00:00:08 Анализ сценариев и сравнение с вероятностным прогнозированием.
00:01:02 Планирование сценариев и его простота.
00:02:56 Ограничения планирования сценариев в программном обеспечении и управление неопределенностью.
00:05:57 Альтернатива: вероятностное прогнозирование и его преимущества.
00:06:48 Трудности внедрения нескольких сценариев в планировании цепочки поставок.
00:08:00 Ограничения планирования сценариев в управлении цепочкой поставок.
00:09:52 Вероятностное прогнозирование как альтернатива планированию сценариев.
00:10:38 Сравнение вероятностного прогнозирования с высокоразрешающей визуализацией.
00:13:22 Иллюзия простоты в планировании сценариев и проблемы принятия решений.
00:15:00 Пример, иллюстрирующий неадекватность усреднения решений по различным сценариям.
00:16:01 Ограничения традиционного планирования сценариев.
00:17:27 Сложности внедрения вероятностного прогнозирования.
00:19:00 Преимущества планирования сценариев и его будущее.
00:20:58 Автоматизация согласования между возможными будущими вариантами.
00:23:19 Важность правильных инструментов для вероятностного принятия решений.
Резюме
Kieran Chandler проводит интервью с Joannes Vermorel, основателем компании Lokad, занимающейся оптимизацией цепочек поставок программного обеспечения, в котором обсуждается эффективность анализа сценариев и его сравнение с вероятностным прогнозированием. Vermorel считает, что, несмотря на ограничения планирования сценариев, такие как затраты времени и значительные трудозатраты, вероятностное прогнозирование является более эффективным подходом к работе с неопределенностью в цепочке поставок. Он отмечает, что исследование необычных инструментов, необходимых для одновременной работы со всеми будущими вариантами, имеет решающее значение для внедрения, и что Lokad разработала алгебру случайных величин — математический и статистический инструмент для работы с вероятностными будущими. Недавняя непредсказуемость цепочек поставок подчеркивает необходимость создания лучших инструментов для работы с нестандартными сценариями.
Расширенное резюме
В этом интервью ведущий Kieran Chandler и Joannes Vermorel, основатель компании Lokad, занимающейся оптимизацией цепочек поставок с помощью программного обеспечения, обсуждают эффективность анализа сценариев и его сравнение с вероятностным прогнозированием. Анализ сценариев был впервые разработан компанией Shell в 1970-х и представляет собой мысленный эксперимент, в рамках которого делаются предположения о будущем и исследуются возможные исходы, особенно в контексте цепочек поставок. Цель планирования сценариев — изучить несколько альтернативных будущих вариантов для принятия более взвешенных решений и создания более устойчивых показателей в условиях непредсказуемых изменений. Несмотря на сложность цепочек поставок, планирование сценариев может упростить процесс и поддерживаться программными инструментами. С другой стороны, вероятностное прогнозирование отличается своим подходом и не опирается на предположения. Оно основывается на статистических вероятностях и неопределенности будущего. Хотя оба метода работают с неопределенным будущим, они различаются: анализ сценариев является более элегантным и прямолинейным, а вероятностное прогнозирование больше полагается на статистические вероятности.
Обсуждение сосредоточено на планировании сценариев и прогнозировании в управлении цепочками поставок.
Vermorel объясняет, что планирование сценариев включает прогнозирование различных вариантов на основе разнообразных данных и предположений. Эти сценарии могут помочь лицам, принимающим решения, планировать альтернативные будущие варианты и соответственно корректировать свои стратегии. Однако планирование сценариев имеет и ограничения. Например, это может занимать много времени и требовать значительных ручных усилий экспертов.
Vermorel предлагает, что более эффективным и действенным подходом является использование вероятностного прогнозирования, которое опирается на вычислительные методы, а не на человеческий опыт. Этот подход особенно полезен в ситуациях, когда необходимо учитывать множество переменных, и число возможных сценариев становится ошеломляющим.
Vermorel отмечает, что, хотя существует множество консультантов и поставщиков, выступающих за планирование на основе сценариев, редко когда эти сценарии применяются на практике. Он считает, что это связано с тем, что планирование сценариев требует значительных временных и ресурсных затрат и не всегда может быть практически реализовано в компаниях.
