Критический обзор Gartner Magic Quadrant 2024 для решений по планированию цепочки поставок, Апрель 2025

От Léon Levinas-Ménard

Last modified: April 5th, 2025

Введение

Magic Quadrant Gartner 2024 для решений по планированию цепочки поставок якобы отображает лучших поставщиков программного обеспечения по критериям «Полноты видения» и «Способности к исполнению», что создает иллюзию объективности. Однако на деле данный MQ больше говорит о стимулах Gartner и наследии отрасли, чем о подлинном техническом качестве. Этот критический обзор стремится к правде и предлагает скептический взгляд за блестящей оболочкой квадранта. Мы разбираем методологию и структуру MQ, выявляя системные недостатки – от модели оплаты за участие, искажающей рейтинги, до чрезмерного преобладания устаревших «динозавровых» поставщиков. Мы детально анализируем квадрант Лидеров, отмечая расплывчатые маркетинговые заявления (завышенные показатели ROI, магические обещания в области AI/ML без технических деталей, «черную ящичную» автоматизацию), и подчеркиваем внутренние противоречия в нарративах поставщиков (например, заявляют о планировании в реальном времени, при этом утверждая, что оптимизируют огромные ассортимент – сочетание, которое вычислительно несовместимо в реальности). На протяжении всего обзора мы опираемся на глубокое техническое обоснование и независимые анализы (включая исследования Lokad за 2021–2025 годы), чтобы развенчать хайп. Мы также обращаем внимание на то, что упускается из виду в MQ – в частности, на частые неудачные внедрения этих самых решений и отсутствие прорывных, научно обоснованных поставщиков, которые отказываются играть по правилам Gartner. Цель – всесторонний, скептический анализ, который бросает вызов видению Gartner ландшафта программного обеспечения для планирования цепочки поставок и помогает читателям увидеть за утешающей, но вводящей в заблуждение простотой квадранта суть проблемы.

Методология Magic Quadrant: структура, предвзятость и модель оплаты за участие

Gartner MQ представлен как беспристрастная оценка: аккуратная диаграмма с двумя осями, «Способность к исполнению» (ось y) и «Полнота видения» (ось x). В теории поставщик, попавший в заветный квадрант «Лидеры», обладает как высокой способностью к исполнению, так и убедительным видением. Но процесс формирования этих рейтингов далек от нейтрального. В описаниях Gartner критерии включают такие аспекты, как возможности продукта, опыт клиентов, реакция на рынок, стратегия и т.д. – крайне качественные факторы, дающие аналитикам широкую свободу. Всем известно, что крупные аналитические фирмы, подобные Gartner, работают по модели «оплата за участие», и их рекомендации часто отражают отношения с поставщиками больше, чем объективное качество продукта ¹. Как прямо отмечает один из FAQ Lokad: «Поставщики, которые отказываются участвовать в значительных платных взаимодействиях с Gartner, обычно оказываются в менее выгодном положении или вовсе исключаются.» В итоге Magic Quadrant часто функционирует скорее как инфомаркетинг для тех, кто платит, вместо того чтобы быть строгой оценкой – многие руководители относятся к этим рейтингам «с той же степенью доверия, с какой доверяют случайным гороскопам» ².

Эта системная предвзятость – не просто обвинение со стороны конкурентов; она подтверждается тем, как работает Gartner. Поставщики инвестируют значительные средства в отношения с аналитиками – покупая исследовательские услуги Gartner, проводя брифинги для аналитиков, приобретая права на перепечатку – прекрасно понимая, что их позиция в MQ может улучшиться при большем взаимодействии. Конечно, Gartner отрицает любую форму quid pro quo, но даже если отдельные аналитики стремятся к объективности, конфликт интересов не избежать. Как отметил Жоанн Верморель, в этих оценках поставщиков существует «притворство нейтральности», но на деле «конфликты интересов настолько очевидны, что объективность невозможна; вы получаете скорее платежи за победу» ³ ⁴. Ни один кодекс поведения или защитная ограда для аналитиков не способна полностью устранить тонкие давления; как отмечает Верморель, даже хорошо намеренные люди проявляют подсознательную предвзятость, когда значимые коммерческие интересы нависают ⁵ ⁶. В контексте MQ это означает, что крупные поставщики с большими маркетинговыми бюджетами и подписками на услуги Gartner получают систематическое преимущество. Отсутствие по-настоящему независимого анализа заложено в модели – доходы Gartner зависят от компаний, которые оцениваются как «объективно» лучшие.

Видение против исполнения – кто определяет успех?

Две оси MQ, по идее, измеряют «Видение» и «Исполнение» поставщика, однако эти понятия расплывчаты. Что считать смелым видением в программном обеспечении для планирования цепочки поставок? Во многих случаях это просто то, что аналитики Gartner слышали на брифингах поставщиков и в рыночном шуме. Например, наличие всех модных аббревиатур в вашем плане (AI/ML, digital twin, реальное время IBS и т.д.) обеспечивает отметку в столбце Видение, независимо от того, действительно ли ваш продукт их реализует. Наоборот, поставщик с по-настоящему новой концепцией может получить заниженную оценку, если она не вписывается в заранее заданный шаблон Gartner о том, «каким должно быть хорошее решение». Способность к исполнению часто сводится к размеру: число клиентов, глобальное присутствие, сеть партнеров по внедрению – по сути, это показатель маркетингового охвата и эффективности корпоративных продаж, а не реальных успешных результатов. Это искажает MQ в ущерб небольшим, технически инновационным компаниям (у которых могут быть лучшие алгоритмы, но меньше крупных заказчиков) в пользу укоренившихся игроков с огромной базой установок, даже если их внедрения часто не оправдывают ожиданий.

Что важно, оценивание Gartner не учитывает фактический уровень успеха внедрений в реальных условиях. Поставщик, который продает 100 копий своего ПО и сталкивается с 80 неудачами, все равно получит высокий рейтинг по «Способности к исполнению» за счет объема продаж и присутствия, в то время как поставщик, продающий 10 копий с полной успешностью, может показаться менее эффективным. Таким образом, методология MQ наказывает качество в пользу количества. Примечательно, что сами аналитики Gartner признавали, что принятие этих решений пользователями крайне низко. На саммите по планированию цепочки поставок 2024 года Пиа Оруп Лунд из Gartner сообщила, что в среднем лишь 32% планировщиков типичной организации перешли на новый инструмент планирования – шокируюю низкая цифра для проектов стоимостью в несколько миллионов долларов ⁷. Иными словами, две трети так называемых успешных внедрений не завоёвывают пользователей, превращаясь в «застрявшее ПО». Однако такие результаты почти не влияют на позицию поставщика в Magic Quadrant, поскольку оценка Gartner игнорирует эти неудачи. Ось «Способность к исполнению» служит не мерилом создания ценности, а скорей показателем охвата рынка и устойчивости поставщика. Это ставит под вопрос значимость квадранта Лидеров: исполнение лишь на бумаге, а не в реальности.

