00:00:00 サプライチェーンにおける計算リソースの紹介
00:02:21 サプライチェーンにおける計算リソースの重要性
00:07:04 サプライチェーンの文脈におけるメカニカルシンパシー
00:09:38 コンピューティングハードウェアによる意思決定
00:12:42 深さのない専門知識の錯覚
00:13:59 コンピューティングに依存する現代のサプライチェーン
00:18:32 ハードウェアの速度が意思決定に与える影響
00:21:40 ソフトウェアの非効率性がコストを増加させる
00:24:42 トランザクションデータベースの特性と制約
00:27:59 非効率性によるクラウドコストの上昇
00:30:09 よりシンプルで安価なソフトウェアのレシピ
00:32:40 コンピューティングリソースにおける極端な浪費
00:36:14 ハードウェアの進歩とソフトウェアの遅れ
00:40:48 ベンダー選択の知識の重要性
00:45:15 理論的な知識と実践的な知識
00:50:00 コンピュータの効率における桁数の違い
00:54:33 在庫補充におけるパフォーマンスの考慮事項
00:56:18 結果の品質のための反復プロセス
00:58:50 変革には再設計が必要
01:00:18 実践者の次のステップ
01:02:17 ベンダーの非効率性に対する支払い
01:05:04 意思決定の財務的影響
01:07:16 競合他社の理解の欠如
01:08:40 締めの言葉
概要
最近のLokadTVのエピソードでは、Lokadのコミュニケーション責任者であるConor Dohertyが、LokadのCEOであるJoannes Vermorelとサプライチェーン最適化における計算リソースの重要な役割について話し合いました。Vermorelは、情報を基にしたサプライチェーンの意思決定を行うためには、ハードウェアとソフトウェアの両方を理解する必要があると強調しました。彼は、この基礎的な知識を、問題を防ぎ、効果的な意思決定を確保するために不可欠な基本的な地理的な認識に喩えました。Vermorelは、コンピュータは意思決定を機械化するためのツールである一方で、その能力と制約の把握が重要であると強調しました。この理解は、プログラミングパラダイムにも及び、実践者がリソースを最適化し、より良い結果を出すことができるようにします。
詳細な概要
最近のLokadTVのエピソードでは、Lokadのコミュニケーション責任者であるConor Dohertyが、LokadのCEOであり創設者でもあるJoannes Vermorelと、予測型サプライチェーン最適化に特化したフランスのソフトウェア企業であるLokadについて、計算リソースの複雑な世界について考えさせられる議論を行いました。この話題は、単なるコンピュータの使用を超えたサプライチェーン内の計算リソースに関するものであり、これらの機械が最適に動作する方法について微妙な理解を必要とします。Vermorelはこれを「メカニカルシンパシー」と呼んでいます。
Dohertyは、計算リソースの広範な範囲について言及し、ハードウェアとソフトウェアの両方を含んでいると述べました。彼はVermorelに、計算リソースの良い作業定義を求めました。Vermorelは、計算リソースには現代のコンピュータを構成するすべてのハードウェアのクラスが含まれると説明しました。この分類は多少恣意的ですが、過去70年間で進化し、計算エコシステム内で特定の目的に役立つCPUやメモリなどの異なるカテゴリが生まれました。
Vermorelは、サプライチェーン管理の文脈でこれらのリソースの重要性を強調しました。彼は、サプライチェーンの意思決定はコンピュータの支援を受けて行われることが最善であるという前提を受け入れるならば、これらの計算を可能にするハードウェアの理解が重要であると主張しました。この理解は、物理的なコンポーネントを知るだけでなく、デバイスの広範なクラスとその計算能力を把握することでもあります。
次に、Dohertyはこの知識をサプライチェーンの実践者にどのように統合すべきかを尋ねました。Vermorelは、コンピュータは本質的には意思決定をするのに適しているわけではなく、単に意思決定プロセスを機械化するための最良のツールであると説明しました。この機械化は、何世紀にもわたって進歩をもたらしてきたものであり、現在はコンピュータを介して白カラーの仕事にも広がっています。
Vermorelは、計算リソースの基礎知識を地理的な基礎知識に喩えました。地図上の国の位置を知ることが重要とされるように、コンピューティングハードウェアの基礎を理解することは、サプライチェーンの実践者にとって基礎的なものです。この知識は、さまざまな潜在的な問題を防ぎ、基礎となる計算インフラストラクチャを理解した上で意思決定を行うことを支援します。
Dohertyは、この基礎知識の深さについてさらに探求し、USBポートの位置やSSDドライブの動作などの単純なことを知る必要があるのか、それともメモリ、ストレージ、帯域幅、算術演算、入出力プロセスなどの数十年にわたって持続している抽象化と安定した関心事を理解する必要があるのかを尋ねました。Vermorelは、これは数十年にわたって持続している抽象化と安定した関心事を理解することに関わるものであり、単純なことを知ることよりも重要であると答えました。
その後の会話は、この基礎知識がより良い意思決定にどのように翻訳されるかについてのものでした。Vermorelは、ハードウェアの基本的な理解がないと、意思決定プロセスは魔法のように思え、使用可能なハードウェアに適しているかどうかを評価するのが難しくなると説明しました。彼はこのポイントを説明するために、車の選択を例に挙げました。車を選ぶ際には、その使用目的を理解する必要があり、計算リソースを選ぶ際にも、それらの能力と制限を知る必要があります。
Vermorelは、プログラミングパラダイムの重要性とそれが意思決定プロセスにどのように組み込まれるかにも触れました。彼は、特定のユースケースが常に明確であるわけではないかもしれないが、静的解析、配列プログラミング、バージョン管理などの概念の基礎的な理解が重要であると指摘しました。この知識は、実践者が「暗中模索」を避け、使用する計算ツールについて的確な意思決定をすることを支援します。
最後に、Vermorelは現代のサプライチェーンの実践は計算ハードウェアに大きく依存していることを強調しました。低テクノロジーを自負する企業であっても、複雑なアルゴリズムやExcelのようなシンプルなツールに頼っているため、計算リソースの基礎的な理解は単に有益なだけでなく、効果的なサプライチェーン管理にとって不可欠です。この知識により、実践者は的確な意思決定を行い、計算リソースを最適化し、組織のためにより良い結果を生み出すことができます。
フルトランスクリプト
Conor Doherty: LokadTVへようこそ。今日は、サプライチェーンにおける計算リソースについてJoannesと話し合います。お聞きいただくように、これは単にコンピュータの使用方法を知るだけではありません。むしろ、それが最も効果的に動作する方法についての十分な理解を必要とします。これをメカニカルシンパシーと呼び、私たちが話し合うように、良いメカニカルシンパシーはより良い計算リソースの使用と、最終的にはより良い意思決定につながることができます。さて、いつものように、お気に入りの内容であれば、YouTubeチャンネルの登録とLinkedInでのフォローをご検討ください。それでは、本日の会話をお楽しみください。
