Производство: обработка заявок за 18 часов
Кейс автоматизации производственной компании: аудит процессов, прогнозирование спроса, RPA и интеграция CRM с ERP. Обработка заявок — 18 часов вместо 72, операционные расходы — 1,1 вместо 1,8 млн ₽ в месяц.
- 18 часовОбработка заявкина старте — 72 часа
- 1,1 млн ₽Расходы в месяцна старте — 1,8 млн ₽
- 1%Ошибки в учётена старте — 7%
Задача
Сократить ручные операции, задержки и ошибки при обработке заказов.
Что сделали
Внедрили RPA, прогнозирование спроса и интеграцию с CRM и ERP.
Результат
72 → 18 часов на заявку. Расходы снизились с 1,8 до 1,1 млн ₽ в месяц.
О компании и проблеме
Клиент — производственная компания из Центрального федерального округа, выпускающая комплектующие для строительства. Компания работает по России и в странах СНГ. Заказы проходят через несколько подразделений, а качество работы зависит не только от скорости производства, но и от согласованности заявок, документов и складского учёта.
До проекта значительную часть операций сотрудники выполняли вручную. Задачи дублировались между отделами, обработка заявки занимала до трёх дней, а складские остатки формировались без достаточного учёта сезонного спроса. Компания обратилась за автоматизацией бизнес-процессов, чтобы уменьшить задержки и операционные расходы.
Цели проекта
Планировали сократить время обработки заказов на 50% и операционные расходы на 30% в течение шести месяцев. Эти значения были целями проекта, а не его итоговыми показателями.
Работу строили вокруг конкретных операций: обработки заявок, документооборота, учёта товаров и планирования запасов. Важно было связать новые инструменты с действующими CRM и ERP, чтобы автоматизация не создавала отдельную систему ручного переноса данных.
Задачи: от аудита до обучения команды
- Провести аудит процессов и определить участки с повторяющимися действиями и задержками.
- Подготовить стратегию внедрения AI и RPA — программной роботизации рутинных операций.
- Настроить прогнозирование спроса для управления запасами.
- Автоматизировать документы и обработку заказов, связать инструменты с CRM и ERP.
- Обучить сотрудников работе с изменившимися процессами.
Стартовые данные
Средняя обработка заявки занимала 72 часа. Операционные расходы на обработку заказов составляли 1,8 млн ₽ в месяц, ошибки в учёте товаров — до 7%.
За этими показателями стояли три проблемы: повторное выполнение задач разными отделами, ручная обработка заявок и планирование складских остатков без учёта сезонных колебаний. Поэтому проект требовал одновременно работы с последовательностью действий, обменом данными и прогнозированием.
| Показатель | На старте |
|---|---|
| Обработка заявки | 72 часа |
| Операционные расходы | 1,8 млн ₽ в месяц |
| Ошибки в учёте товаров | До 7% |
Стратегия: роботизация операций и прогноз спроса
Для повторяющихся операций выбрали RPA, для планирования запасов — модели прогнозирования спроса. CRM и ERP оставались частью общей системы: новые инструменты должны были работать с данными заказов и склада, а не подменять их параллельными таблицами.
В проекте использовались UiPath, 1С:ERP и модель на Python для прогнозирования спроса. Внедрение шло итерациями: сначала аудит и выбор операций, затем настройка, интеграция и обучение команды. Бюджет пилотного проекта составлял 2,5 млн ₽.
Такой подход позволяет выбирать средство под задачу. Для переноса документов важны правила и повторяемость действий, для управления запасами — данные о спросе. Использовать одну технологию для всех процессов было бы неоправданно.
Как проходило внедрение
Аудит процессов
Построили карту задач и выделили участки для роботизации. Это связывало выбор инструментов с фактическими задержками, а не с желанием внедрить AI как отдельную функцию.
Прогнозирование и запасы
Настроили предиктивную аналитику для учёта сезонного спроса и управления закупками. Задача этого направления — поддерживать решения о запасах с помощью данных.
Документы и заказы
Внедрили RPA-ботов для обработки заказов и электронного документооборота. Повторяющиеся действия стали выполняться программно, а интеграция с CRM и ERP связала их с общей информацией о клиентах и операциях.
Работа команды
После интеграции обучили сотрудников пользоваться новыми инструментами. Автоматизация меняет не только программное обеспечение: команде нужно понимать, где проходит операция и как работать с её результатом.
Результаты: быстрее обработка и меньше ошибок
Обработка заявки сократилась с 72 до 18 часов — на 75%. Операционные расходы снизились с 1,8 до 1,1 млн ₽ в месяц, а доля ошибок в учёте товаров — с 7% до 1%.
| Показатель | На старте | По итогам |
|---|---|---|
| Обработка заявки | 72 часа | 18 часов |
| Операционные расходы в месяц | 1,8 млн ₽ | 1,1 млн ₽ |
| Ошибки в учёте товаров | 7% | 1% |
Склад стал управляться с учётом аналитики в реальном времени. В результатах проекта также отмечено сокращение штата на 12% без снижения качества обслуживания.
Срок окупаемости проекта составил семь месяцев. Это временной показатель возврата вложений, его следует отличать от ROI, который выражается в процентах. Размер пилотного бюджета и снижение одной статьи операционных расходов сами по себе не описывают полный денежный поток проекта.
Что изменилось и как развивать систему
Результат получен за счёт сочетания роботизации, прогнозирования спроса и интеграции систем. Сокращение времени обработки заявок важно для скорости работы, снижение ошибок — для учёта, а операционные расходы показывают экономическую сторону изменений. Эти показатели дополняют друг друга, но не являются данными о росте продаж.
Дальнейшее развитие — перенос подхода на филиалы, автоматизация первичной обработки обращений и модели прогнозирования сбоев оборудования. Это направления следующего этапа, а не выполненные работы этого проекта.
Если похожие задержки есть в вашей компании, начнём с карты процессов и данных. Определим, где уместны правила и RPA, а где могут быть полезны ИИ-агенты и интеллектуальные инструменты.
