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 одно измерение
00:11:16 Спрос, выраженный на уровне корзины
00:13:22 Аналогия временного ряда прогноза
00:15:17 Ограничения временных рядов в контексте перекрестка пищевых продуктов
00:18:51 Временные ряды не отражают основу бизнеса
00:21:41 Упоминание добавленной стоимости прогноза
00:24:47 Обсуждение точности прогнозирования как KPI
00:27:55 Фокус модной индустрии на создание потребностей
00:30:35 Переход к обсуждению авиационной промышленности
00:33:05 Вероятностный подход Lokad
00:36:22 Пример продажи рюкзаков и будущих решений
00:39:34 Поставка предшествует спросу, пример с iPhone
00:42:37 Разница между Lokad и другими компаниями
00:46:13 Подход Lokad к решению проблем
00:49:11 Несогласие с общими взглядами на цепи поставок
00:51:49 Переход к вопросам аудитории
00:54:06 Планирование не отражает понимание бизнеса
00:57:35 Учебное определение точности не имеет значения
01:00:01 Вопрос о точности прогнозирования и выполнении
01:03:38 Вопрос о межотделочной коммуникации и силосах
01:06:15 Пример B2B-дистрибьютора электрооборудования
01:09:34 Анализ корзины более распространен в B2B
01:12:30 Измерение точности прогнозирования
01:15:02 Вопрос о названии видео
01:17:10 Аналогия удаления рака
01:20:32 Секретные таблицы менеджеров
01:23:03 Ответ Жоанн на вопрос
01:25:00 Вопрос о прогнозе временных рядов в структуре прогнозирования
01:27:05 Вопрос о преподавании традиционных методов прогнозирования в университетах
01:30:54 Snop для корпоративной согласованности
01:33:23 Эксперимент во время блокировок при отсутствии планового отдела
01:36:12 Обсуждение трансформации компании
01:39:10 Большая иллюзия в цепи поставок
01:42:13 Точность, иллюстрирующая именно неправильное мышление
01:42:49 Конец интервью
Резюме
Жоанн Верморель, генеральный директор Lokad, критикует традиционное понимание точности прогнозирования в управлении цепями поставок, утверждая, что оно не отражает основной ДНК бизнеса. Он предлагает, что прогнозы временных рядов, которые широко используются, являются чрезмерно упрощенными и не точно представляют будущее для целей управления цепями поставок. Верморель предлагает другой подход, сосредотачиваясь на количественной верности сущности компании. Он критикует фокус на постепенных улучшениях и предлагает компаниям искать более простые и лучшие решения. Верморель подчеркивает важность понимания сути проблемы и создания количественных утверждений, имеющих смысл для бизнеса.
Расширенное резюме
В разговоре между Жоанном Верморелем, генеральным директором Lokad, и Конором Доэрти была рассмотрена тема точности прогнозирования и ее роли в планировании спроса. Верморель, французский предприниматель в сфере программного обеспечения, оспаривает традиционное понимание точности прогнозирования в управлении цепями поставок, концепции, которая укоренилась в отрасли с 1920-х годов. Он утверждает, что хотя точность прогнозирования прямо связана с прибылью в спекуляции на фондовом рынке, эту модель нельзя применять к управлению цепями поставок, так как нет прямого соответствия между точностью прогнозирования и прибыльностью.
Верморель предложил два способа определения точности: общепринятый способ и способ Lokad. Он объяснил, что общепринятое определение - это прогноз временных рядов, периодический прогноз с равными интервалами. Однако Верморель критикует этот подход за значительные предположения, такие как симметрия между прошлым и будущим, локальность измерений и агностицизм к вычислительной или программной среде. Он утверждает, что временные ряды - это чрезмерно упрощенная модель, которая не точно представляет будущее для целей управления цепями поставок.
Используя пример супермаркета, Верморель показал, что прогнозы временных рядов игнорируют важные взаимосвязи между продуктами. Он утверждает, что прогнозы временных рядов не учитывают важные измерения и не отражают структуру будущего. Он предполагает, что прогнозы временных рядов могут быть достаточными для малых предприятий, но не для крупных компаний, работающих с комплексными цепями поставок.
Верморель также критикует фокус учебников по управлению цепями поставок на временных рядах для точности, утверждая, что это не отражает основной ДНК бизнеса. Он подчеркивает, что супермаркеты организованы для продажи наборов товаров, а не отдельных продуктов. Он ставит под сомнение логику использования прогностических инструментов, которые рассматривают продукты в изоляции, когда супермаркеты созданы для того, чтобы покупатели покупали много товаров сразу.
Верморель также обсуждал сложность спроса, используя в качестве примера скоропортящиеся товары. Он объяснил, что если половина товаров в магазине истекает на следующий день, на самом деле у него нет 50 единиц товара в наличии. Он также упомянул, что покупатели могут выбирать продукты с самым длительным сроком годности, что может влиять на срочность продажи определенных товаров.
Верморель утверждает, что временные ряды не могут точно отражать важные закономерности, такие как наборы товаров и скоропортящиеся товары в супермаркете. Он считает, что точность временных рядов отражает только их собственную парадигму, поэтому Lokad отклоняется от этого подхода.
Верморель также критикует математические решения, которые технически верны, но непрактичны в реальном мире. Он признает, что критики могут возразить, что инструменты, основанные на временных рядах, работают на практике, несмотря на его критику. Верморель отмечает, что поставщики утверждают, что их инструменты работают уже 45 лет, обещая автоматизировать все, что связано с цепями поставок. Он утверждает, что несмотря на эти заявления, все по-прежнему делается через электронные таблицы.
Верморель считает, что основная проблема заключается в том, что временная перспектива неверна и не соответствует структуре проблемы. Он критикует одномерное представление будущего, предлагаемое временными рядами. На вопрос о том, что следует преследовать вместо точности прогноза в качестве KPI, Верморель предложил, чтобы целью было производство количественных утверждений о будущем, которые имеют смысл для компании.
Верморель пришел к выводу, что временные ряды практически всегда ошибочны для большинства бизнесов. Он сравнил попытку вписать математическую модель с неправильной структурой с попыткой вписать круглую форму в квадратное отверстие. Он предположил, что существует множество других способов подхода к проблеме, в зависимости от бизнеса.
Верморель привел примеры различных бизнес-моделей, таких как супермаркеты и модные компании, и того, как временные ряды не имеют смысла для них. Он утверждает, что для мышления о будущем необходимо учитывать “хало желаний”, которые не соответствуют видению временных рядов.
Верморель также обсудил авиационную промышленность, где потребление запчастей определяется жизненным циклом самолета. Он пришел к выводу, что использование временных рядов является грубым приближением для любой отрасли бизнеса. Он сравнил использование временных рядов с приближением коровы в виде сферы, утверждая, что это плохое приближение для реальных ситуаций.
Верморель также обсудил проблемы, которые он видит в традиционном подходе к управлению цепями поставок, который предполагает, что прошлое является точным отражением будущего. Он утверждает, что это не так, особенно в цепи поставок, где будущие решения еще не приняты и подвержены влиянию различных факторов, включая решения конкурентов.
Верморель использовал пример продажи рюкзаков, чтобы проиллюстрировать свою точку зрения. Он объяснил, что количество вариантов, которые компания предлагает, может значительно влиять на будущий спрос. Он утверждает, что традиционный подход, при котором сначала определяется ассортимент, а затем делается прогноз, является бессмысленным, так как спрос не является постоянным и подвержен влиянию решений компании.
Верморель дал дальнейшее объяснение того, что компании инженерируют свой спрос, представляя продукты на рынке, что затем создает спрос на эти продукты. Доэрти поднял вопрос о практике добавления прогнозной добавленной стоимости, при которой идеи из разных отделов используются для внесения изменений в прогноз. Верморель критикует эту практику, утверждая, что это часто просто способ подкрепить интуитивные ощущения числами и не способствует фактическому процессу принятия решений.
Верморель объяснил, что Lokad использует численные методы, которые более универсальны и не ограничены моделями временных рядов. Он обсудил важность того, чтобы утверждение было верным для будущего бизнеса и соответствовало тому, чего компания пытается достичь. Верморель подчеркнул важность понимания сути бизнеса и создания модели на его основе.
Верморель критикует точку зрения, выраженную в большинстве книг по управлению цепями поставок, которая отвергает специфику различных отраслей. Доэрти спросил Вермореля, как он отвечает крупным успешным компаниям, которые не соглашаются с его взглядами. Верморель утверждает, что у компаний нет мнения, только у работающих в них людей есть. Он считает, что многие руководители крупных компаний согласились бы с его точкой зрения, так как они часто чувствуют себя разочарованными традиционным подходом к планированию.
Верморель утверждает, что традиционное определение точности прогноза в учебниках по управлению цепями поставок недостаточно точно, поскольку оно основано на парадигме прогнозирования временных рядов, которая, по его мнению, неверна. Он предлагает подход Lokad, который сосредоточен на количественной достоверности сущности компании, более ценным.
Верморель согласен с мнением зрителя о принятии неопределенности через вероятностные прогнозы, но он также подчеркивает необходимость выхода за пределы одномерного мышления и учета будущих решений, которые еще не были приняты.
