00:00 Введение
02:52 Основы и отказ от ответственности
07:39 Наивный рационализм
13:14 До сих пор
16:37 Ученые, нам нужны вы!
18:25 Человек + Машина (проблема 1/4)
23:16 Настройка (проблема 2/4)
26:44 Обслуживание (проблема 3/4)
30:02 Задолженность по ИТ (проблема 4/4)
32:56 Миссия (работа ученого 1/6)
35:58 Терминология (работа ученого 2/6)
37:54 Результаты (работа ученого 3/6)
41:11 Область (работа ученого 4/6)
44:59 Ежедневная рутина (работа ученого 5/6)
46:58 Владение (работа ученого 6/6)
49:25 Позиция в цепи поставок (HR 1/6)
51:13 Найм ученого (HR 2/6)
53:58 Обучение ученого (HR 3/6)
55:43 Проверка ученого (HR 4/6)
57:24 Удержание ученого (HR 5/6)
59:37 От одного ученого к другому (HR 6/6)
01:01:17 Об ИТ (корпоративная динамика 1/3)
01:03:50 О финансах (корпоративная динамика 2/3)
01:05:42 О лидерстве (корпоративная динамика 3/3)
01:09:18 Планирование старой школы (модернизация 1/5)
01:11:56 Конец S&OP (модернизация 2/5)
01:13:31 Бизнес-аналитика старой школы (модернизация 3/5)
01:15:24 Выход из науки о данных (модернизация 4/5)
01:17:28 Новое соглашение для ИТ (модернизация 5/5)
01:19:28 Заключение
01:22:05 7.3 Ученый по цепям поставок - Вопросы?
Описание
В основе инициативы Количественной оптимизации цепи поставок находится Ученый по цепям поставок (SCS), который осуществляет подготовку данных, экономическое моделирование и отчетность по KPI. Интеллектуальная автоматизация решений цепи поставок является конечным продуктом работы SCS. SCS берет на себя ответственность за сгенерированные решения. SCS предоставляет человеческий интеллект, усиленный вычислительной мощностью машин.
Полный текст
Добро пожаловать на эту серию лекций по цепям поставок. Я - Йоанн Верморель, и сегодня я буду представлять ученого по цепям поставок с точки зрения количественной оптимизации цепи поставок. Ученый по цепям поставок - это человек или, возможно, небольшая группа людей, ответственных за руководство инициативой по цепям поставок. Этот человек контролирует создание и позднее поддержку числовых рецептов, которые генерируют интересующие решения. Этот человек также отвечает за предоставление всей необходимой информации остальной части компании, доказывая, что сгенерированные решения являются обоснованными.
Девиз количественной оптимизации цепи поставок - максимально использовать возможности современного оборудования и программного обеспечения для цепей поставок. Однако воплощенный в этой перспективе вкус наивен. Человеческий интеллект по-прежнему является основой всего предприятия и по разным причинам пока не может быть красиво упакован в отношении цепи поставок. Цель этой лекции - понять, почему и как роль ученого по цепям поставок стала, в течение последнего десятилетия, проверенным временем решением для максимального использования современного программного обеспечения для цепей поставок.
Достижение этой цели начинается с понимания главных узких мест, с которыми сталкивается современное программное обеспечение при попытке автоматизировать решения цепи поставок. Исходя из этого нового понимания, мы представим роль ученого по цепям поставок, которая, по сути, является ответом на эти узкие места. Наконец, мы увидим, как эта роль изменяет компанию в целом, как в малых, так и в больших масштабах. Действительно, ученый по цепям поставок не может работать как сило внутри компании. Как ученый должен сотрудничать с остальной частью компании, чтобы достичь чего-либо, так и остальная часть компании должна сотрудничать с ученым, чтобы это произошло.
Прежде чем продолжить, я хотел бы повторить отказ, который я сделал в самой первой лекции этой серии. Настоящая лекция почти полностью основана на уникальном десятилетнем эксперименте, проведенном в компании Lokad, поставщике программного обеспечения для предприятий, специализирующемся на оптимизации цепей поставок. Все эти лекции были сформированы в ходе путешествия Lokad, но когда речь идет о роли ученого по цепям поставок, связь становится еще сильнее. В значительной степени путешествие самой Lokad можно прочитать через призму нашего постепенного открытия роли ученого по цепям поставок.
Этот процесс все еще продолжается. Например, около пяти лет назад мы отказались от популярной точки зрения на ученого по данным с введением парадигм программирования для обучения и оптимизации. В настоящее время Lokad занимает более тридцати ученых по цепям поставок. Наши самые способные ученые, благодаря своим достижениям, получили доверие для принятия решений в большом масштабе. Некоторые из них отвечают за параметры, превышающие полмиллиарда долларов стоимости запасов. Это доверие распространяется на широкий спектр решений, таких как заказы на закупку, заказы на производство, распределение запасов или ценообразование.
Как вы можете предположить, это доверие пришлось заслужить. Действительно, очень мало компаний даже доверяют своим собственным сотрудникам такие полномочия, не говоря уже о поставщике услуг третьей стороны, таком как Lokad. Заработать такую степень доверия - это процесс, который обычно занимает годы, независимо от технологических средств. Тем не менее, спустя десять лет Lokad растет быстрее, чем когда-либо в свои ранние годы, и значительная часть этого роста происходит от наших существующих клиентов, которые расширяют сферу принимаемых решений, доверяя их Lokad.
Это приводит меня к моей первоначальной точке зрения: эта лекция, безусловно, сопровождается всевозможными предубеждениями. Я пытался расширить эту перспективу через аналогичные опыты вне Lokad; однако на этом фронте мало что можно рассказать. Насколько мне известно, есть несколько гигантских технологических компаний, в частности, несколько гигантских компаний электронной коммерции, которые достигают степени автоматизации принятия решений, сравнимой с той, которую достигает Lokad.
Однако эти гиганты обычно выделяют на два порядка больше ресурсов, чем обычные крупные компании могут позволить себе, с числом инженеров в сотнях. Возможность таких подходов остается для меня неясной, поскольку они могут работать только в чрезвычайно прибыльных компаниях. В противном случае, огромные затраты на заработную плату могут превысить преимущества, принесенные лучшим выполнением цепи поставок.
Кроме того, привлечение инженерного таланта такого масштаба само по себе становится проблемой. Найти одного талантливого программиста уже достаточно сложно; найти 100 из них требует довольно замечательного имиджа работодателя. К счастью, представленная сегодня перспектива намного более эффективна. Множество инициатив в области цепей поставок, осуществляемых Lokad, выполняется с помощью одного ученого по цепям поставок, а второй выступает в качестве замены. Помимо экономии на заработной плате, наш опыт показывает, что сокращение численности персонала в области цепей поставок сопряжено с существенными преимуществами.
Популярная точка зрения на цепи поставок принимает позицию прикладной математики. Методы и алгоритмы представлены таким образом, что человек-оператор полностью исключается из рассмотрения. Например, формула резервного запаса и формула экономичного объема заказа представлены как чисто прикладная математика. Личность человека, использующего эти формулы, его навыки или его профессиональный опыт, например, не только несущественны, но даже не являются частью презентации.
Более общим образом, такая позиция широко принимается в учебниках по цепочке поставок и, следовательно, в программном обеспечении для управления цепочкой поставок. Она, безусловно, кажется более объективной, поскольку истинность теоремы не зависит от лица, которое ее формулирует, и алгоритм работает одинаково независимо от того, кто нажимает последнюю клавишу для его реализации. Такой подход стремится достичь более высокой формы рациональности.
