00:00:00 Введение в вычислительные ресурсы в управлении цепями поставок
00:02:21 Важность вычислительных ресурсов в управлении цепями поставок
00:07:04 Механическое сочувствие в контексте управления цепями поставок
00:09:38 Принятие решений с использованием вычислительного оборудования
00:12:42 Иллюзия экспертизы без глубины
00:13:59 Современная зависимость управления цепями поставок от вычислительных ресурсов
00:18:32 Влияние скорости аппаратного обеспечения на принятие решений
00:21:40 Недостаточная эффективность программного обеспечения увеличивает затраты
00:24:42 Свойства и ограничения транзакционных баз данных
00:27:59 Рост затрат на облачные вычисления из-за неэффективности
00:30:09 Более простые и дешевые программные рецепты
00:32:40 Экстремальная расточительность вычислительных ресурсов
00:36:14 Преимущества аппаратного обеспечения по сравнению с программным
00:40:48 Важность знания выбора поставщика
00:45:15 Теоретические и практические знания
00:50:00 Порядки эффективности компьютера
00:54:33 Учет производительности при пополнении запасов
00:56:18 Итеративный процесс для качества результата
00:58:50 Реорганизация в случае нарушения
01:00:18 Следующие шаги для практиков
01:02:17 Оплата за неэффективность поставщика
01:05:04 Финансовое влияние решений
01:07:16 Недостаток понимания у конкурентов
01:08:40 Заключительные замечания
Резюме
В недавнем выпуске LokadTV Конор Доэрти, руководитель по коммуникации в Lokad, беседовал с Жоаннесом Верморелем, генеральным директором Lokad, о важной роли вычислительных ресурсов в оптимизации управления цепями поставок. Верморель подчеркнул необходимость понимания как аппаратной, так и программной части для принятия обоснованных решений в управлении цепями поставок. Он сравнил это базовое знание с осведомленностью о географии, необходимой для предотвращения проблем и обеспечения эффективного принятия решений. Верморель подчеркнул, что компьютеры являются инструментами для механизации принятия решений, и понимание их возможностей и ограничений является критическим. Это понимание распространяется на программные парадигмы, обеспечивая возможность оптимизации ресурсов и достижения лучших результатов.
Расширенное резюме
В недавнем выпуске LokadTV Конор Доэрти, руководитель по коммуникации в компании Lokad, провел интересную дискуссию с Жоаннесом Верморелем, генеральным директором и основателем французской компании Lokad, специализирующейся на предиктивной оптимизации цепей поставок. Разговор касался сложного мира вычислительных ресурсов в цепях поставок, темы, которая выходит далеко за рамки простого использования компьютеров. Это требует тонкого понимания того, как эти машины работают оптимально, концепции, которую Верморель называет “механическим сочувствием”.
Доэрти начал обсуждение, подчеркнув широкий спектр вычислительных ресурсов, включающих как аппаратное, так и программное обеспечение. Он попросил Вермореля дать рабочее определение, и тот пояснил, что вычислительные ресурсы включают все классы аппаратных средств, составляющих современный компьютер. Эта классификация, хотя и относительно произвольная, развивалась на протяжении последних 70 лет, что привело к появлению отдельных категорий, таких как ЦП и память, каждая из которых служит определенным целям в вычислительной экосистеме.
Верморель подчеркнул важность этих ресурсов в контексте управления цепями поставок. Он утверждал, что если мы принимаем предпосылку о том, что решения в цепях поставок принимаются лучше с помощью компьютеров, то понимание аппаратного обеспечения, обеспечивающего эти вычисления, становится важным. Это понимание не только означает знание физических компонентов, но и понимание более широких классов устройств и их вычислительных возможностей.
Затем Доэрти попытался упростить эту информацию для практиков в области цепей поставок, спросив, как они должны интегрировать это знание в свою повседневную деятельность. Верморель пояснил, что компьютеры сами по себе не способны принимать решения; они просто являются лучшими доступными инструментами для механизации процессов принятия решений. Эта механизация, которая продвигала прогресс на протяжении веков, теперь распространяется на работу белого воротничка с помощью компьютеров.
Верморель сравнил базовые знания о вычислительных ресурсах с базовыми географическими знаниями. Как знание местоположения стран на карте считается необходимым, понимание основ аппаратного обеспечения вычислений является основой для практиков в области цепей поставок. Это знание помогает предотвратить ряд потенциальных проблем и обеспечивает принятие решений с ясным пониманием основной вычислительной инфраструктуры.
Доэрти дополнительно исследовал глубину этого базового знания, спросив, включает ли оно знание простых вещей, таких как местоположение порта USB, или более сложных концепций, таких как принципы работы твердотельного накопителя SSD. Верморель ответил, что здесь речь скорее идет о понимании абстракций и стабильных классов проблем, которые существуют в вычислениях уже десятилетиями. Сюда входят память, хранение данных, пропускная способность, арифметические вычисления и процессы ввода/вывода.
Затем разговор перешел к тому, как это базовое знание превращается в принятие лучших решений. Верморель объяснил, что без базового понимания аппаратного обеспечения процессы принятия решений могут казаться магией, что затрудняет оценку пригодности метода для доступного аппаратного обеспечения. Он использовал аналогию с выбором автомобиля, чтобы проиллюстрировать этот момент. Как и выбор автомобиля требует понимания его предполагаемого использования, выбор вычислительных ресурсов требует знания их возможностей и ограничений.
Верморель также затронул важность парадигм программирования и их роли в процессе принятия решений. Он отметил, что хотя конкретные случаи использования не всегда могут быть очевидными, иметь базовое понимание концепций, таких как статический анализ, массивное программирование и системы контроля версий, является важным. Это знание помогает практикам избежать “брожения в темноте” и гарантирует, что они могут принимать обоснованные решения относительно используемых вычислительных инструментов.
В заключение Верморель подчеркнул, что современные практики в области цепей поставок в значительной степени зависят от аппаратного обеспечения. Даже компании, считающие себя низкотехнологичными, широко используют компьютеры, будь то сложные алгоритмы или простые инструменты, такие как Excel. Поэтому иметь базовое понимание вычислительных ресурсов не только полезно, но и необходимо для эффективного управления цепями поставок. Это знание позволяет практикам принимать обоснованные решения, оптимизировать вычислительные ресурсы и в конечном итоге достигать лучших результатов для своих организаций.
Полный текст
Конор Доэрти: Добро пожаловать на LokadTV. Сегодня мы с Жоаннесом будем обсуждать вычислительные ресурсы в цепях поставок. Как вы услышите, это гораздо больше, чем просто умение пользоваться компьютером. Это требует хорошего понимания того, как он работает наилучшим образом. Это называется механическим сочувствием, и, как мы обсудим, хорошее механическое сочувствие может привести к более эффективному использованию вычислительных ресурсов и, в конечном итоге, к принятию лучших решений. Теперь, как всегда, если вам нравится то, что вы слышите, подумайте о подписке на наш канал на YouTube и следите за нами в LinkedIn. И с этим я представляю вам сегодняшний разговор.
Итак, Жоаннес, вычислительные ресурсы в цепях поставок - это очень обширная концепция. Она охватывает как аппаратное, так и программное обеспечение. Итак, для целей сегодняшнего разговора, с учетом аудитории в области цепей поставок, какое хорошее рабочее определение вычислительных ресурсов?
