00:00:07 Обсуждение управления SKU для планировщиков цепей поставок.
00:01:09 Зависимость управления SKU от отраслевой специфики.
00:02:14 Управление SKU в розничной торговле и влияние на специалистов по прогнозированию спроса.
00:04:00 Факторы, влияющие на управление SKU, и соблюдение классических правил.
00:07:01 Сравнение классического подхода с тем, как Loca управляет SKU.
00:08:01 Обсуждение разницы между традиционным планированием спроса и наукой о цепях поставок.
00:09:37 Важность принятия разумных решений по пополнению запасов.
00:11:00 Возможность одного специалиста управлять миллионами SKU с помощью числовых алгоритмов.
00:12:19 Как числовые алгоритмы помогают создавать актив для компаний.
00:14:00 Необходимость автоматизации повторяющихся офисных задач и ограничения автоматизации.
00:16:02 Ограничения специалистов по цепям поставок и управление сложностью.
00:17:42 Убывающая отдача в производительности и в координации между специалистами.
00:19:33 Сравнение эффективности и скорости работы одного специалиста против команды.
00:21:09 Постоянное совершенствование и капиталистический подход специалистов по цепям поставок.
00:22:45 Препятствия для внедрения капиталистических подходов в управление цепями поставок.
Резюме
В недавнем интервью Жоанне Верморель, основатель Lokad, обсудил проблемы, с которыми сталкиваются современные планировщики цепей поставок, особенно при управлении единицами складского учета (SKU). Верморель пояснил, что число управляемых SKU обычно варьируется от нескольких сотен до нескольких тысяч, в зависимости от отраслевой специфики. Традиционно специалисты по прогнозированию спроса используют таблицы с десятками колонок для принятия решений по запасам, но Lokad привлекает специалистов по цепям поставок, которые разрабатывают числовые алгоритмы для принятия решений по запасам. Цель состоит в том, чтобы создать решение с “нулевой безумностью”, обеспечивающее разумность принимаемых решений. Верморель утверждает, что рассмотрение каждой проблемы как ошибки, которую нужно исправить, способствует развитию мышления постоянного роста и улучшения, что приводит к общему повышению эффективности.
Расширенное резюме
В интервью ведущий Киран Чендлер обсуждает с Жоанне Верморелем, основателем Lokad, проблемы, с которыми сталкиваются современные планировщики цепей поставок, особенно при управлении единицами складского учета (SKU). Верморель поясняет, что число SKU, которыми управляет планировщик, обычно варьируется от нескольких сотен до нескольких тысяч, в зависимости от отраслевой специфики. Розничная торговля является исключением: там планировщики могут иметь дело с многочисленными SKU на уровне склада, но на уровне магазина они, как правило, управляют шаблонами min-max вместо отдельных SKU.
Количество SKU, которыми управляет планировщик, часто определяется временем, необходимым для прохода по списку товаров. Обычно планировщики работают с таблицами, корректируя количества и значения min-max и классифицируя SKU по категориям, таким как лидеры продаж и медленно движущиеся товары.
Верморель подчёркивает, что взаимосвязь между объёмом SKU и нестабильностью обратно пропорциональна. Крупные FMCG-компании с большим объёмом имеют меньшую нестабильность, в то время как отрасли с низким объёмом и высокой нестабильностью, такие как автозапчасти, могут сталкиваться с более сложными прогнозами, но экономическая значимость этого не так велика. Количество SKU, которыми управляет планировщик цепей поставок, зависит от отраслевой специфики и характера продуктов. Обычно процесс включает в себя управление от нескольких сотен до нескольких тысяч SKU с использованием таблиц для мониторинга и корректировки уровней запасов с учётом таких факторов, как объём, нестабильность и экономическая значимость.
Они сравнивают подход Lokad с классическим методом управления цепями поставок.
Традиционно специалисты по прогнозированию спроса используют таблицы с десятками колонок для принятия решений по запасам, уделяя больше внимания товарам высокого приоритета (A) и меньше — товарам низкого приоритета (B и C). Этот подход требует значительных операционных расходов (OPEX) с незначительной капитализацией. Единственная капитализация возникает благодаря разработке таблицы, которая становится полезной в последующие месяцы.