Верморель объясняет, что прогноз - это всего лишь ингредиент и сам по себе не имеет ценности. Он согласен с идеей, что ценность прогноза можно оценить только через его реализацию в цепи поставок. Он также предупреждает от слишком большого количества ключевых показателей эффективности, распространяемых между командами, утверждая, что это не обязательно создает ценность для компании.
Верморель объясняет, что обмен данными не должен включать ручную обработку людьми. Вместо этого каждому должен быть программно доступен весь объем данных в компании для оптимизации собственных решений. Он предупреждает от создания бюрократии, заставляя другие отделы читать отчеты.
Верморель утверждает, что концепция корзины является важной для B2B-бизнеса, используя пример B2B-дистрибьютора электрооборудования. Он объясняет, что основная часть их бизнеса зависит от строительных площадок, которым требуются крупные заказы оборудования, доставляемые в определенное время. Это, по его словам, является формой анализа корзины.
Верморель утверждает, что альтернатива прогнозированию временных рядов не обязательно должна быть сложным искусственным интеллектом. Он предлагает, что существует много других математических моделей, которые не более сложны, чем временные ряды, они просто отличаются.
Верморель объясняет, что Lokad использует финансовую перспективу для согласования множества противоречивых целей цепи поставок крупной компании. Он предлагает выражать все цели и ограничения в долларах, что обеспечивает единый язык для управления этими конфликтами. Он подчеркивает, что это не о мышлении в терминах долларов, а о практичности и масштабируемости в сложных компаниях.
Верморель утверждает, что точность и временные ряды - это одно и то же в основной парадигме управления цепями поставок. Он предлагает отделить их, и хотя есть способ сделать точность важной, он радикально отличается от того, что представлено в учебниках по управлению цепями поставок.
Верморель критикует FVA за излишнюю инженерию процесса, основанную на ошибочном понятии точности временных рядов. Он утверждает, что это движет компанию в неправильном направлении, добавляя ненужную бюрократию, не делая цепь поставок более конкурентоспособной.
Верморель описывает, как крупные компании часто полагаются на неофициальные электронные таблицы, а не на официальные прогнозы SNOP. Он предполагает, что эти таблицы, которые более соответствуют сущности бизнеса, на самом деле определяют бизнес.
Верморель утверждает, что улучшение по сравнению с существующим положением дел не всегда является общим улучшением. Он критикует фокус на пошаговых улучшениях и предлагает компаниям искать более простые и лучшие решения.
Верморель соглашается с тем, что временные ряды могут быть компонентом структуры, но предупреждает от полного полагания на временные ряды. Он предлагает компаниям расширить свой словарный запас и горизонт.
Верморель сравнивает классические временные ряды и машинное обучение с черно-белым телевидением и ЖК-экранами соответственно, утверждая, что хотя машинное обучение имеет свои преимущества, оно все еще не является качественным скачком от классических методов.
Он критикует университеты за то, что они не преподают правильное отношение к прогнозированию, подчеркивая важность понимания сути проблемы и создания количественных утверждений, имеющих смысл для бизнеса.
Верморель сообщает, что Lokad заняла пятое место в конкурсе Walmart, используя упрощенную параметрическую модель, демонстрируя, что сложные модели не всегда необходимы для успеха.
Он утверждает, что существует континуум от классических моделей до продвинутых моделей машинного обучения, и разграничение между ними не такое четкое, как некоторые могут подумать.
Верморель повторяет свою критику университетов за то, что они не преподают правильного отношения к прогнозированию, подчеркивая важность правильного мышления при работе с будущими проблемами цепи поставок.
Он объясняет, что цель процесса S&OP состоит в создании компанией общего понимания, но на практике это часто превращается в бесконечные встречи.
Верморель утверждает, что информация передается через ИТ-системы и что для достижения согласованности не требуется постоянное общение между людьми.
Он предлагает, чтобы встречи по S&OP сосредоточились на числовых рецептах и уточнении стратегического намерения компании.
Верморель утверждает, что многие крупные компании могли бы нормально функционировать без своих прогнозов временных рядов.
Он приводит пример компаний, работающих на 80% мощности во время блокировок 2020 и 2021 годов, несмотря на неактивность их плановых отделов.
Верморель предполагает, что если компания может функционировать без подразделения в течение 14 месяцев, это подразделение может не иметь критической значимости.
Он приводит пример компании, которая претерпела масштабные изменения во время блокировок, переходя от 5% электронной коммерции к двум третям электронной коммерции.
Верморель оспаривает важность определенных функций внутри компании, учитывая, что некоторые компании смогли претерпеть масштабные изменения и все равно эффективно функционировать.
Он утверждает, что точность не является единственным важным фактором в прогнозировании, приводя в пример компании, которые работали нормально, несмотря на неактивность их плановых отделов в течение более года.
Верморель критикует основную парадигму точности временных рядов за то, что она не задает важные вопросы о функциональности прогнозов.
Он подчеркивает важность связи между принятием решения и математической моделью и оценки реальных финансовых последствий этих решений в реальном мире.
Верморель критикует распространенную практику оценки точности прогноза в изоляции, утверждая, что это не отражает реальных условий.
Он приходит к выводу, что проблема с точностью заключается в том, что она часто неправильно формулируется, и что примерно правильное интуитивное ощущение лучше сложной, но несоответствующей бизнес-модели.
Интервью заканчивается благодарностью Конора Дохерти Верморелю за его время и обещанием сохранить оставшиеся вопросы на другой день.
Полный текст
Конор Дохерти: Добро пожаловать в прямой эфир Lokad TV. В студии со мной сегодня основатель Lokad, Жоанн Верморель. Сегодня мы обсуждаем очень интересную тему: точность прогнозирования, ее роль в планировании спроса и имеет ли она значение. Вы можете задавать свои вопросы в любое время во время этого чата, и мы ответим на них во второй половине беседы. Если вы не согласны с чем-либо из услышанного, мы ответим на эти вопросы первыми. Итак, приступим. Жоанн, я думаю, можно сказать, что мы являемся в некотором роде контрариантской компанией. Это, возможно, самое контрариантское мнение, которое у нас есть. Поэтому, прежде чем мы расскажем о нашей позиции и о том, почему мы считаем, что точность прогнозирования спроса не имеет значения, почему точность прогнозирования считается священной граалью планирования спроса для многих компаний?
Joannes Vermorel: ‘Почему’ я считаю, относительно просто. Это то, что написано в учебниках по цепям поставок. Это было написано, возможно, последние 50-70 лет, может быть даже до того, как это называлось цепью поставок, это называлось операционным исследованием. Я подозреваю, что мы могли бы даже пойти дальше, даже вернуться к 1920-м годам, и мы бы нашли такого рода предпосылки с появлением профессиональных экономических прогнозистов. Если вернуть эту идею точности прогнозирования к ее корням, которыми являются экономические прогнозисты в США в начале 20-го века, то точность имеет прямое отражение на вашей прибыли, если вы играете в игру на бирже. Так что буквально, если вы прогнозируете цену товаров, повысится ли цена на чугун или нет, то если у вас есть точный прогноз, вы можете потенциально побить рынок и получить фантастические доходы. Теперь, это верно для спекуляции. Проблема в том, есть ли у вас модель прогнозирования, которая может побить рынок? Краткий ответ - нет, по крайней мере, нет легко доступной модели. Так что вы действительно не можете побить рынок больше. Есть некоторые оговорки к этому, некоторые арбитражные компании зарабатывают на этом деньги, но это только один момент. Что касается цепей поставок, моя точка зрения заключается в том, что здесь нет прямого отражения. Но моя критика не совсем согласуется с этим. Проблемы более глубокие и фундаментальные, потому что дело не только в получении числа, и если у вас правильное число, это автоматически приведет к тому, что вы заработаете деньги, как это бывает, когда вы играете на бирже.
Conor Doherthy: Итак, вы говорите, что нет корреляции между повышением точности прогнозирования и прибыльностью на дне баланса?
