Manajemen Dimulai dengan Menemukan Bottleneck
Saya pernah bekerja di manajemen manufaktur elektronika otomotif — industri di mana informasi mahal tetapi tak tergantikan. Pada produsen kecil di UEA, saya melihat kebalikannya: hampir tidak ada alat manajemen digital. Peluang besar AI adalah mengubah struktur biaya itu — sistem mengekstrak sinyal sendiri dari faktur, pesanan, dan dokumen proyek, sehingga pemilik bisa menjawab satu pertanyaan sederhana setiap hari: apa yang harus saya perbaiki berikutnya?
Bertahun-tahun lalu, saya bekerja di manajemen manufaktur di industri elektronika otomotif.
Ini adalah industri yang menuntut presisi manajemen sangat tinggi.
Inventaris harus akurat, rencana produksi harus cermat, material harus tiba tepat waktu, dan kualitas serta konsistensi produk harus terkendali. Penyimpangan yang sangat kecil bisa terus membesar di sepanjang rantai pasokan dan lini produksi.
Dan di balik semua itu ada banyak informasi akurat.
Berapa tingkat inventaris? Berapa yield-nya? Tahap proses mana yang paling lambat? Pemasok mana yang sering terlambat? Material apa yang dikonsumsi secara tidak normal? Berapa biaya produksi sebenarnya dari sebuah produk?
Untuk mendapatkan jawaban ini, perusahaan juga harus menanggung biaya manajemen yang cukup tinggi: ERP, MES, sistem mutu, tim rantai pasokan, perencana produksi, serta banyak pengumpulan dan pemeliharaan data.
Baru-baru ini, saat melayani beberapa produsen lokal di Uni Emirat Arab, saya melihat sisi yang sama sekali berbeda.
Produksi banyak produsen kecil di sini tidak rumit.
Furnitur, fabrikasi, produk kustom, bengkel kecil... banyak di antaranya bahkan baru membeli material, menjadwalkan produksi, dan mengirim setelah pesanan pelanggan masuk.
Tapi yang sangat membekas bagi saya adalah, mereka hampir tidak punya alat manajemen digital yang nyata.
Sebagian besar informasi hidup di Excel, WhatsApp, kertas, dan ingatan orang. Akuntansi mungkin memakai Tally, yang menghasilkan Balance Sheet dan Profit & Loss di akhir bulan.
Laporan-laporan itu tentu penting.
Tapi bagi pemilik yang menjalankan bisnis setiap hari, laporan itu sering tidak bisa langsung menjawab pertanyaan yang lebih penting:
Di mana persisnya yang bermasalah?
Kenapa satu proyek menghasilkan 20 % lebih sedikit dari perkiraan?
Apakah material dibeli terlalu mahal?
Apakah material terbuang?
Apakah waktu kerja melebihi rencana?
Apakah pemasok terlalu lambat mengirim?
Apakah siklus produksi memanjang?
Atau penawarannya memang salah sejak awal?
Ini membawa saya kembali ke pemahaman yang sangat mendasar dari masa manajemen manufaktur saya:
Titik awal manajemen adalah menemukan masalah, dan menemukan bottleneck-nya.
Dan untuk menemukan bottleneck, pertama-tama Anda harus bisa melihat.
Data keuangan sebenarnya hanya sebagian.
Customer Order, Quotation, Purchase, Material Cost, Labour, WIP, Delivery Time, Gross Margin, Receivables...
Informasi yang tadinya tersebar di berbagai tempat ini, kalau bisa dihubungkan di sekitar satu pesanan, satu proyek, satu proses produksi, mulai menghasilkan nilai yang sama sekali berbeda.
Misalnya, perusahaan furnitur belum tentu butuh sistem perencanaan produksi sekompleks industri otomotif.
Pemiliknya mungkin hanya perlu tahu setiap hari:
Berapa proyek yang sedang diproduksi sekarang?
Proyek mana yang sudah melampaui anggaran?
Proyek mana yang paling lama macet?
Apakah biaya material tiga bulan terakhir naik atau turun?
Berapa hari rata-rata dari pesanan masuk sampai pengiriman akhir?
Jenis pesanan mana yang marginnya paling baik?
Lalu terus pantau angka-angka ini.
Temukan anomalinya.
Temukan penyebabnya.
Ubah prosesnya.
Lalu lihat apakah angkanya membaik.
Itulah yang membentuk siklus manajemen yang sesungguhnya:
Measure → Find the Problem → Find the Bottleneck → Improve → Measure Again.
Saya semakin merasa bahwa ini mungkin peluang besar yang dibawa AI untuk produsen kecil.
Dulu, bukan karena bisnis-bisnis ini tidak butuh manajemen.
Melainkan karena mendapatkan informasi manajemen itu sendiri terlalu mahal.
Untuk mendapatkan data akurat, perlu memasang perangkat lunak kompleks, meminta karyawan menginput data, membayar tenaga profesional untuk memeliharanya, dan pada akhirnya pemilik masih butuh seseorang yang menjelaskan setumpuk laporan kepadanya.
Untuk pabrik kecil berisi beberapa puluh orang, struktur biaya manajemen semacam itu sulit dibenarkan.
Yang berpeluang diubah AI justru adalah struktur biaya ini.
Biarkan sistem mengekstrak informasi sendiri dari faktur, transaksi bank, pembelian, pesanan pelanggan, dokumen proyek, dan alur kerja harian; menghubungkan data keuangan dengan data operasional; lalu terus mencari anomali dan bottleneck.
Bukan memasang ERP perusahaan besar versi mini di pabrik kecil.
Melainkan membuat pemilik lebih mudah menjawab satu pertanyaan paling sederhana setiap hari:
What should I fix next?
Bagi saya, ini mungkin juga langkah paling menarik bagi SnapLedger untuk bergerak melampaui accounting software.
Accounting tells you what happened.
Management should help you understand why — and what to improve next.
SnapLedger, your life easier.
Manajemen dimulai dengan menemukan bottleneck, dan menemukan bottleneck menuntut visibilitas lebih dulu. Data keuangan hanyalah sebagian — ketika pesanan, penawaran, pembelian, biaya material, tenaga kerja, WIP, waktu kirim, margin, dan piutang terhubung di sekitar satu pesanan atau satu proyek, mereka mulai menjawab pertanyaan yang tidak bisa dijawab laporan keuangan sendirian: di mana persisnya yang bermasalah?
Kalau Anda menjalankan pabrik kecil — angka apa yang ingin Anda lihat setiap pagi: berapa proyek sedang diproduksi, proyek mana yang melampaui anggaran, proyek mana yang paling lama macet, atau jenis pesanan mana yang marginnya paling bagus?
Akuntansi memberi tahu Anda apa yang terjadi. Manajemen seharusnya membantu Anda memahami mengapa — dan apa yang harus diperbaiki berikutnya.
Dapatkan Founder Diary + pembaruan regulasi untuk negara Anda
Email saat Richard menerbitkan tulisan baru, dan pembaruan regulasi yang penting di tempat Anda tinggal. Gratis, bisa berhenti berlangganan kapan saja.