00:00:07 Обсуждение управления SKU для планировщиков цепи поставок.
00:01:09 Зависимость управления SKU от отраслевых вертикалей.
00:02:14 Управление SKU в рознице и его влияние на планировщиков спроса.
00:04:00 Факторы, влияющие на управление SKU, и классические правила, которым следуют.
00:07:01 Сравнение классического подхода с тем, как Loca управляет SKU.
00:08:01 Обсуждение различий между традиционным планированием спроса и научным подходом к управлению цепями поставок.
00:09:37 Важность принятия умных решений по пополнению запасов.
00:11:00 Возможность одного человека управлять миллионами SKU с использованием численных методов.
00:12:19 Как численные методы помогают создавать активы для компаний.
00:14:00 Необходимость автоматизации повторяющихся задач и ограничения автоматизации.
00:16:02 Ограничения ученых в области цепей поставок и управление сложностью.
00:17:42 Убывающая отдача от производительности и координация между учеными.
00:19:33 Сравнение эффективности и скорости работы одного ученого и команды.
00:21:09 Постоянное совершенствование и капиталистический подход ученых в области цепей поставок.
00:22:45 Преграды для внедрения капиталистических подходов в управлении цепями поставок.
Резюме
В недавнем интервью основатель Lokad Жоанн Верморель обсудил проблемы, с которыми сталкиваются современные планировщики цепи поставок, особенно в управлении единицами складского учета (SKU). Верморель пояснил, что количество управляемых SKU обычно варьируется от нескольких сотен до нескольких тысяч, в зависимости от отраслевой вертикали. Традиционно планировщики спроса используют таблицы Excel с десятками столбцов для принятия решений по запасам, но Lokad привлекает ученых в области цепей поставок, которые разрабатывают численные методы для принятия решений по запасам. Цель состоит в создании решения с “нулевым процентом безумия”, чтобы гарантировать разумность принимаемых решений. Верморель утверждает, что рассмотрение каждой проблемы как ошибки, которую нужно исправить, способствует мышлению о постоянном росте и совершенствовании, что приводит к лучшей общей производительности.
Расширенное резюме
В интервью ведущий Киран Чандлер обсуждает с основателем компании Lokad Жоаннесом Верморелем проблемы, с которыми сталкиваются современные планировщики цепей поставок, особенно в управлении единицами хранения (SKU). Верморель объясняет, что количество SKU, которыми управляет планировщик, обычно варьируется от нескольких сотен до нескольких тысяч в зависимости от отрасли. Розница является исключением, поскольку планировщики могут иметь дело с большим количеством SKU на уровне склада, но на уровне магазина они обычно управляют шаблонами мин-макс вместо отдельных SKU.
Количество SKU, которыми управляет планировщик, часто определяется временем, необходимым для завершения цикла по списку ссылок. Планировщики обычно работают с электронными таблицами, корректируя количество и значения минимума-максимума и классифицируя SKU по категориям, таким как топ-продажи и медленно движущиеся товары.
Верморель подчеркивает, что отношение между объемом SKU и непостоянством обратно коррелирует. Крупные компании FMCG (бытовые товары быстрого оборота) с большими объемами имеют меньшее непостоянство, в то время как отрасли с низким объемом и высоким непостоянством, такие как автозапчасти, могут иметь более сложный прогноз, но экономическая ценность не так значительна. Количество SKU, которыми управляет планировщик цепи поставок, зависит от отрасли и характера продукции. Процесс обычно включает управление несколькими сотнями до нескольких тысяч SKU и использование электронных таблиц для контроля и корректировки уровней запасов, учитывая такие факторы, как объем, непостоянство и экономическая ценность.
Они противопоставляют подход компании Lokad классическому методу управления цепями поставок.
Традиционно планировщики спроса используют электронные таблицы с десятками столбцов для принятия решений о запасах, уделяя больше внимания приоритетным позициям (A) и меньше внимания менее приоритетным позициям (B и C). Такой подход требует значительных операционных затрат (OPEX) с незначительной капитализацией. Единственная капитализация происходит при разработке электронной таблицы, которая становится полезной для последующих месяцев.