Жоаннес Верморель: Вычислительные ресурсы - это общий термин, который охватывает все классы аппаратных средств, составляющих современный компьютер. В настоящее время разделение между этими классами является немного произвольным, но только немного. В природе нет ничего, что говорило бы о том, что есть класс вещей, которые мы должны называть ЦП (центральные процессоры), и другой класс устройств, которые мы должны называть памятью и так далее. Это совместная эволюция проектирования компьютеров и роли рынка, которая сформировала определенные ниши, в которых есть компании, производящие действительно конкурентоспособные устройства для определенных целей. Вот как произошла эта эволюция. Теперь, спустя 70 лет после появления компьютеров, у нас есть очень четкие классы вычислительных устройств, которые не делают все от начала до конца. Они похожи на компоненты в вычислениях.
Итак, почему это важно? Когда я говорю о вычислительных ресурсах, я широко говорю о аппаратных средствах, но также неявно о классе устройств и о том, что они дают вам для выполнения вычислений. Почему это важно для цепей поставок? Потому что, если мы рассматриваем цепь поставок как упражнение по принятию решений и если мы идем по пути веры, что эти вычисления будут лучше выполняться с помощью компьютеров, то это буквально физический уровень, который будет осуществлять эти вычисления. Этот акт веры - всего лишь скромный. Компьютеры в наши дни доказали свою способность. Но, тем не менее, он исходит из этой идеи, что все эти решения, миллионы решений, которые необходимо принять в значительной цепи поставок, в конечном итоге будут выполнены с помощью компьютера каким-либо образом.
Таким образом, если мы начинаем об этом думать, то мы должны начать обращать немного внимания на этот аппаратный уровень. Ситуация стала намного сложнее за последние четыре десятилетия. Компьютеры все еще развиваются, но способы их развития стали намного сложнее и не такие интуитивные, по сравнению с тем, что происходило до конца 90-х годов.
Конор Доэрти: Хорошо, еще раз, чтобы подытожить, компьютеры хороши в принятии решений. Но как связана практика в области цепей поставок с сегодняшним разговором? Каковы основные выводы для них?
Жоаннес Верморель: Во-первых, я бы сказал, что компьютеры не особенно хороши в принятии решений. Они просто инструменты, которыми мы располагаем, и на данный момент у нас нет никакой жизнеспособной альтернативы для механизации процессов принятия решений. Это своего рода акт веры. Почему мы хотим механизировать? Потому что механизация была движущей силой прогресса в последние два, возможно, даже три столетия. В 20-м веке это была механизация работ синего воротничка с потрясающими улучшениями производительности, например, в 100 раз. Теперь, в 21-м веке, мы видим то же самое, но для работ белого воротничка, и это происходит благодаря компьютерам. Мы могли бы подумать о параллельной вселенной, где это происходило бы с помощью других вещей, но пока что лучший вариант - это компьютеры.
Итак, почему это важно? Я бы сказал, что мы должны рассматривать вычислительные ресурсы и аппаратное обеспечение как часть фундаментальных знаний. Когда в последний раз вам было полезно знать, где находится Канада на мировой карте? Когда в последний раз было полезно знать, что у России нет границы с Бразилией? Это те вещи, где на повседневной основе вам не очень ясно, что, например, базовое знание географии мира имеет какую-либо практическую пользу. Тем не менее, если бы вы спросили подавляющее большинство людей в этой аудитории, они бы сказали, что это важно. Что вы подумаете о человеке, который не может указать на карте Китай, Канаду или Россию? Это звучит очень странно, и вы, вероятно, не доверяли бы этому человеку многим ролям в вашей организации.
Так что вы можете рассматривать это как некоторую степень тривиальности, но это также фундаментальные знания. Если вы ничего не знаете об этом, это создаст проблемы. Какие проблемы? Это очень зависит от конкретной ситуации, компании и отрасли. Но вы можете ожидать целый ряд проблем. Я считаю, что знание об аппаратных средствах и вычислительных ресурсах очень важно для практиков в области цепей поставок. Они должны иметь довольно механическое сочувствие, термин, взятый из Формулы-1, к этим вещам.
Conor Doherty: Хорошо, мне нравится аналогия, которую вы используете, и я попытаюсь использовать ее, чтобы разобраться в этом вопросе. Если вы говорите, что фундаментальные знания - это знание о том, что Бразилия и Россия не имеют общей границы, это один уровень географических знаний. Другой уровень - это знание о том, сколько столиц у Южной Африки. Это качественно разные уровни или градации географического осознания. Чтобы взять это дифференциал и применить его к аппаратным средствам или вычислительным ресурсам, когда вы говорите о базовых знаниях, вы имеете в виду знание о том, где находится USB-порт для мыши, или вы говорите о знании о том, как работает SSD-диск? Каков порядок величины знаний здесь?
Joannes Vermorel: Я говорю больше о абстракциях. Существует бесконечное количество интересных фактов о компьютерных аппаратных средствах. Речь не идет о знании каждого отдельного устройства и его ценовых показателях. Если вы гик, вы можете наслаждаться чтением об этом, и я наслаждаюсь. Но в основном речь идет о тех очень больших, очень устоявшихся классах ресурсов. Это немного зависит от архитектуры, но эти архитектуры остаются очень стабильными уже как минимум пять десятилетий, поэтому можно ожидать, что это продолжится.
О чем мы говорим? Мы говорим о таких вещах, как память, энергозависимая память, постоянное хранилище, пропускная способность, арифметические вычисления, ввод и вывод (I/O), пропускная способность, задержка. Все эти вещи были проблемами и имели классы проблем, которые оставались стабильными на протяжении многих десятилетий. Вот что я имею в виду, говоря о наличии базовых знаний, чтобы понять, какие классы проблем и соответствующие компьютерные аппаратные средства. Как все это сочетается, чтобы сделать что-то с современным компьютером?
Если мы отойдем на шаг назад по слоям, вы в конечном итоге хотите, чтобы ваши процессы принятия решений вычислялись с помощью этих компьютерных аппаратных средств. Если у вас нет никаких знаний о том, что происходит на уровне аппаратного обеспечения, это полная магия. Каковы шансы, что вы сможете понять, подходит ли метод для вашего аппаратного обеспечения или нет? Я не говорю о супердетальном понимании, просто о супербазовом понимании, будет ли он вообще работать.
Conor Doherty: Например, вы используете фразу… Извините, позвольте мне вернуться на шаг назад. Вы назвали несколько парадигм программирования. Я думаю, это было из одной из ваших лекций. Вы говорили о парадигмах программирования, статическом анализе, программировании с использованием ограничений, дифференциальном программировании, системах контроля версий, сохранении данных, все этих концепциях. Мой вопрос заключается в том, как все это сочетается для принятия лучших решений, о которых вы говорите?
Joannes Vermorel: Это фундаментальные знания, поэтому не ожидайте от меня очень конкретных примеров использования, как и в случае с базовой географией. Когда в последний раз вам абсолютно необходимо было знать это? Вероятно, никогда. Это окружающая среда. Проблема в том, что если у вас отсутствуют слои фундаментальных знаний, вы блуждаете в темноте. Вы даже не видите, что находитесь в темноте. Вы даже не осознаете, что есть так много вещей, которые вы не понимаете. Вот мой основной аргумент.
Давайте отойдем назад. Вы хотите принимать эти решения с помощью компьютера. Это означает, что вы будете выбирать поставщиков, вероятно, довольно много. Вы будете покупать или арендовать вычислительные ресурсы из облака. Вы можете полностью делегировать это вашей IT-команде, но почему IT должен быть очень хорошо разбираться в выборе аппаратного обеспечения для чего-то, о чем они ничего не знают? Например, если я говорю вам: “Дорогая IT, пожалуйста, выберите для меня лучшую машину”, неуточненно. Хорошо, пусть будет Формула-1. И вы говорите: “Но на самом деле я хочу ездить по дюнам вдоль пляжа”. Тогда Формула-1 оказывается полностью непригодным транспортным средством, потому что она совершенно не предназначена для езды по песку.
