Zarządzanie zaczyna się od znalezienia wąskiego gardła
Lata temu pracowałem w zarządzaniu produkcją w elektronice motoryzacyjnej — branży, w której informacja jest droga, ale niezbędna. Obsługując dziś małych producentów w ZEA, widzę coś przeciwnego: prawie brak cyfrowych narzędzi zarządzania. Prawdziwa szansa AI to zmiana tej struktury kosztów — system sam wyciąga sygnały z faktur, zamówień i dokumentów projektowych, by właściciel mógł codziennie odpowiedzieć na jedno proste pytanie: co powinienem naprawić następnym razem?
Wiele lat temu pracowałem w zarządzaniu produkcją w branży elektroniki motoryzacyjnej.
To branża wymagająca niezwykle wysokiej precyzji zarządzania.
Zapasy muszą być dokładne, plany produkcji muszą być skrupulatne, materiały muszą docierać na czas, a jakość i powtarzalność produktu muszą być kontrolowane. Bardzo małe odchylenie może być wzmacniane raz za razem wzdłuż łańcucha dostaw i linii produkcyjnej.
Za tym wszystkim stoi ogromna ilość dokładnych informacji.
Jaki jest poziom zapasów? Jaka jest wydajność? Który etap procesu jest najwolniejszy? Który dostawca często się spóźnia? Które materiały są zużywane nieprawidłowo? Jaki jest prawdziwy koszt wytworzenia produktu?
Żeby uzyskać te odpowiedzi, firma musi też ponieść znaczne koszty zarządzania: ERP, MES, systemy jakości, zespół łańcucha dostaw, planistów produkcji oraz mnóstwo pracy przy zbieraniu i utrzymaniu danych.
Ostatnio, obsługując lokalnych producentów w Zjednoczonych Emiratach Arabskich, zobaczyłem zupełnie inny obraz.
Produkcja wielu małych zakładów nie jest tu skomplikowana.
Meble, obróbka, produkty na zamówienie, małe warsztaty... wiele z nich kupuje materiały, planuje produkcję i dostarcza dopiero po otrzymaniu zamówienia od klienta.
Ale to, co zrobiło na mnie głębokie wrażenie, to że prawie nie mają prawdziwych cyfrowych narzędzi zarządzania.
Duża część informacji żyje w Excelu, WhatsAppie, na papierze i w pamięci ludzi. Księgowość może działać na Tally, dając na koniec miesiąca Balance Sheet i Profit & Loss.
Te raporty są oczywiście ważne.
Ale dla właściciela, który prowadzi firmę każdego dnia, często nie potrafią bezpośrednio odpowiedzieć na ważniejsze pytanie:
Gdzie dokładnie coś poszło nie tak?
Dlaczego jeden projekt zarobił o 20 % mniej niż oczekiwano?
Czy materiały kupiono za drogo?
Czy materiały zostały zmarnowane?
Czy czas pracy przekroczył plan?
Czy dostawca dostarczał zbyt wolno?
Czy cykl produkcji się wydłużył?
Czy może wycena była po prostu błędna od początku?
To przypomniało mi bardzo podstawową prawdę z czasów zarządzania produkcją:
Punktem wyjścia zarządzania jest znalezienie problemów — i znalezienie wąskiego gardła.
A żeby znaleźć wąskie gardło, trzeba najpierw móc widzieć.
Dane finansowe to tylko część.
Customer Order, Quotation, Purchase, Material Cost, Labour, WIP, Delivery Time, Gross Margin, Receivables...
Gdy te pierwotnie rozproszone informacje można połączyć wokół jednego zamówienia, jednego projektu, jednego cyklu produkcyjnego, zaczynają dawać zupełnie inną wartość.
Firma meblarska na przykład niekoniecznie potrzebuje systemu planowania produkcji tak złożonego jak w przemyśle motoryzacyjnym.
Właściciel może potrzebować tylko codziennie wiedzieć:
Ile projektów jest teraz w produkcji?
Który projekt przekroczył budżet?
Który projekt utknął najdłużej?
Czy koszty materiałów rosną czy maleją w ostatnich trzech miesiącach?
Ile dni mija średnio od zamówienia do ostatecznej dostawy?
Jaki typ zamówienia daje najlepszą marżę?
A potem stale monitorować te liczby.
Wykrywać anomalie.
Znaleźć przyczynę.
Zmienić proces.
I sprawdzić, czy liczby się poprawiają.
To tworzy prawdziwą pętlę zarządzania:
Measure → Find the Problem → Find the Bottleneck → Improve → Measure Again.
Coraz bardziej wierzę, że to może być jedna z największych szans, jakie AI niesie małym producentom.
W przeszłości nie chodziło o to, że te firmy nie potrzebowały zarządzania.
Chodziło o to, że samo zdobycie informacji zarządczych było zbyt drogie.
Żeby mieć dokładne dane, trzeba było wdrożyć złożone oprogramowanie, wymusić na pracownikach wprowadzanie danych, zatrudnić specjalistów do utrzymania, a na końcu znaleźć kogoś, kto wytłumaczy właścicielowi stos raportów.
Dla małej fabryki liczącej kilkadziesiąt osób taka struktura kosztów jest trudna do obronienia.
Tym, co AI ma szansę zmienić, jest właśnie ta struktura kosztów.
Niech system sam wyciąga informacje z faktur, transakcji bankowych, zakupów, zamówień klientów, dokumentów projektowych i codziennych przepływów pracy; niech łączy dane finansowe z operacyjnymi; i niech nieprzerwanie szuka anomalii i wąskich gardeł.
Nie instalować w małej fabryce pomniejszonej wersji korporacyjnego ERP.
Tylko ułatwić właścicielowi codzienne odpowiadanie na jedno bardzo proste pytanie:
What should I fix next?
Dla mnie to może być też najciekawszy krok SnapLedger poza oprogramowanie księgowe.
Accounting tells you what happened.
Management should help you understand why — and what to improve next.
SnapLedger, your life easier.
Zarządzanie zaczyna się od znalezienia wąskiego gardła, a by je znaleźć, trzeba najpierw widzieć. Dane finansowe to tylko część obrazu — gdy zamówienia, wyceny, zakupy, koszty materiałów, robocizna, WIP, czasy dostawy, marże i należności łączą się wokół jednego zamówienia lub projektu, zaczynają odpowiadać na pytanie, na które sama sprawozdawczość nie potrafi odpowiedzieć: gdzie dokładnie coś poszło nie tak?
Jeśli prowadzisz małą fabrykę — jaką liczbę chcesz widzieć każdego ranka: ile projektów jest w produkcji, który przekroczył budżet, który utknął najdłużej, czy jaki typ zamówienia daje najlepszą marżę?
Księgowość mówi ci, co się stało. Zarządzanie powinno pomóc ci zrozumieć dlaczego — i co poprawić następnym razem.
Otrzymuj Founder Diary + aktualizacje regulacyjne dla Twojego kraju
E-mail, gdy Richard opublikuje nowy wpis, oraz zmiany w przepisach ważne tam, gdzie mieszkasz. Bezpłatnie, z możliwością rezygnacji w każdej chwili.