Người ta hay hỏi nhau “bên đó chạy ERP gì”, như thể chọn đúng phần mềm là xong một nửa dự án, nhưng càng làm mình càng thấy câu hỏi đó đặt sai chỗ, vì hai nhà máy chạy cùng một hệ thống vẫn có thể một bên trơn tru, một bên ngày nào cũng ngồi đối chiếu Excel. Khác nhau ở dữ liệu.
không phải ERP gì, mà dữ liệu có chạy xuyên không#
Giả sử một nhà máy có ERP, có MES, có hệ thống kho, nhưng mỗi hệ thống là một ốc đảo, dữ liệu từ PLM sang ERP phải export Excel, từ ERP sang MES lại import bằng tay, mỗi lần đổi cấu hình sản phẩm là một đợt đối chiếu mệt nghỉ. Theo mình, cảnh này không hiếm ở nhà máy Việt. Ai cũng biết dữ liệu quan trọng, nhưng nối được một mạch từ khâu thiết kế đến khâu vận hành thì không nhiều nơi làm được, và phần mềm có xịn đến đâu mà dữ liệu đi bộ qua tay người thì cũng chỉ nhanh bằng người gõ.
integration gaps, chỗ BA dễ bị ăn hành nhất#
Theo mình có mấy ranh giới tích hợp dễ đứt gãy nhất trong sản xuất: PLM sang ERP, ERP sang MES, ERP sang hệ thống nhà cung cấp, và ERP sang MRO (Maintenance, Repair & Overhaul). Chỗ nào có ranh giới là chỗ đó có spreadsheet archaeology, tức là cảnh đào bới file Excel để đối chiếu dữ liệu, một revision sai hay một configuration đổi mà không cập nhật kịp là cả chuỗi delivery, quality, exception-management vỡ trận.
Làm BA, mỗi lần nghe stakeholder bảo “cái này bọn anh toàn làm thủ công bằng Excel mà, cũng ổn mà” là mình biết ngay đây là pain point thật, vì ổn ở quy mô nhỏ thôi, scale lên là chết.
ba việc BA nên làm ngay#
Map integration gaps trước khi bàn đến AI hay công nghệ mới. Đừng vội chạy theo AI agents hay digital twin khi còn chưa biết dữ liệu từ PLM sang ERP đã sạch chưa, bước đầu tiên là liệt kê các handoff PLM–ERP, ERP–MES, ERP–supplier, xem chỗ nào còn đối chiếu tay, đó mới là chỗ cần sửa trước.
Predictive maintenance cần master data đáng tin trước. AI giỏi cỡ nào cũng vô ích nếu asset history, telemetry, configuration records không đáng tin, và theo mình nhiều dự án AI trong sản xuất vấp đúng ở bước này. Làm sạch master data, sửa integration, xong rồi hẵng tính chuyện AI, chứ dữ liệu nền mà bẩn thì AI chỉ sinh ra rác nhanh hơn thôi.
Khép vòng từ NPI sang quản lý tài sản. Cái handoff từ engineering change sang production, tooling, maintenance, spares planning là một trong những khoảng trống khó nhằn nhất, và người cầm chương trình cần coi đây là việc ưu tiên chứ không phải chuyện để sau.
Bài trước mình có nói về tại sao dự án ERP thất bại, và integration chính là một phần trong đó, cũng gần giống chuyện cấu hình IFS Cloud Procurement, config mà không hiểu dòng chảy dữ liệu thì sớm muộn cũng gặp rắc rối.
dữ liệu trước, phần mềm sau#
Không phải nơi nào cũng có tiền và người để làm một nền tảng dữ liệu hoành tráng, mà cũng không cần, cái đáng học là tư duy đầu tư vào dữ liệu trước rồi mới tới phần mềm, giải bài toán integration trước khi bỏ tiền vào công nghệ mới.
Theo mình, khi review hệ thống cho một nhà máy thì câu hỏi đầu tiên nên là dữ liệu từ bước A sang bước B mất bao lâu, bao nhiêu người phải gõ lại bằng tay, còn xưởng dùng ERP gì thì hỏi sau. Một việc nhỏ mình làm thật với master data là làm template chuẩn cho khách điền và hướng dẫn họ điền, nghe đơn giản, nhưng dữ liệu vào đúng chuẩn từ đầu thì về sau đỡ đối chiếu hẳn.
Bạn đã bao giờ gặp cảnh dữ liệu giữa hai hệ thống phải đi bộ qua Excel chưa, và bạn thuyết phục team đầu tư vào integration trước khi mua công nghệ mới bằng cách nào?
