00:00:07 Роль Microsoft Excel в индустрии управления цепями поставок.
00:01:33 Причины популярности Excel и его ключевые преимущества.
00:03:01 Эвристики и их реализация в электронных таблицах.
00:04:43 Excel как технологический тупик и его ограничения.
00:06:46 Проблемы масштабируемости и неправильные представления об ограничениях Excel.
00:08:01 Ограничения Excel и модели программирования электронных таблиц.
00:09:38 Проблемы масштабируемости из-за сложной и повторяющейся логики.
00:11:39 Отказ от электронных таблиц и необходимость в лучших возможностях программирования.
00:13:27 Преодоление эвристик и принятие современных подходов.
00:15:00 Уроки от Google и Amazon, и роль машинного обучения в оптимизации цепей поставок.
00:16:00 Важность вероятностного прогнозирования в оптимизации цепей поставок.
00:17:10 Преодоление скептицизма по поводу использования передовых технологий вместо Microsoft Excel в управлении цепями поставок.
00:18:19 Влияние компаний, таких как Amazon и Alibaba, на отрасль.
00:19:45 Последствия остания в технологическом тупике.
00:20:01 Правильное использование Excel и его ограничения в предиктивной оптимизации цепей поставок.
Резюме
В этом интервью Киран Чандлер и Жоанн Верморель, основатель Lokad, обсуждают роль Microsoft Excel в управлении цепями поставок. Верморель называет Excel “швейцарским ножом” цепей поставок, признавая его преимущества в программировании и настройке. Однако он считает, что электронные таблицы достигли технологического тупика в управлении сложными цепями поставок, и ограничения модели программирования приводят к проблемам с повторением и обслуживанием. Для оптимизации цепей поставок Верморель предлагает компаниям использовать передовые техники, такие как машинное обучение, заменяя эвристику на основе данных. Хотя Excel имеет свои преимущества, для сложной оптимизации организации должны выйти за рамки электронных таблиц и следовать примеру технологических гигантов, таких как Amazon и Alibaba.
Расширенное резюме
В этом интервью ведущий Киран Чандлер обсуждает роль Microsoft Excel в индустрии управления цепями поставок с основателем компании Lokad Жоаннесом Верморелем, специализирующейся на оптимизации цепей поставок. Разговор касается причин популярности Excel, его преимуществ и использования эвристик в отрасли.
Верморель считает, что Microsoft Excel является швейцарским ножом в области управления цепями поставок, и примерно 90% цепей поставок по всему миру работают через Excel. Он объясняет его популярность отсутствием более превосходных альтернатив до недавнего времени, поскольку многие предположительно лучшие варианты на самом деле не были превосходными в нескольких отношениях.
Основные преимущества Excel заключаются в его программировании и выразительности, что позволяет высокую степень настройки. Распространение Excel в организациях означает, что практики управления цепями поставок в различных местах и линиях продуктов могут создавать свои собственные эвристики или числовые рецепты для управления своими цепями поставок. Верморель определяет эвристики как числовые рецепты, которые не могут быть доказаны правильными, но приближенно правильными. Эти эвристики были испытаны, проверены и настроены со временем и различаются от одного подразделения к другому и от одного места к другому.
Примером эвристики в управлении цепями поставок является поддержание на складе в два раза большего количества единиц, чем было продано за тот же период в прошлом году, с учетом трехмесячного окна. Хотя логика таких эвристик не всегда ясна, они были признаны работающими и широко используются в отрасли.
Ведущий Чандлер отмечает, что базовые приближения были достаточно хорошими для отрасли управления цепями поставок на протяжении десятилетий. Верморель соглашается, но подчеркивает возможность улучшения и оптимизации по мере развития отрасли.
Они обсудили ограничения подходов на основе электронных таблиц в оптимизации цепей поставок, особенно сосредоточившись на Excel и его аналогах. Верморель объясняет, что компании уже достигли максимального потенциала эвристик в средах, подобных электронным таблицам, и эта технология достигла тупика. Обсуждение углубляется в причины этого и в проблемы использования электронных таблиц для сложного управления цепями поставок.
Верморель отмечает, что компании начали исследовать потенциал технологии электронных таблиц в 1990-х годах и достигли относительно стабильной точки в начале 2000-х годов. Несмотря на некоторые прогрессивные изменения, он считает, что электронные таблицы, включая Excel и подобные программы, такие как Google Sheets и OpenOffice, достигли технологического тупика. Это связано с тем, что после оптимизации эвристик компаний остаются только незначительные изменения.
