00:00:00 Введение в интервью
00:00:47 Биография Пола Яна и опыт преподавания
00:02:16 Роль данных в цепях поставок и в обучении
00:04:00 Сотрудничество с Lokad и его влияние
00:06:20 Проблемы цепей поставок в реальном мире и трудности преподавания
00:10:49 Объяснение «зловещих проблем» в цепях поставок
00:14:37 Влияние корпоративных сообщений на восприятие продукта
00:16:11 Непрерывный анализ данных и ограничения Excel
00:19:11 Обработка реляционных данных и недостатки Excel
00:21:49 Переход к SQL для обработки данных
00:24:11 Преимущества знакомства студентов с Lokad
00:26:33 Учебные аспекты затрат в цепях поставок
00:29:13 Использование Envision и критика корпоративного ПО
00:32:24 Поиск решений и ограничения инструментов
00:35:16 Лучшие инструменты для лучших решений в цепях поставок
00:37:57 Опыт преподавания и философия Жоаннеса Вермореля
00:41:15 Базовые структуры данных и ограничения прогнозирования
00:45:31 Визуальные методы обучения и твердые предположения
00:48:32 Необходимость изменений в индустрии цепей поставок
00:51:12 Цепи поставок как совокупность «зловещих проблем»
00:54:24 Приблизительно правильное понимание в цепях поставок
00:57:55 Обучение работе с «зловещими» проблемами в цепях поставок
01:00:47 Заключительные слова и важность инвестиций частного сектора
01:03:24 Преодоление страха перед статистикой и заключительные замечания
Резюме
Конор Дохерти, ведущий Lokad TV, недавно провёл обсуждение с Жоаннесом Верморелем, основателем Lokad, и Полом Яном, профессором по цепям поставок в Университете Торонто. Беседа была сосредоточена на развивающейся области управления цепями поставок, роли данных и важности образования. Верморель представил концепцию «зловещих проблем» в цепях поставок, подчеркнув ограничения Excel и необходимость таких инструментов, как SQL Server. Ян поделился опытом перехода от Excel к более программируемым решениям, высоко оценив инструмент Lokad — Envision. Оба отметили необходимость инноваций в индустрии и важность образования в управлении цепями поставок.
Расширенное резюме
В недавнем интервью ведущий Конор Дохерти провёл полемическое обсуждение с Жоаннесом Верморелем, основателем Lokad, и Полом Яном, доцентом по операциям и управлению цепями поставок в Rotman School of Management. Беседа вращалась вокруг развивающейся ситуации в области управления цепями поставок, роли данных и важности образования в этой сфере.
Пол Ян, обладая обширным опытом в консалтинге и корпоративном секторе Америки, уже около четырёх лет преподаёт курсы по операциям и аналитике цепей поставок в Университете Торонто. Его курсы, включающие базовый курс по управлению операциями и цепями поставок, а также курс в сотрудничестве с Lokad, нацелены на преодоление разрыва между теорией и практикой. Ян отмечает, что, хотя данные становятся всё более значимыми в отрасли, у студентов часто не хватает уверенности в применении знаний в реальной жизни. Именно здесь вступает в игру сотрудничество с Lokad, предоставляющее готовую среду для работы над задачами цепей поставок, позволяя студентам сосредоточиться на сути поставленных задач, а не на технических деталях настройки среды программирования.
Верморель представил концепцию «зловещих проблем» в цепях поставок — проблем, которые невозможно решить прямым, поверхностным анализом и которые требуют процесса открытий. Он отметил ограничения Excel при работе с современными данными цепей поставок, заявив, что программа не масштабируется в той мере, которая требуется для современных цепей поставок. Верморель предположил, что ответ Microsoft на эту проблему — SQL Server и другие инструменты для работы с реляционными данными. Он также упомянул, что «песочница» Lokad призвана познакомить студентов с реальностью реляционных данных.
Ян поделился своим опытом перехода от Excel к более программируемым решениям, согласившись с замечаниями Вермореля об ограничениях Excel. Он отметил, что изучил SQL в одном из проектов и оценил его возможности для обработки и упрощения данных. Ян также похвалил Envision, инструмент Lokad, за его простоту и удобство использования, что помогло упростить процесс корректировки предположений и снизить количество ошибок, которые могли возникнуть в Excel.
Затем разговор перешёл к необходимому образу мышления для работы с этими инструментами и вопросу, обучают ли в классе таким понятиям, как альтернативные издержки. Ян ответил, что хотя понятие альтернативных издержек не является простым, студенты с экономическим образованием могут его понять. Он отметил разрыв между тем, что понимают и на чём сосредоточены управляющие, и тем, на чём фокусируются операционные специалисты: первые ориентируются на финансовые итоги, а вторые — на традиционные показатели.
Верморель согласился с замечаниями Яна и обсудил ограничения мышления в рамках парадигмы Excel. Он объяснил, что если Excel — единственный инструмент, о котором можно подумать, то это ограничивает возможности представления альтернативных решений. Верморель подверг критике мнение о том, что цифровые технологии постоянно меняются и что знания в этой области быстро устаревают. Он утверждал, что многие фундаментальные понятия, такие как структура реляционных данных и базовые типы данных, вряд ли существенно изменятся со временем.
