2. Преимущества ABC-анализа
3. Недостатки ABC-анализа
4. Метод ABC-анализа
5. Как сделать ABC-анализ
6. АВС-анализ запасов
7. Практическое применение АВС-анализа
8. ABC анализ ассортимента
9. ABC-анализ пример
10. Совмещенный ABC / XYZ анализ
АВС–анализ
АВС–анализ это инструмент, который позволяет изучить товарный ассортимент, определить рейтинг товаров по указанным критериям и выявить ту часть ассортимента, которая обеспечивает максимальный эффект.
В его основе лежит принцип Парето — 20 % всех товаров дают 80 % оборота. Идея метода АВС анализа строится на основании принципа Парето: «за большинство возможных результатов отвечает относительно небольшое число причин», в настоящий момент более известного как «правило - 20 на 80».
По отношению к ABC-анализу правило Парето может прозвучать так: надёжный контроль 20 % позиций позволяет на 80 % контролировать систему, будь то запасы сырья и комплектующих, либо продуктовый ряд предприятия и т. п. Часто ABC-анализ путают с ABC-методом, расшифровывая ABC как Activity Based Costing.
Данный метод анализа получил большое развитие, благодаря своей универсальности и эффективности. Результатом АВС анализа является группировка объектов по степени влияния на общий результат.
Ассортимент обычно анализируется по двум параметрам: объем продаж (реализованное количество) и получаемая прибыль (реализованная торговая наценка). АВС - анализ основан на правиле Парето, согласно которому 20% ассортиментных позиций обеспечивает 80% прибыли.
ABC-анализ — анализ товарных запасов путём деления на три категории:
• А — наиболее ценные, 20 % — тов.запасов; 80 % — продаж
• В — промежуточные, 30 % — тов.запасов; 15 % — продаж
• С — наименее ценные, 50 % — тов.запасов; 5 % — продаж
Учитывая это, весь ассортимент торгового предприятия можно разделить на группы по степени важности.
• Группа А – очень важные товары, которые всегда должны присутствовать в ассортименте. Если в качестве параметра в анализе использовался объем продаж, то в данную группу входят лидеры продаж по количеству. Если в качестве параметра в анализе использовалась торговая наценка, то в данную группу входят наиболее прибыльные товары.
• Группа В – товары средней степени важности.
• Группа С – наименее важные товары, это претенденты на исключение из ассортимента и товары-новинки.
В зависимости от целей анализа может быть выделено произвольное количество групп. Чаще всего выделяют 3, реже 4-5 групп.
По сути, ABC-анализ — это ранжирование ассортимента по разным параметрам. Ранжировать таким образом можно и поставщиков, и складские запасы, и покупателей, и длительные периоды продаж — всё, что имеет достаточное количество статистических данных. Результатом АВС анализа является группировка объектов по степени влияния на общий результат.
АВС-анализ основывается на принципе дисбаланса, при проведении которого строится график зависимости совокупного эффекта от количества элементов. Такой график называется кривой Парето, кривой Лоренца или ABC-кривой. По результатам анализа ассортиментные позиции ранжируются и группируются в зависимости от размера их вклада в совокупный эффект. В логистике ABC-анализ обычно применяют с целью отслеживания объёмов отгрузки определённых артикулов и частоты обращений к той или иной позиции ассортимента, а также для ранжирования клиентов по количеству или объёму сделанных ими заказов.
Первым этапом проведения АВС- анализа является определение целей. Если целью является сокращение ассортимента, то в качестве основных параметров выбирается объем продаж, прибыль. Если целью является выявление и сокращение затрат на поддержание запасов, то в качестве основных параметров выбирается коэффициент оборачиваемости, объем неликвидов и занимаемая складская мощность. Если требуется исследовать рентабельность, то в качестве основного параметра выбирается коэффициент оборачиваемости, уровень рентабельности. Данные АВС-анализа помогают оптимизировать товарный ассортимент.
При всех многочисленных плюсах этого вида анализа существует один значительный минус: данный метод не позволяет оценить сезонные колебания спроса на товары.
Преимущества ABC-анализа
Простота.
Первое и главное преимущество – это простота использования. Чем проще метод, тем он надежней – это аксиома. Из-за простоты его легко приспособить к различным ситуациям. Обучение также не требует много времени.
Прозрачность.
Это преимущество вытекает из простоты. Чем проще, тем надежней, но также и понятней. Любой этап анализа можно проследить и, если нужно, подкорректировать. Интерпретация расчетов не вызывает проблем. Сложные статистические методы таким преимуществом не обладают.
Универсальность.
Еще одно важное преимущество – это почти полная универсальность. С помощью АВС-метода можно анализировать хоть товарооборот, хоть деньги, хоть урожай зерна, хоть что угодно, что можно разделить на составляющие элементы. Перед АВС-анализом все равны. Приоритетность (различие вклада в общий результат) наблюдается почти везде.
Автоматизация.
Когда не было компьютеров, все расчеты делались на бумаге и в уме, в лучшем случае на калькуляторе. Поэтому проведение любого анализа было сопряжено с трудоемкостью расчетов. Сейчас эта проблема потеряла свою актуальность. Для АВС-анализа это вообще не проблема, так как алгоритм достаточно строг. Расчет в Excel можно сделать с помощью нескольких нажатий клавиш. Существует также множество специализированных программ, макросов и приложений, которые сокращают количество нажатий до одного. Умножать и делить столбиком уметь не обязательно, про логарифмические линейки и счеты, наконец, можно забыть.
Оптимизация ресурсов.
Это фактически назначение метода. Успешное использование АВС-анализа позволяет сократить и высвободить огромное количество временных и трудовых ресурсов. Это достигается путем концентрации работы над наиболее важными элементами и, наоборот, экономия ресурсов на менее приоритетных составляющих.
Недостатки ABC-анализа
Первый недостаток, точнее даже ограничение, заключается в том, что классический ABC-анализ – это одномерный метод. Если явление простое и само по себе одномерное, то все замечательно, никаких вопросов. Однако в жизни часто приходится иметь дело с многомерными объектами исследования. Таким образом, как бы не был красив АВС-метод, он отражает только одну сторону явления, группирует только по одному группировочному признаку. Эта проблема не есть очень сложная и решается с помощью использования многомерного АВС-анализа, когда группировка проводится сразу по нескольким показателям. Подробно об этом в специальной статье.
Второй недостаток вытекает из первого и из способа его преодоления. Как я только что отметил, приоритетность элементов многомерного объекта следует рассматривать, используя сразу несколько показателей. Для этого определяют группы А,В и С сразу по нескольким переменным. В результате, если мы используем 2 показателя, то количество возможных групп будет 9 (девять). Максимальное число групп определяется количеством возможных сочетаний АВС групп по двум показателям (AA, AB, AC, BA, BB, BC, CA, CB, CC). Вот, как это выглядит схематично на картинке.
Каждая ячейка – это группа в двухмерном АВС-анализе. Если элемент попадает в группу СА, то это значит, что по первому признаку он соответствует группе С, по второму – группе А. Если элемент попадает в группу АВ, то по первому признаку – А, по второму – В и т.д. Как видно, всего может быть 9 групп. Самые приоритетные позиции находится в группе АА, наименее приоритетные – в СС. Интерпретация всех групп и принимаемые в связи с этим решения целиком и полностью зависят от природы данных и целей анализа. Для трех показателей количество групп достигает уже 27 (три в кубе равно двадцать семь).
Таким обозначением (особенно если групп 3 и более) пользоваться не всегда удобно, и тогда сочетание букв заменяют каким-либо одним (одномерным) рейтингом. Например, все группы, в которых присутствует буква А (AA, AB, AC, BA, CA) заменяют общим рейтингом А. Очевидно, что группы А по первому и второму признакам далеко не всегда будут полностью совпадать. Это значит, что в общую агрегированную группу А попадут уже не 20% пресловутых приоритетных наименований, которые дают 80% результата, а существенно больше. Например, в сводную группу А (состоящую из AA, AB, AC, BA, CA) может попасть 1/3 всех позиций. Это еще ничего. А вот если половина всех элементов? Как видим, правило 20/80 может превратиться в 50/80, что звучит уже не так радостно, а управлять 50% элементами уже не так легко, как 20%.
