00:00:03 Значимость исторических данных в технологии Lokad.
00:01:40 Глубина истории для оптимизации цепи поставок.
00:04:24 Основные наборы данных: каталог, заказы, продажи, текущий запас.
00:04:56 Роль данных каталога в прогнозировании, сезонности.
00:07:06 Важность полной истории продаж.
00:08:42 Отслеживание особенностей жизненного цикла продукта.
00:11:16 История заказов при прогнозировании цен.
00:13:53 Маржа прибыли, риски инвентаризации, трудности прогнозирования.
00:14:32 Точная запись дат заказов, поставок, влияние контроля качества.
00:16:01 Контроль качества при отправке клубники, влияние заказа.
00:16:55 Понимание значимости текущего уровня запасов.
00:17:36 Теоретические уровни запасов могут вызывать неточности.
00:18:39 ‘Нехватка товара’ и важность исторического уровня запасов.
00:20:59 Вторичные наборы данных: акционная деятельность.
00:22:00 Влияние акционной деятельности на тенденции продаж.
00:23:13 Ошибочный выбор сложной системы планирования ресурсов предприятия (ERP).
00:24:39 Ошибка два: пропуски в записи данных о заказах.
00:25:35 Ошибка три: пренебрежение снимками уровня запасов.
00:26:30 Важность точной записи данных.
Резюме
В интервью с ведущим Кираном Чандлером, основателем Lokad Джоаннесом Верморелем, описываются сложности оптимизации цепи поставок. Он подчеркивает важность исторической глубины и детализации данных, с чем сталкиваются многие компании. Верморель предлагает использовать исторические данные, эквивалентные десятикратному значению времени выполнения заказа, для точного прогнозирования. Он подчеркивает необходимость четырех основных наборов данных: каталог, история заказов, история продаж и текущие уровни запасов. По его мнению, эти наборы данных помогают выявлять закономерности, оптимизировать прогнозы и эффективно управлять уровнями запасов. Наконец, Верморель выделяет распространенные ошибки, совершаемые клиентами, такие как выбор сложных систем ERP и неправильная запись заказов или исторических уровней запасов.
Расширенное резюме
В интервью ведущий Киран Чандлер ведет беседу с Жоаннесом Верморелем, основателем компании Lokad, специализирующейся на оптимизации цепи поставок. Они обсуждают сложность требований к данным для технологии Lokad и проблемы, с которыми сталкиваются клиенты, пытаясь адаптироваться к этим требованиям.
Верморель объясняет, что основной проблемой является историческая глубина и детализация данных, необходимых для оптимизации количественной цепи поставок. В то время как текущее состояние компании относительно легко понять, понимание истории компании требует анализа более обширного набора данных. Многие компании испытывают трудности при попытке собрать необходимые данные для этого, особенно если ранее они не уделяли внимание таким деталям.
Верморель предлагает, что необходимый объем исторических данных зависит от типа бизнеса. Исторические данные менее года затрудняют обнаружение любой сезонности для Lokad, и это относится к любому статистическому методу. Он начинает работать эффективно с тремя годами данных. Тем не менее, количество исторических данных также зависит от сроков поставки компании. Компания с короткими сроками поставки может функционировать с меньшим количеством данных, в то время как те, у которых сроки поставки длиннее, требуют более глубокого анализа. В качестве общего руководства рекомендуется использовать историю, равную десятикратному значению применимых сроков поставки для точного прогнозирования.
Верморель подчеркивает, что в прогнозировании нет никакой магии: без правильных данных ни статистические прогнозы, ни ручные прогнозы не будут точными.
Затем разговор переходит к четырем основным наборам данных, которые использует Lokad: каталог, история заказов, история продаж и снимок текущего уровня запасов. Верморель раскрывает важность каталога, который позволяет их технологии прогнозирования использовать взаимосвязь между продуктами для уточнения прогноза для каждого из них. Это особенно полезно при прогнозировании новых продуктов, у которых нет истории продаж. Атрибуты, описывающие продукт, такие как категории продуктов, размеры и цвета, могут быть использованы для выявления сезонных паттернов на основе аналогичных продуктов.
Верморель утверждает, что история продаж является важной, но необходимо проверить ее полноту. Неполная история продаж может возникнуть из-за отсутствия данных о продажах продуктов, которые больше не продаются. В этот момент разговор прерывается, и Верморель обещает предоставить больше информации о значимости истории продаж.
