Лобанов-логист
Лобанов-логист
Личный кабинетВходРегистрация
Например: Логистика

Кто виноват в Out-of-stock?

Кто виноват в Out-of-stock?

Авторы: Букреев М.
Октябрь, 2008
 
 
Как определить, сколько и почему мы теряем, когда товара нет на полке.




По данным исследовательских компаний, в России показатель OOS (out-of-stock — отсутствие товаров на полках) в два раза больше, чем в Европе, что не может не беспокоить и простых потребителей, и производителей, и владельцев торговых сетей. Как сделать так, чтобы нужный покупателю товар всегда был на полке магазина? Сегодня эта едва ли не самая главная задача в концепции ECR («эффективный отклик на запросы потребителей») становится стратегической для наших торговых сетей, а ее решения приобретают глубокую методологическую основу и различные подходы к реализации.

 

Что такое OOS?


Случаи отсутствия товара на полке магазина (OOS) специалисты ECR классифицируют с точки зрения потребителя, что является правильным. Довольно часто документы и торговая система говорят, что товар есть, но на самом деле потребитель его не видит и, следовательно, не покупает. Во-первых, OOS — это тот случай, когда нужный товар вообще не найден покупателем, во-вторых — это ситуация, когда найден схожий продукт, но других качеств, например другой формы, вкуса или бренда, в-третьих, когда товар найден, но не пригоден к потреблению, и, в-четвертых, когда товар выложен в магазине в непривычном месте, то есть его покупают гораздо меньше потенциальных потребителей, чем могло бы.

Ответственность за сокращение OOS лежит как на розничной компании, так и на производителе. К сожалению, многие из них направляют свои усилия на решение этой проблемы только в рамках системы снабжения. 


Причины и следствия


К отсутствию товаров на полках приводят порой банальные операционные проблемы поставщиков и ретейлеров, а также их ошибки в данных и прогнозах. Структура OOS в российских сетях показана на диаграмме (рис. 1). Структура OOS в других странах примерно такая же, правда, у нас пока существенно больше случаев, когда товар находится в магазине, но его нет на полках.

Со временем нерешенные проблемы с OOS постепенно начинают отражаться на прибыли магазина. Чем чаще покупатель сталкивается с проблемой OOS, тем вероятнее потеря лояльности к бренду поставщика и (или) магазина. Исследования ECR Europe показали, что при трех случаях OOS, риск потери покупателя возрастает каждый раз примерно на 20%, с 30% в первом случае до 70% при трехкратном повторении.

«В зависимости от решения, которое примет покупатель, сталкиваясь с OOS, потери могут понести магазин или поставщик, а иногда и тот и другой», — говорит  Галина Смирнова, координатор комитета OSA некоммерческого партнерства ECR-Rus. Если при отсутствии товара на полке покупатель предпочтет другой бренд, то потери будут у производителя, а при покупке этого же товара, но в магазине другой сети — у ретейлера (табл. 1). Логика решения покупателя зависит от его степени приверженности бренду, от необходимости покупки именно в данный момент, доступности другой торговой точки и т. д. Например, данные исследований в России и мире показали, что самые большие потери (для поставщиков) из-за OOS демонстрируют те категории товаров, лояльность к которым очень высока. 


Эффект «последней мили»


Наиболее подвержены OOS дни высокой покупательской активности. Основной скачок показателя приходится на пиковые дни — пятницу, субботу, воскресенье, так как именно в эти дни наблюдается наиболее высокая активность покупателей.

Магазины разных форматов отличаются по уровню OOS. Качество обслуживания в универсамах и супермаркетах в среднем выше, чем в гипермаркетах. Это связано с менее широким ассортиментом в супермаркетах и большим количеством сотрудников торгового зала на единицу товара и площади. Сами по себе большой ассортимент и увеличение запасов не являются способом решения проблемы OOS. Они могут вести к низкой доступности, так как OOS будет увеличиваться вследствие затоваривания склада и замедления операций.

По мере приближения товара к потребителю уровень сервиса в цепочке «поставщик — ретейлер» резко снижается, потому что имеет место операционная проблема, связанная с эффектом «последней мили», то есть с качеством обслуживания в торговом зале. Полная и своевременная доставка не всегда гарантирует доступность товара для покупателя. Удовлетворение его запросов зависит от уровня сервиса во всей цепочке «производитель — склад магазина — полка». Поэтому «доступность товара на полке» является ключевым показателем (KPI) эффективности совместной работы производителя и ретейлера.

