El Supply Chain Scientist
El Supply Chain Quantitativa redefine cómo se pueden optimizar las cadenas de suministro con software más capaz, impulsado típicamente por aprendizaje automático, y con software más escalable, impulsado por una infraestructura de Big Data. Sin embargo, en el núcleo de cualquier proyecto de Supply Chain Quantitativa, se encuentra el Supply Chain Scientist que ejecuta la preparación de datos, el modelado económico y el informe de KPI. El Supply Chain Scientist ofrece inteligencia humana amplificada a través de la inteligencia artificial. La automatización inteligente de las decisiones de la cadena de suministro es el producto final del trabajo realizado por el Supply Chain Scientist.
Humano más Máquina
Mejorar el rendimiento de la cadena de suministro requiere una comprensión profunda de la estrategia empresarial. Los faltantes de stock pueden ser extremadamente costosos, como es el caso en la industria aeroespacial, por ejemplo, o simplemente parte del negocio, como ocurre con los alimentos frescos. Realísticamente, hoy en día, aunque los algoritmos inteligentes pueden ganar a campeones de ajedrez o Go, incluso las máquinas más inteligentes están décadas lejos de poder establecer una hoja de ruta estratégica para la cadena de suministro de su empresa. Por lo tanto, establecer una configuración puramente impulsada por máquinas para impulsar su cadena de suministro sigue siendo ciencia ficción.
Sin embargo, los algoritmos inteligentes y los algoritmos de aprendizaje automático se han vuelto increíblemente buenos para resolver problemas bien definidos, estrechos y repetitivos. La Supply Chain Quantitativa aprovecha estas capacidades modernas del software: utiliza la inteligencia humana para enmarcar el problema, eliminar las ambigüedades y establecer el flujo de trabajo repetible; y luego, deja que la máquina se encargue de generar las extensas, pero mundanas, decisiones de la cadena de suministro que su empresa requiere todos los días para seguir operando.
La Supply Chain Quantitativa no se trata de eliminar las ideas humanas de la imagen. Todo lo contrario, en realidad. La Supply Chain Quantitativa se trata de devolver las ideas humanas a donde esas ideas tienen el mayor impacto significativo: los asuntos estratégicos. Precisamente al liberar al personal de la cadena de suministro de las tareas mundanas y repetitivas, la Supply Chain Quantitativa les devuelve su libertad. Permite que los equipos concentren sus esfuerzos en los problemas estratégicos, en lugar de quedarse atrapados en los detalles operativos.
El Rol del Supply Chain Scientist
El rol del Supply Chain Scientist es “analizar” los datos, tener en cuenta todas las variables económicas en la lógica y automatizar la generación de decisiones de la cadena de suministro. El Supply Chain Scientist también es responsable de implementar y monitorear los KPI, diseñados junto con la gestión de la cadena de suministro, que se utilizan para evaluar el rendimiento de la iniciativa de Supply Chain Quantitativa en sí misma.
Al comienzo de la iniciativa, durante la fase de alcance, el Supply Chain Scientist es responsable de asegurarse de que el problema a resolver esté bien definido, que las ambigüedades estén, si no resueltas aún, al menos claramente identificadas como tales. En particular, el Supply Chain Scientist es responsable de establecer una imagen clara de la automatización prevista. Dependiendo del contexto, la automatización puede tener como objetivo generar órdenes de compra, movimientos de inventario, desechos de inventario, etc.
Durante la fase de preparación de datos, el Supply Chain Scientist debe asegurarse de que todos los datos relevantes se extraigan correctamente de los sistemas informáticos de la empresa. Si bien el Supply Chain Scientist suele recibir ayuda del personal de TI para ejecutar la extracción de datos en sí, el Supply Chain Scientist es el responsable de dar sentido a los datos. Establecer la semántica precisa de los datos, desde una perspectiva de la cadena de suministro, es de vital importancia. Convertir los datos del sistema en datos preparados, listos para ser procesados por un algoritmo de aprendizaje automático, requiere un esfuerzo significativo. Esta responsabilidad recae nuevamente en el Supply Chain Scientist.
Durante la fase de incorporación, los profesionales de la cadena de suministro desafían las cifras producidas por la automatización. En esta fase, a menudo se descubren casos excepcionales en los que la automatización se comporta de manera incorrecta. En consecuencia, es responsabilidad del Supply Chain Scientist solucionar esos casos excepcionales. Sin embargo, también sucede que los números “extraños” son en realidad los números correctos, pero difieren de los hábitos no óptimos anteriores de los profesionales de la cadena de suministro. El Supply Chain Scientist tiene la responsabilidad de arrojar luz sobre tales situaciones y convencer a los profesionales de la cadena de suministro de que esos números no constituyen un problema, sino que son un ingrediente clave de la solución.
Finalmente, una vez que la solución está en producción, el Supply Chain Scientist monitorea el rendimiento de la automatización e identifica sus debilidades. Es responsable de la mejora continua de la solución. Con frecuencia, una lógica mejorada requiere mejores o más datos, lo que a su vez requiere cambios en los procesos operativos de la cadena de suministro. El Supply Chain Scientist cuantifica las ganancias esperadas asociadas con la mejora de los datos y construye casos comerciales específicos para proponer el cambio a la gestión de la cadena de suministro.
