<aside> 🚛 Торгово-логистическая компания за 3 недели внедрила работу с метриками времени: - увидели, где компания теряет время

• получили инструмент оперативного контроля отклонений по срокам
• проанализировали статистику по срокам поставки, чтобы формировать у клиентов правильные ожидания

</aside>

Клиент

Торгово-логистическая компания, ориентированная на экспортные поставки. Работает в 5 странах, сотни сделок в квартал.

Проблема

Основатели и руководство компании одной из ключевых метрик считает клиентскую удовлетворенность и предсказуемость поставки (попадание в срок). Однако, существует доля сделок, сроки поставки по которым нарушаются.

Международные поставки состоят из большого количества последовательных этапов: поставщики, несколько перевозчиков, склады, таможня, документы, разрешения и лицензии. На каждом этапе из-за действий подрядчиков и партнеров могут случаться задержки и форс-мажоры, приводящие к задержкам в изначально озвученном сроке поставки.

Руководство компании поставило три задачи:

• Формировать ожидания по срокам поставки для клиентов на основе анализа реальной статистики по закрытым сделкам, а не на основе “лучшего сценария”
• Проанализировать сроки на отдельных этапах процесса и понять где компания теряет время
• Создать инструмент для оперативного контроля отклонений по срокам для быстрой реакции на такие ситуации

Решение

Подготовка данных

Первым этапом решено построить статистику по срокам выполнения сделок за предыдущий квартал. И такие данные в компании были. Вся работа уже была визуализирована в форме Канбан-досок, где карточка представляет собой сделку, а колонка — этап процесса. Ранее под руководством директора по развитию система была доработана, так что по каждой сделке автоматически фиксировались даты перехода между этапами. Кроме того в карточке содержится информация по поставщику, типу груза, транспортным компаниям, городу отгрузки, городу прибытия и т.д.

Однако, существующий сервис Канбан-досок не имеет функционала для визуализации и анализа метрик времени. Чтобы не отказываться от сервиса, который дорабатывался долгое время под нужды компании, мы предложили использоваться внешний сервис Канбан-аналитики Nave, имеющий возможность импорта данных.

Директором по развитию был доработан экспорт данных из сервиса цифровых досок, добавлены необходимые поля и т.д., чтобы данные были пригодны для загрузки в Nave.

Пример выгрузки данных по сделкам за квартал (часть данных)

Сколько поставляем клиенту товар на самом деле?

Одному клиенту поставили за 3 дня, другому - за 1,5 месяца. А в среднем — за 2 недели? Поэтому “среднее время” не подходит для того чтобы строить прогнозы и формировать ожидания клиентов по срокам поставки.

Поэтому в сервисе Nave была построена диаграмма распределения времени поставки (LTD), которая показывает реальную статистику. Два важных параметра — это время, за которое поставляться 50% товаров, и 85% товаров. Они позволяют говорить о реальной оценке сроков поставки, и формировать адекватные ожидания у клиентов.