Полная транскрипция
Conor Doherty: Это Supply Chain Breakdown, и сегодня мы разберем, почему вам стоит прогнозировать не только спрос. Меня зовут Конор; я директор по коммуникациям в Lokad. А слева от меня в студии, как всегда, основатель Lokad, Жоаннес Верморель.
Прежде чем начать, два вопроса. Во-первых, откуда вы смотрите? Мы в Париже. И во-вторых — ключевой вопрос, который действительно определяет всю дискуссию — согласны ли вы с тем, что важно регулярно прогнозировать не только спрос? Ключевой вопрос, который повлияет на весь разговор. Так что давайте приступим сразу, времени сегодня ограничено.
Эта беседа была вдохновлена одной из лекций, которую я пересмотрел — прогнозирование сроков поставки, лекция 5.3. В ней вы утверждали, и я цитирую: “Все, что не известно с достаточной степенью уверенности, заслуживает прогноза.” Я знаю вас немного лучше, чем большинство; я знаю, что вы считаете непредсказуемым все, кроме смерти и, в Франции, налогов, безусловно. Итак, начнем с вопроса: какие известные неизвестные — то, что мы знаем, что не знаем — существуют в цепочке поставок?
Joannes Vermorel: Если посмотреть на литературу по цепочке поставок, все сводится к прогнозированию продаж. То есть, буквально, на каждую тысячу статей о прогнозировании спроса приходится одна статья о прогнозировании чего-либо другого — то есть, временные ряды для продаж на практике — по сравнению с прогнозированием всего остального.
Когда я изучал литературу, я обнаружил, что на каждую тысячу статей о прогнозировании продаж приходится одна статья о прогнозировании срока поставки. Очевидно, что срок поставки очень важен. Это всегда, я бы сказал, известный неизвестный, потому что если вы хотите обеспечить качественное обслуживание, вам нужно определить: “Как долго я буду обслуживать это количество клиентов?” Ведь, очевидно, в зависимости от сроков поставки, если доставка занимает шесть месяцев, вам нужно обеспечить покрытие шести месяцев спроса. Если поставщик может доставить за 48 часов, время заметно короче.
Реальность такова, что практически во всех отраслях поставщики не являются полностью надежными. И это только первое — сроки поставки очевидны. Затем идут цены. Есть цены ваших собственных поставщиков; они могут повышать или понижать свои цены в зависимости от колебаний рынка. Также есть цены ваших конкурентов, которые могут заставить вас действовать: конкурент может снизить свою цену, что вынудит вас снизить свою цену, или — наоборот, если вам повезет — когда у конкурента наступит банкротство, и вы сможете повысить свою цену, так как в рынке станет на один источник стресса меньше.
Подобные вещи происходят постоянно, и я говорю, что если не учитывать эти, также весьма важные, источники неопределенности, то решения в цепочке поставок — распределение ограниченных ресурсов — будут значительно не соответствовать реальности. Это похоже на неправильное управление рисками. Если вы заявляете, что определенный тип риска не существует, хотя на самом деле он есть, то любые сделанные расчеты будут ошибочными, что приведет к избыточным расходам по сравнению с тем, что должно быть.
Conor Doherty: Спасибо, и я хочу еще раз очень внимательно настроить обсуждение. Вы отметили, что при подготовке вашей лекции вы изучили академическую литературу и обнаружили огромную разницу: о прогнозировании спроса пишут гораздо больше, чем, например, о сроках поставки. Ладно, это в академии; на практике, в реальном планировании цепочки поставок, все еще хуже. Насколько часто на практике люди прогнозируют сроки поставки, цены, возвраты, коэффициенты брака — на практике, а не в учебных аудиториях?
Joannes Vermorel: На практике, даже менее 0.1%. Выберите любую ERP-систему среднего звена ERP, и у вас будет модуль прогнозирования спроса — даже если он примитивный. Насколько мне известно, практически ни у одной из них нет никакого прогнозирования сроков поставки. Анализа волатильности цен — опять же, насколько я знаю — нет.
Если обратиться к прикладным решениям, то полное отсутствие этих возможностей вполне отражает тот факт, что в академических статьях они также практически отсутствуют. В корпоративном программном обеспечении большинство поставщиков буквально копируют то, что найдено в академических учебниках. Они не обязательно сверхинновационные в техническом плане; они, как правило, просто применяют числовой рецепт, приведенный в крупных учебниках.
