ラマソフト・サプライチェーン・ブログ

モデル構築プロセスの自動化

By LLamasoft  March 21, 2019

 

なぜ?:自動化の理由

サプライチェーンデザインの究極の目標は、いつでも利用できる「生きたモデル」を作ることです。この生きたモデルがあれば、サプライチェーン検討事項のボタンを押すだけで、主要指標に対する影響について評価を行い、シナリオ検証を容易に実施することができるようになります。生きたモデルにシナリオを適用すると非常に価値のある洞察が得られる一方、しかしその実現には、データマネジメントとベースラインのモデル構築の険しい道のりが続いていることがあまりにも多いのです。

データマネジメントとベースラインのモデル構築のため懸命な努力を行っているうちに、「いかにTime to Value(価値を生み出すまでにかかる時間)を加速させるか」という究極的な課題が生まれてきます。そういう時は、プロセスを予め定義してデータマネジメントとベースラインのモデル構築作業を自動化することによって、大幅な作業効率の実現が可能です。そしてまた、そうした自動化は、思ったほど難しくはないかもしれません。

サプライチェーンデザインが組織の中核的能力であれ支援的機能であれ、モデル構築の取り組み全体には共通するテーマがいくつかあるはずです。それらはおそらく一貫して、資本支出に関わる意思決定や、新規マーケット戦略、あるいは資産合理化への影響に関連しているはずです。対象となる投資、地域、資産、設備は毎回異なるかもしれませんが、自動化の構造はデータよりもビジネス課題そのものにより強く関連します。その目的を達成するために、モデル構築プロセス自動化は以下の領域での価値を創出します。

 

時間という観点からの繰り返し

これは自動化の最も明白な理由でしょう。定期的にモデルを更新することが分かっているのに、同じ作業をまた一からやり直す必要があるでしょうか?モデルの更新は大まかに、定期型モデル実行イベント駆動型モデル実行の2タイプに分けられます。定期型モデル実行の場合は、通常、モデル構築の最初の段階から将来に更新する必要性が認識されますが、イベント駆動型では多くの場合、イベント後に実行されます。各タイプの例を以下に示します:

  • 定期型(年次資本予算、週次販売・業務計画)
  • イベント駆動型(燃料価格高騰、湾岸ストライキや施設火災などの予期せぬ難事、政情不安、新規商業用不動産の有無)

 

対象地域や部門の拡張による繰り返し

モデルを通して高い質の洞察が提供されると、組織は刺激を受け、さらに多くを求めるようになります(チームの懸命な努力が報われた結果、さらに仕事が増えることになるでしょう!)。一度特定のプロジェクトで価値が証明されると、将来類似した価値を求めようとする考えがリーダーシップ全体に広まります。おそらく以下は馴染みのある例ではないでしょうか:

  • 対象地域(「ブラジルで行ったような拠点選定分析をオーストラリアでも行えないか?」)
  • ビジネスユニット(「アルミニウムの先例と同様に、ガラスの調達割当てを合理化したい」)

入力データ自体は変わるかもしれませんが、モデル構造と自動化の大部分は、ビジネス課題そのもののタイプにより強く関連することを忘れないでください。さらに、リーダーシップは、以前のプロジェクトで作成した方法と同じ標準的フォーマットでの標準的なアウトプットの方がより早く理解することができるでしょう。

 

チームメンバー間での繰り返し

あなたが誰かにして欲しかったという方法で他者をサポートしましょう。成功に向けてあなた自身の意欲を高めてください。あなたのチームを成長、進化させましょう。

  • チームメンバーのお休みを補えるようにする
  • 業務の専門化と切り分けを推進する(データワークフローの実行作業を経験の浅いチームメンバーにシフトし、モデル構築やシナリオ検証はより経験を積んだチームメンバーが集中して対応するようにする。)
  • 過去のプロジェクトの情報を素早く取り出せるようにする(あるプロジェクトを行ったのは1年も前のことだが、Data Guruワークフローのおかげでどうやって行ったか思い出すことができます。)

Data Guruは、データ変換やそれらのインプット/アウトプットといったひとつひとつのステップをアイコンを用いて見た目にわかりやすく表示しながら、プロセスを定義でき、ワークフローを自動化します。再三になりますが、標準化することを通じて容易に理解できるワークフローを確立でき、利益を促進することが可能になります。

Data Guruを活用したモデル構築プロセスの自動化

 

プロジェクト内での繰り返し

たとえ「単発」のデザインプロジェクトの場合でも、ひとつのプロジェクト内でデータの抽出やフィルター調整、集約方法の修正を繰り返し行う必要があります。そのことを考慮すると、プロセスの自動化は単発プロジェクト内でも純粋な利益をもたらします。

  • Data Guruなら、非常に柔軟性の高いモジュラー型でのモデル構築アプローチを提供します。そのため、たとえモデルのアプローチや構造定義が完全には決まっていなくても、様々な実験やテストを自由自在に行いながらモデル作業を進めることができます。
  • Data Guruの自己文書化機能は、モデル構築プロセスに必要な主要な決定データや仮定データを可視化できます。

.

モデル構築プロセスの自動化は、ここで述べたさまざまな状況の下、モデル担当者とその関係者が求める価値ある洞察を生み出す時間を加速します。ここで課題は真のポイントに至ります。自動化しない理由とは一体何でしょうか?