Псевдонаука в цепях поставок

00:00:07 Научизм и его распространение в цепях поставок.
00:00:34 Объяснение научизма и его последствий в различных областях.
00:02:16 Реальные примеры чрезмерной полагаемости на научные результаты и упрощения.
00:04:07 Прогнозирование спроса в цепи поставок как пример научизма.
00:06:50 Альтернативы научизму в управлении цепями поставок и учет сложных систем.
00:08:01 Упрощение и его влияние на специалистов по цепям поставок.
00:09:45 Решение проблемы наивного рационализма в управлении цепями поставок.
00:12:38 Важность человеческого суждения в цепях поставок и ограничения количественных моделей.
00:14:48 Балансировка данных, подтвержденных исследованиями, с высокоуровневым суждением при принятии решений.
00:15:38 Обеспечение понимания клиента и избегание наивного рационализма в Lokad.
00:17:06 Необходимость учета значимых факторов, таких как Китайский Новый Год, в планировании цепи поставок.
00:18:30 Скептицизм по отношению к рациональным организациям и важность сочетания науки с здравым смыслом.
00:19:51 Высокообразованные инженеры могут быть неосведомленными о применении в реальном мире.
00:21:02 Необходимость экспертных знаний, здравого смысла и избегания бессмыслицы на промышленной шкале.

Резюме

Основатель Lokad, Жоанн Верморель, обсуждает концепцию научизма в оптимизации цепей поставок в интервью с Кираном Чандлером. Научизм определяется как чрезмерная полагаемость на науку, предполагая, что все проблемы могут быть решены с помощью научного подхода. Верморель предостерегает от чрезмерного уделяния внимания алгоритмическим подходам к прогнозированию спроса, так как эти модели могут быть чрезмерно упрощенными и приводить к самоисполняющимся пророчествам. Он подчеркивает важность высокоуровневого человеческого суждения в управлении цепями поставок, а также необходимость учета вторичных эффектов и признания сложности систем и людей, вовлеченных в них. Верморель советует клиентам полагаться на экспертные знания и здравый смысл при внедрении решений по оптимизации цепей поставок.

Расширенное резюме

В этом интервью ведущий Киран Чандлер и Жоанн Верморель, основатель Lokad, обсуждают концепцию научизма и его влияние на оптимизацию цепей поставок. Научизм описывается как крайнее верование в науку, предполагая, что все проблемы могут быть решены с помощью научного подхода. В контексте управления цепями поставок этот термин синонимичен наивному рационализму, предполагая, что один рецепт, алгоритм или технология могут решить все проблемы цепей поставок.

Верморель указывает на то, что крупные организации часто подражают научному методу в управлении цепями поставок, фокусируясь на числах, формулах и найме людей с докторской степенью. Однако эти атрибуты самостоятельно не обязательно делают их подход научным. Он сравнивает это явление с фасадом, создающим иллюзию научной строгости, не придерживаясь научного метода на самом деле.

В качестве примера неправильного использования научизма Верморель обсуждает споры, связанные с p-значениями в социальных науках. P-значения используются для измерения уверенности в гипотезе, но когда тестируются миллионы гипотез, некоторые из них неизбежно покажут значимые результаты из-за случайности. Эта проблема показывает, как чрезмерная полагаемость на кажущиеся научные результаты может привести к вводящим в заблуждение выводам.

Применяя эту концепцию к управлению цепями поставок, Верморель выделяет прогнозирование спроса как область, где научизм может быть проблематичным. Существует множество книг и моделей по прогнозированию спроса, которые могут создавать впечатление о хорошо установленном, рациональном подходе. Однако, когда более пристально рассмотреть эти модели, их рациональность становится сомнительной.

Они обсуждают ограничения некоторых алгоритмических подходов к прогнозированию спроса и необходимость высокоуровневого человеческого суждения в управлении цепями поставок.

Верморель объясняет, что многие алгоритмы прогнозирования могут быть чрезмерно упрощенными и могут приводить к самоисполняющимся пророчествам. Например, если прогноз предсказывает нулевой спрос на продукт, продукт может не быть запасен, и, следовательно, продажи не произойдут, подтверждая начальный прогноз. Он также упоминает, что для модных брендов количество произведенных единиц часто равно количеству проданных единиц из-за больших скидок на непроданные товары. Эти примеры иллюстрируют проблему самоисполняющихся пророчеств в наивных моделях прогнозирования.