Интервью завершилось тем, что Верморель и Ян подчеркнули необходимость перемен в индустрии и важность образования в управлении цепями поставок. Верморель объяснил, что управление цепями поставок включает ряд сложных задач из-за взаимосвязи современных компаний. Он выступил за использование парадигм и инструментов, способных справляться с этими сложными задачами, вместо поиска точных решений, которые могут оказаться неверными. Ян, в свою очередь, описал свой подход к преподаванию как постепенный и революционный: начиная с традиционных теорий и затем вводя сложности реального мира через сотрудничество с такими компаниями, как Lokad. Он признал, что обучение работе с «зловещими проблемами», столь сложными и зависящими от действий других, является непростой задачей.
Полная расшифровка
Конор Дохерти: С возвращением на Lokad TV. Навыки, необходимые для успешной работы в цепях поставок, кардинально изменились за последние 20 лет и, по всей видимости, будут меняться и дальше. Конечно, это не новость для сегодняшних гостей. Присоединяющийся к нам дистанционно из Rotman School of Management, доцент по операциям и управлению цепями поставок, Пол Ян. Пол, добро пожаловать в Lokad. Спасибо, что пригласили. Рад быть здесь.
Теперь, Пол, я сказал, добро пожаловать в Lokad, хотя это немного некорректное название. Ведь мы уже хорошо знакомы. Вы сотрудничали с нами уже некоторое время и, фактически, посетили наш новый офис в Париже. Но для тех, кто не знаком с вашей работой, не могли бы вы рассказать о себе, описать свой опыт, пожалуйста?
Пол Ян: Спасибо, что пригласили. Меня зовут Пол Ян. В настоящее время я профессор Университета Торонто, где преподаю курсы по операциям и аналитике цепей поставок. Я имею обширный опыт работы в промышленности, в том числе в консалтинге и корпоративном секторе Америки. Последние около 15 лет я работал и в промышленности, и в консалтинге, а теперь преподаю, делясь своими знаниями и опытом со студентами Университета Торонто.
Конор Дохерти: И как долго вы преподаёте в Rotman School of Management?
Пол Ян: Я преподаю в Rotman около четырёх лет, а до этого работал в Университете Калифорнии, Ирвайн. Таким образом, в общей сложности я преподаю примерно семь лет.
Конор Дохерти: А как изменились курсы по цепям поставок даже за этот короткий период?
Пол Ян: Здесь, в Rotman, я веду базовый курс, который является введением в управление операциями и цепями поставок. Именно на этом курсе студенты изучают основные теории, их применение и некоторые практические аспекты. Я также преподаю ещё один курс в сотрудничестве с Lokad, цель которого — применить эти теории и практики на практике в рамках компании. Со временем появляется всё больше данных от ERP-систем компаний, и даже в средних и малых предприятиях существует своя система захвата данных или ERP. Таким образом, данные становятся всё более значимыми, и, по моим наблюдениям, у студентов не хватает уверенности и опыта в применении изученного в школе к реальной жизни.
Конор Дохерти: Ну а теперь, Жоаннес, я перейду к вам: не могли бы вы описать, в чём именно заключается сотрудничество с Полом в рамках более широкой образовательной инициативы Lokad?
Пол Ян: В базовом курсе, который я веду, у меня нет пространства для отклонений. Я должен строго следовать учебной программе и требованиям, установленным университетом и кафедрой. Поэтому основное внимание уделяется традиционным теориям и моделям, которые изучает студент. Что я делаю, так это дополняю их анекдотами, историями или советами, на что стоит обратить внимание при выходе на рынок труда. Но по требованию учебного заведения фундаментом остаются традиционные теории. В другом же курсе, проводимом в сотрудничестве с Lokad, у меня есть свобода применить больше практических знаний с точки зрения специалиста. Так, когда речь идёт о понимании реальности и финансовых итогах — чего традиционные теории не охватывают — на практике руководители оценивают финансовое влияние тех или иных решений. Вот в чем разница между курсами и как я применяю свой опыт в них.
Конор Дохерти: Благодарю вас, Пол. А теперь, Жоаннес, не могли бы вы описать, в чём именно заключается сотрудничество с Полом в рамках общей образовательной инициативы Lokad?
