Inicio »
Recursos » Aquí
Las iniciativas de cadena de suministro a menudo fracasan. Y nuestra respuesta para disminuir de modo significativo las tasas de fracaso es la cadena de suministro cuantitativa. Cabe destacar, no obstante, que la cadena de suministro cuantitativa se concentra en las prácticas que sabemos que funcionan, dando menos importancia a aquellas que ya sabemos que
no funcionan, porque resulta que la mayoría de esas prácticas no deseables son precisamente el origen de las altas tasas de fracaso asociadas con los métodos de cadena de suministro tradicionales.
A continuación, veremos las prácticas —o patrones— responsables del fracaso de la mayoría de las iniciativas de cadena de suministro. Esa información estratégica ha sido obtenida con esfuerzo, ya que fue necesario que fracasáramos no una sino varias veces hasta llegar a la raíz del problema y poder sacar conclusiones estratégicas. A las prácticas dañinas las denominamos
antipatrones de la cadena de suministro. Un antipatrón es una
solución que resulta contraproducente: es un abordaje común, parece una buena idea y, sin embargo, inevitablemente fracasa y no produce la mejora que originalmente se buscaba.
Mala dirección
En Lokad, claramente no queremos generar antagonismo con las figuras clave encargadas de la toma de decisiones de la cadena suministro, ya que son nuestros clientes (reales y potenciales). Al mismo tiempo, no obstante, creemos que es nuestro deber rechazar un acuerdo cuando la solución está destinada a fracasar inevitablemente debido al
diseño mismo. A menudo, el problema se reduce al modo en que se gestiona se gestiona la iniciativa. Dicho esto, reconocemos que la gestión de la cadena de suministro casi nunca es la culpable absoluta. Algunos proveedores a veces comunican mensajes equivocados a sus clientes y descaradamente se salen con la suya. Las prácticas heredadas y las políticas internas también pueden contaminar la vida diaria de la dirección de la cadena de suministro, que puede estar acostumbrada a ser utilizada como chivo expiatorio cuando las cosas no salen como se esperaba. En esta sección, enumeramos las dificultades habituales que podrían abordarse revisando la dirección de la cadena de suministro.
La RFQ del diablo
Puede que existan muchas áreas en las que las RFQ (solicitudes de presupuesto) tienen sentido. Lamentablemente, el software no es una de ellas. Escribir la especificación de un software es mucho más difícil que escribir el software mismo. La tarea es abrumadora. Una vez iniciado el proceso de RFQ, las empresas logran empeorar la situación introduciendo asesores que complican aún más lo que ya es una especificación extremadamente complicada . La RFQ obstaculiza el pensamiento resolutivo, porque supone que el cliente ya sabe lo que desea de la solución hasta en el mínimo detalle, cuando el "problema", por definición, está en gran medida irresoluto en el momento en el que se escribe la RFQ. Además, en la práctica, las RFQ fomentan un proceso de selección de proveedores conflictivo: los buenos proveedores se alejan, mientras que los malos se quedan. Por último, el sector del software es uno que se mueve rápidamente y, para el momento en que su empresa haya terminado con el proceso de RFQ, su competidor ya habrá implementado su solución.
La frágil POC
Realizar una POC (prueba de concepto) está muy bien si se quiere comprar un simple servicio casi comparable con una commodity, como un servicio de impresión de tarjetas personales. Una iniciativa de cadena de suministro es complicada por diseño: requiere coordinación de varias entidades, existen muchas capas de datos que deberían aprovecharse y decenas de flujos de trabajo que deben tenerse en cuenta. Las POC o los pilotos a pequeña escala dañan maś de lo que ayudan, porque, por su diseño mismo, niegan una virtud fundamental de un iniciativa de cadena de suministro exitosa: su capacidad de operar a escala. La mayoría de la gente está familiarizada con el principio de las economías de escala; sin embargo, cuando se trata de la optimización de la cadena de suministro, tendemos a enfrentarnos principalmente a
deseconomías de escala, en las que las buenas decisiones se vuelven cada vez más difíciles de tomar a medida que la complejidad del problema aumenta. Lograr el éxito de un pequeño centro de distribución no garantiza en absoluto que la solución funcionará igual de bien al gestionar decenas de centros de centros de distribución diferentes.