それでは、Joannes、サプライチェーンにおける計算リソースは非常に広範な概念です。ハードウェアとソフトウェアの両方をカバーしています。したがって、今日の会話の目的を考慮し、サプライチェーンの観客を念頭に置いて、計算リソースの良い作業定義は何でしょうか？
Joannes Vermorel: 計算リソースは、現代のコンピュータを構成するすべてのハードウェアのクラスをカバーする一般的な用語です。現在では、これらのクラスの間の区別は多少恣意的ですが、わずかです。自然界には、CPU（中央処理装置）と呼ぶべきもののクラスや、メモリなどと呼ぶべき他のデバイスのクラスがあるということを示すものはありません。それは、コンピュータの設計と市場の役割の共進化によって、特定の目的に対して非常に競争力のあるデバイスを提供する企業を持つようになった特定のニッチが形成された結果です。それが進化の経緯です。コンピュータの導入から70年後の現在、すべてを一貫して行うわけではない非常に明確なクラスの計算デバイスがあります。それらは計算のコンポーネントのようなものです。
では、なぜそれが重要なのでしょうか？計算リソースという言葉で、ハードウェアだけでなく、デバイスのクラスとそれらが提供する計算を指しています。なぜサプライチェーンにとって重要なのでしょうか？なぜなら、サプライチェーンを意思決定の演習と考え、これらの計算はコンピュータでより良く行われるという信念のもとで進めるならば、それは文字通りこれらの計算を運ぶ物理的な層です。この信念は、結局のところ控えめなものです。コンピュータは現在ではかなり能力があることが証明されています。しかし、それでも、これはすべての意思決定、つまり大規模なサプライチェーンが行う必要のある何百万もの意思決定が、いずれかの方法でコンピュータを使用して行われるというビジョンから始まっています。
したがって、それについて考え始めるなら、このハードウェア層に少し注意を払う必要があります。過去40年間で状況は非常に複雑になりました。コンピュータはまだ進化していますが、90年代の終わりまで起こっていたことと比べて、非常に複雑で直感的ではありません。
Conor Doherty: では、これを聞いているサプライチェーンの実践者は、今日の会話にどのように関わるのでしょうか？彼らにとっての要点や結論は何でしょうか？
Joannes Vermorel: まず、私はコンピュータは特に意思決定に優れているわけではありませんと言いたいと思います。それらは私たちが持っているツールであり、現時点では意思決定プロセスを機械化するための実用的な選択肢はありません。これは一種の信仰の行為です。なぜ機械化したいのでしょうか？なぜなら、機械化は過去2、おそらく3世紀にわたって進歩を推進してきたからです。20世紀には、生産性の向上という驚異的な成果をもたらしたブルーカラーの仕事の機械化が行われました。そして、21世紀には、同じことがホワイトカラーの仕事にも起こっています。これはコンピュータのおかげです。他のもので起こっている平行宇宙を考えることもできますが、現時点では最善の選択肢はコンピュータです。
では、なぜそれが重要なのでしょうか？私は計算リソースとコンピューティングハードウェアを基礎知識の一部として扱う必要があると言いたいと思います。カナダが世界地図上でどこに位置するかを知っていることが最後に役立ったのはいつですか？ロシアがブラジルと国境を接していないことを知っていることが最後に役立ったのはいつですか？これらは、たとえば世界地理の基本的な知識を日常的に実用的なものとは思わないことです。それにもかかわらず、この観客の大多数に尋ねた場合、それが重要であると答えるでしょう。世界地図上で中国、カナダ、またはロシアを特定できない人についてどう思いますか？それは非常に奇妙に聞こえ、その人に多くの役割を任せることはできないでしょう。
したがって、それはある意味でちょっとしたトリビアと考えることができますが、それは基礎知識でもあります。何も知らないと、問題が生じます。どのような問題が生じるかは、状況や会社、業界に非常に依存します。しかし、一連の問題が予想されます。私は、計算ハードウェアと計算リソースに関する知識は、サプライチェーンの実践者が意識しているべき基礎知識の一部であると考えています。彼らはこれらのことに対してかなりの機械的な共感を持つべきです。これは、フォーミュラ1から取られた用語です。
Conor Doherty: まあ、あなたが使うたとえ話が好きですし、それを使ってこのポイントを分解しようと思います。もし基礎知識とは、ブラジルとロシアが国境を共有していないことを知っていることだと言ったら、それは地理的な知識の一つの粒度です。もう一つは、南アフリカにはいくつの首都があるかを知っていることです。これらは地理的な認識の質的に異なるレイヤーや粒度です。その差をハードウェアや計算リソースに適用するとき、基本的な知識とは、マウスのUSBポートの場所を知っていることを指しているのか、それともSSDドライブの動作原理を知っていることを指しているのか、知識の桁数はどれくらいですか？
Joannes Vermorel: より多くは抽象化について話しています。計算ハードウェアについては、無限のトリビアがあります。すべてのデバイスとその価格を知ることではありません。もしギークなら、それについて読むことを楽しむことができますし、私もそうです。しかし、基本的には非常に大きな、非常に確立されたリソースのクラスについてです。これは少しアーキテクチャに依存しますが、これらのアーキテクチャは少なくとも5年間非常に安定しているため、それが続くことが予想されます。
何について話しているのでしょうか？メモリ、揮発性メモリ、永続的なストレージ、帯域幅、算術計算、入出力（I/O）、スループット、レイテンシなどです。これらの種類のことは何十年もの間、関心事であり、関心事のクラスが安定していました。それが、基本的な知識を持つことで、関心事のクラスと対応する計算ハードウェアがどのように組み合わさって現代のコンピュータで何かを行うのかを見ることができるという意味です。
もしレイヤーの観点から後退すると、最終的にはこの計算ハードウェアによって意思決定プロセスを計算したいと思うでしょう。ハードウェアレベルで何が起こっているか全く知識がない場合、それは完全に魔法です。あなたが持っているハードウェアに対してメソッドが適切なものかどうかさえ理解できる確率はどれくらいですか？私は超詳細な理解ではなく、ただそれが全く動作するかどうかの超基本的な理解を指しています。
Conor Doherty: 例えば、あなたはフレーズを使っています…すみません、一歩戻って言います。いくつかのプログラミングパラダイムを名前を挙げましたね。それはあなたの講義の一つからだと思います。プログラミングパラダイム、静的解析、RAプログラミング、差分プログラミング、バージョン管理、永続性、すべてのこれらの概念について話しました。私の質問は、これらがどのように組み合わさってより良い意思決定をするのに役立つのかです。
