Lịch giao hàng hay trễ? Dùng AI lập bảng cảnh báo trễ hẹn và quyết định đẩy nhanh

Muốn đối phó chuyện trễ lịch giao hàng trong ngành in, cách khởi đầu hiệu quả nhất không phải đổi xưởng, mà là dọn lại đơn hàng cũ của chính mình, lập bảng chấm điểm rủi ro, để trước khi đặt mỗi đơn mới đều có thể ước lượng xác suất trễ rồi quyết định có đẩy nhanh hay không. Khi đội ngũ cố vấn MINDS Knowledge Academy hỗ trợ khách hàng xử lý vấn đề này, bước đầu tiên luôn là đưa dữ liệu đơn hàng 12 đến 24 tháng qua về dạng có thể phân tích được — chứ không phải cắm đầu vào chạy công cụ

Cùng một xưởng, cùng mặt hàng, tháng 6 năm nay giao đúng hẹn, tháng 7 lại trễ ba ngày. Hỏi xưởng, câu trả lời lúc nào cũng là "tháng này bận hơn" hay "vật tư vừa thiếu". Nghe mấy năm rồi, vấn đề vẫn nằm đó

Lịch giao hàng in liên quan nhiều biến số, vốn phức tạp hơn mua hàng thông thường. Rủi ro hiếm khi đi một mình. Một rủi ro đơn lẻ xưởng thường còn gồng được, nhưng ba rủi ro mức trung bình cộng lại thì dù xưởng muốn hợp tác cũng khó kịp hẹn

Từ kinh nghiệm lâu năm ở cả phía sản xuất lẫn phía khách hàng, mình thấy bốn tổ hợp hay gây trễ nhất là:

・ Xưởng mới hợp tác lần đầu: xác nhận file qua lại có thể ngốn mất hai ngày, không có mẫu giao tiếp cũ để bám theo

・ Có gia công sau in phức tạp: dao mẫu, ép nhũ, phủ UV — thời gian chỉnh máy khó ước lượng, bản thân xưởng cũng không chắc

・ Trúng mùa cao điểm: hai tháng trước Tết Nguyên Đán, mùa triển lãm, mùa tốt nghiệp — xưởng kín lịch, không còn dư đệm

・ Một lần nhiều SKU: mười lăm SKU cùng lúc, mỗi cái phải xác nhận file rồi xếp lịch theo lô, cái nào kẹt là kéo đổ cả lô

Bốn yếu tố này xuất hiện riêng lẻ, xưởng thường gánh được. Hai cái trở lên cùng lúc, nếu người mua hàng còn đợi xưởng chủ động báo thì thường đã muộn

Dữ liệu lịch sử là tiền đề của tất cả. Không có dữ liệu được dọn xong, mọi dự đoán chỉ là nói suông

Bảng đơn hàng không cần cầu kỳ, mấy cột này là quan trọng nhất:

・ Ngày đặt, tên xưởng, loại sản phẩm (namecard, catalogue, hộp bao bì, banner)

・ Ngày hẹn giao so với ngày thực nhận, tính ra số ngày trễ, đúng hẹn thì ghi 0

・ Loại gia công sau in (ép nhũ, dao mẫu, UV, không có)

・ Số SKU trong đơn

・ Có phải mùa cao điểm không, đánh dấu theo tháng hoặc ngày triển lãm là được

・ Có phải hợp tác lần đầu không

Bảng này làm có vẻ thô sơ, nhưng tích lũy 80 đến 100 đơn cùng loại, bạn sẽ bắt đầu thấy quy luật: xưởng nào đó từ tháng 10 đến tháng 12 hằng năm tỷ lệ trễ tăng rõ rệt; mặt hàng dao mẫu lần nào cũng trễ hai ngày so với hẹn; xưởng mới lần đầu có tỷ lệ trễ gấp ba xưởng quen

80 đơn là cận dưới để thống kê có ý nghĩa. Dưới mức này, con số "tỷ lệ trễ 20%" của bạn có thể chỉ là một đơn trễ trong năm đơn, tham khảo chẳng ra gì. Đây là lý do thật sự khiến nhiều người mua hàng thử công cụ AI xong thấy "có vẻ không chính xác" — không phải tại công cụ, mà tại dữ liệu đưa vào quá ít

Có bảng nền tảng này rồi, thả vào ChatGPT hoặc Excel, nhờ thống kê tỷ lệ trễ theo xưởng, theo mùa, theo loại gia công, thường chỉ một hai tiếng là ra được một "hồ sơ đơn hàng rủi ro cao" — tức là thứ bạn vẫn phán bằng cảm tính trước đây

Phí đẩy nhanh thường rơi vào khoảng 20% đến 50% báo giá thường, có khi còn hơn. Có trả hay không, tính rõ con số này trước:

"Thiệt hại trễ kỳ vọng = số ngày trễ × xác suất trễ × chi phí thực tế mỗi ngày"

Chi phí thực tế mỗi ngày phải tính cho ra, gồm cả tiền mặt bằng mất khi huỷ sự kiện, chi phí cơ hội lúc kho trống hàng, thời gian điều phối lại nhân sự. Nhiều người mua hàng chưa tính khoản này bao giờ, chỉ thấy "trễ là phiền" — cảm giác mơ hồ như vậy không gánh nổi một quyết định đúng