Lokad, с другой стороны, привлекает ученых по цепям поставок, которые разрабатывают числовые рецепты для принятия решений о запасах. Их первоочередная цель - создать решение с “нулевым процентом безумия”, обеспечивая разумные решения. Например, плохим решением может быть запас только коричневых и черных сумок в магазине модной одежды, потому что они продаются лучше, в то время как игнорируются другие цвета, необходимые для мерчандайзинга.
Создавая числовые рецепты, отражающие экспертизу, подход Lokad позволяет одному ученому по цепям поставок управлять огромным количеством SKU и большими объемами запасов. Такой подход представляет собой значительное отклонение от классического метода, который требовал бы десятки или даже сотни планировщиков спроса для управления той же нагрузкой. Основное внимание Lokad уделяется созданию активов (CAPEX), а не простому потреблению ресурсов (OPEX).
Подход Lokad подвергает сомнению необходимость ежедневного пересмотра электронных таблиц, поскольку решения основаны на доступных данных. Вместо этого он реализует мыслительный процесс планировщиков спроса через числовые рецепты, возможно с применением конкретных технологий машинного обучения.
Верморель объясняет важность использования технологий машинного обучения для компаний, которые все еще нанимают белых воротничков для выполнения рутинных задач, поскольку это может привести к повышению эффективности. Однако он признает, что некоторые работы, например, уборка склада, остаются сложными для автоматизации из-за ограничений существующей технологии.
Верморель подчеркивает, что многие решения в цепи поставок, такие как объем заказов и ценовые точки, могут быть полностью автоматизированы с помощью числовых рецептов. Он уточняет, что это не означает автоматизацию без человеческого контроля, а скорее развертывание человеческих идей в масштабе и позволение компьютерам обрабатывать рутинную числовую работу. Ограничения, говорит он, заключаются в сложности самой цепи поставок и необходимости использования приближений, чтобы обеспечить управляемость числового рецепта с программной точки зрения.
Также обсуждается баланс между количеством строк кода и рабочей нагрузкой одного ученого по цепям поставок. Верморель предлагает, что разделение цепи поставок на более мелкие части, управляемые несколькими учеными, может помочь улучшить совершенствование числовых рецептов. Однако это может привести к уменьшению производительности, поскольку дополнительные ученые вносят меньший вклад в общий результат.
Интервью затрагивает парадокс производительности, когда один человек отвечает за управление огромным количеством SKU, и необходимость в большем количестве людей для работы с крупными цепями поставок. Верморель заключает, подчеркивая важность смягчения “факторов грузовика” путем наличия резервного персонала, который может заменить ушедшего из компании сотрудника.
Обсуждение сосредоточено на том, как принятие решений в цепи поставок может быть сделано более эффективным, эффективным и капиталистическим путем использования технологий и непрерывного совершенствования.
Верморель утверждает, что традиционные подходы к планированию спроса, основанные на принятии решений человеком и использовании электронных таблиц, ограничены в своей способности обеспечивать непрерывное совершенствование. После начальной настройки системы планирования спроса улучшения обычно замедляются, и команда застревает в цикле поддержки системы. Это мешает им иметь время и ресурсы для сосредоточения на непрерывном совершенствовании.
С другой стороны, подход Lokad нацелен на автоматизацию 100% решений в цепи поставок, позволяя ученым по цепям поставок полностью посвятить свои усилия непрерывному совершенствованию. Хотя настройка такой системы может занять больше времени, чем традиционная система планирования спроса, в конечном итоге это приводит к более эффективной и эффективной цепи поставок.
Верморель подчеркивает, что отношение к каждой проблеме как к ошибке, которую нужно исправить, способствует мышлению о постоянном росте и совершенствовании. Такой капиталистический подход к управлению цепями поставок обеспечивает непрерывное развитие и улучшение ученых по цепям поставок, что приводит к лучшей общей производительности.
Однако есть проблемы с внедрением таких капиталистических подходов. Десятилетиями не существовало технологий и программного обеспечения, необходимых для таких систем. Кроме того, многие компании не рассматривали управление цепями поставок как важную функцию, относя ее к категории вспомогательных функций или центров затрат. В результате не было большого стимула инвестировать в новые технологии или практики, чтобы сделать управление цепями поставок более капиталистическим.