Joannes Vermorel: Проблема здесь заключается в том, что сами термины вводят в заблуждение. Поэтому, может быть, я начну с того, чтобы прояснить, как мы определяем точность. Есть по крайней мере два способа: один основной способ определения точности и один, который был бы специфичен для Lokad. Позвольте мне начать с подхода Lokad, который не является основным, и объяснить, как мы подходим к точности. Вся идея точности заключается в том, что я делаю количественное утверждение о будущем. Точность - это качественная характеристика, насколько хорошо, насколько верно это утверждение. У вас есть утверждение о будущем, будущее должно выглядеть таким образом, и это не качественное утверждение, а количественное утверждение. И на основе этого количественного утверждения о будущем вы хотите квалифицировать, насколько хорошо оно, насколько верно оно отображает будущее, и вы хотите, чтобы эта оценка была сама по себе количественной. И вот что должна быть точность. Если мы определяем точность так, как я делаю, я бы сказал, что это очень актуально, это определение приводит к чему-то значимому и потенциально прибыльному для вашей компании. Однако это абсолютно не определение, которое вы найдете в учебниках по цепям поставок, даже близко. Основное определение точности - это прогноз временных рядов. Так что, когда люди говорят о точности, они неявно говорят о прогнозе временных рядов, и не о каком-либо прогнозе временных рядов, а о периодическом прогнозе с равными интервалами. Что означает равные интервалы? Это периодический прогноз в день, в неделю, в месяц, в квартал, возможно, в год, возможно, в час, равные интервалы. Так что это периодический прогноз. Так что это не любой прогноз, вы можете представить много других альтернативных прогнозов, это временной ряд, одномерный и периодический, все периоды одинаковы. Кроме того, мы говорим о точечном прогнозе, где каждому периоду соответствует одно значение, это и есть прогноз временных рядов. Мое определение очень отличается. То, которое я дал, было гораздо более широким и неспецифичным относительно того, какое количественное утверждение я делаю о будущем. Я говорю, что мое определение полностью агностическое, я просто говорю, что мы пытаемся квалифицировать утверждение о будущем, и я просто говорю, что это утверждение должно быть количественным. Я не оспариваю что-то вроде “Я считаю, что это будет хороший год”, нет, это не количественное утверждение о будущем, это просто что-то качественное. Так что я просто говорю, что точность применима к количественным утверждениям о будущем, и что мы хотим оценить ее с помощью количественного инструмента. Основной подход намного более прямой и он делает очень значительные предположения. Предположения заключаются в том, что это временной ряд, одномерный, периодический или с равными интервалами, и точечный прогноз. Так что это практически основные предположения. Есть еще некоторые более фундаментальные предположения, которые люди могут даже не видеть, такие как симметрия между прошлым и будущим, локальность измерений и агностицизм к вычислительной или программной среде.
Conor Doherty: Спасибо. И снова, чтобы немного возразить, когда вы описывали разницу между подходом Lokad и основным подходом, для некоторых людей это может быть неясно. В чем проблема с точки зрения временных рядов? Вы говорите, что это одномерное, хорошо, в каком отношении и почему это проблема?
Joannes Vermorel: Когда вы решаете описать будущее количественными утверждениями, мы так привыкли, и в учебниках, буквально в учебниках по цепям поставок, но и в других учебниках по бизнесу, даже не признают, что может быть иной способ взглянуть на будущее, кроме временных рядов. Люди, я имею в виду, и я считаю, что самая большая ошибка заключается в том, что это создает впечатление, будто единственный способ количественно рассматривать будущее - это временные ряды. И я говорю, конечно же, нет. И более того, временные ряды - это невероятно упрощенная модель. Это как одно измерение с одним отметкой времени на каждый период. Это самая простая из простых математических моделей, которые у нас есть. Является ли она достоверным представлением будущего? Отражает ли она осмысленным образом то, что вы знаете о будущем? И мое предложение состоит в том, что для целей цепей поставок - нет, и даже близко нет. И если мы начнем с некоторых примеров, давайте посмотрим, например, на спрос, который будет наблюдаться в супермаркете. Взгляд на временные ряды говорит, что вы можете взять любой продукт, который продается в супермаркете, и иметь временной ряд, один на каждый продукт, продаваемый супермаркетом. Является ли это правильным способом мыслить о будущем спросе? Нет, почему? Потому что люди не заходят в супермаркет, чтобы купить один продукт в изоляции. Они хотят корзину, или по крайней мере подавляющее большинство, иногда может быть, что некоторые люди заходят в супермаркет, чтобы купить один продукт, но подавляющее большинство продаж обусловлено людьми, которые ходят в супермаркет раз в неделю и покупают целую корзину продуктов. Так что важно в терминах спроса выражается на уровне корзины. Это то, что люди будут наблюдать, что они будут чувствовать, и если они думают, что есть, и если мы должны думать в терминах качества обслуживания, это будет восприниматься в терминах корзин. Так что это восприятие, которое находится на уровне корзины, не имеет ничего общего с этими временными рядами в изоляции, и эти временные ряды в изоляции полностью игнорируют все отношения между продуктами и все замены и каннибализацию, которые могут происходить. Иногда они не замечают эти эффекты. Так что у нас есть проблема слепоты, это то одно измерение, которое является основой временных рядов, оно игнорирует более высокие измерения, которые могут быть чрезвычайно важными. Они полностью игнорируют все отношения, которые существуют между продуктами и все замены и каннибализацию, которые могут происходить. Так что иногда они не замечают эти эффекты. У нас есть проблема слепоты.
Это одно измерение, которое является основой временных рядов, игнорирует более высокие измерения, которые могут быть чрезвычайно важными. И мое предложение состоит в том, что это не случайность. Возьмем, например, супермаркет или любую компанию и подумаем о том, что означает будущее, на что мы на самом деле смотрим. Вы поймете, что в основе мы не смотрим на временные ряды. Мы смотрим на вещи, которые имеют структуру, но не обязательно, и обычно не имеют структуры временных рядов. Могут быть некоторые невероятно упрощенные бизнесы, магазины мамы и папы, где временные ряды достаточны, но эти бизнесы являются исключением, они не являются нормой, особенно в мире, в котором мы живем сегодня, с крупными компаниями, управляющими большими цепями поставок с большой сложностью окружающей среды. Каждый временной ряд будет рассматривать любой заданный товар или любой заданный SKU независимо от каждого другого заданного SKU в каталоге. Таким образом, если есть взаимосвязи, если есть комплексные расценки или замены, он будет независимым или слепым к этому. И это в конечном итоге делает точность для каждого отдельного товара не неправильной, но вводящей в заблуждение. Если сделать аналогию, представьте, что у вас есть телевизор, и он черно-белый. Это будет ваш прогноз временных рядов. Вам чего-то не хватает. Вы можете добавить пиксели, это будет добавление точности. Но у вас все равно есть только черно-белое. И если вы думаете: “О, но если я добавлю много пикселей…” Да, но у вас все равно черно-белое. Не имеет значения, насколько вы можете увеличить телевизор, вы можете увеличить частоту обновления, у вас все равно нет цветов, у вас есть только черно-белое.
Итак, я беру это в качестве примера, где не имеет значения, что вы делаете, если у вас отсутствуют размеры, вы не сможете спасти ситуацию. И так много отсутствующих размеров. Давайте вернемся к этому примеру супермаркета с продуктами, подлежащими порче. Предположим, у вас есть товары на полках, но каждая единица, которую у вас есть на полке, имеет свой срок годности. И то, что делают многие покупатели, когда они посещают магазин, - они смотрят на срок годности и их мнение о продукте зависит от того, остался ли у этого продукта всего один день жизни или три недели. Он все еще очень свежий. Но если мы посмотрим на данные с точки зрения временного ряда, это отсутствует. Вы не можете представить свежесть через временное представление ваших продаж или спроса на, скажем, упаковку йогурта. Этого нет. Это было бы, если я вернусь к моему аналогу с телевизором, сказать: “Ну, у меня есть только черно-белый, но знаете что? Я могу просто купить три телевизора и я скажу, что первый будет отображать синий, второй будет отображать зеленый, а третий будет отображать красный. И технически у меня есть все цвета. Мне просто нужно как-то визуально объединить их”. Я бы сказал: “Да, но это очень запутанное решение проблемы. Это не хорошее решение”. С практической точки зрения пользователя, это полная ерунда.
И то же самое будет, если мы решим для супермаркета сказать, что мы справимся с порчей, просто добавив больше временных рядов. Да, с технической точки зрения, вы, возможно, смогли бы это сделать, но это будет очень не практичное решение. Это не будет хорошим решением. И снова, здесь, порча, проблема в том, что спрос не является одномерным. У вас есть еще одно измерение - свежесть, и это имеет значение. Это влияет на спрос, а также на ваш запас. Если вы думаете, что у вас есть 50 единиц на складе, но половина из них истекает завтра, то у вас на самом деле нет 50 единиц на складе. И это только если клиент не проявляет неблагоприятное поведение, выбирая единицы с самым длительным сроком годности.
Клиенты, выбирающие товары на полке в супермаркете, могут даже выбирать товары с самым длительным сроком годности и, таким образом, они могут намеренно выбирать продукты, которые наименее срочно нужно продать. Итак, вернемся к исходному случаю, временные ряды не могут, и мы только что упомянули один пример, супермаркет, и у нас уже есть два примера очень важных паттернов, таких как корзины и продукты, подлежащие порче. Они очень важны, они очень основные, и они не соответствуют парадигме временных рядов. И точность, учебниковая точность, отражает только парадигму временных рядов. Она подразумевает только это, и поэтому я говорю, что Lokad расходится. Учебник по цепям поставок, когда речь идет о точности, речь идет только о временных рядах. И моя точка зрения заключается в том, что да, у вас есть инструмент, который измеряет нечто незначительное и не соответствует основной сути бизнеса, того, что заставляет бизнес работать, этих корзин, продуктов, подлежащих порче. Звучит так, будто вы говорите о ограничениях. Есть много ограничений, много других даже не ограничений, структуры. Основная структура проблемы, то есть в супермаркете не речь идет о продаже единиц, продуктов по одному. Речь идет о продаже корзин. Вот что делает супермаркет работать. Вот суть супермаркета. Супермаркет буквально спроектирован от пола до потолка для продажи корзин.