Верморель начинает с подчеркивания необходимости полной истории продаж, включая сведения о продуктах, которые больше не продаются. Это связано с тем, что в некоторых случаях эти продукты удаляются из каталога, что приводит к искажению данных истории продаж. Он также упоминает разницу между продажами и спросом, утверждая, что продажи не всегда отражают фактический спрос из-за различных факторов. Например, скорость продаж сразу после запуска продукта может дать представление о будущем спросе.
Затем Верморель говорит о важности точной регистрации дат начала и окончания продажи продукта. Эти данные могут раскрывать закономерности в поведении потребителей, такие как внезапные переходы на новые продукты или резкое прекращение продаж из-за удаления из онлайн-каталога. Также важно отслеживать историю продаж по разным каналам, таким как физические магазины и различные онлайн-платформы.
Разговор переходит к истории заказов на покупку. Верморель объясняет, что полезно наблюдать, сколько было заплачено за различные товары на складе со временем. Однако он указывает на то, что прогнозирование будущих цен сложно из-за таких факторов, как колебания валюты. Хотя эти колебания могут влиять на маржу и решения по запасам, Верморель утверждает, что прогнозирование этих изменений не является основной задачей Lokad.
Верморель также подчеркивает важность понимания дат, связанных с заказами на покупку и доставкой. Эти даты дают представление о времени выполнения заказа, которое является критическим для оптимизации цепи поставок. Время выполнения может меняться сезонно или из-за событий, таких как Китайский Новый год. Он добавляет, что важно документировать любые расхождения между заказанными и доставленными количествами, поскольку это может повлиять на будущие заказы, особенно когда часть товаров не проходит контроль качества.
Верморель подчеркивает необходимость наличия актуального снимка уровней запасов. Он признает, что в теории эти уровни могут быть восстановлены из истории продаж и заказов на покупку, но часто возникают неточности в учете запасов. Эти неточности могут накапливаться со временем, приводя к значительным расхождениям. Поэтому поддержание регулярных снимков и контроля запасов является важным для эффективного управления цепями поставок.
Верморель обсуждает значение понимания текущих и исторических уровней запасов. Уровень запасов информирует о необходимости пополнения, но также предоставляет информацию о истории продаж. Например, отсутствие товара на складе - это не означает отсутствие спроса. На самом деле, невыполненный спрос из-за дефицита товара все равно является спросом, хотя и незамеченным. Исторические уровни запасов помогают определить частоту и влияние дефицита товара. Верморель также рассматривает более тонкое понимание дефицита товара, где речь не всегда идет о нулевом количестве товара на складе. В некоторых случаях, если клиенты требуют определенное количество товара, то недостаточное количество для удовлетворения этого требования также может считаться дефицитом товара.
Затем разговор переходит к важности вторичных наборов данных. Верморель указывает, что промо-активности являются важным набором данных для рассмотрения, не только с точки зрения ценообразования, но и для определения продвигаемых продуктов через различные каналы. Эти данные могут объяснить всплески в истории продаж. Например, всплеск может быть вызван акцией или реальным увеличением спроса. Понимание этого различия помогает прогнозировать будущий спрос.
Верморель также затрагивает распространенные ошибки, допускаемые клиентами. Первая - выбор системы ERP, из которой сложно извлекать данные. Этот выбор может привести к значительным трудностям в извлечении данных, даже если система является локальной. Вторая ошибка - не записывать заказы на покупку. В то время как малые компании могут управлять своими заказами с помощью таблиц Excel, такой подход становится проблематичным при анализе времени выполнения заказа. Третья ошибка - не записывать исторические уровни запасов. Учитывая низкую стоимость хранения, Верморель утверждает, что нет оправдания для отсутствия таких данных.
Полный текст
Киран Чандлер: Сегодня на Lokad TV мы собираемся исследовать точную глубину данных, необходимых для работы с нами, а также понять некоторые реальные недостатки, с которыми столкнулись некоторые наши клиенты. Итак, Джоаннес, почему клиенты не всегда могут работать с технологией Lokad?
Джоаннес Верморель: Одной из самых больших проблем, с которыми сталкиваются клиенты, являются данные. На практике это не должно быть так, но обычно так и есть. Ключевое понимание заключается в том, что данные, необходимые для работы вашей компании, не совпадают с данными, необходимыми для количественной оптимизации цепи поставок. Для последнего вам нужно иметь всю историю вашей компании. Не за последние два десятилетия, но вам определенно нужна определенная глубина и определенный уровень детализации в вашей истории. Многие компании, которые не смогли настроить такую систему в прошлом или где это даже не пытались сделать, не обратили должного внимания на все детали, чтобы иметь все необходимые данные. Таким образом, они могут столкнуться с проблемами, когда речь идет о сборе всех необходимых данных для получения действительно значимых результатов.