Пример
Имеется ассортимент товаров. Нужно, как обычно сократить стоимость запасов, да так, чтобы продажи не пострадали. Неумелый аналитик сразу проведет АВС-анализ по доходу и скажет, что группу В и С смело сокращаем, а группу А не трогаем. Так ему подсказал учебник. Однако реальность – коварная штука. Представим, что в магазине продаются и дорогие, часто спрашиваемые товары (из группы А), и дешевые, непопулярные (из группы С). Приходит покупатель за дорогим пальто (группа А) и к нему хочет купить запасные пуговицы, заплатку на будущее и новые красивые шнурки в кеды (группа С). Пальто, допустим, имеется в наличии (группа А всегда должна быть), а вот после советов нашего аналитика некоторые позиции из группы С выпали, так как по ним был сокращен запас. В итоге покупатель видит пальто, но не может купить пуговицы и шнурки. Ему теперь нужно ехать в другой магазин – это же огромное расстройство. Такая ситуация называется плохим обслуживанием клиентов, когда покупатель не может приобрести все, что ему надо. Короче, он психует и уходит из магазина вообще без покупок. Зачем таскать с собой пальто, если его можно купить в другом месте, где будут и пуговицы, и шнурки? Вот и получается, что из-за отсутствия товаров группы С уменьшаются продажи группы А.
Для того, чтобы уменьшить количество подобных ситуаций, следует сделать так, чтобы наиболее часто спрашиваемые (не приносящие доход, а именно спрашиваемые) товары всегда были в наличии. Это увеличит качество обслуживания, то есть уровень удовлетворения спроса, и не будет в будущем отпугивать покупателей. В этих целях нужно провести АВС-анализ по частоте покупок (можно анализировать количество ТТН или чеков по товарам). Далее по известным алгоритмам отбираются группы А, В и С. В группу А попадут наиболее часто спрашиваемые позиции, они всегда должны быть в наличии. Далее останутся группы В и С, которые имеют меньший приоритет. Если сюда добавить АВС-анализ по доходу, то у нас получится многомерный АВС-анализ по двум показателям: по доходу и по частоте покупок. Для управления запасами можно будет использовать сочетание из двух букв, а можно и заменить общим рейтингом, как было показано выше. Тогда в сводную группу А попадут все товары, которые приносят максимальный доход и/или чаще всего спрашиваются. Поверьте на слово, количество значений в группе А будет существенно больше, чем 20%. Что делать дальше, дело третье, об этом в другой раз. Но суть, надеюсь, понятна.
Третий недостаток – это разделение данных независимо от их качественной характеристики. Наверное, правильнее сказать, что это недостаток аналитика, а не метода, но, тем не менее, при наличии такой проблемы АВС-анализ также нужно использовать крайне осторожно. Представим, что мы анализируем продажи большого ассортимента, в который входят несколько торговых марок или разных по потребительским свойствам товаров (кеды, ручки, хлеб, двери, колеса и др.). Если все это смешать и провести АВС-классификацию, то получится, что в каждой группе будут совсем несопоставимые между собой позиции, не имеющие ничего общего. В этом случае группировка не будет иметь практического смысла. Группы выделяются для того, чтобы ими можно было управлять, а как можно управлять совершенно разными по своим свойствам товарами? Поэтому перед проведением АВС-анализа неплохо бы разделить данные на более-менее похожие по своей природе группы. Здесь такую аналогию можно провести. Имеются 2 арбуза и 3 вишни. Если их сложить, то получится 5... чего? Да ничего. Складывать вишни и арбузы – это идиотизм. Так и в АВС-анализе. В группу А у неразумного аналитика могут попасть и огурцы, и зубная паста. Подобных перемешиваний нужно избегать – засмеют. Хотя для финансового анализа, чисто для определения локомотива, который дает основной оборот, можно и так анализировать. Все зависит от цели.
Четвертый недостаток, который проявляется не всегда, но о нем стоит знать. Возвращаясь к примеру с ассортиментом, следует отметить, что среди товаров могут встречаться не только те, которые плохо продаются, но и те, которые не продаются вообще или которые продаются в убыток. То есть товары, которые наносят урон похуже группы С. Для этого часто добавляют еще одну группу – D. Получается ABCD-анализ. Или вот еще пример. В группу А вошли 40-50% ассортимента, что в абсолютном выражении может быть весьма много. Тогда из группы А можно выделить группу А+, куда войдут самые-самые позиции.
Три группы А, В и С не всегда способны качественно разделить данные, поэтому часто добавляют дополнительные группы, не предусмотренные классическим вариантом.
Пятый недостаток относится ко всем методам статистического анализа, так как он связан с качеством, достоверностью и актуальностью данных. Можно было бы и не отмечать этот пункт, но я все-таки остановлюсь и заострю внимание тех, кто при виде аббревиатуры «АВС» радостно хлопает в ладоши с криком «я знаю, что такое АВС-анализ». При всей простоте далеко не каждый отчетливо осознает взаимосвязь между исходными данными и выводами. Общих рекомендаций здесь не будет, так как по этому пункту все сугубо индивидуально. У всех данных могут быть свои проблемы. Но пару примеров об анализе ассортимента товаров и продаж приведу.
Как известно, анализ продаж производится за некоторый период. Результаты и выводы переносятся на будущее с предположением, что закономерности и структура продаж не изменятся. В большинстве случаев так и происходит. Однако бывает и так, что в динамике продаж наступают резкие изменения, связанные, например, с сезонностью. Допустим, мы провели АВС-анализ продаж за 1-й квартал года. Получили некоторый результат. В группу С попали товары, которые зимой продаются плохо, но летом наступает всплеск. Если об этом не думать, то по результатам проведенного анализа группа С будет иметь минимальный товарный запас (таковы правила эффективного управления запасами), а когда наступят теплые деньки, остатки быстро обнулятся. Получается, что данные АВС-анализа за зимний период не будут соответствовать летней АВС-группировке. Ситуация бывает и обратной. Набрали на склад плавок и кремов для загара, а их почему-то зимой никто не хочет покупать. Мораль такова, что структура продаж может быть не постоянна и при проведении АВС-анализа ассортимента этот факт стоит учитывать.
Другой пример с продажами.
Часто бывает, что некоторые позиции выпадают из продаж. Это происходит по разным причинам: нет у поставщика, ошибка в закупках и проч. Тогда получается, что в течение некоторого времени товар не продавался и общий объем продаж будет ниже потенциально возможного. Если это позиция из группы А, то по результатам расчета она легко может попасть в группу В или даже С. Последствия от подобной ошибки могут быть весьма чувствительны. Проблема решается путем устранения из расчетов тех периодов, когда товар отсутствовал. Это не сложно сделать, перейдя от суммарных продаж к средним продажам за более мелкий период (от годовых продаж к месячным, или от месячных к недельным и т.п.), не изменяя общую длину анализируемого периода. Тогда периоды с аут оф стоком (дефицитом) можно просто убрать из расчета, оставив только то время, когда товар был на складе и продавался. Структура продаж станет более правдоподобна.
В общем, прежде чем проводить анализ, неплохо бы просто задуматься, насколько данные хорошо отражают анализируемый процесс или явление. Этот момент можно смело распространить на все статистические методы.
Скорее всего, можно было бы и еще найти слабые стороны АВС-анализа, но вот то, что мне пока вспомнилось.
Таким образом, АВС-анализ обладает большими преимуществами, которые выражаются в простоте, универсальности и легкой реализации.
Из отрицательных моментов нужно отметить в первую очередь то, что АВС-группировка по одному показателю далеко не всегда корректно расставляет приоритеты. При использовании многомерного ABC-анализа количество элементов в группе А может быть существенно больше 20%. ABC-анализ не умеет распознавать качество и природу данных, это должен делать аналитик перед проведением расчетов.
Метод ABC-анализа
Цель метода - ыявление проблем, подлежащих первоочередному решению, путем определения их приоритетности.
Суть метода:
• АВС-анализ основан на делении определенной совокупности проблем (объектов анализа) по удельному весу каждой группы, определяемому по тому или иному выбранному показателю.
• АВС-анализ позволяет установить основные проблемы, с которых нужно начинать действовать.
• АВС-анализ базируется на принципе Парето, который означает, что 20% усилий дают 80% результата, а остальные 80% усилий - лишь 20% результата.
План действий:
1. Определить проблему, которую надлежит решить.
2. Учесть все факторы (признаки), относящиеся к исследуемой проблеме.
3. Выявить первопричины, которые создают наибольшие трудности, собрать по ним данные и проранжировать их.
4. Построить диаграмму Парето, которая представит фактическое положение дел в понятной и наглядной форме 2.
5. Провести АВС-анализ диаграммы Парето.
