Sau khi triển khai ERP, câu hỏi về giá trị quản trị của việc nhập liệu xuất hiện rất nhanh: "Tại sao nhân viên phải nhập nhiều dữ liệu như vậy?". Đây là câu hỏi hoàn toàn hợp lý, bởi vì mọi thao tác nhập liệu đều có chi phí: mất thời gian, tạo áp lực cho người dùng, tăng nguy cơ sai sót và làm chậm quy trình nếu thiết kế không hợp lý.
Nhưng ở chiều ngược lại, nếu doanh nghiệp không ghi nhận đủ dữ liệu cần thiết, hệ thống sẽ không thể theo dõi dòng chảy, đo sai lệch, truy nguyên nguyên nhân, tính đúng chi phí hay hỗ trợ Kaizen. Vì vậy, câu hỏi đúng không phải là:
"Có nên nhập ít dữ liệu nhất có thể không?"
Mà là:
"Dữ liệu nào thực sự tạo ra giá trị quản trị đủ lớn để xứng đáng được ghi nhận?"
Đây là một trong những bài toán quan trọng nhất khi triển khai ERP cho doanh nghiệp vừa và nhỏ (SME), tiếp nối bài trước về nhập liệu và Kaizen.
Minh họa: nhập lặp, không ai dùng hay có thể tự động là lãng phí; dữ liệu phục vụ vận hành, đo lường và quyết định tạo ra giá trị quản trị.
Không phải mọi dữ liệu đều có giá trị như nhau
Có những dữ liệu gần như bắt buộc vì chúng điều khiển vận hành, nhưng cũng có những dữ liệu chỉ có giá trị trong một số tình huống.
Dữ liệu điều khiển vận hành
Mã sản phẩm, số lượng, ngày giao, BOM, vật tư, trạng thái công việc.
Dữ liệu chỉ có giá trị trong một số tình huống
Nguyên nhân lỗi, thời gian dừng máy, lý do giao chậm, người gây ra sai lệch, phân loại nguyên nhân phát sinh.
Nếu doanh nghiệp chưa có nhu cầu quản trị đến mức đó, việc bắt người dùng nhập nhóm thứ hai ngay từ đầu có thể làm dự án quá nặng. Ngược lại, nếu doanh nghiệp thực sự cần phân tích lỗi, năng suất hoặc chi phí thì các dữ liệu đó lại rất quan trọng.
Giá trị quản trị của dữ liệu phụ thuộc vào câu hỏi quản trị mà doanh nghiệp muốn trả lời.
Dữ liệu có giá trị quản trị khi phục vụ ít nhất một quyết định
Có thể dùng một nguyên tắc rất đơn giản:
Nếu không ai dùng dữ liệu đó để vận hành, kiểm soát, đo lường hoặc ra quyết định, cần xem lại việc có nên thu thập hay không.
Một dữ liệu thường có giá trị quản trị nếu thuộc một trong bốn nhóm sau.
1. Dữ liệu điều khiển quy trình
BOM xác định nhu cầu vật tư, ngày giao hàng ảnh hưởng kế hoạch sản xuất, tồn kho ảnh hưởng quyết định mua hàng, trạng thái công đoạn quyết định bước tiếp theo. Nếu thiếu dữ liệu này, quy trình phía sau không thể chạy chính xác.
2. Dữ liệu phục vụ kiểm soát
Kết quả QC, trạng thái phê duyệt, số lượng đạt và không đạt, giới hạn tồn kho, hạn mức công nợ. Những dữ liệu này giúp phát hiện bất thường trước khi tạo ra hậu quả lớn hơn.
3. Dữ liệu phục vụ đo lường
Thời gian bắt đầu và kết thúc, số lượng thực tế, tiêu hao vật tư, thời gian chờ, tỷ lệ lỗi. Chúng giúp doanh nghiệp biết thực tế khác kế hoạch như thế nào.