Киран Чандлер: Мы говорили о глубине истории. Какой минимальный период времени истории должен быть?
Джоаннес Верморель: Глубина истории зависит от типа данных и типа бизнеса, которым вы занимаетесь. Как правило, если у вас меньше года, очень сложно учесть сезонность для Lokad. Это верно для любого статистического метода. Если у вас меньше года, вы не наблюдали сезонность компании. Чтобы начать рассматривать сезонность с некоторой точностью, вам понадобится около 18 месяцев. Он начнет работать правильно с двумя годами и будет работать очень хорошо с тремя годами. Но количество глубины истории, которое вам нужно, также зависит от ваших сроков поставки. Если ваш срок поставки составляет один день, вы можете работать нормально с двумя месяцами истории, потому что вам не так важна сезонность. Но если ваши сроки поставки составляют четыре месяца вперед, тогда становится намного важнее учесть эту сезонность. Так что, если вы хотите, чтобы что-то работало хорошо, вам, вероятно, понадобится примерно в 10 раз больше истории, чем ваш применимый срок поставки.
Киран Чандлер: Давайте теперь поговорим о самих данных. В Lokad мы работаем с четырьмя основными наборами данных, не так ли? Основные наборы данных - это каталог, история заказов, история продаж и также снимок текущего уровня запасов. Давайте рассмотрим их немного подробнее. Если мы начнем с самого каталога, почему он представляет интерес? Ведь наши клиенты, конечно, хорошо понимают, что они продают и какие именно детали. Что еще можно сказать о этом каталоге?
Джоаннес Верморель: Каталог имеет первостепенное значение. Это очень значимая часть данных.
Киран Чандлер: Мы обсуждаем технологию прогнозирования Lokad и то, как она использует взаимосвязь между продуктами для уточнения прогноза каждого отдельного продукта. Можете ли вы это разъяснить?
Джоаннес Верморель: Конечно, например, при прогнозировании новых продуктов у нас нет истории продаж, на которую можно положиться. Поэтому мы полагаемся на атрибуты, описывающие продукты. Мы широко используем эти техники для продуктов, которые уже были запущены.
Киран Чандлер: Можете привести пример?
Джоаннес Верморель: Конечно, давайте возьмем продукт, который продается уже три месяца. Можем ли мы применить сезонный паттерн к прогнозируемому спросу на этот продукт? Ответ таков, что если вы смотрите только на историю этого продукта, вы не можете, потому что у вас есть всего три месяца данных. Однако, если ваш бизнес существует уже несколько лет, вы можете посмотреть на сопоставимые продукты и обнаружить их сезонность. Таким образом, с помощью всего трех месяцев истории плюс атрибутов продуктов мы можем определить применимую сезонность для этого продукта.
Киран Чандлер: Таким образом, каталог, с такими вещами, как категории продуктов, атрибуты продуктов, такие как размер и цвет, очень важен?
Джоаннес Верморель: Да, конечно. Каталог является важным. Мы также обрабатываем простой текстовый ярлык, если он присутствует, что может помочь в областях, где сам каталог плохо структурирован. Цель состоит в том, чтобы расширить эти атрибуты, чтобы мы могли работать со всеми этими корреляциями и уточнять прогноз для каждого отдельного продукта, даже если информация, которую у нас есть о этом продукте, ограничена.
Киран Чандлер: Давайте поговорим о истории продаж. С точки зрения прогнозирования, я предполагаю, что история продаж - самая важная вещь, на которую следует обратить внимание. Какую информацию, кроме этого, нас интересует?
Джоаннес Верморель: Первое, что нужно сделать, - убедиться, что ваша история продаж полна. Она может быть неполной в тонких деталях. Например, если у вас нет данных о продажах продуктов, которые вы больше не продаете, или если у вас нет информации о продукте, связанной с этими данными о продажах. Чтобы иметь полную историю продаж за последние три года, вам нужно иметь все продажи, которые произошли в то время, включая продукты, которые вы больше не продаете.
Киран Чандлер: Таким образом, старые продукты, которые больше не продаются, могут исказить данные?
