Вопрос оптимизации управления запасами в розничной торговле всегда стоит очень остро. С одной стороны, вас гнетут различные издержки, связанные с обращением товара, а с другой – над вами маячит тень потребителя, который хочет видеть «свой» товар на полке во что бы то ни стало. Как здесь найти компромисс, и что дельного может предложить вам чужой опыт?
В этой статье рассматривается только одна часть управления запасами. А именно, управление заказами. Приведенный здесь подход – не более чем направление, в котором можно двигаться. Здесь нет примеров (как в учебниках), нет конкретных формул. Все это предстоит сделать самостоятельно. А может быть, в случае полного неприятия, и не предстоит. Но задуматься, может быть, и заставит.
Вопрос оптимизации управления запасами в розничной торговле всегда стоит очень остро. С одной стороны на необходимость его решения «давит» стоимость хранения запасов и общие издержки обращения, с другой стороны – покупатель, который хочет видеть «свой» товар на полке и которому наплевать на ваше желание сэкономить.
Поиск компромисса для этих двух «страшных» сил – громадное поле для творчества в каждой из розничных компаний. Но во всем этом разнообразии подходов к управлению запасами можно выделить две основные крайности:
- «творческий подход» к формированию запасов
- «математический» подход.
«Творческий» подход подразумевает тщательную и кропотливую «ручную» работу над заказами, когда ответственный за заказ сотрудник компании принимает в расчет регламентированный перечень (это в лучшем случае, часто принимаются во внимание только «эфирные» озарения) условий для создания каждого заказа. Основой для этого метода служит предпосылка, что полностью предугадать спрос невозможно, поэтому и поставить на конвейер составление заказов невозможно. Указанная предпосылка часто верна. В части, что полностью предугадать невозможно.
«Математический» подход – это метод, при котором любой заказ рассчитывается автоматически, исходя из того или иного алгоритма.
Естественно, как и любые идеализированные модели, в чистом виде эти методы в природе не встречаются.
Но в настоящий момент подход большинства компаний ближе к «творческим» алгоритмам, чем к математическим. Это объясняется целым рядом факторов:
- Спрос на многие товары в России действительно нельзя назвать регулярным. Постоянный рост рынка, быстрые структурные изменения не позволяют говорить о значимом объеме достоверной статистики. На что еще накладывается и долгое невнимание к информационным системам в торговле и управлению ассортиментом.
- Существующие алгоритмы расчета оптимального размера заказа и товарного запаса опираются на что угодно, кроме желания покупателя. А это для предприятий розничной торговли смерти подобно.
Например, классическая формула (корень из двух произведений… и .т.д) составлена, как точное математическое равенство, при том, что розница оперирует вероятностными величинами. - Технологии работы многих компаний-поставщиков еще до сих пор оставляют желать много лучшего, что вносит такую степень неопределенности в работу розничной торговли, что большинство давно махнуло рукой на попытки создать хоть какие-либо алгоритмы.
Указанные ограничения привели к тому, что большинство заказов делаются вручную и по, так называемому, «стоковому» алгоритму (когда заказ делается не в фиксированный момент времени, а в момент падения запаса до безопасного запаса – «safety stock’а»). Подобные подходы и привели к устойчивому мнению, что автоматизация практически невозможна.
Отчасти, это верно. Автоматизация разовых закупок, маркетинговых товаров (согласно классификации, приведенной в «Торговый классификатор. 6 лучей к порядку?») действительно крайне затруднительно (сознательно избегаю слова «невозможна»). Но отсутствие инструментов не должно служить причиной от отказа от технологии в целом.
Есть и другие реалии. Для работы по «творческим» алгоритмам в больших компаниях необходимо либо держать очень большой штат «закупщиков» в каждом подразделении, что с учетом того, что «творчество» подразумевает высокую квалификацию, практически труднореализуемо, либо работу «творческих» закупщиков на распределительный центр (тогда оставляя много вопросов на «плечо» между распределительным центром и магазином.
В любом случае, такой объем «творческой» рутинной работы практически лишает «закупщиков» времени на работу с новыми товарами и маркетинговыми товарами.