4. Dữ liệu phục vụ cải tiến
Nguyên nhân lỗi, nguyên nhân dừng máy, lý do chậm, loại phát sinh, nguồn gốc sai lệch. Dữ liệu này không nhất thiết phục vụ vận hành hằng ngày, nhưng rất có giá trị khi doanh nghiệp muốn Kaizen.
Minh họa: điều khiển quy trình, kiểm soát, đo lường và cải tiến.
Trên Viindoo, dữ liệu nhóm thứ nhất hiện ngay trên chứng từ: mỗi lệnh sản xuất thể hiện tình trạng vật tư (có sẵn, dự kiến về hay chưa có), từ đó điều khiển quyết định mua hàng và kế hoạch sản xuất.
Tình trạng vật tư trên lệnh sản xuất là dữ liệu điều khiển quyết định tiếp theo.
Dữ liệu kiểm soát cũng vậy. Với ứng dụng Manufacturing Quality Control, kiểm tra chất lượng hiện trên những công đoạn có vật tư thuộc điểm kiểm soát chất lượng, và lệnh công việc không thể hoàn thành khi các kiểm tra chưa được thực hiện. Với phiếu nhập, xuất kho, điểm kiểm soát chất lượng có thể bật "Không đi tiếp nếu không đạt" để chặn phiếu khi kiểm tra không đạt.
Kiểm tra chất lượng hiện trên các công đoạn của lệnh sản xuất.
Khi nào nhập liệu trở thành lãng phí?
Nhập liệu bắt đầu trở thành lãng phí khi chi phí tạo dữ liệu lớn hơn giá trị mà dữ liệu đó mang lại. Một số dấu hiệu dễ nhận thấy:
1. Không ai sử dụng dữ liệu sau khi nhập
Người dùng nhập 10 trường nhưng báo cáo chỉ sử dụng 3 trường, 7 trường còn lại gần như không được xem tới. Đây là tín hiệu rõ ràng cần xem lại.
2. Dữ liệu đã tồn tại ở nơi khác
Tên khách hàng đã có trong đơn bán, nhưng người dùng lại nhập lại trong phiếu giao hàng, rồi kế toán lại nhập lại lần nữa. Đây là một dạng lãng phí điển hình.
3. Có thể tự động tính nhưng vẫn bắt nhập tay
Tổng giá trị, thời gian xử lý, số ngày trễ, chênh lệch giữa kế hoạch và thực tế. Nếu hệ thống có thể tính, người dùng không nên nhập lại.
4. Dữ liệu quá chi tiết so với năng lực quản trị hiện tại
Doanh nghiệp chưa từng đo thời gian công đoạn nhưng ngay từ đầu đã yêu cầu từng phút dừng máy, từng lý do phụ, từng mã nguyên nhân rất chi tiết. Điều này dễ khiến người dùng mệt mỏi và bỏ nhập.
5. Dữ liệu không gắn với hành động
Một chỉ số chỉ có ý nghĩa khi doanh nghiệp biết sẽ làm gì nếu nó thay đổi. Nếu dữ liệu chỉ để "biết cho vui", giá trị quản trị rất thấp.
Ví dụ doanh nghiệp cơ khí: BOM chi tiết đến đâu là đủ?
Đây là một tình huống rất thường gặp. Giả sử doanh nghiệp nhận một đơn hàng "Cụm khung thép A, 10 bộ". Nếu BOM chỉ ghi thép, bulong, sơn thì người dùng nhập nhanh. Nhưng doanh nghiệp khó trả lời loại thép nào vượt định mức, chi tiết nào hay lỗi, công đoạn nào mất nhiều thời gian, cấu phần nào làm tăng giá vốn.
Ở chiều ngược lại, nếu BOM chi tiết đến từng vật tư nhỏ nhưng doanh nghiệp không quản lý tồn kho hay giá thành ở mức đó, khối lượng dữ liệu có thể quá lớn. Điểm cân bằng là:
BOM cần chi tiết đến mức đủ để phục vụ mua hàng, sản xuất, kiểm soát tiêu hao và tính giá thành theo nhu cầu thực tế của doanh nghiệp, không nhiều hơn chỉ vì hệ thống cho phép.