Чтобы преодолеть ограничения этих моделей, Верморель предлагает, чтобы специалисты по цепям поставок признавали сложность систем, с которыми они работают, и участвующих в них людей. Они также должны учитывать вторичные эффекты, такие как то, как предложение скидок может создавать ожидания клиентов о будущих скидках. Он утверждает, что научные методы, которые фокусируются на первичных эффектах и упрощениях, могут быть легко измерены и сравнены, но не обязательно имеют отношение к бизнесу.

Верморель подчеркивает важность человеческого суждения в управлении цепями поставок. Он считает, что для определения полезности математической модели или ее слишком упрощенности требуется высокий уровень человеческого интеллекта. Хотя научный подход к проблемам цепей поставок может быть возможным, он требует тонкости и не может быть сводится к простым измерениям.

Он отмечает, что специалисты по цепям поставок обычно осознают эти проблемы, но привлекательность научизма и рационализма может быть соблазнительной, особенно для высокообразованных людей. Такие специалисты могли быть знакомы с успехом количественных моделей в других областях, например, в термодинамике, и могут надеяться достичь такой же предсказательной силы в управлении цепями поставок. Однако Верморель предостерегает, что люди не являются частицами, и их поведение более сложное, что требует более тонкого подхода к управлению цепями поставок.

Один пример наивного рационализма в управлении цепями поставок - это процесс планирования продаж и операций (S&OP). Верморель указывает на то, что подразделения внутри компании могут просто отправлять прогнозы, чтобы соответствовать своим собственным стимулам, а не создавать точные прогнозы спроса.

Они затрагивают склонность человека к риску, важность подтверждения прогнозов данными и роль высокоуровневого суждения в оптимизации цепей поставок.

Верморель признает, что люди естественно склонны к риску и часто полагаются на данные для подтверждения своих утверждений и прогнозов. Он соглашается с тем, что использование данных для поддержки своих идей является важным, но предостерегает, что нужно быть осторожным при работе со статистикой, особенно когда в сложные, многомерные проблемы вовлечены несколько переменных.

Верморель подчеркивает важность высокоуровневого суждения при контроле за расчетами и моделями, используемыми в оптимизации цепей поставок, утверждая, что важно обеспечить наличие подходящей перспективы в основе анализа. Он считает, что истинный рационализм включает в себя это высокоуровневое суждение, чтобы предотвратить возможные проблемы в анализе, которые могут возникнуть из-за недооценки важных аспектов.

Затем разговор переходит к концепции наивного рационализма, и Чандлер указывает, что подход Lokad может иметь некоторые элементы этого. Он упоминает, что многие клиенты компании могут не полностью понимать “черную магию” за техниками оптимизации цепей поставок компании. Верморель отвечает, что самые важные не технические аспекты, а высокоуровневое понимание процессов цепи поставок.

По мнению Вермореля, многие технические аспекты, которые клиенты не понимают, часто являются незначительными в большой схеме вещей. Он утверждает, что для Lokad более важно сосредоточиться на правильном понимании более широких аспектов цепи поставок, таких как учет событий, таких как Китайский Новый Год, которые могут иметь значительное влияние на сроки поставки.

Верморель начинает с признания того, что область оптимизации цепи поставок все еще находится в своем зачаточном состоянии. Хотя по сравнению с предыдущими методами были сделаны значительные улучшения, отрасль только начинает осваивать эту тему. Он подчеркивает важность сочетания научных подходов с здравым смыслом для достижения наилучших результатов.

Затем он предостерегает от веры в идеально рациональную и четко определенную организацию, состоящую из отдельных команд по прогнозированию, планированию и закупкам, каждая из которых оптимизирует определенные метрики. Верморель утверждает, что такие системы могут казаться рациональными и научными, но на самом деле часто являются всего лишь иллюзией. Он подчеркивает необходимость скептицизма при столкновении с такими организациями, так как они могут быть не такими рациональными или эффективными, как они кажутся.

Взглянув назад, Верморель признает эти неудачи очевидными последствиями наивного рационализма. Он советует клиентам полагаться на экспертное мнение и здравый смысл при внедрении решений по оптимизации цепи поставок. Независимо от того, сколько модных слов или технического жаргона применяется к проблеме, без основательного понимания и практического подхода результат будет не более чем промышленный бред.

