Книга об управлении цепями поставок

В какой-то момент времени я понял, что несмотря на количество ресурсов и информации в Сети (а может, благодаря?) мне бывает трудно откопать нужное, даже если я точно помню, что читал где-то. Естественно, как раз для таких случаев люди имеют записные книжки, в том числе и в собственных браузерах. Проблема в том, что каждый при этом имеет собственную коллекцию жемчужин. А хочется пользоваться плодами труда того, кто уже потратил время на поиски. В конце концов, именно для этого существуют сети. Так родилась идея создать ресурс, аккумулирующий в одном месте публикации, документы, обзоры, статьи, ссылки - все, что имеет отношение к логистике в ее широком смысле. Очевидно, что одному такую задачу поднять нереально, поэтому принимается любая помощь сообщества. Здесь предоставляется возможность публиковать собственные материалы, присылать полезные ссылки, справочные материалы - все, что считаете заслуживающим внимания. Единственное, что необходимо сделать для возможности публикации - зарегистрироваться. Может быть совместно нам удастся написать эту Книгу - Тору управления цепями поставок.

Вопросы Его Величества Маркетинга

Управление цепочкой поставок невозможно представить без рассмотрения такого звена, как потребитель. Хотите поговорить об этом? Вперед!

Немного о маркетинге. Цена. Часть 1

Илья Константинов
http://bikvadrat.livejournal.com

У основоположника маркетинга как бизне-дисциплины Филиппа Коттлера есть постулат, что маркетинг объединяет в себе четыре Пи:

  1. Product (понятно без перевода)
  2. Price (цена)
  3. Placement (дистрибуция)
  4. Promotion (продвижение)

И только полный комплекс работ по каждому направлению может обеспечить достижение целей маркетинга.

Но об этой комплексности зачастую забывают. К сожалению, 90% времени и ресурсов среднестатистическая компания уделяет продвижению, которое, на самом деле, является одним из самых низкоэффективных инструментов. Но у него есть одно «преимущество» – это очень дорого. Именно поэтому взоры всех маркетинговых, рекламных и прочих агентств и различного рода специалистов обращены на рекламу и продвижение.

Анекдот не в тему.

Стоматолог осматривает пациента и отходит от кресла мрачнее тучи. Ассистент шепотом его спрашивает:

- Что, есть какая-то проблема?

- Да и очень серьезная… У пациента немеряно денег и нет ни одного больного зуба.

Остальным же Пи уделяется, на мой взгляд, катастрофически мало внимания. Именно поэтому я решил сегодня поговорить об одном из самых важных и в то же самое время одном из самых доступных инструментов регулирования спроса – о цене.

Существует очень стойкий стереотип, что спрос со стороны покупателей обратно пропорционален цене: чем ниже цена, тем больше будут покупать товар (в штуках) и наоборот – чем цена выше, тем спрос меньше. Самый большой спрос в соответствии с этим стереотипом ждет производителя и продавца при цене, стремящейся к нулю. У меня сын учится в Высшей Школе Экономики. И даже в этом многими уважаемом ВУЗе на экономике им демонстрируют зависимость спроса от предложения в виде прямой линии. Когда я заметил ему, что в реальности все совершенно не так, то ребенок ответил, что это для простоты. Но, на мой взгляд, это примерно так же, как для простоты по причине очень незначительных колебаний синуса и косинуса в диапазоне от 0 до 1 положить эти функции в среднем равными 0,5 и забыть про всякие колебания. То есть такие упрощения ведут к утрате сути явления.

Поэтому попробуем поговорить о том, как на самом деле ведет себя спрос в зависимости от цены. Я для этого обычно пользуюсь методом Ван Вестендорпа. У него много минусов и много плюсов. Главный плюс этого метода – цена. Использовать его может позволить себе практически любая компания, у которой есть бюджет маркетинга. Для примера, если заказывать такое исследование по одному-двум продуктам, то в Москве можно уложиться в 140 тыс. рублей (400 анкет по 350 рублей). Если это ключевые продукты для компании, то эффективность использования средств может быть очень высокой.

Кроме этого, существует еще масса других способов определения эластичности спроса, поэтому настаивать на абсолютности данного метода ни в коем случае не буду. Но этот метод работает, и это уже повод им пользоваться. Я опробовал его на самых разных рынках, в частности, на аренде коммерческой недвижимости, одежде, отделочных материалах. И везде форма кривой спроса была очень похожа. А практическое применение выводов давало очень неплохой результат.

Вот эта зависимость (я взял ее для товара, которым занимаюсь сейчас – потолочный плинтус – но разницы с теми же джинсами или йогуртами принципиальной нет):

На нижней оси отложена цена, а на левой оси – доля покупателей, которые готовы приобрести товар по этой цене.

На графике есть три кривых, каждая из которых соответствует, если говорить в общепринятых терминах, своему сценарию:

1. Красная – оптимистичный сценарий. Цена высокая с точки зрения покупателей, но они все равно готовы приобретать по ней товар (ситуация монопольного положения на рынке, например). Видно, что максимальная доля готовых купить товар достигает 70% от потенциальных покупателей товара вообще. Поэтому нужно понимать, что этот сценарий оптимистичен для производителя, но не для покупателя.

2. Синий – реалистичный сценарий. Он соответствует «нормальной» с точки зрения покупателя цене.

3. Зеленый – пессимистичный сценарий, который отражает долю покупателей, которые готовы приобрести товар, только если цена покажется им выгодной. И максимальная доля покупателей ровно в два раза меньше – 35%.

Для простоты картинок все дальнейшие рассуждения я буду строить только на средней кривой, то есть на реалистичном сценарии. Сразу оговорюсь, что та интерпретация, которую я привел выше, может отличаться от приведенной в учебниках, например. Но она выработана многими годами практической работы, в то время как учебники чаще пишут академические специалисты, для которых строгость рассуждений зачастую важнее (что вполне оправдано), чем их практическая применимость или рыночный (маркетинговый) смысл.

Итак, что же мы видим на графике? А мы видим полное отрицание прямолинейности зависимости спроса от цены на товар. То есть, по самой минимальной цене покупатели, как это на первый взгляд ни покажется странным, вообще не готовы покупать товар. Когда я этот график впервые показал нашим дистрибуторам, то многие из них так и не поверили мне. Они были уверены, что чем больше снижать цену на товар, тем больше его будут покупать. То есть они были уверены в том, в чем мир разуверился много лет назад – в эффективности демпинга.

Рост.

Итак, чем же объясняется, что на самом левом участке кривой от нуля и до 20 рублей за единицу товара (напоминаю, что теперь мы смотрим на синюю кривую) спрос растет с ростом цены? Очень просто. Как вы отнесетесь, если вам в магазине предложат утюг по цене 100 рублей, в то время как все остальные утюги на полках стоят уж никак не дешевле тысячи? Правильно, вы подумаете, что он некачественный изначально или бракованный или просто украденный. И это достаточный повод, чтобы отказаться от покупки. И чем ниже цена в этом диапазоне, тем больше покупателей отказываются от покупки по причине восприятия ими товара как некачественного.

Стабильность.

После 20 рублей за штуку начинается стабильность. Причем хорошая стабильность – на максимуме спроса. И длится она достаточно долго, аж до 30 рублей за штуку. Почему? Это та цена, когда эластичность спроса на товар нулевая (спрос неэластичен). То есть если покупателю нужен товар, то он купит его и по 20 рублей, и по 30 с совершенно одинаковой вероятностью. Пример продуктов с низкой эластичностью спроса – это хлеб, жизненно необходимые лекарства, коммунальные услуги и т.п. Ширина этого плато для разных товаров разная. Для многих товаров (например, биржевые товары), плато практически нет совсем, потому что пока твоя цена выше, чем у основной массы конкурирующих предложений хотя бы на цент, товар никто не купит, а как только опускается ниже, тут же происходит покупка. И плато вырождается в пик. Но это уже особые случаи, которые не меняют общей закономерности.

Спад.

А вот после 30 рублей начинается спад. Сначала плавный, а потом более крутой. Это уже вступает в силу обычная зависимость, когда по мере роста цены все больше и больше покупателей отказываются от покупки товара из-за его стоимости. Но если вы считаете, что в практической работе заходить в эту область не рекомендуется, то вы ошибаетесь. Это имена та область, где работает большинство компаний, если, конечно, они умеют считать прибыль, а не только продажи.

И опять стабильность.

А вот уже от 100 рублей и выше опять начинается стабильность. Но уже другого рода, когда спрос минимален, и товар интересен крайне узкому кругу покупателей. В эту область без веских на то причин уж точно лучше не соваться.

Какие выводы мы можем сделать, глядя на этот график?

1. Зависимость спроса от цены не имеет простой линейной формы. Поэтому для управления ценой нужно знать хотя бы примерно форму этой кривой и основные реперные точки для конкретного товара. В противном случае очень легко либо потерять прибыль, либо продажи и долю рынка.

2. Спрос меняется не плавно, а ступенчато. И ступеньки эти привязаны к неким пороговым ценам, после перехода через которые спрос изменяется резко. В нашем случае ступеньками являются 10, 20, 30, 40, 50, 100 рублей (есть и более мелкие ступеньки). Догадываетесь, откуда берутся цены в магазинах «29,90 руб.»? Правильно, маркетологи хотят остаться на высокой части ступеньки спроса, чтобы не перешагнуть психологически важный рубеж и не потерять прибыль. Конечно, такой подход весьма упрощенный, потому что спрос меняется не настолько резко. И в нашем случае, например, цена «29,63 руб.» способна вдохновить большее число покупателей. Но это предмет уже более точных исследований, которые не входят в цели данного материала.

3. Снижение цены не всегда приводит к росту продаж. Существует очень широкий диапазон с нулевой эластичностью спроса (плато) и с обратной эластичностью, когда снижение цены приводит к снижению продаж. Это нужно учитывать в практической работе и опасаться выхода в область левее самого правого края плато и, тем более, в область с обратной эластичностью. В нашем случае, цены ниже 29-30 рублей за единицу товара должны быть жестким табу, потому что они приводят к одновременному снижению и доли рынка, и прибыли независимо от себестоимости товара и цен конкурентов (График 2).

А вот в следующей части мы добавим к рассмотрению такой параметр, как себестоимость товара. И это поможет нам определить:

  • как в зависимости от ситуации строить ценовую политику;
  • достаточно ли ориентироваться только на максимум продаж в натуральном выражении;
  • как обычно ведут себя на рынке грамотные и неграмотные с точки зрения ценообразования компании?

В этих вопросах есть много не только интересного, но и, на первый взгляд, неожиданного.

Немного о маркетинге. Цена. Часть 2

Илья Константинов
http://bikvadrat.livejournal.com

Итак, мы имеем данные по зависимости спроса со стороны покупателей на товар от цены товара. Наши данные получены вполне конкретным методом Ван Вестендорпа, но они могут быть получены и другими способами, суть наших рассуждений от этого не изменится. Кроме того, мы выяснили ряд качественных особенностей поведения покупательского спроса. Теперь нужно разобраться, как оперировать этими цифрами в наших бизнес-интересах?

Вопрос 1. Можем ли мы прогнозировать продажи товара, пользуясь нашими данными?

Здесь возможны несколько вариантов.

Но сразу хочу оговориться, что все рассуждения, которые я привожу ниже, не учитывают погрешность поведенного нами исследования. Ее обязательно нужно учесть, а пока предполагаем, что наши данные точны. Кроме того, нужно понимать, что опрос даже по самому совершенному методу не является полной аналогией реального поведения покупателя в магазине. Поэтому данное ограничение метода тоже нужно учитывать. Как это сделать? Это отдельный вопрос того, как пользоваться данными исследований, как их интерпретировать и использовать для принятия решений. В общем, это вопрос профессионализма конкретного специалиста.

Вариант 1. Предположим, что мы имеем уже продающийся товар, и решили оценить, как изменятся его продажи при изменении цены. Товары могут быть разные.

  • Одни - уникальные ( iPhone, Ferrari, парное молоко, которое по утрам можно купить у соседки в деревне, вода у вас в кране и электричество в доме и т.п.)
  • Другие – типовые (сахар в мешках, доллар в обменном пункте, одноразовые стаканчики и т.п.)

Под уникальностью я понимаю сложность поиска полного товара-заменителя по качеству, по свойствам и функциям, по дистрибуции, по лояльности бренду, наконец. При отсутствии уникальности покупатель при малейшем колебании цены будет переключаться на более дешевые заменители, и эластичность его спроса будет гораздо выше. Чем уникальнее товар, тем сложнее покупателю от него отказаться и тем более высокую цену он готов будет заплатить. Возьмите ту же ситуацию Украины и Газпрома. Как ни крути, а у Газпрома получилось создать тот самый уникальный товар, от которого просто так не откажешься. Именно эту ситуацию отражают три изначальных графика спроса на самом первом графике первой части. Какой из них выбрать в каждом конкретном случае – это должно быть мнение эксперта, основанное на знании товара и рынка. Чем уникальнее товар, тем более высокий график мы можем использовать.

Мы же для простоты возьмем все тот же средний. Смотрим на график, который отражает динамику спроса в % от ЦА и динамику продаж в рублях (График 3).

Видно, что при изменении цены с 30 руб. (цена 1) до 46 руб. (цена 2) график спроса падает примерно с 58% от ЦА до 40%. О чем это говорит? О том, что около 18% потенциальных покупателей откажутся от покупки в результате увеличения цены. Но давайте посмотрим с другой стороны: цену мы увеличили на 53%, а доля покупателей упадет примерно на 30%. Что тогда произойдет с продажами? Это видно по зеленому графику: продажи вырастут с 1,2 млрд. руб. до 1,3 млрд. руб., то есть на 8%. Мы получили оценку динамики продаж в зависимости от изменения цены.

Вариант 2. Мы имеем новый товар, который ранее не продавался. В данном случае прогноз объемов продаж может быть проведен только в случае нахождения очень близкого аналога на рынке. Без этого сказать, что по цене 30 рублей за единицу у нас купят продукт 58% покупателей – это не сказать ничего. Потому что рассчитать ту самую базу, то есть всех потенциальных покупателей продукта (те самые 100%) крайне сложно, если не сказать невозможно.

Таким образом, можно говорить о том, что в отдельных случаях уже продающихся товаров прогнозировать изменение продаж можно. Но метод этот не универсален и заменить реальные пробные продажи, конечно, не может. Однако, нужно отдавать себе отчет в том, что построение графика эластичности спроса с помощью метода пробных продаж на порядок дороже рассматриваемого нами метода (если только вы не имеете собственной розничной сети, в которой представлены все товары, присутствующие на рынке). С другой стороны, если методом пробных продаж (или любым другим) вы строите график эластичности спроса на товар, то все остальные рассуждения совершенно аналогичны.

Замечание не в тему.

Пробные продажи, например, применяются для оценки стоимости бренда для товаров народного потребления. Когда-то давно (ссылок на конкретную компанию мне найти не удалось) Фирма, производящая махровые полотенца, провела следующий эксперимент: в торговом зале были выложены две стопки одинаковых изделий — с фирменным знаком и без него. Полотенца с товарным знаком продавались по более высокой цене, причем она повышалась до тех пор, пока такой продукции отдавалось предпочтение. Когда цена фирменных полотенец поднялась настолько, что люди перестали их покупать, полностью переключившись на немаркированный товар, эксперимент был закончен. Зафиксированная и соответствующим образом пересчитанная разница была внесена в качестве стоимостной оценки товарного знака в бухгалтерские документы.

Воспользовался этим методом российский концерн «Калина», получив, например, для товарного знака «Маленькая фея» цену в 5 млн долл., а для бренда «Черный жемчуг» — 25 млн долл. (А.А.Бовин, «Управление инновациями в организациях», Москва, 2009)

 

Вопрос 2. Как будут меняться выручка и маржа в зависимости от изменения цены?

Ответ на этот вопрос будет вытекать из ответа на предыдущий. То есть можно рассмотреть те же два случая и понять, что:

  1. В случае уже продающегося товара прогноз всех финансовых показателей будет достаточно точным.
  2. В случае нового товара оценить объемы продаж можно будет только при наличии аналогов, но вот понять ключевые цены максимального спроса, максимального оборота и максимальной маржи можно будет абсолютно точно.

Для разнообразия возьмем другой товар. И построим:

  1. Зависимость спроса от цены (% от ЦА)
  2. Зависимость продаж от цены (в рублях)
  3. Зависимость маржи от цены и объема продаж (в рублях).

Все эти зависимости отражены на Графике 4_1. Кроме того, на графике указана существующая цена на рынке на данный товар. Это реальные данные с реального рынка, просто это не 2012 год, а несколько раньше.

Что мы видим?

  • Существующая на рынке розничная цена составляет 40 руб. за единицу продукции. Эта же цена является ценой максимального спроса.
  • Товар продается по цене максимального спроса, причем в правой части плато (хотя для этого товара плато достаточно узкое). Помните, в предыдущей части мы говорили о том, что ниже этой цены опускаться нельзя, потому что тут же снижаются все показатели, прежде всего, объем продаж. В результате рынок интуитивно нащупал эту цену, ниже которой падают продажи в рублях, а выше которой падают продажи в натуральных показателях. Весьма устойчивое положение.
  • Маржа при этом составляет около 20%-25% исходя из существующей себестоимости. Забегая вперед, могу сказать, что эта маржа в лучшем случае окупает постоянные издержки и налоги, а для некоторых компаний торговля вообще идет в убыток. Напомню, что речь идет о производственных компаниях, структура издержек которых несколько иная, чем у торговых.

 

Немного о маркетинге. Цена. Часть 3

Илья Константинов
http://bikvadrat.livejournal.com

 Итак, считаем цифры.

Из таблицы видно, что сейчас мы имеем продажи по этой группе товара в 1 млн. единиц в месяц на 18 млн. рублей в ценах производителя и с маржой 4,5 млн. рублей.

Попробуем поднимать цену и пересчитывать параметры.

Максимум выручки.

Мы видим, что максимум продаж достигается при 58 руб. за единицу в розничных ценах. Это соответствует:

  • Росту цены на 45% по сравнению с существующей на рынке.
  • При этом спрос в натуральных показателях снизился на 13% (с 55% до 48% нашей условной ЦА).
  • Зато продажи выросли на 28%(!) с 18 до 23 млн. рублей в месяц.
  • Но это ерунда по сравнению с ростом маржи на 248% (!!) с 4,5 млн. руб. в месяц до 11,1 млн. рублей.

Максимум маржи.

Увеличиваем цену дальше и видим, что максимум маржи достигается при цене 144 руб. за единицу. Это соответствует:

  • Росту розничной цены в 3,6 (!) раза по сравнению с установившейся на рынке
  • Продажи при этом составляют 20,2 млн. руб. в месяц, что на 12% выше текущих и всего на 12% меньше максимальных.
  • Маржа при этом увеличивается по сравнению с текущей в астрономические 3,6 раза до 16 млн. рублей!
  • Главным мутным пятном в данной пасторали является сокращение продаж в натуральных показателях в 3,2 раза по сравнению с текущими. То есть от нашей существующей аудитории остается только треть.

Еще раз отобразим график 4, но уже отметим наиболее интересные моменты.

Итак, какие выводы из этой динамики можно сделать?

  1. Зависимость коммерческих параметров от цены товара выявляет три наиболее интересных точки.
    a. Точка максимального спроса. Она соответствует максимальным продажам и максимальной доле на рынке (для конкретного производителя) в натуральных показателях. Любое изменение цены приводит к падению продаж в штуках. Это царство производственных компаний, ориентированных на объем выпуска и на максимальную эффективность производства.

    b. Точка максимальной выручки. Это точка, при которой мы можем обеспечить максимальные продажи в рублях и максимальную долю рынка в денежном выражении. Но при этом несколько снижается доля рынка в натуральных показателях, то есть сокращается количество покупателей. Любое изменение цены приводит к снижению выручки. В этой точке работает большинство западных компаний (по моим личным ощущениям).

    c. Точка максимальной маржи. Продажи в рублях несколько ниже максимума, количество клиентов резко сокращается. Это высший пилотаж, царство элитных товаров и таких компаний, как Apple. Основной риск этого положения в узости аудитории, а любой узкий сегмент менее устойчив к внешним воздействиям.
     

  2. Очень интересно, что разброс цены между этими точками – это не проценты, а впечатляющие «разы». Кто-нибудь из читателей поднимал единовременно цену на продукцию на 50%? Это очень страшно! И зачастую выйдя на рынок с «неправильной» ценой кардинально поменять ее не получится. Рынок ее элементарно не примет. Проще убить «неправильный» товар и вывести новый. Но если выйти на рынок правильно, сразу обозначив верное позиционирование товара (напоминаю, что речь идет об одном и том же товаре, одного качества), то можно добиться очень впечатляющих показателей.
     
  3. Ниже цены максимального спроса и выше цены максимальной маржи – запретная зона. Никакого экономического или маркетингового основания для нахождения там нет. Велики риски, низка доля рынка и прибыльность или и то и другое вместе.
     
  4. Исходя из такого огромного разброса цен нащупать наиболее эффективные параметры на практике при торговле в обычном режиме не получится. Чтобы реально увидеть ситуацию с возможными параметрами ценообразования, нужно посмотреть на ситуацию «сверху». Это возможно только при определенном моделировании ситуации с помощью исследовательских методов или пробных продаж.

Если кому-то нужны будут доказательства того, что эти зависимости работают на практике, то я смогу сбросить данные наших анализов. По ним четко видно, что продажи в штуках и деньгах а также маржа очень хорошо подчиняются изложенным выше закономерностям. Решил не приводить эти данные здесь, чтобы не загромождать и без того громоздкий текст.

Вопрос 3. Какую цену назначить на товар?

Вопрос не просто насущный, а, по сути, основополагающий для любого бизнеса.

Сказать однозначно, что цена максимальной маржи – это все, что вам нужно, я не могу. Конечно, когда речь идет об увеличении маржи в разы, то у любого бизнесмена появляется нездоровый (или, наоборот, здоровый) блеск в глазах. Но всегда существуют дополнительные обстоятельства, которые необходимо учитывать. Наиболее безопасной и стратегически более выгодной чаще всего является точка максимальной выручки. Потому что она являет собой компромисс между долей рынка и прибылью, между доходностью и риском. И то, и другое крайне важно для долгосрочного устойчивого развития компании.

Часто можно найти некую промежуточную точку, которая будет также крайне привлекательной. Например, на нашем графике есть цена около 75-78 рублей за единицу, при которой выручка падает от максимума продаж незначительно, зато маржа растет на 14% с 11,1 до 12,7 млн.

А есть еще вариант разделения продуктов по ценовым сегментам просто за счет новой упаковки. Тогда один продукт работает на цене максимальных продаж и обеспечивает устойчивость системы. А второй – на цене максимальной маржи. И обеспечивает дополнительную прибыльность. С учетом разницы в цене в нашем случае можно говорить о минимальном каннибализме в данном конкретном случае. Именно к такому пути мы сейчас подводим наши основные товарные направления.

В любом случае, окончательное решение всегда должно приниматься с учетом конкретных обстоятельств. Мы сейчас просто рассмотрели один из инструментов ценообразования. Но любым инструментом необходимо научиться пользоваться. А это только личный опыт и ничего более.

А как на самом деле?

 

Сейчас мы рассмотрели, как должны строить свою ценовую политику грамотные компании. А как обычно ведут себя игроки рынка? Могу рассказать, как ведут себя наши конкуренты. Прошу рассматривать не как хвастовство, а исключительно как личный опыт.

Итак, есть некий сегмент рынка отделочных материалов, на котором есть единоличный лидер. Его основные конкурентные преимущества:

  • налаженная система дистрибуции с дистрибутором в каждом регионе,
  • наличие торговых представителей в большинстве регионов,
  • контроль цен в каждом звене цепочки для недопущения демпинга,
  • разработка собственных товаров.

Конкурентные преимущества большинства конкурентов - более низкая цена на аналогичные группы товара. Продажи обычно ведутся оптом по всей стране, но чем ближе к складу или месту производства, тем освоенность рынка лучше. В удаленные регионы продажи эпизодические.

В результате за счет комплексности подхода Лидеру по итогам очередного сезона удается потеснить конкурентов и немного увеличить долю рынка. В условиях стагнации рынков в последние несколько лет (кризис никто не отменял), большинство участников испытывают падение продаж.

Что бы предприняли вы в сложившейся ситуации на месте небольших компаний? Лично я бы попробовал как-то сконцентрироваться на самых прибыльных регионах и постарался выстроить в них систему дистрибуции и максимально качественного удовлетворения потребностей клиентов. В результате повышения прибыльности продукции очень осмотрительно стал двигаться вширь, осваивая регионы, в которых у лидера есть слабые позиции. Но в любом случае, это был бы некий комплексный подход на некоей ограниченной территории.

Но это реально сложно и относительно дорого. Поэтому львиная доля клиентов просто снижает цену на продукцию в расчете на рост продаж и доли рынка, что в перспективе должно привести к укреплению позиций.

А теперь давайте вернемся к нашим графикам и посмотрим, что происходит на самом деле. На подавляющем большинстве рынков уже сложилась такая ситуация, что цена установилась на цене максимального спроса. Тогда к чему приведет снижение цен?

  1. Снизив отпускную цену, производитель стимулирует розницу к аналогичному снижению цен.
  2. Розница пробует это сделать и по нашей кривой с правого конца плато (это, как мы помним, очень устойчивая ситуация) перемещается левее.
  3. Покупатели такое снижение цены воспринимают однозначно: они как покупали, так и продолжают покупать товар в том же количестве, потому что мы помним, что на плато спрос не зависит от цены.
  4. Розница наблюдает падение продаж и тут же возвращает цены на прежний уровень. Это мы хорошо видим по мониторингам цен.
  5. Производитель, не ощутив роста продаж, в лучшем случае, продолжает держать цену, а в худшем – увеличивает ее снижение. Это на руку рознице, так как увеличивает ее прибыль. Но такое положение кратковременно.
  6. Снижение цен при сохранении продаж в натуральных показателях ведет к резкому снижению прибыли производителя.
  7. У производителя нет денег на обновление ассортимента, оборудования и т.д. Как результат, начинает страдать качество товара и качество обслуживания. А это приводит к отказу от покупок как конечных покупателей, так и розницы. Дальше спираль идет на новый виток.

В результате мы не очень расстраиваемся, когда конкуренты снижают цены. Потому что в долгосрочной перспективе это ведет только к потере ими своих позиций.

Методы - теория и практика

Добро пожаловать в раздел, посвященный различным методам - анализа, управления, контроля и т.д.

ABC анализ с использованием нескольких критериев

ABC анализ. Опять.

 

По поводу применения ABC анализа сломано немало копий и истрачено немало бумаги и дискового пространства. Так что в этой небольшой заметке мы не будем в очередной раз рассматривать технику проведения анализа и уж точно (чур меня!) не будем обсуждать достоинства и недостатки разных методик определения границ категорий. Вместо этого отойдем немного в сторону и обратим внимание на вопрос, который всегда остается в стороне — вопрос критерия оценки предмета анализа, критерия его классификации.

Как правило, авторы публикаций совершенно справедливо указывают, что выбор критерия определяется целью анализа и является предметом экспертной оценки. В качестве примеров называются объем продаж, объем закупки, прибыль, средний запас в деньгах или объемно-весовых показателях и т.д. и т.п. Я думаю, посидев, можно напридумывать кучу показателей.

 

Проблема состоит в том, что при серьезном подходе сплошь и рядом обнаруживается необходимость рассмотрения и учета нескольких критериев даже в рамках решения одной задачи.

 

Пример 1. Конфетки, бараночки.

 

Розничная торговля. Планирование поставок.

 

Критерий 1.

Прибыль, которую принес товар за рассматриваемый период. Тут особо комментировать нечего, ради этой самой прибыли мы и трудимся. Вопрос лишь в том, какие возможности имеет учетная система для вычисления этой прибыли. Будем считать, что любая система маржинальный доход считать умеет. Если же мы не в состоянии оценить даже маржу, придется довольствоваться хотя бы оборотом. «За неимением гербовой пишем на клозетной».

 

Критерий 2.

Частота покупок товара. Оно же по-научному - количество требований на поставку. То есть частота появления строчки этого товара в отгрузочных документах (накладной или кассовом чеке — неважно). То есть количество расходных транзакций. Как ни называй, по сути — это сколько раз данный продукт понадобился нашему клиенту за период вне зависимости от количества купленных единиц. Для нашего примера параметр очень важный — он определяет то, насколько мы утратим лояльность нашего клиента, если допустим отсутствие этого товара на полке. А значит мы понимаем, что данный параметр оказывает косвенное воздействие на первый в более-менее долгосрочной перспективе. С другой стороны, именно потому, что «косвенное» и «в долгосрочной перспективе» и в некотором «целом», никакой корреляции между первым и вторым параметрами нам обнаружить не удастся. Посему для нас это два разных параметра. Почему мы не учитываем количество купленных единиц товара? Мы просто не хотим попасть в ловушку. Дело в том, что у продукта часто проявляется свойство «характерной кратности потребления». И если за период продано 100 комплектов щеток стеклоочистителя и 400 колес для автомобиля ВАЗ-2101, это не значит, что колеса в 4 раза более востребованы, просто их покупают по 4 шт. И ловушка вторая — зависимость от системы учета. Мы могли те же самые щетки учитывать не по комплектам, а поштучно — тогда продажи составили бы 200 шт.

 

Критерий 3.

Количество проданных единиц товара за период. Используется нечасто по той причине, что в стандартной розничной торговле сильно коррелирует со вторым параметром. Именно поэтому иногда заменяет последний в анализе. Однако следует помнить, что в конкретной ситуации его применение в дополнение к первым двум может оказаться вполне оправданным.

 

Пример 2. Не так страшен черт, как его малютка.

 

Склад и его малю грузооборот.

 

Всем хочется, чтобы склад переваривал максимальный поток при минимальных затратах людей и техники. Параметры практически идентичны приведенным выше с поправкой на специфику функций подразделения, поэтому просто перечислим.

 

Критерий 1.

Объем грузопотока за период, выраженный в весовых или объемных единицах — в зависимости от того, какой параметр является более критичным.

 

Критерий 2.

Частота появления позиции в отгрузочном документе.

 

Критерий 3.

Иногда необходимо вводить поправки, связанные с количеством отгруженных единиц продукта (например, если солидную долю в комплектации занимает штучный отбор).

 

 

Итак, попробуем что-нибудь с этим сделать. Для простоты и наглядности будем использовать Пример 1 и только два критерия — Доходность и Востребованность.

 

 

 

Вариант 1.

 

Предположим, мы уже умудрились сделать ABC анализ по каждому из критериев независимо. В результате для каждой товарной позиции мы получили ее место в рейтинге доходности и место в рейтинге востребованности. То есть каждая позиция может быть представлена в виде двумерного (в данном случае) вектора. Для наглядности нарисуем то, что получается:

 

Каждая точка — отдельная позиция, а у каждой позиции есть еще и две категории по разным анализам.

Первым естественным побуждением будет объединить это безобразие в матрицу 3х3 и получить 9 категорий товара.

 

Подход с одной стороны подкупает своей простотой реализации. Но с другой... Мы получили 9 групп. А если исходно делалось ABCD? А если мы хотим скомбинировать с XYZ? Фактически мы дискредитируем саму идею классификации номенклатуры на несколько (3-4) групп.

 

Вариант 2.

 

Будем объединять получившиеся клеточки в более крупные. Например, так:

 

Тогда мы получим искомые несколько групп — красная, зеленая, синяя. Или, по традиции, A, B, C.

Плохо то, что в этом есть отчетливый волюнтаризм и некоторая утеря простого жизненного смысла.

 

Вариант 3.

 

Чисто интуитивно есть желание порезать картинку по-другому. Например, так:

А вот здесь уже появляется тот самый простой житейский смысл, без которого так неуютно человеку принимать решения. Если вспомнить школьный курс математики, те границы, которые мы тут провели от руки, описываются уравнением

 

Const = ax + by

 

То есть мы вводим некий третий критерий, включающий в себя (комбинирующий) исходные. В данном случае два, но кто нам мешает добавлять третий-четвертый? Причем мы не могли использовать исходные критерии, так как в общем случае они имеют совершенно разную природу и, следовательно, разные единицы измерений. Просто не удастся сравнить штуки, рубли и килограммы. А вот рейтинг позиции (безразмерная величина) на промежутке [0;1] уже вполне можно сравнивать. Осталось только определиться с величинами a и b.

 

Заметим, мы здесь уже нигде не используем исходные категории по первоначальным критериям, мы взяли только числа нарастающего итога.

 

Одно условие лежит на поверхности: поскольку мы имеем намерение по полученному синтетическому критерию провести стандартный ABC анализ, лучше сразу условиться, что a+b=1. Хотя это условие вовсе не обязательно, просто так уж нам привычнее — видеть значения в промежутке [0;1].

 

Второе условие — определиться с соотношением коэффициентов. Мне в данном конкретном примере кажется, что доходность для меня важнее, чем востребованность, на 50%. Вот такая цифра с потолка. Главное, что мое мнение поддержали другие управленцы и акционеры в результате проведенной экспертной оценки.

 

Итак, наш синтетический критерий — рейтинг позиции в общей матрице =

0.6 * рейтинг_по_доходности + 0.4 * рейтинг_по_востребованности

 

Проведя ABCD анализ по введенному критерию, получаем такую картинку:

 

Каждой категории здесь соответствует свой цвет позиции.

 

Заключение.

 

Поскольку нет пределов совершенству, можно вспомнить про наше представление о позиции как о векторе и в качестве метрики использовать его длину:

Const = x2+y2

получим границы в виде дуги окружности

 

а можно к этому добавить и вес фактора:

Const = ax2+by2

получим границы в виде дуги эллипса.

 

В общем, метрик вектора можно придумать множество. Надо ли?

 


Всякая задача имеет простое красивое неправильное решение

 

Станислав Архипов,

Санкт-Петербург, апреля 23го числа, 2008г.

 

ABC анализ. Заботимся о пищеварении

...Вследствие этого, если хозяйка и выдаст на кушанье провизию по этой книге, легко может случиться, что кушанье будет не вкусно; не зная же настоящей причины этому, вина должна пасть на книгу, хотя совершенно несправедливо, поэтому и прошу, чтобы каждая хозяйка выбрала, хотя 2 — 3 кушанья и велела бы их приготовить под своим надзором, при соблюдении всего, что сказано в описании кушанья, и если бульон, приготовленный, как сказано выше, покажется ей довольно крепким, по ея вкусу и ея состоянию, тогда она уже может требовать от повара или кухарки, чтобы суп был постоянно так крепок.  (Е. Молоховец)

 

 

 

Отчего-то так получилось, что ABC-анализ считается едва ли не первейшим методом, чуть ли не аспирином в аптечке первой помощи в управлении запасами. Всеобщее забалдение от этой аббревиатуры приняло уже какой-то гротескный оттенок. Упоминание ее в резюме логиста - обязательный атрибут, любой анализ запаса начинают по завету печатных гуру с ABC. Только забавно потом слышать "ABC сделал, а ЧО дальше?" Оно и понятно, коли слепо исполнять методику, не особенно раздумывая, что она означает и какие выводы позволяет сделать.

Я лично вполне серьезно считаю ABC анализ профанацией серьезной работы в области управления запасами, потрепанной тряпкой, которую "массы" несут в виде знамени. Не замечая, впрочем, что на знамени этом за древностию лет уже нельзя разобрать ни одного знака, ни одной надписи. Однако, дабы быть последовательным, для начала мы sine ira et studio разберем по косточкам анатомию анализа и постараемся обратить внимание на смысл наших действий, а не единственно их математическую форму.

Может быть, у нас вместе и получится избавиться от несварения желудка при употреблении блюда, приготовленного по вычитанному где-то рецепту (см. эпиграф).

Анатомия ABC анализа

- Еда, Иван Арнольдович, штука хитрая. Есть нужно уметь, и, представьте себе, большинство людей вовсе этого не умеет. Нужно не только знать, что съесть, но и когда и как. (Филипп Филиппович многозначительно потряс ложкой.) И что при этом говорить. Да-с. Если вы заботитесь о своем пищеварении, вот добрый совет - не говорите за обедом о большевизме и о медицине. И, боже вас сохрани, не читайте до обеда советских газет.

- Гм... Да ведь других нет?

- Вот никаких и не читайте.

 

 

Итак, попробуем препарировать эту древнюю мумию под названием ABC анализ...

В математической формулировке ситуация описывается так. Пусть у нас имеется множество объектов, причем у каждого объекта имеется измеримый признак, так что существует однозначное отношение "объект - значение признака данного объекта". Здорово, правда? Мне тоже нравится, но хочется изначально быть ближе к реальности. Мы в этих заметках все-таки пишем не научную монографию, а пытаемся поговорить о сугубо прикладных вещах, не слишком сильно придерживаясь математической строгости.

Пусть у нас лучше имеется номенклатура товаров, у которых мы измерили доход, приносимый каждым отдельным товаром за определенный период. В зависимости от значения доходности нам бы хотелось работать с товаром по-разному, поскольку "все звери равны, но некоторые - равнее". Что понимается под словом "работать", мы будем разбирать немного позже, а пока важно то, что решения, которые мы принимаем, могут быть разными в зависимости от доходности позиции.

Сформулирую Утверждение, на которое я буду неоднократно ссылаться в дальнейшем:
ABC-анализ, как и любой классифицирующий механизм, появляется тогда, когда мы не в состоянии в реальном времени работать с каждым объектом индивидуально. Мы вынуждены вместо индивидуальных объектов рассматривать группы. В применении к нашей задаче это означает, что как только товаров у нас становится больше, чем мы в состоянии "обработать", так сразу мы вынуждены свести их к небольшому количеству групп, разбитых по нашему показателю. Затем наши решения будут применены к группе в целом.

Отсюда следует первое правило анализа: в зависимости от того, что понимается под словом "работать", должен выбираться и показатель, характеристика объекта. Скажем, при контроле состояния запаса доходность вполне может быть ключевым признаком, тогда как при складских операциях гораздо важнее грузооборот. Более того, в реальной задаче сплошь и рядом может быть несколько ключевых показателей, но это непринципиально, желающие могут почитать про ЭТО здесь.

Как только мы определились, что является показателем для анализа, отсортируем таблицу "объект - показатель" по убыванию последнего. Очевидно, что в начале таблицы для нас более важные объекты, в конце - менее. Но этот тривиальный вывод нам мало что дает в практическом смысле. Ведь наша задача - свести весь этот список к более-менее короткому. Например, мы не можем разместить весь свой прайс-лист в небольшом рекламном баннере, да это и бессмысленно - человек не может воспринять своим мозгом такое количество информации (заметьте, "мы" в данном случае - человек, "обработать" - оценить уровень цен), но чем-то похвастаться хочется. Поэтому возьмем и отрежем от полного списка верхушку - так любимый многими "топ-100". Заметим, что в качестве показателя мы здесь скорее всего выберем не доходность, правда?

Но это, конечно, не ABC. Мы лучше посмотрим на этот список немного под другим углом. Очевидно, что сумма дохода по всему списку даст нам суммарный доход. Однако вклад каждой позиции в списке не равноценен. Поэтому мы будем рассматривать добавку, которую дает каждая позиция к сумме всех предыдущих и нарисуем это безобразие нарастающим итогом.
 

Если пользоваться электронными таблицами, в итоге получим примерно следующее:

 

Вид данной кривой достаточно характерен. Эмпирически давно замечено, что какие бы объекты ни были взяты для анализа, какие бы показатели ни использовались, почти всегда кривая имеет подобный вид, если объектов достаточно много. Именно здесь корень известного правила Парето - "большую часть результата дает меньшая часть объектов".Часто даже называется пропорция - 20% / 80%. На этой идее и основывается ABC-анализ. Если взять часть списка, обеспечивающую 80% результата (дохода в данном случае), список позиций будет много короче и с ним "работать" имеет смысл более плотно (некоторые звери равнее, помните?). В классическом виде этого показалось мало, и эти 80% результата были также поделены на две части, например, по уровню 50%. В итоге весь перечень оказывается поделен на границах 50% и 80%, а чтобы формализовать результат, мы эти товары покрасим в разный цвет или пометим специальными буковками A,B,C, а в дальнейшем будем применять к ним разные политики управления.

Придется все-таки немного остановиться на выборе границ деления групп, ибо бессмысленные споры о едином способе нахождения этих значений ведутся постоянно. Споры эти сродни священному джихаду, при котором уже ни одна из сторон не помнит, зачем это нужно и каков же будет смысл результата войны. "Я дерусь потому, что я дерусь" - вполне достойная позиция и внушает уважение. Мое личное мнение - нет никаких канонических границ типа золотого сечения и нет соответствующих методов их "вычисления". Если вспомнить про то, что каждый анализ делается под определенную задачу, то оказывается, что под эту конкретную задачу лучше бы выбрать границы 20 - 50, а не 50 - 80 по совсем другим, житейским причинам. Так что эту тему мы здесь закроем, есть куча других мест, где ее периодически сладострастно пережевывают.

А пока для целей удобства и возможности сравнивать перейдем в нашей таблице к относительным величинам. Абсолютный номер позиции в списке заменим на шаг = 1/(всего позиций в списке), а доход нарастающим на его долю = (доход нарастающим) / (суммарный доход). Так мы получим и по горизонтали, и по вертикали диапазон значений от 0 до 1 и сможем делать отсечки в процентном выражении.
 

Теперь расставим метки по нашим границам - 50% и 80%:
 

Ну вот, собственно, на этом математические формальности заканчиваются. Теоретически далее учебники говорят нам о том, что теперь ко всей группе будут применяться одни и те же решения. А вот различия внутри группы будут абсолютно нивелированы и приниматься во внимание не будут. Индивидуальные показатели объектов теперь не существуют, мы потеряли эту информацию, преобразовав почти непрерывный спектр значений в дискретный:
 

В результате в моем примере оказалось, что разброс ключевого показателя в группе А составляет 34 раза, а разница между последним А и первым В менее 0.5%!
 


Я не возьму на себя смелость утверждать, что это однозначно плохо. В некоторых задачах классификация, даже такая грубая, очень помогает. Но следует все-таки отдавать себе отчет в той потере информации, которая происходит в рамках классификации. А также и в том, что сама идея перехода к нескольким группам даже ценой ошибки родилась в эпоху отсутствия технологий, позволяющих обрабатывать большие массивы информации. В ситуации, когда складская карточка - кусок картона в деревянном ящике, когда поднять статистику продаж и обсчитать ее на листке бумаги вручную - задача просто физически трудоемкая, волей-неволей начнешь жертвовать точностью ради экономии времени-денег. "За неимением гербовой придется писать на клозетной". Сегодня же в области управления запасами задач, при которых лучше огрубить данные, весьма немного. Если они вообще есть. Ибо сегодня в нашем распоряжении есть нечто получше, чем арифмометр "Феликс". Об этом поговорим в продолжении.

Заботимся о пищеварении. Мифы ABC анализа. Аперитив.

- Ново-благословенная? - Осведомился он.
- Бог с вами, голубчик, - отозвался хозяин. - Это спирт. Дарья Петровна
сама отлично готовит водку.
- Не скажите, Филипп Филиппович, все утверждают, что очень приличная -
30 градусов.
- А водка должна быть в 40 градусов, а не в 30, это во-первых, - а
во-вторых, - бог их знает, чего они туда плеснули. Вы можете сказать - что
им придет в голову?
- Все, что угодно, - уверенно молвил тяпнутый.

 

Ох, сколько разговоров и споров вокруг ЭТОГО! Между тем, если внимательно читать, можно заметить несколько характерных особенностей.
Во-первых, существующие рекомендации по использованию ABC анализа кочуют из одной книги в другую, из книг в статьи, из статей в обсуждения. Если пройтись частым бреднем по информационным просторам, оказывается, что львиная доля - просто переписывается одним автором у другого, подчас даже не заморачиваясь перефразированием.

В лучшем случае предлагается немного видоизмененный вариант все тех же не сильно гениальных рассуждений или предлагается вариант использования в данной конкретной ситуации.
Во-вторых, все это кажущееся многообразие на самом деле, если отбросить шелуху и оставить лишь голую суть, сводится всего к нескольким результатам, которых ждут от ABC анализа. Ну что ж, начнем разбираться с этими мифами о всеприменимости.

Миф первый.
Цитата: "чтобы выделить наиболее важные позиции ".

 

Замечательно. Цель, достойная мыслящего человека. Только мне бы хотелось обратить внимание на то, что как только мы выделили показатель объекта и стали считать его ключевым в нашей задаче, мы автоматически определили эти так называемые "наиболее важные". Хорошо, для наглядности можно "сортирнуть" это дело, сверху более важные, снизу - менее. Теперь нам говорят, что надо где-то провести границы. А зачем, спрошу я вас? Я вижу только одно объяснение: как только мы проведем границы и раскрасим товарный перечень, так сразу сможем отчитаться перед начальством или перед собой, что "ABC анализ проведен". Можно поставить галочку и взять с полки пирожок, а дальше-то что?
Вооот. Отчего и звучит этот вопрос с незавидной регулярностью, что цель подразумевает действие, которое будет осуществлено на основании анализа, а значит, вот это "чтобы выделить" не может быть целью, а лишь вспомогательным шагом для какой-то другой цели. Поэтому говорить тут боле и не о чем, цель эта - чистейший миф.
 

Заботимся о пищеварении. Мифы ABC анализа. Горячие закуски

Заметьте, Иван Арнольдович, холодными закусками и супом
закусывают только недорезанные большевиками помещики. Мало-мальски уважающий
себя человек оперирует закусками горячими.

 

 

 

 

Миф второй. Учет и контроль – вот главное, что требуется для «налажения», для правильного функционирования первой фазы коммунистического общества. (Ленин В.И.)

Вот это уже серьезно. Действительно, управлять чем-то невозможно, если не можешь контролировать, тут умница Крупский прав на все 100. В наших задачах слово "контролировать" является синонимом "измерять показатели". Второй миф ABC анализа основывается на простой, казалось бы, мысли: чем важнее объект, тем чаще и точнее нужно измерять. Возможно, это и так. В общем и целом мысль кажется непротиворечивой, но мы, как циники и отнюдь не легковерные люди, рассмотрим эту мысль в сугубо практической плоскости.
Начнем с небольшого теоретического отступления. Всякий (бизнес-)процесс имеет дело с двумя потоками - входящим и результирующим. В управлении запасами входящий поток почти исключительно информационный - состояние запаса, прогноз потребления, товар в пути, финансовый поток и т.д. Точность измерения параметров этого потока напрямую влияет на качество управления. На выходе процесса - управляющие воздействия (суть контрактов, ассортимент, поток заявок), в результате которых образуется склад с его содержимым, а это в свою очередь влечет за собой возможность и необходимость контроля (сиречь измерения) результатов работы. Давайте будем четко разделять эти два измерения, поскольку они служат совершенно разным целям: одно - для принятия решения по известным правилам, другое - петля обратной связи для оценки результата действия и при необходимости изменения этих правил.

С входного потока и начнем. Цитата:
Ежедневное обновление данных в базе данных. То есть для таких номенклатурных позиций необходимо использование системы с непрерывным обновлением данных о запасах.

Ну как, я повеселил? Нет, это не шутка, так и написано. Видимо, есть еще места на этой планете, где учетные системы работают не в реальном времени... А может это просто рудимент времен картонных складских карточек? Может быть, может быть. Во всяком случае, с этой рекомендацией я спорить не собираюсь, пусть используют ABC. Хотя чем оно поможет, если не знаешь реального состояния запаса?..

Цитата:
Для номенклатурных позиций класса A рекомендуются следующие правила.
Частая оценка прогноза и метода прогнозирования. Любой построенный прогноз несет некоторую ошибку. Чем дороже и дефицитнее номенклатурная позиция, тем дороже обходятся эти ошибки. Как следствие, данное правило означает внимательное отношение к методам построения прогнозов потребности в номенклатурных позициях, мониторинг точности реализации уже построенных прогнозов.

(Заметим, что это измерение в каком-то смысле смешанное - оно контролирует точность входных данных, но путем измерения промежуточного результата).
Очевидно, что для B и C все это делается как-то пореже.

Ну не знаю, я предпочитаю считать ошибку прогноза по всем позициям, а не по 20%. И делать это с периодичностью, равной составлению этого самого прогноза. В зале хор голосов: да он с ума спрыгнул, у нас тут тысячи позиций, нам на все времени никогда не хватит! Ясный пень не хватит, если использовать такой подход, как рекомендовано в цитате! - Каждый раз смотреть ошибку прогноза даже по паре сотен позиций - это мазохизм, а если точнее - совершенно бесполезная трата денег работодателя. А все потому, что мы давно не вспоминали Утверждение. Пока "мы" - человек с его ограниченными вычислительными возможностями, а "обработать" - оценить адекватность показателей по целому списку, без классификации никак. Я предлагаю немного другой путь. Для расчета по всей номенклатуре и предварительной фильтрации я буду задействовать компьютер, а человеку подсовывать уже отфильтрованный короткий список. Чтобы фильтровать ненужную информацию я задействую несколько иной вид классификации под названием "нормирование". В первом приближении будем считать, что пока позиция в каком-то смысле показывает хороший результат (показатель находится в установленных пределах), мы ее "в упор не замечаем". А в "список провинившихся" попадают только те позиции, которые вышли за рамки и требуют принятия мер. Такой подход под названием "контроль по отклонениям" позволит нам действительно ловить только проблемные позиции. Но для этого нужно правильно определить показатель для нормирования (оно же допуск в терминах контроля качества). Вот мой сценарий решения:

Поскольку очевидно, что издержки содержания запаса в основном определяются оборотом и точностью прогноза, именно эти два показателя будут использоваться как показатели качества прогнозирования. В приведенной выше рекомендации предлагается измерять точность прогноза для всей группы A по обороту, но мы, вспомнив аналогичную задачу про ABC анализ по нескольким критериям, нарисуем для наглядности картинку с двумя параметрами и отметим точки, соответствующие каждой позиции нашей номенклатуры.

В соответствии с рекомендацией "красная зона" выглядит так:

Недостаток такого подхода состоит в том, что насколько бы точно мы ни научились прогнозировать, все равно каждый раз нам предлагается просмотреть весь список А. Совершенно неэффективный способ. Из соображений здравого смысла разумней было бы определить красную зону как "имеющие оборот более, чем XX И ошибку более, чем YY":

Тут уже получше, можно сфокусироваться на исследовании действительно проблемных участков, список будет короче. Естественно, в выборе границ присутствует здоровый волюнтаризм, но об этом чуть позже, а пока заметим в скобках, что и в выборе границы группы сидит в точности такой же волюнтаризм. Однако мне больше нравится другой метод определения норматива. Я тут совершенно случайно вспомнил, что издержки приблизительно (весьма приблизительно, прямо скажем) пропорциональны обоим параметрам, а значит пропорциональны их произведению. Снова, как и в многокритериальном ABC, мы можем определить композитный показатель

(Оборот) * (Ошибка прогноза)

Тогда наша красная зона может быть описана областью (Оборот) * (Ошибка прогноза) > Норматив:

Все, что выше и правее этой гиперболы, попадает в виде отчета под ясны очи человеку.


Что в итоге? Мы нарисовали механизм контроля точности прогнозирования. При этом нигде не использовали Сочетание Из Трех Или Более Латинских Букв, да к тому же и сделали его более производительным и тонким.

И еще один важный момент. Данный механизм позволяет быть очень гибким. Как уже упоминалось, в варианте контроля по группе А мы вынуждены каждый раз просматривать один и тот же список полностью. В реальности же человек может быть ограничен ресурсом, поэтому норматив изначально выбирается таким образом, чтобы список можно было на самом деле обработать и принять решения (например, в отчет выдать лишь 50 позиций, не уложившихся в допуск). А далее есть варианты: либо мы начинаем укладываться в допуск и берем с полки пирожок, либо, следуя заветам Деминга, занимаемся непрерывным улучшением - постепенно ужесточаем норматив.

Заботимся о пищеварении. Мифы ABC анализа. Приступим к первому

Никанор Иванович налил лафитничек, выпил, налил второй, выпил, подхватил на вилку три куска селедки... и в это время позвонили, а Пелагея Антоновна внесла дымящуюся кастрюлю, при одном взгляде на которую сразу можно было догадаться, что в ней, в гуще огненного борща, находится то, чего вкуснее нет в мире, -- мозговая кость.