Joannes Vermorel: これは基礎知識ですので、非常に具体的なユースケースを期待しないでください。基本的な地理学と同じように。最後にそれを絶対に知る必要があったのはいつですか？おそらく一度もありません。それは周囲に存在しています。問題は、欠けている基礎知識のレイヤーがあると、暗闇で手探りしていることです。自分が暗闇にいることさえ気づかないのです。自分が理解していないことがたくさんあることさえ気づかないのです。それが私のポイントです。
一歩後退しましょう。コンピュータでそれらの意思決定を生成したいと思います。それはおそらくいくつかのベンダーを選択することを意味します。クラウドから計算リソースを購入またはレンタルするでしょう。それを完全にITに委任することもできますが、ITが何も知らないもののためにハードウェアを選ぶのが非常に優れている理由は何ですか？例えば、私が「親愛なるIT、最高の車を選んでください」と言った場合、具体的には何も指定していません。わかりました、とITは言います。「わかりました、それならフォーミュラ1を選びます。」とあなたは言います。「でも、実際には砂漠の砂丘を走りたいんです。」すると、フォーミュラ1は完全にクソな車になります。なぜなら、砂漠を走るために設計されていないからです。
もし、あなたが私に「何か良いものを選んでください」と言うだけなら、彼らは基本的に良いもの、例えばフォーミュラ1のようなものを選びます。それは良い車ですか？はい、特定の用途には良い車です。しかし、「私は8人家族を乗せることができる車が欲しい」と言った場合、それは非常に異なる「良い」という定義になります。私たちは、ITやコンピューティングハードウェア、一般的なコンピューティングに関しては、専門家の問題だという幻想を持っています。車を選ぶのと同じように、私は車の専門家ではないので、車の部署に良い車を選んでもらって取り扱います。それらの人々は何が「良い」という意味なのか、選ぶオプションが非常に多いため、ランダムに何かを選びます。そして、受け取り側で文句を言うことができます。「ああ、しかし、このフォーミュラ1のコストは法外です。2人目を車に乗せることさえできませんし、砂漠で走りたい場所では、低いクリアランスのために車輪が10メートルも進む前にトラクションを失います。」もし車だったら、人々はそれがばかげていると同意するでしょう。
しかし、コンピュータのことを話すとき、ほとんどの企業では、人々はそれに無関心であることを完全に受け入れています。ただし、再びサプライチェーンの実践に戻ると、現代のサプライチェーンの実践はこのコンピューティングハードウェアに非常に依存しています。サプライチェーンは数十年前からデジタル化されており、低テクノロジーだと思っている企業でも、Excelのためだけでも非常にコンピュータに頼っています。
もしもあなたがそれらのツールに日常的に依存しているなら、それらに非常に緻密な方法で依存しています。例えば、私は水の供給に依存していますが、水供給については何も知る必要はありません。それは正しいことです。なぜなら、水は非常にシンプルな製品だからです。化学的にシンプルであり、蛇口の水と言えば、99.99%がH2Oであり、わずかなミネラルと少量の塩素が含まれていることを期待します。それだけです。
ですから、見ての通り、温度は10度から20度の間であるべきです。それだけです。非常にシンプルなものです。ですから、上流について何も知らなくても、「蛇口の水を手に入れて飲むことができる」という抽象化レイヤーを持つことができます。しかし、問題は、コンピューティングリソースが多次元であるという点です。車のように単純なものではありません。さまざまな種類の車があり、さまざまな方法で「良い車」と言えるのです。
「良い水とは何ですか？」と言った場合、非常に特定の実験を行っているわけではない限り、人生で遭遇するほとんどの状況において、基本的な蛇口の水が必要なだけです。ですから、それについて何も知る必要はありません。なぜなら、非常にシンプルな製品を扱っているからです。しかし、車のような多次元の製品を扱っている場合、それを購入するためには車について少しは知る必要があります。
ですから、再びサプライチェーンの実践に戻ると、あなたは非常に多くのことを行うためにコンピューティングリソースに依存しています。これらのことは将来さらに普及するでしょう。なぜあなたはそれの物理的なレイヤーに完全に無知でいられると思うのですか？
Conor Doherty: まあ、そこにはいくつかのポイントがありますが、そのうちの1つは、サプライチェーンは明らかに非常に複雑です。多くのことを解決しようとしていますが、それは文脈に依存します。例えば、砂漠で車を運転したい、丘で運転したい、都市で運転したいというような異なる文脈がありますが、少なくとも私たちが企業が自分たちの計算リソースでやろうとすべきことについて考えている共有の特性があります。それについて少し詳しく説明していただけますか？
Joannes Vermorel: はい、それはここでの問題です。例えば、トランザクションの履歴を基準として分析したいとしましょう。それは何かです。では、このデータはどこに保存されるのでしょうか？どのようなハードウェアですか？このハードウェアの特性はどうなりますか？データを保存してからデータにアクセスする場合、それは何か影響を与えるのでしょうか？答えはイエスです。非常に簡単なアイデアをお伝えするために、このデータをスピニングディスクに保存したいと考えてみましょう。
それがあなたのスピニングディスクであろうと、クラウドコンピューティングプラットフォームから借りたものであろうと、それは関係ありません。データが回転しているディスクに保存されている場合、データのビットにアクセスしたい場合、平均してディスクは半回転する必要があります。なぜなら、データはディスク上のどこにでも存在する可能性があるからです。データの一部にアクセスしたい場合、平均してディスクは半回転する必要があります。
では、いいですね。それにはどのような影響がありますか？ディスクはどれくらい速く回転できるのでしょうか？ディスクは通常、1分あたり約7,000回転するものであり、非常に高級なドライブであれば、11,000回転または12,000回転になるかもしれませんが、それが限界です。回転数は1分あたりです。つまり、レイテンシの観点からは、データのどの部分にアクセスするにしても約20ミリ秒かかると予想されます。
ですから、「20ミリ秒は短いように思える」と言うかもしれません。しかし、それは本当でしょうか？なぜなら、20ミリ秒ということは、毎秒ディスクを横断するために、ディスク上の異なる50個のデータの部分にしかアクセスできないということを意味します。ジャンプしなければならない場合、1秒あたり50個はそれほど多くありません。数百万、数千万のレコードを取得する必要がある場合、この問題は非常に速く狂気じみた遅延にエスカレートすることがわかります。さて、あなたは言うかもしれません、「でも私のディスクはテラバイトのデータを保存できる」と。
はい、しかし、データの取得によってディスクをジャンプしなければならないため、数日かかる場合は非常に良くありません。だから、私は、より多くの容量を持つ多くのディスクを使用して、ジャンプへのスループットを増やすことができるかもしれません。または、完全に別のストレージクラスを使用して、ランダムアクセスに対してはるかに優れたレイテンシを提供するSSD（ソリッドステートドライブ）を使用することもできるかもしれません。
