00:10 Introduction
02:23 How to? Supply chain lectures
04:22 The Quantitative Supply Chain Manifesto
06:47 All possible futures
17:01 All feasible decisions
21:52 Economic drivers
30:42 Robotization
35:41 Supply Chain Scientists
40:22 From vision to reality
41:56 The myth of the supply chain maturity
45:30 In conclusion
46:13 Questions from the audience
Описание
Манифест количественной цепочки поставок подчёркивает короткую серию значимых пунктов, чтобы понять, как эта альтернативная теория, предложенная и разработанная компанией Lokad, отличается от основной теории цепочки поставок. Её можно резюмировать следующим образом: каждое отдельное решение оценивается с учётом всех возможных будущих сценариев согласно экономическим драйверам. Эта точка зрения постепенно сформировалась в Lokad как основная теория цепочки поставок, и её внедрение (почти?) всеми поставщиками программного обеспечения остаётся сложной задачей.
Полная транскрипция
Всем привет, добро пожаловать на лекции по цепочке поставок. Я Жуанс Верморель, и сегодня я представлю «Количественную цепочку поставок вкратце». Для тех, кто смотрит прямой эфир, вы можете задавать вопросы в любой момент через чат YouTube. Я не буду читать вопросы во время лекции; однако в самом конце лекции я вернусь к чату, начну с верхних вопросов и постараюсь ответить на них. Итак, приступим.
Начну с цитаты одного из бывших французских президентов, который сказал, что существует три пути к богатству: самый быстрый – через азартные игры, самый приятный – через женщин, но самый надёжный – через техников. Очевидно, в этой серии лекций мы выбираем третий вариант. Я считаю, что в этой цитате есть доля мудрости. Техника – это мощный способ делать больше определённых вещей, быть лучше в определённых играх, но она также может сильно отвлекать. Под техниками он имел в виду не только людей, занимающихся техническими вопросами, например, инженеров, но и тех, кто работает с процессами и рабочими процессами, типа MBA-технических деталей.
Когда мы решаем задачи цепочки поставок, мы должны очень внимательно оценивать, способствует ли то, что мы предлагаем, решению основных проблем или же это просто приятное отвлечение.
К сожалению, в сегодняшней лекции я немного склоняюсь к аспекту убеждения. Проблема в том, что если у вас есть формулировка проблемы, вы можете доказать, что у вас есть решение, превосходящее все остальные для этой конкретной проблемы. Однако можете ли вы доказать, что у вас изначально существует более значимая проблема? Это гораздо более сложная интеллектуальная задача.
Одна из главных критических замечаний, которые я выдвигал на предыдущей лекции, заключается в том, что цепочка поставок по своей сути является проблемой с нечёткими границами. Поэтому подходить к ней сложно. Сегодня я попытаюсь изложить набор требований, которые, по моему мнению, необходимы, если мы когда-либо захотим создать что-то удовлетворительное для цепочки поставок. Однако я не могу действительно доказать, что какой-либо из элементов, которые я предлагаю, действительно обязателен. Здесь присутствует элемент веры, а также элемент глубокого понимания. Ещё один аспект веры заключается в том, что если у вас нет решения, которое можно поставить на фоне ваших требований, то всё, что у вас есть, – это просто мечтания. Поэтому я прошу вас приостановить сомнения ещё на одну-две лекции, чтобы мы сосредоточились на самой сути проблемы и элементах, крайне желательных для того, чтобы решение могло считаться пригодным для хорошей практики цепочки поставок.
Итак, приступим. Несколько лет назад Lokad уже прокладывал относительно нетрадиционный путь обслуживания своих клиентов. В конце 2016 года я решил собрать короткую серию значимых пунктов, которые, как я считаю, значительно отличаются от традиционной теории цепочки поставок. Я хотел использовать эти пять пунктов, чтобы показать, чем количественная цепочка поставок отличается от традиционной. Прошу прощения за несколько неудачную терминологию, ведь даже традиционная теория цепочки поставок во многом количественная, но я решил добавить ещё одно прилагательное, чтобы прояснить различие между теорией количественной цепочки поставок и традиционной теорией цепочки поставок.
Эти элементы, которые я перечислю, не являются основополагающими; они скорее представляют собой контрольный список того, что нам нужно учитывать, если мы хотим иметь хоть какую-то надежду на успех. Эти элементы включают:
- Все возможные будущие сценарии: Нам нужно рассматривать множество будущих сценариев, а не только один.
- Все осуществимые решения: Когда я вводил определение цепочки поставок как управление опциональностью, эти решения были теми опциями, о которых шла речь.
- Экономические драйверы: Идея в том, что мы будем считать ошибку в долларах, а не в процентах.
- Роботизация как требование для управленческого контроля: Это может показаться парадоксальным, ведь можно подумать, что роботизация означает потерю контроля, но предложение состоит в том, что всё наоборот – вам нужна роботизация, если вы хотите, чтобы люди сохраняли контроль над чем-либо в цепочках поставок.