Джоаннес Верморель: Именно так, иногда мы видим ситуации, когда продукты, которые больше не продаются, удаляются из каталога и истории продаж. Это приводит к искаженной истории продаж, где данные о продуктах, которые больше не продаются, не доступны. Еще один тонкий аспект истории продаж - помнить, когда вы начали продавать продукт. Продажи не то же самое, что спрос. Есть такие искажения, как, если вы начинаете продавать продукт и в течение месяца нет спроса, а затем, наконец, продаете одну единицу, это отличается от продажи продукта в тот же день, когда он появляется в сети.
Киран Чандлер: Можете дать больше информации по этому поводу?
Джоаннес Верморель: Конечно, если вы выставляете продукт в сети и продаете одну единицу в тот же день, это предполагает, что вы будете продавать один продукт в день. Однако, если вы выставляете продукт в сети и должны ждать месяц, чтобы продать первую единицу, это предполагает, что вы будете продавать около одной единицы в месяц. Таким образом, понимание, когда вы начали продавать продукт, также является важным.
Киран Чандлер: Может ли статистический движок сделать разницу? Прогностический движок может сделать разницу между двумя ситуациями только в том случае, если вы правильно записали дату, когда спрос на самом деле начался, и дату окончания продажи продукта.
Джоаннес Верморель: Абсолютно. Но также важно знать, почему продукт перестал продаваться. Он прекратился внезапно из-за появления на рынке нового и лучшего продукта, вызвав внезапный сдвиг в поведении потребителей? Или он прекратился, потому что вы удалили его из своего онлайн-каталога или с полки магазина?
То же самое, вам нужно иметь правильную запись дат окончания. Могут быть и другие факторы, если у вас есть продукт, который находится на и вне рынка, или если продукт продается, но не на всех ваших каналах. Например, если вы продаете в физических магазинах, онлайн или, возможно, через B2B-канал, вам нужно записывать историю того, что влияло на спрос, такие как доступность каналов в любой момент времени.
Киран Чандлер: Перейдем теперь к истории заказа на закупку. Я полагаю, что хорошо взглянуть на историю заказа на закупку, чтобы увидеть, сколько вы заплатили за различные товары на складе. Таким образом, я предполагаю, что мы используем это для прогнозирования того, сколько мы собираемся заплатить за товар в будущем. Это правильно?
Джоаннес Верморель: Это зависит. Потому что предполагаемая цена зависит от поставщика. Для большинства отраслей цена, которую вы платите поставщикам, относительно стабильна. Однако могут возникать сюрпризы, обычно из-за колебаний валютных курсов. Например, вы можете получить предложение в юанях, в то время как фактически продаете товары в долларах. Если происходит колебание курсов валюты на 15%, вы можете столкнуться с сюрпризом, когда вещи становятся значительно дешевле или дороже.
Киран Чандлер: Можно ли включить такие колебания валюты в прогноз?
Джоаннес Верморель: Это зависит от того, что вы хотите прогнозировать. Колебания валюты будут иметь влияние, но не непосредственно на ваш прогноз спроса. Они будут иметь больше влияния на то, как вы оптимизируете свои решения на основе прогноза.
Например, если ваша маржа на определенный продукт выше или ниже, вы не будете брать такой большой риск запасов. Если у вас есть товар с огромной маржей, то не иметь его в наличии - это преступление. В экстремальном случае, если у вас есть маржа в 95 процентов, продажа одной единицы оплачивает переизбыток двадцати других единиц. Поэтому, если у вас есть товары, которые стабильно продаются с такой высокой маржей, вам нужно иметь избыток на складе.
С другой стороны, если у вас маржа в 5 процентов, вам нужно быть очень осторожным с количеством товара на складе. Если у вас есть небольшой избыток, вам понадобится огромное количество продаж, чтобы компенсировать деньги, замороженные в одной дополнительной единице на складе. Если вам придется списать товары со склада, это будет очень дорого обойтись.
В общем, мы обычно не прогнозируем будущие маржи, потому что это зависит от множества факторов. Мы можем это сделать, но обычно это не является главным, потому что никто не может точно прогнозировать колебания валюты. Единственные люди, которые могут это сделать, - это те, кто непосредственно торгует на рынке, чтобы заработать на ожидаемой торговле валютой. Это не наша специализация, поэтому мы не претендуем на то, что мы лучше рынка в торговле на Форексе.
