00:00:07 Использование данных о погоде для оптимизации решений о закупках.
00:00:41 Продукты, зависящие от погоды, и их связь с погодой.
00:02:00 Исторический контекст стартапов по данным о погоде и их нишевый статус.
00:03:23 Поставщики электроэнергии эффективно используют данные о погоде для прогнозирования потребления.
00:06:02 Сложность данных о погоде по сравнению с данными цепочки поставок и технические вызовы.
00:08:00 Влияние погоды на рынки IPO и спрос на продукты.
00:10:00 Ограниченная польза прогноза погоды для цепочек поставок.
00:12:45 Полезность прошлых данных о погоде для объяснения спроса на продукты.
00:14:00 Использование изменения климата для улучшения сезонных прогнозов и их ограничения.
00:15:49 Сравнение ежедневных колебаний температуры с долгосрочным воздействием изменения климата.
00:17:01 Важность использования транзакционных данных для принятия решений в цепочке поставок.
00:18:04 Использование данных о веб-трафике для лучшего понимания цепочки поставок.
00:18:36 Использование конкурентной разведки при принятии решений в цепочке поставок.
00:19:27 Заключение: приоритет других источников данных перед изучением данных о погоде.

Резюме

Joannes Vermorel, основатель Lokad, обсуждает с ведущим Kieran Chandler потенциал и ограничения данных о погоде в оптимизации цепочки поставок. Vermorel отмечает, что данные о погоде обладают сильной объяснительной силой, но могут быть не очень полезны для уточнения прогнозов. Многогранная природа погоды делает сложным её эффективное включение в прогнозы. Vermorel подчеркивает важность приоритизации транзакционных данных и нетранзакционных данных, таких как веб-трафик и конкурентная разведка, по сравнению с данными о погоде и социальными данными. Данные о погоде могут быть более полезными при анализе прошлых показателей продаж. Несмотря на сложности, по мере развития технологий прогнозирования погоды и управления цепями поставок, у бизнеса могут появиться большие возможности для использования данных о погоде для стратегического принятия решений.

Расширенное резюме

В этом эпизоде ведущий Kieran Chandler берет интервью у Joannes Vermorel, основателя компании Lokad, специализирующейся на оптимизации цепей поставок. Они обсуждают роль данных о погоде в оптимизации решений о закупках и сложности, возникающие при объединении различных прогнозов.

Идея использования данных о погоде для оптимизации цепей поставок проста: многие товары крайне чувствительны к погодным условиям, и их спрос зависит от погоды. Примеры включают мясо для барбекю и даже автомобили, так как люди в разных климатических условиях могут выбирать разные автомобили. Многие практики управления цепями поставок стремятся улучшить прогнозы путем включения данных о погоде.

Десятилетие назад данные о погоде и стартапы, сосредоточенные на уточнении прогнозов, были в центре внимания. Однако, несмотря на первоначальный интерес, использование данных о погоде для оптимизации цепочек поставок осталось нишевой областью. Lokad провела несколько проектов для крупных компаний примерно десять лет назад, но эти усилия в итоге угасли, поскольку затраты усилий превышали получаемые выгоды.

Одним из ключевых выводов из опыта Lokad является то, что данные о погоде невероятно сложны. Это многомерная задача с высокой степенью географического разнообразия. Погодные условия могут значительно различаться даже на расстоянии всего 20 километров из-за таких факторов, как высота над уровнем моря. Кроме того, погода не однородна в течение дня, что усложняет прогнозирование.

Однако существуют отрасли, которые успешно используют данные о погоде, например, поставщики электроэнергии. Они используют эти данные для прогнозирования потребления электроэнергии, что позволяет им снабжать сеть ровно тем количеством энергии, которое требуется в каждую минуту дня. Хранение электроэнергии неэффективно и непрактично, что делает точные прогнозы необходимыми для управления поставками.

Хотя концепция использования данных о погоде для оптимизации цепей поставок кажется логичной, она оказалась сложной и остается нишевой областью. Высокая изменчивость и многомерность погоды затрудняют её эффективное включение в прогнозы. Однако некоторые отрасли, например, поставщики электроэнергии, добились успеха в использовании данных о погоде для удовлетворения своих специфических потребностей.

Vermorel объясняет, что данные о погоде чрезвычайно сложны из-за их географической специфики и множества факторов, которые необходимо учитывать, таких как дождь, ветер, влажность и солнечный свет. Эта сложность делает данные о погоде значительно объемнее и сложнее в обработке по сравнению с традиционными данными цепочки поставок.