Вот почему у вас есть точки продаж, где вы можете разгрузить все свои товары и продвигать все вперед. Вот почему у вас есть тележка. Я имею в виду, все в супермаркете спроектировано так, чтобы люди могли покупать много вещей сразу. Если вы просто хотите купить дополнительную чашку кофе, не имеет смысла идти в супермаркет. Так что мой посыл заключается в том, что, поскольку все спроектировано, включая парковку перед супермаркетом, чтобы купить целую корзину, имеет ли смысл, что ваш инструмент прогнозирования смотрит на каждый продукт по отдельности, все в изоляции? И мой ответ - нет, это не имеет смысла. Таким образом, нет способа адаптировать перспективу временных рядов для отражения неизвестных или нематериальных факторов, о которых вы говорите. Математик скажет, что если вы накопите достаточно временных рядов, вы сможете это сделать. Потому что, видите ли, мы всегда можем сказать, что мы можем добавить еще временных рядов. И это точно так же, как если бы мы имели черно-белый телевизор, у вас может быть несколько телевизоров, и тогда у вас будет по одному для каждого цвета, и технически у вас будут цвета. Так что, видите ли, нам нужно быть осторожными здесь. Если вы говорите, что для временных рядов вам разрешено просто вводить все больше и больше временных рядов, то да, технически вы можете справиться с любым количеством измерений, потому что вы увеличиваете размерность вашего инструмента, просто добавляя временные ряды. Но это не практическое решение. Точно так же, как если вы хотите иметь цвета на своем телевизоре, иметь несколько телевизоров - не лучшее решение. В математике существует множество решений, которые являются широко непрактичными. Математики очень хороши в изобретении безумных решений, которые технически верны, но они верны только с математической точки зрения.
В реальном мире это безумие. Это не то, как вы подошли бы к проблеме. Это не даст вам хорошего решения. Это даст вам очень теоретическое решение. Хорошо, но критики могут сказать, что существует множество инструментов, основанных на подходе временных рядов, которые на самом деле в практике работают. Возьмем, например, добавленную стоимость прогноза. Теперь то, что вы только что описали, я предполагаю, не подходит к этому. Но люди, которые отстаивают это, скажут, что на самом деле это работает вопреки всему, что вы только что сказали. Так что, да, люди утверждали, что их инструменты просто работают, начиная с конца 70-х годов. Так что, начиная с последних 45 лет примерно, поставщики говорят, что у нас есть передовое автоматизированное программное обеспечение, которое может буквально автоматизировать все, что связано с цепочкой поставок. Поставщики говорят, что у нас есть передовое автоматизированное программное обеспечение, которое может буквально автоматизировать все, что связано с цепочкой поставок. И когда люди говорят, что у них есть программное обеспечение предприятия, чтобы управлять, в наши дни, когда люди говорят, что у них есть CRM, управление взаимоотношениями с клиентами, это просто о записях, вводе данных. Но если вы вернетесь в 70-е годы, когда они говорили о управлении, они думали и о принятии решений, и обо всем интеллекте. Так что мое предложение состоит в том, что в теории у нас есть, начиная с последних четырех десятилетий, программное обеспечение, которое должно полностью роботизировать все эти решения: учет товаров, пополнение запасов, производство, планирование, распределение запасов, оптимизация цен. Все это, согласно поставщикам, полностью автоматизировано, 100% автоматизировано, уже четыре десятилетия. И большинство поставщиков, если посмотреть на то, как они общались в 80-х годах, говорили, что это будет сделано машиной полностью. Раньше это делал клерк, но это уже не так. За последнее десятилетие я встретил более 200 директоров цепочки поставок и неизменно везде есть программное обеспечение. Была реализована серия программных решений, но все еще все делается через электронные таблицы.
У нас есть несколько поколений корпоративного программного обеспечения, которое сосредоточено на прогнозировании временных рядов и, предположительно, автоматизирует все. Они делают это уже десятилетиями, но на самом деле все еще используют Excel. Что пошло не так? Я считаю, что основная проблема заключается в том, что перспектива временных рядов неверна. Она не соответствует структуре проблемы. Есть и другие проблемы, но самая большая заключается в том, что она не подходит. Это одномерное представление о будущем слишком упрощено, и все остальное разваливается отсюда. Если нам не нужно стремиться к точности прогноза как к KPI, то чего мы должны стремиться вместо этого? Во-первых, нам нужно переосмыслить то, что мы пытаемся решить. Мы пытаемся произвести количественные утверждения о будущем, которые имеют смысл для компании. Утверждение о будущем в значительной степени зависит от конкретной области, что противоречит утверждениям учебников по цепям поставок. Учебники по цепям поставок утверждают, что временные ряды - это все, что вам нужно. Мое заключение, после наблюдения за сотнями компаний, заключается в том, что это почти всегда неверно. Если существуют бизнесы, которые можно адекватно моделировать с помощью временных рядов, то они являются исключением, а не правилом. Структура не соответствует временному ряду. Если вы пытаетесь проектировать математическую модель и у нее нет правильной структуры, вы не сможете правильно моделировать реалии, которые вы пытаетесь моделировать. Это похоже на попытку впихнуть круглую фигуру в квадратное отверстие. Если вы видели только круглую фигуру, вы можете подумать, что это все, что есть. Но есть много других способов сделать это, и эти другие способы зависят от бизнеса. Если вы супермаркет, ваша ДНК - это корзины. Если вы занимаетесь модой, все будет совершенно иначе. Если вы модная компания, вы хотите создавать потребности, и временные ряды не имеют особого смысла для этого. Допустим, у вас есть новый узор, который становится модным. Вы можете создать много продуктов, которые играют с этим, но их может быть больше или меньше.
Большая часть ваших клиентов находится посередине. Если вы выбираете очень яркие цвета, у вас может не быть достаточного спроса, чтобы поддерживать такое количество вариантов. Если вы хотите думать о будущем, вам нужно думать о тех окружностях потребностей, и это не соответствует вашему видению временных рядов. Если вы продаете товары с изображениями героев, то это еще более странно. Вся бизнес-структура основана на этих героях. Бэтмен намного более мощный с точки зрения мерчандайзинга, чем Зеленый Фонарь, и это сохраняется на протяжении последних нескольких десятилетий. Если мы перейдем к аэрокосмической отрасли, это будет уже совсем другое. Потребление запчастей определяется наличием флота самолетов. У каждого самолета есть срок службы, который длится примерно три-четыре десятилетия. Потребление запчастей будет следовать определенной кривой в течение этого времени. Правильная структура, если вы хотите поддерживать большое MRO, обслуживающее флоты самолетов, заключается в том, чтобы подумать о том, какие флоты самолетов я поддерживаю и как они нарастают и снижаются. Реальность заключается в том, что когда вы выбираете вертикаль, применение временного ряда является очень грубым приближением. Оно даже не близко к верной репрезентации структуры проблемы. Если мы рассмотрим структуру и вернемся к упражнению, которое делал мой учитель физики, мы бы сказали: “Хорошо, это корова, и мы будем приближать корову как сферу”. Это хорошо для игрушечного упражнения, но корова в реальности не является сферой и даже близко не похожа на сферу. Так что это очень странное приближение. Оно хорошо для упражнения, но непригодно для чего-либо реального. Если вам приходится иметь дело с настоящими коровами, я бы не советовал приближать их как сферы. Это не является допустимым приближением.
Conor Doherty: Опять же, когда вы говорите, что временной ряд является очень упрощенным приближением будущего, мы в Lokad регулярно описываем наш подход, который является вероятностным, как лучше быть приближенно правильным, чем точно неправильным. Это просто разница в терминах?
Joannes Vermorel: Как я уже сказал, сначала у нас есть структура. И, кстати, это также одна из вещей, в которых Lokad расходится. Мы используем вероятностный подход как знаменательный флаг, но на самом деле моя проблема, прежде всего, связана с структурой. Вторая проблема, которую я вижу, - это другая проблема. Это классический учебный подход к управлению цепочкой поставок, который просто требует точности и предполагает, что прошлое является точной симметрией будущего. Это не так. Это верно в том смысле, если вы смотрите, скажем, на движение планет. То есть на вещи, где вы просто наблюдатель, человечество наблюдает это и не может ничего изменить. Так что, если вы хотите прогнозировать движение планеты, скажем, планеты Марс, то да, предположение, что прошлое - это просто симметрия будущего, вполне нормально, потому что у нас нет никакого осязаемого измеримого влияния на движение планеты Марс. Но для цепочки поставок это не хорошо, потому что ваше будущее зависит от решений, которые еще не были приняты. Ваше будущее зависит от ваших будущих решений, и не только от ваших будущих решений, но и от будущих решений, которые будут приняты другими людьми, такими как ваши конкуренты. Таким образом, между прошлым и будущим существует радикальная асимметрия, и классическая перспектива временных рядов, которая характеризуется точностью, просто полностью игнорирует это. Об этом даже не упоминается. Это даже не существует и не оценивается в этой точности метрикой. Если вы хотите сделать правдивое заявление о будущем, каким бы это заявление ни было, оно должно в себе содержать факт того, что будущее все еще зависит от решений. Вы хотите сделать заявление, которое все еще будет полезным, несмотря на то, что решения еще не были приняты.
