00:00:04 Роль Data Scientist в цепях поставок.
00:01:33 Сравнение тенденций в области добычи данных и науки о данных.
00:03:16 Маркетинг инструментов науки о данных в университетах.
00:04:14 Навыки программирования против создания бизнес-ценности.
00:06:37 Переход Lokad к ‘ученым в области цепей поставок’.
00:08:01 Обязанности ученого в области цепей поставок.
00:09:50 Общие обязанности IT-специалиста и ученого в области цепей поставок.
00:11:58 Ученые в области цепей поставок и роль извлечения данных.
00:14:19 Ошибки, связанные с полаганием на статистические инструменты.
00:16:29 Растущая роль данных в жизни.
Резюме
Киран Чандлер и Жоанн Верморель обсуждают важную роль специалистов по данным в управлении цепями поставок. Их разговор подчеркивает необходимость для этих профессионалов извлекать ценность из бизнес-данных, предупреждая при этом о тенденции переоценки программирования и статистических навыков. Верморель указывает на важность практических знаний и делового чутья, предостерегая от чрезмерной уверенности в технических способностях. Он представляет роль ‘ученых в области цепей поставок’, которым поручено извлекать и интерпретировать данные для решения бизнес-проблем, в отличие от IT-ролей, сосредоточенных на поддержке систем. Их диалог подчеркивает проблемы в университетском обучении, подчеркивая недостаток реальных данных о цепях поставок и чрезмерную зависимость от языков программирования и статистических фреймворков.
Расширенное резюме
Разговор Кирана Чандлера и Жоанна Вермореля сосредоточен на расширяющейся роли и значимости специалистов по данным в коммерческой сфере, в частности в отрасли цепей поставок. Чандлер подчеркивает растущий спрос на специалистов по данным, описывая его как явление, “охватывающее отрасль, как лесной пожар”. Он отмечает, что этот спрос, который не был так явным пять лет назад, развивается настолько быстро, что превышает возможности университетов выпускать достаточное количество выпускников для занятия этих должностей.
Верморель выражает свою точку зрения на этот сдвиг, отмечая, что бизнесы начинают ценить внутреннюю ценность своих данных и соответствующую необходимость в людях с навыками для извлечения этой ценности. Тем не менее, он также обращает внимание на циклический характер этой тенденции, сравнивая ее с “лихорадкой добычи данных” 90-х годов. Он предполагает, что текущее увлечение специалистами по данным напоминает прошлый интерес к “добытчикам данных”, называя специалистов по данным “добытчиками данных версии 2”.
Верморель обсуждает подъем и падение фирм по добыче данных в 90-х годах, предлагая предостерегающую историю. Он вспоминает о появлении сотен компаний в период добычи данных, предоставляющих инструменты для добычи данных. Однако большинство из этих компаний в конечном итоге исчезли, подвергая сомнению текущий всплеск поставщиков инструментов науки о данных. Верморель видит связь между этими двумя периодами, намекая на возможный повторяющийся паттерн подъема и спада с текущей тенденцией в области науки о данных.
Интересно, что Верморель подчеркивает, что его компания, Lokad, избегает использования термина “специалист по данным”, предпочитая вместо этого термин “ученый в области цепей поставок”. Это предпочтение отражает его убеждение в значимости понимания бизнес-контекста и ценности, выходящей за рамки просто математических и программных навыков. Он предупреждает, что владение техническими аспектами, хотя и важно, не автоматически приводит к созданию бизнес-ценности в цепях поставок.
Более того, Верморель говорит о рекламной стратегии поставщиков инструментов для науки о данных. Он подчеркивает их агрессивный маркетинг в университетах, особенно через открытые инструменты, которые соответствуют общему мировоззрению академии. Однако он также предостерегает: успех в продвижении продукта в университетах не гарантирует, что инструмент принесет пользу в реальных деловых средах.
Верморель подчеркивает необходимость для ученых по данным не только анализировать данные, но и привносить реальные изменения в бизнес благодаря своим открытиям. Проблема в том, что часто ученые по данным могут анализировать и представлять результаты, но испытывают трудности при реализации этих изменений, так как они могут нарушить сложившуюся практику. Здесь речь идет не только о конфликтах в операционных решениях, но и о более общем вопросе о том, насколько ученый по данным действительно имеет полномочия и способность приносить ценность бизнесу.
Более того, в дискуссии затрагивается роль “ученого по цепям поставок”, термин, используемый в Lokad. Работа ученого по цепям поставок, по словам Вермореля, заключается в принятии практических решений, связанных с цепями поставок, таких как определение количества для заказа. Эти решения должны быть практичными и прибыльными. В отличие от ученого по данным, ученый по цепям поставок берет на себя ответственность за бизнес-ценность своих предложений. Для этого необходимо понимание корпоративных систем и взаимодействия данных с программным обеспечением и людьми, работающими с ним. Это обеспечивает всестороннее понимание проблемы, которую необходимо решить.
