Кейс №1

Что день грядущий нам готовит

Джон Шрайбфедер (Jon Schreibfeder)

Ваши дела явно плохи, если в запасах нет товаров, которые ожидают клиенты. А если закупили слишком много и склад завален «мертвым грузом», то деньги заморожены и их невозможно инвестировать в другие товары, которые позволили бы извлечь выгоду из новой ситуации на рынке...

В 1987 году Гордон Грэм написал книгу, «Distribution Inventory Management for the 1990s» («Управление дистрибьюторскими запасами на 90-е годы»). В этой книге, Гордон Грэм описал наилучший, по его мнению, метод прогнозирования будущего спроса на сезонную и несезонную продукцию. Коротко остановимся на этих формулах:

Несезонная продукция: Расчет спроса на будущий месяц, основанный на среднем уровне потребления, зафиксированного за прошедшие шесть месяцев.

Сезонная продукция: Расчет спроса на будущий месяц, основанный на среднем уровне потребления, зафиксированного в шести месяцах, предшествующих тому же месяцу, что и текущий, в прошлом году, и на последующем применении тренда, отражающего увеличение или снижение объема продаж. Это простые формулы.

А в то время, когда Гордон писал книгу, простые формулы были нужны дистрибьюторам для успешного управления запасами:
Многие закупщики не умели эффективно работать с математическими формулами или компьютерами. Десятиклавишные калькуляторы считались последним достижением техники. По существу, большинство решений о покупке в то время основывалось на «методе ненаучного тыка». Любая формула (в том числе формула Грэма), вводимая в употребление для обеспечения последовательности в размещении заказов, должна была быть достаточно простой и легко воспроизводиться на калькуляторе.
Компьютеры не обладали достаточной мощностью, чтобы производить расчеты по комплексным формулам прогнозирования по тысячам элементов в разумное время. Расчет среднего арифметического Грэма по тысячам товаров превосходил возможности большинства вычислительных систем.

Прогнозы спроса, получаемые на основании формул Грэма, в основном отличались большей точностью, чем прогнозы парня на складе с карандашом и блокнотом. Однако по-прежнему существовала значительная разница между прогнозами по Грэму и фактическими продажами. В то время эти отклонения рассматривались как «неминуемые», и преодолеть их было невозможно.

Теперь рассмотрим, как изменились рыночные условия с 1987 года:
● Технологии позволили дистрибьюторам расширять и увеличивать свои рынки сбыта. В результате у Вас появилось больше конкурентов, чем когда бы то ни было. Конкуренция еще сильнее заставила дистрибьюторов постоянно иметь в наличии необходимую их клиентам продукцию, в нужном для них месте и в нужное для них время.
● Кроме того, возросшая конкуренция оказала давление на уровень наценки. Дистрибьюторы должны предлагать более низкие цены, чтобы поддерживать текущий объем продаж и привлекать новых покупателей.
● Количество продукции, выпускаемой на рынок, продолжает увеличиваться с большой скоростью. Эти условия порождают специфические проблемы:
● Снижение уровня наценок ведет к ограничению свободных денег, доступных дистрибьютору для инвестиций в запасы.
● Деньги, доступные для инвестиций в запасы, дистрибьюторы должны распределять на большее количество продуктов.
● Клиенты менее терпимы, если доступность товара не отвечает их ожиданиям.

Эти проблемы вызывают необходимость максимально точного прогнозирования спроса на продукцию. Вы больше не сможете принимать как «неизбежность» значительные расхождения между прогнозами и фактическими продажами. Формулы, которые просто «легки для понимания» или «работают лучше, чем парень с блокнотом», следует заменить более совершенными методами.

Товары с различной структурой потребления и различные модели пополнения требуют различных формул прогнозирования. Нам нужно несколько формул для сезонных и несезонных товаров. Например, для товара, продажи которого отражают местные экономические условия, необходима иная формула, нежели для товара с устойчивыми, довольно предсказуемыми продажами . И, что немаловажно само по себе, каждая формула должна быть легкой для понимания.