- Учёный по цепочке поставок: В конечном итоге должен быть хотя бы один человек, который отвечает за числовые результаты цепочки поставок или количественную эффективность цепочки поставок.
Давайте поближе рассмотрим каждый из этих пяти пунктов.
Во-первых, идея заключается в том, что нам нужно рассматривать все возможные будущие сценарии. Зачем нам вообще смотреть в будущее? Потому что всё требует времени. Мы не можем мгновенно напечатать 3D-объекты, и даже если бы могли, нам всё равно пришлось бы что-то транспортировать. Всё требует времени, а это означает, что когда вы принимаете решение в цепочке поставок, например, решаете производить или закупать что-либо, вы делаете это, потому что смотрите вперёд и предвидите будущую ситуацию на рынке, где будет какой-то спрос на эти продукты. Затем вы делаете прогноз, оптимируя цепочку поставок соответствующим образом.
Нам необходимо смотреть вперёд и строить прогнозы, которые по сути являются математическим выражением интуиции. Но о каких прогнозах идёт речь? Прогнозы, которые полностью доминировали в практике цепочек поставок в 20 веке и в первой части 21 века, — это классические временные ряды, которые, на мой взгляд, обладают серьёзными недостатками по нескольким параметрам. Во-первых, этот подход полностью игнорирует идею неопределённости. Мой вывод таков: неопределённость полностью неустранима, и когда вы работаете с цепочками поставок, будущее никогда не может быть предсказано идеально. Идея о том, что можно добиться 99% точности прогнозирования, — это чепуха. Даже при анализе потребления воды или электроэнергии очень сложно достичь такого уровня точности прогнозов.
Рассматривая цепочки поставок с реалистичной точки зрения и принимая во внимание, например, продукт в магазине, который продаёт только одну единицу в неделю, нет никакой надежды достичь точности менее одного процента. Такой вопрос даже не имеет смысла. Таким образом, неопределённость неустранима. Если нам нужен веский аргумент в этом, достаточно взглянуть на 2020 год. Мы столкнулись с масштабной мировой пандемией, которая принесла хаос в цепочки поставок по всему миру. Невозможно предсказать такие явления с классической точки зрения, где задаётся число и утверждается: “this is it, this is the future.”
Вместо этого можно использовать вероятностные прогнозы. Идея заключается в том, что все будущие сценарии возможны, но они не равновероятны. Именно это и составляет суть вероятностного прогнозирования. Это идея о том, что можно использовать статистический метод, который вместо того, чтобы притворяться, что у него есть идеальный прогноз того, как именно события развернутся в будущем, просто говорит: “У меня есть все эти возможные будущие сценарии; некоторые из них вероятнее других”. Этот подход принимает неустранимую неопределённость. Во многих ситуациях, когда мне говорят: “такой прогноз невозможен”, ответ всегда: “да, возможен”. Я не могу дать вам корректный классический прогноз, но вполне могу составить идеальный вероятностный прогноз.
Крайним примером этого являются лотерейные билеты. Я могу точно определить вероятность того, что конкретный билет окажется выигрышным. Я не знаю, какой именно билет выиграет, но если игра не подстроена, я могу составить идеальный вероятностный прогноз, отражающий равномерное распределение вероятностей для всех билетов. Именно это означает вероятностный прогноз: признание того, что, хотя вы не знаете будущее идеально, вы знаете о будущем многое. Когда мы говорим о вероятностях, мы знаем многое. Например, я могу сказать, что в любой момент времени существует риск «хвоста» – масштабного нарушения на рынке. Я точно не знаю, откуда может исходить этот риск; это может быть пандемия, крах фондовой биржи, война или новый тариф, введённый президентом Трампом. Это может быть много вещей, которые способны нарушить вашу цепочку поставок, и если мне придётся оценивать риск хвоста для любой цепочки поставок, то вероятность масштабного спада в следующем квартале составляет несколько процентов. Опять же, это не магия; это просто весьма разумное предположение относительно будущего. При наличии надлежащих статистических инструментов можно сделать более сложный прогноз. Все области, связанные с неопределённостью, требуют прогнозирования, и причем вероятностного. Спрос – это не единственная область, которую нужно прогнозировать. Например, все области, в которых присутствует неопределённость, требуют прогноза.
Это может включать прогнозирование будущего спроса, а также будущих сроков поставки, будущих возвратов в электронной коммерции, неопределённой производительности в источниках первичного производства, таких как горнодобывающая промышленность или фермы, вероятностных показателей отказов или отбракованных изделий при контроле качества биологических процессов и ремонта деталей. Существует огромное множество областей, где присутствует неопределённость, и все эти области заслуживают прогноза. Хорошая практика в цепочке поставок – признать необходимость учитывать все возможные будущие сценарии с соответствующими вероятностями, рассматривая всё, что требует прогнозирования. Это не только спрос.
