Вероятности, а не сценарии
Цепочка поставок часто описывается как искусство балансировки спроса и предложения. Я вижу это более резко: каждый заказ, каждая производственная партия, каждое изменение цены — это ставка на будущее, которое мы не контролируем. Мы выделяем запасы, мощности, деньги и внимание уже сегодня, надеясь, что мир завтрашнего дня вознаградит эти обязательства, а не накажет их.
Поскольку эти решения являются ставками, то способ, которым мы думаем о будущем, не является второстепенным вопросом. Это суть дисциплины. В моей книге Введение в цепочку поставок, я утверждаю, что суть не в том, чтобы поддерживать гармонию вокруг плана, а в том, чтобы распределять ресурсы туда, где ожидаемая, с учётом риска, прибыль самая высокая в условиях неопределённости. Всё остальное — лишь украшение.
Тем не менее, большая часть мира цепочек поставок продолжает работать по логике планирования, в которой будущее рассматривается как несколько тщательно прописанных «сценариев». Мое собственное мнение, сформированное за почти два десятилетия в Lokad, заключается в том, что такой сценарно-центричный подход не просто субоптимален; он по своей сути противоречит тому, чем на самом деле является цепочка поставок. Цепочки поставок существуют в вероятностном пространстве, а не на раскадровках.
В этом эссе я хочу объяснить, почему я считаю, что вероятностное прогнозирование является естественным языком цепочки поставок, и почему мейнстрим, ориентированный на сценарии — особенно воплощённый во многих процессах IBP и S&OP — не может быть приведён к чему-либо адекватному. Его необходимо заменить.
Как мейнстрим воспринимает будущее
Если присмотреться к тому, как сегодня планируют крупные компании, можно заметить удивительно единый подход, общий для различных отраслей и поставщиков программного обеспечения.
Обычно существует базовый прогноз, зачастую представленный одним временным рядом для каждой группы продуктов или региона, созданный модулем планирования спроса. Вокруг этого базового прогноза процессы интегрированного бизнес-планирования (IBP) организуют ежемесячный или ежеквартальный ритуал, на котором отделы продаж, операций и финансов согласовывают «консенсусный» или единый план. Программные комплекты, такие как SAP Integrated Business Planning, явно представляют сценарное планирование и симуляции «что если» как ключевые возможности: планировщиков поощряют запуск альтернативных сценариев спроса или предложения, сравнение их на дэшбордах и выбор наиболее подходящего варианта.
Концептуально будущее представлено небольшим набором именованных миров: базовый случай, оптимистичный случай, пессимистичный случай, а, возможно, ещё один-два сценария кризиса для полноты картины. Прогнозы в этих мирах являются детерминированными; неопределённость учитывается неявно через целевые показатели уровня сервиса, формулы запаса безопасности и определённые суждения. Как только избранный сценарий утверждается, от организации ожидается его принятие и измерение соответствия с привычными КПЭ.
Процесс выглядит структурированным и коллективным. Он создаёт планы, которые можно изложить в PowerPoint. Он удовлетворяет понятное человеческое желание рассказать себе историю о завтрашнем дне.
Но это неудачный способ подхода к системе, которая производит, перемещает и оценивает миллионы единиц в условиях постоянной изменчивости.
Неустранимая неопределённость цепочек поставок
В производстве часто можно купить стабильность. Инвестируйте в лучшие машины, более точные допуски, больше датчиков — и уровень дефектов снижается. Случайность уменьшается.
Цепочки поставок не дарят такого комфорта. Существенная неопределённость кроется в человеческом поведении и в политике: сдвиги спроса, действия конкурентов, рекламные акции, изменения цен, перебои с поставками, забастовки, регуляторные неожиданности. Вы можете улучшить свои данные и модели, и, безусловно, следует это сделать, но детерминированное будущее купить не получится.
Если вы примете это, то естественным образом возникнет другой вопрос. Вместо того чтобы спрашивать: «Каков наш план на следующий квартал?», вы начинаете задаваться вопросом: «Учитывая всё, что мы знаем на сегодня, как, вероятно, распределится будущее и на что следует делать ставку?»
И здесь вступает в игру вероятностное прогнозирование.
Что на самом деле представляет собой вероятностное прогнозирование
Часто вероятностное прогнозирование неправильно понимают как изящный способ построения доверительных интервалов вокруг традиционного прогноза. Однако суть не в этом.
Для цепочки поставок вероятностный прогноз присваивает вероятности всем значимым исходам: сколько единиц может быть продано на следующей неделе, сколько времени реальный поставщик может потребовать для доставки, какова вероятность возврата товара, как часто может выйти из строя ключевое оборудование. Вместо одного предсказанного числа для спроса и одного «среднего» времени поставки мы получаем полные вероятностные распределения для обоих показателей.
Такой подход не нов в статистике, но для практики цепочек поставок это подлинный сдвиг парадигмы. На лекциях и в интервью я описывал вероятностное прогнозирование как одно из самых значимых изменений за более чем столетие науки прогнозирования, не потому что математика здесь экзотична, а потому что оно позволяет, наконец, связать прогнозирование с принятием решений здравым способом.