Несезонные товары

Давайте рассмотрим некоторые формулы прогнозирования спроса, разработанные Effective Inventory Management, Inc. Начнем с формулы для несезонных товаров с относительно ровным потреблением. Это товары, которые продаются регулярно и объем продаж которых увеличивался или снижался менее чем на 20% в месяц за последние несколько месяцев. Прогнозируя потребление несезонных товаров с относительно ровным потреблением, нам необходимо вывести средний уровень потребления, который был зафиксирован за несколько прошедших периодов. Но нам также необходимо придать больший «вес» продажам в последние месяцы.

Почему?

Часто тенденции в потреблении товара проявляются по мере того, как со временем он становится более или менее популярным. Спрос на несезонные товары в будущем скорее всего будет сопоставим с потреблением, зафиксированном в нескольких предшествующих периодах, чем с тем, который был шесть, восемь или двенадцать месяцев назад.
В то же время, от периода к периоду в потреблении товара, как правило, имеет место несколько случайных изменений. Обратите внимание, как потребление товара из первого приведенного ниже примера колебалось за пять прошедших месяцев.

Эта модель потребления по типа «вверх-вниз» свойственна имеющимся в запасе товарам с объемом продаж от умеренного до высокого. Если бы в наших расчетах мы использовали только один или два недавно завершившихся периода, то, возможно, случайные колебания оказали бы слишком большое влияние на прогноз спроса. Нам необходимо в достаточной мере использовать историю потребления, чтобы предотвратить значительное воздействие случайных колебаний на прогноз потребления по товару.

Вот стандартный набор весовых коэффициентов (весов), которые мы рекомендуем использовать при расчете спроса на несезонный товар с уровнем продаж от умеренного до высокого:

● Используйте вес 3,0 к потреблению, зафиксированному в последний период.
● Используйте вес 2,5 к потреблению, зафиксированному месяц назад.
● Используйте вес 2,0 к потреблению, зафиксированному 2 месяца назад.
● Используйте вес 1,5 к потреблению, зафиксированному 3 месяца назад.
● Используйте вес 1,0 к потреблению, зафиксированному 4 месяца назад.

Давайте посмотрим, как рассчитывается прогноз продаж на товар при следующей истории потреблению. Потребление – это количество продукции, проданной, переведенной, использованной в сборках или заказах на ремонт, или другим образом выведенной из запасов.

Обратите внимение, что мы указали количество рабочих дней в каждом месяце и определили потребление в рабочий день. При применении показателя потребления в рабочий день прогноз точнее, чем у традиционных методов прогнозирования, которые опираются на общее потребление в месяц или потребление в календарный день. Все-таки, если компания закрыта на несколько дней в течение месяца (вспомним те же рождественские каникулы), то считать меньшее потребление в этом месяце равным потреблению, зафиксированному в других месяцах – это путь к занижению будущего прогнозируемого спроса. Например, в приведенной выше таблице, общее потребление, зафиксированное в мае (133 штуки) примерно на 5,5% больше, чем общее потребление, зафиксированное в апреле (126 штуки), но спрос в рабочий день одинаковый. Чтобы определить прогнозируемый спрос в июле, применим весовые коэффициенты формулы расчета спроса к показателям потребления в рабочий день за предыдущие пять месяцев:

Результат (66,4) делим на суммарный вес (10,0) и так определяем прогноз спроса в рабочий день в июле (6,64 штук в день). А данный спрос в день умножаем на количество рабочих дней в июле (21), получаем спрос 139,4 штук в на июль. В принципе, для еще более точного прогнозирования необходимо учитывать тренд, мы рассмотрим этот метод в следующих статьях.

Сравните результаты данного расчета с прогнозами спроса, получаемыми при использовании других формул и методов прогнозирования. Полагаем, результаты вас поразят.
Теперь рассмотрим подходы к прогнозированию спроса на товары с сезонным спросом.