Особенности метода:
Наиболее распространенным методом анализа для выявления результатов деятельности и причин возникновения проблем является метод АВС-анализа, одним из вариантов графической интерпретации которого служит диаграмма Парето.
В литературе приводятся примеры проведения АВС-анализа по показателям оборота, прибыли, трудоемкости, расходов на материалы, и даже по таким параметрам, как помехозащищенность, быстродействие, потребляемая мощность и т. д.
Число групп при проведении АВС-анализа может быть любым, но наибольшее распространение получило деление рассматриваемой совокупности на три группы: А, В и С (75:20:5), чем и обусловлено название метода (ABC-Analysis).
Группа А - незначительное число объектов с высоким уровнем удельного веса по выбранному показателю.
Группа В - среднее число объектов со средним уровнем удельного веса по выбранному показателю.
Группа С - большое число объектов с незначительной величиной удельного веса по выбранному показателю.
Экономический смысл исследований в рамках АВС-анализа сводится к тому, что максимальный эффект достигается при решении задач, относящихся к группе А.
Дополнительная информация:
1. Старайтесь достичь высоких результатов лишь по нескольким направлениям, а не повышать показатели по всем направлениям сразу.
2. Сосредоточьте внимание только на ресурсах, приносящих наибольшую прибыль, не пытайтесь повысить эффективность всех ресурсов сразу.
Достоинства метода:
Простота, наглядность и точность АВС-анализа позволяет правильно выявить основные проблемы для их эффективного разрешения.
АВС-анализ диаграммы Парето может быть довольно легко автоматизирован.
Недостатки метода:
При построении сложной, не всегда четко структурированной диаграммы возможны неправильные выводы.
Ожидаемый результат:
Принятие решения на основании АВС-анализа.
Сравнивая диаграммы, построенные до и после разрешения проблем, оценивают эффективность принятых мер.
Как сделать ABC-анализ
2. Определяем действия по итогам анализа (что будем делать с полученными результатами?).
3. Выбираем объект анализа (что будем анализировать?) и параметр анализа (по какому признаку будем анализировать?). Обычно объектами АВС анализа являются поставщики, товарные группы, товарные категории, товарные позиции. Каждый из этих объектов имеет разные параметры описания и измерения: объём продаж (в денежном или количественном измерении), доход (в денежном измерении), товарный запас, оборачиваемость и т. д.
4. Составляем рейтинговый список объектов по убыванию значения параметра.
5. Рассчитываем долю параметра от общей суммы параметров с накопительным итогом. Доля с накопительным итогом высчитывается путём прибавления параметра к сумме предыдущих параметров.
6. Выделяем группы А, В и С: присваиваем значения групп выбранным объектам.
Методов выделения групп существует порядка десяти, наиболее применимы из них: эмпирический метод, метод суммы и метод касательных. В эмпирическом методе разделение происходит в классической пропорции 80/15/5. В методе суммы складывается доля объектов и их совокупная доля в результате — таким образом значение суммы находится в диапазоне от 0 до 200 %. Группы выделяют так: группа А — 100 %, В — 45 %, С — остальное. Достоинства метода — большая гибкость. Самым гибким методом является метод касательных, в котором к кривой АВС проводится касательная, отделяя сначала группу А, а затем С.
Вероятности возникновения спроса на материальные ресурсы А, В и С подчинены различным законам. Установлено, что в большинстве промышленных и торговых фирм примерно 75 % стоимости объёма продаж составляют всего около 10 % наименований номенклатуры (группа А), 20 % стоимости — 25 % наименований (группа В), 5 % стоимости — 65 % наименований (группа С). Существует множество способов выделения групп в ABC-анализе.
Метод АВС широко используется при планировании и формировании ассортимента на различных уровнях гибких логистических систем, в производственных системах, системах снабжения и сбыта.
Эксперты советуют с осторожностью подходить к сдвигам границ ABC групп (80/15/5), дело в том, что обычно на практике используют деление 80 % 15 % и 5 %. В случае если Вы сдвинете границы, внешний слушатель(или эксперт) может сделать неверные выводы исходя из приведенных Вами показателей например для группы «С». Так как его ожидания о группе «С» = 5 % не совпадут с измененными Вами правилами выделения групп.
АВС-анализ запасов
Задача анализа товарного запаса на складах регулярно возникает практически во всех компаниях. Одним из наиболее известных методов его проведения является АВС-анализ.
Очевидно, что формирование каждой из трех составляющих запаса происходит с разной целью и обусловлено разными причинами.
* Основной товарный запас служит для обеспечения текущей отгрузки в соответствии с планом.
* Временный запас создается для получения дополнительных конкурентных преимуществ.
* Вынужденный запас возникает сам по себе в процессе работы любой компании.
Итак, чтобы проанализировать товарный запас, его следует разделить на эти три группы.
Ответ очевиден: чтобы оптимизировать остатки и не платить за хранение лишних товаров. Но стандартные подходы, которые используют компании, очень часто не дают ответа на вопрос, что же такое оптимальный запас товара на складе. Почему так происходит? Дело в том, что имеющийся запас товара - это по сути показатель и результат деятельности всей логистической системы компании и ее окружения. В каком-то смысле он не может быть большим или маленьким. Его состояние определяется ассортиментом, товарным наполнением, клиентами, менеджментом и квалификацией персонала компании, размерами склада, географическим положением и т. д.
Существующий размер товарного запаса - это характеристика того, как эффективно компания умеет работать на определенном рынке, с определенными поставщиками и клиентами. Для того чтобы приблизить свой товарный запас к оптимальному, необходимо научиться выделять самые значимые причины, влияющие на текущее состояние товарного запаса компании.
Самая простая разновидность ABC-анализа - это отсортированный по убыванию список параметров. Если номенклатурный перечень не превышает 100 наименований, такой сортировки бывает достаточно. Сложнее выделить значимые позиции, если на складе хранится несколько десятков тысяч наименований товара. Именно в таких случаях и используется развернутый АВС - анализ.
Однако, как показывает практика, далеко не все могут применить АВС-анализ правильно, иногда допуская грубые ошибки. Для того чтобы минимизировать риск ошибки, необходимо придерживаться следующего алгоритма. АВС-анализ представляет собой следующую последовательность действий:
1. определение цели анализа,
2. определение объектов анализа,
3. определение факторов для дифференциации объектов анализа,
4. формирование информационного массива для анализа,
5. оценка объектов анализа по выделенным факторам,
6. ранжирование показателей,
7. разделение объектов на группы,
8. интерпретация результатов анализа (в рамках данной статьи рассматриваться не будет).
Первым, ключевым этапом АВС-анализа является определение цели анализа. Многие пропускают это действие, в результате чего заходят в тупик. Важно понимать, что АВС-анализ не является самоцелью, это всего лишь инструмент, который при умелом обращении способен дать определенный результат. Одно и то же множество объектов анализа будет разделено на группы по-разному, в зависимости от цели анализа. В свою очередь, результат анализа должен быть правильно интерпретирован, иначе эффект от его проведения сводится к нулю.
Вторым этапом АВС-анализа является определение объектов анализа. Одну и ту же задачу можно решать при помощи воздействия на различные объекты управления, конечно, наибольший результат даст комплексное воздействие. Например, снизить запасы на складе компании можно следующими путями:
а) пересмотреть объем/интервал заказа по товарам группы А, объект анализа ассортиментные позиции.
б) пересмотреть условия работы или сменить поставщиков группы А, объект анализа — поставщики компании.
в) пересмотреть условия работы с покупателями группы А, объект анализа покупатели компании,
г) проанализировать складской запас и принять решение об активизации продаж по позициям со сверхнормативным остатком, объект анализа — опять ассортиментные позиции, но фактор будет иным.
На третьем этапе АВС-анализа необходимо определить факторы, на основе которых будет происходить дифференциация объектов анализа. Данный этап неразрывно связан со вторым: факторы определяются выбранными для анализа объектами. В рамках предыдущего примера можно обозначить следующие факторы:
а) объект анализа — ассортиментные позиции, возможные факторы: объем продаж по себестоимости, объем продаж в количественном выражении, доход от позиции, величина текущего или среднего остатка на складе.
б) объект анализа — поставщики компании, возможные факторы: величина текущего или среднего остатка на складе в разрезе поставщиков; объем оборотных средств, вложенных в работу с тем или иным поставщиком (а так же размер кредита, предоставляемого поставщиком); доходность средств, вложенных в работу с поставщиком.
