00:00:00 Введение и определение терминов
00:02:40 Неопределенность и затраты на защиту в цепях поставок
00:03:54 Управление рисками и минимизация потерь
00:05:30 Несводимый риск и возможности в цепях поставок
00:07:37 Цепи поставок против совершенства производства
00:09:35 Риски и возможности в цепях поставок и у конкурентов
00:14:09 Проблемы статичного подхода в цепях поставок
00:15:56 Предсказуемые ошибки как бизнес-практика
00:18:46 Инженерная гибкость в цепях поставок
00:21:20 Долларовая оценка рисков и возможностей
00:23:36 Финансовая оптимизация рисков в цепях поставок
00:26:37 Подход Lokad к вероятностному прогнозированию
00:29:53 Риск масштабных сбоев и региональных катастроф
00:31:59 Учет рисков в ежедневных решениях по управлению цепями поставок
00:34:08 Риск потери крупных клиентов и корреляция рисков
00:37:03 Искажения в проекциях карт и математических моделях
00:42:31 Построение прогнозов и риск временных рядов
00:45:20 Стохастическая оптимизация и вероятностный подход
00:48:36 Декомпозиция экономических факторов для решений по управлению цепями поставок
00:51:44 Компании часто удивляются прошлым событиям
00:57:00 Ущербные прогнозы и перекрестная энтропия в прогнозировании
01:00:00 Важность применимых оценок рисков
01:06:49 Финансовые риски распределения запасов
01:13:54 Стоимость промоакций и зависимость от IT как риск
01:17:22 Сложность моделирования психологии клиентов
01:24:26 Оценка прогнозов временных рядов
01:27:33 Риски в стандартном программном обеспечении для управления цепями поставок
01:29:30 Заключительные мысли и призыв к действию
Резюме
Конор Дохерти, ведущий LokadTV, и Жоаннес Верморель, основатель Lokad, обсуждают присущие риски в управлении цепями поставок. Верморель подчеркивает, что основной риск заключается в неопределенности будущего, которая не может быть сведена к нулю и находится вне контроля. Он отмечает, что каждое решение предполагает компромисс между риском и выгодой, и что нулевой риск недостижим. Верморель также отмечает возможности, которые могут возникнуть из этих рисков, например, использование рыночных дефицитов. Он пропагандирует гибкий и оппортунистичный подход, а также использование вероятностного прогнозирования для смягчения рисков. Верморель и Дохерти приходят к выводу, что даже небольшие компании могут извлечь выгоду из управления рисками, что приводит к увеличению маржи и денежных потоков.
Расширенное резюме
В разговоре между Конором Дохерти, ведущим, и Жоаннесом Верморелем, основателем Lokad — компании-разработчика программного обеспечения, специализирующейся на оптимизации цепей поставок — тема управления рисками в цепях поставок рассматривается детально. Верморель объясняет, что основной источник риска в цепях поставок — это неопределенность будущего. В отличие от производства, где риски можно устранить посредством совершенствования процесса, риски в цепях поставок зависят от будущих условий, которые неизвестны и не могут быть снижены.
Верморель подчеркивает, что каждое решение в управлении цепями поставок предполагает компромисс между риском и выгодой, а неопределенность будущего не может быть устранена. Он также отмечает, что нулевой риск не существует в цепях поставок. Даже при идеально налаженном производственном процессе всегда существует риск в двузначных процентах, что продукт не будет продан на рынке через пять лет.
Верморель вновь отмечает, что источник риска в цепях поставок — это неопределенность будущего. Он объясняет, что этот риск не может быть устранен, и в отличие от таких областей, как бухгалтерский учет, где риски можно исключить, риски в цепях поставок находятся вне контроля и могут только смягчаться. Он также указывает, что, хотя в цепях поставок присутствуют риски, они сопровождаются и возможностями. Например, наличие большого запаса товара во время рыночного дефицита может привести к неплохой прибыли.
Верморель соглашается с наблюдением Дохерти, что риски в цепях поставок кажутся более распространенными и имеют предсказуемые финансовые последствия. Он подчеркивает, что управление цепями поставок связано с обработкой множества рисков и возможностей, большинство из которых находятся вне контроля, и единственное, что можно сделать, — это принимать решения, уравновешивающие эти риски и возможности.
Верморель объясняет, что в цепях поставок могут возникать как риски, так и возможности. Например, выход на рынок или уход конкурента может привести к снижению или повышению цен, что влияет на прибыльность. Он также приводит пример европейской компании электронной коммерции, которая воспользовалась неожиданным событием для получения значительной прибыли.
Верморель объясняет, что в цепях поставок важно иметь гибкое и оппортунистичное мышление. Он отмечает, что, хотя возможно разработать практики, позволяющие воспользоваться предсказуемыми ошибками, также важно быть готовым к новым рискам.
Верморель обсуждает стоимость дефектов в автомобильном производстве, отмечая, что в управлении цепями поставок нет жестких ограничений, и все допускается для финансовой оптимизации. Он объясняет, что прогнозирование используется в управлении цепями поставок для смягчения рисков. Однако, в отличие от дефектов в автомобильном производстве, неточности прогнозов никогда не будут полностью устранены.
Верморель вводит понятие вероятностного прогнозирования, при котором каждому возможному будущему соответствует своя вероятность. Он объясняет, что такие риски, как 2%-й шанс потерять клиентов, могут учитываться в вероятностных прогнозах посредством прогнозирования поведения клиентов, а не спроса на продукты.
Верморель утверждает, что качество подхода, ориентированного на риск, следует оценивать по конечным результатам, а не по качеству вероятностного прогноза. Он подчеркивает, что главной задачей должно быть понимание того, сколько денег было заработано или потеряно, а не точность прогноза.
Верморель предлагает, что перекрестная энтропия, мера точности вероятностного прогнозирования, столь же абстрактна, как и проценты, но обладает хорошими свойствами для построения качественных моделей. Он подчеркивает, что конечные результаты, выражающиеся в снижении ошибок с точки зрения денег, являются самым важным показателем.
Верморель предполагает, что подобные отделы управления рисками часто бывают бюрократическими, и их оценки не имеют последствий, если они не корректируют каждое отдельное решение в цепях поставок. Он утверждает, что если оценки рисков не влияют на решения о закупках, то их игнорируют.
Верморель соглашается, отмечая, что, хотя оба типа решений важны, макро-решения часто являются ставкой, в то время как ежедневные решения можно оценить количественно.
Верморель рассматривает классическую концепцию управления цепями поставок, согласно которой каждый магазин рассматривается независимо и поддерживается резервный запас для покрытия возможных дефицитов. Однако такой подход может привести к проблемам, например, к исчерпанию запасов на уровне склада. Он критикует традиционный метод последовательного распределения резервных запасов по магазинам, в результате чего одни магазины полностью укомплектованы, а другие остаются пустыми. Это может привести к неудовлетворенному спросу и избытку товара в некоторых магазинах.
Верморель предлагает, что более эффективным подходом было бы равномерное распределение запасов, чтобы все магазины одновременно испытывали нехватку, что максимизировало бы продажи. Он предлагает вероятностный метод, учитывающий сеть и взаимосвязи между всеми магазинами и доступными запасами.
Верморель обсуждает нематериальные риски, такие как ожидания клиентов и ценность бренда. Например, предложение скидок может привести к тому, что клиенты будут ожидать будущих скидок, что сложно количественно оценить и управлять. Он также упоминает и другие виды рисков, такие как зависимость от информационных технологий, которые могут влиять на цепи поставок.
Верморель объясняет, что промоакции могут привести к тому, что клиенты будут ждать следующих акций, прежде чем совершить покупку, что сложно моделировать и управлять из-за долгосрочного характера поведения клиентов. Он предполагает, что подход, основанный на управлении рисками, более совместим с подобными оценками по сравнению с традиционными прогнозами на основе временных рядов.
