Använd Business Intelligence för bättre beslutsfattande i leveranskedjan

“Business Intelligence” myntades av Richard Millar Devens i hans Cyclopædia of Commercial and Business Anecdotes år 1865. Devens använde begreppet för att beskriva hur bankiren Sir Henry Furnese gjorde vinst genom att snabbt agera på marknadsinsikter före sina rivaler.

Med ett team av Business Intelligence-specialister i Holland, Flandern, Frankrike och Tyskland höll sig Furnese uppdaterad om striderna under det nioåriga kriget. Detta gav honom ett försprång då han var den förste som fick veta om viktiga händelser, som Namurs fall. Med hjälp av denna exklusiva information spelade han på Londonbörsen som ett proffs, lämnade sina rivaler på efterkälken och kammade hem stora vinster.

Precis som på 1800-talet är det idag fortfarande viktigt att kunna använda all tillgänglig data för att gynna vår verksamhet.

När vi talar om Business Intelligence menar vi inte Excel, SQL, Power BI, Tableau eller Python.

Business Intelligence är inte ett verktyg, utan snarare er förmåga att upptäcka mönster i data och fatta beslut när ni har omvandlat den till handlingsbara insikter.

Pyramiden för Business Intelligence

Vi kan beskriva BI-processen med hjälp av BI-pyramiden. Data är pyramidens bas, så datahantering är avgörande.

Dataanalys börjar med en ledningsstrategi: Vilken roll kommer uppgifterna att ha? Vem kommer att analysera dem? Vem ansvarar för ägandet av data?

Det bör noteras att dataanalytiker ägnar ca 75% av sin tid åt att bearbeta data innan den kan användas för analys. Data måste sedan omvandlas till information. Vi kan t.ex. analysera data för en kategori av artiklar för att fastställa den optimala lagernivån. Denna data omvandlas till information som ger oss kunskap. När vi förstår hur en kund, leverantör eller grupp av produkter beter sig kan vi vidta åtgärder för att förbättra prestandan. Om exempelvis en viss leverantörs leveranstider varierar kraftigt kan vi hitta en alternativ leverantör.

Vi kan alltså definiera BI som datainsamlings- och analysprocessen och de efterföljande processerna som leder till prestationsförbättring.

Fördelar med Business Intelligence

Business Intelligence har många fördelar:

Få en helhetssyn

Genom Business Intelligence kan vi snabbt skapa många rapporter. Med hjälp av dessa rapporter kan vi analysera all data i realtid, identifiera eventuella problem i vårt företag och upptäcka trender och mönster som rör verksamheten.

Underbygga strategiska beslut

Business Intelligence möjliggör välgrundade strategiska beslut med stöd av data. Det underlättar visualiseringen av insikter för att förbättra vår förståelse av information och därmed bättre beslutsfattande.

Snabb och korrekt rapportering

Enligt BI-Survey säger 64 % av företagen att Business Intelligence hjälper dem att generera rapporter och analysera data på ett smidigare sätt. Genom att anamma Business Intelligence kan företag visualisera data i diagram, tabeller och grafer i realtid, vilket gör att de kan agera snabbare.

Identifiering av trender och mönster

En viktig fördel med Business Intelligence är möjligheten att fatta datadrivna beslut. Detta då den tillhandahåller verktyg för att upptäcka trender och mönster. Det gör det möjligt för organisationer att bättre förstå sin verksamhet och den miljö där de verkar.

Metodik för att generera omvärldsbevakning

Nu går vi vidare och utforskar metoderna för att skapa Business Intelligence. Här går vi igenom de olika faserna i processen för att uppnå detta mål.

Extrahering, bearbetning och inläsning av data

Detta steg kombinerar datalagring och ETL-processer: Extrahera, transformera och ladda. Det är processen för att samla in, rensa och omvandla data från flera källor till ett format som är lämpligt för analys.

Lagring av data

Vi skapar en centraliserad databas där affärsdata lagras för åtkomst och analys.

Analys av data

Vi går sedan vidare med analysen och kan använda tekniker och verktyg som Python, Power BI eller liknande för att utforska, visualisera och extrahera kunskap från data.

Skapande av rapporter och instrumentpaneler

Vi tillhandahåller en visuell presentation av data och nyckeltal (KPI:er) för att underlätta övervakningen av verksamhetens resultat.

Vad behöver vi för att komma igång med Business Intelligence?

För att påbörja vår BI-resa behöver vi omvandla data till information.

Vi kommer att använda tekniker och verktyg för att utforska, visualisera och utvinna kunskap från data. Med andra ord kommer vi att använda hela BI-pyramiden.

Vi kommer att använda ETL-processen och skapa rapporterna med hjälp av grafiska verktyg som Tableau och Power BI. Detta kommer att skapa en rapport som berättar en historia och låter oss visualisera data och KPI:er för att underlätta övervakning av affärsresultat.

Därefter kommer vi att fatta kunskapsbaserade operativa, taktiska och strategiska beslut. Men för att lyckas måste hela processen stödjas av en robust datastyrning.