Если все, что вы мне говорите, заключается в том, чтобы взять что-то хорошее, они возьмут что-то фундаментально хорошее, например, Формулу-1. Это хорошая машина? Да, это хорошая машина для определенного использования. Но если вы скажете: “Я хочу машину, в которой смогу разместить свою восьмикратную семью”, это будет совершенно другое определение того, что такое хорошо. У нас есть иллюзия, что когда речь идет об информационных технологиях, вычислительном оборудовании и компьютерных вещах в целом, это вопрос специалистов. Точно так же, как выбор автомобиля, я не специалист по автомобилям, поэтому я просто скажу отделу автомобилей выбрать мне хорошую машину и заниматься этим. У этих людей есть так много вариантов того, что даже означает хорошо, что они выбирают что-то наугад. Затем вы можете жаловаться на получающем конце: “О, но стоимость этой Формулы-1 чрезмерна. Я даже не могу посадить второго человека в машину, и там, где я хочу ездить, то есть в песке, она даже не проедет 10 метров, прежде чем колеса потеряют сцепление из-за низкого клиренса”. Если бы это была машина, люди бы согласились, что это было бы нелепо.
Но когда речь идет о компьютерных вещах, в большинстве компаний люди считают совершенно нормальным не интересоваться делом. Хотя, опять же, я возвращаюсь к практике цепочки поставок. Современная практика цепочки поставок крайне зависит от этого вычислительного оборудования. Цепочки поставок были цифровизированы десятилетия назад, и даже компании, которые считают себя низкотехнологичными, в значительной степени полагаются на компьютеры, даже если это только для Excel.
Если вы зависите от этих инструментов ежедневно, вы зависите от них очень сложным образом. Например, я зависим от наличия воды, но мне не нужно знать ничего о водоснабжении. Это верно, потому что вода как продукт крайне проста. Она химически проста, и когда вы говорите о водопроводной воде, вы ожидаете 99,99% H2O плюс небольшое количество минералов и немного хлора по санитарным причинам, и все.
Так что вы видите, температура должна быть примерно от 10 до 20 градусов, и все. Так что это нечто крайне простое. Поэтому у вас нет абстрактного уровня, который гласит: “Я получаю водопроводную воду, и она хороша для питья”. Я могу позволить себе не знать ничего о том, что находится выше по течению. Но проблема, и вот где я подхожу к вопросу вычислительных ресурсов, заключается в том, что вычислительные ресурсы имеют многомерный характер. Знаете, это нечто, что просто, как вода. Это больше похоже на автомобиль. Существует так много разных типов автомобилей, так много разных способов сказать, что такое хорошая машина.
Если я говорю: “Что такое хорошая вода?”, вы знаете, за исключением очень специфических экспериментов, промышленной обработки, требующей ультрачистой воды и тому подобного, для практически всех ситуаций, с которыми вы столкнетесь в жизни, обычная водопроводная вода - это то, что вам нужно. Поэтому вам не нужно знать ничего об этом, потому что, опять же, вы имеете дело с продуктом, который крайне прост. Но если вы имеете дело с продуктом, который имеет множество измерений, как автомобиль, тогда вам нужно знать хотя бы что-то о машине, если вы хотите ее купить.
Итак, если мы снова обратимся к практикам цепочки поставок, то оказывается, что вы крайне зависимы от вычислительных ресурсов для выполнения множества задач. Эти задачи станут еще более распространенными в будущем. Что заставляет вас думать, что вы можете быть полностью незнающим о физическом уровне этого?
Конор Доэрти: Хорошо, здесь есть несколько моментов, один из которых заключается в том, что цепочки поставок, очевидно, очень сложны. Вы пытаетесь решить множество вещей, и это зависит от контекста. Например, возможно, вы хотите, чтобы автомобиль ездил по пустыне, вы хотите ездить по холмам, вы хотите ездить в городе. Это все разные контексты, но все же есть общие свойства в том, что, по крайней мере, мы считаем, что компании должны пытаться делать с использованием своих вычислительных ресурсов. Можете ли вы немного расширить это?
Жоанн Верморель: Да, я имею в виду, вот здесь дело в том, что, хорошо, вы хотите, скажем, анализировать в качестве базового вашу транзакционную историю. Это было бы что-то. Хорошо, это означает, что эти данные должны быть сохранены. Так где они будут храниться? Какое оборудование? Каковы будут характеристики этого оборудования? Если вы хотите сохранить данные и затем получить к ним доступ, это имеет какое-то влияние? Ответ - да, имеет. Просто чтобы дать вам некоторое очень простое представление, давайте рассмотрим, что вы хотите сохранить эти данные на вращающемся диске.
Неважно, является ли это вашим вращающимся диском или чем-то, что вы арендуете у облачной вычислительной платформы. Если данные хранятся на вращающемся диске, это означает, что в среднем, когда вы хотите получить доступ к определенному фрагменту данных, диск должен будет прокрутиться на половину оборота, чтобы вы могли получить доступ к этой области. Вы знаете, это потому, что данные могут находиться где угодно на диске. Если вы хотите получить доступ к фрагменту данных, в среднем диск должен будет прокрутиться на половину оборота.
Хорошо, хорошо. Что это значит, каковы последствия? Что ж, последствием является скорость вращения диска. Обычно диск вращается со скоростью около 7 000 оборотов в минуту, и если это очень хороший диск, он может достигать 11 000 или даже 12 000 оборотов, но это все. То есть оборотов в минуту. Это означает, что в терминах задержек вы должны ожидать примерно 20 миллисекунд или что-то в этом роде, чтобы получить доступ к любому фрагменту данных.
Вы можете сказать: “Ну, 20 миллисекунд выглядят недолго”. Но это так? Потому что 20 миллисекунд означает, что каждую секунду вы можете получить доступ только к 50 разным фрагментам данных на вашем диске. Если вам нужно перемещаться по диску, 50 в секунду - это не так много. Если вам нужно извлечь миллионы, десятки миллионов записей, вы быстро поймете, что это приведет к сумасшедшим задержкам. Теперь вы можете сказать: “Хорошо, но мой диск может хранить терабайты данных”.
Да, но если извлечение данных занимает дни из-за того, что вам приходится так много перемещаться по диску, это не очень хорошо. Так что, возможно, я могу взять больше дисков с меньшей емкостью, и у меня будет больше пропускной способности при перемещении. Или, возможно, я могу даже использовать другой класс хранения и перейти на твердотельные накопители (SSD), которые обеспечивают гораздо более низкие задержки для таких случайных обращений.
Но вы видите, это то, о чем, снова же, если у вас нет никаких знаний о вычислительных ресурсах и классах вычислительного оборудования, которые предоставляют эти ресурсы, такие вопросы никогда не возникнут в вашем мышлении. И может ли это вам навредить? Вот вопрос. Что вы не знаете, может ли это вам навредить? Я бы сказал, да, потому что, снова же, вы собираетесь купить много таких вещей, либо непосредственно, либо косвенно.
Вы будете покупать их напрямую, если ваш IT-отдел просто покупает облачные вычислительные ресурсы, но вы также будете покупать эти вещи косвенно, если выберете поставщика программного обеспечения для цепочки поставок. Потому что, видите ли, если вы выбираете поставщика, вы выбираете конкретный способ потребления этих вычислительных ресурсов, чтобы получить желаемый результат. И здесь мое сообщение заключается в том, что если вы думаете, что у среднего поставщика программного обеспечения есть какая-либо компетентность в этом вопросе, вы глубоко заблуждаетесь.
Большинство, очевидно, это субъективное мнение, но я бы сказал, что подавляющее, подавляющее большинство моих конкурентов, конкурентов Lokad, имеют, когда вы смотрите на руководство и их интересы, в целом они не проявляют никакого интереса к вычислительному оборудованию. И в результате их программное обеспечение, как следствие, является ужасно неэффективным. И почему так происходит? Ну, это связано с тем, что если вы не обращаете внимания на ваше оборудование, почему вы думаете, что в конечном итоге программное обеспечение, которое вы создадите на его основе, будет очень хорошо использовать это оборудование?
