Petroglif

Управление товарными запасами в условиях неопределенности

Как торговым компаниям справиться с кризисом, от чего отказаться и что пересмотреть в текущих подходах? Экстренной инструкцией делится руководитель направлений транспорта и логистики BIA Technologies Александр Тихонов.

Классическая задача

Прежде чем углубляться в тему, разберемся с основами. Управление товарными запасами — математическая задача, которую торговые компании (как розничные, так и оптовые) решают постоянно. Конечно, если речь идет о маленькой фермерской лавке, никаких гигантских аналитических мощностей не потребуется. Но если мы говорим о магазине с сотней товарных позиций, которые отличаются самостоятельными характеристиками, — здесь уже начинаются сложности с формированием оптимального объёма остатков товара на складе. В случае крупной розничной сети, которая предлагает десятки тысяч разнообразных товаров и представлена в разных регионах страны, — без автоматизированных систем управления просто не обойтись.

Работа по управлению товарными запасами заключается в том, чтобы максимально точно спрогнозировать покупательский спрос и сформировать заказ поставщикам на определенное количество товара. Задача — купить ровно столько продукции, сколько затем будет продано конечному потребителю.

Торговым компаниям приходится постоянно балансировать меж двух огней:

- недостаточное количество товара — и покупатель уйдет к конкурентам, а магазин потеряет прибыль;

- избыток — и нераскупленный товар будет пролеживать на складе, превращаясь для бизнеса в замороженные средства.

Обе ситуации одинаково неприятны для продавца и означают финансовые потери. Чтобы точно удовлетворить покупательский спрос, торговые сети, как правило, закупают товар с небольшим излишком — это так называемый «страховой запас» на случай непредвиденного повышения спроса. Но массовую ажиотажную скупку такой запас, конечно, всё равно не покроет. С другой стороны, складировать дополнительный товар про запас — значит нести избыточные затраты на хранение. Если это лишние десять коробков спичек — не страшно, а если десять автомобилей — это уже серьезные издержки.

На практике, сделать прогноз с точностью до штуки невозможно — на спрос и в стабильное время влияет слишком большое количество факторов (сезонность, наличие промоакций, погода, планограмма, активность конкурентов и т. д.). Тем не менее, статистические функции и модели на основе машинного обучения делают прогнозы с высокой степенью вероятности (скажем, «15 апреля в торговой точке у метро Проспект Мира с вероятностью в 85% будет продано 130 пакетов молока жирностью 3,2%»). Подробно о предиктивных моделях предсказания спроса мы уже рассказывали в одной из предыдущих статей.

Особенность в том, что все эти модели работают на основе анализа истории продаж. Причём, чем дольше собираются данные, тем точнее получается прогноз, выдаваемый автоматизированной системой. В период кризиса, нестабильности и слома устоявшихся моделей потребления, предсказывать спрос оказывается на порядок сложнее. Отсюда — пустые полки в магазинах или, напротив, склады, которые забиты невостребованными товарами.

Новые вызовы и пути решения

Сейчас торговым компаниям необходимо провести оперативный бизнес-анализ и обратить особое внимание на несколько проблемных областей, где произошли наиболее значительные изменения:

1. Инфляция и корректировка ключевой ставки

На протяжении пяти лет — с 2017 по 2022 год — ключевая ставка колебалась в понятных диапазонах (между 4,25% и 10%). Но за последние полтора месяца она уже дважды радикально пересматривалась Центробанком: 28 февраля ставка была повышена с 9,5% до рекордных 20%, а 11 апреля, наоборот, снижена до 17%. Показатель ключевой ставки напрямую влияет на стоимость денег и кредитов — а они, в свою очередь, влияют на стоимость запасов, которыми оперирует торговое предприятие.

Здесь придется сделать выбор: либо закупить больше товара и нивелировать дефициты, но заморозить деньги, либо сэкономить на закупках и закрыть текущие кредиты, но не удовлетворить часть спроса. Последний вариант имеет смысл при высокой стоимости денег, когда от кредитов лучше избавляться. При этом бизнес должен четко просчитать возможные потери, связанные со снижением уровня покрытия спроса, и учитывать эти риски при принятии окончательного решения.

Дальнейшие действия Центробанка предсказать не так просто, поэтому инструменты анализа и расчетов, которыми пользуются торговые компании, должны быть гибкими — это позволит менеджерам корректировать закупки в соответствии с меняющейся стоимостью денег. В целом, бизнес должен уметь работать с вероятностями и оценивать множество потенциальных сценариев одновременно.

