Intro.
Данный труд рассматривается как попытка написания серии статей на
тему рассмотрения проблем возникающих при попытке «натягивания» теории
на практику. Ну или о попытках переноса западных стандартов ведения
бизнеса на суровую Российскую действительность)). Не это главное. Мы
просто будем анализировать противоречия возникающие в ходе автоматизации
и анализа бизнес процессов.
Введение. О чём этот фильм?
Сейчас логистика направлена больше на решение таких задач как
осуществление управления и контроля движением материальных /
информационных потоков. При этом такая немаловажная часть как
«планирование» материальных потоков, зачастую остается за рамками задач
решаемых логистикой. О них и поговорим.
А оно надо?
Как решаются эти задачи на большинстве предприятий? При помощи
экспертной оценки. Никто лучше эксперта не скажет, сколько товара будет
продаваться завтра, потому что он уже не один год в этом бизнесе. Но
давайте посмотрим на процесс со стороны. Допустим, решается задача
закупки товара. Как минимум, для принятия решения эксперту требуется
информация о текущем наличии товара в магазине (структурированная по
различным статусам), и информация о продажах за период (например,
продажи за параллельный период прошлого года, предшествующие n месяцев и
т.п.). На основании данной информации, опыта (эта штуковина в любом
количестве продастся), знаний специфики бизнеса (если в наличии не будет
черной помады, черный лак для ногтей точно никогда не продастся),
логических рассуждений и интуиции– принимается решение о составе и
количестве закупки. Вы тоже верите, что при принятии решения эксперт в
голове применяет метод скользящей средней с учетом сезонности спроса и
проходящих в данный момент маркетинговых акций? Прикидывает выделенный
бюджет и распределяет его по товарным группам? А я верю. Совершенно
серьезно. Более того, экспертная оценка просто необходима при
прогнозировании нового, сопутствующего товара, товара повышенного
спроса, наконец. Но. К сожалению? Человеческий мозг не может содержать
информацию о тысячах номенклатурных позиций одновременно… Волей-неволей,
мы пришли к необходимости автоматизированной обработки информации.
Начнем с разбиения товаров на товарные группы. Как говорится «Разделяй и
властвуй».
Статья 1. ABC и XYZ метод. ТЕОРИЯ:
ABC метод.
Наиболее распространенным методом контроля и управления запасами (во
многом из-за его простоты) является метод ABC. Не хочется
останавливаться подробнее на алгоритмах его реализации из-за всё той же
распространенности. Более интересной задачей является принцип
определения границ групп. Можно выделить три основных подхода:
- На основании данных обследований (1)
- «Дифференциальный» (2)
- «Аналитический» (3)
Первый метод. Интересно отсутствие единого подхода при применении
первого метода.
Вот лишь некоторые его интерпретации:
Источник |
A |
B |
C |
$ |
% от кол. |
$ |
% от кол. |
$ |
% от кол. |
«правило Парето» |
80 |
20 |
15 |
30 |
5 |
50 |
Р. Линдерс |
70-80 |
10 |
10-15 |
10-20 |
10-20 |
70-80 |
J. Shapiro |
60 |
20 |
20 |
20 |
20 |
60 |
Однако следует отметить, что правило Парето считается «классическим»
подходом.
Второй метод состоит в определении средней себестоимости одного
товара. Товары с себестоимостью в 6 раз и выше средней относятся к
группе A. Товары с себестоимостью более чем в 2 раза меньшей средней – к
группе С. Остальные товары относятся к группе B.
При использовании третьего метода необходимо выполнить ряд довольно
сложных математических преобразований:
- использовать метод наименьших квадратов
- приводить нелинейные зависимости к «нормальному» виду
- воспользоваться теоремой Лагранджа и т.п.
Но самое интересное, это то, что результаты расчетов по третьему
методу, как правило, довольно близки к «эмпирическому» первому методу
(4).
XYZ метод.
