Ошибка 80/20, или почему правило Парето не работает.

Правило Парето известно очень давно, его часто используют в анализе различных показателей и многие привыкли считать его аксиомой.

Но задумываемся ли мы о том, что его нельзя использовать “в лоб”?!

Историческая справка: закономерность Парето была выведена итальянским экономистом и социологом Вильфредо Парето в 1897 году который на самом деле исследовал конкретные кумулятивные зависимости распределения доходов населения в Италии. Сам же принцип был сформирован позже Джозефом Джураном и по сути отражает неравномерность распределения причин и следствий в природе.

Фактически принцип Парето это просто эмпирическое наблюдение основанное на некоторых выявленных закономерностях, но математически оно не является абсолютно точным.

Во первых, при обычном наблюдении легко доказать, что когда результат складывается из действия различных факторов, вклад этих факторов в результат далеко не одинаков.

А во вторых, количественное распределение в реальной жизни может быть каким угодно: 30\70, 40\60 и даже 10\90, что довольно далеко от идеального 20\80.

Что бы доказать это приведу несколько примеров из практики:

Анализ продаж выявляет что 30% клиентов приносят более 60% выручки, а оставшиеся 70% некрупных клиентов всего 40%, вывод лежит на поверхности - повышаем порог входа (минимальную партию к закупке) и часть клиентов уходят сами, а у нас высвобождаются ресурсы для поиска новых клиентов и более качественной работы с крупными составляющими сейчас 30% от общего числа.

Но если углубиться в данные мы увидим, что маржинальность по этим клиентам существенно ниже чем по оставшимся 70%, более того эти 30% клиентов работают с отсрочкой платежа, а те 60% которые казалось бы приносят меньше выручки на самом деле имеют большую маржинальность и работают “в деньги”. Представьте теперь, что бы произошло если руководство компании, опираясь только на “правило Парето”. приняло бы решение прекратить работу с небольшими клиентами, ведь на их обслуживание уходит больше времени и ресурсов...

Проводим анализ товарной матрицы клиента. Ну казалось бы проще некуда, смотрим оборачиваемость, видим какие SKU продаются чаще, какие реже и убираем те по которым коэффициент оборачиваемости слишком низкий.

Это на первый взгляд, если не вникать в специфику деятельности. А если вникнуть в суть, то мы увидим, что компания занимается запчастями и те позиции по которым оборачиваемость низкая - это редкие запчасти, которые держат в наличии вполне обдуманно. Клиенты знают, что если понадобится, в быстром доступе будет даже самая редкая деталь, сроки поставки которой "под заказ" на данный момент могут составлять от 4 месяцев, и это очень весомое конкурентное преимущество.

Эти два пример наглядно показывают, что анализ "в лоб”, без глубокого понимания целостной картины, принесет больше вреда чем пользы.

И прежде чем дать совет: уберите те условные 80% которые приносят всего 20% и у вас высвободится огромное количество ресурсов! Нужно сесть и подумать, а действительно ли можно вот так просто взять и убрать?