Верморель ставит под сомнение представление о том, что только крупные компании могут позволить себе управление рисками, утверждая, что игнорирование рисков может оказаться более затратным. Он предполагает, что вероятностные прогнозы могут быть более эффективными и проще в применении, чем традиционные прогнозы на основе временных рядов. Верморель утверждает, что даже небольшие компании могут извлечь пользу из управления рисками, поскольку это может привести к увеличению маржи и денежных потоков.
В заключение, Верморель соглашается с резюме Дохерти, утверждая, что многие компании сталкиваются с предотвратимыми катастрофами из-за игнорирования рисков. Он предполагает, что лучшее соответствие между реальностью и управлением цепями поставок может привести к более высокой степени автоматизации и уменьшению числа людей, необходимых для управления процессом.
Полная транскрипция
Конор Дохерти: С возвращением на LokadTV! Риск является системным в цепях поставок. С определенной точки зрения, каждое решение в управлении цепями поставок содержит потенциальные классы риска, как непосредственно, так и косвенно. Чтобы объяснить, почему это так - и, что не менее важно, как этого избежать - у нас в гостях Жоаннес Верморель, основатель Lokad.
Итак, Жоаннес, как говорил великий американский мыслитель Джордж Костанза, чтобы управлять риском, сначала нужно его понять. А чтобы его понять, необходимо сначала определить его. Так что в контексте управления цепями поставок, что же такое управление рисками и чем оно отличается от управления рисками в других областях, таких как производство?
Жоаннес Верморель: Основной источник риска в цепях поставок — это будущее, которое вы не знаете. В производстве все сводится к наличию правильного процесса. Если у вас есть правильный процесс, вы, возможно, сможете произвести миллиард деталей, ни разу не столкнувшись с дефектами. Таким образом, с точки зрения производства, риск может быть устранен. Риск не так зависит от будущего. Например, если у вас есть дефектный процесс, создающий пожарную опасность для вашего завода, то рано или поздно завод обгорит.
В управлении цепями поставок речь идет о будущем, которое вы не знаете, и вы не можете защитить все возможности, потому что это слишком дорого. Всегда существует вероятность, что спрос на определенные товары возрастет в 20 раз, но следует ли держать на складе в 20 раз больше, чем вы ожидаете продать, учитывая соответствующий срок поставки и прочие нюансы, просто из-за одной удаленной возможности столкнуться с этим чрезвычайно непредсказуемым всплеском спроса? Нет.
По сути, я бы сказал, что в отличие от некоторых других областей в управлении цепями поставок, источники риска — это условия будущего, которые вы не знаете, и каждое принятое вами решение представляет собой своего рода компромисс между риском и выгодой, связанными с этой неопределенностью будущего. И я бы сказал, что неопределенность будущего не может быть снижена, в отличие, скажем, от неопределенности, связанной с материальными активами на вашем производственном предприятии.
Нулевого риска никогда не бывает. Хотя если говорить о производственном процессе, можно приблизиться очень близко к нулю. То есть, это не абсолютный ноль, но очень, очень близко к нему. Что касается цепей поставок, посмотрите на любой продукт: всегда существует риск в двузначных процентах, что этот продукт больше не будет продаваться на рынке через пять лет. Очень мало продуктов, о которых можно с абсолютной уверенностью сказать, что они будут существовать через пять лет, особенно если учесть, что продукт может быть заменен другим вариантом, который все равно считается другим SKU.
Конор Дохерти: Итак, подытоживая, вы утверждаете, что управление рисками в цепях поставок сводится исключительно к минимизации потерь ресурсов или это просто финансовый вопрос?
Жоаннес Верморель: Источник риска — это, по сути, тот факт, что вы не знаете будущее. Если бы у вас был волшебный хрустальный шар, который мог бы предсказать будущее, теоретически вы могли бы практически устранить риск в управлении цепями поставок, если, конечно, у вас было бы достаточно денег.
Этот источник риска не может быть сниженным и кажется странным во многих других областях. Например, в бухгалтерском учете существует риск ошибок, но именно для этого и предназначены бухгалтерские практики — чтобы в основном устранить этот риск. Когда вы рассматриваете риски, связанные с ошибками в бухгалтерском учете, вы действительно хотите, чтобы они были крайне редкими.
В управлении цепями поставок у вас нет выбора. Независимо от того, насколько вы хороши и соблюдаете ли вы правильные практики, риск не может быть устранен. Может возникнуть война, локдауны, пожары, всевозможные события, которые вообще вне вашего контроля и существенно влияют на спрос. Это и есть основной источник риска — то, что вы не знаете будущее, и все, что вы можете сделать, — это смягчить эти риски. Но также, поскольку существует риск, возникают и возможности, которых нет в таких областях, как бухгалтерский учет.
Например, если у вас оказывается много запасов какого-либо товара во время рыночного дефицита, вы можете получить приличную прибыль, продавая этот товар по премиальной цене.
Конор Догерти: Кажется, что многие из этих проблем в цепочке поставок будут гораздо более распространены, чем приведённый вами пример найма некомпетентного или морально неприемлемого работника. Такие случаи чрезвычайно редки, но, видимо, те виды риска, о которых вы говорите в контексте цепочки поставок — например, увеличение сроков поставки или их сокращение на пару дней — являются довольно регулярными и имеют предсказуемые финансовые последствия.
Йоаннес Верморель: Да, и они не зависят от вас. Это также один из моментов, который сильно отличается. Если вы находитесь в производственном процессе на заводе и у вас появляются дефекты, исправление процесса так, чтобы дефекты больше не возникали, полностью лежит на вас. Вы можете потенциально достичь состояния нулевых дефектов, что является совершенством, или приблизиться к совершенству.
Опять же, если мы переходим в сферу цепочки поставок, то не совсем. То есть, по определению, если у вас есть срок поставки, у вас есть поставщик, и эта компания находится вне вашего контроля. И даже если вы берёте транспортировку на себя, у вас может быть перевозчик, и он всё равно оказывается вне вашего контроля. И даже если вы берёте перевозчика на себя, дорога может быть перекрыта из-за затопления шоссе или по другой причине, и опять же это вне вашего контроля.
Таким образом, специфика практики цепочки поставок заключается в том, что вы имеете дело с множеством рисков и, наоборот, множеством возможностей, которые в основном находятся вне вашего контроля. Поэтому единственное, что вы можете сделать, — это принимать решения, которые должным образом уравновешивают эти риски и возможности.
Конор Догерти: Итак, когда вы говорите о возможностях в контексте риска, вы имеете в виду упущенные возможности?
Йоаннес Верморель: Да, конкурент может внезапно выйти на рынок и снизить цены. Это риск. Таким образом, вам может потребоваться снизить цену, и тогда ваша прибыль окажется ниже ожидаемой или, возможно, вовсе пропадёт. Но может случиться и обратное. Конкурент может покинуть рынок. В этом случае вы можете повысить свои цены, и ваша прибыль будет выше ожидаемой.
Каждый раз, когда вы думаете, что существует риск, возникает и возможность. Если происходит наводнение, возможно, затопится ваш склад или, может быть, склад одного из ваших конкурентов. Таким образом, когда люди думают о риске в производственной среде, у них есть ясная цель — совершенство. Поэтому, если говорить о риске, нет каких-то специфических по-настоящему оппортунистических случайных выгод.
Но в цепочке поставок такое может происходить. У вас может быть тысячи продуктов, и по каким-то случайным причинам конкуренты совершают ошибки. У них может не оказаться нужного количества запасов, либо отсутствовать необходимая мощность или произойти неправильное распределение, и тогда появляются возможности.
Например, крупная европейская компания электронной коммерции использовала одну из своих техник: они начинали продавать модные товары и очень быстро в течение сезона определяли хиты продаж, буквально за один или два дня. А затем они сразу размещали огромный заказ у оригинального бренда и захватывали весь запас.
