La Supply Chain Quantitativa redefine cómo se pueden optimizar las cadenas de suministro con software más capaz, típicamente impulsado por aprendizaje automático, y con software más escalable, alimentado 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 reporte de KPI. El Supply Chain Scientist ofrece inteligencia humana amplificada a través de 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 habitual, como sucede con los alimentos frescos. Realísticamente, hoy en día, si bien los algoritmos inteligentes pueden vencer 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 dirigir 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 abraza estas capacidades modernas del software: utiliza la inteligencia humana para enmarcar el problema, eliminar las ambigüedades y configurar 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 percepciones humanas de la imagen. Todo lo contrario, de hecho. La Supply Chain Quantitativa se trata de devolver las percepciones humanas a donde esas percepciones tienen el mayor impacto: 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 a los equipos concentrar sus esfuerzos en los problemas estratégicos, en lugar de quedarse atascados con los detalles operativos.
El Rol del Supply Chain Scientist
El rol del Supply Chain Scientist es “procesar” los datos, factorizar 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, ideados 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, si aún no se han resuelto, al menos estén 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 estar destinada a 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, es el responsable de dar sentido a los datos. Establecer la semántica precisa de los datos, desde una perspectiva de 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, las cifras producidas por la automatización son desafiadas por los practicantes de la cadena de suministro. En esta fase, los practicantes a menudo descubren casos límite cuando la automatización se comporta mal. En consecuencia, es responsabilidad del Supply Chain Scientist corregir esos casos límite. Sin embargo, también sucede que los números “extraños” son en realidad los números correctos, pero divergen de los hábitos no óptimos pasados de los practicantes de la cadena de suministro. El Supply Chain Scientist tiene la responsabilidad de arrojar luz sobre tales situaciones y convencer a los practicantes de la cadena de suministro de que esos números no constituyen un problema, sino que más bien 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 datos 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 de negocio específicos, con el fin de 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 competencia dual es esencial para tener éxito en la entrega de una solución que cumpla con las expectativas iniciales. La experiencia en cadena de suministro es esencial 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 tiempos de entrega variables, las cantidades mínimas de pedido (MOQ), los costos del transporte aéreo frente al transporte marítimo, el análisis multi-escalonado, son solo algunos de los muchos aspectos que deben dominar los Supply Chain Scientist. Específicamente, cumplir el rol de 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, primero, realizar evaluaciones cuantitativas que aprovechen los datos históricos, y segundo, 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 que sea 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 buenas habilidades de escritura son importantes para producir documentación de alta calidad que describa la iniciativa de Supply Chain Quantitativa en sí misma. De hecho, las cadenas de suministro se tratan de compensaciones, por ejemplo, MOQ más pequeñas vs 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 buenas habilidades verbales para participar en un diálogo constructivo con los practicantes de la cadena de suministro durante la fase de integración, especialmente porque los equipos de cadena de suministro deben ser convencidos sobre 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 puro, 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 enfrentarse con desafíos reales de la cadena de suministro. El personal tradicional de “soporte de software” no era ni remotamente 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 simplemente una comprensión profunda de la tecnología de Lokad.
Establecer y hacer crecer una competencia en ciencia de la cadena de suministro es difícil. Como resultado, muchas empresas confían en Lokad para cumplir el rol de Supply Chain Scientist para 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 empresas pequeñas como grandes. Para empresas pequeñas, los costos de hacer esto internamente son demasiado altos. Para empresas grandes, es principalmente una cuestión de acelerar el ritmo de 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 títulos de máster. 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 la ingeniería: la capacidad de modelar problemas industriales, establecer un proceso, hacer que este proceso sea tanto eficiente como confiable, comunicarse con la gerencia, etc. Debido a la naturaleza misma de los desafíos de la cadena de suministro de Lokad, estamos inclinados a seleccionar perfiles que sean fluidos en matemáticas y 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 está cumpliendo el rol de Supply Chain Scientist para muchas empresas en diferentes verticales, hemos construido un conocimiento institucional significativo en esta área. Además, cuando nuevos reclutas se unen a Lokad, su capacitación implica estar expuestos a diversas situaciones de cadena de suministro, en múltiples verticales, con el fin de acelerar el proceso de aprendizaje y lograr niveles más profundos de comprensión.
Contenido Relacionado
¿Qué es un Supply Chain Scientist? Una discusión con Simon Schalit (COO de Lokad)
Un día en la vida de un Supply Chain Scientist (con Maximilian Barth)
El Científico de la Supply Chain - Conferencia 7.3 con Joannes Vermorel
