指标驱动下鲜食工厂的数字化转型

随着企业对各类创新技术的采用，新型的数字化工厂正悄然转型。我们将通过便利蜂的鲜食工厂负责人郭爽来老师在Boolan主办的「2021全球产品经理大会」上的演讲，和大家共同探讨工厂的数字化转型。

今天的话题是指标驱动下的鲜食工厂的数字化转型，因此将会从三个方面对题目先进行剖解：鲜食工厂有哪些特点、指标驱动的含义以及如何结合实现项目。

01 鲜食工厂的特点

便利蜂是用数字化颠覆传统零售行业的代表性企业。那么数字化驱动是如何在便利蜂鲜食工厂标准化方面很好地应用的呢？让我们先来看看便利店视角下的鲜食呢。鲜食就是门店中热餐区售卖的便当、冷藏的速冻柜上售卖的三明治和饭团等即食便当。因此它最大的特点是短保品，它被放到门店销售的时间不会超过72个小时，一般都在48个小时左右。小时候在北京上过学的朋友应该对学校的营养餐有所体会，便利蜂门店售卖的热餐其实也就是小饭桌式的营养餐。

郭老师提到，他接手便利蜂鲜食工厂九个多月的时间，在此之前没有任何工厂的食品从业经验，也没有任何生产制造的从业经验。刚接手便利蜂鲜食工厂时，郭老师的第一反应是认为这个事很简单，就是过去四五十年很多人研究的制造，通常中间底层数据有个erp撑住，上面做个生产计划，辅助做一些数据蛊惑，顶层再做一个生产调度，短则两三年，长则三五年，工厂就能跑起来了。但是他接到命令，让他在八个月的时间里让一家工厂复制成四家工厂，因为当时便利蜂只有一家工厂，剩下三家工厂正在谈。

当郭老师开始接触了几天后，就发现鲜食工厂和传统制造业有很多的不同点。首先，大家做过erp应该都知道，最主要的就是去看看BOM，生产制造里面必须要先有物料清单和工具的定义。那他们做的其实就是“中餐的标准化”。举一个通俗易懂的例子，大家在家做饭，是否能把酱油定义出来一个标准产品，比如李锦记的酱油和海天的酱油是一个东西吗？生抽和老抽是一个东西吗？薄盐生抽和普通生抽是一个东西吗？

实际上,如果把一个无序的东西变成有序状态的话，是便于创出了一个规则的，但是你需要推翻人们的潜意识，把人们常规意识里面认为已经是常态化的东西整理成标准，这件事是很难的。鲜食工厂最开始碰到的最主要的问题就是难以将基础数据标准化。因为中餐已经被很多人潜意识认为他就是标准的，但实际上放到系统语言去归纳他的时候，是无法标准化的。

郭老师第一次去工厂的时候，厂长拿了一盒鸡丝凉面问他：你知道这盒鸡丝凉面是经过多少道工序生产出来的吗？郭老师认为最多十道，但是厂长回答这是72道工序做出来的。在这种定义下，鲜食工厂对工序的定义和生产制造人对工序的定义本身天然就不一样，当拿系统的逻辑去判断这件事的时候是看不清楚事情的本质的。

其次，便利行业的显著特点就是生产品的快节奏，基本每周都会有新品引入，也就意味着每周都会有新的品下市。例如，当把鸡蛋西红柿刚刚标准化，应该按照什么模式生产的时候，可能第二天它就被下市了，因此没有验证标准的时间。

再者，食品工厂其实是很传统的线下加工产业，大部分都是靠线下手工制作的，很少具有对于数据捕获的敏感和用数的经验。因此，鲜食工厂最初数据缺少标准，生产现场采集数据难度高，缺少数据应用的经验并且周期短导致无法评估标准。

那如何去解决这些问题呢？工厂运营需要达到的目标有三个：保证食品安全、稳定收入和降低成本。食品工厂的核心就是保证食品安全，便利蜂内部有一句话，就是卖给消费者东西即便不好吃，但也不能是个不好的东西。从系统侧是有办法解决这些问题的，比如品质管理，即做线上的品质安全管理，需要在终端设备拿到所有产品生产的节奏，以便做到商品的品控。其次，需要保证收入是稳定的。因此需要提升生产效率，促进可生产时间，让一个工厂一天24小时可以一直运作。最后需要降低成本。成本无外乎原材料成本、人工成本以及能耗等相关的成本，降低成本即降低原材料消耗。

那么企业是如何看待这件事的呢？从企业的最高层到到企业的最终节点，大家关注的事情是不一样的。企业领导层更加关注整体的战略分析、结构以及投资回报；生产管理层更加关注生产本身，即生产过程是如何被管控的，生产过程是不是可以被定义的，所有的产品研发过程是不是可以被定义的。生产执行侧关注的是生产效率本身是如何通过系统给生产提供辅助的。系统平台侧关注的是终端对于生产数据的采集，涉及到智能设备、制造执行系统、企业资源计划决策等。

从系统建设路径上来说，实现信息化最基础的事情就是做数据标准化。可以什么东西都没有，甚至没有任何系统，但是首先需要把业务数据的结构定义出来，数据一定得是标准化的，所有人要用一样的语言去对。第二步，需要在线上取得可以真实反映市场情况的数据。第三步，当我们已经具备取得数据的能力，那我们需要线上自动取得数据的能力，能在第一时间拿到数据是进行下一步的前提。最终则需要使用数据。