Когда у нас есть распределения вместо единичных чисел, мы можем сделать то, чего не позволяет сценарное планирование: оценить решение сразу для всех правдоподобных будущих вариантов.
Решения как экономические ставки на распределения
Рассмотрим очень простой пример. Вы решаете, какое количество продукта заказать на следующий месяц.
Если вы опираетесь на один прогноз, вы получаете число — скажем, 1 000 единиц — и добавляете некоторый запас «на всякий случай». Вы также можете рассмотреть пару сценариев: что если спрос будет на 20% выше или что если поставщик опоздает. Каждый сценарий кажется отдельным миром. Вы корректируете количество заказа вверх или вниз, ведёте переговоры и, в конце концов, выбираете число.
Если вы опираетесь на вероятностные прогнозы, логика меняется. У вас есть распределение спроса; возможно, существует небольшая вероятность того, что продажи окажутся чрезвычайно высокими, и значительная вероятность того, что они будут очень низкими. У вас есть распределение времени поставки; некоторые поставки выполняются оперативно, а некоторые — нет. К исходам привязаны экономические показатели: маржа от продаж, штраф (явный или скрытый) за дефицит запасов, стоимость капитала, замороженного в запасах, риск устаревания.
Теперь вы можете вычислить ожидаемый экономический результат для заказа в 800, 900, 1 000 единиц и так далее. Каждое количество заказа становится ставкой, чья выгода оценивается по всему вероятностному пространству, а не только по нескольким выбранным сценариям. Вы можете предпочесть решения, которые в среднем показывают хорошие результаты и устойчивы к крайним значениям, а не те, которые выглядят хорошо в PowerPoint-сценарии, но рушатся, когда реальность немного отклоняется от плана.
Это не ограничивается только запасами. Та же логика применяется к проектированию сети, резервированию мощностей, формированию ассортимента и даже к ценообразованию. Везде, где мы распределяем ограниченные ресурсы в условиях неопределённости, мы можем задать один и тот же вопрос: учитывая вероятностное представление о будущем и наши экономические предположения, какое решение имеет наивысшую ожидаемую, с учётом риска, прибыльность?
Сценарное планирование, как правило, не имеет такого расчёта. В лучшем случае оно предлагает несколько изолированных снимков и оставляет руководству задачу визуально оценить компромиссы.
Почему нескольких сценариев недостаточно
Первая проблема сценарного планирования — это уровень детализации. Современные цепочки поставок работают в таком масштабе, что сценарный подход выглядит почти комически грубым. Перед нами может стоять миллионы комбинаций «SKU–локация–время», каждая из которых имеет свой уникальный шаблон спроса, профиль времени поставки и чувствительность к ценам и акциям. На фоне этой тонкой детализации мы предлагаем, возможно, три-четыре повествования о будущем.
Даже если бы эти повествования были идеальными, их всё равно было бы слишком мало. Но они не идеальны. Они являются результатом суждений, политики и привычек. То, какие сценарии записываются, само по себе является случайным процессом, на который больше влияют организационные тревоги, чем статистические данные.
Вторая проблема заключается в том, что сценариям редко приписываются явные вероятности. У нас есть «базовый», «оптимистичный», «пессимистичный», но мы не указываем, насколько вероятен оптимистичный исход — пять процентов или пятьдесят. Литература по IBP тепло рассказывает о непрерывном сценарном планировании, но на практике это означает больше и более быстрых симуляций, а не калиброванных вероятностных распределений.
Третья проблема в том, что сценарное планирование обычно работает на высоком уровне агрегирования. Мы проводим сценарии для общей выручки, общей мощности, для нескольких ключевых клиентов или групп продуктов. Между тем, реальный экономический ущерб в цепочке поставок наносится локальными расхождениями: отсутствие одной детали, которое может остановить самолёт, чрезмерная закупка одного модного товара, регион, который постоянно обслуживается недостаточно. Эти сбои почти никогда не отображаются явно на сводных диаграммах сценариев.
Сценарии привлекают нас тем, что они повествовательны, их можно именовать и обсуждать. Они соответствуют нашим когнитивным ограничениям. Но цепочки поставок — это не повествовательные объекты; это стохастические системы с множеством степеней свободы. Несколько историй не могут в полной мере отразить эту реальность.
Скрытая цена погони за точностью и сценариями
Десятилетиями компании прилагали усилия к повышению точности прогнозирования, как если бы это неразрывно связывалось с улучшением экономических показателей. Мы измеряем MAPE и подобные метрики, запускаем инициативы по повышению ценности прогноза и отмечаем даже небольшие улучшения как победы. Однако на практике корреляция между «лучшей» точностью и улучшением финансовых результатов часто оказывается слабой, а иногда и отрицательной.