Conor Doherty: Их у нас нет — я забыл их принести, mea culpa — но мы действительно заглянули в некоторые учебники в вашем офисе вчера, и, просто бегло пролистав указатель, чтобы найти, где упоминается прогнозирование сроков поставки, вы могли найти хотя бы один абзац.
Joannes Vermorel: В них даже не упоминается прогнозирование сроков поставки. В лучшем случае, специалисты по цепочке поставок признают, что сроки поставки варьируются. Самое частое, что я нашел в литературе — опять же, я говорю о практических учебниках, а не о случайной статье на arXiv — это предположение, что сроки поставки распределены нормально, что весьма странно и нелепо, потому что таким образом вы присваиваете ненулевую вероятность тому, что заказ, оформленный сегодня, прибудет вчера. У вас есть положительные вероятности от минус бесконечности до плюс бесконечности.
На первый взгляд, это очень странный подход к срокам поставки, но он отражает современное состояние литературы. Опять же, в прикладных решениях в компаниях это совершенно отсутствует. Обычно у вас просто задано жесткое значение для сроков поставки, и если вам повезет, оно пересматривается раз в год; если нет — оно никогда не пересматривается.
Conor Doherty: Снова, в теории — скажем для обсуждения — в большинстве компаний планирование основывается исключительно на прогнозировании спроса. В чем же проблема? Если вы собираетесь сосредоточиться на одном источнике неопределенности, разве спрос не является той областью, на которую вы должны направить все или почти все свои усилия?
Joannes Vermorel: Подумайте о любой другой сфере. Цепочки поставок очень непрозрачны, что может усложнять ситуацию, но представьте, что вы продаете страховки. Да, вам нужно учесть, например, вероятность того, что дом сгорит (для страхования от пожара), но вам также необходимо учитывать вероятность того, что клиент останется, чтобы вы действительно могли получить прибыль.
Вам нужно учитывать все эти неопределенности. Если вы не учтете их, вы останетесь в неведении. Каковы шансы, что, игнорируя что-то очень значимое, ваш экономический расчет окажется правильным? Я говорю не о какой-то тонкой, неуловимой закономерности; я говорю о чем-то очевидном, с огромным воздействием, как, например, сроки поставки или цена, по которой вы продаете.
Например, если я продаю продукты с 90% валовой маржой из-за того, что они являются аксессуаром — клиентам это не важно — я могу позволить себе значительно больше запасов, поскольку продажа одной единицы покрывает затраты на десять других. Если же я оптовик, торгующий с 2% валовой маржей, то избыток запасов абсолютно губителен, и мне нужно быть очень осторожным.
Здесь мы делаем прогнозы по предполагаемой валовой марже, но, опять же, это зависит от цены. Если не обращать внимания на цену, прибыльность может испытывать огромные колебания; таким образом, это оказывает драматическое влияние на то, выгодно ли что-либо производить, покупать или держать на складе.
Conor Doherty: Важно подчеркнуть, что мы по сути ведем аргументацию в области управления рисками или экономики о важности признания множества источников неопределенности.
Joannes Vermorel: Именно. Мы говорим о том, чтобы заглянуть в будущее и определить: что мне нужно знать, что нужно количественно оценить, чтобы принять обоснованное решение, рациональное для компании?
Классическая мейнстримовая теория просто предполагает временные ряды продаж, и на этом все, а методы расчета сроков поставки — примитивны, в лучшем случае. В зависимости от сектора у вас есть еще много неопределенностей. Для электронной коммерции могут быть возвраты. Если вы в текстильной промышленности — быстрой моде — у вас есть контроль качества, и часть вашей продукции, поставляемой, например, из Бангладеш, может не пройти контроль качества. Так что вы заказали тысячу, а в итоге получили только шестьсот, потому что четыреста не прошли контроль качества.
Это те известные неизвестные. Люди, работающие в этих отраслях, знают это. Ситуация становится абсурдной, когда типичный способ учета этих неопределенностей, не связанных со спросом, заключается в обратном расчетном прогнозе спроса, который косвенно учитывает эту другую неопределенность.