Это вызвало неожиданно положительный отклик, и они говорили: “Хорошо, если этот объем продаж удивляет нас, то, скорее всего, он удивит и оригинальный бренд. Так что произойдет, если мы разместим массивный заказ? Мы окажемся с огромным запасом, в то время как у всех остальных запасы иссякнут. Мы сможем продавать те же товары по немного более высокой цене, чем обычно, и при этом всё реализуем без каких-либо штрафов, связанных с распродажей в конце сезона.”
Так что, видите, идея заключается в том, что происходит неожиданное событие, товар продается лучше, чем ожидали эксперты, и тогда, если вы умны, вы можете превратить это в возможность захватить доступные запасы и получить исключительную прибыль с этого продукта. Таким образом, риск существует, но также возникает и возможность.
Конор Догерти: Понятно, спасибо. Этот пример довольно интересен, ведь он открывает потенциальное разветвление в разговоре. Если я правильно понял, приведённый вами пример является реактивным ответом на возможность. Этот продавец модной одежды заметил возможность и очень оперативно отреагировал на неё. Значит, это был реактивный подход к использованию возможностей и предотвращению рисков. Это лучшее, что можно сделать в цепочке поставок, или существует проактивный механизм для прогнозирования подобных событий?
Йоаннес Верморель: У меня на это ответ в двух частях. Во-первых, вы абсолютно правы. Это был подход с гибким мышлением, с оппортунистическим настроем, и он одинаково применим как к рискам, так и к возможностям. Интересно то, что если вы рассматриваете ситуацию с точки зрения производства, вы не принимаете такую перспективу. Вы просто хотите ликвидировать риск. Это статическая проблема. Либо в вашем процессе нет риска, дефектов и опасностей, и всё в порядке, либо они присутствуют, и их нужно исправлять.
Здесь, в цепочке поставок, интересное заключается в том, что когда вы пытаетесь подходить к риску со статичным мышлением, вы воспринимаете его как нечто, что можно устранить раз и навсегда. Но проблема в том, что так не работает: если у вас есть нечто совершенно статичное, то вы больше не сможете использовать возможности. При этом реальность такова, что вы не сможете оперативно отреагировать на возникающий риск. Всё совершенно симметрично: возникают возможности, но также появляются риски, которые неожиданно вылазят и удивляют всех, и вам нужно быстро реагировать. То есть всё симметрично.
Итак, что значит быть подготовленным? Как я уже упоминал на примере крупной европейской компании электронной коммерции, использующей стратегию захвата запасов бренда, это устоявшаяся практика. Они знают, что крупный модный бренд может иметь коллекцию из, скажем, 20 000 различных вариантов, и ошибки неизбежны. Это факт. Вы не знаете, в каком именно месте они произойдут, но логично предположить, что даже у достаточно большого бренда не получится идеально рассчитать все запасы. Поэтому можно установить практику, при которой предсказуемые ошибки превращаются в ваше преимущество.
Конор Догерти: Когда вы говорите о проектировании процесса в компании, например, занимающейся товарами широкого потребления, как именно вы это реализуете? Это процесс сверху вниз или снизу вверх? То есть, как, используя эти возможности, вы воплощаете данный процесс?
Йоаннес Верморель: Как и большинство вещей в цепочке поставок, это должно быть организовано сверху вниз в определённой степени. Вы не можете ожидать, что люди на самом нижнем уровне смогут каким-либо образом реорганизовать всю структуру. Например, если вы решите, что вашим процессом будет SNOP (планирование продаж и операций) и у вас есть квартальные сессии SNOP, во время которых вы проводите два месяца на составление нового прогноза и достижение единого мнения, формирования крупного консенсуса, а затем проводится опрос, после которого нужно собрать все результаты и преобразовать недельно-категориальные прогнозы в понятные для принятия решений данные, то вы окажетесь в ситуации, где не имеет значения, насколько гибкими являются люди на нижних уровнях. Сам процесс и организация препятствуют любой гибкости. Поэтому, в значительной степени, если вы хотите быть гибкими, это должно быть спроектировано сверху, чтобы такая гибкость могла возникнуть. А затем, когда вы что-то спроектировали, где это становится возможным, да, это уже процесс снизу вверх, потому что тогда дело сводится к тому, смогут ли различные команды воспользоваться этой новообретённой гибкостью.
Конор Догерти: Мне также пришло в голову, что существует ещё один способ подхода к идее риска и возможностей. Если просто обратить приведённый вами пример, вместо того чтобы сосредотачиваться на компании, которая продавала эти майки, ходившие как горячие пирожки, и решила захватить рынок, что является использованием возможности, то с точки зрения поставщика, если вы оказались в такой ситуации, когда вдруг, ниоткуда, звонит магазин одежды Йоаннеса и говорит: “О, нам нужны все ваши майки, все черные майки, мы купим их прямо сейчас”, стоит ли насторожиться? Ведь здесь снова есть и риск, и возможность. Как поставщику, мне стоит продавать? Это гарантированная продажа прямо сейчас, сегодня, я всё распродаю. Или мне следует выяснить, почему он пытается купить их именно сейчас? Есть ли что-то еще?
Йоаннес Верморель: Все зависит от того, можете ли вы позволить себе тратить время на расследование. Если существует соединение EDI и закупки полностью автоматизированы, без участия человека, всё зависит от ситуации. Но наличие враждебного поведения повсюду — это просто обычное дело в цепочке поставок. Ваши поставщики — это ваши лучшие партнёры и, потенциально, ваши конкуренты, потому что они могут ограничивать вашу прибыль. Со временем они даже могут стать конкурентами, запустив собственные бренды и т.д. И наоборот, если вы бренд, вы можете решить внутреннее производство, и внезапно вы начнёте конкурировать с бывшими поставщиками. Поэтому универсальных правил нет, всё зависит от обстоятельств. Но интересное заключается в том, что в цепочке поставок вы можете оценивать награды и возможности в долларах или евро.
Опять же, если вернуться к автомобильному производству, сколько стоит дефект, который приводит к гибели одного человека? Ответ — слишком дорого. Таким образом, видите, это не та область, где можно заниматься сложной инженерией, потому что такое почти неприемлемо. Да, в теории экономисты скажут, что стоимость человеческой жизни в США, по разным оценкам, составляет, скажем, пять миллионов или что-то подобное, можно даже аргументировать в пользу такой оценки. Но реальность такова, что никто не станет заниматься действительно серьёзной инженерией. Они просто сделают всё возможное, чтобы такие случаи, когда кто-то умирает, не произошли. Поэтому настоящей финансовой инженерии нет, потому что, если рассматривать это с точки зрения производства, вы просто хотите устранить такие проблемы с самого начала, а не пытаться оптимизировать риск, балансируя плюсы и минусы, вы просто хотите их исключить. Но в цепочке поставок это невозможно, и всегда будет настоящим компромиссом. Всё, что вы делаете, имеет свою цену, есть своя награда, и всё это — оттенки серого. Так что не все так однозначно. Вы всегда можете иметь немного больше запасов, можете работать с немного меньшими запасами, а можете даже попробовать работать с нулевыми запасами и просто оформлять предзаказы в полном объёме. Таким образом, в цепочке поставок у вас гораздо больше гибкости, и при этом очень мало жестких ограничений. Если вы готовы платить, практически нет никаких ограничений. Нужна дополнительная складская площадь? Если вы готовы за это платить, вы действительно можете оплатить строительство второго склада. В конечном итоге, все ограничения, все риски и возможности — они мягкие, и поэтому их можно оптимизировать финансово, в отличие от ситуаций “жизнь или смерть”, когда люди говорят: “Нет, мы не будем проводить финансовую оптимизацию в этом вопросе. Это должно быть категоричным решением. Мы просто не хотим этого.” Таким образом, у цепочки поставок есть эта роскошь: подавляющее большинство проблем на самом деле являются мягкими, и можно варьировать качество сервиса от очень плохого до очень хорошего, при этом структура затрат меняется в зависимости от стремления к лучшему или худшему качеству обслуживания.