В других работах я утверждал, что эта фиксация на точности является большой, медленной помехой. Можно повысить точность, предсказывая больше нулевых значений при перемежающемся спросе, и в этом процессе лишить цепочку поставок необходимыми запасами. Можно повысить точность, агрессивно следуя последним сигналам продаж, и невольно усилить эффект хлыста. Можно создавать впечатляющие наборы сценариев, которые приводят к плохой реализации.
Глубокая проблема в том, что «точность» и «охват сценариев» — это показатели планирования, существующие в мире чисел, оторванном от цен. Они оценивают, насколько близки прогнозы к фактическим значениям или насколько аккуратно сценарии отражают заботы менеджера, но не учитывают экономические последствия решений. Небольшая ошибка прогноза по критически важной запасной части может нанести гораздо больший ущерб, чем значительная ошибка по медленно продающемуся аксессуару, однако метрики точности оценивают их схожим образом.
Вероятностное прогнозирование позволяет вернуть весь акцент обсуждения на экономику. Вместо того чтобы спрашивать, насколько мы близки к фактическим цифрам, мы задаём вопрос: обеспечивают ли наши решения, оценённые по полному распределению исходов, достойную прибыль с учётом риска. Сценарное планирование, даже если оно и украшено сложными инструментами, побуждает нас оптимизировать истории, а не деньги.
Как вероятностное мышление меняет практику
Принятие вероятностей вместо сценариев имеет несколько практических последствий.
Во-первых, это заставляет нас ясно определить, где на самом деле кроется неопределённость. Спрос и время поставки — это не «параметры», которые можно зафиксировать в системе планирования; это случайные величины, которые необходимо моделировать и постоянно обновлять по мере поступления новых данных. Это касается как надёжности и возвратов на стороне поставщиков, так и спроса со стороны клиентов.
Во-вторых, это требует привязки денежных показателей к исходам. Вероятностный прогноз без экономической оценки лишь немного лучше детерминированного. Нам нужно знать, сколько стоит дефицит запасов, сколько обходится избыточный запас, какова стоимость утраченной продажи, как оценить простаивающие мощности. Эти величины несовершенны и иногда неудобны для оценки, но они являются единственным способом разумного сравнения решений.
В-третьих, это естественным образом приводит к автоматизации. Как только вы сможете вычислить ожидаемую, с учётом риска, выгоду от заказа пополнения, изменения цены или перемещения, нет смысла обсуждать каждое решение на совещаниях. Вы можете позволить программному обеспечению принимать тысячи или даже миллионы мелких решений каждый день, в то время как люди будут сосредоточены на формировании экономической модели, проверке предположений и управлении ситуациями, когда уверенность модели низка.
Это совершенно отличается от процесса IBP, в основе которого лежит ежемесячный сценарный воркшоп. Вместо планировочного ритуала, который периодически переутверждает план, мы получаем экономический механизм, который непрерывно управляет компромиссами в условиях неопределённости.
Где ещё находят своё место сценарии
Я не утверждаю, что компании должны запрещать слово «сценарий». Воображение необходимо в любом сложном начинании. Совещательные советы и руководители нуждаются в повествованиях, чтобы рассуждать о долгосрочных инвестициях, стратегических рисках, регуляторных изменениях и технологических сдвигах.
Однако в вероятностной цепочке поставок сценарии играют иную роль. Это не вырезанные вручную образы будущего, которым должна следовать система планирования. Это иллюстрации, основанные на или ограниченные базовой вероятностной моделью.
Если мы хотим исследовать серьёзный, но правдоподобный негативный исход, мы не придумываем его с нуля; мы акцентируем внимание на распределениях так, чтобы они соответствовали истории и экспертным знаниям, и позволяем тому же механизму принимать решения вычислить последствия. Если мы хотим показать потенциал роста в рамках более агрессивной ценовой стратегии, мы используем вероятностную модель для симуляции того, как может отреагировать спрос, и количественно оцениваем диапазон возможных исходов.
Таким образом, сценарии становятся педагогическими взглядами на вероятностную реальность, а не её заменой.
Выход за рамки цепочек поставок, ориентированных на сценарии
Основной сценарий имел долгое течение: детерминированные прогнозы, запасы безопасности, ежемесячные консенсус-планы и несколько сценариев в дополнение. Это принесло определённую структуру, но также закрепило во многих организациях образ мышления, который всё больше не соответствует сложности и нестабильности современных цепочек поставок.
Альтернатива не мистична. Необходимо просто воспринимать неопределённость всерьёз и выражать её на единственном языке, который масштабируется: вероятности. Как только мы начнём рассматривать спрос, сроки поставки и другие ключевые факторы как случайные величины; как только мы присоединим цены к исходам; как только будем оценивать решения как ставки по полным распределениям, а не как реакцию на несколько историй; сценарное планирование в традиционном понимании начнёт выглядеть так, как оно есть: механизмом преодоления отсутствия надлежащего вероятностного, ориентированного на принятие решений двигателя.
Нам не нужно больше сценариев. Нам нужны более качественные вероятности и цепочка поставок, которая знает, что с ними делать.