Conor Doherty: Многие люди думают, что они стоят на стороне спроса и просто наблюдают за ним, как вы сказали, как наблюдатели. Но вы говорите, что хорошо, мы не контролируем будущее, но мы можем быть соавторами его сделанных выборов. Но что это за выборы для тех, кто не в курсе?
Joannes Vermorel: Допустим, вы продаете рюкзаки. Сколько вы их продадите? Это зависит, прежде всего, от того, сколько вариантов вы собираетесь представить. Если у вас есть только один черный рюкзак, и вы размещаете его повсюду на своем интернет-магазине и во всех ваших магазинах, то, возможно, вы продадите много. Но если у вас есть больше вариантов, у вас есть другие рюкзаки, которые немного похожи, немного больше, и затем вы представляете полдюжины цветов. Каждый раз, когда вы представляете еще один вариант, вы удвоите свои продажи? Нет, очевидно, будет каннибализация. Спрос на будущее не записан, он не высечен в камне. Он очень сильно зависит от того, сколько вариантов вы представляете. Это выбор, который вам предстоит сделать. И если вы разделите проблему, скажем, нет, я просто хочу сначала определить ассортимент рюкзаков, а затем прогнозировать, я бы сказал, что это бессмысленно. Потому что, очевидно, если вы сначала определите свой ассортимент, а затем прогнозируете, если вы поймете, что у некоторых продуктов недостаточно спроса, вы их удалите. Фактически, мы инжинирим спрос, и это то, что делают компании. Это также закон Жана-Батиста Сея, экономиста. Поставка предшествует спросу. Вы должны вывести товар на рынок, чтобы создать спрос. Прежде чем Apple представила iPhone, спрос на iPhone на рынке был точно нулевым. Вы должны сначала вывести продукт на рынок, а затем вы создадите спрос на продукт.
Conor Doherty: Но работая в рамках парадигмы, которую вы критикуете, есть практики, такие как добавленная стоимость прогноза, где у вас есть спрос, и я обращаюсь к маркетингу и продажам, и я получаю их мнения. Мы собираемся представить x количество вариантов, и затем, как будто есть осознание того, что наши решения будут авторами будущего, делаются пересмотры вниз или вверх.
Joannes Vermorel: Но я бы сказал снова, после наблюдения за компаниями более десятилетия, почти десять лет и половину, это просто бюрократии. Когда вы смотрите, как все на самом деле происходит, у вас есть некоторые люди в компании где-то говорят: “О, у нас есть возможность, мы сделаем это”. И затем они думают, что если они просто сделают это так, это звучит ненаучно. Поэтому они хотят подкрепить свое предчувствие числами, и некоторые люди будут добавлять числа, и затем они скажут: “Хорошо, у нас есть числа, это теперь научно, мы делаем это”. Но нет, это было очень обоснованное предчувствие о рынке, это было очень обоснованное высокоуровневое рассуждение о чем-то, и затем у них был расчет на конверте, чтобы правильно оценить инициативу. И все остальное было просто бюрократией, чтобы как бы проставить печать на инициативе, но это не способствовало этому. Это не был первоначальный искра, это не был импульс, это даже не было истинное научное владение чем-либо, что сделало это возможным. Это были просто бумаги, которые произошли после битвы. Вы только что описали то, что Lokad делает со своими клиентами. Мы общаемся, они делятся с нами своими планами на будущее, и мы включаем это в числовой рецепт. Функциональное отличие заключается в том, что у нас в основе числовые рецепты, которые гораздо более гибкие. Мы не застреваем с временными рядами, и практически никогда не используем модели временных рядов на практике. Если вы хотите отобразить кривую на экране, она должна быть временным рядом. Это потому, что экраны двумерные, и у нас есть одно измерение - 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, которое описывает достоверность утверждения о будущем количестве. Но это очень мало имеет отношения к метрикам средней абсолютной процентной ошибки. Мы задаем себе вопрос: делаем ли мы утверждение, которое действительно значимо, которое верно, которое соответствует тому, что мы действительно пытаемся сделать? Например, в авиационной отрасли у нас есть что-то, что действительно охватывает эту идею, что мы обслуживаем флот, и у флота есть некоторые параметры, которыми мы можем управлять? Самолет имеет срок службы, возможно, от трех до пяти десятилетий. Это очень хорошо ограничено, поэтому мы можем буквально внедрить эти вещи в наши модели. Когда мы работаем с клиентами, у нас есть модели, где мы просто делаем простые вещи. Мы тратим время, чтобы понять, что они пытаются решить, и какие утверждения имели бы смысл быть верными для будущего их бизнеса. Это совершенно другое. Если у нас есть метрика точности, мы начинаем с сути бизнеса, пытаемся уловить структуру, а затем создаем что-то сверху. Это даже не о захвате особенностей вертикали, а о ее ДНК. Например, в авиации вы должны учитывать, что то, что вы сохраняете как запасные части, это самолеты. В одежде есть определенные моды и тенденции, которые приходят и уходят. В авиации есть флоты, которые приходят и уходят. Например, Boeing 747 выводится из эксплуатации, но Airbus 350 вводится в эксплуатацию. Если вы хотите заниматься модой и говорите, что вы собираетесь игнорировать новизну, мой ответ на это - это не закончится хорошо. Я категорически не согласен с точкой зрения, которая выражается в большинстве книг по цепям поставок, что эти вещи - это детали. Они не такие. Вы не можете подходить к вертикали, полностью пренебрегая тем, что делает эту вертикаль специфичной. Вы не можете заниматься мерчандайзингом для спортивных команд, игнорируя тот факт, что у вас есть турниры и что каждый год структура вашей проблемы заключается в том, что у вас есть одна команда, которая побеждает. Например, вернемся к этой компании, продающей аксессуары для бейсбольных команд. Как вы уместите факт, что всегда есть только одна победная команда, во временной ряд? Вы создаете свою точность. Вы создаете что-то сверху модели, этой модели временного ряда, которая не имеет смысла. Вы получите числа, но…
Конор Доэрти: Я хочу начать подводить итоги и задать несколько вопросов от аудитории. Мы - компания, которая финансово ориентирована исключительно на прибыль. Возможно, этот вопрос уже был задан, я не знаю, но задам его вам сейчас. Есть многомиллиардные компании, которые полностью не согласны с тем, что вы только что сказали. Многомиллиардные компании, которые существуют уже столетия и даже больше. Как вы отвечаете им, когда они говорят: “Посмотрите на наш банковский баланс, Джоаннес, мы не согласны с вами”?
Джоаннес Верморель: На нескольких уровнях. Во-первых, компании не соглашаются или не соглашаются ни с чем. Компании - это просто большие группы людей, у них нет собственного мнения. Есть только люди, работающие в этих компаниях. Так что компании делают много вещей, много вещей, особенно в больших компаниях, происходит случайно. Это не было специально спланировано, это просто случилось. Это - случайности. Когда мы говорим, что я не согласен с временными рядами, мой опыт говорит мне, что когда я обсуждаю это с руководителями крупных компаний, они очень часто соглашаются с этими основами, которые я только что упомянул. Когда я общаюсь с генеральным директором крупной модной компании, он обычно сильно удивляется тому, почему команды планирования настаивают на том, чтобы все вписывалось во временные ряды, что полностью не соответствует его собственному видению. Так что я действительно не согласен? Я не думаю. Мой опыт говорит мне, что когда я общаюсь с руководителями, которые провели десятилетия в определенной отрасли, у них обычно много фрустрации относительно того, как делается планирование, потому что оно не отражает их основное восприятие и понимание их собственного бизнеса. В конечном счете, я больше доверяю своему интуитивному чувству, чем цифрам, которые идут от команды планирования. Тот факт, что эти руководители говорят это, и компания успешна, доказывает, что они делают все правильно. У них есть команда планирования, потому что они не могут масштабировать свое интуитивное чувство. Так что им нужно больше цифр, им нужна эта команда планирования и им нужны эти инструменты, но они на самом деле не очень хорошие. Я значительно отклоняюсь от того, что написано в учебниках, но я не уверен, что я так сильно отклоняюсь от интуитивного чувства большинства руководителей, с которыми мне довелось поговорить.
Конор Доэрти: Можете ли вы дать краткое изложение вашей позиции о том, почему точность прогнозирования не важна, и затем мы перейдем к следующему вопросу?
Джоаннес Верморель: Это неважно, потому что, если я возьму определение прогнозирования цепочки поставок из учебника, оно неправильное. Оно основано на ошибочной парадигме, которая является парадигмой прогнозирования временных рядов, которая неправильна. Поэтому я говорю, что это полное несоответствие парадигм. Оно не соответствует проблеме, которую оно пытается решить, и поэтому это просто модное математическое или статистическое решение неправильной проблемы. Так что в этом смысле это не имеет значения. Однако, если мы говорим о пути Lokad, который квантитативно отражает сущность компании, тогда это имеет большое значение.