На этом этапе может сложиться впечатление, что мы готовы к разбитию
товаров на группы. Однако это не так. Примеры по статистическим методам
изобилуют графиками примерно такого вида. Возьмем статистику продаж:
Часто, к сожалению, та же статистика продаж, носит гораздо более
удручающий вид.. Поэтому необходимо как минимум классифицировать товар
ещё и по однородности (коэффициенту вариации). В соответствии со
Statistical Inventory method метод получил название XYZ анализа. Формула
расчета коэффициента вариации:
, где
Xi – значение параметра по оцениваемому объекту за i-тый период, X–
среднее значение параметра по оцениваемому объекту, N – число периодов.
Номенклатурные позиции со значением коэффициента вариации от 0 до 10%
попадают в категорию X, от 10 до 25% – в категорию Y, остальные – в
категорию Z. Либо задаются вручную по точкам перегиба. На этом этапе
может выясниться, что весь товар, например, попадает в категорию Z. Т.е.
неоднороден и в контексте того же анализа спроса применяться не может.
Но это ещё не повод отчаиваться, возможно не были учтены существенные
факторы, например:
- сезонные колебания спроса
- маркетинговые акции
- отсутствие товара, наконец, и т.п.
По совокупности ABC/XYZ групп Вы уже можете сделать целый ряд
выводов. Например, при анализе спроса:
-
товары категории X обладают устойчивым однородным спросом и должны
всегда быть представлены в магазине. В случае отсутствия товара данной
категории Вы можете «оттолкнуть» потребителя. Например, для food сетей
это будет хлеб, соль ..
-
товары категории A/X – хиты, которые мало того, что приносят
наибольшую часть дохода, ещё и приносят его постоянно и равномерно.
Товарам этой категории необходимо уделять самое пристальное внимание.
-
по товарам категории Z можно даже не пытаться автоматизировать
пополнение. Товары этой категории обладают настолько неоднородным
спросом, что это может привести к ошибкам.
-
товары категории C/Z заслуживают самого пристального внимания
экспертов, но не с точки зрения контроля пополнения, а с точки зрения
анализа целесообразности наличия этих товаров в ассортименте. Необходимо
выявить среди них сопутствующие товары, а остальные, возможно,
«выдавливать» из ассортимента.
-
…
Вот теперь можно сказать, что мы готовы к разбиению товаров на
группы, но …
ПРАКТИКА: ABC метод.
Ну во первых на практике математические методы определения границ
групп никого не волнуют)) Просто проверяется правило Парето и если оно
работает – его и будем применять. А если оно не работает, то скорее
всего Вы не правильно его применили. Многие воспринимают буквально
отношение 80 на 20. А на самом деле, есть ещё немножко математики, надо
отсортировать, вычислить нарастающий итог и уже для него определять
долю. Но так как мы находимся в разделе практики – акцентироваться на
теории смысла нет. Литературы достаточно.
Итак, с методами исчисления границ групп определились, остается
определить, что и как будем классифицировать.
Что классифицировать:
- Клиенты – клиентов надо знать в лицо, а не разбивать на группы.
Сэйлз должен знать кличку любимой собаки ВИП клиентов и т.д. и т.п., а
не работать с группой "B”.
- Товар – а вот эта часть наиболее интересна с точки зрения
анализа. В общем проклассифицировать можно что угодно, но сначала стоит
ответить на вопрос зачем? Товар предлагается классифицировать для
автоматизации методов пополнения и планирования материальных потоков.
Характеристики:
- Маржа – очевидный критерий. Коммерческая деятельность любого
предприятия направлена на извлечение прибыли.
- Выручка – смещение акцента на товары приносящие наибольшую
выручку часто оправдано в условиях дефицита наличных денежных средств.
На мой взгляд этот критерий вторичен по отношению к марже в обычных
условиях и должен быть выделен.
- Товарооборот – деление товара по количеству проданных копий –
малоэффективно с точки зрения ABC анализа. Нас интересует больше
частотность спроса (XYZ и его аналоги) а не деление с точки зрения
массмаркета.