 

 

 
 
Миф третий.

Так называемые "политики управления".

Цитата:

Для номенклатурных позиций класса A рекомендуются следующие правила:
Необходимо принимать меры к сокращению цикла производства (продажи). Чем короче длительность цикла, тем ниже потребность в оборотных средствах.

Очевидно, здесь имеется в виду классификация по обороту. Мы люди грамотные, так что эта рекомендация de facto означает максимизацию оборачиваемости. Однако, как мы знаем, высокая оборачиваемость сама по себе отнюдь не означает максимальную прибыльность. Более того, оптимальная оборачиваемость определяется такими характеристиками, как стоимость размещения заказа, издержки хранения и замораживания средств, плановая наценка, штрафы непоставки и другие штрафы, план реализации и его точность. А вовсе не только оборотом и буквой, которую мы назначили этой позиции. Так что эта т.н. "рекомендация" - вредительство и саботаж, передайте это общему собранию.

Непосредственно к этой теме относится и следующая цитата:

Для номенклатурных позиций класса C сформулированы следующие правила:
Позиции класса C заказывают большими партиями и обычно держат на складе большой страховой запас. Крупные партии не влекут за собой существенных затрат, связанных с хранением запасов позиций класса C, поэтому имеет смысл экономить на подготовительных издержках, заказывая помногу.

Надо заметить, что примерно в половине источников присутствует прямо противоположная рекомендация: для класса C не нужно обеспечивать высокий страховой запас (и, как следствие, высокий уровень обслуживания). Давайте отнесемся снисходительно к таким, с позволения сказать, "разночтениям". Просто первую рекомендацию дают производственники, для которых срыв производства из-за недостатка предположительно дешевых комплектующих смерти подобен, а вторую - "торгаши", для которых стокаут по мало продающейся позиции погоды не делает.

В целом мы уже отметили, что размер страхового запаса определяется совсем не теми критериями, которые сюда притягивают за уши. Но вышеуказанное разночтение весьма показательно: если вспомнить, что штраф за недопоставку в торговле мизерный, то потеря прибыли в случае производства может многократно превышать любые издержки, связанные с хранением запаса дешевых комплектующих, так что на качественном уровне все очень похоже на правду. Однако нигде в этих рекомендациях не присутствует ответ на единственный практический вопрос: "большой", "высокий" - это сколько (в граммах)? То есть опять разговоры ни о чем, все равно придется либо волевым усилием назначить эти величины ДЛЯ ГРУППЫ В ЦЕЛОМ вне зависимости от всех прочих влияющих параметров, либо честно считать экономику определения оптимального страхового запаса.
Заметьте, даже привлечение сюда вдобавок к ABC еще и XYZ точно так же не спасает ситуацию, ибо мы тут тоже не знаем точных значений вариативности, а лишь "масть" позиции, ее букву в соответствии с собственными представлениями.

Миф четвертый.

Инвентаризация.

Цитату приводить не буду, суть в следующем: для группы A текущая инвентаризация должна делаться чаще, для C - реже. Видимо, подразумевается, что в группе A как правило более дорогие позиции и контролировать их наличие лучше бы почаще. Помимо того, что предположение о стоимости ммм... несколько спорно, будем все же считать, что средний запас на складе все-таки сильно коррелирует с оборотом по позиции. В денежном выражении, разумеется. Тогда такая политика инвентаризации кажется достаточно осмысленной, однако и тут есть недостатки. Во-первых, как уже было замечено, разброс показателя внутри группы A у нас составил 34 раза, так что возникает крамольная мысль, а не логичнее ли все-таки почаще считать самую "голову"? Во-вторых, возникает систематическая проблема, когда всем прекрасно известно, что когда будет пересчитываться, а, значит, возникает латентная почва для злоупотреблений.

Попытаемся побороться с обоими недостатками, заодно вычеркнув из головы всякие латинские буквы. Мне лично крайне импонирует идея случайного выбора позиций для текущей инвентаризации. Вторая проблема сразу исчезает как класс, никто не знает, как выпадут кости. Но чтобы решить заодно и первую проблему, мы сделаем специальные кости, со смещенным центром тяжести, так, чтобы позиции с более высоким рангом выпадали чаще. Причем тем чаще, чем выше их персональный ранг. Поясню на примере, взяв лишь 6 первых позиций из нашей тестовой номенклатуры, дабы сохранить аналогию с костями:

На графике мы нарисовали по горизонтали весь доход, полученный от продажи этих 6 позиций, но каждая позиция занимает часть отрезка, пропорциональную ее вкладу. Теперь если мы сгенерируем случайное число из отрезка [0;Суммарный доход], мы попадем в область, принадлежащую одной из позиций. А так как функция RAND гарантирует равномерное рапределение результата на интервале, то частота попадания в область будет прямо пропорциональна ее размеру, а, значит, нашему ключевому параметру - доходу. Таким образом, мы одним выстрелом убиваем двух зайцев - существует вероятность проверки любой позиции в любой момент, но вероятность тех, кто "равнее" - выше, причем прямо пропорционально показателю.


Справка. Функция RAND является встроенной не только в электронные таблицы, но и в любой язык программирования. В 1С она тоже есть, так чта... ABC нам здесь напрочь не нужен, мы сделали все в полностью автоматическом режиме и гораздо изящней.

Заботимся о пищеварении. Мифы ABC анализа. Пожалуйте горяченького

- Слуга покорный,- трубил Амвросий,- представляю себе твою жену, пытающуюся соорудить в кастрюльке в общей кухне дома порционные судачки а натюрель! Ги-ги-ги!.. Оревуар, Фока! - и, напевая, Амвросий устремлялся к веранде под тентом.
Эх-хо-хо... Да, было, было!.. Помнят московские старожилы знаменитого Грибоедова! Что отварные порционные судачки! Дешевка это, милый Амвросий! А стерлядь, стерлядь в серебристой кастрюльке, стерлядь кусками, переложенными раковыми шейками и свежей икрой? А яйца-кокотт с шампиньоновым пюре в чашечках? А филейчики из дроздов вам не нравились? С трюфелями? Перепела по-генуэзски? Десять с полтиной! Да джаз, да вежливая услуга! А в июле, когда вся семья на даче, а вас неотложные литературные дела держат в городе, - на веранде, в тени вьющегося винограда, в золотом пятне на чистейшей скатерти тарелочка супа-прентаньер? Помните, Амвросий? Ну что же спрашивать! По губам вашим вижу, что помните. Что ваши сижки, судачки! А дупеля, гаршнепы, бекасы, вальдшнепы по сезону, перепела, кулики? Шипящий в горле нарзан?! Но довольно, ты отвлекаешься, читатель! За мной!..

 

Что ж, пора перейти к контролю по обратной связи. Помните, мы говорили про информационные потоки? Вооот. Мы как-то работали, получился результат в виде существующего на данный момент запаса. Хорошо бы оценить его "качество" как показатель качества нашей работы.

Миф очередной.
Со счета я сбился, поэтому ну его. Опять же цитировать не буду, объясню суть.

Для контролирующего уровня ситуация стокаута по любой позиции - это нехорошо. Но всем понятно, что контролер не сможет, да и не должен разбираться с каждым таким случаем. Нам необходим более крупный показатель качества стока, оценка ситуации "в целом". А если мы завязываем на это какие-то мотивационные схемы - и тем более.

В примитивном варианте можно регулярно делать снимок склада и вычислять долю позиций, находящихся в ситуации out of stock. В каком-то смысле это будет показателем. Я думаю, недостатки такого индикатора (который, кстати, называется уровнем обслуживания 1-го рода, помните?) лежат на поверхности. Один из недостатков - случайность момента снятия остатков - может быть легко устранен. Стоит лишь взять эти остатки не на текущую дату, а за какой-то промежуток времени и усреднить, как мы этот элемент случайности убираем.

Однако в любом случае остается другой недостаток - то, что это "средняя температура по больнице".
Неплохо бы учесть неравенство позиций в матрице. И тут часто всплывает... правильно, ABC анализ. Предлагается сделать его по той же прибыльности (в крайнем случае, по обороту, если прибыль посчитать не можем) и затем измерить уровень обслуживания отдельно по каждой из групп. Это лучше? Безусловно, кто б спорил. Главное - считать прибыль за достаточно большой период, дабы нивелировать прошлые стокауты. Только получается, что мы сделали кучу работы, а полностью недостаток опять не устранили - стокаут по позициям, которые отличаются в 34 раза, оценивается по-прежнему одинаково.
К тому же теперь нам вместо одного норматива придется контролировать три, значит, возникает множество, мягко выражаясь, нюансов. Скажем, если мы привязываем мотивацию закупщика к такому нормативу, как оценивать такой результат:

A - норматив +1%
B - норматив -4%
C - норматив +10%

С такими цифрами я сразу представляю споры на тему "хорошо или плохо" в стиле "Ханумы"
- Да у нее же одна нога короче другой!
- Зато другая длиннее. Намного длиннее!!!

Этак придется придумывать дополнительно еще какую-нибудь хитрую формулу, которая оценит ситуацию интегрально. Типа "1% группы А соответствует 5% группы Б". Почему такое соотношение, никому непонятно, но так порешили, цифры ровные и красивые.
В результате схема мотивации окончательно перестает быть прозрачной для исполнителя, и значит на мотивации можно ставить крест. Если не хуже.

Возникает вопрос, а за шо рубились? Не правильнее ли будет изначально создавать показатель, который даст интегральную оценку? Как обычно, про латинские буквы я забуду.
В самом первом примере мы для каждой позиции i создали показатель
δi = 0, если отсутствует
δi = 1, если присутствует
а затем расчитали долю присутствующих в общем числе

Пусть я получил 95%. Что это означает? Лично для меня практически ничего. Ну да, 95% позиций имеются в наличии, а о чем это говорит с точки зрения бизнеса, то бишь денег? Только если все позиции продаются достаточно часто и равномерно, это видимо каким-то образом влияет на лояльность клиента - если поднять эту цифру, лояльность в дальней перспективе вырастет. Но уж как-то это все смутно...

Хотелось бы более "монетарного" смысла. Поэтому для каждой позиции i я буду учитывать ее рейтинг Ri. Мне кажется, в данном случае правильно в качестве рейтинга взять именно прибыль. Тогда для каждой позиции показателем будет служить δiRi, где δi имеет тот же смысл, что и ранее. Очевидно, что это произведение имеет четкий смысл - это прибыль, приносимая позицией в том случае, если она присутствует. Теперь я расчитаю интегральный показатель как

Пусть я опять получил 95%. Что это означает? О, вот тут вполне все понятно, особенно если обратить внимание на знаменатель - общую прибыль за период. Эта цифра с большой точностью приближения (опять же, если мы брали большой период, когда доля стокаутов по всем позициям не сильно отличается) описывает уровень обслуживания 2-го рода, т.е. при сохранении текущей ситуации мы будем напрямую терять приблизительно 5% прибыли из-за неудовлетворенного спроса.

ABC анализ. Заботимся о пищеварении. Перемена блюд.

 

- Ну - с, Кузьма Павлович, мы угощаем знаменитого артиста! Сооруди сперва водочки... К закуске чтобы банки да подносы, а не кот наплакал.
- Слушаю-с.
- А теперь сказывай, чем угостишь.
- Балычок получен с Дона... Янтаристый... С Кучугура. Так степным ветерком и пахнет...
- Ладно. Потом белорыбка с огурчиком...
- Манность небесная, а не белорыбка. Иван Яковлевич сами на даче провешивали. Икорка белужья парная... Паюсная ачуевская - калачики чуевские. Поросеночек с хреном...
- Я бы жареного с кашей, - сказал В. П. Далматов. -
Так холодного не надо-с? И мигнул половому.


 

 

А продолжим-ка мы разговор про контроль по обратной связи. Надеюсь, уважаемый читатель еще не забыл, о чем речь. В предыдущей заметке мы посмотрели на контроль по снимкам запаса и разбирались с интегральным показателем качества этого самого запаса. Однако ту же проблему неплохо бы "покрутить" под другим углом.

Дело в том, что даже при стабильной общей картине отдельные позиции в матрице с течением времени смещаются. Какие-то начинают приносить больше прибыли, а какие-то - меньше. Это нормальная ситуация, причин может быть множество. Нам бы хотелось отлавливать ситауции, когда такие смещения являются неслучайными, обусловленными сдвигами рынка. Из общих соображений кажется, что сигналом такой неслучайности может быть в каком-то смысле "сильное" смещение. Таким образом, наша задача сводится к механизму определения, что же считать сильным смещением, дабы начинать реагировать. Попробуем с помощью Гиляровского порешать эту задачу, стараясь не сильно переедать.

- Так, а чем покормишь?
- Конечно, тестовскую селянку, - заявил О. П. Григорович.
- Селяночку - с осетриной, со стерлядкой... живенькая, как золото желтая, нагулянная стерлядка, мочаловская.
- Расстегайчики закрась налимьими печенками..
- А потом я рекомендовал бы натуральные котлетки а ля Жардиньер. Телятина, как снег, белая. От Александра Григорьевича Щербатова получаем-с, что - то особенное...
- А мне поросенка с кашей в полной неприкосновенности, по - расплюевски, - улыбается В. П. Далматов.
- Всем поросенка... Да гляди, Кузьма, чтобы розовенького, корочку водкой вели смочить, чтобы хрумтела.
- А вот между мясным хорошо бы лососинку Грилье, - предлагает В. П. Далматов.
- Лососинка есть живенькая. Петербургская... Зеленцы пощерботить прикажете? Спаржа, как масло...
- Ладно, Кузьма, остальное все на твой вкус... Ведь не забудешь?

Миф опять же очередной.
ABC анализ позволяет позволяет контролировать изменение структуры сбыта.

 

Делается это так. Проводится стандартным образом ABC анализ, неважно, одно- или многомерный. Мы для простоты будем считать, что делаем одномерный анализ по прибыли, для нескольких измерений ничего не меняется. Естественно, чтобы засечь сдвиги, анализ делается на регулярной основе и результат фиксируется. По каждой позиции анализируется, не изменила ли она свою буковку. Ой, простите, группу. Если поменяла, это считается тем самым сильным сдвигом. Конечно, тут есть варианты. Можно, например, считать, что переходы B<->C не являются критическими и не обращать на них внимания.

Думаю, те, кто читал предыдущие части, уже понимают, насколько ущербен такой подход. Как говорят математики, тут зарыта вероятность двух типов ошибки.
Первая - сдвиг произошел, но мы его прозевали, поскольку буква не поменялась. Возвращаясь к нашим тестовым данным, мы можем вспомнить, что пока позиция "плавает" в пределах с 1-й по 247-ю, при этом меняя прибыль в 34 раза, она все еще остается в группе А, так что мы этого не заметим.
Вторая - не было никакого сдвига, позиция просто располагалась близко к границе групп и при малейшем дуновении ветерка переехала. Такой вариант, конечно, не так страшен, но нам придется потратить на его рассмотрение время-деньги, более того, вся эта команда приграничных позиций будет постоянно свинговать туда-сюда, отвлекая нас от действительно нужных занятий. Сразу вспоминаю одного начальника, который по подобному поводу уверенно провозгласил "ну и пусть разбираются, один хрен дурью маются!" Пусть его, мало кто из больших начальников имеет несмутное представление о нашей деятельности. Мы лучше попытаемся создать методику, работающую более эффективно и одновременно требующую меньших затрат.

В тот же миг два половых тащат огромные подносы. Кузьма взглянул на них и исчез на кухню. Моментально на столе выстроились холодная смирновка во льду, английская горькая, шустовская рябиновка и портвейн Леве No 50 рядом с бутылкой пикона. Еще двое пронесли два окорока провесной, нарезанной прозрачно розовыми, бумажной толщины, ломтиками. Еще поднос, на нем тыква с огурцами, жареные мозги дымились на черном хлебе и два серебряных жбана с серой зернистой и блестяще - черной ачуевской паюсной икрой. Неслышно вырос Кузьма с блюдом семги, украшенной угольниками лимона.

Начали попервоначалу "под селедочку".
- Для рифмы, как говаривал И.Ф. Горбунов: водка - селедка.
Потом под икру ачуевскую, потом под зернистую с крошечным расстегаем из налимьих печенок, по рюмке сперва белой холодной смирновки со льдом, а потом ее же, подкрашенной пикончиком, выпили английской под мозги и зубровки под салат оливье...

Как и ранее, повторим первый этап ABC-анализа, т.е. отсортируем по ключевому показателю, перейдем к нарастающему итогу и относительному положению каждой номенклатурной позиции. В итоге мы опять же для каждого товара получаем две "координаты" - X% положение товара в рейтинге и Y% доли в прибыли:

 

А теперь мы не будем расставлять буковки, а вместо этого начнем фиксировать и контролировать любой из этих показателей (а то и оба). С точки зрения "подобия ABC" следует контролировать координату X, однако из рисунка видно, что в этом случае наиболее чувствительными к отклонению будут как раз позиции, находящиеся в конце списка, т.е. наименее доходные. Поэтому с точки зрения эффективности логичнее контролировать как раз Y, т.е. саму доходность. Далее процесс очевиден: необходимо директивно ввести в компании нормативы на отклонение и правила реакции персонала на превышение этих нормативов. К примеру, можно считать, что изменение показателя Y в пределах 5%, не считаются критическими и не требуют принятия мер.

 



Что же получается? Мы отказались от кучи работы по выполнению второй фазы ABC анализа. При этом, что характерно, оградили себя от тех самых двух ошибок, суть которых изложена выше. Ну и куды бедному крестьянину податься, когда ему со всех сторон твердят про всемогущество ABC анализа?..

После каждой рюмки тарелочки из-под закуски сменялись новыми... Кузьма резал дымящийся окорок, подручные черпали серебряными ложками зернистую икру и раскладывали по тарелочкам. Розовая семга сменялась янтарным балыком... Выпили по стопке эля "для осадки". Постепенно закуски исчезали, и на месте их засверкали дорогого фарфора тарелки и серебро ложек и вилок, а на соседнем столе курилась селянка и розовели круглые расстегаи.

- Селяночки-с!..

И Кузьма перебросил на левое плечо салфетку, взял вилку и ножик, подвинул к себе расстегай, взмахнул пухлыми белыми руками, как голубь крыльями, моментально и беззвучно обратил рядом быстрых взмахов расстегай в десятки узких ломтиков, разбегавшихся от цельного куска серой налимьей печенки на середине к толстым зарумяненным краям пирога...

Bullwhip Effect или эффект хлыста

А давайте-ка мы поговорим об этом известном феномене. Хоть и говорилось о нем немало, но в нем содержится целый набор характерных нюансов цепочек поставок, целый букет фокусов и проблем. На этом примере очень хорошо видны ключевые моменты управления, которые должен понимать и учитывать менеджер при планировании.

Итак, что же это такое, Bullwhip Effect?

 

Суть его состоит в том, что если рассматривать движение товара по цепочке, можно заметить, что даже небольшое колебание спроса на ее конце приводит к бОльшему колебанию на вышестоящем уровне. И чем дальше мы продвигаемся от конца цепочки, тем больше становится размах этого колебания. Если рассмотреть цепочку из 4х уровней, где нулевой — это тот, который обслуживает конечного клиента, то характерная картина процесса будет такой:

 

Каковы же внутренние причины такого поведения?

Возьмем простейший пример:
1 магазин, текущий запас 1000 ед., прогноз продаж 1000 ед. за период.
1 поставщик, текущий запас 1000 ед.
суммарное время реакции поставщика — 3 периода.

Тогда сбалансированный план будет выглядеть следующим образом:

 

Предположим, что в этот момент по каким-то причинам меняется спрос — становится 500 ед. Тогда магазин в течение 4 периодов не будет заказывать вообще. Сравним заказы, поступающие на эти два уровня:

Даже на таком совершенно выхолощенном примере видно, что размах колебания спроса увеличивается. И даже становится понятной причина — наличие ненулевого времени реакции, причем чем больше это время, тем больше эффект.

Обычно при классическом изложении сути эффекта на этом и останавливаются. Я же категорически не согласен с такой формулировкой. На самом деле, если вдуматься, эффект имеет две причины, причем основная — это прежде всего ошибка в прогнозе. Если бы мы спрогнозировали снижение спроса заранее (критическая точка — момент изменения спроса минус время реакции), то и такого колебания не возникло бы. Таким образом, эффект пропорционален величине ошибки прогноза, накопленной за время реакции системы, фактически пропорционален обеим этим величинам.

Другая фундаментальная причина эффекта — отсутствие прозрачности всей цепочки, ситуация, при которой любой из участников ориентируется лишь на поступающие заказы и не может оценить реальность других уровней и выбрать оптимальную линию поведения. Оптимальную с точки зрения всей цепочки в целом, я подчеркиваю.

А далее мы будем играть. В интересную игру, изобретенную в Massachusetts Institute of Technology где-то в 60х годах 20го века. Уж не знаю, из каких соображений они выбрали именно такое название, но называется она

The beer distribution game

 

Правила игры.

Играют 4 участника:

0.Магазин
1.Оптовик
2.Дистрибьютор
3.Производитель

По условиям управляющий любым уровнем ориентируется только на поступившие заказы, собственный запас и товар в пути, другой информации (о состоянии запаса и планах партнеров) у него нет.

Игра представляет из себя, как сказали бы сейчас, пошаговую стратегию. Считается, что после поступления к вам заказа требуется время на обработку информации, расчет потребности и выдачу заказа вышестоящему уровню. По условиям игры это занимает один ход. Это задает скорость информационного потока. Встречный материальный поток также движется с определенной скоростью — на доставку требуется 1 ход и на приходование/обработку/размещение требуется еще один ход, так что суммарная скорость движения товара — два хода между соседними уровнями.

На каждом шаге считаются общие издержки содержания цепочки:
Стоимость хранения единицы товара везде одинакова и составляет 0.5 условного лаптя (далее — улап). Штраф за недопоставку составляет 1 улап за единицу товара.

Цель игры — минимизировать совокупные издержки при заданном (но неизвестном участникам!) поведении спроса конечных потребителей.

Стандартный сценарий игры:
25 ходов обычно достаточно для показательных результатов
начальные значения у всех уровней одинаковые:
запас — 12 ед.
в пути — 1 транспорт (4 ед.) с временем прибытия на следующем ходу и 1 траспорт (4 ед.) под разгрузкой на складе.
Заказ — 4 ед.

а теперь запускаем процесс: спрос конечных потребителей — по 4 ед. в первые 5 ходов, далее по 8 ед. Не забываем, что эта информация игрокам неизвестна!

Первые 5 ходов дают игрокам базис для составления прогноза — скользящее среднее по 5 точкам — вполне нормальный метод. Также формируются мнения о величине требуемого страхового запаса, так что уже здесь возможны попытки откорректировать поток.
Но после изменения величины спроса появляется простор для комбинаций. Далее мы рассмотрим данные, полученные в результате 200 игр с реальными участниками.

Типичные результаты представлены на графиках

В компьютерном варианте игры в качестве партнеров можно также использовать «роботов» - они управляют запасами по заранее оговоренному сценарию. Например, прогноз составляется по скользящему среднему, а страховой запас вычисляется по стандартному отклонению.

Но наилучшей практически во всех публикациях объявляется стратегия, при которой поступивший заказ попросту транслируется наверх без изменений. В этом случае картинка выглядит так:

То есть полное отсутствие стокаутов, начиная с некоторого шага запасы отсутствуют (просто JIT какой-то получается!).

Не давайте себя запутать! Как авторам публикаций о Bullwhip effect, так и ведущим всяческих семинаров. Заметьте, как подобраны исходные данные для игры. Ошибка прогноза составляет 4 ед., что при умножении на время реакции в 3 хода дает в точности 12 ед. начального запаса. Измени хоть одну цифру или модифицируй входной поток заявок от конечного потребителя — и вся эта «стратегия» летит ко всем чертям. Я уж не говорю о том, что работать без страхового запаса — это надо знать, что дальше все будет абсолютно ровно.

Но вернемся к анализу. На рисунке показаны некоторые результаты (совокупная стоимость в пересчете на одного игрока) команд только людей и команд с участием роботов.

По оси X отложена стоимость хранения, по оси Y — штраф за недопоставку. Поскольку результат игры — сумма этих цифр, серая линия показывает прямую одинаковых результатов.

Лучший результат, как мы уже говорили, показал компьютер — 228 улап.

Результаты с участием людей как правило лежат в пределах 600-900. Впрочем, зафиксирован рекорд в 4000 улап. Причем, чем больше людей в игре, тем результат хуже. Каковы же причины того, что люди в целом показывают худшие результаты, чем роботы? Исследователи отмечают две крайние тенденции «улучшательства», которые четко видны:

  • Человек использует стратегию, которую исследователи назвали «тихая гавань». При такой стратегии человек систематически заказывает больше, чем реально нужно, увеличивая страховой запас. Это приводит не просто к увеличению запаса у себя, но и к увеличению заказов по всей цепочке, а в случае недостаточности на верхнем уровне — к уплате штрафа за этот дополнительный «жирок»
  • Другая крайность, которую назвали «паника». Человек сильно сокращает запасы на первом этапе, а как только спрос вырастает, в цепочке начинается паника — страхового запаса-то нет, заказы наверх производятся в большом объеме, а там к росту объемов не готовы. Результат тот же.

Излишне говорить, что подобное поведение влияет на всю цепочку, поэтому мы наблюдаем плохие результаты также и в «смешанных» командах (оранжевые точки).


Итак, каковы же причины возникновения эффекта хлыста? Перечислим их еще раз

  • Наличие времени реакции системы - как времени прохождения информации по цепочке, так и времени прохождения материального потока
  • Ошибки в прогнозе потребления
    • в том числе увеличение страховых запасов из-за ошибки прогноза
    • в том числе из-за неучета промоактивности (распродаж, рекламных мероприятий) — увеличение размаха колебаний
    • увеличение размаха колебаний из-за существования минимальных партий поставки
    • увеличение размаха колебаний из-за ажиотажного спроса в период отсутствия товара у поставщика (и частой отменой заказов после появления такого запаса)
  • Отсутствие общей информации о состоянии цепочки

Устранение или минимизация влияния этих причин поможет по крайней мере уменьшить влияние Bullwhip effect. Самое большое влияние, конечно же, имеет последний пункт. Единое информационное пространство, в котором находятся партнеры по цепочке обеспечения поставок, позволяет выиграть всем.
 

XYZ и другие буквы алфавита

Не будьте слишком мудрыми,
но будьте мудрыми в меру.

кажется, апостол Павел.

В данной статье мы попытаемся сделать обзор применения XYZ-анализа в задаче планирования запасов. Этот документ не является учебным пособием по проведению анализа, предполагается, что читатель знаком с техникой. Автор имеет намерение показать некоторые аспекты, которые далеко не всегда рассматриваются писателями учебников, и, тем не менее, имеют непосредственное отношение к практическому применению. Для достижения цели я попытаюсь взять реальные данные о продажах и сделать несколько вариантов анализа.

Итак, вспомним, зачем это делается. Постановка задачи:

Common

Нам нужно определить такой размер поставки, чтобы с определенной вероятностью не допустить снижения проектных остатков товара ниже нуля. С этой целью мы должны знать два числа:

  1. Наиболее вероятную величину потребления за время реакции системы.
  2. Оценку величины разброса потребления за время реакции системы (между точкой заказа и моментом соответствующей ей поставки).

Нарисуем пилу запасов в виде графика скорости потребления:

Основная причина применения анализа — существование неопределенности потребления запаса. Очень важно отметить для себя: неопределенность — случайность, вариативность спроса, причины которой нам неизвестны. Природа этой неопределенности связана с недостаточностью наших знаний о процессе, невозможностью учета всех факторов, влияющих на потребление. Поэтому единственный подход, который мы имеем возможность применить — статистический. Мы пытаемся вычислить величину вариативности и предполагаем, что эта величина сохранится в будущий период на весь горизонт прогнозирования. На основе такого предположения мы будем планировать величину своих страховых запасов, чтобы обеспечить целевой уровень обслуживания. Определение последнего находится за рамками данной статьи, да и на практике задача управления запасами получает эту величину в качестве входного параметра.

Стандартный подход в оценке неопределенности состоит в предположении, что кривая распределения, изображенная на рис.1, представляет из себя нормальное распределение. А значит разброс значений проще всего описывать коэффициентом вариации. Как мы можем узнать его величину? Единственное, что у нас есть, это имеющиеся наблюдения цикла пополнения, уже случившиеся в прошлом — история продаж как она произошла. Следовательно, взяв достаточно много таких циклов (если весьма теоретически, то чем больше, тем лучше), мы получим выборку значений величины спроса за длину нашего цикла (очень важно, оно же - время реакции системы!) и после статистической обработки получим значения среднего и среднеквадратического отклонения этой выборки.

Обозначения.

(1) среднее значение генеральной совокупности

(2) среднее значение выборки

(3) среднеквадратическое отклонение генеральной совокупности

(4) среднеквадратическое отклонение выборки

Лирическое отступление.

Остановимся немного подробнее на этих двух парах формул. Изложенное в этом абзаце носит сильно теоретический характер, так что те, кому неинтересны тонкости мат. статистики, могут не читать.

Дело в том, что первая пара описывает свойства процесса как такового, все его возможные варианты (генеральная совокупность). В том числе и те значения, которые произойдут в будущем. Вторая же пара порождена данными, которые мы имеем в результате наших измерений (выборка). Например, при анализе продаж это цифры продаж за тот период, который нам доступен. Но эти цифры, которые мы получили — всего лишь один из возможных исходов, который реализовался в жизни.

Гипотетически же продажи могли получиться другими, с другими результатами. Продажи, которые случатся в будущем, нам также неизвестны. Наша задача — получить из имеющихся цифр оценку именно первой пары, так как наш прогноз будущего должен опираться именно на природу, внутренние закономерности процесса. Фактически мы должны описать все возможные пути течения процесса как в прошлом, так и в будущем и их вероятности. Так вот, теория утверждает, что несмещенной оценкой отклонения генеральной совокупности является именно (4). Или, говоря простым языком, внутренняя, присущая природе процесса вариация точнее описывается формулой (4). Мне, к сожалению, не удалось найти в литературе освещения данного вопроса, как правило применяется формула (3), что на мой взгляд не совсем корректно.

Вывод 1. Поскольку n всегда заметно больше 1, разница в итоговых значениях представляет интерес только для теоретиков.

Вывод 2. Поскольку значения вариативности, по которым будут проводиться границы категорий, все равно будут назначаться методом экспертного волюнтаризма, нет никакой разницы, какую формулу использовать.

Вывод 3. Если Вы используете Excel, формуле (3) соответствует функция СТАНДОТКЛОНП, формуле (4) — СТАНДОТКЛОН.

Предварительные замечания.

Если мы еще не забыли, нас интересует разброс значений на длине периода, соответствующем времени реакции системы. Поскольку для всех продуктов, рассматриваемых в статье, срок реакции системы поставок составляет приблизительно 1 месяц, мы выгрузили продажи из Информационной Системы, просуммированные помесячно. Кроме того, поскольку специфика бизнеса такова, что количество рабочих дней сильно колеблется от месяца к месяцу, внося дополнительный вклад в случайную составляющую, при экспорте данных продажи были отнормированы по количеству рабочих дней в месяце. К примеру, разброс может составлять от 18 до 25 рабочих дней, значит сумму продаж каждого месяца мы поделим на количество рабочих дней — фактически перейдем к среднедневным. Заметили? Мы сделали первый шаг по очистке наших данных, выделив неслучайную (известную нам) компоненту и тем самым уменьшив вариацию ряда. Ну и, исходя из врожденной паранойи, были сделаны кое-какие преобразования (все ряды были умножены на количество пятен на Солнце, наблюдавшихся Пулковской обсерваторией в ночь с ноября по март 1986г., а затем умножены на случайное число в промежутке [0;1E-5] в случайной степени [1;10] ), так что значения ряда выражены в условных табуретках.

Приступим, пожалуй.

Пример 1. Топор.

Возьмем данные о продажах 11 продуктов и рассчитаем коэффициенты вариации, как нам предписывают учебники:

(5)

Табл.1

В последнем столбце мы наблюдаем коэффициенты вариации. Как видим, значения далеки от тех, которые мы встречаем в качестве рекомендуемых для разбиения. Я, конечно, не буду скрывать, что выбор пал именно на эти продукты не случайно. Но отнюдь не оттого, что именно у них сильные колебания продаж, честное слово. Но об этом чуть позже.

Теперь еще немного рассуждений. Вспомним, о чем мы говорили вначале. О том, что мы пытаемся оценить непредсказуемость поведения временного ряда. Что эта фраза означает с точки зрения прогнозирования? Попытаемся поточнее сформулировать задачу, которую мы решаем. У нас есть временной ряд продаж. На основе этого знания мы хотим предсказать поведение этого ряда «на хоть сколько-нибудь приличный срок». Для решения этой задачи мы делаем как минимум следующие предположения:

  1. поведение ряда продаж описывается моделью
    где - известная нам функция
    - шум, результат влияния неизвестных нам факторов
  2. поведение ряда в будущем будет описываться той же моделью

Заметим, что всегда

,

Наша задача — оценить величину статистической ошибки, то есть фактически оценить соотношение и и каким-то образом усреднить по всем данным.

Рис.3

Существует множество вариантов оценки ошибки, но все они, по большому счету сводятся к измерению относительного отклонения факта от модели. Например, абсолютная процентная ошибка MAPE:

Теперь посмотрим, что мы сделали в примере 1. Фактически, мы задали

Рис.4

теперь я хочу оценить ошибку такой модели. Для оценки ошибки вместо X(t) возьмем f(t)
и вместо суммирования модулей просуммируем квадраты, а потом извлечем корень. Тогда наша ошибка будет выглядеть так:

Вот ведь! Оказывается в качестве параметра, оценивающего вариативность, мы использовали коэффициент вариации ряда X:

(7)

Почему мы выбрали именно такую оценку? Причин несколько, помимо того, что «имеем право». Во-первых, коэффициент вариации — понятие насквозь знакомое. Во-вторых, он интуитивно понятен и действительно адекватно отражает ширину распределения. В-третьих, мы свели вычисления к двум простым функциям, к тому же имеющимся в любом математическом или статистическом пакете.

Переводя на нормальный язык, мы в этом примере предполагаем, что продажи в будущем будут колебаться вокруг среднего значения X с вариацией, которую мы рассчитали на основе наших измерений. Все, можно садиться и решать, какие значения страховых запасов мы будем планировать для каких вариаций. К примеру, в соответствии с принципами XYZ анализа мы можем ввести категории

  • X — до 50%
  • Y — до 80%
  • Z — все, что выше

и для каждой категории определим величину страхового запаса. Или скомбинировать с результатами ABC и сделать двумерную матрицу страховых запасов.

Решение задачи «как определить границы категорий и какие правила им сопоставить» так же оставим за скобками, это отдельный разговор.

Частное определение.

Мне кажется, что полученные значения коэффициентов вариации достаточно велики, чтобы создавать соответствующие им запасы. А ведь это к тому же одна из наиболее стабильных групп товара в имеющейся номенклатуре и при этом достаточно финансовоемкая, чтобы было за что бороться. Очевидно, что если «улучшить» модель (подобрать вид функции, более адекватно отражающий поведение реальных данных), удастся уменьшить величину шума и сократить необходимый страховой запас.

Рис.5

Но это потом, а пока

Пример 2. Долото.

Немного маркетинга, или почему компьютер не может управлять запасами.

Вспомним, что отобранный для примера товар неслучаен. Дело в том, что все перечисленные позиции de facto обладают одной потребительской стоимостью. В том самом, изначальном значении этого термина — по Марксу — как «способность удовлетворять какую-либо человеческую потребность». То есть все они предоставляют один и тот же функционал, отличаясь лишь моделями и/или брендами. Для нас отсюда следует важнейший вывод: модели/бренды как в прошлом, так и в будущем ротируются, но суммарный уровень потребления должен быть достаточно предсказуем.

Что ж, берем сумму продаж по всем позициям, повторяем вычисления и получаем:

Табл.2

Итак, мы пришли к выводу, что в состоянии прогнозировать потребление лишь группы в целом, а уж как она «попилится» - это уже вопрос не математики, а маркетинга — как распределится реклама, кто из вендоров сменит линейки, кто какую ценовую политику изберет и т.д.

С другой стороны, мы все равно получаем довольно грустную цифру вариации спроса. Увы, в очередной раз приходится признать, что прогнозирование без участия человека невозможно. Поэтому сделаем то, с чего на самом деле должен был начаться наш анализ. С качественного рассмотрения веселых картинок (закройте лишние сайты, я про другие картинки!). Вот суммарные продажи нашей группы:

Рис.6

Теперь понятно, почему выбор в качестве модели среднего значения дает такую большую вариацию. Применение такой модели даст предположительно хороший результат лишь для стационарного процесса. Или, говоря простым языком, без выраженного тренда и сезонности. Я намеренно только теперь показал график продаж. Слишком уж часто люди пользуются готовой формулой, не утруждая себя пониманием, что же они на самом деле рассчитывают. Именно это мы сделали в первых двух примерах. А теперь попробуем улучшить модель, понимая, чем нас не устраивает простейшая.

Пример 3. Бронебойный (из пушки по гусям).

На основе поведения временного ряда и знания особенностей бизнеса и товара, я готов выдвинуть гипотезу:

В качестве модели поведения следует попытаться выбрать модель с линейным трендом и мультипликативной сезонностью.

Внимание! Здесь просто необходимо отвлечься от наших баранов и посмотреть на вопрос с более высокой колокольни. Почему я выбрал именно эту модель поведения? Потому, что я помню категорический императив прогнозирования — никакая составляющая модели не может быть использована, если мы не можем объяснить ее применение на уровне здравого смысла(хотя мне больше нравится выражение «физический смысл»), касается ли это формы сезонности или влияния внешнего фактора. В данном случае консультации с нужными специалистами дали мне следующую информацию:

  1. Общий товарооборот компании растет приблизительно линейно. Несмотря на то, что некорректно отображать впрямую на отдельную группу, в качестве рабочей гипотезы принимаем линейный тренд.

  2. Товар по своей природе имеет сезонность, связанную с температурой окружающей среды. Естественно предположить, что чем больше клиентская база (см. п.1), тем больше размах сезонных колебаний. Принимаем мультипликативную сезонность с 12ю периодами в году.

Рис.7

Здесь мы видим результат моделирования с помощью экспоненциального сглаживания по алгоритму Холта-Винтерса (Holt, Winters).

Нет, я вовсе не призываю использовать пакеты статистического анализа каждый раз, когда нужно нарисовать план продаж. Я реалист и прекрасно понимаю, что это физически невозможно, да и неоправданно в связи с дикими трудозатратами (именно в такой последовательности, невозможно — это еще не повод отказываться). Другой вопрос, если у вас в наличии имеется специальный софт, способный за пару минут построить эти прогнозы по всем сотням тысяч рядов (такой в природе есть, уверяю вас). Здесь эта картинка по двум причинам. Первая — просто в качестве красивой иллюстрации, если угодно, из любви к искусству. Вторая — одним из результатов метода является вычисление наиболее вероятных коэффициентов сезонности. А вот это уже результат, вполне ценный с практической точки зрения:

Табл.3

В результате мы имеем профиль сезонности продукта (цифра — мультипликатор в процентах)

Рис.8

Почему это для меня так ценно? Мне не хочется возиться с реальной моделью и делать нестандартные расчеты — для этого понадобится писать хоть какой-то код обработки, будь то отдельная программа или макрос в Excel'е. Я имею намерение путем преобразования ряда продаж привести его к стационарному и вновь использовать арифметику, изложенную в примере 1. Для этого я сначала уберу влияние сезонности, разделив (напомню, у нас мультипликативная модель, для аддитивной пришлось бы вычитать) реальные значения на коэффициенты сезонности. Теоретически я получу нечто, близкое к прямой. Затем я подберу тренд, отражающий поведение этой прямой и вычту его из данных, очищенных от сезонности. Вот тогда уже я получу ряд, являющийся стационарным, который я буду оценивать по коэффициенту вариации.

Важно отметить, что единожды полученный профиль сезонности не требуется корректировать каждый раз, поскольку он является характеристикой, свойством продукта. Его достаточно аккуратно рассчитать (определить иным способом, хоть экспертным) один раз, хранить и использовать. В случае нашего продукта пока влияние глобального потепления не сильно сказалось на профиле. Оценка тренда — вещь гораздо более изменчивая, поскольку зависит от тенденции рынка и нашей доли на нем, так что учет этого гораздо более трудоемок. Но есть и хорошие новости. У нас стоит задача относительно краткосрочного планирования, а на малом горизонте влияние тренда как правило настолько невелико, что им можно просто пренебречь. Исключение составят лишь продукты, находящиеся на начальном участке жизненного цикла. Hо в этом случае сам метод планирования будет совсем другим, так что этот вопрос мы оставим в стороне, обсудим его в другой раз. А пока займемся сезонной декомпозицией наших баранов.

Табл.4

Видим, что после сезонной декомпозиции вариация уменьшилась, но все равно остается на высоком уровне. Понятно, почему:

Рис.9

Как видим, ряд отнюдь не является стационарным.

Попробуем очистить данные от тренда. В качестве оценки используем общее приращение на всем объеме наблюдений. Подсказка для тех, кто любит использовать Excel или аналогичные продукты: нужно вычислить приращение объема продаж относительно предыдущего значения, а затем вычислить среднее значение полученных разностей. Это нам даст наклон линии тренда, причем сразу в абсолютных единицах (на картинке - T0). Затем над рядом, очищенным от сезонности, провести обратную операцию — вычитание на каждом шаге полученной добавки. Примерно так:

Табл.5

Результат:

Табл.6

Пример 4. Снайперский.

Уже хорошо, но мы тут упустили один момент. Обратим внимание на рис.9. Весьма заметен перелом ситуации в районе конца 2004г. Чтобы убедиться в этом, посмотрим на график скорректированных данных:

Рис.10

Действительно, имеется излом тренда. Бросаем нашу арифметику и идем общаться с нужными людьми. Действительно, выясняется, что в это время началось бурное развитие сбытовой сети. Значит, реально нам бы следовало строить 2 тренда, до и после. Поэтому при корректировке мы попробуем использовать лишь данные начиная с 2005г. Фактически мы признаем, что более ранние данные — не более, чем преданья старины глубокой, существовашее тогда бизнес-окружение более недействительно, поэтому мы не имеем права использовать те данные для предсказания процесса в будущем.

Табл.7

Табл.8

Теперь можно составлять прогноз, используя нашу модель. Из (7) следует

Заметим, что для модели, использованной в примере 1,

Поскольку мы задали в качестве тренда нашей модели прямую, соединяющую первое и последнее значение, это условие в нашем случае выполнено не будет, мы получили т.н. смещенную модель — ее среднее значение не совпадает со средним значением ряда продаж. Для того, чтобы получить несмещенную модель, мы должны были провести тренд таким образом, чтобы абсолютная сумма всех отклонений X(t)-f(t) оказалась равна нулю. Кроме того, можно было подобрать тренд с точки зрения, например, минимальности среднеквадратической ошибки, тогда мы бы еще улучшили модель и получили меньшую ошибку. Но меня уже устраивает полученная цифра, а корректная линейная аппроксимация потребует дополнительных вычислений, на которые я просто больше не хочу тратить времени. Аминь.

В качестве оценки ожидаемых продаж на январь 2008г. используем простое среднее плюс среднее значение шума модели - 124641.47. Теперь добавляем тренд — 3398.56, предполагая, что он сохранится. Затем умножаем результат на коэффициент сезонности января — 1.10. Результат -

(124641.47 + 3398.56) * 1.10 = 140844.

Попробуем оценить доверительный интервал полученного прогноза. К примеру для уровня надежности 99% уровень продаж составит не более 157227 (NORMINV(0,99;140844;0,05*140844)). Отсюда можно планировать уровень страхового запаса.

Строго говоря, это корректно если предположить как минимум

  1. нормальность распределения
  2. неизменность дисперсии ряда — гомоскедастичность
  3. отсутствие автокорреляции остатков

Ой. совсем забыл, о чем идет речь. Мы ведь говорили про XYZ. Ну давайте присвоим какую-нибудь букву. Например, X, поскольку для коэффициента вариации значение 0.05 — это очень мало. И в соответствии с неким соглашением назначим для всей группы X правило формирования страхового запаса. Вне зависимости от действительной величины вариации. Что ж, можно и так.

 


Заключения.

Какой вариант правильный? Любой. Просто не надо забывать, чем они отличаются и пользоваться, имея это в виду.

На каком шаге остановиться? Не знаю. Тогда, когда улучшение точности приносит меньше пользы, чем тратится сил. Единственное, что можно сказать с уверенностью — рассчитать профили сезонности имеет смысл в любом случае и по возможности точно. Даже и без оценки вариативности спроса это понадобится для определения ожидаемой цифры продаж, используя только простой метод прогнозирования типа экспоненциального сглаживания (к тому же в таком методе можно не сильно заботиться о трендовой корректировке). Да и делать это нужно едва ли не единожды в жизни, причем профиль как правило распространяется на большое число позиций.

Единственный это путь? Нет. Если бы у меня не было возможности определить профиль сезонности указанным способом, я бы пошел совсем другим путем. Сначала очистил бы данные от тренда. Например, путем сравнения средних по годам. Затем определил бы примерную сезонность путем усреднения показателей по каждому месяцу за несколько лет. Будем считать это домашним заданием.

Честно говоря, меня сильно удивляет итоговая цифра. Она подозрительно мала. А может это оттого, что мало кто (и я в том числе) и редко идет до такой степени очистки исходных данных от влияния известных факторов, относя это влияние к случайности? Не знаю.

Не нужно бояться объема вычислений. Львиная доля их поддается автоматизации, а по ночам компьютеры обычно не спят. Нужно только заботиться о том, чтобы результаты вашей работы по очистке данных не оставались в вашей личной табличке, а хранились в информационной системе — вам спасибо скажут («я успеваю улыбнуться, я видел, кто придет за мной»).


Всякая задача имеет простое красивое неправильное решение

Удачи вам всем,
Станислав Архипов, Санкт-Петербург, февраля 21го числа, 2008г.

Все права принадлежат автору. Никакая часть статьи не может быть использована в какой-либо форме без письменного разрешения.

Задача об эскалаторе или чем еще отличаются две столицы.

Дело в том, что Ваш покорный слуга достаточно часто по делам посещает белокаменную и волей-неволей замечает некоторые отличия от дождливого Питера. Шут с ними, бордюрами/поребриками, это лишь терминологические заморочки, сегодня речь пойдет о некоторых стереотипах поведения homo sapiens.

Стоя в "пробках" при входе на эскалатор, имеешь некоторое время для отвлеченных размышлений, и в очередной московской очереди я задумался над очевидным различием. Дело в том, что в Питере на подъем эскалатор забивается в два ряда, а в Москве стоят только в правом ряду, оставляя левый для поднимающихся пешком. И попробуйте только встать слева, услышите о себе некоторые интересные вещи - если не словесно (москвичи - очень культурные люди), то уж взглядом точно.

И тогда я подумал, что это вообще неплохая учебная задача. Есть логистический канал со своими характеристиками, было бы интересно просчитать его пропускную способность при разных стратегиях использования. Давайте прикидывать физические параметры канала. Порывшись (неглубоко, надо сказать) в инете, я взял следующие значения:
Характерная длина эскалатора - 100м.
Скорость движения лестницы может варьироваться 0.5-0.75, но оценка 0.66 м/с вполне правдоподобна, да и цифры покруглей получаются.
Первый результат - время подъема 100/0.66=150 с.

Теперь будем топать ножками. Даже если Вы - хорошо тренированный человек, выдержать среднюю скорость на всем протяжении подъема более, чем 1 ступенька в секунду, Вам вряд ли удастся, пусть это будет ~0.3 м/с.
Второй результат - время подъема 100/0.96=104 с, то есть мы экономим 46 с. Заметим, что при этой стратегии москвич экономит от силы полторы минуты за весь путь на работу. Критично? Что ж, готов поверить...

Но давайте все же оценивать пропускную способность. Для начала расставим грузовые единицы справа в один ряд. Как известно, каждая единица занимает ровно две ступеньки или ~0.6 м. При таком грузопотоке канал пропускает через себя 0.66/0.6=1.1 чел/с.
При "питерской" схеме через канал движется максимум два таких потока параллельно, то есть результат - 2.2 чел/с.
При "московской" схеме остается один поток, но параллельно с ним движется поток поднимающихся. Каково расстояние между ними? Давайте прикидывать. По моим наблюдениям, подъем ножками выбирает от силы каждый двадцатый пассажир. Хорошо, будем закладываться по максимуму, пусть будет каждый десятый. Тогда расстояние оказывается 2 ступеньки * 10 человек = 12 м. Отсюда интенсивность этого потока (0.66+0.3)/12 = 0.08 чел/с, а общая пропускная способность - 1.18.

Вывод 1. В метрополитене работают неглупые люди, раз дежурные по станции везде просят пассажиров на подъеме вставать в два ряда.
Вывод 2. Как и в случае автомобильных пробок, мы частенько сами их и создаем.

Зачем нужны Распределительные Центры? игрушечный case study.

Сегодня я решил заняться раскрытием великой тайны. Зачем сетевые структуры используют схему поставок с распределительными центрами?
Ответы в стиле "так все делают", или же более круто-изящное "that's of the best practices" меня обычно не устраивают в силу благоприобретенного цинизма и врожденной мизантропии. Впрочем, те, кто почитывает мои опусы, уже давно в курсе.

Поэтому я решил сесть с калькулятором в руках, да и посчитать, что происходит с системой хотя бы на уровне размера хранящихся запасов.

Постановка задачи.

Меня в данном случае интересуют вещи достаточно общего плана, что откуда в принципе берется, поэтому я взял простейшую двухуровневую схему с одним РЦ и несколькими магазинами. Причем магазины расположены относительно близко друг к другу, во всяком случае, гораздо ближе, чем расстояние до поставщика.

Будем рассматривать два варианта топологии - когда каждый магазин снабжается от поставщика независимо, и когда в регионе покрытия ставится РЦ, через который идет весь поток. Для определенности я выбрал следующие параметры модели (мне они показались очень похожими на реальность):

  • поставки от поставщика происходят раз в 30 дней (log.cycle)
  • разброс по срокам поставки ±4 дня, что соответствует примерно СКО=2 (sl)
  • заявку на поставку я должен разместить не позднее, чем за 10 дней до даты оприходования, так что срок реакции составит 40 дней (ml)
  • эти условия не меняются при "вставке" РЦ в цепочку
  • прогноз спроса в магазине 100 ед/день (mq)
  • СКО спроса в день 50 ед (sq)
  • поставки в магазин с РЦ осуществляются ежедневно (log.cycle=1)
  • развозка РЦ-магазин осуществляется всегда вовремя (sl=0)
  • время реакции звена РЦ-магазин составляет 2 дня (ml=2)
  • коэффициент страховых k_SL=2.5

Вот результат:

 

Как видим, при данных параметрах экономия наблюдается, и весьма заметная. Однако при других параметрах суммарный запас вполне может вырасти, так что можно себе задать вопрос "а зачем все это?" Тут весь фокус в том, что запасы, даже если они увеличиваются, по большей части начинают храниться не в магазине, а на РЦ, где собственно стоимость хранения может оказаться сильно меньше.

Отдельный вопрос - изменение структуры и стоимости транспортных потоков. Это вообще вопрос отдельного рассмотрения, суммарные затраты могут как вырасти, так и упасть.

Если внимательно поразглядывать формулы и поиграться с параметрами цепочки, можно сделать несколько выводов.

  • чем больше количество магазинов, тем выгоднее РЦ
  • чем больше уровень сервиса, тем выгоднее РЦ
  • чем дальше поставщик от рынка сбыта, тем выгоднее РЦ
  • чем дороже площадь в магазине, тем выгоднее РЦ

 

Минимальная оборачиваемость товарных активов

Одной из важнейших задач в управлении запасами считается достижение максимально возможных показателей оборачиваемости товарных запасов. Попробуем разобраться, что же это означает на самом деле и какие величины оборачиваемости являются минимально возможными для бизнеса.

