Зеленые отчеты по SLA успокаивают, а деньги утекают сквозь пальцы. IT-World покажет, как 39% обращений в ИТ съедают до 800 млн рублей прибыли сети — и почему привычный шаблон «доступности и времени реакции» защищает метрики, а не кассу собственника. Разбираем модель, которая превращает техподдержку из затратного отдела в инструмент контроля выручки.
В большинстве компаний SLA по кассам появляется одним из двух способов. Либо его берут из типового договора с поставщиком. Либо ИТ-директор предлагает типовой набор показателей — доступность, время реакции и время решения — и бизнес подписывает, не задавая вопросов.
Формально все в порядке. SLA есть. Договор подписан. Метрика отслеживается. На практике модель показывает другое: за зелеными SLA-метриками может скрываться порядок потерь, который в отчете просто не виден. ИТ отчитывается выполненными показателями, никто не видит связи между строчкой в отчете о доступности и реальными деньгами, которые уходят через остановленную кассу.
SLA 48% → 99%. Проблема была не в техподдержке
Правильный SLA — не договоренность ИТ с бизнесом. Это финансовая модель, которая показывает, сколько стоит каждая минута простоя в точке генерации выручки. Без этой модели SLA защищает ИТ-показатели, но не деньги собственника.
Ниже — рабочая модель для расчета. Не бухгалтерский аудит, а управленческий фреймворк для быстрых решений. Задача — не доказать копейку в копейку, а показать порядок потерь и сравнить его со стоимостью реакции.
Допущения модели
Параметры, на которых строится расчет. Не универсальные рыночные данные — рабочие допущения. Замените на реальные цифры своей компании, и модель покажет ваши числа.
Параметр
Значение
Выручка сети
80 млрд руб. в год
Магазинов
500
Касс
2500
Рабочий день
12 часов
Выручка на кассу в час
около 7300 руб.
Потеря продаж отказавшего кассового узла
35%
Маржинальность
15%
Среднее время закрытия заявки (исходное)
5,8 часа
Сколько стоит одна остановленная касса
80 млрд руб. выручки в год, 500 магазинов, 2500 касс. В среднем — 5 касс на магазин. При 12-часовом рабочем дне одна касса генерирует около 7300 руб. выручки в час.
Когда касса выходит из строя, трафик перераспределяется на соседние узлы, но не полностью. Часть покупателей видит очередь и уходит. Рабочее допущение в модели: при отказе кассового узла в часы средней нагрузки теряется около 35% продаж этого узла. Часть трафика перераспределяется на соседние кассы, часть уходит из очереди.
Что скрывается за зелеными показателями SLA
Стоимость простоя одной кассы: 7300 × 35% = 2555 руб. недополученной выручки в час.
Переводим в прибыль при маржинальности 15%. Стоимость простоя по прибыли: около 384 руб. в час.
Цифра выглядит небольшой. Это только первый шаг.
Масштаб: от одной кассы к сети
Когда наладили учет обращений по категориям, первая же разбивка показала: один магазин создавал около 50 кассовых заявок в месяц, или примерно 600 в год.
Высокий уровень для устойчивой сети. Но именно на таких цифрах видно, где деньги уходят незаметно.
Смотрим на время закрытия одной заявки. Данные из системы учета:
- 10% заявок — решение за 1 час;
- 15% — за 2 часа;
- 60% — за 6 часов;
- 15% — за 12 часов и более.
Среднее время закрытия — 5,8 часа.
Простой на один магазин в год: 600 заявок × 5,8 часа = 3480 часов. В деньгах: 3480 × 384 руб. = 1,34 млн руб. недополученной прибыли с одного магазина в год.
Масштабируем на сеть: 500 магазинов × 1,34 млн = 670 млн руб. недополученной прибыли в год.
Это только прямые потери. Реальная стоимость простоя выше: покупатель, ушедший из-за очереди, с высокой вероятностью не вернется. Персонал вместо продаж занят звонками и обходными действиями. Скоропортящийся товар в тележке — списание. Осторожный поправочный коэффициент 1,2 поднимает итоговую оценку почти до 800 млн руб. в год.