Жоаннес Верморель: Да, в Lokad мы начали инициативу около года назад, чтобы сделать наш технологический стек более доступным. Обычно Lokad предоставляется как корпоративное бизнес-приложение, доступное только нашим VIP-клиентам и потенциальным клиентам. Мы переупаковали его в то, что мы называем «песочницей» — слегка упрощённую версию Lokad, доступную по адресу tr.lo.com. Это даёт доступ к среде программирования на базе Envision и небольшой файловой системе. С точки зрения образования, идея состоит в проведении серии мастер-классов, на которых студенты могут работать с набором данных, являющимся упрощённой, но всё же достаточно репрезентативной версией реальных данных. Мы не хотели, чтобы задание оказалось слишком лёгким и теоретическим. Идея в том, что мы можем предоставить готовую среду, в которой студент может сразу начать работу с набором данных и выполнить небольшую задачу по цепям поставок. Это отражает те вызовы, с которыми сталкиваются сотрудники компаний при проблемах с поставщиками: необходимо проанализировать, какие поставщики не способны доставить продукцию вовремя и в полном объёме, либо спрогнозировать спрос, или решить любую другую аналитическую задачу. Идея в том, что Lokad стремился создать для этого подходящую среду. Причина в том, что студенты, изучающие цепи поставок, не являются программистами. То есть, если бы вы попросили аудиторию будущих программистов настроить Python-среду, свой собственный конвейер извлечения данных и логику разбора данных для работы с набором данных с использованием технологий с открытым исходным кодом, это было бы вполне осуществимо. Но учитывая временные рамки для студентов, которые не являются программистами, а являются инженерами цепей поставок или будущими такими инженерами, нам нужна готовая среда для мастер-класса, который посвящён прежде всего цепям поставок, а не тонкостям разбора CSV-файла в Python. Поэтому подобная подготовка необходима, и именно это мы можем сделать с данной средой. Мы предоставляем среду, где данные уже подготовлены, скрипт для их чтения уже написан, так что студенты могут сразу перейти к сути проблемы — понять, что делать с цепочкой поставок, с поставщиком, со спросом, и применить цепочечное мышление с использованием программного инструмента. Наша цель — позволить учебным программам, как правило слабо оснащённым техническими средствами, выполнять более продвинутые задачи, не увязая в чистой технической части. Проще говоря, мы предоставляем среду, которую можно воспроизвести без проблем в 5000 строках кода Python. Это вполне осуществимо, но проблема в том, что если вы пойдёте этим путём, то не сможете провести плодотворную трёхчасовую практическую сессию со студентами по цепям поставок, а получите трёхчасовую сессию чистого программирования, где студенты будут разбираться только в том, как обработать CSV-файл, что с точки зрения цепей поставок не очень интересно.
Конор Дохерти: А, Пол, небольшой вопрос по этому поводу. Насколько сложны технические навыки, такие как программирование, для типичного студента базового уровня в области цепей поставок?
Paul Jan: Я могу привести реальный пример: пару недель назад мы начинали семестр здесь. Я бы сказал, что примерно 20% нового класса уже имели какой-то опыт программирования, например, проходили курсы Python в классе. Подавляющее большинство такого опыта не имели. Поэтому, когда они приходят, я думаю, они воодушевлены, потому что понимают, что этот навык принесет им пользу в будущем, так как объем данных сегодня очень велик, и Excel оказывается громоздким инструментом для анализа такого количества данных. Программирование помогает упростить этот процесс. Но при этом они немного боятся и переживают, так как у них нет опыта. Это очень важный навык сейчас, но его не хватает в обучении студентов бизнеса — не только в области цепочек поставок, но и вообще для бизнес-студентов.
Conor Doherty: Спасибо. И это как раз идеально переходит к следующему вопросу. Joannes, я давно ждал возможности спросить: вы в своих лекциях описывали проблемы цепочек поставок как сложные проблемы. Так что у меня два вопроса. Во-первых, что именно вы подразумеваете под «сложными проблемами» в цепочке поставок? И во-вторых, исходя из того, что только что сказал Paul, почему инструменты, такие как Excel, не подходят для решения этих сложных проблем?
Joannes Vermorel: Понятие «wicked problem» не возникло у меня. Это, по сути, проблемы, которые не поддаются простому, первичному анализу. Это задача, путь к решению которой требует длительного процесса, в ходе которого вы постепенно обнаруживаете саму проблему.
Примером тому служит следующий вопрос: что такое хорошая реклама? Если я попрошу вас вычислить площадь поверхности геометрической фигуры в квадратных дюймах или квадратных сантиметрах, фигура может оказаться очень сложной, поэтому вычисление может быть затруднено, но это замкнутая задача. Существует аналитическое решение, которое даст вам либо точное значение, либо очень хорошее приближение.
Но если я спрошу, что такое хорошая реклама, ответ действительно зависит от множества факторов, в том числе от того, что делают ваши конкуренты. Например, если вы создаете фантастическую рекламу, а затем ваши конкуренты так её копируют, что ваша реклама, которая была блестящей, становится неотличимой от всех остальных, то, несмотря на то, что изначально это была отличная реклама, она превращается в плохую просто потому, что все её скопировали.
Вот в чем заключается эта сложность. Сам ответ, который вы даете, может впоследствии нейтрализовать сам себя. Это довольно странно: я даю очень хороший ответ, и именно из-за его качества его копируют, а в результате копирования он становится плохим ответом. Вот пример и «wicked problem».
Цепочка поставок полна сложных проблем. Вы решаете разместить распределительный центр в каком-то месте, чтобы опередить конкурента. А тот конкурент в ответ решает копировать ваш ход и перестраивает свои распределительные центры, чтобы вас опередить. Вот такие случаи.