С другой стороны, Lokad привлекает специалистов по цепям поставок, которые разрабатывают числовые алгоритмы для принятия решений по запасам. Их первая цель — создать решение с “нулевой безумностью”, обеспечивающее разумность принимаемых решений. Например, плохим решением может стать ситуация, когда модный магазин оснащается только коричневыми и черными сумками, так как они продаются лучше, в то время как другие цвета, необходимые для мерчандайзинга, остаются без внимания.
Создавая числовые алгоритмы, которые фиксируют экспертные знания, подход Lokad позволяет одному специалисту по цепям поставок управлять огромным количеством SKU и большими объёмами запасов. Этот подход является серьезным отходом от классического метода, который потребовал бы участия десятков или даже сотен специалистов по прогнозированию спроса для управления тем же объёмом работы. Фокус Lokad направлен на создание актива (CAPEX), а не просто на потребление ресурсов (OPEX).
Подход Lokad ставит под сомнение необходимость ежедневного пересмотра таблиц, поскольку решения принимаются на основе имеющихся данных. Вместо этого он внедряет мышление специалистов по прогнозированию спроса с помощью числовых алгоритмов, возможно, с использованием специфических методов машинного обучения.
Верморель объясняет важность использования методов машинного обучения для компаний, которые до сих пор нанимают офисных работников для выполнения повторяющихся задач, поскольку это может привести к повышению эффективности. Однако он признаёт, что некоторые работы, такие как уборка складов, остаются трудноавтоматизируемыми из-за ограничений современной технологии.
Верморель подчёркивает, что многие решения в управлении цепями поставок, такие как объёмы заказов и ценовые уровни, могут быть полностью автоматизированы с помощью числовых алгоритмов. Он уточняет, что это не означает автоматизацию без контроля со стороны человека, а подразумевает использование человеческих знаний в масштабах и передачу рутинных числовых задач компьютерам. Ограничения, по его словам, заключаются в сложности самой цепи поставок и необходимости приближенных расчетов, чтобы числовой алгоритм оставался управляемым с точки зрения программного обеспечения.
Также обсуждается соотношение между количеством строк кода и рабочей нагрузкой одного специалиста по цепям поставок. Верморель предполагает, что разделение цепи поставок на более мелкие части, управляемые несколькими специалистами, может способствовать улучшению числовых алгоритмов. Однако это может привести к убывающей отдаче в производительности, поскольку дополнительные специалисты вносят меньший вклад в общий результат.
В интервью затрагивается парадокс продуктивности: одна персона отвечает за управление огромным количеством SKU, и существует необходимость в большем количестве людей для управления крупными цепями поставок. Верморель заключает, подчеркивая важность минимизации так называемых “факторов грузовика” за счёт наличия резервного персонала, который сможет подменить в случае ухода сотрудника.
Обсуждение сосредоточено на том, как процессы принятия решений в цепях поставок могут стать более эффективными, действенными и капиталистичными за счёт использования технологий и постоянного совершенствования.
Верморель утверждает, что традиционные подходы к планированию спроса, основанные на человеческих решениях и таблицах, ограничены в своей способности стимулировать постоянное совершенствование. После первоначальной настройки системы планирования спроса улучшения обычно замедляются, и команда оказывается втянутой в цикл простого поддержания системы. Это лишает их возможности уделять время и ресурсы постоянному совершенствованию.
С другой стороны, подход Lokad нацелен на автоматизацию 100% решений в цепях поставок, позволяя специалистам по цепям поставок полностью сосредоточиться на постоянном совершенствовании. Хотя создание такой системы может занять больше времени, чем традиционная система планирования спроса, в конечном итоге это приводит к более эффективной и действенной цепи поставок.
Верморель подчёркивает, что рассмотрение каждой проблемы как ошибки, которую следует устранить, стимулирует мышление постоянного роста и улучшения. Такой капиталистический подход к управлению цепями поставок гарантирует, что специалисты по цепям поставок постоянно совершенствуют свои умения, что приводит к общему повышению эффективности.
