Il Quantitative Supply Chain ridefinisce come le catene di approvvigionamento possono essere ottimizzate con software più avanzati, tipicamente guidati dall’apprendimento automatico, e con software più scalabili, alimentati da un’infrastruttura Big Data. Tuttavia, al centro di qualsiasi progetto Quantitative Supply Chain c’è il Supply Chain Scientist che esegue la preparazione dei dati, la modellazione economica e la segnalazione dei KPI. Il Supply Chain Scientist offre intelligenza umana amplificata attraverso intelligenza artificiale. L’automazione intelligente delle decisioni della supply chain è il prodotto finale del lavoro svolto dal Supply Chain Scientist.
Umano più Macchina
Migliorare le performance della supply chain richiede una profonda comprensione della strategia aziendale. Le rotture di stock possono essere estremamente costose, come nel caso dell’aerospaziale ad esempio, o semplicemente routine, come accade con i prodotti alimentari freschi. Realisticamente, oggi, mentre gli algoritmi intelligenti possono vincere contro campioni di scacchi o Go, anche le macchine più intelligenti sono decenni lontane dall’essere in grado di stabilire una roadmap strategica per la catena di approvvigionamento della tua azienda. Pertanto, stabilire un set-up puramente guidato dalle macchine per gestire la tua catena di approvvigionamento rimane fantascienza.
Tuttavia, gli algoritmi intelligenti e gli algoritmi di apprendimento automatico sono diventati incredibilmente bravi a risolvere problemi ben definiti, stretti e ripetitivi. Il Quantitative Supply Chain abbraccia queste moderne capacità software: utilizza l’intelligenza umana per definire il problema, eliminare le ambiguità e impostare il workflow ripetibile; e poi, lascia che la macchina prenda il sopravvento quando si tratta di generare le estese, ma banali, decisioni della catena di approvvigionamento di cui la tua azienda ha bisogno ogni giorno per continuare a operare.
Il Quantitative Supply Chain non si tratta di rimuovere le intuizioni umane dall’equazione. Anzi, esattamente il contrario. Il Quantitative Supply Chain si tratta di riportare le intuizioni umane dove hanno il maggior impatto: questioni strategiche. È proprio liberando il personale della catena di approvvigionamento dai compiti banali e ripetitivi che il Quantitative Supply Chain restituisce la loro libertà. Consente ai team di concentrare i loro sforzi sulle questioni strategiche, anziché essere bloccati con dettagli operativi.
Il Ruolo del Supply Chain Scientist
Il ruolo del Supply Chain Scientist è “crunchare” i dati, considerare tutte le variabili economiche nella logica e automatizzare la generazione delle decisioni della catena di approvvigionamento. Il Supply Chain Scientist è anche responsabile dell’implementazione e del monitoraggio dei KPI, ideati insieme alla gestione della catena di approvvigionamento, che vengono utilizzati per valutare le performance dell’iniziativa Quantitative Supply Chain stessa.
All’inizio dell’iniziativa, durante la fase di definizione, il Supply Chain Scientist è responsabile di garantire che il problema da risolvere sia ben definito, che le ambiguità siano, se non ancora risolte, almeno chiaramente identificate come tali. In particolare, il Supply Chain Scientist è responsabile di stabilire un quadro chiaro dell’automazione prevista. A seconda del contesto, l’automazione potrebbe essere destinata a generare ordini di acquisto, movimenti di inventario, scarti di inventario, ecc.
Durante la fase di preparazione dei dati, il Supply Chain Scientist deve assicurarsi che tutti i dati rilevanti siano correttamente estratti dai sistemi informatici dell’azienda. Sebbene il Supply Chain Scientist riceva tipicamente un aiuto dal personale informatico per eseguire l’estrazione dei dati stessi, è lui il responsabile di dare un senso ai dati. Stabilire il significato preciso dei dati, dal punto di vista della catena di approvvigionamento, è di fondamentale importanza. Trasformare i dati grezzi del sistema in dati preparati, pronti per essere elaborati da un algoritmo di machine learning, richiede un notevole sforzo. Anche questa responsabilità ricade sul Supply Chain Scientist.
Durante la fase di integrazione, i dati prodotti dall’automazione vengono messi alla prova dai professionisti della catena di approvvigionamento. In questa fase, i professionisti spesso scoprono casi limite in cui l’automazione non funziona correttamente. Di conseguenza, è responsabilità del Supply Chain Scientist risolvere questi casi limite. Tuttavia, accade anche che i numeri “strani” siano effettivamente i numeri corretti, ma divergono dalle passate abitudini non ottimali dei professionisti della catena di approvvigionamento. Il Supply Chain Scientist ha la responsabilità di fare chiarezza su tali situazioni e convincere i professionisti della catena di approvvigionamento che quei numeri non costituiscono un problema, ma sono piuttosto un elemento chiave della soluzione.
Infine, una volta che la soluzione è in produzione, il Supply Chain Scientist monitora le performance dell’automazione e ne identifica i punti deboli. È responsabile del miglioramento continuo della soluzione. Spesso, una logica migliorata richiede dati migliori o più dati, il che a sua volta richiede modifiche nei processi operativi della catena di approvvigionamento. Il Supply Chain Scientist quantifica i guadagni attesi associati al miglioramento dei dati e costruisce casi aziendali specifici, al fine di proporre il cambiamento alla gestione della catena di approvvigionamento.