Конор Доэрти: Спасибо всем за ваши вопросы. Я не уверен, что мы сможем ответить на них в порядке, в котором они были заданы за кулисами. Так что я читаю то, что мне представили, и некоторые из них являются утверждениями, на которые, я полагаю, вы ответите. Итак, от человека по имени Дастин: “Точность прогнозирования важна, однако текущий метод ее количественной оценки путем измерения точности точечного прогноза ограничивает. Конечная цель должна быть оценка точности распределения вероятностей. Вы согласны?”
Джоаннес Верморель: Опять же, Lokad движется в правильном направлении с помощью вероятностного прогноза. Вероятностный прогноз позволяет вам охватить неопределенность. Но это все равно недостаточно. Поэтому я говорю, да, охватывание неопределенности, безусловно, необходимо, Lokad, мы за это. Но снова вернемся к тому, если вы все еще одномерны, это все равно не хорошо. И если вы все еще рассматриваете прошлое как симметрию будущего, вы все еще полностью отказываетесь от этого потенциала решений, которые еще не были приняты.
Конор Доэрти: Вы предлагаете, что точность прогнозирования больше связана с точностью выполнения, которая включает в себя понимание как внутренних, так и внешних изменений? С точки зрения прогнозирования, следует ли сосредоточиться на количестве и стоимости? Пауло считает, что КПЭ имеют наибольшее значение, когда они распространяются на разные функции, особенно коммерческие, маркетинговые и финансовые. С вашей точки зрения, полезны ли сценарии роста и падения? Здесь много маленьких вопросов, я позволю вам выбрать.
Жоанн Верморель: Это очень интересно. Во-первых, прогноз - это самостоятельный ингредиент, сам по себе артефакт. Он ничего не делает для компании. Если вы делаете количественное заявление о будущем, программное обеспечение - это просто артефакт. Оно само по себе не имеет ценности. Я считаю, что Пауло абсолютно прав, что ваша оценка не может быть чем-то внутренним для прогноза. Только через выполнение цепочки поставок вы можете оценить, был ли этот инструмент, этот числовой артефакт, подходящим или нет. Вы создаете свой числовой артефакт, свой прогноз, и затем вы можете судить только по его последствиям, его далеко идущим последствиям, был ли это хороший или плохой прогноз. Вот где вам нужно вернуться от далеко идущих последствий к числовому рецепту, используемому для создания прогноза, чтобы оценить, был ли он хорошим или плохим. У меня есть очень последовательный подход к прогнозированию.
Что касается КПЭ, распространяемых на разные отделы, я бы сказал, будьте осторожны. Компании не зарабатывают деньги, позволяя людям читать цифры. Распространение цифр между командами - это хорошо, но создает ли это ценность для компании? На самом деле нет. И когда люди говорят о КПЭ, они должны быть ключевыми, как ключевые показатели эффективности, предположительно несколько. Но мое наблюдение заключается в том, что у компаний есть десятки, сотни, иногда тысячи КПЭ. Так что это не КПЭ, это показатели эффективности, как грузовик показателей эффективности. Мой поинт в том, что да, в некоторой степени, но будьте осторожны. Компании уже платят слишком много людей, чтобы тратить время на метрики, делая очень мало после этого.
Конор Доэрти: Могу я быстро продолжить на этом, потому что поправьте меня, если я не прав, вы говорите, что слишком много междепартаментальной коммуникации может быть плохо. Но ведь противоположность этого - силосы, которые, как я знаю, вам не особенно нравятся?
Жоанн Верморель: Что люди сделают с этими цифрами? Я считаю, что если вы хотите делиться данными, они не должны проходить через глаза и мозги людей. Мы говорим о типичном клиенте, у которого есть более одного терабайта транзакционных данных. Это много. Так что реалистично, если мы говорим, что вы знаете, сколько цифр вы можете прочитать за секунду? Что-то около пяти цифр в секунду. Потребуется целая жизнь, чтобы передать эти данные через человеческие мозги. Очевидно, когда мы говорим, что мы хотим делиться данными, мы не имеем в виду, что они должны проходить через людей. Разрушение силосов не заключается в том, чтобы убедить Боба из другого отдела потреблять все данные, которые вы производите, генерируете и отчеты и прочее. Это просто о том, чтобы убедиться, что у каждого программный доступ ко всем данным, которые есть в компании, чтобы они могли оптимизировать свои собственные решения. И если им нужно скоординироваться, это о согласовании самих числовых рецептов, которые принимают различные решения. Это не означает, что люди сами должны использовать свое время и пропускную способность, человеческое время и человеческую пропускную способность, для ручной обработки этих данных. Разрушение силосов не заключается в создании работы для другого отдела путем создания отчета, который вы ожидаете, что люди из другого отдела прочитают. Здесь вы просто создаете бюрократическую задачу, которую вы навязываете другому отделу. И мое предчувствие заключается в том, что большую часть времени, когда вы это делаете, это не приведет к прибыльному результату для компании. Возможно, это произойдет, но это не гарантировано, и в большинстве случаев это не произойдет.
Конор Доэрти: Спасибо за это. Я помню, что у нас ограниченное время, поэтому этот вопрос от Сашина или Сайна. Насколько применим концепт корзины или перспективы корзины для B2B-бизнеса, в отличие от потребительских товаров?
Жоанн Верморель: Это важно. Давайте рассмотрим пример. Один из наших клиентов в Lokad - это B2B-дистрибьютор электрооборудования. Это очень крупная компания. Когда вы продаете электрооборудование, ваши клиенты - крупные предприятия, и основная часть вашего бизнеса зависит от строительных площадок. Да, иногда компания может заказать лампочку или выключатель для небольшого ремонта, но основная часть бизнеса зависит от строительных площадок. Например, есть новая башня, и через 6 месяцев вам понадобится 4000 выключателей одной модели и 200 км кабеля. И у нас есть, и это не редкий случай, это очень классическая ситуация при строительстве гражданских объектов. Есть здание, которое строится, и будут компании, которые сделают большие заказы, чтобы обеспечить все необходимое в плане электрооборудования для здания. Итак, предположим, за полгода до этого они не ожидают, что у этого дистрибьютора электрооборудования будет все в наличии. Никто не имеет такого количества товара готового к отправке, и компания, занимающаяся установкой здания, это знает. За несколько месяцев до этого они делают большой заказ и знают, что он не будет доступен, поэтому они делают его заранее. Но они говорят, что даем вам много времени, но в эту дату следующего года, в конце марта, мы хотим, чтобы все было готово, потому что тогда мы приступим к развертыванию в здании, и нам понадобится каждая мелочь. Итак, у нас есть большой заказ, тысячи позиций, для каждой позиции сотни единиц, и нам нужно, чтобы каждая позиция была доступна в нужное время. И мы не обманываем вас, мы даем вам много месяцев, чтобы это осуществить. И это то, что, вы видите, в этом случае интересно то, что мы отклоняемся от временных рядов. У нас есть спрос, но если вы думаете о спросе как о временном ряде, вы упускаете суть. Суть в том, что у вас есть две даты: дата заказа и запланированная дата доступности товара. Также это является корзиной, это B2B, и оно сопровождается дополнительной сложностью по сравнению с супермаркетом, где все, что вам нужно, объявлено заранее. Теперь это точно известно? Нет, потому что может быть небольшие отклонения в графиках строительства, и тогда клиент может обратиться к вам и сказать, что нам нужны эти вещи на неделю раньше или на неделю позже. Так что вы видите, здесь все еще есть некоторая изменчивость, и по мере продвижения строительства на строительной площадке они могут вносить незначительные изменения в свою корзину. Но у вас все равно есть основная информация, доступная за много времени. Так что вы видите, даже если мы смотрим на B2B, у нас есть такие явления. Более того, я бы сказал, что B2B - это в основном повторяющийся бизнес с хорошо определенными партнерами. Поэтому такой анализ корзины еще более распространен в B2B, чем в розничной торговле B2C.
Конор Доэрти: От Стефана, или Стефана, француза, я полагаю, Стефан оставил комментарий. Он говорит: “Потенциально можно подать огромное количество данных, структурированных или нет, в продвинутый искусственный интеллект, чтобы получить прогноз. Однако здесь есть подвох, не так ли?” Это вопрос. Может быть, вы знаете ответ?
Жоанн Верморель: Да, я имею в виду, люди думают, что альтернативой временным рядам является некий искусственный интеллект типа Скайнет. Мой ответ: почему вы так думаете? Если все, что вы когда-либо видели в своей жизни, это круглые формы, и вы никогда не видели квадратную форму, вы можете подумать, что альтернативой круглой форме является невероятно сложная форма. Но я не говорю это. Я не говорю, что альтернативой круглой форме является нечто невероятно сложное. Это может быть просто квадратная форма. Я не говорю, что альтернативой временным рядам является искусственный интеллект уровня Скайнет или что-то в этом роде. Большинство моделей, которые использует Lokad, очень просты, они просто не являются временными рядами. Существует такой культ, что это должны быть временные ряды. Я говорю, почему бы и нет? Математика огромна, есть множество альтернативных вещей, которые можно делать, и они не сложнее временных рядов. Они просто другие. Временные ряды являются самыми простыми из простых, да, они немного сложнее, потому что почти ничего нет, что было бы проще временных рядов. Временные ряды буквально представляют собой одну величину с временной размерностью, поэтому это сложно, потому что нам придется иметь дело с временной размерностью. Быть проще временных рядов сложно, потому что временные ряды уже являются чрезвычайно упрощенными. Но это не означает, что альтернативой временным рядам является искусственный интеллект уровня Скайнет. Эти модели по-прежнему параметрические, очень простые, и дело просто в том, чтобы принять структуру проблемы, которую вы пытаетесь решить. Когда я описываю структуру проблем, например, серию бейсбольных игр с одним победителем каждый год, остальные команды проигрывают, мы не говорим о невероятно сложных структурах. Эти вещи не настолько сложны, и их можно описать за несколько минут, и модели, которые обычно использует Lokad, также можно описать за несколько минут. Временные ряды можно описать за секунды, поэтому мы больше склонны к вещам, которые требуют нескольких минут для описания.
