12+
Управление запасами. Просто о сложном

Бесплатный фрагмент - Управление запасами. Просто о сложном

Объем: 110 бумажных стр.

Формат: epub, fb2, pdfRead, mobi

Подробнее

Глава 1. Давайте знакомиться!

О чем эта книга?

Итак, о чем же эта книга? Позвольте ответить на вопрос, вынесенный в заголовок в форме загадок.

— Сколько товара должно храниться на складе?

— Сколько и когда закупать?

— Выгодно ли пользоваться скидками от поставщика?

— Как спрогнозировать продажи?

— Как сделать так, чтобы товар не залеживался?

— Как уменьшить стоимость хранения и доставки?

— Все ли товары равноценны?


В работе практически каждого руководителя (Генерального, Коммерческого, Финансового, Исполнительного директоров, начальников отделов снабжения, логистов, инженеров ОМТС или УМТС, закупщиков, байеров и т.д.) встречается множество загадок. Одна из самых главных среди них: как оптимизировать запас? Нескольким отгадкам на этот вопрос как раз и будет посвящена эта книга.

Она носит исключительно практическую направленность и позволяет получить наилучшие конкретные прикладные способы, технологии и методики управления запасами, проверенные автором на собственном опыте работы в штате различных компаний и в рамках многочисленных консалтинговых проектов.

Таков небольшой анонс тех вопросов, которые мы будем обсуждать в книге, естественно уделяя громадное внимание аргументации приведенных тезисов, детальному разбору предложенных идей и концепций, а так же их практическому применению.

Зачем эта книга?

Когда начинаешь вникать в складскую логистику, очень быстро начинаешь понимать квантовую физику. Конечно, ведь она проще. Это шутка. Но, как известно, в каждой шутке лишь доля шутки. В далеком 1999 году я воочию столкнулся с необходимостью вникнуть и внедрить управление запасами на фирме, которая занималась оптовой продажей импортной полиграфической бумаги. Будучи человеком весьма методичным (или занудным, кому как больше нравится), я пошел в большой книжный магазин, и купил там все книги, в названии которых было слово «логистика».

Забегая вперед, скажу, что так я делал несколько раз. Почему? Потому что, прочитав все эти книги, я так и не понял, как же управлять запасами. Когда и сколько, а главное как, писать заказы поставщикам. Не помню, я уже признавался в своем занудстве? Уверен, что большинство людей на моем месте отступили бы. Но я не большинство. Мне, как Коммерческому директору, необходимо было увеличивать объем (маржу) продаж. А одним из возможных резервов как раз и был склад. Семинаров на эту тему тогда практически не было. Да и сейчас толковых не слишком много.

Значит пришлось вникать самому. — Мойша, ты счастлив? — А куда деваться? А потом ставить эксперименты на, ни в чем невиновных, сотрудниках и компании. Ведь не ошибается только тот, кто ничего не делает.

На страницах этой книги я как раз и поделюсь своим опытом и практическими наработками, полученными в результате внедрения лучших теоретических алгоритмов. Ведь между теорией и практикой гигантская пропасть.

Готовы? Тогда собирайтесь с духом. Сейчас начнется математика. Она не будет особо сложной, но ее будет много. У этого есть 2 стороны (как и у всего). С одной стороны, книжка будет несколько суховатой. С другой, практически все, о чем я тут пишу, довольно легко программируется.

А значит, львиную долю работы может взять на себя компьютер. В конце концов, именно он должен считать. А человек — думать!

Кто я?

Я вкратце расскажу о себе любимом, чтобы не отнимать у вас много времени. (Хвастаюсь я в конце книги на рекламной страничке.) Итак. Вся жизнь — в продажах. С 1996 года это приняло более или менее цивилизованный характер. До того были все этапы студенческого и даже школьного бизнеса.

Уже тогда было страшно интересно. (Удивительно, но за последние годы ничего не изменилось: по-прежнему интересно, и по-прежнему страшно.) Так вот с 1996-го пройден путь от сэйлз-менеджера до генерального директора. Основной опыт я получал на позиции коммерческого директора. На мой взгляд, это наиболее интересная должность в компании. Хотя настаивать не стану: каждому свое.

Рынки, на которых трудился, которые знакомы изнутри: строительные материалы, с жирным акцентом на цемент; импортная полиграфическая бумага; натуральный каучук; рынок пищевого сырья, так называемого пальмового масла (аналог растительного масла и маргарина для пищевых производств). Много сил было отдано компании, разрабатывающей дизайн, размещающей заказы на производство и торгующей оптом женской обувью в средней ценовой нише. Сейчас, в одной из стран ЕС, развиваю сеть салонов красоты.

Особняком стоит период, когда мы занимались проектными продажами. Скажем, оснащение кинотеатра под ключ. То есть все, кроме капитального строительства. Кинопроекционное оборудование, киносвет, звук, экран, кресла, специальное акустические панели, вплоть до игровых автоматов в фойе.

