Наличие цепей поставок на автопилоте благодаря прогнозирующим технологиям и достижение выше человеческих возможностей в масштабах остаётся недостижимой целью для подавляющего большинства компаний, за исключением привычных кандидатов (например, Amazon). Это положение дел тем более удивительно, учитывая огромное количество software vendors, которые обещают радикальное сокращение запасов и stock-outs — наряду с прочим. Долгие годы шуткой в Lokad было то, что единственный способ конкурировать с заявлениями наших соперников заключался бы в том, чтобы начать утверждать, что мы лечим рак тоже.

Факторы успеха в предиктивных цепочках поставок

Однако, мои случайные наблюдения за предыдущим опытом1 из клиентской базы Lokad указывают на то, что подавляющее большинство инициатив в области прогнозирующих цепей поставок терпят неудачу. Под неудачей я конкретно имею в виду, что эти решения даже не достигают 10 из 12 в нашем 5-минутном тесте производительности цепочки поставок. Более жесткий критерий успеха заключался бы в устойчивом повышении общей финансовой результативности цепи поставок, но на данный момент наш скромный 5-минутный тест достаточно для определения разумного верхнего предела успеха.

Трудно выразить числовой показатель фактической успешности – успехов так мало, что я полагаю, общий рыночный показатель успеха2 составляет менее одного из десяти. Однако, как и лотерея, новость делает лишь победителя (единственного), в то время как проигравших (толпы) игнорируют. Проблема усугубляется тем, что обе стороны, клиент и поставщик, имеют сильную мотивацию позиционировать себя как успешных, независимо от реального результата проекта. Для поставщика успех – это, безусловно, отличный PR. Для сотрудников клиента3 успех означает лучшие перспективы трудоустройства4. Что ещё хуже, дать всей компании понять, что многомиллионные инвестиции оказались потрачены впустую, слишком часто становится рецептом для увольнения или утраты карьерного роста. К счастью, количественная оценка эффективности цепи поставок – удивительно неуловимая цель, главным образом из-за сетевых эффектов. Таким образом, действительно требуется эпическая5 неудача, чтобы не суметь замаскировать беспорядок, просто немного подправив цифры.

Первое заметное исключение — это решения класса «ИИ»6 в области оптимизации цепей поставок, которые, по моим обширным наблюдениям7, достигают поразительного показателя успеха нулевой процент. Патрик Кузо, один из моих бывших преподавателей по информатике, сказал мне ещё в 2002 году, что в информатике «решение» называют «ИИ» только до тех пор, пока у нас нет ни малейшего понятия, как заставить его работать. Как только обнаруживается практический способ заставить его работать, решение получает другое название: выпуклая оптимизация, статический анализ, обучение с подкреплением и т.д. Четыре года спустя Мехрияр Мохри, мой научный руководитель того времени, повторил то же самое. Две декады спустя эти идеи оказались провидческими8, и действительно, кажется, у этих поставщиков ИИ нет ни малейшего представления о том, как сделать так, чтобы их «ИИ» давал результаты, которые могли бы считаться пригодными для промышленного применения с точки зрения цепей поставок.

Если бы не такая трата ресурсов, всю ситуацию можно было бы воспринять как комичную. Возьмём, к примеру, недавний всемирный конкурс по прогнозированию спроса Walmart: из двух десятков «заметных» поставщиков для цепей поставок, указанных, скажем, Gartner, ни один не попал в Топ-100 из более чем 900 команд. Разница между тем, что объективно работает, и тем, что рынок покупает или продвигает, ошеломляюща. Тем не менее, свободные рынки — это невероятные фильтры: со временем то, что не работает достаточно хорошо, отбрасывается. Это не потому, что люди приходят в себя и меняют своё мнение, а просто потому, что компании, застрявшие на неэффективных методах, постепенно исчезают и их заменяют конкуренты — творческое разрушение, как его определил Шумпетер.

Вторым заметным исключением является Lokad9. За последние два года наш показатель успеха стабильно превышает три из четырех. Риски всё ещё существуют, но сейчас мы на порядок менее рискованны, чем наши конкуренты. Исторически всё начиналось не так. Согласно тем же критериям успеха, указанным выше, в первые три года с 2008 по 2011 год мы достигли ровно нуля успехов. Нам потребовалось почти ужасное десятилетие чтобы с болью заработать каждый дополнительный процент успеха, благодаря десяткам постепенных улучшений. Было бы изнурительно пытаться каталогизировать всю эту историю, но давайте рассмотрим отобранный список заметных выводов.

  • Мы призываем клиентов прекращать сотрудничество, если они недовольны. Точка. С 2008 года Lokad предлагает месячные подписки, в то время как наши конкуренты всё ещё настаивают на годовых или многолетних контрактах. Это не случайно. Когда клиент уходит, это даёт чёткий сигнал о том, что что-то не работает. Обычно это связано либо с неисправной технологией, либо с недостатком компетентности (или с тем и другим). Никаких приукрашиваний. Это тяжёлая правда, но мы можем извлечь из этого урок. В отличие от этого, обычно нет ничего полезного в заранее выдуманных вежливых претензиях, появляющихся через год после событий, чтобы история выглядела лучше, чем она была на самом деле10.
  • Правильная прогностическая технология важнее, чем просто точная. Нам потребовались годы, чтобы понять, что классические голые прогнозы оказываются откровенно вредными. Мы решили эту проблему с помощью вероятностных прогнозов и специализированных алгебр для присвоения финансовых оценок решениям.