 

Основные причины OOS 
 1.
 Ошибки в данных и прог­нозах: 
 • ошибки в процедурах прогнозирования; 
 • неверные данные об остатках; 
 • неверный график поставок; 
 • «грязные» мастер–данные о товаре. 
 2. Операционные проблемы ритейлеров: 
 • несвоевременное пополнение полок; 
 • удаление товара из ассортиментной матрицы; 
 • ошибки при формировании заказа; 
 • неэффективные операции РЦ; 
 • кражи и повреждения товара. 
 3. Операционные проблемы поставщиков: 
 • низкий уровень соотношения заказ/поставка; 
 • ненадежность поставщиков; 
 • ошибки дистрибьюции; 
 • кражи и повреждения товара.

     По вине поставщиков 
     Товар в магазине, но нет на полке 
     Процедура заказов и ошибки прогнозирования

Рис. 1. Структура OOS в российских сетях, % 
Источник: ESR-Rus

 

 


Кратчайший путь сокращения OOS


Чтобы сократить OOS, существует несколько подходов, самым известным из которых является ECR — проект OSA (Optimal shelf availability). Проекты OSA уже реализованы в нескольких европейских странах, первые положительные результаты были получены в 2002–2004 годах. Проект состоит из двух больших частей: «предпроект» (организация необходимых измерений и подготовки компаний к изменениям) и его реализация (изменения в системах управления заказами, данными, промоакциями и мерчандайзингом).


Ключевым фактором успеха борьбы с OOS считается внимание руководства. Только осознание проблемы на самом высоком уровне и последующая мотивация сотрудников на сокращение OOS приносят значительные результаты. Понятно, что успех внедрения таких проектов на 80 % зависит от людей и лишь на 20 % — от использования новых технологий.


В рамках проекта по сокращению OOS должны проводиться постоянные измерения. В мировой практике существует два метода измерения OOS — физический аудит и электронные POS-отчеты о продажах. Данные о физическом наличии товара на полках магазинов регулярно предоставляются аудиторской компанией. В комбинации с актуальными и регулярными электронными данными о запасах, заказах, поставках, продажах и потерях анализируется вся цепочка поставки — с момента отгрузки товара до корзины покупателя. Использование методологии ECR в сочетании с данными регулярного аудита создает прочную основу для совместного проекта поставщика и ретейлера.


Считается, что потенциал совершенствований в проекте должен реализовываться в первую очередь за счет самых простых решений (иногда просто за счет повышения элементарной исполнительской дисциплины): оптимизации графиков поставок, совершенствования процедур пополнения полок, повышения уровня сервиса, «очистки» мастер-данных, постановки необходимых бизнес-процессов и т. д. Внедрение высоких технологий по автоматизации заказов (например, vendor managed inventory) обязательно идет после решения базовых вопросов взаимодействия и реинжиниринга бизнес-процессов.


Ожидаемый экономический эффект от проекта OSA достигается только при его масштабном внедрении и улучшении. Поэтому знания и результаты, полученные в ходе реализации пилотного проекта, должны быть положены в основу последующих совместных внедрений лучших практик со старыми и новыми партнерами.


 Основные задачи проекта OSA 
 • Измерение потерь поставщиков и магазинов из-за OOS. 
 • Оптимизация поставок товаров-бестселлеров в магазин, сеть, регион. 
 • Оптимизация товарных запасов в магазине, сети, регионе. 
 • Совместный операционный менеджмент по снижению OOS. 
 • Создание условий для перехода на VMI (Vendor Managed Inventory).

 


Рис. 2. Проект OSA. Уровень сервиса для сети «Лента»

 


Рис. 3. Проект OSA. Отчет «Наличие/отсутствие товара на полке/в магазине»

Данные по SKU полученные от ретейлера, окрашиваются в красный или желтый цвет: 
красный – товара не было в магазине, желтый – товара не было на полке. 
Цвет зависит от отклонения от средней величины за 11 недель. Кроме того, при раскраске учитываются дополнительные данные о поставках товара, заказах, промоакциях, блокировке товара и т.д. 
 


Проект OSA в России


В сентябре 2005 года в России при поддержке ECR-Rus стартовал пилотный проект Optimal shelf availability (OSA) — «Доступность товара на полке». Целью проекта было сокращение показателя OOS на 50 % за три года при одновременном сокращении товарных запасов ретейлеров на 50 %. Методологическую поддержку проекту оказала организация ECR Europe. «В рамках проекта специалисты ECR-Rus хотели ответить на два основных вопроса: сколько теряют ретейлеры (производители) из-за отсутствия товара на полках и как можно увеличить продажи через снижение OOS, чтобы это было выгодно как ретейлеру, так и производителю, и в конечном счете — потребителю», — говорит Г. Смирнова.

Проект условно бессрочный, он будет продолжаться до существенного улучшения показателей по отобранным для измерений SKU (stock keeping unites). SKU является номенклатурной позицией запасов: например, сметана жирностью 10, 15 и 25 % в двух разных упаковках будет иметь 6 SKU. В проекте OSA анализируются только товары-бестселлеры, так как их отсутствие на полке дает наиболее ощутимые потери.