Знаете, снова же, это будет похоже на то, как если бы вы выбрали автомобиль Формулы-1 независимо от того, по какой дороге вы хотите ездить, и затем удивляетесь, почему на пляже это такое ужасное транспортное средство. Знаете, удивительно, удивительно, что происходит, когда вы не обращаете внимания на вычислительное оборудование.
Итак, снова, если бы вы могли доверять идеальному миру, вы могли бы доверять консультантам, поставщикам программного обеспечения, и эти люди сделали бы все правильные решения за вас. Но оказалось, что из-за того факта, что подавляющее большинство практиков в сфере поставок полностью невежественны, поставщики программного обеспечения также могут позволить себе быть полностью невежественными. Почему бы им не быть такими, в конце концов, если клиенты не могут отличить разницу во время покупки программного обеспечения или решения? Не имеет значения, я имею в виду, не имеет значения, пока они не столкнутся с последствиями этого незнания.
Конор Доэрти: Что ж, хорошо, так что, во-первых, нет ничего плохого в том, чтобы иметь свое мнение, вот что мы здесь и делаем. Но когда вы говорите, в конечном счете, когда компании покупают программное обеспечение у поставщика, я думаю, вы сказали, что они используют ресурсы, чтобы получить то, что они хотят или то, что вы хотите. В конечном счете, давайте будем практичными здесь, мы говорим о принятии решений. Так что вы дали немного теории, но можете ли вы быть немного конкретнее для людей, которые интересуются? Как лучшее использование вычислительных ресурсов, о котором вы говорите, влияет или переводится в решения, принимаемые в реальном мире?
Жоанн Верморель: Итак, когда у вас есть решения, у вас есть множество способов создать числовые рецепты, которые в конечном итоге приведут к этому решению. Дело в том, что если способ, которым вы используете свои вычислительные ресурсы, фантастически неэффективен, позвольте мне привести пример. Если вы начнете использовать, скажем, реляционную, транзакционную базу данных, SQL-базу данных, то же самое, ничего общего с деньгами. Действительно, если вы используете транзакционную базу данных и хотите провести аналитические рецепты, числовые рецепты, просто выполнить некоторые вычисления, вы заплатите налог на накладные расходы, вероятно, в 100 раз, как минимум два порядка величины, если не 300, три порядка величины.
И почему так происходит? Потому что этот программный уровень, транзакционный уровень, дает вам некоторые очень интересные свойства, но они не имеют ничего общего с аналитическими вычислениями. Они дают вам в основном четыре свойства, известные как ACID: атомарность, согласованность, изолированность, устойчивость. Эти вещи очень хороши для транзакционных процессов. Они гарантируют такие вещи, как, например, если вы хотите заявить, что поставщик получил оплату, вы никогда не можете оказаться в ситуации, когда деньги были отправлены, заказ в банк, но счет поставщика не был оплачен только потому, что, например, компьютерная система просто вышла из строя на полпути операции.
Таким образом, в теории вы можете оказаться в ситуации, когда вы уже отправили заказ на перевод денег, но не записали факт того, что этот счет поставщика был оплачен. Так что, когда вы снова запустите систему, вы выдасте второй платеж и фактически заплатите поставщику дважды. Вот с такими вещами вы можете столкнуться при использовании транзакционного уровня. Это очень, очень важно для транзакционных вещей, где есть, по сути, счет, который увеличивается, и другой счет, в смысле бухгалтерии, который уменьшается. Вы хотите, чтобы эти вещи происходили одновременно логически, чтобы они никогда не выходили из синхронизации.
Хорошо, но если вы используете эту программную парадигму для создания аналитических ресурсов, вы крайне неэффективны. И, кстати, удивительно, удивительно, это именно то, что делают 99% моих конкурентов. Что это означает в терминах принятия решений? Что если способ, которым вы используете вычислительные ресурсы, начинается с накладных расходов в 100 раз, это означает, что вы ограничены очень простыми числовыми рецептами. Просто потому, что как только у вас есть хоть немного сложности, вы полностью выходите из бюджета в терминах вычислительных ресурсов. Это означает, что цены очень быстро становятся чрезвычайно высокими.
Видите ли, это не рекламный элемент. Если вы не контролируете бюджет вычислительных ресурсов, вы можете столкнуться с безумными уровнями расходов. Просто чтобы дать точку отсчета, многие из моих коллег, не конкуренты, коллеги, которые являются компаниями по предоставлению программного обеспечения как услуги и занимаются тяжелыми аналитическими нагрузками, когда я смотрю на S1, так S1 - это документ, который вам нужно опубликовать, когда вы хотите стать публичной компанией в США. Это очень интересно, потому что это практически отчет для инвесторов, для будущих инвесторов. Здесь вы можете посмотреть на разбиение расходов за последние три-четыре года.
Большинство компаний-разработчиков программного обеспечения, которые являются аналитическими, например, Lokad, а не поставщиками цепочки поставок, могут быть чем угодно, знаете ли, могут быть обнаружение мошенничества, обработка системных журналов и так далее. Они обычно тратят половину своих расходов на облачные вычислительные ресурсы. Таким образом, объем расходов очень значителен. Несмотря на то, что они платят за крайне дорогих инженеров и продавцов, они все равно направляют половину своих расходов на облачных провайдеров. Таким образом, вы видите, что идея о том, что стоимость вычислительных ресурсов незначительна, является полной ерундой для большинства программных поставщиков, которые относятся к аналитическому классу, как Lokad.
Системы, которые не являются системами интеллекта, а скорее системами отчетности или системами нужды, могут иметь очень значительные расходы. Когда я говорю, что если вы неэффективны, вы тратите в 100 раз больше, вы можете видеть, что если вы уже тратите половину своих доходов на вычислительные ресурсы, увеличение расходов в 100 раз просто невозможно. Это даже нечто отдаленно возможное. Это означает, что чтобы оставаться в рамках бюджета, что вы делаете? Ну, вы просто повышаете цену. Вот что они делают, но даже в этом случае есть ограничения. Вы можете удвоить, может быть, учетверить цену, но вы не можете увеличить цены в 100 раз.
Поэтому большинство программных поставщиков просто выбирают более простые и дешевые решения, даже если они являются чрезвычайно упрощенными и не соответствуют потребностям их клиентов. Реальность заключается в том, что они не могут позволить себе, как поставщики, что-то менее дисфункциональное, потому что это будет слишком дорого. И почему они не могут себе позволить это? Потому что они абсолютно безумно расточительны в отношении своих вычислительных ресурсов.
Конор Доэрти: Возникает мысль, что когда вы говорите и объясняете, как вы считаете, что должны распределяться вычислительные ресурсы, вы ищете фундаментально лучшие решения. По вашему мнению, это проблема, которую следует решить. Но это не обязательно та же парадигма, которую применяют все компании, или, скорее, не все компании применяют эту же парадигму. Например, вы можете быть компанией, которая приоритезирует что-то вроде достижения уровня сервиса или достижения точности прогнозирования, и это ваша цель, это ваша мечта. Как будет отличаться распределение вычислительных ресурсов в такой ситуации? И не стесняйтесь комментировать.
Жоанн Верморель: Итак, хорошо, вы установили цель для себя. Здесь я не оспариваю эту часть. Когда я говорю о лучших решениях, я имею в виду в соответствии с любой метрикой, любой целью, которую вы установили для себя. Так что это не имеет значения. Если вы хотите лучший уровень сервиса, отлично. Это ваша цель. Теперь вы установили цель для себя, и у вас есть вычислительные ресурсы, которые вы можете использовать для принятия решений, которые будут лучше в соответствии с любыми целями, которые вы установили для себя. Хорошо.