Задача ученого по цепям поставок заключается в понимании извлеченных данных, создании оптимизационной модели и балансировке сложности и точности. Верморель признает сложность реального мира, особенно в цепях поставок, что делает идеальное математическое моделирование непрактичным. Вместо этого ученые по цепям поставок должны прибегать к приближениям и эвристикам для эффективного решения проблем. Они должны видеть целую картину и быть преданными ей.
Затем Чандлер вводит понятие отделов информационных технологий, задавая вопрос, должны ли они нести ответственность за программное обеспечение и людей, учитывая, что они обычно внедряют и поддерживают программные системы.
Этот вопрос намекает на напряженность между операционными, техническими и стратегическими ролями в организации.
Беседа в основном исследует различные обязанности между отделом информационных технологий (ИТ) и учеными по цепям поставок, а также на проблемы, с которыми сталкиваются ученые по данным в современной среде.
Верморель утверждает, что ИТ и ученые по цепям поставок несут разные обязанности в организации. Он сравнивает роль ИТ с ролью обслуживания, обеспечивая постоянную и бесперебойную работу систем и процессов. Ответственность ИТ заключается в поддержании непрерывной работы системы, управлении техническими аспектами, связанными с обеспечением времени работы и безопасности системы.
В отличие от этого, роль ученого по цепям поставок, по словам Вермореля, не связана с обслуживанием. Вместо этого их задача заключается в извлечении данных и их интерпретации. Они должны обеспечить, чтобы используемые данные давали правильное понимание деловых ситуаций и что полученные решения приведут к прибыльным результатам. Они не должны заниматься техническими аспектами, так как их основная цель - решать бизнес-проблемы путем точной интерпретации данных.
Чандлер переводит разговор на явный дефицит навыков извлечения и подготовки данных среди ученых по данным, несмотря на то, что они являются важными компонентами их профессии. Верморель соглашается, отмечая, что университетские курсы и интенсивные программы обучения в основном сосредоточены на языках программирования, таких как Python и R, часто пренебрегая более практическими аспектами работы.
Верморель поясняет, что университеты лучше оснащены для преподавания определенных аспектов из-за доступности и конфиденциальности. Данные о цепях поставок крупных компаний не всегда доступны для обучения из-за проблем с конфиденциальностью, в то время как открытое программное обеспечение и статистические фреймворки более доступны. В результате студенты часто получают глубокое понимание программирования и статистических инструментов, но не имеют практических знаний по работе с реальными данными о цепях поставок.
Верморель предупреждает, что такое чрезмерное внимание к программированию и статистике может привести к чрезмерной уверенности у новых специалистов по обработке данных. Они могут ошибочно полагать, что только эти навыки достаточны для решения проблем цепей поставок. Однако управление цепями поставок - это не только программирование или статистический анализ; это понимание и деловая логика данных. Верморель предостерегает от пренебрежения мудростью низкотехнологичных практиков цепей поставок, которые обычно полагаются на здравый смысл и простые инструменты, такие как таблицы Excel, для принятия деловых решений.
Полный текст
Киран Чандлер: Сегодня мы поговорим о новой профессии, которая мчится по индустрии, как пожар. Роль специалиста по обработке данных становится все более актуальной в то время, когда бизнесы все больше придают значение данным и извлекают из них соответствующие выводы. Пять лет назад ни один директор по цепям поставок не нуждался в специалистах по обработке данных. Однако сегодня все изменилось, поскольку количество вакансий для специалистов по обработке данных, кажется, растет быстрее, чем университеты могут их выпускать. Итак, Джоаннес, что изменилось? Почему вдруг возникла такая потребность в специалистах по обработке данных?
Джоаннес Верморель: Очевидно, бизнесы понимают, что их данные имеют большую ценность. Как только они это понимают, им нужно много людей, чтобы извлечь ценность из данных, и это то, что делают специалисты по обработке данных. Однако интересно то, что это не совсем ново. Для тех, кто был вокруг в 90-х годах, или, может быть, к концу 90-х годов, в то время это называлось по-другому - горняки данных. Люди добывали вещи из данных. Таким образом, специалист по обработке данных, кажется, является версией 2 горняка данных или чего-то подобного.
Киран Чандлер: Если эти горняки данных до сих пор не существуют, я предполагаю, что результаты были не очень хорошими. Можете ли вы рассказать нам немного больше об этом и есть ли что-то, чему мы можем научиться из-за чего-то пошло не так?