Таким образом, всё нестабильно. Ответ не является стабильным. Эти сложные проблемы по своей природе конкурентны, и есть люди, которые отвечают на то, что вы делаете. Это не похоже на задачу по вычислению площади геометрической фигуры, где ответ не зависит от того, что происходит во вселенной или какие решения принимают другие. Такая задача хорошо изолирована.
А затем есть проблемы, в отношении которых вы даже не уверены, правильно ли вы их формулируете. Что означает качество обслуживания? Да, можно сказать, что качество обслуживания связано с повышением уровня сервиса, но на самом деле качество обслуживания определяется восприятием клиента, и что это вообще значит? Это очень непростой вопрос.
Для некоторых людей может оказаться, что если есть заменители, то всё в порядке. Они не ожидают, что этот отдельный продукт будет единственно доступным. Возможно, если есть альтернативы, они удовлетворены. Другие же могут не согласиться: у них может быть очень узкое представление о том, что им действительно нужно, и они скажут: «Я хочу именно этот штрих-код, иначе это не подходит».
А затем, в зависимости от того, какие сообщения транслирует компания, от общего стиля коммуникации, вы можете либо усилить, либо ослабить восприятие людьми того, что другие продукты могут служить заменителями. Если ваше сообщение гласит, что этот продукт совершенно уникален и альтернатив не существует, то не удивляйтесь, если люди даже не захотят рассматривать другие ваши продукты как замену — ведь именно таково ваше сообщение. Это может быть хорошим ходом против конкурентов, но может создать сложности, если вы захотите убедить людей принять альтернативы.
Ситуации невероятно разнообразны. Итак, суть этих сложных проблем, и это типичный подход Lokad, заключается в том, что когда перед вами стоят такие проблемы, лучше анализировать их с использованием данных, а не пытаться решать их без них.
Независимо от того, какой вопрос стоит, например, хороша ли реклама, ответить на него проще, если вы можете измерить продажи и сопоставить их, скажем, с расходами на рекламу. Это не означает, что вопрос решается полностью, но вы будете лучше информированы, чем при попытке ответить на него без данных.
Обычно, даже если вы сталкиваетесь с трудной задачей, наличие данных помогает. Проблема в том, что из-за её сложности вам нужно постоянно пересматривать свои аналитические подходы, и универсального ответа здесь не существует. Вы обрабатываете данные, обдумываете их и, возможно, задаете немного другой вопрос в зависимости от ситуации.
Таким образом, при столкновении с такими сложными проблемами наличие данных полезно, поскольку оно позволяет быть лучше информированным, что, как правило, предпочтительнее. Но это также означает, что вам придется периодически повторять свой анализ, ведь окончательного ответа не будет.
В этом отношении Excel хорош. Он позволяет пересматривать анализ так часто, как вам нужно. Проблема в том, что Excel не масштабируется до уровня, требуемого современными цепочками поставок. Сегодня речь идет о десятках тысяч продуктов, миллионах транзакций, огромном объеме транзакционных данных. Excel просто не подходит для этого.
Основная проблема в том, что данные современных цепочек поставок превышают возможности Excel, и это происходит по двум направлениям. Во-первых, — по количеству строк. Excel ограничен одним миллионом строк. Но это не главная проблема. Теоретически, Microsoft могла бы переработать Excel так, чтобы он поддерживал 100 миллионов строк. Это не невозможно, и на самом деле есть несколько конкурентов Excel, которые могут это сделать.
Но когда мы говорим о современных цепочках поставок, проблема в том, что Excel изначально рассчитан на работу с одной таблицей за раз. Он предполагает, что данные представлены в виде единой плоской таблицы. Однако на практике транзакционные данные в цепочке поставок состоят из множества таблиц. Есть таблица поставщиков, таблица транзакций, таблица клиентов, таблица продуктов, таблица цветов или форм и так далее.
Таким образом, вам очень часто приходится работать как минимум с полудюжиной таблиц. Это означает, что вам не хватает чего-то вроде реляционной алгебры, которая и лежит в основе обработки транзакционных данных. Данные в цепочке поставок транзакционные и реляционные: у вас есть примерно полудюжины таблиц, и вот здесь Excel действительно не справляется.
У вас есть не только ограничение по числу строк, которое, возможно, можно было бы устранить, но и более общая проблема — ограниченность с точки зрения семантики. Excel не предоставляет возможности работы с несколькими таблицами.
И, кстати, причина гораздо глубже: Microsoft даже не стремится расширить лимит в 1 миллион строк. Люди в Microsoft давно понимают, что даже если увеличить лимит до 100 миллионов строк, следующим этапом станет необходимость работы с несколькими таблицами, что неудобно реализовать в Excel.
Именно поэтому ответ Microsoft был таким: «Если вам нужны реляционные данные, у вас есть SQL Server или инструменты, которые рассматривают реляционные данные как первоклассные», а не попытка реализовать это в электронной таблице. И, кстати, это также то, что мы пытаемся сделать с этой площадкой — познакомить студентов с реальностью реляционных данных, предлагая язык, для которого реляционные данные являются первоклассными.