Desestimando la incertidumbre
El futuro es incierto, y no es posible hacer desaparecer la incertidumbre, como tampoco puede hacerse desaparecer el difícil problema de la optimización numérica de la cadena de suministro . La optimización de la cadena de suministro requiere pronósticos probabilísticos, que son la consecuencia directa de trabajar con futuros inciertos. La optimización de la cadena de suministro también se enfrenta a comportamientos bastante contraintuitivos generados por optimizaciones numéricas. Algunos proveedores explotan el deseo de simplificar las cosas para vender una práctica ilusoria en la que todos los obstáculos se abstraen. Lamentablemente, esos obstáculos no son meros tecnicismos, sino que definen lo que realmente tiene posibilidades de funcionar en su cadena de suministro. Es necesario aceptar la incertidumbre desde una perspectiva numérica profunda, y es preciso que la dirección de la cadena de suministro también reconozca y acepte esta incertidumbre.
Confiando en el pasante
Si la mejora de la cadena de suministro reviste alguna importancia para su empresa, la iniciativa requiere la participación directa de la dirección de alto nivel. Demasiado a menudo, las empresas añoran la idea de la mejora, pero luego asignan la tarea a uno o dos pasantes. Si bien hemos conocido a algunos pasantes muy inteligentes, no hemos visto nunca que una iniciativa de cadena de suministro a cargo de pasantes llegue a ninguna parte. No tenemos nada en contra de los pasantes, que no se nos malinterprete. Pueden ser inteligentes, estar motivados, ser pensadores creativos, pero no están ni cerca de lo que su empresa necesita para impulsar el cambio en su cadena de suministro. Si no hay un compromiso de la dirección de alto nivel de la cadena de suministro de alto nivel, los equipos no ejecutarán. Los equipos generalmente no tiene mucho tiempo libre (si es que algo tienen). A menos que la dirección ponga en claro, a través de su participación directa, que la iniciativa actual es una prioridad, la iniciativa nos será considerada prioritaria por nadie más que algún pobre pasante al que se le asigne la tarea.
Muerte por planificación
La dirección busca certezas , y cuando se trata de certezas, nada se ve mejor que una hoja de ruta clara, con fases, roles y entregables bien definidos. Sin embargo, si algo nos ha enseñado la historia del software es que los planes predefinidos generalmente no sobreviven a la primera semana de la iniciativa. A veces, ni siquiera sobreviven al primer día. Cuando se trata de la optimización de la cadena de suministro, sucederán cosas inesperadas, y esto puede resultar aterrador. Sin embargo, hacer que una iniciativa se vuelva rígida a través de la planificación precisa solo empeora las cosas: la iniciativa se vuelve aún más frágil cuando se enfrenta a problemas inesperados. En cambio, el objetivo debería ser que la iniciativa resulte lo más resiliente posible contra lo desconocido. La capacidad de recuperarse de los problemas es más importante que la capacidad de eliminarlos de antemano. Por lo tanto, la dirección de la cadena de suministro debería concentrarse más en hacer que la iniciativa sea ágil y no tanto en planificarla a la perfección.
Separando el pronóstico de la optimización
La perspectiva tradicional de la optimización de la cadena de suministro separa el proceso de pronóstico del proceso de toma de decisiones. Si bien esto puede ser factible desde un punto de vista muy técnico utilizando dos conjuntos distintos de algoritmos —uno para el pronóstico y el otro para la optimización—, desde un punto de vista funcional, el equipo a cargo del pronóstico tiene que ser el mismo que se encarga de la optimización. De hecho, la lógica de toma de decisiones o, dicho de otro modo, la optimización, es muy sensible numéricamente a la lógica de pronóstico. Aislar las dos perspectivas es la receta para empeorar cualquier defecto que pudiera existir ya en el nivel de pronóstico, creando un caos en las decisiones resultantes. En cambio, la lógica de la optimización debería ser lo más numéricamente compatible posible con las fortalezas y las debilidades de la lógica de pronóstico.
