5 причин автоматизировать закупки

Если у вас виртуальный товар, продажи под заказ, либо вы работаете в люксовом сегменте с циклом продаж от года и выше – возможно, проблемами складской логистики можно пренебречь. Но всем, кто трудится в материальном секторе с высоким оборотом, прекрасно известно, что прибыльность торговли напрямую зависит от эффективности склада и закупок.

Подходы к решениям разные. Есть множество нюансов, некоторые из них сейчас обсудим. Однако ключевым фактором эффективности становится ставка на IT. Речь не о том, ведется ли электронный учет. Разумеется, да. Информационные системы давно используются повсеместно, и склады не исключение. Вопросы в другом:

• Задействован ли весь потенциал автоматической обработки данных?
• Складские и закупочные IT-решения комплексные?
• Они помогают оптимизировать закупки и поставки, или ориентированы на учет?

До искусственного интеллекта как в кино пока что далеко. Однако, современные информационные системы для бизнеса уже способны на многое. В том числе они могут учитывать регулярные тенденции, отбрасывать случайные всплески, быть предусмотрительными и рачительными, даже оптимистичными и скаредными. Никакой магии, чистая математика. Как это работает?

1. Сглаживание продаж

Первый враг закупочной логистики – нетипичные пики. Они могут быть в обе стороны. Периодически случайные заказчики приобретают больше, чем можно ожидать, судя по накопленной статистике. Иногда закупок наоборот меньше, как правило, потому что требуемых товаров на складе не оказалось. Так или иначе, отклонения от нормы опасно принимать как руководство к действию.

Математическим языком: «распределение Гаусса» от обратного. Если продажи не входят в нормальное распределение, они игнорируются при оперативном планировании закупок. При этом в качестве среднего используется значение линейного тренда, чтобы учитывать динамику продаж.

Человеческим языком: если продажи, например, растут примерно на 10-15% в месяц, а потом вдруг резко удваиваются благодаря залетному клиенту – то это не значит, разумеется, что нужно увеличить закупки в два раза. Случайная удача игнорируется, и на следующий месяц по-прежнему будет заказано на 15% больше, с учетом положительного тренда. При падении продаж выводы делаются аналогично.

2. Правило Парето: 20/80

Одна из известных закономерностей: 20% усилий обеспечивают 80% результата. Это справедливо и по отношению к продажам, а значит и к складской логистике. Меньшая часть товара приносит большую часть прибыли. Какая именно часть – интересный вопрос. Для изучения клиентской базы используют ABC-анализ, для оценки веса и стабильности товара АВС-XYZ-анализ.

Математическим языком: делается распределение классов по методу касательных индивидуально под предприятие, то есть по графикам нарастающих итогов.

Человеческим языком: ведется досье по каждому товару. Что выше в рейтинге, то и закупается в первую очередь, причем с запасом.

3. Тренды

Есть яркие сезонные тренды, например, цветы на 8 Марта. Бывают куда менее заметные тенденции, которые, тем не менее, стабильно повторяются – а значит, могут быть отслежены и учтены. Сложность представляет пересечение трендов, и здесь начинаются в принципе простые цифры, которые вручную сложно подсчитать. Потому что при большом ассортименте объем вычислений зашкаливает, а для торговых сетей, к тому же, все значения могут различаться с поправкой на географию.

Математическим языком: выполняется прогнозирование по основным и вспомогательным моделям. Например, учитываются тренд-сезонная математическая модель, совмещенная с полиномиальным второй степени и линейным трендом, индуктивная модель и, в некоторых случаях, просто трендовая модель (для наименований, недавно поступивших в продажу).

Человеческим языком: программное обеспечение просчитывает все виды закономерностей, которые можно отследить по статистике продаж. Затем из всех выявленных повторов моделируется один общий, наиболее прибыльный. Это прогноз, и добиться 100% точности, конечно, нереально. Но при подсчете числовых показателей компьютерные системы ошибаются реже, чем люди. А в прогнозах по большим данным – тем более.

4. Оценка потребностей

Собственно, это основная цель анализа. Но поскольку нужно учесть много взаимосвязанных факторов, нельзя сразу начать с оценки потребности, и ею же ограничиться. Для получения адекватных прогнозов приходится просчитать все то, что перечислено выше – а для использования этих данных на практике еще и то, что будет описано ниже. Поэтому «оценка потребностей» всего лишь один из этапов, а не вся задача целиком.