Las Habilidades del Supply Chain Scientist
El Supply Chain Scientist es tanto un científico de datos como un experto en cadena de suministro. Esta doble competencia es esencial para tener éxito en la entrega de una solución que cumpla con las expectativas iniciales. La experiencia en cadena de suministro es fundamental para asegurarse de que el Supply Chain Scientist tenga una comprensión profunda de los desafíos que deben abordarse. La falta de comprensión de los desafíos de la cadena de suministro pone el proyecto en riesgo de construir una “solución” que no esté alineada con las necesidades de la cadena de suministro. Los diferentes tiempos de entrega, las cantidades mínimas de pedido (MOQ), los costos del transporte aéreo versus el transporte marítimo, el análisis de múltiples niveles, entre otros, son solo algunos de los muchos aspectos que el Supply Chain Scientist debe dominar. Específicamente, cumplir con el rol del Supply Chain Scientist requiere una comprensión profunda no solo de los elementos en sí, sino también de las relaciones entre ellos. Por ejemplo, cómo las MOQ están influyendo en los tiempos de entrega.
La experiencia en ciencia de datos es esencial para, en primer lugar, realizar evaluaciones cuantitativas que aprovechen los datos históricos y, en segundo lugar, implementar la lógica que automatiza por completo el proceso de toma de decisiones mundanas. La falta de fluidez en la programación pone cualquier iniciativa en riesgo de retrasos excesivos y resultados numéricos peligrosos. La programación es una habilidad y un arte. Los desafíos de la cadena de suministro son increíblemente complicados. El Supply Chain Scientist es capaz de implementar una solución lo suficientemente simple como para ser sostenible, pero lo suficientemente precisa como para ofrecer el rendimiento deseado en la cadena de suministro.
Finalmente, el rol del Supply Chain Scientist también requiere habilidades de comunicación por encima del promedio. Las habilidades de escritura son importantes para producir documentación de alta calidad que describa la iniciativa de la Supply Chain Quantitativa en sí misma. De hecho, las cadenas de suministro se tratan de compensaciones, por ejemplo, MOQ más pequeñas versus precios de compra más bajos, y con demasiada frecuencia esas compensaciones tienden a permanecer sin documentar en su mayor parte. La Supply Chain Quantitativa requiere que esas compensaciones se documenten y cuantifiquen. La responsabilidad de esta tarea recae en el Supply Chain Scientist. Se requieren habilidades verbales para participar en un diálogo constructivo con los profesionales de la cadena de suministro durante la fase de incorporación, especialmente porque los equipos de la cadena de suministro deben estar convencidos de la validez del nuevo enfoque.
Supply Chain Scientists en Lokad
En Lokad, la competencia en ciencia de la cadena de suministro ha surgido gradualmente en la última década (Lokad fue fundada en 2008). Si bien Lokad comenzó como una empresa de software pura, nos dimos cuenta de que la excelencia en la cadena de suministro requería tener un equipo dedicado de Lokad para actuar en primera línea al enfrentar desafíos reales de la cadena de suministro. El personal tradicional de “soporte de software” no era suficiente para brindar soluciones satisfactorias a las empresas, ya que esto requiere una comprensión profunda de muchos desafíos diferentes de la cadena de suministro, no solo una comprensión profunda de la tecnología de Lokad.
Establecer y desarrollar una competencia en ciencia de la cadena de suministro es difícil. Como resultado, muchas empresas confían en Lokad para cumplir con el rol del Supply Chain Scientist en su propia iniciativa de Supply Chain Quantitativa. En este caso, Lokad proporciona una solución de software+experto, donde se asigna un Supply Chain Scientist al caso y comienza a orquestar toda la iniciativa. Este enfoque libera a las empresas de la necesidad de establecer de inmediato su propia competencia en ciencia de la cadena de suministro. Externalizar esta competencia tiene sentido tanto para pequeñas como para grandes empresas. Para las pequeñas empresas, los costos de hacer esto internamente son demasiado altos. Para las grandes empresas, es principalmente una cuestión de acelerar el ritmo del cambio dentro de su cadena de suministro.
Los tipos de candidatos seleccionados por Lokad para sus equipos de ciencia de la cadena de suministro suelen ser perfiles de ingeniería con maestría. Aunque los Supply Chain Scientists de Lokad están familiarizados con la programación, generalmente no son desarrolladores de software. En cambio, su combinación de habilidades tiende a ser más variada e incluye la mayoría de los fundamentos de ingeniería: la capacidad de modelar problemas industriales, establecer un proceso, hacer que este proceso sea eficiente y confiable, comunicarse con la dirección, etc. Debido a la naturaleza misma de los desafíos de la cadena de suministro de Lokad, tendemos a seleccionar perfiles que dominen las matemáticas y las estadísticas, dado que estos dos campos son esenciales para las resoluciones cuantitativas de la mayoría de los desafíos de la cadena de suministro.
El desarrollo de esta competencia en ciencia de la cadena de suministro es un proceso en constante mejora en Lokad. Y dado que Lokad cumple con el rol de Supply Chain Scientist para muchas empresas en diferentes sectores, hemos construido un conocimiento institucional significativo en esta área. Además, cuando los nuevos reclutas se unen a Lokad, su capacitación implica estar expuestos a diversas situaciones de cadena de suministro, en múltiples sectores, con el fin de acelerar el proceso de aprendizaje y lograr niveles más profundos de comprensión.
Contenido relacionado