Datahantering för att generera Business Intelligence

Datamedvetenhet är nödvändigt, vilket innebär att vi måste definiera vilken roll datan spelar i vår verksamhet, vem som ska genomföra planerna, vem som är ansvarig för datan och vem som är ägare.

All data måste vara korrekt, fullständig, tillförlitlig och konsekvent. Det innebär också att man måste arbeta med datatillgänglighet, hantera datadefinition och datasäkerhet. Datan är av stort värde och måste vara säker.

All data och alla KPI:er måste vara överensstämmande i hela organisationen. Om vi inte har tydlig och enhetlig information kommer företagets olika avdelningar att diskutera olika begrepp och mätvärden, vilket blir förvirrande och kontraproduktivt.

Datastyrning är en kombination av strategier, människor och processer som måste anpassas mot ett gemensamt mål: datakvalitet.

Ansvaret för detta ligger hos ledningen och de anställda. I allmänhet är det enkelt: Skapar en medarbetare data? Då måste han eller hon också äga denna data.

Business Intelligence i leveranskedjan

Låt oss nu diskutera förhållandet mellan Business Intelligence och leveranskedjan mer i detalj. Varför behöver vi BI i leveranskedjan?

Leveranskedjan spelar en central roll i alla organisationer och hanteringen av den är svår. Den involverar en rad sammankopplade aktörer, som leverantörer, våra interna team och våra kunder.

Därför måste leveranskedjan vara en strategisk prioritering, annars kommer vi att minska vårt företags effektivitet. Därför är det viktigt att dela information om leveranskedjan, varav BI-processen i Supply chain och lagerhantering spelar in.

Att mäta leveranskedjans prestanda med Business Intelligence

Det är viktigt att i förväg sätta upp mål för KPI:er relaterade till leveranskedjan och lager.

För att göra detta är det viktigt att veta hur KPI:erna definieras. KPI:er inom lagerplanering kan inte isoleras utan är integrerade med varandra.

Lagerplanering består huvudsakligen av tre integrerade aspekter:

• Den servicenivå som tillhandahålls kunden.
• Krav på lagerhållning.
• Kapacitetsbegränsningar när det gäller människor och resurser.

Dessa tre aspekter är alltid sammankopplade och det är viktigt att övervaka alla tre indikatorerna samtidigt. Om ni bara fokuserar på ett område kommer ni oundvikligen att få suboptimering i något av de andra.

Det räcker till exempel med att stoppa beställningarna om målet är att minska lagret och öka omsättningshastigheten. Men om ni inte mäter servicenivån, som dikterar lagerbehovet, kan ni uppnå ett mål men missa era andra kritiska mål.

Ett annat exempel är att vi har som mål att förbättra servicen. Vi skulle kunna uppnå detta genom att investera i lager, men lagernivån skulle då kunna bli för hög. Allt hänger på så vis ihop och man måste hitta en balans.

Låt oss diskutera grundläggande affärsstrategier för att bättre förstå denna korrelation mellan affärsmål.

Affärsstrategier i leveranskedjan

Produktledarskap

För att uppnå ledarskap inom detta område måste ni försöka få igenom den bästa produkten:

•  En viktig teknisk innovation.
•  En överlägsen varumärkesimage.
•  Bättre tid till marknaden än konkurrenterna.

Om vår strategi är produktledarskap måste vi ha en snabb och smidig leveranskedja där produktsortimentet ständigt förändras och där vi måste hålla ett öga på de produkter som blir över. Det viktigaste att se upp för kommer att vara överlager.

Ledarskap inom service

Den andra möjliga affärsstrategin är att kunna ge den bästa servicenivån. Det vill säga kundnärhet:

• Detta innebär hög kundnöjdhet.
• Att tillhandahålla maximal service med nödvändigt lager och till och med integrera det med kundens system.

För att vara ledande inom service måste vi ha en pålitlig och smidig kedja där produktsortimentet tillgodoser olika kundbehov. Därför måste vi övervaka lagerutflöden och hur vi betjänar kunden. I dessa fall är servicenivån den ledande indikatorn för att spåra leveranskedjan.

Kostnadsledarskap och operativ excellens

Den tredje strategin är operativ excellens. Det vill säga att kunna bedriva verksamheten till lägsta möjliga kostnad. För att uppnå detta behöver vi följande:

•  Hög grad av tillförlitlighet
•  En fokuserad portfölj
•  Fokus på den totala ägandekostnaden

Om vår strategi är kostnadsledarskap, eller operativ excellens, måste vi ha en lämplig leveranskedja där produktsortimentet är effektivt och fokuserat och där vi övervakar omsättningsnivåerna.

För att ge ett exempel på var och en av dessa strategier kan vi tänka oss Apple som produktledare, El Corte Inglés som serviceledare och vissa lågpriskedjor som kostnadsledare, med ett mycket litet urval för varje produkttyp och mycket kontrollerade kostnader.