На одном из мест работы я «подвергся» комплексному консалтинговому проекту (и знаю, каково это бывает). К великому сожалению, я один из очень немногих специалистов в области продаж, имеющих подобный опыт, так сказать, побывавших по обе стороны баррикады.

Неоднократно публиковался в журналах «Секрет фирмы», «Компания», «Свой бизнес», «Коммерческий директор», «Консультант», «Финансовый директор» (в качестве автора кейса, эксперта по антидемпингу, картельным соглашениям, стратегическому маркетингу, управлению запасами).

Автор «Книги коммерческого директора» (к выходу готовится 4-е издание), «Настольная книга директора по маркетингу. Проверенные способы увеличения продаж», «Бизнес-исповедь. 25 лет борьбы за увеличение продаж» и книги «Осторожно: маркетинг! Почему не работает то, чему вас научили».

Кроме того, в настоящее время провожу открытые и корпоративные 1- 2 дневные семинары и консалтинговые проекты.

Это вкратце о себе. Ну, хватит хвастаться. Актуальную информацию обо мне и не только, вы всегда сможете найти по адресу www.terehin.ru Моя почта terehin@terehin.ru

Структура изложения

Для меня гипер важно, чтобы у вас, уважаемый читатель, сложилась целостная картина. Это как в мединститутах органы и системы изучают раздельно (потому что иначе нельзя), но в итоге у врача должно сложиться единое представление. Я буду время от времени пробрасывать «мостики», к тому, что мы обсуждали ранее ("…как я уже писал ранее“, „помните, об этом мы уже говорили…", «не стоит забывать…» и т.д.). Будет замечательно, если после прочтения этой книги, у вас сложится целостное восприятие складского «организма».

Ну, и чё?

На своих семинарах слушателям я предлагаю шутливый по форме, но очень глубокий по содержанию вопрос: «Ну, и чё?». Мой сын обычно использует его, чтобы понять как то, что я только что сказал, соотносится с его жизнью.

Я же вам, уважаемый читатель, предлагаю на полном серьёзе задавать этот вопрос каждый раз, когда вы сталкиваетесь с очередной рекламной кампанией, новомодной концепцией в маркетинге или менеджменте, пространными рассуждениями коллег или гуру от логистики.

В этом контексте наш сакраментальный вопрос означает: «как это связано с оптимизацией складского запаса?» Если хотя бы в теории это непонятно, то и обсуждать тут нечего.

Я уже писал и ещё много раз напишу, что, всё, так или иначе, но очень конкретно, предметно и прагматично не работающее на практике, я считаю от лукавого.

Давайте заложим фундамент: договоримся о главном

Во-первых, эта книга посвящена нахождению ответа на вопрос: когда и сколько закупать, чтобы запас был оптимальным (нужно избежать дефицита и избытка). Значит, нам необходимо найти золотую середину.

Однако, возникает вопрос: между какими крайностями? Все довольно просто. С точки зрения снабженца (неважно торгового или производственного предприятия) склад должен быть неограниченным. Такие «закрома родины» с неисчерпаемым запасом, и тогда снабжение будет всегда бесперебойным.

А с точки зрения финансистов, склада быть не должно. Запасы — это всегда издержки. А их священная задача как раз борьба с затратами, «резать косты», как они часто говорят. Вот между двумя этими полюсами мы и будем искать истину.

Во-вторых, искать мы ее будем с помощью математики. Так что готовьтесь — формул будет много. Но они в подавляющем большинстве арифметические. Так что не пугайтесь: слишком сложно не будет. Я постараюсь использовать только самую необходимую терминологию и ироничный стиль изложения.

Но и филологам лучше эту книгу отложить сразу.

В-третьих, управление запасами методика поартикульная. Это означает, что все, что я здесь пишу необходимо применить к каждому артикулу или SKU (Stock Keeping Unit или складская учетная единица).

Давайте подождем, пока наши коллеги, управляющие десятками, а иногда и сотнями тысяч наименований, выйдут из комы, после этих слов. Таких отраслей довольно много: ТНП (FMCG  Fast Moving Consumer Goods, товары повседневного спроса, товары народного потребления), канцтовары, книжная торговля, запчасти для автомобилей, с/х техника, авиастроение, торговля стройматериалами, различной фурнитурой и многие другие.

Управлять запасами необходимо поартикульно. Почему я столь категоричен? Перед снабженцем (закупщиком, байером, инженером отдела материально технического снабжения, логистом и т.д.) всегда стоит задача заказать конкретные SKU. Никто не заказывает «товар вообще». Кроме того, нужно четко представлять, когда и сколько. Не стоит пугаться, к счастью, подавляющее большинство расчетов можно и нужно автоматизировать.

В-четвертых, все, написанное в этой книге, будет работать для любого склада, имеющего вход (приход) и выход (списание). Это может быть склад сырья, комплектующих, готовой продукции, з/ч на производстве. Это может быть розничный магазин.