в) объект анализа — покупатели компании, возможные факторы: объем продаж в разрезе покупателей, доход по каждому покупателю; объем дебиторской задолженности.
Следует отметить, что второй и третий этап являются творческими. Не следует думать, что стандартное решение подходит для вашей задачи лучше всего. Необходимо экспериментировать, анализировать различные объекты по всевозможным факторам, только тогда АВС-анализ станет мощным инструментом для принятия решений. Например, большинство людей, управляя запасами, проводят АВС-анализ по одному объекту (ассортиментная позиция) и одному фактору (объем продаж), в то время как в нашем примере обозначено множество объектов и факторов анализа. Очевидно, что многофакторный анализ позволит принять более взвешенное решение.
Четвертым этапом является формирование информационного массива для анализа. Современные информационные системы позволяют без проблем сформировать требуемый массив информации и даже выполнить все последующие действия автоматически, естественно, не без помощи программистов. Однако и на этом этапе можно столкнуться с трудностями, например: определение временного интервала данных для анализа, несоответствие данных реальному положению вещей (например, отсутствие продаж по позиции в результате дефицита) и т.п.
На пятом и шестом этапах производится оценка вклада каждого объекта в общий результат, ранжирование объектов в порядке убывания выделенного фактора, а также расчет нарастающего итога доли объектов в общем количестве в процентах (далее в сокращении ДО — доля объектов) и вклада этих объектов в общий результат в процентах (далее в сокращении ВР — вклад в результат). Это простые арифметические операции, с которыми не может возникнуть каких-либо затруднений.
Следующим этапом является разделение объектов анализа на группы. Существует множество методов выделения групп, вот некоторые из них:
– эмпирический,
– метод суммы,
– дифференциальный метод,
– метод многоугольника,
– метод касательных,
– метод петли.
Эмпирический метод заключается в разделении объектов на группы на основе усредненных результатов ранее проведенных исследований. Наиболее распространенный вариант предполагает следующие границы: ВРА — 80% и ВРВ — 95%. Затем находятся соответствующие значения ДОА и ДОВ (таблица 2). В нашем примере граница групп А и В имеет значение ВРА — 80,01%, ДОА — 17,33%; граница групп В и С имеет значение ВРВ 95%, ДОв — 43,26%.
Могут быть использованы иные варианты эмпирического метода, в том числе, разделение на большее количество групп в зависимости от количества объектов анализа (например, ВРа — 80%, ВРв — 95%, ВРс — 99%; ВРа — 50%, ВРв — 80%, ВРс — 95%, ВРв 99% и др.). Преимущество метода заключается в его простоте, а недостаток — в том, что усредненные значения, используемые для выделения групп, далеко не всегда соответствуют конкретной ситуации. В соответствии с классической пропорцией 20% объектов должны обеспечивать 80% результата. В нашем примере этого не наблюдается. Следующий метод в этом отношении является более гибким.
Метод суммы предполагает выделение групп по сумме ДО и ВР: граница групп А и В будет находится в точке, где сумма ДОА и ВРА будет равна 100%; а граница групп В и С — где сумма ДОВ и ВРВ будет равна 145% (таблица 3). В нашем примере граница групп А и В имеет значение ВРА — 81,37%, ДОА — 18,62%; граница групп В и С имеет значение ВРВ — 96,37%, ДОВ — 48,65%. Преимущество данного метода перед эмпирическим в его гибкости, поэтому его результаты лучше отражают конкретную ситуацию.
В основе дифференциального метода лежит среднее значение фактора по всем объектам. Те объекты, по которым значение фактора в 6 раз и более превышает среднее значение фактора по всем объектам, относятся к группе А. К группе С относятся те объекты, значение фактора по которым в 2 и более раза меньше среднего значения фактора по всем объектам. Остальные объекты относятся к группе В. Это наиболее распространенные коэффициенты, существуют и другие их варианты. На практике дифференциальный метод дает слишком маленькую группу А (ВРА — в пределах 40–50 %, ДОА — менее 5%) и большую группу С. В нашем примере среднее значение фактора равно 4998. В результате, граница групп А и В имеет значение ВРА — 46,97%, ДОА — 3,06%; граница групп В и С имеет значение ВРВ — 90,73%, ДОВ — 31,93% (таблица 4). Очевидно, что результаты очень сильно отличаются от результатов, полученных другими методами.
Недостаток данного метода в неопределенности выбора коэффициентов, зачастую приводящей к некорректным результатам. Бывают случаи, что из анализируемых объектов вообще невозможно выделить группу А. Преимуществом метода является простота, хотя, на фоне недостатков оно сводится к минимуму. В связи с этим применение дифференциального метода на практике ограничено.
Суть метода многоугольника заключается в следующем. В кривую АВС-анализа (строится на основе ДО и ВР — столбцов E и F таблицы 1) вписывается часть многоугольника таким образом, чтобы площадь между кривой и многоугольником была минимальной (рис. 1). Результаты, выдаваемые данным методом, схожи с результатами дифференциального метода: слишком маленькая группа А и большая группа С. В связи с этим, а также из-за своей сложности метод многоугольника в рамках данной статьи более подробно рассмотрен не будет.
Метод касательных (предложен Лукинским В.С.) заключается в разделении объектов анализа на группы при помощи касательных к кривой АВС-анализа (рис. 2). Соединим начало и конец графика прямой ОК, затем проведем касательную к кривой АВС-анализа, параллельную ОК. Точка касания М разделяет группы А и В. Теперь соединим точки М и К и проведем касательную к кривой АВС-анализа, параллельную МК. Точка касания N разделяет группы В и С. В нашем примере граница групп А и В имеет значение ВРА — 82,39%, ДОА — 19,66%; граница групп В и С имеет значение ВРВ 96,19%, ДОВ — 47,85%. При необходимости можно продолжить деление касательными и получить большее количество групп. Преимущество метода в его гибкости, простоте и наглядности.
Следует отметить, что метод касательных может быть применен и для выделения групп в XYZ-анализе.
Метод петли (разработан Гаджинским А.М.) заключается в определении границ групп на участках резкого изменения кривизны кривой АВС-анализа. Необходимо восстановить нормаль Г (перпендикуляр к касательной) определенной длины в каждой точке кривой АВС (рис. 4). Нормаль должна быть обращена вправо от кривой АВС. Конец нормали будет очерчивать петлю: пока касательная скользит по участку с большими значениями радиуса кривизны (начальная часть графика, группа А), конец нормали будет подниматься вверх и вправо; в момент выхода касательной на срединный участок графика с малыми значениями радиуса кривизны направление движения конца нормали меняется на противоположное — вниз и влево; после выхода касательной на конечный спрямленный участок кривой АВС конец нормали вновь меняет направление движения на противоположное. Таким образом, конец нормали очерчивает петлю, а точки кривой АВС-анализа, соответствующие моменту изменения направления движения конца нормали, делят кривую на группы А, В и С.
На первый взгляд, описание метода может показаться сложным, но он очень просто реализовывается в Excel (таблица 5).
Точечная диаграмма петли строится по столбцам I и J (рис. 5). Некоторую сложность может составить определение длины нормали к касательной (столбец Н). Величина нормали задается в единицах шкалы ОХ (находится в пределах от 20 до 200) и определяется путем нескольких итераций. Если длина нормали слишком большая или маленькая, то петли на графике не будет. В процессе подбора длины нормали необходимо найти интервал, на котором не меняются границы между группами А, В и С. Изменяя значение в ячейке Н3 находим координаты точек перегиба в столбце I и J и выделяем ячейки с этими значениями цветом, как только координаты точек перегиба при изменении длины нормали будут оставаться на одном месте (в выделенных цветом ячейках) задача решена. Дальнейшее увеличение длины нормали, в конце концов, приведет к тому, что границы опять начнут меняться. Данные значения следует принять для выделения групп А, В и С. В нашем примере нужная длина нормали находится на интервале от 52 до 59. Граница групп А и В имеет значение ВРА — 75,03%, ДОА — 13,43%; граница групп В и С имеет значение ВРВ — 93,23%, ДОВ — 37,80%. Недостатком данного метода можно назвать его сложность и неоднозначность относительно более простых методов.
Таким образом, наибольший интерес для практического использования представляют метод касательной и метод суммы, каждый из которых имеет свои преимущества. После того, как на группы разбиты все объекты по всем выделенным факторам, результаты анализа интерпретируются и на основе этого предпринимаются действия, направленные на решение поставленной на первом этапе задачи.