Frankensteinización del software
Es difícil lograr el consenso en las empresas grandes. Como resultado, aunque la mayoría de las partes interesadas involucradas en la cadena de suministro puedan decidirse por un proveedor específico , una minoría querrá siempre insistir para ejecutar su visión, o deseará elegir determinadas funciones de un producto completamente diferente. Debido a que la personalización de software constituye un negocio rentable para los grandes proveedores de software, el proveedor a menudo aceptará de buena gana, inflando los costos y el valor percibido en el proceso. No obstante, lleva años escribir un buen software y, cuando se hace correctamente, el resultado final representa un compromiso calibrado entre objetivos en conflicto. El resultado casi sistemático de la personalización excesiva de software realizada por empresas grandes es la eliminación de las propiedades originales del producto, no para mejor, sino para peor, agregándole más y más capas, con lo que acaban por convertirlo en un monstruo. Y si hay algo que sobra son proveedores de software. Si la solución no se ajusta a su empresa, siga buscando y elija a otro proveedor. Si ningún proveedor resulta adecuado para su empresa, es probable que su negocio sea realmente único —algo que es bastante raro—, o que quizás deba revisar sus requisitos.
Iniciativas impulsadas por conceptos de moda
Alrededor de 2010, se trataba de encontrar el modo de aprovechar los pronósticos del tiempo para perfeccionar los pronósticos de demanda en el sector minorista. En 2012, todo giraba alrededor de cómo aprovechar los datos de redes sociales en el pronóstico de la demanda. En 2014, dominó el Big Data, que fue reemplazado en 2016 por el aprendizaje automático (
machine learning). Cada año que pasa trae una nueva ola de conceptos de moda. Si bien nunca está de más revisar un viejo problema desde un punto de vista renovado (todo lo contrario), perder de vista los desafíos centrales es casi siempre el secreto para poner en peligro cualquier iniciativa que se haya emprendido. Si es demasiado bueno para ser verdad, probablemente no lo sea tanto. Las mejoras de la cadena de suministro se logran con esfuerzo. Asegúrese de que cualquier novedad que quiera aportar se concentre realmente en los desafíos centrales a los que se enfrenta su cadena de suministro.
Mala ejecución de TI
Demasiado a menudo se culpa al departamento de TI de los fracasos de los proyectos. La informática es difícil, mucho más difícil de lo que la mayoría de la gente fuera del sector se da cuenta. Sin embargo, a veces también sucede que los equipos de TI, a pesar de sus buenas intenciones, crean tanta fricción en sus procesos que la iniciativa resulta lenta hasta el punto en que el resto de la empresa acaba por darse por vencida. Los equipos de TI necesitan no solo aceptar el cambio en el sentido general, sino aceptar el tipo específico de cambio que no compromete cambios futuros positivos. Pero del dicho al hecho...
Tenga cuidado con los mecanismos de defensa del departamento de TI
Dado que es probable que los equipos de TI se hayan sentido los chivos expiatorios en algún momento en que los proyectos de la empresa fracasaron, es posible que hayan desarrollado algunos
mecanismos de defensa. Uno de los mecanismos de defensa más comunes consiste en solicitar especificaciones escritas detalladas para cada nueva iniciativa. Sin embargo, especificar una solución de software suele ser más difícil que implementarla realmente. Como consecuencia, esto acaba por sustituir un problema complejo por otro aún más complejo. Otros mecanismos de defensa consisten en imponer
requisitos rígidos: el software debería encontrarse físicamente en la empresa, el software debería ser compatible con XYZ, el software debería tener funciones de seguridad específicas, etc. Lleva años escribir un buen software. Una vez que se escribe la larga lista de requisitos, generalmente quedan en pie dos tipos de proveedores de software: los que no son compatibles con sus requisitos, y los que mienten y dicen ser compatibles con sus requisitos.