В целом, Vermorel подчеркивает важность учета различных сценариев и планирования на случай неопределенности в управлении цепочками поставок. Несмотря на ограничения традиционного планирования сценариев, вероятностное прогнозирование предлагает более эффективный и действенный подход к решению этой проблемы.
Разговор сосредоточен на роли сценариев в цепочке поставок. Vermorel считает, что сценарии играют значительную роль в повседневной работе команды цепочки поставок, но они слишком затратны. Он полагает, что основная идея работы с неопределенным будущим верна, однако классический подход цепочки поставок при построении прогноза является глубоко ошибочным. Vermorel утверждает, что компании используют сценарии, потому что у них нет лучших альтернатив для работы с неопределенным будущим.
Вероятностное прогнозирование является новой альтернативой для работы с неопределенным будущим. Vermorel объясняет, что вероятностное прогнозирование отличается от сценариев тем, что оно использует совершенно иной подход, опираясь на огромные вычислительные мощности, которые сегодня доступны по низкой цене. Основная идея вероятностного прогнозирования заключается в рассмотрении всех возможных вариантов будущего, даже если их вероятность крайне мала. Vermorel считает, что вероятностное прогнозирование является лучшей альтернативой для работы с неопределенным будущим, поскольку использует огромные объемы вычислительной мощности, доступные сегодня.
Vermorel объяснил концепцию вероятностного прогнозирования, представляющую собой механический способ приписывания вероятностей возможным событиям будущего. По его мнению, благодаря этому больше не требуется использовать сценарии, так как все возможные будущие варианты могут быть проанализированы. Он привел аналогию с наличием высокоразрешающего изображения будущего в целом, а не низкоразрешающего с несколькими пикселями.
Chandler спросил Vermorel о различиях в восприятии конечным пользователем между планированием сценариев и вероятностным прогнозированием. Vermorel отметил, что планирование сценариев создает иллюзию простоты, но может вызывать проблемы при принятии решений для нескольких сценариев, которые могут противоречить друг другу. Он привел пример магазина, продающего книги, где большинство клиентов — родители, желающие купить лишь один экземпляр, но иногда заходит учитель и хочет приобрести 30 копий одной и той же книги.
Vermorel подчеркнул важность вероятностного прогнозирования как инструмента для оптимизации цепочки поставок и принятия решений, поскольку оно предоставляет высокоразрешающее изображение всех возможных будущих вариантов, а не только нескольких сценариев.
Обсуждение сосредоточено на проблемах оптимизации цепочки поставок. Vermorel является основателем компании Lokad, разработчика программного обеспечения, специализирующегося на этой области. Разговор начинается с обсуждения оптимального количества запасов, которые следует хранить в магазине для конкретной книги. Vermorel утверждает, что усреднение необходимого количества запасов не имеет смысла, а традиционный подход, заключающийся в увеличении числа сотрудников для решения проблемы, лишь усугубляет ситуацию. Он объясняет, что планирование сценариев предлагает потенциальное решение, позволяя управлять несколькими будущими вариантами, но для этого требуется нечто большее, чем простое копирование и вставка логики. Внедрение подхода вероятностного прогнозирования значительно сложнее, но для поставщиков программного обеспечения, таких как Lokad, это представляет значительную возможность для улучшения их систем. Vermorel заключает, что согласование результатов, полученных в результате планирования сценариев, является критической задачей, которую необходимо решить.
Они обсуждают анализ сценариев и его ограничения в управлении цепочками поставок. Vermorel объясняет, что компании часто не осознают наличие проблемы до тех пор, пока не внедрят систему и не столкнутся с пограничными случаями, делающими её неработоспособной. Несмотря на это, поставщики мотивированы продавать функции, которые выглядят эффектно и работают во время демонстраций, и, пока люди не могут представить альтернативу, анализ сценариев кажется наилучшим вариантом. Vermorel считает, что вероятностный прогноз, при котором вероятности назначаются сценариям, является естественным продолжением анализа сценариев, но настоящая проблема заключается в полном автоматическом согласовании всех возможных будущих вариантов. Для решения этой проблемы Lokad разработала алгебру случайных величин, специфический математический и статистический инструмент для работы с вероятностными будущими. Vermorel подчеркивает, что изучение необычных инструментов, необходимых для одновременной работы со всеми будущими вариантами, имеет решающее значение для внедрения, так как недостаточно лишь осознать, что можно рассматривать все возможные будущие с учетом вероятностей. Наконец, они обсуждают недавние события, которые продемонстрировали непредсказуемость цепочек поставок и необходимость создания лучших инструментов для работы с отклоняющимися сценариями.
