
Monday.com dla producenta mebli: zespoły, zamówienia, koszty i przychody w jednym systemie
Producent mebli prowadził zamówienia w Excelu, kalkulacje kosztów w drugim Excelu, harmonogram produkcji w trzecim, a przychody salonów w czwartym. Wdrożyliśmy Monday.com z czterema modułami: zespoły, zamówienia, koszty, przychody. Wszystkie dane w jednym miejscu, dashboardy zarządcze w Power BI.
45 osób, 1 fabryka, 3 salony
10 tygodni
Monday.com · monday CRM · monday Work Management …
Efekty
Mierzalne efekty wdrożenia
1 system
zamiast 4 rozjazdowych Excelów
real-time
marża zamiast 4 tygodnie opóźnienia
+22%
wzrost przychodu salonów rdr po wdrożeniu
10 tyg.
od warsztatów do pełnej produkcji
Wyzwanie
Cztery Excele, jedna fabryka, trzy salony i zarząd bez wglądu w aktualne dane
Producent mebli na zamówienie z fabryką na Śląsku i 3 salonami (Warszawa, Kraków, Wrocław) prowadził operacje na czterech rozłącznych Excelach. Pierwszy: zamówienia od klientów — co kupili, jakie materiały, jakie terminy. Drugi: kalkulacje kosztów per zamówienie — materiały, robocizna, transport. Trzeci: harmonogram produkcji — co fabryka robi w którym tygodniu. Czwarty: przychody salonów — co kto sprzedał per miesiąc.
Konsekwencje były operacyjnie kosztowne. Kierownik produkcji nie wiedział, czy w przyszłym tygodniu będzie miał wystarczająco materiałów na zamówienia w toku — bo zamówienia żyły w Excelu kierownika salonu, a materiały w Excelu kierownika zaopatrzenia. Te dwa Excele były synchronizowane raz w tygodniu, mailem. Klient dzwoniący do salonu z pytaniem o status zamówienia często musiał czekać 2–3 dni, aż kierownik salonu zadzwoni do fabryki i sprawdzi.
Zarząd nie miał aktualnego obrazu rentowności. Dane finansowe były podsumowywane raz w miesiącu z 4-tygodniowym opóźnieniem, czyli zarząd na koniec stycznia widział wyniki za listopad. Decyzje typu czy uruchomić promocję na konkretną kolekcję mebli zapadały na podstawie intuicji właścicieli, a nie danych. Firma rosła pomimo tego — ale rosła ślepo.
Podejście
Cztery moduły monday.com + dashboardy Power BI dla zarządu
Pierwsze 2 tygodnie: warsztaty z każdym z czterech kierowników (sprzedaż, produkcja, zaopatrzenie, finanse) i z zarządem. Zmapowaliśmy realne procesy (nie idealne, tylko te które są stosowane teraz) i punkty bólu między działami. Z tych warsztatów wyszła architektura czterech modułów monday.com: Zespoły (kalendarze pracy, urlopy, zastępstwa), Zamówienia (od leada w salonie przez produkcję do wysyłki), Koszty (kalkulacja per zamówienie z aktualizacją w czasie rzeczywistym), Przychody (sprzedaż per salon, per kategoria, per okres).
Build trwał 6 tygodni — najbardziej intensywny moduł to Zamówienia, bo był najbardziej cross-funkcjonalny. Lead pojawia się w salonie → handlowiec dodaje go do monday CRM z konfiguracją mebla → automatycznie generuje się kalkulacja kosztów w module Koszty → zatwierdzenie kosztów wysyła zamówienie do produkcji → produkcja widzi harmonogram dla swoich zespołów → po zakończeniu zamówienie wraca do salonu z informacją do klienta. Power Automate orkiestruje przejścia między modułami, monday Forms umożliwia klientom samodzielne sprawdzanie statusu zamówienia.