Чандлер просит Вермореля уточнить ограничения подхода на основе электронных таблиц. Верморель объясняет, что некоторые люди ошибочно считают, что проблема Excel заключается в его неспособности обрабатывать большие объемы данных. Однако он считает, что настоящая проблема заключается в модели программирования. Он утверждает, что если бы Microsoft хотела увеличить масштабируемость Excel для обработки миллиардов строк данных, они могли бы это сделать, но они не делают этого, потому что признают это тупиком с практической точки зрения.
Модель программирования в электронных таблицах, по словам Вермореля, не масштабируется из-за массового копирования логики. Когда пользователи хотят применить определенную логику к большему количеству данных, они копируют и вставляют ее по всей таблице, что приводит к неэффективному процессу программирования. Это копирование становится более проблематичным, когда организации пытаются объединить несколько эвристик в большой организации, что приводит к увеличению сложности и затруднениям в управлении информацией.
В качестве примера Верморель описывает сценарий, где небольшая электронная таблица содержит несколько сотен продуктов и две или три эвристики. Когда масштаб расширяется и для больших сегментов требуются дополнительные эвристики, возникает проблема сложности. Попытка управлять сотнями эвристик во всей организации с использованием электронных таблиц становится неуправляемым кошмаром.
В интервью подчеркивается технологический тупик, достигнутый подходами на основе электронных таблиц в оптимизации цепей поставок. Ограничения заключаются в модели программирования, которая включает массовое копирование логики и неспособность управлять сложностью при масштабировании до больших объемов и организаций. Это делает электронные таблицы непригодными для решения сложных потребностей управления цепями поставок в современном бизнес-ландшафте.
Разговор касается проблем использования электронных таблиц в сложном управлении цепями поставок и необходимости преодолеть их для повышения эффективности и масштабируемости.
Vermorel подчеркивает, что электронные таблицы часто используются для управления цепями поставок, но они не являются оптимальным решением из-за своих ограничений в обработке сложности. Он указывает на то, что модель программирования, используемая в электронных таблицах, часто приводит к дублированию логики, что затрудняет поддержку и отладку. Это особенно проблематично при работе с большими электронными таблицами, содержащими сотни различных формул для учета различных эвристик, используемых практиками в области управления цепями поставок.
На вопрос о том, как компании могут отказаться от использования электронных таблиц, Vermorel говорит, что простое воспроизведение логики электронной таблицы в другой системе приведет только к незначительным улучшениям. Вместо этого организации должны фундаментально пересмотреть свой подход и принять более продвинутые методы, такие как машинное обучение, для замены эвристик на основе данных.
Обсуждая уроки, которые можно извлечь из опыта технологических гигантов, таких как Google и Amazon, Vermorel объясняет, что эти компании перешли от систем, основанных на правилах, к использованию машинного обучения для извлечения знаний из исторических данных. Это позволяет им более эффективно оптимизировать свои цепи поставок. Однако он отмечает, что ключевым фактором успеха в области машинного обучения является принятие вероятностной перспективы прогнозирования, что было продемонстрировано исследованиями и публикациями Amazon.
Адресуя опасения скептически настроенных практиков в области управления цепями поставок, которые неохотно отказываются от Excel, Vermorel признает, что у Excel есть множество положительных качеств, таких как стабильность и масштабируемость. Однако он предупреждает, что он представляет собой технологическую тупиковую ветвь для предиктивной оптимизации цепей поставок. Он призывает практиков задуматься, может ли их отрасль позволить себе оставаться на плато, особенно когда конкуренты, такие как Amazon и Alibaba, активно преследуют технологические преимущества в управлении цепями поставок.
Vermorel заключает, подчеркивая, что Excel сам по себе не является недостаточным, и он все еще может быть полезен для ввода данных и других более простых задач. Однако для сложной оптимизации цепей поставок компании должны отказаться от электронных таблиц и принять более продвинутые техники.
Полный текст
Kieran Chandler: Сегодня мы обсудим эту амбицию и попытаемся понять, почему ее замена проще сказать, чем сделать. Итак, Джоаннес, какую роль играет Microsoft Excel в отрасли цепей поставок?