Ложная объективность квадранта

Сам формат MQ – график в виде квадранта – создает впечатление научного анализа, как будто поставщики были точно измерены и нанесены на декартову диаграмму. Это вводит в заблуждение. В отличие от диаграммы рассеяния, основанной на данных, позиции в Magic Quadrant являются результатом закрытых обсуждений, взвешенных критериев, которые Gartner не раскрывает полностью, и, в конечном итоге, субъективных суждений. Простота визуализации (верхний правый угол против нижнего левого) скрывает множество субъективных выборов. Она также навязывает универсальное сравнение, игнорирующее контекст: «Лидер» для одной компании может оказаться неудачным выбором для другой, хотя MQ продолжает изображать одного как универсально лучшего. Сведение многогранных характеристик продукта к одной точке приводит к утрате нюансов. Например, у поставщика может быть отличное решение для прогнозирования, но посредственное – для планирования производства. Как отразить это в одной точке на диаграмме X–Y? Ответ Gartner практически заключается в усреднении и взвешивании по любым удобным критериям в данном году. Результатом становится размывание различий, что может ввести читателя в заблуждение, заставляя думать, что различия незначительны. Формат квадранта способствует ленивой интерпретации: «верхний правый – лучшее, нижний левый – худшее», обходя кропотливый анализ компромиссов и особенностей. Как заметил Верморель, «Magic Quadrant — это, как следует из названия, суеверие в лучшем случае и фальшивая наука в худшем» ⁸. Эта жесткая формулировка подчеркивает, что графика квадранта — это скорее маркетинговый спектакль, чем строгие исследования.

Устаревшие поставщики, доминирующие в квадранте Лидеров

Рассматривая Magic Quadrant 2024 для планирования цепочки поставок, невозможно не заметить, что квадрант Лидеров фактически представляет собой клуб выпускников устаревших поставщиков. Kinaxis, Blue Yonder, Oracle, OMP, Logility – эти компании (или их прежние названия) существуют уже десятилетиями. Kinaxis была основана в 1980-х (как WebPlan), Blue Yonder уходит корнями в 1985 год (как JDA Software), OMP – с 1970-х, Logility – с 1990-х, а Oracle существует с тех пор, как зародилась современная IT. Их постоянное присутствие на вершине может свидетельствовать о стабильном превосходстве – или о том, что критерии Gartner по своей природе отдают предпочтение масштабам и долговечности. История указывает на второе.

Kinaxis и Oracle также являются наглядными примерами. Kinaxis, известная своей платформой RapidResponse, действительно является своего рода пионером – она ввела быструю, основанную на оперативной памяти «конкурентное планирование» задолго до многих конкурентов и остается очень популярной для планирования продаж и операций. Но она тоже является устаревшим игроком, который модернизируется на ходу. Раньше Kinaxis не предлагала продвинутые статистические или ML-прогнозы в своей основной функциональности; пользователям приходилось импортировать прогнозы или использовать простые методы. Несколько лет назад Kinaxis осознала этот недостаток и начала интегрировать вероятностные инструменты посредством приобретений и партнерств (например, приобретение Rubikloud для AI-прогнозирования, сотрудничество с Wahupa для оптимизации запасов) ⁹ ¹⁰. Эти меры являются позитивными, но по сути Kinaxis догоняет AI/ML возможности, которые уже имели другие, и делает это посредством интеграции отдельных модулей. Это поднимает вопросы о технологической целостности – новые функции Kinaxis являются «надстройками», которые «вызывают вопросы о согласованности технологического стека» ¹⁰. Остается выяснить, насколько глубоко интегрированы эти вероятностные модули или представляют собой поверхностные добавки для маркетинга. В MQ Kinaxis занимает лидирующую позицию благодаря своей «Способности к исполнению» и десятилетнему опыту, однако глубокий технический аудит показывает детерминированную наследственную архитектуру, эволюционирующую в гибридную. Не говоря уже о том, что подход, основанный на оперативной памяти, который обеспечивает Kinaxis скорость, накладывает ограничения – крупномасштабные внедрения сталкиваются с «высокими затратами на оборудование и ограничениями масштабируемости по мере роста данных (большим внедрениям требуется огромный объем оперативной памяти)» ¹¹. Этот нюанс отсутствует в оценке исполнения от Gartner. Планировщик, изучающий MQ, может подумать, что Kinaxis является безопасной ставкой из-за статуса Лидера, не осознавая, что при огромных объемах данных их цепочки поставок они могут столкнуться с проблемами затрат и производительности или потребовать значительных инвестиций в оборудование для использования симуляций в реальном времени.

Включение Oracle в число Лидеров 2024 года – это еще одно признание статус-кво. Решение Oracle SCP является частью обширного облачного пакета Cloud SCM. Gartner хвалит «видение компонуемой архитектуры» Oracle и её способность «планировать на любом уровне детализации» ¹². Но это звучит как рекламный буклет – планирование на «любом уровне детализации» звучит прекрасно, если не учитывать, что опытные специалисты знают: планирование с крайне высокой детализацией (скажем, на уровне SKU для магазина с комплексными ограничениями) не будет мгновенным или даже осуществимым, если под «любым» подразумевается всё. Здесь присутствует компьютерный компромисс: либо происходит агрегация для ускоренного планирования, либо требуется больше времени (или вычислительной мощности) для детального планирования. Oracle, как и другие, фактически подразумевает, что они могут справиться с этой задачей. Возможно, их облачные технологии способны обрабатывать больше, чем устаревшие системы, но утверждение о полной детализации без последствий кажется сомнительным. Это отражает общую тенденцию: устаревшие поставщики, переоформляющиеся как «облачные AI-платформы», но при этом сталкивающиеся с ограничениями. Oracle приобрела множество компаний за эти годы (Demantra для планирования спроса, G-Log и т.п.) и интегрировала их для создания своего пакета. Надо отдать должное: Oracle инвестировала в модернизацию, но MQ-описание не упоминает, сколько лет и консультационных часов может потребоваться, чтобы реально воплотить это «компонованное» видение в клиентском внедрении.