Хотя получение данных о погоде стало проще благодаря облачным провайдерам, обработка и корреляция этих данных с продажами остаются проблемой. Vermorel отмечает, что погода может оказывать сильно локализованное влияние на продажи, и бизнесу приходится использовать различные эвристики для учета этих нюансов.

В ответ на предложение использовать более простые, реактивные триггеры, основанные на температуре, Vermorel признает, что температура может быть важным фактором, но подчеркивает, что это не единственный показатель. Например, жаркие, дождливые и ветреные выходные могут не привести к всплеску спроса на товары для барбекю. Более того, Vermorel отмечает, что клиенты следят за прогнозами погоды так же, как и предприятия, что может привести к изменениям в покупательских моделях на основе ожиданий погоды.

Рассматривая краткосрочную точность прогнозов погоды, Vermorel объясняет, что прогнозы, выходящие за пределы десяти дней, обычно не очень полезны для оптимизации решений в цепочке поставок. Во время таких явлений, как волны жары, прогноз имеет значение только в начале и в конце события, что приводит к узкому окну полезности.

Обсуждая будущее цепей поставок и прогнозирование погоды, Vermorel признает потенциал более точных прогнозов оказать более значительное влияние. Однако он подчеркивает, что самое интересное применение данных о погоде может заключаться в анализе прошлых показателей продаж. Например, понимание того, была ли успешная кампания по продажам мороженого обусловлена эффективным маркетингом или просто жарой в Париже, может дать ценную информацию для бизнеса.

Интеграция данных о погоде в оптимизацию цепей поставок является сложной и требующей усилий задачей, обладающей потенциалом для понимания прошлых продаж и ограниченного применения в краткосрочных прогнозах. По мере развития технологий прогнозирования погоды и управления цепями поставок у бизнеса могут появиться большие возможности для использования данных о погоде в стратегическом принятии решений.

Vermorel делится своими взглядами на важность данных о погоде, влияние изменения климата и типы данных, на которые компании должны ориентироваться для лучшей оптимизации цепей поставок.

Vermorel объясняет, что, хотя данные о погоде обладают сильной объяснительной силой, они могут быть не так полезны для уточнения прогнозов. Многие специалисты по цепям поставок находят их полезными для понимания прошлого, но не обязательно для будущих прогнозов.

На вопрос о влиянии изменения климата на сезонные прогнозы, Vermorel отмечает, что, хотя это значимая глобальная проблема, ее влияние на оптимизацию цепей поставок минимально из-за различий во временных горизонтах. Прогнозы изменения климата охватывают века, тогда как решения в цепочке поставок ориентированы на месяцы или несколько лет. В результате влияние изменения климата на оптимизацию цепей поставок относительно невелико.

Vermorel подчеркивает важность транзакционных данных для оптимизации цепей поставок. Он отмечает, что многие компании не используют эти данные эффективно, поскольку часто не оценивают свои запасы и затраты, связанные с дефицитом товара, в финансовых терминах. Используя транзакционные данные по максимуму, компании могут оптимизировать свои решения в цепочке поставок.

Кроме того, Vermorel предлагает сосредоточиться на нетранзакционных данных, которые легко собрать и которые имеют высокую релевантность для цепочки поставок компании. Например, данные о веб-трафике могут дать ценную информацию о поведении клиентов и эффективности продукта. Конкурентная разведка, такая как информация о ценах конкурентов, является еще одним ценным источником данных, хотя их сбор может быть более сложным.

Данные о погоде и социальные данные могут быть полезны, но Vermorel рекомендует, чтобы компании в первую очередь уделяли внимание транзакционным данным, данным о веб-трафике и данным конкурентной разведки. Данные о погоде и социальные данные следует рассматривать только тогда, когда компания уже максимально использовала другие источники данных и располагает большой data science командой.

Данные о погоде могут быть полезны и интересны для понимания прошлых показателей эффективности цепей поставок, но существуют другие источники данных, которые более важны для оптимизации. Компании должны в первую очередь использовать транзакционные данные, данные о веб-трафике и конкурентную разведку, прежде чем переходить к изучению данных о погоде или социальных данных для оптимизации цепей поставок.

Полная стенограмма

Kieran Chandler: Сегодня мы обсудим, где могут возникнуть сложности при комбинировании различных прогнозов, и поймем, можно ли использовать эти данные для получения ценных инсайтов.

