Управление товарными запасами. Закупка на склад без излишков и дефицита. Хватит «бороться» с излишками и дефицитом! Начните считать заказ правильно!

Прогноз продаж можно получить опросом клиентов или определить через долю на рынке. Но обычно прогноз будущих продаж рассчитывается на основе фактической статистики продаж прошлого периода с помощью формулы прогноза. Качественный прогноз строится на основе очищенной статистики с учётом аналогов, проведённых акций и распродаж, потерянных продаж, профиля сезонности. Для того, чтобы снизить влияние случайных продаж на конкретную позицию в группе похожих позиций, составляют профиль сезонности на группу. Расчёт прогноза продаж по конкретной позиции из актуальной товарной матрицы делают на основе её фактических продаж в прошлом с учётом профиля сезонности группы. Для особо уникальных позиций, спрос на которые нельзя предположить по спросу на группу похожих позиций, составляют уникальные профили сезонности. Для позиций без выраженной сезонности для прогноза используют только очищенный факт продаж последнего периода.

Учесть в формуле прогноза ВСЕ факторы, от которых будет зависеть будущая продажа – НЕВОЗМОЖНО.

Не воспринимайте всерьёз утверждения тех, кто заявляет: «Хороший прогноз должен совпасть с фактом продаж на 100%». Не распыляйте свои силы на погоню за фантомом. Какую реальную погрешность обычно имеет формула прогноза продаж у компании, продающей товар со своего склада? Обычно погрешность прогноза находится в пределах от 5% до 20% и сильно зависит от применяемой формулы прогноза и качества очистки статистики. Чем лучше очищена статистика и правильнее подобрана формула прогноза, тем меньше погрешность. Чтобы посчитать погрешность по любой из формул прогноза, нужно применить ретроспективный анализ. То есть взять формулу прогноза продаж и применить её к прошлой статистике за прошедший период. Причина высокой погрешности не обязательно в том, что Ваша формула прогноза «плохая». Проблема может быть и в том, что любая формула прогноза способна учесть лишь часть из множества влияющих факторов. Тем не менее, «хорошая» формула прогноза, даже с погрешностью, экономит существенные ресурсы по сравнению с «плохой» формулой прогноза. Так как у «плохой» формулы прогноза погрешность ещё больше.

Существует множество подходов к расчёту прогноза продаж, в том числе ошибочных. Например, среди некоторых моих коллег можно встретить мнение, что увеличение периодичности поставок повышает погрешность прогноза. Ими утверждается, что когда поставки на склад происходят чаще, то и потерянных продаж меньше, поэтому и прогноз на основе более точной статистики с меньшим количеством потерянных продаж более точный. А неточный прогноз, по их мнению, надо всегда увеличивать по сравнению с точным, чтобы компенсировать погрешность. Для расчёта прогноза товара с большой периодичностью поставок они рекомендуют применять повышающий коэффициент. Есть также эксперты, которые рекомендуют применять для повышающего коэффициента прогноза не периодичность, а цикл поставки.

Подобные подходы к прогнозированию я считаю в корне не верными, и вот почему.

Во-первых, сокращение периодичности (частоты поставок, интервала между поставками, партии товара) в действительности не сокращает, а даже увеличивает потерянные продажи при длительном цикле поставки, а также при фиксированном на длительный период графике отгрузок. Если в момент, когда произошёл всплеск продаж и Вы осознали риск дефицита, Вы не сможете ускорить приход заказа на склад к дате, в которую остаток станет меньше Out of Stock Point, то при поставке мелкими партиями получите дефицит и потерянные продажи, которых не будет при поставке крупными партиями с большей периодичностью.

Рассмотрим такой пример: уникальный товар продаётся в среднем одна машина в месяц. Запросы клиентов 90—95 шт. в три месяца, страховой запас 5. В вагон вмещается три машины. Периодичность поставки этого товара машиной равна один месяц, а вагоном три месяца. И вагон, и машина, отгружаются по фиксированному графику на три месяца вперёд – машина раз в 30 дней, вагон раз в 90 дней.