Subestimando el esfuerzo de la preparación de los datos
Si bien esto puede sonar paradójico, las iniciativas de cadena de suministro también fallan porque el departamento de TI está demasiado involucrado en idear la solución y se responsabiliza de la preparación de los datos . De hecho, debido a que el departamento de TI es increíblemente complejo (motivo por el cual puede contar con individuos bastante talentosos), puede suceder que algunos equipos de TI piensen que conocen el negocio mejor que el resto de la empresa. La primera consecuencia no deseable de esta filosofía es una subestimación constante de los desafíos que implica hacer cosas con los datos de la empresa. Elaborar datos de un modo significativo no significa mover megabytes de un lado a otro. En cambio, se trata de establecer una comprensión sutil del modo en que esos datos reflejan procesos y flujos de trabajo de la empresa. Y también se trata de comprender los giros, los sesgos y los límites sutiles de los datos como aparecen en los sistemas de la empresa en un determinado momento. Que los equipos de TI asuman la responsabilidad de la preparación de los datos es la receta para retrasos inesperados a medida que se dan cuenta de la profundidad que faltaba en su versión original. Teniendo todo esto en cuenta, la opción razonable consiste en delegar este rol de antemano a alguien fuera del departamento de TI.
La tentación de la plataforma ampliable
Cuando se trata del software empresarial, existe solo una cosa que los proveedores han logrado dominar a la perfección: el arte de ser un plataforma
ampliable que viene con muchos módulos que representan muchas oportunidades de venta ascendente. Sin embargo, las plataformas no funcionan bien juntas, y las superposiciones funcionales —es decir, dos plataformas que compiten internamente por la misma función dentro de su empresa— aparecen enseguida. Dos plataformas que se superponen representan una pesadilla informática para cualquier empresa, y generalmente tiene como resultado mecanismos de sincronización que son difíciles de configurar y aún más difíciles de mantener. Por lo tanto, si bien resulta tentador elegir una solución que incluye todo, la opción razonable casi siempre es optar por aplicaciones más específicas que hacen una sola cosa y la hacen bien. Contar con docenas de aplicaciones específicas para mantener es un proceso sin complicaciones, mientras que mantener dos plataformas grandes con superposiciones funcionales igualmente grandes puede ser infernal.
Extracciones de datos no fiables
Los datos son como la linfa de una iniciativa de cadena de suministro cuantitativa: deja de fluir y genera la muerte. La iniciativa tiene que recibir datos frescos todo el tiempo. Demasiado a menudo, el departamento de TI considera que realizar un par de extracciones de datos únicas será suficiente para poner en funcionamiento las cosas. Después de todo, es muy probable que esta iniciativa dure poco de todos modos —recuerde, la mayoría de las iniciativas de cadena de suministro fracasan— y, por lo tanto, no tiene mucho sentido invertir demasiado esfuerzo durante esta primera fase de extracción de datos. Sin embargo, siguiendo esta filosofía, la implementación de un proceso automatizado para extracciones de datos fiables se retrasa y, como resultado, se vuelve una de las causas principales del fracaso de la iniciativa misma. Aquí, el equipo de TI debe ser proactivo y comenzar a automatizar las extracciones de datos desde el primer día. Además, el equipo de TI debe desempeñar una función de guía para convencer al resto de la empresa de que este esfuerzo adicional es un factor de éxito clave para la iniciativa y que la opción descartable de la extracción de datos no llevará a ninguna parte.
Malas recetas numéricas
La optimización de la cadena de suministro es, principalmente, un juego de números. Naturalmente, la visión de la empresa importa, el liderazgo importa, la disciplina importa, pero nuestra experiencia indica que la mayoría de las empresas ya están haciendo un trabajo más que bueno en estas áreas. Sin embargo, cuando se trata de números, parece que toda la cadena de suministro está infestada de malas recetas numéricas. No todos los profesionales de la cadena de suministro se dan cuenta de que todas las fórmulas y los modelos —a los que hacemos referencia con el nombre de recetas numéricas— dependen de supuestos bastante estrictos . Elimine cualquiera de los supuestos y la receta numérica se desmorona. En esta sección, enumeramos los errores más comunes en este sentido. Para ser concisos, suponemos que el lector ya está familiarizado con las recetas en sí.