Например, если вы считаете, что ваш срок поставки подвержен большой изменчивости, люди будут увеличивать прогноз продаж, чтобы вы заказали больше раньше, тем самым компенсируя риск срока поставки. Но это очень косвенный способ подхода, и в итоге вы получаете необычную ситуацию, когда ухудшение прогноза продаж делает вашу компанию более прибыльной. Это крайне противоречиво. С операционной точки зрения я понимаю, почему люди так поступают, но гораздо разумнее решать эти другие неопределенности и пытаться прогнозировать их отдельно.
Conor Doherty: Я хочу внести небольшое возражение, потому что, когда я начал рекламировать это, некоторые люди отметили — и это друзья канала; это люди, с которыми мы брали интервью — огромный респект Джонатану Каррелу из Northland и Мейнольфу Зелльманну из Inside Opt. Они указали, что то, о чем мы сегодня говорим — я перефразирую — то, что вы предлагаете, не является новшеством. Идея прогнозирования, скажем, срока поставки, коэффициентов брака, возвратов и т.д. существует в литературе десятилетиями и фактически является стандартной практикой в некоторых местах или отраслях. Как вы отвечаете на это возражение?
Joannes Vermorel: Тот факт, что это присутствовало в литературе — безусловно, я уверен, мы можем найти статьи, датируемые эпохой операционного исследования 1950-х годов, которые это обсуждают. Как я уже сказал, соотношение статей составляет тысяча к одному; это чрезвычайно мелко. Большинство упоминаний — это всего лишь краткие ссылки.
Мои случайные наблюдения после общения с сотнями директоров по цепочке поставок в течение полутора десятилетий таковы, что эти вещи отсутствуют у 99% компаний. Если бы я сказал, что на практике это делают около 0% компаний, это было бы довольно скромное приближение. Из миллиона компаний по всему миру, имеющих какую-либо цепочку поставок, да, вероятно, есть десятки, которые этим занимаются; но, опять же, это крайне незначительно в относительном соотношении.
Conor Doherty: Это подчеркивает разницу между академическим осознанием и реальностью на местах. Но, предоставив преимущество сомнениям, допустим, что подавляющее большинство компаний осведомлены о тех источниках неопределенности, которые вы описали. Тогда почему компании сосредотачиваются на спросе и в значительной степени игнорируют или недооценивают другие источники?
Joannes Vermorel: В этой мейнстримовой парадигме прогноз спроса — это не столько прогноз, сколько обязательство. Компания обязывается обслуживать этот объем спроса. За кулисами, между отделами компании, происходит борьба за контроль — феодальные владения, если хотите — за то, кто получит ту сумму денег, чтобы поддерживать свои собственные феодальные владения. Такие битвы происходят в S&OP: маркетинг против продаж, против операций и т.д. Каждый хочет получить большую часть.
С точки зрения спроса, мысль такова, что это не столько статистический прогноз, сколько обязательство и пророческое заявление. Компания говорит: “Мы прогнозируем это”, и за счет самопророческого эффекта выделяет необходимые ресурсы для реализации этого.
Когда вы учитываете другие источники неопределенности, такого эффекта нет. Прогнозирование сроков поставки: за это не ведется феодальная борьба. В результате эти аспекты полностью отодвигаются в сторону, пока люди борются за общий, основной прогноз S&OP, который определяет, сколько денег получит каждый отдел, каждая продуктовая линейка.
Эти другие источники неопределенности оказывают огромное влияние на принятие решений, но не играют такой роли во внутренней политике компании. Именно поэтому, на мой взгляд, они вообще отодвигаются на второй план. Дело не в том, что люди отдают предпочтение статистическим моделям прогнозирования спроса; на самом деле, прогноз спроса является ядром внутренних сражений в S&OP между отделами, борющимися за внутренние ресурсы компании.
Conor Doherty: Слушая вас, мы обсуждаем огромное множество неопределенностей. Однако, когда вы говорите «другие неопределенности», вашим основным примером всегда являются сроки поставки. В той лекции, о которой я упоминал раньше — лекция 5.3; Алекс, пожалуйста, напишите это в чате — вы сказали, что из всех источников неопределенности сроки поставки являются одними из самых важных, если не самыми важными, и “крайне недооценены”. Вы подчеркнули “крайне”. Что же в сроках поставки делает их такими важными, и почему их так недооценивают?