Подходы и алгоритмы универсальны и едины. И это замечательно!

В-пятых, давайте сразу договоримся о важном законе логистики: чем ближе к конечному пользователю, тем все расчеты точнее. Именно по этой причине на Западе уже давно производители анализируют, а зачастую и контролируют, запасы внутри всего канала дистрибуции (от производства до конечного пользователя). Это позволяет им убрать «лишний жир» в запасах из всей цепочки посредников. Кроме того, уже и в России широко используют сервис, который состоит в том, что поставщик управляет запасами и несет ответственность за бесперебойное снабжение своего клиента.

В этом случае, он видит продажи своих товаров и обязан своевременно и в полном объеме возмещать их. Этот сервис является отраслевым стандартом в аптечном и книжном бизнесе. Рынки авто з/ч, продуктов питания также стремительно развиваются в этом направлении.

В-шестых, в подавляющем большинстве случаев мы будем оперировать натуральными единицами — тонны, м3, м2, кг, шт. и т. д. Договорились?

Ну что ж. Кто не спрятался, я не виноват.

Признаки плохого управления запасами

Первое, что обычно бросается в глаза — это возрастающее число задержек выполнения заказов. Наверное, последнее, что можно рекомендовать в продажах — это «кормление завтраками» клиентов. Особенно ценных. Понятно, что ни к чему хорошему это привести не может. В «лучшем» для вас случае, вы заработаете репутацию ненадежного поставщика и попутно статус неосновного (к вам будут обращаться, если у основного вдруг возникнут перебои).

В худшем случае, заказ просто отменят. Но и тут возможны варианты в диапазоне: просто забыв о вашей фирме до раструбления на весь рынок этой ситуации и выставления штрафа или санкций.

Столкнувшись с нехваткой запасов, первое приходящее на ум — это увеличение складских запасов. Естественно, ведь их не хватает. Однако, не все так просто, как хотелось бы. На страницах этой книги (впрочем, как на других своих книгах) я буду много раз ванговать, демонстрируя «чудеса» ясновидения. На самом деле все очень просто — я рассказываю про свой опыт, полученный во время ожесточенных боев за оптимизацию складских запасов в штате различных фирм и в качестве привлеченного консультанта. Итак, первое, что делают практически все при нехватке товаров — это увеличивают запасы. И вот уже финансовый директор, главбух или собственник бегает по потолку, потому что значительное увеличение запасов (иногда их удвоение) не помогло решить проблему. Запасов некоторых артикулов хватит на месяцы (а иногда на годы), а других нет совсем. И клиенты вопят, как потерпевшие.

Дело в том, что если у вас не выстроена структура управления запасами, то склад легко превращается в черную дыру, способную похоронить любое количество товара. И все равно по некоторым атрибутам у вас будет дефицит, а по другим избыток.

Еще одним довольно явным признаком проблем служат непечатные слова, доносящиеся со склада (как бы далеко он ни находился от офиса), когда новую партию товара просто некуда размещать. Я работал в фирме, у которой рабочий день склада начинался с вывоза десятков паллет на рампу, чтобы хоть как-то освободить рабочее пространство. А вечером кладовщик плечом наваливался на ворота, чтобы закрыть их.

О неликвидах будет сказано отдельно. Но сейчас, давайте просто констатируем, что их наличие говорит о грубых просчетах в управлении запасами. И чем больше у вас таких артикулов, тем грубее ошибки.

К довольно экзотическому, зато легко автоматизируемому, критерию относится большой разброс коэффициентов оборачиваемости по основной номенклатуре (продукты категории А и В в терминологии АВСD-анализа). Про эти параметры мы поговорим в свою очередь.

Однако, уже сейчас я хочу ответить на постоянно задаваемый мне вопрос. Какой у меня должен быть коэффициент оборачиваемости? Любой человек, назвавший число, попросту не понимает сути вопроса. Например, у розничных магазинов по основной номенклатуре коэффициент оборачиваемости может быть сотни (в год). А на рынке натурального каучука — единицы.

Именно поэтому ваше внимание должен привлечь именно их существенный разброс. И то, вам придется внимательно проанализировать причины этого явления. Вполне возможно, что они носят объективный характер и не зависят от чьей-то нерадивости.

Нельзя объять необъятное или Границы возможного

Есть расхожая фраза: «Политика — это искусство возможного». На самом деле, всё, что угодно — искусство возможного. В том числе и логистика. Не ждите чудес и волшебных палочек. Полностью покорить хаос и неопределённость невозможно. (К счастью, иначе какой скучной была бы жизнь.)

В конце концов, первое правило менеджмента гласит, что не бывает безрисковых и беззатратных решений. Наша с вами задача, сделать эти риски и затраты оптимальными, а значит, приемлемыми.

Давайте очертим границы возможного в управлении запасами:

— время исполнения заказа колеблется в ожидаемом и приемлемом диапазоне;

— спрос колеблется в ожидаемом диапазоне;

— цены колеблются в ожидаемом диапазоне.