Однако я утверждаю, что такая позиция наивна и представляет собой еще один пример наивного рационализма. Мое предложение тонкое, но важное: я не утверждаю, что результат числового рецепта зависит от человека, который в конечном итоге выполняет этот рецепт, или что характер математика имеет что-то общее с истинностью его теорем. Вместо этого мое предложение состоит в том, что интеллектуальная позиция, связанная с этой перспективой, неуместна для подхода к управлению цепочками поставок.
Рецепт реальной цепочки поставок - это сложное произведение мастерства, и автор рецепта не настолько нейтрален или несущественен, как может показаться. Давайте проиллюстрируем это, рассмотрев два идентичных числовых рецепта, которые отличаются только названиями их переменных. На числовом уровне два рецепта дают идентичные результаты. Однако первый рецепт имеет хорошо подобранные, значимые имена переменных, в то время как второй рецепт имеет криптические, несогласованные имена. В производстве второй рецепт (с криптическими, несогласованными именами переменных) - это катастрофа, которая ждет своего часа. Каждое изменение или исправление ошибки, примененное к второму рецепту, потребует гораздо больше усилий по сравнению с той же задачей, выполненной на первом рецепте. Фактически, проблемы с именованием переменных настолько часты и серьезны, что многие учебники по программной инженерии посвящают целую главу этому вопросу.
Ни математика, ни алгоритмика, ни статистика не говорят ничего о приемлемости имен переменных. Приемлемость этих имен очевидно зависит от взгляда наблюдателя. Хотя у нас есть два числово идентичных рецепта, один считается гораздо более превосходным по субъективным причинам. Предлагаемая мной позиция заключается в том, что в этих субъективных вопросах также можно найти рациональность. Эти вопросы не должны быть отвергнуты только потому, что они зависят от субъекта или человека. Напротив, опыт Lokad показывает, что при использовании тех же программных инструментов, математических методов и библиотек алгоритмов некоторые ученые по цепочке поставок достигают превосходных результатов. Фактически, личность ученого, ответственного за инициативу, является одним из лучших предикторов успеха.
Предполагая, что врожденный талант не может полностью объяснить различия в успехе цепочки поставок, мы должны принять элементы, которые способствуют успешным инициативам, будь то объективные или субъективные. Именно поэтому в Lokad мы в последние десятилетия приложили много усилий для совершенствования нашего подхода к роли ученого по цепочке поставок, что является темой этой лекции. Нюансы, связанные с позицией ученого по цепочке поставок, не должны быть недооценены. Величина улучшений, достигнутых благодаря этим субъективным элементам, сравнима с нашими самыми значительными технологическими достижениями.
Эта серия лекций предназначена в качестве учебного материала для ученых по цепочке поставок в Lokad. Однако я также надеюсь, что эти лекции могут быть интересным для широкой аудитории практиков в области цепочки поставок или даже студентов, изучающих цепочку поставок. Лучше всего смотреть эти лекции последовательно, чтобы полностью понять, с чем сталкиваются ученые по цепочке поставок.
В первой главе мы увидели, почему цепочки поставок должны стать программными и почему крайне желательно иметь возможность внедрять числовые рецепты в производство. Все возрастающая сложность цепочек поставок делает автоматизацию более актуальной, чем когда-либо. Кроме того, существует финансовая необходимость сделать практики управления цепочкой поставок капиталистическими.
Вторая глава посвящена методологиям. Цепочки поставок - это конкурентные системы, и эта комбинация противоречит наивным методологиям. Роль ученых можно рассматривать как противоядие наивной прикладной математической методологии.
Третья глава рассматривает проблемы, с которыми сталкиваются сотрудники цепочки поставок. Эта глава пытается охарактеризовать классы проблем принятия решений, с которыми необходимо столкнуться. Она показывает, что упрощенные подходы, такие как выбор правильного количества товара для каждого SKU, не соответствуют реальным ситуациям; всегда есть глубина в принятии решений.
Четвертая глава рассматривает элементы, необходимые для понимания современной практики управления цепочкой поставок, где программные элементы повсеместно присутствуют. Эти элементы являются фундаментальными для понимания более широкого контекста, в котором функционирует цифровая цепочка поставок.
Главы 5 и 6 посвящены предиктивному моделированию и принятию решений соответственно. В этих главах рассматриваются “умные” аспекты численных методов, включая машинное обучение и математическую оптимизацию. Особенно стоит отметить, что эти главы собирают методы, которые хорошо себя зарекомендовали в руках ученых в области управления цепочками поставок.
Наконец, седьмая и настоящая глава посвящена выполнению количественной инициативы в области управления цепочкой поставок. Мы уже видели, что требуется для запуска инициативы, а также как правильно заложить основы. Мы узнали, как пересечь финишную черту и внедрить численный метод в производство.
Сегодня мы узнаем, какой человек нужен, чтобы все это осуществить.
Роль ученого направлена на решение проблем, описанных в академической литературе. Мы рассмотрим работу ученого в области управления цепочками поставок, включая их миссию, область деятельности, ежедневную рутину и интересы. Это описание работы отражает современную практику в компании Lokad.
Создание новой должности внутри компании вызывает ряд вопросов, поэтому ученых нужно нанимать, обучать, оценивать и удерживать. Мы рассмотрим эти вопросы с точки зрения управления персоналом. Ожидается, что ученый будет сотрудничать с другими отделами компании помимо своего отдела по управлению цепочками поставок. Мы рассмотрим, какие виды взаимодействия ожидаются между учеными и IT, финансами и даже руководством компании.
Ученый также представляет собой возможность для компании модернизировать свой персонал и операции. Эта модернизация является самой сложной частью пути, поскольку намного сложнее удалить должность, переставшую быть актуальной, чем ввести новую.
Основной задачей, которую мы поставили перед собой в этой серии лекций, является систематическое улучшение цепочек поставок с помощью количественных методов. Основная идея этого подхода заключается в том, чтобы максимально использовать возможности современных вычислительных систем и программного обеспечения для цепочек поставок. Однако нам необходимо прояснить, что все еще относится к области человеческого интеллекта, а что может быть успешно автоматизировано.
Граница между человеческим интеллектом и автоматизацией все еще очень зависит от технологий. Ожидается, что более совершенная технология будет механизировать более широкий спектр решений и достигать лучших результатов. С точки зрения управления цепочками поставок это означает принятие более разнообразных решений, таких как решения о ценообразовании, помимо решений о пополнении запасов, и принятие лучших решений, которые дополнительно улучшают прибыльность компании.
Роль ученого является воплощением этой границы между человеческим интеллектом и автоматизацией. В то время как регулярные объявления о искусственном интеллекте могут создавать впечатление, что человеческий интеллект находится на грани автоматизации, мое понимание современного состояния искусственного интеллекта указывает на то, что общий искусственный интеллект остается далеким. Действительно, человеческие инсайты все еще очень важны, когда речь идет о разработке количественных методов, имеющих отношение к управлению цепочками поставок. Создание даже базовой стратегии управления цепочкой поставок в значительной степени остается вне возможностей программного обеспечения.
Более обще говоря, у нас пока нет технологий, способных справиться с плохо поставленными или неопределенными проблемами, которые являются обычными в управлении цепочками поставок. Однако после выделения узкой, четко определенной проблемы, можно представить себе автоматизированный процесс изучения ее решения и даже автоматизации этого решения с минимальным или без участия человека.