Джоаннес Верморель: Это очень интересно, потому что можно видеть, что в кругах цепей поставок специалисты по обработке данных стали очень модными. Мне кажется, что есть макротренд, когда вещи циклически приходят и уходят. Два десятилетия назад речь шла о горнодобывании данных, а сейчас речь идет о науке о данных. Это та же самая схема, просто под другим именем. Два десятилетия назад мы видели появление сотен компаний, предоставляющих инструменты для горнодобывания данных, и большинство из них исчезли. В настоящее время мы видим появление сотен компаний, предлагающих инструменты для науки о данных. Мы также видим консультантов по науке о данных. Так что да, в этом есть правда, но есть и циклический модный эффект.
Киран Чандлер: Не каждый день слышишь слова “наука о данных” и “мода” в одном предложении. Мы как бы говорим о том, что горняки данных раньше назывались по-другому. Итак, неужели нам не стоит начать продавать технологию Lokad университетам, чтобы следующее поколение специалистов по обработке данных, как бы их ни называли, полностью обучалось этому инструменту и полностью понимало, как им пользоваться?
Джоаннес Верморель: Это, конечно, один из подходов. Кстати, все компании, продвигающие инструменты для науки о данных, активно рекламируют себя в университетах. Легкий способ сделать это - продвигать наборы инструментов с открытым исходным кодом, потому что они соответствуют общему мировоззрению университетов. Однако это в первую очередь маркетинговый инструмент. Это хорошо в каком-то смысле, но это не означает эффективность. Это не означает, что если вы успешно продвигаете себя в университетах, вы обязательно получите результаты в своем бизнесе. Это не потому, что вы становитесь великим математиком или великим программистом, что это сразу же приведет к созданию деловой ценности в ваших цепях поставок. Я считаю, что это опасность, и это одна из основных причин, почему в Lokad мы предпочитаем термин “ученый по цепям поставок”.
Киран Чандлер: Подход “бизнес-первым” имеет смысл для многих практиков цепей поставок, потому что они ежедневно сталкиваются с деловой сферой. Возможно, единственное исключение - это очень крупные компании, где специалисты по обработке данных могут быть затоплены объемом данных или сложностью своих проблем. Но есть ли какая-то ловушка за фокусировкой на
конкретной деловой проблеме?
Совы и сокращение сроков поставки и подобное. Так что, есть ли какая-то ловушка за фокусировкой на правильной деловой проблеме?
Жоанн Верморель: Да, на самом деле есть большая ловушка. Роль специалиста по обработке данных не сводится только к анализу бизнеса; это о том, чтобы внести разницу и быть способным принимать и реализовывать решения, которые могут привести к реальному влиянию на бизнес внутри организации. Это может быть сложно, потому что специалисты по обработке данных легко получают доступ к данным и производят анализы. Но когда дело доходит до действий, это часто вызывает сомнения в текущем положении вещей. Здесь речь идет не только о разногласиях в количестве заказов, но и о разногласиях, которые идут глубже. Самый большой потенциал для неудачи заключается в том, что специалист по обработке данных не находится в положении, чтобы действительно действовать и приносить ценность бизнесу. Вот, наверное, главная ловушка, которую я вижу.
Киран Чандлер: Вы упомянули, что существует некоторое сопротивление текущему положению вещей. Я, конечно, могу сопереживать некоторым практикам цепей поставок, потому что они работали с методами, которые работали десятилетиями. Так что, если у вас есть кто-то, кто ставит под сомнение то, что работало и что работало, я могу понять, почему они подходят к вещам с большим скептицизмом. Вы упомянули, что в Lokad у нас есть ученые по цепям поставок, а не специалисты по обработке данных. Не могли бы вы рассказать нам немного больше о них и почему они носят другое имя?
Жоанн Верморель: Я думаю, что другое имя отражает наш подход к проблемам. Наше обязательство заключается в цепи поставок. Ученый по цепям поставок - это тот, кто должен генерировать реальные, действенные решения, такие как то, сколько вам нужно заказать прямо сейчас. Решения должны быть действенными, практичными и прибыльными. Речь идет о том, чтобы владеть бизнес-ценностью своих предложений. Это включает в себя довольно много вещей на самом деле.
Чтобы поставить это в контекст, давайте пойдем назад. Решение - это конечная цель, но если начать с конца, то начинается с данных. Данные поступают из корпоративных систем, но данные имеют смысл только через глаза людей, которые работают с программным обеспечением. Так что это не просто программное обеспечение; это программное обеспечение плюс люди. Ученый по цепям поставок должен иметь очень хорошее понимание этого. Он должен понимать проблему, которую решает, осмыслить извлеченные данные и затем построить модель оптимизации какого-то вида.
Существует компромисс между сложностью и точностью. Реальный мир чрезвычайно сложен, и цепи поставок не являются исключением. Невозможно иметь идеальное математическое моделирование, поэтому вам нужно приближать и использовать эвристики, которые просто работают. Ученый по цепям поставок должен объединить все эти вещи, чтобы обеспечить реальные сбережения, не только в процентах, но и в реальных долларах. Они должны привержены этой общей картине. В этом состоит суть ученого по цепям поставок.
