Текст книги "Оптимизируй это немедленно! Как, используя современные IT-инструменты, сократить издержки и обойти конкурентов"

Глава 9. Сила данных

В итоге крупная компания имеет несколько учетных систем и ряд подсистем, из которых необходимо извлекать данные и которые необходимо синхронизировать, чтобы, например, иметь единый справочник номенклатуры и клиентов. Как признавались коллеги из компании KFC, даже в таком, казалось бы, отлаженном бизнесе и при небольшом справочнике блюд у них были проблемы: оказалось, что у разных подразделений были собственные списки блюд и ресторанов! А это приводит к проблемам при построении единых отчетов и разъезжающимся показателям по подразделениям.

Для формирования справочной информации существует даже отдельный класс систем по управлению данными и нормативно-справочной информацией (англ. Master Data Management). Однако, если значения вводятся в учетную систему централизованно, можно использовать и ее, нужно только предусмотреть механизмы синхронизации данных между системами и механизмы контроля дублирования данных: например, когда кому-то необходимо срочно ввести заказ на продажу и он вводит нового клиента – фирму ООО «Василек», заполняя обязательно графу с идентификационным номером налогоплательщика (ИНН), по которому проходит сверка, например, 77111111111, а потом оказывается, что это фирма ООО «Васек» с номером ИНН 7712345678 и она уже есть в системе. Что теперь делать с дублем – непонятно. И решение подобных конфликтов необходимо предусмотреть заранее или разрешить «быстрый ввод» черновиков, но данные в систему попадают только после автоматизированной (или полуавтоматизированной) проверки – тогда им можно доверять. Подобная «сертифицированная», или «золотая», запись и должна использоваться для проверки и эксплуатации в остальных системах.

Иногда для этого применяются промежуточные системы синхронизации или даже хранилище данных (DWH, от англ. Data WareHouse), хотя это не прямое его назначение: все-таки хранилище в первую очередь предназначено для сбора данных из различных систем и построения отчетности, а также для хранения исторических сведений. Не секрет, что при внедрении аналитических инструментов или построении хранилища до 80 % трудозатрат приходится именно на контроль качества данных, так что этот вопрос очень серьезен. Опять же, все должно иметь экономическую эффективность, и нельзя строить хранилище просто «чтобы было» – вы получите бесконечный проект и кладбище бессмысленных данных, а отделы по построению и поддержке хранилища в крупных компаниях могут превышать 100 человек!

Поэтому всегда надо помнить: вы вводите данные в систему, чтобы их использовать; нельзя вводить информацию, которая будет лежать мертвым грузом. В корпоративном хранилище данных (КХД или DWH) и даже в «озере данных» (Data Lake) должна храниться только очень важная информация, которая будет использоваться как основа для построения отчетов. Не надо в них загонять все подряд со словами «потом разберемся, нужны они нам или нет», для этого есть отдельные аналитические хранилища (ADWH), которые берут выверенные данные из хранилища и позволяют дополнить их информацией из других источников. Не надо в DHW запихивать значения погоды на улице или какая музыка играла в торговом зале. Делать отчеты на хранилище – очень затратно и по ресурсам, и по времени: в среднем проект по развертыванию хранилища составляет 18 месяцев, а получение отчета – 6,3 недели[13]13
  The Digital Universe of Opportunities: Rich Data and the Increasing Value of the Internet of Things. https://telsoc.org/sites/default/files/tja/pdf/ajtde_v2n3a47_zw_the_digital_universe.pdf


[Закрыть]. Правда, отчеты получаются на проверенных данных. Используйте этот инструмент с умом, особенно если данные можно забрать напрямую из учетной системы с приемлемой скоростью и этот запрос не будет влиять на работу всей учетной системы. К тому же, согласно анализу независимой исследовательской компании Forrester Research, до 73 % данных, загруженных в хранилище, никогда не используется[14]14
  Hadoop Is Data's Darling For A Reason. https://go.forrester.com/blogs/hadoop-is-datas-darling-for-a-reason/


[Закрыть]. Отчет американской компании Seagate Technology более оптимистичен, но и он показал, что 68 % корпоративных данных никогда не запрашивалось из хранилищ[15]15
  Rethink Data: «Эффективное использование корпоративных данных на периферии и в облаке». https://www.cnews.ru/news/line/2020-07-15_otchet_seagate_68_korporativnyh


[Закрыть].

