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.