Joannes Vermorel: Идея проста: существует множество товаров, очень чувствительных к погоде в плане спроса. Можно представить, что, например, мясо для барбекю вы купите на следующие выходные, если будет солнце, и тогда, вероятно, устроите барбекю. Но в более общем смысле существуют целые категории товаров, которые очень чувствительны к погоде, и, в определенной степени, практически всё зависит от погоды. Я имею в виду, даже ваш автомобиль: если вы живете в очень холодном регионе, вы, возможно, выберете не тот же автомобиль, что если бы жили в регионе с жаркой погодой или частыми дождями. Поэтому наличие этих данных представляет интерес, и, очевидно, поскольку это очевидный фактор, многие практики в цепях поставок стремятся улучшить прогноз, пытаясь включить данные о погоде, в частности, используя прогнозы погоды.

Kieran Chandler: Конечно, чем больше вы знаете, тем лучше можно принять решение, основываясь на будущем. Так как же это работает на практике?

Joannes Vermorel: Это интересно, особенно часть о том, как это работает на практике. Когда я основал Lokad десять лет назад, данные о погоде и стартапы, связанные с погодой, были на пике популярности. Тогда, вероятно, во Франции было три стартапа, полностью занимающихся уточнением прогнозов с помощью данных о погоде, а в США их было примерно 20. Так что интересно, что это было десять лет назад, и это было своего рода модное слово, охватывающее все, что связано с погодой или использует её данные в аналитике. Но что интересно, так это то, что на практике это осталось чрезвычайно нишевым направлением. Даже в Lokad мы провели несколько проектов для крупных компаний примерно десять лет назад, и этот интерес постепенно угас. Короче говоря, затраты усилий оказались слишком высоки по сравнению с получаемой выгодой.

Kieran Chandler: Итак, что же мы на самом деле узнали, когда применяли это на практике все эти годы?

Joannes Vermorel: Мы многому научились. У нас были проекты с крупным европейским поставщиком электроэнергии, который, я считаю, представляет тот класс компаний, которые сегодня очень эффективно используют данные о погоде. Поставщики электроэнергии используют данные о погоде для прогнозирования потребления, чтобы снабжать сеть ровно тем количеством, которое требуется каждую минуту дня. Кстати, электроэнергию нельзя накопить, или, точнее, есть способы, но они неэффективны, медленны и непрактичны. Поэтому нужны очень точные прогнозы. Но вернемся к данным о погоде: ключевых выводов было много. Один из них заключается в том, что погода просто невероятно сложна. Люди не осознают, что это настолько многомерная проблема. У вас есть географическая сетка, и одна из особенностей погоды заключается в том, что она сверхлокальна. Я был немного удивлен, узнав, насколько температура может отличаться на расстоянии всего 20 километров. Вы можете получить разницу в 15 градусов между двумя точками, расположенными в 20 километрах друг от друга, потому что одно место находится всего на километр выше по высоте, чем другое. Таким образом, у вас существует огромное разнообразие с точки зрения географии, а погода к тому же не ограничивается одним днем. Если посмотреть по телевизору, можно увидеть, что дождь может идти, скажем, пять раз по десять минут в течение дня. Так что это очень точное явление, которое изменяется буквально каждую минуту. Итак, у вас есть география, затем время с очень тонкой гранулярностью. Очевидно, имеет значение, идет ли дождь ночью или днем, и тому подобное. Но сама погода – это не только температура и факт дождя. Существует примерно полдюжины показателей, таких как ветер, влажность, освещенность, скорость и направление ветра, а также то, будет ли ветер дуть непрерывно или нет. Это очень многомерное явление, и, как следствие, можно сказать, что это целый небольшой мир. Я имею в виду, вы уже имеете дело со всеми данными вашей цепочки поставок, которые сами по себе достаточно сложны, а потом обнаруживаете, что рядом с ними находится набор данных о погоде, который буквально как минимум в десять раз сложнее всех ваших данных о цепочке поставок вместе взятых.

Kieran Chandler: Да, очевидно, что существуют эти сложности, но с ними хорошо справляются. Они хорошо изучены, и какие технические вызовы это создает, поскольку теперь мы начинаем понимать эти моменты?