Многие считают, что применительно к их ситуации АВС-анализ не работает и считают описанный выше метод несостоявшимся. Многие начинающие логисты и управленцы делают одну и ту же ошибку воспринимают АВС-анализ как стратегию, а не как инструмент, метод классификации объектов управления. А инструмент можно использовать только в нужное время, в нужном месте и с определенной целью. Человек берет в руки молоток для того, чтобы забить гвоздь или расколоть орех, а не просто потому, что это хорошая и нужная штука. Точно так же мы берем на вооружение АВС-анализ, когда надо разделить сотни или тысячи наименований объектов (запасов, клиентов, поставщиков, каналов сбыта и т.д.) на группы, которыми можно управлять по общим принципам. И прежде, чем приступать к классификации, должны ответить на ряд вопросов.
Прежде всего, очень важно определиться с объектами анализа. Простой пример. Фирма торгует одеждой. В ассортименте — костюмы, модные вещи и брендовые. Практически это три различных рынка. Какой более важен для компании? Возможно, главное — костюмы, а все остальное — «для количества»? Это вопрос стратегии. Но если анализировать прибыльность всех товаров вместе, то вполне может оказаться, что в группе А окажутся только бренды. Отсюда перекос в ассортименте и управлении запасами, ведь костюмам, согласно результатам такого анализа, будет уделяться гораздо меньше внимания. Чтобы этого не произошло, очевидно, всю массу продукции стоит разбить на виды и проводить АВС отдельно по каждому. И тогда появится три группы А — для каждого из рынков. Кроме того, костюмы могут быть дешевые, дорогие и средние — их тоже, вероятно, не стоит смешивать «в одной корзине», если компания планирует делать упор на один из сегментов. И тогда групп А, В и С уже становится по девять — в каждом из сегментов каждого из рынков.
Не менее важно верно выбрать и признаки, по которым объекты объединяются в группы. Чтобы не получалось так, как в одной компании (это тоже рассказывали слушатели семинаров): ежемесячно проводят анализ товаров по стоимости и в зависимости от результатов... переставляют их в складе. Может быть, там интенсивность приемки/отгрузки зависит от цен, а не от спроса? Или люди не понимают, какой анализ для чего делается?
Для одних и тех же товаров нередко приходится проводить АВС-анализ 4–5 раз — по разным признакам для разных целей. Например, для выбора ассортимента — по себестоимости, для управления товаром в складе — по продажам (в единицах складского учета либо единицах измерения), для определения приоритетов финансирования — по прибыли на единицу товара и т.д. И при этом один и тот же товар может быть в разных классах по результатам разных анализов.
Немаловажный вопрос — к какому классу управления запасами отнести новый товар, который только выводится на рынок? Если просто внести его в список и анализировать продажи на общем основании. Допустим, вы проводите такой анализ в начале каждого месяца, а новинка появилась двадцатого числа. Наверняка по количеству продаж она в этом месяце проиграет и окажется в группе С. Значит, в дальнейшем вы не станете уделять ей большого внимания, постоянно контролировать наличие на складе и торговой полке? Попросту говоря, лишите новый товар шансов проявить себя в будущем. Затем ли его на рынок пытались вывести?
Очевидно, новые позиции ассортимента в группе В или С оказываться не должны. А значит, не должны поначалу участвовать в «общем конкурсе». Для каждого бизнеса есть понятие срока вывода товара на рынок: какой-то становится достаточно известным за месяц, другой — за три, третий — за год. И на этот период по отношению к товару проводится «политика наибольшего благоприятствования». Его, как малое дитя, надо вывести к потребителю «за ручку». Практически это означает, что на срок, необходимый для того, чтобы вывести новый товар на рынок, для него объявляется мораторий — его автоматически причисляют к группе А и «глаз с него не сводят». И только по окончании установленного срока включают новинку в общие списки для анализа.
Это легко сделать даже в том случае, когда проведение АВС автоматизировано. В учетной программе определенный класс управления запасами присваивается товару как периодический реквизит, т.е. вводится дата. Она сравнивается с датой проведения анализа, и если «расстояние» оказывается меньше, чем срок выхода товара на рынок, сам товар и все его продажи из анализа исключаются. Тем самым вы товару даете право на жизнь, не пристреливаете его на взлете.
Вполне очевидно, что любой анализ и деление товаров на группы возможны только на основе статистики. Начиная бизнес, не имея опыта продаж на данном рынке, можно ли определиться, в чем вы будете более успешны? Ведь один и тот же товар может быть в группе А у одной компании и в С у другой, если у нее иная направленность. У одной фирмы в ассортименте 80% техники и 20% запчастей, а у другой — строго наоборот, хотя когда-то они начинали работать одинаково. Это вопрос стратегии и специализации. И прежде, чем делать АВС, надо понимать, как ведет себя фирма с товарными запасами, клиентами, поставщиками, на каких сегментах акцентирует внимание. От этого зависят «правила игры» для каждого товара.
Но и в развитом бизнесе нельзя выставлять оценки товарам «когда в голову взбредет». Особенно если имеют место периодические колебания, всплески/падения продаж — допустим, сезонные. Например, некоторые фирмы проводят АВС-анализ регулярно, каждые полгода. И планируют продажи следующего полугодия по итогам предыдущего. И получается, что мороженое, которое зимой не продавалось, летом мы возить не будем!
Очевидно, более корректно было бы анализировать продажи за полный цикл — допустим, год, с 1 января по 31 декабря. Либо брать межсезонье и сезон по прошлым данным и эту пропорцию (но не абсолютное значение!) переносить на будущее, учитывая изменения внешней среды.
А если в год два пика (сезона), причем продолжительность первого и второго разные? Тогда анализ за год поможет выявить только общую тенденцию, а для более детального планирования необходимо проводить его для одного пика, для второго и в межсезонье. И четко понимать, совпадают ли тенденции одного всплеска и другого. Например, в строительном бизнесе есть значительный рост продаж весной и осенью. Но в первом случае продаются в основном кирпич и цемент, а во втором — отделочные материалы. Очевидно, будет ошибкой разрабатывать товарную политику на осенний период по результатам анализа весеннего.
И получается, что АВС следует делать не тогда, когда просто решили, что это надо, а брать аналогию из прошлых периодов, понимая, что история перенесется на будущее.
Как только период n заканчивается, вы подбиваете его результаты, берете аналогию прошлого периода (n-1) и определяете темп роста/понижения тренда: t' = tn/tn-1. И на это число (t') корректируете пропорцию второго сезона. Благодаря этому вы можете предположить, как товар будет вести себя в следующем сезоне, и соответственно корректировать свои действия.
Если, к примеру, товар в этом периоде был в категории В, но линия тренда уходит резко вверх (т.е. продажи быстро растут), возможно, стоит уделить ему больше внимания? Возможно, у вас появился новый продавец (магазин), который умеет этот продукт хорошо продавать. А если вы не будете пополнять запас вовремя, продажи не вырастут и товар никогда не уйдет в высшую категорию. И только из-за того, что правила игры разработаны по прошлому образцу, без учета реального положения вещей.
Еще раз повторимся, что АВС-анализ является лишь методом классификации, который позволяет разбить активный ассортимент на группы, в отношении каждой из которых разрабатывается своя стратегия управления. Эти стратегии различаются, прежде всего, уровнем сервиса: для категории А он может быть 100%, для В — 95, а для С — например, 90%. Но важно помнить, что анализируется именно активный ассортимент, тот, которым непосредственно управляет логистика. Ведь в каждой фирме есть так называемые заказные позиции, которые не держат в складе постоянно, а привозят под конкретный заказ. Включать их в АВС-анализ не стоит, потому что одна случайная продажа (если это, допустим, большой контракт) способна изменить всю картину. Этот товар сразу рванет в группу А и сдвинет все остальное в мусор. Но будет ли такая же продажа в следующем периоде? Чтобы избежать таких перекосов, надо четко выделять заказные позиции в дополнительный сегмент, кроме групп А, В и С, и не учитывать их при анализе.
Еще один особый сегмент — «мертвых» запасов. Это либо устаревшие морально и уже не выпускающиеся производителем товары, либо те, которые мы просто не умеем успешно продавать. Они также выпадают из АВС, потому что по ним нет продаж. Хотя реально в складе они существуют. Что отправлять «на кладбище» — вопрос стратегии. Например, в какой-то момент мы решаем для себя, что последние n позиций категории С, продажи которых продолжают падать, «снимаем со счетов» — перестаем завозить и только дораспродаем остатки. Как «санитары леса», очищаем свой активный ассортимент от балласта.