Участниками российского пилотного проекта стали 21 поставщик («Данон», «Крафт», «Нестле», «Юнилевер» и др.) и торговые сети «Лента», «Мосмарт», «Рамстор». Сети обеспечивают выгрузку данных, отобранных для измерений (по всем магазинам), и пересылают их в специализированную систему e-PоS для обработки. Участникам проекта оперативно предоставляются отчеты: «Полный/частичный OOS», «Нет на полке/в магазине», «Уровень сервиса» (рис. 2) и др.

Система отчетов работает по принципу «лего» — чем больше данных предоставил клиент, тем больше отчетов получил. По условиям соглашения часть данных (продажи, остатки, цены, и др.) не может передаваться конкурентам. 


Аналитика для OOS


В зависимости от ситуации OOS имеет разную значимость. Отсутствие неходового товара не вызовет серьезных финансовых последствий по сравнению с отсутствием бестселлера. Кроме того, вероятность переключения с одного товара на другой (аналогичный) различается по категориям товаров и по-разному влияет на потери поставщика и ретейлера. Алгоритм проекта, реализованный в e-PoS, реагирует на падение продаж по SKU по сравнению со среднестатистическим значением в каждый день недели, которое рассчитывается за прошедшие 11 недель (рис. 3). Возможные причины спада продаж и OOS доводятся до сведения пользователей.


«OOS — это интегральный показатель, характеризующий отсутствие товара на полке для клиента. Он может измеряться на более общем уровне — полное (частичное) отсутствие товара в магазине (full/partial OOS), его также можно разбить на более частные показатели — отсутствие товара на полке/в магазине (out-of-store/out-of-stock). Последние показатели более сложные для измерения, но зато они самые ценные, так как дают понять: кто виноват (ретейлер или поставщик) в том, что покупатель не смог купить товар, за которым он пришел в магазин», — говорит о целях OOS-анализа Г. Смирнова.


Большое значение имеет продолжительность отсутствия товара на полках. Методика ее оценки относительно новая и еще не до конца апробирована. Потери из-за OOS в проекте OSA вычисляются отдельно для поставщика и для торговой сети. Анализируются потери от так называемых «свитчеров» («переключателей»), то есть покупателей, которые, не найдя нужный товар на полке, переключаются на аналогичный товар другого бренда — в этом случае деньги теряет производитель, но не ретейлер.


ИТ для проекта OSA 
Российский пилотный проект OSA был реализован с сентября 2005 года по май 2008–го с целью обкатать функциональность системы: алгоритмы отчетов, их графическое представление, разделение конфиденциальных данных для сетей и поставщиков. Сейчас данные из магазинов — участников проекта — поступают через технического партнера (EDI-провайдера), который преобразует их в EDI-сообщение типа INVRPT (отчет об инвентаризации) стандарта EANCOM2002. Со стороны поставщиков передаются мастер-данные в виде электронного каталога (PRICAT). Совместная обработка данных ретейлера и поставщика происходит на ECR e-PоS платформе, где вычисляются KPI и создаются различные отчеты по OOS, уровню сервиса, статусу и другим параметрам SKU. 
Долгое время самой главной проблемой проекта являлась ситуация с «грязными» мастер-данными, которые вызывали сбои во всей системе. Это, в свою очередь, требовало вмешательства персонала, что означало серьезные временные потери на перепроверку каждого числа. Теперь при синхронизированных данных весь процесс осуществляется автоматически через EDI. 
По окончании пилотного проекта весной 2008 года от его участников был получен ряд пожеланий, реализация которых была завершена в августе 2008 года. Доработки в основном касались интерфейса программы. До конца 2008 года планируется запуск проекта OSA на ИТ-платформе e-PоS в промышленную эксплуатацию.

 

 

Правило «20/80»


«Существенное сокращение OOS можно получить, одновременно увеличив эффективность использования ресурсов розничного бизнеса», — считает Андрей Калмыков, автор нескольких методик ретейл-аналитики и управляющий киевской компании Trade Help, специализирующейся на розничном консалтинге. А. Калмыков предложил ABC-методику оценки высокорейтинговых товарных позиций и групп. Она позволяет торговой компании наиболее эффективно распределять три своих главных ресурса: торговые площади, деньги компании и время работы ее сотрудников.


Если супермаркет имеет в ассортименте более 10 тыс. товарных позиций, то ABC-анализ позволяет определить 20 % позиций, дающих 80 % оборота, и выстроить их в правильной последовательности. Таких позиций будет около 2 тыс. На них следует обращать максимум внимания.