Joannes Vermorel: Почему недооценивают? Мы только что обсудили это — нет спора за феодальными владениями — так что это действительно вопрос чистого управления рисками. Результаты этого моделирования не определят, сколько денег получат маркетинг, продажи и производство, тем не менее, они имеют огромное значение для прибыльности компании.
Почему это так важно? Потому что сроки поставки – это не «приятные» распределения. Это не то, что у вас есть поставщик, который всегда доставляет за 21 день. В Lokad мы работали с сотнями компаний и их наборами данных по срокам поставки. Сроки поставки почти всегда, я бы сказал, являются бимодальными по своей природе. У вас есть резкий пик, который означает поставку, когда звёзды сходятся и всё идёт по плану. Это может происходить, если вам очень повезло, в некоторых отраслях, скажем, 95% времени; в других, где надёжность ниже, скажем, 80% времени. Именно в этот момент происходит идеальное совпадение, и поставка осуществляется в указанные сроки.
А затем наступает момент, когда планеты не сходятся. Типичный случай – ваш поставщик в данный момент испытывает дефицит товара, поэтому у него нет товара под рукой, и он не может его отгрузить. Бывают ситуации, когда у перевозчика возникают проблемы, или склад у какого-либо посредника переполнен, или на таможне происходит задержка из-за дополнительной проверки. В этой ситуации – во втором режиме – который происходит от 5% до 20% или даже 30% времени в зависимости от отрасли, задержки становятся чрезвычайно длительными. В худшем случае товар буквально так и не поступает.
Если вы посмотрите на ваше среднее ожидаемое время поставки — применив математическое определение — вы очень часто получите бесконечные значения просто потому, что некоторый товар так и не поступает. Среднее время поставки в этих случаях оказывается бесконечным. Очевидно, что это немного нелогично, но это подчёркивает, что эти явления — технически называемые «толстыми хвостами» — означают, что когда всё идёт не по плану, ситуация может ухудшиться намного сильнее и затянуться на гораздо более долгий срок. Это то, что, например, нормальное распределение никогда не сможет отразить. Оно не учитывает, что то, что ожидалось получить за три дня, может затянуться до года, и при этом это случается достаточно часто.
Conor Doherty: Это связано с одним моментом — я собираюсь снова процитировать слова из той же лекции. Говоря о сроках поставки, вы сказали, что люди обычно воспринимают их как «вариативность», а вариативность — это не то, что можно контролировать посредством соблюдения стандартов. Обычно её не рассматривают как источник неопределенности, с которым нужно технологически вмешиваться; её решают посредством личного контакта или ручного вмешательства — типа: «Я беру телефон, звоню поставщику». Могли бы вы подробнее об этом рассказать?
Joannes Vermorel: Это в основном общепринятая точка зрения на цепочки поставок, где будущий спрос рассматривается не как прогноз с неопределенностью, а как обязательство. Как только появляется это обязательство, всё сводится к соблюдению стандартов — вы хотите минимальные отклонения от плана. Любое отклонение считается несоблюдением. Люди думают о совершенстве процессов и тому подобном; поэтому эту неопределенность на самом деле не пытаются преодолеть, поскольку существует убеждение, что эта вариативность — всего лишь дефект, который в следующем году, когда мы наконец отшлифуем процесс, исчезнет.
Зачем же прогнозировать то, чего в следующем году уже не будет, потому что мы наконец исправим процесс? К сожалению, то, что я описываю — эта неопределенность — является неустранимой. Почему? Потому что это не зависит от вас. Это решения, принимаемые другими людьми. У вашего поставщика может быть товар, но он может решить сначала обслуживать другого клиента, а не вас. Жаль. Поставщик может быть не самым лучшим, но это тот поставщик, который у вас есть; решение принято в ущерб вам.
То же самое касается цен ваших конкурентов. Было бы прекрасно, если бы все ваши конкуренты подняли цены, чтобы вы тоже могли повысить свою. Но угадайте, что? Кто-то снижет цену. Снова, это не зависит от вас.