Киран Чандлер: Хорошо, но вы упомянули, что ученый по цепям поставок должен отвечать за программное обеспечение и людей. А что насчет отделов информационных технологий? Разве они не должны отвечать за это? В конце концов, они те, кто установил программное обеспечение и часто они те, кто его создает.
Кажется, что на плечи только одного ученого по цепям поставок ложится довольно много ответственности. Вы ожидаете чуда?
Жоанн Верморель: Да, ответственность действительно огромная. Однако есть существенная разница. Я считаю, что основная ответственность ИТ заключается в обеспечении работоспособности системы. ИТ должны заниматься текущей эксплуатацией и обеспечивать работу каждую секунду. Ученый по цепям поставок имеет другую ответственность. Его задача не заключается в поддержании всего в рабочем состоянии.
Киран Чандлер: Итак, что именно является ответственностью ученого по цепям поставок?
Жоанн Верморель: Ответственность ученого по цепям поставок заключается в извлечении данных и их осмыслении. Это совершенно другая задача. Этому человеку не нужно иметь дело со всеми техническими аспектами поддержания работоспособности и безопасности. Это ответственность ИТ, которая, безусловно, очень сложна. Задача ученого заключается в том, чтобы убедиться в правильности понимания. Бизнес-решение, возникающее из этого понимания, должно быть прибыльным в результате точного определения проблемы, которую бизнес действительно нуждается в решении.
Киран Чандлер: Кажется, извлечение и подготовка данных являются важными задачами. Однако не являются ли ученые по данным недостаточно подготовленными в этих аспектах? Большинство курсов и интенсивов по науке о данных посвящены программированию на языках, таких как Python и R.
Жоанн Верморель: Это отличный вопрос. Университеты отличаются в некоторых областях и слабы в других. Давайте посмотрим на реальность: для осмысления данных сначала требуются фактические данные. Большинство крупных компаний с обширными цепями поставок не делятся своими данными с университетами. Поэтому университеты используют в качестве учебных материалов то, к чему они имеют доступ. Получение доступа к программному обеспечению с открытым исходным кодом гораздо проще, чем получение доступа к конфиденциальным данным цепей поставок.
Киран Чандлер: Сейчас много говорят о персональных данных, например, подобно GDPR в Европе. Это требует значительных усилий от всех для соблюдения. Так что это случайно, но усложняет ситуацию. Университеты, например, хотят обучать людей в самых сложных задачах, где они смогут принести наибольшую пользу, но это сложно. Поэтому университетам гораздо проще прибегнуть к языкам программирования и статистическим фреймворкам, потому что они более доступны, более математические. Также проще тестировать студентов по этим предметам, что, будучи профессором, вам нужно и учить, и оценивать ваших студентов. Это странное ограничение, но оно, безусловно, влияет на то, что вы можете преподавать в университете.
Жоанн Верморель: Теперь главная проблема, которую я вижу в этом фокусе на статистических инструментах, заключается в том, что это может привести к чрезмерной уверенности. Знание программирования, владение статистикой - это полезно, это определенно поможет, это не отрицательно. Но это сопряжено с тонкой проблемой. Это может сделать людей чрезмерно уверенными в том, что знание программирования, понимание статистики, понимание математики - это ключ к решению проблем цепей поставок.
И здесь есть определенная мудрость во многих практиках цепей поставок, которые часто являются очень низкотехнологичными. Они придерживаются здравого смысла, они придерживаются своей таблицы Excel. И в этом есть мудрость, потому что они придерживаются того, что имеет деловой смысл. Если единственная причина, по которой вы придерживаетесь здравого смысла, заключается в том, что у вас нет знаний статистики и программирования, это не идеально. Но, с другой стороны, если все, что вы знаете, - это статистика и программирование, это не делает вас экспертом в цепях поставок.
Просто потому, что вы владеете этими областями, это не означает автоматического создания решений, которые принесут дополнительные евро или доллары. Поэтому я считаю, что это самая большая опасность. Мы сейчас создаем армии людей, которые часто страдают от чрезмерной уверенности. Программирование - это средство, а не цель.
Киран Чандлер: Это интересная точка зрения. Спасибо за прояснение вопроса о ученых по данным и, конечно же, ученых по цепям поставок. Это тема, которая становится все более актуальной в свете огромного объема данных, собираемых в нашей повседневной жизни. Спасибо, что нашли время сегодня.
Жоанн Верморель: Спасибо, Киран.
Киран Чандлер: И спасибо нашим слушателям за то, что настроились на сегодняшний эпизод. Мы скоро вернемся с новым. До тех пор продолжайте задавать свои вопросы и присылать нам свои мысли. Большое спасибо за просмотр, и до скорой встречи. Пока!