Как видим из графиков, у варианта с вагонными поставками с периодичностью раз в три месяца больше фактических продаж и нет потерянных продаж. Такой эффект произошёл за счёт переноса запросов клиентов (25 и 15 в примере) на первую и вторую декаду третьего месяца с четвертого месяца. Эти заявки не были отгружены при варианте поставок машинами, клиенты не смогли взять со склада столько, сколько хотели. В момент запроса на складе не было достаточно товара. Это привело к потерянным продажам (15 в примере). Именно крупные вагонные поставки в сравнении с более мелкими поставками машинами предоставляют клиентам возможности взять со склада больше товара в любой момент периода и снижают потерянные продажи при том же суммарном спросе. Более крупная партия закупки по сравнению с мелкой партией (увеличение периодичности) по фиксированному графику никогда не будет являться причиной потерянных продаж.

При любом длительном цикле поставки, например месяц, риск потерянных продаж при поставке крупными партиями ниже, чем при поставке мелкими. Машина, заказанная в момент выявленного всплеска продаж в первой декаде третьего месяца, всё равно приедет только через месяц, и потерянные продажи произойдут, в отличие от вагонной поставки.

Причина, почему всё равно следует выбирать варианты логистики с меньшей периодичностью, то есть более частые и мелкие поставки – не в сокращении потерянных продаж. Поставки крупными партиями часто приводят к необоснованным излишкам. Поэтому, для достижения лучшей эффективности (путём улучшения оборачиваемости) и для уменьшения затрат на складское хранение, при том же цикле поставки и себестоимости товара, всегда рекомендуется подвозить товар чаще мелкими партиями. А чтобы снизить возможные потерянные продажи (15, которые мы видели на графике), используют при заказе мелкими партиями достаточный страховой запас, чтобы удовлетворять в том числе увеличенные запросы клиентов. Если бы страховой запас был бы не 5, а 20, то и потерянных продаж при поставке машиной не было бы, и средний склад и оборачиваемость при этом были бы всё равно меньше, чем при вагонной поставке.

Короткий цикл поставки действительно сокращает потерянные продажи и улучшает уровень сервиса. Если бы поставщик смог бы поставить машину не через месяц, а через неделю после всплеска продаж, ко второй декаде третьего месяца, то потерянных продаж при машинной поставке не было бы. Это справедливо и для мелких партий товара и для крупных партий. Для снижения потерянных продаж важно сократить цикл поставки, а не размер поставки (периодичность).

Во-вторых, даже цикл поставки нельзя использовать как параметр для определения коэффициента при расчёте прогноза. Сокращение цикла поставки (времени с момента заказа до момента прихода) действительно сокращает потерянные продажи, так как подвоз дефицитных позиций происходит быстрее. Но если потерянные продажи подсчитать в дни дефицита и добавить их к фактическим (а именно так и следует поступать при обработке статистики, прежде чем использовать её для прогноза), то совершенно не нужно дополнительно увеличивать прогноз никакими коэффициентами в зависимости от цикла поставки.

Против использования методов корректировки прогноза продаж коэффициентами в зависимости от цикла поставки можно привести множество аргументов. Например, потерянные продажи чаще случаются у нестабильно продающегося товара с плохой прогнозируемостью, с большим отклонением факта от среднего прогноза. Таким образом, может оказаться, что стабильно продающийся товар (у которого не было потерянных продаж) с большим циклом поставки почему-то получит повышенный коэффициент прогноза продаж по сравнению с нестабильным (у которого были потерянные продажи) только потому, что у второго короче цикл поставки. Что является нарушением первоначальной идеи данного подхода: учесть через повышенный коэффициент в прогнозе возможные потерянные продажи. Кроме того, прогноз на будущее может строиться с циклом поставки, отличным от того цикла поставки, при котором была собрана прошлая статистика. В таких случаях получится, что при увеличении цикла поставки прогноз начнут увеличивать на «погрешность», которой не было в прошлом по статистике, собранной при малом цикле поставки.