Итак, предположим, что у нас имеется небольшой кусочек денег, который мы хотим вложить в дело и желательно при этом получать прибыль. То есть для нас задача на самом деле ставится именно как «заработать с вложенного рубля не ниже XX копеек». Нет, XX мало, пусть будет XXX. С точки зрения математики выражение будет выглядеть как

(1)

где Д — сумма прибыли, которую мы хотим получать за период,
К — вложенный в этот период капитал,
r — минимально устраивающий нас коэффициент рентабельности. Как определяется r, мы здесь обсуждать не будем — вариантов море, в зависимости от имеющегося капитала и состояния рынка кредитования в нашем окружении.


Наш капитал в общем случае раскладывается на основной (издержки функционирования структуры за период: зарплаты, аренды, амортизация и пр. и пр.) и оборотный (непосредственно вложения в товар)

(2)
 

Для дальнейшего расчета нам необходимо знать структуру наших инвестиций. Будем считать, что доля оборотного капитала в общей сумме составляет



                   ( )


Тогда      

Доходность нашей деятельности имеет в активе сумму торговой наценки, полученную за период, а в пассиве — стоимость денег:

 


, где - торговая наценка, V – реализация за период в учетной себестоимости, - стоимость денег.

Небольшое замечание. В данном случае я сознательно не включаю в пассив издержки «обслуживания запаса» - считаю их условно-постоянными (то есть отнесенными к основному капиталу). К этому вопросу мы еще вернемся.

И еще. Под стоимостью денег можно понимать разные цифры. Если у вас имеется возможность неограниченного кредита — видимо, нужно брать кредитную ставку. В реальности же всегда нужно брать стоимость альтернативного инвестирования — вне зависимости, готовы ли у вас купить эти деньги или есть возможность инвестировать их в другое дело или товар.


Неравенство сводится к  

С другой стороны, наш оборотный капитал можно представить как

X – собственно средний за период товарный запас,
Кред — средняя за период кредиторская задолженность,
Деб — средняя за период дебеторская задолженность,
баланс задолженности БЗ= Кред-Деб

(3) 

что характерно, все эти выражения безразмерны и имеют четкий физический смысл

есть не что иное как оборачиваемость

есть не что иное как коэффициент привлеченных средств

  есть не что иное как рентабельность оборотных средств


В качестве иллюстрации для параметров = 0.35 и =0.05 построим диаграммы зависимости оставшихся трех параметров при разных значениях БЗ.

Все это работает только на макроуровне – даже вплоть до товарных сегментов, сиречь номенклатурных категорий, то есть пока мы можем считать издержки по обслуживанию запаса условно-постоянными. Это выполняется для крупных сегментов, поскольку от ротации номенклатуры внутри таких сегментов практически ничего не меняется. При спуске же на уровень номенклатурных единиц все становится запутаннее. Если мы хотим определить норматив оборачиваемости для данной конкретной единицы, как минимум необходимо учитывать факторы

  1. Ограничения (прежде всего по объему).

  2. Корреляция (влияние наличия одной позиции на V другой).

  3. Уровень обслуживания (частота продаж).

Кроме того, если на макроуровне мы знаем уровень затрат (мы его ввели как капитал Косн), то определить долю затрат на содержание единицы продукции представляется весьма затруднительным.

Об этом мы поговорим в следующей серии...

Оборачиваемость, средний запас...

Оборачиваемость, средний запас...

А почему мы эти вещи вообще рассматриваем как одни из основных показателей? Попробуем разобраться.

На самом деле полезно почаще вспоминать о том, что сами по себе эти цифры ничего не говорят об эффективности управления запасами. Потому что управление запасами — 'it's all about money'. Деньги — вот единственный и универсальный измеритель, а отнюдь не килограммы, штуки, кубометры, паллеты и прочие грузоместа. Так что пусть меня простят те, кто гордо себя величают «логистами», логистика — это несколько шире, нежели задача коммивояжера.

Поэтому, как серьезные люди, пойдем с самого начала — от денег. Как уже писалось ранее, в товар мы вынуждены инвестировать какие-то суммы и хотим с них получить максимальную отдачу.

Давайте сделаем два предположения, которые на практике недалеки от истины.
Первое — в целом по компании инвестиции в запас с течением времени меняются крайне медленно и в весьма небольших пределах. Одни товары продаются, другие поставляются, сумма остатков "в среднем по больнице" постоянна даже в пределах товарных групп. Несмотря на то, что запас каждой отдельной позиции меняется быстро и в широких пределах, освобождающиеся деньги сразу же реинвестируются в другую продукцию (на самом деле не сразу, но об этом чуть ниже). Таким образом, размер инвестиций в каждую конкретную позицию можно заменить средним значением ее запаса в деньгах — Инвестиции = S (Средний запас) * c (себестоимость). Еще более точным такой подход становится, если брать достаточно большой период усреднения.
Второе — для любого товара Прибыль = r (коэффициент наценки) * c (себестоимость) * V (объем продаж). Тогда наш показатель
 

где Tоборачиваемость, отношение объема отгрузок к среднему запасу.

Более того, я бы заметил, что в среднем по товарной группе размер наценки обычно примерно одинаков. Это позволяет часто делать анализ не на уровне отдельных товаров, а на группе. Ниже мы рассмотрим, как это делать.

Из формулы видно, что увеличение оборачиваемости — прямая задача управления запасами. Поскольку на r мы повлиять можем в весьма небольших пределах — цена на рынке ограничивает нас с одной стороны, а с другой — это получение минимальной себестоимости за счет лучших входных цен и уменьшения операционных издержек (логисты, привет!).
Однако отметим для себя, что все-таки сама по себе оборачиваемость ни о чем не говорит, важно именно произведение rT. Так что если при анализе мы встречаем две позиции с сильно разной оборачиваемостью, мы не будем спешить и размахивать шашкой. Еще не факт, что плохая оборачиваемость означает плохое управление.

Теперь попробуем разобраться, как же нам посчитать эту самую оборачиваемость. С объемом продаж все понятно, это факт, данный нам в объективных ощущениях учетной системой. Так что тут разночтений почти не возникает. Другое дело — средний запас. Пусть мы хотим посчитать средний запас на промежутке времени [t1;t2] и знаем, что динамика запаса была такой:

Задача нахождения среднего запаса состоит в том, чтобы найти такое значение x0, что площадь под кривой запаса в точности совпадает с площадью под средней линией x=x0. Отсюда формула

Таким образом для вычисления среднего запаса нужно измерить площадь под кривой запаса. В частности, для расхода с постоянной интенсивностью:

площадь под кривой на промежутке полного цикла пополнения =
(t2-t1)*страховой запас + (t2-t1)/2 *рабочий запас, а

средний запас есть сумма страхового и половины рабочего запаса - правило, постоянно звучащее, но не всегда выполняемое.

Конечно, если потребление неравномерно, такая простая формула уже не работает:

В реальности, в отличие от математики, есть два момента, почему в чистом виде использовать эту формулу нельзя.
Первый момент состоит в том, что мы физически не можем непрерывно измерять величину запаса. Можем только снимать значение с какой-то разумной периодичностью, а значит измерять будем не совсем точно:

Тогда для N измерений среднее значение приблизительно равно

Из картинки видно, что теоретически чем чаще мы будем снимать показания, чем точнее будет результат. Но тут возникает

Второй момент. Мы не занимаемся теоретическими изысканиями. Мы в данном случае оцениваем замороженные в запасе деньги. Таким образом, нам неважно, что запас в следующую секунду уменьшается — мы все равно не сможем этими деньгами воспользоваться мгновенно. Во всяком случае, для стандартной компании, работающей с реальными товарами, абсолютно все равно, как ведет себя товар в течение дня — воспользоваться этими деньгами мы сможем лишь на следующее утро, когда будем печатать платежки. Поэтому максимально точным и наиболее правильным для нас будет ежедневное снятие остатков. Для биржи или банковского сектора ситуация может быть иной, но нас это не интересует.

Итак, в идеале для оценки оборачиваемости запаса мы должны иметь дневные остатки и дневные отгрузки. Тогда мы в состоянии расчитать оборачиваемость за произвольный период времени

Для регулярного анализа нам только остается установить то количество дней, за которые мы будем усреднять. Очевидно, это определяется той характерной скоростью, с которой оборачивается наш товар. Подавляющему большинству достаточно оценивать оборачиваемость на месяце. Нужно только установить для компании стандарт — например, 28 дней или 30 дней в месяце. Помимо всего прочего, это хорошо согласуется с характерным периодом планирования и бюджетирования.

Но мы пойдем дальше. Что если у нас цикл планирования 1 месяц, а товар таков, что оборачивается как правило 1 раз в три месяца (T~1/3)? По соображениям здравого смысла нам бы следовало взять большой период усреднения, иначе мы рискуем не захватить достаточное количество отгрузок и само понятие усреднения теряет свой смысл. Посмотрим повнимательнее на формулу. При достаточно больших N сумма отгрузок растет приблизительно пропорционально N (длине периода измерения). Совершенно аналогично ведет себя и сумма остатков, а значит T/N — приблизительная константа, характеризующая наш поток. Если мы снимали значения запаса ежедневно, эту дробь можно назвать «среднедневная оборачиваемость». И физический смысл ее как раз в этом — отношение Среднедневных отгрузок к Среднедневным остаткам, но при этом усреднение делалось на большом промежутке времени. Пример.

У меня есть товар, который вел себя в течение года следующим образом:
в запасе держалась 1 единица.
Отгружался клиентам 4 раза за год по 1 шт.
каждый раз после отгрузки в течение пяти дней запас был нулевым.

Тогда

N=365
Сумма отгрузок = 4
Сумма остатков = (365-4*5)*1 = 345 (средний запас = 345/365)

Годовая оборачиваемость = 365*4/345 ~ 4.23
Среднедневная оборачиваемость = 4/345 ~ 0.012

Более того, как только я посчитал среднедневную оборачиваемость, я могу в любой момент пересчитать ее в любой период. К примеру, среднемесячная оборачиваемость по данной позиции в предположении 30-дневного месяца будет

T/N*30 ~ 0.35 (ну да, примерно раз в три месяца, как и предполагалось).

Однако вернемся к нашему универсальному измерителю, а то мы увлеклись техникой расчета. То бишь зачем все это было надо? Есть искушение контролировать управление запасами по такому простому показателю, как оборачиваемость.

Я не хочу в регулярном режиме разглядывать в лупу оборачиваемость по каждой отдельной позиции. Мне нужно «уменьшить размерность задачи». Для этого я вижу два пути. Первый — информационная система считает по всем позициям величину rT и строит для меня график/таблицу, отсортированную по возрастанию. Я могу таким образом сконцентрироваться на верхней части таблицы и сформулировать какие-то меры по улучшению ситуации. Еще более радикальный подход — определить норматив для величины rT и в текущем режиме обращать внимание только на те записи, которые выходят за рамки.

Второй подход будет ближе тем, кто любит делать классификации.

Возьмем всю номенклатуру компании и распишем

Теперь поделим всю номенклатуру на группы с близкими значениями r. Как уже говорилось в начале, очень часто внутри товарных категорий норма рентабельности одинаковая, так что для такой группы можно написать

В числителе мы видим объем продаж по всей группе в деньгах, а в знаменателе — средний запас по группе в деньгах. Дробь таким образом суть Оборачиваемость по группе:

Поскольку групп скорее всего будет не так много, мы можем для каждой группы (читай «для каждого R») определить нормы оборачиваемости и следить за ними уже на уровне групп. Но для совсем уж высокого начальства и такой уровень детализации может оказаться излишним. Для уровня директората видимо вообще интересна единственная интегральная цифра. Вернемся к соотношению

Проанализировав историю продаж и остатков по всей компании, я могу получить цифры:

тогда Средняя рентабельность по компании

Средняя оборачиваемость по компании

Тогда и в целом по компании можно написать

а если теперь предположить, что показатель R с течением времени изменяется очень медленно (что почти всегда выполняется, см. начало статьи), то для руководства достаточно контролировать среднюю оборачиваемость по больнице. И если показатель выходит за рамки норматива, требуется спуск на детальные уровни — группы и отдельные позиции.

Но еще раз обратим внимание, что это только при практически постоянном известном значении средней по больнице рентабельности. Ну и при практически постоянных кредиторской и дебиторской задолженности — см подробности. Так что при данных условиях контроль по оборачиваемости вполне может применяться, главное — не забывать об ограничениях.

Оптимальный размер заказа в стиле fashion

Залача, которую мы здесь будем решать — определение оптимального размера заказа. Но в данном случае это будет не классический EOQ (Economic Order Quantity), который решался Уилсоном. В классической постановке de facto решается задача оптимизации периода между поставками, или, что то же самое, оптимизация рабочего запаса.

Сейчас же мы поставим другое условие. Будем считать, что переходящих остатков быть не может. Все, что мы не продадим в течение этого периода, в следующем продано быть не может или будет продано с весьма значительными потерями.

Классический пример такой задачи - «задача газетчика». Я должен определить, сколько экземпляров газеты мне следует заказать для продажи. Понятно, что на следующий день эти газеты никому не нужны или в лучшем случае я их сдам в цветочный павильон по копейке за пучок. Так что создавать большой запас — серьезно пролететь. С другой стороны слишком малый заказ приведет к тому, что газет не хватит и прибыль будет недополучена. Моя задача — найти некий компромисс, создать стратегию, при которой в долгосрочной перспективе моя прибыль будет максимальной.

Другие близкие примеры — торговля скоропортом и всякие модные товары с коротким жизненным циклом, когда размер коллекции нужно определить до того, как. И потом уже с поезда не соскочишь.

Итак, наша картинка динамики запаса внутри периода выглядит примерно так:

здесь

S — искомый размер закупки
S0 — матожидание спроса за период
z — два варианта траектории запасов
f(z) — плотность вероятности рапределения спроса за период

Начнем оценивать наши потенциальные потери. Как известно, матожидание случайной величины Z(z) есть

Количество непроданного товара составляет (см. рисунок)

0, если z>S
(S-z), если z<S

Количество товара, которого не хватило, составляет (см. рисунок)

0, если z<S
(z-S), если z>S

Пусть h — потери от одной оставшейся в конце периода газеты,
d — недополученная прибыль на нехватку одной газеты,
r — стоимость кредитования на покупку одной газеты за весь период, тогда полная функция потерь

Для нахождения минимума этой функции нужно решить уравнение L'(S)=0

Для данного случая решение уравнения выглядит как

где F(S) — интегральная функция распределения спроса за весь период.

Попробуем прикинуть на примерчике. Поскольку я не знаю, сколько стоят газеты (лет 15 не покупал), будем торговать хлебом.

Цена закупки 20р
Цена продажи 28р
Остатки на следующий день я смогу пристроить на свиноферму по 16р
Стоимостью денег на таком коротком промежутке я буду пренебрегать

h=20-16=4
d=28-20=8

F(S)=0.67

Пусть дневной спрос распределен по нормальному закону с параметрами S0=300, σ=50.
Тогда, пользуясь таблицей значений функции Лапласа, находим соответствующее значение аргумента

S=322.

А теперь попробуем осмыслить результат. При данном распределении спроса нам наиболее выгодно (принесет максимальную прибыль) закупать ежедневно 322 штук. И это при том, что рассчитываем мы продать 300. Эти 22 — не что иное, как страховой запас, который мы создаем на случай увеличения спроса. И размер его мы определили, соотнеся риски потерь при колебаниях спроса в ту или иную сторону.

Из этой математики видно, что при высоких штрафах за непроданные остатки страховой запас может оказаться отрицательным, т.е. мы сознательно должны планировать дефицит как наиболее выигрышную стратегию. Это происходит при условии F(S)<0.5. В частности, если не учитывать стоимость денег, это произойдет при h>d. Если предположить, что у нас нет под боком свинофермы в нашем примере,

h=20-0=20
F(S)=0.29
S=272


Ну и напоследок. Мы рассматривали очень короткий период, когда стоимостью денег можно пренебречь. Но как только мы начинаем заниматься fashion industry, где длина функционального цикла составляет 6-12 месяцев, без этого уже не обойтись.

to be continued...

 

Продолжаем считать оптимальный страховой запас

Итак, продолжим рассмотрение задачи нахождения оптимального запаса.

Попытаемся учесть не только штрафы за превышение срока годности продукта, но и полную стоимость обслуживания запаса.

 

Будем считать, что периодичность поставок у нас определена. Каким способом, нас в данной задаче не интересует. Это может быть по объективным условиям, как в задаче газетчика, когда газеты выходят ежедневно вне зависимости от желаемой для нас экономики. Это может быть определено условиями контракта с поставщиком по другим причинам. В конце концов, мы могли оценить желаемый период исходя из наиболее дешевого для нас варианта методом, аналогичным расчету Вилсона. Одним словом, общее время реакции системы поставок для нас задано.

Пусть по-прежнему
S — искомый размер запаса после поставки
S0 — матожидание спроса за период
z — два варианта траектории запасов
f(z) — плотность вероятности рапределения спроса за период

Здесь мы постараемся усложнить нашу задачу. В задаче газетчика мы рассматривали три вида потерь, которые мы несем

потери, связанные с остатками непроданного товара в количестве

потери из-за упущенной прибыли, связанные с нехваткой запаса в количестве

потери, связанные с кредитованием бизнеса и общими операционными затратами, которые определяются максимальным запасом S

Этот подход вполне обоснован, пока мы работаем с коротким циклом, когда мы по мере исчерпания запаса не можем реинвестировать высвобождающиеся деньги.

Но как только мы сталкиваемся с обратной ситуацией, мы обязаны опираться не на максимальный, а на средний запас.

Для наглядности мы здесь не будем выписывать полную функцию потерь, а посчитаем отдельно грязную прибыль и отдельно прямые издержки. Целевой функцией у нас будет чистая прибыль как разность этих двух величин, а искать мы будем ее максимум. Математически это абсолютно эквивалентно нахождению минимума полной функции потерь, но мне хочется потом порисовать графики и увидеть именно ожидаемую прибыль.

Будем рассматривать издержки, связанные с

а) хранением запаса:
стоимость хранения одной единицы в день * длину периода в днях * средний запас за период
б) обслуживанием кредита
кредитная ставка в день * длину периода в днях* средний запас за период
в) штрафом за непроданный товар

матожидание непроданного товара мы уже считали:

тогда матожидание проданного будет соответственно

Нам остается только посчитать матожидание среднего за период запаса. Для этого посмотрим еще раз на картинку:

Если за T обозначить длину периода,
при z<S площадь под траекторией запаса вычисляется как
T*(S+(S-z))/2, а средний запас соответственно как S-z/2.
при z>S площадь под траекторией запаса вычисляется как
S*(S*T/z)/2, а средний запас соответственно как S2/2z.

Итого матожидание среднего запаса

Пусть h — потери от одной единицы, оставшейся в конце периода,
d — прибыль при продаже одной единицы,
r — стоимость кредитования на покупку одной единицы за весь период,
e - стоимость обслуживания единицы запаса за весь период

тогда чистая прибыль за период составит

Возможности найти максимум этой функции в аналитическом виде я не вижу. Однако ничто не мешает нам провести численное моделирование, возможностей электронных таблиц для этого вполне достаточно. Вот несколько примеров, которые обсуждались здесь и на закуп.ру:


Хочу сказать огромное спасибо Сергею Филимонову за то, что усиленно обсуждал эту тему, за море интересных мыслей и за идею использования электронных таблиц для численного моделирования "на коленке".

Ну а те немногие, кто смог продраться сквозь все эти муторные интегралы, получают бонус - они могут самостоятельно поиграться с моделями здесь

 

Прогнозирование спроса и продаж. Записки дилетанта

Прогнозирование спроса...

читать графики справа налево все мастера


Краеугольный камень в управлении запасами и огромная головная боль управляющего. Как это делать на практике?

Целью данных записок не является изложение теории прогнозирования - книжек существует множество. Целью является сжато и по возможности без глубокой и строгой математики дать обзор различных методов и практик применения именно в области управления запасами. Я старался не "залезать в дебри", рассматривать лишь наиболее часто встречающиеся ситуации. Заметки написаны практиком и для практиков, поэтому не стоит искать здесь каких-то изощренных методик, описаны только самые общие. Так сказать, mainstream в чистом виде.

Впрочем, как и везде на этом сайте всячески приветствуется участие - добавляйте, исправляйте, критикуйте...

Общие рассуждения о прогнозировании

Общие рассуждения о прогнозировании.

 

Того, кто не задумывается о далеких трудностях, непременно поджидают близкие неприятности

Конфуций

 

 

 

 

 

 

 

 

Лирическое отступление

 

Вдумаемся, откуда вообще появились такие понятия, как вероятность, например? Все дело в недостаточности наших знаний о мире. Если мы хотим ответить на вопрос «какое число выпадет при бросании кости», нам достаточно знать, каков будет импульс, момент вращения и высота над поверхностью в момент отрыва кости от руки. Ну хорошо, клинические педанты могут еще учесть плотность воздуха, направление и силу ветра и значение гравитационной постоянной в данной точке пространства. Но для определения этих значений нам в свою очередь необходимо точно знать, каковы будут факторы, приводящие именно к такой последовательности сокращения мышц. Нам же неизвестно не только какие именно факторы влияют на процесс, но и каково количественное влияние каждого из них в отдельности и их произвольных комбинаций. Поэтому единственным честным ответом будет «одно из шести возможных».


Однако человечество все-таки хочет большего. Поэтому появляется понятие случайности как меры нашего незнания. Отсюда следует один важный практический вывод: чем больше мы сможем идентифицировать факторов, влияющих на поведение случайной величины, тем меньше будет мера этого незнания, этой самой случайности. Фактически именно за этот процесс определения границ познанного и платят деньги прогнозисту. В простом случае — за фразу «вероятность выпадения 6 составляет ровно 1/6». Но на практике скорее за фразу «поскольку данная кость имеет смещение центра тяжести на XX мм под углом YY, распределение вероятностей будет следующим...». Именно в таком выводе содержится вполне практическая ценность, именно здесь казино зарабатывают свои деньги, хоть и не пользуются «кривыми» костями.

 

Практическая постановка задачи

 

Нет, я вовсе не собираюсь пересказывать содержимое учебника по матстатистике или прогнозированию — на то есть библиотека. Эти заметки скорее нацелены на то, чтобы максимально просто, если не сказать примитивно, рассказать о способах получения ответа на вопросы, связанные с необходимостью предсказания поведения величин в непосредственной практической жизни — в частности, при управлении товарными потоками. Очевидно, что планирование потоков невозможно без знания предполагаемого расхода. Расход может быть любым — продажа в розничном магазине, отгрузка со склада дистрибьютора в торговую точку, отгрузка со склада сырья и материалов в производство... Так что если я иногда буду для простоты говорить «продажа» - на самом деле это, конечно же, расход, отгрузка потребителю, внешнему по отношению к нашей системе. И нас нигде здесь не будет интересовать встречное движение денежного потока, который замыкает собой акт продажи. Таким образом, задача, которую мы будем решать — прогнозирование спроса на продукт.

 

Еще пару слов о понятиях, которые будут использоваться. Если быть точным, в нашей повседневной деятельности мы должны составить бизнес-прогноз, а не математический. Эта величина на самом деле может состоять из нескольких составляющих:

независимый спрос — то есть такое потребление, которое происходит в равновесном состоянии системы, т.е. наши потребители не подвергаются внешнему воздействию типа рекламных акций, форс-мажорных обстоятельств типа наводнения или дефицита данного продукта у наших конкурентов.

зависимый спрос — остальные поправки, связанные с внешними воздействиями.

Все дальнейшие рассуждения и обсуждения методов составления прогноза будут относиться лишь к поведению именно независимого спроса, если другое не будет оговорено специально.

Кроме того, поскольку мы говорим о математическом прогнозировании, основанном на статистических методах, нам понадобятся данные о прошлых отгрузках. Мы будем предполагать, что прошлый спрос (факт) состоял также из этих двух составляющих.

И, наконец, важный постулат: зависимый спрос в разные отрезки времени может (должен, вообще-то) быть разным, однако независимый спрос будет вести себя подобным образом как в прошлом, так и в будущем. Это предположение основано на представлении о расходе как процессе с внутренней логикой, опирающейся на четкие понятия потребительской стоимости продукта, размера рынка и доли компании на нем. Если это предположение неверно — что ж, придется идти к цыганке. Впрочем, есть еще экспертно-коллективное прогнозирование, но это уже вне рамок нашего вопроса, хотя в ряде случаев экспертная оценка — единственный метод даже при наличии достаточных исторических данных.

 

Мы же займемся математическими методами прогнозирования. Однако и здесь невозможно обойтись без участия эксперта. Настоящий профессионал в области прогнозирования умеет свести воедино результаты количественных методов и экспертное мнение. В конце концов, обоснованные предположения лучше, чем не обоснованные. Об этом мы будем вспоминать постоянно, а пока завершим страницу цитатой известнейшего Спироса Макридакиса:

 

Человек обладает уникальным знанием и внутренней информацией, недоступной количественным методам. Удивительно, однако, что эмпирические исследования и лабораторные эксперименты показали, что построенные на их основе прогнозы не являются такими точными, как те, которые получены посредством численных методов. Человек старается быть оптимистом и недооценивает степень неопределенности будущего. К тому же стоимость прогнозирования, выполняемого оценочными методами, часто оказывается значительно выше, чем при использовании количественных методов.

 

Прогнозирование. Постановка задачи

Любой прогноз всегда ошибочен. Весь вопрос в том, насколько он ошибочен.

 

Итак, у нас в распоряжении есть данные о продажах. Пусть это выглядит так:

 

Дата

23.01

24.01

25.01

26.01

27.01

28.01

29.01

кол-во

145

127

113

156

173

134

144

 

На языке математики это называется временным рядом:

 

 

145

127

113

156

173

134

144

 

Временной ряд обладает двумя критическими свойствами

  • значения обязательно упорядочены. Переставьте два любых значения местами, и получите другой ряд

  • подразумевается, что значения в ряду — это результат измерения через одинаковые фиксированные промежутки времени; прогнозирование поведения ряда означает получение «продолжения» ряда через те же самые промежутки на заданный горизонт прогнозирования

 

Отсюда следует требование к точности исходных данных — если мы хотим получить понедельный прогноз, исходная точность должна быть не хуже, чем понедельные отгрузки.

 

Отсюда также следует, что если мы «достаем» из учетной системы данные о продажах помесячно, их нельзя использовать впрямую, поскольку количество времени, в течение которого производились отгрузки, в каждом месяце разное и это вносит дополнительную ошибку, поскольку объем продаж приблизительно пропорционален этому времени.

Впрочем, это не является такой уж сложной проблемой — давайте просто приведем эти данные к среднедневным.

 

Для того, чтобы сделать какие-то предположения относительно дальнейшего хода процесса, мы должны, как уже говорилось, уменьшить степень нашего незнания. Мы предполагаем, что наш процесс имеет какие-то внутренние закономерности течения, совершенно объективные в текущем окружении. В общих чертах это можно представить как


, где

 

Y(t) — значение нашего ряда (например, объем продаж) в момент времени t

f(t) — некая функция, описывающая внутреннюю логику процесса. Ее в дальнейшем будем называть прогнозной моделью

e(t) — шум, ошибка, связанная со случайностью процесса. Или, что то же самое, связанная с нашим незнанием, неумением учесть другие факторы в модели f(t).

 

Теперь наша задача состоит в том, чтобы отыскать такую модель, чтобы величина ошибки была заметно меньше наблюдаемой величины. Если мы отыщем такую модель, мы можем считать, что процесс в будущем пойдет примерно в соответствии с этой моделью. Более того, чем точнее модель будет описывать процесс в прошлом, тем больше у нас уверенности, что она сработает и в будущем.

 

Поэтому процесс как правило бывает итеративным. Исходя из простого взгляда на график прогнозист выбирает простую модель и подбирает ее параметры таким образом, чтобы величина


была в каком-то смысле минимально возможной. Эту величину как правило называют «остатками» (residuals), поскольку это то, что осталось после вычитания модели из фактических данных, то, что не удалось описать моделью. Для оценки того, насколько хорошо модель описывает процесс, необходимо посчитать некую интегральную характеристику величины ошибки. Наиболее часто для вычисления этой интегральной величины ошибки используют среднее абсолютное или среднеквадратическое величины остатков по всем t. Если величина ошибки достаточно велика, пытаются «улучшить» модель, т.е. выбрать более сложный вид модели, учесть большее количество факторов. Нам, как практикам, следует в этом процессе строго соблюдать как минимум два правила:

  • использование определенной модели должно быть однозначно объяснимо с точки зрения здравого смысла. Мы можем попробовать ввести в модель продаж холодильников в Бобруйске в качестве фактора погоду в Гондурасе. И, не исключено, получим модель с меньшей ошибкой. Но до тех пор, пока мы не можем сформулировать, какова может быть причинно-следственная связь между этими величинами, такой фактор вводить нельзя.

  • Работа по улучшению качества прогноза (улучшению модели) стоит вполне ощутимых денег. Поэтому всегда необходимо отдавать себе отчет в том, что начиная с какого-то момента эти усилия попросту перестают окупаться. Как и в некоторых других случаях, лучше вовремя остановиться. Есть и другие противопоказания к применению сложных моделей. Дело в том, что как правило модель для каждого ряда создается и настраивается единожды, затем лишь иногда проверяется и корректируется, тогда как прогнозы по этой модели создаются на регулярной основе. Какой смысл, если при каждом цикле составления прогноза продаж нам придется заново исследовать поведение каждого продукта и заново создавать для него модели? Нормальный системный подход состоит в том, чтобы автоматически контролировать величину ошибки прогнозирования и по определенным правилам корректировать лишь некоторые модели. Например, только те, у которых величина относительной ошибки выше определенного порога И одновременно объем продаж выше определенного уровня.  Или просто визуально оценивать диаграмму, подобную этой, где по вертикали отложена величина ошибки, а по горизонтали - цена продукта.



    Поскольку мы живем в изменяющемся мире, понятно, что единожды разработанные модели со временем перестают нормально работать. И тут фокус состоит в том, что более простые модели могут оказаться более устойчивыми к изменениям даже несмотря на бОльшую изначальную ошибочность. И еще одна суровая реальность. Я приведу отрывок из книги «Business Forecasting, Hanke, Reitsch, Wichern», тут мне просто нечего добавить:
     

    Чем проще модель, тем лучше она будет воспринята менеджерами фирмы, ответственными за принятие решения, и тем выше будет их доверие к полученному прогнозу. Часто следует отдавать предпочтение не более сложному подходу к прогнозированию, предлагающему немного больше точности, а более простому, понятному руководителям компании. Когда выбранный метод получает поддержку у менеджеров, то и результаты прогнозирования активно ими используются.

     

 

Наивные методы прогнозирования

Наивные методы

 

Простое среднее

 

В простом случае, когда измеренные значения колеблются вокруг некоторого уровня, очевидным является оценка среднего значения и предположение о том, что и впредь реальные продажи будут колебаться вокруг этого значения.

 

 

Скользящее среднее

 

В реальности же как правило картинка хоть немного, да «плывет». Компания растет, оборот увеличивается. Одной из модификаций модели среднего, учитывающей это явление, является отбрасывание наиболее старых данных и использование для вычисления среднего лишь нескольких k последних точек. Метод получил название «скользящего среднего».

 


Взвешенное скользящее среднее

 

Следующим шагом в модификации модели является предположение о том, что более поздние значения ряда более адекватно отражают ситуацию. Тогда каждому значению присваивается вес, тем больший, чем более свежее значение добавляется.

 

 

Для удобства можно сразу выбрать коэффициенты таким образом, чтобы сумма их составляла единицу, тогда не придется делить. Будем говорить, что такие коэффициенты отнормированы на единицу.


Результаты прогнозирования на 5 периодов вперед по этим трем алгоритмам приведены в таблице

Простое экспоненциальное сглаживание

Простое экспоненциальное сглаживание

В англоязычной литературе часто встречается аббревиатура SES — Simple Exponential Smoothing

 

Одной из разновидностей метода усреднения является метод экспоненциального сглаживания. Отличается он тем, что ряд коэффициентов здесь выбирается совершенно определенным образом — их величина падает по экспоненциальному закону. Остановимся здесь немного подробнее, поскольку метод получил повсеместное распространение благодаря простоте и легкости вычислений.

Пусть мы делаем прогноз на момент времени t+1 (на следующий период). Обозначим его как

 

Здесь мы берем в качестве основы прогноза прогноз последнего периода, и добавляем поправку, связанную с ошибкой этого прогноза. Вес этой поправки будет определять, насколько «резко» наша модель будет реагировать на изменения. Очевидно, что

 

Считается, что для медленно меняющегося ряда лучше брать значение 0.1, а для быстро меняющегося — подбирать в районе 0.3-0.5.

 

Если переписать эту формулу в другом виде, получается

 

Мы получили так называемое рекуррентное соотношение — когда последующий член выражается через предыдущий. Теперь мы прогноз прошлого периода выражаем тем же способом через позапрошлое значение ряда и так далее. В итоге удается получить формулу прогноза

 

В качестве иллюстрации продемонстрируем сглаживание при разных значениях постоянной сглаживания

Очевидно, что если оборот более-менее монотонно растет, при таком подходе мы будем систематически получать заниженные цифры прогнозов. И наоборот.


Ну и в заключение методика сглаживания с помощью электронных таблиц. Для первого значения прогноза мы возьмем фактическое, а далее по формуле рекурсии:

Составляющие прогнозной модели

Очевидно, что если оборот более-менее монотонно растет, при таком «усредняющем» подходе мы будем систематически получать заниженные цифры прогнозов. И наоборот.

Чтобы более адекватно промоделировать тенденцию, в модель вводится понятие «тренда», т.е. некоторой гладкой кривой, которая более-менее адекватно отражает «систематическое» поведение ряда.

 

Тренд

На рис. показан тот же ряд в предположении приблизительно линейного роста

 


 

Такой тренд называется линейным — по виду кривой. Это наиболее часто применяемый вид, реже встречаются полиномиальные, экспоненциальные, логарифмические тренды. Выбрав вид кривой, конкретные параметры обычно подбирают методом наименьших квадратов.

 

Строго говоря, эта компонента временного ряда называется тренд-циклической, то есть включает в себя колебания с относительно длинным периодом, для наших задач — порядка десятка лет. Эта циклическая составляющая характерна для мировой экономики или интенсивности солнечной активности. Поскольку мы тут решаем не такие глобальные проблемы, горизонты у нас поменьше, то и циклическую компоненту мы оставим за скобками и далее везде будем говорить о тренде.

 

Сезонность

Однако на практике нам оказывается недостаточно моделировать поведение таким образом, что мы подразумеваем монотонный характер ряда. Дело в том, что рассмотрение конкретных данных о продажах сплошь и рядом приводит нас к выводу о наличии еще одной закономерности — периодическом повторении поведения, некотором шаблоне. К примеру, рассматривая продажи мороженого, очевидно, что зимой они как правило ниже среднего. Такое поведение совершенно понятно с точки зрения здравого смысла, поэтому возникает вопрос, нельзя ли использовать эту информацию для уменьшения нашего незнания, для уменьшения неопределенности?

 

Так возникает в прогнозировании понятие «сезонности» - любое повторяющееся через строго определенные промежутки времени изменение величины. Например, всплеск продаж елочных игрушек в последние 2 недели года можно рассматривать как сезонность. Как правило, подъем продаж супермаркета в пятницу и субботу в сравнении с остальными днями можно рассматривать как сезонность с недельной периодичностью. Хоть и называется эта составляющая модели «сезонность», необязательно она связана именно с сезоном в бытовом понимании (весна, лето). Любая периодичность может называться сезонностью. С точки зрения ряда сезонность характеризуется прежде всего периодом или лагом сезонности — числом, через которое происходит повторение. Например, если у нас ряд месячных продаж, мы можем предполагать, что период составляет 12.

 

Различают модели с аддитивной и мультипликативной сезонностью. В первом случае сезонная поправка добавляется к исходной модели (в феврале продаем на 350 ед. меньше, чем в среднем)

 

во втором — происходит умножение на коэффициент сезонности (в феврале продаем на 15% меньше, чем в среднем)

 

 Заметим, что, как уже говорилось в начале, само наличие сезонности должно быть объяснимо с точки зрения здравого смысла. Сезонность является следствием и проявлением свойства продукта (особенностей его потребления в данной точке земного шара). Если мы сможем аккуратно идентифицировать и измерить это свойство этого конкретного продукта, мы сможем быть уверены, что такие колебания продолжатся и в будущем. При этом один и тот же продукт вполне может иметь разные характеристики (профили) сезонности в зависимости от места, где он потребляется. Если же мы не можем объяснить такое поведение с точки зрения здравого смысла, у нас нет оснований для предположительного повторения такого шаблона в будущем. В этом случае мы должны искать другие факторы, внешние по отношению к продукту и рассматривать их наличие в будущем.

 

Важно то, что при выборе тренда мы должны выбирать простую аналитическую функцию (то есть такую, которую можно выразить простой формулой), тогда как сезонность как правило выражается табличной функцией. Самый распространенный случай — годовая сезонность с 12 периодами по числу месяцев — это таблица из 11 мультипликативных коэффициентов, представляющих поправку относительно одного опорного месяца. Или 12 коэффициентов относительно среднемесячного значения, только очень важно, что при этом независимыми остаются те же 11, поскольку 12й однозначно определяется из требования

Ситуация, когда в модели присутствует M статистически независимых (!) параметров, в прогнозировании называется моделью с M степенями свободы. Так что если вам встретится специальный софт, в котором как правило необходимо в качестве входных параметров задать число степеней свободы, это отсюда. Например, модель с линейным трендом и периодом 12 месяцев, будет иметь 13 степеней свободы — 11 от сезонности и 2 от тренда.

 

Как жить с этими составляющими ряда, рассмотрим в следующих частях.

Классическая сезонная декомпозиция

Декомпозиция ряда продаж.

 

Итак, мы весьма часто можем наблюдать поведение ряда продаж, в котором присутствуют компоненты тренда и сезонности. Мы имеем намерение улучшить качество прогноза, учитывая это знание. Но для того, чтобы использовать эту информацию, нам необходимы количественные характеристики. Тогда мы из фактических данных сможем исключить тренд и сезонность и тем самым значительно уменьшить величину шума, а значит и неопределенность будущего.

 

Процедура выделения неслучайных компонент модели из фактических данных называется декомпозицией.

 

Первое, чем мы займемся на наших данных — сезонная декомпозиция, т.е. определение числовых значений сезонных коэффициентов. Для определенности возьмем наиболее распространенный случай: данные о продажах сгруппированы помесячно (поскольку требуется прогноз с точностью до месяца), предполагается линейный тренд и мультипликативная сезонность с лагом 12.

 

Сглаживание ряда

 

Сглаживанием называется процесс, при котором исходный ряд заменяется другим, более плавным, но основанным на исходном. Целью такого процесса является оценка общих тенденций, тренда в широком смысле. Методов (как и целей) сглаживания существует много, наиболее распространенные

  • укрупнение временных интервалов. Очевидно, что ряд продаж, агрегированный помесячно, ведет себя более гладко, чем ряд, основанный на дневных продажах

  • скользящее среднее. Мы уже рассматривали этот метод, когда говорили о наивных методах прогнозирования

  • аналитическое выравнивание. В этом случае исходный ряд заменяется некоторой гладкой аналитической функцией. Вид и параметры подбираются экспертно по минимуму ошибок. Опять же, мы это уже обсуждали, когда говорили о трендах

 

Дальше мы будем использовать сглаживание методом скользящего среднего. Идея состоит в том, что набор из нескольких точек мы заменяем одной по принципу «центра масс» - значение равно среднему этих точек, а расположен центр масс, как нетрудно догадаться, в центре отрезка, образованного крайними точками. Так мы устанавливаем некий «средний» уровень для этих точек.

 

В качестве иллюстрации наш исходный ряд, сглаженный по 5 и 12 точкам:

Как нетрудно догадаться, если происходит усреднение по четному числу точек, центр масс падает в промежуток между точками:

 

К чему это я все веду?

Для того, чтобы провести сезонную декомпозицию, классический подход предлагает сначала провести сглаживание ряда с окном, в точности совпадающим с лагом сезонности. В нашем случае лаг = 12, так что если мы сгладим по 12 точкам, по всей видимости, возмущения, связанные с сезонностью, нивелируются и мы получим общий средний уровень. Вот тогда уже мы начнем сравнивать фактические продажи с сглаженными значениями — для аддитивной модели будем вычитать из факта сглаженный ряд, а для мультипликативной — делить. В результате получим набор коэффициентов, для каждого месяца по нескольку штук (в зависимости от длины ряда). Если сглаживание прошло успешно, эти коэффициенты будут иметь не слишком большой разброс, так что усреднение для каждого месяца будет не столь уж дурацкой затеей.

 

Два момента, которые важно отметить.

 

  • Усреднение коэффициентов можно делать как вычислением стандартного среднего, так и медианы. Последний вариант очень рекомендуется многими авторами, поскольку медиана не так сильно реагирует на случайные выбросы. Но мы в нашей учебной задаче будем использовать простое среднее.
  • У нас будет лаг сезонности 12, четный. Поэтому нам придется сделать еще одно сглаживание — заменить две соседние точки сглаженного в первый раз ряда на среднее, тогда мы попадем на конкретный месяц

 

На картинке результат повторного сглаживания:

 

Теперь делим факт на гладкий ряд:



 

К сожалению, у меня были данные лишь за 36 месяцев, а при сглаживании по 12 точкам один год, соответственно, теряется. Поэтому на данном этапе я получил коэффициенты сезонности лишь по 2 на каждый месяц. Но делать нечего, это лучше, чем ничего. Будем усреднять эти пары коэффициентов:

 

Теперь вспоминаем, что сумма мультипликативных коэффициентов сезонности должна быть =12, поскольку смысл коэффициента — отношение продаж месяца к среднемесячному. Именно это делает последняя колонка:

 

Вот теперь мы выполнили классическую сезонную декомпозицию, то есть получили значения 12-ти мультипликативных коэффициентов. Теперь пришла пора заняться нашим линейным трендом. Для оценки тренда мы устраним из фактических продаж сезонные колебания, разделив факт на полученное для данного месяца значение.

 

Теперь построим на графике данные с устраненной сезонностью, проведем линейный тренд и составим для интереса прогноз на 12 периодов вперед как произведение значения тренда в точке на соответствующий коэффициент сезонности


 

Выводы.

 

Как видно из картинки, очищенные от сезонности данные не очень хорошо укладываются в линейную зависимость — слишком большие отклонения. Возможно, если почисить исходные данные от выбросов, все станет намного лучше.

 

Для более точного определения сезонности при помощи классической декомпозиции весьма желательно иметь не менее 4-5 полных циклов данных, так как один цикл не участвует в вычислении коэффициентов.

 

Что делать, если по техническим причинам таких данных нет? Нужно найти метод, который не будет отбрасывать никакую информацию, будет использовать всю имеющуюся для оценки сезонности и тренда. Попробуем такой метод рассмотреть в следующей части

Экспоненциальное сглаживание с учетом тренда и сезонности. Метод Холта-Винтерса

Возвращаясь к экспоненциальному сглаживанию...

 

В одной из предыдущих частей мы уже рассматривали простое экспоненциальное сглаживание. Напомним в двух словах основную идею. Мы предполагали, что прогноз для точки t определяется некоторым средним уровнем предыдущих значений. Причем способ, которым вычисляется прогнозное значение, определяется рекуррентным соотношением

В таком виде метод дает удобоваримые результаты, если ряд продаж достаточно стационарен — нет выраженного тренда или сезонных колебаний. Но на практике такой случай — счастье. Поэтому мы рассмотрим модификацию данного метода, позволяющую работать с трендовыми и сезонными моделями.

 

Метод получил название Холта-Винтерса по именам разработчиков: Холт предложил метод учета тренда, Винтерс добавил сезонность.

 

Для того, чтобы не только разобраться с арифметикой, но и «почувствовать», как это работает, давайте немного повернем нашу голову и подумаем, что меняется, если мы вводим тренд. Если для простого экспоненциального сглаживания оценка прогноза на p-й период делалась как

,

где Lt — усредненный по известному правилу «общий уровень», то при наличии тренда появляется поправка


,

то есть к общему уровню добавляется оценка тренда. Причем как общий уровень, так и тренд мы будем усреднять независимо по методу экспоненциального сглаживания. Что понимается под усреднением тренда? Мы предполагаем, что в нашем процессе присутствует локальный тренд, определяющий систематическое приращение на одном шаге — между точками t и t-1, например. И если для линейной регрессии линия тренда проводится по всей совокупности точек, мы считаем, что более поздние точки должны вносить больший вклад, поскольку рыночное окружение постоянно меняется и более свежие данные более ценны для прогноза. В итоге Холт предложил использовать уже два рекуррентных соотношения — одно сглаживает общий уровень ряда, другое сглаживает трендовую составляющую.


Методика сглаживания такова, что вначале выбираются начальные значения уровня и тренда, а затем делается проход по всему ряду, на каждом шаге вычисляя новые значения по формулам. Из общих соображений понятно, что начальные значения должны как-то определяться исходя из значений ряда в самом начале, однако четких критериев тут нет, присутствует элемент волюнтаризма. Наиболее часто используются два подхода в выборе «точек отсчета»:

  1. Начальный уровень равен первому значению ряда, начальный тренд равен нулю.

  2. Берем первые несколько точек (штук 5), проводим линию регрессии (ax+b). Начальный уровень задаем как b, начальный тренд как a.

 По большому счету этот вопрос не является принципиальным. Как мы помним, вклад ранних точек мизерный, поскольку коэффициенты очень быстро (по экспоненте) убывают, так что при достаточной длине ряда исходных данных мы скорее всего получим практически идентичные прогнозы. Разница, однако, может проявиться при оценке ошибки модели.


На этом рисунке показаны результаты сглаживания при двух выборах начальных значений. Здесь хорошо видно, что большая ошибка второго варианта связана с тем, что начальное значение тренда (взятое по 5 точкам) получилось явно завышенным, поскольку мы не учитывали рост, связанный с сезонностью.

 

Поэтому (вслед за господином Винтерсом) усложним модель и будем делать прогноз с учетом сезонности:


В данном случае мы, как и раньше, предполагаем мультипликативную сезонность. Тогда наша система уравнений сглаживания получает еще одну составляющую:




где s — лаг сезонности.

 

И вновь заметим, что выбор начальных значений, как и величин постоянных сглаживания — вопрос воли и мнения эксперта.

Для действительно важных прогнозов, однако, можно предложить составить матрицу всех комбинаций постоянных и перебором выбрать такие, которые дают меньшую ошибку. О методах оценки ошибочности моделей мы поговорим немного позже. А пока займемся сглаживанием нашего ряда по методу Холта-Винтерса. Начальные значения будем в данном случае определять по следующему алгоритму:

  1. Берем первые 12 точек ряда, чтобы нивелировать сезонность.

  2. Проводим линию регрессии

  3. Задаем начальное значение уровня 1021,41

  4. Задаем начальное значение тренда 26,24

  5. Задаем начальные значения 12ти сезонных коэффициентов как факт, деленный на значение регрессии в точке

 

Теперь начальные значения определены.

 

  1. Идем по процедуре, получая сглаженный уровень

  2. Для интереса нарисуем модель с учетом сезонности

  3. Создаем прогноз уровня на 12 точек вперед

  4. И прогноз с учетом сезонности

 

Результаты всего этого безобразия:


Заключение



Удивительно, но такой простой метод дает на практике очень неплохие результаты, вполне сравнимые с гораздо более "математическими" - например, с линейной регрессией. И при этом реализация экспоненциального сглаживания в информационной системе на порядок проще.

Прогнозирование редких продаж. Метод Кростона

Прогнозирование редких продаж.

Суть проблемы.

Вся известная математика прогнозирования, которую с удовольствием описывают авторы учебников, основывается на предположении, что продажи в некотором смысле "ровные". Именно при такой картинке в принципе возникают такие понятия, как тренд или сезонность.

А что делать, если продажи выглядят следующим образом?

Каждый столбик здесь - продажи за период, между ними продаж нет, хотя товар присутствует.
О каких "трендах" здесь можно говорить, когда около половины периодов имеют нулевые продажи? И это еще не самый клинический случай!

Уже из самих графиков видно, что нужно придумывать какие-то другие алгоритмы предсказания. Хочется еще заметить, что эта задача не высосана из пальца и не является какой-то редкой. Практически все aftermarket ниши имеют дело именно с этим случаем - автозапчасти, аптеки, обеспечение сервисных центров,...

Формулировка задачи.

Будем решать чисто прикладную задачу. У меня есть данные о продажах торговой точки с точностью до дней. Срок реакции системы поставок пусть будет ровно одна неделя. Задача-минимум - спрогнозировать скорость продаж. Задача-максимум - определить величину страхового запаса исходя из уровня обслуживания в 95%.

Метод Кростона.

Анализируя физическую природу процесса, Кростон (Croston, J.D.) предположил, что

  • все продажи статистически независимы
  • случилась продажа или нет, подчиняется распределению Бернулли
    (с вероятностью p событие происходит, с вероятностью 1-p нет)
  • в случае, если событие продажи произошло, размер покупки распределен нормально

Это означает, что результирующее распределение имеет такой вид:

Как видим, от "колокола" Гаусса эта картинка сильно отличается. Более того, вершина изображенного холма соответствует покупке 25 единиц, тогда как если мы "в лоб" посчитаем среднее по ряду продаж, получим 18 единиц, а расчет СКО дает 16. Соответствующая "нормальная" кривая нарисована здесь зеленым.

Кростон предложил делать оценку двух независимых величин - периода между покупками и собственно размера покупки. Посмотрим на тестовые данные, у меня как раз случайно под руками данные о реальных продажах:

Теперь поделим исходный ряд на два ряда по следующим принципам.

исходный период размер
0    
0    
0    
0    
0    
0    
0    
0    
0    
0    
4 11 4
0    
0    
4 3 4
5 1 5
... ... ...

Теперь к каждому из получившихся рядов применим простое экспоненциальное сглаживание и получим ожидаемые значения интервала между покупками и величины покупки. А разделив второе на первое, получим ожидаемую интенсивность спроса в единицу времени.
Так, у меня есть тестовые данные по дневным продажам. Выделение рядов и сглаживание с малым значением постоянной дало мне

  • ожидаемый период между покупками 5.5 дней
  • ожидаемый размер покупки 3.7 единиц

следовательно недельный прогноз продаж составит 3.7/5.5*7=4.7 единиц.

Вообще-то это все, что нам дает метод Кростона - точечную оценку прогноза. К сожалению, этого недостаточно для расчета потребного страхового запаса.

Метод Кростона. Уточнение алгоритма.

Недостаток метода Кростона.

Проблема вообще-то всех классических методов состоит в том, что они моделируют поведение с помощью нормального распределения. И здесь сидит систематическая ошибка, поскольку нормальное распределение предполагает, что случайная величина может меняться от минус бесконечности до плюс бесконечности. Но это небольшая беда для достаточно регулярного спроса, когда коэффициент вариации невелик, а значит и вероятность появления отрицательных значений столь незначительна, что мы вполне можем на это закрывать глаза.

Другое дело - прогнозирование редких событий, когда матожидание размера покупки имеет малое значение, а СКО при этом вполне может оказаться как минимум такого же порядка:

Чтобы уйти от такой очевидной погрешности, было предложено пользоваться логнормальным распределением, как более "логично" описывающим картину мира:

Если кого-то смущают всякие страшные слова, не волнуйтесь, принцип очень прост. Берется исходный ряд, от каждого значения берется натуральный логарифм, и предполагается, что получившийся ряд уже ведет себя как нормально распределенный со всей стандартной математикой, описанной выше.

Метод Кростона и страховой запас. Функция распределения спроса.

 

Сел я тут и задумался... Ну хорошо, получил я характеристики потока спроса:
ожидаемый период между покупками 5.5 дней
ожидаемый размер покупки 3.7 единиц
ожидаемая интенсивность спроса 3.7/5.5 единиц в день...
пусть я даже получил СКО дневного спроса для ненулевых продаж - 2.7. А что там насчет страхового запаса?

