Reporting dodavatelského řetězce: proč vedení dostává čísla se dvoutýdenním zpožděním

Kolik skutečně stojí čtrnáct dní staré číslo

Skutečným nákladem nejsou hodiny práce analytika. Jde o to, že každé rozhodnutí děláte na základě stavu, který už neplatí. Organizace to kompenzují jediným způsobem, který znají: rezervou. Drží víc zásob, než vyžaduje požadovaná dostupnost, plánují větší kapacity, než odpovídá objemu, a do procesů zapojují víc lidí, než je nutné. Firma si tak kupuje polštář pro případ, že nestihne zareagovat na problém včas.

Spočítejte si to na vlastním cyklu. Číslo se objeví v prezentaci pro vedení čtrnáct dní po konci měsíce. Rozhodnutí, které má vyvolat, zabere další týden schvalování a komunikace. Reagujete tak na změnu, která začala zhruba před šesti týdny. Pokud se vaše dodací lhůty pohybují mezi čtyřmi a šesti týdny, strávíte jeden celý cyklus doplňování zásob prací s informacemi, které byly zastaralé už ve chvíli, kdy dorazily.

Existuje i druhý náklad, který se v ekonomickém zdůvodnění objevuje málokdy: rozhodnutí, která nikdo neudělá. Úprava ceny, která dávala smysl ve druhém týdnu, už v sedmém týdnu nestojí za to, takže se od ní tiše odstoupí. Nikdo to nezaznamená jako ztrátu, ale projeví se to později na marži.

Příčina 1: číslo nemá vlastníka

Pokud stejné KPI počítáte na třech místech, každý reportingový cyklus začíná dohadováním o správnosti čísel místo rozhodování.

Důvodem je postupné rozostřování definic. Zahrnuje dostupnost i promoční položky, nebo jen základní sortiment? Počítáte výpadek zásob na prodejnu a den, nebo na řádek objednávky? Zahrnuje hodnota zásob i zboží na cestě? Každé oddělení odpoví tak, aby jeho vlastní výsledky vypadaly co nejlépe, a každá odpověď se dá sama o sobě obhájit. Nedostanete tak jedno špatné číslo, ale čtyři obhajitelná čísla a schůzku, která se změní v audit.

Strukturální verzi tohoto problému jsme řešili v DPMUL, městském dopravním podniku v Ústí nad Labem. Jejich operativní data ležela v několika nepropojených systémech, u externích dodavatelů, v interních tabulkách a po jednotlivých odděleních. Než mohl kdokoli smysluplně postavit dashboard, museli jsme nejprve vyřešit samotnou roztříštěnost dat.

Řešením není slovník KPI na interní wiki. Ten má většina firem, které tímto problémem trpí. Řešením je určit u každého čísla jednoho konkrétního člověka, který stanoví, co číslo znamená, a jako jediný smí tuto definici změnit. To je rozhodnutí o řízení, ne datový projekt, a nestojí nic víc než ochotu ho udělat. Design KPI a monitoring výkonu obvykle začíná právě tady, ne u samotných reportů.

Příčina 2: zdroje se neshodují a někdo je páruje ručně

Váš ERP, WMS, portál přepravce a promoční kalendář mají každý svou vlastní verzi stejného týdne. Kódy položek se liší, hierarchie prodejen se liší, kalendáře se liší a jeden ze systémů počítá poslední den v měsíci jinak než ostatní.

Propojení dat tak vyžaduje lidský úsudek. A úsudek není zopakovatelný. Člověk, který data spojuje, dělá dvacet drobných rozhodnutí, která existují jen v jeho hlavě a ve vzorcích jednoho excelového sešitu. Proto se měsíční uzávěrka nezrychluje ani s praxí, což je ten nejjasnější diagnostický signál. Pokud vám uzávěrka před rokem trvala čtyři dny a dnes trvá také čtyři dny, úzkým místem není snaha ani dovednosti. Znamená to, že se práce dělá každý měsíc úplně od začátku.