Например, можно рассмотреть такие вещи, как цены на сырьё. Очевидно, если бы вы могли точно предсказать будущую цену сырья, вы просто занимались бы торговлей на бирже, а не управлением цепочкой поставок. Однако некоторые виды сырья гораздо более волатильны по цене, чем другие, а это означает, что риск, связанный с работой с этими товарами, можно оптимизировать с помощью правильных моделей, имея в распоряжении вероятностные прогнозы.
Ещё один элемент заключается в том, что это не только ваши собственные будущие сценарии; все эти возможные сценарии не являются независимыми. Они имеют сильные взаимосвязи, и это еще одна область, в которой традиционная теория цепочки поставок явно уступает. Они рассматривают прогноз спроса так, как будто он совершенно независим от всего остального, что происходит в цепочке поставок. Даже по сей день ко мне обращаются потенциальные клиенты с вопросом, сможет ли Lokad сделать 12-месячный прогноз для конкретного продукта.
Например, допустим, мы работаем с спортивным брендом, и у них просят рюкзак для трекинга. Сможем ли мы предсказать, какой будет спрос в течение следующих 12 месяцев? Мой основной ответ: “это зависит”. Если вы продаёте всего один рюкзак, то, возможно, спрос будет определённым. Но если вдруг вы решите значительно расширить ассортимент и представите ещё десять вариантов того же рюкзака с почти одинаковой ценой, размером и характеристиками, с небольшими вариациями в виде нескольких карманов и дополнений, ваш спрос не увеличится в десять раз только потому, что вы ввели десять очень похожих продуктов. Тем не менее, если смотреть с точки зрения классического прогнозирования, нет ничего, что могло бы помешать модели прогнозирования радикально завысить показатели спроса, если вы просто увеличите количество продуктов для прогнозирования. Это не имеет смысла, и именно поэтому мы рассматриваем все будущие сценарии. Они характеризуются не только нерегулярной неопределённостью, но и взаимозависимостями между ними. Нам нужны инструменты, которые способны учитывать все эти изменения.
В заключение, прогнозы необходимы, если мы хотим хоть как-то оптимизировать что-либо, потому что нам нужно смотреть вперёд. Однако следует помнить, что это всего лишь обоснованные предположения о будущем.
Они не являются реальными, в том смысле, что качество вашего прогноза не имеет прямых последствий для вашей цепочки поставок. Во многих компаниях люди сосредоточены на улучшении прогноза, но мой вопрос: с какой целью? Если вы думаете, что оптимизация прогноза немедленно приводит к лучшей эффективности цепочки поставок, то я вам говорю, что это заблуждение. Это не так, даже отдалённо.
Единственное, что действительно улучшает цепочку поставок, — это решения, которые оказывают ощутимое физическое воздействие на неё. Под решениями я подразумеваю такие действия, как закупка ещё одной единицы у поставщика, перемещение одной единицы товара с одного склада на другой или повышение/понижение цены на любой продукт, который вы продаёте. Эти действия имеют реальные, ощутимые последствия для компании.
Напротив, прогнозы – это всего лишь обоснованные мнения о будущем. Конечно, желательно иметь более детальное представление о том, каким будет будущее, но единственное, что на самом деле имеет значение, – это решения. Моё предложение для вас состоит в том, что практика управления цепочками поставок должна быть полностью ориентирована на выработку этих решений, поскольку только они имеют значение. Идея о том, что можно создать отдел прогнозирования или планирования, во многом ошибочна. Прогнозы нужны лишь для того, чтобы обосновать ваши предположения при принятии более правильных решений.
Очень опасно и ошибочно разделять процесс прогнозирования и оптимизацию решений. Кстати, когда я говорю о выполнимых решениях, я имею в виду, что решения должны соответствовать всем физическим ограничениям, существующим в цепочке поставок. Любая цепочка поставок изобилует нелинейностями. Например, могут быть минимальные объемы заказа, ограниченное место на полках в магазине, а также максимальный объем или грузоподъемность контейнера или грузовика. Могут быть и более тонкие нелинейности, такие как сроки годности или тот факт, что определенные детали в аэронавигации имеют ограничения по летным часам и циклам, требующим планового ремонта.
Могут возникать различные проблемы, например, некоторые товары, такие как скоропортящиеся продукты, не могут перевозиться в одном и том же грузовике. Или, по крайней мере, требуются специальные грузовики, поскольку их нельзя транспортировать при одинаковой температуре. Либо нужны несколько отсеков, либо несколько грузовиков. Существует множество ограничений, которые сужают область выполнимых решений.
Что я подразумеваю под выполнимыми решениями? Я подчеркиваю этот термин, потому что не имеет смысла говорить, что идеальное количество для пополнения магазина составляет 1,3 единицы товара. Это не выполнимое решение; оно будет либо одной единицей, либо двумя, ведь 1,3 получить нельзя. Нужно иметь решение, которое можно сразу реализовать с практической точки зрения, и именно это означает выполнимость.