Часто говорят, что какая-то наука вышла из практики. Про управление запасами такого нельзя сказать. Оно никуда не выходило. Логисты — это удивительные специалисты, придумавшие элегантные, красивые и эффективные способы выкручиваться из, казалось бы, безвыходных ситуаций. (Множество этих способов мы разберем по ходу книги). Лично у меня этот подход вызывает искреннее уважение. По мере погружения в управление запасами, вы увидите, сколько рациональных и взвешенных подходов используют логисты, чтобы снизить риски и неопределенность.

Однако, мы с вами не дети, чтобы верить в чудеса. Обратите внимание на ключевое словосочетание «в ожидаемом диапазоне». Понятно, что в жизни ничего не бывает без задержек и опозданий. И эти ситуации логистика учитывает. Но если время исполнения заказа у вас то год, то неделя, и если вы не знаете от чего это зависит, то не ждите чудес. Логистика — это не ясновидение. Она хорошо умеет снижать риски, но не предсказывать будущее. (Интересно, а кто-то или что-то умеет?)

Глава 2. Прогнозирование продаж (потребления) или Как заглянуть в будущее?

В этой и следующих трех главах, мы будем обсуждать основные подходы к прогнозированию продаж. Ниже перечислены основные темы, которые мы разберем.

— Экспертные методы прогнозирования продаж: риски и преимущества

— Экстраполяция как метод прогнозирования продаж:

— Подготовка статистики

— Сглаживание по 3-м и по 5-м точкам

— Скользящее среднее

— Скользящее среднее с весовыми коэффициентами

— Регрессионный анализ как метод прогнозирования продаж

— Методы определения погрешности прогноза

А теперь обо всем по порядку.

Экспертные (качественные) методы прогнозирования

В логистике используются 3 группы методов прогнозирования:

— экспертные (качественные)

— экстраполяция

— регрессионный анализ

На практике возможны две ситуации. Данный SKU вы потребляете (продаете) длительный период времени. Это означает, что у вас есть «Её Величество Статистика». Искренне рад за вас. Аккуратно обработав её, вы сможете получить довольно точный прогноз на следующий период. Об этой ситуации мы поговорим в следующих главах.

А начнем с ситуации, когда надо заказать продукт впервые (и вы ранее не заказывали аналоги). Итак, мудрый (а какой же ещё?) руководитель ставит вам задачу организовать снабжение артикулом, например, АВ123. Если ранее вы никогда его или аналоги не заказывали, то у вас есть два пути.

Первый. Вы собираете 8—12 (в идеале) экспертов вместе. Кто такие эксперты? Это сотрудники, понимающие в потреблении АВ123. Это могут быть технологи (если речь идет о производстве), финансисты, маркетологи, продавцы и, конечно же, снабженцы. Им всем одновременно задается один вопрос: каков объем потребления АВ123 будет в следующем плановом периоде.

Что это такое? О каком интервале времени мы говорим? В логистике оперируют двумя периодами. Во-вторых, годовым, как завершенным, целым.

А, во-первых, интервалом между размещением заказа и получением его на складе. (Здесь существует множество важных нюансов, но о них мы поговорим чуть ниже. Пока, для простоты, будем считать так.) Обозначим его Т. Этот интервал может быть любым. Иногда он составляет несколько дней или даже часов. А иногда — многие месяцы и кварталы. Давайте для простоты возьмем Т, равный одному месяцу.

Итак. Вы задаете экспертам вопрос: какой будет объем потребления артикула АВ123 за следующий месяц? Уважаемые коллеги, поругавшись (а куда без этого?), называют число — 1200 единиц.

Другими словами, по их мнению, за ближайший месяц для бесперебойного снабжения вам потребуется 1200 единиц.

Второй способ экспертного прогнозирования. Вы по очереди обходите экспертов и каждому тет-а-тет задаете тот же самый вопрос: какой будет объем потребления артикула АВ123 за следующий месяц?

Получив ответы, вы проводите примитивные расчеты. Откидывается самое большое и самое маленькое значения, а от оставшихся рассчитываете среднее арифметическое (складываются все числа и делятся на их количество). Это и будет прогноз потребления АВ123 на следующий плановый период.

Однако оба упомянутые способа получения прогноза не свободны от одного большого недостатка — экспертного мнения. Проблема заключается в том, что эксперт считает просто потому, что он так считает. (Помните крылатые слова Портоса? «Я дерусь, потому что дерусь.»)

В случае вежливого (читайте, подчиненного вам) эксперта обычно происходит примерно такой диалог.

« — Какой будет объем продаж в следующем месяце?

— 1000 шт. (например).

— Почему вы так считаете?

— Я так оцениваю тенденцию рынка.

— А какова, по вашему мнению, рыночная тенденция?

— Она возрастающая.

— Почему вы так считаете?

— Потому что в течение последних 2-х месяцев продажи росли.

— А с чего вы взяли, что и в третьем месяце они будут расти?