Полный текст

Кирен Чандлер: Сегодня на Lokad TV мы попытаемся понять, почему это так легко сделать ошибку и обсудим, является ли то, что кажется умным на поверхности, таковым на самом деле. Итак, Джоаннес, сегодня мы говорим о научизме. Звучит немного теоретически, но что это на самом деле?

Джоаннес Верморель: Научизм, я бы сказал, это крайнее вера в науку. Это идея о том, что вы можете буквально решить все свои проблемы в жизни и обществе с научным подходом, что звучит хорошо, но на самом деле немного наивно. В конкретном случае цепи поставок это будет синонимом наивного рационализма, подхода, при котором у нас есть рецепт, алгоритмы и немного технологии для решения проблемы с определенным методом. Я заметил, что особенно в цепи поставок крупные организации склонны подражать научным методам. Они делают то, что имеет признаки науки, такие как использование большого количества чисел, формул, людей с докторской степенью, метрик, измерений и некоторого вида процесса. Но иногда, или даже очень часто, у вас на самом деле нет ничего, что можно было бы квалифицировать как научное. Так что у вас есть признаки, но это похоже на фасад, иллюзию.

Кирен Чандлер: Прежде чем перейти к стороне цепи поставок, у вас есть какие-либо примеры из реального мира, как люди стали слишком полагаться на научные результаты и увлеклись? Где мы видели, что были приняты сокращения?

Джоаннес Верморель: В настоящее время в социальных науках существует огромная контроверза, потому что большинство статей, опубликованных за последние пять десятилетий в социальных науках, просто не воспроизводятся, что является огромной проблемой. Одной из основных причин являются p-значения, способ установить, насколько вы можете доверять гипотезе. Например, предположим, что я предполагаю, что поедание клубники полезно для вашего здоровья. Я делаю измерение и проверяю эту гипотезу. Проблема в том, что если вы тестируете тысячи или миллионы гипотез, вы сгенерируете тонны гипотез, которые имеют хорошие p-значения, то есть вещи, которые кажутся очень уверенными. Но проблема в том, что вы протестировали так много гипотез, что согласно ограниченным данным некоторые из них оказываются истинными почти полностью из-за чистой случайности. В цепи поставок есть много сходств, где методы имеют вид чего-то очень рационального, но когда вы проникаете глубже, они являются глубоко иррациональными.

Кирен Чандлер: Давайте рассмотрим примеры из цепи поставок. Какие вещи, которые кажутся легкими на поверхности, на самом деле, когда вы углубляетесь в них, совсем не такие и намного менее рациональные?

Жоанн Верморель: Вероятно, это прогнозирование спроса. Есть целые книги, написанные о том, как можно построить модели прогнозирования спроса. У нас есть целая литература по этому вопросу, начиная с старых моделей экспоненциального сглаживания, Хольта-Винтерса и так далее. Вы бы подумали, что статистическое прогнозирование спроса - это нечто очень устоявшееся. У вас есть прогноз, вы можете провести сравнительный анализ, вы можете провести ретроспективное тестирование. Тестирование, кажется, является архетипом чего-то супернаучного, и моя точка зрения заключается в том, что это далеко не так. Это совсем не научно. Это на самом деле очень наивно. Это была одна из первых ошибок, которую я совершил в Lokad десять лет назад, когда думал, что такой алгоритмический подход к прогнозированию спроса действительно работает. На самом деле это не так, по многим причинам. Одна из причин заключается в том, что вы сталкиваетесь с самоисполняющимся эффектом. Знаете, если вы прогнозируете, что у вас не будет спроса на товар в магазине, то, возможно, вы даже не будете ставить товар в магазин, и в результате вы получите самоисполняющиеся пророчества. Если вы прогнозируете нулевой спрос, то вы не ставите никакого товара, а затем ничего не продаете, и ваш прогноз на 100% верен. И тогда, я думаю, вы будете иметь больше уверенности в прогнозе. Это статистически доказано, и тем не менее, когда вы об этом задумываетесь, это довольно глупо с точки зрения бизнеса, и на самом деле, это глупо. Это крайний пример. Немного более продвинутый пример, но все равно довольно глупый, - это прогнозирование для модного бренда. Если вы хотите спрогнозировать, сколько единиц будет продано для определенного продукта, вам просто нужно посмотреть, сколько единиц было произведено в первую очередь. Если вы произвели 1000 рубашек, ну что ж, вы продадите 1000 рубашек, минус усадка. Но как это происходит? Это происходит от того, что если вы не продаете все эти 1000 рубашек, вы сильно снижаете цены на свою продукцию, ставите ее на распродажу, и в конечном итоге она будет продана. Таким образом, у вас есть наивное самоисполняющееся пророчество, где все, что вы производите, в конечном итоге продается, несмотря ни на что.