Тем не менее, существуют сложности с внедрением таких капиталистических подходов. В течение десятилетий не существовало технологий и программного обеспечения, необходимых для таких систем. Кроме того, многие компании не считали управление цепями поставок важной функцией, рассматривая его лишь как вспомогательный процесс или центр затрат. В результате было мало стимулов для инвестиций в новые технологии или практики, делающие управление цепями поставок более капиталистичным.
Чтобы преодолеть эти барьеры, Верморель предлагает компаниям изменить свое мышление, признавая ценность управления цепями поставок как актива, а не просто как центра затрат. Это, в сочетании с доступностью новых технологий и программного обеспечения, может обеспечить более капиталистичный и эффективный подход к принятию решений в цепях поставок.
Полный транскрипт
Киран Чендлер: Привет, в современных компаниях, предоставляющих всё более обширные каталоги, и где технологии облегчают управление запасами, современный планировщик цепей поставок должен решать множество задач. Мы собираемся спросить, сколько SKU должен управлять планировщик цепей поставок и когда их количество становится чрезмерным. Итак, Жоанне, кажется, сейчас у планировщиков цепей поставок очень много работы. Сколько SKU, как правило, управляет планировщик цепей поставок?
Жоанне Верморель: Из того, что я наблюдал, это зависит от отрасли, но большинство компаний обычно управляют от нескольких сотен до нескольких тысяч SKU. Хотя встречаются ситуации, когда компании управляют десятками тысяч SKU, это скорее исключение. Типичный диапазон, который я видел, составляет около 500–1000 SKU в различных отраслях.
Киран Чендлер: Насколько это зависит от отрасли? Я представляю, что в сегменте люксовой розничной торговли вы управляете не большим количеством SKU, а в гипермаркете – гораздо большим.
Жоанне Верморель: Да, розничная торговля, вероятно, является исключением, где специалисты по прогнозированию спроса работают с большим количеством SKU. Однако даже в розничных сетях специалисты по прогнозированию спроса обычно управляют только несколькими сотнями SKU на уровне склада. На уровне магазина они, как правило, используют шаблоны min-max, которые применяются в большом количестве магазинов с похожими характеристиками. Таким образом, они не управляют непосредственно SKU в магазине, а скорее управляют мета-SKU или шаблоном. Если умножить количество магазинов на число товаров, получится большое количество SKU, но обычно работа организована иначе. Таким образом, на одного менеджера приходится максимум несколько тысяч SKU.
Киран Чендлер: Какие факторы влияют на количество SKU, которыми управляет человек? Существуют ли какие-нибудь классические правила, которых придерживаются?
Жоанне Верморель: Классический подход, который используют большинство специалистов по прогнозированию спроса и запасов, заключается в том, чтобы просматривать длинную таблицу, где на каждой строке указан один SKU, а также различные параметры, предоставляющие индикаторы. Эти индикаторы могут включать данные о продажах за последние несколько недель, за прошедший год или за аналогичный период прошлого года с учётом сезонности. Планировщики проходят строку за строкой, корректируя количества и уровни min-max в зависимости от данных в этих колонках.
Киран Чендлер: Таблица — ну, вы возвращаетесь к началу и повторяете цикл. Возможно, вы распределяете SKU по классам, например, ABC, и так далее, чтобы больше времени уделять лидерам продаж и меньше – медленно движущимся товарам. Вот в этом и суть: количество SKU определяется временем, которое требуется специалисту по прогнозированию спроса на один проход по списку товаров, которыми он управляет. Поэтому, в этом примере я представляю, что это зависит от разнообразия товаров. Если, например, вы работаете в компании вроде Coca-Cola, где, как говорят, один продукт, означает ли это, что у нас только один специалист по прогнозированию спроса?
Жоанне Верморель: Нет, я имею в виду, что в Coca-Cola сотни продуктов. И если вы начнете рассматривать всё, что нужно планировать с точки зрения Coca-Cola, то сначала потребуется спланировать практически каждый канал, ведь их каналы гигантские. Обычно планировщики организованы по географическим регионам или каналам, так что в итоге на один канал приходится свой планировщик. У них несколько сотен SKU, и таким образом, снова получается, что на одного планировщика приходится несколько сотен SKU. Кроме того, крупные FMCG-компании часто должны заниматься системой VMI, управление запасами, управляемыми поставщиком. Так что опять же, на одного планировщика приходится всего несколько сотен SKU.
