Полицейский видит пьяного, который ищет что-то под уличным фонарем, и спрашивает, что он потерял. Пьяный отвечает, что потерял ключи, и они вместе начинают искать их под фонарем. Через несколько минут полицейский спрашивает, уверен ли он, что именно здесь потерял их, на что пьяный отвечает: нет, что они потерялись в парке. Полицейский спрашивает, почему он ищет здесь, а пьяный отвечает: “потому что тут светло.” Дэвид Х. Фридман (2010). Неправильно: почему эксперты нас подвели.

Одно из самых парадоксальных явлений в «классических» прогнозах заключается в том, что они рассчитывают на среднее — иногда медианное — значение будущего спроса, в то время как, как мы увидим ниже, средний вариант зачастую не имеет значения. Когда используются ежедневные, еженедельные или ежемесячные прогнозы, их можно считать средними прогнозами. Почему? Потому что другие виды прогнозов, такие как квантильные прогнозы, не являются аддитивными, что делает их довольно противоинтуитивными. Фактически, большинство специалистов по цепям поставок даже не подозревают о существовании альтернатив «классическим» прогнозам.

Однако с точки зрения бизнеса, если говорить об инвентаризации, не среднее значение вредит бюджету, а крайности. С одной стороны, существует неожиданно высокий спрос, приводящий к дефициту товара. С другой стороны, неожиданно низкий спрос приводит к накоплению мертвых запасов. Когда уровень спроса примерно соответствует ожиданиям, запасы колеблются плавно, и оборот инвентаря происходит очень удовлетворительно.

Таким образом, нет смысла оптимизировать средний вариант, то есть когда запасы обращаются слаженно, поскольку почти ничего не требуется улучшать. Именно крайности требуют внимания. На самом деле, большинство специалистов прекрасно понимают эту проблему, ведь их две главные задачи — с одной стороны повысить качество обслуживания (то есть смягчить последствия неожиданно высокого спроса), а с другой — контролировать уровни запасов (то есть смягчить последствия неожиданно низкого спроса).

Тем не менее, раз мы согласились, что проблемы в цепях поставок прежде всего связаны с крайностями, почему же многие компании по-прежнему ищут ответы через «средние» прогнозы? Я считаю, что управление цепями поставок, как отрасль, страдает от классического случая пьяничьего поиска, проблемы, называемой эффектом уличного фонаря. Классические инструменты и процессы освещают «средние» ситуации, которым почти не требуется дополнительное внимание, оставляя в полной темноте всё, что находится на крайностях.

Распространённое заблуждение состоит в том, что улучшение «среднего» варианта должно также незначительно улучшать ситуацию на крайностях. Увы, статистическое прогнозирование противоинтуитивно, и базовый числовой анализ показывает, что это просто не так. Статистическое прогнозирование похоже на микроскоп: несмотря на его невероятную остроту, его фокус также невероятно узкий.

Пытаться решить проблемы своей цепи поставок с помощью классических «средних» прогнозов — всё равно, что пытаться диагностировать неисправность машины, которая не заводится, обследуя каждую деталь под микроскопом, начиная с двигателя. При таком подходе вы, вероятно, так и не поймёте, что ваша машина не едет из-за отсутствия топлива, что, оглядываясь назад, является довольно очевидной проблемой.

Однако это ещё не конец безумия. Теперь представьте, что мастер по ремонту, так и не сумев установить, почему ваша машина не движется, начинает утверждать, что его диагностика провалилась, потому что у его микроскопа недостаточно разрешения. И теперь мастер просит у вас дополнительные деньги, чтобы купить более качественный микроскоп.

Похоже, подобный сценарий происходит сейчас во многих компаниях: предыдущая инициатива по прогнозированию не смогла обеспечить желаемую эффективность управления запасами, и компании удваивают усилия с новой инициативой по прогнозированию, следуя тем же самым подходам, которые привели к провалу первой.

В компании Lokad нам потребовалось 5 лет, чтобы осознать, что классический подход к прогнозированию не работает, а что ещё хуже — никогда не будет работать, независимо от того, сколько технологий мы применим, точно так же, как и переход на микроскоп с ультра-высоким разрешением стоимостью 27 миллионов долларов не помог бы мастеру диагностировать пустой бак. В 2012 году мы открыли для себя квантильные прогнозы, которые мы постоянно улучшаем; и вдруг всё начало работать.

Эти пять лет непрерывных неудач казались очень долгими, действительно долгими. В свою защиту можем сказать, что когда целая отрасль основывается на ложных обещаниях, восходящих к университетским учебникам, не так просто начать мыслить нестандартно, если сама рамка настолько огромна, что можно всю жизнь блуждать внутри по кругу и так и не наткнуться на выход.


Комментарии читателей (1)

Очень удачная аналогия, спасибо Joannes Vermorel. Victor (год назад)