Теперь давайте проясним, какова окружающая парадигма практически всех моих конкурентов. Окружающая парадигма заключается в том, что у вас будут инженеры, которые начнут работать над чем-то, и когда это что-то совместимо с лучшим оборудованием, которое можно купить за деньги, они прекращают работу и начинают продавать это клиентам. Как это выглядит? Это означает, что, хорошо, я хочу сделать пополнение инвентаря для розничной сети. Итак, у меня, скажем, 20 миллионов SKU. Хорошо. Сначала я пробую разные вещи, но это не работает, поэтому я возвращаюсь к анализу резервного запаса, что крайне тривиально с точки зрения вычислительных ресурсов.
И затем, потому что моя система настолько неэффективна с крайне дорогой вычислительной аппаратурой, я могу заставить ее работать. И затем я останавливаюсь и продаю это клиенту. Так в чем заключалась мысль в этой парадигме? Потому что, я думаю, это была доминирующая парадигма в программной индустрии до конца 90-х годов 20-го века. Эта парадигма заключалась в том, что вычислительная аппаратура развивается экспоненциально. Идея заключалась в том, чтобы получить лучшую аппаратуру, на которую хватит денег, и как только она заработает, у вас будет что-то, что работает в пределах этих ограничений, даже если затраты безумны, даже если вы не делаете действительно хорошего использования своих вычислительных ресурсов, это не имеет значения.
Почему? Потому что у вас есть экспоненциальное развитие вычислительной аппаратуры по всем метрикам. Это то, о чем люди говорят как о законе Мура, но на самом деле было еще много других законов для всего. Все вычислительные ресурсы развивались, все метрики развивались, и это была одна из идей, которая сделала Microsoft крайне успешной снова в 90-х годах. Идея заключается в том, что если это работает, не имеет значения, насколько плохая производительность, потому что через пять лет вычислительная аппаратура будет развиваться настолько, что эти вычислительные ресурсы станут незначительными.
Это работало до конца 90-х годов, с тех пор, с 2000 года примерно, у нас есть целые классы метрик, которые не улучшаются. Например, задержка между ЦП и памятью практически не изменилась за последние два десятилетия. Из-за того, что мы теперь ограничены скоростью света, это не изменится в обозримом будущем.
Еще один элемент - это, снова, скорость света. Пакеты через Интернет на большое расстояние теперь передаются примерно со скоростью двух третей скорости света, поэтому у нас нет такого большого пространства для улучшения скорости передачи пакетов через Интернет, потому что мы уже очень близки к скорости света. Мы можем иметь больше пропускной способности, поэтому мы можем передавать гораздо больше пакетов, без проблем, но в терминах сырой скорости самих пакетов мы уже очень близки к физическим ограничениям, по крайней мере, физическим ограничениям, которые мы знаем.
Итак, это то, где снова эта парадигма, которая была очень распространена в программной индустрии в конце 90-х годов, которая заключалась в том, чтобы просто сделать что-то, что работает, а затем продать это и не беспокоиться о производительности, потому что это бесполезное занятие. Промышленность, аппаратная промышленность, улучшит все настолько, что все эти проблемы производительности станут неактуальными уже через несколько лет. Вот какое было мышление.
Интересно, что у нас все еще есть очень хороший прогресс в области вычислительной аппаратуры, но прогресс стал очень тонким. Вы все еще имеете экспоненциальные прогрессии, но среди очень конкретных линий, а не всех метрик, некоторых метрик. Интересно то, что большая часть программной индустрии B2C уделяет этому много внимания. Например, индустрия видеоигр уделяет огромное внимание таким деталям. Но когда дело доходит до корпоративного программного обеспечения, они все еще живут, 99% из них, в конце 90-х годов, где они не обращают никакого внимания и просто действуют так, будто через пять лет прогресс вычислительной аппаратуры сделает стоимость их системы незначительной. Это не так.
Фактически, из-за того, что объем данных, управляемых компаниями, продолжает увеличиваться, мы оказываемся в ситуации, когда год за годом затраты, которые вам нужно потратить, чтобы поддерживать работу ваших систем, склонны, по большей части для большинства поставщиков программного обеспечения, увеличиваться быстрее, чем снижается цена на вычислительную аппаратуру. Так что год за годом вы тратите еще больше, чтобы в основном сохранить тот же уровень качества ваших процессов принятия решений или поддержки ваших процессов принятия решений, если они не полностью автоматизированы.
Conor Doherty: Ну, прогресс аппаратного обеспечения или прогресс вычислений стал тонким, я думаю, это был термин, который вы использовали. Он стал тонким, больше нет экспоненциальных скачков.
Joannes Vermorel: Это происходит в определенных направлениях, а не во всех измерениях. В 90-х годах интересно то, что все улучшалось во всех аспектах. Не было ни одной метрики, которая бы не улучшалась. В наши дни есть много метрик, которые не двигаются уже десятилетие.
Если вы посмотрите, например, на количество тепла, которое можно отводить от компьютера, ваш компьютер должен избавиться от тепла. Вы можете использовать медные провода, вентиляторы, можно сделать различные вещи, чтобы просто извлечь тепло изнутри компьютера, чтобы эти вещи не перегревались. Но мы уже достигли предела того, что возможно сделать с помощью воздуха. Есть ограничения, которые были достигнуты два десятилетия назад. Вы можете использовать воду, чтобы сделать это немного более эффективным. Если вы хотите сделать что-то супер-престижное, вы можете использовать жидкий азот. Это довольно не практично, но это возможно для хороших бенчмарков и т.д.
Итак, мы достигли пределов. У нас нет волшебных материалов, которые позволят нам увеличить в два раза отводимое тепло. Я имею в виду, мы могли бы использовать, возможно, алмаз. Алмаз - фантастический теплопроводник, но идея иметь килограммы алмазов для отвода тепла все еще далека. Даже это даст нам лишь умеренный прирост по сравнению с медью, которая уже является отличным проводником.
Conor Doherty: Ну, это на самом деле еще больше подтверждает мою точку зрения. Итак, чтобы завершить мысль, если…
Хорошо, на самом деле я возьму пример, который вы только что привели. Так что вы говорили о разнице между медным проводом и алмазами в качестве теплопроводников. Чтобы выжать немного больше производительности из свойств отвода тепла компьютера, это потребует довольно тонкого и специализированного понимания компьютерной инженерии. Итак, вернемся к основной теме, как увеличение вашего фундаментального знания переводится в большую эффективность цепи поставок, когда маржи настолько узкие, как вы описываете?
Joannes Vermorel: Нет, я думаю, снова это то, что связано с фундаментальными знаниями, это проясняет картину всего. Покупает ли ваша ИТ правильные вещи хотя бы в общих чертах? У вас есть представление об этом? Вы можете даже обсудить этот вопрос с вашей ИТ? Если вы не можете, почему вы вообще ожидаете, что то, что они покупают, имеет хоть какой-то смысл?
Опять же, вернемся к Формуле 1, чтобы пойти на пляж. Это не имеет никакого смысла, но это именно то, что происходит, когда у людей нет никакого представления о том, что на кону. Когда вы хотите выбрать поставщика, вы можете вести разумную дискуссию о том, как они используют вычислительные ресурсы, чтобы дать вам лучшие решения или лучшую поддержку для ваших решений? Они используют эти ресурсы таким образом, что это соответствует вычислительному оборудованию, которое у нас есть? Архитектура имеет смысл или совсем нет?