Конор Доэрти: Ну, что касается разницы между формами, и я кратко продолжу на эту тему, когда люди говорят о том, насколько точным или достоверным был прогноз, они смотрят на точность. Мы не смотрим на это. Другая форма, которую мы используем, - это финансовый эффект. Это альтернативная форма?
Жоанн Верморель: Это часть нашего арсенала. Финансовая перспектива не означает, что мы настаиваем на ней. Просто на мой опыт, когда мы имеем дело с крупной компанией с обширной цепочкой поставок, у нас возникает проблема согласования десятков противоречивых целей. У вас так много целей. Вы - крупная компания, вы не хотите тратиться, вы хотите высокое качество обслуживания, вы хотите максимально использовать свои склады и активы, у вас есть ограничения, такие как максимальное пространство хранения, у вас есть срок годности. Итак, у вас есть ограничения и цели повсюду. Нам нужен язык, чтобы объединить все это. Это очень практическая вещь. Эти вещи как бы противоречат друг другу. Качество обслуживания противоречит потерям. Если вы говорите, что хотите иметь очень высокий уровень обслуживания, то если мы выбираем перишабельные товары, у вас будет очень высокий уровень обслуживания, что означает, что иногда у вас будет товар, который просрочится и который вам придется выбросить, таким образом, вы создаете потери. Здесь есть напряжение. Вы не можете сказать, что у вас нет потерь и очень высокое качество обслуживания. Если у вас высокое качество обслуживания, у вас будет некоторые потери, и если вы полностью устраните потери, это означает, что вы очень часто сталкиваетесь с дефицитом товара. Это неизбежно. Это просто сама постановка проблемы. У вас есть эти противоречивые цели. Итак, теперь давайте увеличим это. У нас есть крупная компания, нам нужно объединить все эти вещи, и мое предложение, которое было арсеналом приемов, используемых Lokad, заключается в том, что если мы выразим все это в долларах, у нас будет общий язык. У нас будет способ объединить все это. Это просто арсенал приемов. Не то чтобы я хотел думать в терминах долларов, это просто мой опыт. Это единственное, что масштабируется при рассмотрении сложных компаний. Это просто вопрос практичности на большом масштабе.
Конор Доэрти: Спасибо. Итак, должно ли это видео называться “Важна ли временная последовательность?” Вы считаете, что количественная оценка неопределенности и точности прогноза важна, но не согласны с текущими методами, верно?
Жоанн Верморель: Опять же, точность и временная последовательность - это одно и то же. Если вы посмотрите в учебниках по цепям поставок, я никогда не видел ни одного учебника по цепям поставок, в котором точность не была бы непосредственно связана с временной последовательностью. Большинство учебников по цепям поставок даже не беспокоятся о математическом определении временной последовательности. Они сразу переходят к определению точности, которое само по себе определяет временную последовательность. Таким образом, эти вещи являются существенными в основной парадигме цепей поставок. Они являются одним и тем же. И Lokad говорит, что мы хотим разделить их. Действительно, есть способ сделать точность важной, но это так радикально отличается от того, что фактически представлено в этих учебниках по цепям поставок, что я очень сомневаюсь. Я на грани того, чтобы назвать это точностью. Точность - хороший термин, он действителен, и это то, что мы делаем морально. Но то, что мы делаем, настолько радикально отличается от того, что находится в учебниках по цепям поставок, что это просто создает путаницу, когда мы используем один и тот же термин.
Конор Доэрти: Спасибо. Я думаю, мы уже затронули этот вопрос в последних двух вопросах. Это вопрос от Константина. Некоторые выступают в защиту FVA, вашего любимого метода, как средства определения того, стоит ли затрачивать усилия на повышение точности. Вы недавно опубликовали обзор, в котором критикуете FVA. Что вы предлагаете в качестве альтернативы?
Жоанн Верморель: Итак, здесь я дам ответ. Это не мой ответ, это фактически ответ от TOA. Когда хирург удаляет рак из вашего тела, чем вы заменяете рак? Так вот, по моему мнению, точность, достигаемая с помощью основной парадигмы, является ложной идеей. Она не выдерживает проверки, когда вы хотите посмотреть на суть бизнеса. Делает ли этот математический инструмент, линия, смысл на высоком уровне в моем бизнесе? И мое предложение состоит в том, что когда вы смотрите с минимальным вниманием, это не так. Итак, FVA просто переусложняет процесс поверх ложной парадигмы, ложного инструмента. Таким образом, вы только ухудшаете ситуацию. FVA просто отдаляет компанию в неправильном направлении. Итак, у вас была ложная концепция, точность временных рядов, и теперь вы хотите создать процесс поверх нее, чтобы создать некую мини-бюрократию в компании. И мое мнение заключается в том, что это не первая и не последняя бесполезная бюрократия, которая вводится в компанию. В больших компаниях есть десятки бесполезных бюрократий, которые плавают повсюду. В конце концов, наличие еще одной бесполезной бюрократии не является конечной целью для компании. Но сделает ли она поставки компании более конкурентоспособными? Нет, даже близко. Она будет делать ровно противоположное. Хотя она не разрушит компанию. Это то, что просто добавляет некоторые затраты, и компания продолжит двигаться вперед.
Конор Доэрти: Хорошо, я немного возразил бы этому, потому что нам обоим нравится аналогия Томасо. Когда хирург удаляет рак, что он ставит на его место? Если бы вы применили это к данному контексту, это почти как сказать: ну, мы удалили это, сидите сложа руки, не ставьте ничего на его место. Чем заполнить этот вакуум?
Жоанн Верморель: Позвольте мне описать реальность того, что на самом деле означает точность в большой компании. Существует процесс SNOP с бюро CES, которое составляет прогнозы, а затем люди оценивают эти прогнозы. Используются ли они? Нет, не используются. Все крупные компании, с которыми я имел дело за последнее десятилетие, более 200 крупных компаний, когда я их проверял и аудировал, я понял, что вся компания работает на теневых электронных таблицах. Все эти числа, которые поступают из процесса SNOP, не используются. Продавцы, производство, снабжение, логистика, транспортные возможности, никто из них не использует эти числа. Это похоже на Потемкинскую деревню. Существует иллюзия рациональности, где люди создают эти великие вещи с помощью SNOP и пересматривают их раз в квартал. Но затем каждый менеджер имеет свою собственную секретную электронную таблицу, которую он использует, и это то, что движет бизнесом. Интересно то, что каждый менеджер думает, что он единственный, у кого есть эта скрытая электронная таблица. У меня было несколько случаев, когда вице-президент по снабжению сказал мне, что у него есть секретная электронная таблица, потому что получаемые им числа - это мусор. Но для его подчиненных он требует, чтобы они придерживались официального процесса SNOP. В рамках аудита я интервьюирую подчиненных, и они говорят мне, что у них есть секретная электронная таблица. Они не доверяют числам, поэтому делают это по-другому. И все они думают, что они единственные, у кого есть эта секретная электронная таблица. Я видел такую ситуацию снова и снова. У вас есть ложные числа в плане SNOP, но финальные решения выходят правильными. Как это возможно? Ответ неизменно заключается в том, что где-то есть электронная таблица, которая создана таким образом, что она гораздо более соответствует сути бизнеса. Люди просто скрывают электронную таблицу, потому что это не официальная политика, но тем не менее, именно она делает компанию двигаться, а не великие Потемкинские деревни с этими великими числами.
Конор Доэрти: Спасибо. У нас еще есть несколько вопросов, которые нужно пройти, поэтому мне придется просить вас быть краткими в дальнейшем. Это вопрос от Шона. Он пишет: “Точность прогнозирования - это один из элементов в цепи поставок. Возможность использования улучшенного прогноза обычно требует других изменений в цепи поставок. Вы согласны?”
Жоанн Верморель: Важно ли использование улучшенного факса? Вот что я пытаюсь объяснить. Когда люди говорят мне, что у них есть лучшая точность в классическом смысле, это то же самое, что сказать мне, что у вас есть лучший факс. Это не значит, что это улучшение по сравнению с текущим состоянием является улучшением в целом. Это недостаток инкрементализма в цепи поставок. Люди видят улучшение только через призму “Да, это инкрементальное улучшение по сравнению с тем, что у нас есть”. Если вы можете думать только о лучших факсах, вы не находитесь в хорошем положении. Когда люди говорят: “О, вы говорите о искусственном интеллекте, Скайнете”, я говорю, например, что электронная почта фундаментально проще факса. Факс более сложный, более требовательный с точки зрения технологии, и все же он является худшим решением по сравнению с альтернативой. Вот мой посыл. Когда люди говорят: “О, у нас есть это улучшение”, я говорю: “Да, у вас просто лучший факс. Поздравляю. Но вы упускаете суть. Вы упускаете возможность просто сделать что-то, что будет проще, лучше, более согласовано, быстрее, более эффективно во всех аспектах”.
