Нормирование операций в ритейле с помощью MD Audit

В ритейле есть много регулярных однотипных операций, для выполнения которых требуется ручной труд. Очевидно, что в каждом из этих процессов есть множество точек для оптимизации, но найти их довольно сложно: нужно разобрать процесс на элементарные действия, выяснить время, необходимое на каждое из них, и проанализировать полученные данные. Для решения этой задачи нужно провести нормирование операций, однако вручную это сделать очень сложно и трудозатратно. MD Audit предлагает более эффективное решение.

Вариантов использования много, однако в ритейле основное предназначение нормирования операций — балансировка ФОТ. Иными словами расчет необходимого количества торгового персонала под объем всех операций, которые происходят в торговой точке с учетом выручки, трафика и так далее. Цель нормирования — обеспечить магазин таким количеством персонала, чтобы не было его дефицита, профицита и в пиковые часы трафика, качество сервиса не страдало и на полках всегда присутствовал товар.

Нужно отметить, что лишь немногие ритейлеры занимаются нормированием. Кто-то считает, что можно обойтись и так, а кто-то даже не знает о таком инструменте. В результате все они недополучают около 10% выручки. Но это общие слова, а где конкретно может использоваться нормирование операций? Приведем простой пример.

Возьмем торговую сеть супермаркетов, в которой открывается новый магазин. Сразу встает вопрос: сколько нужно нанимать персонала?

Можно поступить традиционно, прогнозируя количество штатного персонала:

А потом, по результатам работы, оптимизировать количество персонала опытным путем. Но при использовании нормирования операций любой торговой точки время оптимизации и трудозатраты менеджеров на анализ ФОТ можно сократить в разы. Это возможно потому что уже известно время, необходимое на выполнение каждой операции, и остается только рассчитать оптимальное количество сотрудников.

В основной массе операционную деятельность сотрудников торгового зала, складских работников и т. д. очень сложно оцифровать. Чтобы получить эти данные, их нужно в буквальном смысле измерить: подсчитать время, которое затрачивается на весь процесс от начала до конца. Очевидно, что это колоссальных объемов ручной труд даже не одного сотрудника, а целого отдела.

Дело в том, что одному человеку засечь с секундомером время от начала до конца операции не получится, потому что она может состоять из множества действий, выполняемых разными сотрудниками, порой параллельно и нередко в разных помещениях. Именно поэтому, каждую операцию нужно делить на элементарные действия и отдельно засекать время на выполнение каждого этого действия. Но это лишь начало работы: затем все полученные данные нужно свести воедино и привести к удобному для анализа виду. Также нужно учитывать, что ручная работа неразрывно связана с ошибками, возникающими по причине человеческого фактора.

Для быстрого и более качественного решения этой задачи нужно использовать технологию Process Mining, иначе называемую интеллектуальным анализом процессов. Эта технология позволяет оптимизировать бизнес-процессы: находить узкие места, улучшение которых даст максимальный прирост в общей эффективности.

Сделать это вручную попросту невозможно. Обратите внимание на рисунок 1.

Он красноречиво показывает разницу между ручным анализом бизнес-процесса и анализом, полученным с помощью Process Mining. Очевидно, что только такой подход может действительно помочь понять «внутреннее устройство» бизнес-процессов и, соответственно, провести работы по их оптимизации.

В решении используется методология MOST (Maynard Operation Sequence Technique — микроэлементное нормирование). Все операции разделяются на элементарные действия, которые вносятся в систему, а затем с помощью мобильного приложения замеряется время, затрачиваемое на каждое из них. Ответственный сотрудник просто находится рядом с исполнителями и засекает время, которое они затрачивают на то или иное элементарное действие.

На этом сходство с ручным методом нормирования заканчивается. Все данные сразу попадают в базу данных, где собираются воедино. Разумеется, длительность операции может зависеть от какого-либо количественного фактора.

Например, при разгрузке товара длительность напрямую зависит от количества коробок товара. В MD Audit, конечно же, этот момент предусмотрен. Модуль нормирования обладает набором гибких настроек, которые можно кастомизировать под свои типы операций. Например, для корректности подсчета в системе можно задавать разные критерии для операций: штуки, коробки, человекочасы и т.д.

На выходе мы получаем массив данных, который позволяет автоматизировано посчитать норматив на выполнение операций посредством выбора значения медианы или среднего арифметического с отбросом экстремумов.

Но нормативы ради нормативов не интересны никому, и система MD Audit идет дальше.

Сегодня существует множество решений для ритейла, решающих самые разные задачи, но по отдельности они имеют не такую большую ценность, как если бы были объединены вместе. Потому что для анализа эффективности компании нужны комплексные данные.

Например, объединив фактическую длительность смены сотрудника с количеством выполненных за день задач и нормативами на их выполнение, можно получить сравнительную оценку качества работы отдельно взятого сотрудника относительно усредненного значения. По аналогии можно провести сравнительный анализ в разрезе точек продаж, регионов и дивизионов.

MD Audit с этой точки зрения можно назвать экосистемой для бизнеса, потому что эта система позволяет объединить информацию из разных источников данных.

В настоящий момент модуль «Нормирования операций» уже опробован в банковской сфере и показал отличные результаты. Благодаря облачной архитектуре система MD Audit внедряется в течение нескольких дней, а наличие открытого API позволяет свободно интегрироваться с любыми другими сервисами.