Конор Догерти: Приведённый вами пример автомобильного производства на самом деле является отличным переходом, ведь, насколько я знаю, в автомобильном производстве, например, Ford, управляют рисками, особенно в отношении автономных транспортных средств, с помощью цифровых двойников. Они создают цифровую версию и цифровое окружение, а затем, используя алгоритмы, подвергают теоретическое автономное транспортное средство серии тестов и оценивают его риск, не производя прототип в реальном мире. Это один из шагов в управлении рисками. Существует ли что-то подобное для цепочки поставок? Ведь, опять же, это не физический продукт сам по себе, хотя он состоит из множества движущихся частей.
Йоаннес Верморель: Вот в этом и заключается суть. Именно это вы и пытаетесь сделать с помощью прогнозирования. Вы пытаетесь уменьшить риск, связанный с неопределённым будущим, посредством прогнозирования. В идеале, если бы ваши прогнозы были совершенны, вы бы просто устранили этот риск. Именно поэтому существует множество практик в цепочке поставок, где точность прогнозов рассматривается так же, как производители автомобилей рассматривают дефекты тормозных колодок — как нечто, что необходимо устранить.
Но проблема в том, что в отличие от дефектов тормозных колодок, где можно снизить их уровень до одного на миллиард, сделав их настолько незначительными, предсказуемость прогнозов никогда не достигнет уровня ошибки в 0,01. Обычно, если смотреть на ту гранулярность, которая имеет смысл для принятия решений (то есть, на каждый SKU в день), вы будете иметь значительно неточные прогнозы, в среднем ошибочные на 50% для каждого SKU в день, если смотреть на несколько месяцев вперёд.
Интересно то, какие у вас имеются инструменты, процессы и методологии для работы с такими категориями риска. Именно этим занимается Lokad с помощью вероятностного прогнозирования, именно по этой причине. Это способ принять неопределённость. Но это кардинально отличается от классической парадигмы, которая просто предполагает, что прогноз будет точным, и если возникают неточности, они рассматриваются как дефект, который необходимо устранить.
Подход Lokad — вероятностное прогнозирование — заключается в том, что мы не предполагаем и даже не ожидаем, что эти неточности когда-либо исчезнут. Вместо этого у нас есть вероятности. Мы можем улучшить наши модели, чтобы распределения вероятностей стали несколько более сконцентрированными, и наше представление о будущем стало бы немного четче. Но общая перспектива такова, что всё останется крайне нечетким и чрезвычайно неопределённым, что бы ни случилось.
Конор Догерти: Я хочу отметить этот момент, потому что, как мне кажется, он очень важен, и я хочу его усилить. Когда вы говорите о прогнозировании будущего спроса, большинство людей воспринимают это как просто анализ прошлых данных о продажах и вывод какого-то числа, как на временном ряду. Вы утверждаете, что подход вероятностного прогнозирования будет учитывать не только исторические данные, но и другие категории риска, о которых мы говорим, такие как увеличение сроков поставки, застревание судна в канале или что-то подобное, и объединять их вместе?
Joannes Vermorel: Да, абсолютно. Вот почему в Lokad мы обычно говорим о прогностическом моделировании вместо прогнозирования. Прогнозирование, теоретически, можно прогнозировать всё, но реальность такова, что когда вы говорите «прогноз», по умолчанию подразумевается, что речь идёт о спросе или продажах. Это характерно для 99% случаев: когда люди говорят, что у них есть прогноз, они имеют в виду прогноз продаж или спроса. Но реальность такова, что всё, что касается неопределённости будущего, можно предвидеть, и поэтому у нас есть это прогностическое моделирование.
Интересно то, что существует множество вещей, в которых можно моделировать риск, даже если у вас на самом деле нет данных. Например, война в Европе. Если вы посмотрите на последние 100 лет, то каждые полстолетия происходила одна крупная война. То есть, если присмотреться, получается, что каждый год существует примерно двухпроцентная вероятность того, что произойдёт война, способная оказать на вас влияние. Вы можете заглянуть в историю Европы за пять веков, и это то, что происходило снова и снова.
Я надеюсь, что риск реальной войны для Западной Европы в данный момент довольно низок, но, опять же, если взглянуть на это с исторической точки зрения, утверждать, что существует двухпроцентная вероятность масштабного расстройства, не является относительно безумием. Посмотрите, что происходит в Украине. Риск определённо реален, и 20 лет назад он был в бывшей Югославии. Такие вещи действительно случаются, и вам не нужны точные данные, чтобы сказать: «Мы можем оценить риск крупного разрушительного события в два процента».
Вы можете зависеть от региона, можете пострадать от наводнения, у вас могут возникнуть пожары. Существует множество рисков, для которых можно сделать приблизительную оценку. Лучше так поступить, чем притворяться, что эти риски вообще не существуют. А при использовании вероятностного прогноза добавить двухпроцентный риск, пусть даже оценён приблизительно, чтобы учесть резкое снижение спроса — это технически довольно просто.
Напротив, если вы делаете это, если вы смотрите в будущее с помощью классического детерминированного прогноза временных рядов, это практически невозможно. Да, вы можете сказать, что у нас есть сценарий, в котором происходит бедствие, но как примирить этот сценарий, который сильно отличается от вашего основного прогноза, с тем, что вы делаете ежедневно? На практике это невозможно.
Таким образом, многие компании говорят: «О, мы создаём сценарии, моделируем риски», но реальность такова: что насчёт ваших ежедневных решений? Все эти повседневные решения полностью зависят от медианного или среднего прогноза, который полностью игнорирует все риски. В этом смысле, да, вы провели интеллектуальные упражнения по анализу рисков, но если все решения, которые вы принимаете ежедневно, не учитывают эти риски так или иначе, то это всего лишь интеллектуальное упражнение. Оно не влияет на то, что вы делаете каждый день.
Conor Doherty: Я хочу немного на этом настаивать, потому что мне тоже интересно. Если подумать о других методах прогнозирования, например, forecast value added, где люди коллективно дополняют прогноз, и идея заключается в том, что разные отделы имеют свои инсайты. Возьмём ситуацию: новый конкурент вот-вот появится, и вы получаете эту информацию, отдел маркетинга владеет ею и каким-то образом включает её во временной ряд. Это довольно сложно сделать, потому что как перевести такие знания в прогноз? Аналогично, я немного настаиваю: как именно можно учесть двухпроцентную вероятность войны в Западной Европе в вероятностном прогнозе, чтобы получить число единиц на моей полке? Потому что эти вещи кажутся в каком-то смысле похожими.
Joannes Vermorel: Давайте начнём со временных рядов. Видите ли, в наши дни большинство специалистов по цепям поставок смотрят в будущее через призму временных рядов. Временные ряды невероятно узки как способ выразить всё, что вы знаете о будущем. Например, если вы — B2B компания, и ваши клиенты — другие предприятия, самый простой риск — это уход одного из крупных клиентов к конкуренту. И когда это происходит, все продукты, которые они у вас покупали, перестают покупаться. И если у вас, например, был продукт, который регулярно покупал этот клиент, но этот клиент внезапно ушёл, то этот запас превращается в «мертвый товар» за одну ночь. Просто потому, что, хотя товар оборачивался нормально, в нём скрывался риск того, что этот клиент может уйти.
Таким образом, идея о том, что эти крупные клиенты могут уйти, не является чем-то сверхсложным. Любой продавец скажет: «У нас был этот клиент, и всегда существует риск, что он уйдет». Теперь проблема в том, что если вы формируете своё представление о будущем через временные ряды, вы ограничены. Вы не можете это выразить, потому что информации, которой вы располагаете, касается клиента, а не продуктов. И если вы утверждаете, что существует риск обнуления продаж этого продукта, то этот риск сильно коррелирован. Всё, что покупает этот клиент, может одновременно обнулиться. И это совершенно иной риск, чем утверждать, что один продукт в отдельности может обнулиться.