Йоаннес Верморель: Да, я имею в виду, что сначала у вас получается объём данных о погоде, который буквально в 10–100 раз больше, чем данные вашей цепочки поставок. То есть, с точки зрения программной инженерии, у вас получается нечто, что было разработано для работы с цепочкой поставок и её масштабом, а затем вы понимаете, что если хотите работать с данными о погоде, вам нужно обрабатывать буквально в 100 раз больше данных. Это вызывает массу трудностей. Конечно, десятилетие назад проблема заключалась лишь в том, чтобы получить доступ к данным о погоде. Сейчас, благодаря многим облачным провайдерам, которые продают данные непосредственно через облако, это стало намного проще. Но обработка этих данных остаётся очень сложной, особенно потому, что речь идёт не о проведении метеосимуляций, а об анализе данных о погоде для решения всё ещё нишевых задач, таких как корреляция этих данных с паттернами продаж. И ещё: просто помните, что погода — это крайне локальное явление. Например, если у вас есть рынок, который привлекает людей с обширной территории, скажем, в 30 или даже 50 километрах вокруг, то учитывать можно не одну погодную карту. Придётся агрегировать данные на большей географической области, и все необходимые эвристики придётся разрабатывать самостоятельно.

Киран Чендлер: Но тут всё становится очень сложным, учитывая различные высоты и разную детализацию данных. Разве нельзя ввести что-то более простое, может быть, более реактивное? Например, вместо min/max можно сделать автоматический заказ на поставку, как только температура достигнет определённого значения? Разве это не интересно?

Йоаннес Верморель: Это действительно интересно. С температурой всё начинается — это первый показатель, который вызывает интерес, безусловно. И действительно, можно начать, сосредоточившись только на температуре и среднем дневном значении. Однако этого недостаточно, чтобы охватить всё, что нужно знать. Если вернуться к примеру, когда спрос на мясо резко растёт, потому что люди планируют устроить барбекю, если следующие выходные будут очень жаркими, но при этом дождливыми и ветренными, то такой скачок спроса на продукты для барбекю может и не наблюдаться. Так что, да, температура важна. Прогнозы погоды дают понять, что эти или следующие выходные с большой вероятностью будут отличными, и все это знают, вследствие чего клиенты начинают покупать товары, чувствительные к погоде. Если анализировать данные со сдвигом в один-два дня, вы тоже получаете информацию о погоде. Но помните, что прогнозы погоды не очень точны за пределами примерно десяти дней, так что нельзя оптимизировать решения, опираясь на прогнозы, заглядывающие дальше десяти дней. После чего всё сводится к сезонному среднему, как будто ничего не известно. Это, безусловно, имеет значение, но дело носит очень краткосрочный характер. Просто представьте: когда, например, в Париже начинается тепловая волна, она может длиться пару недель. Однако период, когда прогноз действительно играет роль, — это не три недели самой волны, а те три дня, когда начинается волна, и, возможно, два-три дня, когда она заканчивается. То есть, преимущество есть лишь в очень узком промежутке времени в году.

Киран Чендлер: Итак, временной интервал очень мал, и сбор всех этих данных не даёт нам значительного преимущества. Если заглянуть в будущее цепочек поставок и представить, что однажды у нас появятся прогнозы погоды, которые будут невероятно точными и смогут заглядывать далеко вперёд, а мы будем иметь больший контроль над нашими цепочками поставок в целом, можете ли вы представить тот день, когда прогноз погоды станет более полезным для улучшения точности предсказаний?

Йоаннес Верморель: Это возможно. Есть компании, например, поставщики электроэнергии, которые работают с данными о погоде с высокой эффективностью. Для них эти данные являются ценнейшим входом, который помогает значительно повысить точность. Но интересное заключается в том, что самое полезное применение данных о погоде — не в прогнозировании будущего, а в изучении прошлого. Например, если вы продаёте мороженое и запускаете новую рекламную кампанию, которая оказывается очень успешной, то успех определяется хорошей кампанией или же тем, что в Париже была тепловая волна, и почти всем, кто продавал мороженое, повезло в этот период лета? Анализ прошлых данных о погоде может быть крайне полезен для объяснения спроса на ваши продукты. Здесь вам не нужно вдаваться в тонкости детализации. Вы можете агрегировать данные за более длительные периоды или по более широким географическим зонам, и это даст вам мощный инструмент для анализа.

Киран Чендлер: Вероятно, именно поэтому многие, в том числе специалисты по цепочкам поставок, так воодушевлены идеей использования данных о погоде для улучшения прогнозов. Даже если эта часть и не будет работать идеально, это потому что данные о погоде весьма полезны для объяснения прошлого. А как насчёт изменения климата? Мы знаем, что мир постепенно становится теплее, и это повлияет на наши сезонные прогнозы в будущем. Можно ли использовать это понимание? Есть ли в этом что-то полезное?

