XYZ — анализ

Метод XYZ анализа применяется для классификации ресурсов компании в зависимости от возможной точности прогнозирования потребности в них. Применительно к товарному запасу, эту точность прогноза вычисляют с помощью оценки отклонения фактических продаж от средних продаж. И в зависимости от результата товару присваивают ту или иную категорию XYZ. Чем меньше отклонение от средних продаж, тем в более высокую группу попадает конкретная товарная позиция. К Х-группе относят товарные позиции с самым незначительным отклонением от среднего. Отклонение рассчитывается по формуле:

 

где:

 — коэффициент вариации

 — среднеквадратичное отклонение

 — среднеарифметическое

 — i-тое значение статистического ряда

  — количество значений в статическом ряде

Для этого метода важна корректная обработка статистических данных, учёт сезонности и других трендов (рост рынка, например), акций, дефицита на складе. Однако об этом часто не задумываются на практике (берут необработанную статистику), в результате чего получают сомнительный результат.

При обработке статистики важно правильно выбрать единицу периода статистического ряда (час, день, неделя, месяц) продажи за который участвуют в расчёте. Чем больше временной отрезок одной единицы ряда, тем меньше будет V, и наоборот. Обычно выбирают день, однако иногда возможны другие варианты. Рекомендую придерживаться правила:  в выбранную Вами единицу времени (единицу статистического ряда) должно в среднем происходить не менее 5 единиц продаж. Если «час» практически не используется, то «неделя» и «месяц»  вполне могут применяться для групп товара с относительно редкими продажами. Можно использовать и такой способ контроля: если почти весь Ваш товар оказался в одной группе Z, вероятно, единица времени выбрана Вами слишком мелкой, или же статистика не обработана.

Помимо правильного выбора единицы времени, статистика должна быть очищена от тех дней, когда товар был не в полной мере доступен к продажам:

Предположим, что есть некий товар, который имеет стабильный прогнозируемый сбыт 10 штук в день. Но в один из дней возник дефицит на складе (было всего 2 единицы). И Статистика продаж в такой день составила 2 штуки (всё, что было доступно в тот момент на складе). Если Вы не отбросите эту точку с дефицитом склада, то получите за последние 2 дня статистический ряд «10; 2». И в результате получите ошибочный расчёт

 = Z группа

Несмотря на то, что сбыт этого конкретного товара отлично прогнозируется (всегда равен 10) и относится к группе X (с 0 отклонением от средних продаж), Вы сочтёте его группой Z с высоким отклонением и «непрогнозируемым сбытом».

Обработка статистических данных для XYZ должна проходить следующие этапы:

1.      Из значений продаж убирают продажи по акциям

2.      Из рассматриваемых дней  выборки исключают дни с наличием на складе остатка меньше, чем максимум продаж. Иначе малые значения продаж из-за отсутствия товара на складе приведут к погрешности (как в разобранном выше примере).

3.      К оставшимся данным применяют коэффициенты профилей (сезонности и прочих).

4.      Оставшееся количество точек в выборке должно быть репрезентативным (обычно не менее 10).

Товару, не имеющему достаточную обработанную статистику  по разным причинам, обычно присваивают категорию N (новинки, товар слишком быстро проданный, товар с малым количеством дней на складе и тп). Отмечу важность этой группы N. Почему-то часто о ней забывают, и товар с недостаточной статистикой «перемешивается» в группе Z вместе с действительно Z товаром (который действительно имеет неустойчивый сбыт). Выделять её нужно, так как меры по улучшению структуры склада применительно к группе Z отличаются от мер к группе N.

Обычно применяют следующие границы отнесения к группам по коэффициенту вариации:

Категория X —  Значение коэффициента вариации находится в интервале от 0 до 10 %.

Категория Y — Значение коэффициента вариации — от 10 до 25 %.

Категория Z —  Значение коэффициента вариации — свыше 25 %.

В зависимости от вида товара и условий продаж, границы XYZ могут быть иными. При этом рекомендую придерживаться правила, что диапазон Y = 1.5 X, то есть если Вы выбрали для своего товара для X от 0 до 20 %, то Y ожидается от 20 до 50 %.

Практическое применение XYZ анализа обычно ограничивается регулярной оценкой структуры склада совместно с АВС анализом. То есть проводят регулярный мониторинг, какая часть внутри групп А  В  С товара имеет X или Y или Z или N точность прогноза по всем  12 группам (АX, AY, AZ, AN, BX, BY, BZ, BN, CX, CY,CZ, CN). И в случае ухудшения динамики применяют меры (например, часть Z товара заменяют на его X аналог, где это возможно). Получают, таким образом, экономию ресурсов.

Анализ ABC-XYZ на практике иногда применяют для выбора товара для продвижения. Группы AX, AY и BX имеют предпочтение при прочих равных (предполагается, что именно эти группы дадут максимальную отдачу от вложений в рекламу).

Иногда можно встретить использование XYZ метода при формировании заказов, когда Z-группе назначают повышенный коэффициент запаса по сравнению с X-группой при расчёте Safety Stock. Настоятельно не рекомендую этого делать. Совершенно не обязательно делить товар на группы XYZ на основе данных по отклонению фактических продаж от средних, чтобы затем рассчитать Safety Stock. Ничто не мешает сразу рассчитать Safety Stock на основе точных  значений коэффициента вариации, минуя звено группировки в XYZ, и добиться, таким образом, более точного результата.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Можно использовать следующие HTML-теги и атрибуты: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>

Индекс цитирования