しかし、これは、もしコンピューティングリソースやそれらのリソースを提供するコンピューティングハードウェアのクラスについて何の知識も持っていない場合、このような質問があなたの考えにさえ浮かばないでしょう。そして、それがあなたに害を及ぼす可能性があるか？という質問です。私は「はい」と言います。なぜなら、あなたはそれらのものを直接または間接的に多く購入するからです。
もしもあなたのIT部門がクラウドコンピューティングリソースを購入するだけであれば、それらを直接購入することになりますが、もしもあなたがサプライチェーンソフトウェアのベンダーを選ぶ場合は、それらのものを間接的に購入することになります。なぜなら、ベンダーを選ぶことは、あなたが望む結果を得るためにコンピューティングリソースをどのように消費するかを選ぶことになるからです。そして、ここで私のメッセージは、もしも平均的なソフトウェアベンダーがこの問題について何らかの能力を持っていると思っているなら、あなたは完全に間違っています。
大多数の、もちろんこれは主観的な意見ですが、私の競合他社、Lokadの競合他社のほとんどは、経営陣と彼らの関心を見ると、一般的には、コンピューティングハードウェアに対する機械的な同情心がまったくありません。その結果、彼らのソフトウェアは非常に非効率です。なぜなら、もしもハードウェアに注意を払わないのであれば、最終的にはそのハードウェアを最大限に活用するようなソフトウェアを構築することはできないと思うからです。
また、それはまるでどのような道を走りたいかに関係なく、フォーミュラワンを選ぶのと同じであり、そして、なぜビーチでこれがとてもひどい車両なのか不思議に思うのかということです。驚きですが、それはコンピューティングハードウェアに注意を払わない場合に起こることです。
ですから、完璧な世界で信頼できるとすれば、コンサルタントやソフトウェアベンダーなど、それらの人々があなたのためにすべての正しい決定を下してくれるでしょう。しかし、実際には、サプライチェーンのほとんどの実践者が完全に無知であるという事実のために、ソフトウェアベンダーも完全に無知であることが許されるのです。なぜなら、クライアントがソフトウェアやソリューションを購入する時点では、その無知の結果に違いがあるとは限らないからです。それは重要ではありません、つまり、無知の結果に直面するまで重要ではありません。
Conor Doherty: まあ、まず第一に、意見を持つことには何の問題もありません。それが私たちのやることですから。しかし、あなたが言うように、企業がベンダーからソフトウェアを購入するとき、あなたは消費リソースを得るためにリソースを消費すると言いましたが、具体的にはどのように現実世界での意思決定に影響を与えるのでしょうか？興味を持っている人々のために、もう少し具体的に説明していただけますか？
Joannes Vermorel: 意思決定には、最終的にはこの意思決定を生成するための数多くの数値レシピを作り出す方法があります。問題は、コンピューティングリソースを消費する方法が非常に非効率である場合です。例を挙げましょう。もしも、例えば、リレーショナルなトランザクションデータベース、SQLデータベースを使用し始めた場合、お金の問題ではありませんが、分析的なレシピ、数値的なレシピを実行したい場合、オーバーヘッドの税金を支払うことになります。少なくとも100倍、2桁のオーダー、300倍、3桁のオーダーです。
そして、なぜそうなるのでしょうか？それは、このソフトウェアレイヤー、トランザクションレイヤーが非常に興味深い特性を持っているからですが、それは分析的な計算とは何の関係もありません。それらは基本的にACIDとして知られる4つの特性を提供します：原子性、一貫性、分離性、耐久性です。これらの特性はトランザクションプロセスに非常に適しています。例えば、サプライヤーに支払いが行われたことを宣言したい場合、コンピュータシステムが操作の途中でクラッシュしたために、お金が送られ、銀行への注文が行われたにもかかわらず、サプライヤーの請求書がクリアされていない状況にはなりません。
したがって、理論的には、サプライヤーの請求書が解決されたことを記録せずに、ワイヤ転送の注文を既に発行してしまう状況になる可能性があります。したがって、システムを再起動すると、2回目の支払いが行われ、サプライヤーに2回支払いすることになります。これはトランザクションレイヤーで起こりうることです。会計の意味で、増加するアカウントと減少するアカウントがある場合、これらのことが論理的に同時に発生するようにしたいので、これらのことが同期しないようにする必要があります。
もちろん、トランザクションレイヤーを使用して分析リソースを構築すると、非常に非効率です。そして、驚くべきことに、これが私の競合他社の99%が実際に行っていることです。それが意思決定にどのような意味を持つのでしょうか？まず、コンピューティングリソースの使用方法が100倍のオーバーヘッドを持つ場合、非常に単純な数値レシピに制限されることを意味します。なぜなら、少しでも複雑さがあると、コンピュータリソースの予算を超えてしまうからです。つまり、価格が非常に高くなります。
これは広告の要素ではありません。コンピューティングリソースの予算をコントロールしないと、狂ったレベルの支出になる可能性があります。価格のポイントを示すために、重い分析ワークロードを扱うソフトウェアサービス会社である私の多くの同僚、競合他社ではなく同僚が、S1を見ると、S1は米国で公開するために公開する必要がある文書です。これは将来の投資家への報告書です。ここでは、過去3、4年間の支出の分解を見ることができます。
Lokadのような、実際にはサプライチェーンではなく、詐欺検出、システムログの処理など、分析的なソフトウェア会社のほとんどは、クラウドコンピューティングリソースに向けられた支出の半分を費やしていました。支出の額は非常に大きいです。非常に高価なエンジニアや営業チームを雇っているにもかかわらず、彼らはまだ半分の支出をクラウドコンピューティングプロバイダーに向けています。コンピューティングリソースのコストが無視できるという考えは、Lokadのような分析クラスのほとんどのソフトウェアベンダーにとっては完全な非現実です。
インテリジェンスのシステムではなく、レポートのシステムや貧困のシステムでは、その支出は非常に大きくなることがあります。もしも非効率な場合、100倍の支出をしていると言っていますが、既に収益の半分をコンピューティングリソースに費やしている場合、100倍の支出は不可能です。予算内に収まるためにはどうすればいいのでしょうか？それなら、単に価格を上げるだけです。それが彼らがすることですが、それでも限界があります。価格を2倍、4倍にすることはできますが、価格を100倍にすることはできません。
したがって、ほとんどのソフトウェアベンダーは、非常に単純で安価なレシピを選びます。それらは非常に単純であり、クライアントにとって不利な結果になるかもしれません。現実の問題は、ベンダーとしては、より機能しないものを提供することができないということです。なぜそれができないのでしょうか？それは、彼らがコンピューティングリソースを非常に無駄にしているからです。
