00:00:00 Введение в интервью
00:01:46 Влияние точности прогнозирования на прибыль
00:03:25 Определение точности в прогнозировании
00:07:36 Оценка с помощью количественного инструмента
00:09:35 Временные ряды как одна метрика
00:11:16 Спрос, выраженный на уровне корзины
00:13:22 Аналогия прогнозирования с временными рядами
00:15:17 Ограничения временных рядов в контексте скоропортящихся продуктов
00:18:51 Временные ряды не отражают суть бизнеса
00:21:41 Упоминание добавленной ценности прогноза
00:24:47 Обсуждение точности прогнозирования как ключевого показателя
00:27:55 Фокус модной индустрии на создании желаний
00:30:35 Переход к обсуждению аэрокосмической отрасли
00:33:05 Вероятностный подход Lokad
00:36:22 Пример продажи рюкзаков и будущих решений
00:39:34 Снабжение предшествует спросу, пример iPhone
00:42:37 Разница между Lokad и другими компаниями
00:46:13 Подход Lokad к решению проблем
00:49:11 Несогласие с общепринятыми взглядами на управление цепями поставок
00:51:49 Переход к вопросам аудитории
00:54:06 Планирование не отражает понимание бизнеса
00:57:35 Классическое определение точности не имеет значения
01:00:01 Вопрос о точности прогнозирования и исполнении
01:03:38 Вопрос о межотделовом общении и изоляции
01:06:15 Пример дистрибьютора электрооборудования B2B
01:09:34 Анализ корзин более распространен в B2B
01:12:30 Измерение точности прогнозирования
01:15:02 Вопрос о заголовке видео
01:17:10 Аналогия с удалением рака
01:20:32 Секретные таблицы менеджеров
01:23:03 Ответ Joannes на вопрос
01:25:00 Вопрос о прогнозировании временных рядов в структуре прогнозирования
01:27:05 Вопрос о том, почему университеты учат традиционным методам прогнозирования
01:30:54 SNOP для корпоративного согласования
01:33:23 Эксперимент во время локдауна без отдела планирования
01:36:12 Обсуждение трансформации компании
01:39:10 Великая Иллюзия в цепях поставок
01:42:13 Точность, демонстрирующая абсолютно неправильное мышление
01:42:49 Конец интервью
Резюме
Joannes Vermorel, генеральный директор Lokad, критикует традиционное понимание точности прогнозирования в управлении цепями поставок, утверждая, что оно не отражает основную ДНК бизнеса. Он считает, что прогнозы на основе временных рядов, которые используются повсеместно, являются чрезмерно упрощенными и не могут точно представить будущее с точки зрения цепей поставок. Vermorel предлагает другой подход, сосредоточенный на количественной верности сути компании. Он критикует акцент на постепенных улучшениях и утверждает, что компаниям следует искать более простые и лучшие решения. Vermorel подчеркивает важность понимания сути проблемы и формирования количественно обоснованных утверждений, которые имеют смысл для бизнеса.
Расширенное резюме
В разговоре между Joannes Vermorel, генеральным директором Lokad, и Conor Doherthy обсуждалась точность прогнозирования и ее роль в планировании спроса. Vermorel, французский предприниматель в области программного обеспечения, поставил под сомнение традиционное понимание точности прогнозирования в управлении цепями поставок — концепции, которая глубоко укоренилась в отрасли с 1920-х годов. Он утверждал, что, хотя точность прогнозирования напрямую связана с прибылью на фондовом рынке, эта модель не применима к управлению цепями поставок, поскольку между точностью прогнозирования и рентабельностью нет прямой зависимости.
Vermorel предложил два способа определения точности: традиционный и подход Lokad. По его словам, традиционное определение — это прогноз на основе временных рядов, периодический прогноз с равными интервалами. Однако Vermorel раскритиковал этот подход за то, что он основывается на значительных допущениях, таких как симметрия между прошлым и будущим, локальность измерений и игнорирование особенностей вычислительной или программной среды. Он утверждал, что временные ряды — это чрезмерно упрощенная модель, которая не может достоверно представлять будущее с точки зрения цепей поставок.
На примере супермаркета Vermorel показал, что прогнозы на основе временных рядов игнорируют важные взаимосвязи между продуктами. Он аргументировал, что такие прогнозы слепы к важным аспектам и не отражают структуру будущего. Он предположил, что прогнозы на основе временных рядов могут быть достаточными для малого бизнеса, но не для крупных компаний с комплексными цепями поставок.
Vermorel также раскритиковал акцент учебников по цепям поставок на временных рядах как мерило точности, утверждая, что это не отражает основную суть бизнеса. Он подчеркнул, что супермаркеты организованы для продажи корзин товаров, а не отдельных продуктов. Он поставил под сомнение логику использования предиктивных инструментов, которые рассматривают товары изолированно, в то время как супермаркеты созданы для того, чтобы клиенты покупали множество товаров одновременно.
Vermorel также обсудил сложность спроса, используя скоропортящиеся товары в качестве примера. Он объяснил, что если половина запасов магазина испортится на следующий день, это не означает, что в наличии действительно 50 единиц товара. Он также отметил, что покупатели могут выбирать товары с более длительным сроком хранения, что может влиять на необходимость срочной распродажи определенных продуктов.
Vermorel утверждал, что временные ряды не могут точно отразить такие важные закономерности, как корзины товаров и скоропортящиеся товары в супермаркете. Он считает, что точность временных рядов отражает только собственную парадигму, именно поэтому подход Lokad отличается от этого метода.
Vermorel также раскритиковал математические решения, которые технически корректны, но непрактичны в реальных условиях. Он признал, что критики могут утверждать, что инструменты, основанные на временных рядах, работают на практике, несмотря на его критику. Vermorel отметил, что поставщики инструментов уже 45 лет заявляют об их работоспособности, обещая автоматизировать все, что связано с цепями поставок. Он аргументировал, что, несмотря на эти заявления, всё по-прежнему осуществляется с помощью таблиц.
По мнению Vermorel, основная проблема заключается в том, что взгляд, основанный на временных рядах, является некорректным и не соответствует структуре проблемы. Он раскритиковал однобокое представление о будущем, предлагаемое временными рядами. Когда его спросили, что следует преследовать вместо точности прогнозирования как ключевого показателя эффективности, Vermorel предложил, что цель должна заключаться в выработке количественных заявлений о будущем, которые имеют смысл для компании.
Vermorel заключил, что временные ряды почти всегда дают неверные результаты для большинства бизнесов. Он сравнил попытку подобрать математическую модель с неправильной структурой с попыткой поместить круглую форму в квадратное отверстие. Он предположил, что существует множество других способов решения проблемы, зависящих от конкретного бизнеса.
Vermorel привел примеры различных бизнес-моделей, таких как супермаркеты и модные компании, для которых временные ряды не имеют смысла. Он утверждал, что чтобы думать о будущем, необходимо учитывать «ореолы желаний», которые не соответствуют видению, основанному на временных рядах.
Vermorel также обсудил аэрокосмическую отрасль, где потребление запчастей определяется жизненным циклом самолётов. Он заключил, что использование временных рядов является грубым приближением для любого бизнес-сегмента. Он сравнил использование временных рядов с попыткой аппроксимировать корову в виде сферы, утверждая, что это плохое приближение для реальных условий.
Vermorel также обсудил проблемы, которые он видит в традиционном подходе к управлению цепями поставок, где предполагается, что прошлое является точным отражением будущего. Он утверждал, что это не так, особенно в цепях поставок, где будущие решения еще не приняты и на них влияют различные факторы, включая решения конкурентов.
Vermorel использовал пример продажи рюкзаков, чтобы иллюстрировать свою точку зрения. Он объяснил, что количество вариантов, которые предлагает компания, может существенно повлиять на будущий спрос. Он утверждал, что традиционный подход, при котором сначала определяется ассортимент, а затем делается прогноз, является бессмысленным, поскольку спрос не является фиксированным и зависит от решений компании.
Vermorel далее пояснил, что компании формируют свой спрос, выводя продукты на рынок, что затем создает спрос на эти продукты. Doherthy упомянул практику добавленной ценности прогноза, когда данные из разных отделов используются для корректировки прогноза. Vermorel раскритиковал эту практику, утверждая, что она часто служит лишь способом обосновать интуитивные догадки числами и не способствует реальному процессу принятия решений.
Vermorel объяснил, что Lokad использует числовые методы, которые являются более универсальными и не ограничиваются моделями временных рядов. Он обсудил важность создания утверждения, которое точно отражает будущее бизнеса и соответствует целям компании. Vermorel подчеркнул важность понимания сути бизнеса и построения модели на ее основе.
Vermorel раскритиковал точку зрения, выраженную в большинстве книг по цепям поставок, которая игнорирует специфику различных отраслей. Doherthy спросил Vermorel, как он отвечает на критику со стороны крупных успешных компаний, не согласных с его взглядами. Vermorel заявил, что у компаний нет своего мнения, мнения есть только у людей, которые в них работают. Он считает, что многие руководители крупных компаний согласны с его взглядами, так как часто испытывают разочарование от традиционного подхода к планированию.