Det är viktigt att definiera en tydlig strategi, för utan en sådan vet ni inte vad ni ska fokusera på.

Vilka KPI:er för leveranskedjan är relevanta för vår omvärldsbevakning?

Låt oss se vilka KPI:er för leveranskedjan vi bör mäta med vår Business Intelligence-process.

Om vi vill mäta leveranskedjans övergripande prestanda och tänka på gemensamma och begripliga indikatorer för hela organisationen, bör vi fokusera på följande:

• Tillgänglighet
• Dagar i lager
• Omsättning av lager
• Lagervärde
• Servicenivå
• Överlager
• Slut i lager

Det andra elementet att kontrollera är prognosen. Vi kommer att använda prognosprecision, analysera mönster på gruppnivå efter segment eller produktkategori och hantera kampanjer eller specialevenemang.

Det tredje elementet skulle vara inköpshantering, där vi övervakar avvikelsen mellan orderavisering och beställda order, brottvarningar och överlager samt antalet öppna order och deras uppfyllnadsgrad.

Det är också viktigt att övervaka leverantörernas prestanda. För detta övervakar vi OTIF (On Time in Full, eller beställningar som levererats fullständigt och i tid) och CVP (Percentage of Confirmed Colume), vilket är ett mindre känt och mindre krävande mått som beräknar leverantörens godhet som en procentandel av uppfyllandet.

Om vi t.ex. beställer 100 lådor och leverantören levererar 90 lådor blir det 0 för OTIF-mätningen men 90 % för CVP-mätningen). Med hjälp av dessa uppgifter kan vi göra en rangordning av leverantörerna.

För att göra en bra analys måste vi strukturera rapporterna för att se nyckeltalen efter relevanta dimensioner (antingen efter kategorier, lager, planerare etc.). Ni måste också välja vilka nyckeltal ni vill fokusera på och definiera relaterade åtgärder för att förbättra dem.

Rekommendationer för en effektiv Business Intelligence-process

Låt oss börja med de fem kritiska stegen för att skapa en effektiv Business Intelligence-process.

1) Påskynda införandet av Business Intelligence med SMARTa-mål.

Organisationens mål måste vara SMARTa: specifika, mätbara, uppnåeliga, realistiska och tidsbestämda. Ett exempel på ett SMART-mål skulle kunna vara “Vi vill att minst 80% av cheferna ska fatta beslut med hjälp av BI under de kommande 12 månaderna.” Detta är specifikt, mätbart, uppnåeligt, realistiskt och med en tydlig tidsram.

2) Analysera de viktigaste komponenterna för att införa Business Intelligence.

Vi måste ta hänsyn till de kritiska delarna av företaget: människor, processer och tekniska verktyg.

När det gäller människor måste vi skapa ägarskap och ansvarstagande med tydliga projektsponsorer och ledare. Dessutom måste teamen ha de tekniska färdigheter och den utbildning som krävs.

När det gäller processer kan vi tänka på datahanteringsprocesser, datastyrning och eventuellt förändringshantering. Slutligen måste vi välja vilka verktyg vi ska använda, t.ex. Power BI, Tableau, Python eller liknande.

3) Håll er borta från överrapportering.

Vi bör undvika att skapa allt för många rapporter, annars kan vi lätt bli överväldigade av överanalys.

Vi behöver inte skapa en ny rapport för varje behov, utan kan återanvända befintliga rapporter. Det är viktigt att väl definiera syftet med en rapport innan man börjar utveckla den. Man bör även vara försiktig med detaljerna och istället försöka hålla allt så enkelt som möjligt.

När ni funderar på om ni ska skapa en ny rapport eller inte, fråga er själva: Är det nödvändigt? Om inte, gör det inte.

4) Beakta olika informationskrav.

Vi måste ta hänsyn till olika informationsbehov. Varje del av verksamheten behöver information på olika nivåer.

Vi kan tillhandahålla flera detaljnivåer i varje rapport så att varje avdelning snabbt får den information den behöver. Vad företagsledaren letar efter är inte det samma som vad Supply chain-controllern eller den person som hanterar prognos- eller upphandlingsprocessen letar efter.

5) Undvik vanliga BI-hinder.

Slutligen är det viktigt att undvika vanliga hinder som många företag stöter på i BI-processen.

Det första är behovet av mer ansvar för datakvaliteten. För att ta itu med detta problem bör man upprätta en tydlig RACI-matris.

Den andra är behovet av datadefinitioner. Som en korrigerande åtgärd skulle vi kunna skapa en fullständig lista över definitioner.

Det tredje misstaget skulle vara att ha låg datakvalitet. För att rätta till detta problem skulle vi kunna skapa medvetenhet och datastyrning.

Det fjärde misstaget är att bara vissa av medarbetarna ser värdet i datan. Vi skulle kunna ta itu med detta problem genom kommunikation och utbildning, samt genom att kommunicera fördelarna med BI och effekterna av otillräcklig data i hela organisationen.