Conor Doherty: さて、再び、あなたが話すとき、そしてあなたが計算リソースの割り当て方を説明するとき、それは基本的にはより良い意思決定を追求するためのものだと思います。あなたの考えでは、それが解決すべき問題です。しかし、それは必ずしもすべての企業、あるいはむしろすべての企業が同じパラダイムを適用しているわけではありません。たとえば、サービスレベルを追求したり、予測精度を追求したりするような企業かもしれません。それが目標であり、それが目指しているものです。そのような状況では、計算リソースの割り当てはどのように異なるのでしょうか？コメントしてください。
Joannes Vermorel: だから、わかりました。自分自身の目標を設定しましたね。ここでは、その部分に異議を唱えていません。私が「より良い意思決定」と言うとき、私はあなたが自分自身に設定した目標に従って、どのようなメトリックに従っても、どのような目標に従っても、より良い意思決定をすることを意味します。だから、それは重要ではありません。もし、より良いサービスレベルを望むのであれば、それは問題ありません。それがあなたの目標です。今、自分自身の目標を設定しました。そして、自分自身の目標に従って、使用できる計算リソース、コンピューティングリソースを持っています。それを使用して、自分自身に設定した目標に従ってより良い意思決定をすることができます。問題ありません。
では、ほとんどの競合他社にとっての周囲のパラダイムを明確にしましょう。周囲のパラダイムは、エンジニアが何かを開始し、そしてこの何かがお金で買える最高のハードウェアと互換性がある場合、彼らは作業を停止し、そのものをクライアントに販売し始めるというものです。それはどのように見えるのでしょうか？たとえば、小売ネットワークの在庫補充を行いたいとします。20百万のSKUがあるとしましょう。問題ありません。まず、いくつかのことを試してみますが、うまくいかないので、安全在庫分析に戻ります。これは、計算リソースの観点では非常に単純です。
そして、非常に高価なコンピューティングハードウェアを使用しているため、私のシステムは非効率的ですが、それを動作させることができます。そして、私はそれを停止して、それをクライアントに販売します。では、このパラダイムではどのような考え方があったのでしょうか？実際には、ソフトウェア業界では、20世紀の後半まで、このパラダイムが主流でした。このパラダイムは、コンピューティングハードウェアが指数関数的に進歩しているという考えです。つまり、お金で買える最高のハードウェアを手に入れ、それが動作しているとすぐに、その制約内で動作するものがあるという考えです。コストが狂っていても、コンピューティングリソースを十分に活用していなくても、それは問題ありません。
なぜなら、すべてのメトリックにおいて、コンピューティングハードウェアは指数関数的に進歩しているからです。それが人々がムーアの法則と呼ぶものでしたが、実際にはすべてのことに対して他の法則がたくさんありました。すべてのコンピューティングリソースが進歩し、すべてのメトリックが進歩していました。そして、それが1990年代のマイクロソフトを非常に成功させたアイデアの1つでした。そのアイデアは、それが動作すれば、パフォーマンスがどれほどひどくても問題ではないというものでした。なぜなら、5年後には、コンピューティングハードウェアが進歩しすぎて、それらのコンピューティングリソースは取るに足らなくなるからです。
これは1990年代の終わりまで機能していましたが、2000年以降、この領域では改善されていないメトリックのクラスが存在します。たとえば、CPUとメモリの間のレイテンシは、過去20年間ほとんど変わっていません。光の速度の制約によるもので、将来も変わることはありません。
もう1つの要素は、再び、光の速度です。長距離のインターネットパケットは、現在、おおよそ光の速度の2/3で移動します。したがって、インターネット上のパケットの速度を改善する余地はあまりありません。もちろん、帯域幅を増やすことはできますので、多くのパケットを送信することができますが、パケット自体の速度に関しては、物理学の限界に非常に近づいています。少なくとも、私たちが知っている物理学の限界に近づいています。
したがって、これはソフトウェア業界で非常に一般的だったパラダイムであり、1990年代の終わりに非常に広まっていたものでした。それは「動作するものを作って販売し、パフォーマンスについては心配しないでください。なぜなら、ハードウェア業界がすべてを改善し、数年以内にパフォーマンスの問題は無意味になるからです」というものでした。業界、ハードウェア業界はすべてを改善しすぎて、数年以内にコンピューティングハードウェアの進歩によって彼らのシステムのコストが取るに足らなくなるという考え方でした。しかし、それは事実ではありません。
興味深いことに、コンピューティングハードウェアからはまだ非常に良い進歩がありますが、進歩は非常に微妙になっています。まだ指数関数的な進歩がありますが、非常に特定の分野に限られています。興味深いことは、ほとんどのB2Cソフトウェア業界がそれに非常に注意を払っていることです。たとえば、ビデオゲーム業界はこの種の詳細に非常に多くの注意を払っています。しかし、企業向けソフトウェアに関しては、99%の企業がまだ1990年代の終わりに生きており、進歩があるとは考えず、5年後にはコンピューティングハードウェアの進歩によって彼らのシステムのコストが取るに足らなくなるという考え方で運営しています。しかし、それは事実ではありません。
実際、企業が管理するデータ量が増え続けているため、ほとんどのソフトウェアベンダーにとって、システムを稼働させ続けるために必要なコストは、コンピューティングハードウェアの価格が減少する速度よりも速く増加している傾向にあります。したがって、年々、意思決定プロセスの品質やサポートのために、ほぼ同じレベルの品質を維持するためにさらに多くの費用を費やすことになります。もしそれが完全に自動化されていない場合は、意思決定プロセスのサポートに対して。
Conor Doherty: さて、ハードウェアの進歩やコンピューティングの進歩は微妙になったと思います。指数関数的な飛躍ではなくなりました。
Joannes Vermorel: 特定の方向に沿って進んでいます。1990年代には、すべての面で改善がありました。改善されなかったメトリックはありませんでした。現在では、数十年間ほとんど変化していないメトリックが多数あります。
たとえば、コンピュータから放熱できる熱量を見てみると、コンピュータは熱を放出する必要があります。銅配線を使用したり、ファンを使用したり、さまざまな方法でコンピュータ内部から熱を取り出すことができます。しかし、空気で実現可能なことの限界に達しています。20年前に達成された制約があります。少しパフォーマンスを向上させるためには、水を使用することができます。もし非常に高度なものを求めるのであれば、液体窒素を使用することも可能です。それは非常に実用的ではありませんが、ベンチマークなどには使用できます。
したがって、私たちは限界に達しました。私たちには、熱を2倍排出するための魔法の材料はありません。たとえば、ダイヤモンドを使用することができます。ダイヤモンドは素晴らしい熱伝導体ですが、熱を排出するためにキログラム単位のダイヤモンドを使用するという考えはまだ遠い未来です。それでも、銅と比べてすでに優れた伝導体であるダイヤモンドでも、わずかなブーストしか得られません。
