Управление товарными запасами. Заказы поставщикам и/или снабжение с центрального склада.

Введение

Разговор пойдет об управлении товарными запасами. Такого рода вещами занимается наука «логистика", а конкретнее — ее подраздел «управление запасами».

Управление запасами успешно, если в каждый момент времени предприятие располагает необходимым для реализации количеством нужного товара. Не больше, не меньше, а именно столько, сколько нужно.

При большом количестве номенклатурных позиций велика неравномерность спроса и трудно найти оптимальную грань между ростом неликвидов и неудовлетворенностью спроса.

Известно, что процесс заказа товара очень трудоемкий, влияние на который оказывают множество внешних факторов.

Нестабильность спроса, заказные товарные позиции, сезонная покупательская активность и прочее, прочее, прочее. Средства автоматизации далеки от совершенства, пользоваться ими неудобно. Данные для принятия решения приходится собирать из разных отчетов. И так далее и тому подобное.

Двойственный характер запасов.

Основной проблемой при планировании является нестабильность спроса. Для товаров со стабильным потреблением все более-менее понятно и даже существующая наша система планирования закупок удовлетворительно справится с такой задачей – то есть смотрим предыдущие продажи, заказываем в зависимости от этой цифры..

Сложность возникает в случае с товаром, у которого спрос нестабильный. Воможно он нестабилен в течении всего периода продаж, возможно из-за сезонности, а возможно и то и другое.

Предлагаю для простоты восприятия на данном этапе не рассматривать сезонные колебания спроса — об этом юудет рассказано чуть позже. Пока представим, что в течении всего года мы имеем примерно одинаковый средний спрос в любом сезоне.

На представленном рисунке видно, что когда спрос стабилен (нижний график), мы можем спокойно рассчитать, сколько нужно привезти товара, чтобы полностью удовлетворить спрос. Для этого достаточно отчета о продажах.

Но как действовать в случае, когда спрос нестабилен, как показано на верхнем графике? Держать на складах запас соответствующий максимальному значению спроса? Или среднему? Или может быть это должно от чего то зависеть, например от важности товара в обороте или ассортименте? Если мы имеем возможность(финансовую и складскую) иметь на складе максимальные запасы(значительная часть которых оборачиваться будет редко), то большинство вопросов снимаются. Если же все-таки важна оптимизация запасов, то далее рассмотрим возможные подходы к этому.

Существует две крайности, в которые можно попасть.

Первая — максимальное удовлетворение покупателя. Минус в том, что на складах придется держать большие запасы. Следует понимать, что бОльшая часть таких запасов будет необорачиваема, то есть лежать мертвым грузом.

Другая крайность — это обеспечение только среднего спроса. В этом случае отказы покупателям в связи с отсутствием товаров в данный момент будут очень частым явлением.

Это первая проблема.

Сезонные колебания спроса.

Вторая важная проблема это, как мы уже говорили, сезонность.

Сезонность проявляется в виде нестабильности спроса в течении не отдельных дней, а продолжительным периодов в зависимости от времени года – сезонов.

Нам нужно научится учитывать этот важный параметр не в целом для всего товара, а для каждого в отдельности, ведь лопаты для снега и снегоочистители продаются лучше зимой, тогда как большинство других товаров лучше идут летом.

На рисунке мы видим график, отражающий сезонные колебания по сухим смесям(строительным материалам). Ярко-выраженыне провалы зимой, подъем к лету.

Очень хорошо, когда Вы помните на память такие товары, но навряд ли Вы сможете точно предсказать падение или увеличение спроса. Гораздо лучше, если зависимость будет выявлена автоматически в зависимости от накопленных аналитических данных.

Прочие факторы влияния.

Остальные факторы, влияющие на спрос не так ярко выражены, но все же скажу о них.

Временная тенденция или тренд – показатель общего вектора спроса в не зависимости от сезона. Возможно какой то товар с годами теряет свою долю рынка, на смену ему приходит другой аналог, более новая модель и тому подобное. Наглядно видим на графике – прослеживаются и сезонные колебания и общий тренд.

Есть еще факторы, но в нашем случае их использование не имеет большого смысла. Так например — маркетинговый фактор. Учитывается, когда известно о будущих программах лояльности для клиентов. 

 

Цель и задачи.

Сформулируем цели.

Главной целью я вижу минимизацию товарных запасов при максимальном удовлетворении спроса.

Вторая важная цель – автоматизация процесса заказа, грубо — что бы как можно меньше нужно было делать «движений мышью» .

Для достижения целей нам потребуется иструмент, позволяющий максимально автоматизировать процесс расчета количества, требуемого к заказу а также инструмента, с помощью которого будут непосредственно формироваться заказы. Рассчитываться это значение должно автоматически.

Известные применяемые методы.

Итак, что нужно для оптимизации товарных запасов.

Первое — попытаться спрогнозировать спрос по каждой товарной позиции.

Второе — выявление в ассортименте важных позиций по различным критериям. Это может быть важность по сумме прибыли или по частой запрашиваемости покупателями и т. п. Выявив такие товары, мы можем обратить на них больше внимания и, к примеру, увеличить их запасы на складах для максимального удовлетворения спроса. Но подробнее о этом дальше.