В результате мы имеем пять групп товаров, между которыми происходит постоянная миграция. Вводится новый товар, который на «испытательный срок» автоматически включается в группу А. Но эта группа имеет определенные — финансовые либо объемные — рамки. А значит, в момент появления новинки какой-то другой продукт (или продукты) вытесняется в В и последовательно — в С и в заказные (если менеджер приходит к выводу, что ради одной-двух продаж в год не стоит держать на складе постоянный запас) либо в «мертвые».
Но возможна и обратная миграция — из заказных товар может перейти в активный ассортимент. Это тоже определяется таким словом, как стратегия: менеджмент определяет, при каких объемах и частоте заказов стоит создавать и поддерживать запас — к примеру, если товаром интересуется 20 клиентов в месяц на сумму 100 тыс. грн.
Таким образом у нас получается система активного управления (клиентами ли, запасами), круговорот товара в природе: рождение, варианты развития, шансы и «кладбище». И всегда есть возможность эту систему обновлять по принципам естественного отбора — кто больше вырос, выталкивает слабого со склада, а склад (активный) при этом не увеличивается. Новый товар выталкивает устаревший в мертвые либо в запасные, а количество активных позиций остается прежним.
Если же группы А, В и С жестко зафиксированы, приток «свежей крови» затруднен путающимся под ногами «мусором», и никакой анализ не поможет навести порядок на этой свалке.
Точно так же не может быть жесткой классификация по XYZ — слишком велики шансы недооценить поведение товара, «выдернув» его из временного ряда продаж.
Во-первых, хотелось бы вернуться к формуле для вычисления коэффициента вариации, предложенной автором статьи в № 6 для анализа стабильности показателей:
X — значение параметра по оцениваемому объекту за i-тый период, хср — среднее значение параметра по оцениваемому объекту анализа, n — число периодов.
Эту формулу предлагают многие учебники, не уточняя, однако, что она достаточно «правомочна» лишь при работе с генеральной совокупностью. Но XYZ-анализ обычно проводится на основе выборки. Мы выдернули товар из потока и привязали к среднему именно в этом временном периоде. А значит, в расчетах коэффициента вариации должна появляться минус одна степень свободы:
Отсутствие этого минуса (в знаменателе числителя) при работе с выборкой приводит к колебанию результата от 3% до 6%. А значит, товар может попасть не в ту категорию.
Не следует также забывать, что, согласно основным законам статистики, в выборке должно быть не меньше 30 значений: чем их больше, тем лучше прослеживается закономерность. В то же время, чем больше вы берете периодов, тем больше даете влияния закономерности, акцентируете внимание на линию тренда, а не на флуктуации вокруг среднего. Здесь тоже надо садиться и подбирать оптимальный вариант n — 30 дней, 160 либо год.
Давайте рассмотрим четыре варианта колебания объемов продаж в длительных периодах, допустим, за год (рис. 1, 2, 3 и 4). Согласитесь, очень разные выводы можно сделать, если анализировать данные всего графика, между первым и вторым пунктирами и между первым и третьим. И только рассматривая изменения в течение достаточно долгого времени, можно отследить тренд, т.е. стойкую тенденцию к росту или снижению объемов продаж (запасов, расходов и т.д.).
К сожалению, когда XYZ-анализ проводится механически, на данных небольшого временного промежутка, в категорию Z вполне может попасть товар, продажи которого постоянно растут. Ведь по графикам на рис. 1 и 4 коэффициент вариации покажет, что продажи нестабильны, подвержены постоянным флуктуациям (изменениям). Но эти изменения сами по себе имеют определенную закономерности. И чтобы это обнаружить, нужно вводить дополнительные критерии анализа. Например, коэффициент автокорреляции, который позволяет выяснить, являются ли наши данные во времени случайными, постоянными или имеют определенный тренд.
Yi — значение параметра за текущий период,
Yср — среднее значение параметра,
k — количество сдвигов.
Если k=1, мы сравниваем сегодняшние продажи с прошлым периодом, если к=2 — с позапрошлым и т.д.
Простой пример. Прежде, чем проводить АВС-анализ, следует проверить, является ли рост продаж данного товара постоянным или это разовый всплеск, контракт. Иногда руководители пытаются данные разовых продаж изначально учитывать отдельно, например, ставить «галочки» в соответствующих накладных. Этот способ трудно назвать надежным — слишком уж он зависим от человеческого фактора: кто-то наставит лишних «галочек», а кто-то вообще о них забудет. Поэтому лучше использовать математические методы. Они позволяют практически безошибочно отследить тренд.
Если, допустим, для k=1 коэффициент автокорреляции будет близок к единице (~ 0,7–0,8), для k=2 — близок к 0,5, k=3 — к 0,3 и для k=4 приблизится к нулю, тогда можно четко утверждать, что есть трендовая составляющая — либо убывание, либо возрастание, но подверженное закономерности. Для случайного всплеска, случайных продаж эта величина будет сразу же очень близка к нулю, даже может иметь отрицательное значение. И мы сразу видим, что данная продажа является случайной и ее нет смысла включать в АВС-анализ.
Точно так же мы можем определить и сезонность, когда наступает сезон. С помощью того же коэффициента автокорреляции. Про него почему-то все забывают.
Конечно, тех же результатов можно достичь, длительное время проводя раздельный учет розничных покупок и крупных заказов, создавая и анализируя соответствующую статистику. Просто посадить человека, который будет все учитывать и анализировать. Это требует много времени, по моему опыту — около 2 дней на каждую из товарных позиций. А если в ассортименте компании их 10–15 тысяч, комментарии, как говорится, излишни. При использовании же вероятностных моделей соответствующий расчет занимает 5–8 минут.
Но и после того, как мы определили, является ли рост/падение продаж случайным или постоянным, работу нельзя считать законченной. Предстоит еще выяснить, почему не продавался товар — на него нет спроса или его просто не было на складе? Если мы имеем график продаж, похожий на рис. 4, то его, очевидно, стоит сравнить с графиком наличия запасов на складе. Если в период отсутствия продаж товар был в наличии — значит, действительно не было спроса, и эти данные можно учитывать в анализе.
Если же товара не было, задача усложняется. Хорошо, если менеджеры ведут статистику дефицита и могут сообщить, сколько раз отсутствующий товар спрашивали — тогда можно пустоту в продажах заполнить спросом (хотя и с известной долей скептицизма, если спрос является отсроченным). Но чаще всего такого учета нет, и аналитикам приходится заняться прогнозированием. Просто посчитать с этой «ямой» нельзя: то, что вы провалили запасы, является не закономерностью расхода, а следствием вашего влияния на эту закономерность.
Глубину и силу этого влияния также можно вычислить математическими методами. В частности, используя коэффициент корреляции, который применяется для измерения тесноты взаимодействия между различными признаками (в нашем случае — наличием запасов и продажами).
х; у; — значения изучаемой пары признаков n объектов (i = 1, 2, ..., n);
хср, уср. — среднее арифметическое каждого ряда значений х и у.
Значение Rxy находится в промежутке от -1 до 1. Чем оно больше, тем сильнее взаимосвязь двух признаков. Если Rxy=0, связь отсутствует, если отрицательное — показатели находятся в обратной зависимости.
В результате всех этих расчетов может оказаться, что товар мало продавался не по вине покупателей, которые не брали, а по вине продавца, который не обеспечил наличие товара в продаже. А значит, прежде чем отказываться от него (загонять на вторые или третьи позиции) стоит разобраться, как бы этот товар продавался, если бы был в наличии — т.е. построить соответствующую модель с учетом трендовой составляющей. Ведь АВС-анализ проводится для того, чтобы управлять товаром в будущем. Логистика — это не просто фиксация и анализ текущих событий, но еще и прогнозирование, предсказание.
Определенные условия надо соблюдать и при проведении XYZ-анализа. В частности, здесь огромное значение имеет уровень детализации: просчитывать продажи в разрезе дня, недели или месяца. Редкий товар попадает в категорию Х при всех трех уровнях. Например, хлеб продаетсяпокупается каждый день. Если анализировать стабильность его продаж по неделям, он может войти в категорию Х, а если по дням, то, скорее всего, в Y, потому что есть еженедельные всплески, когда с пятницы все затовариваются на выходные, в субботу покупают мало, а в воскресенье вечером опять покупают с запасом на следующий день. В разрезе месяцев это опять может быть категория Х.