Чтобы преодолеть эти преграды, Верморель предлагает, чтобы компании изменили свое мышление, признавая ценность управления цепями поставок как актив, а не просто центр затрат. В сочетании с наличием новых технологий и программного обеспечения это может обеспечить более капиталистический и эффективный подход к принятию решений в цепи поставок.
Полный текст
Кирен Чандлер: Привет, с увеличением ассортимента современных компаний и упрощением управления запасами современный планировщик цепи поставок должен уметь управлять множеством задач. Мы собираемся узнать, сколько SKU должен управлять планировщик цепи поставок и сколько считается слишком многим. Итак, Джоаннес, кажется, что планировщикам цепи поставок сегодня приходится делать очень много. Сколько SKU обычно управляет планировщик цепи поставок?
Джоаннес Верморель: Исходя из моих наблюдений, это зависит от отрасли, но большинство компаний обычно управляют несколькими сотнями до нескольких тысяч SKU. Хотя есть ситуации, когда компании управляют десятками тысяч SKU, это больше исключение. Типичный диапазон, который я видел, составляет около 500-1000 SKU во многих отраслях.
Кирен Чандлер: Насколько это зависит от отрасли? Я предполагаю, что в розничной торговле у вас не так много SKU, но в гипермаркете их будет гораздо больше.
Джоаннес Верморель: Да, розница, вероятно, является исключением, где планировщики спроса имеют дело с большим количеством SKU. Однако даже в розничных сетях планировщики спроса обычно управляют только несколькими сотнями SKU на уровне склада. На уровне магазина они обычно используют шаблоны минимум-максимум, которые они воспроизводят в большом количестве магазинов с похожими характеристиками. Таким образом, они не управляют SKU непосредственно на уровне магазина, а управляют мета-SKU или шаблоном. Если умножить количество управляемых магазинов на количество продуктов, получится большое количество SKU, но это не то, как обычно выполняется работа. Таким образом, менеджеры обычно обрабатывают не более нескольких тысяч SKU на одного человека.
Кирен Чандлер: Какие факторы влияют на количество SKU, которыми управляет один человек? Есть ли какие-то классические правила, которыми люди руководствуются?
Жоанн Верморель: Классический подход, который используют большинство планировщиков спроса и планировщиков поставок, заключается в том, чтобы пройти через длинную таблицу Excel, где каждая SKU представлена в отдельной строке, и различные столбцы предоставляют индикаторы. Эти индикаторы могут включать информацию о том, сколько было продано за последние несколько недель, за последний год или в том же периоде, но в прошлом году, чтобы учесть сезонность. Планировщики проходят по каждой строке, корректируя количество и уровни минимум-максимум на основе данных в этих столбцах.
Кирен Чандлер: Таблица Excel, вы возвращаетесь назад и итерируетесь. Возможно, вы разбиваете свои SKU на классы, такие как ABC, чтобы провести больше времени на самых продаваемых и меньше времени на медленно движущихся товарах. Вот и все, и вы видите, что количество SKU очень сильно определяется временем, которое требуется планировщику спроса для прохождения цикла по списку товаров, которыми он управляет. Так что в этом примере я представляю себе, что это зависит от множества различий в продуктах. Так что если вы работаете в компании, например, Coca-Cola, где есть всего один продукт, это значит, что у нас есть только один планировщик спроса?
Жоанн Верморель: Нет, я имею в виду, у Coca-Cola есть сотни продуктов. И если вы начнете рассматривать то, что нужно планировать с точки зрения Coca-Cola, то сначала им придется практически планировать каждый отдельный канал, потому что их каналы огромны. Обычно планировщики организованы по географическим или канальным принципам, и в итоге у вас получается планировщик для одного канала. У них есть несколько сотен SKU, и в итоге у вас снова получается несколько сотен SKU на одного планировщика. Кроме того, часто, я имею в виду компании, очень крупные FMCG-компании, также должны заниматься управляемым поставщиком инвентаря (VMI). Так что снова у вас получается несколько сотен SKU на одного планировщика.
