14 факторов, которые нужно учитывать при прогнозировании товарных запасов

Прогнозируя спрос и товарные запасы нужно учитывать огромное количество факторов: риск дефицита и списания просроченной продукции, каннибализацию товаров-заменителей при проведении промо-акции, колебания спроса, штрафы за недопоставку, срывы сроков поставок и др. Ситуация на рынке постоянно меняется, возникают непредвиденные обстоятельства и оставлять это без внимания - заведомо проигрышная стратегия.

В статье разбираем, какие факторы и риски должна учитывать современная система (методология) управления товарными запасами, чтобы оставаться конкурентоспособной. Также поговорим, о том, какие факторы не всегда целесообразно учитывать и почему. Многие компании в погоне за прибылью и лидерством стремятся просчитать как можно больше показателей, таких как колебания курсов валют и проводимые промо-акции в соседних магазинах. Но это не всегда оправдано.

Разделим все факторы на 4 группы:

Если бы мы жили в идеальном мире, то ситуация на рынке могла бы выглядеть так:

К сожалению, наш мир не идеален, поэтому реальность зачастую выглядит иначе:

О многих из этих рисков менеджеры компании могут даже не подозревать, но они влияют на конечный результат. Итак, какие факторы нужно обязательно учитывать.

Характер спроса для разных товаров отличается. Например, молоко может иметь стабильные ежедневные продажи, а йогурт премиум сегмента продаваться с различной периодичностью несколько раз в неделю. Соответственно распределение спроса для этих товаров будет разным. И это нужно учитывать при прогнозировании. На практике зачастую, для всех товаров используется один и тот же тип распределения - Нормальное (или распределение Пуассона). Мы же рекомендуем использовать вероятностное распределение объемов спроса на каждую товарную позицию, так как в основе таких методов лежит математическое моделирование самого процесса спроса.

Что будет, если хранить мало товарного запаса? Выгодно ли это для компании? Сколько прибыли потеряет компания, если возникнет дефицит? Это достаточно важные вопросы, так как они напрямую влияют на прибыль компании. Поэтому вероятность возникновения дефицита и потенциальную упущенную прибыль при расчете заказа нужно обязательно учитывать. На практике обычно стараются максимизировать уровень сервиса, но это не всегда выгодно, даже если при этом не ухудшается оборачиваемость.

Поставщик обещал привезти товар через неделю, но опоздал на несколько дней. В итоге возник дефицит. Поставщик обещал поставить полную партию к указанной дате, но поставил только часть продукции. От таких ситуаций никто не застрахован. Их можно и нужно учитывать при планировании запасов - закладывать дополнительный запас на основе анализа прошлой статистики сроков доставки и надежности поставщика.

На практике зачастую клиенты хотят автоматизировать расчёт дополнительного запаса на случай срывов сроков поставки. Для этого предполагается брать прошлые данные по срокам доставки и брать медиану или среднее значение, какой нибудь 95% квантиль или тому подобное. Также можно использовать данные по частоте прошлых отклонений от гарантированного срока доставки для вероятностного моделирования и проводить моделирование на разные сроки доставки в том процентном соотношении, в котором наблюдаются отклонения.

Но все эти подходы терпят крах перед отсутствием корректных первичных данных в учетной системе заказчика. Неверно занесенные данные о сроках поставки или не вовремя проведенный документ могут стоить компании необоснованного увеличения запаса

Годовая, квартальная, месячная и даже внутри недельная сезонность может сильно влиять на спрос. Некоторые бизнесы и вовсе являются сезонными. И игнорировать ее ни в коем случае нельзя. Система должна рассчитывать коэффициенты месячной сезонности и учитывать внутринедельную сезонность (в пятницу товар продается лучше, чем во вторник).

На практике зачастую используют понедельную сезонность , чтобы учесть плавающие события внутри сезона, которые затрагивают меньше одного месяца, такие как предновогодние покупки, Пасху, неделю перед 9 марта или 23 февраля. Но это не всегда оправдано, так как чем больше коэффициентов, тем они менее стабильные, тем больше данных нужно, чтобы их корректно рассчитать. И сами праздники могут менять номер недели от года к году, на что тоже нужно вводить постоянные поправки. Для этого лучше применять подход учета событий, влияющих на спрос, о чем будет рассказано ниже.

Помимо сезонности нужно учитывать влияние промо-акций на спрос и каннибализацию товаров-заменителей. Нужно рассчитывать и прогнозировать коэффициенты влияния разных категорий акций на каждый товар, оценивать постакционный эффект.

В среднем в РФ насчитывается около 26 нерабочих праздничных дней в году. Дополнительно к этому в каждом регионе существуют свои регулярные мероприятия. Следовательно система управления запасами должна уметь учитывать колебания спроса в такие периоды. Например, к 8 марта растут продажи конфет. И система должна уметь рассчитывать влияние праздника и корректировать закупки на этот период.