Есть ли разумная альтернатива «творческим подходам»? Не знаю. Приведенный ниже алгоритм (или система) является не более чем, попыткой решения этой задачи, и не факт, что не тупиковой. Тем не менее, подобная система была практически опробована, и, не смотря на ряд недостатков, оказалось жизнеспособной (но это и могло оказаться просто случайностью :-)).
Итак. Попробуем снова, как бы со стороны, взглянуть на розничную торговлю. Эта отрасль не оперирует точными цифрами. Даже на товары повседневного спроса в магазинах с практически постоянным потоком покупателей существует разница в дневных продажах одного и того же товара. Но почему тогда в управлении запасами оперируют точными формулами?
С другой стороны (стороны покупателя), покупатель крайне будет недоволен, если, придя в магазин, не обнаружит каких-то товаров, в то же самое время он может смириться с временным (именно в данное конкретное время) отсутствием других. Таким образом, важным для выживания магазина служит понятие «товарного дефицита». Что нужно вкладывать в это понятие и как с ним бороться?
Существуют подходы (не надо смеяться, взято из реальной жизни), при которых «закупщики» караются за любой дефицит (т.е. отсутствие в продаже любого товара в любой день). Очень прогрессивный и инквизиторский подход. Особенно, если все-таки вспомнить, что объемы продаж – величины вероятностные. А как большинство, надеюсь, помнит из теории вероятностей, даже величины с небольшой дисперсией имеют вероятность (пуская и малую) возникновения далеко за пределами шести сигм (по нормальному закону). Т.е. даже теоретически устранение дефицита невозможно. Более того, даже соблюдение (пока остановимся на нормальном законе) запасов, исходя из правила 6 (3) сигм по всем товарам может вызвать астрономически большую стоимость запасов.
Опять мы стоим перед той же дилеммой – с одной стороны стоимость запасов и их обработки, с другой стороны – недовольство покупателя.
Возможен ли здесь компромисс? Наверное, да. Одним из выходов может стать четкое деление товаров на товары основы и прочие (опять же отошлю к «Торговому классификатору…»). Когда для товаров основы (которые, кстати, зачастую имеют гораздо меньшую дисперсию, чем «неосновные» товары) принимаются драконовские нормативы запасов («драконовские» принимаются в смысле тех самых 6 сигм), а для остальных товаров ставится более мягкий интервал вероятности их отсутствия в продаже.
Как мы помним из теории логистики, спрос – не единственное, что определяет управление запасами. Есть масса других факторов: выбранный алгоритм заказов (временной или от safety stock), возможности по обработке количества поставок собственным складом, емкость склада и торгового зала, периодичность заказов (в том числе и связанная со временем хранения), стабильность поставок.
Попробуем рассмотреть по порядку эти факторы.
Алгоритмы заказов уже здесь упоминались. Не смотря на привлекательность (на первый взгляд) алгоритмов с safety stock (алгоритмов SS), я бы порекомендовал в качестве основного все же выбирать алгоритмы заказов с фиксированным интервалом между заказами. Объясняется это очень просто. Желание ограничить число «дорогостоящих» «закупщиков» приводит к достаточно сильной их загрузке при составлении заказов. В ситуации с заказами с алгоритмом SS эта нагрузка еще становится и неравномерной, что может иметь и тяжелые для товара последствия в «пиковые» дни. В случае же с заказами с фиксированным интервалом времени между ними, такая нагрузка достаточно легко планируется. Кроме того, этим же способом мы более оптимально решаем и вторую из приведенных выше проблем – неравномерную загрузку склада. И поставщикам, и складу гораздо удобнее оптимизировать свои процессы, точно зная «точку» заказа и определяя от нее «момент поставки» (или наоборот), чем в случае, когда заказ может появиться в любое время. Пропускная способность склада дает и другую величину – сколько заказов в день он может обработать. Путем несложных вычисления и подгонок (в том числе и с учетом важности товаров) пропускная способность даст нам периодичности поставок для разных типов товаров.
Упомянутые емкости склада и торгового зала являются простым ограничением, которое при выбранном алгоритме заказов может оказаться существенным и вынудить оптимизировать технологии обработки заказов (для увеличения частоты), либо вынудить расширять площади, либо дать рекомендации по дальнейшему изменению этих площадей на других объектах.