Таким образом, по характеристикам рекомендуется использовать
совокупный анализ по марже и выручке. Попытки построения производной
величины не приведут ни к чему хорошему, поэтому лучше сразу построить
характеристику путем обычного сложения класса по марже и выручке.
Например: «АА», «АB», «AC» , где первая буква это класс по марже, а
вторая – класс по выручке.
Период анализа:
- Краткосрочный анализ. Если Ваш бизнес не статичен в пространстве и
времени)) – то постоянно появляются новинки, меняется спрос и т.д. Для
целей своевременного определения кто «сейчас на волне» - необходимо
анализировать продажи за краткий предшествующий период. Длительность
периода определяется индивидуально для бизнеса.
- Долгосрочный анализ. Анализ за более длительный предшествующий
период необходим для анализа результатов анализа за краткосрочный
период.
Извините за тавтологию, но только сопоставив результаты анализа за,
например 3 месяца и 3 недели Вы сможете более достоверно определить
является ли переход товара в более высокую/низкую категорию результатом
изменения спроса или случайным всплеском. И принять взвешенное решение
по окончательному отнесению к той или иной категории.
Объекты анализа:
- География. Если Вы реализуете товар в разных географических точках
то соответственно и спрос в разных регионах – различен. Это стоит
учитывать.
- Категории – Разбиение товара на более мелкие категории не имеет
никакого смысла.
Часто стремятся отделить к примеру массмаркетовый товар от брендового
товара и проанализировать по частям. Суммы маржи-выручки выравнивают и
дают однозначный критерий «нужности» товара. Деля же товар на категории
теряется сам смысл анализа «товарного портфеля предприятия» а не его
частей.
Количество категорий:
- 3 категории – это классика!
- 4 категории – часто добавляют ещё категорию D (менее 1%), для
того чтобы отделить ассортимент товаров, подлежащий возможному
выдавливанию.
- Большее количество групп приводит к запутыванию персонала.
ПРАКТИКА: XYZ метод.
На практике далеко не все товары подвержены анализу по
среднеквадратичному отклонению.
- Например у Вас следующая статистика продаж: 120,121,122,0,120
Случайно
затесавшийся ноль – отнюдь не символизирует чудовищное падение спроса
по четвергам. Скорее всего, этого товара банально не было в наличии. Или
по нему проводилась выборочная инвентаризация и т.п. А
среднеквадратичное отклонение для того и нужно, чтобы возвести
отклонения в квадрат. В итоги можно выплеснуть дитя из купели.
- Рассмотрим другой случай. Пусть есть 2 товара со следующей
статистикой:
Товар1: 121,122,123,124 Товар2: 1,1,1,1,1
Естественно по товару 2 СКО равно нулю и с точки зрения математики он
идеально стабильный товар. Но с точки зрения практики - его случайно
раз в день покупают.
Для того чтобы сгладить неровности спроса часто укрупняют период.
Например берут за основу не статистику продаж по дням, а по неделям и
т.д. с единственной целью – добиться результатов. На мой взгляд это не
правильно. Гораздо более рационально сменить метод и разбить товар по
частоте продаж взяв за основу, например количество строк в чеках или
количество строк в накладных на товар.
Логика проста: чем в большем количестве документов встречается
номенклатурная позиция – тем более стабильным спросом она обладает. Взяв
за основу не товарооборот, а количество строк – мы стремимся
удовлетворить как можно большее количество клиентов, а не одного,
который по 100 штук за раз покупает.
Вместо заключения.
Осталось добавить, что деление на категории ради деления на категории
– бессмысленно. Имеет смысл в рамках привязки определенных критериев в
системе к категориям. Например, размер страхового запаса определять для
категорий товаров, а не индивидуально. Определять нормативы по
категориям для анализа состояния запасов и т.д. Эти и другие вопросы мы
рассмотрим в следующих статьях.
http://www.iteam.ru/
|