Automatizace vám nepomůže, dokud neuspořádáte základní mapování kmenových dat. Pravidelná aktualizace nad nereprodukovatelným propojením prostě jen včas vygeneruje špatný výsledek. Viditelnost a dostupnost dat je sice ta méně atraktivní část práce, ale rozhoduje o tom, jestli bude fungovat všechno ostatní.

Příčina 3: report vzniká pro archiv, ne pro akci

Report, který neříká, co se změnilo a kdo by na to měl reagovat, je jen dokument, ne řídicí nástroj.

Většina sad reportů z dodavatelského řetězce představuje spíš inventuru minulého měsíce. Jsou kompletní a hezky naformátované, ale vyžadují, aby si čtenář udělal analýzu sám, na což top management nemá čas a střední management mandát. Alternativou je práce s odchylkami: nastavíte prahové hodnoty pro to, co už je odchylka, pošlete upozornění roli, která s tím může něco udělat, a vytvoříte frontu úkolů, kde je vidět, jestli to někdo skutečně vyřešil.

Arctic Fox, český distributor a retailový partner značky Fjällräven, si tímto posunem prošel během pandemie. Hodnota BI nástroje, který jsme pro ně postavili, nespočívala v počtu grafů. Nástroj je naváděl ke konkrétním rozhodnutím o zařazení produktů, struktuře zásob, promocích a připravenosti na sezónu přesně ve chvíli, kdy se s tím dalo něco dělat.

Příčina 4: poslední míle stojí na jednom člověku

Ve většině středně velkých firem dává měsíční report dodavatelského řetězce dohromady jeden analytik a odvádí velmi dobrou práci. To ale zároveň znamená, že report má jediný bod selhání s nárokem na dovolenou.

Z toho plynou dvě věci. Zaprvé, když tento člověk chybí, report přijde pozdě nebo se čísla odhadují a všichni to vědí. Zadruhé, důvěryhodnost čísel stojí na osobě, ne na systému: lidé číslům věří, protože věří danému člověku, což funguje přesně do chvíle, než z firmy odejde.

Právě tuto příčinu klienti pojmenovávají nejméně rádi, protože daný analytik bývá kompetentní, loajální a dělá firmě laskavost. Pojmenovat problém neznamená analytika kritizovat. Znamená to uznat, že firma postavila svůj řídicí systém na pečlivosti jednoho člověka.

Jak to opravit a v jakém pořadí

Na pořadí záleží víc než na jednotlivých krocích, protože každý zlevňuje ten následující.

• 1. Definice a vlastníci. Jeden člověk na jedno číslo, který má pravomoc určit jeho význam.
• 2. Zdrojový model a mapování kmenových dat. Jedno místo, kde sjednotíte položku, lokaci, dodavatele a kalendář, takže spojování dat přestane být otázkou interpretace.
• 3. Automatická aktualizace a výpočty. Teprve teď se automatizace vyplatí, protože bude opakovat správný postup.
• 4. Logika odchylek a upozornění. Prahové hodnoty, směřování úkolů a viditelná fronta.
• 5. Self‑service a školení. Dejte lidem možnost odpovídat si na další otázky samostatně, jinak se s každým doplňujícím dotazem vrátí za analytikem.

Nejčastější chybou je začít třetím krokem, protože ten si můžete jednoduše koupit. Automatizace sporného čísla spor nevyřeší, jen ho zrychlí. Tři různá oddělení dostanou číslo, se kterým nesouhlasí, rychleji a důvěra v reporting klesne ještě víc. K řešení takového výsledku nás klienti zavolali nejednou a lékem je vždycky návrat k prvnímu kroku.

Jsou ale i situace, kdy se tento postup nevyplatí. Pokud je váš provoz skutečně stabilní a rozhodujete se jen jednou za čtvrt roku, dvoutýdenní zpoždění vás moc nestojí a peníze byste měli investovat jinde. A pokud plánujete do roka vyměnit ERP nebo WMS, na pořadí záleží: postavte reportingový model nad systémem, který budete mít, ne nad tím, který rušíte. Opačný postup znamená, že integraci zaplatíte dvakrát.

