00:00:00 Lokadとそのミッションの紹介
00:00:59 サプライチェーン改善における役割と目標
00:02:59 意思決定と自動化
00:05:42 製品ライフサイクルに対するサプライチェーンの意思決定の影響
00:08:10 サプライチェーン・サイエンティストの役割
00:10:56 品切れのコスト
00:13:30 ビジネス理解を方程式に変換する
00:15:50 サプライチェーン最適化のためのピットクルーのアナロジー
概要
インタビューで、Lokad の Conor Doherty が COO の Simon Schalit と対談し、Lokad におけるサプライチェーン・サイエンティストの重要な役割について語っています。シャラットは、これらの科学者が単なるデータ専門家ではなく、在庫や価格に関する意思決定の最適化および自動化を担うサプライチェーン管理の専門家であると説明しています。彼らは効率的な購買と配送を確保するためのアルゴリズムを構築し、投資収益率の最大化を目指します。一般的なデータサイエンティストとは異なり、サプライチェーン・サイエンティストはビジネスプロセスや戦略を深く理解し、それを最適化アルゴリズムに変換します。この役割はデータ分析やクライアントとの対話、そしてビジネスの洞察を含み、企業の効率と収益性向上に不可欠です。
全文文字起こし
Conor Doherty: Lokadへようこそ。Lokadが何をしているかと問われれば、私は非常にシンプルに答えます：我々は皆さんがより良い財務判断を下すのを支援しているのです。もちろん、それは次の疑問を呼びます。意思決定はどこから生まれ、どのように生成されるのか？本日のゲストであり、LokadのCOOでありサプライチェーン科学の責任者でもあるSimon Schalitは、クライアントがサプライチェーンを最適化するために用いる意思決定を生み出す上で、サプライチェーン・サイエンティストが果たす重要な役割について、私に詳しく説明してくださいました。いつものように、気に入っていただけたらYouTubeチャンネルに登録し、このビデオに「いいね！」を押し、LinkedInでフォローしてください。それでは、今日のSimon Schalitとの対談をご覧ください。
Simon Schalit: 私はLokadのCOOであり、実際にはサプライチェーン・サイエンティストチームの責任者です。サプライチェーン・サイエンティストは、クライアント向けソリューションの実装および運用維持を担っています。業界や分野を問わず、彼らはデータとサプライチェーン双方の専門家です。要するに、皆さんのサプライチェーンを向上させるエンジニア集団なのです。
Conor Doherty: では、Simon、ありがとうございます。「サプライチェーンを向上させる」とは、具体的にどういう意味でしょうか？あなたは非常に具体的に説明してくださるので、ここにお越しいただいたのですが。クライアントのサプライチェーンを向上させるということは、具体的に何を改善しているのですか？
Simon Schalit: ええ、サプライチェーンにおける意思決定の目的は、在庫も価格も可能な限り最適な形に設定されることを保証することにあります。例えば、サプライチェーンのために商品を購入する場合、購入する商品が適切な場所で、適切なタイミングで購入され、適切な場所に、適切なタイミングで送られ、業界に応じた形でサービス提供が可能な状態であることが望まれます。
つまり、サプライチェーンを向上させるとは、より良い意思決定を行うことを意味します。通常、これはその意思決定を財務的に最適化し、さらに自動化することを伴います。大企業のサプライチェーンでは、日々の意思決定の数が人間の処理能力を遥かに超えるため、たとえ可能であっても、最適化が保証されるわけではありません。
Conor Doherty: 例えば、小売企業の場合、カタログに15,000商品、200店舗があるとします。日々、そのアカウントのサプライチェーン・サイエンティストはクライアントに何を指示するのでしょうか？
Simon Schalit: サプライチェーン・サイエンティストは、そうした意思決定を自動化するロジックを構築する役割を担います。先ほどの例では、日々、各製品の購買数量および配送先を決定する必要があります。つまり、単純な例としては購買と配送の問題です。この場合、サプライチェーン・サイエンティストは、自身だけでなく、利用可能なアルゴリズムとツール、コンピュータの力を借りながらデータを解析します。
