Upravljanje počinje pronalaženjem uskog grla
Pre mnogo godina radio sam u upravljanju proizvodnjom u auto-elektronici — industriji gde je informacija skupa, ali neophodna. Danas, služeći male proizvođače u UAE, vidim suprotno: skoro nikakvih digitalnih alata za upravljanje. Prava prilika AI je da promeni upravo tu strukturu troškova — sistem sam izvlači signale iz faktura, narudžbina i projektne dokumentacije, pa vlasnik svakog dana može lakše da odgovori na jedno jednostavno pitanje: šta sledeće da popravim?
Pre mnogo godina radio sam u upravljanju proizvodnjom u industriji auto-elektronike.
To je industrija koja zahteva izuzetno visoku preciznost upravljanja.
Zalihe moraju biti tačne, planovi proizvodnje moraju biti pažljivi, materijali moraju stizati na vreme, a kvalitet i ujednačenost proizvoda moraju biti pod kontrolom. Veoma mala devijacija može se uvećavati iznova i iznova duž lanca snabdevanja i proizvodne linije.
Iza svega toga stoji velika količina tačnih informacija.
Koliki je nivo zaliha? Koliki je prinos? Koji korak procesa je najsporiji? Koji dobavljač često kasni? Koji materijali se abnormalno troše? Koliki je pravi trošak proizvodnje jednog proizvoda?
Da bi dobila ove odgovore, kompanija mora da podnese i znatne troškove upravljanja: ERP, MES, sisteme kvaliteta, tim za lanac snabdevanja, planere proizvodnje i mnogo prikupljanja i održavanja podataka.
Nedavno, služeći lokalne proizvođače u Ujedinjenim Arapskim Emiratima, video sam potpuno drugačiju sliku.
Proizvodnja mnogih malih proizvođača ovde nije komplikovana.
Nameštaj, obrada, proizvodi po meri, male radionice... mnogi od njih kupuju materijale, planiraju proizvodnju i isporučuju tek pošto stigne narudžbina kupca.
Ali ono što me je duboko impresioniralo jeste da skoro da nemaju prave digitalne alate za upravljanje.
Veliki deo informacija živi u Excelu, WhatsAppu, na papiru i u sećanju ljudi. Računovodstvo možda radi na Tallyju, koji krajem meseca daje Balance Sheet i Profit & Loss.
Ti izveštaji su svakako važni.
Ali za vlasnika koji vodi biznis svakog dana, oni često ne mogu direktno da odgovore na važnije pitanje:
Gde je tačno pošlo naopako?
Zašto je jedan projekat zaradio 20 % manje nego što se očekivalo?
Da li su materijali kupljeni preskupo?
Da li je materijal rasipan?
Da li je radno vreme premašilo plan?
Da li je dobavljač isporučivao presporo?
Da li se proizvodni ciklus produžio?
Ili je ponuda jednostavno bila pogrešna od početka?
To me je vratilo na jedno veoma osnovno shvatanje iz mojih dana u upravljanju proizvodnjom:
Polazna tačka upravljanja je da se nađu problemi — i da se nađe usko grlo.
A da bi se našlo usko grlo, prvo mora da se vidi.
Finansijski podaci su samo jedan deo.
Customer Order, Quotation, Purchase, Material Cost, Labour, WIP, Delivery Time, Gross Margin, Receivables...
Kada se ove prvobitno raztrkane informacije mogu povezati oko jedne narudžbine, jednog projekta, jednog proizvodnog ciklusa, počinju da proizvode potpuno drugačiju vrednost.
Preduzeće za nameštaj, na primer, ne mora nužno da ima sistem za planiranje proizvodnje složen kao u auto-industriji.
Vlasnik možda samo treba da zna, svakog dana:
Koliko projekata je sada u proizvodnji?
Koji projekat je prešao budžet?
Koji projekat je najduže zaglavljen?
Da li troškovi materijala rastu ili padaju u poslednja tri meseca?
Koliko dana u proseku prođe od narudžbine do konačne isporuke?
Koji tip narudžbine donosi najbolju maržu?
A onda nastaviti da prati ove brojke.
Uočiti anomalije.
Naći uzrok.
Promeniti proces.
I proveriti da li se brojke popravljaju.
To je ono što čini pravu upravljačku petlju:
Measure → Find the Problem → Find the Bottleneck → Improve → Measure Again.
Sve više verujem da je ovo možda jedna od najvećih prilika koje AI donosi malim proizvođačima.
U prošlosti, nije bilo to što tim preduzećima upravljanje nije trebalo.
Nego što je samo dobijanje upravljačkih informacija bilo preskupo.
Za tačne podatke trebalo je uvesti složen softver, obavezati zaposlene na unos podataka, platiti stručnjake za održavanje i na kraju naći nekoga ko će vlasniku objasniti gomilu izveštaja.
Za malu fabriku od nekoliko desetina ljudi, ta struktura troškova se teško opravdava.
Ono što AI ima priliku da promeni jeste upravo ta struktura troškova.
Neka sistem sam izvlači informacije iz faktura, bankarskih transakcija, nabavki, narudžbina kupaca, projektne dokumentacije i svakodnevnih tokova rada; neka poveže finansijske sa operativnim podacima; i neka neprestano traži anomalije i uska grla.
Ne instalirati u malu fabriku umanjenu verziju korporativnog ERP-a.
Nego olakšati vlasniku da svakog dana odgovori na jedno veoma jednostavno pitanje:
What should I fix next?
Za mene, ovo je možda i najzanimljiviji korak koji SnapLedger može da napravi dalje od računovodstvenog softvera.
Accounting tells you what happened.
Management should help you understand why — and what to improve next.
SnapLedger, your life easier.
Upravljanje počinje pronalaženjem uskog grla, a da bi se ono našlo, prvo mora da se vidi. Finansijski podaci su samo deo slike — kada se narudžbine, ponude, nabavke, troškovi materijala, rad, WIP, rokovi isporuke, marže i potraživanja povežu oko jedne narudžbine ili projekta, počinju da odgovaraju na pitanje na koje sami finansijski izveštaji ne mogu: gde je tačno pošlo naopako?
Ako vodite malu fabriku — koji broj biste voleli da vidite svakog jutra: koliko projekata je u proizvodnji, koji je prešao budžet, koji je najduže zaglavljen, ili koji tip narudžbine donosi najbolju maržu?
Računovodstvo vam kaže šta se desilo. Upravljanje treba da vam pomogne da razumete zašto — i šta sledeće da unapredite.
Primajte Founder Diary + regulatorna ažuriranja za vašu zemlju
E-pošta kada Richard objavi novi zapis, i regulatorne novosti koje su važne tamo gde živite. Besplatno, odjava u bilo kom trenutku.