Si les initiatives en matière de supply chain quantitative peuvent être menées à bien sur n'importe quelle plateforme dotée d'un langage de programmation, la plateforme Lokad a été précisément conçue pour les accueillir. Lokad est une plateforme dédiée à la conception et au déploiement d'applications sur mesure d'optimisation prédictive de la supply chain. Par rapport aux outils de développement génériques, Lokad offre une productivité, une fiabilité, une facilité de maintenance et une sécurité supérieures, sans oublier bien sûr les meilleures performances de la supply chain.
Au cœur de Lokad se trouve
Envision, un langage de programmation dédié (DSL ou Domain-Specific programming Language). Ce langage est destiné aux experts en supply chain, et non aux software engineers. Notre objectif principal est de mettre l'optimisation de la supply chain entre les mains de ceux qui ont une expertise directe en la matière. Lokad limite ainsi le risque associé aux initiatives de supply chain en supprimant les couches d'intermédiaires entre les entreprises et l'informatique.
Grâce à Envision, nous dépassons largement les capacités des APS (Advanced Planning Systems), qui ne sont "avancés" que sur le papier, de la BI (Business Intelligence) ou même des boîtes à outils de prévision spécialisées. Enfin et surtout, par rapport aux langages de programmation génériques - tels que Python - Lokad fournit des applications plus sûres et plus faciles à entretenir.
Au-delà des tableurs
Excel est l'outil le plus couramment utilisé en matière de supply chain. Chez Lokad, nous reconnaissons qu'Excel a de nombreuses très bonnes qualités : il est simple, expressif, visuel, et surtout, Excel vous permet de rester au courant de vos données en permanence. Excel a acquis le succès mondial qu'il mérite. Avec Envision, nous avons travaillé très dur pour préserver toutes ces excellentes qualités d'Excel.
Cependant, en matière de supply chain, Excel n'est pas non plus un outil parfait pour l'analytique. La plus grande force d'Excel est aussi sa plus grande faiblesse : la logique de calcul et les données s'entremêlent systématiquement, ce qui crée des problèmes sans fin dès que les feuilles commencent à grossir. Or, les grandes feuilles Excel sont en général inévitables pour gérer la supply chain, où l'on trouve habituellement des centaines, voire des milliers de produits au sein d'une même entreprise.
Malheureusement, ce problème d'enchevêtrement de la logique de calcul et des données ne peut pas être résolu dans Excel, car la "solution" irait à l'encontre de ce qui fait d'Excel un outil si formidable au départ. C'est pourquoi, chez Lokad, nous avons décidé de concevoir Envision, une technologie qui préserverait les précieuses propriétés d'Excel en ce qui concerne la supply chain, mais qui fonctionnerait aussi à l'échelle de centaines de millions de commandes ou de SKU, si c'est ce qui est nécessaire.
Ensuite, les tableurs, et pas seulement Excel, ne sont tout simplement pas adaptés à des classes de calculs spécialisées mais essentielles pour l'optimisation des supply chains. Par exemple, les tableurs n'ont (pratiquement) aucune fonction permettant de gérer les
prévisions probabilistes. Ainsi, les tableurs ne vont pas au-delà de l'idée de prendre des décisions en fonction des moyennes, qui est néfaste pour les supply chains. De même, les tableurs n'ont (pratiquement) aucune fonction permettant d'effectuer une optimisation sous contrainte dans des conditions incertaines. Par conséquent, même les contraintes les plus banales, comme les MOQ, finissent par être résolues manuellement par les acteurs de la chaîne logistique.
Envision fournit des constructions spécialisées - telles qu'une algèbre de variables aléatoires - qui sont essentielles à l'optimisation prédictive des supply chains et qui ne sont tout simplement pas disponibles dans les tableurs. De plus, les applications construites avec Envision sont beaucoup plus faciles à maintenir que les feuilles de calcul, qui fonctionnent mal à grande échelle quand il s'agit de problèmes complexes.
Ne pas seulement observer les données mais agir
Les solutions de Business Intelligence (BI) sont souvent vendues comme la prochaine étape de l'analytique d'entreprise après Excel. Cependant, après des années d'expérience de Lokad, nous sommes arrivés à la conclusion que, en ce qui concerne la supply chain, la BI ne parvient presque jamais à concrétiser les avantages attendus. Le problème ne réside pas dans la qualité des outils de Business Intelligence : le marché de la BI est mature et il existe d'excellentes solutions. La difficulté réside plutôt dans le fait que l'observation des données dans le but de "mieux comprendre" est terriblement coûteuse pour les entreprises lorsque des milliers de produits et des milliers de clients sont concernés.
Lorsqu'il s'agit de supply chain, les outils de BI ne parviennent pas à s'adapter, non pas parce qu'ils ne peuvent pas traiter toutes les données disponibles - contrairement à Excel, les bons outils de BI peuvent traiter de très grandes quantités de données - mais parce que, si produire des millions de chiffres chaque jour ne coûte pas cher, comme nous l'avons dit précédemment, produire chaque jour seulement dix chiffres pertinents qui méritent d'être lus et pris en compte pour prendre des décisions est extrêmement difficile. Malgré tous ses défauts, Excel est livré avec cette perspective de "faire avancer les choses", alors que la BI ne l'est pas.
