Эффективность логистики определяется всей цепочкой исполнения заказа — от его оформления до доставки. Аналитика бизнес-процессов — Process Mining — восстанавливает фактический ход процесса по данным из внутренних корпоративных систем и выявляет причины задержек, повторных операций и роста затрат.
Почему локального анализа недостаточно
Логистический процесс не ограничивается работой склада или перевозчика. В исполнении заказа участвуют продажи, закупки, финансовый блок, производство, склады и транспортные службы. Каждое из подразделений работает в собственных системах и оценивает результат по своим параметрам. Из-за этого причина задержки часто не там, где она проявилась. Склад может не отгрузить товар вовремя из-за позднего резервирования, а транспортная заявка создается с опозданием, потому что заказ долго находился на согласовании. Доставка переносится из-за ошибки в данных, возникшей еще при оформлении заказа.
ERP, WMS, TMS, CRM и другие системы фиксируют отдельные этапы процесса, но стандартная отчетность не всегда позволяет связать их в единую последовательность. Бизнес видит снижение OTIF, рост времени обработки или увеличение числа отмен, однако не может быстро определить, какие действия привели к отклонению.
Process Mining объединяет события из нескольких систем по конкретному объекту — заказу, поставке, складскому заданию или транспортной заявке. Технология показывает фактический маршрут каждого экземпляра процесса, продолжительность этапов, возвраты, ожидание, ручные корректировки и отклонения от установленного порядка.
Какие задачи решает Process Mining в логистике
Один из основных сценариев — анализ исполнения заказов. Компания может определить, какие заказы проходят по целевому маршруту, а какие требуют дополнительных согласований, изменений и ручных действий. При этом оценивается не только продолжительность всего цикла, но и время между отдельными операциями.
Например, система позволяет установить, сколько заказов задерживается из-за кредитной блокировки, отсутствия товара, изменения даты доставки или повторного ввода данных. Далее эти отклонения можно сопоставить с регионами/перевозчиками/товарными категориями и подразделениями.
Второй сценарий — складская логистика. Process Mining показывает маршруты складских заданий, время отбора и размещения товара, количество повторных операций и периоды ожидания. Анализ помогает находить участки, где сотрудники совершают лишние перемещения, повторно обрабатывают одни и те же позиции или ожидают подтверждения от других служб.
Третий сценарий связан с управлением запасами. Товар может числиться на складе, но быть недоступным для заказа из-за некорректной блокировки или двойного резервирования. Процессная аналитика позволяет выявить такие случаи и оценить их влияние на доступность продукции и оборотный капитал.
Еще одно направление — предупреждение срывов. Если система получает данные регулярно, компания может отслеживать заказы, которые отклоняются от типового маршрута или приближаются к предельному сроку. Это дает возможность вмешаться до того, как задержка приведет к претензии клиента или штрафу.
Какие результаты получают компании
В GE HealthCare Process Mining применили к цепочке поставок оборудования для компьютерной томографии в США и Канаде. Компания получила сквозную видимость исполнения заказов вплоть до отдельных позиций и смогла связать задержки с конкретными этапами процесса. За шесть недель цикл исполнения заказов сократился на 18 дней. Движение денежных средств ускорилось на две недели, а за один квартал компания высвободила несколько миллионов долларов свободного денежного потока.
MOL Group проанализировала около 4,5 млн записей по процессу исполнения заказов. До начала проекта компания считала, что примерно 92% заказов проходят без ошибок и доработок. Process Mining показал, что фактическая доля таких заказов составляла менее 50%. Расхождение возникло из-за большого количества вариантов процесса и ручных вмешательств, которые не учитывались в агрегированной отчетности. За три года компания увеличила долю корректно исполненных заказов примерно до 70%, а эффективность клиентского подразделения — на 25%.
В Reckitt процессную аналитику использовали для управления заказами и выявления поставок с риском задержки. В североамериканском подразделении доля заказов, обрабатываемых без ручного вмешательства, выросла с 34 до 84%. Среднее количество ручных действий на один заказ сократилось с 4,2 до 2, а своевременность доставки увеличилась на 12 процентных пунктов. Результат был достигнут за счет определения критичных заказов, оперативного снятия блокировок и приоритизации действий сотрудников.
Ритейлер Globus обнаружил с помощью Process Mining, что часть интернет-заказов исполнялась товарами из магазинов. Продукцию сначала возвращали в распределительный центр и только затем отправляли покупателю. Такая схема увеличивала срок исполнения и количество внутренних перемещений. Анализ также выявил двойное резервирование товаров и некорректный учет выставочных образцов. После изменения процессов общий уровень отмен снизился на 20%, а доля заказов, по которым компания выполняет данные клиентам обещания, достигла 99,9%.
Какие данные нужны для анализа
Первый проект целесообразно ограничить одним процессом и одним объектом анализа. Это может быть клиентский заказ, поставка, транспортная заявка, закупка или складское задание.
В модель также включают сведения о складе, подразделении, перевозчике, товарной группе, регионе, стоимости заказа, типе доставки, ответственном сотруднике и статусах блокировок.
Чем точнее события из разных систем связаны между собой, тем полнее будет фактическая модель. В сквозном процессе один заказ может получить разные идентификаторы в CRM, ERP, WMS и TMS. Поэтому значительная часть подготовки связана не с визуализацией, а с проверкой качества данных и настройкой правил их объединения.
Как превратить анализ в результат
Карта процесса сама по себе не сокращает срок поставки. После выявления отклонения необходимо определить его причину и закрепить порядок реакции.
Если заказы регулярно задерживаются из-за кредитных блокировок, нужно изменить механизм их проверки и снятия. Если проблема связана с поздним резервированием, пересматриваются правила распределения запасов. Если сотрудники вручную исправляют одни и те же данные, необходимо устранить источник ошибок или настроить автоматическую проверку.
На следующем этапе Process Mining можно использовать для постоянного мониторинга. Система будет выявлять заказы с риском просрочки, уведомлять ответственных, контролировать выполнение действий и показывать, повлияло ли изменение процесса на OTIF, длительность цикла и количество ручных операций.