2026年、データサイエンティストにとって最も魅力的な分野の一つが「サプライチェーン」である。著者であるサミール・サシ氏は、10年間にわたりサプライチェーン分野のデータサイエンスに従事し、その実践とブログを通じて、この分野の価値を強く訴えている。サプライチェーンとは、工場、倉庫、販売拠点などが物資、情報、資金の流れを通じて顧客の要望を満たす仕組みであり、日々膨大なトランザクションデータが蓄積されている。このデータを活用する「サプライチェーンアナリティクス」は、現状の可視化から始まり、段階的に進化する。 まず「記述的分析」では、オペレーションチームが「何が起きているか」を把握する。たとえば、コスメティクス小売業者の倉庫で、ピーク時（中国の11月11日セール）に注文処理能力が上がらない問題に直面。データの可視化（ヒートマップ）により、特定のエリアに在庫が集中し、作業員が待機していることが判明。この単純な可視化が、再設計のきっかけとなり、数百万ユーロの契約延長につながった。 次に「診断的分析」では、Lean Six Sigmaを活用し、統計的手法で仮説を検証。北米工場のインバウンド輸送で、北部ハブの納期が南部より35％長いという問題に対し、ドライバーの割り当てに偏りがあると仮定したが、カイ二乗検定でその関連性は否定。これにより、他の要因（例：ルート設計）の調査が可能になった。 さらに「規定的分析」では、最適化問題に取り組む。例として、多国籍企業のサプライチェーンネットワーク設計。生産コストと環境負荷を最小化するため、工場の立地を最適化する問題を、PythonのPuLPライブラリでモデル化。しかし、初期の結果ではインドでの生産コストが米国より高くなるという矛盾が発生。これはビジネス上の前提（購買力の差）とモデルの整合性に問題があり、データサイエンティストがビジネス理解を活かして調整した。 こうした課題を解決するには、データサイエンススキルに加え、倉庫の運営、輸送、在庫の流れといった「オペレーション理解」が不可欠。著者は、5分間の解説動画（40本以上）のプレイリストを通じて、サプライチェーンの基礎を学ぶことを推奨。さらに、StreamlitでWebアプリを構築する実践的なチュートリアルも提供。 最終的には、技術力だけでなく、ビジネスとデータの橋渡し能力が求められる。著者は「サプライチェーンデータサイエンスは、技術と実務の融合が最も価値を生む分野」と結論づけている。