Если мы рассмотрим каждое выполнимое решение и все возможные будущие сценарии, возникает вопрос: как определить, какое решение является правильным?
Нужно учитывать экономические факторы. Идея заключается в том, что процентные ошибки не имеют значения; важны только долларовые издержки и прибыль. Существует большое заблуждение, что если оптимизировать проценты, то на самом деле можно принести пользу вашей компании. Это неверно; я считаю, что такое мышление глубоко ошибочно.
Если нужен пример, давайте рассмотрим уровень сервиса. Что значит иметь чрезвычайно высокий уровень сервиса? Я часто слышу от потенциальных клиентов, что они хотят уровень сервиса 99%. Конечно, мы можем его обеспечить, но для этого придётся безудержно накапливать запасы, что приведёт к огромным списаниям запасов и плачевной рентабельности. Это компромисс, и это не просто компромисс – это экономический компромисс. Даже в таком простом вопросе, как уровень сервиса, существует компромисс между стоимостью запасов с одной стороны и затратами на дефицит товара с другой.
Идея в том, что если мы отойдём назад и рассмотрим экономические факторы для каждого решения, мы сможем оценить его результат. Мы можем взять одно решение и для одного из возможных будущих сценариев проанализировать его исход, а затем оценить результат в долларах, опираясь на экономические факторы.
Что я подразумеваю под экономическими факторами? Я имею в виду все те параметры, которые определяют эффективность работы вашей компании. Первая группа факторов весьма проста – это те данные, которые можно найти в бухгалтерских книгах, такие как стоимость материалов, цена продажи, затраты на хранение, транспортные расходы и затраты на трансформацию. Все эти затраты необходимо сложить, а затем вычесть их из цены продажи, чтобы вычислить бюджет затрат. Это первая группа факторов, самые очевидные, которые вы буквально найдёте в вашей ERP или бухгалтерском программном обеспечении.
Однако, этих затрат недостаточно. Если учитывать их только, вы получите крайне краткосрочную финансовую перспективу. Необходимо включить вторую группу экономических факторов, те, которые отсутствуют в вашей системе, по крайней мере, явно. Это, как правило, вторичные эффекты ваших решений в цепочке поставок. Например, в большинстве случаев, если возникает нехватка товара, штрафов за это не предусмотрено. Возможно, если вы крупный бренд, поставляющий товары в такую большую розничную сеть, как Walmart, у вас есть договор об уровне сервиса и санкции в случае невыполнения определённых показателей, но это встречается нечасто. Даже если штрафы и предусмотрены, они не отражают в полной мере реальные затраты, которые вы наносите своим клиентам.
Идея в том, что нам нужны факторы, отражающие вторичные последствия ваших действий – как положительные, например, увеличение лояльности клиентов, так и отрицательные, такие как потеря лояльности и побуждение клиентов искать альтернативы. Очевидно, что это зависит от конкретной ситуации. Например, если вы модный бренд и предоставляете скидку в конце сезона, затраты оказываются выше, чем просто прямая потеря от уценённого доллара. Вы закладываете у клиентов привычку, и они будут ожидать аналогичной скидки в следующем году. Это иллюстрирует как краткосрочное, так и долгосрочное влияние формирования привычек и ожиданий у вашей клиентской базы, о чем я и говорю, упоминая вторую группу экономических факторов.
При правильном подходе финансовая оптимизация не бывает краткосрочной. Однако если применять наивную финансовую оптимизацию, результат оказывается бессмысленным, что характерно для любого наивного подхода в работе с цепочками поставок. Экономическая оптимизация необходима, потому что без неё у вас даже не будет цели для оптимизации. Идея оптимизации в процентах не работает; нужно оптимизировать в долларах. Если вы не объедините все эти долларовые выигрыши и затраты под одним знаменателем, с количественной точки зрения оптимизировать нечего – а это и является целью данной серии лекций.
Нам нужны именно эти доллары, иначе мы не сможем запустить оптимизацию. Моё предложение для вас заключается в том, что если в вашей компании ещё не создана единая финансовая структура для управления оптимизацией цепочки поставок, значит, работа ещё не началась. Если у вас есть десятки команд, занимающихся процентами, уровнями сервиса и другими немонетарными метриками, это всего лишь иллюзия эффективности. Важны только доллары – доллары, евро или иены, – но нужен денежный учет.