Киран Чендлер: А как насчет сложности прогнозирования, если вы работаете в отрасли, где появляется множество новых продуктов, например, в модной индустрии? Означает ли это, что на одного специалиста будет приходиться меньше SKU?
Йоаннес Верморель: Это интересный момент, и опять же, я описываю то, что считаю современным течением, а не то, как работает Lokad. Но дело в том, что когда вы сталкиваетесь с очень высокой непредсказуемостью, это обычно касается товаров с очень низким объёмом. Вы видите, что существует обратная зависимость между непредсказуемостью и объёмом. Если вы крупная FMCG-компания, у вас высокие объёмы, меньшая непредсказуемость. Но также вы подумали бы: «О, если непредсказуемость меньше, может быть, прогноз проще». Да, но также то, что вы прогнозируете, с экономической точки зрения, очень важно, потому что речь идёт о большом объёме. С другой стороны спектра, если мы говорим о сверхнепредсказуемом прогнозе, скажем, для автомобильных запчастей в хвостовой части распределения, тогда да, всё невероятно непредсказуемо, но объём очень низкий, а ценность не так высока. Так что, даже если, технически, прогноз сложнее и непредсказуемость гораздо выше, экономическая реальность такова, что экономическая значимость этого товара в вашей цепочке поставок низкая, и поэтому не имеет большого значения, сложнее он или нет. Нецелесообразно тратить больше времени на такие товары.
Киран Чендлер: Ладно, а теперь давайте сравним, как Lokad делает это по сравнению с более классическим подходом. Чем он отличается от того, что может обеспечить специалист по цепочке поставок в классическом исполнении?
Йоаннес Верморель: Классическая перспектива, и поэтому у нас получается такое количество SKU на одного планировщика спроса, заключается буквально в том, что люди консолидируют информацию.
Киран Чендлер: То есть люди используют электронные таблицы с десятками столбцов, которые объясняют, на что им следует обращать внимание, а затем принимают решения, просматривая таблицу. Они начинают с самых важных позиций и тратят меньше времени на менее важные. Как часто они пересматривают эти позиции?
Йоаннес Верморель: Ну, они могут пересматривать все важные позиции ежедневно, а менее важные — только раз в месяц. Время, потраченное планировщиком, является эксплуатационными расходами. Работа, которую вы выполняете, время вашего планировщика спроса, просто для выполнения работы по планированию спроса, не капитализируется. Единственная капитализация связана с наличием хорошо спроектированной электронной таблицы со всеми необходимыми столбцами. Эта часть работы, создание грамотно настроенной таблицы, капиталистична в том смысле, что вы делаете это один раз, и затем ваша работа ускоряется на все последующие месяцы. Однако эта часть занимает всего несколько недель в начале, а затем завершается. Дальнейшая капитализация не происходит.
Киран Чендлер: Можете рассказать о подходе Lokad и том, чем он отличается от традиционных методов?
Йоаннес Верморель: Подход Lokad совершенно иной. Специалист по цепочке поставок по сути разрабатывает рецепт, при котором все ваши решения «из коробки» не будут глупыми. Вы хотите иметь 0 процентов безумия. Это первая веха, которую мы ставим, когда готовы к внедрению в производство.
Киран Чендлер: Можете привести пример того, каким может быть глупое решение?
Йоаннес Верморель: Глупым решением было бы, скажем, если у вас модный магазин, торгующий сумками, и вы выставляете в продаже только коричневые и чёрные сумки, потому что эти цвета продаются лучше всего. В результате витрина выглядит уныло и лишена разнообразия цветов. Вы бы хотели добавить немного других цветов, таких как белый или жёлтый, для мерчандайзинга. Умное решение по пополнению запасов должно учитывать факторы помимо продаж и аспектов, связанных с обслуживанием. Вы также хотите учитывать внешний вид магазина.