Vermorel утверждал, что традиционное определение точности прогнозирования в учебниках по цепям поставок является ошибочным, поскольку оно основано на парадигме прогнозирования на основе временных рядов, которая, по его мнению, является некорректной. Он предположил, что подход Lokad, сосредоточенный на количественной верности сути компании, обладает большей ценностью.
Vermorel согласился с точкой зрения одного из зрителей, что необходимо принимать неопределенность через вероятностные прогнозы, но он также подчеркнул необходимость выйти за рамки однобокого мышления и учитывать будущие решения, которые еще не приняты.
Vermorel объяснил, что прогноз — это всего лишь составляющая и сам по себе не имеет ценности. Он согласился с идеей, что ценность прогноза можно оценить только через его выполнение в цепях поставок. Он также предостерёг от чрезмерного обмена ключевыми показателями между командами, утверждая, что это не обязательно создает ценность для компании.
Vermorel объяснил, что обмен данными не должен включать ручную обработку людьми. Вместо этого каждый должен иметь программный доступ ко всем данным компании для оптимизации собственных решений. Он предостерёг от создания бюрократии, заставляя другие отделы читать отчеты.
Vermorel утверждал, что концепция корзины является существенной для B2B-бизнеса, приводя в качестве примера дистрибьютора электрооборудования B2B. Он объяснил, что основная часть их бизнеса связана со строительными объектами, для которых требуются большие заказы оборудования, доставляемые в определенное время. По его словам, это является формой анализа корзины.
Vermorel утверждал, что альтернатива прогнозированию на основе временных рядов не обязательно должна быть сложным искусственным интеллектом. Он предположил, что существует множество других математических моделей, которые не сложнее временных рядов, просто они отличаются по своей сути.
Vermorel объяснил, что Lokad использует финансовую перспективу для согласования множества противоречивых целей цепей поставок крупной компании. Он предположил, что выражение всех целей и ограничений в долларах обеспечивает единый язык для управления этими конфликтами. Он подчеркнул, что речь идет не о мышлении в терминах долларов, а о практичности и масштабируемости в сложных компаниях.
Vermorel утверждает, что в традиционной парадигме управления цепями поставок точность и временные ряды — это одно и то же. Он предполагает, что Lokad хочет их разделить, и хотя существует способ придать точности значение, он кардинально отличается от того, что представлено в учебниках по цепям поставок.
Vermorel критикует FVA как излишне усложняющий процесс, основанный на ошибочной концепции точности временных рядов. Он утверждает, что это направляет компанию в неверное русло, добавляя ненужную бюрократию, не делая цепи поставок более конкурентоспособными.
Vermorel описал, как крупные компании часто полагаются на неофициальные таблицы, а не на официальные SNOP-прогнозы. Он предположил, что именно эти таблицы, больше соответствующие сути бизнеса, и являются настоящим двигателем компании.
Vermorel утверждает, что улучшение по сравнению со статус-кво не обязательно является общим улучшением. Он критикует акцент на постепенных улучшениях и предлагает, чтобы компании искали более простые, лучшие решения.
Vermorel соглашается с тем, что временные ряды могут быть компонентом структуры, но предостерегает от полного полагания только на них. Он предлагает, чтобы компании расширяли свой словарный запас и горизонты.
Vermorel сравнивает классические временные ряды и машинное обучение с черно-белым телевидением и ЖК-экранами соответственно, утверждая, что, хотя у машинного обучения есть свои преимущества, это все еще не квантовый скачок по сравнению с классическими методами.
Он критикует университеты за то, что они не обучают правильному подходу к прогнозированию, подчеркивая важность понимания сути проблемы и выработки количественно обоснованных утверждений, которые имеют смысл для бизнеса.
Верморель делится, что Lokad занял пятое место в конкурсе Walmart, используя упрощённую параметрическую модель, что демонстрирует, что сложные модели не всегда необходимы для успеха.
Он утверждает, что существует непрерывный переход от классических моделей к продвинутым моделям машинного обучения, и разграничение между ними не так однозначно, как некоторые могли бы подумать.
Верморель повторяет свою критику университетов за то, что они не обучают правильному подходу к прогнозированию, подчеркивая важность правильного мышления при решении будущих проблем в цепочке поставок.
Он объясняет, что цель процесса S&OP — создать согласованность на уровне всей компании, но на практике это часто сводится к бесконечным собраниям.
Верморель утверждает, что информация передается через ИТ-системы, и что согласованность не требует постоянного общения между людьми.
Он предлагает, чтобы встречи S&OP сосредотачивались на численных методах и уточнении стратегических намерений компании.
Верморель утверждает, что многие крупные компании могли бы прекрасно функционировать без своих прогнозов временных рядов.
Он приводит пример компаний, работающих на 80% мощности во время локдаунов 2020 и 2021 годов, несмотря на неработающие отделы планирования.
Верморель предполагает, что если компания может работать без некоторого отдела в течение 14 месяцев, то этот отдел может быть не критически важным для миссии компании.
Он приводит пример компании, которая претерпела масштабную трансформацию во время локдаунов, перейдя от 5% электронной коммерции к двум третям электронной коммерции.
Верморель ставит под сомнение важность некоторых функций внутри компании, учитывая, что некоторые компании смогли пройти через масштабные трансформации и при этом эффективно функционировать.
Он утверждает, что точность — не единственный важный фактор в прогнозировании, приводя в пример компании, которые работали нормально, несмотря на то, что их отделы планирования не функционировали более года.
Верморель критикует общепринятую парадигму точности временных рядов за то, что она не задает важные вопросы о инструментальности прогнозов.
Он подчеркивает важность связывания решений с математической моделью и оценки реальных финансовых последствий этих решений.
Верморель критикует распространенную практику оценки точности прогноза в отрыве от контекста, утверждая, что она не отражает реальные условия.
Он заключает, что проблема с точностью заключается в том, что ее часто определяют неправильно, и что примерно правильное интуитивное чувство лучше, чем сложная, но несоответствующая бизнес-модель.
Интервью завершается тем, что Конор Доэрти благодарит Вермореля за уделенное время и обещает отложить оставшиеся вопросы на потом.
Полная транскрипция
Конор Доэрти: С возвращением на Lokad TV live. Сегодня со мной в студии основатель Lokad, Жоанн Верморель. Сегодня мы обсуждаем очень интересную тему: точность прогнозирования, ее роль в планировании спроса и действительно ли она имеет значение. Не стесняйтесь задавать свои вопросы в любое время в ходе этого чата, и мы ответим на них во второй части беседы. Если вы не согласны с чем-либо, что услышите, сначала мы ответим на эти вопросы. Итак, давайте начнем. Жоанн, можно сказать, что наша компания несколько контркультурная. Возможно, это самый контркультурный взгляд, который у нас есть. Прежде чем мы перейдем к нашей позиции и почему мы считаем, что точность прогнозирования спроса не так важна, почему, по мнению стольких компаний, точность прогнозирования рассматривается как Святой Грааль планирования спроса?
Жоанн Верморель: Причина, как я полагаю, достаточно проста. Именно это написано в учебниках по цепочкам поставок. Это писалось последние, возможно, 50-70 лет, а может даже раньше, когда это еще не называлось цепочками поставок, а называлось операционными исследованиями. Я подозреваю, что мы могли бы зайти еще дальше, даже в 1920-е годы, и обнаружить подобную предпосылку с появлением профессиональных экономических прогнозистов. Если проследить идею точности прогнозирования до корней, которые лежат у экономических прогнозистов в США в начале 20-го века, то точность имеет прямую связь с вашей прибылью, если вы играете на фондовой бирже. То есть буквально, если вы прогнозируете цену сырья, поднимется ли цена чугуна или нет, и у вас есть точный прогноз, то вы потенциально можете опередить рынок и получить фантастическую прибыль. Конечно, это верно для спекуляций. Проблема в том, есть ли у вас модель прогнозирования, способная опередить рынок? Краткий ответ — нет, по крайней мере, не доступная модель. Так что на самом деле вы больше не можете обойти рынок. Существуют некоторые оговорки: некоторые арбитражные компании зарабатывают на этом, но это лишь один момент. Что касается цепочек поставок, моя точка зрения заключается в том, что нет прямой связи. Но моя критика не совсем сводится к этому. Проблемы гораздо более глубокие и фундаментальные, потому что речь идет не просто о получении числа, и если оно верно, то это автоматически превращается в прибыль, как это происходит, когда вы играете на бирже.
Конор Доэрти: Итак, вы утверждаете, что нет корреляции между увеличением точности прогнозов и рентабельностью?