Полная стенограмма
Kieran Chandler: Сегодня на Lokad TV мы обсудим его эффективность и возможность замены альтернативными методами, такими как вероятностное прогнозирование.
Joannes Vermorel: Итак, эти два метода схожи в том, что они позволяют справляться с неопределенным будущим. Поскольку точно предсказать будущее невозможно, вы хотите изучить варианты. Однако способ проведения этого исследования существенно отличается.
Kieran Chandler: Сегодня мы более подробно рассмотрим планирование сценариев. Возможно, хорошим началом будет объяснение того, как оно работает и что собой представляет.
Joannes Vermorel: Планирование сценариев концептуально очень простое. Это всего лишь мысленный эксперимент «что если», когда вы предполагаете, что будущее будет таким. Давайте предположим, что будущее будет именно таким, и на основе этого предположения посмотрим, как будут складываться дела с точки зрения цепочки поставок, если это будущее наступит. В каком-то смысле это очень элегантно и просто, и этот процесс можно повторять. Идея планирования сценариев заключается в том, что вместо одного единственного прогноза мы исследуем несколько альтернатив. Изучая несколько вариантов, вы можете принимать решения и обеспечивать более устойчивые результаты против изменений, которые вы не можете предсказать, но ожидаете.
Kieran Chandler: Это интересно, поскольку мы знаем, что в цепочке поставок изменение спроса может быть одним вариантом, но также могут быть и другие связанные вариации, такие как срок поставки. Может ли этот метод совмещать эти различные вариации?
Joannes Vermorel: Основная идея планирования сценариев заключается в том, что оно упрощает все, за счет умственного привержения чему-то, что очень похоже на прошлое. Фактически, это означает, что спрос будет равен тому и тому численно. Благодаря этой простоте оказалось, что с точки зрения программного обеспечения необходимы инструменты, поддерживающие такие подходы, особенно при работе с тысячами товаров, множеством локаций и т.д. Интересно то, что с программной точки зрения планирование сценариев похоже на операцию «вырезать и вставить» с вашей настройкой и логикой, связанной с классическим прогнозом.
Kieran Chandler: Можете объяснить, что такое анализ сценариев и как он используется в оптимизации цепочки поставок?
Joannes Vermorel: Конечно, анализ сценариев основан на прогнозировании числовых значений, представляющих возможные будущие сценарии. Исходя из этих прогнозов, можно делать выводы для принятия решений. Если вы хотите иметь альтернативный сценарий, это просто другой прогноз, возможно, с уклоном, например, нисходящим трендом. Затем вы можете сделать выводы о решениях и сравнить их с первым набором решений, принятым для медианного сценария, который представляет собой ваш обычный классический прогноз.
Тот факт, что такой процесс очень легко реализовать с помощью программного обеспечения, где можно просто умножать сценарии, не означает, что он будет выполнять всё, что вам нужно. В частности, вы зависите от экспертов и ручных корректировок для настройки сценариев. Вы склонны корректировать сценарии, исходя из упрощенных переменных, таких как завышение или занижение будущего спроса. Но есть множество других областей, которые также полны неопределенности, например, сроки поставки.
Проблема корректировки сценариев заключается в том, что существует огромное число комбинаций, и это становится подавляющим. По сути, выбор сценариев во многом определяется человеком. Люди склонны выбирать подходящие сценарии.
Альтернативный подход заключается в использовании более вычислительного метода, и здесь на помощь приходит вероятностное прогнозирование.
Kieran Chandler: Значит ли это, что лучше доверить это машине, а не человеку?