Эти экономические факторы имеют ещё одну очень важную цель, которую часто упускают из виду. Первая цель – обеспечить механическую числовую оптимизацию. Вторая цель этих факторов – сделать возможной прозрачность (white-boxing), к которой я вернусь позже в одной из лекций. Суть в том, что для каждого решения мы рассмотрим все возможные будущие сценарии, присвоим решению его экономический результат, усредним результаты решений по всем сценариям, а затем отсортируем их от того, которое обеспечивает наивысшую доходность инвестиций (ROI), до самого низкого. Очевидно, что мы должны прекратить принимать решения, когда прибыльность снижается до нуля. Однако нам необходима определённая прозрачность и понимание того, почему выбрано одно решение вместо другого. Здесь экономические факторы оказываются чрезвычайно ценными, поскольку позволяют объяснить «почему» за каждым принятым решением, сгенерированным системой, практикой или программным обеспечением.
Таким образом, с помощью экономических факторов вы сможете проанализировать каждое решение и получить несколько ключевых показателей эффективности indicators, выраженных в долларах, которые объяснят, почему это решение на самом деле хорошее. И наоборот, если решение не было принято, вы сможете изучить факторы и оценить, почему оно оказалось неудачным.
С этими тремя базовыми элементами у нас есть всё необходимое для начала практики. Мы рассматриваем все возможные сценарии, все возможные решения и проверяем каждое решение на всех возможных будущих условиях, оценивая их в долларах и ранжируя.
Чтобы сделать это реальным и эффективным, необходим подход с полной автоматизацией от начала до конца. Необходимость полной автоматизации обусловлена тем, что она возвращает управление под контроль руководства. На первый взгляд это может показаться странным, ведь если всё автоматизировано, кто же контролирует процесс? Всё дело в природе цепочек поставок, которые являются весьма сложными распределёнными системами с множеством узлов, продуктов, клиентов, программных модулей, людей и транспортных средств.
Альтернатива роботизированному процессу, который генерирует все решения, принимаемые ежедневно, – это армия клерков, работающих с океаном таблиц. Проблема в том, что если вы управляете армией клерков, то при изменении чего-либо в цепочке поставок изменения усваиваются в течение шести месяцев, так как придётся работать со множеством людей, которых затем нужно перенавчить и убедиться, что они действительно понимают новую стратегию и правила.
Роботизация – это идея о том, что если вы можете внедрить комплексный числовой алгоритм, генерирующий все эти рутинные решения, вы сможете избежать задержек. Я говорю о всех рутинных решениях; речь не идет о таких, как открытие нового завода в другой стране или выход на новый рынок для компании. Такие решения принимаются не ежедневно, а лишь несколько раз в год, и вполне нормально, если над ними задумываются многие. Но для каждого SKU в вашей цепочке поставок приходится принимать полдюжины решений каждый день. Должен ли я произвести больше? Должен ли я заказать больше? Нужно ли переместить уже имеющиеся запасы в другое место? Поднять цену или снизить её? Или даже избавиться от этих запасов, которые не приносят пользы и просто занимают место на складе или в магазине? Даже решение ничего не предпринимать, если у вас есть SKU и вы решаете сегодня оставить всё как есть, уже является решением. Учитывая масштабы, на которых работают современные цепочки поставок, я считаю, что нужна полная автоматизация, если мы хотим сохранять гибкость.
Существует ещё один важный аспект: для достижения точно капиталистической и точной работы крайне необходима полная автоматизация. Это будет темой моей следующей лекции, но кратко: вы не хотите, чтобы подразделение по цепочкам поставок воспринималось как операционные расходы (OPEX). Вы должны рассматривать инвестиции в цепочку поставок как капитальные затраты (CAPEX). Все усилия, направленные на цепочку поставок, должны быть точными, и вы хотите, чтобы цепочка поставок стала капиталистическим активом компании. Единственный способ этого достичь – через роботизацию; в противном случае, это будет просто армия клерков, за которую приходится платить ежедневно за выполнение одних и тех же действий.
Это подводит меня к вопросу, кто должен отвечать за роботизацию и за программное обеспечение, выполняющее рутинную работу вместо армии клерков.
Кто должен нести ответственность за эти числовые алгоритмы? Кто должен брать на себя ответственность за их результаты? Классический ответ «у нас есть система, и система за это отвечает» я считаю ошибочным. Программное обеспечение, даже если это очень дорогостоящее корпоративное ПО, никогда не несёт ответственности за что-либо. Оно не обладает самосознанием. Несмотря на то, что некоторые говорят об ИИ, мы ещё не достигли этого уровня. То, что у нас есть – это приукрашенные числовые алгоритмы, которые уже могут приносить огромную пользу вашей компании.