彼らは、追加ユニットを在庫に入れるということが一種の賭けであることを踏まえ、その賭けが利用可能な情報量に基づいて最適な投資収益率を生み出すような財務ロジックを構築します。そして最後に、そのソリューションが毎日一貫して安定的に意思決定を生成できるよう、自動化プロセスを確立します。
重要なのは、意思決定の数が膨大であり、その決定は単に購買するか否かだけに留まらない点です。購買しないという決定もまた一つの意思決定なのです。したがって、日々行われる意思決定の規模は非常に大きくなります。
Conor Doherty: ありがとう。そしてこれは以前CEOのJoannes Vermorelが説明していたことを思い出させます。たとえば、一度決定を下した、つまり「1ユニットを購入した」としても、その決定で終わらず、実際にはそのユニットを保持するのか、配分するのか、返品するのか、在庫処分するのか、値引きするのか、または他の商品とバンドルするのかといった判断も必要となります。これらはすべて、資源に関する財務的な意思決定を意味しています。
Simon Schalit: 間違いなく、サプライチェーンの意思決定は、特定のサプライヤーからの調達や製造、そして実際の顧客への配送、あるいは販売対象商品であれば消費や使用に至るまで、製品のライフサイクル全体に影響を及ぼします。
このライフサイクルの間、調達、購買、配送、使用するか否か、配分など、さまざまな意思決定が必要となります。価格設定の意思決定も存在し、これは一般にはサプライチェーンの意思決定とみなされないこともありますが、我々の観点では在庫サイクルに影響を与える決定として考慮すべきです。
これらすべての意思決定は日々行われ、その数は膨大です。互いに独立して行われるのではなく、各決定が互いに大きな影響を及ぼします。たとえば、在庫がなければ配送は不可能であり、在庫がなければ価格変更もできないというのは明白な例です。
しかし、より微妙な関連性として、購買量が増えるほど、購買で大量注文を出して目指すservice levelが高まるため、ファッション業界ではシーズン末に在庫を処分するために価格調整を行う必要が生じ、結果としてshortageが発生しないようにする必要がある一方で、少なくとも基本価格での販売が保証されないリスクも伴います.
Conor Doherty: ありがとう。今日の本題に入る前に、あなた自身の言葉で、データサイエンティストとサプライチェーン・サイエンティストの違いを説明していただけますか？展示会やカンファレンスでLokadを紹介する際、「ああ、これはデータサイエンティストのようだ」と言われることもあります。あなたのご意見では、両者はどのように異なるのでしょうか？
Simon Schalit: もちろん、サプライチェーン・サイエンティストは部分的にデータサイエンティストでもあります。データサイエンティストというのは、通常、統計学を用いてデータから有用な情報を抽出する専門家を指します。純粋なデータサイエンティストのチームの場合、利用可能なデータのみを扱う傾向があり、その結果、彼らがアクセスできる現実はデータに表現された部分だけになってしまう、いわゆる象牙の塔効果が生じます。
私たちの経験では、利用可能なデータやプロジェクト開始時点のデータだけに注目すると、実際の日常業務の現実の多くを見逃してしまいます。日々のプロセスは必ずしも十分に記録されておらず、データが示す現実の意味の大部分を捉え損ねる可能性があるのです。ITの視点では記録されていても、ビジネスの視点からは不十分な場合があります。
そしてもちろん、人々の頭の中にある全ての知識を見逃してしまうことにもなります。これは非常に重要で、通常、会社の戦略はその中に存在するからです。先ほども述べたように、最適化を行う際には財務的な視点での最適化が求められますが、それは会社の戦略の理解に大きく依存します。
「特定のサービスレベルに到達したい」と言ったところで、最適化されたサービスレベルというものは存在しません。たとえば「この会社は98%のサービスレベルが必要だ」と断言できる基準はなく、その目標は、財務的な観点からそのサービスレベルの価値がどの程度かに依存するのです。
