Комьюнити и центр компетенций по цифровизации пищевой отрасли
Обучение, консалтинг, аналитика
  • Главная
  • Статьи
  • Как автоматизация расчета себестоимости в хлебопекарном производстве помогла увеличить прибыль?

Как автоматизация расчета себестоимости в хлебопекарном производстве помогла увеличить прибыль?

Материал подготовлен совместно с партнером комьюнити Digital4food, компанией Corplan.


Прошлый год поставил производственные компании перед новыми вызовами: подорожание сырья, нарушение или нестабильность поставок, смена поставщиков. В этих условиях, балансируя между сохранением качества и адекватной ценой товара на полке, производители вынуждено теряли в марже. 

Перед директором производства небольшого хлебопекарного предприятия встали непростые вопросы: за счет чего оптимизировать себестоимость и что гарантированно приведет к росту прибыли?

Частая смена вводных превратила когда-то понятный и отлаженный процесс работы в хаос. Как отразится на себестоимости изменение отдельных ингредиентов в рецептуре? А смена поставщика или заказ сырья у старого поставщика, но в большем объеме? 

Неверный ответ на любой из подобных вопросов оборачивался еще большими финансовыми убытками. Управление производством стало похоже на поездку на американских горках. Чтобы вернуть предсказуемость и контроль в рабочие процессы, команда компании полностью пересмотрела свои подходы в работе с данными и аналитикой на их основе.

Excel: как инструмент для аналитики на производстве 

Для снижения себестоимости, хлебопекарное предприятие разработало модель в Excel, предполагая в ней инсценировать различные пути оптимизации затрат. 

Восемь месяцев работы с этой моделью, вскрыли ряд недостатков в инструменте. Во-первых, невероятная трудоемкость в поддержании и актуализации данных. Для составления сводной таблицы, сотрудники из разных отделов (хлебопекарного цеха, цеха заготовок и начинок, склада сырья, отдела продаж и других) готовили данные по своему сегменту. После чего объемные Excel-файлы вручную приводились к единому знаменателю. На заполнение модели актуальными данными уходило не менее трех дней.

Во-вторых, в таблицах начали появляться ошибки из-за банального человеческого фактора. Одна слетевшая формула или неверно внесенная цифра, делали неточной всю работу в целом. Однажды пропущенная ошибка с каждым новым месяцем влекла за собой новые, наращивая неточность всего документа, как снежный ком.

Опираясь на такие данные, принимать решения – сложно, а рассчитывать реалистичные What-if сценарии – невозможно.

Внедрение автоматизированных платформ для аналитики

На производстве периодически возникает необходимость пересмотра методологии, поэтому решение об автоматизации отдельных процессов рассматривалось долго. Стоит ли инвестировать в технологию, если подходы в работе будут обновляться, а значит, требовать доработок и расходов на них вновь и вновь?  

Оценив риски, руководство компании решило отказаться от планирования в Excel в пользу решения, позволяющего автоматизировать работу с данными. Потенциальные выгоды перевешивали затраты на внедрение. Выбор был сделан в пользу Corplan – платформы семейства Optimacros, разработанной для малого и среднего бизнеса. Адаптация и перенос модели на платформу, включая бизнес-анализ, занял 4,5 недели.

В основе модели фактические данные за 6 месяцев, для следующих 6-ти месяцев моделируется план в нескольких сценариях, предполагающих различные варианты снижения себестоимости. Сравнение сценариев позволяет выбрать лучший путь.

«При работе над моделью для хлебопекарного производства, мы столкнулись с тем, что одному и тому же SKU в различных источниках присвоены разные артикулы, – рассказывает Алексей Шумаков, аналитик Corplan, – Например, «Пирожное Муравейник» на производстве имеет артикул PM003, а у розничных продавцов тот же самый SKU может быть записан как угодно: «Пирож. Муравейник», арт. 23718, «Муравейник», арт. MURAV35, «Набор пирожных» арт. ХП-13163 и так далее. Когда требуется настроить интеграцию данных из разных источников, CRM-системы или 1С, несовпадение артикулов становится частым препятствием на пути автоматизации.

В проекте мы предусмотрели маппинг,  сопоставление данных, благодаря которому данные приводились к единому знаменателю. В нашей модели для факта продаж по умолчанию мы взяли артикулы производства, так как заказчик и пользователь решения – директор производства».

Для компании была важна возможность просмотра данных в различных срезах: не только в формате удобном для производства. Для этого в модели продуманы различные маркеры, чтобы легко конвертировать данные и формировать аналитику в привычном для пользователей из разных отделов виде.

Еще одно преимущество нового решения – простота аллокации расходов. В модели на Corplan реализовано распределение общих расходов в зависимости от запроса: по объему производства, с учетом складской себестоимости, трудового ресурса, по объемам продаж и так далее.  

Варианты различных сценариев доступны в несколько кликов: как отразится на себестоимости и марже изменение ингредиентов, рецептуры или смена поставщика – точные эффекты представлены наглядно.  

 Результаты внедрения автоматизированной модели расчета себестоимости  

  • Высокая скорость расчетов: вместо трех дней для создания одного файла с одним сценарием в Excel, 5 минут для расчета нескольких вариантов на Corplan.
  • Ускорение расчетов расширяет горизонты планирования: теперь сотрудники хлебопекарного производства могут рассчитывать потребность в сырье на бóльший срок. За счет этого, можно делать закупку наиболее востребованных ингредиентов (например, муки, сахара или сливочного масла) в большем объеме, тем самым получая выгодные условия у поставщика. 
  • Консолидация закупок и увеличение объемов закупаемого сырья, позволили уменьшить себестоимость на 15%. Снижение себестоимости, в свою очередь, привело к снижению давления на маржу, этот показатель вырос на 5,4%.

Переход на автоматизированное решение по расчету себестоимости полностью завершен, уже в первом квартале работы производственный отдел ощутил положительные эффекты. Этот функционал заложил крепкий фундамент для постепенного наращивания модели Corplan и расширения автоматизации бизнес-процессов.

Рынок по прежнему приносит новые вызовы, но реагировать на них теперь можно спокойно, опираясь на данные и точно понимая, какие решения станут лучшими для бизнеса в той или иной ситуации.

Оставить комментарий

Стать партнёром

Для ИТ компаний

Хотите стать партнером проекта Digital4food?

Оставляйте заявку
Для пищевых предприятий

Хотите получать полезную информацию?

Присоединяйтесь
Для пищевых предприятий

Хотите делиться экспертизой?

Оставляйте заявку