Joannes Vermorel: Да, анализ сценариев — интересный способ подойти к вопросу неполного знания будущего, но он страдает от того, что выбирается всего несколько сценариев. Реальность такова, что классический подход к прогнозированию и планированию в цепочках поставок уже отнимает много времени, даже для основного сценария. Для крупных компаний для выполнения этой задачи требуются целые команды планировщиков и прогнозистов. Если добавить больше сценариев, это приводит к почти линейному увеличению потребности в рабочей силе. Именно поэтому, по моему опыту, хотя существует множество консультантов и поставщиков, выступающих за планирование на основе сценариев, я очень редко видел, чтобы эти сценарии действительно использовались на практике. Это скорее исключение, а не правило. Если смотреть на ежедневные операции, их использование на самом деле довольно редкое.
Kieran Chandler: Встречается редко, когда сценарии играют значительную роль в повседневной работе команды цепочки поставок, и я считаю, что причина в том, что это просто слишком дорого. Но эта техника существует с 1970-х годов. Так почему же консультанты и поставщики продолжают её продвигать, и почему компании, по-видимому, до сих пор её используют?
Joannes Vermorel: Первым делом, я считаю, что основное понимание, а именно необходимость учитывать неопределённое будущее, совершенно верное. Да, классическая концепция цепочки поставок, когда вы просто строите прогноз и говорите “вот оно, будущее”, как будто на следующей неделе мы продадим 155 единиц этого продукта, принципиально ошибочна. Интуитивно понятно, что в этом подходе что-то не так; нужно принимать во внимание, что будущее неизвестно. Сценарии – ответ, пусть и не самый удачный, на эту проблему, и при отсутствии лучших вариантов, их использование очень соблазнительно. Существует поговорка: если у вас в руках только молоток, всё остальное выглядит гвоздями. Поэтому, если у вас нет лучшего инструмента, вы будете использовать то, что у вас есть – молоток, даже если на деле вам нужно работать с винтом.
Теперь появились альтернативы, основанные на том, чего не существовало четыре или пять десятилетий назад, например, на огромных объемах дешёвых вычислительных мощностей. Это и есть суть вероятностного прогнозирования. По сути, оно представляет собой совершенно иной взгляд на проблему, используя огромные вычислительные ресурсы, доступные в наше время.
Kieran Chandler: Так почему же вероятностное прогнозирование может быть таким отличным? Потому что вы всё ещё рассматриваете альтернативное будущее. Думаю, при вероятностном прогнозировании вы назначаете вероятность того, что событие может произойти, но на первый взгляд оно не кажется принципиально иным, ведь вы просто смотрите на возможные альтернативы.
Joannes Vermorel: Ключевая идея вероятностного прогнозирования заключается в том, что у вас будут будущее, сгенерированные машиной. Вы будете рассматривать все возможные будущие варианты, или по крайней мере все численно значимые. Даже если у вас в распоряжении колоссальные вычислительные ресурсы, нет смысла оценивать последствия чего-то, что имеет шанс из триллиона случиться. Это просто нерациональное использование ваших вычислительных мощностей. Но если рассматривать только те события, которые имеют хотя бы минимальный шанс, скажем, один шанс из миллиона в год, они всё ещё крайне маловероятны, но не исчезающе маловероятны. А затем у вас достаточно сырой вычислительной мощности для обработки подобных событий на современных компьютерах.
Kieran Chandler: Через десятилетия, используя обычные компьютеры, которые есть у вас дома или даже в вашем смартфоне, вероятностное прогнозирование станет буквально механическим способом назначения вероятностей множеству возможных будущих событий. Как только это появится, вы поймёте, что сценарии больше не нужны. Вы можете заменить все те сценарии, которые отбирались из всех возможных будущих, на нечто, что жестоко анализирует все возможные варианты будущего. Это как перейти от видеокамеры с всего четырьмя пикселями к полноценному изображению высокого разрешения всего будущего, где видны все пиксели.
Joannes Vermorel: В чём же разница? Просто задумаетесь: если у вас есть пейзаж и всего пять пикселей, очень трудно понять, как он выглядит. Если приложить много усилий, можно получить 20 пикселей, и это будет весьма утомительно. Но когда вы переходите от 20 пикселей к 4 миллионам, вы получаете нечто, что едва имеет смысл, превращаясь в высококачественную картинку, которая полностью понятна. На практике, даже если это теоретически постепенный процесс, результат кардинально меняется.
