Valtaosa kaupan ongelmista on systeemisiä ongelmia. Mitä se tarkoittaa suomeksi?

Kuvittele että kauppa on kuin moottori, joka tuottaa hyvää. Kun joku osa hajoaa, se ei korjaannu itsestään, vaan aiheuttaa ongelmia, kunnes se saadaan korjattua. Jokaiseen pikku kitinään ei tarvitse kiinnittää huomiota, mutta jos sama tapahtuu toistuvasti, sille kannattaa tehdä jotain.

Mutta mistä tiedetään, mikä on toistuva ongelma? Koska kauppa on erittäin suuri ja monimutkainen kokonaisuus, edes osiin jaettuna harvalla on siitä oikea käsitys. Niinpä tarvitaan dataa, joka kertoo, mitä oikeasti tapahtuu.

Käytän tässä esimerkkinä hävikkiä, koska se on kaikkein yksinkertaisin ongelma. Mitattava suure voisi aivan yhtä hyvin olla tuotepuutteet, varasto, työtunnit, turha työ tai mikä tahansa. Periaatteet ovat samat, ainoastaan niiden soveltaminen ja mitattavat arvot muuttuvat. Luvut ovat keksittyjä, mutta perustuvat aitoihin tuotteisiin.

Ensimmäinen mittaamisen taso on monissa organisaatioissa se tutuin:

Jostain syystä ne, jotka mittaavat hävikkiä tällä tavalla ovat samat, joiden mielestä heillä on vähiten ongelmia hävikin kanssa. Kun ongelmat ovat poissa silmistä, ne ovat myös poissa mielestä. Lähes kaikki kuitenkin mittaavat hävikkiä ja se on siksi poikkeus tällä tasolla. Esimerkiksi takavarastotasoja harvemmin mitataan. Hävikin (tai minkä tahansa suureen) tilastoinnin aloittaminen johtaisi seuraavalle tasolle:

Tässä mittaamista sentään jo tehdään ja nähdään, pysytäänkö budjetin asettamissa raameissa, mikä on selkeä parannus. Jos tavoitteeksi on asetettu alle 15% hävikki, 14,4% on hyvä suoritus ja riittää, että siinä pysytään. Myymäläpäällikkö voi hyvillä mielin keskittyä muihin asioihin. Myymäläpäällikön on jopa lähes pakko tyytyä siihen, sillä tämä mittari ei tarjoa mitään tietoa siitä, mikä on ongelma, puhumattakaan miten sitä voisi parantaa. Esimerkiksi ravintoloissa on yleinen virhe mitata kokonaishävikkiä ja -myyntiä sen sijaan, että mitattaisiin kaikkea erikseen. Erikseen mittaaminen on kuitenkin paljon työläämpää ja jos sille ei nähdä syytä, se jätetään tekemättä. Jos halutaan nähdä, mitkä tuotteet ongelmia aiheuttavat, on mentävä seuraavalle tasolle:

Tuotetaso paljastaa, että lähes kaikki ongelmat johtuvat kahdesta tuotteesta. Suurin parantamisen potentiaali on siis niissä. Myymäläpäällikön hyvä mieli haihtuu, kun hän huomaa, miten suuri ongelma hänellä onkaan ja miten suuri mahdollisuus hänellä on parantaa tilannetta. Niin kauan kuin asioita mitataan keskiarvoilla (kaupoittain, osastoittain, viikoittain, yms.), prosessin ääni jää piiloon. Samalla piiloon jää paljon ongelmia, jotka olisi helppo korjata. Nyt 15% hyväksyttävä hävikki ei olekaan enää hyväksyttävää.

Tämä taso on yleisin, millä vähittäiskaupassa liikutaan. Vaikka tämä on paljon parempi kuin edelliset, siihen sisältyy silti useita ongelmia.

Samalla tavalla kuin osastotason mittaus ei kerro, mitkä tuotteet ovat ongelma, myöskään yksittäisten tuotteiden mittaaminen ei kerro, mikä niiden ongelma on. Koska ongelman syytä ei tiedetä, ei myöskään tiedetä, miten sen voisi korjata. Siksi tavallinen tapa korjata asia on luottaa fiilikseen, osastovastaavan mielikuvaan. Tämä mielikuva on usein väärä, minkä vuoksi tehdään vääriä toimenpiteitä, jolloin kaupan kokonaisetu kärsii. Tuotteen poistaminen valikoimasta ei olisi tarpeen, jos ongelman voisi korjata.