— Я эксперт, я так считаю».

Вопрос: «А с чего вы взяли, что вы эксперт?» — не уместен, так как это именно вы назначили этого специалиста на «позицию» эксперта. Если вам не ценно его мнение, то зачем вы задаете ему вопросы?

В случае не вежливого (читай, не подчиненного вам) сотрудника диалог будет значительно короче:

« — Какой будет объем продаж в следующем месяце?

— 900 шт. (например).

— Почему вы так считаете?

— Я эксперт, я так считаю. Не мешайте мне работать!»

Сотрудник может назвать число, и на просьбу обосновать свою точку зрения, буркнуть что-то неразборчивое.

Или пространно объяснять что-то про мировой финансовый рынок, технический анализ, динамику потребления и производства и т. д. Не стоит всему этому уделять внимание. Мнения первого и второго имеют одинаковый вес и одинаковые шансы на удачу или ошибку. Запасайтесь терпением, через месяц (в нашем примере) все узнаете.

Поэтому в случае с экспертным прогнозированием, Вы изначально должны запретить себе задавать вопрос эксперту, почему он так считает. В этом, по сути, нет смысла. Вы зря потратите его и свое время.

Кроме того, имейте в виду, что практически всегда продавец будет занижать прогноз (еще бы, ведь ему выполнять план по продажам на его основе), а маркетолог будет завышать (ему-то что?). Поэтому в группе экспертов, сотрудников, заинтересованных в завышении и занижении прогноза, должно быть равное количество.

Из собственного опыта скажу, что погрешность в 50% в случае экспертного прогноза — это большая удача (я серьезно, без иронии). Просто у нас нет другого способа выкрутиться.

А вот что делать, если статистика потребления есть, мы поговорим в следующей главе.

Проанализировав эти риски, я настоятельно вам рекомендую применять экспертный метод прогноза лишь в случае отсутствия статистики прошлых продаж, то есть в ситуациях, когда рынок стремительно и скачкообразно растет; или когда вы открываете новый офис, магазин, филиал; или когда существенно увеличиваете численность продавцов и т. д. Другими словами, когда не выполняется условие «ожидаемого диапазона». Помните?

Глава 3. Экстраполяция или Будущее похоже на прошлое

В тех случаях, когда к ситуации применим математический аппарат, его непременно нужно использовать. Вы не только получите более точные результаты — вы еще и будете видеть, откуда эти результаты берутся, как их корректировать, как с ними работать.

Для прогнозирования нам понадобятся математические инструменты. Но сперва, хочу обратить ваше внимание на одно принципиальное различие. Математики могут себе позволить абстрактное мышление. Логисты — нет! За каждой нашей формулой, за каждым вычислением, за каждым решением кроется движение товаров на складе. И это может привести к огромной прибыли или таким же убыткам!

Ничего сверхсложного в предлагаемых мною расчетах нет. Нужно лишь четко представлять себе, что именно стоит за тем или иным производимым вами действием.

Начнем же мы с того, что поговорим об экстраполяции. В общем случае этот термин означает построение функции по имеющимся значениям и прогнозирование следующих значений.

Из школьного курса алгебры мы помним, как построить график, если задана функция, отражающая зависимость одного показателя от другого. Однако в жизни нам никто подобную функцию не даст. Поэтому единственное, что мы пока можем сделать — это построить график изменения объема продаж (потребления) от времени. Однако это будет весьма формальная зависимость, поскольку продажи не происходят с течением времени сами по себе. Вы не можете продавать продукцию без рекламного бюджета, без сотрудников, без складского запаса, без транспорта и т. д.

Следовательно, для получения реальной картины все эти (и многие иные) параметры также должны быть учтены при построении графика. Мы же пока просто берем временные координаты и отмечаем на них объемы продаж. Можем ли мы определить, каковы будут этим объемы в следующем месяце?

Экстраполяция позволяет нам утверждать, что «будущее похоже на прошлое». Мы можем увидеть, что происходило в последние периоды, и сделать вывод о том, что в ближайший отрезок времени картина будет похожей.

Такой подход используется не от хорошей жизни. Просто мы не можем предсказать будущее, и полагаем, что оно будет похожим на прошлое.

Если в последний месяц продажи росли, логично предполагать, что они будут расти и в следующем месяце, не правда ли?

Однако, прогнозировать точки перегиба графика продаж с помощью экстраполяции невозможно. Другими словами, если в прошлые периоды продажи падали, мы будем прогнозировать спад. Если росли — рост. А вот момент изменения ситуации (тренда) предсказать практически невозможно.

Получается, что эти модели хорошо работают при краткосрочном и среднесрочном прогнозировании. При долгосрочном прогнозировании они не работают.

Например, если сегодня на улице +20 С, то с определенной вероятностью можно предположить, что завтра и послезавтра погода будет примерно такой же. Но предполагать, что и через несколько месяцев она будет неизменной — безумие.