Joannes Vermorel: Я бы сказал, что это буквально швейцарский нож для цепей поставок. Это то, что можно сравнить с зажигалками BIC и используется повсеместно для практически любых целей. Фактически, удивительно, сколько работы выполняется с помощью Excel. По моим оценкам, я бы сказал, что более 90 процентов цепей поставок по всему миру управляются через Excel, а не через системы SAP или ERP. Системы ERP управляют активами, но что касается предиктивной оптимизации цепей поставок, я бы сказал, что более 90% этой работы выполняется через Excel.
Kieran Chandler: Если более 90 процентов отрасли использует его, почему он так популярен и почему люди так на него полагаются?
Joannes Vermorel: Это интересно. Первая часть ответа заключается в том, что до недавнего времени не было столь же надежных альтернатив. Большинство предположительно более надежных альтернатив на самом деле не являются таковыми в нескольких отношениях, которые мы можем описать. Так что люди не отказывались от Excel не потому, что они глупые или религиозно привязаны к нему, а просто потому, что не было достоверных альтернатив.
Kieran Chandler: Итак, какие характеристики Excel делают его таким мощным, и почему люди его любят?
Joannes Vermorel: Одной из вещей, которые делают его очень мощным, является возможность комбинировать программирование и уровень выразительности, характерный для такой системы. Второе - это его широкое распространение в вашей организации. Многие практики в области управления цепями поставок в разных странах, местах и линиях продуктов могут создавать свои собственные эвристики.
Kieran Chandler: Кстати, что вы подразумеваете под эвристиками? Как вы это определяете?
Joannes Vermorel: Эвристика - это своего рода числовой рецепт, который нельзя доказать правильным. Это лучшая попытка иметь нечто приблизительно правильное. Обычно, с математической точки зрения, эвристика даже не является правильной, но она работает. Например, общая эвристика управления цепями поставок - иметь на складе в два раза больше единиц, чем было продано в прошлом году в тот же период, с учетом трехмесячного окна. Эти эвристики были испытаны и проверены, и магические числа, такие как длительность временного окна или используемый коэффициент, были скорректированы со временем и различаются от одного подразделения к другому и от одного местоположения к другому. Что замечательно в электронных таблицах, так это то, что вы можете внедрить их в свою организацию через множество таблиц, реализующих все эти разнообразные эвристики.
Kieran Chandler: Итак, то, что мы видим в индустрии, это то, что эта базовая аппроксимация достаточно хороша, и многие цепи поставок в основном работают на этом уже десятилетиями.
Joannes Vermorel: Именно. Когда вы говорите “достаточно хорошо”, это интересно, потому что они работают на этом уже десятилетиями, и с моей точки зрения это интересно, потому что сейчас…
Kieran Chandler: В наше время я бы видел Excel как технологию, называемую тупиком. Так что компании уже имели достаточно времени, чтобы придумать эвристики, усовершенствовать их и получить максимальную отдачу от них. Интересно, что они достигли того момента, когда они уже достигли большей части тех эвристик, которые можно иметь с помощью Excel. И когда я говорю Excel, я не имею в виду только Excel, я имею в виду любое программное обеспечение, которое предоставляет вам среду, похожую на электронную таблицу. Так, например, Google Sheets будет точно таким же, как Excel в этом отношении. Не имеет значения, является ли это именно Excel; важна здесь модель данных электронной таблицы. То, что это Excel или, возможно, альтернатива OpenOffice, на самом деле не имеет значения. Интересно, что эти компании исследовали, что можно сделать с электронной таблицей в 90-х годах, и я думаю, что они достигли точки, когда у многих крупных компаний уже было что-то относительно стабилизированное в начале 2000-х годов. Мы уже почти два десятилетия имеем то, что уже в какой-то степени стабилизировано, где нет ничего нового в этом отношении. И это действительно технология, называемая тупиком, потому что после того, как вы скомпилировали свои ставки, после того, как вы это сделали, остаются только, я бы сказал, вещи, которые незначительны. Так что вы говорите, что это технологический тупик, так в чем же проблема с этим подходом на основе электронных таблиц?
