(продолжение)

Математика, которая видит то, что скрывают люди

Если выявление – это первый эшелон борьбы, то статистика – это его главный инструмент.
Люди могут врать. Бумаги можно подделать. Объяснения можно придумать. Но вероятностные распределения не умеют врать.

Любой бизнес-процесс оставляет за собой статистический след. И если его правильно считать, он показывает не только проблемы, но и тех, кто эти проблемы создаёт.

1. Строим удельные показатели – фундамент анализа. Первый шаг – привести всё к единице результата:
• расход топлива на 1 кВт·ч генератора,
• расход топлива на 1 тонно-километр,
• расход полиэтилена на 1 м² плёнки,
• расход сырья на 1 изделие,
• доля брака на 1 смену,
• стоимость ремонта на 1 моточас.

Почему удельные показатели? Потому что только они позволяют сравнивать разные участки, смены, линии, людей и периоды между собой.

2. Строим гистограмму и смотрим распределение. В идеальном мире любой технологический процесс даёт нормальное распределение: «колокол» Гаусса – есть среднее значение, и разброс симметричен в обе стороны.

Но как только к процессу прикасается человеческий фактор, распределение деформируется. Чаще всего оно становится логнормальным - с длинным правым хвостом. И вот в этот-то хвосте и сидит грязь.

3. Как читать хвосты распределений. Ниже вы видите рисунок 1. Это реальный кейс – гистограмма по дизель-генераторам, которые производят электроэнергию для работы объектов, распределенных по территории. Большинство точек соберутся в плотном пучке: это нормальные значения. И только справа – длинный хвост.

Посмотрите соотношение количества генераторов, с расходом 220 и 240 г/кВт-ч. В идеальной системе их число должно быть равным. А уж чемпионов с 290 г/кВт-ч вообще быть не должно!

Что это за точки? Это те, кто сливает топливо. По факту оказалось, что только одна точка – это реально убитый дизель. И то, с расходом 250 г/кВт-ч.

Статистика не просто показывает факт хищения – она показывает масштаб отклонений, группы риска и конкретных подозреваемых. И это работает где угодно:
• расход топлива по водителям (тонно-км),
• расход сырья по линиям,
• расход энергии на единицу выпуска,
• расход запасных частей в ремонте.

Если хвост длинный – там сидят крысы.

4. Анализ закупок: где рождается коррупция. Закупки – самый тёмный лес, но статистика здесь тоже всё показывает. Начинать нужно не с полной номенклатуры. Это бессмысленно. Начинать нужно с конкурентных позиций – тех, которые:
• трудно продать на свободном рынке,
• требуют «усилий» со стороны поставщика,
• имеют дорогую или длинную логистику.

Почему? Потому что именно там откаты живут десятилетиями: маржа выше, риски ниже, а проверять такие позиции никто не любит.

Что считаем?
• распределение закупочных цен,
• распределение стоимости логистики,
• аномальные пики у отдельных поставщиков,
• разницу между средней закупкой и верхним хвостом.

Если правый хвост слишком толстый и длинный – значит, кому-то слишком хорошо.

К закупкам и к их организации мы еще вернемся. А пока посмотрим продажи.

(продолжение следует)