Кирен Чандлер: Итак, какова альтернатива? Потому что кажется, что у вас есть метод, метод вроде работает, он приближается к правильному результату.

Жоанн Верморель: Альтернатива заключается в том, что сначала вы должны признать, что ситуация сложная, что в нее вовлечены люди, что у вас сложная система с обратными связями повсюду, что у вас есть эффекты второго порядка. Эффекты второго порядка - это, например, когда вы предоставляете скидку клиенту. Что вы создаете? Очевидно, эта скидка вам стоит. Это евро или доллары, которые вы не получаете в виде маржи. Это первоначальный эффект скидки. Другая часть первоначального эффекта заключается в том, что у вас, вероятно, возникает некоторый подъем спроса. Вы ставите товар на распродажу с большими скидками, продажи, как правило, увеличиваются. Но эффект второго порядка заключается в том, что вы создаете ожидание в своей клиентской базе того, что они будут покупать товары со скидкой.

Итак, национализм или научизм - это своего рода метод, при котором вы в основном сосредотачиваетесь на эффектах первого порядка, при котором вы принимаете сокращения, вы упрощаете ситуацию, и в результате получаете что-то, где легко проводить измерения, легко создавать метрики, и легко проводить сравнительные анализы и проверять гипотезы. Но то, что это легко, не означает, что это актуально. Не потому что что-то легко, оно действительно хорошо для вашего бизнеса.

Кирен Чандлер: Так как переупрощение такого рода может повлиять на специалистов в сфере цепи поставок? Каков результат этого? У меня есть вопрос о математических моделях и количественной модернизации. Насколько важно человеческое суждение в этом процессе, особенно при рассмотрении сложных систем?

Жоанн Верморель: Человеческое суждение крайне важно. Высокий уровень человеческого интеллекта необходим для оценки того, является ли модель правильным способом рассмотрения проблемы. Это часть науки, но это не только вопрос простого измерения и проверки гипотез. Для того чтобы убедиться, что модель соответствует реальности, требуется высокий уровень суждения.

При решении определенной области вам нужна правильная перспектива. Например, при попытке решить проблемы цепей поставок вам нужна перспектива, которая имеет смысл для больших групп людей и обществ. Это нельзя доказать научным путем, а скорее через трудное обсуждение среди людей доброй воли, которые пытаются приблизиться к истине. Здесь не речь идет о наивном измерении для доказательства правоты или неправоты кого-то, но здесь присутствует больше тонкости.

Киран Чандлер: Заметили ли специалисты по цепям поставок недостатки этих моделей?

Жоанн Верморель: Специалисты по цепям поставок действительно обладают высоким образованием и интересуются своей областью. Проблема научных и рациональных моделей не в том, что они присутствуют среди непросвещенных людей, а в том, что они возникают среди высокообразованных людей. Человек с ограниченным образовательным фондом может не впечатлиться формулами или протоколами и будет скептически относиться к сложным вещам, которые он не понимает. Напротив, высокообразованные люди более склонны сталкиваться с этими проблемами, потому что они видели эффективность определенных научных моделей, таких как законы термодинамики.

Проблема возникает, когда люди пытаются применить тот же подход к цепям поставок, ожидая того же уровня предсказательной силы, что и в других научных областях. Однако люди не являются частицами, они мыслят и реагируют по-разному. Например, клиенты адаптируются к скидкам и предвидят будущие действия, эффективно играя систему. Это происходит повторно в управлении цепями поставок.

Киран Чандлер: Проблема заключается в том, что люди по своей природе склонны к избеганию рисков. Если есть доказательства, подтверждающие их утверждения и прогнозы, они будут использовать их. Так что что вы думаете о роли науки в этом контексте? Действительно ли есть альтернатива использованию данных в оптимизации цепей поставок?