Эта точка зрения не нова. Например, антиспам-фильтры стали широко распространенными. Эти фильтры выполняют сложную задачу: сортировку релевантного от нерелевантного. Однако разработка следующего поколения фильтров все еще в значительной степени остается за людьми, даже если новые данные могут использоваться для обновления этих фильтров. Действительно, спаммеры, желающие обойти антиспам-фильтры, продолжают изобретать новые методы, которые обходят простые обновления этих фильтров на основе данных.
Таким образом, хотя для разработки автоматизации все еще требуются человеческие инсайты, не ясно, почему поставщик программного обеспечения, например, как Lokad, не может создать грандиозный двигатель управления цепочкой поставок, который бы решал все эти проблемы. Конечно, экономика программного обеспечения очень благоприятствует созданию такого грандиозного двигателя управления цепочкой поставок. Даже если начальные инвестиции высоки, поскольку программное обеспечение может быть воспроизведено по незначительной стоимости, поставщик получит огромную прибыль от лицензионных платежей за продажу этого грандиозного двигателя большому числу компаний.
Lokad, еще в 2008 году, отправилась в такое путешествие создания великого двигателя, который мог бы быть развернут в качестве упакованного программного продукта. Более точно, в то время Lokad сосредоточилась на создании великого прогнозного двигателя, а не великого двигателя цепи поставок. Тем не менее, несмотря на эти сравнительно более скромные амбиции, поскольку прогнозирование является лишь небольшой частью глобальной проблемы цепи поставок, Lokad не смогла создать такой великий прогнозный двигатель. Количественная перспектива цепи поставок, представленная в этой серии лекций, возникла из пепла этой великой амбиции двигателя.
Что касается цепи поставок, оказалось, что есть три больших узких места, которые нужно решить. Мы увидим, почему этот великий двигатель был обречен с первого дня и почему мы все еще, скорее всего, находимся на десятилетия от такого технического достижения.
Прикладной ландшафт типичной цепи поставок - это джунгли, которые выросли хаотично за последние два или три десятилетия. Этот ландшафт не является французским формальным садом с аккуратными геометрическими линиями и аккуратно подстриженными кустами; это джунгли, живые, но также полные шипов и враждебной фауны. Более серьезно, цепи поставок являются продуктом их цифровой истории. Может быть несколько полуизбыточных ERP-систем, полузавершенных собственных наработок, пакетных интеграций, особенно с системами, происходящими от приобретенных компаний, и перекрывающихся программных платформ, которые конкурируют за те же функциональные области.
Идея о том, что какой-то великий двигатель может быть просто подключен, является иллюзорной, учитывая текущее состояние программных технологий. Сбор всех систем, управляющих цепью поставок, является значительным предприятием, полностью зависящим от усилий человека.
Анализ совокупных расходов показывает, что обработка данных составляет не менее трех четвертей общих технических усилий, связанных с инициативой цепи поставок. В отличие от этого, создание умных аспектов числового рецепта, таких как прогнозирование и оптимизация, составляет не более нескольких процентов общих усилий. Таким образом, наличие упакованного великого двигателя в значительной степени не имеет значения с точки зрения затрат или задержек. Для того, чтобы этот двигатель автоматически интегрировался в часто хаотичный ИТ-ландшафт, обычно присутствующий в цепях поставок, ему потребуется встроенный интеллект на уровне человека.
Кроме того, любой великий двигатель делает это предприятие еще более сложным из-за его существования. Вместо того, чтобы иметь дело с одной сложной системой, прикладным ландшафтом, у нас теперь есть две сложные системы: прикладной ландшафт и великий двигатель. Сложность интеграции этих двух систем не является суммой их соответствующих сложностей, а является произведением этих сложностей.
Влияние этой сложности на затраты на инженерию является крайне нелинейным, что уже было сказано в первой главе этой серии лекций. Первое основное узкое место для оптимизации цепи поставок - это настройка числового рецепта, требующая специальных усилий инженерии. Это узкое место в значительной степени устраняет преимущества, которые можно было бы связать с любым видом упакованного великого двигателя цепи поставок.
В то время как настройка требует значительных усилий инженерии, это может быть единоразовое вложение, подобное оплате входного билета. К сожалению, цепи поставок - это живые сущности, постоянно развивающиеся. День, когда цепь поставок перестает меняться, - это день, когда компания обанкротится. Изменения происходят как внутри, так и снаружи.
Внутренне прикладной ландшафт постоянно меняется. Компании не могут заморозить свой прикладной ландшафт, даже если бы они хотели, так как многие обновления обязательны для поставщиков корпоративного программного обеспечения. Игнорирование этих требований освободило бы поставщиков от их контрактных обязательств, что неприемлемо. Помимо чисто технических обновлений, любая крупная цепь поставок обязательно внедряет и выводит из эксплуатации программные компоненты по мере изменения самой компании.
Внешне рынки также постоянно меняются. Появляются новые конкуренты, каналы продаж и потенциальные поставщики, в то время как некоторые исчезают. Регулирования постоянно меняются. В то время как алгоритмы могут автоматически улавливать некоторые очевидные изменения, например, рост спроса на класс товаров, у нас еще нет алгоритмов, способных справиться с изменениями на рынке в целом, а не только в масштабе. Самые проблемы, которые пытается решить оптимизация цепи поставок, также меняются.
Если программное обеспечение, отвечающее за оптимизацию цепи поставок, не справляется с этими изменениями, сотрудники прибегают к использованию таблиц Excel. Таблицы Excel могут быть грубыми, но по крайней мере сотрудники могут подстроить их под текущую задачу. По анекдотическим данным, подавляющее большинство цепей поставок все еще работает с использованием таблиц Excel на уровне принятия решений, а не на транзакционном уровне. Это является живым доказательством того, что обслуживание программного обеспечения потерпело неудачу.
С 1980-х годов поставщики корпоративного программного обеспечения предлагают программные продукты для автоматизации принятия решений в цепи поставок. Большинство компаний, управляющих крупными цепями поставок, уже внедрили несколько таких решений за последние несколько десятилетий. Однако сотрудники всегда возвращаются к своим таблицам Excel, что свидетельствует о том, что даже если начальная настройка была признана успешной, что-то пошло не так с обслуживанием.
Обслуживание является вторым основным узким местом оптимизации цепи поставок. Рецепт требует активного обслуживания, даже если выполнение может быть в значительной степени оставлено без присмотра.
На данный момент мы показали, что оптимизация цепи поставок требует не только начальных ресурсов по программной инженерии, но и постоянных ресурсов по программной инженерии. Как уже отмечалось в этой серии лекций, ничто, кроме программных возможностей, не может реалистично подойти к разнообразию проблем, с которыми сталкиваются реальные цепи поставок. Таблицы Excel считаются программными инструментами, и их выразительность, в отличие от кнопок и меню, делает их так привлекательными для практиков в области цепей поставок.
Поскольку ресурсы по программной инженерии должны быть обеспечены в большинстве компаний, естественно обратиться к IT-отделу. К сожалению, цепь поставок - не единственный отдел с такой логикой. Каждый отдельный отдел, включая продажи, маркетинг и финансы, в конечном итоге понимает, что автоматизация их процессов принятия решений требует ресурсов по программной инженерии. Кроме того, им также приходится иметь дело с транзакционным уровнем и всей его базовой инфраструктурой.
В результате большинство компаний, управляющих крупными цепями поставок, имеют свои IT-отделы, забитые годами невыполненных задач. Таким образом, ожидание от IT-отдела выделить дополнительные постоянные ресурсы для цепи поставок только ухудшает ситуацию с невыполненными задачами. Возможность выделить больше ресурсов IT-отделу уже исследована и обычно больше не является жизнеспособной. Эти компании уже сталкиваются с серьезными дезэкономиями масштаба, когда речь идет об IT-отделе. Невыполненные задачи IT-отдела представляют собой третье большое узкое место для оптимизации цепи поставок.