Почему эти цифры оставались невидимыми
Подняли аналитику за весь период: кассовые заявки составляли 39% всего потока обращений в поддержку. Это важнее самой цифры в 50 заявок.
Почти 40% ресурса ИТ-поддержки уходило в один узкий канал, который напрямую влиял на выручку. При этом в очереди кассовый сбой ничем не отличался от запроса на замену картриджа или помощи с Excel. Приоритет определялся порядком поступления или громкостью звонка, а не стоимостью простоя.
Поддержка работала по SLA, который был одинаков для всего. А бизнес терял деньги именно там, где SLA должен был быть другим.
Что меняет правильный целевой уровень
Пересчитаем модель с новым SLA: 95% заявок закрываются за 1 час, оставшиеся 5% — за 6 часов.
Среднее время закрытия падает с 5,8 до 1,25 часа.
Потери по сети: 600 заявок × 1,25 часа = 750 часов простоя на магазин. 750 × 384 × 500 = около 144 млн руб. в год вместо 670 млн. С поправочным коэффициентом — около 173 млн.
Разница без косвенных потерь — около 526 млн руб. в год. С учетом коэффициента 1,2 итоговая оценка снижается с 800 млн до 173 млн руб. Разница — около 627 млн руб. в год.
Это эффект только от изменения целевого уровня реакции при том же объеме заявок. Снижение потока считается отдельно.
Стоимость поддержки против стоимости простоя
Первый вопрос всегда один: это потребует новых людей.
Посчитаем. Два специалиста поддержки с зарплатой 80 тыс. руб. на руки обходятся компании около 2,9 млн руб. в год с учетом налогов и отчислений. Четыре специалиста — около 5,8 млн руб.
На фоне 526–627 млн руб. потенциального эффекта расширение штата в два раза — очевидная инвестиция. Соотношение порядка 1 к 100. Добавить людей — не первый шаг. Последовательность важна.
Сначала считается полная стоимость простоя, чтобы понять, где теряются деньги. Потом меняются приоритеты внутри поддержки: кассовая заявка поступает в работу первой — не потому что директор магазина звонил громче, а потому что стоимость этого события на порядок выше замены картриджа. Только после этого — решение, где добавить ресурс, а где устранить первопричину повторяющихся сбоев.
В этой последовательности SLA перестает быть строчкой в договоре и становится инструментом управления прибылью.
Как это работает на практике
Когда провели этот расчет в реальной сети, первые результаты пришли быстро.
Без найма новых сотрудников, только за счет пересмотра приоритетов и изменения регламентов, за три недели вышли на показатель: 85% кассовых заявок закрываются за 1 час. Конкретно сделали четыре вещи:
- кассовым заявкам дали отдельный приоритет — выше любых офисных и административных запросов;
- очередь поддержки стала сортироваться по бизнес-влиянию, а не по времени поступления;
- типовые причины кассовых сбоев вывели в отдельную аналитику;
- повторяющиеся сбои на одних и тех же объектах ушли в работу по первопричинам, а не в бесконечное закрытие заявок.
Деньги не потратили — поменяли логику маршрутизации.
Это был первый шаг. Дальше — системная работа с первопричинами: состояние оборудования, обучение персонала, сетевая инфраструктура на объектах, плановое обслуживание. Поток кассовых заявок снизился с около 50 до двух в месяц на магазин. Снижение в 25 раз.
Ускорение реакции и снижение потока — две разные программы. Первая дает быстрый эффект через изменение приоритетов и создает финансовый аргумент для следующего разговора с бизнесом. Вторая требует диагностики причин и занимает больше времени, но именно она убирает потери системно.
Вывод для CEO и собственника
Если ваш ИТ-директор приносит отчет с зелеными SLA-метриками, но не может назвать стоимость одного часа простоя ключевого бизнес-процесса — он управляет своими показателями, а не вашей выручкой.
SLA по кассам нужно считать по стоимости простоя, объему кассовых заявок, косвенным потерям и стоимости поддержки. Тогда это перестает быть техническим договором и становится финансовой моделью защиты прибыли.
Кассовый SLA «как у всех» — это не нейтральное решение. Это выбор принять чужие потери как свой стандарт.