Йоаннес Верморель: К сожалению, здесь дело сводится к масштабам. Даже самые пессимистичные прогнозы изменения климата предсказывают изменение, которое за многие годы остаётся относительно незначительным по сравнению с ежедневными колебаниями погоды.

Киран Чендлер: Конечно, в 21 веке речь идёт о разнице в пару градусов. Кстати, если подумать в терминах геологического времени, эволюция климата происходит стремительно. Если Земля в целом нагревается или охлаждается на два градуса за век, это много – очень значимо. Тем не менее, мы говорим всего о паре градусов за столетие. Даже в таком умеренном климате, как в Париже, температура обычно колеблется между максимальным дневным пиком и минимальным значением примерно на 20 градусов. У нас очень мягкий климат, а в некоторых регионах мира разница между дневными максимумами и ночными минимумами может достигать 40 градусов.

Йоаннес Верморель: Суть в том, что изменение климата на, скажем, два градуса за век — если подумать, сколько изменений это принесёт от сезона к сезону — буквально ничтожно мало. Большинство потребительских товаров появляются на рынке, достигают пика примерно за двенадцать месяцев, а затем исчезают через два-три года. Вы понимаете, что влияние среднего климата на оптимизацию цепочек поставок крайне мало, просто потому что речь идёт о разных временных горизонтах. Цепочка поставок — это оптимизация решений на ближайшие несколько месяцев, возможно, на следующий год или на несколько лет, если у вас есть действительно грандиозные планы. Но, мне кажется, не так много компаний думают на века вперёд, за исключением стремления быть более эффективными, потреблять меньше энергии или производить меньше отходов — что, безусловно, выигрыш для будущего. Однако это не то, что планируется с помощью прогнозов.

Киран Чендлер: Так, на какие ещё данные нам стоит обращать внимание? Что сейчас важнее данных о погоде?

Йоаннес Верморель: Мы достигли того этапа, когда большинство компаний даже не используют свои транзакционные данные должным образом. Большинство компаний, с которыми мы работаем, даже не оценивали затраты от отсутствия запасов в евро или долларах. Запас — это компромисс между стоимостью хранения запасов и стоимостью их отсутствия. Если говорить упрощённо, то вам необходимо сбалансировать два риска, которые вы даже не оцениваете.

Киран Чендлер: С финансовой точки зрения, один из этих двух рисков — оптимизировать что-либо чрезвычайно сложно. Таким образом, первый этап — максимально использовать ваши транзакционные данные, которые являются сверхнадежными и имеют именно ту детализацию, которая важна для принятия решений в цепочке поставок. Второй этап — использовать все данные, которые не являются транзакционными, но которые легко собрать и которые всё же весьма актуальны для вашей цепочки поставок. Например, это будут данные о веб-трафике, если вы — бренд. Вы можете посмотреть, сколько посетителей получает каждая страница на вашем сайте, и особенно если у вас есть страницы, посвящённые вашим продуктам, можно анализировать веб-трафик. И когда веб-трафик изменяется, вы получаете информацию, которая тесно связана с вашими продуктами, и это можно использовать.

Йоаннес Верморель: Возможно, третий уровень данных — это конкурентная разведка, то есть информация о том, что делают ваши конкуренты, их ценовая политика и тому подобное. Эти данные сложнее собирать, но они всё же очень тесно связаны с деятельностью вашей цепочки поставок. А затем есть такие данные, как данные о погоде и социальные данные, которые также могут быть полезны. Известны примеры компаний, использующих социальные данные, но, как правило, это высокотехнологичные компании, которые уже прошли все предыдущие этапы — от использования транзакционных данных до анализа веб-трафика и конкурентной разведки. Затем можно перейти к данным о погоде и, возможно, социальным данным, которые представляют собой внешние источники.

Киран Чендлер: Итак, подводя итоги на сегодня, данные о погоде, возможно, полезны и могут быть довольно интересными, особенно при анализе прошлого. Но основной вывод в том, что существуют и другие, более важные аспекты.

Йоаннес Верморель: Да, и если у вас ещё нет очень большой команды специалистов по данным, то, по сути, вы не готовы. Это мой посыл: вы поймёте, что готовы, когда наймёте 24-го дата-сайентиста и уже не будете знать, какие новые направления исследовать. Тогда будет самое время задуматься об этом.

Киран Чендлер: Ладно, на сегодня всё, завершаем. Спасибо, Йоаннес. Это всё для Lokad TV на этой неделе. В следующий раз мы вернёмся с новым выпуском, если, конечно, переживем эту жару. До встречи, пока!