Joannes Vermorel: Некоторые люди неправильно понимают ограничения Excel. Распространенное недоразумение заключается в том, что у вас есть проблема масштабируемости с Excel, что вы не можете обрабатывать большое количество данных. Да, действительно, вы не можете обрабатывать терабайты данных с помощью электронных таблиц Excel, но это на самом деле не настоящая проблема. Если бы Microsoft решила не иметь электронные таблицы, которые могли бы работать с миллиардами строк, это не значит, что они не могли бы это сделать. Они увеличили лимит с 65 000 максимальных строк до более чем миллиона строк в Excel 97. Они могли бы увеличить лимит до миллиарда строк с помощью другой версии Excel, ориентированной на обработку данных большого масштаба. Так вопрос в том, почему Microsoft просто не увеличивает масштабируемость Excel? Потому что они также знают, что это тупик с практической точки зрения.
Что не масштабируется в Excel или в таблицах в целом, это модель программирования. Модель программирования заключается в том, что когда у вас есть логика в таблице, если вы хотите сделать больше того же самого, вы в основном копируете и вставляете эту логику по всей таблице. С программной точки зрения вы делаете массовое копирование вашей логики. У вас есть одна формула, и теперь у вас есть миллион копий вашей исходной формулы. Если у вас большая организация, хорошими атрибутами этой организации через таблицы было то, что каждый мог иметь свои собственные эвристики. Но если вы возьмете таблицу с несколькими сотнями продуктов и у вас есть две или три хорошие эвристики, и если вы скажете, что теперь я собираюсь объединить в большую таблицу 20 различных эвристик, которые мне нужны для этого большего объема, внезапно ваша таблица сталкивается с проблемой сложности. Ваша таблица начинает содержать не только две формулы, которые были скопированы и вставлены, но и 20 формул, которые не используются везде одинаково в таблице, и это начинает быть довольно сложно. Если вы пытаетесь масштабировать сотни эвристик по всей организации, тогда это становится полным кошмаром.
Kieran Chandler: Таблицы, которые довольно громоздкие, и эти вычисления, кажется, занимают много времени. Это дублированная логика, которая является причиной этого, верно?
Joannes Vermorel: Да, в значительной степени. Модель программирования приводит к дублированию логики повсюду. Проблема заключается в поддержке этой логики. Как поддерживать таблицу Excel, содержащую буквально сотни различных формул? Я не говорю о сотнях различных формул с одной отдельной формулой на столбец, потому что это простой способ. Представьте себе таблицу Excel с миллионом строк, и некоторые из этих строк имеют формулу, которая не является просто той же формулой, что и та, которая находится выше или ниже. Разные практики в сфере поставок, занимающиеся различными линиями продуктов и сегментами, используют разные эвристики. Если вы хотите учесть это, вы получаете таблицу, которая является очень сложной и очень сложной в поддержке. Таблицы плохо справляются с увеличением сложности, и это становится кошмаром для поддержки, отладки и даже понимания того, что происходит в этих больших таблицах.
Kieran Chandler: Итак, как можно отказаться от этих таблиц? Организации потратили годы на их создание, и в них содержится много логики.
Joannes Vermorel: Сначала вам нужны возможности программирования, но вы не хотите повторять то, что у вас было раньше. Если вы просто попытаетесь повторить логику таблицы, которую у вас была раньше, вы получите нечто, что не будет лучше, чем то, что у вас было раньше. Это будет немного лучше только в терминах немного лучшего резервного копирования и управления правами доступа. Фундаментально, если вы просто пытаетесь скопировать свою таблицу в другую систему, вы застрянете в технологической тупиковой ситуации. Вы можете получить немного больше эффективности, но это будет очень мало. Когда вы закончите с этим, вы ничего лучшего не получите. Вы также можете потерять некоторую гибкость, потому что новая система может быть немного более жесткой. Поэтому вам нужно подумать о чем-то, что выходит за рамки того, что вы можете получить с помощью эвристик. Вам нужно переосмыслить себя и выбрать что-то, что даст вам шанс сделать лучше.
Kieran Chandler: Вы упомянули Google и Amazon, которые пошли дальше и реализуют более современные подходы. Что мы можем узнать от них и от того, что они реализовали?
Joannes Vermorel: Особенностью современного машинного обучения является то, как пройти этап правиловых систем. Первый этап копирования человеческого интеллекта в 60-х годах был основан на правилах, или движках принятия решений. Эвристики, используемые в сфере поставок, именно такие - это правила для принятия решения, нужно ли закупать больше, производить больше или распределять больше в одной области. Если вы хотите пойти дальше, вам нужно переосмыслить себя и принять современные методы машинного обучения для улучшения ваших процессов в сфере поставок.