В этом случае отчет OOS является инструментом, точно определяющим потери, по высокорейтинговым, самым важным в обороте магазина товарам. Согласно данной методике, прежде всего, необходимо правильно определить те SKU (группы А, В и С), которые в совокупности дают 80 % результата (оборот, доход) розничной торговли. Четкая дифференцирование товаров на группы А (50 % от показателя АВС), В (30 % от АВС) и С (20 % от АВС) позволяет сбалансировать операционный менеджмент и ресурсы компании без избыточных затрат на товары, не вошедшие в АВС. Пример АВС-анализа А. Калмыкова приведен в табл. 2.

 

Фокус на самых важных позициях


Отчет OOS формируется с учетом определения товарного сквозного рейтинга по всем товарным позициям за прошедший календарный месяц (в соответствии с рейтинговой методикой и АВС-анализом А. Калмыкова). Большая величина OOS сигнализирует о солидном утерянном обороте и показывает отсутствие приоритетов в операционном менеджменте торговой компании (пример отчета — табл. 3). Алгоритм позволяет рассчитать потери, даже если продукта не было на полке всего несколько часов.


«Особое внимание следует уделить OOS по позициям рейтинговых групп А и В. Устранение причин OOS в этих группах является приоритетной задачей. Это приведет к последовательному уменьшению OOS и в остальных группах, так как решения закупщиков сети по товарам А и В, доведенные до поставщика, положительно скажутся на группе С и других», — считает А. Калмыков.


При формировании отчета OOS следует учитывать скорость оборота товарных позиций. Эта величина будет высокой для FMCG (fast moving consumer goods — товары повседневного спроса) и food-retail (более 17 раз в год) и низкой (около 6 раз в год) для nonfood-retail. Тогда анализ отчета OOS по количеству дней с нулевыми продажами при нулевых остатках дает возможность адекватно оценить работу отдела закупок.


В настоящее время OOS-анализ Trade Help внедрен в российских розничных компаниях: «Лента», сети супермаркетов «Корзинка» и гипермаркете «Мы» (Липецк), сеть гипермаркетов «Эссен» (Наб. Челны), розничных сетях «Райцен» и «Райцентр» (Н. Новгород) и др. Внедрение в 2008 году методик АВС- и OOS-анализа в продуктовой сети «Провиант» (124 магазина) позволили ей за три месяца избавиться от просроченной кредиторской задолженности в 103 млн руб. Из 83 тыс. SKU были сокращены 60 тыс., одновременно с этим из сети было выведено 130 поставщиков, чьи товары не попадали в рейтинги АВС. При этом доход сети вырос по сравнению с аналогичным периодом 2007 года на 37 %.

 
Табл. 1. Потери магазина и поставщика при OOS в зависимости от поведения покупателя
 
Поведение покупателя  при OOS
Число покупателей, 
%
Потери магазина
Потери поставщика
Купит товар другого производителя
37
НЕТ
ДА
Купит товар в другом месте
21
ДА
НЕТ
Отложит покупку
17
Возможно НЕТ
Возможно НЕТ
Купит аналог того же бренда
16
НЕТ
НЕТ
Ничего не купит
9
ДА
ДА
Источник: ECR Europe
 
 
Табл. 2. Пример АВС-анализа продаж по поставщику за периоды (I) и (II)
 
Рейтинг (I)
Рейтинг (II)
Наименование товара (SKU)
Оборот руб. (I)
Оборот руб. (II)
Оборот % (I)
Оборот % (II)
A 1
A 1
Вода Липецкая 1,5л
257 123
243 587
28,7
25,5
A 2
A 3
Водка Златославная де люкс 1л
41 745
43 802
4,7
4,6
A 4
A 4
Водка Златославная лимончик 1л
34 727
34 969
3,9
3,7
B 1
B 3
Водка Златославная де люкс 0,5л
29 437
26 568
3,3
2,8
B 2
A 5
Бальзам Преданья старины 0,5л
25 949
29 568
2,9
3,1
B 3
B 1
Водка Золотые версты люкс 1л
25 047
28 677
2,8
3,0
C 1
C 4
Настойка сладкая Липецкий абрикос
15 740
12 235
1,8
1,3
C 2
C 5
Водка Темные Аллеи декор 0,5л
14 665
15 631
1,6
1,6
Источник: Trade Help
 
 
Табл. 3. Пример отчета OOS – утерянный оборот по поставщику
 
Наименование товара (SKU)
Оборот, руб.
Дни
Ср. оборот, 
руб./день
Дни OOS
Оборот OOS, 
руб.
ВСЕГО
в том числе 
с остатком, 
равным нулю 
или менее
C 5
Колбаса Ливерная растительная
8 179
14
584
13


https://www.lobanov-logist.ru/library/352/59199/
дата: 00.00.0000 00:00:00    просмотров: 8228

рейтинг: 
(Нет голосов)



Рекламный блок

8 Марта Работа с весовым товаром в WMS: штучный товар или с измеренным весом Власти Подмосковья утвердили стандарт временного жилья для мигрантов Юрист о сложных вопросах в контрактах по ВЭД поставок в логистике