Теперь посмотрим, как эта идея реализуется в конкретных формулах.

Давайте разберем 2 подхода:

— скользящее среднее

— скользящее среднее с весовыми коэффициентами

Но сначала обсудим один принципиально важный момент, который почти всегда ускользает от практиков.

Глава 4. Подготовка статистики

Источники информации для уточнения прогноза

Если у вас имеются данные потребления за прошлые периоды, то их необходимо… Правильно, подготовить. Звучит парадоксально? На первый взгляд да. Давайте разбираться.

Для простоты мы по-прежнему будем оперировать месячным интервалом между размещением заказа и поступлением на склад (хотя в жизни Т может быть любым).

Допустим, продажи (списание со склада) АВ123 за март, апрель, май составляли по 100 единиц. Не надо быть ясновидящим, чтобы в подобной ситуации сделать прогноз на июнь. Очевидно, он будет 100 единиц (по крайней мере, из имеющихся данных, другой прогноз не сделать). Более того, наш прогноз легко может сбыться на практике, и потребление реально составит 100 единиц.

Здесь необходимо сделать одну весьма важную оговорку, и договориться о терминах. В бизнесе это не совсем так, а иногда и совсем не так, но в управлении запасами понятие «реализация», «продажа», «расход», «потребление», «списание», «отгрузка» — синонимы.

В логистике не существует понятия дебиторская задолженность. Если товар отгружен со склада и другой команды не поступало, снабженец обязан возобновить запас. А была эта отгрузка с прибылью в 200% по предоплате или наоборот фирме-однодневке в мертвую дебиторку — его не касается. Этот нюанс важно понимать читающим эту книгу управленцам.

Вернемся к нашему прогнозу. Допустим, на практике отгрузка действительно составила 100 единиц. Время открывать шампанское?

Не спешите. Может быть да. Но может быть нет. О чем это я? О дефиците.

Возможна ли ситуация, когда товара хватило на две недели? А остаток месяца склад был пустой. К сожалению, не только возможна, но и часто случается в жизни. Огромный риск такой статистики состоит в том, что формально подходя к ней, вы спрогнозируете дефицит и на будущие периоды. И будете глумиться над клиентами до тех пор, пока они у вас будут. Поверьте при нынешнем уровне конкуренции — это совсем недолгий период. Конкуренты их быстро утащат.

Значит, если дефицита на складе не было (то есть свободный, не зарезервированный остаток был больше нуля все время до следующей поставки), тогда на этих данных может основываться прогноз. А вот если был, то необходимо их корректировать. Как?

Давайте об этом поподробнее.

Имейте в виду, что товар, поставленный в резерв под клиента честным сотрудником (иногда они просто так накладывают лапу на дефицитный, хорошо продаваемый товар. Осторожно!) — это товар, с точки зрения управления запасами, уже проданный. Вы не можете так просто отказать клиенту, сняв с него резерв. Поэтому, когда я говорю про складской остаток, я всегда (!) имею в виду свободный.

Для корректировки дефицита необходимо рассчитать среднюю скорость потребления (продаж, списания, расходования, реализация и т.д.) или средние ежедневные продажи. Обозначим эту величину q.

q= (кол-во продаж) /число рабочих дней, от начала интервала до дня, когда остаток (свободный!) стал равен 0.

Допустим, q=100/10=10 ед./дн.

Экстраполируя, то есть, полагая, что скорость потребления будет постоянной, а до конца месяца осталось 12 рабочих дней, мы получаем:

12 р.д.*10 ед./дн.=120 ед.

Таким образом, 100 единиц (реально проданных) +120 ед. (экстраполированных) =220 ед./месяц

Мы считаем, что если бы у нас на складе было необходимое количество, мы бы отгрузили 220 единиц. Именно эту цифру необходимо брать в расчет при прогнозировании будущих периодов.

Так же обратите внимание, что подобную процедуру необходимо провести для всех периодов, когда был дефицит. И только после прогнозировать потребление.

Однако, в жизни довольно часто скорость потребления нестабильна. За оставшиеся 12 рабочих дней клиенты могли вообще не заказывать АВ123. Или наоборот, требовать 400 единиц.

Более сложные корректировки требуют настройки документооборота в компании, и могут быть применимы не на всех рынках. Так что я не буду подробно останавливаться на них. Однако, хочу заметить, что даже в случае резкого скачка потребления во второй части месяца на 400 единиц, получаемая с помощью экстраполяции величина в 220 единиц ближе к истинному значению в 500, чем 100 единиц (как в первоначальной ситуации).

А в случае, если за следующие 12 рабочих дней, спрос на АВ123 отсутствовал (=0), то мы получим избыток товара. Но он будет краткосрочным и позволит избежать дефицита в следующих периодах.

Так что можно сделать однозначный вывод: корректировать статистику лучше, чем не корректировать. (А «свобода лучше несвободы». )

Основное правило корректировки статистики отгрузки: а хотите ли вы, чтобы ситуация повторилась в будущем? Если вы считаете, что всё ок, то менять ничего не надо. В противном случае, не поленитесь внести изменения. Иначе вас ждет ужасный «день сурка».