Как известно, страховой запас должен обеспечить наличие товара при отклонении продаж от среднего с определенной вероятностью. Метрики уровня обслуживания мы уже обсуждали, давайте для начала поговорим об уровне первого рода. Строгая формулировка задачи звучит так:

У нашей системы поставок есть время реакции. Суммарный спрос на товар за это время есть величина случайная, имеющая свою функцию распределения. Условие "вероятность необнуления запаса" можно записать как

В случае редких продаж функция распределения может быть записана следующим образом:

где

q - вероятность нулевого исхода
p=1-q - вероятность ненулевого исхода
f(x) - плотность распределения размера покупки

Заметьте, в своем исследовании в предыдущий раз все эти параметры я измерял для дневного ряда продаж. Поэтому если время реакции у меня тоже равно одному дню, то эту формулу можно успешно применить прямо сразу. Например:

предположим, что f(x) - нормальная.
предположим, что в области x<=0 вероятности, описываемые функцией очень низкие, т.е.

тогда интеграл в нашей формуле ищется по таблице Лапласа.

в нашем примере p = 1/5.5, так что

 

 

q=

.8182

p=

.1818

 

 

k

f(k)

z=k*2.7+3.7

p*f(k)

F(z)

1-p*L(z)

0

.5000

3.7000

.0909

.9091

.9275

0.5

.6915

5.0500

.1257

.9439

.9640

1

.8413

6.4000

.1530

.9712

.9849

1.5

.9332

7.7500

.1697

.9879

.9947

2

.9772

9.1000

.1777

.9959

.9985

2.5

.9938

10.4500

.1807

.9989

.9996

3

.9987

11.8000

.1816

.9998

.9999

алгоритм поиска становится очевидным - задав SL, наращиваем k, пока F не превысит заданный уровень.

 

Кстати, в последней колонке что? Правильно, уровень обслуживания второго рода, соответствующий заданному запасу. И тут, как я уже говорил, сидит некоторый методологический казус. Давайте представим себе, что продажи происходят приблизительно с частотой один раз в ... ну пусть будет 50 дней. И еще представим себе, что мы держим нулевой запас. Какой уровень обслуживания будет? Вроде как нулевой - нет запаса, нет и обслуживания. Ту же цифру нам даст и система контроля запаса, поскольку наблюдается постоянный out of stock. Но ведь с точки зрения банальной эрудиции в 49 случаях из 50 продажа точно соответствует спросу. То есть не приводит к потерям прибыли и лояльности клиентов, а ни для чего другого уровень сервиса и не предназначен. Этот несколько вырожденный случай (чую, спор начнется) является просто иллюстрацией того, почему даже очень малый запас при редком спросе дает высокие уровни сервиса.

Но это все цветочки. А что, если у меня изменился поставщик, и теперь время реакции стало равняться неделе, например? Ну, тут все становится совсем веселым, тем, кто не любит "многаформул", рекомендую далее не читать, а ждать статью про метод Виллемейна.

Наша задача состоит теперь в том, чтобы проанализировать сумму продаж за период реакции системы, понять ее распределение, и уже оттуда вытаскивать зависимость уровня сервиса от величины запаса.

Итак, функция распределения спроса за один день и все ее параметры нам известны:

По-прежнему результат одного дня статистически независим от любого другого.
Пусть случайное событие состоит в том, что за n дней случилось ровно m фактов ненулевых продаж. Согласно закону Бернулли (да ладно, я ж сижу и с учебника списываю!) вероятность такого события

 

где - число сочетаний из n по m, а p и q - опять те же вероятности.
Тогда вероятность того, что сумма проданного за n дней в результате ровно m фактов продаж не превысит величины z, составит

где - распределение суммы проданного, то есть свертка m одинаковых распределений.
Ну и поскольку искомый результат (суммарные продажи не превышают z) может быть получен при любых m, осталось просуммировать соответствующие вероятности:

(первое слагаемое соответствует вероятности нулевого исхода всех n испытаний).

 

Что-то дальше мне лень со всем этим возиться, желающие могут самостоятельно построить таблицу, аналогичную вышеприведенной в применении к нормальной плотности вероятности. Для этого надо только вспомнить, что свертка m нормальных рапределений с параметрами (a,s2) дает нормальное же распределение с параметрами (ma,ms2).
 

Прогнозирование редких продаж. Метод Виллемейна.

Что плохого в методе Кростона?

Дело в том, что во-первых, он подразумевает нормальность распределения размера покупки. Во-вторых, для адекватных результатов это распределение должно иметь невысокую дисперсию. В-третьих, хоть это и не так смертельно, применение экспоненциального сглаживания для нахождения характеристик распределения неявно подразумевает нестационарность процесса.

Ну да бог с ним. Для нас самое важное - реальные продажи даже близко не выглядят нормальными. Именно эта мысль сподвигла Виллемейна (Thomas R. Willemain) и компанию к созданию более универсального способа. А потребность в таком методе была продиктована чем? Правильно, необходимостью прогнозировать потребность в запасных частях, в особенности в автомобильных запчастях.

Метод Виллемейна.

Суть подхода состоит в применении процедуры бутстраппинга (bootstrapping). Словечко это родилось из старой поговорки "pull oneself over a fence by one's bootstraps", что почти буквально соответствует нашему "вытащить себя за собственные волосы". Компьютерный термин boot, кстати, тоже отсюда. И смысл этого слова в том, что некая сущность содержит в себе необходимые ресурсы, чтобы саму себя перевести в другое состояние, и при необходимости такую процедуру возможно запустить. Именно такой процесс происходит с компьютером, когда мы нажимаем на определенную кнопку.

В применении же к нашей узкой задаче процедура бутстраппинга означает вычисление внутренних закономерностей, присутствующих в данных, и выполняется следующим образом.

По условиям нашей задачи время реакции системы 7 дней. Мы НЕ знаем и НЕ ПЫТАЕМСЯ предположить вид и параметры кривой распределения.
Вместо этого мы из всего ряда 7 раз случайно "выдергиваем" дни, суммируем продажи этих дней и записываем результат.
Повторяем эти действия, каждый раз записывая сумму продаж за 7 дней.
Желательно произвести опыт достаточно много раз, чтобы получить наиболее адекватную картинку. 10 - 100 тысяч раз будет очень неплохо. Здесь очень важно, чтобы дни выбирались случайно РАВНОМЕРНО во всем анализируемом диапазоне.
В итоге мы должны получить "как бы" все возможные исходы продаж ровно семи дней, причем с учетом частоты появления одинаковых результатов.

Далее разбиваем весь диапазон получившихся значений сумм на отрезки в соответсвии с той точностью, которая нам потребуется для определения запаса. И строим частотную гистограмму, которая как раз и покажет реальное распределение вероятностей покупок. В моем случае я получил следующее:

Поскольку у меня продажи штучного товара, т.е. размер покупки всегда целое число, то я и не разбивал на отрезки, оставил как есть. Высота столбика соответствует доле общих продаж.
Как видим, правая, "ненулевая" часть распределения не напоминает нормальное распределение (сравните с зеленым пунктиром).
Теперь на основании этого распределения несложно рассчитать уровни обслуживания, соответствующие разному размеру запаса (SL1, SL2). Так что, задав целевой уровень сервиса, сразу получаем потребный запас.

Но и это не все. Если ввести в рассмотрение финансовые показатели - себестоимость, прогнозная цена, стоимость содержания запаса, легко считается и доходность, соответствующая каждому размеру запаса и каждому уровню сервиса. Она у меня показана в последней колонке, а соответствующие графики вот:

То есть здесь мы узнаем максимально эффективный запас и уровень обслуживания с точки зрения получения прибыли.


 

Напоследок (в очередной уже раз) хочется спросить: "а почему мы уровень обслуживания основываем на ABC-анализе?" Казалось бы, в нашем случае оптимальный уровень сервиса первого рода составляет 91% вне зависимости от того, в какой из групп товар находится. Тайна сия велика есть...

Модификация метода Виллемейна для оптовых и похожих рынков

 

Некоторые замечания об оптовых и похожих рынках.

 

Напомню, что одно из допущений, на которых мы основывались - независимость продаж одного дня от другого. Это очень хорошее допущение для розницы. Например, ожидаемые продажи хлеба сегодня никак не зависят от его вчерашних продаж. Такая картинка вообще характерна там, где есть достаточно большая клиентская база. Поэтому случайно выбранные три дня могут дать такой результат

 

0

1

3

0

0

2

0

0

1

1

 

такой

 

0

1

3

0

0

2

0

0

1

2

 

и даже такой

 

0

1

3

0

0

2

0

0

1

6

 

Совсем другое дело, когда мы имеем относительно немного клиентов, особенно если они покупают нечасто и помногу. в этом случае вероятность события, аналогичного третьему варианту, практически нулевая. Излагая простым языком, если у меня вчера были большие отгрузки, скорее всего сегодня будет затишье. И уж совсем фантастически выглядит вариант, когда спрос будет велик в течение нескольких дней подряд.

 

Значит, независимость продаж соседних дней в этом случае может оказаться чушью собачьей, и гораздо логичнее предположить обратное - они тесным образом связаны. Что ж, нас этим не испугаешь. Всего-то навсего мы не будем выдергивать дни совершенно случайно, мы будем брать дни, идущие подряд:

 

0

1

3

0

0

2

0

0

1

4

 

0

1

3

0

0

2

0

0

1

2

 

0

1

3

0

0

2

0

0

1

1

 

Все даже интереснее. Поскольку ряды у нас относительно короткие, нам даже не надо заморачиваться со случайной выборкой - достаточно прогнать по ряду скользящее окно размером в срок реакции, и готовая гистограмма у нас в кармане.

Но тут есть и недостаток. Дело в том, что мы получаем гораздо меньше наблюдений. Для окна в 7 дней за год можно получить 365-7 наблюдений, тогда как при случайной выборке 7 из 365 - это число сочетаний 365! / 7! / (365-7)! Считать лень, но это намного больше.

А малое число наблюдений означает ненадежность оценок, так что копите данные - они лишними не бывают!

Расчет страхового запаса по эмпирическому распределению ошибки прогноза спроса

На практике вычисление страхового запаса и точки заказа обычно проводится на основе нормального распределения без каких-либо проверок распределения на нормальность. Величина ошибки страхового запаса вследствие отклонения распределения вероятностей ошибки прогноза от нормального будет зависеть от степени этого отклонения. Для того чтобы оценить эту ошибку, необходимо получить распределение вероятностей ошибки прогноза спроса за время задержки пополнения. Если это распределение уже получено, то можно вычислить размер страхового запаса на его основе, не пользуясь нормальным распределением. В данном пункте мы рассмотрим вычисление страхового запаса на числовом примере.

Пусть в результате обработки файла ошибок прогноза была получена таблица частот, приведенная в таблице 1.8. Количество наблюдений равно 103.

Таблица 1.8 – Эмпирическое распределение ошибки прогноза оптового спроса на растворимый кофе в килограммах

Интер-
валы значе-
ний ошибки прогноза
спроса
-17 –
-12
-12 –
-7
-7 –
-2
-2 –
3
3 –
8
8 –
13
13 –
18
18 –
23
23 –
28
28 –
33
Часто-
ты
11
19
22
23
11
8
5
2
1
1
Отно-
ситель-
ные частоты
0,107
0,184
0,214
0,223
0,107
0,078
0,049
0,019
0,01
0,01

Соответствующая этим данным гистограмма распределения ошибки приведена на рисунке 1.13. По оси абсцисс отложены интервалы значений ошибки прогноза. По оси ординат – число попаданий в каждый интервал.

Среднее квадратическое отклонение ошибки прогноза, рассчитанное по этим данным, составило 9,5. Среднее значение ошибки оказалось равным –0,97, но для упрощения рассуждений мы будем считать его равным нулю.

Как уже было описано в предыдущем пункте, точка заказа может быть представлена как сумма среднего спроса за время пополнения и страхового запаса:

где R – точка заказа,

– прогноз спроса за время пополнения;
SS – страховой запас.

От величины страхового запаса зависит средний (ожидаемый) дефицит в каждом цикле пополнения; чем больше страховой запас, тем меньше дефицит. Величина дефицита является случайной, зависящей от спроса за время пополнения: 

 где SL – величина дефицита;

d – спрос за время пополнения, случайная величина.

Подставим сюда выражение для точки заказа R и получим:

где разность между фактическим спросом d и его прогнозом  – это и есть ошибка прогноза Δd, эмпирическое распределение которой приведено в таблице 1.8. Перепишем это выражения, используя для ошибки прогноза ее обозначение:

Чтобы получить ожидаемое значение дефицита, то есть математическое ожидание, надо воспользоваться формулой для математического ожидания дискретной случайной величины:

 

где  – математическое ожидание дефицита (средний дефицит) при значении точки заказа, равном R;
Δd – ошибка прогноза спроса за время пополнения;
 – величина дефицита при значении ошибки прогноза, равном Δd;
 – вероятность (относительная частота) появления значения Δd.
Наша непрерывная случайная величина – ошибка прогноза – стала дискретной по той причине, что при построении эмпирического распределения мы группируем значения непрерывной случайной величины по интервалам (см. таблицу 1.8) и всем наблюдениям, попавшим в определенный интервал, присваивается значение, равное середине этого интервала.

Подставим в (1.14) выражение для дефицита (1.13) и получим:

 

 

В качестве значений ошибки прогноза Δd следует брать середины интервалов на оси абсцисс гистограммы распределения ошибки прогноза. В таблице 1.8 этими серединами будут –14,5; –9,5; –4,5; 0,5; 5,5; 9,5; 10,5; 15,5; 20,5; 25,5; 30,5. Вычисление дефицита  будем проводить для значений SS, равных левой (нижней) границе каждого интервала гистограммы, то есть для SS = –17, –12, –8 и т. д. Результаты вычислений приведены в таблице 1.9. Обозначения в таблице:
, эмпир. – средний дефицит, вычисленный с использованием эмпирического распределения ;
, норм. – средний дефицит, вычисленный с использованием нормального распределения ошибки прогноза, он равен σE(Z);
 – страховой запас, отнесенный к среднеквадратическому отклонению ошибки прогноза (используется для расчета ожидаемого дефицита при нормальном распределении ошибки прогноза);
Pд, эмпир. – вероятность дефицита, вычисленная с использованием эмпирического распределения ;
Рд, норм. – вероятность дефицита, вычисленная с использованием нормального распределения ;
SL %, эмпир. – уровень обслуживания, вычисленный с использованием эмпирического распределения ;
SL, %, норм. – уровень обслуживания, вычисленный с использованием нормального распределения.
Таблица 1.9 – сравнение вероятностей дефицита и уровней обслуживания, вычисленных с использованием нормального и эмпирического распределений
SS
-17
-12
-7
-2
3
8
13
18
23
28
15,95
11,21
7,21
4,20
2,28
1,19
0,56
0,24
0,10
0,02
Z
-1,79
-1,26
-0,74
-0,21
0,32
0,84
1,37
1,89
2,42
2,95
σE(Z)
17,23
12,36
8,37
4,81
2,54
1,05
0,39
0,10
0,03
0,00
Pд, эмпир.
1,00
0,894
0,710
0,496
0,273
0,166
0,088
0,039
0,020
0,010
Рд, норм.
0,963
0,896
0,770
0,583
0,377
0,200
0,085
0,029
0,007
0,002
SL %, эмпир.
81,2
86,8
91,5
95,0
97,3
98,6
99,3
99,7
99,90
99,98
SL, %, норм.
79,7
85,4
90,1
94,3
97,0
98,8
99,5
99,90
99,96
99,99
Объем заказа Q = 85, среднеквадратическое отклонение ошибки прогноза равно 9,5.
Распределение ошибки прогноза весьма заметно отличается от нормального. Тем не менее сравнение вычисленных вероятностей дефицита для эмпирического распределения и для нормального распределения показывает, что с практической точки зрения эти вероятности мало отличаются. В самом деле, между вероятностями отсутствия дефицита (это 1 – Pд) нет заметной разницы при всех значениях страхового запаса SS, начиная с 13 и выше. Так, для SS = 13 эти вероятности равны 0,912 и 0,915. Это значит, что дефицита не будет наблюдаться в среднем в 912 циклах пополнения из 1000 или в 915. Столь же незначительно отличаются и уровни обслуживания, вычисленные с использованием эмпирического и нормального распределений. Конечно, при меньших размерах заказа различие в уровнях обслуживания может оказаться существенным. Но в нашем примере размер заказа Q равен 85, среднеквадратическая ошибка прогноза равна 9,5, а их отношение равно 8,94. Очевидно, что при больших значениях этого отношения совпадение будет еще лучше.
 

Приведенный пример позволяет сделать вывод о том, что даже при значительных отклонениях распределения ошибки прогнозирования от нормального можно использовать значения страхового запаса, рассчитанные с использованием нормального распределения. Тем не менее, желательно всегда проверять степень расхождения значений ожидаемого уровня обслуживания, вычисленных с использованием эмпирического и нормального распределений, подобно тому, как это сделано в таблице 1.9.

 

Уровень обслуживания. Какие они бывают?

Уровень обслуживания. Уровень сервиса. Service Level.

 

Мы уже затрагивали понятие «уровень обслуживания» (см. например здесь) и упоминали о существующей неоднозначности в его понимании. Дело в том, что не существует единого общепринятого определения этого понятия. Напротив, наблюдается несколько вариантов толкований уровня сервиса. Я хочу попытаться изложить известные мне варианты. Как и всегда, всячески приветствуются указания на ошибки, комментарии, добавления, уточнения.

 

Предварительные замечания.

 

Для краткости в дальнейшем я буду использовать сокращения:

SLService Level, уровень обслуживания

SSSafety Stock, страховой запас

LT — Lead Time, общее время на исполнение заказа

T — периодичность пополнения

Q — ожидаемая величина спроса за время T

f(z) — плотность вероятности стандартного нормального распределения

F(z) — функция стандартного нормального распределения

 

Постановка задачи.

 

Итак, наша задача — оценить «относительный размер» зоны риска. Или, другими словами, оценить, насколько ожидаемый спрос будет удовлетворен. Поскольку в доступных источниках встречается целый набор названий соответствующего уровня, попытаюсь приводить все мне известные. Далее везде, если не оговорено особо, предполагается «классическая» пила запаса, то есть потребление происходит равномерно в течение всего функционального цикла.

 

Уровень сервиса.

Type 1. (я поимел наглость именно этот вариант обозвать уровнем обслуживания 1го рода)

α-level.

Cycle Service Level.

 

Данный вариант оценивает вероятность возникновения дефицита в рамках функционального цикла, то есть вероятность попадания в зону риска. Физический смысл данного показателя прозрачен: если мы при неизменных параметрах пополнения выполним достаточно много циклов, то именно такая доля циклов закончится с положительными остатками.

Попробуем прикинуть, что у нас с математикой. В общем виде мне лично известно лишь решение для нормального и логнормального распределения спроса. Здесь мы рассмотрим только первй вариант. Вероятность попадания в зону риска в этом случае определяется функцией Лапласа:

Обратная задача, которую мы решаем — нахождение уровня страхового запаса при заданном уровне обслуживания. «Переворачиваем» предыдущую формулу и получаем


где z определяется из уравнения


Уравнение решается, используя таблицы значений функции Лапласа. К примеру, для уровня в 95% ищем значение 2*0.95-1=0.9. Находим в таблице ближайшее значение. В нашем случае одинаково близко находятся два варианта:

0.8990 ⇒ z=1.64

0.9011 ⇒ z=1.65

Впринципе, можно взять посередине z=1.645.

В случае, если спрос распределен по логнормальному закону, последовательность действий следующая:

Аналогично предыдущему случаю находим z, используя таблицы.

Затем пересчитываем его в новое значение, используя формулу



где

Уровень сервиса.

Type 2. (я поимел наглость именно этот вариант обозвать уровнем обслуживания 2го рода)

β-level.

Unit Fill.

В отличие от первого варианта, данный способ измерения оценивает не просто вероятность возникновения события OOS (Out Of Stock), но оценивает ожидаемое количество упущенного спроса. Оценка «размера» зоны риска делается как соотношение матожидания спроса, не удовлетворяемого из наличного запаса к матожиданию всего спроса клиентов. Соответственно уровень обслуживания определяется как доля спроса, удовлетворенного из наличных запасов:

 

Попробуем прикинуть, что у нас с математикой. Во-первых, матожидание всего спроса нам по условиям задачи уже известно — это как раз величина Q, мы исходили из этого значения, когда планировали график пополнения. Осталось лишь определиться с матожиданием упущенного/отложенного спроса.

В общем виде мне лично известно лишь решение для нормального распределения спроса. Доля потерь в этом случае определяется


Функция L известна как «функция потерь», часто встречается «partial expectation of back orders», «partial expectation function», «partial loss function». Аналитического выражения для этой функции не существует, как правило пользуются таблицей ее значений.

 

Самостоятельно получить таблицу значений можно по формуле

Обратная задача, которую мы решаем — нахождение уровня страхового запаса при заданном уровне обслуживания. «Переворачиваем» предыдущую формулу и получаем

где z определяется из уравнения

Существует также приближенный метод нахождения z. Он основан на аппроксимации функции потерь следующего вида:

коэффициенты выбираются в зависимости от значения L:

L(z) α β γ δ
≤0.0561025 1.94519891 -0.06100591 -2.70426890 0.50840810
0.1428794 ≥ L > 0.0561025 1.83513389 -0.06567952 -2.6970236 0.54505649
> 0.1428794 1.82268153 -0.06609373 -2.65829265 0.56235517

Я лично никогда этим методом не пользовался и его корректность не проверял.

Интересный факт: всегда выполняется

 

Уровень сервиса.

Order Fill.

Другая разновидность уровня обслуживания 2-го рода состоит в том, что принимается во внимание тот факт, что требование на поставку приходит не на один товар независимо, а в рамках целого списка — клиентского заказа. Для некоторых видов бизнеса критичным считается удовлетворение всего такого заказа полностью. Считается, что если хотя бы одна строка заказа не может быть удовлетворена из наличного запаса, следует весь заказ считать неудовлетворенным. Очевидно, это гораздо более жесткий критерий, известный под названием «order fill».

Принимая во внимание среднее значение строк в заказах, где встречается данный товар, для нормального распределения спроса можно привести данный тип уровня обслуживания к типу unit fill:

и далее по уже показанной методике через функцию потерь.

Если спрос распределен по Пуассону, мне встречалась следующая методика:

фактор страхового запаса z определяется из таблицы

SL z
≤ 0.5 0
0.75 0.7
0.80 0.8
0.85 1.0
0.90 1.3
0.95 1.7
0.98 2.1
0.99 2.3
0.999 3.1

Промежуточные значения определяются при помощи линейной интерполяции. Размер страхового запаса далее вычисляется по формуле

где

Уровень сервиса.

γ-уровень

Оговорюсь сразу, что точное описание и математика данного вида мне неизвестны. Попытаюсь изложить то, что удалось выяснить.

 

При данном подходе считается, что имеет значение не только величина отложенного спроса, но и длительность задержки с поставкой. То есть размер зоны риска определяется как произведение величины потерь на длину промежутка, а относительная величина потерь (1-SL) фактически является отношением площадей двух треугольников:

Матожидание площади синего треугольника = QT

Матожидание площади красного треугольника =

Пользуясь подобием треугольников


получаем

Желающие могут взять этот интеграл и написать сюда результат. Я лично не имею ни малейшего желания, поскольку не вижу практического применения этому результату. Даже западные источники крайне редко упоминают об этом варианте, а те, которые упоминают, скромно указывают на его «крайне редкую» применяемость.

Формула общей дисперсии при случайном спросе с учетом неопределенности функционального цикла

статья с описанием откуда взялась формула для общей дисперсии (используется при расчёте страхового запаса).

Прикрепленный файлРазмер
Вывод формулы дисперсии суммы.pdf70.11 кб

Еще раз о суммарной дисперсии

Итак, еще раз попытаемся разобраться, что же означает формула общей дисперсии не математически, а "по жизни". Нисколько не претендую на оригинальность, но вопрос всплывает часто, надо с ним разобраться и выводы зафиксировать.

Будем рассматривать нашу любимую картинку:

На самом деле, в этой классической пиле мы нарисовали лишь то, как может "уплыть" спрос за время реакции системы поставок (в данном случае, LT+T). Проблема же состоит в том, что у нас имеется еще один источник неопределенности - само время исполнения заказа LT (а значит и общее время реакции) является неопределенным и определяется дисциплиной поставщика. Тогда наша картинка должна выглядеть немного сложнее:

Заштрихованный параллелограмм показывает область, где может оказаться запас в конце цикла с определенной вероятностью. Наша задача - математически описать эту ситуацию. Подход в данном случае очень простой. Для определеннсти будем оперировать дневным расходом товара, тогда суммарный расход за время реакции есть сумма дневных:
Qsum = Q1 + Q2 + ... + QL, но само количество дней L - величина случайная.
То есть мы имеем случайную сумму случайных величин Qi.

  1. Если все Qi независимы и имеют одинаковое распределение с параметрами mq и sq
  2. Если L не зависит от Q и имеет распределение с параметрами mL и sL

то теория вероятностей нам сообщает, что распределение Q будет иметь параметры

Строгий математический вывод формулы нам здесь предоставил inkerman, там добавить нечего.

Однако со своей стороны я хочу обратить внимание на несколько важных вещей, о которых отчего-то в учебниках не сильно говорят, хотя как раз они, в отличие от математики, имеют решающее значение.

  1. Несмотря на то, что параметры распределения определяются математически строго, вид итогового распределения остается неизвестным. Переходя в практическую плоскость, это означает, что на основании этих цифр вообще говоря рассчитать страховой запас нельзя, почти все общеизвестные методы предусматривают нормальное распределение. К счастью, в большинстве случаев суммарное распределение спроса за время реакции достаточно часто оказывается нормальным. В частности, если Q распределены нормально, то и любая сумма будет нормальной. Более того, если даже в распределении Q не наблюдается нормальности, но L достаточно велико, можно считать суммарное распределение приблизительно нормальным.
  2. Прямо из описания задачи следует, что существует жесткая связь между точностью определения L и Q. Поясню. Из нашего рассуждения следует, что L - это не промежуток времени, это всегда натуральное число. В том случае, если оно имеет смысл количества дней, значит как отклонения в сроке поставки мы должны измерять в днях, так и дисперсию спроса мы должны знать для дневных отгрузок. Если вам известна дисперсия только понедельного спроса (которая, естественно, сильно меньше), значит сроки поставок и их дисперсии вы тоже обязаны выражать в неделях и никак иначе. В этом случае учесть отклонение в два-три дня нельзя, лишь в целом числе недель.

Ограничения формулы общей дисперсии

Итак, мне хочется продолжить разговор о вычислении степени вариации спроса. Ну свербит у меня, что тут поделаешь... А если серьезно, то ведь вопрос до неприличия важный. Давайте прикинем "на пальцах". Есть известная экспертная рекомендация: "если не можете честно расчитать страховой запас, держите его приблизительно равным половине расхода за время реакции". Что это означает? Мы планируем, что если все пойдет, как мы предполагаем, ПОЛОВИНА денег, вложенных в запас, будет лежать мертвым грузом и не приносить прибыли. И все равно по факту получим и дефицит, и сверхнормативные запасы, такова наша планида.

Если смотреть на проблему с такой точки зрения, становится понятным, отчего не жалко тратить усилия на более точное решение задачи - слишком высока "цена вопроса".

В прошлой статье мы остановились на том, что вывели матожидание и дисперсию спроса
Qsum = Q1 + Q2 + ... + QL при выполнении двух условий:

  1. Если все Qi независимы и имеют одинаковое распределение с параметрами m и s
  2. Если L не зависит от Q и имеет распределение с параметрами mL и sL

Если со вторым условием все нормально, то первое условие мне очень сильно не нравится. Переводя на нормальный язык, полученная формула работает только в случае отсутствия и тренда, и сезонности, когда спрос практически стационарен.

И что со всем этим делать, если "ровный" спрос бывает только в сказке?
Видимо, придется обложиться математическими справочниками и попытаться решить задачу в более общем виде.

Как написано в учебнике, для всякого L распределение Qsum будет вычисляться как свертка распределений всех QL.

а общее распределение спроса соответственно

Допущение 1. Будем считать, что все Qi распределены нормально со своими параметрами

тогда из свойства нормальности распределение суммы спроса за L периодов будет также нормальным с параметрами

Для начала попробуем посчитать матожидание суммарного спроса. По определению это

подставим сюда g(Q) и получим

так как интеграл есть не что иное, как матожидание распределения fL. Из этой формулы видно, что если все µ одинаковы, как предполагается в классической задаче, то и формула упрощается до уже известного нам произведения матожиданий дневного спроса и количества дней.

С дисперсией все несколько сложнее. По определению


Для вычисления интеграла распишем аналогично дисперсию распределения fL

тогда

Не мешало бы проверить результат в случае стационарного спроса. Пусть все Qi имеют одинаковые параметры распределения (m,s2). Тогда

 

Получили знакомую уже формулу, так что будем надеяться, нигде не проврались. Еще никого не тошнит от всего этого безобразия? Мне лично от таких многоэтажек становится грустно. А главное, непонятно, какую практическую пользу можно из этого извлечь...

И, кстати, во всех формулах ошибка. В индексах суммирования везде вместо i=0 следует читать i=1. Ну, вы же понимаете...

не мысленный эксперимент

Во вложении экселевский файлик, в котором я рассчитал по указанной формуле суммарную дисперсию для недель и дней на одном и том же массиве. Придерживаясь рекомендаций я выбрал такое количество дней и для периода поставки и для отклонения, которые давали бы целое число недель, однако итоговые значения суммарной дисперсии всё равно не сходятся...

Прикрепленный файлРазмер
summ_disp.xls21.5 кб

Функция потерь. Как величина страхового запаса влияет на уровень обслуживания

автор: Юрий aka INKERMAN

 

Высылаю краткую заметку, в которой попытался изложить суть расчета Страхового Запаса по методике, описанной в книге Бауэрсокса. В частности, показать «откуда растут ноги» у функции потерь, которая в книге Бауэрсокса дана как табличная функция.

Прикрепленный файлРазмер
reserve_stocks.doc77.5 кб

Моделирование запаса при фиксированном уровне обслуживания

Как мы будем моделировать величину страхового и полного запаса:

 

 

Перепишем формулу общей дисперсии


V — среднедневная реализация

 

учитывая, что


,

TL - время, требуемое для обнаружения потребности, составления заявки, отправки, согласования, доставки и приходования. Для краткости будем называть это временем процессинга.

T0 — периодичность заказа,





(коэффициент вариации дневных продаж)

в виде


отсюда видно, что при условии T0>>TL интегральная вариация падает пропорционально корню из T0, а при условии T0<<TL — пропорционально T0. Формула для функции потреь выглядит как


Величина страхового запаса


Величина рабочего запаса

Как видим, интенсивность потребления V задает только масштаб этих значений, не меняя качественной картины, поэтому при расчетах будем принимать V=1, и тогда полный запас


Таким образом, мы будем исследовать зависимость TS от T0.

 

Методика:

 

В качестве входных параметров будем подавать на вход коэффициент вариации дневных продаж, среднее время процессинга и его СКО, диапазон уровней сервиса и шаг.

 

Поскольку очень важное значение имеет соотношение величин T0 и TL, диапазон изменения T0 будет выбираться автоматически как [TL/10;TL*10], точки измерения будут расставлены более часто в начале диапазона (размещение точек сделано по логарифмической шкале).

 

На последнем графике строится зависимость интегральной вариации от T0 при разных значениях вариации дневных продаж — это просто для информации.

 

Первый график содержит зависимость SS от T0 для всех уровней сервиса из заданного диапазона с заданным шагом. Зависимость


получена путем линейной интерполяции табличной функции потерь.

 

Как пользоваться

 

Скачиваем здесь, разворачиваем архив куда удобно, запускаем SL.cmd, выставляем интересующие параметры, нажимаем кнопку. Если нужно увеличить какой-то участок графика, ставим мышь в левый верхний угол участка, нажимаем кнопочку, протягиваем по диагонали, отпускаем кнопку. Обратная операция — протянуть влево вверх.

 

Результаты

 

Для меня лично весьма неожиданные.





Полезные файлы и ссылки

Здесь коллекционируются различные документы, которые могут оказаться полезными в работе логистов. Инструкции, документы, электронные таблицы...

Просьба к размещающим здесь материалы не просто прикреплять файл, но и писать хоть небольшую аннотацию - что это, зачем нужно и т.д.

Бизнес-библиотека

Всякие разные публикации на темы бизнеса и вокруг

форматы публикации и рекмендуемые программы просмотра:

pdf - http://www.foxitsoftware.com/pdf/reader
djvu - http://windjview.sourceforge.net
fb2 - http://alreader.com

Архангельский Г. - Тайм-драйв. Как успевать жить и работать

Самая полезная и увлекательная книга об управлении временем. Глеб Архангельский - инициатор российского ТМ-движения, основатель Тайм-менеджерского сообщества, руководитель корпоративных ТМ-проектов в РАО "ЕЭС", PricewaterhouseCoopers, "Вимм-Билль-Данн", и др., генеральный директор консалтинговой компании "Организация времени", автор фундаментальной монографии "Организация времени" (2003 г.).

ISBN: 
978-5-902862-77-2

Логистическая библиотека

Книги, статьи, конспекты,........., имеющие отношение к логистике

форматы публикации и рекмендуемые программы просмотра:

pdf - http://www.foxitsoftware.com/pdf/reader
djvu - http://windjview.sourceforge.net
fb2 - http://alreader.com

Бауэрсокс Д.Дж., Клосс Д.Дж - Логистика. Интегрированная цепь поставок

Предлагаемая книга является одновременно и учебником, и справочником и охватывает весь круг вопросов, имеющих отношение к предмету. Изложение материала начинается со всеобъемлющего описания роли и содержания логистики в современном бизнесе, а также с ключевых концепций и практических приемов интегрированного логистического менеджмента (первая часть). Затем следует обзор функциональных областей, в совокупности составляющих систему логистики делового предприятия, включая информационный обмен, управление запасами, организацию транспортировки и т. д. (вторая часть). Далее подробно разбираются две фундаментальные задачи, стоящие перед менеджерами: формирование надлежащей структуры логистики (третья часть) и общее руководство логистической деятельностью (четвертая часть).

от себя. Ну о чем тут говорить? Можно сказать, классика.

ISBN: 
5-9693-0124-5

Гаджинский А. М. Логистика: Учебник для высших и средних специальных учебных заведений.

В учебнике изложены современная концепция и задачи логистики. Охарактеризованы участники логистического процесса, описаны методы, обеспечивающие повышение эффективности хозяйственной деятельности за счет рациональной организации материальных потоков.
Для студентов высших и средних специальных учебных заведений, а также практических работников сферы распределения, закупок, транспорта, организации торговых и производственных процессов.

Рецензент — заслуженный деятель науки РФ,
действительный член Инженерной академии,
председатель Координационного совета по логистике,
доктор технических наук, профессор
Л. Б. Миротин

ISBN: 
5–7856–0021-8

Рыжиков Ю.И. Теория очередей и управление запасами.

В книге известного ученого, одного из тех, кто стоял у истоков отечественной школы теории запасов, Ю.И.Рыжикова, представлены методы массового обслуживания и управления запасами. В новой работе автору удалось не только системно и последовательно изложитьбазовые теоретические положения теории очередей, но и дать ценные практические рекомендации по оптимизации сложных систем снабжения, снижению времени обслуживания, ликвидации избыточных запасов.

от себя. Лучшая книга по математическим методам управления запасами на все времена. Фундаментальное строгое изложение, демонстрация подходов к решению кучи практических задач. must have однозначно.

ISBN: 
5-318-00073-8

Стерлигова А.Н. Терминологическая структура логистики

Формирование русскоязычной терминологии логистики – задача, требующая своего решения уже более десяти лет. В последнее время обсуждение этой проблемы ведется все более активно. Несмотря на то, что варианты определения значений русскоязычных терминов логистики уже представлены в широко известной специальной литературе, по мере развития логистики как науки требуется их обновление на основе уточненияпонятий и их отношений.

Шрайбфедер Дж. Эффективное управление запасами

Управление запасами требует не только хорошего аппаратного и программного обеспечения и необходимых знаний, но и соответствующей корпоративной политики. Как сократить эксплуатационные расходы? При каком объеме запасов растет прибыль? Скажется ли расширение ассортимента на рентабельности компании? Как разработать программу управления запасами, которая позволит максимизировать чистую прибыль? Джон Шрайбфедер, президент Effective Inventory Management, Inc., утверждает, что эффективное управление запасами позволяет организации удовлетворять и превышать ожидания покупателей и предлагает методику создания программы управления запасами, позволяющую добиться высокой рентабельности вложений в складские запасы.
Книга адресована топ-менеджерам и владельцам компаний, специалистам, занимающимся логистикой, а также студентам и преподавателям экономических вузов.

От себя хочу добавить, что это лучшая книга с точки зрения введения в профессию. Заставляет мыслить в правильном направлении, четко определяя цели и задачи inventory management.

ISBN: 
5-9614-0332-7

Моделирование прибыли, потерь и уровня обслуживания в зависимости от размера страхового запаса

Лист Excel, моделирующий поведение прибыли, потерь и уровня обслуживания от размера страхового запаса. Позволяет находить оптимум в зависимости от вида и характеристик распределения спроса, нормы прибыли, штрафов за превышение срока годности, стоимости хранения и кредитования.

Не содержит макросов и защит.

Прикрепленный файлРазмер
EconomicSS.xls195.5 кб

Регламенты

Инструкции, регламенты, положения, описания бизнес-процессов, перечни обязанностей и прочая, и прочая - все, что может понадобиться хотя бы как "рыба" для собственного документописания.

Просьба к размещающим по возможности воздержаться от проприетарных форматов (таких, как например .doc). Переводите хотя бы в pdf. А еще лучше - воспользоваться иконкой "Paste from Word".

ДОЛЖНОСТНАЯ ИНСТРУКЦИЯ Маркетолога-аналитика

ДОЛЖНОСТНАЯ ИНСТРУКЦИЯ
Маркетолога-аналитика
 
 
Настоящая должностная инструкция разработана и утверждена в соответствии с положениями Трудового кодекса Российской Федерации и иных нормативных актов, регулирующих трудовые правоотношения в Российской Федерации.
 
1. Общие положения
 
1.1. Маркетолог-аналитик относится к категории специалистов.
1.2. На должность маркетолога-аналитика назначается лицо, имеющее высшее профессиональное образование или среднее профессиональное образование, дополнительную подготовку в области менеджмента и маркетинга, опыт работы в этой сфере не менее 3 лет.
1.3. Назначение на должность маркетолога-аналитика и освобождение от нее производится приказом генерального директора предприятия по представлению директора по маркетингу.
1.4. В своей работе маркетолог-аналитик руководствуется:
- нормативными и методическими материалами по вопросам маркетинга и менеджмента;
- уставом предприятия;
- правилами внутреннего трудового распорядка;
- приказами и распоряжениями Генерального директора, непосредственного руководителя;
- настоящей должностной инструкцией.
1.5. Маркетолога-аналитика должен знать:
- законы и нормативные правовые документы, регламентирующие осуществление предпринимательской и коммерческой деятельности;
- рыночную экономику, предпринимательство и основы ведения бизнеса;
- конъюнктуру рынка;
- ассортимент, классификацию, характеристику и назначение товаров;
- основы маркетинга (концепцию маркетинга, основы управления маркетингом, способы и направления исследования рынка);
- закономерности развития рынка и формирования спроса на товары;
- основы рекламы, формы и методы ведения рекламных кампаний;
- психологию и принципы продаж;
- технологию производства;
- торговое и патентное законодательство;
- правила установления деловых контактов;
- методы обработки информации с использованием современных технических средств ;
- правила эксплуатации средств вычислительной и организационной техники;
- основы законодательства о труде;
- правила и нормы охраны труда.
1.6 Маркетолога-аналитик подчиняется непосредственно директору по маркетингу.
 
2. Должностные обязанности и функции
 
Маркетолога-аналитик выполняет следующие обязанности и функции:
2.1. Осуществляет информационную поддержку службы маркетинга;
2.2. Формирует ежедневные/еженедельные/ежемесячные отчеты;
2.3. Проводит оценку эффективности маркетинговых мероприятий;
2.4 Изучает особенности продвигаемого продукта, анализирует требования потребителей к продукту на основе результатов маркетинговых исследований.
2.5 Проводит ассортиментный анализ;
2.6 Осуществляет анализ рынка, определяет целевые потребительские сегменты рынка для предложения продукта.
2.7 Прогнозирует продажи, планирует объёмы закупок и производства.
2.8 Разрабатывает предложения по минимизации расходов.
2.9 Анализирует оперативные данные об итогах продаж, об остатках, о дефиците.
2.10 Осуществляет наблюдение за положением продукта на рынке (ходом продаж продукта, спросе на него), определяет и анализирует отношение потребителей к продукту.
2.11 Выявляет неудовлетворительные параметры продукта, требования покупателей к продукту и сообщает о них директору по маркетингу для корректировки продукта, придания ему новых потребительских свойств.
2.12 Отслеживает ценовую политику и спрос на бренды конкурентов, определяет позиции продукта относительно аналогичных или схожих продуктов конкурентов.
2.13 Подготавливает отчеты директору по маркетингу о проделанной работе.
 
 
 
 
 
 
 
 
3. Права
 
Маркетолога-аналитик имеет право:
3.1. Знакомиться с документами, определяющими его права и обязанности, критерии оценки качества исполнения обязанностей.
3.2. Представлять на рассмотрение руководства предприятия предложения по улучшению работы подразделений предприятия, по оперативному управлению производством.
3.3. Получать от руководителей и специалистов структурных подразделений предприятия информацию, необходимую для осуществления своей деятельности.
3.4. Подписывать и визировать документы в пределах своей компетенции.
3.5 Запрашивать лично или по поручению непосредственного руководителя от руководителей подразделений предприятия и специалистов информацию и документы, необходимые для выполнения его должностных обязанностей.
3.6 Требовать от руководства предприятия обеспечения организационно-технических условий и оформления установленных документов, необходимых для исполнения должностных обязанностей.
 
 
4. Ответственность
 
Маркетолог-аналитик несет ответственность:
4.1. За ненадлежащее исполнение или неисполнение своих должностных обязанностей, предусмотренных настоящей должностной инструкцией, в пределах, определенных трудовым законодательством Российской Федерации.
4.2. За правонарушения, совершенные в процессе осуществления своей деятельности, - в пределах, определенных административным, уголовным и гражданским законодательством Российской Федерации.
4.3. За причинение материального ущерба - в пределах, определенных действующим законодательством Российской Федерации.
 

 

ПОЛОЖЕНИЕ о департаменте закупок

ПОЛОЖЕНИЕ
о департаменте закупок
 
 
 
 
 
  1. Общие положения
Департамент закупок (ДЗ) является самостоятельным структурным подразделением предприятия и подчиняется непосредственно генеральному директору.
 
  1. Цели подразделения
Цель ДЗ - Реализация стратегии предприятия путем обеспечения розничных сетей предприятия качественными товарами по конкурентным ценам в необходимо количестве и ассортименте.
 
  1. Задачи
    1. Определение и планирование ассортиментной политики в разрезе утвержденной стратегии предприятия.
    2. Подбор поставщиков товаров для розничных сетей предприятия и организация работы с ними.
    3. Осуществлять управление ценовой политикой предприятия в разрезе утвержденной стратегии.
 
  1. Структура
    1. Структуру и штат ДЗ утверждает генеральный директор предприятия в соответствии с типовыми структурами аппарата управления и нормативами численности руководителей, специалистов и служащих с учетом объемов и особенностей работы.
    2. В состав ДЗ входят:
      1. подразделения управляющие товарными категориями,
      2. отдел ценообразования.
 
  1. Функции
    1. Разработка, согласование и внедрение ведения товарных групп для каждой сетипредприятия.
    2. Формирование, поддержание и совершенствование ассортиментной политики длякаждого формата сети в соответствии со стратегией предприятия.
    3. Поиск поставщиков товара и организация взаимодействия с ними на основаниистандартов утвержденных на предприятии.
    4. Обеспечения надлежащего оформления и заключения договоров поставок, а такжевыполнение обязательств по ним.
    5. Оптимизация условий поставки товара в розничные сети предприятия, уменьшениевходных цен на товар и сокращение расходов по его логистики.
    6. Осуществление постоянного анализа эффективности работы с товарами входящимив ассортиментный ряд розничных предприятий.
    7. Формирование и поддержание ценовой политики, соответствующей стратегииразвития предприятия.
    8. Подготовка и утверждение эффективного плана ценового акционирования на год,квартал период.
    9. Постановка перед другими подразделениям компании задач, возникающих впроцессе работы с товарными группами и контроль за их исполнением.
 
  1. Информация, регулярно предоставляемая другими подразделениям
    1. В финансовый департамент:
      1. План закупок по товарным категориям в разрезе средней наценки и объёмов закупки предприятия – ежеквартально.
      2. Бюджет ДЗ – ежемесячно.
      3. План оплат поставщикам – ежедневно.
      4. Срочные платежи – ежедневно.
    2. В коммерческий департамент:
      1. Максимально допустимые скидки в разрезе товарных групп – ежеквартально.
      2. Изменения в ассортименте – еженедельно.
      3. Список поставщиков по каждой категории товаров (разбрендовка) – ежеквартально.
      4. План акций на месяц – еженедельно.
      5. Складскую политику по позициям – ежемесячно.
      6. График поставок для поставщиков, где он определён – ежемесячно.
      7. Задание для ценового мониторинга по регионам – ежемесячно.
      8. Список неликвидов.
    3. Генеральному директору:
      1. Отчёт по дефектуре в разрезе категории АВС – ежемесячно.
      2. Отчёт по оборачиваемости – ежемесячно.
      3. Отчёт по неликвидам с причинами образования новых – ежемесячно и результатами программ ликвидации старых.
 
  1. Права
    1. Запрашивать от других департаментов компании информацию, отчеты идокументы, необходимые для выполнения своих служебных обязанностей.
    2. Вносить обоснованные изменения в планы товарооборота и наценок по товарнымгруппам.
    3. Вносить на рассмотрение генерального директора предложения, касающиесясовершенствования ассортиментной и ценовой политики предприятия.
    4. Представлять предприятие в контактах с внешними организациями.
 
  1. Ответственность
    1. Всю полноту ответственности за качество и своевременность выполнениявозложенных настоящим положением на департамент задач и функций несет директорпо закупкам.
    2. Степень ответственности других работников устанавливается должностнымиинструкциями.
 
  1. Критерии оценки деятельности подразделения
    1. Достижение плановых показателей экономической эффективности.
    2. Выполнение бюджетных показателей.
    3. Соответствие процессов закупок стандартам компании.
    4. Качество взаимодействия между ДЗ и другими подразделениями компании.

 

Теория ограничений. Theory of Constraints.

Не думаю, что нужно объяснять, что такое теория ограничений.

Но если есть люди, еще не знакомые с предметом, в двух словах ТОС – это философия управления бизнесом, основанная на здравом смысле. Автором концепции управления по ТОС является доктор Элияху Голдратт.

Голдратт Э. Цель I (Та самая цель).

пусть лучше скажет автор:

Существует несколько причин, по которым я выбрал форму новеллы, для изложения моего понимания промышленного производства: как оно работает (в реальности) и почему оно работает именно так. Во-первых: я хочу сделать эти принципы более понятными и показать, как они могут привнести порядок в хаос, который так часто присутствует на наших заводах.
Во-вторых: я хочу проиллюстрировать силу их понимания и преимущества, которые они могут принести. Достигнутые результаты не являются вымышленными, они были и существуют на реальных заводах. Для этого западный мир не должен удваивать или утраивать промышленные мощности. Чтобы достигнуть успешных результатов на любом промышленном предприятии, достаточно всего лишь понять и применить корректно изложенные принципы. Я также надеюсь, что читатели увидят жизнеспособность этих принципов и их применимость для таких организаций, как банки, больницы, страховые компании и даже собственные семьи. Может быть, такой же потенциал развития и
улучшения существует и для всех остальных организаций.
Последняя и самая важная причина: я хотел показать, что все мы можем быть выдающимися учеными. Секрет настоящего ученого не в том, насколько у него мощный интеллект. Этого у всех хватает. Просто нам нужно научиться смотреть на реальность и обдумывать логично и взвешенно все, что мы видим. Ключевым ингредиентом здесь является смелость. Смелость посмотреть в лицо  несоответствиям того, что мы видим и понимаем и того, что привыкли с этим делать.

Голдратт Э. Цель II. (Дело не в везенье)

"ДЕЛО НЕ В ВЕЗЕНЬЕ" - это продолжение "ЦЕЛИ". На этот раз перед Алексом и его коллегами стоит намного более амбициозная задача - в сжатые сроки и без каких-либо инвестиций превратить каждую из трех едва держащихся на плаву фирм в золотую жилу, для того чтобы этого добиться, Алекс должен найти ответы на вопросы "Что изменить?", "На что изменить?" и "Как обеспечить перемены?". Он вновь
обращается к Теории Ограничений и начинает системно использовать Мыслительные Процессы - набор
методов, позволяющих разработать комплексное решение - цельную интегрированную стратегию - для
устранения ключевой проблемы, создания решающего конкурентного преимущества, обеспечения процесса непрерывного улучшения и устранения возможных побочных негативных эффектов, которые могут быть вызваны претворением этой стратегии в жизнь.

ISBN: 
9985-78-844--3

Голдратт Э. Цель III. Необходимо, но не достаточно.

Внедрение новых технологий, базирующихся на управлении данными, воспринимается бизнесом как необходимое условие успешного развития. Однако лишь небольшой процент компаний получает от внедрений современных автоматизированных систем управления компанией ожидаемый прирост заработка. По мнению авторов, причина такого явления состоит в том, что переход на обновленные IT системы не сопровождается необходимым изменением внутренних правил и политик.

ISBN: 
978-966-1503-00-6

Голдратт Э. Критическая цепь.

Метод критической цепи появился в 90-х годах прошлого столетия и стал «тихой» революцией в управлении проектами, устранив фундаментальный изъян традиционного подхода. традиционный подход принимает за основу идеализированное представление о действительности. теоретически, от нас требуется лишь составить хороший сетевой график, обеспечить его исполнение – и дело сделано, все проекты будут завершаться, как положено. В действительности же любой проект реализуется в условиях неопределенности. Меняются условия и приоритеты, возникают технические неполадки, подводят поставщики, согласования не успевают, люди болеют и т.д. и т.п.

ISBN: 
978-5-903361-02-1

Голдратт Э. Синдром стога сена

Этакий конспект, выжимка, делай раз-два-три по принятию управленческих решений

Техническая библиотека

Электронная библиотека. Огромный выбор по разным областям.

http://lib.qrz.ru/

 

Информационные технологии

В этом разделе публикуются обзоры решений в области IT, которые могут быть полезны специалистам в области логистики и рядом.

SCM & IT. Who is where... part I

Информационные системы и SCM. Кто есть где.
 

Отмазки (disclaimer).

Зачем я все это пишу? Применение ИС к управлению цепочками поставок на просторах xUSSR пока еще мало распространено. Если и не зачаточное состояние, то уж младенческое точно. Хочется немного остановиться на этом вопросе, поскольку существует явно выраженная потребность сегодняшнего бизнеса в хороших и удобных инструментах управления цепями поставок, при этом существующий рынок остается совершенно непрозрачным даже для специалистов, не говоря уже о потенциальных потребителях.
Несколько прошедших в последнее время конференций лишь подтвердили большой интерес к этой теме со стороны профессионалов, обеспечивающих ежедневное управление потоком ценностей.

Лирическое отступление.