Потому что я убежден, что это не изменится. Через сорок лет ERP-системы все еще будут иметь таблицы и столбцы. Эта концепция была установлена более четырех десятилетий назад и остается стабильной составляющей цифровой цепочки поставок на протяжении более чем четырех десятилетий.
Conor Doherty: Paul, интересный вопрос, поскольку у вас обширный опыт в частном секторе и формальное образование в этой области. Когда вы начинали и нарабатывали опыт, я полагаю, вы работали с Excel. И если это так, в какой момент вы подумали: «Мне нужно рассмотреть более богатые, программные опции»? Что стало причиной отхода от Excel?
Paul Jan: Отклонение, о котором говорил Joannes ранее. Excel хорош, знаете, он работает с одной таблицей за раз, и связывать все эти таблицы или листы в Excel крайне неудобно. И даже если это удается, это занимает много времени, если нужно изменить предположения или переменные, чтобы проверить все изменения, внесенные в Excel.
Вы часто сталкиваетесь с ошибками. Часто в итоге происходят ошибки, потому что забываете изменить ту или иную переменную или предположение, что приводит к тому, что конечный результат получается немного иным. Так что, думаю, примерно через пару лет у меня появилась возможность изучить SQL. Раньше я не знал SQL, но я изучил его в одном из проектов и был поражен как самим языком, так и его возможностями обрабатывать и упрощать, по крайней мере, первую часть — получение описательных данных и обнаружение аномалий в самих данных.
Это значительно упрощает, по крайней мере, первую стадию: получение описательных данных и выявление аномалий в самих данных. Обеспечение чистоты данных и нахождение способов интеграции различных источников данных действительно упростили процесс. Именно тогда я и сделал переход. В то время SQL стал моим первым выбором аналитических инструментов для обработки, точнее предварительной обработки, данных, чтобы понять, как они выглядят и есть ли аномалии. Затем я проводил первоначальный описательный анализ, а Excel использовался исключительно для удобства визуализации. После этого для построения диаграмм и графиков мы использовали Excel.
Хочу добавить к тому, что упоминал Joannes относительно обнаружения Lokad. Я тоже открыл для себя Lokad пару лет назад, но не предпринял такой инициативы, какую реализовал в прошлом году для знакомства студентов с этим инструментом. Честно говоря, я боялся, что аспект программирования отпугнет студентов от использования инструмента и от получения знаний на занятиях. Но должен сказать, я ошибался. За последние несколько месяцев нашего сотрудничества я понял, что Envision — очень понятный инструмент. Даже с моим опытом в программировании и базах данных он оказался по-настоящему простым для понимания, и, думаю, студентам его ещё легче понять, поскольку код можно читать как обычный язык.
Он отличается, например, от Python и других языков, где иногда все выглядит непонятно и не связано без объяснений того, кто писал программу. Пока что это оказалось очень полезным упражнением для внедрения данного инструмента. Это действительно упростило процесс корректировки предположений — тех моментов, которые мы могли не учесть в данных, позволяя обновлять их непосредственно в коде, а затем отражать изменения в панели управления для студентов.
Я по-прежнему считаю это вводным уровнем. Для студентов это способ понять на высоком уровне, с позиции «сверху вниз», что делает компания и как она это делает, опираясь на описательные данные — количество клиентов, максимальные продажи, тенденцию ABC для их продукта. Исходя из этого, они могут понять, как устроены цепочки поставок, а затем мы углубляем анализ. Таким образом, наличие этой программы, этого опыта программирования с Envision, оказалось чрезвычайно полезным и значительно сократило количество ошибок, которые мы могли допустить в Excel.
Conor Doherty: Продолжу вопрос, адресованный вам, Paul, а затем Joannes. Итак, вопрос из области философии, который вам понравится. Мне кажется, мы уже говорили об инструментах — Envision это инструмент, но использование инструментов требует определённого мышления. Как вы только что упомянули, основой работы Lokad с Envision является чисто финансовый взгляд на проблемы цепочки поставок и сокращение ошибок в долларах или евро. Это, пожалуй, смесь экономики и немного философии, понимания того, что если я делаю что-то одно, то другое невозможно, то есть альтернативные издержки.
Что касается мышления, понимания того, как использовать эти инструменты, нужно ли это дополнительно преподавать на занятиях, или студенты автоматически понимают: «А, да, альтернативные издержки, воспользуюсь этим инструментом, и все становится очевидным»?
Paul Jan: Я бы не сказал, что это очевидно с первого взгляда, но студенты проходят обучение по экономике, поэтому понимают, что такое компромисс, альтернативные издержки. Даже на базовом курсе по цепочке поставок или операционном курсе, который я преподаю, мы знакомим студентов с понятием избыточных затрат, затрат на утилизацию и прочих расходов, которые могут возникнуть при принятии решения о том, сколько и когда нужно иметь запас. Эти понятия понятны и близки студентам, когда вы объясняете, что способ расчета этого финансового результата основан на методе ABC.