Математическим языком: сглаженные продажи оцениваются с помощью нормального распределения Гаусса по периодам, принятым в торговой компании – а затем результаты корректируются сезонными и другими трендовыми коэффициентами.

Человеческим языком: все цифры, которые удалось рассчитать, разбиваются по кварталам, месяцам, неделям. Фактически, это и есть план закупок, только пользоваться им еще рано, пока только заготовка.

5. Оптимизация логистики

На сладкое, как водится, десерт. Вероятные продажи сопоставляются с текущими остатками на складе, а также товаром, находящимся в пути, зарезервированными товарами, скоростью доставки, стоимостью хранения на складе и транспортными расходами, другими смежными расходами.

Математическим языком: простая арифметика (была бы), но учитывая количество переменных, получается сценарный анализ с просчетом различных вариантов и выбором одного, самого оптимального, в качестве финального результата.

Человеческим языком: для того и нужны были все предыдущие вычисления, чтобы получить все существенные прогнозы, ничего не упустив. Когда известны все значения, они суммируются, с учетом ожидаемой рентабельности по различным товарам – и на выходе получаются искомые цифры: когда и сколько чего конкретно заказать, куда доставить.

Нюансы

Может сложиться ощущение, будто есть некий жесткий алгоритм, гарантирующий оптимальную складскую (а заодно и транспортную) логистику. Это не так.

Во-первых, многое зависит от специфики деятельности. Какие именно товары, сроки и условия их хранения, сертификации, транспортировки, реализации и т.д. – все это может внести существенные коррективы, и картина закупок изменится.

Во-вторых, есть смежные методики: RFM-анализ (Recency Frequency Monetary – давность, частота, деньги); формирование удобной выкладки на складе, различные методики оптимизации транспортной логистики, которые оказывают влияние на склады и другие факторы, вплоть до специальных маркетинговых акций, «ломающих» рентабельность ради неких рекламных соображений, для увеличения рыночной доли, лояльности и т.д. Все это невозможно учесть, анализируя данные по закупкам и продажам – однако, на практике общий план действий должен быть полностью синхронизирован. Поэтому закупочная аналитика в любом случае носит рекомендательный характер.

В-третьих, бывают рисковые и страховые случаи, форс-мажоры, различные непредвиденные обстоятельства. Порча товара, кражи, не то качество, ошибки в расфасовке, размерах, цветах, в чем угодно. Абстрактная математика может себе позволить просто заложить некие коэффициенты и сосредоточиться на красивых формулах – но реально работающая система на живом торговом предприятии должна быть достаточно гибкой, чтобы при необходимости допускать существенные отклонения от «правильных цифр» – а затем все же учитывать и правильные цифры тоже.

Возникает соблазн воскликнуть: ага! Значит, нечего делать вид, будто информационные системы формируют заказы и чего-то там оптимизируют, на самом деле в них просто хранятся цифры – а все решения принимают люди, как и раньше. Так, да не так.

Решения, конечно, принимают люди. Но подготовить данные, достаточные для принятия этих решений, без IT уже нельзя. Чем более комплексный доступ к данным, чем более специализированная система – тем точнее анализ. Вся оцифрованная информация аккумулируется, и повышает точность следующих прогнозов. Обработку форс-мажоров автоматизировать не получится, а нормальную регулярную деятельность – безусловно.

Есть смысл «заглянуть под капот» информационных систем, чтобы понять, как именно они работают. Преимущество IT уже не только механическое, оно в качественном сочетании различных методик для обработки баз данных. Теоретически люди все еще в состоянии придти к похожим выводам самостоятельно, используя калькуляторы, электронные таблицы и гроссбухи. Но на практике специализированный софт уверенно побеждает. Ни у кого нет столько времени, чтобы выполнить сопоставимый объем вычислений вручную. А ведь это регулярная задача. Ежедневно появляется новая порция данных, все тренды и коэффициенты нужно корректировать, и результаты опять изменятся.

Не требуйте невозможного от своих сотрудников. Выберите подходящее IT-решение, настройте его под свою специфику и это даст эффект, причем масштабируемый.