Le Competenze del Supply Chain Scientist
Il Supply Chain Scientist è sia un data scientist che un esperto di catena di approvvigionamento. Questa doppia competenza è essenziale per avere successo nel fornire una soluzione che sia all’altezza delle aspettative iniziali. L’esperienza nella catena di approvvigionamento è essenziale per garantire che il Supply Chain Scientist abbia una profonda comprensione delle sfide che devono essere affrontate. Una mancanza di comprensione delle sfide della catena di approvvigionamento mette il progetto a rischio di costruire una “soluzione” che non è allineata con le esigenze della catena di approvvigionamento. Tempi di consegna variabili, MOQ (quantitativi minimi di ordine), costi del trasporto aereo rispetto al trasporto marittimo, analisi multi-echelon… sono solo alcuni degli innumerevoli aspetti che devono essere padroneggiati dal Supply Chain Scientist. Più specificamente, per svolgere il ruolo di Supply Chain Scientist è necessaria una profonda comprensione non solo degli elementi stessi, ma anche delle relazioni tra di essi. Ad esempio, come i MOQ influenzano i tempi di consegna.
L’esperienza nella scienza dei dati è essenziale per, innanzitutto, effettuare valutazioni quantitative che sfruttano i dati storici e, in secondo luogo, implementare la logica che automatizza interamente il processo decisionale noioso. Una mancanza di competenza nella programmazione mette qualsiasi iniziativa a rischio di ritardi e risultati numerici pericolosi. La programmazione è una competenza così come un’arte. Le sfide della catena di approvvigionamento sono incredibilmente complesse. Il Supply Chain Scientist è in grado di implementare una soluzione che sia abbastanza semplice da essere sostenibile, ma abbastanza accurata da garantire le performance desiderate della catena di approvvigionamento.
Infine, il ruolo del Supply Chain Scientist richiede anche competenze di comunicazione superiori alla media. Buone capacità di scrittura sono importanti per produrre documentazione di alta qualità che descriva l’iniziativa Quantitative Supply Chain stessa. Infatti, le catene di approvvigionamento sono tutte basate su compromessi - ad esempio, MOQ più piccoli rispetto a prezzi di acquisto più bassi - e troppo spesso quei compromessi tendono a rimanere non documentati per la maggior parte. La Quantitative Supply Chain richiede che quei compromessi siano documentati e quantificati. La responsabilità di questo compito ricade sul Supply Chain Scientist. Sono richieste buone capacità verbali per impegnarsi in un dialogo costruttivo con i professionisti della catena di approvvigionamento durante la fase di integrazione, specialmente dal momento che i team della catena di approvvigionamento devono essere convinti della validità del nuovo approccio.
Supply Chain Scientists presso Lokad
Da Lokad, la competenza nella scienza della catena di approvvigionamento è emersa gradualmente nell’ultimo decennio (Lokad è stata fondata nel 2008). Sebbene Lokad sia iniziata come una semplice azienda di software, abbiamo capito che l’eccellenza nella catena di approvvigionamento richiedeva di avere un team dedicato di Lokad per agire sul fronte quando si affrontano le sfide effettive della catena di approvvigionamento. Il personale tradizionale di “supporto software” non era affatto sufficiente per portare soluzioni soddisfacenti alle aziende, poiché questo richiede una profonda comprensione di molte diverse sfide della catena di approvvigionamento, non solo una profonda comprensione della tecnologia di Lokad.
Stabilire e far crescere una competenza nella scienza della catena di approvvigionamento è difficile. Di conseguenza, molte aziende si affidano a Lokad per svolgere il ruolo di Supply Chain Scientist per la propria iniziativa Quantitative Supply Chain. In questo caso, Lokad fornisce una soluzione software+esperto, dove un Supply Chain Scientist viene assegnato al caso e inizia a orchestrare l’intera iniziativa. Questo approccio solleva le aziende dall’esigenza di stabilire immediatamente la propria competenza nella scienza della catena di approvvigionamento. L’outsourcing di questa competenza ha senso sia per le piccole che per le grandi aziende. Per le piccole aziende, i costi di farlo internamente sono semplicemente troppo elevati. Per le grandi aziende, è principalmente una questione di accelerare il ritmo del cambiamento all’interno della loro catena di approvvigionamento.
I tipi di candidati selezionati da Lokad per i suoi team di scienza della catena di approvvigionamento sono di solito profili ingegneristici con lauree magistrali. Anche se i Supply Chain Scientists di Lokad sono familiari con la programmazione, in genere non sono sviluppatori di software. Invece, il loro mix di competenze tende ad essere più vario e include la maggior parte dei fondamenti dell’ingegneria: la capacità di modellare problemi industriali, stabilire un processo, rendere questo processo performante e affidabile, comunicare con la direzione, ecc. A causa della natura stessa delle sfide della catena di approvvigionamento di Lokad, siamo inclini a selezionare profili che siano fluenti in matematica e statistica dato che questi due campi sono essenziali per le risoluzioni quantitative della maggior parte delle sfide della catena di approvvigionamento.
Lo sviluppo di questa competenza nella scienza della catena di approvvigionamento è un processo in continua evoluzione presso Lokad. E poiché Lokad sta svolgendo il ruolo di Supply Chain Scientist per molte aziende in diversi settori, abbiamo costruito una significativa conoscenza istituzionale in questo settore. Inoltre, quando nuove assunzioni si uniscono a Lokad, la loro formazione prevede di essere esposti a diverse situazioni della catena di approvvigionamento, in diversi settori, al fine di accelerare il processo di apprendimento e raggiungere livelli più profondi di comprensione.
Contenuti correlati
Cos’è un Supply Chain Scientist? Una discussione con Simon Schalit (COO di Lokad)
Una giornata nella vita di un Supply Chain Scientist (con Maximilian Barth)
Il Supply Chain Scientist - Lezione 7.3 con Joannes Vermorel