На практике, эти финансовые показатели — это то, что мы также пытаемся количественно оценить для руководителей в любых консультационных проектах. Руководители понимают, что когда вы говорите им: «это ваши затраты или возможности в долларах», они это воспринимают. Но, по моему мнению, для специалистов по цепочке поставок или операционных специалистов в основном важны традиционные метрики, такие как оборот, точность прогнозирования. Они понимают это, но уделяют этому больше внимания. Таким образом, существует определённый разрыв между тем, что понимают руководители, и тем, чему обучены операционные специалисты. С точки зрения студента, введение или объяснение этих концепций — задача несложная.
Conor Doherty: Спасибо, Пол. А Жоанес, слово вам. Итак, опираясь на сказанное, я прекрасно понимаю, почему такие вещи, как Python, SQL и, разумеется, Envision — наш доменно-специфичный язык — могут быть незнакомы новичкам в цепочке поставок. Но концепция ограниченных ресурсов и альтернативных вариантов использования, являющаяся основой экономики, существует уже более века. Так почему же этот аспект экономического мышления так отличается в кругах цепочки поставок по сравнению с тем, как, по словам Пола, он интуитивно понятен в классе?
Joannes Vermorel: Сначала хочу подхватить замечание Пола. Когда вы говорили, что беспокоитесь об использовании Envision, я думаю, вы были правы. Для аудитории: лично я считаю, что подавляющее большинство корпоративного ПО — это полная чепуха, буквально полная чепуха. И, говоря о покупке программного обеспечения, я обращаюсь прямо к вам. Поэтому вполне разумно по умолчанию предполагать, что оно окажется чистой чепухой, а потом приятно удивиться, если окажется иначе. Но я думаю, что это разумное предположение. Я твердо убежден, что Envision не относится к этой категории — мы сделали хорошую работу. Но, опять же, по умолчанию стоит ожидать, что корпоративное ПО будет очень низкого качества, особенно по сравнению с популярными проектами с открытым исходным кодом. Это справедливое и весьма рациональное предположение о ландшафте приложений.
Теперь, что касается такого рода финансового мышления, и когда Пол упомянул метод ABC, то есть распределение затрат по видам деятельности (activity-based costing), кстати, а не ABC-анализ. Суть в том, что очень сложно думать о проблемах, если вы не в состоянии представить решение. Так что, когда люди говорят, что хотят мыслить в терминах точности или уровня обслуживания, это действительно классические метрики. Проблема в том, что если всё, что у вас есть — это электронная таблица Excel, то практически вы и ограничены только ею. Поэтому, если вы можете думать только в терминах таблиц, вам будет трудно перейти к более сложным концепциям, требующим представления проблем. Как же я превращу всё это в доллары, если вам трудно представить решение?
Люди часто сначала думают о решении, а затем уже о проблеме. Очень сложно даже сформулировать проблему, не имея в голове хотя бы приблизительного решения. Сначала вы натыкаетесь на какое-то приблизительное решение, а затем, когда хотите объяснить, что сделали, фактически придумываете проблему, которая соответствует этому решению. Люди интуитивно представляют сначала решение, а потом, чтобы иметь возможность о нём рассказать, создают проблему.
Ваша способность придумывать решения зависит от инструментов, доступных в вашем воображении. Если у вас в голове Excel, то все решения, о которых вы можете подумать, — это те, которые можно реализовать в Excel. Это ограничивает вас парадигмой точности и уровня обслуживания, поскольку это те операции, которые возможны в Excel.
Вот почему так важно на базовых курсах знакомить студентов с более совершенными инструментами, позволяющими мыслить, например, с помощью таблиц, столбцов и таких концепций, как SQL. Проблема не в самом SQL, а в парадигме, которую он предлагает — таблицы, фильтры, агрегации, столбцы, типы значений, такие как строки, числа, булевы значения. Эти элементы чрезвычайно важны, и как только вы освоите эти парадигмы, сможете придумывать более сложные классы решений.
Чтобы анализировать финансовые индикаторы, нужно учитывать затраты на хранение — для этого нужна отдельная таблица с предположениями о стоимости хранения. Необходимо также учитывать стоимость дефицита товара, так что эта информация должна быть где-то учтена. Дело не в том, что люди традиционно не способны думать о затратах на хранение или страхование, они это знают. Но когда речь заходит о придумывание решения, если всё, о чём они могут думать, — это электронная таблица, им очень трудно представить таблицу, которая смогла бы объединить все эти 20 различных факторов.
Но если вы умеете мыслить с использованием реляционных данных, то у вас появляются инструменты, позволяющие думать: «Хорошо, я просто заполняю все эти затраты с помощью нужного количества таблиц». И, концептуально, если эти затраты по отдельности просты, всё сводится к их суммированию.
Это долгое объяснение, но именно поэтому традиционное управление цепочками поставок проявляет такую осторожность. У них не было возможности получить такое образование, где можно было бы по-настоящему мыслить, используя современные инструменты.
Paul Jan: Я полностью согласен с оценкой Жоанеса. Если бы мы провели оценку компетенций в операциях любой компании по цепочке поставок, я уверен, что обнаружили бы большой разрыв в понимании того, о чем мы только что говорили. Именно это и представляет собой проблему в обучении следующего поколения молодых специалистов мыслить иначе и внедрять инновации.