Да-да-да, я опять про кризис. Во-первых, по закону жанра надо бы как-то зацепить читателя, задеть его за живое, а во-вторых пресловутый кризис со всей очевидностью продемонстрировал недостатки системы управления запасами в наших компаниях. До этой черты мы как правило работали в условиях либо стабильного, либо стабильно растущего рынка, вот в чем фокус. Что это означает для управления запасами? Прежде всего малую цену ошибки. Образовался дефицит - заработали меньше, но за счет другой номенклатуры общую рентабельность вытягиваем "не хуже, чем обычно". Закачали в трубу цепочки поставок больше, чем надо - плохо, тяжело, но на растущем рынке достаточно немного прикрутить краник на входе, и через разумное время "само рассосется". Тем более, что существующая система мотивации как служб продаж, так и служб закупок чаще всего провоцирует "заложиться" по максимуму. Организовали график поставок абы как? да кто это заметит, рентабельность все покрывает.

В результате стандартная картинка состояния запасов в любой компании: определенный стабильный процент стокаутов и столь же стабильный процент тех самых запасов, называемых в просторечии "неликвидами", а то и вовсе "перезатаркой". Будем соблюдать однако некоторую академичность и назовем их "сверхнормативными". Стандартная практика контроля запасов - контроль отклонения этих параметров от величины, сложившейся традиционно.

Это вот "традиционно" - это индикатор сложившейся системы управления. Системы, которая частенько и работала на основе сложившихся в компании традиций, а не установленных правил и описанных процедур, а также объективно определенных показателей. А поскольку, как уже говорилось, несмотря на некоторые недостатки, прибыль имелась, менять ничего и не надо. "Работает - не трожь", в этом выражении есть сермяжная правда, поэтому "ставить" на предприятии настоящую Систему с ее четко обозначенными правилами игры, никому было не нужно.

Что произошло потом? Рынок "всего лишь" упал. Ситуация на падающем рынке изменилась кардинально, и прежде всего это относится к сверхнормативам. Если раньше излишний запас "рассасывался" в течение нескольких недель, то теперь речь идет о месяцах, и все это время средства лежат без движения и не могут быть реинвестированы в действительно нужные товары. Перегрузка в трубе поставок уже не может быть устранена в разумное время, а кредитные возможности, у кого они еще остались, резко сократились. В ситуации нехватки оборотных средств произошло вымывание наиболее ликвидного ассортимента, а неликвиды еще более выросли из-за большого времени реакции системы поставок и эффекта хлыста.

Раз ликвидного ассортимента не хватает, доходная часть сокращается, бюджет начинает расползаться, приходится сокращать расходную часть. Быстро сократить расходы можно только за счет персонала, снижения арендных ставок, распродажи части (желательно непрофильных) активов. Последнее, впрочем, затруднительно, ибо где сейчас найти покупателя, расширяющего свой бизнес?

Каким образом реагирует сложивщаяся система управления? Да привычным! Подать сюда Пупкина, накрутить ему хвоста за избыточные запасы. Пупкин на свое усмотрение снизит заказы на 20%, вот только не решит это проблему, поскольку происходит борьба со следствием. И вообще, такое, с позволения сказать, управляющее воздействие мне сильно напоминает рассказ Эдварда Деминга:

На одном из автомобильных предприятий известной азиатской страны работал станок с ЧПУ. Станок точил вал для коробки передач, причем у него стояла система контроля качества по обратной связи: на выходе измерялся диаметр вала, если наблюдалось отклонение от положенного, в систему управления вводилась поправка. Результат - дикое количество брака. Во всяком случае, по меркам азиатского завода. Что было предложено первым делом - отключить систему корректировки. После первой же недели измерения четко показали, что количество брака явно уменьшилось. Причина для любого, знакомого со статистикой, тривиальна: станок (Система) работал в рамках отклонений, определенных его устройством, технологией и материалом. Любое корректирующее воздействие приводило лишь к тому, что помимо "естественных" отклонений результата от номинала добавлялось отклонение на величину воздействия, что в итоге приводило к увеличению размаха.

Так же и реакция Системы в виде наказания Пупкина. Помимо "люфтов" самой системы мы добавляем еще одно неконтролируемое возмущение, разве тут можно ждать устойчивости и предсказуемости? Не зря же считается, что в любом результате доля исполнителя - не более 5%, остальное обусловлено свойствами Системы. Есть даже прецеденты компаний, где в принципе не существует формальных наказаний исполнителя, ибо считается, что вина за брак в работе - следствие свойств самой Системы.

Но вернемся к нашим баранам. Сокращение персонала и прочие подобные пожарные меры - это лишь разовое воздействие, не устраняющее причину. Сегодня мы все прекрасно понимаем, что настоящая причина состоит в том, что нам необходимо научиться работать в новых условиях. Все популистские споры "кончился кризис или нет" нас уже не касаются, похоже, что истина совсем в другом: мир изменился, и мы уже сейчас живем в этом другом мире, ждать, что все вернется к розовым денечкам нескольких прошлых лет, бессмысленно. В частности, необходимо "ставить" Систему управления, в том числе и запасами. Возвращаясь к нашей байке, вместо того, чтобы давать нагоняй линейному руководителю за то, что его подчиненные якобы "совсем мышей не ловят" (разовое корректирующее воздействие, направленное в прошлое), нужно уменьшать люфт станка, искать другой материал для заготовки, совершенствовать систему крепления в патроне, и т.д. и т.п.

И вот тут уж, как водится, на сцену выходят информационные технологии. Понятно, что если компания имеет размер более 10 человек, без систем учета, контроля и, соответственно, управления никуда.

SCM & IT. Who is where... part II

Лирическое отступление.

Как происходит управление движением продукта в "трубе"? Думаю, не ошибусь, если скажу, что в большинстве компаний типичный цикл управления выглядит так:

  • учет
  • контроль
  • анализ
  • определение политики управления
  • планирование
  • исполнение

При первом взгляде здесь все на месте, именно в такой последовательности менеджер изо дня в день крутится в этом цикле. Я, однако, хочу обратить внимание на коренной недостаток такой картины. Да нет, недостаток - это сказано слабо. Тут имеет место быть целая парадигма, принцип управления, когда Лицо, Принимающее Решения, реагирует на уже случившиеся факты. Способ управления, известный как "тушение пожаров". Если не перевернуть кое-что в собственной голове, мы так и будем заниматься этим самым тушением. А нужно-то немного, сначала изменить последовательность действий:

 а затем признать, что

  • каждый уровень является производным от более верхнего, так что
  • если в результате анализа ситуации мы получили совсем не то, к чему стремились,
  • значит нужно не только (даже не столько) тушить этот пожар,
  • а прежде всего обнаружить тот самый шаг, на котором возникла причина расхождений;
  • четко понять, что привело к такому результату;
  • отделить системные причины от случайных;
  • принять решения, которые устранят системные причины (помните про станок???) возникновения расхождений в будущем.

Вот такая картинка больше похожа на регулярный менеджмент, дальше я буду исходить из нее, тем более, что большинство программных инструментов как раз и заточены на решение задач каждого из перечисленных уровней управления.

Классификация по уровням принятия решения

 

Политика управления:

Определение стратегии развертывания

  • Целевые сегменты
  • География распространения
  • Товарные категории и объемы

Исключительно маркетинговая задача, так что в современном понимании supply chain management не включает в себя решение таких задач. Но обсуждать программное обеспечение на этом уровне я не буду по другой причине: мне таковое просто неизвестно. Конечно, существуют специфические пакеты типа SPSS, но они закрывают такую мизерную часть этой огромной и очень сложной работы, что и говорить не о чем.
На основании полученных на этом шаге данных нужно решить проблемы следующего уровня:

Использование ресурсов

  • Размещение центров обслуживания клиентов и промежуточных складов
  • Целевой уровень обслуживания
  • Выбор поставщиков
  • Оптимальные политики пополнения

Вот здесь как правило начинается епархия SCM, это стратегический уровень управления цепями поставок. Программные решения этого класса пока не имеют устоявшегося наименования и аббревиатуры (как ERP, например), отличить их можно по присутствию в названии чего-то вроде Global SCM Optimization, Inventory Optimization, Strategy Planning. Также в последнее время начали применять пакеты имитационного моделирования.

Определение операционных процессов

  • организационная структура
  • функции, полномочия, ответственность подразделений
  • процессы
  • информационные потоки
  • технологии
  • контроль и мотивация

здесь информационные технологии не являются инструментом, помогающим принять решение, они служат лишь удобным и более-менее стандартизированным средством описания Системы. Здесь и пакеты относительно общего назначения для описания процессов (смотрим в сторону нотаций IDEF), и чисто технологические инструменты типа систем документооборота, порталов, других хранилищ знаний.

SCM & IT. Who is where... part III

Планирование

Переходим к тактическому управлению цепью поставок - планированию товарных потоков. На предыдущем шаге мы нарисовали картинку крупными мазками - определили товарные матрицы, разместили центры обслуживания клиентов. Теперь от качественного описания нужно переходить к конкретике - сколько вешать в граммах. То бишь когда, что и сколько закупить, куда, когда и сколько перевезти и произвести, чтобы обеспечить тот самый пресловутый нужный товар в нужном месте в нужное время, держа при этом в уме обеспечение нужного уровня сервиса.

Решение этой задачи естественным образом распадается на две независимые подзадачи, выполняемые последовательно.

Определение спроса на будущий период времени.

Грубо говоря, под какой расход должна подстроиться система поставок. Особо хочу обратить внимание на вот это "грубо говоря". Дело в том, что менеджмент часто не делает различия между

  • потребностью рынка (спросом) и планом продаж (отгрузок)
  • потребностью рынка (спросом) и фактическими продажами (отгрузками)

Это принципиальнейшая ошибка, поэтому предлагаю договориться о терминах. Спрос - суть объективная потребность клиентов, не зависящая от нашего управления товародвижением. Продажи - суть спрос, искаженный нашим управлением. Канонический пример - ситуация нехватки запаса, когда продажи сдвигаются в меньшую сторону от реального спроса.

Все системы прогнозирования прогнозируют СПРОС (объективная реальность), но не продажи. На вход процесса прогнозирования должна быть подана информация об истории СПРОСА, и на выходе мы получим прогноз СПРОСА. Отсюда следуют два вывода:

  • история продаж (отгрузок) должна быть "очищена" от воздействующих факторов - OOS, рекламные кампании, любые другие разовые ВНЕШНИЕ факторы, которые исказили продажи, отодвинули цифры от естественного спроса.
  • план продаж, на который мы будем ориентироваться, будет сформирован из прогноза спроса с учетом ограничений нашей системы поставок - временных, производственных, прочих.

Итак, для планирования нам необходимо спрогнозировать расход по каждому продукту в каждом ЦОК с заданной точностью по времени и на заданный горизонт планирования.
Вот такая простая задачка. Прочувствуйте, для скромной сеточки в 10 магазинов и 50 тыс. номенклатуры мы должны вычислить понедельный расход по каждому из 500 тыс. SKU. И делать это нужно опять же каждую неделю. Поэтому понятно, что карандашом на листке бумаги такое уже не сделаешь принципиально, отсюда и повсеместная компьютеризация.

Если у меня "под крылом" небольшое количество SKU, я, возможно, обойдусь и электронными таблицами. Правда, мне не верится, что товар у меня имеет настолько "хорошую" историю продаж, что встроенных средств таблиц хватит, а значит нужно либо писать собственные подпрограммы (а кто это будет делать?), либо брать специализированные пакеты статистической обработки.

Со специализированными пакетами тоже не все однозначно. Они, как правило, содержат в себе очень продвинутые алгоритмы (хотя и простые, естественно, присутствуют), но при этом позволяют делать прогноз только по одному SKU. Значит, никакой автоматизации получить не удастся, при большом количестве SKU схема неработоспособна.

К счастью, есть программные решения, заточенные под реальные бизнес-потребности. Функционал их может достаточно сильно отличаться, но как правило производители стремятся реализовать ключевые моменты. Здесь и инструменты очистки истории, то есть учет маркетинговой активности, и возможности автоматического выбора алгоритма прогнозирования на основе анализа ряда продаж, и расчет прогнозов по сотням миллионам SKU за один проход, в том числе без участия человека, и наложение планов службы маркетинга на "естественный" спрос. А про такие базовые вещи, как определение трендов и сезонного поведения, можно не говорить - это само собой.

Подобные инструменты существуют и в составе систем класса ERP, и в составе специализированных пакетов управления класса DRP, и как отдельные решения. Каждый вариант имеет свои плюсы и минусы, впрочем и вариант электронных таблиц тоже их имеет.
Но об этом чуть позже, что же мы имеем на рынке? Отдельные приложения или модули в составе комплексов, в названии которых имеется что-то типа Demand Forecasting. Таковых уже на порядки больше, чем мы имели на стратегическом уровне.

Планирование пополнения системы товародвижения.

Итак, мы получили прогноз спроса по каждой номенклатуре по каждому центру обслуживания. Теперь у нас появляется возможность спланировать поставки, чтобы удовлетворить этот спрос с нужным уровнем обслуживания. Прежде всего, не будем забывать, что спрос и реальный план продаж - две вещи разные. Может случиться так, что наша система с ее ограничениями не способна выполнить задачу по объективным причинам - не успеем закупить, не хватит размера склада, не справится транспорт или завод, ... список можете продолжить сами. Хороший модуль планирования знает про ограничения системы и умеет если не планировать с их учетом, то хотя бы сигнализировать о нарушениях таких ограничений.

Надо сказать, что планирование с учетом ограничений - задача математически крайне сложная, требует огромных вычислительных мощностей, а подчас не может быть решена даже теоретически. Поэтому не стоит ждать, что этот функционал реализован сплошь и рядом, давайте считать, что худо-бедно нам удалось получить реализуемый на практике план отгрузок по каждому SKU. Что мы должны принимать во внимание, когда составляем интегрированный план?

  • где закупаем. каково время исполнения заказа? каковы его отклонения? какова минимальная партия?
  • где производим. каково время исполнения заказа? каковы его отклонения? какова минимальная партия?
  • путь доставки. через какие транзитные узлы проходит? сколько времени занимает каждый трансфер? каковы ограничения по партии на каждом маршруте?
  • каков текущий запас на каждом узле сети? сколько товара уже в пути? когда он приедет? сколько товара уже заказано? когда заказ(ы) будут выполнен(ы)?
  • каков прогноз расхода? каковы вероятности отклонения?
  • каков целевой уровень обслуживания?
  • какова политика поддержания страхового запаса?
  • сколько уже есть предварительных заказов клиентов?
  • какова политика пополнения?
  • что делать, если нарушается ограничение?

Понятно, что не все эти факторы актуальны для всех компаний с одной стороны, а с другой - список явно неполон. Но существующие программные решения стараются в меру сил учесть все эти моменты, ибо пропуск хотя бы одного сразу ведет к увеличению издержек. И решения эти опять же могут быть как модулями в составе ERP, так и модулями в составе DRP(1,2,...). Как правило, в названии будет что-нибудь из разряда Replenishment Planning. Решения такого уровня без проблем расчитывают СОГЛАСОВАННЫЙ план по всем SKU с нужной точностью за один проход.

Как видим, в отличие от стратегического уровня на тактическом уже появляются устоявшиеся аббревиатуры типа DRP. Сие отнюдь не случайно, мы к этому вопросу еще вернемся.

Исполнение.

Здесь мы выходим на операционный уровень управления. План работ составлен, теперь эта информация переезжает к исполнительным механизмам, коих уже существует море разливанное. Прежде всего - это поддержка документооборота. Если сформированы потребности в закупке, они трансформируются в конкретные документы, обеспечивается их конкретная форма, контроль исполнения. Для этого используются учетные системы или функционал ERP. Если сформирован мастер-план производства, он подается на вход Manufacturing Execution System (MES). Если сформирован план дистрибуции, задания на отгрузку поступают на вход Warehouse Management System (WMS). Абсолютно то же самое происходит с транспортом и другими операционными подразделениями.
Как видим, на этом уровне управления появляется целый букет всяких management systems: ERP, Wms, CTms, Yms, Tms, Dms, MES... Опять мы встречаемся с ситуацией, когда на более низком уровне степень автоматизации процессов гораздо выше.

Контроль.

Здесь все совершенно очевидно и уже давно является вчерашним днем. Есть управленческий (да и бухгалтерский) учет, есть система отчетности разной степени детализации. Все это совершенно спокойно поддерживается учетной системой предприятия, даже если она не носит гордого звания ERP.


Итого:

Опять же, обратим внимание на общую картинку.
Чем ниже уровень управления, тем задача автоматизации проще и поэтому богаче выбор.
Чем ниже уровень управления, тем задача автоматизации проще и поэтому выше вероятность того, что в компании она решена.

SCM & IT. Who is where... part IV

В предыдущей части мы нарисовали картинку - структуру системы управления цепочкой поставок. Не знаю, как у вас, но у меня она вызывает стойкую ассоциацию с управлением производственным конвейером, да оно, пожалуй, и неудивительно - ведь движение материальных ценностей по трубе(цепочке) поставок - это практически то же самое, что и движение заготовки по ленте конвейера. При этом в обоих случаях постепенно вырастает ценность товара для потребителя, ожидающего на выходе из цепи.

Если продолжить ассоциацию, то мы получим соответствие

Политика управления 0. ЦПР - Отдел Главного Технолога
1.конвейер будет выпускать шалабуху с гайкой
2.длина конвейера 10м, форма - буквой ЗЮ
3.будет установлено 9 роботов-накрутчиков гаек на шалабуху и 1 робот-укладчик в ящик
Планирование 0. ЦПР - Центральный Процессор управления конвейером
1.заготовки на вход подавать со скоростью 1шт/сек
2.робот за 0.5 сек до подхода шалабухи правым манипулятором берет из отсека №3 гайку
3.при подходе левым манипулятором фиксирует ш. и правым накручивает гайку
Исполнение 0. ЦПР - Большая Интегральная Схема (чип) управления роботом
1. звено правого манипулятора №1 установить под 78 градусов к вертикали
2. звено №2 согнуть под 95 градусов по отношению к №1
3. совместить звенья 3а,3б,3в так, чтобы зафиксировать гайку.
.........
Учет и контроль сколько подано заготовок
сколько на выходе изделий
процент брака
израсходовано масла на ТО
ремонты
........

Думаю, каждый может придумать свою детскую картинку.

Будем считать, однако же, что мы немного развеялись и вернемся к нашим скучным взрослым играм. Мы остановились на том, что чем ниже уровень управления, тем больше выбор программных решений для автоматизации. Этакая пирамида типа Маслоу.

 

И пирамидальная форма отнюдь не случайна. Все дело в том, что компьютеры на современном этапе развития умеют лишь очень быстро складывать и вычитать числа. Лишь, но очень быстро. Если мы сумеем так сформулировать свою задачу, что она сведется к манипуляциям с числами и выбору в зависимости от числовых значений, мы сможем получить помощника в лице компьютера. Другими словами, задача должна быть описана формально.

С другой стороны, мы имеем дело с бизнес-процессами. Как учит нас теория, процессы состоят из процедур, а процедуры представляют из себя последовательности операций. В интересующей нас трубе (цепочке или конвейере, как кому больше нравится) таких процессов и процедур множество великое, входы и выходы соединяются сложнейшим образом. Есть, однако, одна существенная черта. Существуют процедуры формализуемые и неформализуемые.

Формализуемые процедуры.

Мы можем взять лист бумаги, ручку и написать перечень и порядок действий, в результате которых процедура может быть гарантированно исполнена. При этом исполнитель может пользоваться таким сценарием, не включая интеллект и свои немалые творческие способности. В том случае, если таковая процедура формализована, появляется регламент действий, возможность контроля, появляется Система.
Важный момент. Как только для исполнения такой процедуры не нужно некое творческое озарение, так сразу она может быть автоматизирована. Но только после того, как описана на бумаге.

В качестве примера можно рассмотреть мое любимое бизнес-направление - бухгалтерский учет. Вот как может быть описана процедура проводки:

Входная информация:

  • сумма проводки
  • счет-кредит
  • счет-дебет

Тогда процедура

  1. получить сумму остатка на кредитуемом счете
  2. уменьшить ее на сумму проводки
  3. получить сумму остатка на дебетуемом счете
  4. увеличить ее на сумму проводки
  5. конец транзакции

После того, как мы написали это на бумаге, можем все это запрограммировать. Почему вообще бухгалтерия - самая автоматизируемая и самая автоматизированная область? Все очень просто. Там все процедуры уже за нас формализовали законами и инструкциями, 90% работы сделано, осталось только перевести это все в электронный вид. Поэтому автоматизация в этой области проходит для любой компании легко и безболезненно, а значит нет "неудавшихся проектов".
В любой другой области внедрение решений обычно связано с изменением каких-то или многих процедур, поскольку нет единых, узаконенных методов работы. Правда, существуют общепринятые, те самые пресловутые best practices (ой, не люблю я почему-то это словосочетание!). Более того, сплошь и рядом фактически принятые в компании методы работы либо в принципе не могут быть формализованы, либо менеджмент не испытывает желания приводить их к формальному виду.
Отсюда растут ноги у

Мифа №1
Вот поставим Крутую Информационную Систему (КИС), и она нам все приведет в порядок. Будем нажимать на Большую Зеленую Кнопку (БЗК) и получать результат.

Я думаю, все уже поняли, к чему я веду. БЗК не бывает, волшебные палочки проходят по другому ведомству. А все из-за того, что невозможно формализовать все процедуры. Так что делаем выводы: чем больше нам удастся формализовать, тем больше потенциально можно автоматизировать. Но формализация не только средство (да и не столько, откровенно говоря), она имеет собственную ценность, и, возможно, гораздо большую. Как только процедура формализована, получение нужного результата ГАРАНТИРОВАНО вне зависимости от исполнителя, помните? Ну а уж следить, чтобы исполнитель двигался исключительно по регламенту - это уж, извините, другой контур управления, здесь об этом не будем.

Мы лучше обратим внимание на обратный

Миф №2.
У нас совершенно уникальный бизнес, общепринятые подходы никак не стыкуются с нашими процессами, автоматизация у нас невозможна.

Я хотел бы спросить, ваша компания занимается разработкой Единой Теории Поля? Нет? Может быть, Теорией Всеобщего Счастья? Тоже нет? Так чем же, не томите!
Ах, вы занимаетесь производством и/или поставками продуктов и/или услуг! Что ж вы молчали, мы уже идем к вам, ибо вне зависимости от свойств продукта или услуги, львиная доля процессов в таких компаниях по сути неотличима. Даже свойства продукта, существенные для процессов управления в цепи поставок, везде одинаковы.

Так что можно сказать с уверенностью даже с закрытыми глазами, что уж 80-то процентов процедур совершенно одинаково формализуемы. А правда состоит в том, что регламентация процессов на самом деле просто невыгодна по разным причинам самим менеджерам. К тому же невредно напомнить старую истину: "Люди всегда будут противиться любым изменениям. Даже вопреки собственной выгоде". И аргументы под это будут выискивать с удивительной изобретательностью.

Но давайте посмотрим на какой-нибудь пример. Дабы меня не принимали за апологета механистического подхода, готов рассмотреть самый нестандартный, самый творческий процесс в области управления запасами: разработка прогноза потребления. Ну так, для большей жесткости. Несмотря на то, что математический аппарат достаточно давно и с переменным успехом разрабатывается, сама сущность неопределенности спроса обеспечивает наличие множества методик и алгоритмов, применяемых в разных случаях. Отсюда огромное значение эксперта в прогнозировании, его знаний, опыта, чутья, знания особенностей продукта. Но мы все же попробуем крупными мазками набросать процедуру.

  1. Рассчитать точность прошлых прогнозов (определение методики) по существующей модели.
  2. Если удовлетворительно (определение нормативов), рассчитать по прежнему алгоритму.
  3. Если неудовлетворительно
    1. Определить список альтернативных моделей (ограничить список).
    2. По каждой рассчитать ошибку (определение методики).
    3. Выбрать лучшую модель
    4. Рассчитать по выбранной модели.
  4. Утвердить прогноз.
  5. Зафиксировать в ИС для последующего план-фактного анализа

Если присмотреться к предложенному сценарию, лишь пп. 3а и отчасти 4 предполагает экспертное решение, остальные насквозь поддаются формализации и автоматизации.
 

SCM & IT. Who is where... part V

А надо ли вообще хоть что-то автоматизировать, коли априори понятно, что полностью это сделать не удастся, а все вроде "и так работает"? Хороший вопрос, и отвечать на него нужно с осторожностью.

Так и представляется диалог:

- у вас бухгалтерская программа стоит?
- конечно!
- а зачем? ведь жили как-то раньше, писали в амбарных книгах, баланс сводили как-то, перед налоговой отчитывались?
- да вы что? мне сейчас для этого штат бы понадобился больше, бухгалтеры бы занимались складыванием цифр вручную (за их-то немаленькую зарплату), к тому же они имеют скверную привычку делать ошибки, а найти их потом крайне сложно. да и ошибка в отчетности чревата такими штрафами, что уж лучше вложить немного денег и добиться ГАРАНТИРОВАННОСТИ результата.

BINGO!
Вполне разумное рассуждение, не находите? А теперь попробуйте заменить слово "бухгалтер" на, например, "закупщик". Не находите, что все это рассуждение можно повторить от А до Я без всяких изменений? Только ошибка будет не в отчетности, а в инвестировании реальных денег, и штрафы проявятся также вполне реально в виде потерь от перекосов товарного запаса.

Так что перед тем, как отвечать на вопрос "надо ли что-то автоматизировать в управлении трубой", посчитайте существующие потери от неликвидов и дефицитов и попытайтесь оценить, насколько этого можно избежать, если следовать вот этим формальным процедурам. Затем оцените последствия того, что регламент, выполняемый компьютером, никогда не нарушается, а высококвалифицированный хорошооплачиваемый сотрудник может быть освобожден для решения тех самых 20% задач, требующих действительно человеческого интеллекта.

Выбираем программное обеспечение.

Итак, мы приняли решение. нашей supply chain нужен не просто management, но и толика автоматизации. Более того, мы выделили критические участки трубы, на которых автоматизация даст эффект. На что же обратить внимание?

Ваш покорный слуга как из врожденной любознательности, так и по долгу службы попытался изучить рынок SCM Software, в результате чего сформировались некоторые выводы и наблюдения. Прошу иметь в виду, это лишь личное мнение автора, не претендующее на истину в последней инстанции. Если у кого-то имеются собственные наблюдения, опровергающие или дополняющие изложенное ниже - you're welcome, на этом сайте можно как комментировать статьи, так и писать собственные. Думаю, это будет полезно очень многим.

Если в названии системы управления присутствует аббревиатура SCM, это не говорит ни о чем.

Кроме шуток. Необходимо понять, ЧТО делает система НА САМОМ ДЕЛЕ. Прочтите внимательно функционал. Посмотрите на диаграмму классификации, предложенную автором, поймите, к какому уровню управления она принадлежит. Оцените, какой участок вашей работы она будет закрывать. Иначе может получиться, что под SCM производитель предлагает поддержку адресного хранения на складе или учет товара в пути (примеры невыдуманные). Имеет право, кстати, ибо это тоже часть управления трубой.

"Приблизься к оленю". Не только ЧТО, но и КАК? К примеру, обе программы заявляют о возможности планирования с учетом EOQ. Только одна потребует ввести его вручную, а другая рассчитает самостоятельно. Обе декларируют прогнозирование сезонных товаров, но одна профиль сезонности посчитает сама, а вторая опять же потребует ввести вручную.
Имеет смысл также интересоваться? каких исходных данных требует система. Бывает так, что возможность расчета декларируется, но в исходных данных явно не хватает для этого параметров. Как говорил Козьма Прутков, Бди!

Если производитель заявляет о себе как о всемирно признанном лидере отрасли, это не говорит ни о чем.

Поройтесь в интернете, там этих лидеров столько, что миров на всех не хватит.

"Мы решим все ваши проблемы" - наглая ложь или наивная простота.

Волшебные палочки проходят по соседнему ведомству, об этом мы уже поговорили. Имейте в виду, что если вы общаетесь со службой продаж поставщика, там по определению не могут знать всех тонкостей. Ну а на что мотивирован сейлз, не мне вам рассказывать. Более того, автор слышал сплетню, что многие компании специально не дают всей информации сейлзам: во-первых, зачем забивать голову лишним, но самое главное - человек должен быть внутренне убежден, что "Мы решим все ваши проблемы". Гораздо легче убеждать другого, если уверен сам, не так ли? Выражаясь языком Тарасова, сейлзу таким образом обеспечивается право на незнание. Ну, сплетня - она сплетня и есть.

Оценить эффект от внедрения программного решения объективно невозможно, это лукавство.

Не шучу. Посудите сами:

  • Чем более «запущена» ситуация до того, тем круче эффект.
  • Как ни крути, течение процессов изменится, что приведет к косвенным эффектам. Даже простое освобождение персонала от рутинных операций позволяет ему переключиться на задачи, до того откладываемые или недостаточно проработанные.
  • Как правило, до, во время и после внедрения в компании происходят и другие изменения, приводящие к изменению структуры, процессов, происходят сдвиги или эволюция рынков, так что выделить эффект только одного мероприятия невозможно.
  • Самые главные, самые важные показатели бизнеса нельзя измерить количественно.
  • Процессы становятся более управляемыми. Необязательно резко повысится точность прогнозирования, но само введение системности гарантирует, что ситуация не выйдет из-под контроля даже из-за проблем с персоналом.

Необходимое условие успешности проекта — партнерские отношения между командами.

Невозможно добиться успеха, если каждый тянет одеяло на себя, тогда проиграют оба. Цель может быть только общей и одинаково понимаемой. Пути и средства достижения должны быть согласованы. И поскольку внедрение так или иначе затрагивает все службы компании, все это вместе должно быть поддержано топ-менеджментом.
Вообще здесь можно писать еще много, предлагаю в качестве послеобеденного чтива ознакомиться с

http://www.zdnet.com/blog/projectfailures/understanding-marin-countys-30...

Рекомендую очень внимательно прочитать анализ ситуации, так много важных и полезных рекомендаций.

 

 


Итак, что же такое автоматизация управления?
Это лишь удобный и точный инструмент, позволяющий быстро выполнять стандартизованные процедуры. Тем самым, это лишь 5% решения задачи. Остальные 95 лежат в области чисто управленческой - разработка и стандартизация бизнес-процессов, описание информационных потоков, их поставщиков и потребителей, и пр., и пр.
Воспринимать ИС как некую волшебную палочку, которая неведомым образом изменит саму стратегию управления, - значит обманывать самого себя.

Обзор программного обеспечения для автоматизации управления запасами

К сожалению, не секрет, что инструменты автоматизации управления запасами - редкий зверь в наших компаниях. По нашему скромному мнению, основной причиной такого положения является недостаток информации о потенциальных возможностях применения подобных систем.

Неизвестно по какой причине, но факт: в Интернете достаточно сложно обнаружить ссылки на существующие решения. И это еще полбеды, хуже то, что почти повсеместно отсутствует фактическая информация о предоставляемом сервисе, а это - основное, что интересует профессионалов, т.е. тех, кто на самом деле является потенциальными заказчиками и инициаторами покупки.

Принимая во внимание сложившуюся ситуацию, наш сайт решил собрать в одном месте максимально полную и достоверную информацию о присутствующих на рынке решениях.

Естественно, что наиболее полную информацию может предоставить только разработчик либо официальный представитель, поэтому именно к таким лицам мы обращаемся за подробностями и комментариями. Чтобы не размазывать белую кашу по столу, была составлена анкета с максимально формальными вопросами. Мы прекрасно осознаем, что никакая анкета не может дать действительно полной информации, поэтому разработчикам было предложено в свободной форме описать те особенности предлагаемого решения, которые они считают важными для потенциального потребителя.

Результаты опроса будут публиковаться здесь по мере поступления информации. Если у уважаемых читателей есть координаты компаний, о которых они хотели бы узнать, мы с удовольствием включим их в данный обзор.

Если читающий эти строки сам является разработчиком или представляет его интересы, он может самостоятельно заполнить прилагающуюся анкету и прислать нам.

Внимание! Все данные, приведенные в таблицах, предоставлены разработчиком или его представителем, за соответствие их истине сайт ответственности не несет.
Прикрепленный файлРазмер
Check List for IT solutions_en.doc54.5 кб
Check List for IT solutions_ru.doc67 кб

Deductor Inventory Stock Optimization

Название: Deductor Inventory Stock Optimization
Производитель: BaseGroup Labs
Официальные представители:
http://www.basegroup.ru/partners/list/

 

Блок "Прогнозирование спроса"

возможность "чистки" истории продаж
автоматическое детектирование выбросов
реакция на выбросы для упорядоченных данных:
редактирование – с помощью
робастной фильтрации,
сглаживание – с
использованием алгоритмов БПФ,
вейвлет-анализ
исключение нестандартных продаж
исключение рекламных продаж и прочих маркетинговых результатов
исключение влияния out-of-stock на отгрузки
используемые математические модели
простое скользящее среднее
взвешенное скользящее среднее
поддержка определенных пользователем профилей сезонности
простое экспоненциальное сглаживание
экспоненциальное сглаживание с учетом тренда (Holt)
экспоненциальное сглаживание с учетом сезонности (Winters)
ARIMA
прогнозирование редких продаж
Croston
log-Croston (Boylan)
Willemain
Другая  
линейная регрессия
классическая
множественная
Фурье
Другая  
Другие модели
Нейросеть
Мультипликативная модель
Декомпозиция
Аддитивная модель
Оценки точности прогнозирования
расчет величины ошибки модели
расчет величины отклонения факта от прогноза
метод оценки
среднеквадратическое отклонение (MSE)
абсолютное процентное отклонение (MAPE)
другая оценка
среднее процентное отклонение (MPE)
среднее процентное отклонение (MAD)
Возможность использования для прогнозирования жизненных циклов товара
Возможность включения планов продвижения в итоговый прогноз
Возможность расчета прогнозов по всей номенклатуре за один проход
Возможность расчета прогнозов по части номенклатуры на основании пользовательского фильтра

 

Блок "Планирование поставок" (включая закупки, собственное производство и дистрибуцию)

Возможность сквозного планирования товаропроводящей сети в целом
Возможность использования разных цепочек поставок для разных товаров
Возможность автоматической консолидации закупок по каналам/поставщикам
Стратегии формирования размера поставки
с постоянным периодом
с постоянным размером
с размером, соответствующим EOQ
ручной минимакс
с постоянным максимальным уровнем
автоматическое определение размера по критерию максимизации прибыли
Стратегии формирования страхового запаса
установка вручную
установка по времени покрытия страховым запасом прогнозного спроса
установка по статистическим данным
по целевому уровню обслуживания с учетом вариативности спроса
по целевому уровню обслуживания с учетом вариативности времени исполнения заказа
автоматическое определение уровня по критерию максимизации прибыли с учетом всех вариаций
другое  
виды уровня обслуживания
1-го типа ( 1 - вероятность обнуления)
2-го типа ( 1 - вероятный размер упущенного спроса)
3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа)
используемые при расчетах вероятностные распределения
нормальное
логнормальное
показательное
пуассоновское
другие
   
Учет уже размещенных заказов на закупку/производство
Учет товара в пути
Учет поступивших заказов клиентов
Учет каннибализации (взаимного влияния аналогов)
Учет сроков годности товара
Учет затрат времени на доставку
Учет затрат времени на производство
Учет минимальной партии

 

Блок "Управление поставщиками"

 

Номенклатурная матрица поставщика
Время исполнения заказа
Стоимость доставки
Условия оплаты
Дисциплина исполнения заказа

на основании определения
надежности и качества

Другое
   
Процедура выбора оптимального поставщика товара

 

Блок "Отчеты, аналитика, оптимизация"

ABC анализ
XYZ анализ
План-график платежей поставщикам
План-график отгрузок клиентам
План поступлений денежных средств
План-график внутренних перемещений товара
План-график размера запаса
Планируемая оборачиваемость запаса
Планируемая рентабельность инвестиций в запас (GMROI)
План-график загрузки транспорта
План-график использования складских площадей
Ожидаемые дефициты
Ожидаемые сверхнормативные запасы
Расчет EOQ
Расчет оптимального размера страхового запаса
Расчет оптимального уровня обслуживания
Другое
Расчёт рентабельности товаров, её динамики
Расчёт оборачиваемости товаров, её динамики
Расчёт ликвидности товаров
Неликвидные товары
Рейтинг товаров
Динамика стоимости товара
Рейтинг товаров с учетом аналогов заменителей
Расчет среднего товарного запаса на складе по товарам
Расчёт скорости товарооборота
Расчёт времени обращения товаров
Расчёт готовности к поставке
Расчёт доли запасов в обороте
Расчёт доли неликвидного товара в обороте
Расчёт затрат на связанный капитал
Дисциплина поставок
Эффективность работы логистики
Расчёт «Интенсивность работы склада»
Эффективность использования складских площадей
Сохранность грузов
Экономическая эффективность использования склада
Оценка хранения товара
Расчёт экономической выгоды
Расчёт затрат
Оценка планирования и прогнозирования

 

Блок "Технические детали"

разграничение доступа к информации на основе ролей пользователей
допустимое количество планируемых объектов (складов, РЦ и т.п.) на одну инсталляцию

можно сказать, что не ограничено

операционная система

Минимум - Windows 2000, желательно - Windows XP, 2003

требуемый сервер баз данных разные, см. на сайте
другое программное обеспечение, требуемое для функционирования системы

драйвера к нужной БД

архитектура
локальное рабочее место пользователя
клиент-серверная архитектура, толстый клиент
клиент-серверная архитектура, тонкий клиент
дополнительно
поддержка разных единиц измерений одного товара
поддержка разных валют для стоимостных показателей
поддержка объемно-весовых характеристик товара
поддержка пользовательских характеристик товара
другое
   

 

Легенда:

автоматическое детектирование выбросов:
Выбросы - аномально высокие или низкие значения величины, которые не должны приниматься во внимание при построении прогноза.

исключение нестандартных продаж:
Нестандартные продажи - те, которые мы не будем прогнозировать. Классическим примером является поставка под заказ. Поэтому из данных о продажах мы исключаем такие поставки.

исключение рекламных продаж и прочих маркетинговых результатов:
В продажах часто присутствуют "добавки", привнесенные проведенными рекламными акциями. Для лучшего прогнозирования регулярных продаж их необходимо исключить из общего потока.

исключение влияния out-of-stock на отгрузки:
Ситуация нехватки товарного запаса - не редкость, отклонение объема продаж от реального спроса в этом случае сильно искажает реальную картину. Нам необходимо учитывать этот фактор для более адекватного прогнозирования

поддержка определенных пользователем профилей сезонности:
Пользователь может вручную задать коэффициенты сезонности для товара

расчет величины ошибки модели:
После расчета модели по прошлым данным она сравнивается с фактическими данными за этот же период

расчет величины отклонения факта от прогноза:
После расчета модели строится прогноз на несколько периодов вперед. После прохождения этого времени рассчитывается отклонение построенного в прошлом прогноза с реализовавшимся фактом

Возможность сквозного планирования товаропроводящей сети в целом:
За один проход рассчитывается полностью вся цепочка поставок по всем объектам сети

Возможность использования разных цепочек поставок для разных товаров:
В магазин М товар А едет по пути РЦ1->РЦ2->М, а товар Б - по пути РЦ5->РЦ8->М

Возможность автоматической консолидации закупок по каналам/поставщикам:
Система умеет потребности в товаре консолидировать по поставщикам и формировать единый заказ для каждого из поставщиков

автоматическое определение размера по критерию максимизации прибыли:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

автоматическое определение уровня страхового запаса по критерию максимизации прибыли с учетом всех вариаций:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

уровень обслуживания 1-го типа ( 1 - вероятность обнуления):
95% означает, что из 100 циклов поставок лишь в 5 запас к концу цикла обнулится

уровень обслуживания 2-го типа ( 1 - вероятный размер упущенного спроса):
95% означает, что из 100 единиц, заказанных клиентами, не хватит 5 единиц

уровень обслуживания 3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа):
95% означает, что из 100 заказов лишь в 5 появится хотя бы одна строка, на которую запаса не хватит

клиент-серверная архитектура, толстый клиент:
Для доступа к серверу используется специальная клиентская программа

клиент-серверная архитектура, тонкий клиент:
В качестве клиента используется web-browser

поддержка разных единиц измерений одного товара:
Один и тот же товар на разных площадках может учитываться в штуках, упаковках, паллетах; в литрах, канистрах, бочках. Система позволяет при расчетах автоматически переводить одни единицы измерения в другие

поддержка пользовательских характеристик товара:
Пользователь может определять собственные характеристики товара: ABC, товарная категория, закрепленный менеджер, основной/ассортиментный и пр.

Дополнительные комментарии производителя: 

Решение Deductor Inventory Stock Optimization разработано на базе аналитической платформы Deductor (http://www.basegroup.ru/deductor/description/). Данная платформа является идеальной средой для создания законченных аналитических решений. Реализованные в ней технологии позволяют на ее базе пройти все этапы построения аналитической системы: от создания хранилища данных до автоматического подбора моделей и визуализации полученных результатов.

Аналитическая платформа Deductor:

  • Поддерживает современные технологии анализа структурированных данных: Data Warehouse, ETL, OLAP, Knowledge Discovery in Databases и Data Mining.
  • Предоставляет аналитикам инструментальные средства, необходимые для решения самых разнообразных аналитических задач: аналитическая отчетность, прогнозирование, сегментация, поиск закономерностей.
  • Включает самые мощные технологии анализа данных: статистические и эконометрические модели, многомерный анализ, нейронные сети, деревья решений, самоорганизующиеся карты, спектральный анализ и множество других.
  • Позволяет снизить требование к подготовке персонала благодаря использованию самообучающихся алгоритмов и мастеров для настройки, делая современные технологии доступными широкому кругу пользователей.
  • Позволяет отобразить результаты при помощи десятков удобных визуализаторов. Система самостоятельно анализирует, что и каким образом отображать, предлагая пользователю оптимальный вариант.
  • Совместима практически со всеми популярными учетными системами, базами данных и форматами файлов.

 

Forecast NOW!

 

Название: Forecast NOW!

Производитель: Ingenious Team

Официальные представители: fnow.ru

 

Блок "Прогнозирование спроса"

возможность "чистки" истории продаж
автоматическое детектирование выбросов 
реакция на выбросы восстановление данных
исключение нестандартных продаж 
исключение рекламных продаж и прочих маркетинговых результатов 
исключение влияния out-of-stock на отгрузки 
используемые математические модели
простое скользящее среднее  
взвешенное скользящее среднее  
поддержка определенных пользователем профилей сезонности   
простое экспоненциальное сглаживание  
экспоненциальное сглаживание с учетом тренда (Holt)  
экспоненциальное сглаживание с учетом сезонности (Winters)  
ARIMA

 

Нейронные сети

  

Генетические алгоритмы

  

Многофакторная нелинейная регрессия

  

прогнозирование редких продаж
Croston  
log-Croston (Boylan)  
Willemain  

Другая

Деккер

Эфрон

 

 

линейная регрессия
классическая  
множественная
Фурье
Другая  
Другие модели

Нейросеть

Генетические алгоритмы

Многофакторная нелинейная регрессия

Оценки точности прогнозирования
расчет величины ошибки модели 
расчет величины отклонения факта от прогноза 
метод оценки
среднеквадратическое отклонение (MSE)
абсолютное процентное отклонение (MAPE)
другая оценка

нормированное среднеквадратичное отклонение (NRMSD)

симметричное абсолютное процентное отклонение (sMAPE)

взвешенное абсолютное процентное отклонение (WAPE)

Возможность использования для прогнозирования жизненных циклов товара
Возможность включения планов продвижения в итоговый прогноз
Возможность расчета прогнозов по всей номенклатуре за один проход
Возможность расчета прогнозов по части номенклатуры на основании пользовательского фильтра

 

Блок "Планирование поставок" (включая закупки, собственное производство и дистрибуцию)

Возможность сквозного планирования товаропроводящей сети в целом 
Возможность использования разных цепочек поставок для разных товаров 
Возможность автоматической консолидации закупок по каналам/поставщикам 
Стратегии формирования размера поставки
с постоянным периодом
с постоянным размером
с размером, соответствующим EOQ  
ручной минимакс
с постоянным максимальным уровнем
автоматическое определение размера по критерию максимизации прибыли 
Стратегии формирования страхового запаса
установка вручную  
установка по времени покрытия страховым запасом прогнозного спроса
установка по статистическим данным
по целевому уровню обслуживания с учетом вариативности спроса
по целевому уровню обслуживания с учетом вариативности времени исполнения заказа  
автоматическое определение уровня по критерию максимизации прибыли с учетом всех вариаций 
другое  
виды уровня обслуживания
1-го типа ( 1 - вероятность обнуления)   
2-го типа ( 1 - вероятный размер упущенного спроса) 
3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа) 
используемые при расчетах вероятностные распределения
нормальное  
логнормальное
показательное
пуассоновское
другие
 эмпирическое путем бутстрапирования    
Учет уже размещенных заказов на закупку/производство  
Учет товара в пути
Учет поступивших заказов клиентов
Учет каннибализации (взаимного влияния аналогов)
Учет сроков годности товара
Учет затрат времени на доставку
Учет затрат времени на производство
Учет минимальной партии

 

Блок "Управление поставщиками"

 

Номенклатурная матрица поставщика   
Время исполнения заказа
Стоимость доставки  
Условия оплаты  
Дисциплина исполнения заказа
Другое
   
Процедура выбора оптимального поставщика товара

 

Блок "Отчеты, аналитика, оптимизация"

ABC анализ
XYZ анализ
План-график платежей поставщикам  
План-график отгрузок клиентам  
План поступлений денежных средств  
План-график внутренних перемещений товара
План-график размера запаса   
Планируемая оборачиваемость запаса  
Планируемая рентабельность инвестиций в запас (GMROI)
План-график загрузки транспорта  
План-график использования складских площадей
Ожидаемые дефициты  
Ожидаемые сверхнормативные запасы  
Расчет EOQ  
Расчет оптимального размера страхового запаса
Расчет оптимального уровня обслуживания
Другое
 

 

Блок "Технические детали"

разграничение доступа к информации на основе ролей пользователей  
допустимое количество планируемых объектов (складов, РЦ и т.п.) на одну инсталляцию

потенциально не ограничено

операционная система

кроссплатформенное ПО

требуемый сервер баз данных MySQL
другое программное обеспечение, требуемое для функционирования системы

не требуется

архитектура
локальное рабочее место пользователя
клиент-серверная архитектура, толстый клиент   
клиент-серверная архитектура, тонкий клиент 
дополнительно
поддержка разных единиц измерений одного товара   
поддержка разных валют для стоимостных показателей     
поддержка объемно-весовых характеристик товара     
поддержка пользовательских характеристик товара 
другое
   

 

Легенда:

автоматическое детектирование выбросов:
Выбросы - аномально высокие или низкие значения величины, которые не должны приниматься во внимание при построении прогноза.

исключение нестандартных продаж:
Нестандартные продажи - те, которые мы не будем прогнозировать. Классическим примером является поставка под заказ. Поэтому из данных о продажах мы исключаем такие поставки.

исключение рекламных продаж и прочих маркетинговых результатов:
В продажах часто присутствуют "добавки", привнесенные проведенными рекламными акциями. Для лучшего прогнозирования регулярных продаж их необходимо исключить из общего потока.

исключение влияния out-of-stock на отгрузки:
Ситуация нехватки товарного запаса - не редкость, отклонение объема продаж от реального спроса в этом случае сильно искажает реальную картину. Нам необходимо учитывать этот фактор для более адекватного прогнозирования

поддержка определенных пользователем профилей сезонности:
Пользователь может вручную задать коэффициенты сезонности для товара

расчет величины ошибки модели:
После расчета модели по прошлым данным она сравнивается с фактическими данными за этот же период

расчет величины отклонения факта от прогноза:
После расчета модели строится прогноз на несколько периодов вперед. После прохождения этого времени рассчитывается отклонение построенного в прошлом прогноза с реализовавшимся фактом

Возможность сквозного планирования товаропроводящей сети в целом:
За один проход рассчитывается полностью вся цепочка поставок по всем объектам сети

Возможность использования разных цепочек поставок для разных товаров:
В магазин М товар А едет по пути РЦ1->РЦ2->М, а товар Б - по пути РЦ5->РЦ8->М

Возможность автоматической консолидации закупок по каналам/поставщикам:
Система умеет потребности в товаре консолидировать по поставщикам и формировать единый заказ для каждого из поставщиков

автоматическое определение размера по критерию максимизации прибыли:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

автоматическое определение уровня страхового запаса по критерию максимизации прибыли с учетом всех вариаций:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

уровень обслуживания 1-го типа ( 1 - вероятность обнуления):
95% означает, что из 100 циклов поставок лишь в 5 запас к концу цикла обнулится

уровень обслуживания 2-го типа ( 1 - вероятный размер упущенного спроса):
95% означает, что из 100 единиц, заказанных клиентами, не хватит 5 единиц

уровень обслуживания 3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа):
95% означает, что из 100 заказов лишь в 5 появится хотя бы одна строка, на которую запаса не хватит

клиент-серверная архитектура, толстый клиент:
Для доступа к серверу используется специальная клиентская программа

клиент-серверная архитектура, тонкий клиент:
В качестве клиента используется web-browser

поддержка разных единиц измерений одного товара:
Один и тот же товар на разных площадках может учитываться в штуках, упаковках, паллетах; в литрах, канистрах, бочках. Система позволяет при расчетах автоматически переводить одни единицы измерения в другие

поддержка пользовательских характеристик товара:

 

Inventor

Название: Inventor
Производитель: Inventor Soft (ООО «Инвентор Софт»)
mailto:info@inventorsoft.ru
тел: 8 499 232 7256

http://www.inventorsoft.ru

Блок "Прогнозирование спроса"

возможность "чистки" истории продаж
автоматическое детектирование выбросов
реакция на выбросы В модуле «Верификация и фильтрация» системы «Инвентор» по заданным критериям выделяются нехарактерные по масштабу отгрузки. По согласованной с Заказчиком процедуре транзакции либо удаляются, либо сохраняются для учета при оптимизации.
исключение нестандартных продаж В модуле «Верификация и фильтрация» системы «Инвентор» по заданным критериям выделяются подозрительные (нехарактерные) отгрузки, например, отгрузки «под заказ». По согласованной с Заказчиком процедуре транзакции либо удаляются, либо сохраняются для учета при оптимизации.
исключение рекламных продаж и прочих маркетинговых результатов
исключение влияния out-of-stock на отгрузки
используемые математические модели
простое скользящее среднее
взвешенное скользящее среднее
поддержка определенных пользователем профилей сезонности
простое экспоненциальное сглаживание
экспоненциальное сглаживание с учетом тренда (Holt)
экспоненциальное сглаживание с учетом сезонности (Winters)
ARIMA
прогнозирование редких продаж
Croston
log-Croston (Boylan)
Willemain
Другая В системе «Инвентор» реализован оригинальный метод прогнозирования редких продаж
линейная регрессия
классическая
множественная
Фурье
Другая  
Другие модели
Оценки точности прогнозирования
расчет величины ошибки модели
расчет величины отклонения факта от прогноза
метод оценки
среднеквадратическое отклонение (MSE)
абсолютное процентное отклонение (MAPE)
другая оценка
коэффициент детерминации
Возможность использования для прогнозирования жизненных циклов товара
Возможность включения планов продвижения в итоговый прогноз
Возможность расчета прогнозов по всей номенклатуре за один проход
Возможность расчета прогнозов по части номенклатуры на основании пользовательского фильтра

 

Блок "Планирование поставок" (включая закупки, собственное производство и дистрибуцию)

Возможность сквозного планирования товаропроводящей сети в целом
Возможность использования разных цепочек поставок для разных товаров
Возможность автоматической консолидации закупок по каналам/поставщикам
Стратегии формирования размера поставки
с постоянным периодом


реализуется как частный случай

с постоянным размером
реализуется как частный случай
с размером, соответствующим EOQ
реализуется как частный случай
ручной минимакс
реализуется как частный случай
с постоянным максимальным уровнем
реализуется как частный случай
автоматическое определение размера по критерию максимизации прибыли
Стратегии формирования страхового запаса
Понятие «страховой запас» в системе «Инвентор» не используется. При необходимости, результаты оптимизации могут быть выражены в любых терминах
установка по статистическим данным
автоматическое определение уровня по критерию максимизации прибыли с учетом всех вариаций
другое  
виды уровня обслуживания
1-го типа ( 1 - вероятность обнуления)
2-го типа ( 1 - вероятный размер упущенного спроса)
3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа)
используемые при расчетах вероятностные распределения
Система «Инвентор» использует эмпирические (фактические) распределения спроса. При необходимости, система может работать с любым распределением, заданным в произвольной, например, табличной форме
нормальное
логнормальное
показательное
пуассоновское
другие
Учет уже размещенных заказов на закупку/производство
Учет товара в пути
Учет поступивших заказов клиентов
Учет каннибализации (взаимного влияния аналогов)
Учет сроков годности товара
Учет затрат времени на доставку
Учет затрат времени на производство
Учет минимальной партии

 

Блок "Управление поставщиками"

 

Номенклатурная матрица поставщика
Время исполнения заказа
Стоимость доставки
Условия оплаты
Дисциплина исполнения заказа
Другое
Процедура выбора оптимального поставщика товара

 

Блок "Отчеты, аналитика, оптимизация"

ABC анализ
при оптимизации не используется
XYZ анализ
при оптимизации не используется
План-график платежей поставщикам
План-график отгрузок клиентам
План поступлений денежных средств
План-график внутренних перемещений товара
План-график размера запаса
Планируемая оборачиваемость запаса
Планируемая рентабельность инвестиций в запас (GMROI)
План-график загрузки транспорта
План-график использования складских площадей
Ожидаемые дефициты
Ожидаемые сверхнормативные запасы
Расчет EOQ
Расчет оптимального размера страхового запаса
Расчет оптимального уровня обслуживания
Другое
модуль отчетности системы «Инвентор» позволяет рассчитать и визуализировать любые необходимые плановые и фактические KPI

 

Блок "Технические детали"

разграничение доступа к информации на основе ролей пользователей
допустимое количество планируемых объектов (складов, РЦ и т.п.) на одну инсталляцию

Оптимизируется вход (поставка) на каждый объект. Количество объектов не ограниченное

операционная система

MS Widows XP(86/64)/Vista (86/64)/7 (86/64)

требуемый сервер баз данных MS SQL 2008+
другое программное обеспечение, требуемое для функционирования системы

-

архитектура
локальное рабочее место пользователя
клиент-серверная архитектура, толстый клиент
клиент-серверная архитектура, тонкий клиент
дополнительно
поддержка разных единиц измерений одного товара
поддержка разных валют для стоимостных показателей
поддержка объемно-весовых характеристик товара
поддержка пользовательских характеристик товара
другое

 

Легенда:

автоматическое детектирование выбросов:
Выбросы - аномально высокие или низкие значения величины, которые не должны приниматься во внимание при построении прогноза.