便利蜂的品控是从检查对象开始管理，包括原材料的品质检查、生产过程中的半成品的检查和最终成品的检查。在整个检查过程中，如何定义检查对象标准，如何让系统可以自动驱动任务，最终让任务被执行而形成一个闭环。

那大家在门店买到的便利蜂的任何一款商品是怎么出现的呢？首先需要做市场调研，产品被设计研发出来后需要做成小样，然后找定向的客户去做尝试，去验证东西是不是好吃的，是不是可以卖的。通过评估模型验证后，开始正式的量产并追踪和生产。

02 指标驱动的理解

虽然看起来鲜食工厂的业务变化频率很快，但是要做的事还是很清楚的。当有一堆业务需求出现的时候，大家总会强调优先级。那当有很多事情都要做的时候，便利蜂如何去判定所谓的优先级呢？便利蜂内部是没有预算级讨论环节的，在做所有的事情之前先去定义好所谓的预算级原则，预算级原则依据指标驱动。

这里提供一个场景。刚刚接手一家工厂的时候，和工厂的负责人开会，问道厂长现在的原料成本怎么样，研发团队的负责人说大多数人都觉得现在的原料贵！研发新品的时候都舍不得用料。老板就问采购有没有替换的可行方案，采购说可以找一些新原料做替换从而降低一些原材料成本。老板进一步询问风险问题，采购回答新原料对于少量成品的出成率会有降低，生产也附和说换了原料之后的产品合格率也有可能会降低。这是我们和业务对话时会出现的场景。

为什么一开始关注原价率呢？因为在一开始时给大家改了概念，提到了老板觉得现在原材料成本贵，先入为主的去关注原价率，但是人工成本的占有率比原来高多了。不降低原价率又能怎么样呢，现在好多业务还在线下跑呢，但是没有任何线上业务支撑。最后，如何衡量收益呢？原价率降低后，产品出成率却好像没怎么变动，也无法确定就是最高收益。

便利蜂现在的方法就是在第一时间点的时候做业务指标体系，体系涵盖了业务的所有关键指标，并且监控所有的指标数据。这些指标需要可以反映出现在业务的所有状况，如果无法反映出所有的业务现状，就需要增加指标体系的丰满度，使其足够支撑所有的业务指标。规定好所有业务指标之后，需要制定每个指标的底线值。当具备了指标以及指标容忍度，在出现场景时，就可以还原到业务指标上。因此就不再需要优先级排序，只需要对所有业务指标的影响大小进行判断。

03 应用成果的感想及反思

下图是一家鲜食工厂本身的业务衡量标准的体系，拆解的步骤和做事的方式。业务通常会有自己的定义指标，关注点是原价率和人工成本等大的成本指标的下降，以及单位人均产值的提升。那对于产品经理来说，可以从三个维度关注这件事。第一是存储数据维度的，包括生产本身的底层数据、工序的定义、库存的准确性、产设备的定义等主数据维度上的定义。第二是生产过程的供应链，即任务订单来了后，整个加工过程到最终产出的流程。第三是商品的寿命周期，即产生新的商品，从产品研发到最终下市的过程。

因此需要根据数量、时效和质量这三个衡量标准去定义每个业务的现状。然后再去看，如果业务希望降低原价率，那么“树”上一定会有直接表现在原价率上的数据指标，那一定会围绕到生产BOM的定义是不是足够准。其次需要确定每天生产任务是否准确。

下面给大家看一下便利蜂的监控面板（虚拟数据）。

可以发现，整个业务逻辑对于工厂侧现在是透明化的状态，原先可能大家都埋头苦干，只关注自己需要关注的东西。现在很多人都去做数据看板之类的东西，但大多数时候，大家做出来的东西和实际用起来会有差异，因为那看数的人和做数的人不是一群人，大家的视角是不一样的。

下图展示了便利蜂的生产过程，包括生产任务现在正在完成订单的完成比例。实现了产品的整个生产过程的实时监控—用了哪些原料、进行到哪道工序、由谁安排时间、由谁谁来做以及生产节拍等。因此可以知道现在车间所有人的工作状态以及今天产品的履约情况。

便利蜂门店所有的货架摆放现在也都不是人为主观完成的，比如一袋面包应该摆放在什么位置，咖啡机应该什么时候清洗，都是已经系统设置好的，店长和销售员只需要执行。

那生产过程中如何去执行呢？首先，我们每天都要履约交货，但不意味着产品都是当天生产出来的。通常每12个小时就会来一次订单，但是当订单来了再开始生产是无法完成订单量的，因此需要工作前置，根据门店内测的算法进行订单量猜测。第二，把每天的任务拆解到每时间片上，让每人不用自己去判断自己几点钟要去干什么活，把生产加工任务做成了线上了，辅助再做一些重量的自动采集、食品安全关注的温度和时间的自动采集等工作。

另一部分和人工成本相关，之前工厂员工按时薪计算，便利蜂为了提高生产效率改成按件计算，但是也出现了弊端。现在便利蜂利用数据监控的方式，监控生产作业的实效，根据后台定义的算法，从工人每天生产任务量和工作速度饱和度推出矩阵，就可以自动判断工人的工作速度的快慢。

这次的分享侧重于工厂角度，但是工厂其实是便利蜂整个链路里做的最薄弱的一块，因为进入的比较晚，之前更注重前端门店的工作。将工厂作为分享的主题是因为想探讨一个概念：当对目标有特别深入的理解，且对指标的定义有特别深刻的理解时，进展项目时是不会有很大的阻碍的。

联系我们

咨询热线：400-821-5876

咨询邮箱：service@boolan.com

赞助合作：partner@boolan.com

媒体联系：media@boolan.com