Киран Чендлер: Вы говорите, что числовые рецепты должны захватывать эти инсайты и отражать тот уровень экспертизы, который был бы у человека, выполняющего работу вручную, а не придерживаться наивных формул резервного запаса?
Йоаннес Верморель: Именно. Сначала вы хотите разработать числовой рецепт, который захватывает эти инсайты. Как только вы это сделаете, вы поймёте, что можете работать практически в любом масштабе. В Lokad у нас есть специалисты по цепочке поставок, которые отдельно управляют запасами на сумму более одного миллиарда евро.
Киран Чендлер: То есть, один человек управляет запасами, причем каждый из них контролирует примерно четыре миллиона SKU индивидуально. Таким образом, вы видите, что внезапно возникает полное расхождение между количеством SKU и числом людей — один человек может масштабироваться до уровня, который в классическом подходе потребовал бы десятков, если не сотен планировщиков. И, кстати, у наших клиентов произошёл масштабный переход, когда мы внедрили такие технологии, потому что вдруг…
Йоаннес Верморель: Это не значит, что всех этих планировщиков, кстати, уволили. Есть множество вещей, где можно получить дополнительную ценность. Но вопрос в том, если вы работаете в компании и занимаетесь простым пролистыванием электронной таблицы каждый день, как это создаёт реальную ценность для компании? Действительно ли компания инвестирует в вашу работу, создавая капитал для компании, то есть что-то, что является активом, или это просто расходуется? Это капекс против опекса. А подход Lokad в фундаменте направлен на то, чтобы сосредоточиться на капексе, капексе, капексе. Мы хотим иметь актив.
Киран Чендлер: Так как же этот числовой рецепт способствует формированию актива? Как это работает?
Йоаннес Верморель: Смысл в том, зачем вам на самом деле каждый день пересматривать вашу электронную таблицу? Если вы принимаете решение, вы делаете это на основе имеющихся у вас данных. Видите ли, как планировщик спроса, когда у вас сотни продуктов, вы не знаете каждый продукт наизусть, не знаете каждую деталь. Ну, это может случаться в некоторых очень специфических областях, но это очень редко. Обычно вы просто правильно настраиваете десятки столбцов, которые объясняют, на что следует обращать внимание, а затем принимаете числовое решение на их основе. Подход Lokad заключается в том, чтобы сказать: давайте реализуем то, что вы делаете в своей голове. И да, для этого могут потребоваться некоторые специфические элементы машинного обучения. Возможно, существуют взаимосвязи, которые сложно выразить простыми числовыми формулами, классическими числовыми формулами, потому что, возможно, вы проводите в уме оценку риска.
Так, например, Lokad численно подходит к оценке риска с помощью вероятностного прогнозирования и экономических драйверов. Но вы видите, что существует целый ряд проблем, и идея в том, что всякий раз, когда вы получаете число, сгенерированное вашим числовым рецептом, которое выглядит неправильным, вы должны считать это ошибкой и исправить её. Исключений и оповещений быть не должно.
Киран Чендлер: Итак, вы упомянули те элементы методов машинного обучения. Должны ли все компании стремиться использовать такие технологии в своих подходах?
Йоаннес Верморель: Я бы сказал, что любая компания, которая до сих пор использует офисных сотрудников для выполнения чрезмерно повторяющихся задач, просто ошибается, точка. Видите ли, без исключений. Есть области, где с точки зрения физических задач некоторые операции всё ещё очень, очень сложно автоматизировать. Например, роботы иногда бывают жесткими, и наличие человека для выполнения определённых действий, например…
Киран Чендлер: Операции, такие как уборка, где произошла, скажем, пролитая нефть на вашем складе, и вам нужно просто убрать её, на самом деле чрезвычайно сложно автоматизировать. Чтобы робот мог немного почистить, взять губку и сделать это, очень, очень сложно. Таким образом, есть работы, которые кажутся простыми, например, взять ведро воды, губку, моющее средство и почистить. Это те задачи, которые крайне трудно автоматизировать и которые пока находятся за пределами возможностей наших самых совершенных роботов.