Вероятность изменения остатков на дату заказа

Чтобы сделать новый заказ, нам нужно понимать, сколько товара останется на дату поставки. Если делать это на глаз, экспертным путем или по-среднему расходу, то итоговый заказ будет крайне неточным. Во время поставки могут сместиться сроки, у поставщика не окажется нужно товара или произойдет резкий всплеск спроса. Поэтому здесь крайне важно оценивать вероятность изменения остатков.

Стоимость альтернативных вложений (стоимость денег, замороженных в активах)

Нередко большая часть оборотных средств заморожена в товарных запасах, иногда достаточно длительный период. Эти деньги можно было бы, например, положить на депозит и получить прибыль или вернуть кредит, если используются привлеченные средства. Поэтому, помимо прибыли, должна производиться оценка альтернативных вложений.

Затраты на хранение продукции

Чем дороже хранить и обслуживать товар, тем менее выгодно привозить большое количество товара. Нужно сравнивать, что выгоднее - потратить деньги на хранение и обслуживание или недополучить прибыль из-за дефицита.

Риск по списанию просроченного товара

В противоположность дефициту имеется риск списания просроченной продукции, если товаров оказалось слишком много. В некоторых областях это может быть особенно критично. Например, дистрибьюторы или торговые сети торгующие продуктами питания, в случае просрочки товара не смогут вернуть его производителю. В таких условиях компании могут понести существенные потери. Значит вероятность риска списания просрочки также нужно учитывать. Оценку срока годности и риска списания желательно проводить в рамках остаточного срока годности по разным партиям товаров, процента срока годности, гарантируемого поставщиком и достаточного для клиентов.

Штрафы за недопоставку

С другой стороны баррикад могут быть дистрибьюторы и крупные оптовые поставщики, которые испытывают давление от торговых сетей. Они могут опоздать с доставкой товаров или поставить часть партии. В итоге вынуждены будут платить штрафы, которые влияют на прибыль.

Неслучайное отсутствие спроса.

В прошлом периоде могут возникать ситуации, когда товар есть на остатках, но продаж по нему нет. Это может быть вызвано истекающим сроком годности, ошибкой в выкладке товара, отклеившимся ценником и другими факторами. Важно находить такие ситуации и исключать их при прогнозировании спроса и товарных запасов, иначе наши прогнозы могут оказаться заниженными.

Пример учета рисков и некоторых других факторов в программе Forecast NOW!

Пример показывает распределение вероятностей объема спроса на Вермишель “Малыш”. Для каждого возможного объема спроса в соответствующих столбцах можно увидеть риски дефицита, потери от списания просрочки, возможные штрафы за недопопоставку (для дистрибьюторов) и суммарные потери компании в пересчете за год.

Колебания спроса, зависящие от внешних событий

Часто спрос зависит от внешних событий. Например, противовирусные препараты лучше продаются в период эпидемии. Естественно, частично эти изменения продаж может уловить сезонность, но «сезон» в каждом примере год от года отличается. Поэтому система должна уметь оценивать, как эти события влияли на спрос в прошлом (на сколько вырос спрос противовирусных препаратов от эпидемии гриппа) и учитывать их в будущем.

Прогноз погоды (жарко-холодно)

Отдельно стоит выделить колебания спроса в зависимости от температуры. Например, продажи мороженного или шашлыка выше в жаркую погоду, спрос на зимние шины возрастает с похолоданием. При этом не стоит стремиться учитывать точный прогноз погоды по градусам. Чем больше детализация, тем сложнее будет обучить модель. К тому же сам прогноз погоды окажется менее точным , чем прогноз ожидаемого спроса. Это принесет больше вреда, чем пользы, так как для прогнозирования с учетом температуры и осадков нужно иметь не только прошлую статистику, но и будущий прогноз.

Компании часто загоняют себя в ловушку из-за самой возможности анализа большого количества данных. Часто может показаться, что, чем большее количество факторов и рисков будет учтено, тем лучше будет конечный результат. Мы очень часто слышим от компаний вопросы по двум показателям, которые они хотели бы учитывать при прогнозировании спроса.

Цены и промо-активности конкурентов

Желание учитывать эти данные понятно. Если знать, что затевают конкуренты, то можно заранее подготовиться и остаться в выигрыше. Проблема кроется в другом. Сбор, обработка и подготовка этих данных само по себе дорогостоящее занятие. Полностью автоматизировать этот процесс практически невозможно. А значит придется набирать в штат сотрудников. И в большинстве случае затраты на этот процесс будут гораздо выше, чем потенциальная прибыль от осведомленности.

Прогнозирование колебаний курсов валют

Еще один частый запрос от компаний, которые работают с иностранными поставщиками. Умение предсказывать укрепление или ослабление рубля было бы большим плюсом. Но, спросите любого успешного трейдера и он скажет, что предсказать поведение валюты практически невозможно.

На сегодняшний день не одна система не способна это сделать. Хотите удостовериться? Тогда задайте себе вопрос: если бы у вас была система, способная предсказывать колебания курсов валют, стали бы вы ее продавать? Или включать в функционал другого решения?