Ostatnie 2 tygodnie to integracja z Power BI dla zarządu. Cztery dashboardy: dzienna sprzedaż per salon, marża per zamówienie (real-time, nie miesięcznie), wydajność produkcji per linia, ranking handlowców. Każdy dashboard ma drill-down do konkretnego zamówienia / handlowca / kolekcji. Zarząd dostał też dashboard mobilny w Power BI App, więc dane są dostępne z telefonu w trakcie spotkania, a nie tylko po powrocie do biura.
Wynik
Klient widzi status zamówienia w salonie, zarząd podejmuje decyzje na bieżąco
Najbardziej bezpośredni efekt operacyjny: klient pytający w salonie o status zamówienia dostaje odpowiedź w trakcie rozmowy. Handlowiec widzi w monday Twoje zamówienie jest w fazie pakowania, w piątek wychodzi z fabryki. Wcześniej była to 2-dniowa procedura z dzwonieniem do fabryki. Zadowolenie klientów mierzone NPS-em wzrosło o 31 punktów w pół roku po wdrożeniu.
Zarząd otrzymał aktualne dane finansowe i — co ważniejsze — zaczął ich używać. Po 4 miesiącach od wdrożenia uruchomiona została promocja na kolekcję z najwyższą marżą (na podstawie danych z Power BI), która przyniosła rekordowy miesiąc sprzedaży. Zarząd przyznał, że bez aktualnych danych nigdy nie wybrałby tej kolekcji do promocji — bo intuicja mówiła co innego niż liczby.
Wzrost przychodu salonów o 22% rdr w pierwszym roku po wdrożeniu monday.com nie wynika wyłącznie z systemu — ale system był warunkiem koniecznym. Bez niego zarząd nie miałby ani danych do dobrych decyzji, ani sprawności operacyjnej do ich realizacji. Producent rozważa obecnie otwarcie dwóch nowych salonów i wprowadzenie nowej linii produktowej — wszystko teraz oparte o dane z monday + Power BI, a nie o cztery Excele i intuicję.
“Zmienił się sposób, w jaki prowadzimy firmę. Wcześniej zarządzaliśmy intuicją, bo dane były nieaktualne lub w czterech rozłącznych Excelach. Teraz zarządzamy danymi w czasie rzeczywistym, a intuicja jest tylko dodatkiem. To brzmi banalnie, ale dla nas to była rewolucja organizacyjna.”
Inne case studies
Zobacz, jak rozwiązaliśmy podobne wyzwania w innych branżach
Dedykowany system z AI dla GRUPA KRES — 100 zamówień miesięcznie w jednym pipeline
Zamówienia GRUPA KRES — od inquiry przez pomiar, kalkulację, produkcję po montaż — żyły w 6 różnych narzędziach. Zbudowaliśmy dedykowany system z AI: OpenAI parsuje zapytania klientów, generuje wstępne wyceny na bazie historycznych zamówień, prowadzi pipeline od pierwszego kontaktu do montażu. Wszystkie 100 zamówień miesięcznie w jednym systemie, czas od zapytania do oferty skrócony z 5 dni do 1 dnia.
Dedykowany system zamówień roślin z AI dla hurtowego importera
Zamówienia od 18 dostawców roślin przychodziły przez maila, WhatsApp, formularze PDF i Excele. Zbudowaliśmy dedykowany system: OpenAI rozpoznaje treść zamówień i faktur, n8n orkiestruje workflow, dedykowana aplikacja zarządza kosztami i marżą per dostawca. 90% zamówień obsługiwanych bez człowieka.
Copilot Studio w fabryce: wyszukiwanie wśród 4 500 dokumentów technicznych
Inżynierowie produkcji szukali odpowiedzi w 4 500 dokumentów technicznych rozsianych po SharePoint, dyskach sieciowych i archiwum PDF. Wdrożyliśmy agenta Copilot Studio z indeksowaniem przez Azure AI Search. Średni czas znalezienia procedury spadł z 18 minut do 40 sekund.
Kontakt
Porozmawiajmy o Twoich potrzebach!
Wypełnienie formularza zajmie chwilę, a my skontaktujemy się, aby wysłuchać Twoich potrzeb.