Если отложить в сторону такие вещи, как погода, цунами, землетрясения — все природные явления, которые могут нарушить работу — в конечном итоге эти источники неопределенности неустранимы, потому что сводятся к решениям, которые еще не приняты и будут приняты в будущем другими людьми. По сути, вы пытаетесь предугадать решения, которые будут приняты другими людьми в будущем. Именно это происходит, когда вы прогнозируете спрос: вы буквально предсказываете решение этих людей купить ваш продукт в будущем — они могут передумать. Когда вы прогнозируете время поставки, вы предполагаете, что ваш поставщик продолжит инвестировать на том же уровне, чтобы обслуживать вас вовремя и не прекратил выпуск своей продукции. Всё это — домыслы; вот почему вам и нужны эти прогнозы.
Conor Doherty: Цитируя вас из нескольких источников о вариативности, присущей определённым классам неопределенности — вы сказали, что это не зависит от вас; ранее вы утверждали, что вариативность — это не то, что можно контролировать посредством соблюдения стандартов. Если вы не можете контролировать эти источники вариативности через соблюдение стандартов — то есть посредством ручного вмешательства — какие варианты действительно имеются у людей? Один из них — игнорировать это; мы уже это обсудили. Что ещё можно сделать?
Joannes Vermorel: Очень часто люди проводят обратное проектирование основного прогноза. Под основным прогнозом я имею в виду прогноз спроса, потому что, как мы уже говорили, в компаниях, когда говорят «прогнозирование» — хотя мы видели, что прогнозирование должно применяться ко всем источникам неопределенности: спрос, сроки поставки, цены, возвраты, проблемы качества, производственные показатели и т.д. — на практике «прогнозирование» сводится только к спросу.
Они проводят обратное проектирование прогноза спроса, корректируя его вверх или вниз, чтобы косвенно подогнать обязательства, ведь за основным прогнозом скрываются все обязательства, взятые на себя компанией — распределение ресурсов — и они проводят обратное проектирование основного прогноза, чтобы эти обязательства стали несколько более соразмерными с учетом рисков. Вот что происходит на практике. Поскольку это очень косвенный способ, он крайне неэффективен; это невероятно обходной путь управления компанией.
Conor Doherty: Я ценю время, так что продолжу, но хочу задать вопрос, который поступил от другого друга канала, Джеффа Бейкера — если вы смотрите в MIT, привет. Он отметил, что во многих крупных компаниях, особенно в производстве, подходы, которые мы описываем сегодня, являются обычными. Люди осознают всю эту неопределенность; они также активно её прогнозируют, но он подчеркнул, что часто им не хватает инструментов планирования, чтобы использовать те данные, которые прогнозируются. Что вы думаете об этом, и почему в очень крупных, очень прибыльных компаниях, которые осознают неопределённости и регулярно их прогнозируют, эти данные не интегрируются в процесс принятия решений?
Joannes Vermorel: Во-первых, я сомневаюсь, что «они их прогнозируют». У них где-то есть команда data science, которая прогнозирует сотни вещей, и никто не обращает внимания на то, чем они занимаются. Мы коснёмся темы data science — в следующем эпизоде. Моё мнение таково: когда люди говорят «О, да, да», имеется команда data science, которая полностью изолирована; никому не важно, что эти ребята делают. Я бы сказал: несущественно.
Теперь, факт наличия у вас инструментов планирования — снова, они лишь отражают то, что вы находите в академической литературе, а это ничто. Инструменты планирования в основном отражают доминирующую парадигму, где «прогноз продаж — это главное», и всё. Когда люди говорят «у нас нет таких инструментов», опять же, когда вы продаёте программное обеспечение как корпоративный поставщик, всё действительно диктуется клиентами, особенно в корпоративном сегменте. Компании формулируют свои требования, и поставщики просто их выполняют, предоставляя всё, что требуют клиенты. Если таких возможностей нет, то, прежде всего, это потому, что сами клиентские компании не заботились об этом и не просили.
Conor Doherty: Я хочу продолжить, так как поступило несколько личных вопросов и публичных комментариев. Последний вопрос, а затем мы перейдем к аудитории. Мы сегодня обсудили многое. Какой прощальный совет вы дадите компаниям, которые соглашаются с вашей точкой зрения, но, возможно, не имеют инструментов планирования или программного обеспечения, чтобы действительно внедрить это? Технологии и отношение — что вы можете сказать по этим двум аспектам, чтобы добиться изменений?