Jak to vypadá, když to funguje

V DPMUL probíhala práce v pěti krocích: zhodnotili jsme současný stav, navrhli cíl, sladili ho s reálnými potřebami plánování, podpořili adopci a následně začlenili nový přístup do stávajících procesů. Výsledkem bylo nahrazení excelových postupů strukturovanou analytikou. Všechna operativní data skončila v jedné analytické aplikaci a dashboardy, grafy i mapy dnes podporují úpravy jízdních řádů a provozu, které dřív čekaly, až někdo zpracuje tabulku.

Právě ten poslední bod je klíčový. Výstupem nebyl report. Výstupem bylo zkrácení vzdálenosti mezi tím, kdy se něco změní, a okamžikem, kdy o tom někdo rozhodne.

Tady se také náš přístup liší od prostého nákupu BI platformy a doufání v zázrak. Logio najde problém v datech, přestaví proces podle toho, co data ukazují, a až pak postaví nástroj, který to celé řídí. Takto provedená automatizace reportingu je změnou provozního modelu s podporou softwaru, nikoliv nákup softwaru s naroubovaným provozním modelem.

Čtyři otázky na nejbližší poradu vedení

Vezměte si reporty, které máte před sebou, a u každého čísla se zeptejte:

• Jak je staré? Nemyslíme tím, kdy vznikl slide, ale kdy se zachytila podkladová data.
• Kdo vlastní jeho definici? Jedno jediné jméno. Pokud neexistuje nikdo, nebo jsou to tři lidé, našli jste první problém.
• Kolik rukou a ručních kroků stojí mezi zdrojovým systémem a tímto slidem? Pokud to v místnosti nikdo neví, máte odpověď.
• Co se s reportem stane, když tento člověk odjede na čtrnáct dní na dovolenou?

Tyto čtyři odpovědi vám o reportingu řeknou víc než jakékoliv srovnávání dodavatelů. Pokud se vám nebudou líbit, náprava začíná úpravou procesů, ne vypsáním výběrového řízení.

Ozvěte se nám, pokud chcete slyšet nezávislý názor na to, kde se zpoždění skutečně nabírá. Začneme raději těmito čtyřmi otázkami než ukázkou softwaru.

Často kladené otázky

Potřebujeme datový sklad, než začneme automatizovat reporting dodavatelského řetězce?
Ne vždy. Datový sklad řeší opakovatelnost a historii ve velkém měřítku. Pokud spojujete mnoho zdrojových systémů, nakonec ho budete potřebovat. Spousta firem ale získá funkční reportingový cyklus už tím, že sjednotí definice, narovná mapování kmenových dat a zautomatizuje jasně definovanou sadu čísel nad stávajícími systémy. Nákup datového skladu jako první krok je častý způsob, jak promrhat rok, aniž by se pro vedení cokoliv změnilo.

Stačí samotné Power BI?
Power BI nebo podobný nástroj slouží jen k zobrazení. Zobrazí jakýkoliv model, který mu předhodíte, a to i ten špatný. V samotném nástroji problém většinou není. Úzkým místem je model, kmenová data pod ním a vlastnictví jednotlivých definic.

Měli bychom místo automatizace raději nabrat dalšího analytika?
Další analytik pomůže ruční cyklus přežít, což má určitou hodnotu, ale zároveň prohloubí závislost na lidech místo na procesech. Pokud se váš cyklus nezrychluje s praxí, problém je strukturální a další pár rukou zpoždění neodstraní.

Jak poznáme, že skutečným problémem jsou definice KPI?
Požádejte tři různá oddělení o stejné číslo za stejný měsíc. Písemně a bez vysvětlování důvodu. Pokud se odpovědi liší, máte důkaz. Zabere to den a je to nejlevnější diagnostika z celého článku.