Pour Envision, nous voulions absolument préserver cet objectif de "faire avancer les choses". Envision fonctionne en créant des
apps. Par exemple, Envision peut générer des listes d'actions prioritaires telles que :
- Lister les principaux articles pour lesquels il faut maintenir une faible marge brute pour faire pression sur les concurrents.
- Générer les quantités nécessaires pour remplir exactement le prochain container à commander.
- Lister les principaux articles qui doivent être liquidés pour désencombrer l'entrepôt.
- Lister les principaux articles qui sont très souvent renvoyés par les clients et qui doivent être retirés de la liste.
Les décisions quantitatives générées par Envision peuvent ensuite être automatiquement réimportées dans l'ERP, ou téléchargées sous forme de feuilles de calcul. La portée exacte d'Envision dépend vraiment des priorités que vous identifiez pour votre entreprise.
Votre entreprise ne peut pas passer à côté de la programmabilité
Envision est un langage de programmation. Pour la plupart des gens qui ne sont pas développeurs de logiciels, cela semble probablement "très" technique ; la plupart des cadres commerciaux, même dans les plus grandes entreprises, se demandent si leur équipe sera capable de devenir productive avec un outil aussi avancé. Notre expérience nous montre que la supply chain est irrémédiablement complexe. Nous avons vu certains fournisseurs promettre des outils si simples que même "un enfant de 9 ans pourrait les utiliser", pour finalement obtenir des résultats qui correspondent à ce qu'un véritable "enfant de 9 ans" aurait fourni.
La supply chain implique des milliers de produits, et souvent beaucoup plus. Chaque prix, chaque niveau de stock, chaque catégorie doit être ajusté en permanence. Il n'y a aucun espoir d'y parvenir avec un niveau de productivité satisfaisant sans automatiser toutes ces tâches banales. Pourtant, l'automatisation seule ne suffit pas : il doit s'agir d'une automatisation intelligente, qui correspond en profondeur aux moteurs spécifiques de votre entreprise. La "programmabilité" est ce qui permet de réaliser cet alignement.
Chaque fois que quelqu'un élabore une formule complexe dans un tableur quelque part dans votre organisation, cette personne exploite l'expressivité programmatique du tableur. Il est impossible de se débarrasser de la folie des tableurs si les équipes ne disposent pas d'une meilleure alternative pour injecter leur expertise du domaine dans les systèmes. Envision est précisément conçu pour proposer une alternative supérieure.
Au delà de Python
Malgré la popularité croissante des initiatives de data science, la dure réalité est que l'écrasante majorité de ces initiatives ne sont pas à la hauteur des attentes qui pèsent sur elles. Plus précisément, alors que leurs prototypes initiaux sont souvent prometteurs, ces initiatives échouent généralement au moment de passer à la production. Envision au contraire a été conçu dans l'optique de la
production de la supply chain, afin d'atténuer autant que possible ces types de problèmes. Il y a deux causes profondes à ces échecs. Discuter des avantages et des inconvénients de toutes les alternatives à Envision serait quelque peu fastidieux, donc pour des raisons de clarté, la discussion se limitera au choix entre Python et Envision.
Tout d'abord,
Il faut des software engineers pour utiliser Python. En effet, Python, comme tout langage de programmation à part entière, expose quiconque écrit du code en Python à de nombreuses subtilités techniques. Il n'est pas raisonnable d'attendre des gens qu'ils soient à la fois experts en ingénierie de la supply chain et experts en software engineering. Les capacités programmatiques doivent être accessibles à un large éventail de personnes à l'esprit technique, et pas seulement aux software engineers professionnels.
Deuxièmement,
les coûts de maintenance des prototypes Python conçus rapidement atteignent des sommets. Les coûts de maintenance doivent être maîtrisés. Python est loin d'être "léger" en termes de hardware. Ensuite, résoudre les problèmes d'optimisation de la chaîne logistique est un processus désordonné : les données provenant de nombreux systèmes peu fiables doivent être acheminées de manière fiable, les processus imparfaits et en constante évolution doivent être documentés et modélisés, les mesures d'optimisation doivent refléter une stratégie commerciale en constante évolution, etc. Python ne permet d'intégrer pratiquement aucune correction au point de conception pour faciliter ces efforts.
Envision est notre réponse à ces défis. Il brille par des atouts qui ne sont tout simplement pas accessibles avec Python, à savoir :
- Une défense en profondeur, qui empêche des classes entières de problèmes de sécurité qui surviennent dès qu'un langage de programmation général est utilisé.
- Une performance transparente, puisque l'on évite de créer des programmes trop lents pour être exécutés dès leur écriture.
- Mise à jour transparente, aussi au point qu'elles peuvent l'être par rapport à un objectif en perpétuel mouvement, les mises à jour devraient être fournies automatiquement, typiquement par des réécritures de code en arrière-plan.
- Un packaged stack qui permet d'éliminer la tâche qui consiste à assembler des dizaines d'éléments de logiciels, même pour l'application la plus simple.
En conclusion, même si Python est génial (c'est le cas), ce n'est pas une réponse satisfaisante pour l'optimisation de la supply chain comme l'est Envision. Il est possible de construire et de maintenir une application de machine learning d'une qualité propre à la production en Python, mais les coûts sont élevés, et à moins que votre entreprise ne soit prête à avoir une équipe complète de software engineers dédiée à la maintenance de cette application, elle ne fonctionnera pas en production.