  • Правильная платформа для обработки данных важнее, чем сырой потенциал. Данные цепей поставок сложны, разнородны и слабо изучены. Существует масса тривиальных проблем, которые нужно решить, чтобы избежать ловушек принципа «мусор на входе – мусор на выходе». Обеспечение документирования данных на месте — это хороший старт, а избегание глупых опечаток через автозаполнение быстро становится необходимостью.

  • В наибольшей степени правильность должна быть заложена в дизайне. Быстро терпеть неудачу и ломать вещи не подходит для цепей поставок. Ошибки в закупках или производстве чрезвычайно дорогие. Управлять цепью поставок в условиях хаоса уже достаточно сложно, и прогнозирующая технология не должна усугублять ситуацию, добавляя собственный слой энтропии.

  • Примерно правильное лучше, чем абсолютно неправильное. Сложные задачи, такие как вариабельность сроков поставки, изменения цен конкурентов, каннибализация ассортимента, автопророческие эффекты и т.д., следует принимать, а не отвергать. Более того, легко сорвать инициативу, сосредоточившись на неверных задачах, таких как [учёт погоды]/tv/2019/7/19/can-you-use-the-weather-to-forecast-demand) только потому, что это «круто», в то время как хвостовые риски отвергаются, так как планирование «наихудшего» требует нервов и выдержки.

Большинство элементов, сыгравших решающую роль в повышении показателя успеха наших инициатив в области прогнозирующих цепей поставок, оказались базовыми — даже фундаментальными — концепциями, такими как переосмысление самого понятия того, каким должен быть прогноз, и полная переработка нашей технологии и процессов с нуля, основываясь на новом понимании столько, сколько необходимо. Мы будем продолжать в том же духе в будущем. Наша приверженность заключается в решении проблемы, а не в особенностях нынешнего решения.


  1. Компании, обращающиеся в Lokad и имеющие оборот более полумиллиарда евро или долларов, как правило, имеют серию предыдущих неудачных попыток оптимизации прогнозирующих цепей поставок, распределённых на протяжении последних двух (иногда трёх) десятилетий. Однако эти неудачи не всегда распознавались как таковые, поскольку предыдущие итерации представляли собой разнородные наборы, подобные установке или обновлению ERP-системы, а непредиктивные части работали нормально. ↩︎

  2. Это наблюдение не касается управленческой стороны проблем цепей поставок, где, как правило, процент успешной реализации довольно высок, например, систем управления заказами (OMS), складских систем (WMS), систем управления закупками (PMS) и т.д. Эти решения поддерживают рабочие процессы и автоматизируют большинство рутинных канцелярских задач, вызванных самими процессами. Полное отсутствие какой-либо интеллектуальности в этих системах, за исключением самых механистичных, значительно способствует достижению ими более высоких показателей успеха. ↩︎

  3. В сфере программного обеспечения интересы сотрудников и компании зачастую противоречат друг другу по замыслу. Для сотрудников существует мощный скрытый стимул заниматься деятельностью, которая улучшает резюме, например, приобретать опыт с модными технологиями дня или последней «хайповой» методологией. Поскольку рынок труда драматически недооценивает «скучные» и «без драмы» программные разработки, люди склонны отдавать предпочтение «захватывающим» и «наполненным драмой» проектам, что зачастую происходит за счёт эффективности компании. ↩︎

  4. Основываясь на собеседованиях, которые я регулярно провожу в Lokad, очевидно, что большинство людей считает, что видимый успех имеет решающее значение. Кандидатов, готовых признаться в подлинных неудачах в их предыдущем опыте работы, немного. Однако только люди, готовые к действиям, совершают ошибки, и только способные к саморефлексии люди могут выявлять свои ошибки и совершенствоваться со временем. В результате, с моей точки зрения, такие кандидаты оказываются самыми желанными. ↩︎

  5. Например, Lidl попал в заголовки газет, признав в 2018 году, что потратил 500 млн евро впустую в связи с провальным обновлением SAP, которое изначально должно было обеспечить серию оптимизаций запасов. ↩︎

  6. Я определяю решение для цепи поставок класса «ИИ», если оно так позиционируется поставщиком. Естественно, в рамках этого определения, особенности ИИ-технологии значительно варьируются от поставщика к поставщику. ↩︎

  7. Отсутствие доказательств не следует путать с доказательствами отсутствия. Я просто указываю на то, что успехи ИИ в оптимизации цепей поставок, если таковые и имеются, чрезвычайно редки, а не невозможны. ↩︎

  8. По мере того как всё больше людей узнаёт о проблемах ИИ, поставщики начали переключаться на альтернативные модные слова, которые, по сути, в своей бессодержательности строго эквивалентны ИИ, но менее очевидны для неспециалистов. По состоянию на 2020 год, demand sensing кажется одним из таких модных терминов. ↩︎

  9. Будучи генеральным директором и основателем Lokad, моё мнение может быть расценено как предвзятое. Однако я хочу привести мой личный опыт. Ещё в 2008 году я бросил аспирантуру по машинному обучению, годы до начала хайпа, чтобы основать Lokad. В 2010 году мы были среди первых, кто перешёл в облако. В 2011 году я обнаружил и инвестировал в Bitcoin. В 2012 году мы стали первым поставщиком, предложившим квантильные прогнозы. И так далее. Я склонен считать, что удача не может объяснить всё то, что удалось нам достичь. ↩︎

  10. Через год после произошедшего, люди вежливо сводят неудачу к «стратегическому сдвигу», который, к сожалению, не сочетался с успехом данной инициативы. Или же они будут обвинять проблемы с «плохими данными», вызванные «наследственной системой». Либо же винят проблемы с принятием, которые помешали решению набрать обороты, и т.д. ↩︎