングもブランディングの必要性から同様です。
ソフトウェアのように文章でのコミュニケーションが主体の業界もあり、平均的に見ると他の業界と比べて文章の質はかなり良いと言えます。しかし全体として、特に学生にとって文章作成は依然として弱点であり、生涯を通じて改善できるスキルだと考えています。大学卒業後で終わりではなく、その後も学び続けることが可能です。
Conor Doherty: Lokad TVの慣例に従い、Knut、最後の一言をお任せします。何か言いたいことはありますか？
Knut Alicke: Amazonで本を購入してください。もしクリスマスプレゼントがまだ必要なら、その本は手に入るはずです。Amazonなどで入手可能ですので、ぜひ1冊購入し、口コミで広めてください。サプライチェーンがクールであり、ネットワークを構築する上でも重要だということを広めましょう。
Conor Doherty: では、この辺で。Joannes、時間をいただきありがとうございました。Knut、あなたも大変感謝します。そしてご視聴いただいた皆様、ありがとうございました。また次回お会いしましょう。