Кирен Чандлер: А как насчет сложности прогнозирования, если вы работаете в отрасли, где много новых продуктов, например, мода? Это значит, что вы сможете управлять меньшим количеством SKU на одного человека?
Жоанн Верморель: Это интересная вещь, и снова я описываю то, что считаю сейчас основным, а не то, как работает Lokad. Но дело в том, что когда вы имеете дело с очень высокой непостоянностью, это обычно продукты с очень низким объемом. Вы видите, что есть обратная корреляция между непостоянством и объемом. Если вы являетесь крупным FMCG-производителем, у вас высокие объемы и меньшая непостоянность. Но также вы можете подумать: “О, если у меня меньше непостоянства, может быть, прогнозирование проще”. Да, но также то, что вы прогнозируете, с экономической точки зрения, очень важно, потому что мы говорим о большой массе. С другой стороны, если мы говорим о супер непостоянном прогнозе, скажем, автомобильные запчасти в длинном хвосте, то да, это невероятно непостоянно, но также объем очень низкий, и стоимость не так велика. Так что даже если, да, технически прогноз сложнее, и непостоянство гораздо выше, экономическая реальность заключается в том, что экономический вес этой позиции в вашей цепи поставок невелик, и поэтому не имеет большого значения, сложнее это или нет. Не очень разумно тратить больше времени на эти позиции.
Кирен Чандлер: Хорошо, а теперь давайте сравним, как Lokad делает это по сравнению с более классическим подходом. В чем разница между тем, что управляет ученый в области цепей поставок, и тем, что вы можете управлять в классическом подходе?
Жоанн Верморель: Так классический подход, и вот почему мы получаем это количество SKU на планировщика спроса, заключается в том, что люди консолидируют информацию.
Кирен Чандлер: Таким образом, люди используют таблицы Excel с десятками столбцов, которые объясняют, что они должны видеть, и затем принимают решения, просматривая таблицу. Они начинают с самых важных позиций и тратят меньше времени на менее важные. Как часто они пересматривают эти позиции?
Жоанн Верморель: Ну, они могут пересматривать все важные позиции ежедневно, в то время как менее важные они пересматривают только ежемесячно. Время, затрачиваемое планировщиком, является операционными расходами. Работа, которую вы потребляете, время вашего планировщика спроса, просто чтобы выполнить работу по планированию спроса, ничего не капитализируется. Единственная капитализация происходит от наличия хорошо спроектированной таблицы Excel со всеми необходимыми столбцами. Эта часть работы, имеющая хорошо настроенную таблицу, является капиталистической в том смысле, что вы делаете это один раз, а затем ваша работа становится быстрее на все последующие месяцы. Однако эта часть занимает всего несколько недель в начале, а затем она заканчивается. Вы не капитализируете дальше этой точки.
Кирен Чандлер: Расскажите нам о подходе Lokad и в чем он отличается от традиционных методов.
Жоанн Верморель: Подход Lokad очень отличается. Ученый в области цепей поставок в основном создает рецепт, в котором вы хотите, чтобы все ваши решения, прямо из коробки, были не глупыми. Вы хотите иметь нулевой процент безумия. Это первый этап, на который мы нацеливаемся, когда хотим перейти к производству.
Кирен Чандлер: Можете привести пример глупого решения?
Жоанн Верморель: Глупым решением было бы, скажем, у вас есть модный магазин, который продает женские сумки. Вы ставите в магазин только коричневые и черные сумки, потому что эти цвета продаются больше всего. В результате витрина выглядит грустно и не имеет разнообразия цветов. Вы хотели бы иметь нотки других цветов, таких как белый или желтый, в целях мерчандайзинга. Умное решение по пополнению запасов должно учитывать факторы, выходящие за рамки продаж и аспектов обслуживания. Вы также хотите учитывать внешний вид магазина.
Кирен Чандлер: Таким образом, вы говорите, что числовые рецепты должны учитывать эти идеи и отражать опыт, который имел бы человек, выполняющий эту работу вручную, а не придерживаться наивных формул для резервного запаса?