Третье — определить товары со стабильным и напротив — нестабильным спросом. Для стабильно потребляемого товара мы можем держать меньший страховой запас, чем для товара, который спрашивается «редко, но медко».

Прогнозирование спроса.

Расскажу о формуле расчета спроса, которая максимально учитывает все известные аналитические данные.

Самым главным значением в ней является базовый спрос — по сути своей это средний спрос за весь известный период аналитики.

Остальное — поправочные коэффициенты.

Первый и главный из них — сезонный коэффициент. Отражает отклонение спроса от базового по сезонам. Для его вычисления нужно проанализировать аналогичные сезоны в прошлых периодах. И выявить средний процент отклонения.

Второй — коэффициент временной тенденции. Отражает общий тренд покупательской активности по данной товарной позиции.

ABC-анализ.

ABC-анализ служит для выявления важных по той или иной причине ассортиментных позиций.

Так, есть товары, которые имеют большое значения по суммам приносимой прибыли, сумме оборота или количеству покупок внутри товарной группы.

Понятно, что по таким товарным позициям нужно формировать бОльшие запасы, чем по менее значимым.

Здесь все более-менее понятно, думаю с отчетом ABC многие уже имели дело ранее.

XYZ-анализ.

XYZ-анализ служит для разделения товаров по уровню стабильности спроса.

Так, товар, который пользуется стабильным спросом(группа X) лучше прогнозируется и для него легче рассчитать запасы. Уровень оборачиваемости таких запасов очень высок.

Товары группы Z напротив, обладают плохой предсказуемостью и могут лежать на складе очень долго, прежде чем покупатель придет за ними. Рассчет требуемого запаса для такого товара очень сложен, здесь во всей красе и проявляется основная проблема — поиск баланса между удовлетворением спроса и минимизацией запасов.

Группа Y — более предсказуема, но все же баланс найти все еще не так просто.

FMR-анализ.

FMR-анализ по сути своей является ABC-анализом по показателю «запрашиваемость покупателем».

Этот анализ позволит выявить товары, которые ценны для ассортимента с той точки зрения, что она часто нужна покупателю. То есть товар может иметь малую важность в обороте компании, но все равно представлять ценность для ассортимента.

Я приведу более простой пример — хлеб. В продуктовых магазинах хлеб присутствует почти в каждом чеке, при этом наценка на него минимальна, по нему часто большие издержки, он остается, портится и т. п. Но если в магазине часто будет отсутствовать хлеб, то вы не будете ходить в такой магазин.

Объединение ABC-XYZ-анализов.

Таблица совмещения ABC—XYZ анализов для общего представления.

Зеленым цветом Выделены группы, значимые в товарообороте и достаточно надежные в плане стабильности спроса.

Красным мене значимые в товарообороте и НЕ надежные в плане стабильности спроса.

Желтым выделен средний вариант.

 

Объединение ABC-XYZ-FMR анализов.

Трехмерная таблица ABC—XYZ—FRM анализов. Достаточно сложно для восприятия, но смысл тот же. Появляется еще разрез важности для ассортимента в плане частого обращения покупателей.

На товарах группы C можно «тренироваться», это наименее ценные товары в обороте, но следует учитывать, что они могут иметь важность по другим показателям, к примеру как сопутствующий товар. Можно ввести понижающий коэффициент для расчета страхового запаса.

Для товаров группы A следует держать бОльшие страховые запасы, так как товар имеет большое значение в обороте. В идеале — равные максимальному отклонению от среднего спроса.

Товары группы B – менее важные товары, но им следует уделять больше внимания и держать бОльшие страховые запасы, чем для группы C.

Товары группы X имеют большую прогнозируемость, спрос на них очень стабилен. Поэтому для них можно держать максимальные страховые запасы независимо от важности товара по ABC-классификации. А можно и воспользоваться незначительными понижающими коэффициентами для групп C, B.

Товарам группы Z страховой запас следует назначать с обязательной оглядкой на ABC-классификацию и чем выше категория там, тем больше должен быть страховой запас.

По товарам группы Y – со средней стабильностью потребления следует принимать решение по аналогии с товарами группы Z, но можно ввести понижающий коэффициент для страхового запаса.

Для товаров группы F обязательно нужен повышающий коэффициент тем больше, чем больше понижающий коэффициент по классификации XYZ(даже возможно полностью обратный).

По сути дела работа человека, занимающегося выставлением значений точки заказа должна происходить не с количеством, выдаваемым программой, а с коэффициентами ABC—XYZ—FMR. Тогда после определенного промежутка времени и проработки всего сложного ассортимента(например с нестабильным потреблением) можно будет уменьшать и увеличивать страховые запасы «одной кнопкой».

Конечно, всегда будут исключения, но их должно быть гораздо меньше, чем при более простом подходе расчета. Исключения можно отслеживать по значительным отклонениям новых значений точки заказа от предыдущего значения и либо корректировать коэффициентами, а также вносить в «список исключений» и работать индивидуально с возможной дальнейшей автоматизацией. Например для сопутствующего товара видится привязка коэффициентов к коэффициентам сопутствующего.

Зависимость страхового запаса от ABC-XYZ-FMR.

Оглядывая н ранее сказанное мы можем сказать, что в зависимости от ABC-XYZ-FMR  группы товара, можно применить различные подходы к заказу товара: