2 Диагностика системы информационной поддержки логистических процессов ооо «сдэк-глобал»

2.1 Характеристика предприятия и схема логистической цепи ооо «сдэк-Глобал»

В 2010-е годы был осуществлён выход на международный рынок: открылся первый зарубежный офис в Алматы (Казахстан), затем – в Китае; сформирована партнёрская сеть в странах СНГ и Юго-Восточной Азии [27].

м в индустриальном парке «PNK парк МКАД-М4» (Москва) – арендован в мае 2023 года в рамках крупнейшей сделки на рынке московской складской недвижимости за всю историю отрасли [27].

Продолжение таблицы 2.1

Анализ данных таблицы 2.1 выявляет ряд характерных закономерностей. Вместе с тем темп прироста выручки последовательно замедляется: с 39% в 2020–2021 годах до 23,6% в 2024 году.

В совокупности два указанных тренда – рост объёма при снижении удельной доходности и рентабельности – формируют жёсткий операционный императив: снижение себестоимости единичного отправления возможно только за счёт глубокой автоматизации и развития информационной поддержки, обеспечивающей более высокую производительность при меньших удельных затратах [18].

Масштаб операций – свыше 100 млн отправлений в год при функционировании более 5 000 ПВЗ – обусловливает высокие требования к информационной поддержке как системообразующему элементу всей логистической архитектуры компании.

2.2 Системный анализ информационного контура и декомпозиция логистической системы ооо «сдэк-Глобал» (модель «как есть»)

Облачные ресурсы применяются для задач с переменной нагрузкой: масштабируемые вычислительные мощности активируются в периоды пиковых отправлений (предновогодний сезон, распродажи маркетплейсов), когда суточный объём обрабатываемых отправлений возрастает в 2,5–3 раза по сравнению со среднегодовым значением [27].

Продолжение таблицы 2.2

На рисунке 2.3 представлена IDEF0-диаграмма верхнего уровня (A0) – функция «Обеспечение информационной поддержки логистических процессов ООО «СДЭК-Глобал»» в её текущем состоянии («как есть»).

Именно на уровне A2 фиксируется основная точка уязвимости текущей архитектуры: нестандартные случаи – некорректная маркировка, адрес без геокода, нетиповой габарит – выпадают из автоматического контура и маршрутизируются на ручную обработку оператором [19].

По критерию задержки наиболее уязвима связка A2–A3: перевод данных из оперативного контура в аналитическую платформу занимает до 24 часов.

Причинно-следственный анализ выявленных ограничений указывает на единый системный корень: архитектура информационного контура ООО «СДЭК-Глобал» проектировалась в логике последовательного наращивания функциональности без единой платформенной концепции, что привело к накоплению технического долга – совокупности архитектурных решений, снижающих гибкость и масштабируемость системы [22].

2.3 Диагностика kpi системы информационной поддержки логистики ооо «сдэк-Глобал» за 2019–2024 гг.

Продолжение таблицы 2.3

Вместе с тем ни один из показателей не достигает целевого ориентира по итогам 2024 года, что свидетельствует о системном отставании информационной поддержки от требований, предъявляемых масштабом и темпом роста операций компании [24].

Формально разрыв составляет лишь 2 процентных пункта, однако в абсолютном выражении при объёме 110 млн отправлений в год это соответствует порядка 2,2 млн заказов, ежегодно проходящих ручную обработку.

С одной стороны, доля расходов на персонал последовательно снижается – с 7,1% в 2019 году до 5,6% в 2024 году, – что отражает эффект частичной автоматизации операционных функций: внедрение роботизированной сортировки и мобильных курьерских решений позволило повысить производительность труда без пропорционального наращивания штата.

Целевое состояние системы должно обеспечить достижение всех десяти KPI в установленных ориентирах при одновременном снижении удельных логистических затрат за счёт устранения выявленных архитектурных ограничений [27].

«Системный анализ информационного контура по методологии IDEF0 выявил четыре ключевые проблемные зоны: долю ручной обработки нестандартных заказов на уровне 8–14%, задержку аналитических данных до 24 часов, неоднородность интеграционного слоя с внешними контрагентами и отсутствие предиктивной аналитики.» [14] Зрелость информационного контура по модели CMM не превышает уровня 2–3 ни по одной из четырёх декомпозированных подфункций.