Йоаннес Верморель: В этом случае, у нас есть люди, которые выполняют эту работу, но автоматизация просто превосходит наши технические возможности. Когда речь идет о решениях в цепочке поставок, таких как числовые решения: что заказывать, сколько единиц заказывать для каждого SKU, которым я управляю, следует ли повышать или понижать цену, или стоит ли переводить запасы с места A на место B, — все эти вопросы могут быть полностью автоматизированы. Я не говорю, что это автоматизация без человеческого контроля; я не об этом говорю. Я описываю числовой рецепт, разработанный человеком, который понимает, что происходит. Просто вы масштабируете эти человеческие инсайты, позволяя компьютеру выполнять рутинную числовую работу за вас.
Киран Чендлер: Так, тогда где лежат ограничения? Вы упомянули, что специалисты по цепочке поставок будут управлять запасами на сумму в миллиарды долларов. В чем же заключается ограничивающий фактор?
Йоаннес Верморель: Ограничивающим фактором становится сложность самой цепочки поставок, когда в какой-то момент ваш числовой рецепт будет всего лишь приближением цепочки поставок. Вы хотите быть примерно правильным, а не абсолютно ошибочным. Специалисты по цепочке поставок не могут точно смоделировать реальность; всегда приходится делать выбор, чтобы ваш числовой рецепт оставался управляемым с точки зрения программного обеспечения. У вас есть строки кода; если вы один человек, вам нужно поддерживать 20 000 строк кода, что управляемо. Если же вы один человек и вам приходится поддерживать полмиллиона строк кода, это становится неуправляемо. Таким образом, существует баланс в количестве вовлеченных строк кода.
Таким образом, если в какой-то момент у вас есть один человек, становится интересно ввести, особенно если речь идет о очень больших цепочках поставок, способы разделения вашей цепочки поставок между различными специалистами по цепочке поставок, чтобы каждый из них мог уделять больше времени определенным проблемам. Например, если у вас одна цепочка поставок и у вас есть решения по ценообразованию и закупкам, в какой-то момент эти два аспекта будут тесно переплетены, но затем it
Киран Чендлер: Итак, Йоаннес, вы упомянули, что наличие двух человек, ответственных за ценообразование и закупки, могло бы быть выгодным, но существует убывающая отдача в производительности. Можете объяснить это подробнее?
Йоаннес Верморель: Да, вполне логично, что для более тонкой настройки ваших числовых рецептов для ценообразования и закупок выгодно иметь двух человек. Тем не менее, эти два человека будут много обсуждать и координировать свои действия, что означает, что отдача в производительности будет снижаться. Так что вы видите, что в какой-то момент, чтобы получить дополнительные один процент эффективности, вполне разумно добавить ещё людей, даже если это означает, что с точки зрения производительности добавление второго человека улучшает её всего на небольшой процент. Если бы всё было линейно, можно было бы ожидать 100-процентного увеличения производственного выхода при добавлении второго специалиста по цепочке поставок. На самом деле же прирост составляет около 50 процентов, а третий человек добавит только примерно 30 процентов. Таким образом, эффективность будет очень быстро снижаться. Экономия на масштабе здесь очень ярко выражена. Тем не менее, если вы работаете с очень большой цепочкой поставок, это стоит того, хотя бы для того, чтобы снизить риски в случае ухода кого-либо и обеспечить наличие замены.
Киран Чендлер: Интересно, что вы упомянули слово «производительность», так как всё это звучит как некий парадокс. Один человек отвечает за намного больше SKU. Как он может быть более эффективным и принимать решения быстрее, чем команда, отвечающая за меньший объём?
Йоаннес Верморель: Потому что у команды людей, отвечающих за небольшой объём, нет ничего по-настоящему капиталистического в их работе. Знаете, единственная капиталистическая часть — это настройка чистой, удобной электронной таблицы, вашего рабочего окружения, что происходит в первые пару недель. А затем вы больше не капитализируете. Таким образом, вы застреваете, оказываясь в тупике, когда все ваши усилия полностью расходуются, и у вас не остаётся времени для постоянного улучшения. А подход Lokad заключается в том, что 100 процентов усилий специалиста по цепочке поставок должно идти на непрерывное улучшение. Поэтому настройка занимает немного больше времени по сравнению с классическим подходом к планированию спроса. Возможно, вы могли бы настроить систему за две недели, просто настроив электронную таблицу, и на этом всё. Но настройка с точки зрения Lokad, вероятно, займет ещё несколько недель. Но взамен вы получаете систему, при которой 100 процентов ваших решений, необходимых для любого дня, принимаются автоматически, что даёт вам практически всё время для сосредоточения на непрерывном улучшении.