Еще одна проблема – персонал. Его надо приучать к аккуратности в работе, особенно с внесением информации, иначе это приведет к большим проблемам. Даже такая простая операция, как сканирование штрихкода на товаре, – очень ответственная. Ну подумаешь, было 10 упаковок сока – 5 яблочного, 5 – яблоко с ромашкой. Давай сразу 10 упаковок пробью – какая разница? А в итоге пересортица и необходимость инвентаризации на складе. Маленькая экономия времени кассира – огромные затраты для компании.

Кроме человеческого фактора, который влияет на ошибки в данных – непроизвольно или намеренно, существует ряд ошибок, возникающих при работе с данными. Например, на спрос продукции влияют такие факторы, как общая экономическая ситуация, погода, праздники (календарные, такие как Новый год или 8 Марта, и плавающие, как Великий пост или Ураза-байрам), а также маркетинговые акции. Если все факторы записывать отдельно, то продвинутые системы прогнозирования смогут выделить их влияние и скорректировать прогноз при многофакторном анализе. К сожалению, это не всегда представляется возможным – особенно обидно, когда продавец самостоятельно планирует акции без уведомления производителя, который потом получает скачок спроса, и это учитывается при составлении прогноза на будущее, хотя такой акции больше не планируется. Кроме подобных выбросов, существует проблема с нулевыми продажами – считается, что у покупателей отсутствует интерес к товару, хотя он не продавался не из-за отсутствия спроса, а потому, что этого товара не было в наличии. Я называю подобную проблему «ошибкой 46-го размера», так как ношу обувь 45–46-го размера, и, поверьте, мне очень сложно его найти: поскольку он плохо продается в большинстве обувных магазинов, автоматизированные системы планирования считают, что и спрос на него невелик. К чему это приводит? Очень просто – к потере огромной части продаж. Спрос восстановить не так сложно: надо взять нормальное распределение, которое называют распределением Гаусса, и попробовать восстановить спрос (табл. 2).

Из таблицы проблема не видна, но посмотрите на рис. 1.

Итог печален: компания продала всего 5560 пар обуви, хотя реальный спрос составляет 7100 пар, что на 27 % выше.

К счастью, подобные ошибки в показателях можно исправить с помощью методов математической статистики, однако самые сложные ошибки – те, которые были допущены при разработке модели сбора и обработки данных, когда в исходных системах цифры верные, а вот в итоговой витрине они могут отличаться от исходных. А аудит, поиск и исправление подобного рода ошибок – очень непростое и затратное занятие, поэтому надо быть очень внимательным не только на этапе ввода и сбора информации, но и на этапе ее обработки.

Кейс 5. Не заставляйте людей вводить лишние данные!

Автоматизация призвана облегчить ручной труд и должна повысить эффективность работников, но никак не наоборот! Однако внедрение учетной системы не просто вводит сотрудников в стрессовую ситуацию от использования нового инструмента; они вынуждены выполнять большее количество операций и вставлять новые данные, которые необходимы для дальнейшего анализа.

Работал человек на складе, вел учет в журнале. Ну, написал цифру 5, ошибся. Стер, написал цифру 3 – счастье. А теперь ему компьютер поставили, инструкцию повесили и запретили данные корректировать (что правильно). Хорошо, если интерфейс рабочего места простой и понятный, – случается и так, что опытный консультант не сразу разберется. На одном из проектов кладовщиков заставляли кроме непосредственно количества товара вводить 11 обязательных аналитических полей! Когда я это увидел, то сказал: «Стоп, коллеги. Так не пойдет. Я понимаю, и отдел нужно заполнять, и ЦФО (центр финансовой ответственности) – все нужно. Но зачем человека все это заставлять вводить? У него что, отдел поменяется или ЦФО?» В результате была доработана карточка сотрудника, где были заполнены все эти поля, в которые вносились изменения только тогда, когда менялась структура или человек переходил на другую должность или в другой отдел. Все графы в системе заполнялись автоматически, в зависимости от типа операции, и брались из карточек сотрудника и номенклатуры, а количество необходимых для ввода полей сократилось с 12 до 2.

