Kundcase : Lageroptimering för B2C e-handel

Ett företag inom trade & logistics hörde av sig mitt i en spännande fas då dom växte snabbt. Men de började märka konsekvenser av att arbetet på lagret inte hanns med, även om orderingången inte hade ökat så mycket ännu. Däremot så hade storlek på lager och antal artiklar per order gjort det.

De brottades med många returer, felplock och reklamationer, men hade svårt att se var problemen låg.

För att kunna föreslå en lösning behövde jag börja med att förstå hur arbetsflödet såg ut genom att följa en order från det att den kom in, till en packad låda som skickas till kund.

Papperslistor - ökad risk för felplock

På lagret jobbade man fortfarande med printade orderlistor. Kom det in 10 ordrar, printade man samtliga, tog med dem ut på lagret och plockade i lådor på en vagn.

Med printade orderlistor kan det bli fel på många sätt – man kan ta fel artikel, artikeln kan ligga i fel fack, man kan läsa fel på raden, man missar antal om det är fler än en, och så vidare. Många felkällor helt enkelt och det är lätt hänt att man inte alls märker om det blir fel. Förrän kunden hör av sig.

För att minska risken för felplock infördes handdatorer med scanningfunktion. Till en början med scanning av lagerplats och artikel, som jämförs med raden på ordern och bekräftar att man har plockat varan som kunden har beställt. Detta har sedan utvecklats vidare.

Returhantering - bakomliggande orsaker

Ett av problemen de hade var även att antalet returer hade ökat. En del av detta kunde vi se var en följd av plockproblematiken, och de åtgärder som vidtogs där bidrog till att returerna minskade, men inte i den omfattning man hade hoppats på.

Det fanns dock mycket mer man kunde göra för att minska antalet returer. Då alla returer klumpades ihop som returer i allmänhet, hade man ingen statistik över vad som var reklamationer, felplock eller faktiska returer där kunden ångrat sig.

Ett system infördes där man samlade in data i mycket större omfattning. Vid returer infördes att anledningen till returen ska anges, samt att man även började göra skillnad på retur och reklamation. Datan som samlades in synliggjordes via dashboards som tydligt pekade på olika samband. Man kunde till exempel slå fast att vissa leverantörer hade högre felprocent, något man kan använda som underlag vid förhandlingar. Man kunde även se att många returer berodde på dålig artikelinformation, som då kunde åtgärdas.

Små åtgärder - stora skillnader

Med relativt små insatser identifierades och åtgärdades flera problem, som på kort tid gjorde stor skillnad för min kund och i sin tur även deras kunder.

Ett väldigt roligt projekt att göra tillsammans med kunden, där relativt små förändringar gav snabba och märkbara resultat.

I nästa steg gick vi vidare med lageroptimering via frekvensstyrning och en digitaliserad helhetslösning på handdator för flytt av gods, inventering, optimeringsförslag, godsmottagning, plock, retur, platsinformation och artikelinformation. Samt en dashboard med detaljerad statistik som stöd för lagerchefen.

Kontakta mig för mer information

Behöver du hjälp med hur du ska utveckla ditt företag vidare? Står du inför inköp eller uppgradering av affärssystem och känner dig osäker på vad du behöver? För mer information om hur jag kan hjälpa dig och ditt företag; kontakta mig.

Kundcase:
Retail

Kunden var i behov av ett system för beslutsstöd för att utveckla sina affärer.

Genom att samla in data, synliggöra och analysera den, kunde kunden ta mera datadrivna beslut med bättre resultat.

Ett företag inom trade & logistics hörde av sig. Mitt i en spännande fas då dom växte men någonstans kom en konsekvens av att det inte hanns med på lagret även om orderingången inte växt så mycket än, däremot så hade storlek på lager och antal artiklar per order gjort det.

Väl på plats så började jag på golvet, följa med ifrån inkommen ordet till packad låda. Det första jag kom fram till som måste åtgärdas var att det fortfarande jobbades med papperslistor. Kom det in 10 ordrar tog man med sig samtliga ut och plockade i lådor på en vagn.

En oerhörd felkälla på flera sätt. Man kan ta fel artikel, den kan ha hamnat i fel fack, man kan se fel på rad, fel antal, fel order, fel kund. Otroligt många felkällor.

Vad de sedan set var också att returer hade ökat, till stor del som en följd av plock-problematiken, men det var också t

ämligen många returer på grund av fel på varorna, det vill säga reklamationer men som klumpades som generell retur.

Som ett första steg så ville jag få bort det manuella arbetet med papper och gå över till en handdator. För att komma igång lite snabbt så fick det bli en enkel scanna för bekräftelse, låda och artikel. Detta vidareutvecklades senare.

I samband med detta så såg vi senare att returerna minskade, men inte i den omfattningen som jag hoppades på.

Jag startade nu att samla in data i större utsträckning än tidigare, och framförallt att åskådliggöra den via dashboards. Vid retur infördes att man ska ange orsak, något som inte gjordes tidigare, det gjordes även skillnad på retur och reklamation.

Dels kunde man slå fast att vissa leverantörer hade högre felprocent, vilket man kunde använda som underlag vid förhandling, men även att många returer berodde på att artikelinformationen var dålig.

Så med relativt små insatser så identifierades flera problem som på kort tid gjorde stor skillnad för kunden och dess kunder.

Ett väldigt roligt projekt att göra tillsammans med kunden, det syntes snabbt en förändring som gav ett märkbart resultat.