Глава 5 Сглаживание случайных колебаний

Сглаживание по 3-м точкам

В предыдущем разделе мы обсудили один из способов корректировки статистики, когда ситуация кажется понятной. Увидели наличие дефицита, и, как смогли, убрали (снизили) его влияние на прогноз. Однако часто возникают скачки или спады продаж, причины которых не ясны. А значит, мы не знаем, продолжится ли эта ситуация (стает ли она трендом, тенденцией) или нет. Закладывать нам этот рост или спад на будущее? Ответа нет.

В этом случае необходимо «сгладить» влияние случайного фактора, уменьшить его вклад в прогноз.

Для этого необходимо использовать метод трех или пяти точек. Для сильных сезонных колебаний хороший результат дает первый, а для рынков со слабо выраженной сезонностью — второй.

«Точка», «период» — это время между размещением заказа и получением товара на складе, Т. Для примера, мы договорились считать его равным одному месяцу.

Используя методы сглаживания по 3-м или по 5-и точкам, как правило, получают график с меньшим разбросом значений. Другими словами, пики и спады становятся меньше. График становится более плоским. Хотя бывают и исключения.

В случае сглаживания по 3-м точкам, мы выбираем интервал, равный 3 периодам (в нашем примере, 3-м месяцам). И последовательно, двигаясь слева направо, сглаживаем среднюю точку внутри него.

Какой бы ни была длинна статистического ряда, у нас всегда останутся не сглаженными первая и последняя точки. Для работы с ними существуют другие формулы. Ниже представлены формулы для сглаживания всех значений статистики.


S0= (S-1+S0+S1) /3 — формула для сглаживания всех точек ряда, кроме первой и последней

S-1= (5*S-1+2*S0-S1) /6 — формула для сглаживания первой (крайней левой) точки ряда

S1= (-S-1+2*S0+5*S1) /6 — формула для сглаживания последней (крайней правой) точки ряда


S0; S-1; S1 — сглаженные значения объемов продаж, ед.

S-1; S0; S1 — значения объемов продаж до сглаживания, ед.

S0 — центральная точка интервала из 3-х; S-1 — точка левее центральной; S1 — точка правее центральной


Пример

Отдельно хочу обратить ваше внимание, на то, что округлять значения стоит на самом последнем этапе прогнозирования. Такой подход позволит уменьшить погрешность.

Сглаживание по 5-ти точкам

Если на вашем рынке сезонность выражена слабо, то для уменьшения влияния случайных факторов на прогноз потребления (продаж) стоит использовать методику сглаживания по 5-и точкам.

Все рассуждения аналогичны предыдущим расчетам. С той разницей, что мы берем интервал, равный 5-ти точкам. Последовательно слева направо, мы сглаживаем центральные точки. После окончания этой процедуры, у нас остаются не сглаженными 4 точки: 2 первые и 2 последние.

Ниже представлены формулы для сглаживания.


S0= (S-2+S-1+S0+S1+S2) /5 — формула для сглаживания всех точек ряда, кроме двух первых и двух последних

S-1= (4*S-2+3*S-1+2*S0+S1) /10 — формула для сглаживания второй точки ряда

S1= (S-1+2*S0+3*S1+4*S2) /10 — формула для сглаживания предпоследней точки ряда

S-2= (3*S-2+2*S0+S1-S2) /5 — формула для сглаживания первой (слева) точки ряда

S2= (-S-2+S0+2*S1+3*S2) /5 — формула для сглаживания последней (справа) точки ряда


Важное замечание. Используйте выбранный метод сглаживания для каждого артикула только один раз. Иначе вы сами внесете дополнительную погрешность. Не стоит этого делать. О том, чтобы ваши расчеты не были слишком точными, позаботятся клиенты, поставщики и государство.

А теперь давайте, опираясь на подготовленную статистику, начнем разбираться со способами прогнозирования.

Прогнозирование: скользящее среднее

Рассмотрим эти методики, двигаясь от простого к сложному.

Si-1 — объем продаж за период i-1, ед.

Fi — прогноз продаж, ед.

n=3 или 5 — число периодов

Буквой F в данной формуле мы обозначаем прогноз, буквой S — скорректированные данные, подготовленную статистику продаж за прошлые периоды.

Допустим, в январе было продано продукции на 100 единиц, в феврале — на 123 единицы, в марте — на 117. Теперь попробуем составить прогноз на апрель.

Для этого найдем среднее арифметическое продаж за прошедшие три месяца: (100+123+117) /3. Получается приблизительно 113,33. Округляем эту цифру до 114, с некоторым избытком. Ну что ж, на апрель мы планируем продажу товара на 114 единиц, а продали (с учетом корректировок), предположим, на 128. Это нормальная погрешность расчетов, ничего страшного.