Жоанн Верморель: Именно. Сначала вы хотите создать числовой рецепт, который учитывает эти идеи. После того, как у вас есть это, вы понимаете, что можете работать практически на любом масштабе. В Lokad у нас есть ученые в области цепей поставок, которые индивидуально управляют запасами стоимостью более миллиарда евро.
Кирен Чандлер: один человек управляет запасами на сумму в четыре миллиона SKU. Таким образом, вы видите, что внезапно возникает полное разрыв между количеством SKU и количеством людей, которыми может управлять один человек. Если делать это классическим способом, то это было бы десятки, если не сотни планировщиков. Кстати, у нас были массовые изменения, которые произошли у наших клиентов, когда мы внедрили такие техники, потому что внезапно…
Жоанн Верморель: Это не означает, что все эти планировщики были уволены, кстати. Есть множество вещей, где вы можете добавить больше ценности. Но вопрос в том, если вы являетесь частью компании и то, что вы делаете, - это просто просмотр таблицы Excel каждый день, как это создает точную ценность для компании? Действительно ли компания инвестирует в вашу работу, где работа, которую вы выполняете, генерирует капитал для компании, то есть что-то, что является активом, или это просто то, что потребляется? Это капитальные затраты против операционных расходов. И подход Lokad в основном заключается в том, чтобы сосредоточиться на вещах: капитальные затраты, капитальные затраты, капитальные затраты. Мы хотим иметь актив.
Кирен Чандлер: Как числовой рецепт создает этот актив? Как это работает?
Жоанн Верморель: Идея в том, почему бы вам не пересматривать свою таблицу каждый день? Вы знаете, если вы принимаете решение, вы принимаете его на основе имеющихся данных. Так что вы видите, как планировщик спроса, когда у вас есть сотни продуктов, вы не знаете каждый продукт наизусть, вы знаете все, что есть. Нет, я имею в виду, это может происходить в некоторых очень специфических областях, но это очень редко. Обычно вы просто правильно проектируете десятки столбцов, которые объясняют, на что вы должны смотреть, и затем принимаете числовое решение на основе этого. Ну, подход Lokad заключается в том, чтобы реализовать то, что вы делаете в своей голове. И да, для этого может потребоваться некоторая специфическая машинное обучение. Да, возможно, есть отношения, которые не так легко выразить в терминах простых числовых формул, классических числовых формул, потому что, возможно, вы делаете, в своей голове, оценку риска.
Таким образом, способ, которым Lokad, например, численно решает проблему оценки риска, заключается в использовании вероятностных прогнозов с экономическими факторами. Но вы видите, что есть целый ряд проблем, и идея заключается в том, что каждый раз, когда вы получаете число, сгенерированное вашим числовым рецептом, которое выглядит неправильно, вам нужно рассматривать это как ошибку и исправлять ее. И не должно быть никаких исключений, никаких предупреждений.
Кирен Чандлер: Так вы упомянули эти нюансы техник машинного обучения. Должны ли все компании стремиться использовать подобные технологии в своих подходах?
Жоанн Верморель: Я бы сказал, что любая компания, которая до сих пор нанимает сотрудников для выполнения чрезвычайно рутинных задач, просто делает ошибку, без исключения. Вы видите, никаких исключений. Есть области, где в терминах физических задач некоторые операции все еще очень трудно автоматизировать. Например, роботы иногда бывают негибкими, и иметь кого-то, чтобы просто что-то сделать, например…
Кирен Чандлер: Операции, такие простые, как уборка, где, скажем, произошло разлив масла на вашем складе, и вам просто нужно его убрать, на самом деле очень трудно автоматизировать. Иметь робота, который может немного убирать, взять губку и сделать это очень трудно. Так что есть некоторые работы, которые кажутся простыми, например, просто взять ведро воды, губку, моющее средство и убрать это. Это вещи, которые очень трудно автоматизировать и выходят за рамки возможностей наших самых совершенных роботов на данный момент.
