TGViewer
Максим Кубарь: Превращаю данные в прибыль Максим Кубарь: Превращаю данные в прибыль @data_value · 466 subscribers
Post #89 92
Как мы увидели дыры в доставке, хотя все отчеты говорили «норм»

В прошлом опросе вы сказали, что вторая по остроте боль - «хочу замечать риски заранее, а не тушить пожары». Это ровно та задача, ради которой строится сквозная аналитика: когда данные продаж, логистики и персонала перестают враждовать и начинают разговаривать друг с другом.

Покажу на примере. Кейс интернет-гипермаркета с собственной доставкой (в котором ранее искали потери в ЗП). Компания считала эффективность просто: брали общие расходы на доставку и делили на количество рейсов или заказов. Вроде бы всё ок.

Но смотрели они при этом в зеркало заднего вида. Средняя температура по больнице не давала увидеть, где именно тают деньги и когда рванет в следующий раз.

Чтобы перейти на проактивное управление, мы связали три слоя данных:
• выручка / маржа конкретного рейса,
• загрузка конкретного водителя (рейсов в месяц и заказов в рейсе),
• переменные расходы на рейс (ЗП и топливо).

Получилась факторная модель, которая проявила несколько неочевидных вещей.

1. Выработка водителей почти не меняется от сезона к сезону.
В низкий сезон водитель везет в среднем 136 тыс. руб. маржи за 11 рейсов. В высокий - 191 тыс. руб. Но это просто потому, что рейсов стало 14, а не потому что он стал работать эффективнее (карточка 1).

2. В тихие месяцы часть рейсов гарантированно убыточна.
Мы наложили маржу рейса на переменные расходы и увидели: во 2-м квартале 8,6% всех рейсов не покрыли даже затрат на водителя и топливо. Это дало минус 3,5 млн руб. за квартал. В высокий сезон убыточных рейсов меньше (2,6%), но они всё равно съели 1 млн руб. (карточки 2 и 3).

3. Убыточный рейс - не только когда мало заказов, а когда мало рейсов у конкретного водителя.
Мы сопоставили валовую прибыль на водителя со средним числом заказов в рейсе и общим числом рейсов. Оказалось: даже с полным кузовом можно уйти в минус, если водитель делает слишком мало рейсов в месяц (карточка 4).

Какие управленческие решения загнали доставку в эту ловушку?
• Чтобы сэкономить на ФОТе, нанимали водителей-вахтовиков из регионов с проживанием в корпоративном общежитии. Это лишило гибкости: нельзя быстро нарастить или снизить ресурс под спрос.
• Фокусировались на снижении расходов, а не на точном найме и удержании подходящих людей. В итоге теряли на убыточных рейсах больше, чем экономили на зарплате.

Что дала эта картина?
Мы перешли от управления «давайте урежем бюджет доставки» к управлению причинно-следственными связями. Появилась возможность:
• рассчитывать оптимальную загрузку водителя под сезон,
• видеть риски убыточных рейсов до того, как они случатся,
• формировать продуктовый подход к «полуфабрикату» (собираемому заказу, рейсу) - с понятной стоимостью и ценностью на каждом переделе.

Все хотят видеть риски заранее, но продолжают тушить пожары. Почему?

Потому что смотрят на бизнес через «среднюю температуру по больнице».

Что именно вам мешает перейти на уровень проактивного управления? Напишите мне @maximkubar и я разберу вашу ситуацию.

Начало | Предыдущий ⬆️ | MAX
  • 🔥 5
  • 👍 2
More from @data_value
  1. Aug 28, 2026Post #141
  2. Aug 26, 2026Вы управляете бизнесом или прокачиваете интуицию? За 20+ лет в финансах я поработал с деся…
  3. Aug 20, 2026Рост продаж не всегда радует. Что я проверяю, прежде чем поверить дашборду В прошлый раз я…
  4. Aug 15, 2026Почему “следить за важными метриками” недостаточно Руководитель хочет увеличить выручку и…
  5. Aug 14, 2026Три важных KPI. Одна большая дыра В коммерческом блоке одной ЭТП (электронной торговой пло…
  6. Aug 13, 2026Иллюзия контроля: почему новый отчёт не спасает, а парализует управление? Новый коммерческ…
Threads Profile ViewerView any public Threads profile without an account.Open ThreadLook →Writing with AI? Make it sound human.Metric37 rewrites AI drafts so they read naturally. Free AI detector, 1,500 words free.Try Metric37 →