Опять же, если вы думаете в терминах автомобиля, у вас есть так много вещей, о которых вы интуитивно знаете. Например, аэродинамика. Если бы вы посмотрели на автомобиль, который бы массово нарушал законы аэродинамики, вы бы подумали: “Хорошо, у этой вещи будет такое огромное сопротивление воздуха, потребление будет ужасным.” Нет альтернативы. Итак, вы видите, это именно то, что, снова же, благодаря фундаментальным знаниям, является инстинктивным. Вам не обязательно говорить, когда вы видите очень низкую машину, что аэродинамика будет хорошей и, скорее всего, эта машина может ехать быстрее.
Вот именно. Вам даже не нужно думать о том, какие флюидодинамические процессы происходят и так далее. Это интуитивно. И вот то, что если мы говорим о принятии лучших решений, вы можете ли интуитивно заметить вещи, которые являются крайне дисфункциональными? Моя точка зрения заключается в том, что из-за того, что 99,9% клиентов или практиков цепи поставок полностью слепы к этому вопросу, если есть несколько гиков вокруг, вы являетесь крошечным, крошечным меньшинством. Если вы слепы, то это означает, что, снова же, ответ от экосистемы, поставщиков программного обеспечения, поставщиков решений, консультантов, заключается в том, что им не нужно обращать внимание. Их клиенты не обращают внимания. Зачем им это делать?
Если бы вы жили в стране, где бензин бесплатный, почему бы автопроизводители должны были бы обращать внимание на расход своих автомобилей? Для них, если бензин бесплатный, это означает, что это в основном несущественная проблема для клиентов. Если клиенты не обращают внимания, продавцы автомобилей тоже не обращают внимания. Если мы обратимся к поставщикам программного обеспечения, если клиенты не имеют понятия и не обращают внимания, почему поставщики корпоративного программного обеспечения должны обращать внимание? Ответ заключается в том, что, ну, они не обращают внимания. Фактически, они не обращают внимания.
Вот почему сегодня люди всегда удивляются, когда смотрят на корпоративное программное обеспечение. Вы нажимаете, вы хотите просто увидеть отчет, вы просто хотите сделать что-то минимальное, и это займет секунды. В плане отзывчивости корпоративное программное обеспечение в среднем очень плохо. Оно очень медленное. Если сравнить, скажем, с веб-поиском, вы хотите сделать веб-поиск в Google. За что-то вроде 50 миллисекунд, может быть 100 миллисекунд, Google может просканировать веб и дать вам сводку материалов, соответствующих вашему запросу. Это чрезвычайно быстро и отзывчиво.
Напротив, вы просто хотите сделать что-то очень простое, например, “Я хочу проверить состояние этого SKU”, и это занимает секунды. Интересно то, что это занимает секунды на вычислительном оборудовании, которое у нас есть в 2024 году. Это уже занимало секунду 20 лет назад, несмотря на то, что у нас было оборудование, способное в 100 раз меньше. Что произошло? Что произошло, это то, что дополнительное вычислительное оборудование, дополнительные возможности этого оборудования, просто были потрачены из-за неэффективного программного обеспечения.
Конор Доэрти: Спасибо. Когда вы говорите о базовых знаниях, как я слушал, мне пришло в голову, что есть некоторое… вы можете разделить то, что вы описываете, и я хотел бы услышать ваше мнение об этом. Возьмем аналогию из ранее сказанного, вы сказали, что если вы возьмете автомобиль и поедете в пустыню, это лучшее средство передвижения для пустыни? Мне приходит в голову, что в плане базовых знаний есть и теоретические и практические.
Таким образом, у вас может быть теоретическое базовое понимание того, как работает двигатель внутреннего сгорания, например, это то, как работает автомобиль. Это теоретическое понимание. Есть также практическое базовое знание, которое заключается в том, что если шина спускается, у меня есть навыки и базовые знания, чтобы заменить эту шину? Если двигатель не запускается, я могу сделать базовый ремонт? И если вы собираетесь ехать в пустыню, где вы будете один, вам фундаментально понадобятся и теоретические, и по крайней мере базовые практические знания.
Итак, вернемся к теме, о которой идет речь, вы подробно описали теоретические базовые знания, которыми должны обладать люди. Что касается практических базовых знаний, есть ли навыки, которыми, по вашему мнению, должен обладать каждый в этой области?
Жоанн Верморель: Да, снова, когда вы смотрите на практическую сторону, это будет иметь представление о том, о каких ценовых диапазонах идет речь. Вы знаете, сколько стоит терабайт хранилища? Какова примерная стоимость терабайта памяти? Сколько стоит процессор, который дает вам пропускную способность вычислений в 2 ГГц? Знаете ли вы, просто имея представление о числе, которое не отличается на порядок, это уже очень хорошо. Знаете ли вы, это то, что связано с компьютерными вещами, обычно, если бы людям приходилось угадывать, их догадки были бы ошибочными на несколько порядков.
Опять же, если я скажу вам, какой вес у автомобиля, и покажу вам автомобиль, ваше предположение может быть ошибочным на 50%. Вы можете сказать, хорошо, одна тонна и полтора, оказывается, это электромобиль и это две тонны плюс что-то. Хорошо, но это было, знаете ли, вы все еще были в пределах одного порядка. Вы не видите автомобиль и не говорите, что он весит 20 килограммов или 500 тонн. Но дело в том, что когда вы спрашиваете людей, сколько стоит терабайт постоянного хранилища, самый дешевый, который вы можете найти, некоторые люди скажут вам цены, которые будут варьироваться от, не знаю, 10 000 до 2 и тому подобное, и никто не будет иметь ни малейшего представления об этом.
И то же самое, если я скажу вам, сколько стоит микросхема, которая может выполнять порядок 100 миллиардов арифметических операций в секунду, сколько будет стоить такая микросхема? Люди скажут, не знаю, 100 000 евро или, может быть, 50 долларов. Опять же, это то, о чем я говорю, практическое знание - иметь представление о ценовых диапазонах. Опять же, это не точно. Если у вас есть представление о порядке величины, вы уже находитесь в пределах разумных вещей.
Это то, что очень странно в отношении вычислительных ресурсов, это то, что у вас буквально есть 15 порядков величины. Это довольно, я думаю, это довольно уникально. Нет ни одной другой области, о которой я знаю, где порядок величины настолько разнообразен. 15 порядков величины означает, что с одной стороны мы говорим о единицах, знаете, одно сложение, одно умножение, это будет единица вычисления. А с другой стороны, мы говорим о миллиардах миллиардов. Это действительно широкий спектр порядков величины.
И это трудно понять разуму. И вот почему, кстати, когда я сказал, что можно допустить ошибки в отношении использования вычислительных ресурсов, это то, где аналогия с автомобилем вводит в заблуждение, это то, что даже самая плохая машина будет только в 10 раз хуже в потреблении, чем самая лучшая. Допустим, знаете, у меня есть, если я хочу проехать 100 километров, если у меня есть суперэффективная машина, она потратит на это пять литров бензина.
Если я выберу супертяжелый внедорожник, неэффективный и так далее, это будет, скажем, 50 литров. Разница в 10 раз. С компьютерами это не так. Это будет как самая эффективная вещь, потребляющая 5 сантилитров на 100 километров, и самая неэффективная, потребляющая пять кубических метров на эти 100 километров. Так что порядки величины просто дикие. И вот где вам нужно, так что снова, в практическом плане, это будет иметь несколько представлений о ценовых диапазонах. Также иметь несколько представлений о том, что движется и что не движется.
Конор Доэрти: Что вы имеете в виду, что движется и что не движется?