Прогнозируя продажи на следующий месяц, мы вновь выберем три последних периода. (Мы как бы скользим с течением времени.) Теперь рассчитаем по той же формуле: (123+117+128) /3 =

=368/3 = 123.

Таким образом, мы выбираем «плечо», кратное трем либо пяти периодам (в приведенном примере периодами выступают месяцы) и «скользим» с течением времени. Если продажи носят ярко выраженный сезонный характер, выбираем более короткое лечо, если сезонность выражена слабо — более длинное.

Скользящее среднее с весовыми коэффициентами

Перейдем ко второму способу расчета прогноза:

Fi=a*S-1+b*Si-2+c*Si-3

a, b, c — весовые коэффициенты, значит a+b+c=1

S-1, Si-2, Si-3 — объемы продаж за предыдущие периоды, ед.

Fi — прогноз продаж, ед.


По сути, скользящая средняя представляет собой частный случай скользящего среднего с весовыми коэффициентами. Просто в этом случае все весовые коэффициенты равны 1/3.

Применять предыдущий рассмотренный способ можно в том случае, когда продажи в мае похожи в равной степени на продажи в апреле, марте и феврале (для скольжения по 3-м точкам).

Однако если мы будем рассматривать, к примеру, мой любимый цемент (его продажам было отдано много лет), то увидим, что цифры за май будут в большей степени похожи на продажи в апреле, в значительно меньшей степени — на продажи в марте, и еще меньше похожи на показатели зимних месяцев. Отсюда следует, что в прогноз мая у апреля должен быть самый большой вклад (т.е. весовой коэффициент), у марта вклад меньше, а у февраля еще меньше.

Здесь налицо будет ярко выраженная сезонность спроса. Поэтому весовые коэффициенты, отражающие вклад каждого из упомянутых показателей, будут разными.

Посмотрим, как можно спрогнозировать продажи, допустим, мая, исходя из модели скользящего среднего с весовыми коэффициентами.

Итак, умножаем a на 128 — апрельскую величину, — b на 117 (мартовские скорректированные продажи), c — на 123 (февральские скорректированные продажи).

a*128+b*117+c*123=Fмая

В сумме a, b и c равны единице. Кроме того, мы уже знаем, что a> b> c — иными словами, вклад апрельских показателей в прогноз продаж на май весомее, чем вклад марта, а последний значит больше, чем вклад февраля. Исходя из этих условий, необходимо подобрать (методом перебора) оптимальные значения для a, b, c.

Прогнозирование: регрессионный анализ

Чуть выше я уже писал, что график объема продаж от времени носит формальный характер. Понятно, что продажи (списание) сами по себе с течением времени не происходят. А от каких факторов на самом деле зависят продажи в вашей компании?

Легко угадать, к примеру, что продажи пива связаны с температурой окружающей среды. Можно привести и более сложные примеры. Как, по-вашему, существует ли взаимосвязь между продажами отделочных, строительных материалов, напольных покрытий, ковров, мебели и т. п. и объемом вводимого в эксплуатацию жилья в городе? Разумеется, некая зависимость тут есть, хотя речь и не идет о прямой пропорции.

Это все — внешние факторы, влияющие на объемы продаж, но ведь есть еще и внутренние. К примеру, может ли влиять на объем продаж величина рекламного бюджета? А число сэйлз — менеджеров, работающих в вашей компании? А количество клиентов?

Каждый профессиональный аналитик обрабатывает десятки подобных гипотез. Он строит графики в одинаковых временных интервалах, определяя влияние того или иного фактора. После этого выводится уже конкретная формула.

Если речь идет о тех факторах, на которые мы с вами можем влиять (число сэйлз — менеджеров, рекламный бюджет, количество клиентов и т.п.) — мы получаем возможность в значительной степени управлять продажами, видим, на чем необходимо делать основной акцент в своей деятельности.

Если же в ход идут факторы, которыми мы не можем управлять (температура окружающей среды, количество жилья в новостройках и т.п.) — мы получаем возможность достаточно точного прогнозирования.

В любом случае принципиальное отличие регрессионного анализа от экстраполяции заключается в том, что он позволяет предсказать точку перегиба графика продаж. Соответственно, регрессионные модели позволяют получить достаточно точный среднесрочный прогноз. Более того, они фактически единственные дают нам долгосрочные прогнозы.

К сожалению, формулы регрессионного анализа крайне сложны. Поэтому здесь я их приводить не буду (не царское это дело). Если вы захотите воспользоваться подобными методиками, то придется привлечь аналитика с навыками проведения подобных расчетов. Существует масса программных продуктов, реализующих подобные методы.

Кроме того, вам будет нужен довольно длинный статистический ряд продаж. Более 30 периодов, кратных прогнозируемому. Другими словами, если вы хотите прогнозировать на месяц, вам необходимо иметь около 3-х лет статистики (не менее 36 месяцев).

Бесплатный фрагмент закончился.

Купите книгу, чтобы продолжить чтение.