Выбирается уровень детализации исходя из того, для чего проводится анализ. Если для управления запасами, то понятно, что временная детализация должна быть сопоставима с циклом выполнения заказа. Допустим, срок поставки по контракту месяц — стоит ли в таком случае делать XYZ-анализ по дням? — Нет. Но и месячная детализация может оказаться некорректной.
Скорее всего, здесь надо анализировать стабильность продаж понедельно. Если же выполнение заказа занимает два дня, XYZ надо делать в разрезе дней, если 3–4 месяца — переходим на месячный уровень детализации.
Но это — для оперативного управления. А если, допустим, нужны данные для стратегического планирования — так ли здесь интересны ежедневные колебания? Т.е. XYZ-анализов тоже может быть несколько для разных целей.
Практическое применение АВС-анализа
Объектом может быть товар, товарная группа, поставщик, клиент, заказ и т. д. В качестве параметра можно выбрать: средний или текущий товарный запас в рублях, штуках, коробках или паллетах; объем продаж за период, доходность товара, количество заказов клиентов и т. п.
Для примера рассмотрим отчет о среднем товарном запасе за месяц в паллетах. Объектом анализа являются товары; параметром, по которому проводится анализ, - средний товарный запас за месяц в паллетах (см. таблицу 1).
Как выполнять АВС - анализ?
Для проведения анализа очень удобно использовать MS Excel или любой другой аналогичный редактор. Порядок действий следующий.
1. Отсортировать объекты анализа в порядке убывания значения параметра.
2. Рассчитать долю параметра от общей суммы параметров выбранных объектов (это делается для того, чтобы оценить «вклад» каждого объекта в общий результат).
3. Рассчитать эту долю с накопительным итогом (эта операция носит технический характер и служит для удобства дальнейшего определения границ для групп ABC).
4. Присвоить значения групп выбранным объектам.
Наибольшее число вопросов вызывает определение границ при проведении АВС-анализа. Автор в своей практике изначально использовал деление на три группы по показателю «доля с накопительным итогом»: А - до 50%, В - 50-80% и С - 80-100%. Данное распределение полностью отвечает задачам склада оптовой компании или розничной сети.
Товар - взаимозаменяемый, и соответственно в группу С попадает весь «ассортиментный хвост». Но в случае анализа запаса на складе производственной компании или сети магазинов - дискаунтеров, в которых взаимозаменяемость товаров может отсутствовать, появилась необходимость разделить группу С, куда попадает 80% всего ассортимента, на две менее крупные группы.
Поэтому во многих случаях рекомендую производить деление товара на четыре группы:
• группа А - объекты, сумма долей с накопительным итогом которых составляет первые 50% от общей суммы параметров;
• группа В - следующие за группой А объекты - от 50 до 80%;
• группа С - от 80 до 95%;
• группа D - оставшиеся объекты, сумма долей с накопительным итогом которых составляет от 95% до 100% от общей суммы параметров.
В результате проведенного анализа мы получили четыре группы объектов (таблица 2):
группа А - составляет 20% ассортимента и 49% товарного запаса;
группа В - 30% ассортимента и 30% товарного запаса;
группа С - 20% ассортимента и 13% товарного запаса;
группа D - 30% ассортимента и 8% товарного запаса.
Несколько практических рекомендаций
Допустим, перед компанией стоит задача снизить средний товарный запас. В этом случае необходимо разобраться, по какой причине товары группы А находятся на складе в таком большом количестве. Даже незначительное снижение запаса только по двум товарам из этой группы заметно скажется на общем объеме товарного запаса.
Основной запас
* Рабочий товарный запас, необходимый для обеспечения отгрузки в соответствии с планом продаж на текущий период.
* Страховой товарный запас, который позволяет компенсировать незапланированный рост отгрузки и непредвиденные задержки в доставке, связанные с перебоями в производстве или наличии товара у поставщика.
Временный запас
* Сезонный товарный запас. Избыточный запас, создаваемый до начала сезонного роста продаж.
* Маркетинговый товарный запас. Дополнительный запас, формируемый на время проведения маркетинговых акций, рекламных кампаний и т. д
* Конъюнктурный товарный запас. Избыточный запас, создаваемый под воздействием конкурентной ситуации на рынке.
Причинами создания конъюнктурного запаса могут: разовые скидки поставщиков, прогнозируемый или искусственно создаваемый дефицит товара у поставщиков и т. п.
Вынужденный запас
* Брак. Товар, который потерял потребительские свойства и не может быть в дальнейшем использован по назначению.
* Неликвидный или труднореализуемый запас. Часто этот товар появляется в результате «творческого взаимодействия» отдела продаж и отдела закупок: запланировали отгружать одно количество, а фактический спрос оказался в 10 раз меньше; заменили одного поставщика на другого, а реализовать остатки «забыли» и т. д.
Результаты АВС-анализа следует использовать разносторонне. Много дополнительной информации можно получить, если сопоставить результаты анализа по одному параметру с другими параметрами одного и того же объекта, например отгрузку товара за некий период и сумму брака по товару за этот же период (таблица 3).
Два товара группы А, на которые приходятся 14% отгрузки, составляют 49% товарного запаса. При этом на два товара группы С приходятся те же 14% отгрузки, но они составляют только 13% запаса. Значит, если по товарам группы С удается обеспечить отгрузку со средним товарным запасом в 19 паллет, то не исключено, что и в отношении товаров группы А существует такая же возможность.
Сгруппировав товар по одному параметру, сопоставьте полученный результат с другими параметрами. Группа D может приносить 5% дохода, составлять 50% товарного запаса и занимать 70% площади склада.
ABC-анализ товаров по доходу покажет, на чем зарабатываются деньги, аналогичный анализ по затратам позволит понять, на что они тратятся.
Если в оптовой компании или розничном магазине провести ABC-анализ товаров по объему продаж, а потом оценить, из каких товаров состоят ассортиментные группы, то можно определить, какие из этих групп требуют расширения, а какие - сокращения.
Можно проанализировать товары по количеству отгруженных единиц (или количеству заказов по ним) и в результате получить 20% товаров, покупаемых 80% клиентов, определив привлекательность товара для клиента. Этот же результат можно использовать при планировании размещения товара в «горячих» и «холодных» зонах на складе или в торговом зале магазина.
ABC анализ ассортимента
Применительно к формированию торгового ассортимента это значит, что 20% товаров приносят 80% дохода, и наоборот оставшиеся четыре пятых товаров приносят дохода всего 20%. Результатом АВС анализа является возможность определения наиболее доходных 20% товаров.
Применяя это правило к сырью, комплектующим, готовой продукции промышленного предприятия или к товарам торговой компании, можно сделать очень простой шаг по внедрению логистики.
Определите перечень товаров (готовой продукции), которые в совокупности дают Вам 80% дохода или прибыли. В этом списке почти наверняка окажется около 20% наименований (групп) товаров. Назовите этот список А. Далее определите перечень товаров, приносящих Вам ещё 15% дохода. Обычно здесь оказывается около 30% наименований. Назовём данный список В. Оставшиеся товары отнесём в группу С.
Аналогично можно поступить с сырьём, комплектующими. Только последние, конечно же, классифицируют не по доходу, а по стоимости закупки и хранения.
Зачем всё это надо? Для того, чтобы по-разному управлять разными запасами. Например, дорогие запасы группы А закупать более мелкими партиями, чтобы не омертвлять капитал, а также чаще и точнее проводить их инвентаризацию. Наоборот, запасы группы С закупать большими партиями, а инвентаризацию проводить «на глаз».
Многие компании делают подобный анализ, даже не зная, что они проводят именно АВС-анализ.
После проведения подобных расчётов, самое важное, не принимать резких решений, не бросаться в крайности.
Пример
Владелец магазина, определив среди своего товара группу С, приносившую мизерный доход, перестал её закупать. Доходы резко упали, гораздо больше, чем на предполагаемые по закону Парето 5%. Когда обсуждалась данная ситуация, то пришли к следующим выводам: во-первых, АВС-пропорция сместилась на оставшиеся товары; во-вторых, покупателю важна возможность выбора, важно, чтобы глаза разбегались, приобретает-то он всегда одно и то же, но в магазины с бедным ассортиментом заходит менее охотно. Пришлось вернуть в магазин группу С.