2. Дефициты и плохо предсказуемый спрос

Текущая ситуация меняет и модели потребления обычных покупателей. Общее представление о поведении людей в условиях неопределенности можно получить из опыта предыдущих кризисов: спрос на предметы роскоши традиционно падает, а товары первой необходимости (крупы, макароны, сахар, средства гигиены), наоборот, моментально сметают с полок.

Однако полностью опираться лишь на прошлый опыт было бы неверно: в нашей жизни многое изменилось по сравнению, например, с кризисным 2008 годом. Кроме того, сейчас очень быстро происходит много различных изменений. Определенные товары экстренно скупают в связи с уходом бренда с рынка. Одновременно с этим на полках появляются и новые позиции (в первую очередь, отечественные аналоги привычных иностранных товаров).

Что в такой ситуации делать торговым компаниям? Во-первых, сопоставлять сразу несколько планов по закупкам: один — на основе общей истории продаж, второй — на основе гипотез о будущем спросе по опыту прошлых кризисов и т. д.

Во-вторых, сократить горизонт планирования. В условиях неопределенности длинная стабильная история продаж перестает быть полезной. В расчетах имеет смысл опираться на данные за прошедшие два–три месяца, а не за один–три года. Кстати, в будущем, текущую историю продаж придется «почистить» от дефицитов (ажиотажный спрос на сахар в марте 2022 не обязательно повторится в марте 2023).

В-третьих, проанализировать свой ассортимент и, при необходимости, пересмотреть товарную матрицу. Для этого нужно сравнить товарные позиции по маржинальности и числу продаж, то есть провести ABC- (классификация товаров по объему прибыли) и XYZ-анализ (классификация по частоте покупок). Возможно, придется временно отказаться от каких-то позиций и закупать более дешевые и востребованные товары.

3. Слом логистических цепочек и проблемы с поставщиками

Логистика сейчас претерпевает масштабные изменения: рвутся привычные цепочки поставок и меняется комплектация логистических плеч. Где-то это происходит из-за ухода с рынка поставщиков, где-то — из-за ухода логистических операторов, которые аккумулировали товар на своих распределительных центрах, где-то — из-за перекрытия целого ряда авианаправлений.

Здесь важно провести прозрачный анализ поставщиков. Каждый поставщик имеет свою локацию и логистические схемы, предлагает определенные условия по денежным взаимоотношениям и предоставляет товар с конкретными характеристиками (вес, габариты, срок годности). Всё это сказывается на итоговой стоимости закупки для магазина. Скажем, у одного поставщика пакет молока стоит дешевле, но доставляется на 12 часов дольше; а другой поставщик привозит молоко в бутылках за один день, но тара неудобна и его сложнее хранить. Торговая компания должна четко понимать, как каждый из этих факторов влияет на ценообразование.

Возможно, от работы с отдельными поставщиками придется отказаться (например, если новая логистическая цепочка повышает конечную стоимость товара в три раза или поставщик согласен только на закупки в крупном объеме, на который может не оказаться спроса), а с кем-то — перезаключить договор на новых условиях (например, перейти с пред- на постоплату).

Но принимать такие важные решения можно только на основе детальной аналитики. На рынке существуют автоматизированные IT-решения, которые позволяют проводить сравнение по самым разным критериям — например, с помощью простых настроек добавлять или исключать логистические плечи и смотреть на изменения стоимости.

Автоматизированные системы помогут и с простой рутиной. Если в связи со сменой поставщика у товара сменился код, система с гибкой настройкой позволит его заменить и сама сверит все позиции в истории продаж.

Вывод

В данный момент торговые компании должны разрешить сразу три пласта проблем: государственное регулирование цен, непредсказуемый потребительский спрос и полная перестройка логистики. Текущая ситуация вынуждает бизнес пересматривать свои подходы, причем делать это жестко и быстро.

Краткий чек-лист действий:

- сократить горизонт планирования до 2–3 месяцев

- сопоставить разные прогнозы спроса и планы по закупкам

- провести анализ товарной матрицы и отказаться от невыгодных позиций

- провести анализ поставщиков и отказаться от невыгодных условий

- сделать выбор между нивелированием дефицитов и экономией на закупках

Добиться оптимизации средствами Excel в условиях неопределенности практически невозможно. Чтобы принять обоснованные управленческие решения, нужно получить прозрачную аналитику и просчитать экономический эффект от множества различных сценариев. Для этих целей лучше использовать специализированные гибкие цифровые решения, которые дают пространство для оперативных корректировок.

Источник: https://vc.ru/u/1014867-bia-technologies

OOO "Петроглиф"
Copyright © 2019