Jotta saataisiin selville, mistä yksittäisten tuotteiden ongelmat johtuvat, niitä on tutkittava tarkemmin. Siitä päästään seuraavalle tasolle.

Tutkimalla päivätasoa havaitaan, että ongelma ei olekaan tasainen, vaan siinä on suurta vaihtelua. Toimituspäiviä on neljä, mutta hävikkiä syntyy kolmena päivänä. Muina päivinä sitä ei synny lainkaan. Koska tässä tapauksessa tuotteen myyntiaika on toimituspäivä + 3 päivää, voidaan laskea, missä toimituspäivissä on virhe. Tämä on jo merkittävä edistys.

Tämäkään ei kuitenkaan riitä. Kyse on edelleen koko otannan, eli viiden viikon keskiarvoista, ei tarkasta datasta. Emme voi tietää, mitä keskiarvojen sisällä tapahtuu. Jotta saisimme sen selville, on mentävä yksi taso pidemmälle.

Koska dataa alkaa olla paljon, tämä päiväkohtainen taso on pakko jakaa kahteen taulukkoon: myyntiin ja hävikkiin. Tämän taulukon ansiosta on mahdollista nähdä, onko päivissä suurta hajontaa, vai onko trendi tasainen.

Myynti näyttää melko tasaiselta, viikonpäivissä ei ole suurta eroa. Myynti tosin on laskemaan päin, mutta muuten tähän ei tarvitse kiinnittää huomiota.

Sen sijaan hävikissä nähdään suuria eroja. Tiistain hävikit ovat jatkuvasti samaa luokkaa, mutta perjantaina ongelma on ollut vain kertaluontoinen. Vaikka Tason 4 taulukko osoitti ongelmia syntyvän kolmena päivänä, se ei pidä paikkaansa, sillä tavallisesti perjantaissa ei ole mitään ongelmaa. Jostain syystä viikon 23 perjantaina on tapahtunut jotain tavallisuudesta poikkeavaa.

Kun katsotaan sunnuntain hävikkejä, nähdään myös muutosta. Aiemmin sunnuntai ei ole ollut ongelmallinen päivä, mutta viimeisen kolmen viikon aikana siitä on tullut sellainen. Jokin on muuttunut ja aiheuttanut ongelmia.

Olemme nyt selvittäneet, mikä tässä tuotteessa on ongelma, mutta monilla ihmisillä on ongelmia tutkia ja hahmottaa paljon dataa tilastomuodossa. Siksi suuria datamääriä voi olla paikallaan yksinkertaistaa. Prosessin käyttäytymiskuvaaja tarjoaa tähän mainion työkalun:

Tässä graafissa on myynnin ja hävikin lisäksi kaksi muuta avaintietoa, saapuneet määrät, sekä päivittäinen saldo. Vaikka tietoa on tuplasti verrattuna edelliseen tasoon, se ei teetä ongelmia, koska se on helposti luettavassa muodossa, eikä sitä ole liikaa.

Graafi paljastaa heti, että viikolla 23 saldo on noussut merkittävästi, mistä on seurannut saman viikon perjantain merkittävä hävikki. Saldo on noussut, koska saman viikon tiistaina tavallisen 20 sijaan tavaraa on tullut 60. Prosessissa tapahtuu jatkuvasti vaihtelua, siksi tämän kaltainen graafi on paras keino seurata sen etenemistä. Poikkeamat ja prosessin virheet (kuten hävikki) on helppo hahmottaa.

Toinen asia minkä graafi paljastaa on kasvu saldotasoissa, mikä korreloi hävikin kasvun kanssa. Muutos on riittävän suuri, että sen näkee jopa nykyisistä arvoista. Sen sijaan myynnin muutosta ei huomaa, ellei tietäisi sen olevan olemassa. Sen havaitsemiseksi käytämme vielä uutta arvoa:

Vihreä viiva osoittaa kumulatiivisen myynnin muutoksen, joka vertaa tilannetta aina edeltävän viikon samaan päivään. Tieto on nyt helposti nähtävissä, mutta dataa alkaa olla jo niin paljon, että sen hahmottaminen alkaa olla vaikeaa. Siksi on pidettävä huoli siitä, että käytössä on vain ne tiedot, jotka toiminnan tueksi tarvitaan, ei yhtään enempää.