Методы прогнозирования страхового запаса
Часто слышу мнение сотрудников различных компаний о том, что дефицит товаров – это очень плохо. Так ли это на самом деле? Давайте немного разберем, какие бывают способы управления товарными запасами.
По моим внутренним ощущениям и опыту работы, около 99% компаний на Российском рынке используют так называемые методы продал – пополнил. Менеджер по продукту или логист смотрят на продажи предыдущих периодов, берут средние значения продаж и рассчитывают исходя из этих цифр количество товарного запаса, которое должно храниться на складе. Те из них, кто знаком с мат статистикой используют еще и разные формулы (скользящее среднее, экспоненциальное сглаживание и.т.д.), оперируя тем, что срезают таким образом пики. Конечно, в условиях малого бизнеса такой подход работает. Это лучше, чем ничего. Но давайте разберем проблему данного подхода.
Мы оцениваем продажи предыдущих периодов. Допустим за предыдущие 3 периода у нас были продажи 20, 12, 15, таким образом среднее значение продаж у нас будет 16 единиц. Для простоты не будем оценивать логистические цепочки и страховые запасы, возьмем за основу, что нам нужно держать на складе 16 единиц товара. В этом случае получается, что при спросе в 20 единиц у нас будет возникать дефицит, те кто не хочет дефицита будут заказывать по максимуму и на склад привезут 20 единиц продукции. Но какова вероятность, что у нас спросят именно 20 единиц продукции? Допустим продажи за год по-месячно были следующие: 5, 10, 15, 16, 8, 20, 12, 15, 10, 8, 9, 12. Как видно из распределения, продажи 20 единиц произошли только в одном месяце, то есть мы могли держать на складе 16 единиц продукции постоянно и только в одном периоде возник бы дефицит в размере 4 единиц. А теперь представим, что хранение этих 4 единиц товаров за год обходится компании дороже, чем доход с их продажи. В этом случае для бизнеса более выгодно снизить складские остатки за счет уменьшения уровня сервиса.
Как же определить необходимый уровень запасов? На данный момент существуют различные методы прогнозирования, основанные на вероятностном подходе и расчете вероятности спроса (как один из вариантов используют распределение Пуассона). Используя такой подход, мы можем сказать с какой вероятностью у нас будет продано 10 единиц товара, с какой вероятностью будет продано 11 и.т.д. Такой подход позволяет рассчитывать складские остатки, опираясь на наиболее выгодную для бизнеса величину уровня сервиса. Для одних товаров это может быть 80%, для других 98%… Конечно, в некоторых ситуациях дефицит не допустим стратегически, например в случаях обеспечения непрерывного производства, когда дефицит товара поставщика может привести к уходу клиента, но это уже частные случаи, а тема управления товарными запасами гораздо шире данной статьи, в которой я ставил задачей показать, что дефицит товара не всегда является ошибкой.
Рынок не готов платить за 100% уровень сервиса и постоянное наличие товара на полке.