Также стоит отметить, какие наследственные поставщики не появляются в квартиле MQ Leaders или вообще отсутствуют. SAP, например, является всего лишь Challenger в 2024 году (несмотря на то, что это ERP-гигант с продуктом SCP, IBP). Infor – ещё один крупный игрок на ERP-рынке, который приобрёл такие компании, как Mercia и Predictix для планирования – полностью отсутствует в MQ 2024. Почему? Возможно, потому что фокус Infor сместился (или они решили не участвовать в оценке Gartner). Исследование поставщиков Lokad показало, что Infor приобрела Predictix (специалиста по прогнозированию на базе ИИ) в 2016 году, но «подход к прогнозированию остался второстепенным» внутри их продуктового набора ¹³. Предположительно передовые ML-методы Predictix были «отодвинуты на второй план» и «сомнительно, что эти методы превосходят модели прогнозирования до 2000 года», а «заявления об ИИ» Infor вызывают сомнения ¹⁴. Короче говоря, инновация Infor в области планирования не сработала, поэтому они не вошли в MQ. Это, на самом деле, удар в защиту честности Gartner – им было не важно отпустить громкое имя, когда оно отставало. Но это также подчёркивает, как приобретения могут ни к чему не привести: покупка стартапов в области ИИ не гарантирует лидерство, если основная компания не может интегрировать и реализовывать решения. Ирония в том, что те, кто остаются в квартиле Leaders, имеют схожие истории, насыщенные приобретениями (Blue Yonder с JDA/i2/Manugistics, Logility, которая в последние годы приобрела Garvis и Starboard ¹⁵ ¹⁶, Kinaxis с Rubikloud и т.д.), тем не менее Gartner продолжает давать им возможность сомневаться. Чрезмерное представительство наследственных поставщиков свидетельствует о том, что прошлая доля рынка и отношения с Gartner часто перевешивают нынешнее техническое превосходство.

Ажиотаж против реальности: Сомнительные утверждения в квартиле Лидеров

Маркетинговая болтовня в сфере планирования цепочки поставок стала легендарной, и отчёты MQ часто отражают заявления поставщиков, вызывающие крайнюю степень скептицизма. Постоянной темой для Лидеров является хвастовство феноменальным ROI и трансформационными результатами – обычно без конкретных доказательств. Например, многие поставщики рекламируют такие показатели, как «сокращение запасов на 30%, 98% уровень сервиса, 90% повышение продуктивности» после внедрения их решения. ToolsGroup, ныне узкопрофильный игрок, но исторически часто упоминаемый аналитиками, рекламировал результаты вроде «90+% доступности продукции, на 20-30% меньше запасов, сокращение рабочей нагрузки на 40-90%». Хотя эти цифры, по-видимому, имели место у какого-то клиента, они звучат слишком хорошо, чтобы быть правдой, в совокупности. Анализ Lokad предупреждал, что такие статистические данные как правило представляют собой отобранные фрагменты: «скорее всего, они поступают от разных клиентов, каждый из которых достигает одного из этих высоких показателей, а не один клиент, достигающий всех одновременно» – никто не должен ожидать всех этих выгод одновременно ¹⁷. Реальность подразумевает компромиссы; вы можете сократить запасы на 20%, но потом уровень сервиса может снизиться, или наоборот. Однако в MQ редко упоминаются подобные оговорки при хвале «способности приносить ценность» Лидера. Отчёт, как правило, повторяет истории успеха, предоставленные самим поставщиком. В результате происходит раздувание ожиданий. Руководитель цепочки поставок, читая о Kinaxis или Blue Yonder в MQ, может подумать, что эти инструменты магически решат все проблемы и обеспечат быстрый ROI, в то время как на деле внедрение может столкнуться с трудностями, а выгоды, если и будут, наступят спустя длительный процесс управления изменениями.

Ещё одна область ажиотажа – точность прогнозирования и ИИ. Каждый поставщик теперь заявляет о неком «ИИ-поддерживаемом прогнозировании», которое радикально улучшит точность предсказания спроса. Однако конкретные детали почти всегда отсутствуют. Рекламные описания от Blue Yonder и Logility упоминают ИИ/машинное обучение, Kinaxis говорит о «планировании с помощью ИИ» и т.д., но сводка Gartner не требует подробностей о том, как их ИИ отличается или доказан. Ярким примером является концепция «чувствительности к спросу» – модное слово для обозначения использования данных о самом ближайшем будущем для коррекции прогнозов. ToolsGroup использовал этот термин, как и другие. Однако, как отмечало исследование Lokad, «утверждения о ‘чувствительности к спросу’ не подтверждены научной литературой» ¹⁸. По сути, это маркетинговый термин; мало доказательств того, что то, что поставщики называют чувствительностью к спросу, приводит к стабильно лучшим прогнозам сверх того, что дают хорошие краткосрочные статистические данные. Аналогично, один поставщик (John Galt Solutions, Challenger) хвастается, что их собственный алгоритм «Procast» точнее конкурентов, но не предоставляет никаких публичных доказательств – более того, примечательно, что этот алгоритм отсутствовал в верхних строчках конкурса по прогнозированию M5, где преобладали методы с открытым исходным кодом ¹⁹. Скорее всего, секретный «соус» John Galt не превосходит такие решения, как Prophet от Facebook или пакеты R от Hyndman, если говорить о чистой точности, но отчёт MQ этого не раскрывает. Чтобы понять это, требуется независимое исследование. Ось Vision в MQ, как правило, вознаграждает поставщиков за разговоры об ИИ и аналитике, независимо от того, новаторские их подходы или статистически обоснованные. Возьмём, например, o9 Solutions: в прошлом году (2023) Gartner относил o9 к квартилу Лидеров, отчасти благодаря ажиотажу вокруг их платформы, именуемой «цифровой мозг». К 2024 году o9 перешёл в разряд Visionary. Что изменилось? Возможно, Gartner понял, что некоторые грандиозные заявления o9 были недоказанными. Анализ o9 от Lokad показал, что «множество их заявлений об ИИ (например, что их граф знаний уникально улучшает прогнозирование) остаются сомнительными без научного обоснования» ²⁰. Действительно, анализ публичных технологических компонентов o9 показал в основном стандартные методы, «ничего принципиально нового, чтобы оправдать грандиозное заявление об ИИ» ²⁰. Это типичная история: маркетинг опережает реальность. Что можно похвалить в адрес Gartner, так это то, что они в итоге корректируют ситуацию (как с o9), но только после первоначального раздувания ажиотажа, связывая поставщика с категорией Лидеров. Этот скачок также подчёркивает, насколько субъективен метод MQ – то сегодня он визионер, завтра лидер, а затем снова визионер – что не внушает доверия к стабильному, основанному на критериях процессу.