Еще один пример из личного опыта. Во время реализации пилотного проекта по внедрению системы бизнес-аналитики были проанализированы заявки в службу поддержки. Данные вводились в специализированную систему учета и отслеживания инцидентов, которая называется Service Desk. Мы насчитали 4000 различных типов заявок только на замену картриджа! От «ничего не работает» до «необходимо заменить черный картридж к принтеру HP в ком. 123». Попадались даже заявки на татарском языке, так как в Татарстане работает одно из подразделений компании. По результатам реализации этого пилотного проекта была дана однозначная рекомендация – сначала предлагать использовать «дерево-меню» с перечнем часто возникающих неисправностей, которые мы выявили: от типа проблем (с компьютером, с печатью, со связью и т. д.) до их детализации (не работает интернет, монитор), автоматически заполняя по мере возможностей все сопутствующие графы, такие как модель выданного ноутбука или принтера в помещении. Конечно, все значения в меню не уберешь, да это и не нужно, лишь усложнит навигацию, и возможность самостоятельно заполнить графу с описанием проблемы осталась. Но ею стали пользоваться менее чем в 5 % случаев, а служба поддержки оперативно получала полную информацию для решения проблем, что существенно повысило скорость работы и качество обслуживания. А потом – и прогнозирование выхода аппаратуры из строя или автоматическое оповещение о том, что скоро предстоит поменять картриджи в таком-то принтере, что привело к превентивному ремонту, а не только к работе по заявкам.

Кстати, возвращаясь к примеру с обувью. Продавцы ведь нигде не регистрируют спрос. Покупатель спрашивает: «У вас есть 47-й размер?» Отвечают: «Нет», – и покупатель уходит. А вот в аптеке фармацевт или провизор должны обязательно фиксировать, какой лекарственный препарат спрашивают, – для регистрации спроса и корректировки ассортимента торговой точки. Чтобы упростить процесс и не заставлять людей выполнять лишнюю работу, достаточно посмотреть, какие запросы они вбивали в систему. Вы замечали, что при запросе лекарства фармацевты вбивают название лекарства и смотрят аналоги и наличие препарата в соседних аптеках сети? Эти запросы регистрируются системой, и фиксируется спрос для дальнейшего анализа, выявления дефектуры (отсутствующих товарных позиций) и корректировки ассортимента.

Глава 10. Стоимость процессов

До недавнего времени я был противником систем управления процессами. Мне больно было видеть, как люди тратили время на обследование и описание процессов. Друзья, мы живем в таком быстро меняющемся мире – да сам процесс устареет, пока вы его будете описывать! Я стал разбираться детальнее в этом вопросе и понял место новых систем в работе предприятия – это оказалось очень значительное место, если внедрять их правильно.

Основная мысль: работу нужно выполнять – рано или поздно. Так почему бы ее не сделать прямо сейчас? Чего мы ждем? А если работа делится на срочную и не очень, давайте расставлять приоритеты и выполнять сначала срочную работу! Правда, и про остальную не надо забывать, повышая ее приоритет со временем – иначе она так и окажется никогда не выполненной, потому что ее будут вытеснять более приоритетные задачи. Итак: все, что нельзя сделать в автоматическом режиме, должно контролироваться, и этот контроль обеспечивают системы управления бизнес-процессами (BPM). Отлично эти системы зарекомендовали себя в логистической компании, которая перевозила сборные грузы из Европы и Азии. Началась работа с уточнения загрузки персонала, а также проанализировали скорость обработки поступивших заявок. Был автоматизирован процесс приема заявок – менеджерам надо было просто внести адреса, проставить галочки и выбрать опции из выпадающего меню, что существенно ускорило работу и снизило требования к персоналу. Как только заявка была принята, она уходила в работу. И тут мы обнаружили, что срочные заявки, такие как перевозка скоропортящихся продуктов, уходили в обычный пул! Коллеги, если вы не отработаете такую заявку в максимально короткие сроки, клиент от вас уйдет к более расторопному конкуренту, и вы можете потерять не только одну перевозку, а долгосрочный контракт! Мы ввели уровень значимости заявок и самый высокий приоритет ставили именно скоропортящимся товарам, а также заявкам ключевых заказчиков и… новым клиентам! Которые были поражены скоростью обработки заказов и зачастую становились теми самыми «клиентами на всю жизнь».