Необходимы постоянные ресурсы по программной инженерии, но основная их часть не может поступать из IT-отдела. Можно представить некоторую поддержку со стороны IT, но она должна быть незаметной.
Эти три больших узких места определяют необходимость специальной роли: ученый по цепи поставок - это название, которое мы даем этим постоянным ресурсам по программной инженерии, необходимым для автоматизации мелких решений цепи поставок и сложных процессов принятия решений.
Продолжим с более точным определением на основе практики Lokad. Миссия ученого по цепи поставок заключается в создании числовых рецептов, которые генерируют мелкие решения, необходимые ежедневно для работы цепи поставок. Работа ученого начинается с извлечения данных из базы данных, собранных со всего прикладного ландшафта. Ожидается, что ученый напишет рецепт, который обрабатывает эти извлечения данных и приводит эти рецепты в производство. Ученый несет полную ответственность за качество решений, генерируемых рецептом. Решения не генерируются какой-то амбиентной системой; они являются прямым выражением идей ученого, передаваемых через рецепт.
Этот аспект является критическим отклонением от того, что обычно понимается под ролью дата-ученого. Однако миссия не ограничивается этим. Ожидается, что ученый по цепочке поставок сможет представить доказательства, подтверждающие каждое принятое решение, сгенерированное рецептом. Это не некий непрозрачный система, за решения которой отвечает; это человек, ученый. Ученый должен иметь возможность встретиться с руководителем цепочки поставок или даже с генеральным директором и предоставить убедительное обоснование любого решения, сгенерированного рецептом.
Если ученый не может нанести значительный ущерб компании, то что-то не так. Я не призываю предоставлять кому-либо, и особенно ученому, большие полномочия без надзора или ответственности. Я просто указываю на очевидное: если у вас нет возможности негативно повлиять на свою компанию, несмотря на то, насколько плохо вы выполняете свою работу, у вас также нет возможности положительно повлиять на свою компанию, несмотря на то, насколько хорошо вы выполняете свою работу.
Крупные компании, к сожалению, по своей природе боятся рисков. Таким образом, очень соблазнительно заменить ученого аналитиком. В отличие от ученого, ответственного за сами решения, аналитик отвечает только за некоторое освещение здесь и там. Аналитик в основном безвреден и не может сделать ничего, кроме как потратить свое собственное время и некоторые вычислительные ресурсы. Однако безвредность не является целью роли ученого по цепочке поставок.
Давайте обсудим термин “ученый по цепочке поставок” на секунду. К сожалению, этот терминология несовершенна. Я изначально придумал это выражение как вариацию термина “дата-ученый” около десяти лет назад с идеей брендинга этой роли как вариации дата-ученого, но с сильной специализацией на цепочке поставок. Идея о специализации была верной, но идея о науке о данных - нет. Я вернусь к этому вопросу в конце лекции.
“Инженер по цепочке поставок” мог бы быть более удачным термином, так как он подчеркивает желание овладеть и контролировать область, а не просто понимать ее. Однако инженеры, как правило, не ожидаются на передовой деятельности. Правильным термином, вероятно, был бы “квант по цепочке поставок”, то есть квантитативный практикующий по цепочке поставок.
В финансовой сфере квант или квантитативный трейдер - это специалист, который использует алгоритмы и квантитативные методы для принятия торговых решений. Кванты могут сделать банк крайне прибыльным или, наоборот, крайне неприбыльным. Человеческий интеллект усиливается с помощью машин, как хорошего, так и плохого.
В любом случае, решение о правильной терминологии должно быть принято сообществом в целом: аналитик, ученый, инженер, оперативник или квант. В целях согласованности я буду продолжать использовать термин “ученый” в остальной части этой лекции.
Основным результатом работы ученого является программное обеспечение, более точно, числовой рецепт, отвечающий за генерацию ежедневных решений в цепочке поставок. Этот рецепт представляет собой совокупность всех скриптов, задействованных на ранних этапах подготовки данных до конечных этапов корпоративной проверки самих решений. Этот рецепт должен быть готов к производству, то есть он может работать без присмотра, и решения, которые он генерирует, по умолчанию считаются надежными. Естественно, это доверие должно быть заслужено с самого начала, и непрерывный надзор должен гарантировать, что это уровень доверия оправдан со временем.
Предоставление рецепта, готового к производству, является фундаментальным условием для превращения практики в цепочке поставок в продуктивный актив. Этот аспект уже обсуждался в предыдущей лекции о поставке, ориентированной на продукт.
Помимо этого рецепта, существует множество вторичных результатов. Некоторые из них также являются программными, даже если они не прямо влияют на генерацию решений. Это, например, вся инструментация, которую ученый должен внедрить для создания и поздней поддержки самого рецепта. Некоторые другие элементы предназначены для коллег внутри компании, включая всю документацию самой инициативы и рецепта.
Исходный код рецепта отвечает на вопрос “как” - как это делается? Однако исходный код не отвечает на вопрос “почему” - почему это делается? “Почему” должно быть задокументировано. Часто правильность рецепта зависит от некоторого тонкого понимания намерения. Предоставленная документация должна облегчить плавный переход от одного ученого к другому, даже если предыдущий ученый недоступен для поддержки процесса.
В Lokad наша стандартная процедура состоит в создании и поддержке общей книги инициатив, известной как Совместное процедурное руководство (JPM). Это руководство является не только полным операционным руководством рецепта, но и сборником всех стратегических идей, лежащих в основе выбора моделирования учеными.
На техническом уровне работа ученого начинается с извлечения исходных данных и заканчивается созданием окончательных решений по цепям поставок. Ученый должен работать с исходными данными, извлеченными из существующих бизнес-систем. Поскольку каждая бизнес-система имеет свой собственный технологический стек, само извлечение обычно лучше всего доверить IT-специалистам. Нельзя ожидать, чтобы ученый овладел полдюжиной диалектов SQL или полдюжиной технологий API, просто чтобы получить доступ к бизнес-данным. С другой стороны, от IT-специалистов не следует ожидать ничего, кроме извлечения исходных данных, ни трансформации данных, ни их подготовки. Извлеченные данные, доступные ученому, должны быть максимально близкими к данным, представленным в бизнес-системах.
В другом конце конвейера рецепт, созданный ученым, должен генерировать окончательные решения. Элементы, связанные с внедрением решений, не подпадают под компетенцию ученого. Они важны, но в значительной степени независимы от самого решения. Например, при рассмотрении заказов на закупку установление окончательных количеств входит в компетенцию ученого, но генерация PDF-файла - документа заказа, ожидаемого поставщиком - нет. Несмотря на эти ограничения, область довольно обширна. В результате возникает искушение, но ошибочное, разделить область на ряд подобластей. В крупных компаниях это искушение становится очень сильным и должно быть сопротивлено. Разделение области - самый надежный способ создать множество проблем.
Вверху, если кто-то пытается помочь ученым, предварительно обрабатывая входные данные, эта попытка неизбежно приводит к проблемам “мусор внутри, мусор снаружи”. Бизнес-системы достаточно сложны; предварительное преобразование данных только добавляет дополнительный случайный уровень сложности. В середине, если кто-то пытается помочь ученым, занимаясь сложной частью рецепта, например, прогнозированием, то ученые сталкиваются с черным ящиком посреди своего собственного рецепта. Такой черный ящик подрывает усилия ученых по белому ящику. И внизу, если кто-то пытается помочь ученому дополнительной оптимизацией решений, эта попытка неизбежно вызывает путаницу, и двухуровневая логика оптимизации может даже работать вразнос.