Одно из самых вводящих в заблуждение утверждений, распространённых среди поставщиков из квартиля Лидеров, — это идея «планирования в реальном времени от начала до конца». Такая формулировка предполагает, что у вас может быть действительно синхронизированный план по всей цепочке поставок, обновляемый до последней минуты, возможно, даже с автоматической корректировкой в реальном времени. Kinaxis и Blue Yonder оба использовали термины, связанные с параллельным или непрерывным планированием; текст Gartner для Oracle подчёркивает «планирование на любом уровне детализации», а Kinaxis хвалят за автоматизацию и согласованность. Проблема заключается в компромиссе между масштабом и скоростью. Для крупных предприятий «любой уровень детализации» может означать миллионы комбинаций SKU и точек размещения, сложные многоступенчатые ограничения, сезонность и т.д. Достижение оптимального плана даже ежедневно для такого объёма является огромной вычислительной задачей. Сделать это в реальном времени (за доли секунды или мгновенно при изменении данных) практически невозможно с нынешними алгоритмами и оборудованием, если не пожертвовать детализацией или оптимальностью. Kinaxis решает эту задачу, применяя архитектуру на основе оперативной памяти для быстрого перерасчёта, но и у них есть ограничения (требуется огромный объём RAM и упрощение некоторых расчётов) ¹¹. Платформа Blue Yonder «Luminate» говорит об ИИ-движке и, возможно, использует эвристические методы для быстрых корректировок вместо полной переоптимизации. Отчёты MQ не учитывают эти технические реалии. Они позволяют поставщикам заявлять и о полном, детализированном анализе и о мгновенном отклике. Критически настроенный наблюдатель должен заметить это как маркетинговое двойственное мышление. Например, если поставщик заявляет о возможности «планирования в реальном времени» и одновременно о «планировании на основе атрибутов на очень детальном уровне» (как отмечает Gartner для некоторых визионеров) ²¹ ²², стоит задаться вопросом: как они сохраняют скорость в реальном времени при такой детализации? Скорее всего, ответ таков: они этого не делают, по крайней мере без мощного оборудования или упрощений. Команда Lokad отметила, что попытки развернуть возможности на обоих крайностях обычно проваливаются — либо система начинает тормозить, либо теряется детализация (например, обновляются только агрегированные показатели в реальном времени, а не всё). К сожалению, в MQ Gartner не требует от поставщиков разрешения этих противоречий. Представленная внешность передовых возможностей остаётся таковой, и пользователям приходится позже самим обнаруживать, что определённые комбинации обещаний невыполнимы.

«Черный ящик» ИИ и отсутствие прозрачности

Ещё одной проблемой поставщиков из категории Лидеров является их сильная зависимость от решений «черного ящика». Многие хвастаются автоматизацией, основанной на ИИ, при которой система принимает решения с минимальным участием человека. Теоретически это замечательно – ведь кто не захочет автопилота для цепочки поставок? – но на практике, если ИИ работает как черный ящик, это может быть опасно. Планировщики имеют десятилетия опыта работы с оптимизационным ПО, которое трудно объяснить; они, как правило, не доверяют ему, или оно даёт странные рекомендации, которые сложно отладить. Например, Blue Yonder значительно сместил акцент на ИИ после ребрендинга (само название «Blue Yonder» произошло от ИИ-стартапа, который они приобрели). Однако, о том, как работает их ИИ, опубликовано немного, и пользователи часто отмечают необходимость вручную переопределять или корректировать результаты. Лён Левинас–Менар отметил, что подход Blue Yonder сопровождается «сложностью ИИ в виде чёрного ящика», что является обоюдоострым мечом ²³. Возможно, внутри он и сложный, но если он непрозрачен, то это увеличивает сопротивление пользователей и риск скрытых ошибок. Оценка Gartner практически не даёт представления об этом. Поставщик может иметь хрупкую модель машинного обучения «под капотом», но пока у него есть несколько референс-клиентов, готовых сказать, что это им помогло, Gartner оценит его высоко. Существует более широкая тенденция отсутствия технической прозрачности: за несколькими исключениями, эти поставщики не публикуют научные статьи, не участвуют в открытых алгоритмических конкурсах (как упоминалось в связи с отсутствием John Galt в M5, и аналогично, ни один из крупных Лидеров не показывал верхние результаты в подобных мероприятиях), и не открывают значимые части своего ПО. Они действуют на основе доверия и бренда. Квартиль Gartner подкрепляет это, поскольку не требует доказательств, выходящих за рамки интервью с клиентами и демонстраций. Примечательно, что такой поставщик, как ToolsGroup, который исторически придерживался более аналитического, прозрачного подхода (со своим известным оптимизационным движком SO99+), почувствовал необходимость присоединиться к волне хайпа вокруг ИИ в последнее время. ToolsGroup начал называть всё «поддерживаемым ИИ» и внедрил вероятностное прогнозирование в маркетинговых материалах около 2018 года, но сделал это неуклюже – рекламируя вероятностные прогнозы и одновременно хвастаясь улучшениями в MAPE ²⁴ ²⁵ (несмотря на то, что MAPE, как метрика ошибки, бессмысленен для вероятностных прогнозов!). Такое несоответствие показывает маркетинговое использование модных терминов без истинного понимания. Критика Lokad была резкой: заявления ToolsGroup об ИИ были «сомнительны» и их материалы «намекают на модели прогнозирования до 2000 года», преподнесённые как новые ²⁶. Если даже относительно технический поставщик, как ToolsGroup, поддался инфляции модных терминов, можно представить, сколько чистого маркетинга вкладывается в портфели более ориентированных на продажи компаний.

Отчёт Gartner MQ время от времени признаёт, когда что-то в большей степени является видением. Например, он отмечает «видение в области ИИ» поставщика как преимущество (например, «выше среднего видение в области ИИ» Logility упоминается после её недавних приобретений) ¹⁵ ¹⁶. Но называть «видение в области ИИ» преимуществом фактически означает, что они хорошо говорят об ИИ. Это не реализованная функция – это план или стремление. Хвалить это наряду с реальными возможностями размывает грань между текущей реальностью и будущей дорожной картой. Это снова служит интересам поставщиков: это вознаграждает презентации и анонсированные намерения. Клиент может заключить контракт с Лидером, думая, что покупает решение для планирования, полностью автоматизированное и работающее в реальном времени с поддержкой ИИ, а затем обнаружить, что многие из этих возможностей находятся на ранней стадии, недоказаны или требуют отдельных проектов для внедрения. Формат отчёта Gartner не чётко различает доказанную функциональность и запланированные функции в графике MQ; оба они включены в показатель «Полноты видения». Таким образом, квартиль Лидеров, как правило, заполнен компаниями, которые мастерски рассказывают впечатляющую историю о будущем цепочки поставок (часто заимствуя эту историю у опубликованных Gartner трендов для завоевания расположения), независимо от того, являются ли они теми, кто действительно воплощает это будущее.