Conor Doherty: それは実際に私のポイントをさらに示しています。では、話を終わらせるために、実際の例を取りましょう。先ほどの銅配線とダイヤモンドの熱伝導体の違いについて話していました。コンピュータの熱放出特性からさらにパフォーマンスを引き出すには、コンピュータエンジニアリングの非常に微妙で専門的な理解が必要です。では、メインのトピックに戻って、マージンがあなたが説明しているように薄い場合、環境の基礎知識を増やすことがどのようにサプライチェーンのパフォーマンスの向上につながるのでしょうか？
わかりました、実際には、さきほどの例を取り上げましょう。銅線とダイヤモンドの熱伝導体の違いについて話していましたね。コンピュータの熱放出特性を少しでも高めるためには、コンピュータエンジニアリングの微妙で専門的な理解が必要です。では、メインのトピックに戻って、環境の基礎知識を増やすことが、あなたが説明しているようにマージンが非常に薄い状況でのサプライチェーンのパフォーマンス向上にどのようにつながるのか、お聞かせください。
ジョアネス・ヴェルモレル: いいえ、基礎知識に関しては、それが全体像を明確にするという点で、そのようなものだと思います。あなたのITは適切なものを買っていますか？少なくとも方向性は合っていますか？それについて何か考えがありますか？それができない場合、彼らが買っているものが何らかの意味をなしていると期待する理由はありますか？
再び、フォーミュラ1でビーチに行くということです。それは全く意味がありませんが、それが何を賭けているのか全く知識がない人々がすることです。ベンダーを選ぶとき、彼らがコンピューティングリソースをどのように消費しているかについて、賢明な議論ができますか？彼らは私たちが持っているコンピューティングハードウェアに適切な方法でリソースを消費していますか？アーキテクチャは意味をなしていますか、それともまったく意味をなしていませんか？
また、車の観点で考えると、直感的にわかることがたくさんあります。例えば、空力です。空力の法則を大幅に破るような車を見た場合、「この車は空気の抵抗が非常に大きくなるだろうし、燃費もひどくなるだろうな」と思うでしょう。他に選択肢はありません。ですから、見ているだけで、基礎知識があるため、それは本能的なものです。車が非常に低いと、空力が良くなり、おそらくこの車は速く走ることができるでしょう。
それがポイントです。流体力学などを考える必要はありません。それは直感的です。もし私たちがより良い意思決定をすることを考えるなら、極端に機能不全なものを直感的に見つけることができますか？私のポイントは、99.9%のクライアントやサプライチェーンの専門家がこの問題に全く気付いていないため、周りにはほんのわずかなギークがいるだけです。もし目が見えていないのなら、それはつまり、エコシステム、ソフトウェアベンダー、ソリューションベンダー、コンサルタントからの反応は、彼らは注意を払う必要がないということです。彼らのクライアントは注意を払っていないからです。なぜ彼らが注意を払う必要があるのでしょうか？
ガソリンが無料の国に住んでいるなら、自動車メーカーはなぜ車の燃費に注意を払う必要があるでしょうか？彼らにとっては、ガソリンが無料なら、それは顧客にとってほとんど関係のない問題です。顧客が注意を払わないなら、自動車の販売業者も注意を払いません。ソフトウェアベンダーに行くと、顧客が無知で注意を払わないのなら、なぜエンタープライズベンダーが注意を払う必要があるでしょうか？答えは、彼らは注意を払いません。実際には、彼らは注意を払いません。
それが今日のエンタープライズソフトウェアを見ると、人々がいつも驚く理由です。クリックして、レポートを見たいだけで、最小限のことをしたいだけで、数秒かかります。応答速度の面では、エンタープライズソフトウェアは平均的に非常に劣っています。非常に遅いです。例えば、Googleでウェブ検索を行いたい場合、50ミリ秒、おそらく100ミリ秒程度で、Googleはウェブをスキャンし、クエリに一致する情報の要約を提供することができます。これは非常に高速でスナッピーです。
それに対して、単純なことをするだけで、「このSKUの状態をチェックしたい」という場合、数秒かかります。興味深いことに、それは2024年のコンピューティングハードウェア上で数秒かかります。20年前には、能力が100倍低いハードウェアを持っていながら、すでに1秒かかっていました。何が起こったのでしょうか？それは、余分なコンピューティングハードウェア、このハードウェアの余分な機能が、効率の悪いソフトウェアを通じて無駄にされてしまったからです。
コナー・ドハティ: ありがとうございます。基礎知識について話すとき、ちょうど聞いていたところですが、ある種の…あなたがそこで説明していることを分けることができると思いました。以前のアナロジーを使って言うと、車を取って砂漠に行くと、それは砂漠にとって最適な車ですか？基礎知識に関しては、理論的な知識と実践的な知識の両方があると思います。
したがって、車がどのように動くかという理論的な理解があります。これは理論的な理解です。また、実践的な基礎知識もあります。たとえば、タイヤがパンクした場合、そのタイヤを交換するためのスキルと基本的な知識を持っていますか？エンジンが始動しない場合、基本的な修理を行うことができますか？砂漠で一人で運転する場合、理論的な知識だけでなく、少なくとも基本的な実践的な基礎知識が必要です。
では、話を元に戻して、あなたは人々が持つべき実践的な基礎知識について詳しく説明しました。この分野で誰もが持つべきスキルはありますか？
ジョアネス・ヴェルモレル: はい、再び、実践的な観点から見ると、私たちが話している価格帯についてのアイデアを持つことが重要です。たとえば、1テラバイトのストレージのコストはいくらですか？おおよその1テラバイトのメモリのコストはいくらですか？2 GHzのスループットを提供するCPUのコストはいくらですか？もしオーダーマグニチュードを誤差1桁以内で推測できるなら、それは非常に良いことです。コンピュータのことは、通常、人々が推測すると、その推測は桁違いに外れることが多いのです。
たとえば、車の重さを聞かれた場合、車を見せてもらってからの推測は、おそらく50％程度外れるかもしれません。1.5トンと言うかもしれませんが、実際には電気自動車であり、2トン以上です。しかし、それは同じオーダーマグニチュード内でした。車を見て、「20キログラムです」または「500トンです」とは言いません。しかし、もし私があなたに「永続的なストレージの1テラバイトのコストはいくらですか？」と聞いた場合、最も安いものを見つけると、人々は1万から2までといった価格を教えてくれるでしょうし、誰もそれについて何もわからないでしょう。
同じことが、1秒間に1000億回の算術演算を行うことができるチップのコストについても言えます。そのようなことができるチップセットのコストはいくらですか？人々は、「わかりません、10万ユーロかもしれません」「50ドルかもしれません」と言います。再び、実践的な知識は価格帯についてのアイデアを持つことです。これは正確ではありません。オーダーマグニチュードのようなものを把握できれば、もう十分に理にかなったものになります。