Киран Чандлер: Давайте отойдем от торговли. Но что еще интересно в отношении заказов на закупку?
Джоаннес Верморель: Таким образом, даты, связанные с заказом на закупку и доставкой, являются ключевыми, поскольку они определяют время выполнения заказа. Когда мы стремимся оптимизировать цепи поставок, мы должны учитывать, что все решения, я бы сказал, зависят от времени выполнения. Кроме того, эти времена выполнения могут меняться сезонно. Например, у ваших поставщиков могут быть периоды повышенной загруженности, когда они не так доступны. Это может быть сезонным согласно западному календарю, но оно также может следовать восточному календарю, например, китайскому Новому году, что может добавить около двух недель к времени выполнения для товаров, поступающих из Китая или Азии в целом.
Абсолютно, также следует учитывать подводные камни субтоталов. Например, если вы заказываете сто единиц, а ваш поставщик доставляет восемьдесят, вы фиксируете эту информацию? Если у вас есть меры контроля качества, где поставщик доставляет сто, но двадцать не проходят проверку качества, это значительный фактор. Это особенно важно в бизнесе свежих продуктов, например, где продукты, такие как клубника, легко повреждаются. Вы можете столкнуться с тем, что 20% поставок, которые вы получаете, не проходят контроль качества. Это можно предвидеть, так как каждый год определенная доля поставок клубники не будет соответствовать контролю качества. Поэтому, если вам нужно сто единиц, возможно, вам стоит заказать сто двадцать, потому что статистически вы знаете заранее, что 20% не пройдут контроль качества.
Киран Чандлер: Правильно, поэтому заказы на закупку и внимание, уделяемое датам и количеству, где поставщик может допустить ошибки, являются важными.
Джоаннес Верморель: Да, и такой уровень детализации вас действительно интересует. Это приводит меня к последней части головоломки: снимку текущего уровня запасов. Мы уже знаем, какова была история закупок, и мы также знаем, какова была история продаж. У нас есть умные специалисты по цепям поставок здесь, в Lokad. Итак, действительно ли нам нужен этот текущий снимок? Не могут ли они сгенерировать его из двух других историй?
Киран Чандлер: В теории да, вы можете восстановить уровень запасов, просто зная, сколько единиц поступило и сколько единиц было продано. Это даст вам теоретический уровень запасов в любой момент времени. Однако вызов состоит в том, что неточности в учете запасов случаются время от времени. Если все, что вы делаете, - это восстанавливаете всю историю, чтобы определить уровень запасов, эти неточности будут накапливаться со временем до того момента, когда они станут значительно неточными.
Жоанн Верморель: Это верно. На практике нам нужны снимки и контроль запасов. Во-первых, нам нужно знать текущий уровень запасов, потому что, если мы не знаем, что у нас есть прямо сейчас, мы не можем полагаться только на прогнозируемый будущий спрос для размещения заказов на закупку. Мы должны учитывать то, что у нас уже есть. Если у нас уже есть гора товаров, даже если мы прогнозируем очень высокий спрос, мы можем не делать повторный заказ, просто потому что у нас достаточно. Поэтому нам нужен текущий уровень запасов, а также прошлые уровни запасов. Это связано с историей продаж. Продажи - это не спрос. Если у вас закончился товар, то, по сути, у вас не было наблюдаемого спроса, вероятно, в течение нескольких дней, но это не потому, что спроса не было, а потому что вы не могли его обслужить. Поэтому знание исторического уровня запасов - это способ узнать ваши исторические срывы поставок, и ситуация может быть немного сложной.
Люди хотят купить, скажем, что-то вроде дверной ручки. У них есть квартира, и им нужно пять дверных ручек, которые выглядят одинаково. Если они заходят в ваш магазин и находят только три ручки, которые выглядят одинаково, они не будут покупать три, надеясь, что найдут две идентичные в другом магазине. Они предпочтут найти пять, которые выглядят одинаково, или попробовать другой магазин, который может продать им пять идентичных ручек. Таким образом, ситуация, когда товара нет в наличии, не является бинарным понятием, где либо у вас точно ноль единиц и товара нет в наличии, либо все в порядке. Иногда люди ищут определенное количество, поэтому у вас есть более тонкое понятие отсутствия товара в наличии. Вот почему вам нужно отслеживать уровни запасов, и исторические уровни запасов также могут быть полезны для автоматического обнаружения наиболее вероятных неточностей в учете запасов.