Жоанн Верморель: Например, графические процессоры продвигаются в терминах сетевых тенденций. Графические процессоры продвигаются безумно быстро за последние 5 лет, и они все еще ожидаются продвигаться безумно быстро в течение следующих пяти. Так что это класс вычислительных ресурсов, который быстро улучшается. Они улучшаются в терминах количества операций в секунду. Они также улучшаются в терминах памяти. Так что это очень, очень хорошо. ЦПУ идут похожим путем. Они улучшаются, возможно, не так быстро, но они все еще очень быстро улучшаются в терминах количества ядер и размера памяти L3, которая находится внутри ЦПУ.
Она все еще быстро улучшается. Соответственно, если мы посмотрим на ОЗУ, ОЗУ - это то, что используется для основной памяти компьютера, энергозависимая память. Так что если вы выключите компьютер, вы потеряете это. За последнее десятилетие она почти не двигалась. Есть очень немного производителей. В мире есть, например, четыре фабрики. Так что это рынок, где вы не должны ожидать реальных изменений в терминах снижения цен. Вы не должны ожидать слишком больших изменений в краткосрочной перспективе и т.д. Я имею в виду, я могу, так что я бы сказал, что в практическом плане это иметь представление о порядках величины, знать немного ценовых диапазонов, знать немного, что вы можете ожидать от, и также просто интуиция, пойдете ли вы, скажем, за профессиональным оборудованием, даст вам что-то совершенно отличное от потребительского класса?
В зависимости от того, на что вы смотрите, иногда лучшее, что вы можете получить, это просто оборудование потребительского класса, и лучшее, что вы можете купить как компания, незначительно лучше. Вы видите, в некоторых других областях это не так. В некоторых других областях то, что вы можете купить как компания, может быть на несколько порядков величины лучше, чем то, что обычно считается подходящим для потребительского рынка. Опять же, это то, где наличие таких знаний действительно помогает вам ориентироваться в ландшафте, выбирать правильного поставщика или, скорее, устранять некомпетентных. Знаете, это такая вещь, что если вы начнете обращать внимание, вы сможете просто отфильтровать некомпетентность, знаете, как от консультантов, так и от поставщиков, а также от внутренних проектов. Знаете, это имеет значение.
Конор Доэрти: Хорошо, вы несколько раз упомянули стоимость, но говорили в основном о прямой стоимости физического приобретения оборудования. Что касается прямой и косвенной стоимости неправильного использования вычислительных ресурсов, о каких порядках мы говорим здесь? И для этого предположим, что речь идет о крупной розничной компании, извините, о крупной розничной сети, омниканальной, нарисуйте любую картину, которую хотите, но какой разумный порядок величины в том, что вы теряете, не умея более грамотно использовать свои вычислительные ресурсы?
Жоанн Верморель: Я бы сказал, что как минимум 90% инициатив по оптимизации цепочки поставок терпят неудачу. И довольно большая часть этих 90%, можно сказать, все инициативы по программному обеспечению терпят неудачу, и значительная часть этой неудачи, хотя это не единственная причина, но в значительной степени связана с ужасной производительностью. Теперь, когда мы говорим о производительности, мы должны думать об этом с разных точек зрения. Люди думают, хорошо, мне нужно пополнять свой инвентарь каждый день, поэтому все расчеты должны быть выполнены менее чем за 24 часа.
Хорошо, это данность. Если вы хотите выполнять вычисления каждый день, и если вы не можете завершить вычисления за 24 часа, то вы в пролете. Так что это верхний предел времени, которое вы можете уделить. Теперь вы подумаете, что если вы купите в два раза больше вычислительных ресурсов, то сможете выполнить вычисления в два раза быстрее. Ну, это не всегда так, потому что все зависит от архитектуры программного обеспечения, которую вы выбираете. Существует много архитектур и шаблонов проектирования, которые не подходят для такого, как это называется, “масштабирования”. Так что есть много подходов, при которых, если вы добавляете больше вычислительного оборудования, вы не получаете ускорения.
Конор Доэрти: В сущности, убывающая отдача.
Жоанн Верморель: Да, и иногда вообще нет отдачи. Вы можете буквально добавить больше ресурсов и не получить никакого ускорения. Все зависит от того, как вы спроектировали свое программное обеспечение для использования этих дополнительных вычислительных ресурсов. Теперь двигаемся дальше. Теперь у вас есть что-то, что может вычислить ваше пополнение запасов, скажем, за четыре часа, и вы говорите: “Отлично, для вашей розничной сети это займет всего четыре часа”. Так что у вас есть 24 часа в сутки, и кажется, что вы будете выполнять вычисления ночью. Это удовлетворительно?
Что ж, мой ответ - нет, абсолютно нет. Почему? Потому что вы смотрите только на вещь один раз в производстве. Вы не учитываете, что ваше численное решение потребует настройки, и вам придется много раз итерировать, чтобы сойтись к окончательному удовлетворительному решению. Этот экспериментальный процесс будет намного более затратным.
По многим причинам. Во-первых, когда вы проводите эксперименты, вы не начинаете с очень эффективного использования ресурсов. Вы становитесь эффективными только после того, как вы определите что-то, что дает вам удовлетворительные результаты с точки зрения качества принимаемых решений. Так что совершенно нормально ожидать, что при прототипировании новых рецептов вы будете гораздо менее эффективными. Эффективность придет потом, когда вы начнете действительно оптимизировать использование вычислительных ресурсов.
Вот одна вещь. Но есть еще одна проблема - вам придется платить людям за ожидание завершения расчетов, чтобы они могли посмотреть результаты, сделать оценку и перейти к следующей итерации. И здесь большая проблема заключается в том, что если я вернусь к инициативе по программному обеспечению цепочки поставок, которая терпит неудачу, этот процесс может стать катастрофически медленным. Я имею в виду, мы говорили о четырех часах. Допустим, что эксперименты будут в два раза медленнее из-за того, что вы находитесь в экспериментальных условиях, которые не являются оптимальными.
Это значит восемь часов. Это значит, что вы можете выполнить только один эксперимент в день. Это значит, что если вам нужно выполнить 500 итераций, это займет два года. Это будет настолько медленно, что у вас начнутся другие проблемы, например, люди, проводящие эксперименты, начнут переходить на другую работу. Инженеры, с которыми вы работаете, не будут с вами 40 лет. Так что в какой-то момент у вас будут люди, которые начали работать над проектом, а затем ушли, и вам придется привлекать новых людей, и они не будут естественно помнить все эксперименты, которые были проведены.
Таким образом, вы видите, что такая проблема создает множество проблем. Даже если вы сойдетесь на удовлетворительном численном рецепте, вам всего лишь нужно одно нарушение, знаете ли, блокировки или что-то в этом роде, и вам нужно будет снова перерабатывать рецепт. Если ваш итеративный процесс чрезвычайно медленный, вы систематически не сможете справиться со всеми нарушениями. К тому времени, когда вы, наконец, разработаете решение для нарушения, вы уже перешли к чему-то другому. Поэтому вам нужно иметь что-то, что работает очень быстро, чтобы ваши итерации были очень быстрыми.
И это также дает еще одну особенность, а именно, что производительность при переходе от одной итерации к другой можно обмануть. Потому что, возможно, от одного эксперимента к другому вы снова будете выполнять большую часть тех же самых вычислений. Так что нужно ли вам отправлять все эти ресурсы, если на самом деле вы делаете почти тот же самый численный рецепт с небольшими отклонениями? Возможно, если у вас есть умный подход, вы будете перерабатывать большую часть того, что вы уже вычислили, чтобы вы могли итерироваться намного быстрее, не пересчитывая все каждый раз.
Но снова, это будет работать только в том случае, если вы сможете понять, куда идут мои вычислительные ресурсы, что я трачу впустую, что я делаю дважды или десять раз подряд, и я должен делать это только один раз.