Часто компаниям бывает недостаточно ранжирования только по одному показателю (доход, прибыль, оборачиваемость и т д.). Ничего сложного. Надо только двигаться постепенно – один показатель, потом два, потом три и т.д., а не сразу десяток – есть опасность захлебнуться. Допустим, Вы сделали АВС-анализ продукции по показателю «доход». Естественно, возникает желание оценить ещё и прибыль каждого вида продукции. Делается ещё один АВС-анализ по показателю «прибыль», получается следующая матрица:
Возникает не три группы: А, В и С, а девять. В таблице указаны проценты, соответствующие количеству наименований продукции. Если компания в состоянии справиться с таким объёмом информации, то можно подключать следующий показатель, например, оборачиваемость, и т.д. Делать подобный анализ несложно и в Excel но можно применять и, так называемые, OLAP (Online Analytical Processing)-системы – программные продукты, специально предназначенные для подобного рода многомерного анализа.
Вывод
В группу А входят наименования продукта, которые вносят наибольший вклад в объем продаж (более 50%), в группу В – наименований продуктов со средним вкладом в общий сбыт (30%), а в группу С – с небольшим вкладом в общий сбыт (20% и менее).
Выводы, которые можно сделать с помощью АВС-анализа:
С точки зрения затрат может быть желательно, чтобы сбыт был сконцентрирован на малом числе продуктов. Однако это может снизить устойчивость фирмы на рынке и не учитывает возможного потенциала роста, заложенного в не прибыльных на настоящий момент продуктах.
Продукты, попавшие в группу С, являются проблемными для фирмы, по которым необходимо решать вопрос об исключении их из товарного ассортимента, если они не являются дополнением к другим продуктам.
При изъятии продуктов из производственной программы необходимо учитывать вклад этих продуктов в покрытие постоянных и переменных затрат.
ABC-анализ пример
1. Цель анализа — оптимизация ассортимента.
2. Объект анализа — товары.
3. Параметр, по которому будем производить разбиение на группы — выручка.
4. Список товаров отсортировали в порядке убывания выручки.
5. Подсчитали общую сумму выручки по всем товарам.
6. Вычислили долю выручки по каждому товару в общей сумме выручки.
7. Вычислили для каждого товара долю нарастающим итогом.
8. Нашли товар, для которого доля нарастающим итогом ближе всего к 80%. Это нижняя граница группы A. Верхняя граница группы A – первая позиция в списке.
9. Нашли товар, для которого доля нарастающим итогом ближе всего к 95% (80%+15%) . Это нижняя граница группы B.
10. Все, что ниже — группа C.
11. Подсчитали количество наименований товаров в каждой группе. A — 7, B — 10, C — 13.
12. Общее количество товаров в нашем примере 30.
13. Подсчитали долю количества наименований товаров в каждой группе. A — 23.3%, B — 33.3%, C — 43.3%.
14. Сравнили результат ABC-анализа с рекомендуемыми значениями.
Рекомендуемые:
• Группа A — 80% выручки, 20% наименований
• Группа B — 15% выручки, 30% наименований
• Группа C — 5% выручки, 50% наименований
Для списка товаров из нашего примера:
• Группа A — 79% выручки, 23.3% наименований
• Группа B — 16% выручки, 33.3% наименований
• Группа C — 5% выручки, 43.3% наименований
Надо отметить, что, зная выручку по каждому товару, можно получить еще кучу полезной информации, а не только разбиение на 3 группы. Как это можно сделать смотрите в таблице указанной ниже.
Совмещенный ABC / XYZ анализ
Метод данного анализа заключается в расчете каждой товарной позиции коэффициента вариации или колебания расхода. Этот коэффициент показывает отклонение расхода от среднего значения и выражается в процентах.
В качестве параметра могут быть: объем продаж (количество), сумма продаж, сумма реализованной торговой наценки. Результатом XYZ –анализа является группировка товаров по трем категориям, исходя из стабильности их поведения:
• Категория Х, в которую попадают товары с колебанием продаж от 5% до 15%. Это товары, характеризующиеся стабильной величиной потребления и высокой степенью прогнозирования.
• Категория Y, в которую попадают товары с колебанием продаж от 15% до 50%. Это товары, характеризующиеся сезонными колебаниями и средними возможностями их прогнозирования.
• Категория Z, в которую попадают товары с колебанием продаж от 50% и выше. Это товары с нерегулярным потреблением и непредсказуемыми колебаниями, поэтому, спрогнозировать их спрос невозможно.
Сочетание АВС и XYZ анализов выявляет безусловных лидеров (группа АХ) и аутсайдеров (СZ). Оба метода хорошо дополняют друг друга. Если АВС-анализ позволяет оценить вклад каждого продукта в структуру сбыта, то XYZ–анализ позволяет оценить скачки сбыта и его нестабильность. Рекомендуется делать совмещенный анализ, где в АВС-анализе используются два параметра - объем продаж и прибыль.
Всего при проведении такого многомерного совмещенного анализа получается 27 групп товаров. Результаты такого анализа можно использовать для оптимизации ассортимента, оценки рентабельности товарных групп, оценки логистики, оценки клиентов оптовой компании.
Преимущества совмещенного АВС и XYZ – анализов
Использование совмещенного АВС и XYZ-анализов имеет ряд значительных преимуществ, к которым можно отнести следующие:
- повышение эффективности системы управления товарными ресурсами;
- повышение доли высокоприбыльных товаров без нарушения принципов ассортиментной политики;
- выявление ключевых товаров и причин, влияющих на количество товаров, хранящихся на складе;
- перераспределение усилий персонала в зависимости от квалификации и имеющегося опыта.
Формирование показателей ABC- И XYZ-анализов
Перед тем как совместить показатели ABC- И XYZ-анализов, необходимо провести ABC-анализ товаров по сумме полученного дохода или по количеству реализованной продукции за определенный учетный период, например, за год. Затем осуществляется XYZ-анализ этих товаров за этот же период, например, по количеству ежемесячной реализации за год. После этого результаты совмещаются. При совмещении определяется девять групп товаров:
AX |
BX |
CX |
AY |
BY |
CY |
AZ |
BZ |
CZ |
Выделение девяти групп товаров при совмещенном АВС и XYZ-анализе
1) Товары групп А и В обеспечивают основной товарооборот компании, поэтому необходимо обеспечивать постоянное их наличие. Как правило, по товарам группы А создается избыточный страховой запас, а по товарам группы В - достаточный. Использование XYZ-анализа позволяет точнее настроить систему управления товарными ресурсами и за счет этого снизить суммарный товарный запас.
2) Товары группы АХ и ВХ отличает высокий товарооборот и стабильность. Необходимо обеспечить постоянное наличие товара, но для этого не нужно создавать избыточный страховой запас. Расход товаров этой группы стабилен и хорошо прогнозируется.
3) Товары группы AY и BY при высоком товарообороте имеют недостаточную стабильность расхода, и, как следствие, для того чтобы обеспечить постоянное наличие, нужно увеличить страховой запас.
4) Товары группы AZ и BZ при высоком товарообороте отличаются низкой прогнозируемостью расхода. Попытка обеспечить гарантированное наличие по всем товарам данной группы только за счет избыточного страхового товарного запаса приведет к тому, что средний товарный запас компании значительно увеличится.
Поэтому по товарам данной группы следует пересмотреть систему заказов:
- перевести часть товаров на систему заказов с постоянной суммой (объемом) заказа;
- обеспечить по части товаров более частые поставки;
- выбрать поставщиков, расположенных близко к складу, тем самым снизив сумму страхового товарного запаса;
- повысить периодичность контроля;
- поручить работу с данной группой товаров самому опытному менеджеру компании и т. п.
5) Товары группы С составляют до 80% ассортимента компании. Применение XYZ-анализа позволяет сильно сократить время, которое менеджер тратит на управление и контроль над товарами данной группы
6) По товарам группы СХ можно использовать систему заказов с постоянной периодичностью и снизить страховой товарный запас.
7) По товарам группы CY можно перейти на систему с постоянной суммой (объемом) заказа, но при этом формировать страховой запас, исходя из имеющихся у компании финансовых возможностей.
8) В группу товаров CZ попадают все новые товары, товары спонтанного спроса, поставляемые под заказ и т. п. Часть этих товаров можно безболезненно выводить из ассортимента, а другую часть нужно регулярно контролировать, так как именно из товаров этой группы возникают неликвидные или труднореализуемые товарные запасы, от которых компания несет потери. Выводить из ассортимента необходимо остатки товаров, взятых под заказ или уже не выпускающихся, то есть товаров, обычно относящихся к категории стоков.