コンピューティングリソースには15桁もの幅があるというのは非常に奇妙なことです。これは非常にユニークだと思います。私が知っている他の分野では、オーダーマグニチュードがこれほど広がっている分野はありません。15桁のオーダーマグニチュードということは、一方では単位、つまり1つの加算、1つの乗算を指しています。そして、もう一方では、本当に膨大な数、数十億を指しています。これは本当に広範なオーダーマグニチュードの範囲です。
そして、それは心にとっては難しいものです。そして、それがなぜ、コンピューティングリソースの無駄遣いが起こり得ると言ったのかですが、車のアナロジーは誤解を招くところです。最悪の車でも、最高の車よりも消費量が10倍悪くなるだけです。たとえば、100キロメートル走るために、超効率的な車であれば、ガソリンを5リットル使います。
もし、超重いSUVなどを使うと、50リットルになるでしょう。10倍の差です。しかし、コンピュータではそうはいきません。最も効率的なものは、100キロメートルに対して5センチリットルの消費であり、最も効率の悪いものは、100キロメートルに対して5立方メートルの消費です。オーダーマグニチュードは本当に広範です。だからこそ、価格帯のアイデアを持つことが重要です。また、何が動いていて何が動いていないかのアイデアも持つことが重要です。
Conor Doherty: 何を言っているのですか、何が動いていて何が動いていないのですか？
Joannes Vermorel: 例えば、GPUはネットワークのトレンドに沿って進化してきました。過去5年間でGPUは驚異的に進化しており、今後も同様に進化し続けることが予想されています。これは計算リソースの一種であり、秒間の演算数が向上しています。また、メモリの面でも向上しています。非常に良い進歩です。CPUも同様の進歩を遂げています。演算コアの数やCPU内部のL3メモリのサイズなど、非常に速いペースで向上しています。
まだまだ進化し続けています。それに対して、DRAMはコンピュータのメインメモリに使用される揮発性メモリです。コンピュータをシャットダウンすると、そのメモリは失われます。この市場はほとんど変化しないと思われる市場です。世界にはわずか4つの工場しかありません。ですので、価格の下落に関しては本当に変化を期待しないべきです。短期間での大きな変化も期待しないべきです。つまり、実用的な観点から言えば、価格帯のアイデアを持ち、何を期待できるかを少し知っておくことが重要です。また、プロフェッショナルグレードのハードウェアを選ぶことが、コンシューマグレードとは非常に異なるものを提供してくれるのか、という直感も重要です。
見ているものによっては、会社が購入できる最高のものが、消費者市場に適しているとされるものよりも桁違いに優れている場合もあります。再度言いますが、このような知識を持っていることは、風景を見渡し、適切なベンダーを選ぶ、または無能なベンダーやコンサルタントを排除するのに本当に役立ちます。注意を払い始めると、無能さを排除することができるでしょう。コンサルタントやベンダー、社内プロジェクトにおいても同様です。それは重要なことです。
Conor Doherty: そうですね、何度かコストに触れましたが、物理的にハードウェアを調達する直接的なコストについて話しました。計算リソースをより賢く使わないことによる直接的および間接的なコストについては、どのオーダーマグニチュードを考えていますか？大規模な小売店、大規模な小売ネットワーク、オムニチャネル、どんなイメージを描いても構いませんが、計算リソースをより賢く使わないことによって失うことができるものはどれくらいですか？
Joannes Vermorel: 保守的な見積もりとして、サプライチェーンの最適化の取り組みの90%以上が失敗すると言えます。そして、この90%のうちかなりの割合が、ほぼすべてのソフトウェアの取り組みが失敗しており、その大部分は（唯一の理由ではありませんが）劣悪なパフォーマンスによるものです。パフォーマンスを考えるとき、異なる視点から考える必要があります。人々は、毎日在庫の補充を行う必要があると考えるでしょう。したがって、すべての計算は24時間以内に完了する必要があります。
それは当然のことです。計算を毎日実行したい場合、計算を24時間以内に完了できない場合は、困ります。つまり、計算に費やすことができる時間の上限です。しかし、計算リソースを2倍に増やせば、2倍の速さで実行できると思うかもしれません。しかし、自然にそうではありません。なぜなら、採用するソフトウェアアーキテクチャによって異なるからです。スケールアウトと呼ばれる技術用語で呼ばれるものには、より多くの計算ハードウェアを投入してもスピードアップしないアーキテクチャやデザインパターンが多数存在します。
Conor Doherty: つまり、収益の減少ですね。
Joannes Vermorel: そうですね、時にはまったく収益がないこともあります。追加のリソースを投入しても、スピードアップが得られないこともあります。それは、追加の計算リソースを活用するためにソフトウェアをどのように設計したかによるのです。さて、次に進みましょう。在庫の補充を4時間で計算できるものがあるとしましょう。そして、小売ネットワークではたった4時間しかかからないとします。満足ですか？
まあ、私の答えはノーです、全く満足できません。なぜなら、ここでは製品を一度だけ本番で見ているだけです。数値レシピを調整する必要があり、最終的に満足のいく結果に収束するまで何度も反復する必要があることを考慮していません。この実験的なプロセスは非常に高コストになります。
そのため、多くの理由があります。まず、実験を行うときは、非常に効率的ではない状態から始めることが一般的です。品質の観点から満足のいく結果を得るものを特定するまで、効率的になることはありません。効率は、計算リソースの消費を本当に最適化し始めたときに向上します。
それが一つのことです。しかし、もう一つは、計算が完了するまで待つために人々に支払わなければならないということです。結果を見て評価し、次の反復を行うために。そして、ここで大きな問題が発生します。サプライチェーンの取り組みが失敗する場合、このプロセスは非常に遅くなる可能性があります。私たちは4時間について議論していましたが、実験が最適ではない状況で2倍遅くなると仮定しましょう。
つまり、8時間です。つまり、1日に1つの実験しか行えません。つまり、500回の反復が必要な場合、この作業には2年かかることになります。非常に遅くなるため、他の問題が発生し始めます。実験を行っている人々が別の仕事に移ることが始まります。一緒に働いているエンジニアは40年間一緒にいるわけではありません。したがって、プロジェクトに取り組んだ人々が辞めてしまい、新しい人々を迎えなければならない場合、行われたすべての実験を自然に覚えているわけではありません。
つまり、このような問題は多くの問題を引き起こします。数値的なレシピに収束しても、ロックダウンなどの混乱が起こると、再びレシピを再設計する必要があります。反復プロセスが非常に遅い場合、すべての混乱に対処することはできません。混乱の解決策を最終的に設計するまでに、既に別のことに移ってしまいます。そのため、反復が非常に迅速である必要があります。
また、次の反復に移る際のパフォーマンスは、ごまかすことができます。なぜなら、次の実験では、ほとんど同じ計算を再度行うことになるかもしれません。したがって、ほとんど同じ数値レシピを微小な変化とともに再度行う場合、すべてのリソースを再送信する必要があるでしょうか？スマートなアプローチを持っていれば、すでに計算されたほとんどのものを再利用して、すべてを毎回やり直すことなくより速く反復することができるかもしれません。
