Reaktionshastighet är en dold kostnad.

I de flesta produkt- och retailbolag vi arbetar med ser rapportcykeln ungefär likadan ut. Data samlas in under veckan, aggregeras och kontrolleras, och levereras som en rapport — antingen automatiskt eller av en analytiker som hämtar ihop underlaget manuellt. Rapporten granskas i ett möte. Beslut fattas. Åtgärder sätts i rörelse.

Problemet är inte rapporten. Det är att beslutet alltid fattas med en inbyggd fördröjning. Stoppet som inträffade på onsdagen syns i rapporten på fredagen, diskuteras på måndagen och åtgärdas kanske på torsdagen. En vecka och ett par dagar hann gå.

Under den tiden fortgår produktionen. Kundorder styr mot ett lager som kanske inte längre är som man trodde. Avvikelser hanteras ad hoc av den som råkar märka dem — eller inte alls, tills rapporten bekräftar det alla egentligen anade.

Det som gör den här typen av fördröjning svår att adressera är att den aldrig dyker upp som en specifik post i ett bokslut. Det finns ingen rad som heter "kostnad för sen information". Istället absorberas den i övertidstimmar, i produktion som kördes på fel underlag, i kunder som fick felaktig leveransinformation, i lager som byggdes upp eller tömdes av felaktiga anledningar.

De flesta chefer vi pratar med kan räkna upp situationerna utan att behöva fundera länge. En produktionsledare som visste att ett stopp var på väg men inte fick bekräftelsen förrän det redan hänt. En inköpschef som beställde mer av en komponent samma dag som en kassation gjort det onödigt. En säljchef som lovade leveranstider baserade på ett lager som förändrats sedan söndagen.

Varje enskild händelse är hanterbar. Det är frekvensen som är kostnaden.

Det vore lätt att se det här som ett problem med rutiner eller organisation. Om folk bara kommunicerade bättre, om mötena låg bättre i kalendern, om analytikern hade mer tid.

Men det verkliga problemet är tekniskt: det saknas en infrastruktur för att se vad som händer nu, i stället för vad som hände för fem dagar sedan. De system som finns — affärssystem, produktionssystem, lagersystem — innehåller all information. Den är bara inte tillgänglig i en form som gör det möjligt att agera utan att vänta på nästa rapportcykel.

Och det är här operativ analys gör en konkret skillnad. Om produktionsledaren kan se avvikelsen i realtid, på en vy som uppdateras löpande, minskar reaktionstiden från dagar till timmar eller minuter. Beslutsunderlaget är inte längre en ögonblicksbild av förra veckan — det speglar vad som händer nu.

Det finns en förutsättning som brukar vara underskattad: operativ analys kräver att data från de olika systemen faktiskt hänger ihop och att begreppen som används i dem betyder samma sak.

Om lagersystemet och affärssystemet räknar tillgängligt lager på olika sätt, hjälper det inte att de uppdateras i realtid — ni reagerar snabbare på en inkonsekvens. Om "produktionsstopp" betyder ett i kvalitetssystemet och något annat i underhållssystemet, är en realtidsvy över stopp mer förvirrande än vägledande.

Tekniken för operativ analys finns och är mogen. Real-Time Intelligence och liknande plattformar gör det möjligt att bygga vyer som uppdateras med sekunder eller minuters fördröjning. Men arbetet som avgör om det ger beslut man kan lita på — att enas om definitioner, rensa upp i integrationer, säkerställa att systemen pratar med varandra på ett konsekvent sätt — det arbetet behöver komma först.

Vi brukar föreslå att man börjar med ett konkret problemområde. Inte hela verksamheten, utan en specifik situation där fördröjningen kostar mest. Lagernivåer i nära realtid. Produktionsstatus per linje. Orderläge med uppdaterade leveransdata.

Avgränsat nog att kunna genomföras snabbt. Konkret nog att värdet syns direkt — inte som en förändring i ett nyckeltal, utan som en förändring i hur beslut fattas.

Fördröjningskostnaden syns aldrig i budgeten. Men den märks av dem som arbetar med den varje dag. Det är ett bra ställe att börja.