Жоанн Верморель: Проблема здесь в том, что в самих терминах происходит обман. Поэтому я начну, возможно, с пояснения того, как мы определяем точность. Существует как минимум два способа: один — общепринятый способ определения точности, и другой — способ, которым пользуется Lokad. Позвольте начать с способа Lokad, который не является общепринятым, в определении точности. Вся идея точности заключается в том, что я делаю количественное утверждение о будущем. Точность — это характеристика в терминах качества, насколько оно хорошее, насколько оно достоверное по отношению к этому утверждению. То есть у вас есть утверждение о будущем, будущее должно выглядеть так, и это не качественное утверждение, а количественное. И затем, поверх этого количественного утверждения о будущем, вы хотите оценить, насколько оно хорошее, насколько оно достоверное, насколько оно действительно отражает будущее, и вы хотите, чтобы эта оценка была сама по себе количественной. И вот что такое точность. Если мы определяем точность так, как я это делаю, я бы сказал: хорошо, я согласен. Это очень важно, это определение приводит к чему-то осмысленному, значимому и потенциально прибыльному для вашей компании. Однако это совершенно не то определение, которое вы найдете в учебниках по цепочкам поставок, даже близко. Общепринятое определение точности — это прогноз временных рядов. То есть, когда люди говорят о точности, они подразумевают прогноз временного ряда, и не какой-нибудь другой прогноз временного ряда, а точечный, равномерно распределенный во времени прогноз. Что означает равномерный? Это периодический прогноз: ежедневно, еженедельно, ежемесячно, ежеквартально, возможно, ежегодно, возможно, ежечасно, с равными интервалами. То есть это периодический прогноз. Это не какой-либо прогноз, можно себе представить множество других альтернативных прогнозов, это временной ряд, одномерный и периодический, все периоды одинаковы. Кроме того, мы говорим о точечном прогнозе, где каждый период получает одно значение — это прогноз временных рядов. Мое определение совершенно иное. То, что я предложил, гораздо шире и неопределеннее в том, какое именно количественное утверждение я делаю о будущем. Я говорю, что мое определение совершенно нейтрально, оно просто говорит, что мы пытаемся охарактеризовать утверждение о будущем, и я говорю, что это утверждение должно быть количественным. Таким образом, я не отрицаю утверждения вроде «Я думаю, что это будет хороший год», нет, это не количественное утверждение о будущем, а просто нечто качественное. Я просто говорю, что точность относится к количественным утверждениям о будущем, и что мы хотим оценить ее с помощью количественного инструмента. Общепринятый подход намного более прямолинеен и делает весьма значимые предположения. Эти предположения: временные ряды, одномерность, периодичность или равномерность, и точечный прогноз. Это, по сути, основные предположения. Существуют еще более фундаментальные предположения, которые люди могут даже не заметить, такие как симметрия между прошлым и будущим, локальность измерений и нейтральность к вычислительной или программной среде.
Конор Доэрти: Спасибо. И ещё, чтобы немного уточнить, когда вы описали разницу между подходом Lokad и общепринятым подходом, для некоторых людей это может быть неясно. В чем проблема с перспективой временных рядов? Вы говорите, что она одномерна, хорошо, в каком смысле и почему это является проблемой?
Жоанн Верморель: Когда вы решаете описывать будущее с помощью количественных утверждений, мы так привыкли к тому, что в учебниках по цепочкам поставок — а также в других бизнес-учебниках — даже не признается, что может существовать иной способ взглянуть на будущее, кроме временных рядов. Люди, я считаю, делают огромную ошибку, создавая впечатление, будто единственный способ количественно оценить будущее — это временные ряды. И я говорю: конечно, нет. Более того, временные ряды — это невероятно упрощенная модель. Это как одно измерение с одним отсчетом времени в каждом периоде. Это самая простая из простейших математических моделей, которые у нас есть. Является ли она достоверным отображением будущего? Отражает ли она разумным образом то, что вы знаете о будущем? И моя позиция такова: для целей цепочек поставок — нет, и даже близко к этому. Если начать с примеров, давайте рассмотрим, например, спрос, который наблюдает супермаркет. Перспектива временных рядов говорит, что вы можете взять любой продукт, продающийся в супермаркете, и сделать для него временной ряд, по одному для каждого продукта, продаваемого супермаркетом. Является ли это правильным способом думать о будущих продажах? Нет, почему? Потому что люди заходят в супермаркет не для того, чтобы купить один продукт изолированно. Они хотят приобрести корзину товаров, или, по крайней мере, подавляющее большинство — иногда встречаются люди, зашедшие в супермаркет купить один продукт, но подавляющее большинство покупок совершаются людьми, которые приходят в супермаркет примерно раз в неделю и покупают целую корзину товаров. Таким образом, важнее всего для спроса выражается именно корзина товаров. Именно это люди наблюдают, ощущают, и если подумать в терминах качества обслуживания, это будет воспринято именно в терминах корзин. То есть вопрос: есть ли у меня всё, что нужно для моего списка покупок? И это восприятие на уровне корзин никак не связано с отдельными временными рядами, которые просто полностью игнорируют все взаимосвязи, существующие между продуктами, включая заменители и эффекты каннибализации, которые могут иметь место. Таким образом, они иногда слепы к этим эффектам. У нас проблема слепоты в том, что это одномерное представление, лежащее в основе временного ряда, игнорирует более высокие измерения, которые могут быть чрезвычайно важны. Они полностью игнорируют все взаимосвязи между продуктами, заменителями и эффектами каннибализации. Таким образом, иногда они слепы к этим эффектам. У нас есть проблема слепоты.
Это одномерное представление, лежащее в основе временных рядов, игнорирует более высокие измерения, которые могут быть чрезвычайно важны. И я полагаю, что это не случайно. Возьмите, например, супермаркет или любую другую компанию, и действительно задумайтесь, что означает будущее, на что мы на самом деле смотрим. Вы поймете, что в основе мы не смотрим на временные ряды. Мы наблюдаем за вещами, имеющими структуру, но не обязательно, и обычно не, структуру временных рядов. Возможно, есть какие-то невероятно упрощенные бизнесы, маленькие магазины, где временной ряд достаточен, но такие бизнесы — исключение, они не являются нормой, особенно в мире, в котором мы живем сегодня, где крупные компании управляют обширными цепочками поставок с множеством сложностей. Каждый временной ряд будет рассматривать любой данный товар или любой данный SKU независимо от каждого другого SKU в каталоге. Таким образом, если существуют взаимосвязи, если есть комплекты или замены, это будет нейтрально или слепо к этому. И в конечном итоге это делает точность для любого отдельного товара не ошибочной, но вводящей в заблуждение. Если провести аналогию, представьте, что у вас есть телевизор, и он черно-белый. Это был бы ваш прогноз временного ряда. Вам чего-то не хватает. Вы можете добавить пиксели, это добавит точности. Но у вас по-прежнему остается только черно-белое изображение. И если вы думаете: «О, но если я добавлю много пикселей…», да, но всё равно останется черно-белое. Неважно, насколько большим сделаете телевизор, увеличите частоту обновления, у вас все равно не будет цветов, только черно-белое.
Таким образом, я беру это в качестве примера, где не имеет значения, что вы делаете, если у вас отсутствуют измерения — ситуацию спасти нельзя. И отсутствует так много измерений. Давайте вернемся к примеру супермаркета с скоропортящимися продуктами. Скоропортящиеся продукты, допустим, у вас на полках есть товары, но каждое изделие имеет свой срок годности. И то, что многие покупатели делают, посещая магазин, — это смотрят на срок годности, и их мнение о товаре меняется в зависимости от того, остался ли этому продукту всего один день жизни или три недели — тогда он все еще очень свежий. Но если мы посмотрим на данные с точки зрения временного ряда, этого нет. Вы не можете с помощью представления временного ряда ваших продаж или спроса, скажем, на пакет йогуртов, передать свежесть. Этого нет. Это было бы, если вернуться к аналогии с телевизором: «Ну, у меня есть только черно-белое изображение, но знаете что? Я могу просто купить три телевизора, и я скажу, что первый будет показывать синий, второй — зеленый, а третий — красный. И технически, у меня есть все цвета, мне просто нужно как-то их визуально комбинировать». Я бы сказал: «Да, но это очень, очень запутанное решение проблемы. Это не хорошее решение». С практической точки зрения, для пользователя это полная чепуха.
И так же было бы, если бы для супермаркета сказали, что мы просто будем решать проблему скоропортящихся товаров, добавляя больше временных рядов. Да, с технической точки зрения, можно так сделать, но это будет крайне непрактичное решение. Это не будет хорошим решением. И вот, опять, проблема скоропортящихся товаров в том, что спрос — это не одномерная величина. Существует ещё одно измерение — свежесть, и оно имеет значение. Оно влияет на спрос и также влияет на ваш запас. Если вы считаете, что у вас на складе 50 единиц, но половина из них истекает уже завтра, то фактически у вас нет 50 единиц в наличии. И это если клиент не будет выбирать товары с самым долгим сроком годности.
Клиенты, выбирающие товары с полок супермаркета, могут даже отдать предпочтение товарам с самым долгим сроком годности, и таким образом они могут непреднамеренно отбирать товары, продажа которых менее срочна. Итак, возвращаясь к исходному примеру, временные ряды не могут справиться с этой задачей — мы только что привели один пример, супермаркет, — а уже имеем два примера чрезвычайно важных паттернов, таких как корзины и скоропортящиеся товары. Они очень важны, они являются основой, и они не вписываются в парадигму временных рядов. А точность, учебная точность, отражает только парадигму временных рядов. Она соответствует лишь неявно, и именно поэтому я говорю, что Lokad расходится с этим курсом. В учебниках по цепочке поставок, когда речь идёт о точности, обсуждаются только временные ряды. Моя точка зрения такова: да, у вас есть инструмент, который измеряет нечто несущественное и не соответствует основному ДНК бизнеса, тому, что заставляет бизнес работать — этим корзинам, этим скоропортящимся товарам. Это звучит так, как будто речь идёт об ограничениях. Существует множество ограничений, и даже не только ограничения, а структура. Основная структура проблемы, то есть в супермаркете, не заключается в продаже единиц, товаров поштучно. Речь идёт о продаже корзин. Это заставляет супермаркет работать. Это суть супермаркета. Супермаркет буквально спроектирован от пола до потолка для продажи корзин.
Именно поэтому существуют точки продаж, где можно разгрузить весь свой товар и обеспечить его движение вперёд. Именно поэтому у вас есть тележки. То есть, в супермаркете всё создано так, чтобы люди могли покупать множество товаров за один раз. Если вы хотите просто купить дополнительную чашку кофе, нет смысла идти в супермаркет. Моя мысль в том, что, поскольку всё спроектировано — даже парковка перед супермаркетом — для покупки полной корзины, имеет ли смысл, чтобы ваш прогнозный инструмент рассматривал продукты по одному, в изоляции? И мой ответ: нет, это не имеет смысла. Таким образом, нет способа адаптировать перспективу временных рядов для отражения неизвестных или нематериальных факторов, которые вы описываете. Математик сказал бы, что если сложить достаточно временных рядов, можно добиться нужного эффекта. Ведь, видите ли, мы всегда можем сказать, что можно добавить больше временных рядов. И это похоже на утверждение, что у нас есть чёрно-белый телевизор: можно иметь несколько телевизоров, и тогда у каждого будет свой цвет, и технически у вас появятся цвета. Так что, видите ли, к этому нужно подходить с осторожностью. Если вы утверждаете, что для временных рядов можно просто добавлять их всё больше и больше, то, технически, можно работать с любым количеством измерений, просто увеличивая размерность вашего инструмента за счёт добавления временных рядов. Но это не практичное решение. Точно так же, если вы хотите, чтобы на вашем телевизоре были цвета, наличие нескольких телевизоров — не выход. В математике существует множество решений, которые широко неприменимы на практике. Математики очень умеют придумывать безумные решения, которые технически верны, но они верны лишь в математическом смысле.
В реальном мире это безумие. Это не тот подход, которым вы подошли бы к решению проблемы. Это не даст вам хорошего решения. Это даст вам очень теоретическое решение. Ладно, но критики могут сказать, что существует множество инструментов, основанных на подходе временных рядов, которые, на практике, действительно работают. Возьмём, например, forecast value added. Теперь, то, что вы только что описали, как я полагаю, не подходит для этого. Но сторонники скажут, что, наоборот, это работает вопреки всему, что вы только что сказали. Да, люди утверждают, что их инструменты просто работают с конца 70-х годов. Таким образом, последние около 45 лет поставщики заявляют, что у них есть продвинутое автоматизированное программное обеспечение, которое может буквально автоматизировать всё, что связано с цепочкой поставок. Поставщики постоянно повторяют, что у них есть продвинутое автоматизированное программное обеспечение, которое может буквально автоматизировать всю цепочку поставок. И когда говорят, что у нас есть enterprise software для управления, сегодня, когда кто-то говорит, что у меня есть CRM, система управления взаимоотношениями с клиентами, то речь идёт только о канцелярских записях и вводе данных. Но если вернуться в 70-е, когда говорили об управлении, имели в виду и принятие решений, и всю эту интеллектуальную составляющую. Так что моё предложение таково: теоретически, за последние четыре десятилетия у нас появилось программное обеспечение, которое должно полностью автоматизировать все решения: управление запасами, пополнение запасов, производство, планирование, распределение запасов, оптимизацию цен. Всё это, по словам поставщиков, полностью автоматизировано, на 100%, уже на протяжении четырёх десятилетий. И большинство поставщиков, если вспомнить их общение в 80-х, заявляли, что всё это будет полностью выполнено машиной. Раньше этим занимался клерк, но теперь всё изменилось. За последнее десятилетие я встречался с более чем 200 директорами по цепочке поставок, и неизменно, там налажен процесс с использованием программного обеспечения. Были внедрены целые серии программных решений, но всё по-прежнему делается через Excel.
У нас есть несколько поколений корпоративного программного обеспечения, ориентированного на прогнозирование временных рядов, которое якобы автоматизировало всё. Они занимаются этим десятилетиями, но по сути, всё до сих пор делается в Excel. Что же пошло не так? Я считаю, что основная проблема в том, что подход временных рядов неверен. Он не соответствует структуре проблемы. Есть и другие проблемы, но самая масштабная в том, что он просто не подходит. Такой одномерный взгляд на будущее слишком упрощён, и всё на этом рушится. Если нам не надо преследовать точность прогноза как ключевой показатель, то к чему нам стремиться вместо этого? Прежде всего, нам нужно переосмыслить, что мы пытаемся решить. Мы пытаемся сформулировать количественные утверждения о будущем, которые будут иметь смысл для компании. Утверждение о будущем во многом зависит от конкретной области, что противоположно тому, что пишут в учебниках по цепочке поставок, в которых говорится, что временных рядов достаточно. Мой вывод, после наблюдения за сотнями компаний, заключается в том, что это почти всегда неверно. Если есть бизнесы, которые можно адекватно смоделировать с помощью временных рядов, то они — исключение, а не правило. Структура бизнеса не совпадает с временными рядами. Если вы пытаетесь построить математическую модель, и в ней отсутствует правильная структура, вы не сможете правильно отразить реалии, которые пытаетесь смоделировать. Это как пытаться вставить круглую форму в квадратное отверстие. Если всё, что вы видели — это круглая форма, вы можете подумать, что другого нет. Но существует множество других подходов, и эти подходы зависят от специфики бизнеса. Если вы супермаркет, ваше ДНК — это корзины. Если вы из сферы моды, всё будет совершенно иначе. Если вы модная компания, вы хотите создавать желания, а временные ряды для этого не подходят. Допустим, у вас появляется новый тренд, новый стиль. Вы можете выпустить множество товаров, играющих на этой волне, но их количество может варьироваться.
Большинство ваших клиентов находятся посредине. Если вы выберете слишком яркие, экстремальные цвета, спрос может оказаться недостаточным для поддержки такого количества вариантов. Если вы хотите думать о будущем, вам нужно учитывать эти ореолы желаний, и это не соответствует вашему взгляду через призму временных рядов. Если вы занимаетесь мерчендайзингом фигурок супергероев, то дело становится ещё страннее. Весь бизнес выстроен вокруг этих героев. Бэтмен гораздо эффективнее с точки зрения мерчендайзинга, чем Зелёный Фонарь, и это оставалось неизменным фактом последние несколько десятилетий. Если мы перейдём в аэрокосмическую сферу, то там всё будет ещё иначе. Потребление запчастей определяется тем, что у вас есть флот самолётов. Каждый самолёт имеет жизненный цикл, который длится примерно три-четыре десятилетия. Потребление запчастей будет следовать определённой кривой в течение этого срока. Корректная структура, если вы хотите поддерживать крупный центр технического обслуживания (MRO), обслуживающий флоты самолётов, заключается в том, чтобы думать о том, какие именно флоты вы поддерживаете и как они наращиваются или уменьшаются. Реальность такова, что, когда вы выбираете определённую нишу, применение временных рядов оказывается очень грубой аппроксимацией. Это даже близко не передаёт истинную структуру проблемы. Если вспомнить упражнение, которое проводил мой учитель физики, мы бы сказали: “Хорошо, это корова, и мы будем аппроксимировать её как сферу.” Это подходит для учебного примера, но на самом деле корова не является сферой и даже близко к этому не приближается. Таким образом, это очень нелепая аппроксимация. Она подходит для упражнения, но не для реальных задач. Если вам приходится иметь дело с настоящими коровами, я бы не рекомендовал аппроксимировать их как сферы. Это ни к чему хорошему не приведёт. Такая аппроксимация недействительна.
Conor Doherty: Опять же, когда вы говорите, что временной ряд — это слишком упрощённая аппроксимация будущего, мы в Lokad регулярно описываем наш вероятностный подход как «лучше примерно правильно, чем точно неправильно». Это просто разница терминов?
Joannes Vermorel: Как я уже сказал, во-первых, существует структура. И, кстати, в этом тоже Lokad расходится с общепринятым подходом. Мы используем вероятностный подход как объединяющий принцип, но на самом деле моя проблема, пожалуй, прежде всего в структуре. Вторая проблема, которую я вижу, — это классический учебный подход к цепочке поставок, который просто требует точности и предполагает, что прошлое является точным отражением будущего. Это не так. Это верно, если вы рассматриваете, скажем, движение планет. То есть, вещи, где вы просто наблюдатель, где человечество наблюдает и не может ничего изменить. Если вы хотите прогнозировать движение планет, например, планеты Марс, то, да, предположение, что прошлое является точной симметрией будущего, вполне допустимо, потому что мы не оказываем никакого ощутимого влияния на движение планеты Марс. Но для цепочки поставок это недопустимо, потому что всё ваше будущее обусловлено решениями, которые ещё не приняты. Ваше будущее зависит от вашего будущего решения, а не только от него, но и от будущих решений, которые будут приняты другими людьми, например, вашими конкурентами. Таким образом, существует радикальная асимметрия между прошлым и будущим, и классическая перспектива временных рядов, характеризующаяся точностью, полностью игнорирует это. Это даже не упоминается. Это не существует и не оценивается по таким метрикам точности. Если вы хотите сделать достоверное утверждение о будущем, каким бы оно ни было, оно должно включать в себя тот факт, что будущее всё ещё зависит от принятых решений. Вы хотите сформулировать утверждение, которое останется полезным, несмотря на то, что решения ещё не приняты.