Kieran Chandler: Давайте поговорим с точки зрения конечного пользователя. При планировании сценариев, возможно, имея всего четыре пикселя, вы получаете представление о том, что происходит в начале и в конце, и это выглядит вполне логично. Но идея взгляда на вероятностный прогноз и все возможные будущие выглядит гораздо менее логично и сложнее для понимания. Легче ли это для конечного пользователя?
Joannes Vermorel: При планировании сценариев создаётся иллюзия простоты. Вы выбираете один сценарий, и у вас есть один набор решений, который имеет смысл для этого конкретного сценария. Это относительно просто. Но проблема в том, что, рассматривая другой сценарий, вы получаете другой набор решений. Если посмотреть на третий сценарий, то получаете ещё один набор решений. Что же делать с этими решениями, которые на практике могут оказаться совершенно несовместимыми? Наивный ответ – взять среднее, но почему это среднее должно иметь значение?
Просто представьте: у вас есть магазин, продающий книги для школ. Большинство ваших клиентов – это родители, у которых один ребёнок и которым нужна всего одна копия книги. В то же время, время от времени в магазин заглядывает школьный учитель, которому нужно 30 копий книги.
Kieran Chandler: Вопрос в том, имеет ли смысл иметь в магазине запас из пяти копий книги?
Joannes Vermorel: Если вы хотите обслуживать только родителей, которые время от времени заглядывают в магазин, то, да, пяти копий может хватить. Однако, если вы стремитесь обслуживать и учителей, то, вероятно, вам потребуется 35 копий книги. Вам нужно 30, чтобы обслужить учителей, и ещё пять – для родителей. Но если взять среднее и сказать: “О, 25 должно быть достаточно”, то нет, 25 – это не то, ведь для родителей это слишком много, а для учителя – недостаточно. Видите, усреднение обычно не имеет смысла. И если у вас есть нелинейности, такие как MOQs, минимальное количество заказа, то это вовсе не работает. По сути, создаётся иллюзия простоты, когда вы рассматриваете те сценарии, в которых выбираете один вариант и говорите: “Вот здесь есть простое решение”. Вы выбираете другой сценарий, и у вас появляется другое простое решение. Но в итоге вы сталкиваетесь с проблемой – как согласовать все эти сценарии. Реальность такова, что традиционный подход сводится к тому, чтобы задействовать ещё больше рабочей силы для решения проблемы. Видите, у вас и так уже был суперинтенсивный по трудозатратам процесс. Для каждого отдельного сценария нужны дополнительные планировщики и прогнозисты. Но потом возникает ещё одна проблема: вам нужна отдельная команда, чтобы согласовать все данные. То есть ситуация даже хуже, чем линейное увеличение числа сотрудников. Это как гиперлинейное увеличение ресурсов, необходимых для работы с множеством сценариев. И это очень, очень плохо.
Kieran Chandler: Мне кажется, что одно из преимуществ планирования сценариев – это просто копирование-вставка части логики, и с точки зрения реализации всё сводится к привлечению дополнительных ресурсов. Значит ли это, что внедрение вероятностного прогнозирования гораздо сложнее, и поэтому компании менее заинтересованы в нём?
Joannes Vermorel: Я имею в виду, что для поставщика программного обеспечения, безусловно, да. Представьте, что вы поставщик софта для цепочек поставок, и вы разработали некую систему прогнозирования и планирования цепочки поставок. Это означает, что, по крайней мере, с классической точки зрения, ваша система способна управлять классическим прогнозом. То есть она назначает ежедневное, недельное или месячное количество на определённый период вперед для любого отдельного артикула или продукта. Вот как выглядит классический продукт прогнозирования. У вас есть всё необходимое, чтобы управлять одним вариантом будущего и сказать: “Вот оно. Так всё произойдёт.” Теперь, если вы хотите перейти к планированию сценариев, вам нужно всего лишь, по сути, сказать: “Я просто буду управлять второй версией этого будущего и называть её вторым сценарием.” С точки зрения логики и кода, это буквально тот же самый код, где нужно добавить всего одно дополнительное измерение – измерение сценария, и вот оно. У вас уже есть система планирования сценариев. Но есть один нюанс. Нюанс в том, что вы ничего не сделали для согласования результатов, возникающих из этих сценариев.