Жоанн Верморель: В этом случае у нас есть люди, которые выполняют эту работу, но автоматизация выходит за рамки наших технических возможностей. Когда дело доходит до принятия решений в цепи поставок, таких как числовые решения, например, что я должен заказать, сколько единиц я должен заказать для каждого отдельного SKU, следует ли повысить или понизить цену, или следует ли мне перемещать запасы из места А в место Б, все эти вопросы могут быть полностью автоматизированы. Я не говорю, что это автоматизация без человеческого контроля; это не то, что я описываю. Я описываю числовой рецепт, который был разработан человеком, где люди понимают, что происходит. Просто вы масштабируете человеческие инсайты, позволяя компьютеру выполнять механическую числовую работу за вас.
Кирен Чандлер: Итак, где лежат ограничения? Вы упомянули, что ученые в области цепей поставок будут управлять миллиардами долларов стоимостью запасов. Каковы ограничивающие факторы?
Жоанн Верморель: Ограничивающим фактором становится сложность самой цепи поставок, где в какой-то момент ваше числовое решение будет приближением вашей цепи поставок. Вы хотите быть приближенно правильными, а не точно неправильными. Ученые в области цепей поставок не могут моделировать реальность точно; всегда приходится делать выбор, чтобы ваше числовое решение оставалось 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 вы один человек и вам нужно поддерживать полмиллиона строк кода, это становится неуправляемым. Таким образом, существует баланс в количестве строк кода, которые вовлечены.
Таким образом, если у вас есть один человек, в какой-то момент становится интересным вводить, особенно если вы работаете с очень большими цепями поставок, способы разделения ваших цепей поставок между различными учеными в области цепей поставок, чтобы они могли индивидуально уделять больше времени определенным проблемам. Например, если у вас есть одна цепь поставок и у вас есть решения о ценообразовании и закупках, в какой-то момент эти две вещи будут сильно переплетены, но в какой-то момент это
Кирен Чандлер: Итак, Жоанн, вы упомянули, что наличие двух ответственных за ценообразование и закупки людей может быть полезным, но производительность имеет убывающие доходы. Можете ли вы объяснить это подробнее?
Жоанн Верморель: Да, имеет смысл иметь двух человек, чтобы иметь более высокую степень точности в ваших числовых решениях для ценообразования и закупок. Тем не менее, эти два человека будут много обсуждать и координировать свои действия, что означает, что также есть убывающие доходы в терминах производительности. Таким образом, вы видите, что в какой-то момент, чтобы получить этот дополнительный один процент производительности, очень разумно добавить больше людей к делу, даже если это означает, что в терминах производительности добавление второго человека улучшает производительность только на плюс. Если бы вы имели полностью линейную зависимость, вы бы сказали, что добавление второго ученого в области цепей поставок увеличивает производственный вывод на 100 процентов. На самом деле у вас будет только пятьдесят процентов, а затем третий человек добавит только тридцать процентов. Таким образом, это будет очень быстро уменьшаться в терминах пропускной способности. У вас есть очень сильные экономии масштаба. Тем не менее, если вы работаете с очень большой цепью поставок, стоит сделать это, даже если только для смягчения факторов риска грузовика, когда кто-то уходит, у вас есть кто-то, кто готов взять на себя.
Кирен Чандлер: Интересно, что вы упоминаете слово производительность, потому что все это звучит как некий парадокс. У вас есть один человек, который отвечает за гораздо большее количество товаров. Как он может быть более эффективным и быстрым в своих решениях, чем команда людей, отвечающих за более узкий круг задач?
Жоанн Верморель: Потому что команда людей, отвечающих за узкий круг задач, в том, что они делают, нет ничего очень капиталистического. Вы знаете, что единственная капиталистическая часть - это настройка чистой красивой таблицы, ваше рабочее окружение, которое происходит, знаете ли, в течение первых пары недель. И затем вы больше не капитализируете. Так что вы застряли, вы застряли в тупике, где внезапно все ваши усилия полностью поглощены, и вы не вводите больше интеллекта в систему. Вы просто проходите через процесс, который поглощает все ваше время, и поэтому у вас не остается времени на непрерывные улучшения. И вы видите, что подход Lokad заключается в том, чтобы сказать, что 100 процентов усилий ученого в области цепей поставок должны быть посвящены непрерывному улучшению. Так что настройка занимает немного больше времени, чем снова с точки зрения классического планирования спроса. Возможно, у вас может быть настройка за две недели, где вы просто инструментируете свою таблицу, и все готово. Настройка с точки зрения Lokad, вероятно, займет немного больше времени. Но взамен вы получаете что-то, где 100 процентов ваших решений, которые нужно принять в любой день, делаются автоматически, что дает вам почти все время для фокусировки на непрерывном улучшении.