Первое, что следует отметить, — временные ряды просто не пригодны для выражения риска.
Чтобы не возникло недопонимания, временные ряды отражают отношения клиента к продукту, а не сами продукты. Временные ряды — это всего лишь одномерное измерение. У вас есть величина, которая фиксируется каждый день, каждую неделю, каждый месяц. Это называется временными рядами с равными интервалами. Именно об этом думают люди, когда говорят о временных рядах. Это одномерное измерение, буквально как температура. В прошлом были температуры, в будущем тоже будут, и вы можете продолжить этот временной ряд.
Однако речь идёт о предыдущих взаимоотношениях, которые существовали между клиентами и продуктами, но это не говорит ничего о будущем. Проблема в том, что информация, которой вы располагаете, дана на уровне клиента, а ваш прогноз — на уровне продукта. Здесь возникает несоответствие, и нет способа преобразовать эту информацию во что-то иное. Это ключевой момент.
В математике, когда вы немного жульничаете, получаются странные вещи. Например, если немного схитрить, можно предположить, что Земля — это сфера, примерно. Она не является идеальной сферой, но достаточно приближена к ней. Так что когда вы хотите создать карту, вы проецируете сферу на плоскую поверхность. Если посмотреть на мировую карту, получаются искажения. Например, в европейских картах Африка кажется очень маленькой по сравнению с Европой, хотя на самом деле Африка больше Европы. Это всего лишь эффект искажения, потому что вы используете плоскую поверхность для отображения сферы.
Но здесь проблема значительно масштабнее. Вы пытаетесь представить нечто совершенно рискованное. Это многомерный объект, который вы пытаетесь свести к одномерному, вашему временному ряду. Проблемы и искажения, которые при этом возникают, абсолютно колоссальны. Если вам кажется, что недостаток в том, что Африка выглядит меньше Европы, то это довольно скромные проблемы по сравнению с теми, с которыми сталкиваются в цепях поставок, когда пытаются внедрить информацию о риске в временные ряды.
У нас есть ещё одна проблема. Когда вы не знаете решения, очень трудно даже осмыслить проблему. Люди не знакомы с тем классом математических моделей, который мог бы отразить эти риски. Они застряли на временных рядах, потому что не могут представить себе ничего, кроме временного ряда. Но первый шаг — признать, что это неверное представление. Неважно, что пока неясно, что следует использовать.
Существуют некоторые технические моменты. Например, не очень понятно, как вычисляется логарифм, но это не имеет значения. Вам не обязательно иметь чёткое представление о предмете, чтобы успешно его использовать. Затем можно перейти ко второй части: как Lokad использует подобную информацию.
Идея заключается в том, что когда вы хотите подумать о будущем, высокоразмерный подход состоит в том, чтобы считать, что каждое возможное будущее имеет свою вероятность. Иными словами, можно рассматривать вероятность для любого конкретного будущего, в котором вы точно знаете уровень продаж всего, что касается спроса, товаров и прочего.
Вероятность того, что это произойдёт, может быть чрезвычайно малой, но если у вас есть подходящие математические инструменты, вы можете работать с почти нулевыми вероятностями. И опять же, благодаря тому, что возможных будущих сценариев очень много, сумма их вероятностей всё равно равна единице. Сбудется одно будущее, и сумма всех этих вероятностей равна единице.
Вы можете учесть риск, например, в два процента, что вы потеряете этих клиентов. Это не так уж сложно. Если вы рассматриваете спрос через призму продуктов, то очень трудно включить влияние клиентов. Но если вы рассматриваете спрос как результат поведения клиентов и прогнозируете их поведение, то добавление дополнительного риска ухода клиента становится относительно простым.
Вы можете строить свой прогноз разными способами. В чем разница с точки зрения гибкости, которую предоставляет использование временных рядов, и гибкости, предоставляемой вероятностным подходом, и как это затем переводится на управление рисками?
Основная проблема заключается в том, что риск в временных рядах не существует. Его просто не может быть. Это как куб в двумерном пространстве. Куба не существует. Вы можете нарисовать куб, но по сути он просто не вписывается. Проблема в том, что если у вас есть дополнительные измерения, которые не умещаются, вы застреваете. Если у вас есть только двумерная плоскость, вы не сможете разместить в ней куб. Он просто не впишется. Итак, во временных рядах вы, по сути, застряли.
Вы могли бы использовать скотч. Вы могли бы сказать, что мы не можем работать с риском, но можем обойти проблему, имея неправильный прогноз, который намеренно искажен так, чтобы решение, принятое на его основе, отражало этот риск. Это очень запутанный способ подхода к управлению рисками.
Технически можно как-то это сделать, но способами, которые будут весьма странными. Например, можно справиться с риском, намеренно понижая точность вашего прогноза, вводя искажение, преднамеренное искажение в прогноз. Это один из способов справиться с рисками. Но это довольно запутанный путь.
Если вы перейдёте к вероятностному подходу, то по своей природе у вас уже вероятностное прогнозирование. Тогда, по замыслу, у вас есть эти вероятности. Ещё один аспект задачи заключается в том, как проводить оптимизацию. Это называется процессом стохастической оптимизации. Как оптимизировать решение, когда у вас есть неопределённые условия? Вам нужно провести оптимизацию, которая естественным образом учитывает эти неопределенности, присутствующие в начальных условиях.
Conor Doherty: Если оценивать, и мне интересно, как именно, ну, позвольте переформулировать вопрос. Если вы находитесь в ситуации, когда у вас есть компания, и вы придерживаетесь вероятностного подхода, ранее используя временные ряды, вас убедило то, что вы только что услышали, и затем вам представляют рекомендацию, являющуюся конечным результатом методологии вероятностного прогнозирования. И в этой рекомендации, вне зависимости от того, в какой ценности она выражена, на самом деле заложено множество факторов, например, вероятность потери клиента, и когда руководство видит это, они думают, что это безумие. Как же им взаимодействовать с этим, ведь учитывается так много факторов? Как преодолеть этот разрыв?
Joannes Vermorel: Итак, во-первых, каков результат, и здесь наблюдается радикальное расхождение. Результат процесса, ориентированного на риски в цепочке поставок, работающего на основе вероятностных прогнозов, потому что, насколько мне известно, это практически единственная жизнеспособная методика для работы с рисками — для этого и предназначены вероятности. Результат — это решения, а не план. Забавно, когда вы думаете, что будущее можно точно предсказать и таким образом устранить весь риск, ведь риски в цепях поставок в основном связаны с неопределённым будущим. Если вы считаете, что можете сделать точный прогноз, то выводом вашей практики в цепочке поставок является прогноз, а прогноз — это ваш план, так как, как только у вас появляется прогноз, остаётся лишь организовать принятие решений.
Если вы используете подход, ориентированный на риск, то результатом вашего процесса являются не план или прогноз, а решения. Но если ваш риск-ориентированный процесс ненадёжен, что может привести к принятию плохих решений, то как определить, что решение ошибочно? Это происходит совершенно иначе. Снова, если подойти с классической точки зрения, люди думают в терминах точности прогноза, так как это конечная цель. Если же вы руководствуетесь рисками, вы скажете: «За этим решением стоят определённые риски и возможности, выраженные в долларах или евро». И если вы видите, что решение ошибочно, по сути, вы утверждаете, что оценка в долларах или евро для этого предстоящего решения неверна.
И таким образом вы можете выявить проблему; если присмотреться, то для каждого решения, которое мы создаём, мы обычно разбиваем экономические факторы, чтобы показать, что в него входит несколько драйверов. И если вы хотите оспорить это, вы будете критиковать один из компонентов и скажете, что, например, стоимость запасов, риск, связанный с ней, который вы оценили, выглядит совершенно неверно. Итак, да, это задача специалистов по цепям поставок: провести обратный анализ процесса, чтобы выявить, что не так с этой оценкой. Но это очень технический процесс.