BOM đa cấp với cấu phần, số lượng, tuyến sản xuất và giá thành: độ sâu của BOM nên đi theo nhu cầu quản trị của doanh nghiệp.
Độ chi tiết dữ liệu nên đi cùng độ sâu quản trị
Có thể hình dung theo ba mức. Không phải doanh nghiệp nào cũng cần bắt đầu ở mức 3.
Mức 1: Vận hành được
Sản phẩm gì, số lượng bao nhiêu, vật tư chính, đang ở công đoạn nào. Mục tiêu: theo dõi dòng chảy.
Mức 2: Đo được
Bổ sung định mức, thời gian, tiêu hao, lỗi, sản lượng thực tế. Mục tiêu: đo sai lệch.
Mức 3: Phân tích được
Bổ sung nguyên nhân lỗi, nguyên nhân dừng, mã nguyên nhân chậm, loại phát sinh chi phí. Mục tiêu: tìm nguyên nhân và Kaizen.
Cách đánh giá một dữ liệu có "đáng nhập" hay không
Có thể dùng 5 câu hỏi sau.
1. Dữ liệu này phục vụ quy trình nào?
Nếu không liên quan tới bước nào phía sau, cần xem lại.
2. Ai sử dụng dữ liệu này?
Nếu không xác định được người dùng cụ thể, giá trị có thể thấp.
3. Quyết định nào dựa trên dữ liệu này?
Nếu không có quyết định nào thay đổi nhờ dữ liệu, cần xem lại.
4. Có thể tự động lấy dữ liệu không?
Nếu có, nên giảm nhập tay.
5. Nếu không có dữ liệu này thì doanh nghiệp mất khả năng gì?
Đây là câu quan trọng nhất.
Ví dụ: không ghi nhận thời gian công đoạn thì không đo được thời gian chu kỳ (cycle time); không có BOM đủ chi tiết thì không tính đúng tiêu hao; không ghi nguyên nhân lỗi thì không phân tích được nguyên nhân gốc (root cause). Khi trả lời được câu hỏi này, giá trị quản trị của dữ liệu trở nên rõ hơn.
Minh họa: chỉ nhập khi dữ liệu tạo ra giá trị quản trị rõ ràng.
Không nên đánh giá dữ liệu chỉ bằng ROI tài chính ngay lập tức
Với SME, một khó khăn lớn là doanh nghiệp thường chưa có mốc so sánh (baseline): không biết chính xác lead time hiện tại, thời gian chờ bao nhiêu, tỷ lệ làm lại (rework), chi phí sai lệch. Vì vậy, rất khó chứng minh ngay "nhập dữ liệu này sẽ tiết kiệm bao nhiêu tiền". Trong trường hợp đó, có thể nhìn giá trị theo từng tầng:
Nhìn thấy (Visibility)
Biết chuyện gì đang xảy ra
Kiểm soát (Control)
Kiểm soát được quy trình
Quyết định (Decision)
Ra quyết định tốt hơn
Năng suất (Productivity)
Giảm thời gian, tồn kho, lỗi, nhân lực
Tài chính (Financial)
Kết quả tài chính rõ ràng
Không phải dữ liệu nào cũng phải chứng minh ngay bằng tiền. Một số dữ liệu trước hết tạo ra khả năng nhìn thấy, và khả năng nhìn thấy chính là nền để tạo ROI ở bước sau.
"Chi phí của việc không biết" cũng cần được tính
Khi đánh giá một dữ liệu, doanh nghiệp thường nhìn vào chi phí nhập liệu nhưng quên mất chi phí của việc không có dữ liệu:
Không có BOM chính xác
Mua thiếu vật tư, mua dư vật tư, sai giá vốn, chậm sản xuất.
Không ghi nhận lỗi
Lỗi lặp đi lặp lại, không biết nguyên nhân, không đánh giá được nhà cung cấp.
Không ghi thời gian
Không biết điểm nghẽn, không biết năng suất thật.