Это не означает, что ученый должен работать в одиночку. Может быть сформирована команда ученых, но область остается. Если команда сформирована, должно быть коллективное владение рецептом. Это означает, например, что если в рецепте обнаружена ошибка, любой член команды должен иметь возможность вмешаться и исправить ее.
Опыт Lokad показывает, что здоровая смесь для ученого по цепям поставок включает затраты 40% времени на кодирование, 30% на диалог с остальной компанией и 30% на написание документов, учебных материалов и обмен опытом с коллегами-практиками или коллегами-учеными по цепям поставок.
Кодирование, очевидно, необходимо для реализации самого рецепта. Однако, как только рецепт находится в производстве, большая часть усилий по кодированию направлена не на сам рецепт, а на его инструментацию. Чтобы улучшить рецепт, ученому нужны дополнительные идеи, и в свою очередь, эти идеи требуют специальной инструментации, которую необходимо реализовать.
Диалог с остальной компанией является фундаментальным. В отличие от S&OP, цель этих обсуждений не заключается в управлении прогнозом вверх или вниз. Речь идет о том, чтобы убедиться, что выбранные моделированием в рецепте выборы по-прежнему точно отражают стратегию компании и все ее операционные ограничения.
Наконец, важно развивать институциональные знания, которыми компания располагает в области оптимизации цепей поставок, будь то непосредственное обучение самых ученых или создание документов для коллег. Результаты рецепта во многом отражают компетентность ученого. Общение с коллегами и поиск обратной связи являются одними из самых эффективных способов повышения компетентности ученых.
Самое большое отличие между ученым в области цепей поставок, как это видит Lokad, и обычным ученым-аналитиком данных заключается в личной приверженности к реальным результатам. Кажется, что это мелочь, но опыт говорит об обратном. Десять лет назад Lokad на собственной шкуре узнал, что преданность доставке рецепта производственного уровня не является данностью. Напротив, у людей, обученных как ученых-аналитиков данных, по умолчанию наблюдается отношение, при котором производство воспринимается как второстепенное. Обычный ученый-аналитик данных ожидает управлять “умными” аспектами, такими как машинное обучение и математическая оптимизация, в то время как работа с реальными случайностями, связанными с цепями поставок, слишком часто воспринимается как несерьезная.
Однако приверженность производственному рецепту подразумевает работу с самыми разными вещами. Например, в июле 2021 года многие европейские страны столкнулись с катастрофическими наводнениями. Клиент Lokad, базирующийся в Германии, имел половину своих складов затопленными. Ученый в области цепей поставок, ответственный за этот проект, должен был перестроить рецепт практически за одну ночь, чтобы максимально использовать эту серьезно ухудшенную ситуацию. Исправление не было своего рода великим алгоритмом машинного обучения, а скорее набором декодированных эвристик. Соответственно, если ученый в области цепей поставок не принимает решение самостоятельно, то этот человек не сможет создать производственный рецепт. Это вопрос психологии. Поставка производственного рецепта требует огромных интеллектуальных усилий, и ставки должны быть реальными, чтобы достичь необходимого уровня концентрации сотрудника.
После того, как мы прояснили роль ученого в области цепей поставок, давайте обсудим, как это работает с точки зрения управления персоналом. Во-первых, среди корпоративных забот ученый должен подчиняться руководителю цепи поставок или по крайней мере кому-то, кто имеет статус старшего руководителя цепи поставок. Не имеет значения, является ли ученый внутренним или внешним, как это часто бывает в случае с Lokad. Главное, чтобы ученый находился под прямым руководством того, кто обладает полномочиями руководителя цепи поставок.
Одна из распространенных ошибок - это назначение ученого подчиненным руководителю ИТ или руководителю аналитики данных. Поскольку создание рецепта является упражнением по программированию, руководство цепью поставок может не чувствовать себя полностью комфортно при надзоре за таким процессом. Однако это неверно. Ученый нуждается в надзоре со стороны того, кто может утвердить, являются ли принятые решения приемлемыми или нет, или кто может хотя бы обеспечить такое утверждение. Размещение ученого в любом месте, кроме прямого подчинения руководству цепи поставок, приводит к бесконечной работе с прототипами, которые никогда не попадают в производство. В этой ситуации роль неизбежно сводится к аналитику, и первоначальные амбиции квантитативной инициативы в области цепей поставок оставляются без внимания.
Самые лучшие ученые в области цепей поставок приносят значительно больший доход по сравнению с обычными. Это был опыт Lokad и отражает паттерн, выявленный десятилетия назад в программной индустрии. Компании-разработчики программного обеспечения давно заметили, что самые лучшие программисты имеют как минимум в 10 раз большую производительность по сравнению с обычными, а средненькие программисты могут даже иметь отрицательную производительность, делая программное обеспечение хуже с каждым часом, потраченным на кодовую базу.
В случае ученых в области цепей поставок, превосходная компетентность не только повышает производительность, но, что более важно, улучшает конечный результат эффективность цепей поставок. При одинаковых программных инструментах и математических методах два ученых не достигают одинакового результата. Таким образом, найм кандидата с потенциалом стать одним из лучших ученых является первостепенной задачей.
Опыт Lokad, основанный на найме более 50 ученых, показывает, что неспециализированные профили инженеров обычно являются довольно хорошими. Хотя это противоречит интуиции, люди с формальным образованием в области науки о данных, статистики или компьютерных наук обычно не являются лучшими кандидатами на должность ученого в области цепей поставок. Эти люди слишком часто усложняют рецепт и не уделяют достаточного внимания мелким, но критически важным аспектам цепей поставок. Способность обращать внимание на множество деталей и способность неустанно преследовать числовые артефакты кажутся ведущими качествами лучших ученых.
По аналогии, в Lokad был хороший опыт с молодыми инженерами, которые несколько лет работали аудиторами. Помимо знакомства с корпоративными финансами, кажется, что талантливые аудиторы развивают способность преодолевать огромное количество корпоративных записей, что соответствует повседневной реальности ученого в области цепей поставок.
При найме мы не ожидаем, что новички уже будут знать что-то о цепях поставок. Знание цепей поставок - это плюс, но академическая сфера в этом отношении оставляет желать лучшего. Большинство программ по цепям поставок фокусируются на управлении и лидерстве, но для молодых выпускников важно иметь должное базовое знание вопросов, рассмотренных во второй, третьей или четвертой главе этой серии лекций. К сожалению, это часто не так, и количественная часть этих программ может быть неудовлетворительной. В результате ученых в области цепей поставок должны обучать их работодатели. Эта серия лекций отражает типы учебных материалов, используемых в Lokad.
Оценка работы ученых в области цепей поставок важна по ряду причин, таких как обеспечение эффективного использования денежных средств компании и определение повышений. Применяются обычные критерии: отношение, прилежность, квалификация и т. д. Однако есть один противоречивый аспект: лучшие ученые достигают результатов, которые делают проблемы цепей поставок почти невидимыми, с минимальным количеством драмы.
Обучение ученого поддерживать существующие рецепты, сохраняя предыдущий уровень эффективности цепей поставок, занимает около шести месяцев, в то время как обучение ученого созданию рецепта прогнозирования с нуля занимает около двух лет. Сохранение талантов критично, особенно учитывая, что найм опытных ученых в области цепей поставок пока не является вариантом.