Однако реальность такова, что если у вас классический прогноз по временным рядам, который сильно ошибается, вы говорите, что этот прогноз временных рядов очень неточен. Но как только вы это утверждаете, расследование коренной причины становится весьма технической задачей.
Conor Doherty: Если вернуться к ранее обсуждавшемуся, мы говорили о проактивных подходах к управлению рисками, таких как, скажем, цифровые двойники в автомобильной промышленности, а затем о реактивном управлении рисками, используя аналогию с одеждой, которую вы привели. Вероятностное прогнозирование звучит почти проактивно, поскольку вы моделируете миры, в которых принимаете решение: вот ожидаемый ответ, принимаете решение: вот ожидаемый ответ.
Joannes Vermorel: Так что это проактивно в том смысле, что вы просто говорите: будут колебания, всегда будут колебания, которые совершенно не поддаются моему контролю. Именно об этом и говорит неизбежная неопределенность будущего, и на основании этого мне необходимо разработать процесс, который сможет быстро и адекватно реагировать на изменяющиеся условия, будь они для меня благоприятными или неблагоприятными. Итак, да, это очень проактивно, поскольку создание такого процесса, который позволяет использовать возникающие возможности и смягчать проблемы по мере их появления, требует значительной подготовки.
Но при этом не обманывается идеей, что можно подготовиться настолько, чтобы полностью устранить неопределенность. Понимаете ли, это не конечная цель. Это своего рода догматическая позиция, но суть в том, что вы не можете докопаться до сути этой кроличьей норы предсказательного моделирования. Вы никогда не получите модель, которая будет на 100% точной — это никогда не случится. Остаточная неопределенность будет крайне велика, и, таким образом, всё, что остается, — это разработка процесса, который прекрасно справляется с тем, чтобы держать темп изменений по мере их наблюдения.
Видите ли, зачастую компании удивляются тому, что произошло несколько месяцев назад. Можно сказать: «Мы не знаем будущее, но прошлое нам известно». Однако если ваше среднее время реакции на уже произошедшее событие составляет около шести месяцев, вы можете оказаться удивлены чем-то, что случилось пару месяцев назад, и компании очень часто сталкиваются с такими сюрпризами.
Conor Doherty: Опять же, я хотел бы немного уточнить, потому что, если мы говорим об управлении рисками, нам следует обсудить, как мы оцениваем наши методы управления рисками. И возвращаясь к сравнению временных рядов и вероятностных подходов: если у вас есть временной ряд, и он абсолютно неверен, я могу на него указать и сказать, что он был неправильным, он оказался ужасно некорректным. И это, знаете ли, бинарно: либо он был точным, либо нет. Вы сказали, что продадите 100 единиц, а продали 10. Вы ошиблись на порядок. При вероятностном подходе вы предоставляете вероятности, а не говорите: «Вот точно столько продадутся». Разве это каким-то образом защищает вас от ошибки?
Joannes Vermorel: Нет, я имею в виду, что, технически, существуют метрики для оценки точности вероятностных прогнозов, но еще более интересно то, что вы можете оценивать правильность самих решений. И вот что: забудьте про вероятности. Это всего лишь временный вычислительный артефакт. Существует множество других числовых артефактов, участвующих в расчете. Они несущественны в том смысле, что если у вас будут неправильные вероятности, но вы все равно примете правильное решение, имеет ли значение, что ваши вероятности ошибочны?
Conor Doherty: Что вы имеете в виду? Вы можете иметь неверную вероятность, но все равно принять правильное решение?
Joannes Vermorel: Например, есть люди, которые не всегда понимают, что компьютеры постоянно работают с приближениями. Каждый раз, когда вы выполняете расчет, вы используете определенное количество знаков точности. Важна ли потеря точности или нет? Ответ зависит от ситуации. А в цепочке поставок — зависит от того, насколько хорошим или плохим будет окончательное решение.
В конечном итоге, я говорю, что качество такого подхода, основанного на риске, следует оценивать по тому, как он работает в самом конце процесса — по принятым решениям. Работа с многомерными вероятностями и числовой оценкой вероятностей в очень высокоразмерном пространстве сопровождается всевозможными тонкостями. То, насколько методы подходят или нет, следует оценивать по конечным результатам, а не по качеству вероятностного прогноза.
По сути, точность прогноза не является основной проблемой, а скорее то, сколько денег было заработано или потеряно.
Conor Doherty: Да, именно так. И, знаете, для некоторых это очень сложно. Простите, я не хочу звучать снисходительно, но вы утверждаете, что стремление к более точному прогнозу технически ошибочно с точки зрения управления рисками?
Joannes Vermorel: Итак, во-первых, когда вы говорите, что у вас, скажем, прогноз с погрешностью 20%, эти проценты — полностью выдуманная единица. Они не измеряются в килограммах, не измеряются в киловаттах, это нечто, не имеющее осязаемой реальности. Это выдумка, и люди говорят: «О, мы так привыкли видеть точность в процентах, значит, она должна быть реальной». Я говорю: совсем не так. Вы можете иметь прогнозы, наносящие чрезвычайный ущерб, которые при этом оказываются очень точными, где неточность, выраженная в процентах, весьма мала.
Есть анекдот, который мне неоднократно рассказывали: вы можете спрогнозировать нулевой спрос для магазина, и это очень быстро приведет к абсолютно точному прогнозу. Прогнозируете ноль, открываете магазин с нулевыми запасами, и прогноз становится на 100% точным. Таким образом, эта мера, выражающая точность в процентах, не имеет особого смысла.
Если я скажу вам, что можно измерять вероятностный прогноз с помощью перекрестной энтропии, это будет звучать очень абстрактно и не даст особой проясняющей информации. Но суть моего утверждения в том, что перекрестная энтропия так же абстрактна и непрозрачна, как и проценты. Это выдумка. Единственная причина, по которой, например, в Lokad мы выбираем перекрестную энтропию, заключается в том, что у нее есть хорошие свойства для достижения окончательных решений.
Например, перекрестная энтропия характеризуется очень крутыми градиентами, что способствует обучению высококачественных моделей. Это очень технический аспект, но он работает. И работает в том смысле, что оценивает конечные результаты — решение, принятое в конце процесса, что в конечном итоге приводит к сокращению ошибки в евро или долларах. Это та метрика, которая имеет значение для людей, действующих с точки зрения управления рисками.
Снова, если вы действуете с точки зрения временных рядов, вы думаете как производитель автомобилей, для которого дефект может стоить жизни. Вы говорите: «Знаете что, мы не считаем доллары, нам просто нужно быть предельно безопасными, даже за гранью измерения».
Conor Doherty: Итак, если у вас есть целое подразделение, занимающееся управлением рисками, оценкой рисков, но при этом ваша цепочка поставок основана на прогнозировании временных рядов, вы утверждаете, что это почти парадокс, как противоречие в терминах?
Joannes Vermorel: Нет, это просто означает, что люди, занимающиеся управлением рисками, — всего лишь бюрократы. Что бы они ни делали, это не имеет последствий. Обычно последствия отсутствуют. Видите ли, если вы проводите оценку риска, но эти оценки не могут частично корректировать каждое отдельное решение в вашей цепочке поставок, тогда вы просто проводите оценку и тут же пренебрегаете ею.
Видите ли, если вы говорите: «О, у этого поставщика 2% шанс обанкротиться в следующем году», хорошо, влияет ли это на ваши решения о закупках? Если нет, то вы просто игнорируете свою оценку, закапываете ее.
И это очень странно, потому что люди говорят: «О, но мы ведь анализировали риски». Да, но вы не действуете на основе этой оценки. И когда я говорю «действовать», люди действительно воспринимают это как ошибку. Когда речь заходит о цепочке поставок, вы услышите в СМИ такие высказывания: «О, нам не следовало открывать завод в Китае». Да, это макрориск, но есть и гораздо более обыденные риски.
