Glem alt om big data – Få 6 tips til at eksekvere på din data
Kom i gang:
1: Definer dine mål: Hvad vil du gerne opnå?
2: Prioriter dine mål
3: Definer de nødvendige data for hvert mål
4: Brug dataene
6: Gør dig klar til take off
Big data lyder fascinerende; dog undlader de fleste at navigere i de data som deres it-systemer indeholder, og ikke mindst at bruge dem. Med korrekt brug af data, kan du træffe bedre beslutninger og skabe profitabel vækst. Men dataanalyse kan samtidig blive en tidsrøver, der bruger mange ressourcer uden at tilføre værdi – når data kun bliver brugt til afrapportering, er det ikke i sig selv værdiskabende. Der skal handles på dataene, og en oplagt måde at begynde at bruge big data på, er ved at opstille enkle analyser og veldefinerede mål.
1. Definer dine letforståelige mål
Uden et mål vil dit projekt ikke tilfredsstille nogen: Ikke dig, dine kolleger eller din chef.
Hvis ikke dit team er klar til at foretage kvalificerede vurderinger, så start med en “projektmission” f.eks. forbedret omsætning, reduktion af arbejdskapital, øget service level mv., og nedbryd missionen i milepæle. En nyttig måde at komme fra mission til håndgribelige leverancer, er ved at bruge cause-and-effect diagrammet.
"Vi skal reducerer vores lagerværdi med 30%.”
Sådan et mål er et godt eksempel på en letforståelig mission
2. Prioriter dine mål
Du har højst sandsynligt lyst til at ændre for meget. Spild ikke dine ressourcer på at forsøge at nå femten mål samtidigt. Glæden ved at nå målet, er energigivende og motiverende for alle. Hurtige resultater vil overbevise ledelsen om, at dit team fortjener flere ressourcer og mere tid til at udføre fremtidige aktiviteter. Lav en simpel prioriteringsliste og start fra toppen.
Du har nu defineret at det overordnede mål er at reducere jeres lager med 30%. Der kan være mange måder at opnå dette mål på f.eks. skrotte og/eller afskrive døde varer, reducere indkøbsordrestørrelserne eller vælge at gøre lagervarer til skaffevarer. Men hvad vil have den største effekt på lageret? Og hvor lang tid vil det tage at komme i mål med det enkelte indsatsområde? Tiden det tager at gennemføre initiativer undervurderes alt for ofte. Prioriter dine tid og indsatsområder.
3. Definer de nødvendige data for hvert mål
Data er både din største forhindring og din største mulighed. For lidt data forhindrer beslutningstagningen, og for mange data tilføjer kompleksitet. Behovet for at vide alt, for at kunne foretage ændringer, er en illusion. Start derfor med at bruge cause-and-effect diagrammet til at drøfte, hvilken form for data I har brug for.
Hos Inact har vi udviklet en software med tre dataniveauer. De fleste virksomheder kan producere niveau-1-data (~15 kolonner) og komme i gang med deres ABC-produktanalyse. Niveau-2-data (~25 kolonner) inkluderer data om dine leverandører og kræver en mere moden dataproduktion. Niveau-3-data (~50 kolonner) omfatter data om dine leverandører og kunder.
Pointen er, at de fleste virksomheder relativt nemt kan komme til ABC-produktanalysen med et grundlæggende datasæt, og når ABC-produktdataene er implementeret, er virksomheden moden og sikker på at gå videre til niveau to og tilføje flere data til eksekveringen af deres supply chain.
4. Fra data til indsigt
Du er nu klar til at gå fra data til indsigt. Når du laver din analyse er det vigtigt at have formålet for øje. Start med analyser som understøtter det første indsatsområde på listen. Tiden det tager at lave analysene ctr. den tid det tager at forme virkeligheden efter dem undervurderes gang på gang.
Hvor mange af alle de gode råd omkring kost, sundhed og motion har du reelt omsat til praksis? Tænk på at dine kollegaer og tag et skridt af gangen. Supply chain ledere har ofte et fælles sæt prioriteter, efter at have set repræsentationen af porteføljen i ABC-analysen.
De fleste virksomheder er ikke overrasket over deres vitale få produkter, men over antallet af de mange trivielle.
5. Valider din ABC-analyse og dine data i forhold til ”et virkelighedsbillede” og juster
Virksomheder oplever ofte, at nogle af deres data er forældede og unøjagtige, når de kører deres første analyse. Brug tid på at validere resultatet af ABC-analysen.
Hvorfor har varen XYZ en negativ lagerværdi? Hvorfor håndteres 80 % af porteføljen af én køber? Hvorfor har den vare XYZ ingen leverandøroplysninger?
Dataopdateringen og -valideringen er et meget værdifuldt biprodukt for hele organisationen.
6. Kør din ABC-analyse og opstil mål for hver ABC-kategori for at understøtte den overordnede mission
Du vil aldrig have en ensartet omsætningshastighed, sikkerhedslager eller serviceniveau igen. Med ABC-analysen bliver dine prioriteter mere analytiske og nuancerede. Gennemsnitsværdier på tværs af din portefølje er ikke længere tilstrækkelige, opstil derfor differentierede mål for hver ABC-kategori. Start med at definere det overordnede mål for dit serviceniveau.
Er dit mål 95%?
Højst sandsynligt vil du gerne levere din AA, BA og CA på et relativt højere serviceniveau end resten. Som et resultat skal du give et serviceniveau mål for dine AA-, BA- og CA-produkter, der er højere end de gennemsnitlige 95 % og et serviceniveau, der er relativt lavere end 95% for resten, så dit samlede gennemsnit er lig med 95%.
Mercedes-Benz CPH automatiserede deres analyser og skabte profitabel vækst
“Før famlede vi lidt i blinde. Vi manglede overblik og handlede ud fra mavefornemmelser.”
– Lagerchef hos Mercedes-Benz CPH, Brian Aakær
Hos Mercedes-Benz CPH manglede de overblik over deres data og handlede ud fra mavefornemmelser. I samarbejde med ABC Softworks Customer Success team fandt de ud af, at 4% af deres reservedele genererede næsten 60% af omsætningen. Samtidig viste analyserne, at der var meget ukurans og en for høj lagerværdi.
Læs hvordan de reducerede deres lager med 3 mio. kr., og samtidig fastholdte deres høje servicegrad.