Киран Чендлер: Понятно. А рассматривать каждую проблему как ошибку, которую нужно исправить, должно отнимать много времени.
Йоаннес Верморель: Да, и видите, суть в том, что если вы рассматриваете каждую проблему как ошибку, которую нужно исправить, это означает, что, приходя в офис каждый день, вы фактически тратите несколько минут на то, чтобы убедиться, что нет каких-либо критических ситуаций, вроде пожара, который нужно потушить.
Kieran Chandler: Просто потому, что что-то совершенно неожиданное происходит, например, затопление склада, ничего не поделаешь. Этот вид событий случается в цепочке поставок, после чего ты можешь потратить весь день на улучшение своего числового рецепта. И это дает тебе невероятно капиталистичный подход. Если ты думаешь, что каждую неделю специалисты по цепочкам поставок будут добавлять слой улучшений, то именно это происходило с классической точки зрения у специалиста по планированию спроса в первые две недели, но затем это прекращалось. А с ракетным подходом эта сверхкапиталистичная работа никогда не останавливается. И именно поэтому, спустя пару месяцев, ты получаешь нечто, где всего один человек, но который гораздо продуктивнее классического подхода. И что касается эффективности цепочек поставок, то оно также гораздо лучше. Просто потому, что ты постоянно опираешься на свои улучшения таким образом, который является крайне, крайне капиталистичным. Ладно, давайте начнем подытоживать. Так что, где же заключаются самые большие препятствия для внедрения подобных капиталистичных подходов? Какие основные вызовы необходимо преодолеть?
Joannes Vermorel: То есть, самой большой проблемой является то, что на протяжении десятилетий у нас не было таких программных рецептов, таких технологий, которые позволяли бы сделать это возможным. Таким образом, у нас были электронные таблицы, и, например, в Lokad, пока мы не осознали вероятностный подход, нам было чрезвычайно сложно численно выразить то, что происходило в голове специалиста по планированию спроса, проводившего некий анализ рисков. Вы интуитивно понимали, что происходило. Люди могли описать, что они делали, но как перевести это в формулы? Этот вопрос оставался открытым. Существовали формулы, были подходы вроде safety stock, которые просто пытались это сделать, но это не работало. Нам был необходим лучший класс числовых рецептов. Таким образом, это был один тип препятствий. Другой тип препятствий заключался в том, что многие компании не рассматривали цепочку поставок как функцию большой важности. Цепочка поставок воспринималась просто как вспомогательная функция. То, что это не основная функция, не считалось проблемой. Это была вспомогательная функция. Это стоит денег, как и большинство вспомогательных функций. Вы не ожидаете, что ваша вспомогательная функция будет создавать ценность для компании. Так что это просто центр затрат. И пока этот центр затрат контролирует свои расходы, так тому и быть. Вы видите, это было двояко. Во-первых, отсутствие реальных технологических способов сделать эту вещь капиталистичной. А во-вторых, если люди не осознают, что это актив, тогда они не принимают того образа мышления, который необходим для того, чтобы действительно изменить практику таким образом, чтобы она стала капиталистичной. Потому что, как видите, чтобы практика управления цепочками поставок стала капиталистичной, она должна начинаться с акта веры, акта доверия, если вы хотите, чтобы она стала активом. Пока вы считаете, что это всего лишь вспомогательная функция, просто центр затрат, то, угадайте что? Она никогда не выйдет за рамки центра затрат.
Kieran Chandler: Да, это интересная концепция, эта идея превращения всего в нечто более капиталистичное. Так что, нам придется завершить на этом, но огромное спасибо, что присоединились, и до встречи в следующем эпизоде. Спасибо за просмотр.