Joannes Vermorel: Я преподаю уже семь лет, не по цепочке поставок, а по распределённым вычислениям и программной инженерии. Моя философия, когда я преподавал в Eon Normal Superior of Paris, где у меня была полная свобода выбора материала, заключалась в том, чтобы сосредоточиться на темах, которые будут актуальны ещё через четыре десятилетия.
Мой самый большой страх заключался в том, чтобы преподавать что-то, что окажется просто временной модой, чем-то, что через пять лет будет восприниматься как пустяковщина и исчезнет. Поэтому мой подход всегда заключался в вопросе: «Будет ли это актуально со временем? Есть ли большая вероятность, что через 40 лет это всё ещё будет иметь значение?»
Например, SQL был утверждён как стандарт ещё в 1989 году. Он развивается, но основная суть не изменилась с тех пор. Базовая модель — реляционные данные — не менялась с конца 70-х годов. Это оказалось невероятно успешным, ведь практически 99% ERP-рынка использует этот формат реляционных данных так или иначе.
У людей складывается впечатление, что цифровые технологии постоянно меняются, что вам нужно изучить что-то одно, а через два года это уже устареет. Я считаю, что это проблема, ведь создаётся ощущение, что эти знания можно выбросить. Это также вводит руководство в заблуждение, заставляя думать, что можно обойтись без них, потому что через два года всё изменится.
Если всё сделано правильно, существует множество фундаментальных предметов. Одним из них является реляционная структура данных. Базовые типы данных — текст, булевы значения, числа — уже были такими в конце 70-х годов. Даже Python 3, последняя версия, всё ещё имеет это в своей основе. Маловероятно, что это изменится в течение следующих четырёх десятилетий.
Аналогично, если мы подумаем о прогнозировании, о том, как смотреть в будущее, временные ряды, об их ограничениях, о том, что дает прогноз на основе временных рядов и чего он не дает, о том, что по своей сути не может дать — это тоже не изменится. Самый базовый вид прогноза через четыре десятилетия всё ещё будет основываться на временных рядах — по дням, неделям, месяцам — и его ограничения сохранятся.
Если бы мне пришлось преподавать прогнозирование, вместо того чтобы сосредоточиться на том, какая модель прогнозирования временных рядов является лучшей (а она будет меняться), я бы обратил внимание на встроенные предположения, присущие прогнозированию временных рядов, на то, что оно даёт и чего не даёт, а также на опасные ограничения и то, как подходить к неопределённости.
Я понимаю, что это очень сложная задача. Большинство университетских профессоров не имели той роскоши, которую имел я, когда администрация нисколько не интересовалась тем, что именно я преподаю.
Conor Doherty: Пол, когда вы преподаёте прогнозирование спроса, рассматриваете ли вы распределения вероятностей, чтобы понимать неопределённость будущего?
Paul Jan: На базовом курсе мы это обсуждаем, а также на занятиях по управлению спросом, прогнозированию и управлению запасами. Но мы исходим из предположения, что изменчивость и неопределённости подчиняются нормальному распределению, что значительно упрощает преподавание.
Однако при применении вероятностного подхода, который рассматривает вероятность вариаций для продукта в целом, можно наглядно это показать. Люди воспринимают информацию визуально, поэтому они могут понять, почему один продукт ведёт себя иначе, чем другой.
В этом семестре я подумываю перенести часть материала с продвинутого курса на базовый, чтобы объяснить неопределённости и вариации более наглядно.
Joannes Vermorel: Делать сильные предположения в учебных целях нормально. Я помню, когда учился в университете, один из моих преподавателей физики упрощал расчёты, предполагая, что корова — это сфера. Очевидно, корова не является сферой, но для упражнения разумно разрешить студентам проводить упрощённые расчёты. Это помогает им экспериментировать с концепциями, не увязая в сложных расчетах.
Однако в мире цепочки поставок люди делают аналогичные допущения, например, полагают, что спрос распределён нормально. Это учебное допущение, которое не выдерживает проверки реальностью. Тем не менее, поставщики корпоративного ПО используют это и жестко закладывают такие предположения в своё программное обеспечение. Это безумие. Это всё равно, что General Motors запрограммировал бы предположения о сферах и пассажирах в своих автомобилях. Люди посчитали бы это сумасшедшим. Так не делают с реальным автомобилем, который будет двигаться в реальном мире.
Тем не менее, странным образом, поставщики ПО для цепочки поставок утверждают, что нет ничего страшного в том, чтобы эти предположения были жестко закодированы в их программном обеспечении. Это моя реакция на статус-кво в этой отрасли, которое мне кажется немного безумным. Необходимы перемены. По каким-то странным причинам, кажется, что поставщики ПО для цепочки поставок напрямую переносят эти безумные предположения, введённые для учебных целей, в свое ПО.
Но, возможно, это несправедливо требовать такого от профессоров. Может быть, именно поставщикам корпоративного ПО для цепочки поставок следует смириться с реальностью.