Дальше в зависимости от типа заявки ей назначался путь прохождения – например, импорт должен был проходить через отдел внешнеэкономической деятельности (ВЭД), а заявки от постоянных клиентов старались отправить на менеджеров по работе с данным заказчиком, правда, в зависимости от их загрузки. А потом мы замерили скорость прохождения заявки и стали разбирать так называемые «бутылочные горлышки» – узкие места, которые тормозили прохождение заявки. Теперь персонал видел список к выполнению и время, за которое должен был его отработать. Все сотрудники стали заниматься своим делом. Выполнил все быстро – молодец, можешь пить кофе. Или отработать большее количество заявок и получить премию. Работаешь медленно – ну что ж, у твоих коллег это получается быстрее. Или учись работать быстрее, или сиди во внерабочее время, или мы найдем более шустрого сотрудника – все честно. И сотрудники с пониманием отнеслись к этой системе – ведь объективно поощряли толковых работников, а день у человека был расписан. Иногда встречались и заявки-исключения, которые надо было отдельно просчитывать, но они и попадали к определенным сотрудникам и оценивались по-другому. Таким образом, компания увидела текущую загрузку и эффективность работников, общая скорость обработки заявок выросла в два раза, а люди стали внимательно относиться к своему времени, и их перестали дергать по пустякам. Нужен отчет по работе? Возьми из системы – там все есть, а я должен выполнить свою работу. Ведь если я отвлекусь, заявок меньше не станет, а кто их будет за меня обрабатывать?

Кейс 6. Логистическая компания: пример оптимизации цепочки создания ценности

На этом мы не остановились. При обработке заявки были разработаны две части: доходная – услуги по перевозке грузов и дополнительные услуги, и расходная – расчетные затраты. Затратная часть формировалась автоматически из условий заявки на основании нормативов, плюс в процессе обработки в нее могли внести дополнительные затраты. А в доходной части у менеджера была возможность предложить дополнительные услуги, такие как экспедирование, страхование при перевозке скоропортящихся товаров или опасных грузов, – про которые человек мог просто забыть, а тут они всегда были перед глазами, а иногда и вводились автоматически. Это позволило на 10 % увеличить чек, при этом заказчик получал более широкий спектр услуг. Затраты на перевозку регулярно собирались и анализировались – таким образом, нормативы по расходам постоянно были актуальными. При этом у менеджера автоматически выводилась расчетная стоимость заявки, которая или подтягивалась из договора, если поставка шла в рамках долгосрочного контракта, или ставилась как +30 % от расходной части, но он мог сделать скидку до 25 % маржи. Скидку ниже 25 % расчетной маржи одобрял коммерческий директор, а ниже 15 % – только генеральный директор или основной акционер компании. Но и это еще не все: был подготовлен контрольный список документов, и, если хотя бы один документ не был готов, заказ не принимался к отправке – иначе он мог встать на таможне, машину бы пришлось разгружать, перегружать, платить за ответственное хранение… это сэкономило много денег, времени и нервов. Но самое главное – это анализ отклонений. Заявка не закрывалась при отгрузке товара заказчику – сначала шел разбор полетов по себестоимости перевозки. Почему получилось то или иное отклонение? Произошел разовый сбой или нужно корректировать нормативы? И тут вскрылось страшное: оказывается, подрядчики выставляли компании дополнительные счета, которые компания просто забывала перевыставлять клиентам! При создании заявки было указано, что груз 200 кг, а привезли 229 кг. Вроде небольшая разница в весе, но мы-то выставили счет клиенту на перевозку 200 кг, а подрядчик нам – на все 229 кг! Данный процесс стал контролироваться заранее, и менеджеры стали своевременно выставлять скорректированные счета клиентам. И, кстати, все платили – они же не знали, что груз будет весить именно столько. Ну, чуть больше – они и платят чуть больше, все по договору, цена за килограмм не изменилась, все нормально. А подобные нарушения изначально были в 25 % всех заказов. Вот и считайте, сколько стоят ваши процессы.

Глава 11. Что может дать автоматизация?

Разумеется, кроме ускорения процессов автоматизация может привнести много интересных вещей, которые необходимо использовать.

