Для того, чтобы создать заказ поставщику, нужно рассчитать, как минимум два параметра: точку заказа (МИН) и объём товара к заказу.
Суть XYZ анализа запасов
XYZ анализ – математически-статистический метод, позволяющий анализировать и прогнозировать стабильность продаж отдельных видов товаров и колебания уровня потребления тех или иных товаров.
АВС-анализ показывает нам вклад товара в результат магазина, а XYZ анализ показывает стабильность или нестабильность спроса. Чем стабильнее спрос на товар, тем легче мы им управляем, тем ниже потребность в товарных запасах, тем легче планировать движение продукта. Таким образом, мы имеем дополнительный материал для принятия решений о пребывании товара в нашей ассортиментной матрице.
Неделю назад продали 20 батонов хлеба, три дня назад – 19 батонов, сегодня – 20, завтра продажи тоже будут равны – 19-20 штук. Товар продается стабильно. Это товар Х.
Категория X – есть товары, характеризуются стабильностью продаж и, как следствие, высокими возможностями прогноза продаж Отклонение от средних продаж незначительно (в ту или иную сторону). Отклонение от среднего значения называется коэффициентом вариации.
Для товаров Х коэффициент вариации не превышает 10%. Колебания спроса незначительны, спрос на них устойчив, следовательно, можно по этим товарам делать оптимальные запасы и использовать математические методы прогноза спроса и оптимального запаса. Так же ниже рассмотрим возможность заказа фиксированной партии – насколько это возможно для товаров группы Х.
Для товаров Х коэффициент вариации не превышает 10%. Колебания спроса незначительны, спрос на них устойчив, следовательно, можно по этим товарам делать оптимальные запасы и использовать математические методы прогноза спроса и оптимального запаса. Так же ниже рассмотрим возможность заказа фиксированной партии – насколько это возможно для товаров группы Х.
Конфеты: неделю назад продали 20 коробок, три дня назад – 12 коробок, сегодня – 17, завтра продажи будут 23 коробки. Это товар Y
Категория Y – товары, имеющие колебания в спросе и как следствие, средний прогноз продаж.
Для товаров Y коэффициент вариации составляет 10% – 25%. Отклонение от средней величины продаж существует, но оно колеблется в разумных пределах – в пределах 25%.
Для товаров Y коэффициент вариации составляет 10% – 25%. Отклонение от средней величины продаж существует, но оно колеблется в разумных пределах – в пределах 25%.
Дорогой элитный коньяк – неделю назад продали 2 бутылки, три дня назад – 0, сегодня пришел человек и купил ящик (наверное, в офис на подарки) – 12 штук, а завтра продажи будут равны 1 бутылке. Товар нестабилен, относится к категории Z
Категория Z – товары с нерегулярным потреблением, какие-либо
тенденции отсутствуют, точность прогноза продаж невысокая.
Для товаров Z коэффициент вариации превышает 25% и может быть более 100%. Это может быть группа товаров, привозимая по заказу клиентов или недавно поступившая в продажу или товары уникальные, особенные, подверженные сезонному спросу и так далее.
тенденции отсутствуют, точность прогноза продаж невысокая.
Для товаров Z коэффициент вариации превышает 25% и может быть более 100%. Это может быть группа товаров, привозимая по заказу клиентов или недавно поступившая в продажу или товары уникальные, особенные, подверженные сезонному спросу и так далее.
Так же, как и в случае в АВС-анализом, это рекомендованные сочетания, и иногда можно делать допуск коэффициента вариации по группе Х – 0-15%, группе Y – 15-40%, группе Z – от 40%.
Этапы XYZ анализа
1 шаг
Выбираем объект анализа (группа, категория, позиция) и параметр, по которому мы будем сравнивать объекты (продажи за месяц, например). Традиционно в рознице объектами XYZ-анализа являются товарная категория или товарная единица. За основу анализа берется период продаж не менее трех месяцев.
2 шаг
Определить количество периодов, по которым будет проводиться анализ: неделя, декада, месяц, квартал/сезон, полугодие, год. Чем больше период, тем лучше, тем вернее будет статистика спроса.
Важно: для анализа надо брать не менее трех периодов, по которым ведется отчетность. Если товар имеет оборачиваемость более месяца, то надо взять период, как минимум в три раза превышающий оборачиваемость (например, оборачиваемость категории «швейные машины» – 2 месяца. Тогда за основу надо взять период не менее 6 месяцев).
3 шаг
Определить коэффициент вариации (среднее квадратическое отклонение) для каждого объекта анализа.
Коэффициент вариации означает величину, насколько продажа товара отклоняется от среднестатистической, то есть показывает, стабилен ли спрос на товар или нет.
Расчет коэффициента вариации
Формула для расчета коэффициента вариации (Кв):
хi— значение параметра по оцениваемому объекту за i период,
x — среднее значение параметра по оцениваемому объекту анализа
n — число периодов
x — среднее значение параметра по оцениваемому объекту анализа
n — число периодов
Эта кажущаяся сложной и громоздкой формула легко перекладывается в формулы Excel, с помощью которых применение данного анализа становится очень простым.