Conor Doherty: Многие считают, что они находятся по разные стороны спроса и просто наблюдают за ним, как вы сказали, как наблюдатели. Но вы утверждаете, что, хотя мы не контролируем будущее, мы можем соавторствовать его формированию посредством принятых решений. Какие именно решения, если говорить для тех, кто не в курсе?
Joannes Vermorel: Допустим, вы продаёте рюкзаки. Сколько вы продадите? Это зависит прежде всего от того, сколько вариантов вы введёте. Если у вас есть только один чёрный рюкзак, и вы размещаете его повсюду на сайте и во всех магазинах, то, возможно, вы продадите много. Но если у вас будет больше вариантов — например, другие рюкзаки, которые чем-то схожи, немного больше, и затем вы введёте полдюжины цветов — каждый раз, когда вы вводите ещё один вариант, будут ли ваши продажи удваиваться? Нет, очевидно, будет каннибализация. Спрос на будущее не написан заранее, он не высечен в камне. Он сильно зависит от того, сколько вариантов вы представите. Это выбор, который вам предстоит сделать. И если разделить проблему, скажем, сначала определить ассортимент рюкзаков, а затем делать прогноз, то это нелепо. Потому что, очевидно, если сначала вы определите ассортимент, а потом сделаете прогноз, и поймёте, что некоторым продуктам не хватает спроса, вы их уберёте. Буквально, мы формируем спрос, и именно этим занимаются компании. Это также закон Жан-Батиста Сэя, экономиста: сначала предложение, потом спрос. Вы должны выталкивать товар на рынок, чтобы создать спрос. До того как Apple представила iPhone, спрос на него на рынке был ровно нулевым. Сначала нужно вывести продукт на рынок, а затем создать спрос на него.
Conor Doherty: Но, действуя в рамках парадигмы, которую вы критикуете, существуют такие практики, как forecast value added, где есть спрос, и я обращаюсь к маркетингу и продажам, чтобы выяснить их мнение. Мы собираемся ввести определённое количество вариантов, и таким образом существует понимание, что наши решения будут формировать будущее, и корректировки будут проводиться как в сторону уменьшения, так и в сторону увеличения.
Joannes Vermorel: Но я бы сказал снова, что, наблюдая за компаниями более десяти лет, почти десять с половиной лет, они оказываются просто бюрократиями. Если присмотреться, как всё на самом деле происходит, то где-то в компании кто-то говорит: «О, у нас есть возможность, мы это сделаем». А потом они думают: если сделать так, это будет выглядеть ненаучно. Поэтому они хотят подкрепить свою интуицию цифрами, и некоторые люди добавят к ней числа, и тогда получится: «Хорошо, у нас есть числа, теперь это научно, мы это делаем». Но нет, это была вполне обоснованная интуиция относительно рынка, это были вполне логичные высокоуровневые рассуждения, и потом у них получался примерный расчёт, чтобы правильно оценить инициативу. А всё остальное — это просто бюрократия, которая лишь заверяла инициативу, но не вносила реального вклада. Это не была искра, не был импульс и даже не настоящее научное мастерство, которое делало всё это возможным. Это была просто бумажная волокита, случившаяся после «битвы». Вы как раз описали, что делает Lokad со своими клиентами. Мы общаемся, они дают нам представление о своих будущих планах, а мы включаем это в числовой рецепт. Функциональное отличие в том, что, по сути, у нас числовые рецепты, которые гораздо более универсальны. Мы не застряли во временных рядах и редко используем модели временных рядов на практике. Если вы хотите отобразить кривую на экране, это должен быть временной ряд. Это связано с тем, что экраны двухмерны, а у нас есть одна размерность — время.
Под капотом модель не является одномерной. Большинство наших прогностических моделей не работают как модели прогнозирования временных рядов. У нас есть метрики точности, которые соответствуют видению, определяющему достоверность количественного утверждения о будущем. Но это имеет очень мало общего с метриками средней абсолютной процентной ошибки. Мы задаём себе вопрос: делаем ли мы заявление, которое действительно значимо, которое верно, которое соответствует тому, что мы на самом деле пытаемся сделать? Например, в авиационной отрасли, существует ли что-то, что действительно воплощает идею о том, что мы обслуживаем флот, и что у флота есть определённые параметры, которые мы можем контролировать? У самолёта срок службы может составлять от трёх до пяти десятилетий. Это очень ограничено, так что мы буквально можем заложить эти вещи в наши модели. Когда мы работаем с клиентами, у нас есть модели, где мы просто делаем базовые вещи. Мы уделяем время тому, чтобы понять, что они пытаются решить, и какие утверждения имели бы смысл, чтобы быть верными будущему их бизнеса. Всё выглядит иначе. Если у нас есть метрика точности, мы начинаем с сути бизнеса, пытаемся уловить его структуру, а затем создаём что-то на её основе. Дело даже не в том, чтобы захватывать особенности конкретного сектора, а в его ДНК. Например, в авиации нужно учитывать, что запасными частями, которые вы сохраняете, являются самолёты. В одежде существуют определённые модные увлечения и тренды, которые приходят и уходят. В авиации же флоты приходят и уходят. Например, Boeing 747 постепенно выводится из эксплуатации, а Airbus 350 постепенно вводится в эксплуатацию. Если вы занимаетесь модой и говорите, что собираетесь игнорировать новизну, мой ответ таков: это не закончится хорошо. Я решительно не согласен с точкой зрения, изложенной в большинстве книг по управлению цепочками поставок, что эти вещи — лишь детали. Это не так. Вы не можете подходить к отрасли, полностью игнорируя то, что делает её уникальной. Вы не можете заниматься мерчендайзингом для спортивных команд, игнорируя тот факт, что проводятся турниры и что ежегодно структура вашей задачи сводится к тому, что одна команда побеждает. Например, вернёмся к компании, продающей аксессуары для бейсбольных команд. Как совместить факт, что всегда существует только одна побеждающая команда, с моделью временных рядов? Вы создаёте свою точность. Вы строите что-то поверх модели, этой сервисной модели, что не имеет смысла. Вы получите числа, но…
Conor Doherty: Конор Дохерти: Знаете, я помню, что хочу начать подводить итоги и ответить на некоторые вопросы из зала. Мы — компания, движимая чисто финансовыми показателями. Есть одна простая критика, которая, возможно, уже была задана, не знаю, но я задам её вам сейчас. Существуют многомиллиардные компании, которые полностью не согласны практически со всем, что вы только что сказали. Многомиллиардные компании, работающие уже столетие или более. Как вы отвечаете тем, кто говорит: «Посмотрите на наш банковский баланс, Джоаннес, мы не согласны с вами»?
Joannes Vermorel: На нескольких уровнях. Во-первых, компании ни за что не могут быть «за» или «против». Компании — это просто большие скопления людей, у них нет собственного мнения. Только люди, работающие в этих компаниях, имеют мнение. Поэтому компании делают многое, и многое, особенно в крупных компаниях, происходит случайно. Это не было специально разработано, это просто так получилось. Так что это случайности. Когда я говорю, что не согласен с временными рядами, мой опыт показывает, что, когда я общаюсь с руководителями крупных компаний, они очень часто соглашаются с теми фундаментальными принципами, которые я только что упомянул. Когда я беседую с генеральным директором крупной модной компании, он обычно оказывается чрезвычайно озадачен тем, почему команды планирования настаивают на том, чтобы всё сводить к временным рядам, что совершенно не соответствует его видению. Итак, действительно ли я не согласен? Я так не думаю. Мой опыт показывает, что когда я имею дело с руководителями, проработавшими десятилетия в своей отрасли, у них возникает масса разочарований из-за того, как ведётся планирование, потому что оно просто не отражает их базовое восприятие и понимание их собственного бизнеса. В конце концов, я больше доверяю своей интуиции, чем цифрам, предоставляемым командой планирования. Тот факт, что эти руководители так считают, и то, что компания успешна, доказывает, что они поступают правильно. У них есть планировочная команда, потому что они не могут масштабировать свою интуицию. Так что вам нужно больше чисел, нужна эта команда планирования и эти инструменты, но они на самом деле не так хороши. Я существенно расходясь с тем, что написано в учебниках, но не думаю, что моя интуиция сильно отличается от интуитивного понимания большинства руководителей, с которыми мне доводилось разговаривать.
Conor Doherty: Конор Дохерти: Можете ли вы кратко изложить свою позицию относительно того, почему точность прогнозирования не важна, а затем мы перейдём к следующему вопросу?