Так что, что же вы покупаете, где храните товары, повышаете или понижаете цены? Эти решения также связаны с риском, и они принимаются ежедневно по каждому отдельному SKU, который вы либо закупаете, либо производите, либо продаете. И какая бы ни была ваша оценка риска в отношении поставщика, конкурента или клиентов, если ничего не связывает эту оценку с этими мелкими решениями количественно, вы не управляете рисками должным образом.
Conor Doherty: Исправьте меня, если я не прав, вы утверждаете, что большинство людей воспринимают управление рисками на макроуровне — как некое масштабное событие, полностью нарушающее цепочки поставок, а ваша позиция такова, что гораздо важнее и актуальнее управление рисками в повседневных, мелких решениях?
Joannes Vermorel: Оба аспекта очень важны, но давайте будем реалистами: насколько можно быть действительно информированным для принятия правильного решения? Что касается макро-решений, в значительной степени это азартная игра. Это полная ставка на удачу, и это нормально. Это капитализм. Это экономика прибылей и убытков. Люди рискуют, и элемент случайности всегда присутствует. И я утверждаю, что не существует такой практики, которая могла бы точно определить, безопасен ли выход на новый рынок или нет. Вы можете проводить оценки, пытаться рационализировать процесс, но, по сути, это то, что ускользает от статистики и количественного анализа.
Наоборот, если взглянуть на цепочку поставок, средняя компания ежедневно принимает десятки тысяч решений. И именно это я и имею в виду: в отличие от крупных макро-решений, когда вы полагаетесь на интуицию в условиях отсутствия альтернатив, для десятков тысяч ежедневных решений можно провести количественную оценку, которая действительно имеет смысл.
Conor Doherty: Ну, чтобы уйти от колоссальных примеров, таких как макроуровневые, давайте перейдем к чему-то вроде уровня SKU. Итак, у нас есть несколько магазинов — допустим, 10 магазинов, — и у нас есть ограниченный запас, например, белых футболок, которые нужны всем 10 магазинам. Какой был бы вероятностный, максимально учитывающий риски, способ распределения имеющихся запасов между магазинами?
Joannes Vermorel: Давайте рассмотрим классический подход. Классический подход, основанный на временных рядах, исходит из предположения, что будущее известно. Таким образом, у вас есть страховой запас. По сути, вы утверждаете, что в каждом магазине должно быть определенное количество товара, а затем, чтобы учесть небольшую остаточную неопределенность, добавляете небольшой резерв. Все магазины рассматриваются независимо, и идея в том, чтобы обеспечить достаточные запасы для каждого магазина.
Теперь, в чем же заключается реальный риск? Риск состоит в том, что на уровне склада товара может просто не хватить, и тогда встает вопрос: у меня ограниченные ресурсы на складе, что мне делать для каждого магазина? Если вы действуете по классической схеме, классический подход скажет: «У меня есть страховой запас, я сначала выделяю его для первого магазина, затем, если остается еще товар, повторяю процесс для второго магазина, и, может быть, на четвертом магазине останавливаюсь, потому что запасы закончились». Таким образом, вы фактически обеспечиваете первые четыре магазина, а остальные остаются пустыми. Это не очень разумно и не решает проблему небольшой кризисной ситуации с отсутствием товара на складе.
Conor Doherty: Каковы же финансовые риски в этом случае?
Joannes Vermorel: Нет, дело не в этом. Вот для чего нужен страховой запас. Когда вы устанавливаете страховой запас, вы говорите: «Я размещаю единицы в магазине, которые с очень низкой вероятностью будут проданы в течение данного периода». Это и есть резерв, который, скорее всего, вам не понадобится.
Если вы хотите максимизировать продажи, намного лучше распределить запасы так, чтобы в каждом магазине было немного товара. Цель состоит в том, чтобы все магазины закончились примерно одновременно. Конечно, этого достичь невозможно в точности, но вот к чему вы должны стремиться.
Рассмотрим альтернативную ситуацию, когда вы сосредотачиваете запасы в первых четырех магазинах, оставляя остальные без товара, то есть продажи в них отсутствуют. И для таких магазинов вы сможете продать, скажем, лишь половину запасов, из-за чего у вас останется множество излишков. В итоге возникает ситуация, когда в одном магазине товар закончился, а в другом имеется избыточный запас, и спрос в магазинах без товара остаётся неудовлетворённым.
Conor Doherty: Вот в этом и заключается риск?
Joannes Vermorel: Да, именно в этом и речь — о риске отсутствия товара. Один из способов борьбы с этим — сохранять товар на складе, когда есть риск его отсутствия, чтобы лучшие магазины всё же получили определенное количество товара.
В отличие от подхода временных рядов, который рассматривает каждый из 10 магазинов независимо, вероятностный подход учитывает сеть, взаимосвязи и взаимозависимости между всеми этими магазинами, а также их связь с доступными запасами.
Conor Doherty: Мне любопытно, как именно компания может управлять всем этим, ведь таких данных гораздо больше, чем при использовании традиционного подхода временных рядов. Единственный ли способ управления всем этим — автоматизация, или люди по-прежнему участвуют в проверке этих решений?
Joannes Vermorel: Lokad решает эту задачу, автоматизируя весь процесс. Люди присутствуют для контроля автоматизации, но на самом деле большинство компаний, хотя утверждают, что все проверки выполняются вручную, уже давно используют достаточно автоматизированные процессы. Когда у вас настроена система min-max для управления запасами с заданными минимальным и максимальным уровнями, у вас уже работает автоматизированная система пополнения запасов, которая обычно функционирует без вмешательства. Таков уже характер высоко автоматизированных систем на протяжении десятилетий.
Локад — это ещё один шаг в этом направлении, но он не является кардинальным изменением по сравнению с тем, что было раньше. Система стала более автоматизированной, однако многие компании уже работают на высокоавтоматизированных установках.
Конор Дохерти: Может ли компания, которая не использует автоматизацию, но, скажем, как я упоминал ранее, имеет целые отделы экспертов по управлению рисками, эти компании вполне осведомлены, верно?
Мне также пришло в голову, что мы как-то сосредоточили весь разговор на более осязаемых рисках, таких как артикулы, магазины, наводнения. Все это осязаемые ресурсы или активы и соответствующие риски. Существуют ли неосязаемые риски, такие как время, пропускная способность, знания – все те вещи, которые участвуют в функционировании компании? Какие риски здесь и как мы ими управляем?
Йоаннес Верморель: Да, существуют неосязаемые риски. Например, если вы модная компания и проводите распродажи, вы создаёте ожидание у клиентов, что эти скидки повторятся в будущем, и люди меняют своё поведение. Теоретически оценить этот процесс возможно, но на практике это крайне сложно, поскольку формирование ожиданий у ваших клиентов занимает годы, поэтому экспериментировать тут не так просто.
Например, если вы — бренд класса люкс и убеждены, что никогда не следует проводить акции, так как они обесценивают бренд, вы не проведёте пятилетний эксперимент, чтобы проверить, действительно ли акции обесценивают бренд. В какой-то момент нужно действовать, опираясь на убеждения и суждения, а не на тестирование.
Затраты, возникающие при проведении акции, весьма реальны. Когда вы проводите акцию, вы сразу теряете определённую сумму денег из-за снижения цены, то есть теряете часть маржи. Это непосредственные затраты, но также существует дополнительный риск формирования плохих привычек у клиентов, и эти затраты нужно учитывать.
Существуют и другие классы рисков, такие как зависимость от ИТ. Может случиться, что программное обеспечение развалится, и много других факторов может повлиять на вашу цепочку поставок. Но эти риски больше похожи на те, что встречаются в производстве, где вы хотите, чтобы ваш ERP работал с 100% доступностью. Нет причины для простоев, можно разработать систему, которая будет невероятно близка к 100% доступности.
