Логистика: планирование материальных потоков.
Практика vs Теория.

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.

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.

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».

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:

1. На основании данных обследований (1)
2. «Дифференциальный» (2)
3. «Аналитический» (3)

Первый метод. Интересно отсутствие единого подхода при применении первого метода.

Вот лишь некоторые его интерпретации:

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).

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 …

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.

На практике далеко не все товары подвержены анализу по среднеквадратичному отклонению.

1. 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.
2. 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.

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.