Матрица товаров DBM с нулевым дефицитом: как не хранить деньги на складе магазина "мертвым грузом"?

Своим опытом делится Иван Бабушкин, руководитель проектного департамента ООО "Хэдлайн-Ижевск":

Начнем с того, для кого мы разрабатываем этот проект и почему так актуально автоматическое управление товарной матрицей.

Первый шаг.

Итак, осознали, что имеет место значительный объем упущенной выручки по причине наличия дефицита в торговой точке. В нашем случае данное состояние подтверждено отчетом на изображении ниже:

В отчете берем только те позиции, которые активно присутствуют в магазине (Дни присутствия в указанном периоде должны составлять не менее 30 %), а также вероятность продажи не менее 30 %. Обычно, даже при таких пессимистичных параметрах сбора статистики получаем очень оптимистичную упущенную прибыль!

Наряду с дефицитом и упущенной выручкой имеем значительный объем неликвида. Данные подтверждаются отчетом о неликвиде – видим, что в точке есть товар, который не продается некоторое неприличное количество дней. Объем непродаваемого товара можем оценить по произвольному виду цен, например, закупочные.

Наш отчет показывает остатки без продаж более 180 дней. Количество дней может быть любым. Оно зависит от специфики продаваемых сетью товаров. Для продуктов питания срок неликвидности товара будет явно меньше, а для товаров с ярко выраженным сезонным спросом может быть и больше. Главное при формировании отчета, что товар был в точке обозначенное количество дней назад, в нашем случае 180 дней назад, есть сейчас, и между границей анализа и текущей датой нет продаж этого товара. Отдельно, в отчете приведена статистика по Компании в целом.

Результат первого шага.

Руководство сети согласно, что вектор движения выбран правильно, цифры отчета понятны и говорят сами за себя. Поэтому движемся дальше. Выбираем склад для пилотного проекта для дальнейшей работы с товарной матрицей.

Требование к складу единственное – крайне желательно иметь возможность ежедневной доставки. Дополнительным требованием является удобное размещение и сборка товара, так как на первых порах количество складских операций возрастает.

Переходим ко второму шагу.

Заполняем начальную матрицу магазина. Общий алгоритм основан на следующих элементах:

• Период статистики. Он может быть любой, как уже отмечалось выше. Главное, что мы считаем его представительным для нашего магазина.
• Период доставки. У нас это 1 день.

Далее, принимая во внимание оба этих элемента, нам нужно посчитать максимальные продажи товаров по дням за выбранный период. Важно – берем те товары, где количество сделок превышает одну (разовые сделки не включаем в матрицу).

Обращаем ваше внимание: если период доставки не равен одному дню, то алгоритм расчета изменится. В рамках нашего кейса и для наглядности мы принимаем это период равным одному дню для простых и понятных расчетов.

Результаты второго шага.

Во-первых, матрица может оказаться достаточно куцей. Выяснится, что из более чем 3500 товарных позиций магазин продает всего 400-500, которые обеспечивают оборачиваемость точки. Остальные товары являются просто замороженным капиталом.

Причина в том, что розница бывает с совершенно разной цикличностью отгрузки.

Решение: попробуйте поиграть с периодом статистики, который берете за основу матрицы.

Во-вторых, выясняется, что мы имеем дело с многочисленными аналогами. В этом случае, если берем статистику по номенклатуре, то можем получить очень много единичных сделок, которые отсеиваются при первичном анализе. Напоминаем, что единичные сделки мы исключаем из матрицы. При этом, если взять статистику сделок в разрезе групп аналогов - кластеров, а не единичных товарных позиций, то получим уже представительные данные. В матрицу включаем кластеры, товары из которых проданы за период минимум 2-5 раз.

Решение: требуется разработать процедуру наполнение кластера, который мы выделили по статистике. Наполняем его номенклатурой, входящей в кластер. Приоритет наполнения может быть следующим:

• Позиции продавались в точке (по убыванию);
• Позиции есть на складе магазина;
• Позиции есть на складе распределительного центра.

Таким образом, матрица становится более наполненной. Количество элементов в матрице должно быть разумно соотнесено со структурой отгрузок.

Стоит отметить, чтов расчете статистики может принимать участие не один период, а несколько. Например, в случае сезонного характера бизнеса. Также могут быть применены всевозможные коэффициенты тренда и другие особенности, если вы считаете, что на ваш бизнес серьезно влияют какие-то дополнительные факторы.

В нашем первом пилотном проекте структура отгрузок получилась примерно такой:

На начало месяца числилось 3 580 наименований на сумму 9 378 000 рублей (розничные цены)

Продано 990 наименований на сумму 3 248 000 рублей.

Таблица структуры отгрузок:

Важно!

Некоторые наименования попадают сразу в несколько категорий отгрузки, поэтому общая сумма в колонке «Количество наименований» не сходится с количеством проданных наименований, то есть не равна 990.

При этом процент в колонке «Сумма» считается от общей суммы продаж, то есть от 3 248 000 руб.

Еще раз стоит отметить, что розница бывает очень разной по структуре отгрузок. В нашем примере рассматривается продажа запчастей, поэтому структура отгрузки характеризуется элементами работы под заказ.

Примерно такая же картина повторялась месяц До и месяц После представленного месяца, поэтому полученная матрица размером в 1 200 наименований не вызвала особых поводов для беспокойства.

Если есть подходящий инструмент, то товарная матрица переливается цветами прямо с момента ее создания. Видим, сколько и какого товара рекомендуется отправить в точку, сколько вернуть обратно на склад и перераспределить.

Значения цветов в матрице следующие:

Синий – избыток товара в торговой точке.

Зеленый – все хорошо, незначительное проникновение товара в буфер.

Желтый – товар значительно проник в буфер.

Красный – опасное проникновение товара в буфер, следует увеличить запас товара.

По результату первого этапа организуем ежедневную подпитку торговой точки товарами, вместе с тем ежедневный возврат излишков. Начинаем с большого возврата!

Таким образом, наша начальная товарная матрица для торговой точки сформирована, и мы продолжаем анализировать ее, уже с учетом новой структуры пополнений и возвратов товара.

О следующих этапах нашего пилотного проекта читайте уже в следующих статьях. Следите за обновлениями.