Во многих странах медианное время работы инженеров до 30 лет в программном обеспечении и смежных областях довольно низкое. Lokad достигает более высокой медианной продолжительности работы, фокусируясь на благополучии сотрудников. Компании не могут принести счастье своим сотрудникам, но они могут избегать того, чтобы сделать их несчастными через глупые процессы. Здравый смысл идет долгим путем в удержании сотрудников.
Компетентному и опытному ученому в области цепей поставок нельзя ожидать, что он быстро освоит существующий рецепт, поскольку рецепт отражает уникальную стратегию компании и особенности цепи поставок. Переход от одной цепи поставок к другой может занять около месяца в лучших условиях. Неразумно полагаться на одного ученого в крупной компании; Lokad обеспечивает наличие двух ученых, владеющих любым используемым в производстве рецептом. Непрерывность является важным фактором, и одним из способов достижения этого является создание совместного руководства с клиентами, которое может облегчить непредвиденные переходы между учеными.
Роль ученого в области цепей поставок требует необычно высокого уровня сотрудничества с несколькими отделами, особенно с IT. Правильное выполнение рецепта зависит от процесса извлечения данных, за который отвечает IT.
В начальной фазе первой количественной инициативы в области цепей поставок происходит относительно интенсивное взаимодействие между IT и ученым, которое длится около двух-трех месяцев. После того, как процесс извлечения данных налажен, взаимодействие становится менее частым. Этот диалог обеспечивает то, что ученый остается в курсе плана развития IT и любых обновлений или изменений программного обеспечения, которые могут повлиять на цепь поставок.
В начальной фазе количественной инициативы в области цепей поставок происходит относительно интенсивное взаимодействие между IT и учеными. В течение первых двух или трех месяцев ученому необходимо взаимодействовать с IT несколько раз в неделю. После того, как процесс извлечения данных налажен, взаимодействие становится гораздо реже, примерно один раз в месяц или реже. Помимо устранения случайных сбоев в процессе, этот диалог обеспечивает то, что ученый остается в курсе плана развития IT. Любое обновление или замена программного обеспечения может потребовать несколько дней или даже недель работы ученого. Чтобы избежать простоя, рецепт должен быть изменен в соответствии с изменениями в прикладном ландшафте.
Рецепт, реализованный ученым, оптимизирует доходы в долларах или евро. Мы рассмотрели этот аспект в самых первых лекциях этой серии. Однако ученому не следует ожидать, что он будет решать, как моделировать затраты и прибыль. Хотя он должен предлагать модели, отражающие экономические факторы, окончательное решение о том, являются ли эти факторы правильными или нет, принимает финансовый отдел. Многие практики в области цепей поставок избегают проблемы, фокусируясь на процентах, таких как уровни обслуживания и точность прогнозирования. Однако эти проценты практически не коррелируют с финансовым состоянием компании. Таким образом, ученый должен регулярно взаимодействовать с финансами и позволять им оспаривать выбор и предположения, сделанные в числовом рецепте.
Выборы финансового моделирования являются временными, поскольку они отражают изменяющуюся стратегию компании. Ожидается, что ученый также создаст некоторые инструменты, связанные с рецептом для финансового отдела, такие как максимальная прогнозируемая сумма оборотного капитала, связанного с запасами на предстоящий год. Для среднего или крупного предприятия разумно проводить квартальный обзор работ, выполненных ученым в области цепей поставок, финансовым руководителем.
Одной из самых больших угроз для достоверности рецепта является случайное нарушение стратегического намерения компании. Слишком много практик в области цепей поставок избегают стратегии, прячась за процентами, используемыми в качестве показателей эффективности. Искусственное завышение или занижение прогноза через планирование продаж и операций (S&OP) не является заменой для ясного определения стратегического намерения. Ученый не отвечает за стратегию компании, но рецепт будет неверным, если он ее не понимает. Выравнивание рецепта с стратегией должно быть спланировано.
Самый прямой способ оценить, понимает ли ученый стратегию, - попросить его переобъяснить ее руководству. Это позволяет легче выявить недоразумения. В теории, этот понимание уже задокументировано ученым в руководстве по инициативе. Однако опыт показывает, что руководители редко имеют время для детального изучения операционной документации. Простой разговор ускоряет процесс для обеих сторон.
Эта встреча не предназначена для того, чтобы ученый объяснял все о моделях цепи поставок или финансовых результатах. Единственная цель - обеспечить правильное понимание человека, держащего цифровую ручку. Даже в большой компании разумно, чтобы ученый встречался с генеральным директором или соответствующим руководителем хотя бы раз в год. Преимущества рецепта, более соответствующего намерениям руководства, огромны и часто недооцениваются.
Улучшение цепи поставок является частью непрерывной цифровой модернизации. Это требует некоторой реорганизации самой компании. Хотя изменения могут быть не кардинальными, устранение устаревших практик - это борьба в гору. При правильном выполнении производительность ученого по цепи поставок значительно выше, чем у традиционного планировщика. Не редкость, когда один ученый отвечает за более чем полмиллиарда долларов или евро стоимости запасов.
Радикальное сокращение численности сотрудников цепи поставок возможно. Некоторые клиентские компании Lokad, которые исторически находились под огромным конкурентным давлением, выбрали этот подход и выжили, в частности, благодаря этим сбережениям. Большинство наших клиентов, однако, предпочитают более плавное сокращение численности сотрудников, поскольку планировщики естественным образом переходят на другие должности.
Оставшиеся планировщики переориентируют свои усилия на клиентов и поставщиков. Собранная ими обратная связь оказывается очень полезной для ученых по цепи поставок. Действительно, работа ученого по своей природе направлена внутрь компании. Они работают с данными компании, и трудно увидеть, что просто отсутствует.
Многие бизнес-голоса давно призывают укрепить связи как с клиентами, так и с поставщиками. Однако это легче сказать, чем сделать, особенно если усилия регулярно нейтрализуются из-за непрерывных пожарных работ, уверения клиентов и давления на поставщиков. Ученые по цепи поставок могут обеспечить необходимое облегчение в обоих направлениях.
S&OP (планирование продаж и операций) - это широко распространенная практика, направленная на обеспечение согласованности во всей компании через общий прогноз спроса. Однако, несмотря на все первоначальные амбиции, S&OP-процессы, которые я когда-либо видел, лучше всего характеризуются бесконечной серией неэффективных встреч. За исключением внедрения ERP-систем и соблюдения правил, я не могу вспомнить ни одной корпоративной практики, столь душераздирающей, как S&OP. Советский Союз может и исчез, но дух Госплана живет в S&OP.
Подробный анализ S&OP заслуживает отдельной лекции. Однако, для краткости, я просто скажу, что ученый по цепи поставок является превосходной альтернативой S&OP во всех существенных аспектах. В отличие от S&OP, ученый по цепи поставок основан на реальных решениях. Единственное, что не позволяет ученому стать еще одним агентом раздутой корпоративной бюрократии, - это не его характер или компетентность; это наличие заинтересованности в игре через эти реальные решения.
Планировщики, менеджеры запасов и менеджеры производства часто являются крупными потребителями всевозможных бизнес-отчетов. Эти отчеты обычно создаются продуктами корпоративного программного обеспечения, обычно называемыми инструментами бизнес-аналитики. Типичная практика цепи поставок состоит в экспорте серии отчетов в электронные таблицы, а затем использовании набора формул электронных таблиц для смешивания всей этой информации и полуручного генерирования интересующих решений. Однако, как мы видели, рецепт ученого заменяет эту комбинацию бизнес-аналитики и электронных таблиц.