Стабильность поставок. Эта величина, которая очень существенно влияет на величину товарных запасов. И опять же очень редко к ней подходят с точки зрения ее истинной, вероятностной, сущности. Тем не менее, на необъятных просторах нашей Родины время в пути является классической вероятностной величиной, при чем, в зависимости от операторов и местоположения, иногда с очень большой дисперсией.
А для определения необходимого товарного запаса у нас произойдет перемножение вероятности спроса и вероятности поставки. Поэтому надо учесть, что даже при использовании нормального закона с максимальной подстраховкой (3 сигмы) и там, и там, суммарная вероятность наличия товара в торговом зале будет несколько ниже «стандартной» величины. В случае же с одной сигмой вероятность дефицита еще больше увеличивается.
Но подробнее рассмотрим это ниже.
Если мы принимаем схему заказов с фиксированными (и уже определенными периодами между поставками), мы должны определить величину, до которой производится заказ.
Определяется эта величина сразу несколькими факторами. Во-первых, мы должны задать для каждого товара (естественно, просто согласно его положению в иерархии торгового классификатора) тот «доверительный интервал» (сколько сигм вешать в граммах J) для спроса и поставки (учитывая правило перемножения вероятностей)
Мы определяем величину среднего спроса (темп ухода) товара для периода, равного выбранному периоду между поставками. В зависимости от выбранной же гарантированности его наличия, устанавливаем величину вероятного объема продаж за период между поставками. Но эту величину мы должны умножить не на период между поставками, а на выбранный «доверительный» период между поставками.
Вполне естественно, что в результате всех этих махинаций, стоимость запасов может оказаться такой, что в компании не найдется ни одного камикадзе, взявшегося за обоснование этих цифр акционерам. В этом случае мы вступаем на путь моделирования – мы начинаем всячески «поигрывать» разными сигмами, для разных типов товаров, пока не получим всех устраивающую величину. Не исключено, что результатом этих манипуляций станет и «разбор» полетов, касающийся составляющих времени поставки, и оптимизация ассортимента компании (что является отдельной очень интересной темой).
Опять же, не следует забывать, что сама величина запасов будет еще определяться выставочным запасом («красота» которого зависит от количества выставленного на полке товара, и существенно влияет на объемы продаж). Он может внести свою лепту в увеличение (правда редко значительное) запасов. Также следует упомянуть и про наличие товаров в пути (когда период выполнения заказа превышает периодичность заказов – такой случай тоже не редок, и приводит к необходимости некоторых корректировок алгоритма, опять же из-за произведения вероятностей).
Вот, вкратце, и вся суть управления запасами, приближающая нас к противоположному «творческому» – «математическому» полюсу управления запасами. Естественно, что подобный алгоритм не решит всех задач, особенно в части маркетинговых, разовых и новых товаров, но зато может значительно сократить временные затраты (при неувеличении количества сотрудников) на рутинные процессы работы с запасами, освободив его для «творчества» по упомянутым «вредным» товарам.
В заключение следует отметить, что здесь содержится просто краткое описание алгоритма. Более детальная работа над ним – такой же индивидуальный пошив для любой компании, которым является и разработка большинства бизнес-процессов предприятий розничной торговли. Не исключено, что для описания некоторых величин этого алгоритма применимо распределение Релея, а не Гаусса (нормальное). Также нельзя забывать про сезонные функции продаж (которые могут быть, в том числе, и меандровыми), автоматический учет которых должен быть подкреплен существенным объемом статистики, либо «чутья» менеджеров. И вообще, существует множество вещей, над которыми предстоит работать при внедрении подобных алгоритмов. При практическом применении они часто упираются в возможности информационных систем и менеджеров. Но, с другой стороны, даже начало движения в этом направлении ощутимо меняет отношение к эффективности, статистике и данным, которые иногда просто не используются, оптимизации множества других процессов, связанных с управлением запасами и заказами.
Часто в реорганизации важно не содержание, а сам факт его проведения. :-)
https://cutt.ly/d3DkGJ2