Kieran Chandler: в одном месте или в другом, и мы достигли этого этапа, имея системы на основе правил, и мы настроили правила. Если мы посмотрим на то, что делают Google и Amazon, они говорят: “О, мы занимаемся машинным обучением”, поэтому это становится модным словом, и это очень продвинутое машинное обучение, которое может квалифицироваться как искусственный интеллект. Фундаментально, это что-то очень простое. Вместо того, чтобы иметь статический набор правил, которые поддерживаются вручную, мы хотим изучить эти правила на основе исторических данных.
Joannes Vermorel: Вам нужны, по сути, возможности программирования, но вам также нужны возможности машинного обучения, чтобы большая часть этих эвристик могла быть изучена непосредственно из самих данных. Это нечто чрезвычайно сложное, но если ваша парадигма программирования неверна, то это просто не работает, и машинное обучение просто не работает. Доминирующая парадигма для количественного управления цепочкой поставок до тех пор, пока несколько компаний, таких как Amazon или Lokad, не начали думать иначе, заключалась в том, чтобы иметь классические прогнозы спроса, где есть только одно будущее. Мы делаем прогноз, и затем все основано на этом одном будущем. К сожалению, если вы решаете проблему с этой отправной точки, это просто не работает, и вы никогда не сможете повторить результаты этих, по-видимому, глупых эвристик. Если вы хотите превзойти эти эвристики, вам нужно перейти к вероятностной перспективе прогнозирования, и тогда у вас есть шанс превзойти эвристики. Именно это, кажется, делает Amazon, основываясь на их опубликованных исследованиях.
Kieran Chandler: Если мы сейчас начнем сводить все вместе, что бы вы сказали скептическому практику поставочной цепи, который, вероятно, смотрит это и у него есть системы, которые работают, возможно, немного громоздкие, но они работают с помощью Microsoft Excel? Действительно ли есть стимул отказаться от этого?
Joannes Vermorel: Если вы используете Excel и, вероятно, делаете это уже один или два десятилетия, первое, что нужно признать, это то, что вы находитесь в технологической тупиковой ситуации. Это может быть хорошо, но это не станет лучше. Не ожидайте, что следующая версия Microsoft решит что-то. Excel уже является отличным продуктом. Он очень стабилен, не вылетает, он довольно масштабируемый и имеет много хороших свойств. Он не станет намного лучше. Альтернативы электронным таблицам не изменят ничего. Они могут немного улучшиться, но в основном это не изменит ничего. Вопрос в том, можете ли вы смириться с тем, что вы находитесь в тупиковой ситуации? Некоторые отрасли могут существовать на плато, но что касается поставочной цепи, то я вижу, что некоторые компании, такие как Amazon, Alibaba и Zalando, очень агрессивны с технической точки зрения, и они движутся очень быстро. Они действительно достигают результатов в области поставочной цепи, и они не делают это с помощью электронных таблиц. Так что, я думаю, урок заключается в том, что вы находитесь на плато. Некоторые люди делают намного лучше, и это не маркетинговый трюк. Рост Amazon и Alibaba реален. Можете ли вы действительно позволить себе оставаться в технологической тупиковой ситуации? Может быть, может быть и нет.
Kieran Chandler: Итак, в заключение, вы бы сказали, что Excel находится на последних ногах и вы действительно видите день, когда вообще не будет Excel в этой отрасли?
Joannes Vermorel: Не поймите меня неправильно. Excel используется часто, не для предсказательной оптимизации, а для ввода данных, для табличных записей данных. Microsoft выиграла войну электронных таблиц в конце 80-х годов не потому, что у них были лучшие вычисления для Excel, а потому, что ввод данных через Excel был проще. Есть множество ситуаций, где использование электронной таблицы
Kieran Chandler: Потому что ввод данных через Excel был проще, я думаю, что, знаете, есть множество ситуаций, когда использование электронной таблицы вполне нормально. Что я хочу сказать, это то, что если вы хотите делать предсказательную оптимизацию поставочной цепи для относительно сложных сетей поставочной цепи, то Excel, для этой конкретной цели, находится в конце. Для многих других вещей Excel вполне подходит. Хорошо, есть еще какие-то мысли, Joannes?
Joannes Vermorel: Просто следите за этим пространством, думаю.
Kieran Chandler: То же самое на этой неделе. Спасибо за внимание, и до встречи в следующий раз. Пока!