Сезонный товар

Некоторые товары, как, например, пляжные зонты, более популярны летом, чем зимой. Зато продажи переносных обогревателей значительно увеличиваются, когда холодает. Это и есть сезонные товары. Но погода не единственный фактор, который определяет сезонность или несезонность товара. Если потребление товара зависит от события (как Рождество или начало учебного года) или ежегодной деятельности (например, уборка территорий осенью), то считается, что этот товар тоже сезонный. Потребление сезонного товара повышается и снижается в течение всего года. Посмотрите на историю потребления данного сезонного товара:

У товара очень низкое потребление в зимние месяцы. Но в начале весны цены начинают постепенно расти и достигают максимума в летние месяцы – в июне, июле и августе. Если прогнозировать спрос на июнь 2004 с использованием формулы для несезонных товаров с регулярным потреблением, то получим следующий результат:

Результат (80,6) делим на суммарный вес (10,0), определяя таким образом прогноз спроса в рабочий день в июле, составляющий 8,06 штуки. Так как в июне 20 рабочих дней, спрос в периоде составит 161,2 штуки (20 дней x 8,06 штуки в день). Напомним, что спрос определяется как прогноз потребления продукта в будущем периоде. Потребление в июле в объеме 161 штуки – хороший ли это прогноз? Возможно, нет. Все-таки потребление в июне 2003 года было почти в три раза больше этого количества (460 штук). Очевидно, что для расчета спроса на сезонные товары нам нужны другие формулы.

Мы обнаружили, что один из лучших показателей, определяющих спрос на сезонный товар в следующем месяце, это потребление, зафиксированное в нескольких месяцах, следующих после того же, что и текущий, в прошлом году.

Например, формула для прогнозирования спроса на сезонные товары учитывает потребление в том же месяце прошлого года, что и в текущем, и в следующем за ним месяце, причем применяются следующие весовые коэффициенты:

● Примените весовой коэффициент 2,0 к потреблению в месяце, что и прогнозируемый, в прошлом году.
● Примените весовой коэффициент 1,0 к потреблению в месяце следующем за прогнозируемым, в прошлом году.

Результат (67,8) делим на суммарный вес (3,0) и определяем прогноз спроса в рабочий день в июне, составляющий 22,6 штуки. Так как в июне 1999 года 20 рабочих дней, спрос для данного периода составит 453 штуки (20 дней x 22,6 штуки в день). Но при прогнозировании спроса с историей годичной давности есть проблема. Объем продаж мог меняться за последние 12 месяцев. Ввиду этого, к результатам расчета по средневзвешенной необходимо применить тренд. Многие ERP системы позволяют делать это вручную. Скажем, вы определяете, что за прошлый год объем продаж увеличился на 20%. Чтобы спрогнозировать спрос, необходимо на 20% увеличить результат, рассчитанный по средневзвешенной, и так мы спрогнозируем спрос на июнь 2004 г.:

22,6 штуки /день + 20% = 27,1 штук/день Большинство ERP систем рассчитывает тренд автоматически, сравнивая потребление за три предыдущих завершившихся месяца с общим потреблением за такие же три месяца в прошлом году: Общее потребление с марта 2004 г. по май 2004 г. = 530 штук Общее потребление с марта 2003 г. по май 2003 г. = 462 штук (530 – 462) ч 462 = 14,7% Оборот за последние три месяца был на 14,7% больше, чем в тот же период в прошлом году. Этот процент прибавляется к результатам расчета по средневзвешенной: 22,6 штук/день + 14,7% = 25,9 штук/день Тренды следует применять при использовании сезонной формулы прогнозирования для влияния на изменения, которые претерпел объем продаж за последние 12 месяцев.

КОРУС Консалтинг
https://www.lobanov-logist.ru/library/all_articles/55147/

дата: 00.00.0000 00:00:00 просмотров: 1312

рейтинг:

(Нет голосов)