サプライチェーンの科学と技術
BACK TO LOKAD TV ›
サプライチェーンにおける変化への恐怖
優れたサプライチェーンマネジメント(SCM)の実践には、失敗のコストが高いため適度な保守性が含まれています。しかし、革新が停滞する企業を市場から駆逐していく世界で、すべての変化を拒むのは選択肢になりません。
サプライチェーンにおけるソフトウェア・フランケンシュタイン化
サプライチェーンの管理と最適化は、ソフトウェアの観点から見ると特に困難です。 'ソフトウェア・フランケンシュタイン化' とは、何十年にもわたる進化に直面した際に企業向けソフトウェアが抱える技術的劣化を指します。
サプライチェーンのための確率的予測
サプライチェーンの最適化は未来に関する洞察を有することに依存しています。従来の予測は不確実性を完全に無視し、予測が完全に既知であると仮定します。これに対して、確率的予測は不確実性を受け入れ、予期せぬ出来事に直面した際にもサプライチェーンの最適化が堅牢であるべきであることを反映しています。
サプライチェーン向けのモノのインターネット
サプライチェーン管理を高いパフォーマンスで運用するためには、管理者がすべての資産の位置情報にアクセスできる必要があります。従来の電子在庫管理とは異なり、モノのインターネット（IoT）は、車両を含むすべての資産に対してリアルタイムな可視化を実現する可能性を提供します。
サプライチェーンにおけるデータ準備
データを適切に準備することは、データ主導の取り組みで成功するために必須です。サプライチェーンの課題を考えると、データ準備は、データサイエンスを念頭に置いて設計されていない複雑な企業システムを伴うため、困難です。
プロモーション予測
プロモーション需要の予測は、適切な在庫配分を行うために必要です。しかし、時系列予測モデルは、価格に関連する需要パターンに対処するには必ずしも適していません。過去のプロモーションを適切に考慮し、計画されているプロモーションの将来の影響を反映するためには、より複雑な機械学習予測モデルが必要です。
ユーザーエクスペリエンスのパラドックス
サプライチェーン管理（SCM）システムは複雑なユーザーインターフェースを特徴としています。その中でも、需要予測サブシステムは単に複雑なだけでなく、非常に込み入っています。この複雑さに対処するためには、より良いユーザーインターフェースが必要です。
供給チェーンにおけるサイロと意思決定
現代の供給チェーンは複雑であり、その複雑さに対する最も直接的な答えは「労働の専門化」である。しかし残念ながら、このアプローチは、会社の利益を最大化する決定を下すことに失敗する「サイロ」を生み出す。
サプライチェーンにおけるデータサイエンティスト
サプライチェーンの課題は、しばしば定量的かつデータ駆動型です。これにより、データサイエンスの実践に適しているといえます。しかしながら、ビジネスの理解は、サプライチェーンにおけるデータサイエンス実践でしばしば見落とされがちな側面です。