Игнорирование уродства: Пропущенные неудачи и продолжающиеся трудности

Один из аспектов, явно отсутствующих в блестящем квартиле Gartner, — это тёмная сторона корпоративного ПО: провальные проекты, огромные перерасходы бюджета и отменённые внедрения. Планирование цепочки поставок, в частности, имеет долгую историю провальных или неубедительных запусков – настолько, что многие специалисты начинают скептически относиться к любому новому «решению» после пары неудач. Однако, если читать отчёт MQ, создаётся впечатление, что всё – это истории успеха и отличительных особенностей. Gartner действительно собирает отзывы клиентов в рамках исследования MQ, но обычно публикует только отфильтрованное резюме «Сильных сторон» и «Замечаний» для каждого поставщика. Эти замечания, как правило, формулируются мягко («некоторые клиенты упоминают проблемы с удобством использования» или «интеграция может быть сложной»). Вы не увидите прямых заявлений вроде «У поставщика X было несколько неудачных проектов в прошлом году» в отчёте MQ. Такая правда, если и всплывает, передаётся через слухи и пользовательские форумы, а не от Gartner. Результатом является информационная асимметрия: потенциальный покупатель, читая MQ, может и не знать, что, скажем, определённый поставщик-лидер имеет репутацию реализации проектов за 18 месяцев, которые часто так и не запускаются. Пропуск показателей неудач в отчёте Gartner вредит отрасли, так как он рисует чрезмерно оптимистичную картину.

Возьмём, к примеру, «время до получения ценности» – абсолютно критический фактор для любого проекта. Оценивал ли Gartner, сколько в среднем занимает внедрение у каждого поставщика или как часто они выполняют проекты в срок? Если и оценивал, то эта информация явно не отражена в квартиле. По слухам, некоторые крупные поставщики комплексных решений (такие как традиционные проекты Blue Yonder или SAP) могут потребовать годы для полного развёртывания. В то же время, некоторые новые SaaS-поставщики могут внедряться за месяцы. Однако показатель способности к исполнению в MQ явно это не отражает. Фактически, меньший поставщик может быть отклонён как «неспособный для масштабных проектов», даже если он действительно внедряется быстрее, просто потому что у него ещё не было столько глобальных запусков. Также просачивается предвзятость в сторону успеха: Gartner в основном общается с референс-клиентами, предоставленными поставщиками, которые обычно более довольны. Множество недовольных или менее успешных клиентов не приглашаются на интервью. Таким образом, выборка смещена в сторону успешных случаев. Аналитики Gartner знают об этом, но в отчётах MQ это редко упоминается, за исключением общих предостережений.

Частота неудачных внедрений – слон в комнате. Различные исследования (в том числе одно от Gartner в ином контексте) указывают на чрезвычайно высокую степень неудач в крупных технологических инициативах – например, Gartner знаменит тем, что заявил: 85% AI-проектов терпят неудачу, а значительная доля проектов в области технологий цепочки поставок не достигает заявленных результатов. Резюме на LinkedIn после Gartner SCP Summit 2024 упомянуло, что, несмотря на современные технологии планирования, многие компании всё ещё испытывают трудности, и планировщики не используют эти инструменты ²⁷ ⁷. Если средний показатель внедрения составляет всего 32%, это означает, что подавляющее большинство проектов не дают ожидаемого эффекта. Тем не менее, MQ не включает эту метрику в рейтинги поставщиков. Если уж на то пошло, то косвенно намекает на это: поставщик с более низкой «способностью к выполнению» может быть тем, чьи клиенты жаловались на неудобство или сложность использования. Но всё это – интерпретации по знакам на чаинке. Сам график MQ, показывающий некоторые точки ниже по шкале выполнения, не говорит «многие клиенты не смогли запустить это ПО». Он просто показывает точку в нижней половине, которую можно неверно истолковать как признак малой компании или чего-то подобного, а не как тревожный звонок о проблемных внедрениях. Таким образом, нарратив Gartner уклоняется от ответственности: поставщики не несут реальной ответственности за результаты в полевых условиях, а лишь за продажи и наличие «красивой дорожной карты».

Для практиков это серьёзный недостаток. Это означает, что MQ не является надёжным предсказателем успеха. «Лидер» вполне может втянуть вас в много-летнюю, многомиллионную трясину, если ваша организация не подготовлена и не согласована, а Gartner этого не сигнализировал бы явно. Наоборот, нишевый или визионерский поставщик может дать вам более быстрый результат, но низкий рейтинг от Gartner может отпугнуть ваших руководителей от его рассмотрения. Именно поэтому многие опытные руководители цепочки поставок относятся к MQ с осторожностью и полагаются на рекомендации коллег и независимые оценки. Как говорится в FAQ Lokad: «настоящая должная проверка достигается через анализ проверенных результатов в реальных операционных условиях», а не через доверие «печати одобрения от консультантов за плату» ²⁸. MQ предоставляет, в лучшем случае, стартовый список поставщиков, но его обязательно нужно дополнить внешними исследованиями того, как эти поставщики проявили себя в компаниях, подобных вашей.

Оспаривание лидеров Gartner: примеры недостаточно впечатляющих технологий

Чтобы подкрепить критику, давайте сосредоточимся на двух признанных лидерах 2024 года – Kinaxis и Blue Yonder – и выясним, оправдано ли их положение в верхнем правом углу технической состоятельностью или опровергается известными проблемами.