Конор Дохерти: Вы только что упомянули, что с точки зрения ценовой стратегии скидки могут привить плохие потребительские привычки. Что вы имели в виду?
Йоаннес Верморель: Каждый раз, когда вы проводите акцию, клиент видит, что вы проводите акцию. Так что в следующий раз он скажет: “Я не куплю по полной цене. Я просто подожду, пока вы снова проведете акцию. Я видел, как вы проводили акции, так что знаю, что они будут повторяться с вашим брендом, и я могу подождать. Я подожду, пока вы проведете акцию, и тогда куплю.”
Проблема в том, что ни одна модель не сможет в полной мере это отразить. Моделирование психологии ваших клиентов в основном выходит за рамки ваших возможностей, поскольку формирование их мировоззрения занимает десятилетия.
Когда вы устанавливаете цену, вы передаёте сообщение своим клиентам. Люди уделяют этому некоторое внимание, но потребуется время, чтобы это усвоилось. Поэтому существует значительная инерция. Вы можете попытаться провести сложное моделирование, чтобы точно оценить, каков будет эффект, но реальность такова, что поскольку эти вещи занимают годы, провести эксперименты будет сложно. Вы не сможете проверить все техники, которые используете. Поэтому на практике приходится полагаться на суждения.
Конор Дохерти: Итак, это элемент протокола управления рисками, который всё ещё находится в компетенции людей, способных достичь консенсуса. Хотим ли мы ликвидировать эти запасы? Хотим ли мы хранить их вечно? Или хотим продать их через акцию?
Йоаннес Верморель: Да, и когда вы применяете подход, основанный на рисках, он гораздо лучше согласуется с такими приблизительными оценками по сравнению с традиционным прогнозированием на основе временных рядов, где подобные вещи не учитываются.
Конор Дохерти: Так что руководящим принципом при определении того, какую правило “на глаз” стратегию следует применять компаниям, должно быть: способствует ли это увеличению прибыли?
Йоаннес Верморель: Если что-то можно оценить количественно, тогда действуйте. Но если это невозможно, хотя существует общее согласие в его важности, тогда следует сделать приблизительную оценку.
Я считаю, что очень опасно утверждать, что у нас нет разумных цифр, и поэтому мы притворяемся, что их не существует. Они существуют, и потому нужно делать приближённую оценку. Лучше иметь число, которое примерно правильно, чем точное.
Конор Дохерти: Кажется, мы немного подходим к завершению, но я хотел бы задать сложный вопрос. Вы говорили о том, что количественный анализ может быть финансово недоступным. Так что для крупных компаний, которые могут позволить себе более сложное прогнозирование и политику управления рисками, они могут, возможно, применить вероятностный подход. Но для компаний, у которых нет такой свободной наличности, какой бы совет вы дали по поводу управления рисками, который можно было бы применить на практике?
Йоаннес Верморель: Я бы сказал: действительно ли вы можете позволить себе игнорировать риск? Запасы стоят денег. План расходов на привлечение специалиста по цепочке поставок для оптимизации ваших решений составляет около 2,500 евро в месяц. Да, это значительная сумма, но если вы не мелкая компания, а, скажем, компания с оборотом свыше 10 миллионов долларов или евро, это не такая уж огромная сумма. Это фактически лишь малая часть того, что вы платите за одного сотрудника.
Если у вас работают более пяти человек, занимающихся такими функциями цепочки поставок, как пополнение запасов, планирование производства, распределение запасов, управление ценообразованием, и у них есть процесс, полностью игнорирующий риск, я бы спросил: действительно ли вы можете позволить себе продолжать так работать? Игнорирование этих рисков может обойтись вам в несколько миллионов долларов, просто потому что вы приняли крайне ошибочное решение, полностью проигнорировав риск.
Из-за того, что это необычно, люди полагают, что такие вещи доступны только компаниям вроде Amazon и тому подобное. Нет, это не так. В значительной мере классическое прогнозирование на основе временных рядов намного сложнее, и причина в том, что оно не соответствует самой задаче. Так что да, на первый взгляд оно выглядит проще, потому что люди привыкли к временным рядам, но когда речь идёт об истинном решении проблемы, это решение совершенно не соответствует задаче, и, хотя на практике оно выглядит простым, его внедрение и использование — настоящий кошмар.
Вероятностное прогнозирование, которое использует Lokad для малых клиентов, малых компаний, является необычным, но оно отлично соответствует поставленной задаче, и, в конце концов, как я уже упоминал на своих лекциях, если вы хотите ознакомиться с методами вероятностного анализа, большинство моих примеров кода состоят менее чем из 20 строк. Так что люди скажут: “О, это невероятно сложно”, а я отвечу: “На самом деле это около 20 строк кода, и вы можете детально изучить метод на лекции продолжительностью полтора часа.”
Разве можно утверждать, что ваша компания настолько мала, что не может потратить всего несколько десятков часов на этот вопрос? Действительно ли это вне ваших возможностей? Конечно, если вы — бутик с единственным сотрудником, но если вы — компания с годовым оборотом свыше 10 миллионов долларов, вы не являетесь бутиком. У вас уже идут ставки, и ошибки могут стоить намного дороже, а наоборот, это также открывает возможности.
Если, повысив цену в нужный момент, вы увеличите маржу на десять процентов, это может привести к притоку чистых денег на несколько сот тысяч долларов в вашу компанию, и это действительно компенсирует затраты на то, чтобы несколько человек занимались управлением рисками.
Конор Дохерти: Если резюмировать, то это, по сути, элемент доверительного прыжка, но вода не так холодна, если вы попробуете…
Йоаннес Верморель: Я бы сказал, что это не столько прыжок веры. Я думаю, существует странное представление, что в рамках традиционной теории цепочек поставок риски буквально не существуют. Есть такие очень плавные колебания спроса и очень плавные колебания сроков поставки, смоделированные с помощью нормальных распределений, что, когда люди говорят “нормальное распределение”, это как бы означает, что риска нет.
Реальность такова, что я никогда не встречал предпринимателя, который бы не осознавал, что его бизнес полон рисков во всех уголках. Безумие заключается в том, что с обычным программным обеспечением для цепочек поставок, люди притворяются, что рисков нет, хотя они остаются, и поэтому компании регулярно сталкиваются с катастрофами, которые обходятся очень дорого из-за рисков. Я опять же не говорю, что инвестирование в российский рынок в 1991 году, считая, что он сработает и вдруг станет новым Эльдорадо.
Я говорю, что компании сталкиваются с катастрофами из-за вещей, которые можно было полностью предотвратить, вещей, которые действительно попадают в рамки ожидаемых рисков, таких как проблемы с поставщиками, колебания цен, изменения спроса, но не за пределами того, что можно ожидать от общего развития рынка. Вот такие вещи, и моя точка зрения такова: существует безумие, когда большинство традиционных практик полностью игнорируют риск.
Когда я говорю с практиками цепочки поставок, они говорят, что да, рисков много, но проблема в том, что они не могут преодолеть этот разрыв, а я говорю, что это не так уж сложно, просто это очень отличается от того, чем вы занимаетесь, и это не только известно, но на самом деле дешевле, поскольку это также приводит к более высокой степени автоматизации. Ведь одна из причин, по которой вам нужно так много людей при использовании временных рядов в цепочках поставок, заключается в том, что существует огромный разрыв между реальностью и этими временными рядами, и вам нужно много людей, чтобы постоянно заклеивать этот процесс.
Но если у вас есть система, которая лучше соответствует задаче, вам не понадобится столько людей, чтобы постоянно заклеивать проблему.
Конор Дохерти: На этой ноте, думаю, я завершаю. Йоаннес, как всегда, большое спасибо, было приятно. И огромное спасибо за просмотр, до встречи в следующий раз.