Кто-то в вашей компании или вне её должен взять на себя ответственность за качество этих числовых результатов, которые будут определять работу вашей цепочки поставок в повседневном режиме. Практика, которую мы внедрили в Lokad, – это концепция специалиста по цепям поставок. Концепция специалиста по цепям поставок зародилась после моих ранних неудач, когда я пытался решить эту проблему с помощью дата-сайентистов. Проблема с дата-сайентистами в том, что их внимание сконцентрировано на технических деталях. Помните первую цитату о том, что самый верный способ всё испортить – это довериться техникам? Это именно моя точка зрения сегодня, когда люди говорят о том, что дата-сайентисты пытаются решить проблемы цепочки поставок. Этот путь слишком узкий и предполагает очень мало неопределенности в том, к чему вы в итоге придёте, даже если результат окажется не таким уж впечатляющим. Специалист по цепям поставок – это тот, кто берёт на себя ответственность за принятие реальных решений, и этот человек должен уделять внимание мельчайшим деталям вашей цепочки поставок. Например, если один из ваших складов был затоплен в прошлом году и в течение трёх недель через него ничего не проходило, что полностью исказило сезонный профиль, вы не можете списывать это как мелочь. Это не ставит под сомнение основную достоверность математической модели. Точка зрения специалиста по цепям поставок такова, что это имеет значение. Если я приму неправильные решения для этого склада, потому что прошлый операционный инцидент внес серьёзные искажения в мои исторические данные, это имеет значение. Всё это важно, независимо от того, приносит ли это долларовую прибыль или приводит к долларовым расходам.
Если взглянуть на иллюстрацию с двумя типами учёных – Индиана Джонс, который должен быть учёным и исследователем, и Уиндл Пунс из произведений Терри Пратчетта, – реальность этих двух вымышленных персонажей не может быть более принципиально разной. Фундаментальное различие между ними по сути отражает разницу между специалистом по цепям поставок и дата-сайентистом. В качестве простого теста можно задаться вопросом: волнует ли это генерального директора? Будет ли генеральный директор компании оспаривать ваши действия как специалиста по цепям поставок? За более чем десятилетний опыт работы в Lokad, я теперь регулярно встречаюсь с генеральными директорами и членами правления моих клиентов, и они ставят мне под вопрос основы их цепочки поставок и то, как мы обеспечиваем долларовую отдачу.
Вопросы не касаются того, используем ли мы машины опорных векторов или градиентный бустинг. Речь идёт о том пути, который гарантирует, что цепочка поставок станет ценным активом, способным опередить конкурентов.
Я представил пять пунктов как требования, а не в качестве фактического решения проблемы. Это всего лишь список элементов, которые, если их не учесть должным образом, означают, что вы даже не начали работать над чем-либо, что могло бы существенно улучшить или оптимизировать цепочку поставок, по крайней мере, с количественной точки зрения. Существует множество неконкретных оптимизаций, таких как лучшее оборудование, более строгая кадровая политика или хорошо продуманные финансовые стимулы для ваших команд.
На сайте Lokad по адресу lokad.com/lectures доступен полный подробный план предстоящих лекций. Нам предстоит рассмотреть множество тем, включая различные точки зрения, концепции и парадигмы, особенно связанные с методами программирования, инструментами и практиками. Существует значительное количество материала, и все эти концепции будут введены для выполнения пяти пунктов, которые я представил ранее. Без этого подход просто не сработает.
Теперь, отклоняясь от темы, некоторые люди возражали, говоря, что представленное мной видение настолько отличается от того, что они делают в данный момент. Они утверждают, что оно слишком продвинуто, и предпочитают двигаться медленно, улучшаясь пошагово, прежде чем рассматривать этот количественный подход к цепочке поставок. Однако я считаю, что подход «ползти, ходить, бегать» — это заблуждение. Прогресс часто бывает неинкрементальным и разрушительным. Например, когда Amazon решила стать поставщиком облачных вычислений, они совершили значительный скачок от продажи книг онлайн к предоставлению облачных вычислительных ресурсов по требованию. Это было не плавное, пошаговое развитие; это был прорывной сдвиг.
Аналогично, существует знаменитая цитата Генри Форда, который сказал, что если бы он спросил своих клиентов, чего они хотят, они бы попросили быстрее лошадей. Суть в том, что если мы принимаем идею о том, что предъявленные мною требования необходимы, и большинство компаний даже не начали рассматривать проблему с правильной точки зрения, то наша отправная точка с большинством клиентов такова, что практически никто не обладает зрелостью в этой области. Это иллюзия думать, что крупные компании с большими подразделениями, оптимизирующими неверные показатели, обладают настоящей зрелостью в управлении цепочкой поставок.
Моё послание аудитории заключается в том, чтобы не считать себя незрелыми только потому, что вы не делаете то, что делают другие компании, особенно с учётом размеров их бюрократических структур. С моей точки зрения, это говорит очень мало об их эффективности. Компании, которые, по моему мнению, обладают наибольшей зрелостью, как правило, являются небольшими, гибкими североамериканскими компаниями в сфере электронной коммерции, ориентированными на цифровые технологии. У них может не быть огромных команд специалистов по данным, но есть несколько человек с правильным мышлением и соответствующими числовыми рецептами.