Thao tác nhanh hơn là lập sẵn một danh sách kích hoạt, trúng hai điều kiện là đưa vào quy trình đánh giá đẩy nhanh:

・ Xưởng sáu tháng gần nhất, tỷ lệ trễ cùng loại đơn vượt 30%

・ Đơn có dao mẫu hoặc gia công đặc biệt

・ Cách ngày cần dùng dưới 15 ngày làm việc

・ Tháng hiện tại nằm trong khoảng xưởng từng chịu tải cao

・ Xưởng hợp tác lần đầu, không có nguồn thay thế

Danh sách lập xong, mỗi lần đặt đơn đối chiếu một lượt. Công cụ AI có thể giúp bạn so từng điều kiện rồi xuất điểm, nhưng tiêu chuẩn phải tự bạn đặt — ngưỡng có quan trọng hay không, công cụ không quyết thay bạn được

Nói chuyện đẩy nhanh với xưởng, mở miệng càng sớm càng tốt. Báo trước ba đến năm ngày "đơn này có thể phải đẩy nhanh", xưởng còn dư địa xếp lại lịch; đợi đến hai ngày cuối mới nói thì đành nhìn sắc mặt xưởng. Đưa ra một mốc cụ thể cho xưởng, ví dụ "tôi cần hàng trước 10 giờ sáng ngày 5 tháng 11 tại địa điểm triển lãm", còn hơn nhiều so với "hy vọng càng nhanh càng tốt" — để xưởng nói trước mức sớm nhất họ làm được, rồi bạn quyết định mốc đó có dùng được không

Công cụ AI cho ra xác suất, không phải bảo đảm. Mấy tình huống sau, nên bỏ qua mô hình, để người phán xét trực tiếp:

Xưởng vừa có biến động cơ cấu: thay dàn máy, quản lý sản xuất nghỉ việc, vừa nhận khách hàng lớn. Những thông tin này không có trong dữ liệu lịch sử của bạn, mô hình dự đoán nhìn không thấy — gọi điện xác nhận còn thực tế hơn tin xác suất

Đơn hàng có stakes đặc biệt cao: nếu trễ vật tư đồng nghĩa huỷ một triển lãm lớn, đừng dựa xác suất để quyết — xếp theo kịch bản xấu nhất luôn, đẩy nhanh sớm, đồng thời tìm xưởng thay thế

Xưởng xuất hiện tín hiệu mềm: xác nhận file lần nào cũng kéo dài, điện thoại không ai nghe, nhân viên kinh doanh trả lời càng lúc càng mơ hồ. Mấy tín hiệu này mô hình dự đoán không cảm nhận được, nhưng người làm mua hàng mấy năm, thấy kiểu phản hồi này là biết phải nâng mức cảnh giác

Giá trị thật sự của công cụ dự đoán là "báo trước chỗ nào cần để ý", không phải quyết thay bạn. Mình đã thấy không ít người mua hàng cầm con số "tỷ lệ trễ chỉ 12%" làm lý do an lòng, cuối cùng vẫn trễ. Sự kiện xác suất thấp xảy ra mỗi ngày — điểm này luôn phải nhớ

・ Trễ lịch giao hàng in gần như luôn là nhiều yếu tố rủi ro cao cộng dồn, biến số đơn lẻ xưởng thường gánh được

・ Dữ liệu đơn hàng cũ phải tích lũy trên 80 đơn cùng loại, thống kê tỷ lệ trễ mới có giá trị tham khảo thực sự

・ Cốt lõi quyết định đẩy nhanh là tính rõ "thiệt hại trễ kỳ vọng" có lớn hơn phí đẩy nhanh không, cảm giác không thay thế được phép tính này

・ Danh sách điều kiện kích hoạt đẩy nhanh phải tự bạn đặt tiêu chuẩn, AI chỉ so từng điều kiện còn ngưỡng do bạn định

・ Xưởng đổi máy, đổi quản lý, phản hồi mơ hồ là vùng mù của mô hình dự đoán — phải người phán xét

Nếu muốn bắt tay vào làm ngay, cách vào nhanh nhất là lấy hồ sơ đơn hàng một năm qua ra, thêm cột "số ngày trễ", rồi nhóm theo xưởng xem mấy chỗ hay trễ nhất, trễ nhiều ngày nhất. Thao tác này dùng Excel làm được, không cần công cụ AI nào. Làm xong bạn sẽ thấy, gần như mọi vụ trễ đều tập trung ở một số ít xưởng, một số ít công đoạn, một số ít mùa. Ba chiều này dọn xong là bạn đã có bản đồ rủi ro nền tảng nhất

Sau đó mang bảng này đi bàn với xưởng, hoặc mang theo khi nói chuyện với nhân viên kinh doanh của MINDS Printing, chất lượng cuộc đối thoại sẽ khác hẳn. Không còn là đi than trễ với xưởng nữa, mà là "tôi biết khâu nào dễ trục trặc, chúng ta khoá nó lại trước được không" — chỉ một câu như vậy cũng đủ đưa quan hệ mua hàng – xưởng từ bị động nhận tin sang chủ động phối hợp