Kinaxis (Лидер) – Параллельное планирование, но с опозданием в области ИИ. Gartner позиционирует Kinaxis как ведущего лидера, хваля его «унифицированный пользовательский опыт» и автоматизацию. Сила Kinaxis действительно заключается в его адаптивном планировочном двигателе – модели, работающей в оперативной памяти, которая быстро распространяет изменения, позволяя выполнять симуляции сценариев «на лету». Это очень полезно для S&OP и анализа «что если». Однако исторически Kinaxis не предлагал продвинутые инструменты прогнозирования или оптимизации «из коробки». Его планирование в основном было основано на правилах и детерминированной логике, полагаясь на настройку логики балансировки спроса и предложения со стороны планировщиков. Признавая изменения в отрасли, Kinaxis недавно добавил возможности вероятностного прогнозирования и оптимизации запасов – но сделал это посредством приобретения или заключения партнёрств для этих компонентов (например, движок Wahupa MEIO, AI-прогнозирование Rubikloud) ⁹ ²⁹. Эти дополнения вызывают вопросы: интегрированы ли они бесшовно в платформу RapidResponse или они представляют собой внешние модули, добавленные «на ходу»? Первые признаки указывают на второе – фактически, у Kinaxis теперь есть «приложения» для оптимизации запасов и ML-прогнозирования, которые подключаются к его системе. Это не то же самое, что разработанное «в доме», унифицированное аналитическое ядро. Более того, выход Kinaxis на рынок ИИ достаточно нов. С 2023 года он начал продвигать «Planning.AI», что сигнализирует о том, что он понимает необходимость игры в ИИ, но при этом был осторожен в своих сообщениях – возможно, потому что глубина его ИИ/ML ещё находится в стадии развития ³⁰ ³¹. Анализ Lokad показал, что Kinaxis не продемонстрировал публично свою способность к вероятностному прогнозированию (нет публикаций или конкурсов), поэтому приходится верить, что это работает ³². Короче говоря, Kinaxis безусловно заслуживает похвалы за пионерство в параллельном планировании и множество довольных клиентов, но с чисто технической точки зрения он едва ли самый передовой в аналитике. Его базовая архитектура устаревает – она зависит от большого количества оперативной памяти и ЦП для быстрого расчёта методами грубой силы – и только сейчас модернизирует свой подход к прогнозированию, который другие освоили многое годы назад. В сообществах пользователей ходят слухи о том, что Kinaxis сталкивается с трудностями, когда наборы данных становятся очень большими или при попытках провести детальное планирование сверх определённых порогов (что согласуется с отмеченными проблемами оперативной памяти и масштабируемости ¹¹). Так является ли Kinaxis действительно «лучшим из лучших» в программном обеспечении для планирования цепочки поставок в 2024 году? Или он просто лучший в продаже концепции «от начала до конца» и имеет послужной список внедрений (даже если это требует значительных затрат и усилий)? MQ от Gartner однозначно ставит его на первое место, но более критичный рейтинг мог бы оценить Kinaxis как очень сильного в интерактивном планировании, но всё ещё посредственного в алгоритмическом прогнозировании. Единоосевая оценка MQ не способна отразить эту дихотомию должным образом. Таким образом, позиция лидера Kinaxis – хотя и заслуженная рыночным успехом – замалчивает его запоздалый старт в области ИИ и потенциальные проблемы с интеграцией в будущем.

Blue Yonder (Лидер) – Универсальный пакет или мешанина? Присутствие Blue Yonder в списке лидеров кажется само собой разумеющимся благодаря его долгой истории (ранее JDA). Gartner упоминает его «Luminate Platform» и всестороннюю функциональность, подразумевая, что он выполняет всё: планирование спроса, планирование поставок, оптимизацию запасов, планирование производства и т.д., а также новейшие функции, такие как аналитика и микросервисы. Обещание заключается в универсальной, интегрированной платформе. Однако реальность, о которой сообщают те, кто знаком с продуктом, иная. Пакет Blue Yonder является результатом множества приобретений на протяжении десятилетий: у него есть несколько движков для планирования спроса (наследие JDA против нового ML-движка Blue Yonder), несколько модулей для планирования поставок и выполнения заказов, инструменты пополнения запасов из разных источников и т.д. Им было нелегко действительно объединить эти компоненты. Исследование поставщиков от Lokad дало резкую оценку: «под брендом BY скрывается случайный набор продуктов, большинство из которых устарели» ³³. Интеграция происходит больше на уровне пользовательского интерфейса и маркетинга, чем на глубоко техническом уровне. Например, Blue Yonder может предлагать общий портал, но за кулисами планирование спроса может осуществляться на другой кодовой базе, чем выполнение заказов или планирование производства. Для клиента это может означать несогласованный пользовательский опыт и проблемы с синхронизацией данных. В отчёте MQ от Gartner это вообще не упоминается; Blue Yonder изображается как современное, унифицированное облачное решение (используется термин «микросервисная архитектура» ³⁴, что звучит очень передово). Скептик задаётся вопросом: если Blue Yonder действительно имел унифицированную микросервисную реархитектуру, зачем его пришлось приобретать Panasonic, чтобы он оставался на плаву, и почему так много его давних клиентов, как сообщается, до сих пор используют старые версии JDA модулей, установленные на собственных серверах? Ответ в том, что трансформация не завершена. Маркетинг Blue Yonder сейчас также сильно опирается на ИИ, вероятно, благодаря влиянию небольшого стартапа Blue Yonder (немецкого стартапа в области ИИ), имя которого позже было дано всей компании. Однако, как отмечалось, их заявления об ИИ неоднозначны. Lokad отметил отсутствие глубины и то, что их известные методы довольно традиционны ³⁵. В повседневном использовании некоторые модули BY, такие как прогнозирование спроса, работают удовлетворительно, но не обязательно лучше стандартных статистических пакетов – а порой и хуже, учитывая сообщения о сложностях с тем, чтобы «ИИ» превзошёл простые базовые показатели. Также имелись громкие проблемы с внедрением: например, крупные ритейлеры, пытавшиеся внедрить планирование спроса и выполнения заказов Blue Yonder, сталкивались с многолетними задержками и лишь частичным успехом (это часто не становится публичным, но инсайдеры знают о таких случаях). Конечно, в отчёте MQ от Gartner этого ни разу не упоминается. Blue Yonder остаётся в числе Лидеров, вероятно, благодаря широте своего спектра и глобальному охвату (и да, благодаря постоянному взаимодействию с Gartner и участию в аналитических дискуссиях). Оспаривая позицию лидера Blue Yonder, можно сказать: если технологический стек поставщика представляет собой смесь «устаревающих технологий», а его ИИ не прошёл проверки, должен ли он занимать верхнюю правую позицию? MQ отвечает положительно, потому что они умеют выполнять (у них много партнёров по сервису, они могут поддерживать крупных клиентов – что верно) и имеют широкое видение (то есть решение для всего). Это иллюстрирует предвзятость MQ: широта охвата и присутствие на рынке важнее глубины или элегантности. Компания, которая делает 10 вещей наполовину хорошо, обойдет ту, которая делает 3 вещи исключительно хорошо. Blue Yonder делает многое, и некоторые, возможно, не лучшим образом, но остаётся Лидером, потому что охватывает все аспекты, и за покупку JDA никто не увольняется (перефразируя старую поговорку IBM). Однако команды цепочки поставок должны быть осторожны – универсальный пакет может оказаться мастером ни в чём, а интеграция старых технологий через новый интерфейс может создать больше сложности, чем решить проблему. MQ не учитывает этот риск.