Кирен Чандлер: Понятно. И рассматривание каждой проблемы как ошибки, которую нужно исправить, должно быть времязатратным.
Жоанн Верморель: Да, и дело в том, что если вы рассматриваете каждую проблему как ошибку, которую нужно исправить, то это означает, что вы ставите себя в положение, когда каждый день, в сущности, вы тратите несколько минут, чтобы убедиться, что нет никаких проблем, которые нужно решить.
Кирен Чандлер: Просто потому что что-то совершенно неожиданное происходит, например, затопление склада, ничего нельзя сделать. Такое случается в цепи поставок, и тогда вы можете провести весь день, улучшая свой числовой рецепт. И это дает вам невероятно капиталистический подход. Если вы думаете, что, потому что ученые по цепям поставок каждую неделю будут добавлять слой улучшений, это именно то, что происходило с классической точки зрения с планировщиком спроса в течение первых двух недель, но затем это прекращается. И с ракетной перспективой этот суперкапиталистический труд никогда не прекращается. И вот почему, пройдя пару месяцев, вы получаете что-то, где есть только один человек, но он намного продуктивнее, чем классический подход. И это также в терминах оценки эффективности цепей поставки, это также намного лучше. Просто потому что снова вы построили свои улучшения таким образом, что это очень, очень капиталистический подход. Хорошо, мы начнем подводить итоги. Так вот, где находятся самые большие преграды для внедрения таких капиталистических подходов? Какие большие проблемы вам нужно решить?
Жоанн Верморель: Я имею в виду, самая большая проблема заключается в том, что десятилетиями у нас не было таких программных рецептов, программных технологий, чтобы сделать такие вещи возможными. Итак, у нас были эти таблицы, и затем, например, в Lokad, пока мы не разработали вероятностный подход, у нас были большие проблемы с численным выражением того, что происходило в голове планировщика спроса, который проводил некоторую оценку рисков. Вы интуитивно понимали, что происходит. Люди могли описать, что они делали, но как вы это переводите в формулы? Это был открытый вопрос. И есть формулы, есть подходы, например, safety suck, которые просто пытаются сделать это, но это просто не работает. Нам нужен лучший класс числовых рецептов. Так что это был один класс преград. Другой класс преград заключался в том, что многие компании не рассматривали цепь поставок как функцию, имеющую какое-либо значение. Так что цепь поставок была просто поддерживающей функцией. Факт того, что это не является основной функцией, не был проблемой. Это была поддерживающая функция. Она стоит деньги, как и большинство поддерживающих функций. Вы не ожидаете, что ваша поддерживающая функция будет создавать ценность для компании. Так что это просто центр затрат. И пока этот центр затрат держит свои собственные затраты под контролем, так и пусть. Так что видите ли, это было двояким. Во-первых, тот факт, что не было реальных технологических способов сделать эту вещь капиталистической. И затем, второе, если люди не осознают, что это актив, то они не входят в ту мысль, которая требуется, чтобы действительно изменить практику так, чтобы она стала капиталистической. Потому что, видите ли, для того, чтобы практика цепи поставок стала капиталистической, она должна начаться с акта веры, акта веры, если хотите, что она может стать активом. Пока вы думаете, что это просто поддерживающая функция, которая является центром затрат, то, догадайтесь, она никогда не станет больше, чем центр затрат.
Кирен Чандлер: Да, это интересная концепция, идея изменения вещей в более капиталистическом ключе. Итак, мы должны закончить здесь, но большое спасибо за просмотр, и увидимся в следующем эпизоде. Спасибо за просмотр.