この問題において、私たちがクライアントと日々直面している鍵は、品切れのコストがどれほどかという点です。たとえば、航空機修理を行う航空MRO企業の場合、品切れのコストは膨大で、航空機が地上に留まることで、1日あたり何十万ドルもの損失が発生する可能性があります。
Conor Doherty: そして、サプライチェーン・サイエンティストはそれらを調査し、クライアントに伝えるのですか？
Simon Schalit: はい、その通りです。システムやアルゴリズムが、在庫不足のリスクを適切な規模で評価し、罰則を設けるためには、そうした事象をしっかり調査する必要があるのです。これにより、特定のunit in stock（SKU）を持つか否かという決定が、正しく行われるようになります。航空MROのケースでは、目指すべきサービスレベルが非常に高く、必要な部品が手元にない場合のコストが途方もなく大きいためです。
一方で、品切れがそれほど問題とならない業種もあり、例えば、顧客が日没時の生鮮果物の品切れを予期している場合もあります。
Conor Doherty: たとえば、生鮮果物は店頭に陳列されている他の商品で代替可能です。
Simon Schalit: その通りです。代替品や同等品が存在したり、あるいは品切れが直ちに顧客離れに繋がるとは限らなかったりします。外部要因の影響もそれほど大きくないのです。
ですから、従来のデータサイエンティストチームの最大の問題は、このような点に気付かない可能性があるということです。Lokadのサプライチェーン・サイエンティストチームがその落とし穴に陥らないよう、あえて彼らをサプライチェーン・サイエンティストと呼んでいます。これにより、彼ら自身を含む全員が、自分たちの仕事の極めて重要な部分が、プロセスや会社、財務戦略の理解と、それを方程式に変換することにあると認識するのです。
言葉で表現しようとしましたが、結局は統合作業マニュアル中の方程式として文書化するのです。これは、Lokadおよびクライアント自身のために、そして最終的に最適化を行うコンピュータへ直接供給される方程式に変換するために必要なのです。
Conor Doherty: ありがとうございます。まとめますと、サプライチェーン・サイエンティストの役割は多面的であり、単に数値やデータを処理するだけでなく、クライアントと対面で密に連絡を取り、複雑な事情、戦略、目標、要望、制約などを把握し、それを最終的により良い財務的意思決定という成果物に変換することなのですね。
Simon Schalit: はい、その通りです。私の見解では、サプライチェーン・サイエンティストの役割が非常に興味深いのは、データの側面、人間的かつビジネス的な側面、そして問題の統計的側面が多角的に絡み合っているからです。
Conor Doherty: これは、あなたをお迎えできることを非常に喜んでいる理由の一つであり、私がLokadを見る考え方そのものだからです。これは賭け事の類推を用いるようなものです。私の場合、サプライチェーンのイベントで「Lokadは何をしているのか？」と尋ねられると、意思決定について話します。どうやってそれをするのか？数学、コンピュータ、インターネット、アルゴリズムについては語らず、専門家であるサプライチェーンサイエンティストについて語るのです。これは、車を購入するときに、あなたを助ける世界クラスのメカニックを得るようなものです。車は意思決定、あるいは意思決定を生み出すアルゴリズムであり、サプライチェーンサイエンティストは何か問題が起きたときにそれを修理できるあなた専属のメカニックなのです。
Simon Schalit: このイメージが好きです。さらに言えば、フォーミュラ1的に言うなら、あなたのパットクルー全体だと言っても過言ではありません。複数の人々で構成されている場合もありますが、単にあなたの車を修理する以上の役割を担っています。メカニックについて話すと、人々はそれが単なる修理以上のものだと考えるのです。
それは、あなたに必要な車の種類、必要なエンジンのタイプ、そのエンジンの微調整方法、必要なブレーキの種類、そしてあなたが置かれる環境に適したタイヤの種類を選び出すまでに至ります。
要するにまとめると、サプライチェーンサイエンティストはあなたの全パットクルーなのです。そう捉えることで、このクルーがあなたが車のハンドルを握って直面するどんな環境にも対応するためにどれほど重要かが理解できると思います。