Эти кейс-стадии подчёркивают, почему необходим скептический взгляд. Лидеры часто имеют достоверные качества (много клиентов, полный перечень функций, большие команды), но также имеют багаж проблем (устаревший код, прошлые неудачи, маркетинговые преувеличения). Формат Gartner в основном учитывает только первые качества. Оставлено за пользователем выявить вторые, на чем и мы акцентируем внимание.

Визионеры и нишевые игроки: сигнал или шум?

Хотя основное наше внимание сосредоточено на Лидерах и методологии MQ, кратко коснёмся и других квадрантов: визионеров, претендентов и нишевых игроков. Парадоксально, но некоторые из самых интересных поставщиков находятся именно там – однако номенклатура Gartner может ввести в заблуждение. «Визионер» в терминах MQ означает высокую полноту видения, но более низкую способность к выполнению. Это как сказать: «хорошие идеи, но недостаточно присутствия на рынке/ресурсов». В 2024 году квадрант визионеров включал o9 Solutions, GAINSystems, E2open и Dassault Systèmes (DELMIA). Это смесь относительно новых игроков (o9, GAINS) и устоявшихся компаний, которые не доминируют в этом сегменте (E2open, Dassault). Примечательно, что o9 был понижен с уровня Лидера до визионера ³⁶, что Gartner объяснил тем, что o9 по-прежнему обладает сильным видением (без шуток – они агрессивно продвигают себя модными словами), но, возможно, имеет проблемы с выполнением или столкнулся с конкуренцией. E2open и Dassault обладают интересными технологическими компонентами (E2open фокусируется на широких сетях цепочки поставок; Dassault владеет Quintiq – мощным инструментом оптимизации). Тем не менее, ни одна из этих компаний не стала Лидером. Почему? Вероятно, потому что они либо имеют меньшую долю рынка SCP (GAINS – более мелкий специализированный поставщик, Quintiq часто используется в очень специфичных сценариях планирования и т.д.), либо столкнулись с разноречивыми отзывами клиентов. Важно отметить, что некоторые визионеры или даже нишевые игроки могут стать правильным выбором для определённых ситуаций. Например, GAINS (также известный как GAINSystems) высоко ценят за его возможности оптимизации запасов, и у него очень довольные клиенты в определённых секторах – он просто не так велик, как Лидеры. Компания, для которой основная проблема – оптимизация запасов, может извлечь больше выгоды из GAINS, чем, скажем, от внедрения полного пакета Oracle. Но природа MQ такова, что он делает акцент на Лидерах. Визионерам уделяют внимание, но многие руководители, читая отчёт, подумают: «Они не Лидеры, значит, они второго эшелона». Это печально: в некоторых случаях визионер – это будущий лидер, который просто ещё не заработал репутацию на рынке, или нишевой специалист, делающий ставку на глубину, а не на широту. По крайней мере, Gartner их признаёт, но формат снова умаляет их значение.

Квадрант нишевых игроков в 2024 году переполнен (Adexa, Coupa, ToolsGroup, Slimstock, AIMMS, Blue Ridge). Этот квадрант по сути означает «низкое видение, низкое выполнение» – что может оказаться роковой меткой. Но среди нишевых игроков есть и новые участники, и специалисты, которые просто не соответствуют широкому определению SCP от Gartner. Например, AIMMS – специалист по моделированию цепочек поставок (инструментарий для оптимизации), а Blue Ridge сосредоточен на планировании, ориентированном на распределение. Они созданы как нишевые, отвечающие на конкретные потребности, а не как комплексное решение «от начала до конца». Их позиционирование не обязательно означает, что они плохие; это лишь означает, что в глазах Gartner они недостаточно широки или велики. Интересно, что ToolsGroup оказался в квадранте нишевых как «новый участник» ³⁷, поскольку ToolsGroup являлся признанным поставщиком на протяжении многих лет – его отсутствие ранее могло быть связано с неучастием. Теперь он включён, но Gartner отнес его к нишевым с некоторой похвалой за его видение в области работы с неопределённостью (вероятно, ссылаясь на его вероятностный подход) ³⁸. Можно утверждать, что у ToolsGroup гораздо более реальное видение (благодаря акценту на вероятностном прогнозировании ещё несколько лет назад), чем у некоторых так называемых визионеров. Но критерии Gartner могут быть своеобразными. Присутствие Coupa в квадранте нишевых (после того, как ранее он был претендентом) показывает, как быстро меняются обстоятельства – Coupa приобрела LLamasoft (разработка цепочки поставок), а затем и сама была приобретена, и, по всей видимости, её история в SCP не находит отклика; поэтому она оказалась в этом квадранте. Общая тема заключается в том, что распределение по квадрантам часто отстаёт или сглаживает отраслительные потрясения. Компания может испытывать трудности или эволюционировать в реальности, но в мире MQ она перемещается на один квадрант или застревает в категории, которая не отражает полностью её потенциал или проблемы. Это грубая категоризация.

С критической точки зрения, визионеров/нишевых игроков следует рассматривать не как «список для игнорирования», а как потенциально скрытые жемчужины или, по крайней мере, источники специфических возможностей. Однако в тексте Gartner им уделяют всего несколько предложений по сравнению с вниманием, оказываемым Лидерам. Это снова отражает бизнес-модель Gartner: их клиенты (читатели MQ, как правило, большие предприятия) часто заинтересованы только в «топовых поставщиках», и Gartner подстраивается под это. Несчастный побочный эффект заключается в том, что инновации страдают; если новые или более узкоспециализированные игроки не получают должной видимости, предприятия продолжают кормить «большую рыбу», и цикл повторяется.

Пропуск дисрапторов: Где же Lokad (и другие)?

Возможно, самое сильное осуждение Gartner MQ заключается не в том, кого он включает, а в том, кого исключает. Нигде на квадранте 2024 года мы не видим таких имен, как Lokad, несмотря на то, что Lokad – это компания по разработке программного обеспечения для цепочек поставок, которая по многим техническим меркам опережает большинства участников MQ.