В заключение, я рассмотрел аспекты, связанные со стороной необходимости проблемы. На следующей лекции мы начнем изучать сторону достаточности проблемы, сосредоточившись на формулировке проблемы и решении. Однако крайне важно начать с формулировки проблемы, поскольку это позволяет понять, является ли предлагаемое решение ценным или всего лишь решением в поисках проблемы.
Большое спасибо за ваше внимание сегодня. Теперь я отвечу на вопросы.
Вопрос: Мне понравилась тонкая отсылка к “Дюне”.
Я рад, что вам понравилась отсылка к “Дюне”. Главные герои книги обладают способностью видеть все возможные варианты будущего, что обеспечивает им превосходные стратегические возможности. Эта метафора весьма уместна для управления цепочкой поставок. Если вы можете рассмотреть все возможные будущие, даже если точно не знаете, какое из них наступит, это дает вам значительное преимущество перед конкурентами, которые рассматривают только один возможный исход.
Вопрос: Не могли бы вы подробнее рассказать о драйверах второго порядка?
Когда я говорю «второй порядок», я имею в виду последствия второго порядка. В управлении цепочкой поставок мы имеем дело с людьми и сложными системами, а не просто с простыми физическими системами с предсказуемыми траекториями. Люди могут адаптироваться, и мы должны учитывать их действия и реакции.
Например, в прошлом в Lokad у нас был клиент, для которого мы рекомендовали конкретные объемы заказов на закупку. Однако мы заметили, что клиент в итоге размещал заказы с значительно более высокими объемами, чем мы рекомендовали. Оказалось, что когда клиент получал товары, команды, ответственные за приемку, пересчитывали позиции, чтобы убедиться, что они соответствуют первоначальному заказу. Если полученное количество не совпадало с заказанным, их система имела своеобразное ограничение: они могли либо отменить весь заказ на закупку и вернуть товар, что ставило бы под угрозу их производственную линию. Фактически, они изменяли количество в исходном заказе так, чтобы оно соответствовало полученному количеству. Со временем некоторые умные поставщики обнаружили это уникальное свойство ERP-системы. Когда приближался конец квартала, и цели не были достигнуты, они знали, что могут навязать клиенту что угодно, и клиент примет это и оплатит счет без вопросов и жалоб.
Это пример того, что я называю эффектом второго порядка. У вас есть на первый взгляд тривиальный, обычный аспект вашей ERP-системы, но затем в процесс вмешиваются умные люди, которые играют по своим правилам. Это неизбежно, когда дело касается людей, поскольку они могут мысленно адаптироваться и реагировать на любые ваши действия. Идея последствий второго порядка заключается в том, что вы должны учитывать последствия последствий. Это может быть даже четвертый или пятый порядок — нужно думать о каскадных последствиях. Это сложная интеллектуальная игра, но если не учитывать последствия второго порядка, вы можете принять неправильные решения.
Что касается экономических драйверов второго порядка, очень важно оценить их в долларах, хотя это может быть сложно. Главное — быть примерно правильным, а не абсолютно ошибочным. Лучше иметь приблизительную оценку, которая имеет смысл, чем точные расчеты, способные ввести вас в заблуждение.
Вопрос: Какие методы используются для полной роботизации?
Существует множество методов для полной роботизации, которые мы рассмотрим в предстоящих лекциях о парадигмах программирования. Хотя речь идёт о программном обеспечении, нам необходимо учитывать основные свойства дизайна, наиболее желательные для достижения роботизации. Основная цель — создать промышленное программное обеспечение, а не обязательно искусственный интеллект. Вы не можете добиться нулевой ошибки прогнозирования, но можете стремиться к нулевому уровню безумия.
Под «безумием» я подразумеваю нечто, что могло бы поставить под угрозу всю вашу компанию. Например, Target Canada обанкротилась из-за неудачной оптимизации цепочки поставок, а Nike в 2004 году столкнулась с катастрофой, когда одно из их программных решений для цепочки поставок, являвшееся конкурентом Lokad, почти привело компанию к краху. Так что сначала мы рассмотрим эту тему на следующей лекции, но до этого нам понадобится некоторое время.
Вопрос: В вашем прогнозе, если мы попытаемся охватить так много прогрессивных переменных, нам придется разрабатывать модели самостоятельно, и это может превратиться в симуляции. Есть ли у вас мысли по этому поводу?
Нет четкой разницы между точной симуляцией будущего и вероятностным прогнозом. Это два разных подхода числовых рецептов для понимания будущего. Когда у вас есть модель вероятностного прогнозирования, вы можете генерировать траектории, которые представляют будущее. Вы берёте свои вероятности, проводите выборку, создаёте фиктивное наблюдение, переобучаете модель, перестраиваете вероятности и повторяете процесс. Разница между симуляцией и статистическим моделированием становится незначительной, особенно для моделей, подходящих для цепочки поставок. В значительной степени они полностью совпадают.