Análisis ABC
El método ABC para abordar el inventario se diseñó en una época en que las computadoras no eran una opción para impulsar la cadena de suministro. El beneficio principal del análisis ABC es que simplifica tanto el análisis que puede hacerse a mano. Sin embargo, considerando la impresionante capacidad de procesamiento de las computadoras modernas, utilizar el análisis ABC ya no tiene sentido en la actualidad. No aporta ningún beneficio enmarcar miles de SKU en 3 o 4 clases arbitrarias. Existe un continuo entre el producto más vendido y los de larga cola. La lógica que optimiza la cadena de suministro debería adoptar este continuo, en lugar de negar su misma existencia. En la práctica, también observamos que los efectos negativos del análisis ABC empeoran con los cambios en el mercado que llevan a inestabilidades de clase, con productos que cambian continuamente de clase con el tiempo.
Stock de seguridad
El
stock de seguridad es algo que no existe en su almacén. El stock de seguridad es un concepto ficticio que divide el stock disponible en dos categorías: el stock de trabajo y el stock de seguridad. Desde una perspectiva histórica, el stock de seguridad se introdujo como un modo simplista de gestionar la demanda y los tiempos de entrega variables. El stock de seguridad se modela de acuerdo con distribuciones normales , también llamadas gaussianas. Sin embargo, incluso un examen rápido de casi cualquier conjunto de datos de cadena de suministro muestra claramente que ni la demanda ni los tiempos de entrega son normalmente distribuidos. Allá por los años ochenta, cuando las computadoras aún eran muy lentas, las distribuciones normales pueden haber representado un compromiso válido entre la complejidad y la precisión, pero, en la actualidad, no tiene sentido aferrarse a algo que fue diseñado como un
truco para lidiar con las limitaciones de las primeras computadoras.
Correcciones manuales de pronóstico
Quizás algunos profesionales se enorgullezcan en decir que pueden
ganarle al sistema y generar números de pronóstico mejores que los que el sistema puede elaborar. Si esto fuera realmente así, el sistema debería considerarse disfuncional y corregirse de consecuencia, generalmente aprovechando la experiencia y las conclusiones estratégicas del profesional. La optimización de una cadena de suministro de escala significativa implica generar miles si no millones de pronóstico por día. Valerse de las entradas de datos manuales de los equipos de la cadena de suministro para lidiar con las deficiencias del sistema no debería considerarse una opción válida para la empresa. Dado el progreso en la estadística en los últimos 20 años, no existe ningún motivo para pensar que, contando con las mismas entradas de datos, un sistema automatizado no pueda superar a un humano que, siendo realistas, no tendrá más que unos pocos segundos para dedicarle a cada número que es preciso elaborar. Si el humano tuviera días para invertir en cada decisión que la empresa necesita tomar, la situación sería radicalmente diferente. Sin embargo, la gran mayoría de las decisiones que la cadena de suministro necesita tomar diariamente no entran en esta categoría.
