Våren 2020 kommer att gå till historieböckerna som en tid då hela världen vändes upp och ner. Ingen hade kunnat förutse det kaos som följde i spåren av det olycksaliga coronaviruset – hög frånvaro pga sjukdom bland personalen, permitteringar, och så vidare.
Kriser ställer höga krav på anpassningar och nytänkande, och många är de företag som har fått känna på detta.
För alla som arbetar inom området för inköp och lagerstyrning har det handlat mycket om att hitta sätt att utföra samma mängd arbete, men med tillgång till betydligt färre personal.
En enkel ekvation ger vid handen att om personalen permitteras på 60% av arbetstiden, ska arbetet utföras på återstående 40% – och gärna till en kostnad som motsvarar max 1/3 tjänst.
Hur löser man detta?
Jobba snabbare, eller jobba smartare?
Ett sätt kan naturligtvis vara att på något magiskt sätt få de anställda att höja sitt arbetstempo, så att arbetet ändå hinner utföras på utsatt tid. Detta är dock sannolikt vare sig genomförbart, eller lagligt – för att inte tala om det kortsiktiga i att låta personalen bränna ut sig.
Ett betydligt bättre alternativ, är att se över vilka verktyg och tjänster som finns på marknaden, som skulle kunna överta en stor del av den mänskliga insatsen i arbetsmomenten. Vissa saker behöver av naturliga skäl en mänsklig handpåläggning, men när det gäller inköp och lagerhantering är det faktiskt möjligt att överlåta en hel del till datorer och smarta algoritmer.
Genom att använda sig av ett system som med hjälp av avancerade beräkningar och historiska data prognostiserar och tar fram beställningspunkter, sparar man mycket tid – upp till 80-90% av tiden som läggs på varuplanering går ofta att spara in – samtidigt som prognossäkerheten blir högre.
Systemen tar höjd för variationer
Idag finns ett antal bra lösningar för demand & supply management på marknaden, men många av dem brister i det avseendet att de inte är gjorda för att kunna hantera stora variationer. Det här leder ofta, även under normala förhållanden, till problem med att beräkna förväntad efterfrågan. I tider av extrem osäkerhet – som den nu under coronakrisen – blir följderna av detta än större.
Ett intelligent system, som tar hjälp av maskininlärning, kan hitta mönster i stora datamängder och även kompensera för stora variationer. Detta är knappast möjligt att göra på manuell väg.
I tider av kris är det lätt att bli förblindad och uppgiven, men det finns alltid ett ljus i slutet av tunneln. Genom att göra det bästa av situationen kan ni se till att verksamheten är i bästa möjliga skick när livet återigen börjar rulla på i gamla spår.