Вопрос: Являются ли разработанные вами решения основанными на услугах или представляют собой комбинацию того и другого? Каково ваше мнение относительно такого подхода для будущего цепочки поставок?
В Lokad наша позиция заключается в обеспечении результатов работы цепочки поставок, выраженных в долларах. В этой области существует огромная сложность, и так же как неопределенность невозможно полностью устранить в прогнозировании, сложность не может быть устранена, если пытаться создать программный продукт, решающий все проблемы сразу. Вам нужно мета-решение для проблемы. Подход, принятый в Lokad, заключается в признании необходимости человеческого интеллекта, в частности специалистов по цепочке поставок. Я считаю нереалистичным предполагать, что искусственный интеллект способен понять сложности современной цепочки поставок.
Нам нужны умные, опытные люди с необходимыми навыками, чтобы быть эффективными в своей работе. Lokad разработала продукт с целью сделать специалистов по цепочке поставок продуктивными и исключительно надежными. Задача заключается в предоставлении правильных инструментов для этих специалистов. В итоге, Python не является решением, и по мере продвижения этих лекций вы увидите, что в большинстве универсальных языков программирования существуют серьезные проблемы в дизайне. Эти проблемы делают их неподходящими для решения задач цепочки поставок удовлетворительным образом. Нам придется копнуть в детали, ведь в том, что я имею в виду под «промышленного уровня» и «готовностью к производству» решения, есть множество нюансов. Помните, мы стремимся к нулевому уровню безумия, потому что пока у вас есть безумный робот, который негативно сказывается на вашей цепочке поставок, это просто не может работать. С этим нам и нужно разобраться в первую очередь.
Вопрос: Часто количественные подходы требуют оценить то, что ещё не было оценено или что содержалось в Excel-таблицах, а не в ERP-системах. Какой самый эффективный способ решения этой проблемы? Как можно собрать эту дополнительную информацию так, чтобы она была столь же надежной, как данные из ERP-систем?
Здесь существует две различные проблемы. Во-первых, имеется статус-кво, при котором проблема количественной оценки вознаграждений и ошибок заключается в том, что это очень политически чувствительно. Многие люди в крупных организациях имеют сильные стимулы не обсуждать денежные показатели возвратов или вознаграждений, потому что в противном случае компания поймет, что у них отсутствует добавленная стоимость. Таким образом, многие вещи не оцениваются количественно просто из-за мощного политического давления.
Чтобы конкретизировать, когда Lokad начала работать для сети розничной торговли по оптимизации запасов в магазинах, мы поняли, что запасы служат двум радикально разным целям. Первая цель заключалась в том, чтобы надлежащим образом обслуживать клиентов, что требовало определенного уровня запасов. Вторая цель заключалась в том, чтобы магазин выглядел полным и привлекательным, что требовало дополнительного количества запасов. Мы имели значение запасов, выраженное в евро, для этого крупного ритейлера, и заявили, что половина запасов необходима для обслуживания клиентов и должна поддерживаться за счет цепочки поставок, а другая половина предназначена для мерчендайзинга и ложится на обязанности маркетинга. Очевидно, что отдел маркетинга, которому внезапно пришлось включить огромную статью запасов в свой бюджет, был не в восторге от этой идеи.
Таким образом, прежде всего, нам нужно признать, что очень трудно установить правила для количественной оценки вознаграждений и затрат, и эти правила должны применяться ко всем одинаково. Это сложно осуществить, и многие люди в организациях имеют личную заинтересованность в сохранении текущего положения вещей. Существует еще одна проблема, которая на самом деле гораздо проще в решении: теневой IT. Проблема с ERP-системами и подобным программным обеспечением, как видно из базы знаний Lokad об ERP, заключается в том, что ERP-поставщикам крайне сложно учесть все ситуации. Например, у вас могут быть минимальные объемы заказа (MOQ). Как это представить в ERP? Всё зависит от ситуации. MOQ может быть на уровне продукта, на уровне заказа или иногда комбинацией обоих. Это может быть даже сложнее, как, например, в текстильной промышленности, где MOQ определяется количеством ткани для каждого цвета.
Проблема в том, что для ERP-поставщиков крайне сложно представить всю эту информацию. В результате люди покупают ERP, а затем понимают, что она не позволяет отразить всё необходимое, и обращаются к Excel-таблицам. Я считаю, что именно в этом и заключается роль хорошего IT-отдела: создавать и предоставлять недостающие компоненты, чтобы теневой IT не оставался таковым, а превращался в небольшие внутренние дополнения. В некотором смысле, наличие ERP — это хорошо, и мой совет заключается не в том, чтобы настраивать свою ERP, а в том, чтобы делать что-то дополнительно сбоку. Это гораздо проще в обслуживании, чем идти по пути «Франкенштейна» поверх ERP.
Большое спасибо всем за просмотр. Следующая лекция состоится в следующую среду, в тот же день и в то же время. До скорой встречи. До свидания.