Alertas y monitoreo de malos pronósticos
Los pronósticos clásicos ponen el énfasis en un solo futuro, es decir, tienen como objetivo la media o la mediana, como si este único futuro tuviera una probabilidad significativa de suceder. Sin embargo, el futuro es incierto, y los pronósticos son, en el mejor de los casos, aproximados. En determinadas situaciones, los pronósticos clásicos son directamente equivocados. A menudo, la empresa incurre en costos exorbitantes debido a esos enormes errores de pronóstico. Como resultado, se establecen alertas para hacer el seguimiento de esos errores. Sin embargo, el principal culpable no son los pronósticos en sí, sino la perspectiva de pronóstico clásico, que pone el énfasis en un solo futuro, mientras que todos los futuros son posibles, simplemente no con la misma probabilidad. Desde la perspectiva de pronóstico probabilístico, los errores de pronóstico se conoce principalmente de antemano y se representan como distribuciones de probabilidades que se extienden en un amplio rango de valores posibles. Los pronósticos probabilísticos ponen el énfasis en un abordaje en el que la empresa reducirá proactivamente el riesgo de su actividad de cadena de suministro cuando se enfrente a un grado más alto de incertidumbre. Al contrario, el establecimiento de alertas en los pronósticos clásicos es el síntoma de que un abordaje no funciona por diseño, ya que niega toda la incertidumbre.
Emparchando los datos históricos
Cuando se encuentran sesgos , como los desabastecimientos o las promociones, en los datos históricos, resulta tentador
corregirlos de alguna manera, modificando los datos históricos de modo que reflejen mejor lo que historial debería haber sido sin ellos. A este proceso lo llamamos
emparchar los datos históricos. El concepto básico detrás de este emparchado es que todos los modelos de pronóstico se diseñan como variantes de la media móvil. Si lo único que se tiene son medias móviles, entonces los datos históricos deben ajustarse para dar cuenta de ellas. Sin embargo, el emparchado no es la solución. En realidad, la solución está en ampliar el horizonte y buscar mejores modelos de pronóstico que no sean disfuncionales como puede ser la media móvil. Deberían utilizarse modelos estadísticos mejores para gestionar de modo exitoso los datos históricos
enriquecidos, en los que los sesgos se tratan como entradas de datos. Estos modelos estadísticos no estaban disponibles hace algunas décadas, pero ahora la situación ha cambiado.
Tiempos de entrega como prioridades secundarias
Por alguna razón que no acabamos de entender, los tiempos de entrega muy a menudo se consideran como un dato de entrada dado en lugar de algo que debería pronosticarse. De hecho, los tiempos de entrega futuros son inciertos y, casi siempre, el mejor modo de calcularlos es utilizando los tiempos de entrega observados en el pasado. Por este motivo, los tiempos de entrega requieren un pronóstico propio. Además, las repercusiones en la cadena de suministro de los cálculos correctos del tiempo de entrega son mucho mejores de lo que los profesionales pueden imaginarse: las cantidades almacenadas en stock están allí precisamente para cubrir la demanda de un determinado tiempo de entrega. Si cambian los tiempos de entrega, también cambiarán las cantidades de stock. Por lo tanto, los pronósticos de tiempo de entrega no pueden considerarse una prioridad secundaria en sus esfuerzos de cadena de suministro. Casi todos los planes de cadena de suministro ponen el énfasis en la necesidad de pronósticos precisos, pero nuestra experiencia indica que, en la práctica, los pronósticos de tiempo de entrega precisos son igual de importantes.
Pseudociencia
La pseudociencia tiene todas las marcas distintivas de la ciencia: parece racional, viene con números, se dice que está comprobada y personas muy cultas la defienden. Sin embargo, la pseudociencia no pasa la prueba de alcanzar resultados repetibles . Generalmente no se requiere ni siquiera un equipo experimental para detectar a la pseudociencia, y los materiales de esta comienzan a desmoronarse ante el escrutinio de una revisión imparcial de colegas expertos. Operar una cadena de suministro es costoso, y comprenderla es complejo. Tan solo estos dos atributos explican por qué las metodologías de cadena de suministro son bastante difíciles de cuestionar: no solo los experimentos acarrean mucho riesgo, sino que además es difícil evaluar correctamente lo que en verdad contribuye a una mejora percibida.