Kieran Chandler: Сценарии, но реальность такова, что компании обычно не осознают, что сталкиваются с этой проблемой, пока не внедрят систему и не столкнутся со всеми крайними случаями, когда невозможно усреднить результаты, полученные в разных сценариях, и когда усреднение действительно бессмысленно.
Joannes Vermorel: Если привести, скажем, три примера, то поставщик будет вполне удовлетворён, ведь, во-первых, для поставщика эта функция дешевы в реализации, так почему бы не внедрить функцию, которая недорогая и выглядит эффектно во время демонстраций? Плюс, когда вы проводите очень простой пилотный проект, скорее всего, вы не столкнётесь с описанными мной крайними случаями, и усреднение сценариев, вероятно, сработает для вас. Но как только ситуация усложняется, вы поймёте, что возникает бесконечное число крайних случаев, и тогда вся система становится нерабочей. Однако в этот момент поставщик уже доволен, потому что ему уже заплатили. Знаете, существуют все неправильные стимулы в том, как оплачивается работа вашего поставщика программного обеспечения для цепочек поставок, о чем мы говорили в предыдущем эпизоде. Плюс, пока люди не могут представить альтернативу, это по-прежнему кажется лучшим решением при отсутствии чего-то более достойного.
Kieran Chandler: Ладно, давайте попробуем объединить всё воедино. Вы говорите, что люди не могут представить альтернативу, а теперь мы вроде бы в такой ситуации, когда с имеющейся у нас вычислительной мощностью существует альтернатива. Есть альтернативный метод, так можете ли вы представить, что анализ сценариев когда-нибудь может утратить свою актуальность?
Joannes Vermorel: Да, хотя, если быть честным, Lokad ещё предстоит буквально убедить весь остальной мир в этом. Проблема не в самом вероятностном прогнозе, ведь идея о наличии множества сценариев с вероятностями достаточно проста и кажется очень естественным продолжением сценарного подхода – просто с большим числом сценариев, как добавление пикселей в изображение, где величина представляет вероятность.
Kieran Chandler: То есть, вместо цвета вы могли бы рассматривать это как мой сценарий, и к нему приписана вероятность. Но проблема в том, что как только у вас появляются все эти возможные будущие, нужно найти способ полностью автоматизировать согласование между ними. И вот тут, с точки зрения Lokad, всё начинает казаться действительно сложным и странным.
Joannes Vermorel: Знаете, решение, которое мы разработали, называется алгеброй случайных величин. Поэтому вам потребуется специализированный математико-статистический инструментарий для работы с такими концепциями, не только для прогнозирования, но и для принятия решений. Фактически, если вы подробнее изучите технологический стек Lokad, то увидите, что прогнозирование – это лишь относительно небольшая часть картины. Основная сложность, техники, инструменты, практики, алгоритмы и прочее заключаются в том, как оптимизировать свои решения, сталкиваясь с этим неопределённым, вероятностным будущим.
И вот в этом, я считаю, заключается проблема дальнейшего стимулирования принятия. Людям нужно не только осознать, что можно рассматривать все эти возможные будущие с вероятностями, но им также необходимо изучить вещи, которые, я бы сказал, являются весьма необычными – те инструменты, которые нужны для работы сразу со всеми будущими вариантами. Потому что без этих инструментов вы по сути возвращаетесь к исходной точке, где требуется огромное количество времени, чтобы разобрать все эти возможности. Фишка в том, что в Lokad мы не разбираем все эти возможности; мы поддерживаем их на протяжении всего процесса. Так что это не совсем просто, но на самом деле довольно понятно, если у вас есть подходящие инструменты.
Kieran Chandler: Ладно, на этом завершим. Но я думаю, что, исходя из последних событий, мы понимаем, что существует так много непредсказуемых сценариев, которые люди, вероятно, никогда не смогут предсказать. Это всё на эту неделю. Большое спасибо за внимание, и увидимся в следующем эпизоде. Спасибо за просмотр.