исключение нестандартных продаж:
Нестандартные продажи - те, которые мы не будем прогнозировать. Классическим примером является поставка под заказ. Поэтому из данных о продажах мы исключаем такие поставки.

исключение рекламных продаж и прочих маркетинговых результатов:
В продажах часто присутствуют "добавки", привнесенные проведенными рекламными акциями. Для лучшего прогнозирования регулярных продаж их необходимо исключить из общего потока.

исключение влияния out-of-stock на отгрузки:
Ситуация нехватки товарного запаса - не редкость, отклонение объема продаж от реального спроса в этом случае сильно искажает реальную картину. Нам необходимо учитывать этот фактор для более адекватного прогнозирования

поддержка определенных пользователем профилей сезонности:
Пользователь может вручную задать коэффициенты сезонности для товара

расчет величины ошибки модели:
После расчета модели по прошлым данным она сравнивается с фактическими данными за этот же период

расчет величины отклонения факта от прогноза:
После расчета модели строится прогноз на несколько периодов вперед. После прохождения этого времени рассчитывается отклонение построенного в прошлом прогноза с реализовавшимся фактом

Возможность сквозного планирования товаропроводящей сети в целом:
За один проход рассчитывается полностью вся цепочка поставок по всем объектам сети

Возможность использования разных цепочек поставок для разных товаров:
В магазин М товар А едет по пути РЦ1->РЦ2->М, а товар Б - по пути РЦ5->РЦ8->М

Возможность автоматической консолидации закупок по каналам/поставщикам:
Система умеет потребности в товаре консолидировать по поставщикам и формировать единый заказ для каждого из поставщиков

автоматическое определение размера по критерию максимизации прибыли:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

автоматическое определение уровня страхового запаса по критерию максимизации прибыли с учетом всех вариаций:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

уровень обслуживания 1-го типа ( 1 - вероятность обнуления):
95% означает, что из 100 циклов поставок лишь в 5 запас к концу цикла обнулится

уровень обслуживания 2-го типа ( 1 - вероятный размер упущенного спроса):
95% означает, что из 100 единиц, заказанных клиентами, не хватит 5 единиц

уровень обслуживания 3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа):
95% означает, что из 100 заказов лишь в 5 появится хотя бы одна строка, на которую запаса не хватит

клиент-серверная архитектура, толстый клиент:
Для доступа к серверу используется специальная клиентская программа

клиент-серверная архитектура, тонкий клиент:
В качестве клиента используется web-browser

поддержка разных единиц измерений одного товара:
Один и тот же товар на разных площадках может учитываться в штуках, упаковках, паллетах; в литрах, канистрах, бочках. Система позволяет при расчетах автоматически переводить одни единицы измерения в другие

поддержка пользовательских характеристик товара:
Пользователь может определять собственные характеристики товара: ABC, товарная категория, закрепленный менеджер, основной/ассортиментный и пр.

KonSi-Forexsal

Название: KonSi-Forexsal
Производитель: Компания КОНСИ
Официальные представители:

 

Ответ производителя, полученный на запрос:

Благодарим за внимание к нашим разработкам.

Нам бы не хотелось, чтобы ваша анкета была применена к оценке возможностей программы Forexsal для цепей поставок.
Относительно прогнозирования . Программа Forexsal реализует классические методы анализа временных рядов. Поэтому ее сопоставлять с программами сглаживания и т.п. некорректно с математической точки зрения. Эта программа не имеет отношение к проблеме SCM, она имеет отношение только в использовании общего термина "прогнозирование", но она не предназначена для решения задач SCM.

Forexsal может быть использована в планировании продаж, но никак для оценки запасов и определения оптимальных размеров запаса. Оценка запасов это огромная тема. Известно более 300 моделей решения этих задач. Заметим, что эти задачи лишь отчасти используют понятие прогнозирование, большинство моделей SCM построены на других принципах и методаж. Это еще одно обстоятельство, которое следует учитывать при рассмотрении программы
прогнозирования для SCM.

Заметим, что с нашей стороны было бы большим нахальство претендовать на решение задач SCM в рамках одной программы.
Кроме того, существует большая путаница в терминах SCM и особенностях применения этих терминов, что затрудняет понимание методик решения задач. Поэтому просьба не связыввать программу Forexsal и SCM Это разные темы.

Отдельные процедуры анализа ( а именно выбора ассортимента для продажи, но не решение задачи запасов ) можно увидеть в программе Оптимизация ассортимента www.assortment-analysis.ru

А самую примитивную процедуру ABC анализа можно найти на www.abc-analysis.ru

КонСи.
 

LLamasoft

Название: Supply Chain Guru®
Производитель: LLamasoft
Официальные представители:

 

Инструмент по большей части стратегического планирования. То бишь на входе - объемы рынков в разных географических регионах, описание набора ограничений. На выходе - рекомендованная структура всей цепочки поставок: размещение точек обслуживания клиентов, распределительных центров и других структурных элементов.

Использует имитационное моделирование, линейное и целочисленное программирование.

Лучше всего работает при моделировании "с чистого листа", но может применяться и для модификации существующей цепочки.

Logility

Название: Logility Voyager Solutions™
Производитель: Logility
Официальные представители:

 

Подробности по-прежнему неизвестны, но на первый взгляд выглядит солидно.

SIMPLE-system

Название: SIMPLE-system
Производитель: компания Genobium.com
Официальные представители: http://www.logist-ics.ru
http://www.simple-logistics.com.ua

 

Блок "Прогнозирование спроса"

возможность "чистки" истории продаж
автоматическое детектирование выбросов
реакция на выбросы фильтрация
исключение нестандартных продаж
исключение рекламных продаж и прочих маркетинговых результатов
исключение влияния out-of-stock на отгрузки
используемые математические модели
простое скользящее среднее
взвешенное скользящее среднее
поддержка определенных пользователем профилей сезонности
простое экспоненциальное сглаживание
экспоненциальное сглаживание с учетом тренда (Holt)
экспоненциальное сглаживание с учетом сезонности (Winters)
ARIMA
прогнозирование редких продаж
Croston
log-Croston (Boylan)
Willemain
Другая  
линейная регрессия
классическая
множественная
Фурье
Другая  
Другие модели
   
Оценки точности прогнозирования
расчет величины ошибки модели
расчет величины отклонения факта от прогноза
метод оценки
среднеквадратическое отклонение (MSE)
абсолютное процентное отклонение (MAPE)
другая оценка
   
Возможность использования для прогнозирования жизненных циклов товара
Возможность включения планов продвижения в итоговый прогноз
Возможность расчета прогнозов по всей номенклатуре за один проход
Возможность расчета прогнозов по части номенклатуры на основании пользовательского фильтра

 

Блок "Планирование поставок" (включая закупки, собственное производство и дистрибуцию)

Возможность сквозного планирования товаропроводящей сети в целом
Возможность использования разных цепочек поставок для разных товаров
Возможность автоматической консолидации закупок по каналам/поставщикам
Стратегии формирования размера поставки
с постоянным периодом
с постоянным размером
с размером, соответствующим EOQ
ручной минимакс
с постоянным максимальным уровнем
автоматическое определение размера по критерию максимизации прибыли
Стратегии формирования страхового запаса
установка вручную
установка по времени покрытия страховым запасом прогнозного спроса
установка по статистическим данным
по целевому уровню обслуживания с учетом вариативности спроса
по целевому уровню обслуживания с учетом вариативности времени исполнения заказа
автоматическое определение уровня по критерию максимизации прибыли с учетом всех вариаций
виды уровня обслуживания
1-го типа ( 1 - вероятность обнуления)
2-го типа ( 1 - вероятный размер упущенного спроса)
3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа)
используемые при расчетах вероятностные распределения
нормальное
логнормальное
показательное
пуассоновское
другие
   
Учет уже размещенных заказов на закупку/производство
Учет товара в пути
Учет поступивших заказов клиентов
Учет каннибализации (взаимного влияния аналогов)
Учет сроков годности товара
Учет затрат времени на доставку
Учет затрат времени на производство
Учет минимальной партии

 

Блок "Управление поставщиками"

 

Номенклатурная матрица поставщика
Время исполнения заказа
Стоимость доставки
Условия оплаты
Дисциплина исполнения заказа
Другое
   
Процедура выбора оптимального поставщика товара

 

Блок "Отчеты, аналитика, оптимизация"

ABC анализ
XYZ анализ
План-график платежей поставщикам
План-график отгрузок клиентам
План поступлений денежных средств
План-график внутренних перемещений товара
План-график размера запаса
Планируемая оборачиваемость запаса
Планируемая рентабельность инвестиций в запас (GMROI)
План-график загрузки транспорта
План-график использования складских площадей
Ожидаемые дефициты
Ожидаемые сверхнормативные запасы
Расчет EOQ
Расчет оптимального размера страхового запаса
Расчет оптимального уровня обслуживания
Другое

 

Блок "Технические детали"

разграничение доступа к информации на основе ролей пользователей
допустимое количество планируемых объектов (складов, РЦ и т.п.) на одну инсталляцию 20
операционная система Windows
требуемый сервер баз данных не требуется
другое программное обеспечение, требуемое для функционирования системы не требуется
архитектура
локальное рабочее место пользователя
клиент-серверная архитектура, толстый клиент
клиент-серверная архитектура, тонкий клиент
дополнительно
поддержка разных единиц измерений одного товара
поддержка разных валют для стоимостных показателей
поддержка объемно-весовых характеристик товара
поддержка пользовательских характеристик товара
другое
   

 

Легенда:

автоматическое детектирование выбросов:
Выбросы - аномально высокие или низкие значения величины, которые не должны приниматься во внимание при построении прогноза.

исключение нестандартных продаж:
Нестандартные продажи - те, которые мы не будем прогнозировать. Классическим примером является поставка под заказ. Поэтому из данных о продажах мы исключаем такие поставки.

исключение рекламных продаж и прочих маркетинговых результатов:
В продажах часто присутствуют "добавки", привнесенные проведенными рекламными акциями. Для лучшего прогнозирования регулярных продаж их необходимо исключить из общего потока.

исключение влияния out-of-stock на отгрузки:
Ситуация нехватки товарного запаса - не редкость, отклонение объема продаж от реального спроса в этом случае сильно искажает реальную картину. Нам необходимо учитывать этот фактор для более адекватного прогнозирования

поддержка определенных пользователем профилей сезонности:
Пользователь может вручную задать коэффициенты сезонности для товара

расчет величины ошибки модели:
После расчета модели по прошлым данным она сравнивается с фактическими данными за этот же период

расчет величины отклонения факта от прогноза:
После расчета модели строится прогноз на несколько периодов вперед. После прохождения этого времени рассчитывается отклонение построенного в прошлом прогноза с реализовавшимся фактом

Возможность сквозного планирования товаропроводящей сети в целом:
За один проход рассчитывается полностью вся цепочка поставок по всем объектам сети

Возможность использования разных цепочек поставок для разных товаров:
В магазин М товар А едет по пути РЦ1->РЦ2->М, а товар Б - по пути РЦ5->РЦ8->М

Возможность автоматической консолидации закупок по каналам/поставщикам:
Система умеет потребности в товаре консолидировать по поставщикам и формировать единый заказ для каждого из поставщиков

автоматическое определение размера по критерию максимизации прибыли:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

автоматическое определение уровня страхового запаса по критерию максимизации прибыли с учетом всех вариаций:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

уровень обслуживания 1-го типа ( 1 - вероятность обнуления):
95% означает, что из 100 циклов поставок лишь в 5 запас к концу цикла обнулится

уровень обслуживания 2-го типа ( 1 - вероятный размер упущенного спроса):
95% означает, что из 100 единиц, заказанных клиентами, не хватит 5 единиц

уровень обслуживания 3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа):
95% означает, что из 100 заказов лишь в 5 появится хотя бы одна строка, на которую запаса не хватит

клиент-серверная архитектура, толстый клиент:
Для доступа к серверу используется специальная клиентская программа

клиент-серверная архитектура, тонкий клиент:
В качестве клиента используется web-browser

поддержка разных единиц измерений одного товара:
Один и тот же товар на разных площадках может учитываться в штуках, упаковках, паллетах; в литрах, канистрах, бочках. Система позволяет при расчетах автоматически переводить одни единицы измерения в другие

поддержка пользовательских характеристик товара:
Пользователь может определять собственные характеристики товара: ABC, товарная категория, закрепленный менеджер, основной/ассортиментный и пр.

 

Syncron

Название: SCM Software Solutions
Производитель: Syncron
Официальные представители:

 

Подробности по-прежнему неизвестны, но на первый взгляд выглядит солидно.

Закупочно-логистические системы

Название: Закупочно-логистические системы
Производитель: Клочков Александр Павлович http://www.plsystems.ru
 

Комментарий производителя:

Программный комплекс «Закупочно-логистические системы» представляет собой программное решение, имеющий стандартные функции, указанные ниже. Основной принципом внедрения данной системы является индивидуальный подход к каждому заказчику. То есть стандартные функции в процессе работы над внедрением обрастают многими дополнительными возможностями, которые, как правило, в итоге даже перевешивают стандартные по значимости. Появляются также и оригинальные, применимые к данному непосредственному случаю решения. Таким образом, если в списке, указанном ниже функция не присутствует – это не означает, что её нельзя в итоге применить.
Еще одним принципом является достижение максимальной простоты программного обеспечения для пользователя. Даже неподготовленный пользователь может очень быстро начать уверенно работать в системе.

Блок "Прогнозирование спроса"

Алгоритм Прогнозирования спроса вырабатывается совместно с клиентом.

 

Блок "Планирование поставок" (включая закупки, собственное производство и дистрибуцию)

Возможность сквозного планирования товаропроводящей сети в целом
Возможность использования разных цепочек поставок для разных товаров
Возможность автоматической консолидации закупок по каналам/поставщикам
Стратегии формирования размера поставки
с постоянным периодом
с постоянным размером
с размером, соответствующим EOQ
ручной минимакс
с постоянным максимальным уровнем
автоматическое определение размера по критерию максимизации прибыли
Стратегии формирования страхового запаса
установка вручную
установка по времени покрытия страховым запасом прогнозного спроса
установка по статистическим данным
по целевому уровню обслуживания с учетом вариативности спроса
по целевому уровню обслуживания с учетом вариативности времени исполнения заказа
автоматическое определение уровня по критерию максимизации прибыли с учетом всех вариаций
виды уровня обслуживания
1-го типа ( 1 - вероятность обнуления)
2-го типа ( 1 - вероятный размер упущенного спроса)
3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа)
используемые при расчетах вероятностные распределения
нормальное
логнормальное
показательное
пуассоновское
другие
   
Учет уже размещенных заказов на закупку/производство
Учет товара в пути
Учет поступивших заказов клиентов
Учет каннибализации (взаимного влияния аналогов)
Учет сроков годности товара
Учет затрат времени на доставку
Учет затрат времени на производство
Учет минимальной партии

 

Блок "Управление поставщиками"

 

Номенклатурная матрица поставщика
Время исполнения заказа
Стоимость доставки
Условия оплаты
Дисциплина исполнения заказа постоянно отслеживается статус заказа и выдается флаг-напоминание о задержках
Другое
   
Процедура выбора оптимального поставщика товара

 

Блок "Отчеты, аналитика, оптимизация"

ABC анализ
XYZ анализ
План-график платежей поставщикам
План-график отгрузок клиентам
План поступлений денежных средств
План-график внутренних перемещений товара
План-график размера запаса
Планируемая оборачиваемость запаса
Планируемая рентабельность инвестиций в запас (GMROI)
План-график загрузки транспорта
План-график использования складских площадей
Ожидаемые дефициты
Ожидаемые сверхнормативные запасы
Расчет EOQ
Расчет оптимального размера страхового запаса
Расчет оптимального уровня обслуживания
Другое

 

Блок "Технические детали"

разграничение доступа к информации на основе ролей пользователей
допустимое количество планируемых объектов (складов, РЦ и т.п.) на одну инсталляцию 1
операционная система Windows
Mac
требуемый сервер баз данных входит в лицензию базовой программы
другое программное обеспечение, требуемое для функционирования системы FileMaker Pro, сайт производителя www.filemaker.com
архитектура
локальное рабочее место пользователя
клиент-серверная архитектура, толстый клиент
клиент-серверная архитектура, тонкий клиент
дополнительно
поддержка разных единиц измерений одного товара
поддержка разных валют для стоимостных показателей
поддержка объемно-весовых характеристик товара
поддержка пользовательских характеристик товара
другое
 Возможна работа до 100 пользователей , находящихся в одной сети. Также возможен вариант работы через интернет для удалённых (от локальной сети) пользователей.  

 

Легенда:

автоматическое детектирование выбросов:
Выбросы - аномально высокие или низкие значения величины, которые не должны приниматься во внимание при построении прогноза.

исключение нестандартных продаж:
Нестандартные продажи - те, которые мы не будем прогнозировать. Классическим примером является поставка под заказ. Поэтому из данных о продажах мы исключаем такие поставки.

исключение рекламных продаж и прочих маркетинговых результатов:
В продажах часто присутствуют "добавки", привнесенные проведенными рекламными акциями. Для лучшего прогнозирования регулярных продаж их необходимо исключить из общего потока.

исключение влияния out-of-stock на отгрузки:
Ситуация нехватки товарного запаса - не редкость, отклонение объема продаж от реального спроса в этом случае сильно искажает реальную картину. Нам необходимо учитывать этот фактор для более адекватного прогнозирования

поддержка определенных пользователем профилей сезонности:
Пользователь может вручную задать коэффициенты сезонности для товара

расчет величины ошибки модели:
После расчета модели по прошлым данным она сравнивается с фактическими данными за этот же период

расчет величины отклонения факта от прогноза:
После расчета модели строится прогноз на несколько периодов вперед. После прохождения этого времени рассчитывается отклонение построенного в прошлом прогноза с реализовавшимся фактом

Возможность сквозного планирования товаропроводящей сети в целом:
За один проход рассчитывается полностью вся цепочка поставок по всем объектам сети

Возможность использования разных цепочек поставок для разных товаров:
В магазин М товар А едет по пути РЦ1->РЦ2->М, а товар Б - по пути РЦ5->РЦ8->М

Возможность автоматической консолидации закупок по каналам/поставщикам:
Система умеет потребности в товаре консолидировать по поставщикам и формировать единый заказ для каждого из поставщиков

автоматическое определение размера по критерию максимизации прибыли:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

автоматическое определение уровня страхового запаса по критерию максимизации прибыли с учетом всех вариаций:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

уровень обслуживания 1-го типа ( 1 - вероятность обнуления):
95% означает, что из 100 циклов поставок лишь в 5 запас к концу цикла обнулится

уровень обслуживания 2-го типа ( 1 - вероятный размер упущенного спроса):
95% означает, что из 100 единиц, заказанных клиентами, не хватит 5 единиц

уровень обслуживания 3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа):
95% означает, что из 100 заказов лишь в 5 появится хотя бы одна строка, на которую запаса не хватит

клиент-серверная архитектура, толстый клиент:
Для доступа к серверу используется специальная клиентская программа

клиент-серверная архитектура, тонкий клиент:
В качестве клиента используется web-browser

поддержка разных единиц измерений одного товара:
Один и тот же товар на разных площадках может учитываться в штуках, упаковках, паллетах; в литрах, канистрах, бочках. Система позволяет при расчетах автоматически переводить одни единицы измерения в другие

поддержка пользовательских характеристик товара:
Пользователь может определять собственные характеристики товара: ABC, товарная категория, закрепленный менеджер, основной/ассортиментный и пр.

Развитие торговых сетей

Цитата с их сайта:

"Развитие торговых сетей" (РТС) - молодая динамичная компания, основанная в Санкт-Петербурге в 2005 году. Нами накоплен бесценный опыт построения бизнес-процессов в торговых сетях, в частности - в организации эффективного управления запасами, планировании закупок, автоматизации логистики.

Звучит на первый взгляд многообещающе, так что мне стало интересно. Тем более, что на странице контактов любезно вывешен адрес, по которому, очевидно, с нетерпением ждут обращений потенциальных клиентов.

Увы, за 3 (ТРИ!) месяца мне так и не удалось связаться - каждый раз я получал отлуп от почтовой системы с диагностикой "в почтовом ящике закончилось место". Я бы с удовольствием порадовался за коллег, что у них почтовый ящик просто-таки ломится от обращений граждан, но по натуре я циник и к тому же немного представляю себе технологию. Коллеги, отлуп такого рода может означать только одно: никто в этот ящик никогда не заглядывает, иначе бы уже давно обеспокоились тем, что туда не приходит ни одного письма вот уже (как минимум) несколько месяцев.

Конечно, мне возразят, что существует множество других способов связаться. Я совершенно согласен. Вот только такое отношение к одному из основных официальных каналов связи для меня говорит слишком о многом. Говорит об отношении к клиенту априори. И видя такое отношение, у меня нет ни малейшего желания изыскивать пути для связи с теми, кому это, полное ощущение, не очень интересно.

СППР

Название: Система поддержки принятия решений
Производитель: Тримас Групп
Официальные представители:
http://www.logistware.com

 

Блок "Прогнозирование спроса"

возможность "чистки" истории продаж
автоматическое детектирование выбросов
реакция на выбросы графически
исключение нестандартных продаж
исключение рекламных продаж и прочих маркетинговых результатов
исключение влияния out-of-stock на отгрузки
есть возможность контроля отсутствия товара –сколько дней данный товар отсутствовал на складе
используемые математические модели
простое скользящее среднее
взвешенное скользящее среднее
поддержка определенных пользователем профилей сезонности
сложившейся статистически сезонности – по выбору опорного периода
простое экспоненциальное сглаживание
экспоненциальное сглаживание с учетом тренда (Holt)
экспоненциальное сглаживание с учетом сезонности (Winters)
ARIMA
прогнозирование редких продаж
Croston
log-Croston (Boylan)
Willemain
Другая  
линейная регрессия
классическая
множественная
Фурье
Другая  
Другие модели
   модель экспертной оценки: «продажи так же как в период с…по…» с заданием коэффициента роста
Оценки точности прогнозирования
расчет величины ошибки модели
расчет величины отклонения факта от прогноза
метод оценки
среднеквадратическое отклонение (MSE)
абсолютное процентное отклонение (MAPE)
другая оценка
   
Возможность использования для прогнозирования жизненных циклов товара
Возможность включения планов продвижения в итоговый прогноз
ручная корректировка
Возможность расчета прогнозов по всей номенклатуре за один проход
Возможность расчета прогнозов по части номенклатуры на основании пользовательского фильтра

 

Блок "Планирование поставок" (включая закупки, собственное производство и дистрибуцию)

Возможность сквозного планирования товаропроводящей сети в целом
Возможность использования разных цепочек поставок для разных товаров
Возможность автоматической консолидации закупок по каналам/поставщикам
Стратегии формирования размера поставки
с постоянным периодом
с постоянным размером
с размером, соответствующим EOQ
ручной минимакс
с постоянным максимальным уровнем
автоматическое определение размера по критерию максимизации прибыли
Стратегии формирования страхового запаса
установка вручную
установка по времени покрытия страховым запасом прогнозного спроса
установка по статистическим данным
по целевому уровню обслуживания с учетом вариативности спроса
по целевому уровню обслуживания с учетом вариативности времени исполнения заказа
автоматическое определение уровня по критерию максимизации прибыли с учетом всех вариаций
другое Исходя из зависимости продаж от запаса
виды уровня обслуживания
1-го типа ( 1 - вероятность обнуления)
2-го типа ( 1 - вероятный размер упущенного спроса)
3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа)
используемые при расчетах вероятностные распределения
нормальное
логнормальное
показательное
пуассоновское
другие
   
Учет уже размещенных заказов на закупку/производство
Учет товара в пути
Учет поступивших заказов клиентов
Учет каннибализации (взаимного влияния аналогов)
планирование аналогов как 1 позиции с дальнейшим распределением по поставщикам
Учет сроков годности товара
Учет затрат времени на доставку
Учет затрат времени на производство
Учет минимальной партии

 

Блок "Управление поставщиками"

 

Номенклатурная матрица поставщика
Время исполнения заказа
Стоимость доставки
Условия оплаты
Дисциплина исполнения заказа
вывод графика исполнения планов отгрузок: по плану- факт
Другое
   
Процедура выбора оптимального поставщика товара
полуручной режим, исходя из cashflow

 

Блок "Отчеты, аналитика, оптимизация"

ABC анализ
XYZ анализ
План-график платежей поставщикам
План-график отгрузок клиентам
План поступлений денежных средств
План-график внутренних перемещений товара
План-график размера запаса
Планируемая оборачиваемость запаса
Планируемая рентабельность инвестиций в запас (GMROI)
План-график загрузки транспорта
План-график использования складских площадей
Ожидаемые дефициты
Ожидаемые сверхнормативные запасы
Расчет EOQ
Расчет оптимального размера страхового запаса
Расчет оптимального уровня обслуживания
Другое

 

Блок "Технические детали"

разграничение доступа к информации на основе ролей пользователей
допустимое количество планируемых объектов (складов, РЦ и т.п.) на одну инсталляцию 1
операционная система Windows
требуемый сервер баз данных Firebird
другое программное обеспечение, требуемое для функционирования системы не требуется
архитектура
локальное рабочее место пользователя
клиент-серверная архитектура, толстый клиент
клиент-серверная архитектура, тонкий клиент
дополнительно
поддержка разных единиц измерений одного товара
поддержка разных валют для стоимостных показателей
поддержка объемно-весовых характеристик товара
поддержка пользовательских характеристик товара
другое
   

 

Легенда:

автоматическое детектирование выбросов:
Выбросы - аномально высокие или низкие значения величины, которые не должны приниматься во внимание при построении прогноза.

исключение нестандартных продаж:
Нестандартные продажи - те, которые мы не будем прогнозировать. Классическим примером является поставка под заказ. Поэтому из данных о продажах мы исключаем такие поставки.

исключение рекламных продаж и прочих маркетинговых результатов:
В продажах часто присутствуют "добавки", привнесенные проведенными рекламными акциями. Для лучшего прогнозирования регулярных продаж их необходимо исключить из общего потока.

исключение влияния out-of-stock на отгрузки:
Ситуация нехватки товарного запаса - не редкость, отклонение объема продаж от реального спроса в этом случае сильно искажает реальную картину. Нам необходимо учитывать этот фактор для более адекватного прогнозирования

поддержка определенных пользователем профилей сезонности:
Пользователь может вручную задать коэффициенты сезонности для товара

расчет величины ошибки модели:
После расчета модели по прошлым данным она сравнивается с фактическими данными за этот же период

расчет величины отклонения факта от прогноза:
После расчета модели строится прогноз на несколько периодов вперед. После прохождения этого времени рассчитывается отклонение построенного в прошлом прогноза с реализовавшимся фактом

Возможность сквозного планирования товаропроводящей сети в целом:
За один проход рассчитывается полностью вся цепочка поставок по всем объектам сети

Возможность использования разных цепочек поставок для разных товаров:
В магазин М товар А едет по пути РЦ1->РЦ2->М, а товар Б - по пути РЦ5->РЦ8->М

Возможность автоматической консолидации закупок по каналам/поставщикам:
Система умеет потребности в товаре консолидировать по поставщикам и формировать единый заказ для каждого из поставщиков

автоматическое определение размера по критерию максимизации прибыли:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

автоматическое определение уровня страхового запаса по критерию максимизации прибыли с учетом всех вариаций:
Система принимает во внимание все издержки, связанные с процессами закупки и обслуживания запаса, оценивает риски потерь и выбирает сценарий, соответсвующий максимизации прибыли с учетом вероятностного характера спроса

уровень обслуживания 1-го типа ( 1 - вероятность обнуления):
95% означает, что из 100 циклов поставок лишь в 5 запас к концу цикла обнулится

уровень обслуживания 2-го типа ( 1 - вероятный размер упущенного спроса):
95% означает, что из 100 единиц, заказанных клиентами, не хватит 5 единиц

уровень обслуживания 3-го типа ( 1 - вероятность неудовлетворения заказа клиента хотя бы по одной строке заказа):
95% означает, что из 100 заказов лишь в 5 появится хотя бы одна строка, на которую запаса не хватит

клиент-серверная архитектура, толстый клиент:
Для доступа к серверу используется специальная клиентская программа

клиент-серверная архитектура, тонкий клиент:
В качестве клиента используется web-browser

поддержка разных единиц измерений одного товара:
Один и тот же товар на разных площадках может учитываться в штуках, упаковках, паллетах; в литрах, канистрах, бочках. Система позволяет при расчетах автоматически переводить одни единицы измерения в другие

поддержка пользовательских характеристик товара:
Пользователь может определять собственные характеристики товара: ABC, товарная категория, закрепленный менеджер, основной/ассортиментный и пр.

Дополнительные комментарии производителя:

  • Возможность планирования продаж и запасов по взаимозаменяемым товарам как по одной позиции с дальнешей возможностью распределения по поставщикам для оптимизации cash&flow.
  • Наличие анализа ассортиментных связей по 3 параметрам: вероятности совместных продаж разных позиций, продажи сопутствующей на 1 ед основной позиции, а также в стоимостном выражении, для более корректного управления ассортиментом.
  • Возможность проведения ABC-анализа по объему продаж и прибыльности, а также по количеству ед. измерения товаров.
  • Возможность проведения ABC-анализа и анализа ассортиментных связей за любой период.
  • Возможность формирования справочника пользователя с распределением товаров по группам по желанию пользователя. Например, исходя из ABC–XYZ, по менеджерам и т.д.
  • Возможность планирования продаж по подразделениям компании, торгующим с 1 склада. Например: крупный опт, средний опт и т.п.
  • Учет кратности партии.
  • Учет срока выполнения заказа (от размещения заказа до поступления на склад).
  • Возможность дробной цены. Например, 1000 ед. товара стоит 1,86 $
  • Возможность использования принципов объемно-календарного планирования.
  • Формирование страхового запаса несколькими стратегиями (ввод вручную):
    • мин-макс.
    • на основе зависимости запаса от продаж.
    • Рассчитанным внешне.
  • Корректировка планов с автоматическим пересчетом.
  • Расчет cash&flow на период по шагам планирования, как по фирме, там и по поставщикам или товарным позициям.
  • Анализ исполнения планов:
    • Плана продаж.
    • Плана поставок
    • Плана запасов
    • информация выводится графически и в виде таблиц.
  • возможность выгрузки планов в Excel.
  • Формирование графика оплат поставщикам: сумма, дата, кому.
  • Формирование графика выставления заявок.
  • Контроль полноты пакета: по всем ли позициям сформированы планы

Автоматизация многономенклатурных закупок без фиксирования периода между поставками.

Хватит ли одного пальца, чтобы пересчитать все модели автоматизированных закупок для многономенклатурных поставок? – Теперь, нет! 

Исходная предпосылка.
Большинство компаний, которые осуществляют многономенклатурные поставки продукции и пытаются автоматизировать свои закупки, сталкиваются с отсутствием выбора моделей для этого. После упорных поисков по дебрям Интернета они обнаруживают, что есть только одна такая модель, правда, предлагаемая в разных вариациях – это модель с фиксированным периодом между поставками.
В многочисленных диссертациях, статьях и научных трудах, посвящённых изучению и выводу этой модели, обычно очень мало говорится о том, почему была выбрана именно она. Большинство авторов старается, вообще, не затрагивать эту тему, те же, кто упоминает об этом, обычно сообщают читателям, что эта модель лучше всех подходит для автоматизации многономенклатурных поставок, без каких-либо объяснений этого вывода или ссылок на другие материалы. И совсем редко приводятся некие данные математического моделирования, где с некоторым отрывом лидирует, действительно, модель с фиксированным периодом между поставками. Правда, методики проведения этого моделирования и условия (данные, на которых оно проводилось) – не приводятся, дабы не искушать читателя найти в них ошибку, или заведомую неоптимальность альтернативных моделей. При этом на практике мы можем встретить ситуации, когда закупщики при осуществлении многономенклатурных поставок используют в своей работе алгоритмы, отличные от этой модели. Эти алгоритмы – не автоматизированы и не оптимизированы, зачастую даже не систематизированы: «Это заказываем так-то, а это – так-то,» – а, почему не наоборот, уже не скажут, но при этом работа осуществляется, и осуществляется нелохо… Так кто же из них прав: теоретики или практики?
Как обычно, истина – где-то посередине, и по-своему правы и не правы – и те, и другие. Практик-закупщик отвечает за результаты своей работы: привёз мало – дефицит, привёз много – неликвид, а начальника не порадует любой из этих вариантов – вот и выкручивайся, как хочешь. Они и выкручиваются – стараются возить почаще: тогда можно привозить сразу немного, а по мере продажи подвозить ещё. Однако, ясно, что такая практика выливается в дополнительные транспортные расходы – правда, это уже епархия транспортного отдела, а он не может заставить закупщика ездить за одним и тем же реже, да и не всегда перед транспортом стоит такая задача – обычно, их основная цель – это бесперебойное выполнение заявок на перевозку…
Что же на это скажут теоретики? Они затраты на транспорт учитывают обязательно! Более того, подбирают такие параметры модели с фиксированным периодом между поставками, чтобы эти затраты в совокупности со всеми остальными затратами были заведомо минимальными!.. Только не объясняют, почему используют именно эту модель, и не будет ли другая менее затратной… В чём же причина такой узкой направленности, – вроде бы очень умные люди, должны руководствоваться научным подходом: «прежде чем отбраковывать модель – сравни её эффективность с текущей»? – Да, просто, модель с фиксированным периодом между поставками – самая лёгкая, самая изученная и самая разработанная!.. Вот и ищут там, «где светло», а не там, «где потеряли», тем более сама модель, действительно, – очень хорошая, а не редко – и самая лучшая. Но, к сожалению, не всегда, а, значит, надо считать, сравнивать и выявлять те условия, в которых она будет давать лучший результат, и границы, за которыми надо использовать уже другие модели, а не, просто, в любой ситуации искать оптимальные параметры не обязательно оптимальной модели.
На практике я столкнулся с ситуацией, когда математическое моделирование модели многономенклатурных закупок с фиксированием периода между поставками выявило, что даже при самых оптимальных параметрах она даёт результат хуже, чем реально достигнутый практиками-закупщиками, работа которых не была ни автоматизирована, ни оптимизирована. Снижение результативности заключалось в том, что при использовании на том же спросе автоматизированной системы с фиксированным периодом между поставками даже с оптимальными параметрами: и дефицит, и затраты на транспорт, и средний запас – оказывались выше достигнутых на практике. Эта ситуация, стала причиной поиска, а затем создания альтернативной модели, которая давала бы лучший результат, чем до её использования, которую можно было бы автоматизировать, и параметры которой можно было бы оптимизировать.
 
Постановка задачи.
Есть поставщик, который поставляет нам много позиций: часть из них пользуется регулярным спросом, и соответственно мы их держим у себя на складе, а другие позиции этого же поставщика у нас покупают крайне редко (вплоть до единичных случаев за всё историю продаж), и, соответственно, мы их возим под заказ клиента. Сроки производства позиций до момента, когда поставщик сможет их отгрузить – разные и сильно варьирующиеся: от нескольких дней до месяца (определяется технологией производства и необходимостью закупки поставщиком нестандартных компонентов).
По каждой позиции регулярного спроса политически выставлен необходимый уровень удовлетворения спроса остатками на складе: от 90% до 99% (это главное конкурентное преимущество компании, поэтому при использовании любой из систем закупок это условие должно выполняться). При этом сам их спрос имеет большую вариацию даже на месячных периодах после очистки от тренда и сезонности имеет 50-200% белого шума. Из-за этого, а также в связи с тем, что оборотные деньги для компании – достаточно дорогие, а плечо доставки от поставщиков – достаточно короткое,  лучше лишних страховых запасов на складе не держать, а подвоз осуществлять не через равные точки времени, а по достижении точки заказа по одной или нескольким позициям.
В связи с этим была поставлена задача – получить автоматизированную модель расчёта точки и оптимальной величины заказа по каждой позиции регулярного спроса в системе многономенклатурных поставок с регулярными (не значит равномерными или прогнозируемыми) поставками заказных позиций, чтобы минимизировать суммарные затраты на их хранение и доставку. Кроме этого должна осуществляться экономия на транспорте за счёт одновременной поставки заказных поставок под запрос клиента и пополнения складских запасов – в случае, если мы везём в одной машине продукцию и под заказ клиента, и себе на склад, считается, что на склад мы везём её бесплатно, так как клиент оплачивает доставку заказных позиций в полном объёме, а в машине всегда остаётся место.
 
Решение.
Все формулы в этой статье рассчитываются  – отдельно по позициям; формулы, где переменные агрегируются – в сумме по каждому поставщику. Все сроки считаются в рабочих днях. Для экономии места и сохранения нити повествования, используемые формулы не выводятся.
 
Нахождение критического максимума, больше которого хранить на складе не рентабельно.
Для любой позиции на складе, вне зависимости от используемой вами модели закупок, есть определённое количество, выше которого вы храните остатки по этой позиции себе в убыток, даже, если они продаются в больших объёмах и с хорошей наценкой. Это обусловлено тем, что любые запасы требуют обслуживания, и даже если у вас свой склад, и вы не испытываете нужды в свободном месте, то денег не хватает всем и всегда, а вы их заморозили в эти запасы. Конечно, некоторую долю этих затрат несёт поставщик, давая вам товарный кредит, но и вы кредитуете своих клиентов, поэтому окончательный вариант формулы будет выглядеть так:
, где:
M – критический максимум остатков по позиции, выше которого хранить на складе убыточно [Единиц];
Ai – суммарные отгрузки из документов расхода за i-тую дату по позиции [Единиц];
Si – остатки по позиции на утро i-той даты без учёта оплаченных резервов [Единиц];
R – средняя маржинальная рентабельность продаж по позиции [%];
Н – альтернативная доходность вложенных в запасы денег [% / День];
Y – средняя отсрочка платежа клиентам компании [Дней];
W – отсрочка платежа у поставщика [Дней].
 
Дробь со «страшными» суммами в начале формулы – это просто среднедневные продажи, но не во всякий день, а только тогда, когда остатков на складе (вместе с приходами в этот день) было достаточно для обеспечения минимальных продаж за день. Это условие используется, чтобы не занижать это среднедневное значение из-за нулевых продаж в те дни, когда заведомо ничего продаваться и не могло (из-за отсутствия товара на складе). R / H – это количество дней, которое вы можете себе позволить держать деньги в запасах этой позиции – дальше вы начинаете делать это себе в убыток (заработок от продажи позиции R не покроет затрат на заморозку средств H в течение такого длительного периода). По-хорошему в H надо ещё включить переменные затраты на хранение (только переменные и только на хранение – не путать с затратами на склад), но обычно они значительно меньше затрат на замороженные средства для компаний со своим складом (совсем своим или арендуемым целиком), поэтому я ими пренебрёг в своих расчётах. При необходимости их включение не составит большого труда. В данном же случае, умножая, полученное количество дней на среднедневную продажу по позиции мы получаем максимальный остаток, выше которого нам хранить на складе – заведомо не выгодно. Соответственно, если поставщик даёт нам отсрочку платежа, то весь срок этой отсрочки в наши остатки вложены не наши деньги, а его. А, значит, никаких убытков мы от заморозки своих денег в это время не несём и можем дополнительно положить на остатки на этот срок продаж или поделиться этими деньгами с клиентами, дав отсрочку платежа им.
С помощью этого значения М вы сможете очистить входной поток данных от пиковых продаж, которые вам не выгодно обслуживать со склада, а так же оно позволит вам не закладывать на склад заведомо убыточных объёмов продукции. В таком случае рекомендуется вводить регламент для отгрузок, превышающих это значение, по их обслуживанию за счёт спецпоставок от поставщика под заказ клиента. Это позволяет не опустошать при таких запросах склад и не отказывать в этой позиции остальным клиентам до следующей поставки.
 
Нахождение критического минимума, необходимого для осуществления продаж.
Если дефицит – не редкий случай в вашей компании, то временной ряд продаж надо очищать и от заниженных значений, которые были обусловлены недостаточным наличием позиции на остатках. При длительных периодах дефицита – искажение может быть очень значительным и занижать потребность в разы. Для нахождения этого параметра советую использовать такую формулу:
, где:
m – критический минимум остатков, необходимых для осуществления продаж по позиции [Единиц];
Ai – суммарные отгрузки из документов расхода за i-тую дату по позиции [Единиц];
M – критический максимум остатков по позиции, выше которого хранить на складе убыточно [Единиц].
 
В этой формуле отсекаются все продажи, которые были выше вычисленного критического максимума – вы не собираетесь обслуживать их со склада (вам это заведомо не выгодно), а будете под такие заказы осуществлять спец-поставки. А затем, просто, считаются средние продажи в день продаж (когда эта позиция продавалась). Это нужно для того, чтобы по позициям, продающимся не каждый день, не занижать необходимый уровень остатков для осуществления продаж. В случае же, если все факты продаж лежат выше критического максимума, то есть все отгрузки, по сути, были заказными, то в качестве критического минимума берутся минимальные продажи.
Знание этого минимума m позволит вам более точно определять периоды дефицита, а так же быстрее реагировать на увеличение спроса по позиции.
 
Расчёт истории спроса и количества дней присутствия и отсутствия.
После того, как вы получили верхнюю и нижнюю границы для очистки временного ряда продаж, остаётся только применить их обе для расчёта временного ряда спроса по позиции на каждую дату:
, где:
Ci – спрос по позиции за i-тую дату [Единиц];
Ai – суммарные отгрузки из документов расхода за i-тую дату по позиции [Единиц];
M – критический максимум остатков по позиции, выше которого хранить на складе убыточно [Единиц];
Si – остатки по позиции на утро i-той даты без учёта оплаченных резервов [Единиц];
m – критический минимум остатков, необходимых для осуществления продаж по позиции [Единиц].
 
Если оба граничных условия выполняются, то спрос равен, просто, суммарным продажам за эту дату. Если не выполняется хотя бы одно из условий (то есть остатков вместе с приходами на дату было не достаточно для осуществления продаж в этот день или вы осуществляли отгрузку по спец-поставке под заказ клиента), то мы считаем спрос за эту дату – неизвестным (NULL).
 
И совсем просто рассчитываются периоды обеспеченного спроса и дефицита по позиции в прошлом – достаточно посчитать количество дней, когда остатков на утро в сумме с приходами за день было соответственно: достаточно или не достаточно для осуществления продаж (критерием выступает критический минимум):
, где:
L0 – количество дней отсутствия позиции на складе [Дней];
Si – остатки по позиции на утро i-той даты без учёта оплаченных резервов [Единиц];
m – критический минимум остатков, необходимых для осуществления продаж по позиции [Единиц].
, где:
L1 – количество дней присутствия позиции на складе [Дней] ;
Si – остатки по позиции на утро i-той даты без учёта оплаченных резервов [Единиц];
m – критический минимум остатков, необходимых для осуществления продаж по позиции [Единиц].
 
Расчёт точек заказа при заданных уровнях удовлетворения спроса остатками.
Значения Ci сортируются по возрастанию даты, а индексы присваиваются по порядку без пропусков, после чего на основании этого ряда создаётся новый ряд суммированного спроса за I + L дней – 0j}:
, где:
C0jj-тая сумма спроса по позиции за количество дней, необходимое для её производства и поставки [Единиц];
Ci – спрос по позиции за i-тую дату [Единиц];
I – время производства поставщиком позиции до отгрузки [Дней];
L – время доставки от поставщика [Дней].
 
Как бы страшно не выглядели условия суммирования в этих формулах, на практике они означают лишь, что надо сложить I + L подряд идущих значений спроса за день, и сделать это с шагом в день ровно столько раз, сколько значений спроса имеется. Это нужно для того, чтобы в последствии оценивать возможные изменения спроса за интересующий вас период и создавать страховые запасы адекватные именно их вероятностным характеристикам, не проверяя статистических гипотез на независимость значений спроса друг от друга.
 
Теперь мы можем найти необходимый запас по позиции для удовлетворения спроса остатками с ожидаемым уровнем на время подвоза:
, где:
U0 – количество по позиции, необходимое для удовлетворения спроса остатками на необходимом уровне на время производства и подвоза [Единиц];
C0jj-тая сумма спроса по позиции за количество дней, необходимое для её производства и поставки [Единиц];
N – необходимый уровень удовлетворения спроса остатками по позиции [%].
 
Формула расчёта U0 – это, просто, математическая запись определения уровня удовлетворения спроса остатками, а мы ищем минимальное количество, удовлетворяющее этому определению.
 
Точкой же заказа по позиции будет момент, когда одновременно выполнятся два следующих неравенства:
, где:
B – текущие остатки по позиции с транзитами и за вычетом оплаченных резервов [Единиц];
U0 – количество по позиции, необходимое для удовлетворения спроса остатками на необходимом уровне на время производства и подвоза [Единиц];
L1 – количество дней присутствия позиции на складе [Дней];
I – время производства поставщиком позиции до отгрузки [Дней];
L – время доставки от поставщика [Дней];
C0jj-тая сумма спроса по позиции за количество дней, необходимое для её производства и поставки [Единиц];
N – необходимый уровень удовлетворения спроса остатками по позиции [%].
 
Первое неравенство показывает нам, что текущих остатков (вместе с ожидаемыми приходами) не будет достаточно для удовлетворения спроса остатками на заданном уровне (U0 – это минимальное количество по позиции, которого хватило бы). Второе неравенство используется для того, чтобы не начинать поставку (а точка заказа именно инициирует поставку), если у нас закончилась не очень важная позиция, и мы можем даже пожить некоторое время с пустым складом по ней, пока не распродадим побольше позиций этого поставщика и не закажем одну большую общую поставку. Главным критерием выступают время отсутствия товара на складе L0 и уровень удовлетворения спроса остатками N – чем они больше, тем скорее выполнится это неравенство, – то есть, если товар долго отсутствует (большое значение L0) или эта позиция для нас важна (большое значение N), то мы получим точку заказа по этой позиции.
 
Расчёт скорректированного периода между поставками.
Сначала рассчитываем по каждой позиции среднедневной спрос (просто усредняя имеющиеся значения спроса за день по позиции):
, где:
 – средний спрос за день по позиции [Единиц / День];
Ci – спрос по позиции за i-тую дату [Единиц].
 
Максимально возможный период между поставками по складским позициям рассчитывается единым для поставщика (суммирование в формуле происходит по всем складским позициям поставщика), а формула будет такой:
, где:
Q – максимально допустимый период между поставками по складским позициям поставщика [Дней];
 – средний спрос за день по позиции [Единиц / День];
Z – текущая закупочная цена позиции [Рублей / Единицу];
R – средняя маржинальная рентабельность продаж по позиции [%];
Н – альтернативная доходность вложенных в запасы денег [% / День];
Y – средняя отсрочка платежа клиентам компании [Дней];
W – отсрочка платежа у поставщика [Дней];
L – время доставки от поставщика [Дней].
 
То есть мы смотрим, максимальный период времени, на который можем заложить к себе на склад все складские позиции поставщика, по аналогии с расчётом критического максимума остатков по одной позиции, выше которого хранить на складе становится убыточно. Соответственно, если этот срок меньше времени доставки от поставщика L, то берём последнее.
 
Теперь разберёмся с влиянием заказных поставок. Заказной поставкой считается любая поставка, которая содержит заказную позицию или складскую позицию, но в количестве больше найденного по этой позиции критического максимума М. Значения дискретной ступенчатой функции распределения вероятностей осуществления заказной поставки от поставщика определяем как нарастающую сумму количества заказных поставок, произошедших через х дней после предыдущей, делённую на количество всех заказных поставок за период:
По сути, эта функция показывает вероятность наступления случайного события (заказной поставки от поставщика) в течение 1 дня, 2 дней, 3 дней, и так далее – х дней, пока это событие не станет практически достоверным: F(х) = 1.
 
Теперь, чтобы учесть влияния потока заказных поставок, нам надо найти такой скорректированный период между поставками, при котором:
, где:
Т – скорректированный период между поставками [Дней];
E(х) – функция выгоды от пополнения складских позиций вместе с заказными [Рублей / День];
Н – альтернативная доходность вложенных в запасы денег [% / День];
Q – максимально допустимый период между поставками по складским позициям поставщика [Дней];
 – средний спрос за день по позиции [Единиц / День];
Z – текущая закупочная цена позиции [Рублей / Единицу];
D – средняя стоимость доставки от поставщика [Рублей];
F(х) – дискретная ступенчатая функция распределения вероятностей осуществления заказной поставки от поставщика в течении х дней после предыдущей [%].
 
Эта формула показывает, что мы выигрываем от поставки складских позиций вместе с заказными. Первое слагаемое отвечает за изменения затрат на содержание запасов – оно будет равно разнице в днях (Q – T), умноженной на средние продажи по позициям поставщика в закупочных ценах , и на стоимость замороженных денег H. Второе слагаемое даёт нам транспортную составляющую затрат, которая зависит от стоимости доставки D и того, на сколько изменяется вероятность осуществления заказной поставки по отношению к периоду за который мы смотрим эту вероятность Q или T (а значит, и по отношению к количеству поставок за фиксированный период: 1 / Q и 1 / T – соответственно). Оба этих слагаемых зависят от параметра Т, а полученное в итоге значение этого параметра, которое будет максимизировать функцию Е(Т), и будет определять оптимальный объём заказ поставщику, в худшем случае равняясь Q, при котором значение функции будет заведомо равно нулю: E(Q) = 0.
 