Кейс 7. Крупный дистрибьютор пищевых продуктов

Приведу очень интересный пример пилотного проекта моих партнеров – компании RBC International Group для крупного дистрибьютора, который помог решить типовые проблемы в ритейле и очень быстро понять окупаемость системы. Во время демонстрации прототипа системы, к тому же сделанного на «боевых» данных потенциального заказчика, от их генерального директора поступило резкое замечание, что система работает некорректно: по соотношению скорости оборачиваемости к замороженным финансовым средствам один из товаров значительно выбивался вперед – это был сыр моцарелла. Система показывала, что сыра на складе чуть менее 10 тонн. Генеральный директор объяснила консультантам, что это за товар – его везут напрямую из Италии самолетом и продают только в дорогие рестораны. А тут – 10 тонн! Да его в месяц уходит всего около 100 кг! На наше замечание: «Так данные-то ваши!» – директор позвонила на склад, выяснила ситуацию, и оказалось, что при заказе итальянские партнеры расценили точку как разделитель, выставили счет за 10 тонн, а компания оплатила счет и закупила в 100 раз больше необходимого количества. Да, и самолетом все это привезли.

Директор была изумлена. Проект пришлось отложить, так как у моцареллы, как известно, очень ограниченный срок хранения. И руководству пришлось быстро распродавать имеющиеся запасы – да хоть по себестоимости, лишь бы вытащить деньги до того, как товар испортится. В итоге компания успела продать все запасы и стала нашим хорошим заказчиком – без этого пилотного проекта она понесла бы серьезные убытки, и руководители увидели «знак судьбы» в столь своевременном появлении поставщика такого интересного инструмента.

Система может полностью убрать повседневную рутину: сотрудникам не придется ежечасно следить, где находится товар, заказан ли он, доставлен ли поставщиком, – это может быть полностью автоматизировано. Система рассчитает точку заказа и необходимое количество товара, заказ сформирует, отследит поставку груза или распределение его со склада до торговых точек, оповестит категорийных менеджеров в случае отклонений и даже автоматически выставит штрафные санкции поставщику за несвоевременно привезенный товар. Это значительно разгружает сотрудников, освобождает их от рутины и концентрирует на основной задаче – формировании привлекательной ассортиментной матрицы, чтобы достать все деньги из кошелька потребителей. Но вместе с одной региональной торговой сетью мы пошли еще дальше.

Кейс 8. Региональная розничная сеть

В этой торговой сети все тоже началось с пилотного проекта, который выявил чудовищные упущения: от 8 до 20 % товаров периодически отсутствовали на полке (тот самый out-of-stock), а от 5 до 15 % товаров (в различных категориях) находились непрерывно на остатке более года! То бутилированную воду на два года вперед закупят, то контейнер соуса кетчуп, чтобы бонусы получить за выполнение плана, а он и лежит. Разумеется, сначала стартовал проект по исправлению выявленных нарушений, потом внедрили автозаказ, автоматизировали выставление заявок на пополнение и работу категорийных менеджеров. Сформировав систему, решили пойти дальше. Разумеется, мы можем поднять уровень сервиса по любому товару до 100 %, просто подняв страховые запасы. Но разумно ли это? Ведь в резервах заморожены наши денежные средства! Все товары были ранжированы с помощью ABC-/XYZ-анализа[16]16
  Сочетание АВС– и XYZ-анализа: АВС-анализ позволяет оценить вклад каждого продукта в структуру сбыта, XYZ-анализ позволяет оценить стабильность спроса.


[Закрыть], рассчитан сводный индекс полезности товара, и в соответствии с ним для каждой позиции найден оптимальный уровень сервиса, что позволило значительно высвободить рабочий капитал.

При работе система не просто пересчитывала данный индекс, но и автоматически следила за уровнем страховых запасов: если приближался сезон или товар начинали чаще покупать, то система автоматически поднимала уровень страховых запасов и увеличивала закупку. По окончании сезона или при снижении частоты покупки товара система автоматически уменьшала страховые резервы, что также высвобождало так необходимые оборотные средства. Подобный проект не только повысил прибыльность компании – он фактически на треть увеличил маржинальность при тех же оборотах.

Один из важных выводов по этому проекту, который был осуществлен с помощью компании InfoVizion, – это то, что люди настолько загружены сопутствующими задачами, что им не хватает времени выполнять свою работу. Постоянно что-то горит: тут товар недовезли, там не то заказали… Как только четко настроенная система берет на себя всю рутинную работу, у сотрудников появляется время, чтобы качественно работать, например, вводить новые продукты, планировать ассортимент и рекламные акции.

Кстати, самый приятный для меня момент – директор по информационным технологиям, который инициировал реализацию данного проекта и «учил бизнес продавать товар», по итогам выполнения проекта был назначен операционным директором: у него отлично получается отслеживать процесс поставок и работу торговой сети как единого слаженного механизма.