Формула расчета коэффициента вариации в Excel выглядит так:
=СТАНДОТКЛОНП(B3:D3)/СРЗНАЧ(B3:D3)
=СТАНДОТКЛОНП(B3:D3)/СРЗНАЧ(B3:D3)
Пример расчета коэффициента вариации по формулам в Excel
Обратите особое внимание на товары, у которых есть периоды с нулевыми значениями, то есть там, где товар отсутствовал в продаже. Либо исключите их из анализа, либо измените формулу расчета коэффициента вариации – на ноль делить нельзя.
4 шаг
Составить рейтинговый список объектов анализа по возрастанию значения коэффициента вариации. И последнее – определяем, какие объекты относятся к группе X, Y и Z.
Точка заказа в штуках = Ожидаемый расход за (СрокПоставки + ИнтервалПроверки) + НеснижаемыйОстаток
Вывод: как видим, некоторые категории пользуются постоянным спросом и по ним можно прогнозировать последующие продажи довольно точно. Однако некоторые категории – «Средства от насекомых», «Бритвенные принадлежности», «Краски для волос» продаются нерегулярно.
Стоит внимательнее отнестись к этим категориям – возможно, поставки этих товаров идут с перебоями, или на эти товары проходила акция, которая кратковременно простимулировала спрос.
Так же особого внимания требуют товары группы Х – особенно, если их вклад в общий оборот или прибыль невелик. Вероятно, поставки идут фиксированным заказом и товар продается с нулевым остатком до следующей поставки. В таком случае следует дополнительно исследовать спрос на такой товар – возможно, мы недодаем покупателям нужный им товар.
Стоит внимательнее отнестись к этим категориям – возможно, поставки этих товаров идут с перебоями, или на эти товары проходила акция, которая кратковременно простимулировала спрос.
Так же особого внимания требуют товары группы Х – особенно, если их вклад в общий оборот или прибыль невелик. Вероятно, поставки идут фиксированным заказом и товар продается с нулевым остатком до следующей поставки. В таком случае следует дополнительно исследовать спрос на такой товар – возможно, мы недодаем покупателям нужный им товар.
Важно: если в случае в АВС-анализом у нас всегда будут товары А, В и С, то в случае в XYZ-анализом каких-то товаров может не быть – например, продажи устойчивы и товаров Z нет вообще (что является очень хорошим признаком – значит, можем регулировать величину товарного остатка на основе статистики, спрос постоянный, товар есть на складе). Или хуже: может не быть товаров Х – что говорит о нерегулярном спросе или сбоях в поставках товара.
Ограничения XYZ анализа
В реальной жизни на продажи и доходность товаров в магазине оказывает влияние огромное количество факторов: сезонность спроса, регулярность поставок, колебания цен на аналогичные товары у конкурента,
наличие или отсутствие специальных мероприятий по продвижению и т.д. Все эти факторы будут вызывать колебания продаж, и, как следствие, высокие показатели коэффициента вариации.
Результаты XYZ-анализа будут достоверны, только если анализируется достаточно длительный период времени. Важно, чтобы период, взятый для анализа, в несколько раз превосходил оборачиваемость товара
в днях.
наличие или отсутствие специальных мероприятий по продвижению и т.д. Все эти факторы будут вызывать колебания продаж, и, как следствие, высокие показатели коэффициента вариации.
Результаты XYZ-анализа будут достоверны, только если анализируется достаточно длительный период времени. Важно, чтобы период, взятый для анализа, в несколько раз превосходил оборачиваемость товара
в днях.
Например, если период оборачиваемости дорого шампанского или эксклюзивных часов составляет 4 месяца, то для анализа нужно брать период не менее 12 месяцев.
Если же ассортимент обновляется часто, то нужно также использовать информацию о жизненном цикле товара и смотреть тенденцию развития всех новых позиций. Весьма вероятно, что в магазине модной одежды все товары поступают в продажу на один сезон, и тогда в таком магазине у нас вообще не будет группы Х.
В случае, если мы имеем дело с сезонными коллекциями одежды и обуви, которые держатся в продаже максимум один сезон, то тогда этот анализ можно проводить по торговым маркам или по поставщикам
В случае, если мы имеем дело с сезонными коллекциями одежды и обуви, которые держатся в продаже максимум один сезон, то тогда этот анализ можно проводить по торговым маркам или по поставщикам
Также, важно выяснять причины попадания товара в группу Z: было это вызвано действительно непредсказуемостью спроса, или просто товар нерегулярно попадал в магазин.
XYZ-анализ невозможен, если в ассортименте много новых товаров или поставки идут с перебоями. В таком случае необходимо вводить другой параметр для анализа, а именно запросы или обращения клиентов. Именно ранжирование по обращениям может сделать картину более реальной. Однако и здесь нужно отмечать, идет ли запрос от разных покупателей, или это повторение одного запроса. Поэтому если магазин существует в условиях постоянного дефицита, то этот вид анализа вряд ли покажет истинную картину.
Часто это вид анализа используется в складской логистике, где важно определить частоту спроса для грамотного распределения пространства на складе. В таком случае товары группы Х располагаются в «горячей» зоне отгрузки, товары групп Y и Z – в более отдаленных местах.
Часто это вид анализа используется в складской логистике, где важно определить частоту спроса для грамотного распределения пространства на складе. В таком случае товары группы Х располагаются в «горячей» зоне отгрузки, товары групп Y и Z – в более отдаленных местах.
Комментариев нет:
Отправить комментарий