Кроме того, ни бизнес-аналитика, ни электронные таблицы не подходят для поддержки реализации рецепта. Бизнес-аналитика не обладает выразительностью, так как соответствующие вычисления не могут быть выражены с помощью этого класса инструментов. Электронные таблицы не обладают поддержкой поддержки и иногда масштабируемости, но в основном поддержкой поддержки. Проектирование электронных таблиц в значительной степени несовместимо с любым видом корректности по конструкции, что очень важно для целей цепи поставок.
На практике, инструментирование рецепта, реализованное ученым, включает в себя множество бизнес-отчетов. Эти отчеты заменяют те, которые были созданы до сих пор с помощью бизнес-аналитики. Это развитие не обязательно означает конец бизнес-аналитики, поскольку другие отделы могут по-прежнему получать выгоду от этого класса инструментов. Однако, что касается цепи поставок, появление ученого по цепи поставок ознаменовывает конец эры бизнес-аналитики.
Если мы отложим в сторону несколько гигантов технологической отрасли, которые могут позволить себе бросить сотни, а то и тысячи инженеров на каждую проблему программного обеспечения, типичным результатом работы команд по науке о данных в обычных компаниях является плачевный исход. Обычно эти команды не достигают ничего существенного. Однако наука о данных, как корпоративная практика, является только последней итерацией серии корпоративных модных течений.
В 1970-х годах операционный анализ был в моде. В 1980-х годах популярными были правила и эксперты по знаниям. В начале века были востребованы добыча данных и добытчики данных. С 2010-х годов наука о данных и ученые по данным считаются следующим большим трендом. Все эти корпоративные тенденции следуют одной и той же схеме: происходит настоящая инновация в области программного обеспечения, люди чрезмерно восторженно относятся к ней и решают принудительно внедрить эту инновацию в компанию путем создания нового отдельного подразделения. Это происходит потому, что всегда намного проще добавить подразделения в организацию, чем изменять или удалять существующие.
Однако наука о данных как корпоративная практика терпит неудачу, потому что она не твердо укоренена в действии. Это делает всю разницу между ученым по цепи поставок, который с первого дня обязуется нести ответственность за принятие решений в реальном мире, и отделом информационных технологий.
Если мы сможем отложить в сторону эго и феодальные владения, ученый по цепи поставок представляет собой гораздо более выгодное предложение, чем прежний статус-кво. Типичный отдел информационных технологий затерян в годовом запасе работ, и преследование дополнительных ресурсов не является разумным предложением, так как это приводит к увеличению ожиданий других отделов и дальнейшему увеличению запаса работ.
Напротив, ученый по цепи поставок прокладывает путь к снижению ожиданий. Ученый ожидает только доступности сырых данных, и борьба с их обработкой лежит на его ответственности. Он не ожидает ничего от отдела информационных технологий в этом отношении. Ученого по цепи поставок не следует рассматривать как корпоративно одобренную версию теневых информационных технологий. Речь идет о том, чтобы сделать отдел цепи поставок ответственным и подотчетным за свою основную компетенцию. Отдел информационных технологий управляет низкоуровневой инфраструктурой и транзакционным уровнем, в то время как уровень принятия решений в цепи поставок должен полностью принадлежать отделу цепи поставок.
Отдел информационных технологий должен быть обеспечивающим, а не принимающим решения, за исключением истинно информационно-технических частей бизнеса. Многие отделы информационных технологий осознают свой запас работ и принимают это новое соглашение. Однако, если инстинкт защиты того, что воспринимается как их территория, слишком силен, они могут отказаться от передачи уровня принятия решений в цепи поставок. Эти ситуации болезненны и могут быть разрешены только через прямое вмешательство генерального директора.
Со стороны нашим выводом может быть то, что роль ученого по цепи поставок можно рассматривать как более специализированную вариацию ученого по данным. Исторически таким образом Lokad пытался исправить проблемы, связанные с корпоративной практикой науки о данных. Однако мы поняли десять лет назад, что этого недостаточно. Нам потребовалось много лет, чтобы постепенно раскрыть все элементы, которые были представлены сегодня.
Ученый по цепи поставок не является дополнением к цепи поставок компании; это ясное определение владения повседневными поставками цепи поставок. Чтобы извлечь максимальную выгоду из этого подхода, цепь поставок, или по крайней мере ее планирующая составляющая, должна быть перестроена. Смежные отделы, такие как финансы и операции, также должны приспособиться к некоторым изменениям, хотя в значительно меньшей степени.
Воспитание команды ученых по цепи поставок - это значительное обязательство для компании, но при правильном подходе производительность высока. На практике каждый ученый заменяет от 10 до 100 планировщиков, прогнозистов или менеджеров запасов, что позволяет сэкономить значительные средства на заработной плате, даже если ученые получают более высокую зарплату. Ученый по цепи поставок демонстрирует новое соглашение с ИТ, переориентируя ИТ как возможность, а не поставщика решений, устраняя многие, если не большинство, связанные с ИТ узкие места.
Более общим образом, этот подход может быть отражен во всех других не-ИТ отделах компании, таких как маркетинг, продажи и финансы. Каждый отдел имеет свои собственные повседневные решения, которые также могут значительно выиграть от такого же вида автоматизации. Однако, как и ученый по цепи поставок, экспертность ученого по маркетингу или маркетинговому количественному анализу должна быть в первую очередь в области маркетинга. Взгляд ученого открывает путь к максимальному использованию сочетания машинного и человеческого интеллекта в начале 21 века.
Однако, как и ученый по цепи поставок, ученый по маркетингу или маркетинговый количественный аналитик должен быть экспертом в маркетинге. Взгляд ученого открывает путь к максимальному использованию сочетания машинного и человеческого интеллекта в начале 21 века.
Следующая лекция состоится 10 мая, в среду, в то же время, в 15:00 по парижскому времени. Сегодняшняя лекция была не технической, но следующая будет в значительной степени технической. Я буду представлять техники оптимизации ценообразования. В основных учебниках по цепи поставок обычно не рассматривается ценообразование как элемент цепи поставок; однако ценообразование в значительной степени влияет на баланс спроса и предложения. Кроме того, ценообразование обычно является сильно специфичным для отрасли, так как очень легко неправильно подойти к этой проблеме в абстрактных терминах. Таким образом, мы сузим наши исследования до рынка автозапчастей. Это будет случай, чтобы пересмотреть элементы, представленные в Штутгарте, одной из персонажей цепи поставок, которую я представил в третьей главе этой серии лекций.
Итак, я продолжу с вопросами.
Вопрос: Академическому сообществу потребовалось почти десять лет, чтобы понять, что появилась область науки о данных, и что ее следует преподавать в школе. Вы уже видите то же самое происходящее в академических кругах цепи поставок с принятием перспективы науки о цепи поставок?
Во-первых, я не знаю, чтобы во французских школах преподавали науку о данных. В школе они почти не преподают ничего, что связано с компьютерами, не говоря уже о науке о данных. Я даже не уверен, где бы они нашли преподавателей для этого. Но я понимаю, что вы хотите, чтобы ученики средней школы имели некоторую цифровую грамотность. Я считаю, что знакомство с программированием - это очень хорошо, и вы можете начать с этого даже раньше, согласно моему собственному опыту, начиная с семи или восьми лет, в зависимости от зрелости ребенка. Вы можете начать даже в начальной школе, но мы говорим только о базовых понятиях программирования: переменных, списков инструкций и подобных вещей. Я считаю, что наука о данных в значительной степени превосходит то, что должно преподаваться в средней школе, если у вас нет чудес детства или чего-то подобного. Для меня это явно предназначено для людей на уровне университета, как бакалавриат, так и магистратура.
Действительно, академическому сообществу потребовалось десять лет, чтобы выделить науку о данных, но давайте на мгновение остановимся. Я описал науку о данных как корпоративную практику, которая в значительной степени является зеркальной версией того, что делает академическое сообщество, преподавая науку о данных. Так что нам нужно подумать о проблеме, и здесь я думаю, что одна из проблем заключается в том, что очень сложно преподавать то, что вы не практикуете. По крайней мере, на уровне университета, если не ниже. Что я вижу, так это то, что у нас уже есть проблема с наукой о данных, так как люди, которые преподают науку о данных, не те, кто на самом деле занимается наукой о данных в таких местах, как Microsoft, Google, Facebook, OpenAI и т. д.
Для цепей поставок у нас есть аналогичная проблема, и доступ к людям с правильным опытом просто невероятно сложен. Я надеюсь, и это моя бесстыдная реклама, что Lokad начнет в ближайшие недели пытаться предоставить некоторые материалы, предназначенные для обучения в области цепей поставок. Мы начнем распространять некоторые материалы, которые будут упакованы таким образом, чтобы они были подходящими для профессоров в академической среде, чтобы они могли использовать эти знания. Очевидно, им придется использовать свой собственный суд, чтобы оценить, стоит ли преподавать студентам те материалы, которые предлагает Lokad.
Вопрос: Не используется ли специализированный язык Lokad где-то еще? Как вы мотивируете потенциальных новых сотрудников изучать то, что они, вероятно, больше никогда не будут использовать в своей следующей работе?
Вот именно то, о чем я говорил относительно проблемы, с которой я столкнулся с учеными-данными. Люди буквально подавали заявки, говоря: “Я хочу работать с TensorFlow, я специалист по TensorFlow” или “Я специалист по PyTorch”. Это неправильное отношение. Если вы путаете свою личность с набором технических инструментов, вы упускаете суть. Задача состоит в понимании проблем цепей поставок и способов их количественного решения для принятия решений на производственном уровне.
В этой лекции я упомянул, что ученому-цепи поставок требуется шесть месяцев, чтобы овладеть навыками поддержки рецепта и два года, чтобы создать рецепт с нуля. Сколько времени требуется, чтобы полностью овладеть Envision, нашим собственным языком программирования? По нашему опыту, на это требуется три недели. Envision - это маленькая деталь по сравнению с общей задачей, но она важна. Если ваш инструментарий плохой, вы столкнетесь с огромными случайными проблемами. Однако будем реалистами: это маленькая часть общей головоломки.
Люди, которые проводят время в Lokad, много узнают о проблемах цепей поставок. Язык программирования можно переписать на других языках, но это может потребовать больше строк кода. То, чего люди, особенно молодые инженеры, часто не понимают, это то, насколько многие технологии являются временными. Они не долго продерживаются, обычно всего несколько лет, прежде чем их заменят чем-то другим.
Мы видели бесконечную серию технологий, приходящих и уходящих. Если кандидат говорит: “Мне действительно важны технические детали”, то он, вероятно, не является хорошим кандидатом. Это была моя проблема с учеными-данными - им нужны модные, передовые вещи. Цепи поставок - это чрезвычайно сложные системы, и когда вы допускаете ошибку, это может стоить миллионы. Вам нужны инструменты на производственном уровне, а не последний непроверенный пакет.
Лучшие кандидаты проявляют искренний интерес к становлению профессионалами в области цепей поставок. Важная часть - это цепь поставок, а не детали языка программирования.
Вопрос: Я получаю степень бакалавра в управлении цепями поставок, транспортом и логистикой. Как мне стать ученым-цепью поставок?
Во-первых, я призываю вас подать заявку в Lokad. У нас всегда открыты вакансии. Но серьезно говоря, ключом к становлению ученым-цепью поставок является возможность работать в компании, которая готова автоматизировать свои решения в области цепей поставок. Самым важным аспектом является владение принятием решений. Если вы сможете найти компанию, которая готова попробовать это, это сильно поможет вам стать ученым.
Сталкиваясь с вызовами принятия решений на производственном уровне, вы поймете важность тем, о которых я говорю в этой серии лекций. Когда вы имеете дело с прогнозами, которые будут управлять миллионами долларов стоимости запасов, заказов и движений товаров, вы поймете огромную ответственность и необходимость правильности по дизайну. Я уверен, что другие компании будут расти и получать много возможностей. Но даже в моих самых смелых мечтах я не думаю, что каждая компания на Земле будет использовать Lokad. Будет много компаний, которые всегда будут решать делать это по-своему, и у них все будет хорошо.
Вопрос: Поскольку 40% ежедневной работы ученого-цепи поставок - это кодирование, на каком языке программирования вы бы порекомендовали бакалаврам изучать сначала, особенно тем, кто изучает управление?
Я бы сказал, что любой язык, который легко доступен. Хорошим началом будет Python. Мое предложение - попробовать несколько языков программирования. То, что вы ожидаете от инженера цепи поставок, в значительной степени противоположно тому, что вы ожидаете от программных инженеров. Для программных инженеров мой стандартный совет - выбрать один язык и углубиться в него, действительно понимая все нюансы. Но для людей, которые в конечном итоге являются специалистами-универсалами, я бы сказал сделать наоборот. Попробуйте немного SQL, немного Python, немного R. Обратите внимание на синтаксис Excel и, возможно, посмотрите на языки, такие как Rust, чтобы увидеть, как они выглядят. Так что выбирайте то, что у вас есть под рукой. Кстати, у Lokad есть планы сделать Envision доступным для студентов бесплатно, так что следите за новостями.
Вопрос: Вы считаете, что графовые базы данных имеют значительное влияние на прогнозирование цепи поставок?
Абсолютно нет. Графовые базы данных существуют уже более двух десятилетий, и хотя они интересны, они не настолько мощны, как реляционные базы данных, такие как PostgreSQL и MariaDB. Для прогнозирования цепи поставок не требуются операторы, похожие на графы. В соревнованиях по прогнозированию, ни один из топ-100 участников не использовал графовую базу данных. Однако существуют вещи, которые можно сделать с глубоким обучением, примененным к графам, о чем я расскажу в своей следующей лекции о ценообразовании.
Что касается вопроса о том, должны ли ученые-цепи поставок быть вовлечены в определение целей в проектах науки о данных клиентов, я считаю, что есть проблема с основным предположением о фокусировке на науке о данных перед пониманием проблемы, которую мы пытаемся решить. Однако, перефразируя вопрос, следует ли ученым-цепи поставок быть вовлеченными в определение целей оптимизации цепи поставок? Да, абсолютно. Ученому сложно раскрыть то, что мы действительно хотим, и это требует тесного сотрудничества с заинтересованными сторонами, чтобы обеспечить преследование правильных целей. Итак, должны ли ученые быть вовлечены в это? Абсолютно, это критически важно.
Однако давайте уточним, что это не инициатива в области науки о данных; это инициатива в области цепи поставок, которая может использовать данные в качестве подходящего ингредиента. Мы действительно должны начать с проблем и амбиций цепи поставок, а затем, поскольку мы хотим максимально использовать современное программное обеспечение, нам нужны эти ученые. Они помогут уточнить ваше понимание проблемы, потому что граница между тем, что возможно в программном обеспечении, и тем, что остается исключительно областью человеческого интеллекта, довольно размыта. Вам нужны ученые, чтобы ориентироваться в этой границе.
Надеюсь увидеть вас через два месяца, 10 мая, на следующей лекции, где мы будем обсуждать ценообразование. Увидимся тогда.