Joannes Vermorel: Первый шаг — действительно посчитать на скорую руку, чтобы оценить, в евро и в долларах, сколько это стоит. Эти расходы — поскольку их никогда не оценивают — люди воспринимают как обычную стоимость ведения бизнеса, и всё. Это незначительное дело для бизнеса или что-то действительно серьёзное? Это зависит. Моё мнение таково, что для большинства крупных компаний это огромная сумма.
Сделайте примерный расчёт, а затем я бы предложил: обратитесь к руководству высшего звена, к топ-менеджерам, и постарайтесь договориться о масштабе проблемы. Всё остальное — технические детали — мы можем обсудить, как именно это сделать, и так далее. Думаю, основная проблема заключается в том, что сама проблема не признаётся. Никто на самом деле никогда не пытался придать ей конкретную денежную оценку. Да, некоторые пытались, но очень немногие. Таким образом, отсутствует осознание, и высшее руководство не может понять, действительно ли это что-то важное или просто какая-то прихоть.
Представьте, что вы — топ-менеджер в очень крупной компании. К вам стучат так много людей, заявляющих: «У вас есть эта технология, которую нельзя игнорировать», и это происходит двадцать раз в день. Мой совет: составьте очень понятный бизнес-кейс — просто. Я говорю о вещах, которые не являются сверхсложными, сверхтехническими — просто нужно иметь ясное понимание реального масштаба проблемы. Представьте это тому, кто принимает решения, и всё остальное последует. Люди не становятся влиятельными руководителями в крупных компаниях потому, что они идиоты — это очень редко. Крупные компании на самом деле довольно хорошо умеют отсеивать людей, поднимающихся по иерархии; так они и выживают. Как только возникает осознание, всё пойдёт своим чередом согласно принятому в компании порядку.
Conor Doherty: Спасибо. Я ценю время, так как знаю, что у вас плотный график, поэтому я собираюсь уделить приоритетное внимание публичным комментариям, а на остальные вопросы, отправленные лично, мы ответим завтра на LinkedIn.
Это комментарий и вопрос от Мёрти — надеюсь, я правильно произношу. «Джоан, одна из ключевых проблем, с которыми сталкиваются компании CPG и ритейлеры, — это перегрузка в их распределительных и логистических центрах из-за сезонных изменений спроса. Можем ли мы организовать сессию, чтобы обсудить лучшие практики прогнозирования перегрузок и разработки эффективных стратегий для их снижения?»
Joannes Vermorel: Краткий ответ: абсолютно да. Расширенный ответ: это типичная проблема, возникающая по своей сути при использовании детерминированных точечных прогнозов. Вы рассчитываете средний спрос — или средний поток, если речь идёт о FMCG — и этот средний поток чуть превышает или немного уступает производственным возможностям, и тогда люди считают, что всё в порядке.
Но реальность такова, что — особенно в FMCG/CPG — наблюдаются резкие колебания. Теоретически, на недельном уровне вы находитесь чуть ниже 100% загрузки, но из-за флуктуаций вы систематически превышаете этот порог. Да, существует множество методов для решения этой проблемы. Мы должны обсудить методику, называемую «теневыми оценками», суть которой в том, чтобы сгладить показатели во времени, и для этого необходимо ввести понятие альтернативной стоимости, которое отражает риск насыщения вашего распределительного центра, вашего производственного подразделения, вашего перевозчика или любого другого узкого места.
Это несколько отличается от темы различных источников неопределенности.
Conor Doherty: В связи с этим, если есть какие-то сессии, которые вы хотели бы, чтобы мы осветили, обязательно оставляйте комментарии ниже или свяжитесь с нами напрямую через LinkedIn, если не хотите делать это публично.
Можем продолжать. Простите, если произношение окажется некорректным. Kaizen — извините. «На моём рынке, который включает товары класса люкс, спрос является прерывистым и очень низким по объёму. Какой ваш лучший совет по повышению точности? Примечание: мы уже прогнозируем спрос на агрегированном уровне.»