ただし、それは、どこに計算リソースが使われているのか、何を無駄にしているのか、何を2回または10回連続で行っているのかを理解できる場合にのみ機能します。それは1回だけ行うべきです。
Conor Doherty: オーケー、ジョアネス、今日聞いている人々、そして彼らは皆、「私はこの人に同意します。彼を信頼します。彼は信頼できる人です。」と言っていると思います。供給チェーンの実践者やCレベルの人々にとって、次の具体的なステップは何ですか？彼らはあなたの話を聞いて、「これについてもっと知識を持ちたい」と思っているでしょう。
Joannes Vermorel: コンピュータの動作についての入門資料を読み始めることをお勧めします。コンピュータの動作について説明した本はたくさんありますので、例えば、クラウドコンピューティングプロバイダが提供しているものについて理解しようとすることができます。Microsoft Azureにアクセスして、ストレージ、CPU、仮想マシン、帯域幅などの価格を確認することができます。また、数時間でできるでしょう。初等教育向けの本もあります。高校や中学校向けの本もありますが、問題ありません。この知識を得ようとするという考え方です。
そして、技術の進化の話題が出たら、ベンダーやコンサルタントに尋ねてみてください。「計算リソースについてどう思いますか？私たちは、自分自身に設定したメトリックや目標に基づいて最高の意思決定をしたいと考えています。」自分がたくさんのものを購入しようとしている人々がそれについて全く知識がない場合、逃げるべきです。それが私の結論です。それを使って、最初から専門家であってはならないとされるいわゆる専門家を検出するための試金石として使用してください。それはまったく無能です。
最終的には、そのようなベンダーと一緒に行くと、彼らの非効率性の代償を支払うことになります。その代償は2つあります。1つは、計算ハードウェアのコストが非常に高くなることです。一般的な目安として、Lokadは通常、サブスクリプションを販売する際に、競合他社のコンピューティングリソースのコストをはるかに下回っています。人件費や設定・保守のためのエンジニアリング人件費を考慮に入れていません。単にハードウェアのコストだけです。
ですから、これは1つのポイントです。しかし、さらに大きな問題があります。それは、ベンダーがあなたを非常に単純なレシピに追い込むことです。彼らはそれが科学の最高であるとあなたに納得させようとしますが、実際には、それは彼らが計算リソースを適切に活用できないことの反映に過ぎません。だから、まだ普及している安全在庫のような非常に単純なものになるのです。ベンダーは本当はそれが完全なクソだと知っています。しかし、彼らは計算リソースの使用に非常に非効率であるため、より良いものを考慮することは非常に実用的ではありません。
ですから、二重のコストが発生します。まず、計算リソースに無駄な出費があります。そして、次に、単純化されたレシピに追い込まれ、結局のところ、あなたは実践者として、スプレッドシートを使ってそれらのシステムから出てくる狂気を手動で修正することを強いられることになります。なぜなら、システムは非常に単純なレシピを使用しており、どんな種類の洗練さにも対処していないからです。
Conor Doherty: 実際には、以前に使用した規則の一つ、または質問、訂正します。あなたは、「クラウドコンピューティングの1テラバイトのコストやそのようなものがどれくらいかわからない場合、それは基本的に問題です」と言いました。それは興味深いことです。なぜなら、ほとんどの人々は個人の生活で、カフェに入ってコーヒーを注文すると、「45ユーロです」と言われたら、驚き、「それは違うでしょう。あなたが私に請求すべき金額がどれくらいかはわかりませんが、45ユーロは少し高すぎます。」と言うでしょう。そして、おそらくその場を去り、他の場所に行くでしょう。
観光地の場合でも、「45ユーロは違う」と言うでしょう。しかし、最終的には何も重要ではありません。つまり、おそらく財政的に自滅することはないでしょう。それによって仕事を失うことはないでしょう。
しかし、同じような本能、生存本能、または全体的な機転は、会社がどのような計算リソースやソフトウェアを使用するかに関しては完全に欠如しているかもしれません。それに関連する直接的および間接的な長期的なコスト、短期的な間接的および長期的なコストについては、全くわかりません。例えば、「計算に1秒あたり555,000ドルかかる」と言われても、それが正しいかどうかはわかりません。おそらく違うでしょう。しかし、ポイントは、それらの質問に答えることができない場合、自分自身の専門知識には大きな欠陥があると同意します。それを埋めるために努力すべきです。
Joannes Vermorel: はい、再び、これはサプライチェーンの実践者にとっては少し厳しいかもしれませんが、何が問題なのでしょう？予算の大部分です。つまり、大企業はこれらのシステムに年間数百万ユーロまたは数千万ドルを自発的に費やしています。そして、誰も、ベンダーを含めて、これらの基本的な問題について何も知らないという事実にいつも驚かされます。
また、それは非常に高価なものであるため、建物を購入するのに似ています。つまり、建物を買うのに、コンクリートが実際に何であるかを全く知らない建築家がいるようなものです。あなたは言うでしょう、「わからない。建物はダンボールでできているのか、コンクリートでできているのか、木でできているのか、マシュマロでできているのか。どれでもいい、ただ塗装をして、すべて同じように見える。」
また、コンピュータのことやソフトウェアのこと、ソフトウェア業界はこの点で非常に特殊です。多額のお金が関わっており、誰もがそれについて完全に無知であることは問題ではないという暗黙の合意があります。これは、私にとって非常に興味深い産業です。
そして、私はほとんどの競合他社と話をしてきました。競合他社とは、管理チームのことです。誰もがこのような機械的な同情を持っていることについて何も知らないとき、私はいつも驚かされます。
また、これは、例えば、フォーミュラ1のドライバーが「私は4つの車輪を持っています。ペダルと車輪の間で何が起こっているのか？それは魔法、魔法です。何かがあります。大きな音がします。それはうるさいことはわかっていますが、それ以外にはただのものです。」と言うようなものです。車についての私のビジョンはただのものです。これは、人々がこれは狂気だと思うでしょう。車を十分に理解しなければ、車をうまく使うことはできません。
そして、私の考え方では、サプライチェーンの専門家は、フォーミュラ1のドライバーがフォーミュラ1を使っているように、毎日たくさんのデジタルツールを使っています。だから、彼らは何が起こっているのか、このものの仕組みを少し理解する必要があります。そうすれば、情報を基にした意思決定ができます。少なくとも、完全に無意味なものを売りつけられて、完全に防げる理由で失敗することはありません。
Conor Doherty: これ以上の言葉はありません。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。