Формирование графика предстоящих отгрузок.
Все ожидаемые поставки рекомендуется вносить в информационную систему компании с датами ожидаемой поставки – это позволяет в автоматизированном режиме отслеживать все задержки, недопоставки, пересорты и отличие цен в приходных накладных от цен в заказе. А если мы плюс к этим датам возьмём ещё и даты ожидаемой отгрузки у поставщика из точек заказа по позициям: Gi = I , то сможем понять, в каком объёме нам надо дозаказывать другие позиции, по которым точка заказа ещё не наступила. Поэтому расчёт точек дозаказа по позициям какого-либо поставщика должен производиться только после очередного расчёта точек заказа по всем позициям этого поставщика. В результате мы получаем данные о количестве дней до ожидаемых отгрузок от поставщика: {Gi}. Тогда заказ по позиции будет производиться, только если существует такая ожидаемая отгрузка, что срок производства этой позиции будет равен времени до этой отгрузки:
, где:
Gi  – количество дней до i-той отгрузки, ожидаемой от поставщика по графику предстоящих отгрузок [Дней];
I – время производства поставщиком этой позиции до отгрузки [Дней].
 
То есть, мы будем осуществлять заказ только тех позиций, срок производства которых закончится как раз к моменту очередной отгрузки у поставщика.
 
Если такая G0 существует, то для дальнейших вычислений нам понадобится значение следующей за G0 ожидаемой в ближайшее время поставки:
, где
Gi  – количество дней до i-той отгрузки, ожидаемой от поставщика по графику предстоящих отгрузок [Дней];
Т – скорректированный период между поставками [Дней].
 
Точка G1 нужна нам для определения срока, на который мы будем производить закупку – соответственно по данной формуле она будет равна: либо уже известной дате поставки следующей за ближайшей, либо прогнозируемой дате, когда должно закончиться то, что придёт в ближайшей поставке – а браться из этих дат должна та, которая наступит раньше.
 
Расчёт потребности по позиции поставщика, в случае достижения по ней точки дозаказа.
Расчёт заказа осуществляется только для тех позиций, по которым была достигнута точка дозаказа (для позиций, по которым была достигнута точка заказа, точка дозаказа достигается автоматически). По аналогии с получением ряда 0j} рассчитываем и ряд для суммированного спроса за количество дней до следующей поставки 1j}:
, где:
C1j j-тая сумма спроса по позиции за количество дней до следующей поставки [Единиц];
Gi  – количество дней до i-той отгрузки, ожидаемой от поставщика по графику предстоящих отгрузок [Дней];
L – время доставки от поставщика [Дней];
Ci – спрос по позиции за i-тую дату [Единиц].
 
Количество единиц, необходимых для поддержания нужного уровня удовлетворения спроса остатками до следующей поставки, тоже рассчитывается аналогично предыдущей формуле, но с новыми переменными:
, где:
U1 – количество по позиции, необходимое для удовлетворения спроса остатками на необходимом уровне до следующей поставки;
C1j j-тая сумма спроса по позиции за количество дней до следующей поставки [Единиц];
N – необходимый уровень удовлетворения спроса остатками по позиции [%].
 
Тогда объём заказа по позиции будет равен:
, где:
X – необходимый заказ для удовлетворения спроса остатками на нужном уровне до следующей поставки объём заказа по позиции [Единиц];
K – кратность отгрузок по позиции, которая рассчитывается как наибольший общий делитель по всем отгрузкам клиентам компании или задаётся из кратности отгрузок по позиции у поставщика [Единиц];
U1 – количество по позиции, необходимое для удовлетворения спроса остатками на необходимом уровне до следующей поставки;
B – текущие остатки по позиции с транзитами и за вычетом оплаченных резервов [Единиц];
J – коэффициент округления, который задаёт направление округления [0÷1].
 
В данной формуле первое слагаемое в скобках отвечает за тот объём в рассчитанном заказе по позиции (U1 – B), который уже удовлетворяет условию кратности. Второе же слагаемое позволяет округлить в нужную сторону ту часть заказа, которая не удовлетворяет условию кратности. Коэффициент же округления J напрямую задаёт ту границу, выше которой мы округляем вверх, и соответственно может принимать любое значение от 0 до 1 (при J = 0 мы всегда округляем вверх; при J = 1 – всегда вниз; в случае если J = 0.5, осуществляется стандартное арифметическое округление).
 
Работа с данными.
Все приведённые расчёты рекомендуется в автоматическом режиме делать каждую ночь, а расчётные значения сохранять в плоских таблицах, по которым днём можно было бы строить соответствующие отчёты. Эти таблицы должны содержать для каждой записи расчётных параметров системы – значение параметра и ссылку на ключ из номенклатурной таблицы или справочника поставщиков, а для временных рядов данных – ещё и дату для каждой записи. В отчёт, который будет делать закупщик днём, должны выводиться по каждой позиции в абсолютных величинах и днях среднедневных продаж: значение необходимого заказа Х; свободные остатки B; текущие остатки, резервы и оплаченные резервы; средний спрос ; критические минимум m и максимум M; кратность отгрузок К; количества, определяющие точку заказа и объём дозаказа U0 и U1; срок производства I; закупочная цена Z и необходимый уровень удовлетворения спроса остатками N, – а также для каждого поставщика: период между поставками Т; время доставки L; ожидаемые даты поставок G0 и G1; необходимые и фактические оборачиваемость О и/или прибыльность Р. На основании этого отчёта, сделанного по конкретному поставщику, рекомендуется иметь возможность автоматически создавать документ заказа этому поставщику по этим позициям в этих количествах (Х) – это позволит избежать лишних ошибок при набивании заказа вручную, а так же избавит сотрудников от лишней рутинной работы.
 



Итог.
Для определения той модели закупок, которая будет давать лучшие результаты в каждой конкретной ситуации надо проводить их сравнительное математическое моделирование на ваших данных. И очень хочется надеяться, что авторы научных трудов, посвящённых модели многономенклатурных закупок с фиксированным периодом между поставками, теперь будут вынуждены сравнивать её с моделью, предложенной в данной статье, или хотя бы объяснять, почему они для своего изучения выбрали именно свою модель. Ниже приведена таблица, которая поможет предварительно прикинуть, какая модель лучше подходит в вашем конкретном случае:
МОДЕЛЬ
КРИТЕРИЙ
Фиксированный период
между закупками
Не фиксированный период
Спрос
Предсказуемый
Сильно вариативный
Плечо доставки от поставщика (LT)
Длинное
Короткое
Штраф за отсутствие на остатках
Небольшой (продажи)
Большой (производство)
Стоимость денег
Низкая
Высокая
Складских позиций от поставщика
Много
Мало

Утилита для расчета ABC и XYZ анализа

Шо это?

Это ABC/XYZ анализ для ленивых

Количество обсуждений и выяснений, как делать ABC/XYZ анализ в последнее время превысило все разумные пределы. Хотя, казалось бы, эти элементарные вещи уже у всех завязли в зубах и любой может это сделать с закрытыми глазами. В какой-то момент мне это надоело и я в качестве гимнастики и учебной задачи решил на коленке написать инструмент, который будет делать непосредственно анализ за человека. Программа имеет всего две кнопки, которые и выполняют указанные задачи.

Требования к операционной системе

Требований к операционной системе практически нет. Программа должна работать под Windows, Linux, Mac, всеми разновидностями UNIX. Для работы программе требуется java версии не ниже 1.6.0. Теоретически должно работать на любой начиная с 1.4 (это та, что стоит в стандартной поставке Windows, если Вы ни разу не обновляли), но поскольку у меня такой древности давно уже нет, я не в состоянии собрать программу под эту платформу. К тому же официально поддержка старой платформы заканчивается летом 2008г. Даже если Вы не собираетесь пользоваться данным софтом, крайне рекомендую поставить свежую версию, берут ее бесплатно здесь. На момент написания этого документа последняя версия была Java Runtime Environment (JRE) 6 Update 4. Если при запуске программы Вы получаете ошибку навроде " (Unsupported major.minor version 49.0)", значит необходимо установить свежую версию Java.

Как установить?

 

  1. Содержимое архива развернуть в любой удобный каталог
  2. Отредактируйте первую строку командного файла ABC.cmd, чтобы она указывала на установленную версию Java. К примеру, если Вы установили Java Runtime Environment (JRE) 6 Update 4, скорее всего строка будет выглядеть как

    SET JAVA_HOME=C:\"Program Files"\Java\jre1.6.0_04

  3. Запустите ABC.cmd, если все правильно, должно появиться нечто вроде этого

    Main window

Как это работает?

Точно так же, как и в случае проведения анализа при помощи Excel, вы должны подготовить текстовый файл с исходными данными о потреблении продуктов в виде

ART SDATE QTY
333 2007-01-01 0
333 2007-02-01 1.3
333 2007-03-01 1.5

Первая строка - заголовки полей. То, что там написано, значения не имеет, программа будет игнорировать первую строку. Сделано так только из соображений совместимости, поскольку большинство приложений при экспорте данных по умолчанию эту строку пишут. Если будет необходимость, в следующей версии можно предусмотреть соответствующую пользовательскую настройку. Порядок записей значения не имеет, программа сама разберется. В поставке имеется тестовый файл с данными - INDATA.tsv, протренируйтесь.

Формат данных жестко задан

Первая колонка - артикул изделия. Формат - текстовая строка до 50 символов длиной.

Вторая колонка - дата в формате YYYY-MM-DD

Третья колонка - количество в формате числа с плавающей точкой

Порядок работы

  1. В поле Delimiter выбираем разделитель полей либо из списка, либо задав произвольный. По умолчанию используется символ табуляции. Внимание! Программа запоминает последний установленный разделитель и при следующем запуске будет пытаться использовать именно его.
  2. Нажимаем кнопку Data и выбираем файл с исходными данными. Программа открывает файл и сразу же импортирует данные. В зависимости от объема это может занимать заметное время. Внимание! Программа запоминает имя последнего файла данных и при следующем запуске будет пытаться использовать именно его.
  3. Кнопки ABC и XYZ производят соответствующие расчеты
  4. Для XYZ-анализа можно выбрать, по каким периодам будет делаться анализ.
  5. Кнопка Export to TXT, как нетрудно догадаться, экспортирует результаты всех расчетов в текстовый файл с параметрами, в точности совпадающими с исходным. Имя файла формируется как <имя исходного файла>.out.txt.
  6. Кнопка Open with Excel позволяет сохранить результат в виде файла MS Excel.
  7. Все. Для желающих посмотреть графики распределения сделаны закладки ABC и XYZ (не забудьте нажимать кнопку "Refresh"). Для желающих вгрузить это в Excel на файле отчеста нажать правую кнопку мыши, открыть с помощью Microsoft Excel

Настройки

В таблицах, расположенных над кнопками расчета, указаны текущие настройки границ категорий и цвета, которыми они будут отображены на графике. При помощи двойного щелчка мыши можно изменить названия категорий, границы и цвета.

Производительность

Исходные данные тестирования

Были взяты реальные данные о продажах за 12 месяцев по списку ~14.5 тыс. позиций, что составило ~2.7 млн записей. Поскольку ставилась цель провести анализ помесячно, после перехода к месчным продажам получился файл с ~173 тыс. записей. Результат:

Старт и инициализация 25 сек
Импорт данных 22 сек
ABC 1 мин 03 сек
XYZ 43 сек

 

Где брать?

Последняя версия берется здесь.

Удачи вам, вопросы можно (и нужно, наверное) задавать по адресу stanley ( at ) pochtamt.ru или на форумах logist.ru, zakup.ru - ник stanley.

Вопросы управления

Раздел для обсуждения вопросов управления в самом широком смысле. Людьми, процессами, информацией, ресурсами.

Григорий Неостер. Вредные советы

Создание и развитие коммерчески эффективного бизнеса — задача не из легких, и удается она далеко не всем. Однако не каждый готов себе в этом честно признаться. Если подступающая дата утверждения годового бюджета заставляет тебя лихорадочно перебирать все доступные возможности уменьшения затрат, вполне вероятно, что ты мечтаешь о том, чтобы компания — этот неиссякаемый источник стрессов и генератор неразрешимых проблем — растворилась в тумане прошлого, унеся с собой все горести и печали, что отравляли твое существование на протяжении многих лет.

Однако уйти — значит, признать собственное поражение, признать, что ЭТО ты делать не умеешь, по крайней мере сейчас. Тебе придется это пережить. Самое ужасное — это понимающие взгляды твоих вчерашних подчиненных. Ты бы предпочел никогда не переживать ЭТОГО, лучше бы их всех просто не стало, они исчезли бы все в один момент, как по мановению волшебной палочки. Это несложно — ведь существует несколько надежных способов навсегда разделаться с осложняющими тебе жизнь сотрудниками.

Итак, чтобы остаться единственным сотрудником компании, применяй 8 фундаментальных принципов.

 

Григорий Неостер
Оригинал опубликован на Executive

1. Разделяй и властвуй!

В твоих руках полномочия по распределению ответственности между сотрудниками и отделами. Это поистине могущественный инструмент. Помни: что бы ты ни делал, у сотрудников не должно сложиться впечатления, что они делают одно общее дело. Это так сплачивает коллектив, что разогнать его потом будет очень сложно. Поэтому, если компания оказывает какие-нибудь услуги, например услуги по айнаненингу, создай два подразделения, первое должно общаться и договариваться с клиентом, а второе делать то, что наобещал первый. Если первое подразделение к тому же сформировать целиком из сотрудников, которые еще вчера были уверены, что «айнаненинг» — это название редкого венерического заболевания, встречающегося исключительно у парагвайских папуасов, то успех этого мероприятия практически гарантирован. Если через неделю такой работы офис по-прежнему будет наполнен энергично работающими сотрудниками, то у тебя в компании работают на удивление терпеливые и сдержанные люди. И что там думает себе отдел кадров! Этого HR-менеджера давно надо бы уволить за такой подбор персонала!

Чем больше будет дублирования в деятельности подразделений, тем лучше. Установи правила, по которому оба подразделения будут получать процент от продаж услуг клиентам, и через неделю среди трупиков сотрудников на полу офиса ты найдешь разодранные пополам тушки клиентов.

2. Создай корпоративные правила и регламенты

Никакой инициативы сотрудникам! Все, что делается, каждый шаг, каждый вздох любого сотрудника должны быть описаны и регламентированы. Когда приходить на работу, как одеваться, как разговаривать по телефону, с кем дружить и что думать — не должно быть вопросов, которые можно решить просто исходя из здравого смысла и логики. К черту здравый смысл! Зачем он нужен, если есть регламенты. Можешь не сомневаться, достаточно скоро в компании найдется масса людей, которые по достоинству оценят твое изобретение и с радостью примутся его усовершенствовать.

— Вася, почему ты не написал ответ клиенту?

— А потому, что, по регламенту, я должен писать ответ клиенту только после того, как 3-й заместитель 12-го вице-президента, г-н Дураков, поставит мне задачу в корпоративной информационной системе. Он не поставил мне задачу.

— Г-н Дураков, а вы почему не поставили задачу Васе?

— А я, по регламенту, ставлю задачу только в том случае, если клиент присылает запрос по факсу. Запрос пришел по е-мейлу. А про запросы, пришедшие по е-мейлу, в регламенте ничего не сказано.

— Да, нам необходимо внести изменения в регламент.

Вася и г-н Дураков хором:

— Да-да, мы давно об этом говорим, надо внести изменения в регламент, но для того чтобы внести изменения в регламент, согласно регламенту, нужно написать письмо с предложением внести изменения в регламент президенту. Он вынесет его на совет директоров. Совет директоров рассмотрит предложение и примет решение об изменении регламента. Совет директоров собирается каждую третью неделю месяца по вторникам, сегодня среда третьей недели, но пока решение не принято, мы не можем ответить на письмо клиента, потому что в соответствии со стандартами качества, принятыми в нашей компании, все действия сотрудников должны осуществляться в строгом соответствии с регламентами.

Самые умные быстро поймут, что в таких условиях работать невозможно, и сделают ноги, останутся не самые умные, но с ними расправиться проще.

3. Лично контролируй сотрудников

Правило «Вассал моего вассала — не мой вассал» придумали средневековые недоумки, которые ничего не понимали в управлении. С тех пор управленческая мысль шагнула далеко вперед, а методы управления достигли такого совершенства, что в современной компании президент может лично контролировать всех и каждого. Причем контролировать надо все: когда сотрудник приходит на работу, когда уходит, что делает, как делает и какие интернет-сайты посещает. Лично встречай у входа сотрудника, опоздавшего на 7,5 минут на работу. Ничто не может оправдать его проступок, а то, что накануне он ушел из офиса за полночь, так это исключительно его вина, он просто не успевает выполнять задачи вовремя. Не надо ничего спрашивать или утруждать себя корректностью формулировок, вообще лучше не говорить. Достаточно придать выражению лица такой вид, будто у тебя умерли все родственники этим утром. Сотрудник должен испытать всю гамму чувств и понять, как прискорбно для тебя, что он нарушает регламент своим опозданием на работу. Для особо непонятливых можно посмотреть многозначительно на часы и неодобрительно покачать головой.

И главное, не решай никаких вопросов. Управлять просто — надо назначить ответственного, дать ему какое-нибудь задание. При этом полномочия, необходимые для того, чтобы выполнить это задание, нужно оставить за собой, нет, лучше, передать их другому сотруднику, так будет загадочней. И можно спокойно ждать пока твой подчиненный с этим не справится. Потом его нужно отругать, наказать и дать другое задание либо уволить. То же самое проделать со вторым, которому были даны полномочия, но задача не ставилась. Чтоб знал! Главное — не принимать самому никаких решений. Муторное это дело, ошибиться можно, потом все будут показывать на тебя пальцем и говорить «Фи!». Нет, это слишком рискованно, лучше давать задания другим.

А себе можно найти в это время массу интересных дел. Например, переформатировать телефонный справочник, искать в книжках умные мысли, которые потом можно повестить на стенку, оформлять очередной шаблончик документа, написать еще парочку регламентов: «Действия сотрудников компании „Маулауи айнаненинг“ в случае посадки на Землю пилотируемого инопланетного летательного аппарата» и «Действия сотрудников компании „Маулауи айнаненинг“ в случае посадки на Землю беспилотного инопланетного летательного аппарата». Руководитель должен быть дальновидным и предусмотреть все ситуации. Вдруг завтра прилетят инопланетяне? Причем неизвестно ведь, на чем прилетят! Что они подумают о руководителе компании, сотрудники которой не будут знать, как себя при этом вести?

Ты, конечно же, уже позаботился о том, чтобы в регламентах было написано о том, что должно быть на столе сотрудника, что он имеет право вешать над столом и что должно лежать в его тумбочке. Чем загадочнее и непонятнее правила, тем лучше. Например, можно запретить всем пользоваться зелеными фломастерами или заставить всех одеваться в корпоративные цвета. Теперь самое время сделать так, чтобы все это выполняли. Обходи лично офис по утрам и проверяй, что лежит на столах, висит на стенке или лежит в тумбочках сотрудников. Поступая так, можно ежедневно находить десятки поводов для увольнений и наказаний.

4. Почаще увольняй сотрудников

Согласно популярной теории, современная и динамично развивающаяся компания должна развиваться так динамично, что не все сотрудники должны успевать за ней. Отличная мысль! Значит, текучесть кадров должна быть высокой. Причем нехорошо, когда сотрудники уходят по собственному желанию. У сторонних наблюдателей может сложиться превратное впечатление, что в компании что-то не так. Чтобы никто не мог даже подумать об этом, нужно, чтобы сотрудников, уволенных по инициативе администрации компании, было больше, чем ушедших по собственному желанию. Тогда все будут понимать, что работать в «Маулауи айнаненинг» — это не бычки на ветер бросать. Это дело серьезное, и мало кто справляется с такой сложной работой. Наиболее сообразительные сами после нескольких долгих лет работы понимают, что им не потянуть, и уходят.

В отношении других приходится принимать непопулярные меры, но без этого нельзя, если этого не делать — обязательно найдутся такие, которые решат, что все, что написано в «Кадровой политике», — сущая правда, а компания действительно ожидает от них, что они проработают здесь до глубокой старости, с каждым днем становясь все опытнее, тем самым нанося непоправимую пользу компании. Дай менеджеру по персоналу задание оповещать всех сотрудников обо всех не прошедших испытательный срок. И не надо ничего объяснять. Формулировки «уволен по инициативе администрации, как не справившийся с поставленными задачами», вполне достаточно. А что за задачи, кто ставил и чем не устраивает то, что было сделано, знать всем не обязательно. В конце концов, ты не должен ни перед кем ни в чем отчитываться. Не королевское это дело!

Когда сотрудник уходит сам — это неприятно. Но грамотное управленческое воздействие способно смягчить и это. Дай задание менеджеру по персоналу провожать всех покидающих компанию посланием всему персоналу примерно следующего содержания: «Сегодня г-н Меранцев, к нашей всеобщей радости, принял, наконец-таки, решение освободить нашу компанию от своего навязчивого присутствия. За время работы у нас этот мерзавец поднабрался опыта и стал достаточно сообразительным, чтобы понять, что он нафиг никому такой не нужен. Давайте все вместе пожелаем ему дальнейших успехов за пределами нашей компании».

Конечно же, это не понравится остальным сотрудникам, и они задумаются о том, чтобы поискать другое место работы. Но это не беда, придут новые, и пока они поймут, как это все работает, пройдет несколько месяцев. Потом их тоже можно будет уволить. Ну и, конечно же, нужно позаботиться, чтобы все эти бывшие сотрудники как можно меньше общались с сотрудниками нынешними. Так что заходить в офис — ни-ни…

5. Кадры превыше всего

Главное в успешном управлении компанией — это создать команду единомышленников. Единомышленников не обязательно должно быть много, в принципе, достаточно одного. Но это должна быть фигура! Единство взглядов не важно, по правде говоря, лучше, чтобы у него вообще не было никаких взглядов. Собственный взгляд — это всегда риск, что он может не сойтись с твоим. Главное — абсолютная лояльность и маниакальная исполнительность, все остальное не имеет значения.

Образование, опыт предыдущей работы, квалификация, сомнительная репутация — все это не имеет ни малейшего значения для кандидата на должность человека номер два. Хотя нет, есть еще один фактор, который нужно учесть. Это реакция на него других сотрудников. Здесь можно долго подбирать, испытывать и экспериментировать. Излишне напоминать, что это должен быть человек извне, абсолютно не знакомый ни с компанией, ни со спецификой айнаненинга вообще. Удобны в этом плане всякого рода свободные консультанты и тренеры по тому, что и без них все делают более чем хорошо. У них есть одно неоспоримое преимущество. Их можно обкатать на трудовом коллективе. Пригласить прочитать парочку семинаров, лекций, провести тренинг. И когда в компании не останется ни одного человека, который может испытывать по поводу кандидата хоть какие-то эмоции, отличные от раздражения, неприятия или физиологического отвращения, или хотя бы не испытывать никаких эмоций, тогда можно быть уверенным, что это ОН. Вот теперь самое время раздавать ему всякого рода регалии, звания, должности, персональные привилегии и особые полномочия. Сотрудники это быстро оценят и сделают правильные выводы.

6. Никогда не сомневайся в себе

Раз уж ты владеешь компанией, которая продает айнаненинг, то никто лучше тебя не знает, что это такое. Что могут знать эти рафинированные мальчики, которые корпели в институтах над книжками, а потом по полгода гноили свой худосочные тельца на каком-нибудь ОАО «Тундрадобычазапасовстраны» или ОАО «Нашасилавплавках», в то время как ты, настоящий ас, бороздил бескрайние просторы нашей планеты на больших кораблях. Ты же самый умный, ты уже тогда знал об айнаненинге все, а после того, как прочитал и раскрасил 12-страничную брошюру «Все об айнаненинге», ты понял, что больше этого узнать просто невозможно. Это просто как два пальца об асфальт, и если сдача очередного айнаненингого проекта сопровождается ночными бдениями 6 человек, то это исключительно из-за их глупости. Просто они не удосужились прочитать и раскрасить «Все об айнаненинге», а ограничились только прочтением. Смешные люди. Теперь у тебя есть полное моральное право писать статьи на любые темы из области айнаненинга. Да и писать-то особо не надо, все давно написано. Просто порыться в интернете, и минут за 40 можно слабать опус на любую тему. На работу с фотографом уйдет времени чуть больше, придание лицу умного выражения требует гораздо больших усилий. И пусть тебя не смущает, что издания согласны публиковать твои статьи по цене рекламных материалов. Это капитализм, где каждый зарабатывает деньги как может. Зато теперь твоим подчиненным придется проявить невиданные чудеса смекалки и сообразительности, неоднократно выслушивая от своих собратьев по профессии из других компаний оценку умственных способностей шефа вместе с риторическим вопросом: «Ну, и что ты, такой умный, делаешь в этой компании?». Самые тщеславные долго не выдержат.

7. Используй сотрудников на все 100%

Давно известно, что проблему нужно решать при ее возникновении. Если набирать неквалифицированных сотрудников в самом начале, избавиться от них потом будет проще. С квалифицированными могут возникнуть проблемы. Они, как правило, предпочитают, чтобы компания оценивала их за профессиональные достижения. Другое дело — дилетанты. С ними и мороки меньше, и использовать их можно в более широком, так сказать, спектре.

Так что, если на собеседование к тебе пришла смазливая девчонка, профессиональные достоинства которой не так хороши, как достоинства никак не связанные с профессиональной деятельностью, да вдобавок ко всему амбиции так высоки, что первые два параметра на их фоне кажутся величиной бесконечно малой, не стоит сразу отклонять ее кандидатуру. То, что на эту зарплату можно нанять двух вполне профессиональных айнаненеров, еще ничего не значит. Айнаненеры только и могут, что айнаненить, и кроме этого пользы от них никакой, а тут — девушка симпатичная. Посмотри на эту ситуацию с разных позиций. Наверняка найдется такая, которая понравится вам обоим.

Ну, если даже ей не сразу понравится, то рано или поздно она поймет, что за те деньги, которые ей платят в компании, эту позицию надо полюбить всей душой и освоить… всем телом. Конечно, возможны дополнительные издержки — так, по мелочи: перепланировать офис, поменять рекламную стратегию и фирменный стиль. Но это ерунда, зато все эти умники айнаненеры теперь будут знать свою ценность в новой шкале корпоративных ценностей. Есть шанс, что кому-то это не понравится. А когда надоест, это в любой момент можно прекратить, просто уволив. У матросов есть вопросы?

8. Делай мелкие гадости

О, здесь поле для деятельности поистине безгранично! Просто уволить непонравившегося сотрудника — это слишком тривиально. В данном вопросе нужно проявить креативность и смекалку. Уволить его надо в пятницу вечером, когда он уже ушел с работы, предварительно дав задание на выходные. Дать задание системному администратору отключить его от сети и удалить все файлы с его компьютера, в особенности информацию личного характера, пусть он долго помнит, восстанавливая утерянные файлы. Сотрудник ничего не должен знать о своем увольнении до того момента, пока не придет на работу в понедельник и там не встретит специально обученного сотрудника, который объяснит ему, что он уволен и должен немедленно покинуть офис.

После этого можно написать бывшему сотруднику письмо, разоблачающее его низменную сущность. Здесь в выражениях можно не стесняться — чем больше грязи, тем лучше. Правдивость фактов не имеет значения — кто будет разбираться. Письмо надо отослать… нет-нет, не бывшему сотруднику. Он, конечно же, сейчас пребывает в эйфории от внезапно обрушившегося ему на голову счастья и не сможет адекватно оценить остроту момента. Отослать нужно, как бы по ошибке, кому-нибудь из сотрудников. Неформальные коммуникации вещь все-таки иногда полезная. Уже через час весь офис будет взахлеб читать и обсуждать, какой же мерзавец работал в компании и какой же молодец наш президент, что смог вовремя узреть змею, пригревшуюся на груди добродушного хозяина.

Напиши гневное письмо сотрудникам. Повод, в принципе, не важен. Главное — показать всему коллективу, какие они все-таки мерзавцы. Можно, например, найти в интернете список порносайтов и разослать всем сотрудникам письмо с утверждением о том, что это статистика посещений с прокси-сервера компании за последний месяц. Пусть все знают, что они работают в компании маразматиков и сексуальных извращенцев, сомнительным образом ориентированных. А главное, что никто в компании не работает, все только и делают, что рыскают в интернете в поисках клубнички, непроизводительно тратя свое рабочее время и деньги компании. После этого интернет можно отключить всем. Атавизм это рудиментарный. Современная компания может вовсе обойтись без доступа к информационному пространству.

Некоторые считают праздники вещью приятной. В праздники принято дарить друг другу подарки и говорить приятные слова. Дикие люди!!! Тратят драгоценное время на такие глупости. Используй праздники максимально эффективно. Это самый подходящий момент напомнить сотрудникам обо всех их просчетах и промахах. Сотрудник не справился с поставленной задачей и завалил проект «МДК — Дурекс»? Несмотря на то, что в глубине души он понимает, что этот проект с самого начала являл собой квинтэссенцию человеческой глупости и вряд ли мог когда-либо быть реализован, ему все равно будет неприятно вспоминать об этом! Нельзя упускать такого шанса! Надо действовать быстро, пока воспоминания еще свежи! Лучшим подарком ему будет дешевая футболка с красочной надписью «МДК — Дурекс фарева» на груди. Затраты на подарок невелики — рублей 300, смешная плата за возможность испортить человеку настроение на целый день.

Порядок превыше всего. Особенно в документообороте и хранении информации. Ты, как президент компании, конечно же, имеешь доступ ко всем файлам на сервере и на компьютерах сотрудников. И ни на минуту не сомневайся, что никто лучше тебя не знает, как должны называться файлы и где они должны храниться. Если у тебя есть хоть малейшее подозрение, что 300-страничный документ «Отчет для VIP-клиента, надо отправить завтра.doc», созданный две недели назад, содержит никому не нужные материалы двухлетней давности, то можешь смело удалить его без возможности восстановления. Ну, в крайнем случае, переименовать в «Фигня всякая.doc» и переместить в каталог «Ё:\Фигня всякая\Прошлый век\Разное\Архив\Удалить\Отстой\Прочее\». Не вздумай кому-нибудь сказать об этом. Ты не представляешь, насколько сообразительны некоторые сотрудники, когда речь идет об их работе, при малейшей подсказке они могут его и найти.

Ну, а если ты пока еще не хочешь прийти утром в офис и обнаружить, что кроме тебя других людей в компании не осталось? Тогда просто не делай ничего из того, про что написано в этой статье. А сэкономленные ресурсы своего организма используй для organizational development.

Должностные инструкции

Вашему вниманию предлагается перечень должностных инструкций. Большинство инструкций предлагаются в русском и украинском вариантах.
В раздел постоянно добавляются новые должностные инструкции, а также вносятся изменения - следите за обновлениями.

UPDATE:

Ну раз сайты у нас недолгоживущие, придется здесь создавать библиотеку.

Менеджеры-логисты бывают нескольких видов

  • Менежер – линейное звено. Этот менежер имплементирует функцию у которой на выходе то-же самое, что и на входе. Полностью контролируемая особь, поддается дрессировке, послушен и покладист. Толку от него как от козла молока но и вреда не приносит. Великолепный переадресатор e-mails в обе стороны. На начальство смотрит преданно и дает лапу.
  • Менежер – генератор хаотического шума. Этот менежер имплементирует функцию случайных чисел. Практически не контролируем, иногда агрессивен, иногда ласков. От него можно ожидать практически всего. Часто бывает женского пола. Выдает клиенту случайную и ничем не обснованную ерунду. Периодически просит рассказать, что-же такое логистика и почему она превернула мир.
  • Менежер – приносящий пользу. Этот вид встречается очень редко и занесен в красную книгу. Может внятно донести до клиента простую техническую мысль. Иногда дает разумные советы клиенту и полностью осознает круг свего незнания. Служит буфером между враждебным и бестолковым внешним миром в лице клиента и начальства и истинной логистикой.  

* авторство неизвестно

Менежеры-логисты бывают нескольких видов

Команда для решения серьезных задач подбирается комплексно и состоит из разных людей. 

  • Один, - как сейчас принято говорить, человек с креативным мышлением. Такой обычно ходит в драных джинсах и замусоленных свитерах. Иногда пьет горькую. На работу приходит не каждый день, неисполнителен. Но он рождает идеи. Он - мозг. Без него – никуда.
  • Другой – наоборот, – сидит «от сих до сих», аккуратен, исполнителен, прилежен. Всё время за компьютером. Подбрось ему идею – в миг оформит. Это – задница. Но как без неё?
  • Третий – всегда безукоризненно одет, педант, на работу приходит «без пяти» и уходит вечером, во всем любит порядок и всем делает замечания. Это - администратор. Он дисциплинирует. Он – правая (или левая) рука руководителя.
  • Четвертый – прекрасно считает деньги, умеет их сохранить и приумножить. Крайне необходим. Но нуждается в постоянном контроле.
  • Пятый – егоза-непоседа. В конторе никогда нет. Осуществляет связи. Оперативник. Это – ноги. Без них тоже нельзя.
  • Шестой – во всём сомневается, всем недоволен, отданное распоряжение исполнять не спешит – ждет когда отменят. Скептик. Он - тормоз. Вроде ни к чему. А как иногда бывает нужен!

Но всех их объединяет одно: они – личности.

Вот у хорошего руководителя и получается нормальный организм. Здоровый. Способный на многое.
У руководителя недалекого, любящего «порядок и исполнительность», окружение из «своих людей», либо попросту приспосабливающего организацию под свои шкурные интересы, всегда в команде осознанно или несознательно кого-то не хватает. Или, наоборот, кого-то избыток. Вот и получается либо большая педантичная задница, либо ноги без рук (или наоборот), либо голова без мозгов, но с загребущими руками и без тормозов...

(с) Artamonov Vladislav

Мотивация или имитация?

Андрей Клименко

Зам. гендиректора по технологиям ООО "Ифсервис

Статья опубликована в журнале "ЛОГИСТИК&система"

Менеджер по закупке может быть как «серым кардиналом», эффективно влияющим на закупочную политику, так и простым исполнителем нисходящей свыше воли руководства.

Способов добиться от менеджера по закупке качественного выполнения возложенных обязанностей только два, да и те не блещут оригинальностью: или заинтересовать, или заставить (не оставить иного выбора).

Практика показывает, что большинство руководителей российских предприятий все же отдают предпочтение первому варианту, отчетливо понимая, что если менеджера не заинтересует фирма, то он сам заинтересует себя известными методами типа откатов. Второй способ – заставить – используется крайне редко. И зря. Почему? Об этом мы поговорим в конце статьи.

Заинтересовывать принято с помощью той или иной системы мотивации. Методы административной и нематериальной мотивации обсуждать не будем, так как они ничем не отличаются от методов, применяемых по отношению ко всем сотрудникам. А вот к мотивации материальной, отвечающей на вопрос, как построить зависимость заработной платы от качества работы, мы присмотримся повнимательнее.

Любая расчетная система материальной мотивации базируется на:

  • определенных фактических и расчетных показателях;
  • определенных эталонных значениях этих показателей;
  • сравнении результатов работы с эталонными значениями;
  • расчете денежного вознаграждения на основании степени приближения результатов работы к эталонным значениям показателей.

ПОКАЗАТЕЛИ СИСТЕМЫ МОТИВАЦИИ

Для моделей 1, 2 и 3 (см. врез «Модель “закупщика”» на стр. 8–9) система мотивации может быть несложной и базироваться на следующих показателях:

  • выполнение плана закупок;
  • абсолютная прибыль от продаж закупленного – простая разница между суммой продажи и суммой закупки (цель – минимизация закупочных цен);
  • относительная прибыль от продаж закупленного – абсолютную разницу нужно разделить на сумму закупки (вариант мотивации на минимизацию закупочных цен);
  • срок продажи закупленного – разница между датой закупки и датой продажи (цель – повышение оборачиваемости вложенных средств);
  • срок отсрочки платежа по товару (цель – получение отсрочки платежа от поставщика);
  • процент товара, взятого на полную реализацию, по отношению к общей сумме закупленного (цель – минимизация вложенных средств);
  • абсолютная сумма дебиторской задолженности поставщикам (цель – погашение дебиторской задолженности путем возврата товара);
  • относительная сумма дебиторской задолженности поставщикам по сравнению с общей суммой закупок (вариант погашения дебиторской задолженности путем возврата товара).

В зависимости от специфики бизнеса к перечисленным выше можно добавить еще и вторичные или качественные показатели, как то: процент брака, процент возврата от клиентов, процент рекламаций и т. п. Расчетная часть такой системы мотивации может быть выполнена любыми средствами – просто на калькуляторе или вплоть до Excel.

Для модели 4 система мотивации может быть сколь угодно развитой и сложной и в нее могут входить как вышеперечисленные показатели, так и новые, аналитические, такие как:

  • абсолютная сумма товарного запаса на складе (цель – минимизация складских остатков);
  • структура товарного запаса на складе (цель – поддержание нормы товарного запаса). Имеется в виду разделение всего товарного запаса на сегменты: ниже нормы, норма, выше нормы, неликвиды, а также вычисление денежных сумм по каждому сегменту;
  • абсолютная сумма неликвидов (цель – недопущение неликвида);
  • относительная сумма неликвидов по отношению к общей сумме (вариант недопущения неликвидов);
  • процент выполнения клиентских заявок (цель – повышение уровня клиентского сервиса и общего оборота);
  • процент испортившихся товаров (гниение, прокисание и пр.) по отношению к общей сумме (цель – недопущение порчи товара).

Можно добавить еще десятки показателей, но они будут скорее всего производными или полными аналогами перечисленных. После того как общий список логистических показателей определен, нужно отчетливо представить себе последовательность введения системы мотивации.

Трудности при расчетах

Для того чтобы просчитать структуру товарного запаса, нужно:

    1) провести анализ предыдущих продаж;
    2) вычислить скорость продаж по каждой товарной позиции (например, шт/дн. или т/мес. и т.п.);
    3) получить из информационной системы текущие товарные остатки по каждой позиции;
    4) разделить остаток на скорость и получить показатель по каждой позиции: товарный запас, выраженный в днях (месяцах и т.д.) прогнозируемых продаж, то есть понять, сколько времени потребуется для полной продажи этого товара;
    5) сегментировать полученные товарные запасы по всему ассортименту помесячно, а затем представить каждый сегмент в виде вложенных в него денежных средств.

Быстро просчитать скорость продаж можно только в случае, если:

  • ссортимент небольшой;
  • товары не имеют дублей или аналогов в информационной системе;
  • продажи товара высокостабильны во времени (небольшой коэффициент вариации);
  • фактор сезонности несущественен;
  • ситуация outstock возникает нечасто.
Для того чтобы получить процент выполнения клиентских заявок, нужно:
    1) обеспечить возможность фиксации и накопления в информационной системе заявок от клиентов;
    2) обеспечить 100-процентную фиксацию заявок клиентов при работе отдела продаж;
    3) провести сравнение после завершения всех операций в цепи «заявка–отгрузка» первичного документа (заявка клиента) с конечным (счет-фактура). Разницу (по сумме позиций, штук или рублей) выразить в процентах и понять, какова упущенная выгода.

ВВЕДЕНИЕ СИСТЕМЫ МОТИВАЦИИ

Прежде чем вводить систему мотивации менеджеров по закупке, компания должна выработать четкую закупочную политику. В зависимости от предпочтительной модели («эксперт», «исполнитель» и т. д.) необходимо подбирать персонал, предоставлять ему те или иные технологии, создавать ту или иную систему контроля и использовать те или иные показатели системы мотивации. Компания должна определить, какие показатели будут влиять на зарплату менеджеров по закупкам, то есть провести исследование существующего положения дел, выяснить потенциал к его улучшению, определить больные точки, а затем установить целевые нормативы, выраженные в конкретной цифровой форме. На плечи сотрудников информационного отдела ляжет обязанность создания инструментария в основной или сторонней информационной системе, дабы менеджеры и руководители имели возможность оценивать показатели, выявлять причины отклонений и корректировать свои действия. Руководство предприятия должно выработать механизмы расчета заработной платы на основе принятых показателей. И только после этого компания может донести свою политику до менеджеров, потребовать четкого следования изложенным постулатам и ввести в действие систему мотивации.

Стоит сразу оговориться и предупредить: если мы ведем речь о системе мотивации по четвертой модели, то при ее введении с большой вероятностью возникнут трудности, связанные с тем, что почти все главные показатели, которые собственно и определяют качество логистики закупок, не могут быть получены из информационной системы простым нажатием одной кнопки. Их получение сопряжено с определенными трудностями. Организационными, техническими, аналитическими.

ТИПИЧНЫЕ ОШИБКИ ПРИ ВВЕДЕНИИ СИСТЕМЫ МОТИВАЦИИ

Перечислим наиболее распространенные ошибки при внедрении системы мотивации. Зачастую от менеджеров по закупкам начинают требовать получения показателей, на которые они в силу своего служебного положения не имеют реального влияния. Так, на показатель «Торговый оборот» могут повлиять менеджер по продажам, менеджер по маркетингу, коммерческий директор, а также сезон, конкуренты и клиенты, но никак не менеджер по закупке. Выходит, что не было никакого смысла включать его в систему мотивации.

Случаются и вовсе курьезные ситуации: менеджера по закупкам, например, вполне могут попросить провести вручную анализ продаж по ассортименту в 10 тыс. наименований. Если учесть, что только отчет продаж в информационной системе за месяц формируется 10 ч, то возникает вполне логичный вопрос: о какой оптимизации может идти речь? А если сама информационная система изначально спроектирована неграмотно, получить надежные данные очень сложно. Например, в справочнике один и тот же товар существует в нескольких записях, с разными идентификаторами (артикулами), и продаются такие товары параллельно либо хаотично.

Совсем неправильно систему мотивации, упрощенно разработанную на примере одного менеджера, применять по отношению к другому. Например, если использованы абсолютные цифры показателей (скажем, абсолютная прибыль), а менеджеров двое, и у одного из них в силу сложившихся обстоятельств более выгодный или более ходовой товар, то работу они будут делать одинаковую, а зарплата у них будет отличаться в несколько раз.

Модель «закупщика»

Функции и обязанности менеджера по закупке от компании к компании могут сильно варьироваться, а следовательно, варьируются и методы систем мотивации. Все варианты закупочных моделей перечислить трудно, но провести грубую градацию можно. Прежде всего попробуем определить, какими бывают менеджеры по закупке.

Модель 1. «Исполнитель»

Существуют такие виды бизнеса, в которых закупочная деятельность сугубо планируемая. В качестве примера можно привести конвейерную производственную деятельность, при которой план выпуска продукции известен заранее. Или же торговая деятельность, в которой объем будущих продаж по каждому наименованию с высокой степенью достоверности известен заранее. В этом случае ключевая задача, стоящая перед менеджером по закупкам, сводится исключительно к строгому выполнению плана закупок. С точки зрения логистики эта модель не представляет никакого интереса, так как логистики закупок в этом случае просто нет.

Модель 2. «Эксперт»

Чаще всего эта модель встречается в сферах, связанных с закупкой эксклюзива: мебели для дизайн-бюро, одежды или обуви для бутика, оборудования для ресторана или склада и т. п. Задача эксперта - найти то, что будет продано в течение короткого периода времени. Для логиста эта модель не очень интересна, поскольку логистика закупок в этом случае если и присутствует, то в минимальном объеме.

Модель 3. «Гений»

Задача «гения» – найти продавца, готового предоставить товар самого высокого качества по самым низким ценам и предложить огромные отсрочки оплаты, а лучше всего – реализацию с правом безусловного возврата. По аналогии с определением идеального менеджера по продажам, который найдет чукчу и продаст ему снег по цене золота, можно сказать, что идеальный менеджер по закупкам – это тот, кто найдет Клондайк и купит там золото по цене снега. Как и в предыдущем случае, эта модель для логиста вряд ли окажется интересной, так как основной акцент в ней делается на задачу «получить ходовой товар почти даром». Всякие изыски логистики и оптимизации для этой модели глубоко вторичны. И тем не менее она часто встречается, в том числе и в сферах, где ее использование не оправданно с точки зрения бизнеса в целом.

Модель 4. «Логист»

Иногда в силу особенностей некоторых рынков и масштаба, и возраста компании задачи получения экспертных оценок, поиска и нахождения наиболее низких цен не являются основными для отдела закупок. Все поставщики известны, условия оговорены и не подлежат серьезным изменениям. В такой ситуации на первое место выходит вопрос оптимизации, то есть «обеспечения наличия Нужного ресурса в Нужном количестве Нужного качества в Нужном месте в Нужное время для Нужного потребителя с Наилучшими (оптимальными) затратами на закупку». Вот эта модель и есть наиболее интересная с точки зрения логистики.

ЧТО ПРОИСХОДИТ НА ПРАКТИКЕ?

Компания, осознающая необходимость в хорошей закупочной логистике, выбирает систему мотивации по четвертой модели. После некоторого изучения вопроса компания приходит к выводу о том, что это невозможно. Организационно и (или) технически. Компания также сама зачастую не представляет ни смысла требуемой закупочной логистики, ни показателей, ни их эталонных значений, ни болевых точек, то есть не имеет обоснованной и выраженной закупочной политики. Что происходит дальше? Нанимаемый менеджер опрашивается на тему того, «какие логистические кульбиты он может совершать, чтобы компании было хорошо?» И если менеджер что-то знает, упомянул про ABC и XYZ, то, стало быть, работать может и зарплата предлагается в зависимости от количества упомянутых терминов. Мотивация если и есть, то по минимальным, простым показателям. Конечно, можно выдвинуть менеджерам по закупке требование соблюдать оптимальность по всему комплексу показателей и этим ограничиться, но в этом случае они получат заведомо неподъемный объем работы, проконтролировать который все равно не получится.

Получить настоящие, достоверные, значимые, важные для бизнеса показатели деятельности менеджера по закупке – очень тяжело. Устранить все ошибки при создании системы мотивации тоже тяжело. В основном все это связано с тем, что менеджер по закупке должен свести воедино и в оптимальном соотношении множество факторов. Приведем несколько практических примеров.

КОМПАНИЯ 1 – ОПТОВЫЙ ДИСТИБЬЮТОР

В компании с ассортиментом не менее 10 тыс. наименований есть «мозг» – коммерческий директор, совладелец бизнеса. Трепетное отношение к собственным деньгам, а возможно, и печальный опыт, вынудили его взять закупочную деятельность под полный личный контроль. Любая закупка товара, инициированная менеджерами по закупке, проходит через утверждение. Любой счет визируется. При этом учредитель лично проводит экспресс-анализ продаж по каждой попавшей ему на утверждение позиции. Берутся во внимание и иные факторы: цена закупки, наличие денег в бюджете, остатки на складе, сезон и т. д. Феноменальная память, аналитический склад ума, большой опыт работы и кровная заинтересованность позволяют учредителю быстро принять окончательное решение или скорректировать цифры. А что же делают менеджеры по закупке в этом случае? Они выполняют черновую работу (звонки, факсы, счета, контроль поставок, возврат брака и т. п.). Им не возбраняется следить за товарными запасами и принимать предварительное решение о закупках или о работе с какими-то поставщиками. Но это необязательно. Ответственности за свои решения они все равно не несут, так как в конечном счете есть один единственный «центр авторизации».

Самое интересное, что в этом случае у тех самых «исполнителей», которых мы называем менеджерами по закупке, все-таки есть система мотивации! Она проста и базируется на одном показателе: объем продаж товара, закупленного отдельным менеджером за отчетный период. От этого зависит расчет его заработной платы.

Такую систему мотивации можно считать бессмысленной по причине отсутствия у менеджеров по закупке как логистических функций, так и ответственности за результат. А вот негатив от такой системы мотивации налицо. Каждый менеджер обслуживает свой «пул» поставщиков, предлагающих разный ассортимент. Работа у закупщиков явно не равнозначна. Один закупает в месяц несколько машин «Аспирина» по 80 коп., а второй – 10 коробок (100 упаковок в каждой) «Виагры» по 400 руб. за упаковку. Показатель мотивации же неумолим – оба получат одинаковую зарплату, так как суммы продаж этих товаров будут одинаковыми.

КОМПАНИЯ 2 – РОЗНИЧНАЯ ТОРГОВЛЯ

В сети торговых точек с централизованными закупками и ассортиментом в 5 тыс. наименований менеджер по закупке – понятие распределенное. На первом уровне решение принимает конкретная Марь Иванна в каждой торговой точке. Она составляет заявку: что и в каком количестве, по ее мнению, нужно закупить. Работает модель 2 – «Эксперт». Заявка попадает в офис. На втором уровне менеджер по закупке оценивает заявку и корректирует ее (модель 2), если считает нужным. Затем в работу включается модель 3 – «Гений». Заявки консолидируются, и производится закупка. Система мотивации базируется на двух показателях: 1) выручка от продажи товара – для Марь Иванны и 2) относительная прибыль от продаж закупленного – для менеджера по закупке.

Однако является ли оптимизация следствием мотивации? Нет. Понятно, что Марь Иванна экспертом по логистике не является. Ей чем больше товара дадут – тем лучше. Ее зарплата зависит от выручки. Понятно, что менеджеры по закупке не имеют возможности адекватно оценить потребности Марь Иванны, экспертами тоже не являются, да и вообще сосредоточены на том, где и сколько купить, и как можно дешевле. А сколько на самом деле нужно купить – это вопрос десятый. В этом случае владельцы бизнеса вообще не знают, что такое закупочная логистика и позволяют сотрудникам делать все, что угодно. Результатом такого подхода является очередное «вливание» энной суммы денег в бизнес, поскольку на закупки не хватает (спасибо Марь Иванне), и возникновение товарных излишков (неликвидов, просроченного товара) на складе (спасибо менеджерам по закупке).

КОМПАНИЯ 3 – КРУПНЫЙ ОПТОВЫЙ ДИСТРИБЬЮТОР

При ассортименте в 50 тыс. наименований достичь оптимальной закупочной логистики с помощью ручной работы и экспертных способностей менеджеров по закупке невозможно. Цена даже небольшой ошибки менеджера, помноженная на огромный ассортимент, дает колоссальное недополучение прибыли или прямые убытки.

Компания создает в информационной системе мощный аналитический аппарат, алгоритмы автоматического расчета требуемых количеств, систему онлайн мониторинга логистических показателей. Все расчетные параметры – когда, что, сколько и у кого закупить – предоставляются менеджерам по закупкам в готовом виде. И после отладки и доводки системы до максимально достижимого уровня, компания с удовлетворением видит результаты: динамика изменения товарного запаса по каждой товарной позиции стабилизировалась (классическая «пила», рисунок 1), неликвиды исчезли, уровень обслуживания клиентов повысился, корреляция между объемом закупок и объемом продаж проведена, складские и транспортные расходы сокращены. Казалось бы, все в порядке.



Рис. 1. Классическая «пила»

Но чтобы все было уж совсем по науке, разрабатывается еще и система мотивации. В том числе для менеджеров по закупке. Причем все возможные показатели включаются в нее не скупясь, щедро, от души. Благо, их можно хоть 100 раз в день видеть на экране в любом разрезе. В результате менеджеры по закупке оказываются настолько замотивированными, что совершенно не могут ни на что влиять сами, да это им и запрещено. Несмотря на то, что в этой компании отличная оптимизация закупочной логистики, и разработана система мотивации, оптимизация все равно не является следствием мотивации. В этом случае оптимизация закупочной логистики – полное следствие технических и организационных мероприятий. Если кого и нужно мотивировать – то идеологов и разработчиков компьютерной системы.

КОМПАНИЯ 4 – СОБИРАТЕЛЬНЫЙ ОБРАЗ

Данная система мотивации присуща 99% любых предприятий. Компания, как обычно, имеет определенный фонд заработной платы, в котором предусмотрена «вилка» процентов этак в двадцать – как раз для создания мотивации. Компания также имеет представление о том, сколько стоит на рынке труда менеджер по закупке. Система мотивации имеет какие-то показатели, а также ряд инструментов (нелинейность, коэффициенты и т.д.), предназначение которых – сделать «вилку» заработной платы не очень большой и привести ее к тем самым двадцати процентам. Менеджеры по закупке редко относятся к категории высокооплачиваемых сотрудников – зарплаты в среднем находятся в пределах 12–20 тыс. руб. При обычной работе их зарплата будет колебаться около средних значений ±500 руб. Если они даже в лепешку разобьются и обеспечат максимальную эффективность и оптимальность, прибавка к зарплате будет около 2–4 тыс. руб. То есть конкретно для этих сотрудников заинтересованность в результате будет очень низкой, а мотивацию скорее можно назвать всего лишь «имитацией». Понятно, что для других сотрудников уровня топ-менеджеров с их зарплатами «вилка» будет существенна в абсолютном выражении.