Conor Doherty: Именно об этом я и собирался спросить. С точки зрения Пола из Rotman School of Management, его задача — преподавать эти концепции. А для Lokad, поставщика ПО для цепочки поставок, почему образование имеет такое значение? Почему уделяют этому так много внимания?
Joannes Vermorel: Цепочка поставок — это совокупность крайне сложных проблем, возникающих из-за объединения всех сил компании. По определению, цепочка поставок скрепляет компанию, объединяя продажи, производство, транспорт, маркетинг, финансы — всё вместе. Это не простая задача. Современные компании работают в разных странах, поэтому у вас не только противостояние между продажами и маркетингом, но и, например, противостояние между Францией, Италией и Испанией.
Цепочка поставок по своей сути — это ряд сложных проблем, продиктованных самой природой объединения множества конфликтующих интересов внутри и вне компании. Мы должны мыслить в терминах парадигм и инструментов, которые позволяют даже приблизительно справляться с этими проблемами. Вместо того чтобы стремиться к приблизительно правильному, люди выбирают абсолютно неверное и упорно полагаются на множество числовых рецептов, точность которых гораздо выше, чем требуется.
Conor Doherty: Мы немного сбавляем обороты, но я хочу вернуть слово вам. Концепция цепочки поставок, которую предлагает Жоанес, кажется мне глубоко философской. Когда речь заходит о проблемах первого и второго порядка, это почти как у Витгенштейна. Мне интересно: придерживаетесь ли вы подобного глубоко философского подхода к цепочке поставок? Позволяет ли вам администрация это? Нужно ли с первого дня полностью переосмыслить всю философию цепочки поставок? Говорите ли вы студентам, что нам нужно полностью переосмыслить колесо, или всё происходит постепенно?
Paul Jan: Это происходит постепенно, и при этом носит разрушительный характер. В университете, когда студент учится, он начинает с основ, затем проходит промежуточный курс по управлению операциями цепочки поставок, а потом переходит на более продвинутый курс, который я веду в этом семестре совместно с Lokad. Он постепенно осваивает традиционные теории и приложения. Но затем наступает момент, когда, по моему опыту, я не знаю, как преподнести студентам всю сложность цепочки поставок, не дав им испытать её на практике. Именно поэтому мы работаем с реальными компаниями. Мы обрабатываем реальные данные и применяем инструменты анализа. Студенты видят всю сложность, неопределённость и понимают, что то, чему их учили на предыдущих курсах, не может быть применено напрямую. Вы можете это сделать, но это может оказаться нецелесообразным.
Таким образом, это философский вопрос. Кстати, это открытая проблема. Если заглянуть на страницу Wikipedia о «Wicked problems», то можно увидеть, что все дисциплины, сталкивающиеся с такого рода проблемами, где правильный или неправильный ответ зависит от действий других людей, невероятно сложно преподавать. Это не только проблема цепочки поставок — есть и другие области, где это чрезвычайно трудно.
Joannes Vermorel: Существуют даже области, где, например, у нас недавно был гость, рассказывающий о торговле на публичных рынках, и если вы даже раскроете, как это делается, то подрываете собственное решение и источник дохода. Поэтому секретность имеет первостепенное значение в таких вопросах. Если вы что-то понимаете, профессионально не стоит об этом говорить, потому что, сделав это, люди могут воспользоваться этой информацией против вас.
Но, по моему мнению, Lokad продолжит стараться. Мы будем поддерживать хорошие университеты, такие как Университет Торонто, которые движутся в этом направлении. Мы не ожидаем мгновенного решения, но любой шаг в этом направлении уже лучше, чем притворяться, что проблема вообще не существует.
Conor Doherty: Точно, более-менее правильно. Ну, Пол, здесь принято давать последнее слово гостю. Есть ли что-то, что вы хотели бы рассказать людям или посоветовать своим студентам по поводу выпускных?
Paul Jan: Пока никаких советов по выпускным, но я хотел бы вернуться к комментарию Йоаннеса о том, почему частные секторы инвестируют в образование. Вы вкладываетесь в лекции, статьи и блоги, и я это ценю. Многие из этих студентов после окончания университета обращаются к продавцам, поставщикам и веб-сайтам, чтобы найти информацию, понять, что такое управление цепочками поставок, или освежить память.
Например, статистика — очень пугающий предмет для студентов. Так что предположение, что всё нормально, значительно упрощает дело, так как избавляет от этого страха. Но если у вас есть реальная основа для обоснования различных вариантов поведения, тогда они могут быть более готовы учиться, чтобы преодолеть этот страх. После университета ваша информация становится для них более доступной, и это помогает нам выйти из мышления, что можно применить одно и то же решение ко всем различным сложным проблемам.
Conor Doherty: Отлично. На этом всё. Фактически у меня больше нет вопросов. Йоаннес, спасибо за ваше время.
Joannes Vermorel: Большое спасибо за ваше участие и за постоянное сотрудничество.
Conor Doherty: И спасибо всем за просмотр. Увидимся в следующий раз.