Chi phí của việc không nhìn thấy (Cost of Blindness).
Trong nhiều trường hợp, chi phí này lớn hơn nhiều so với vài giây nhập liệu. Ghi nhận lỗi là ví dụ rõ nhất: trên Viindoo, cảnh báo chất lượng có thể tạo ngay tại công đoạn phát sinh vấn đề, nên lỗi trở thành dữ liệu có mục đích rõ ràng chứ không phải nhập cho đủ.
Cảnh báo chất lượng được tạo ngay tại công đoạn phát sinh vấn đề, kèm hành động khắc phục và phòng ngừa để theo dõi.
Data Contract: cách đơn giản để thống nhất giữa lãnh đạo và đơn vị triển khai
Một trong những cách giúp giảm tranh luận là xác định rõ "hợp đồng dữ liệu" (Data Contract) cho từng điểm nhập. Không cần tài liệu phức tạp, chỉ cần trả lời 5 dòng: Dữ liệu (nhập gì), Người tạo (ai nhập), Thời điểm (khi nào), Mục đích (dùng để làm gì) và Hậu quả nếu không có (mất khả năng gì).
Ví dụ: Số lượng lỗi
Người tạo: nhân viên QC. Thời điểm: khi kiểm tra. Mục đích: theo dõi tỷ lệ lỗi và phân tích chất lượng. Nếu không có: không đo được tỷ lệ lỗi (defect rate).
Ví dụ: BOM
Người tạo: kỹ thuật. Thời điểm: trước khi lập kế hoạch sản xuất. Mục đích: hoạch định nhu cầu vật tư (MRP), cấp phát vật tư, giá thành. Nếu không có: không quản trị được tiêu hao và nhu cầu vật tư.
Tôi không nhập dữ liệu cho phần mềm. Tôi tạo dữ liệu cho một mục đích quản trị cụ thể.
Viindoo nên được triển khai theo nguyên tắc "Minimum Management Data"
Mục tiêu không phải thu thập tối đa dữ liệu, mà là thu thập lượng dữ liệu tối thiểu đủ để doanh nghiệp nhìn thấy, đo lường và cải tiến. Có thể gọi là dữ liệu quản trị tối thiểu (Minimum Management Data). Nguyên tắc này giúp cân bằng hai phía: lãnh đạo không muốn hệ thống quá nặng, còn đơn vị triển khai vẫn đảm bảo đủ dữ liệu để quản trị.
Minh họa: theo dõi được, đo được, có thể tối ưu với lượng dữ liệu tối thiểu cần thiết.
Trong Viindoo, điều này có thể được áp dụng bằng cách:
- chỉ bật các tính năng và trường thật sự cần,
- tự động lấy dữ liệu đã có thay vì nhập lại,
- dùng Automation Rules và OmniApproval để giảm xác nhận thủ công,
- áp dụng quét mã vạch (kể cả mã QR qua máy quét) ở điểm phù hợp với Stock Barcode và MRP Barcode,
- không yêu cầu ghi nhận quá sâu ngay từ đầu,
- tăng độ chi tiết khi doanh nghiệp thực sự cần.
Điểm kiểm soát chất lượng là minh họa rõ: mỗi điểm chỉ áp dụng cho đúng sản phẩm (hoặc nhóm sản phẩm) và loại hoạt động cần kiểm tra, nên dữ liệu được ghi nhận ở đúng điểm kiểm soát chứ không phải ở mọi nơi.
Điểm kiểm soát chất lượng được khai báo cho đúng sản phẩm và loại hoạt động kho, kèm kiểu kiểm tra và số lượng cần kiểm tra.
Dữ liệu tốt là dữ liệu được tạo trong dòng công việc
Không tạo quy trình nhập liệu riêng nếu dữ liệu có thể được tạo ngay trong quá trình làm việc.
- Bán hàng xác nhận đơn hàng: tạo dữ liệu nhu cầu.
- Kỹ thuật hoàn thành BOM: tạo dữ liệu vật tư.