Casos de negocio ilusorios
Las soluciones de cadena de suministro claramente no son la única área de software empresarial en la que los proveedores hacen afirmaciones audaces, pero, como reza el dicho: si parece demasiado bueno para ser verdad, probablemente no lo sea tanto. Nosotros mismos hemos visto que prácticamente cada enero en la feria NFR en Nueva York, una de las ferias comerciales minoristas más grandes del mundo, que hace ya más de un siglo que se celebra, podemos detectar un proveedor muy grande que afirma que los niveles de inventario pueden reducirse a la mitad con la ayuda de su nueva solución. Si tan solo un décimo de esas afirmaciones fueran verdaderas, toda la industria debería haber logrado niveles de stock casi perfectos hace una década. Existen tantos modos para manipular los números de los casos de negocios que la mayoría de los proveedores ni siquiera están realmente mintiendo. El caso más común es que la empresa promocionada como el
caso emblemático para la solución tenía al comienzo una cadena de suministro terriblemente disfuncional y, por lo tanto, era posible obtener cifras de mejora igualmente exorbitantes una vez que todo volviera a la normalidad un año después.
Confíe en el equipo de ventas para el pronóstico
Sigue siendo un misterio si la gente que asigna a sus equipos de ventas la elaboración de cifras de pronóstico de demanda precisas ha trabajado alguna vez con un verdadero equipo de ventas. En el mejor de los casos, esos números pueden verse como una adivinanza sincera, a pesar de que, con frecuencia, son simplemente invenciones del equipo de ventas que intenta obtener el incentivo financiero que se les da. Esto da lugar a la práctica generalizada conocida como
sandbagging , en la que todos fijan objetivos poco ambiciosos para luego superar las expectativas. Además de esto, tenemos equipos de cadena de suministro que a menudo simulan prestar atención a esas cifras, mientras que las operaciones reales se mantienen completamente separadas de la información proporcionada por Ventas. Ignorar las cifras sugeridas por el equipo de ventas es la única opción razonable, ya que la cadena de suministro dejaría de funcionar completamente si tuviera que operar sobre la base de números tan precarios.
Soluciones probadas
Buscar una solución probada que haya logrado producir beneficios tangibles para una empresa muy similar a la suya puede parecer un abordaje muy razonable. Desde un punto de vista anecdótico, esto es exactamente lo que hicieron Nokia y muchas otras empresas hasta que ya no hubo otras. La mayoría de las grandes empresas no actúan tan rápidamente cuando se trata de elegir una solución compleja. El proceso de selección del proveedor puede llevar fácilmente hasta un año. Luego, alcanzar la
velocidad crucero con la solución elegida puede llevar otro año. El monitoreo y la obtención de la confianza en los resultados puede llevar hasta dos años más, especialmente para aquellas cadenas de suministro en la que no todas las soluciones son sostenibles, y en las que la cadena de suministro puede volver rápidamente al estado de rendimiento previo una vez que el proveedor deja de estar presente constantemente en el lugar para adaptar la solución. Después de esto, puede pasar otro año hasta que el proveedor de la solución llegue a su empresa con todas las pruebas. El defecto letal de esta filosofía es que su empresa no puede costear llegar a la fiesta 5 años más tarde. Cuando se trata de software, 5 años es mucho tiempo. La mayoría de los softwares se consideran obsoletos al quinto año: ¿por qué debería ser diferente para su solución de cadena de suministro?
Malas métricas, malas benchmarks
La cadena de suministro cuantitativa tiene que ver principalmente con números en los que se pueda confiar. Como resultado, tendemos a inclinarnos por las métricas y las benchmarks. Sin embargo, hemos vistos que, en la cadena de suministro, la gran mayoría de las benchmarks y las métricas están tan mal diseñadas que generalmente se perciben como pseudociencia según nuestros parámetros. Las buenas métricas de cadena de suministro requieren mucho esfuerzo. Las buenas benchmarks de cadena de suministro requieren una cantidad casi descabellada de esfuerzo. Demasiado a menudo, las métricas y las benchmarks se explican sin tecnicismos para simplificar, a costo de hacerles perder relevancia real para el negocio. Como regla general, si operar una benchmark no parece ser una tarea increíblemente difícil para sus equipos de cadena de suministro, existe la posibilidad de que el desafío se haya subestimado enormemente.
