120 годин на місяць для зведення залишків ЛДСП вручну — аналітик просто вигорає від рутини

Минулого вівторка я знову вручну перевіряла звіти по чотирьох тисячах кілограмів ЛДСП, бо дані в системі не збігалися з реальністю на складі. Використовувала Google Sheets та вивантаження з нашої старої облікової системи, намагаючись знайти помилку в розрахунках розпилу. На це пішло майже десять годин мого робочого часу, а вартість помилки склала близько двадцяти тисяч гривень через простій цеху. Я буквально копіювала дані з паперових накладних у таблицю, щоб хоч якось звести цифри докупи. Це найгірша частина моєї роботи, яка з’їдає весь час на реальну аналітику.

Найбільше дратує те, що я змушена працювати як друкарка, а не як провідний аналітик. Коли бачиш, що через людський фактор на виробництві губиться матеріал на величезні суми, виникає справжня фрустрація та втома. Це призводить до затримок у відвантаженні меблів клієнтам, і ми втрачаємо лояльність через банальні помилки в обліку. Я відчуваю повне виснаження після таких марафонів з цифрами, бо знаю, що наступного тижня все повториться знову. Весь бізнес страждає, бо ми не можемо точно спрогнозувати закупівлі сировини.

Системна проблема полягає у відсутності автоматизації збору даних безпосередньо з виробничих дільниць. У нас сімдесят людей у штаті, і кожен заповнює якісь папірці, які потім потрапляють до мене в хаотичному порядку. Наші інструменти критично застаріли, а впровадження важкої системи управління підприємством коштує космічних грошей. Немає єдиного алгоритму, який би автоматично зчитував звіти з розпилювальних верстатів та порівнював їх із замовленнями в Trello. Ми просто загрузли в ручних процесах, які не масштабуються разом із ростом виробництва.

Ми спробували найняти додаткового помічника аналітика на зарплату в шістнадцять тисяч гривень, щоб він просто вносив дані. Також я почала використовувати ChatGPT для написання складних скриптів у таблицях, щоб хоч трохи пришвидшити обробку масивів даних. Це рішення обійшлося нам приблизно у двадцять дві тисячі гривень на місяць разом із податками та підписками. Певний час це допомагало, але людський фактор нікуди не зник, бо помічник теж помиляється. Це була лише спроба загасити пожежу грошима, а не вирішити корінь проблеми.

Це рішення виявилося абсолютно немасштабованим і дорогим у довгостроковій перспективі. Помічник звільнився через три місяці, бо робота була нудною, і мені довелося знову витрачати час на навчання нової людини. Скрипти в таблицях часто ламаються, коли змінюється формат вхідних даних, а ChatGPT без правильної промпт-інженерії іноді видає помилкові розрахунки. Ми продовжуємо витрачати понад вісімсот доларів щомісяця на процес, який мав би працювати автоматично. Це не дає мені можливості займатися стратегічним плануванням розвитку фабрики.