Можно утверждать, что Gartner не может включить всех, и это справедливо. Но исключение известного инноватора намекает на некую закономерность: MQ по своей природе консервативен. Он отстает в признании смены парадигм. Он отлично каталогизирует устоявшихся поставщиков и постепенные усовершенствования, но не замечает, когда у небольшого участника появляется принципиально лучшее решение. Клиенты Gartner (крупные компании) также часто просят Gartner оценивать только устоявшихся поставщиков («мы хотим увидеть, как показывают себя привычные кандидаты»). Таким образом, MQ является не только анализом, но и отражением коротких списков закупок крупных предприятий. Это подпитывает замкнутый круг: если кого-то нет в MQ, многие его просто не рассматривают. Стратегия Lokad состояла в том, чтобы обойти это, напрямую доказывая свою ценность практикам и через независимые СМИ. Но сколько потенциальных покупателей никогда не узнают о Lokad, потому что его нет в отчетах Gartner? Именно поэтому мы называем это пристрастием «плати, чтобы играть» – не в смысле грубой взятки, а в смысле, что правила игры благоприятствуют тем, кто участвует в экосистеме Gartner.

С точки зрения поиска истины, отсутствие в MQ технически совершенных, но революционных поставщиков, таких как Lokad, должно побуждать читателей быть очень осторожными. Это означает, что взгляд MQ на «полноту видения» может на самом деле быть неполным. Это также подразумевает, что если ваша цель — найти лучшее решение для проблем с цепочками поставок, вы не можете полагаться только на MQ; вам нужно охватить более широкий спектр вариантов. Возможно, к MQ следует добавить предупреждение: «Нетрадиционные или радикальные подходы не представлены.» В научном плане это похоже на ситуацию, когда обзор исследований исключает крайние исследования с прорывными результатами только потому, что они не опубликованы в обычных журналах. Основной квадрант, претендующий на картирование инноваций, который исключает одного из немногих поставщиков, известных своим радикально отличающимся подходом (в данном случае — вероятностным программированием), можно назвать недействительной картой инноваций. У него есть большое слепое пятно.

Заключение: Призыв к скептицизму и более глубокому анализу

Gartner Magic Quadrant for Supply Chain Planning Solutions, издание 2024 года, позиционирует себя как окончательное руководство по выбору поставщика программного обеспечения для планирования. На самом деле, это крайне субъективный, коммерчески обусловленный снимок, который следует читать с должным скептицизмом. Мы видели, как структура MQ – его оси и визуальные элементы – скрывают глубокие предвзятости: предпочтение большим устоявшимся поставщикам, поощрение маркетингового ажиотажа и широких обещаний, а также игнорирование критически важных факторов, таких как успех внедрения и техническая глубина. Квадрант лидеров, отнюдь не гарантия качества, включает поставщиков с хорошо известными недостатками – от зависимости Kinaxis от дополнительного ИИ до лоскутной платформы Blue Yonder и завышенных заявлений других. Механика «плати, чтобы играть» в Gartner и «инфомерческая» природа некоторых Magic Quadrants означают, что рейтинги поставщиков могут коррелировать не столько с превосходством продукта, сколько с вовлечённостью в деятельность Gartner ¹. Чрезмерный акцент на видении (часто означающем модные термины) и исполнении (часто означающем масштаб продаж) создает рейтинг, который лишь отдаленно отражает то, что действительно приводит к успеху в планировании цепочек поставок – а именно, надежную технологию, адаптированную под нужды бизнеса, реализованную квалифицированными людьми и принятую пользователями.

Для компании, ищущей решение для планирования цепочек поставок, MQ может служить отправной точкой – он включает множество игроков, а подробный отчет Gartner (за пределами графического квадранта) действительно отмечает некоторые сильные и слабые стороны. Но необходимо идти за пределы квадранта. Рассматривайте его как один из многих источников информации и критически анализируйте его утверждения. Задайте себе вопросы: Что не говорится? Что может быть предвзятым? Изучайте независимые обзоры, общайтесь с реальными пользователями (а не только с довольными референсами) и рассматривайте возможность проведения пилотных проектов или сравнительных испытаний. Принцип «доверяй, но проверяй» применяется здесь как нельзя кстати – или, возможно, «не доверяй, пока не проверено». Как мы уже отмечали, даже аналитики Gartner признают, насколько сложно добиться успеха этих проектов (в ряде случаев с поразительно низкими показателями внедрения) ³⁹. Эта реальность должно заставить усомниться в любом восторженном рейтинге квадранта.

В конечном итоге, главная ценность Magic Quadrant может заключаться в том, чтобы провоцировать правильные вопросы, а не давать готовые ответы. Он может указать, кто является крупными игроками и что они заявляют. Но именно вам придется прорваться сквозь маркетинговый шум. Если поставщик заявляет «планирование в реальном времени на основе ИИ», потребуйте конкретного объяснения, как это работает и как они избегают подводных камней. Если Лидер никогда не публиковал или не доказал свою технологию, не принимайте утверждения Gartner за чистую монету – потребуйте доказательств. И имейте в виду эффект подтверждения: как только поставщик получает ярлык Лидера, мы склонны оправдывать, почему он этого заслужил. Попробуйте перевернуть ситуацию – представьте, что его нет в квадранте, все равно включили бы вы его в шорт-лист? И наоборот, представьте, что нишевый игрок обладает маркетинговым влиянием Лидера – станет ли его технология внезапно казаться более жизнеспособной?

MQ предоставляет утешающее упрощение в сложной области, но управление цепочками поставок не так просто, как выбрать точку, находящуюся в правом верхнем углу. На самом деле, эта точка может ввести вас в заблуждение, уводя от более подходящего решения, которое не попадает в рамки графика. Опытные специалисты по цепочкам поставок будут использовать MQ от Gartner как некий ориентир, а не как закон. Они поймут, почему некоторые называют эти квадранты «фальшивой наукой» ⁸ и вместо этого сосредотачиваются на первых принципах и реальных доказательствах. Как советует Joannes Vermorel, кейсы из реального мира и доказанные результаты должны перевесить оплаченные рейтинги ²⁸. В планировании цепочек поставок важно, приносит ли программное обеспечение улучшения в уровнях обслуживания, управлении запасами, затратах и гибкости – и может ли оно быть устойчивым в вашей организации. Это не выводится из x-y графика, а является результатом тщательной оценки и, возможно, немного оппозиционного мышления (проверка заявлений поставщика на жестких сценариях).

В заключение, 2024 MQ Gartner для планирования цепочек поставок, лишенный своей ауры, предстает как консервативное, с налетом маркетинга изображение рынка поставщиков. Он выделяет привычных гигантов (со всеми их недостатками, о которых не говорят), включает несколько менее заметных игроков и пропускает настоящих инноваторов. Обзор, максимально стремящийся к истине, показывает, что императору мало одежды: графика квадранта скрывает больше, чем раскрывает. Проявляя скептицизм и требуя технической глубины вместо блестящих нарративов, можно избежать ловушек квадранта. Ответственность за преодоление ограничений квадранта лежит на покупателе – ведь успешное планирование цепочек поставок зиждется на реальности, а не на магии. ² ⁴