Киран Чандлер: Вы много говорили о основных наборах данных, основных наборах данных, которые требуются Lokad. А что насчет вторичных наборов данных? Есть ли что-то, что также может быть интересно для нас?
Жоанн Верморель: Да, основной транзакционный набор данных - это то, что мы в основном используем. Второй круг, вероятно, включает все, что связано с акциями. Акции, в самом базовом смысле этого слова, направлены на выделение или поддержку. Это не только вопрос ценообразования. Это также то, что вы продвигаете на своих различных каналах. Например, компания электронной коммерции может проводить акции, которые включают только пять продуктов, которые в конечном итоге попадают в постоянный список в рассылке, отправляемой всей клиентской базе. Это своего рода акция, даже если она не сопровождается скидкой на цену. Это продукт, который появляется на главной странице интернет-магазина. Таким образом, второй круг охватывает все, что связано с акциями, включая рекламу. В этот тип данных, вероятно, также входят все данные о трафике электронной коммерции, которые у них есть на веб-сайте.
Киран Чандлер: Давайте обсудим некоторых текущих клиентов Lokad. Есть ли какие-либо распространенные ошибки, с которыми мы сталкиваемся, и из которых будущие клиенты, возможно, смогут поучиться?
Жоанн Верморель: Я думаю, что самая большая ошибка номер один - это выбор системы ERP, из которой чрезвычайно сложно извлекать данные. Это форма зависимости от поставщика. Есть много компаний, которые выбирают систему, где, даже если она находится внутри компании, у них есть локальный сервер, который делает все локально. Они думают, что они контролируют ситуацию, потому что машина находится в их офисах.
Киран Чандлер: Реальность в том, что извлечение данных крайне сложно, потому что система не была должным образом разработана для обеспечения удобства. Например, извлечение чего-либо из QuickBooks на американском рынке - это огромная проблема. Я не имею в виду никакого неуважения к Intuit, они отличная компания, но извлечение данных - это просто невероятно сложно.
Жоанн Верморель: Действительно, это, вероятно, первая ошибка. Вторая ошибка, вероятно, заключается в том, что не записываются пробелы в статистике, что обычно происходит с заказами на закупку. Для небольшой компании, скажем, с оборотом в десять миллионов долларов, ваши заказы на закупку могут поместиться на листе Excel. Однако, если у вас нет лучшей системы для их записи, в день, когда вы захотите провести анализ времени выполнения заказа, у вас возникнут проблемы, потому что данные разбросаны по десяткам таблиц Excel.
Третьей ошибкой может быть отсутствие снимков уровней запасов. В настоящее время жесткие диски очень дешевы, но многие компании не записывают исторические уровни запасов. Поэтому, когда мы говорим о необходимости прошлой ситуации с запасами или прошлой ситуации с низкими запасами, данные никогда не были записаны. Это несчастливо, потому что речь идет о нескольких гигабайтах данных, которые буквально стоят копейки. Нет никакой причины не записывать эти данные и не хранить их бесконечно.
Киран Чандлер: Чтобы подвести итоги, если бы наши слушатели могли вынести один ключевой момент из сегодняшней дискуссии, какой бы это был?
Жоанн Верморель: Я бы сказал, обратите внимание на свои данные. Они не стоят натурально дорого, но лучшее время начать правильно записывать все данные, которые вам нужны, - сегодня. Через три года, когда вам понадобится несколько летней истории, если вы не начали сегодня, у вас ее не будет. Сбор и поддержка правильно организованных данных - это то, что нельзя откладывать, это нужно делать сейчас.
Как менеджер по цепочке поставок, вы не можете принимать правильные решения без данных. Вы не можете оптимизировать то, что вы не измеряете, независимо от того, используете ли вы что-то такое сложное, как Lokad, для оптимизации своих цепочек поставок. Это относится не только к статистическим алгоритмам, которые использует Lokad, но и к людям. Без данных принимаемые вами решения не будут хорошими. Вы не можете просто угадать, сколько единиц вы продадите для сотен тысяч продуктов.
Все начинается с выбора правильного программного обеспечения для работы вашей компании и обеспечения доступа к данным. В противном случае, вы будете заключены в решение поставщика, которое вы выбрали.
Киран Чандлер: Отлично. Это фундаментальное понимание для таких людей, как я, которые склонны откладывать все до завтра. Это все на этой неделе. Мы вернемся снова на следующей неделе с новой серией, но до тех пор, увидимся скоро. Пока пока.