Joannes Vermorel: Джоаннес Верморель: Это неважно, потому что если взять определение из учебников по цепочке поставок, оно всё неверно. Оно построено на основе ошибочной парадигмы, то есть на парадигме прогнозирования временных рядов, которая полностью неверна. Именно поэтому я говорю, что это полное парадигматическое несоответствие. Оно не соответствует проблеме, которую пытается решить, и поэтому представляет собой просто изящное математическое или статистическое решение неправильной задачи. Так что в этом смысле это не имеет значения. Однако, если говорить по методу Lokad, то есть о том, есть ли у нас что-то, что количественно соответствует сути компании, тогда это имеет огромное значение.
Conor Doherty: Конор Дохерти: Спасибо всем за ваши вопросы. Не уверен, что мы сможем отвечать на них в том порядке, в каком они были поданы за кулисами. Итак, я читаю те материалы, которые мне представили, и некоторые из них — это утверждения, на которые, полагаю, вы отреагируете. Так что, от парня по имени Дастин: «Точность прогнозирования важна, однако текущий метод её количественной оценки путём измерения точности точечного прогноза ограничен. Конечная цель должна состоять в измерении точности распределения вероятностей. Вы с этим согласны?»
Joannes Vermorel: Джоаннес Верморель: Опять же, по методу Lokad, мы движемся в правильном направлении с вероятностным прогнозированием. Вероятностный прогноз позволяет учитывать неопределённость. Но всё же этого недостаточно. Вот почему я говорю: да, принятие неопределённости, безусловно, необходимо — мы в Lokad полностью за это. Но, если вы всё ещё одномерны, это всё равно плохо. И если вы продолжаете рассматривать прошлое как отражение будущего, вы полностью игнорируете потенциал решений, которые ещё не приняты.
Conor Doherty: Конор Дохерти: Вы хотите сказать, что точность прогноза больше касается точности исполнения, которая включает учёт как внутренних, так и внешних изменений? С точки зрения прогноза, следует ли делать упор на количество и ценность? Пауло считает, что KPI имеют наибольшее значение, когда они разделяются между различными функциями, особенно коммерческой, маркетинговой и финансовой. Как вы считаете, полезны ли сценарии повышения и понижения? Вопросов много, я оставляю выбор за вами.
Joannes Vermorel: Джоаннес Верморель: Это действительно интересно. Во-первых, прогноз — это ингредиент, артефакт сам по себе. Он сам по себе ничего не даёт компании. Если вы создаёте количественное утверждение о будущем, программное обеспечение является всего лишь артефактом. Сам по себе он не имеет ценности. Я думаю, что Пауло совершенно прав: ваша оценка не может быть чем-то, что является неотъемлемой частью прогноза. Только через исполнение цепочки поставок можно оценить, был ли этот инструмент, этот числовой артефакт, подходящим или нет. Вы создаёте свой числовой артефакт, свой прогноз, и только затем можно судить, был ли он хорошим или плохим по своим последствиям, по далеко идущим эффектам. Именно оттуда необходимо отойти от последствий к числовому рецепту, использованному для создания прогноза, чтобы оценить, был он хорош или плох. Это подход, основанный на последствиях, который я применяю к прогнозированию.
Что касается KPI при их распространении между различными департаментами, я бы сказал: будьте осторожны. Компании не зарабатывают деньги на том, чтобы люди просто читали цифры. Распространение чисел между командами — это хорошо, но создаёт ли это ценность для компании? Не особенно. И когда говорят KPI, подразумевается, что это ключевые, как ключевые показатели эффективности, якобы их должно быть немного. Но, по моим наблюдениям, у компаний десятки, сотни, а иногда и тысячи KPI. То есть, это не KPI, а показатели эффективности, буквально груз показателей эффективности. Моя мысль такова: да, до некоторой степени, но берегитесь. Компании уже платят слишком многим людям, чтобы те тратили время на просмотр метрик, а потом делали очень мало.
Conor Doherty: Конор Дохерти: Позвольте мне быстро уточнить: если я правильно понимаю, вы говорите, что чрезмерное межотделовое распространение информации может быть вредным. Но разве не противоположностью этому являются силосы, при этом я знаю, что вы не являетесь большим поклонником силосов?
Joannes Vermorel: Джоаннес Верморель: Что люди будут делать с этими цифрами? Моё мнение таково: если вы хотите делиться данными, они не должны проходить через глаза и мозг людей. Мы говорим о типичном клиенте, у которого более терабайта транзакционных данных. Это много. Реалистично, если смотреть через глаза, сколько цифр можно прочитать в секунду? Что-то вроде пяти. Понадобится целая жизнь, чтобы пропустить эти данные через человеческий мозг. Так что, очевидно, когда мы говорим о желании делиться данными, мы не подразумеваем, что они должны проходить через людей. Преодоление силосов — это не о том, чтобы Боб из другого отдела должен был потреблять все данные, которые вы создаёте, генерируете, отчёты и тому подобное. Речь идёт о том, чтобы у всех был программный доступ ко всем данным компании, чтобы они могли оптимизировать свои собственные решения. А если им требуется координация, то это связано с согласованием самих числовых рецептов, на которых базируются различные решения. Это не означает, что люди сами должны тратить своё время и ресурсы, чтобы вручную обрабатывать эти данные. Преодоление силосов не в том, чтобы создавать работу для другого отдела посредством отчёта, который вы ожидаете, что сотрудники другого отдела прочитают. Здесь вы просто создаёте бюрократию. Вы создаёте бюрократическое задание, которое возлагаете на другой отдел. И моё предположение таково, что в большинстве случаев, когда вы это делаете, это не приводит к чему-то прибыльному для компании. Может привести, но это не гарантировано, и, как правило, не приводит.
Conor Doherty: Конор Дохерти: Спасибо за это. Я помню, что у нас мало времени, поэтому этот вопрос от Сашина или Сэйна: Насколько применима концепция корзины или взгляд на неё для B2B-бизнеса по сравнению с потребительскими товарами?
Joannes Vermorel: Это необходимо. Давайте рассмотрим пример. Один из наших клиентов в Lokad — дистрибьютор электрического оборудования для B2B. Это очень крупная компания. Когда вы продаёте электрическое оборудование, вашими клиентами являются крупные предприятия, и основная часть вашего бизнеса зависит от строительных объектов. Конечно, иногда случается, что какая-то компания закажет лампочку или выключатель для небольшого ремонта, но основная масса бизнеса связана со строительными площадками. Например, появляется новая башня, и через 6 месяцев вам одновременно понадобятся 4 000 выключателей одной модели и буквально 200 км кабеля. Итак, у нас появляется большой заказ — и это не редкий случай, а классический пример в гражданском строительстве. Здание строят, и предприятия оформляют крупные заказы, чтобы полностью оснастить его электрическим оборудованием. При этом, скажем, за 6 месяцев до ввода в эксплуатацию они не ожидают, что этот поставщик будет иметь всё необходимое на складе. Никто не располагает таким количеством товара сразу, поэтому компания, занимающаяся установкой в здании, это понимает. И за несколько месяцев до ввода они оформляют большой заказ, понимая, что товар не будет доступен немедленно, поэтому делают заказ заблаговременно. Но при этом они говорят: «Мы даем вам много времени, но к этой дате в следующем году, в конце марта, нам должно быть всё готово, потому что затем начнется монтаж в здании, и нам нужно всё без исключения». Таким образом, заказ включает тысячу товаров, по каждому из которых сотни единиц, и нам необходимо, чтобы каждая единица была точно в срок в наличии. И мы не обманываем вас, даем достаточно времени для исполнения. Здесь интересный момент в том, что мы снова отходим от концепции временного ряда. У нас есть спрос, но если рассматривать спрос исключительно как временной ряд, вы упускаете суть. Суть в том, что у вас есть две даты — дата заказа и предполагаемая дата поставки товара. Это тоже своего рода набор заказов, относящийся к B2B, и он содержит дополнительную сложность по сравнению с супермаркетами, где всё заказывается заранее. Но насколько это точно предсказуемо? Не очень, ведь могут происходить небольшие отклонения в графиках строительства, и клиент может сообщить, что ему нужно на неделю раньше или позже. Так что, хотя основная часть информации известна заблаговременно, сохраняется некоторая изменчивость. Таким образом, даже в B2B наблюдаются подобные явления. Более того, я бы сказал, что B2B сводится к повторным сделкам с хорошо известными партнёрами, поэтому анализ подобных заказов встречается даже чаще, чем в розничной торговле B2C.
Conor Doherty: От Стефана, или, точнее, Стефане, как мне кажется, Стефан хочет сказать следующее. Он говорит: “Можно потенциально загрузить огромное количество данных, структурированных или неструктурированных, в продвинутый ИИ для получения прогноза. Однако в этом есть подвох, не так ли?” Это вопрос. Может, вы знаете ответ?
