Průvodce zlepšením kvality dat ve skladu krok za krokem

Ráno je podle e-shopu na skladě ještě deset kusů produktu, ale skladník najde na polici jen tři. Prodej slíbí zákazníkovi, nákup urgentně objedná, a odpoledne se ukáže, že pět kusů čekalo na vyzvednutí na jiném místě. To není jen chyba ve skladu. Je to informační chyba, která způsobuje přesčasy, zpoždění, zbytečné nákupy a ztrátu důvěry.

Tento průvodce zlepšením kvality dat ve skladu nezačíná zavedením nového systému. Nejprve je třeba pochopit, jak se data dostávají do skladové evidence, kdo je může změnit, kdy se kontrolují a kde se přeruší tok informací. Skladová data jsou cenná, pokud na nich mohou zaměstnanci založit rozhodnutí - ne pokud jsou technicky uvedena v nějakém systému.

Co znamená dobrá kvalita dat ve skladu?

Kvalita dat ve skladu neznamená pouze správný počet kusů. Použitelná skladová data musí být přesná, aktuální, jednotná a sledovatelná. Systém musí například jasně říci, o jaké číslo položky se jedná, kde se nachází, zda je volně použitelná, rezervovaná, poškozená nebo čeká na kontrolu kvality.

V mnoha firmách se zdá, že množství na skladě je v pořádku, ale přesto se dělají chybné rozhodnutí. Důvodem může být, že dostupná, fyzická, rezervovaná a příchozí skladová data se liší v e-shopu, ERP a skladové tabulce. Pokud oddělení chápou stejný termín různě, nepracují se společnými daty, i když vidí stejný název produktu.

Důsledky se rychle projeví i na lidské straně. Skladník musí zboží opakovaně hledat, zákaznický servis se omlouvá, nákupce zvyšuje bezpečnostní zásoby a vedoucí neví, kterému reportu věřit. Oprava chyby obvykle vyžaduje více práce než původní odchylka.

Průvodce zlepšením kvality dat ve skladu: odhalení příčin

Prvním krokem opravy není kompletní inventura. Inventura může být nutná, ale sama o sobě je jen momentkou. Pokud se nezjistí, co způsobilo odchylku, stejné chyby se vrátí za několik týdnů.

Je vhodné vybrat několik častých odchylek: chybějící produkt, špatná lokalizace, duplicitní číslo položky, neopodstatněná negativní zásoba nebo chybná jednotková množství. Tyto je třeba sledovat až k prvnímu záznamovému bodu. Kdy zboží dorazilo? Kdo jej převzal? Na základě jakého dokumentu? Bylo naskenováno, ručně zaznamenáno nebo později zaneseno do systému z přehledu?

Nakreslete cestu dat, ne jen popis procesu

Proces příjmu může být na papíře jednoduchý: zboží dorazí, kolega jej převezme, uloží na sklad. Realita je často jiná. Někdo obdrží dodací list e-mailem, množství zapíše do tabulky, jiný zaměstnanec jej později zaznamená do ERP a skladník dostane ústní pokyn k uložení.

V tomto procesu je více zdrojů dat a více ručních předání. Hlavní otázkou není, zda některý zaměstnanec udělá chybu, ale kolikrát proces vyžaduje bezchybný lidský přenos dat. Čím více takových bodů je, tím větší je pravděpodobnost chyby, zejména v době špičky, při zastupování nebo při nástupu nového kolegy.

Při odhalování je vhodné zaznamenat čtyři věci pro každou důležitou změnu zásob: co vyvolalo změnu, ve kterém systému se to stalo poprvé, kdo je za to zodpovědný a jaká kontrola to potvrzuje. To ukazuje, kde se zboží pohybuje tak, že data zpožďují, a kde se data mění bez fyzického pohybu.

Oddělte chyby v kmenových datech a transakční chyby

Chyba v kmenových datech trvale reprodukuje odchylku. Může to být špatný čárový kód, nejednoznačné číslo položky, chybný převodní poměr mezi kartonem a kusem nebo nepřesná struktura lokalizace. Pokud stejný produkt existuje pod různými názvy, čísly položek nebo v různých jednotkách v systémech, samotná skladová disciplína problém nevyřeší.

Transakční chyba je naopak spojena s konkrétní událostí: vynechání záznamu o kompletaci, zboží umístěné na špatnou lokalizaci nebo vrácené zboží, které nedostalo správný status. U těchto chyb je důležitý pracovní postup, oprávnění a kontrolní bod.

Obě kategorie chyb vyžadují jiný zásah. U problémů s kmenovými daty je třeba regulovaný správce dat, schvalovací proces a jednotné pojmenování. U transakčních problémů může stačit zjednodušení pracovních kroků, povinný status nebo místní kontrola. Ne každá odchylka vyžaduje nový software.