Conor Doherty: Хорошо, ну, Йоанн, люди, слушающие сегодня, и я уверен, что все они говорят: “Я согласен с этим человеком. Я доверяю ему. Он надежный”. Какие следующие немедленные шаги для, скажем, среднестатистического практика поставочной цепи и руководителей высшего звена, которые слушают вас и думают: “Хорошо, я хочу быть более опытным в этих вещах”?
Joannes Vermorel: Я бы сказал, начните читать вводные материалы о том, как работают компьютеры. Есть множество книг, которые расскажут вам, как работают компьютеры, и начните пытаться понять, например, что предлагают поставщики облачных вычислений. Знаете, вы можете посмотреть это. Все цены общедоступны. Так что вы можете зайти на Microsoft Azure и посмотреть: “Хорошо, какая цена на хранение, на ЦП, на виртуальные машины, на пропускную способность и т.д.?” Опять же, это займет несколько часов. У вас могут быть, скажем, элементарные книги. Я имею в виду, даже есть книги, предназначенные для старшей или средней школы, и это нормально. Знаете, это идея попытаться получить эти знания.
И когда возникает вопрос о технологической эволюции, спросите у поставщика, спросите у консультанта: “Хорошо, как вы относитесь к вычислительным ресурсам? Мы хотим принимать самые лучшие решения в соответствии с теми метриками и целями, которые вы установили для себя”. Вовлекайтесь в обсуждение о том, как эти сырые вычислительные ресурсы, которые я покупаю, превращаются в самые лучшие решения. Если люди, у которых вы собираетесь купить много всего, не имеют понятия об этом, то вам следует убежать. Знаете, это мое заключение. Используйте это как литмусовый тест, чтобы обнаружить так называемых экспертов, которыми они не должны быть в первую очередь, которые абсолютно, я бы сказал, не компетентны.
Потому что в конечном итоге, если вы выберете таких поставщиков, вы заплатите цену за их неэффективность. И цена будет двойной. Во-первых, вы заплатите гораздо больше за вычислительное оборудование до такой степени, что это будет экстравагантно. Как правило, Lokad, когда мы продаем подписку, мы значительно ниже стоимости наших конкурентов только за вычислительные ресурсы, даже не учитывая трудозатраты на инженерию для настройки и поддержки. Просто Lokad обычно находится ниже только стоимости оборудования.
Так что это один момент. Но затем у вас будет что-то еще, что будет еще больше, а именно ваш поставщик заключит вас в угол суперпростыми рецептами, пытаясь убедить вас, что это лучшее, что наука может предложить и тому подобное, в то время как на самом деле это просто отражение их неспособности правильно использовать вычислительные ресурсы. Вот почему у вас появляются ультрапростые вещи, такие как запасы безопасности, которые все еще широко распространены. Я имею в виду, поставщики в глубине души знают, что это полная ерунда. Но проблема в том, что они настолько неэффективны в использовании вычислительных ресурсов, что для них будет крайне непрактично даже рассматривать вещи, которые были бы лучше.
Таким образом, вы видите, что есть двойная стоимость: прямая стоимость, которая является расточительными затратами на вычислительные ресурсы, которые не имеют никакого смысла, а затем у вас есть второй уровень стоимости, который заключается в том, что вы оказываетесь в ловушке упрощенных рецептов, в конечном итоге вам придется вмешиваться вручную с помощью электронных таблиц, чтобы исправить все безумие, которое выходит из этих систем. Почему? Потому что система использует чрезмерно упрощенные рецепты, которые в основном делегируют все тонкости вам, потому что рецепт упрощенный и не имеет никакой сложности.
Conor Doherty: Фактически, ранее вы использовали аналогию или, вернее, вопрос, из которого следует правило, которое гласит: “Если вы не знаете, как и сколько стоит терабайт облачных вычислений или что-то в этом роде, если у вас даже нет представления о порядке величины, это в основном проблема”. Интересно, когда вы это говорите, потому что большинство людей в своей личной жизни, даже те, кто слушает, если они заходят в кафе, чтобы заказать кофе, и им говорят: “Хорошо, это будет 45 евро”, они возмущаются. Они будут шокированы и скажут: “Хорошо, это не правильно. Я не знаю, сколько вы лично должны брать с меня, но 45 евро - это немного дорого”. И, вероятно, они уйдут и пойдут куда-то еще.
Даже если это туристический район, вы все равно скажете: “45, нет, это неправильно”. Но ничего в конечном итоге от этого не зависит. Я имею в виду, вы не разоритесь, предположительно, не разоритесь финансово. Вы не потеряете работу из-за этого.
Однако тот же самый инстинкт выживания или общая сообразительность может полностью отсутствовать, когда речь идет о том, “Хорошо, мне нужно принимать очень дорогие решения относительно того, какие вычислительные ресурсы или программное обеспечение будет использовать компания”. Прямые и косвенные долгосрочные затраты на это, косвенные краткосрочные и долгосрочные затраты на это, не имеют ни малейшего представления. Как, например, “О, это стоит 555 000 за секунду вычислений чего-то”. Опять же, это может быть правильно. Я не знаю, наверное, нет. Но суть в том, что если вы не можете ответить на эти вопросы, я согласен, что в вашем профессиональном знании есть огромная пробел, который вам следует заполнить.
Joannes Vermorel: Да, снова это, возможно, немного требовательно для практиков цепочки поставок, но что на кону? Большие бюджеты. Я имею в виду, крупные компании сознательно тратят миллионы, а иногда и десятки миллионов евро или долларов в год на эти системы. И я всегда полностью ошеломлен, когда вы можете потратить так много денег, и никто, включая поставщика, не имеет ни малейшего представления об этих основных проблемах.
Опять же, это было бы похоже на покупку здания, потому что это очень дорого. Так что это похоже на покупку здания, и у вас есть архитектор, который не имеет понятия, что такое бетон на самом деле. Вы бы сказали: “Знаете что, я не уверен. Может быть, здание сделано из картона или бетона или может быть дерева или может быть зефира. Знаете, мне все равно, просто нанесите краску, и все будет выглядеть одинаково”.
Знаете, снова, я думаю, что компьютерная техника и программное обеспечение, знаете, отрасль программного обеспечения очень особенная в этом отношении. Здесь вовлечено множество денег, и есть неявное соглашение о том, что полное незнание всех в этом вопросе - это нормально. И для меня это очень увлекательно как для отрасли.
И я общался с большинством своих конкурентов, и когда я говорю о своих конкурентах, я имею в виду команды управления. Меня всегда поражает, когда никто не имеет ни малейшего представления о такой механической симпатии, когда у вас есть базовое понимание того, что входит в это.
Опять же, это может быть похоже на гонщика Формулы-1, который говорит: “Знаете что, у меня есть четыре колеса. Что происходит между педалью и колесами? Знаете, это магия, магия. Знаете, там есть вещи. Она издаёт громкий шум. Я знаю, что она громкая, но кроме этого, там просто вещи”. Знаете, мое представление о машине - это вещи. Это уровень детализации, который, знаете, люди подумают, что это безумие. Вам следует знать гораздо больше, если вы хотите хорошо использовать автомобиль.
И по-моему, практики в сфере цепей поставок каждый день используют огромное количество цифровых инструментов, точно так же, как гонщик Формулы-1 использует свою машину. И поэтому им нужно понимать немного, чтобы иметь эту механическую симпатию к тому, что происходит, как это все работает, чтобы они могли принимать обоснованные решения. По крайней мере, чтобы люди не продавали им вещи, которые совершенно бессмысленны и в конечном итоге терпят неудачу по причинам, которые можно было предотвратить.
Conor Doherty: Я бы не смог сказать лучше сам. Спасибо вам, и большое спасибо за ваше время. У меня больше нет вопросов, и спасибо вам за просмотр. Увидимся в следующий раз.