Вывод, который здесь можно сделать, такой: введение системы мотивации для низкооплачиваемых сотрудников бессмысленно. Если только не увеличить «вилку». Но тут вопрос скорее психологический и политический.

ЧТО ДЕЛАТЬ?

К сожалению, действительность в большинстве случаев такова, что введение любой системы мотивации не приводит к появлению причинно-следственной связи «мотивация–оптимизация». Достичь каких-то локальных целей и улучшить отдельные показатели можно. Но логистика – это комплекс показателей, который практически невозможно оптимизировать методом «пряника». Система многомерна, и найти в ней «точку оптимальности» менеджеру практически невозможно (рисунок 2).


Рис. 2. Точки оптимальности

Метод «кнута» является, за редким исключением, наиболее эффективным и стратегически верным. Почему? Хотя бы уже потому, что менеджеры по закупке распоряжаются большей частью выручки компании. Именно эти люди в наибольшей степени влияют на то, чтобы оставшаяся после закупок часть выручки позволила бы как минимум покрыть остальные затраты фирмы. Менеджер по закупке – это доверенное лицо учредителей, которое наделено правом и обязанностью «тратить деньги учредителей». Эти доверенные лица не всегда супер-специалисты, не всегда аналитики и приравнены в большинстве случаев к обычным рядовым сотрудникам с соответствующей зарплатой и «текучестью кадров». Так что оказываемое им большое доверие кажется странным. Это какая-то вселенская загадка – то, как мало задумываются учредители и приравненные к ним руководители об этом, позволяя менеджерам по закупке тратить свои деньги.

Выход один: влияние человеческого фактора со стороны менеджера по закупке должно быть сведено к минимуму. Точнее его влияние должно распространяться лишь на те функции, которые невозможно реализовать без человека. А их у менеджеров по закупке не так много, и суть таких функций в основном не отличается от функций любого менеджера-исполнителя.

Для того чтобы закупочная политика компании была успешной, ее надо для начала определить и «зашить» в информационную систему с возможностью оперативного изменения ключевых управляющих параметров. Если у компании есть понимание того, какими должны быть показатели закупочной деятельности, значит, можно понять и то, какими расчетными и организационными мерами можно добиться этих показателей. Все расчеты должна произвести компьютерная система – в соответствии с определенной политикой и по соответствующим расчетным алгоритмам.

Проще говоря, все расчетные параметры – когда, что, сколько и у кого закупить – должны быть предоставлены менеджерам по закупке в готовом виде. В виде готового заказа поставщику (пример компании 3). Конечно, менеджеры могут скорректировать цифры, если к этому есть веские основания. Модель 4 должна быть реализована технологически, а на менеджера по закупкам нужно возложить обязанности модели 1. Оптимизация закупок при этом достигается не в результате мотивации, а как следствие осознанно выработанной политики и качественной реализации этой политики в основном техническими мерами.

Несколько месяцев доводки такой системы до максимально возможного идеала – и экспертно-аналитические способности менеджера по закупке будут не нужны. Нет Иванова – то же самое за него сделает Петров. Уволился Петров – придет Сидоров.

Усилия на такую разработку требуются, но всего один раз. После чего все многомерные показатели закупочной логистики сходятся в нужной точке оптимальности и остаются в ней до тех пор, пока в компании не произойдут серьезные коммерческие изменения. Но и тогда нужно будет лишь модернизировать систему, инструмент.

Кстати, при этом на 99% исчезает знаменитая проблема откатов. Потому что почва для откатов – это свобода и бесконтрольность менеджеров по закупкам. Не верите, что такое возможно? Вам решать!

 

Мотивация руководителей логистических подразделений

Зачем нужна мотивация руководителей логистических подразделений?

Любое изменение ситуации должно быть осмысленным. Внедрение нового программного обеспечения по распределению запасов среди филиальной сети, переход на другую стратегию ценообразования, решение об использовании какой-либо мотивационной системы – всё это должно происходить только тогда, когда у вас есть нужная компании, чёткая, измеримая цель. Преобразования ради преобразований никому не нужны, и могут обернуться не только пустой потерей ценных ресурсов, но и ухудшением ситуации в компании. Поэтому когда вы думаете, а не попробовать ли мне какую-нибудь мотивационную схему для своих сотрудников, вы всегда должны понимать, зачем вам это нужно. И вариантов осмысленного использования мотивации только два:

  1. повышение лояльности сотрудников компании, и как следствие, снижение текучести кадров, возможность не участвовать в гонке зарплат и улучшение психологического климата на предприятии;
  2. повышение конкретных показателей работы, необходимых сейчас компании.

Причём первый пункт подспудно влияет на второй, но не направленно. То есть повышение лояльности в принципе положительно сказывается на показателях работы, но в среднем, а не каких-то конкретно. Теперь, собственно, ответ на вопрос, зачем нужна мотивация руководителей логистических подразделений? Да затем, что именно от уровня вовлечённости этих руководителей в происходящее в компании больше всего зависит то, каким будет развитие фирмы. Если от рядового сотрудника зависит только то, что сделает он сам, то от руководителя отдела – работа всей этой бизнес-единицы, а от руководителя подразделения – положение дел во всей сфере, за которую он несёт ответственность. А сфера логистики напрямую определяет затраты, а следовательно: и возможность конкурентоспособного предложения, и конечную прибыль. Что же влияет на мотивацию этих руководителей? – Да, собственно, почти любое ваше решение или даже интонация произнесённой вами фразы, но об этом позже. Сначала надо разобраться с тем, что вам изначально понадобится для создания какой-либо системы мотивации.

 

До мотивации.

Современные российские компании только начинают осваивать системы направленного влияния на мотивацию своих сотрудников, поэтому часто допускают непростительные ошибки. Одной из них является выстраивание мотивационной системы снизу вверх – если вы при внедрении мотивации отдали создание её компонентов руководителям отделов, что в принципе, не правильно, и услышали от них через некоторое время: «Ну для своих бойцов-то я, вроде, придумал, а вот себе – что-то не получается...» – значит и эту мотивационную схему для рядовых сотрудников вводить ни в коем случае нельзя.

Данная фраза выдаёт с потрохами ситуацию, когда мотивационная схема не привязана к нужным для компании показателям эффективности. А значит, даже, если такая схема заработает, то есть сотрудники начнут руководствоваться ей, принимая те или иные решения, она будет приводить к результатам, которые, возможно, компании и не нужны. То есть вы будете акцентировать внимание сотрудников, дополнительно платить им, чтобы сделать приоритетными задачи, которые, возможно, таковыми и не являются. А значит, действительно, важные для компании показатели могут оказаться во второстепенных, и даже «просесть» из-за отвлечения внимания и ресурсов на другие вещи.

Примером такого негативного отвлечения сил из-за «мотивации» являются разнообразные системы штрафования сотрудников опаздывающих на работу, или тратящих на обед больше положенного часа. Когда это становятся «самым важным», то люди прикладывают все усилия именно для того, чтобы выполнить план по количеству отсиженных часов, всё остальное же становится второстепенным, так как у сотрудников появляется ощущение выполненного долга – они же вовремя пришли, и пообедали всего за 55 минут!.. И они правы – поставленная задача выполнена, а ругать надо не их за безынициативность, а тех, кто внедрял эти штрафы для повышения мифической дисциплины. Ну, издайте приказ, что можно приходить к обеду – у вас исполнение этого приказа – дословно «дисциплины» – будет 100%-ным. А если цель не «дисциплина», то вдруг оказывается, что не так принципиально, к скольки человек приходит на работу, если, конечно, его работа хоть чуть более творческая, а не заключается только в оперативной отработке поступающих в определённое время запросов. И, если у рядового сотрудника такие запросы могут присутствовать в работе, а могут и нет, то у руководителя их, вообще, быть не должно. И на Западе это уже давно поняли, поэтому в западных компаниях перестали следить за тем, во сколько приходят и уходят руководители – в некоторых, вообще, на работу можно не приходить, лишь бы поставленные задачи были выполнены, правда, задач там ставят столько, что хорошо бы успеть за целый день всё успеть. Однако благодаря чёткому процессу постановки задач и проверки результатов, там сейчас активно развивается удалённая работа, когда компании не нужно тратиться на аренду офиса, а сотрудникам на дорогу до него и обратно.

У нас же большинство руководителей отметают саму возможность такой формы работы – для них, потерять сотрудника из прямой видимости, означает сразу же потерять над ним и контроль. Правда, при этом встаёт в полный рост вопрос: «А насколько такой руководитель управляет своими подчинёнными сейчас, когда они в прямой видимости?» И чем заниматься его сотрудникам, если отсидеть от сих до сих на работе надо, а конкретных задач с чёткими сроками и необходимыми инструментами для их выполнения им не дали? Вот и сидят они горемычные в социальных сетях сутками, пьют чай-кофе литрами, курят сигареты пачками и обсуждают все возможные проблемы, в том числе и у своего начальника, параллельно строя интриги и развивая в себе уверенность, что всё в этой фирме – неправильно... И они не далеки от истины! Причём это не сотрудники – плохие, это система управления – плохая, это она развращает хороших сотрудников и позволяет оставаться в компании и подниматься по её иерархической лестнице – плохим. И строить реальную систему мотивации, которая является своеобразным венцом системы управления, в этой фирме – рано! Надо начинать с фундамента...

Кстати, зачастую эта проблема заключается не только в управленческих качествах начальника, но и в отсутствии у него каких-либо ресурсов влияния не ситуацию. В практиках внедрения систем менеджмента качества руководителем считается только тот сотрудник, который принимает решение по распределению какого-либо ресурса. И если единственный ресурс, который распределяют ваши начальники – это время присутствия на работе их подчинённых, то другой ситуации сложно ожидать. Именно поэтому самая простая и при этом неплохая мотивационная схема заключается в выделении руководителям премиального фонда оплаты труда, который они могли бы распределять между своими подчинёнными, согласно своему ощущению от их вклада в успехи подразделения или отдела. При такой схеме, если руководитель отнесётся к этой инициативе правильно, то все его подчинённые начнут работать лучше, кроме того – повысится та самая дисциплина. Если же начальник воспользуется ситуацией для других целей, то это – плохой руководитель, и лучше его заменить.

Вообще, в системе управления «фундамент» находится на самом верху – поэтому построение любых систем, в том числе и мотивационной надо всегда начинать сверху: в таком случае вы сразу же почувствуете все недочёты внедряемой вами системы, и сможете их исправить «малой кровью». Да и вообще, «принцип фундамента» надо применять для решения любой управленческой задачи: например, надо сначала определять цели для компании, затем согласовывать и распределять цели для подразделений, после чего в каждом подразделении согласуются цели отделов, и уже в финале начальник каждого отдела даёт конкретные задания своим подчинённым. Только при такой схеме эти задания каждого сотрудника и руководителя изначально согласуются с общей целью фирмы. Заметьте, ещё нет ни какой речи о мотивации, но цели рядовых сотрудников уже согласованы с целями компании. Причём вам не надо мотивировать для этого их руководителей – вы, просто, ставите им соответствующие цели для их подразделений и отделов!..

Следующий шаг – это ресурсы и инструменты: если вы даёте их своим руководителям, то можете от них требовать выполнения поставленных вами целей, в том числе и мотивировать их на это как-то дополнительно. Если ресурсов или инструментов у руководителя нет, то «мотивация» работать не будет, а её внедрение окажется бессмысленной тратой сил и времени, да ещё и вызовет озлобленность и демотивацию ваших руководителей, которые будут понимать всю бесперспективность их попыток достичь желаемых показателей. Более того, у ваших руководителей появится лишний повод для раздражения и предвзятость к самому методу, которая помешает внедрению системы мотивации в будущем.

 

Кстати, а что такое мотивация?

Задайте этот вопрос тому, кто предлагает использование этого инструмента, и вы поймёте, чего же он хочет, прикрываясь красивым словом, а заодно сможете сравнить с тем, что нужно вам и вашей компании. Ещё будет полезно спросить у этого человека о том, что необходимо для того, чтобы мотивация заработала, и всё ли из этого уже есть в наличии. А теперь правильный ответ для сравнения. Мотивация ваших руководителей становится принципиально возможной только тогда, когда все необходимые цели и ресурсы вы им дали. А сама мотивация – это создание у сотрудников предприятия стимула к действиям в соответствии с делегированными им обязанностями и сообразно с общим планом предприятия для достижения целей организации. Не больше, но и не меньше. Прочтите это определение ещё раз, но обратите внимание на все слова, здесь важно – каждое. И внедрять мотивацию можно прямо по этому определению – начиная с его конца. «Для достижения целей организации» – а значит, цели у организации должны, по крайней мере, быть. Причём быть формализованными, озвученными и доведёнными до каждого руководителя. «Сообразно с общим планом предприятия» – а значит, у организации должен быть и общий план по достижению этих целей. Разумеется, план этот должен быть выполнимым и тоже доведённым до всех руководителей. «В соответствии с делегированными им обязанностями» – то есть вы должны делегировать своим руководителям обязанности, причём следить за тем, чтобы за каждую обязанность кто-то отвечал, и эти обязанности не пересекались, то есть, чтобы ответственность за каждую обязанность нёс только один руководитель на каждом уровне подчинения.

Причём эти обязанности должны быть согласованы между собой, чтобы никто не был забыт, и ничто не было забыто – потому, что любой пробел будет означать потерю управляемости. А ещё каждый руководитель должен знать, кто и за что отвечает, чтобы он в свою очередь мог предъявлять обоснованные требования напрямую, а не каждый раз через вашу голову. «Создание стимула к действиям» – это очень важный момент. Мотивацией нельзя называть систему штрафов, потому, что штрафы не стимулируют к правильным действиям, они запрещают действия не правильные, в лучшем случае – запрещают бездействие. Но любой, кто лицезрел «итальянскую забастовку», понимает, что не бездействовать можно и чисто формально. И запретительными методами вы ни к чему человека не простимулируете: «Хватит и одного человека, чтобы привести лошадь на водопой, но и сотня не сможет заставить её пить!..» Именно поэтому в любой мотивационной схеме штрафные санкции никогда не должны стоять на первом месте. В особенности это касается мотивации руководителей.

 

Чем и как мотивировать руководителей?

Почему-то высшее руководство предприятий считает, что руководителей можно и нужно мотивировать так же, как и рядовых сотрудников компании. Причём уповает в основном на некую премиальную схему выплат. И, если даже в случае с рядовыми сотрудниками, эта схема работает не всегда, то для руководителей она может оказаться, вообще, порочной. Обычно самым лучшим специалистом в любой сфере работы предприятия является руководитель этого направления. Именно поэтому его обычно и просят разработать схему мотивации и для своих сотрудников, и для себя самого. Однако почему-то подразумевается, что, не смотря на то, что этот руководитель будет очень стремиться получить положенную ему премию, он будет это делать за счёт последующих сверхусилий, а не фабрикации такой схемы, по которой он будет получать премию в любом случае. Руководитель, действительно, может придумать для себя достойную премиальную схему, но тогда сразу появляется вопрос: а будет ли он её добиваться так сильно, чтобы прикладывать какие-то сверхусилия, если он не стал их прикладывать при разработке самой схемы с учётом своих будущих возможностей по её выполнению?..

К счастью, этого противоречия легко избежать, достаточно отказаться от неправильного восприятия мотивации, как создания инстинкта наподобие тех инстинктов, которые вырабатывал Иван Петрович Павлов у своих подопечных собачек раздачей вкусностей за правильные действия. Кстати, он ставил над ними и другие опыты: например когда показывал им круг, давал что-нибудь вкусное и гладил, а когда показывал овал, то создавал им некий сильный эмоциональный дискомфорт. В результате собачки очень быстро начинали различать эти, в принципе, похожие фигуры и при появлении круга заранее радовались и подбегали ближе, а от овала убегали. Когда же им показывали круглый обруч, и затем начинали его вращать, так что он превращался для них, то в овал, то опять в круг, надрессированные собачки сходили с ума. Люди этот тест проходили без таких негативных последствий. Именно поэтому, попытка использовать премии с целью выработать некий рефлекс, даже у рядовых сотрудников наталкивается на ряд проблем. В случае же с руководителями денежные премии считаются одним из самых слабых мотиваторов. Разумеется, руководитель должен получать достойную зарплату, чтобы она не превращалась в негативный фактор демотивации, но в случае, когда она у него на среднем уровне рынка, или даже чуть выше, увеличение зарплаты, даже значительно, перестаёт сильно влиять на результаты его труда. Есть даже некий уровень насыщения, после которого эффективность с ростом зарплаты начинает падать, так как руководитель начинает считать себя «звездой», которой все обязаны, просто, по факту его существования. Чем же тогда можно и нужно мотивировать руководителей? – Как ни странно, но в перечисленном ниже списке основных мотиваторов нет ни одного, который требовал бы какого-либо увеличения финансирования:

  1. Работа-вызов: в душе каждого глубоко скрыт с детства пунктик «на слабо!», кроме этого руководителям нравится ощущения новизны, тем более, когда они делают что-то такое, что позволит открыть им для себя какие-то дополнительные возможности и новые горизонты. Плюс к этому любой карт-бланш обычно означает оказанное доверие со стороны высшего руководства, а это само по себе приятно, и уж точно, любой руководитель захочет оправдать это доверие.
  2. Важность и эффективность работы: Никому не интересно делать такую работу, которая не нужна никому, или тратить массу усилий на минимальный результат. Руководителю же – вдвойне.
  3. Успех в работе: каждый, наверное, помнит тот дискомфорт, который испытывал при начале нового дела или устройстве на новую работу, когда вал проблем, кажется, готов поглотить любые положительные эмоции – когда же у человека всё получается, это очень сильно мотивирует, за спиной вырастают крылья, и мы можем свернуть любые горы работы.
  4. Помощь в работе: вы ломаете голову над чем-то, и вдруг кто-то из коллег помогает вам в решении вашей проблемы – вместе с благодарностью этому коллеге вы проникаетесь и лояльностью к компании, в которой вы так дружно трудитесь на общее благо.
  5. Психологическая поддержка: что бы не говорили про то, что на работе сотрудники должны работать, а все личные проблемы решать дома, ваши сотрудники – это не биороботы, и, собственно, все системы мотивации пользуются именно этим их качеством. Атмосфера психологической поддержки мотивирует больше отдавать, чем брать, и законодателем мод в этом отношении должно быть главное лицо компании.
  6. Сотрудничество: самый лучший тим-билдинг – это работа, успешно выполненная сообща, когда каждый внёс свою лепту в общее дело. И «чувство локтя товарища», готового всегда подставить к своему локтю дополнительно и «плечо взаимопомощи», – очень важно для построения в компании командного стиля работы, а в одиночку даже руководители не многое смогут сделать. Именно поэтому надо всегда очень осторожно относиться к конкуренции между руководителями – то, что хорошо для рядовых сотрудников, на более высоком уровне – может сильно вредить.
  7. Забота: вы должны позаботиться о том, на сколько удобно и полезно питание и размещение в офисе ваших руководителей, а также их доставка на работу, решить остальные бытовые и технические проблемы – это скорее относится к гигиеническим факторам любой мотивационной системы, но если этого не будет, то демотивация от этого фактора будет постоянно негативно влиять на всё остальное.
  8. Свобода творчества: любой хороший руководитель – это творец. Чем больше у него свободы в рамках его полномочий – тем лучше он может работать и в итоге эффективнее создавать нужный вам продукт. Разумеется, для этого ему должна быть поставлена чёткая цель, но не пошаговый путь её достижения, с наказанием за отступления от него.
  9. Признание заслуг: причём не обязательно обременённое финансовыми затратами. Обычные искренние слова прилюдного признания заслуг руководителя, повышают его желание добиваться тех же или даже больших результатов и в дальнейшем. Полное же игнорирование этих заслуг или денежная подачка к празднику снижают мотивацию руководителя – мы все социальные существа, и признание социума нам необходимо на гигиеническом уровне – без него мы слабеем и впадаем в депрессию. Для руководителя же самыми важными фактами признания являются доверие руководства и рассмотрение его кандидатуры при замещении вышестоящей должности – если же вы приглашаете руководителя со стороны, то автоматически указываете всем возможным кандидатам на то, что они достигли своего потолка, и в вашей компании им больше надеяться не на что

Как же добиться этого же у вас? – Пойдём также по пунктам:

  1. ставить интересные и достижимые цели, чтобы их было интересно достигать, и это получалось;
  2. объяснять важность работы каждого для общего успеха, чтобы каждый руководитель это понимал и принимал;
  3. сосредоточить усилия на самых проблемных участках, чтобы сверхусилия приносили видимый результат, а остальная работа становилась автоматически более эффективней;
  4. ставить руководителям творческие задачи, отказаться от микроменеджмента, больше доверять им, чаще давать карт-бланш, чтобы они с радостью брали на себя работу, в которой лучше всего разбираются, и показывали высокие результаты;
  5. обеспечить необходимыми инструментами и ресурсами, чтобы они чувствовали, что их работа нужна, а их усилия – эффективны;
  6. быть открытым, помогать, чтобы они чувствовали возможность всегда обратиться за помощью, причём не только по работе – помните, поддержав в непростой ситуации человека психологически, вы заручаетесь его поддержкой на будущее;
  7. поддерживать позитивные, эффективные и конструктивные коммуникации в компании и атмосферу взаимопомощи и сотрудничества, чтобы люди сообща работали на благо компании;
  8. всегда и на словах, и делами признавать заслуги своих руководителей, чтобы они не чувствовали себя незаслуженно обиженными, и у них не угасал пыл на новые свершения;
  9. всегда быть честными со своими руководителями – это необходимый фундамент любых длительных отношений.

 

KPI, BSC и другие слова из трёх букв.

Некоторые владельцы и руководители предприятий в корне неправильно воспринимают цели и назначение мотивации руководителей – они надеются, на то, что мотивационная схема станет своеобразным автопилотом, позволяющим им отстраниться от операционного и тактического управления компанией и посвятить себя стратегическим задачам или, вообще, заслуженному отдыху. Обычно в таких случаях премии и штрафы руководителей подразделений и отделов пытаются привязать к KPI (ключевым показателям эффективности) и/или BSC (системе сбалансированных показателей) этих руководителей. Список же выше не особо похож на эти радужные мечты. Почему же «мотивация» по KPI и BSC не работает? – Да потому, что всё замыкается на единственный мотиватор – признание заслуг, при этом весь процесс этого признания максимально формализуется, и происходит выхолащивание самой сути мотивации. Руководители логистических подразделений, которые должны чаще всех других сотрудников компании верифицировать свои решения на предмет их значимости для всей компании в целом, начинают добиваться неких формализованных показателей только своего отдела или подразделения, без увязки с их сутью, а иногда и, вообще, со здравым смыслом. И как показывает практика, какой бы система ключевых показателей не была «сбалансированной», всегда находится решение, как быстро и эффективно повысить формальные показатели, не добиваясь при этом качественного улучшения реальной ситуации в компании, а зачастую и во вред ей.

Именно поэтому в случае с мотивацией руководителей, надо оценивать не столько результаты их работы, сколько истинные цели и направление прикладываемых ими усилий. Если же вы решили оценивать результаты, то сначала нарисуйте карту оцениваемых показателей – её смысл в том, чтобы увязать все показатели друг с другом по причинно-следственным связям. Например, чтобы одному руководителю выполнить план по закупкам, должны быть выполнены планы других руководителей по обеспечению финансами и квалифицированными сотрудниками. В таком случае, при выполнении любого из последних показателей не на 100%, требовать 100%-ного выполнения плана по закупкам – тоже бессмысленно. Соответственно выполнение плана по закупкам, будет в свою очередь влиять на выполнение плана по выручке, ответственность за который может нести третий руководитель. Поэтому не ожидайте того, что мотивация ваших руководителей, освободит вас от тактических задач – скорее наоборот, создание и поддержание системы мотивации потребуют от вас дополнительных усилий. Но в итоге они окупятся сторицей и вам, и вашей компании, когда эти люди, в которых вы будете каждый день вкладывать частичку своей души, выручат вас из самых сложных передряг, которые всегда подстерегают бизнес, особенно в России.

Ещё хочется обратить внимание на то, что большинство пунктов, влияющих на мотивацию ваших сотрудников, зависят от них же или их коллег. Получается, что мотивированные руководители сами мотивируют себя и окружающих, зацикливая этот процесс на рост общей мотивации. К сожалению, это же правило действует и в другую сторону, то есть демотивированные руководители начинают отрицательно влиять на остальных, и если их больше, чем мотивированных, то процесс становится самоподдерживающимся и ухудшает мотивацию уже вне зависимости от ваших действий. Именно поэтому любые действия, которые влияют на мотивацию людей, надо производить очень осторожно и осмотрительно. Да и, вообще, на все телодвижения надо смотреть через призму того, как то или иное ваше решение повлияет на мотивацию вашего коллектива, а не «заниматься мотивацией» по остаточному принципу. Например, копеечная для компании экономия на увольнении сотрудника без всех положенных выплат оборачивается серьёзными потерями от снижения мотивации у всех оставшихся. И вам придётся приложить гораздо больше усилий для достижения того же уровня мотивации ваших сотрудников, если вы хотите вывести коллектив из снижающегося пике, нежели, просто для поддержания мотивации сотрудников на традиционно высоком уровне. Самые же лучшие ваши руководители – это те, кто несмотря ни на что могут позитивно мотивировать своих подчинённых и других руководителей. Именно на их плечах держится стабильность компании, так как во всех нестабильных ситуациях, включая текущий кризис, мотивация падает сама по себе, и надо прикладывать усилия, чтобы оставаться замотивированным самому и мотивировать окружающих!.. Закончить же статью хотелось бы притчей, чтобы сподвигнуть владельцев и руководителей компаний всё-таки на полноценное и правильное внедрение системы мотивации, как бы это не показалось им это теперь сложно.

Путник шёл по дороге и увидел нескольких человек, которые тащили тяжёлые камни в гору, он начал спрашивать у них, чем они заняты, и первый ответил: «Не видишь что ли, таскаю эти чёртовы камни!» – второй ответил: «Зарабатываю на жизнь себе и своей семье...» – третий сказал: «Тружусь от зари до зари...» – а четвёртый ответил: «Строю прекрасный храм!..»

Как вы думаете, у кого из них отношение к труду и лояльность компании были самыми высокими? А кто при первой же возможности пытался отлынить от работы? Кто будет больше изображать работу, нежели добиваться результата? И кто бросит эту работу, как только ему предложат чуть большую оплату на соседнем строительном объекте? И кого вы хотите видеть в своих подчинённых? Так вот в этой притче мотивацией сотрудников никто не занимался, и каждый из них мотивировал себя сам в силу своих возможностей. В ваших же силах влиять на мотивацию ваших сотрудников! Как? – Читайте выше!

© Валерий Разгуляев
http://upravlenie-zapasami.ru/

Мотивация сотрудников отдела логистики


© ЛОГИСТИКА и управление www.logistpro.ru


Мария Канаева
Начальник отдела логистики Lanxess АО "Байер"


Поскольку прямое влияние отдела логистики на деятельность компании заключается в увеличении добавленной стоимости и повышении конкурентных преимуществ продукции или товара компании, резонно предположить, что вложения в мотивацию сотрудников отдела многократно окупятся. Однако необходимо определить, что вкладывается в понятие мотивации.

Часто бывает так, что компания пытается мотивировать сотрудников банально соблюдать дисциплину и выполнять свои прямые должностные обязанности. Так, в некоторых компаниях появляются бонусы за своевременный приход на работу, за отсутствие прогулов или за появление на работе в трезвом виде. Тогда как неисполнение обязанностей или нарушение трудовой дисциплины должны наказываться штрафом или другими санкциями вплоть до увольнения.

Во-первых, сам факт приема сотрудника на работу и выплата ему заработной платы являются «бонусом» за хождение на работу в трезвом виде и исполнение там своих непосредственных обязанностей. Во-вторых, попытка мотивировать таким образом нерадивых сотрудников является мощнейшим фактором демотивации нормально работающих сотрудников, что влечет за собой падение общей производительности труда. Ни один бонус за соблюдение дисциплины не сравнится с тем расхолаживающим эффектом, который оказывает на коллектив наличие сотрудников, игнорирующих требования работодателя (или непосредственного руководителя) и продолжающих получать за это заработную плату. Как ни прискорбно, с такими сотрудниками надо расставаться после пары предупреждений. Принимая все это во внимание, предлагаю мотивировать сотрудников службы логистики в трех случаях:

  • чтобы потенциальный кандидат принял решение в пользу данной компании;
  • чтобы хороший работник остался в данной компании;
  • чтобы работники стремились к улучшению работы, то есть мотивация ради прогресса, а не затем, чтобы удержаться на должном уровне.

Мотивация при приеме на работу

Естественно, что принципы мотивации сотрудников в двух первых случаях универсальны и будут использоваться во всех департаментах компании. Мотивировать потенциального кандидата можно в первую очередь заработной платой. Именно на предлагаемую заработную плату обращает внимание специалист, принявший решение о смене работы.

Вот тут и кроется первая опасность для отдела логистики. Как уже говорилось не раз, рынок логистических кадров в достаточной степени перегрет. Это связано как с логистическим бумом в нашей стране, так и с нехваткой квалифицированных кадров. Большую сумятицу вносит отсутствие понятийного аппарата по профессии логиста.

Например, одна компания ищет начальника отдела логистики, готова оценить его услуги в 8000–10 000 евро и ожидает, что начальник этого отдела построит им в чистом поле склад, создаст инфраструктуру, разработает цепь поставок, наладит отношения с поставщиками, клиентами и выведет компанию на мировой уровень. В другом же случае директор по логистике фирмы занимается таможенным оформлением одной фуры раз в квартал, складирует продукцию в соседнем подвале и обеспечивает развозку на двух «Газелях». Заработная плата такого директора по логистике может не превышать 2000 у. е., причем скорее всего в той валюте, курс которой неуклонно падает.

Кроме того, некоторые компании склонны доплачивать своим сотрудникам за определенный риск, связанный с использованием «серых» схем и схем уклона от налогов. Естественно, в требованиях к кандидату об этом не!!!! пишут, однако предлагаемая в таких случаях более высокая, чем обычно, заработная плата также вносит сумятицу в представление кандидата о своей цене на рынке.

Проведя беглый анализ предлагаемых на рынке вакансий и увидев, что менеджеры по логистике «стоят» не менее $5000 (о просмотренных вакансиях на $500–700 любой нормальный человек «забывает»), потенциальный кандидат искренне заблуждается и неверно оценивает себя, завышая свои ожидания по заработной плате.

Вот тут на помощь работодателю в борьбе за успешного кандидата приходит то, что принято называть социальным пакетом. Компании, предлагающие наряду с высокой заработной платой хороший социальный пакет, очень редки на современном рынке, поэтому такой пакет является мощнейшим фактором мотивации при приеме сотрудника на работу.

Хорошая медицинская страховка для сотрудников и членов их семей, оплата занятий спортом, путевок, дополнительное пенсионное страхование, возможность получения льготных ссуд, доплат к пособию по беременности, компенсация аренды жилья для иногородних – все эти социальные блага в совокупности могут не только перекрыть по стоимости разницу в заработной плате1, но и создают ощущение социальной стабильности. Поэтому велика вероятность решения в пользу работодателя, предлагающего социальные блага, а не больший денежный эквивалент. Предложение хорошего социального пакета говорит также и о том, что фирма заботится о сотрудниках.

С моей точки зрения, возможность карьерного роста не является решающим фактором для соискателя при приеме на работу. Смена работы уже является во многих случаях карьерным ростом, и его можно продолжить, уйдя на повышение в другую компанию. Поэтому мотивирующим фактором скорее будет возможность работать в полную силу, наработать большой опыт, а также продолжить профессиональное образование на курсах, тренингах и пр. Наличие сложного задания, справившись с которым сотрудник может повысить свою квалификацию и рейтинг, также является одним из мотивирующих факторов.

Мотивация сотрудника остаться

Удержать сотрудника на рабочем месте – одна из самых актуальных задач для руководителей отдела логистики. Ситуация обусловлена в первую очередь сложным положением с кадрами. Квалифицированного персонала в области логистики, как было сказано выше, очень мало, поэтому на него идет настоящая охота: все большему числу компаний необходимы грамотные логисты. Среди западных брэндов есть тенденция отказа от услуг дилеров и выстраивания собственной логистики. Уже существующие компании принимают решение о наведении порядка в имеющейся службе логистики. Прибавьте к этому рекрутинговые фирмы, зарабатывающие на каждой светлой голове не одну тысячу долларов. Ситуация складывается катастрофическая. Удержать хорошего специалиста – одна из основных задач руководителя.

Если учесть, что предлагаемая специалистам по логистике заработная плата постоянно повышается, то можно с большой долей вероятности предположить, что за зарплату, выплачиваемую уже имеющемуся специалисту, не удастся найти замену, эквивалентную в профессиональном плане. Таким образом, вкладываясь в удержание хорошего работника, компания экономит собственные средства.

К средствам удерживания сотрудников стоит отнести незначительное, но повышение заработной платы. Повышать ее надо не авансом, а за уже проделанную работу. По моему глубокому убеждению, человек, не работавший за 20 тыс. руб., не будет работать и за 40 тыс. руб. С другой стороны, повышение зарплаты за успешное выполнение работы демонстрирует сотруднику, что компания благодарна ему за усердие. Для психологической мотивации любому человеку очень важно знать, что его труд заметили и оценили.

Социальный пакет (как и в случае вербовки успешных кандидатов) также играет немаловажную роль. Очень трудно отказаться от социальных благ, когда уже вкусил их. Чем больше будет в вашей компании перечень предлагаемых благ, тем труднее будет переманить сотрудника. Он будет рассуждать примерно так: я выиграю 1000 руб. в заработной плате, но мне придется заплатить 2000 руб. за фитнес или бассейн, 1000 руб. за медицинскую страховку, ребенка придется забрать из страховой поликлиники, где его уже знают и где очень внимательный врач. За обеды придется также платить самостоятельно. То есть выигрыш в деньгах оказывается уже не столь ощутимым, а все привычные удобства придется потерять. К тому же неизвестно, что придется делать на новом месте, как сложатся отношения с коллективом, с руководством.

Еще одним мощнейшим фактором является team building (построение команды), когда сотрудник ассоциирует себя с компанией, чувствует себя ее частью, когда очевидно, что успех самой компании зависит от труда данного работника и что компания это ценит. Несмотря на то что у нас насаждается психология конзумирования, анализ рынка труда показывает, что во многих случаях люди сознательно отказываются от предложенной большей зарплаты и остаются в своих компаниях, где сложилась команда. Покинуть команду намного сложнее, чем просто сменить работу. Оставляя команду, сотрудник, во-первых, подводит своих коллег, во-вторых, лишается их поддержки – то есть сознательно переводит себя в ситуацию, где он будет один воин в поле (и еще неизвестно, появятся ли соратники на новом месте). В-третьих, ощущение причастности к общему делу и сознание того, что труд приведет к нужному результату, также снижает желание искать другую работу. Психологи отмечают, что человек эффективнее и охотнее трудится там, где его ценят. Резюмируя сказанное, хочется отметить, что хороший сотрудник – как клиент: поддержание взаимоотношений с уже имеющимся обходится бизнесу дешевле, чем поиск нового и начало сотрудничества с ним.

Мотивация сотрудников к улучшению работы

Как уже отмечалось, мотивировать сотрудников к простому исполнению их обязанностей дело абсолютно неблагодарное, если не сказать вредное. Мотивировать нужно к более эффективному и качественному выполнению задач, стоящих перед отделом логистики, внедрению новых технологий и повышению профессионального уровня работников. Собственный хорошо обученный сотрудник – большая ценность для фирмы, так как помимо общих знаний в области логистики и накопленного профессионального опыта он обладает глубокими знаниями как особенностей продукции, так и специфики компании. Поэтому в задачи начальника департамента логистики входит забота не только о том, чтобы сотрудники качественно выполняли свою работу, но и о том, чтобы стимулировать их профессиональный рост.

Многие компании ввели довольно успешную практику наставничества, когда новичок «прикрепляется» к более опытному сотруднику. Проведение корпоративных тренингов, создание интранет-ресурсов для постоянного обмена опытом между сотрудниками – все это создает атмосферу, когда логисты компании стремятся повышать собственную квалификацию, и это не может не затронуть отдельных работников. Кроме того, люди прекрасно осознают тот факт, что повышение их квалификации означает повышение их стоимости на рынке труда. Для компании же квалифицированные грамотные сотрудники – ключ к успеху.

Вторым, очень важным, стимулом для работников отдела логистики является объявление отдела центром прибыли, а не затрат. До тех пор, пока логистика будет восприниматься как сервисное отделение или центр затрат, настоящей логистической работы не начнется. Восприятие логистики как простого сервиса по доставке или складированию не позволяет отделу исполнять основную свою функцию – оптимизировать процессы и снижать издержки. Даже если отдельные энтузиасты от логистики в самом отделе станут отдавать себе отчет, каковы истинные задачи отдела, положение сервисной группы среди других отделов будет существенно затруднять работу. Отдел логистики просто не будут воспринимать всерьез при его попытках изменить работу всей компании. Практика показывает, что основной задачей любого центра затрат является вовсе не исполнение возложенных на него функций, а освоение бюджета. Самое главное для отдела – потратить за отчетный период все выделенные ему средства, в противном случае бюджет на следующий период будет урезан. Если отдел занят освоением бюджета, то о какой минимизации издержек может вестись речь?

Кроме того, стоит помнить, что команда и соцпакет являются важными факторами мотивации сотрудника, но работают сотрудники прежде всего за зарплату. Кто будет заниматься минимизацией издержек, если ему за это не платят? Соответственно мотивировать сотрудников отдела логистики к занятию логистикой, а не исполнению перевозок за любую цену можно, объявив отдел центром прибыли и обязав тем самым приносить прибыль предприятию.

Логичным продолжением этой темы будет появление у отдела логистики собственного бюджета. Таким образом, ситуация становится абсолютно прозрачной: чем лучше отдел работает, тем больше зарабатывает. Удалось увеличить прибыль или снизить собственные расходы – отдел может пустить эти средства на премии, новую оргтехнику, тренинг или ресторан. Выделение отдельного бюджета для логистики позволяет активировать практически всех сотрудников отдела. Помимо мотивации сотрудников данный шаг позволяет лучше анализировать работу всего отдела, находить узкие места и вносить коррективы не только в бюджет, но и в работу отдела.

Мотивация на работу в команде

Сотрудников отдела логистики следует мотивировать не только на эффективную личную работу, но и на работу в команде. Поскольку результат работы отдела логистики – это результат работы разных звеньев (например, загруженный транспортной логистикой участок сводит на нет старания отдела таможенного оформления), то этот фактор является одним из образующих.

Решить проблему мотивации можно путем начисления бонусов по результатам работы всего отдела (сколько все заработали), по результатам работы над проектом.

Не очень корректно платить бонус всему отделу, если сотрудники работали над разными проектами с разной степенью эффективности. Например, в отделе таможенного оформления два менеджера работали над разными поставками, один совершил маленький трудовой подвиг, а другой не сделал ничего сверх своих ежедневных обязанностей. Подвиг первого коллеги принес прибыль, которая была поделена между тем, кто трудился, и тем, кто нет.

С другой стороны, если сотрудники пришли на помощь не справляющемуся или заболевшему коллеге, то имеет смысл разделить бонус между сотрудниками отличившегося департамента.

Система бонусов за разные виды работы отдела, направления, рабочей группы являются существенным фактором мотивации работы отдела. Но тут надо избегать следующих крайностей.

В отделе существуют «рабочие лошадки», которые «вывозят» на себе сложные проекты и приносят дополнительную прибыль. Помимо них есть сотрудники, которые не стремятся повысить эффективность своей работы. При этом бонусы распределяются между теми и другими. То есть один своей работой обеспечивает добавку к зарплате тому, кто исполняет работу «только на зарплату». Такой подход развивает некое подобие паразитизма среди работников второй группы и снижает активность первой: зачем стараться, если успех все равно придется делить с коллегой, уходящим домой ровно в 18.00, даже если осталось много работы.

Другая ситуация: Сложные и потенциально прибыльные проекты даются одним и тем же сотрудникам. Или же части сотрудников достаются проекты стандартные, не требующие приложения особых усилий. А бонусы распределяются по заслугам. При такой системе люди априори лишаются возможности проявить себя и заработать бонус. Это приводит к установлению неблагоприятного климата в коллективе и снижению эффективности работы обделенной группы сотрудников, вплоть до проведения итальянской забастовки.

В идеале основной бонус нужно распределять между сотрудниками, руководствуясь результатами, достигнутыми для компании в целом, – то есть за конечный результат, а не за блестяще проведенное таможенное оформление поставки, принесшей убытки всей фирме. Но это связано с взаимодействием всех отделений компании и на деле очень трудно осуществимо. Поэтому целесообразно выплачивать бонусы за общий результат работы логистов над поставкой: от заказа до дистрибуции. Такая политика позволяет избежать ситуации, когда «за пуговицы никто не отвечает». Кроме того, способствует повышению взаимовыручки в отделе, когда в случае болезни сотрудника или чрезвычайной загруженности на помощь ему приходят коллеги из других групп. Когда оценивается общий результат, за него болеют все.

Самое главное – система бонусов должна быть гибкой, абсолютно прозрачной, отражать объективное состояние дел. Не рекомендуется вводить систему поощрений раз и навсегда и никогда не возвращаться к этому вопросу в дальнейшем. Тем бонус и отличается от зарплаты, что он выплачивается нерегулярно, чтобы действительно мотивировать к дальнейшей работе и поощрять за уже сделанную.

Еще одним способом мотивации является незаслуженно забытое ноу-хау советских времен: соревнования и обязательства. Соревнования среди работников смежных групп или смен за повышение качества сервиса, снижение издержек, количества ошибок и пр. также являются мощным мотивирующим фактором при условии правильной их организации.

Во-первых, сотрудников надо заинтересовать в участии в соревновании не «для галочки» – мотивировать надо и формой проведения самого соревнования, и условиями, и видами призов. Согласитесь, не будет команда 20-летних работников склада биться с женщинами из транспортного отдела за путевку в пионерлагерь.

Во-вторых, условия соревнования должны быть выполнимыми и действительно зависящими от усилий сотрудников соревнующихся департаментов, а не других групп.

Как видно из всего вышесказанного, в настоящее время у руководства компании имеется достаточный арсенал для мотивации сотрудников отдела логистики. Однако, используя этот инструментарий, не следует забывать, что это не просто сотрудники, а в первую очередь люди.

Искреннее поздравление с днем рождения, неформальное2 поздравление с трудовым юбилеем, рождением детей и пр., то есть признание в работнике личности творят чудеса. Оценивший такое к себе отношение работник сохранит верность компании на долгие годы. Не зря Екатерина II, бывшая, как известно, мудрой правительницей, лично поздравляла с Днем ангела окружающих – от фаворитов до поваров


1 Как правило, компания приобретает все вышеназванные услуги по корпоративным тарифам, которые существенно ниже тех, которыми воспользовались бы частные лица. Так что соцпакет выгоден обеим сторонам.

2 Некоторые компании грешат выдачей поздравительных дипломов типа «10 лет на фирме» с подписью директора, лично работника никогда не видевшего.

Поговорим о ... процессах

Итак, отличную тему на мой взгляд поднял Валерий Разгуляев при обсуждении ABC-анализа.

Мне кажется, здесь она будет более уместна, ибо уже не имеет прямого отношения к исключительно управлению запасами. Скорее это касается общих принципов управления. Чтобы разговор был более предметным, предлагаю договориться об общих понятиях. Есть (бизнес-)процесс со своими входами, выходами, цепями управления и приданными ресурсами. Любой процесс может быть разложен на отдельные процедуры. Отдельные в том смысле, что у каждой из них можно обнаружить промежуточный результат. Этот результат не всегда имеет самостоятельную ценность и не всегда должен быть контролируем, но он есть. В свою очередь, процедура может (должна, вообще-то) быть представлена как последовательность операций.
Всякий процесс в большей или меньшей его части может быть формально описан. Если мы не говорим о творческом процессе (мы ничего о нем и его составляющих не знаем), доля формализуемых операций и даже процедур всегда больше нуля. Для тех, кто считает свой процесс круто творческим, я бы привел такой пример.

Пусть у нас стоит задача проанализировать текущее состояние запаса (ну у кого что болит, вы же понимаете!). Не вдаваясь в подробности, первой процедурой будет получение данных из учетной системы. В свою очередь, первой операцией будет "нажать кнопку power компьютера". Вот так мы и обязаны сформулировать. Причем в этом лежит глубочайший логистический смысл, ибо по приходе утром на рабочее место у меня есть на самом деле две альтернативы - сначала налить чай, а потом включить агрегат, либо наоборот. Очевидно, что второй вариант позволяет частично распараллелить процессы, поскольку пока я завариваю чай, как раз загрузится ОС. Вывод: в должностной инструкции должно быть четко указано, что первой операцией является включение питания, и уже потом по желанию заваривание чая.

Если мы на таком препарировании процессов сошлись, то приступим к художественному цитированию, пожалуй...

Теперь по отсутствию автоматизации: во-первых, она реально кое-где отсутствует (а работа уже идёт, и надо её как-то оптимизировать, пока всё не автоматизировали); во-вторых, автоматизации может не быть даже не по причине отсутствия денег или времени на её внедрение, просто есть руководители, которые людям доверяют, а компьютерам - нет. И причин у этой ситуации несколько:

 

- обман с предыдущей автоматизацией: пришли умные, наобещали красиво, взяли много денег, а результау - пшик;

- наколка с предыдущей автоматизацией: автоматизировали всё, и вроде было нормально, а потом что-то пошло не так, и компания серьёзно потеряла на этом денег, а спросить не с кого;

 

Предлагаю исходить из простой и понятной мысли: если мы не можем формально описать процедуру, нечего и пытаться что-то там "автоматизировать". И все эти страсти как правило и рождаются только от того, что в голове руководителя есть картина мира, которая для него ясна и понятна, но пока она не изложена формально, ее нельзя передать даже другому человеку, не то, что железяке. О чем Валера, собственно, и говорит

- сложность формализации мыслей руководителя: человекау он сказал: "Бери этого поменьше, а этого побольше," - а компьютеру так не скажешь, надо цифру конкретную написать или ещё того хуже - техническое задание с алгоритмом, да ещё проверить, что программист со своим видением жизни твою цифру правильно интерпретировал и ввёл;

Но тут ведь важнее другое. Если мы отвлечемся от "автоматизаций", ничего ведь не меняется! Пока управление сводится к "Бери этого поменьше, а этого побольше", остается только надеяться на адекватность картины мира подчиненного. А если таковых не один десяток? Необходима формализация, выработка правил, стратегий, называйте как угодно, лишь бы уменьшить эту энтропию. И подчас даже не очень хорошие, не очень изощренные правила игры лучше полного отсутствия таковых. Именно в этом смысле я не только утверждаю, что "ABC-анализ - это плохо", но и то, что "ABC-анализ - это хорошо". Ибо лучше пусть будет он, чем ничего. Плохой план лучше, чем его отсутствие - это из той же оперы :) . Во всем этом не просто мое частное мнение, пока мы следуем утвержденным правилам, Система остается в контролируемом состоянии, а значит, сохраняется возможность корректировать правила при необходимости. Пока правил нет, можно расслабиться - "бери еще меньше, чем поменьше". А может надо наоборот?

И, наконец, самое главное: часто причиной отсутствия автоматизации даже для большого количества обрабатываемых значений может служить необходимость экспертной оценки ситуации - да, компьютер тоже может выступать в качестве такого, но только для этого его надо этому "научить"! А кто это будет делать? Кто будет проверять качество выполненной работы? Не окажется ли это дороже текущей системы управления? Не каждому руководителю хватит квалификации ответить на все эти вопросы, и он встаёт перед выбором:

Так вот, продолжая разговор о процессах. Сильно упрощая ситуацию, мое мнение таково: формализованные вещи компьютер будет делать точно так, как делал бы это человек, если бы следовал утвержденным правилам. Если для какой-то операции необходима экспертная оценка, ее должен делать человек, ибо экспертиза неформализуема по определению. Но это не означает, что необходимо отказаться от формализации/автоматизации всего процесса целиком из-за этой отдельной процедуры.

У наших коллег есть прекрасный пример процесса прогнозирования, который в принципе не может быть автоматизирован полностью. Без участия эксперта невозможно

  • определить метод прогнозирования
  • выделить потенциально значимые факторы
  • в случае применения мат. моделей определить вид используемой модели
  • определить критическую точность прогноза

Значит ли это, что единственный выход - отдать все на откуп человеку? В том смысле, что этот самый человек путем долгой медитации над цифрами и трещинкой на потолке родит цифру? Вполне реальная у нас ситуация, даже хуже бывает. Только давайте при этом формализуем этот процесс - так и пропишем, что "прогноз реализации следующего периода является результатом медитации специально обученного человека..." и так далее. И не забудем при этом прописать последней процедурой фиксацию в учетной системе. И не забудем при этом создать контролирующий процесс - план-фактный анализ.

Это опять же лучше, чем ничего. А можно все-таки кусок (и немаленький) отдать железке - к примеру, определились мы с мат. моделью, далее железка всяко быстрее и точнее ее обсчитает, чем человек. Только не забыть и это зафиксировать, формализовать. А также формализовать процедуру смены мат. модели - при каком условии это происходит, как минимум. Так у нас опять же Система остается в контролируемом состоянии.

Поговорим о процессах или откуда берутся перекосы в запасе

Ничто не может произойти из ничего,
и никак не может то, что есть, уничтожиться.
Эмпедокл Акрагантский,
V в. до н.э.

Все встречающиеся в природе изменения происходят так,
что если к чему-либо нечто прибавилось,
то это отнимается у чего-то другого.
Так, сколько материи прибавляется к какому-либо телу,
столько же теряется у другого,
сколько часов я затрачиваю на сон, столько же отнимаю от бодрствования и т. д.
М.В.Ломоносов,
XVIII в. н.э.

Сцена 1-я.
Офис, 10 утра.

- (спрашивает закупщика) почему у нас <опять> такое количество шурупов на складе?
- дык Петрович, продажники ни фига не отгружают.
- (поднимает трубку телефона) почему шурупы не грузите?
- Петрович, мы уже всех клиентов затарили по самое не могу, на кой черт эти <неразборчиво> столько закупили?

Вам такие сценки знакомы? Возникает резонный вопрос, а как разобраться, откуда растут ноги у данного положения? Тем паче, что заказ на шурупы эти делался несколько месяцев назад, так что Петровичу можно рассказывать какие угодно байки про космические корабли.

Сцена 2-я
Кабинет Петровича, 11 утра
Петрович старательно водит пером по листу бумаги, озаглавленному

Потенциальные причины образования дисбаланса запасов

  • большое отклонение фактических продаж от плановых
  • ошибка пересчета плана продаж в план поставок (см. эпиграф)
  • ошибка формирования заказа поставщику на основании плана поставок
  • расхождение в фактической поставке и заказе

Сцена 3-я
Офис, 15 дня

- Боб, покажи мне план продаж шурупов, на основании которого ты делал заказы
- Петрович, у нас не бывает попозиционных планов продаж
- (открывая и закрывая рот, как рыба на берегу)... Боб, а как ты тогда рассчитываешь потребность? меня в детстве учили, что для расчета прихода нужно знать расход и сколько имеется. Вот и Ломоносов вместе с Лавуазье со мной соглашаются...
Боб в задумчивости потирает лоб...

Сцена 4-я
Кабинет Петровича, 19:30
Петрович яростно скрипит пером, камера наезжает и крупным планом показывает лист:

  1. учредить документ "план продаж" с детализацией попозиционно
  2. привязать утверждение плана к циклу бюджетирования
  3. план утверждается совместно подразделениями закупок, производства, маркетинга, продаж
  4. разработать механизм пересчета плана продаж в план производства и закупок
  5. создать механизмы фиксации и план-фактного анализа всех планов

Петрович откидывается на спинку кресла и мечтает: вот тогда и узнаем, где у нас система буксует...