Жоанн Верморель: На первый взгляд я склонен согласиться с утверждением, что лучше подкреплять свои утверждения данными. Однако здесь нужно быть очень осторожным, особенно при работе с сложными, многомерными проблемами, включающими множество переменных и агентов, таких как люди или компании, которые могут реагировать на все, что вы делаете. Эти проблемы могут стать довольно сложными. Конечно, вы хотите подкрепить свои идеи как можно большим количеством данных, но есть разница между истинным рационализмом и наивным рационализмом. Вам все равно нужно иметь высокий уровень суждения, контролирующий все ваши расчеты и модели, чтобы убедиться, что есть подходящая перспектива для анализа и что нет крайне неправильных углов, которые могут разрушить все, что вы только что сделали.

Киран Чандлер: Давайте поговорим о том высоком уровне суждения. Некоторые могут возразить, что то, что мы делаем в Lokad, включает в себя некоторую долю наивного рационализма, и многие из наших клиентов не полностью понимают всю “черную магию”, которую используют наши специалисты по цепям поставок. Как вы обеспечиваете понимание наших клиентов происходящего?

Жоанн Верморель: Мне действительно важно понимание на высоком уровне, а не технические детали. Технические детали в основном незначительны. Например, я знаю, что когда я использую определенную функцию, получаемый мной расчет является приближением, которое может отличаться на одну часть на миллион, но когда речь идет о цепи поставок, где неопределенность составляет около 40%, такой уровень приближения незначителен. Для наших клиентов, использующих Lokad, вещи, которые они не понимают, часто являются очень техническими, но в значительной степени незначительными. Гораздо важнее убедиться, что Lokad правильно учитывает такие факторы, как сроки поставки и учет событий, таких как Китайский Новый год, который добавляет четыре недели сроков поставки каждый год.

Кирен Чандлер: Недели дополнительных сроков поставки будут прямо влиять на ваши сроки поставки. Это не незаметно, и именно такие вещи позволяют вам решить, что нет, мне нужно учесть это. Я могу буквально, через наивное наблюдение, определить, учитываете ли вы это. Вам не нужен микроскоп; эффект сильный. Возможно, через столетие мы настолько усовершенствуем методы, что люди начнут анализировать влияние, которое занимает половину их земной жизни в определенной конфигурации, и это будет научно обосновано. Но сейчас мы все еще очень поверхностно изучаем эту тему, и получение системы приближенно правильной является фантастическим улучшением по сравнению с тем, что у нас было раньше. Итак, если мы начнем сегодня рисовать выводы, какой ключевой урок мы должны извлечь? Научные подходы хороши, но их нужно сочетать с здравым смыслом.

Жоанн Верморель: Ну да. Я имею в виду, во-первых, нужно быть очень скептическим по отношению к рациональной организации, где можно сказать: “О, у нас есть команда прогнозирования, команда планирования и команда закупок”. У всех из них есть свои формулы, и они оптимизируют простые метрики. Это выглядит совершенно четко определенным, рациональным и ориентированным на клиента или что-то в этом роде. Но когда я сталкиваюсь с такой ситуацией, мое первое наблюдение заключается в том, что эта система не рациональна. Она только проявляет атрибуты рациональности и науки. Это просто что-то, что выглядит очень научным, но на самом деле этим не является.

Еще один урок заключается в том, чтобы не недооценивать тот факт, что высококвалифицированные инженеры все равно могут быть невероятно несведущими о реальном мире. Когда я говорю о высококвалифицированных инженерах, я включаю себя в эту категорию. Я начал Lokad сразу после университета, очень гордясь своим математическим образованием и восторгаясь идеей применения всех этих красивых статистических методов высокой размерности к реальным ситуациям. Оказалось, что это не работает прекрасно. Фактически, это систематически разрушалось в кажущеся невозможно удивительных способах. Оглядываясь назад, это было очевидным следствием наивного рационализма.

Итак, мое предложение для завершения заключается в том, что вам нужны экспертные знания в том, чем вы занимаетесь, и вам нужно иметь здравый смысл в том, “Хорошо, это примерно имеет смысл?” Если нет, не важно, сколько модных слов и ключевых фраз вы используете, вы получите бессмыслицу на промышленном уровне.

Кирен Чандлер: Я никогда не думал, что услышу от вас, что наука и математика иногда не являются всем, что вам нужно.

Жоанн Верморель: Это правда.

Кирен Чандлер: Хорошо, это все на этой неделе. Большое спасибо за просмотр, и увидимся в следующий раз. Спасибо за просмотр.