Конор Доэрти: Спасибо. Переходим к вопросу от Филиппа: “При обсуждении структуры прогнозирования, может ли временной ряд быть частичным компонентом этой структуры, если это применимо?”
Жоанн Верморель: Может. Временной ряд является такой фундаментальной структурой. Очень сложно создать что-то такое, чтобы временной ряд не возникал случайно даже как компонент вашего прогностического ингредиента. Мое сообщение не заключается в том, что временной ряд не должен использоваться. Это не суть. Я просто говорю, что если у вас есть только временной ряд, это очень упрощенно. Вам нужно расширить свой словарный запас, свои горизонты. Есть и другие вещи, и в этих других вещах, да, вы можете использовать временной ряд. Это иногда случается.
Конор Доэрти: Далее, вопрос от Мануэля: “Университеты продолжают преподавать традиционные методы прогнозирования и акцентируют внимание на их точности. Изменилась ли эта точка зрения с недавним внедрением моделей машинного обучения, которые учитывают множество дополнительных факторов?”
Жоанн Верморель: Разница между наличием черно-белого телевизора, который представляет собой классический экран, и светом, который проецирует изображение, то есть большим плоским экраном, который является старой школой временных рядов. Машинное обучение просто дает вам черно-белый ЖК-экран. Он все еще черно-белый, один имеет лучшие качества, он более легкий, у него есть свое место. Моя проблема с университетами не заключается в лучшей численной модели. Моя проблема не в том, что университеты не преподают правильный алгоритм прогнозирования, а в том, что они не пытаются преподать правильное отношение к прогнозированию. Вы смотрите на суть проблемы? Вы пытаетесь создать осмысленное для бизнеса утверждение, которое можно количественно оценить? Это то, что вы делаете? Это имеет смысл? Вы учитываете тот факт, что будущее не является симметричным прошлому? Опять же, отношение. И затем у нас есть технические аспекты. Для меня классические временные ряды и машинное обучение - это спектр миров. Если мы посмотрим на конкуренцию Walmart, в которой мы заняли пятое место, хитрость заключалась в том, что мы использовали супер простую параметрическую модель с пятью параметрами. Так что это считается классическим? Мы заняли пятое место среди тысячи конкурирующих команд, и даже заняли первое место на уровне SKU, опередив всех, с помощью супер простой модели. Интересно то, что это супер простая модель с пятью параметрами. Таким образом, это старомодельная модель, но способ, которым мы научились этим параметрам, был более сложным дифференцируемым программированием. Итак, это машинное обучение? Это старая школа? Для меня существует спектр от супер классических авторегрессионных моделей до супер модных моделей глубокого обучения. Здесь нет качественного скачка, все это есть. Моя проблема не в том, что университеты неправильно преподают эти алгоритмы прогнозирования, а в том, что они неправильно преподают отношение к прогнозированию, мышление, которое вам нужно иметь, когда вы имеете дело с будущим в целях управления цепями поставок. В этом и заключается проблема. Цель процесса S&OP - создать компании широкую согласованность. Это была бы цель, чтобы люди на производственном фронте производили то, что будет продаваться командой продаж, и чтобы продавцы производили то, что вы можете выполнить. Это буквально о корпоративной согласованности. Но на практике практики S&OP - это бесконечная серия встреч. Вот что это.
Мое мнение заключается в том, что информация протекает через ИТ-системы, прикладной ландшафт. У нас есть конкурирующие парадигмы. Мы даже не на одной странице. Я говорю, что информация протекает, и если есть координация, это не будет касаться информации. Информация протекает через прикладной ландшафт. Вам не нужно иметь людей, которые разговаривают друг с другом, если вам нужно создать согласованность. Это будет связано с числовыми рецептами и уточнением стратегического намерения компании, что абсолютно не то, что делается на совещаниях S&OP. У многих крупных компаний есть неплохие результаты, но эти прогнозы временных рядов - это просто часть бюрократии, которая не вносит никакого вклада. Вы можете удалить их, и все будет работать прекрасно. Во время блокировок 2020 и 2021 годов некоторые компании в некоторых странах имели часть своих штатных сотрудников, занятых белыми воротничками, которые были отправлены в технический отпуск на 14 месяцев. Компания все еще работала на 80% от мощности. Она была сокращена, но не была равна нулю. Из-за этих блокировок все штатные сотрудники, особенно из планирования, буквально были отправлены домой и никогда не прикасались к корпоративным компьютерам. У нас был большой эксперимент, когда весь отдел планирования исчез на 14 месяцев, и все было в порядке. Итак, если компания может функционировать без отдела в течение 14 месяцев, когда все сотрудники этого отдела отсутствуют, что это говорит об отделе? Вероятно, что это не совсем критично для выполнения миссии. У нас даже был случай, когда крупная компания, производитель, фактически стала электронной коммерцией во время периода блокировки. Сегмент электронной коммерции составлял 5% их бизнеса до блокировок. В конце 2021 года электронная коммерция составляла две трети их продаж. Таким образом, компания претерпела масштабную трансформацию, перейдя от 5% электронной коммерции к фактическому статусу электронной коммерции. Если ваша компания может претерпеть масштабные, быстрые трансформации и успешно их осуществлять, что это говорит о таких функциях? Я оспариваю эту концепцию. Я не говорю, что точность не имеет значения, особенно в том смысле, в котором это делает Lokad. Но если мы посмотрим, как это обычно практикуется, я наблюдал снова и снова, что у нас были блокировки, у нас даже был большой эксперимент по закрытию отдела, отвечающего за эти показатели точности, на протяжении года, точнее 14 месяцев. И каков был влияние на бизнес? Ничего, все по-прежнему. Некоторые из этих компаний даже процветали после этого. Это было для меня откровением. Это эксперимент, который не должен был произойти, но он произошел.
Conor Doherty: Спасибо. И последний вопрос, также от Николаса, возможно, другой, я не знаю. Я часто вижу, что отделы пытаются переопределить статистические данные с помощью интуиции. Как вы определяете влияние точности прогнозирования на улучшение запасов и опыта клиентов в режиме реального времени?
Joannes Vermorel: Вот дело в том, что это вопрос, который никогда не задается в рамках парадигмы точности временных рядов. Это не вопрос, который задается в учебниках по цепям поставок. Этого нет. Но это не единственная проблема. Есть целая область, которую мы не затронули, и это инструментальность прогноза. Насколько хорошо они могут быть фактически использованы в компании? И все эти вещи отсутствуют. Да, это очень важно. И связывание всех точек от принятия решения до математической модели, которая производит эти утверждения, очень важно. Но это означает, что вам нужны численные рецепты, которые позволяют пройти путь от предсказательной генерации этих количественных утверждений о будущем до принятия вами решения, которое имеет реальные последствия с финансовыми влияниями на вашу компанию. И вот так вы оцените, верен ли ваш прогностический модель или нет. Я использую слово “верный”, потому что не хочу использовать слово “точный”. И частью арсенала является финансовая перспектива, потому что это облегчает это. Но обычно это практикуется только наполовину. Существует эта большая иллюзия, которую поддерживают учебники по цепям поставок и большинство программного обеспечения для цепей поставок, что вы можете ограничиться этапом прогнозирования и оценить, насколько хороши или плохи мы в изоляции от остальных. И это полная ерунда. Нет такой возможности оценить в изоляции адекватность или точность прогноза. Это просто о сравнении математических моделей. Это хорошо, но это не реальная жизнь. Это похоже на то, как если бы вы хотели иметь победителя стрелкового тира. У вас может быть олимпийский чемпион по стрельбе, но когда дело доходит до реального военного учения, люди не стреляют из настоящих оружий в реальной войне так, как стреляют в контролируемой среде. Это совершенно другое. Заключительный момент заключается в том, что часть проблемы точности заключается в том, что сама проблема поставлена неправильно. Я не говорю, что точность ложна в математическом смысле. Я не говорю, что, например, добавленная стоимость прогноза неверна с точки зрения статистики. Я это не говорю. Я говорю, что парадигматическая среда, окружающая эти концепции, неподходящая. Если вам приходится выбирать между интуицией, которая действительно охватывает бизнес, и суперсложным, но полностью несоответствующим бизнесу, приблизительно правильное превосходит абсолютно неправильное каждый день. Вот в чем дело. И точность является примером того, как работает традиционный подход, который абсолютно неправильно мыслит.
Conor Doherty: Джоаннес, у меня больше нет вопросов. Я имею в виду, у меня есть, но я сохраню их на другой день. Большое спасибо за ваше время. И всем вам, кто остался с нами так долго, большое спасибо за ваше время. Увидимся в следующий раз.