- Kho quét mã khi xuất: tạo dữ liệu tồn kho.
- Sản xuất xác nhận công đoạn: tạo dữ liệu tiến độ.
- QC kiểm tra: tạo dữ liệu chất lượng.
Khi đó, nhập liệu không còn là "việc thêm", mà trở thành một phần tự nhiên của dòng công việc.
Bấm bắt đầu, hoàn thành lệnh công việc là một phần của công việc, đồng thời ghi lại thời lượng thực tế và trạng thái.
Từ dữ liệu tối thiểu đến Kaizen sâu hơn
Ở giai đoạn đầu, doanh nghiệp chỉ cần đủ dữ liệu để theo dõi được, sau đó có thể tăng lên đo được, và cuối cùng là có thể tối ưu.
Theo dõi được (Traceable)
Biết công việc đang ở đâu
Đo được (Measurable)
Biết sai lệch ở đâu
Có thể tối ưu (Optimizable)
Biết cần Kaizen chỗ nào
Điều quan trọng là không số hóa chi tiết hơn khả năng ra quyết định hiện tại của doanh nghiệp, nhưng cũng không được đơn giản hóa đến mức doanh nghiệp mất khả năng nhìn thấy dòng chảy. Đây là điểm cân bằng thực tế nhất.
Kết luận: dữ liệu có giá trị khi nó thay đổi cách doanh nghiệp quản trị
Một dữ liệu đáng để ghi nhận khi nó giúp doanh nghiệp vận hành tốt hơn, kiểm soát rủi ro, đo lường sai lệch, ra quyết định hoặc Kaizen. Ngược lại, nếu dữ liệu không ai dùng, nhập trùng, có thể tự động hóa hoặc không gắn với hành động, thì nó có thể là lãng phí.
Không hỏi "người dùng phải nhập bao nhiêu dữ liệu", hãy hỏi "mỗi dữ liệu đó tạo ra giá trị quản trị gì".
Đó cũng là nguyên tắc quan trọng trong cách tiếp cận triển khai Viindoo: không thu thập dữ liệu chỉ vì phần mềm có thể; chỉ thu thập những dữ liệu cần thiết để doanh nghiệp nhìn thấy, đo lường và cải tiến tốt hơn.
Câu hỏi thường gặp về giá trị quản trị của dữ liệu
Không. Nhập liệu chỉ là lãng phí khi dữ liệu không được sử dụng hoặc có thể tự động lấy. Nếu dữ liệu phục vụ vận hành, kiểm soát, đo lường hoặc Kaizen thì nó có giá trị quản trị.
Hãy xác định dữ liệu đó phục vụ quy trình nào, ai sử dụng, quyết định nào dựa trên nó và doanh nghiệp mất khả năng gì nếu không có dữ liệu.
Không nhất thiết. SME nên bắt đầu từ dữ liệu tối thiểu đủ để theo dõi dòng chảy và các sai lệch chính, sau đó tăng độ chi tiết khi có nhu cầu quản trị rõ ràng.
Có. Viindoo có thể tái sử dụng dữ liệu giữa các nghiệp vụ, tự động tính toán, kết nối workflow và hỗ trợ quét mã vạch (kể cả mã QR qua máy quét) để giảm nhập dữ liệu thủ công và lặp lại.
Là tập dữ liệu tối thiểu đủ để doanh nghiệp vận hành, kiểm soát, đo lường và cải tiến mà không tạo ra gánh nặng nhập liệu không cần thiết.
Bài tiếp theo: Không phải dữ liệu càng nhiều càng tốt, chỉ cần đủ để quản
Nếu bài này trả lời dữ liệu nào đáng để nhập, thì bài tiếp theo sẽ trả lời doanh nghiệp nên dừng ở mức chi tiết nào. Chúng ta sẽ đi sâu vào khái niệm xương sống quản trị tối thiểu (Minimum Management Backbone) để giúp SME triển khai ERP đủ sâu để quản nhưng không biến dự án thành một hệ thống quá nặng.