Vytvořte jediný zdroj pravdy pro provoz

U rostoucích firem je běžné, že zásoby existují na více místech: v e-shopu, ERP, skladové aplikaci a v manažerském Excelu. Často žádný z nich nelze jednoznačně považovat za primární zdroj. Zaměstnanci se proto rozhodují na základě zkušeností, kterému číslu věřit.

To nelze řešit pouze disciplínou. Je třeba jasně říci, který systém je zodpovědný za konkrétní data. Například fyzický pohyb na skladě může být primárně evidován ve skladovém systému, zatímco ERP řídí finanční a objednávkové procesy. E-shop by neměl udržovat vlastní logiku zásob, ale měl by regulovaným způsobem přijímat data z určeného zdroje.

To nemusí vždy znamenat integraci v reálném čase. U produktů s nízkým obratem, které nejsou urgentní, může být hodinová aktualizace dostatečná. U rychle se otáčejících, online prodávaných nebo omezených zásob však zpoždění může přímo způsobit přeprodej. Správnou frekvenci je třeba určit na základě obchodního rizika, ne jako technologický slib.

Zaveďte kontrolu do běžné práce

Kompletní roční inventura může být důležitou finanční a regulační událostí, ale pro řešení každodenních provozních chyb je pomalým nástrojem. Efektivnější je, když firma zavede cyklickou kontrolu: častěji kontroluje položky s vysokou hodnotou, rychlým obratem, způsobující mnoho reklamací nebo často přesouvané.

Cílem kontroly není najít viníka, ale identifikovat vzorec. Pokud se odchylky opakují ve stejné zóně, směně nebo skupině produktů, problém pravděpodobně spočívá v zavedeném pracovním řádu, označení lokalizace nebo logice systému.

Užitečné mohou být i výjimkové zprávy, které neukazují všechna data, ale pouze podezřelé případy. Takové jsou například negativní zásoby, významné korekce bez pohybu zásob, dlouhodobě blokované zboží, malé množství rozptýlené na více lokalizacích nebo produkt prodávaný jako bez zásob. Dobrá výjimková zpráva zaměřuje pozornost vedoucího tam, kde je třeba rozhodnutí.

Ujasněte odpovědnost a postup změn

Kvalita skladových dat je společná záležitost, ale přesto nesmí být bez vlastníka. Je třeba jasně určit, kdo je zodpovědný za kmenová data, kdo může schválit změnu lokalizace, kdo může spravovat korekce zásob a kdo zkoumá opakující se odchylky.

U oprávnění ke korekci je vhodné hledat rovnováhu. Pokud může měnit příliš mnoho lidí, data rychle ztratí sledovatelnost. Pokud však každá drobná oprava vyžaduje několik manažerských schválení, rozdíl mezi fyzickými a systémovými zásobami zůstane několik dní. Dobré řešení je obvykle vázáno na hodnotový limit, typ odchylky a dokumentované odůvodnění.

Je také třeba řídit změny. Při zavádění nového produktu, nové balicí jednotky, nového skladového místa nebo nového prodejního kanálu je třeba přezkoumat i datovou strukturu. Mnoho problémů se zásobami nevychází z každodenní práce, ale z dříve nepromyšleně provedené změny.

Měřte to, co ovlivňuje provoz

Procentuální ukazatel přesnosti zásob je užitečný, ale může být příliš obecný. I 98% přesnost může zakrývat, že data právě o nejdůležitějších dvaceti produktech jsou nejistá. Měření by proto mělo odrážet obchodní priority.

Pro vedení může být cennější hodnota odchylek, počet nevyřízených objednávek kvůli nedostatku zásob, frekvence manuálních korekcí, trend inventurních rozdílů nebo množství urgentních nákupů kvůli informacím o zásobách. Tyto ukazují, že kvalita dat není IT vedlejší otázkou, ale faktorem ovlivňujícím úroveň služeb, hotovost a kapacitu.

Pokud jsou příčiny problému jasné, lze rozhodnout, zda je nutná čárová identifikace, integrace systémů, nová skladová aplikace nebo cílená automatizace. Do té doby technologie snadno jen rychleji přenáší stejnou chybnou informaci.

Dobrý skladový údaj není spolehlivý proto, že se o něm vytvoří více reportů. Je spolehlivý proto, že fyzický pohyb, odpovědnost a událost zaznamenaná v systému ukazují na stejnou realitu. Je vhodné začít s jednou často se opakující odchylkou, sledovat její cestu a poté proces opravit tak, aby další směna nemusela stejnou chybu znovu řešit.