Joannes Vermorel: Да, я имею в виду, многие думают, что альтернативой временному ряду является некий ИИ типа Skynet. Мой ответ таков: почему вы так думаете? Если всё, что вы когда-либо видели, — это круглые фигуры, и вы никогда не встречали квадратов, вы можете подумать, что альтернатива круглой фигуре — это нечто невероятно сложное. Я не утверждаю, что альтернатива круглой форме — нечто невозможное; возможно, это просто квадрат. Я не говорю, что альтернативой временному ряду является ИИ уровня Skynet или что-то подобное. Большинство моделей, которые использует Lokad, очень просты, они просто не основаны на временных рядах. Существует своего рода культ, согласно которому всё должно строиться на временных рядах. А я говорю: почему бы и нет? Математика безгранична, существует масса альтернативных подходов, которые по сложности не превосходят временные ряды. Они просто иные. Временные ряды — это самый простой из простых случаев, хотя и немного сложнее, поскольку по сути нет ничего проще, чем просто величина с привязкой ко времени. Временной ряд — это буквально одна переменная, зависящая от времени, так что сделать что-то ещё проще практически невозможно, хотя учитывать временную компоненту непросто. Но это не означает, что альтернатива временному ряду — это ИИ уровня Skynet. Эти модели остаются параметрическими, очень простыми, и всё сводится к учёту структуры решаемой задачи. Когда я описываю структуру проблем, например, серию бейсбольных матчей, где ежегодно выбирается один победитель, а остальные проигрывают, речь идёт не о чем-то чрезмерно сложном. Всё можно описать за несколько минут, а модели, которые обычно использует Lokad, тоже описываются за минуты. Временной ряд, в свою очередь, можно описать за секунды, так что мы работаем с тем, что требует минут для описания.
Conor Doherty: Что ж, если говорить о разнице между формами, и я кратко продолжу эту тему, когда люди обсуждают, насколько хороший или точный был прогноз, они оценивают точность. Мы же не смотрим на это через призму точности. Другая характеристика, которую мы используем, — это финансовое воздействие. Это тот альтернативный подход?
Joannes Vermorel: Это часть нашего набора приёмов. Финансовая перспектива — не то, чтобы мы были в ней фанатично убеждены. Просто, по моему опыту, когда мы работаем с крупной компанией с огромной цепочкой поставок, у нас возникает проблема согласования десятков противоречащих целей. Целей слишком много. Вы большая компания: вы хотите минимизировать потери, обеспечить высокий уровень обслуживания, максимально использовать свой склад и активы, при этом имеете ограничения вроде максимальной площади хранения и сроков годности. Ограничения и цели повсюду. Нам нужен универсальный язык, который объединит всё это. Это очень практично. Эти цели противоречат друг другу. Качество обслуживания может вступать в противоречие с минимизацией потерь. Если вы заявляете, что хотите достичь супер высокого уровня сервиса, то для скоропортящихся товаров высокий уровень сервиса означает, что иногда у вас будет товар с истекающим сроком годности, и его придется выбрасывать, создавая потери. Существует напряжённость. Нельзя иметь одновременно нулевые потери и очень высокий уровень обслуживания. При высоком уровне сервиса неизбежно возникают потери, а полное их устранение приводит к частым дефицитам товара. Это неизбежно — такова природа задачи. Цели противоречат друг другу. Учитывая масштабы крупной компании, нам нужно объединить все эти аспекты, и мое предложение — набор приёмов, которым пользуется Lokad: если выразить всё это в долларах, появляется универсальный язык. Это способ объединить всё. Это просто набор инструментов. Я не настаиваю, чтобы всё оценивалось в долларах, это лишь мой опыт. Это единственный способ масштабировать подход в сложных компаниях. Это вопрос практичности в условиях большого масштаба.
Conor Doherty: Спасибо. Значит, должно ли это видео называться “Имеют ли значение временные ряды?” Вы считаете, что количественная оценка неопределённости и точности прогноза жизненно важна, но не согласны с текущими методами, верно?
Joannes Vermorel: Опять же, точность и временные ряды — это одно и то же. Если заглянуть в учебники по цепочкам поставок, я никогда не встречал учебника, в котором точность не ассоциируется сразу с временными рядами. Большинство учебников даже не старалось давать математическое определение временного ряда, а сразу переходило к определению точности, которое само и определяет временной ряд. Видите, эти понятия неразрывно связаны в общепринятой парадигме цепочек поставок. Они одно и то же. А Lokad утверждает, что мы хотим их разделить. Действительно, существует способ придать точности значение, но он столь радикально отличается от того, что представлено в учебниках, что у меня возникают серьёзные сомнения. Я нахожусь в затруднительном положении, чтобы называть это точностью. Точность — хорошее понятие, оно имеет право на существование, и именно этим мы занимаемся в моральном плане. Но то, что мы делаем, настолько радикально отличается от того, что описано в учебниках по цепочкам поставок, что использование того же термина порождает путаницу.
Conor Doherty: Спасибо. Думаю, мы уже коснулись этого в последних двух вопросах. Это от Константина. Некоторые выступают за FVA, вашего любимого, как способ определить, стоят ли усилия по улучшению точности своих затрат. Вы недавно опубликовали обзор, критикующий FVA. Что вы предлагаете в качестве альтернативы?
Joannes Vermorel: Итак, я дам ответ. Он не мой, он на самом деле от TOA. Когда хирург удаляет у вас опухоль, вызванную раком, чем он её заменяет? Что касается FVA, то моя позиция такова: точность, измеренная по классической парадигме, — фикция. Она не выдерживает проверки, когда вы пытаетесь понять суть бизнеса. Имеет ли этот математический инструмент — линия — смысл на высоком уровне для моего бизнеса? Мое утверждение таково, что при беглом рассмотрении он не имеет смысла. Таким образом, FVA — это просто усложнение процесса на основе фиктивной парадигмы, фиктивного инструмента. Вы только усугубляете ситуацию. FVA лишь отдаляет компанию от истинного курса. То есть, у вас была фиктивная концепция точности временных рядов, а теперь вы стремитесь создать на её основе ещё одну мини-бюрократию в компании. По моему мнению, это не первая и не последняя бесполезная бюрократия, появляющаяся в корпорациях. В крупных компаниях плавают десятки таких бюрократических структур. В итоге, наличие ещё одной бесполезной структуры не является концом для компании. Но сделает ли это цепочку поставок более конкурентоспособной? Нет, даже отдалит ещё сильнее.
Conor Doherty: Хорошо, я немного поспорю с этим, поскольку нам обоим нравится аналогия Томазо. Когда хирург удаляет раковую опухоль, что он ставит на её место? Если применить это к данной ситуации, это почти как сказать: “Мы это убрали, так что сидите сложа руки — не ставьте ничего взамен”. Что заполнит этот вакуум?
Joannes Vermorel: Позвольте описать, что на самом деле означает точность в крупной компании. Существует процесс SNOP с бюро CES, который составляет прогнозы, а затем люди оценивают их. Но используются ли они? Нет, не используются. За последнее десятилетие я имел дело с более чем 200 крупными компаниями, и при аудите я понял, что всё управление происходит через теневые IT-таблицы. Все те цифры, которые получаются в результате процесса SNOP, не используются. Менеджеры по продажам, производства, специалисты по цепочкам поставок, логисты, ответственные за транспортировку — они тоже не опираются на эти цифры. Это как Потемкинский город. Существует иллюзия рациональности: люди создают эти грандиозные планы SNOP, пересматривают их раз в квартал. Но затем каждый менеджер имеет свою собственную секретную таблицу, которую он использует — и именно она определяет, как работает бизнес. Интересно, что каждый менеджер считает, что он единственный, у кого есть эта секретная таблица. Мне не раз рассказывали вице-президенты по цепочке поставок, что у них есть такая таблица, потому что официальные цифры — просто мусор. При этом их подчинённые обязаны пользоваться официальным SNOP. В ходе аудита я опрашивал подчинённых, и они говорили, что у них есть своя секретная таблица. Они не доверяют официальным данным и работают по-своему. И все считают, что только они имеют эту секретность. Я сталкивался с такой ситуацией снова и снова. Официальные цифры в плане SNOP — фикция, а при этом конечные решения принимаются правильно. Как такое возможно? Ответ всегда один: где-то существует таблица, разработанная так, чтобы лучше соответствовать сути бизнеса. Люди прячут её, потому что она не является официальной политикой, но всё равно именно она заставляет компанию работать, а не грандиозные Потемкинские постройки этих показательных цифр.
Conor Doherty: Спасибо. У нас всё ещё осталось несколько вопросов, так что дальше мне придется просить краткости. Это от Шона. Он пишет: “Точность прогноза — это один из элементов цепи поставок. Возможно, она не является ключевым ограничением в конкретном бизнесе. Однако использование улучшенного прогноза обычно требует и других изменений в цепи поставок. Вы согласны?”
Joannes Vermorel: Разве имеет значение, если вы используете улучшенный факс? Видите, суть в том, что когда люди говорят, что у нас улучшенная точность в классическом смысле, это всё равно что сказать, что у вас улучшенный факс. То, что улучшилось по сравнению с текущей ситуацией, не означает, что это улучшение в целом. Вот проблема постепенных улучшений в цепях поставок. Люди смотрят на улучшения сквозь призму “да, стало лучше, чем раньше”. Если вы думаете только о том, что у вас теперь лучший факс, вы не в лучшем положении. Когда люди говорят: “О, вы говорите об ИИ, Skynet”, я отвечаю, что, например, электронная почта по своей сути намного проще факса. Факс сложнее, требует больше технологий, и всё же уступает альтернативе. Вот моя мысль: когда люди говорят: “О, у нас есть это улучшение”, я отвечаю: “Да, у вас просто улучшенный факс. Поздравляю. Но вы упускаете из виду суть. Вы упускаете возможность сделать что-то, что будет проще, лучше, более согласованно, быстрее и эффективнее со всех сторон.”