Joannes Vermorel: У нас есть всего несколько минут, так что бессмысленно притворяться, что временные ряды подойдут. Суть в том, что временные ряды сломаны — они просто не работают. Когда люди сталкиваются с ситуацией, где временные ряды не подходят, они пытаются изменить проблему так, чтобы она соответствовала временным рядам. Здесь речь идёт о том, чтобы «агрегировать всё по кварталам, по регионам», и тогда у вас снова появляются более «обстоятельные» временные ряды, по которым можно строить прогнозы.
Краткий ответ: вам нужно отказаться от временных рядов. Они совершенно не подходят для товаров класса люкс. У нас есть клиенты в сегменте люкс; временные ряды абсолютно не работают. Это может подойти, скажем, для Unilever, но не подойдёт для редкого, прерывистого спроса. Это не будет работать для розничной торговли; не сработает для авиации; не сработает для отрасли нефти и газа; не сработает для товаров класса люкс и моды в целом.
Это краткий ответ: откажитесь от временных рядов. Есть альтернативные подходы, но—
Conor Doherty: Я не собирался дешево рекламировать себя; я хотел сказать, что у нас действительно есть дополнительные ресурсы по этой теме. Алексей, если ты слышишь это, пожалуйста, оставь в чате несколько обучающих материалов по прогнозированию для рынков люкс. Будет очень полезно.
У нас есть время для одного последнего комментария, также на тему товаров класса люкс: «Мы уже прогнозируем спрос в виде распределений. Какой самый быстрый и наименее разрушительный способ добавить распределения сроков поставки в нашу логику закупок?» Это, я понимаю, очень большой вопрос.
Joannes Vermorel: Всё действительно зависит от вашей конфигурации — где находится ваш текущий числовой алгоритм, какой алгоритм или система принятия решений у вас используется. Вы можете решить это с помощью Excel; у нас даже есть Excel-таблица, где мы показываем, что даже в Excel можно работать с вероятностными настройками. Это выглядит довольно некрасиво, но если вы терпеливы, это выполнимо.
Если вы действительно спешите, вам нужно найти эвристики — произвольные числовые расчёты — которые приблизительно выполняют то, что вам нужно. Я бы сказал: просто найдите эвристику, которая лучше, чем обратное проектирование самого спроса. Сделайте один шаг — это всё ещё похоже на временное решение, как скотч, — но это на шаг лучше, чем корректировать спрос. Затем вы можете взглянуть на то, как мы осуществляем вероятностное прогнозирование в Excel, если больше ничего не осталось.
Если мы захотим пойти дальше, специалисты вроде Lokad справляются с этим всего за несколько месяцев. Это не большой проект, но это означает перестроение всего процесса, чтобы у нас появился настоящий, корректный числовой алгоритм. В какой-то момент вы уже не сможете отрицать, что вам нужно принять программируемый числовой рецепт для вашей цепочки поставок — но это уже другая тема.
Конор Дохерти: Мне сказали, что нужно завершить работу в течение сорока минут, так что у нас есть время для очень краткого заключения. Исходя из всего, что мы обсудили — всего тридцать секунд — как бы вы представили свою идею людям, когда речь идет о прогнозировании за пределами спроса?
Жоаннес Верморель: Рассматривайте это как управление рисками. Принятие решений в цепочке поставок — это управление рисками. Если вы прогнозируете только спрос, вы утверждаете, что единственный риск — это вопрос, придут клиенты или нет, и игнорируете все остальные риски. Это нехорошо; это не соответствует принципам правильного управления рисками.
Моя окончательная мысль такова: оцените, сколько денег остается упущенным, учитывая все остальные риски. Посмотрите, сколько ваша компания теряет, и донесите это до вашего начальника. Я почти уверен, что люди отреагируют и начнут искать решения, как только осознают масштаб проблемы.
Конор Дохерти: Спасибо. Вопросы закончились, и время также истекло. Как всегда, благодарю вас за то, что присоединились ко мне — а всем остальным спасибо за присутствие и ваши вопросы. Как я уже упоминал, обязательно свяжитесь со мной и с Жоаннесом в LinkedIn, если хотите обсудить эти вопросы конфиденциально. Увидимся на следующей неделе в новом эпизоде Supply Chain Breakdown.
И на этой ноте, всем вам говорю: возвращайтесь к работе.
