Многие компании уверены, что управляют на основе данных. Есть десятки срезов аналитики, сводки SLA, верхнеуровневый OTIF и прочее.
Но если спросить, что из этого реально влияет на решения — в тишине загудит кондиционер.
Например, я встречал только дважды (из более чем 300 наших кейсов) ситуацию, когда операционный директор мог оперативно и достоверно, на основании аналитики, дать бизнесу ответ — как изменятся продажи и маржинальность при изменении уровня логистического сервиса.
⚡️ При этом, чаще всего я вижу, что компании через «исторически сложилось» собирают какую-то фантастически ненужную массу данных, которые не используются годами.
И при этом отсутствуют важные данные, необходимые для принятия решений
Простой пример: кто может достоверно и оперативно показать товарный поток и запас не в рублях и штуках, а в куб.метрах, да еще в разрезах по дням, товарным группам и позициям — тот молодец.
А кто может показать, во сколько обходится выполнение каждой операции на складе или доставка в разрезе SKU — тот молодец вдвойне.
При этом, действительно важны качество и достоверность данных («Эксель все стерпит» — русская народная поговорка).
❗️В итоге, «исторически созданные» слои метрик живут в изоляции и измеряют процесс, а не результат, в то время как нужно синхронизировать их так, чтобы было понятно:
Регулируешь здесь — влияешь на это, но одновременно появляется вот такой побочный эффект, который нужно учитывать
Например, производительность склада увеличили, загрузку транспорта повысили, а TCO (total cost of ownership) на короб не снизился, а увеличился.
👉 И причина — в процессах на стыке: неравномерность товарных потоков, оборачиваемость запасов, кванты отгрузок и множество других факторов.
(читайте продолжение ниже🔽)
#оптимизация #KPI #логистика
Горизонты Демина ❍