Conor Doherty: Спасибо. Далее, от Филиппа: “При обсуждении структуры в прогнозировании, может ли прогноз временного ряда быть компонентом этой структуры до определенной степени, если это применимо?”
Joannes Vermorel: Это возможно. Временные ряды — настолько фундаментальная структура. Очень сложно создать что-либо, так чтобы временные ряды не возникали случайно, даже если они являются компонентом вашего предсказательного элемента. Я не утверждаю, что временные ряды не следует использовать. Суть не в этом. Я просто говорю, что если все, чем вы располагаете, — это временные ряды, то это слишком упрощенно. Вам нужно расширять свой словарный запас, свой горизонт. Есть и другие вещи, и в этих других вещах, да, можно использовать временные ряды. Такое случается время от времени.
Conor Doherty: Далее, от Мануэля: “Университеты продолжают преподавать традиционные методы прогнозирования и подчеркивать их точность. С недавним появлением моделей машинного обучения, которые учитывают множество дополнительных факторов, изменилось ли сегодня представление об этом вопросе?”
Joannes Vermorel: Разница между тем, чтобы иметь черно-белый телевизор, что являлся бы классическим экраном, и устройством, которое проецирует изображение, что было бы большим плоским экраном, — это как классические временные ряды. Машинное обучение просто дает вам черно-белый ЖК-экран. Он всё равно черно-белый, у него есть свои преимущества, он более «стройный», и у него есть своё место. Моя проблема с университетами не в том, что они не преподают лучшие числовые модели. Моя проблема не в том, что университеты не обучают правильному алгоритму прогнозирования, а в том, что они не пытаются привить правильное отношение к прогнозированию. Видите, в чем суть проблемы? Суть в том, чтобы создавать количественную оценку, которая имеет смысл для бизнеса. То, что вы делаете, имеет смысл? Учитываете ли вы тот факт, что будущее не является симметрией прошлого? Снова — отношение. А затем влияют технические детали. Для меня классические временные ряды и машинное обучение представляют собой целый спектр. Если вспомнить соревнование Walmart, в котором мы заняли пятое место, фишка заключалась в том, что мы использовали сверхупрощённую параметрическую модель с пятью параметрами. Так считается ли это классикой? Среди тысячи команд мы заняли пятое место и даже первое место на уровне SKU, опередив всех, используя эту сверхупрощённую модель. Что интересно, модель действительно была сверхупрощённой — всего пять параметров. Так что, в некотором смысле, это старомодная модель, но способ, которым мы определяли эти параметры, был основан на более сложном дифференцируемом программировании. Так, является ли это машинным обучением? Это классика? Для меня существует непрерывный спектр — от ультра-классических авторегрессионных моделей до суперсовременных моделей глубокого обучения. Нет никакого квантового скачка, всё это существует. Моя проблема не в том, что университеты неправильно преподают алгоритмы прогнозирования, а в том, что они неправильно формируют подход к прогнозированию, менталитет, который необходим при работе с будущим в целях управления цепочками поставок. Вот в чем проблема. Цель процесса S&OP — добиться согласованности на уровне всей компании. Это была бы цель: чтобы люди на производстве выпускали то, что будет продано отделом продаж, а продавцы – то, что можно выполнить. Это буквально вопрос корпоративного согласования. Но на практике S&OP — это бесконечная серия встреч. Вот что это такое.
На мой взгляд, информация течет через ИТ-системы, через ландшафт приложений. У нас есть конкурирующие парадигмы. Мы даже не на одной волне. Я утверждаю: информация течет, и если существует координация, то дело не в самой информации. Информация проходит через ландшафт приложений. Вам не нужно, чтобы люди общались друг с другом, если нужно создать согласованность. Всё будет сводиться к числовым рецептам и разъяснению стратегического замысла компании, чего абсолютно не происходит на встречах S&OP. Многие крупные компании достигают достойных результатов, но эти прогнозы по временным рядам — всего лишь часть бюрократической системы, которая ни к чему не приводит. Её можно было бы убрать, и всё работало бы отлично. Во время локдаунов 2020 и 2021 годов некоторые компании в определённых странах отпустили часть своих офисных сотрудников, поставив их на техническую безработицу на 14 месяцев. Компания всё равно работала на 80% мощности. Производство было снижено, но не свёлось к нулю. Из-за этих локдаунов всем офисным работникам, особенно в отделе планирования, буквально сказали оставаться дома и ни в коем случае не пользоваться корпоративными компьютерами. У нас был грандиозный эксперимент: весь отдел планирования отсутствовал 14 месяцев, и всё было в порядке. Так что, если компания может функционировать без одного отдела в течение 14 месяцев, когда все сотрудники этого отдела отсутствуют, что это говорит о самом отделе? Вероятно, что он не является абсолютно критически важным. У нас даже был случай, когда большая компания-производитель фактически превратилась в компанию электронной коммерции во время локдауна. Сегмент электронной коммерции составлял 5% их бизнеса до локдауна. К концу 2021 года электронная коммерция составляла две трети их продаж. Таким образом, компания прошла через масштабную трансформацию от 5% до фактического становления компанией электронной коммерции. Если ваша компания способна на масштабные, быстрые преобразования и успешно их реализует, что это говорит о соответствующих функциях? Я ставлю под сомнение эту концепцию. Я не говорю, что точность не имеет значения, особенно в том специфическом смысле, в каком это понимает Lokad. Но если посмотреть, как это обычно практикуется, я неоднократно наблюдал, что были локдауны, даже грандиозный эксперимент по отключению отдела, отвечающего за показатели точности, на протяжении более года — точнее, 14 месяцев. И каково это имело воздействие на бизнес? Ничего, всё шло как обычно. Некоторые из этих компаний даже процветали после этого. Для меня это стало откровением. Это был эксперимент, который не должен был произойти, но он произошёл.
Conor Doherty: Спасибо. И последний вопрос, тоже от Николаса, возможно, другой, не знаю. Я часто замечаю, что отделы пытаются заменить статистические данные интуицией. Как вы определяете влияние точности прогноза на улучшение управления запасами и клиентского опыта в реальном времени?
Joannes Vermorel: Вот в чем дело: этот вопрос никогда не задаётся в рамках мейнстрим-парадигмы точности временных рядов. Его не поднимают в учебниках по цепочкам поставок. Он отсутствует. Но это не единственная проблема. Существует целая область, о которой мы не говорили, — инструментальность прогноза. Насколько хорошо они могут быть фактически применены в компании? Эти аспекты не рассматриваются. Да, это очень важно. И соединение всех звеньев — от принятия решения до математической модели, которая генерирует эти показатели — крайне важно. Но это означает, что вам нужны числовые рецепты, которые работают от начала и до конца: от предсказательного формирования этих количественных заявлений о будущем до принятия решения, имеющего реальные последствия и финансовое влияние на вашу компанию. Именно так вы сможете оценить, насколько ваша модель предсказания является достоверной. Я использую слово “достоверной”, потому что не хочу употреблять слово “точной”. И одна из хитростей — это финансовая перспектива, которая упрощает эту задачу. Но обычно это останавливается на полпути. Существует грандиозная иллюзия, поддерживаемая учебниками по цепочкам поставок и большинством программного обеспечения для цепочек поставок, что можно разделить проблему на фазу прогноза и сказать: “отдельно мы оценим, насколько мы хороши или плохи”, игнорируя всё остальное. Это полная ерунда. Не существует такого понятия, как оценка адекватности или точности прогноза в изоляции. Речь идёт всего лишь о сопоставлении математических моделей. Это хорошо, но не соответствует реальной жизни. Это как если вы хотите определить победителя на стрельбище. У вас может быть олимпийский чемпион, но если дойдёт до реального военного учения, люди не стреляют из настоящего оружия так, как они стреляют в контролируемой обстановке. Это совершенно другое. Заключительный момент в том, что часть проблемы точности заключается в неправильной постановке самой проблемы. Я не говорю, что точность ложна в математическом смысле. Не то чтобы, например, добавленная ценность прогноза была некорректна в статистическом плане. Я говорю, что парадигматическая среда, окружающая эти понятия, является неадекватной. Если выбирать между интуицией, которая действительно отражает бизнес, и суперсовременным, но совершенно не соответствующим бизнесу подходом, примерно правильный вариант предпочтительнее абсолютно ошибочного каждый день. Вот в чем дело. И точность иллюстрирует традиционный способ работы этого принципиально ошибочного мышления.
Conor Doherty: Джоаннес, у меня больше нет вопросов. Хотя, они и есть, но я оставлю их на другой раз. Большое спасибо за ваше время. И всем, кто досмотрел до этого момента, огромное спасибо за ваше время. Увидимся в следующий раз.
