ABC-анализ позволяет разбить большой список, например ассортимент товаров, на три группы, имеющие существенно разное влияние на общий результат (объем продаж).
Иными словами, ABC-анализ позволяет:
Выделить позиции, которые вносят наибольший вклад в суммарный результат.
Анализировать три группы вместо большого списка.
Работать сходным образом с позициями одной группы.
Группы обозначаются латинскими буквами ABC:
А - самые важные
В - средней важности
С - наименее важные
Можно анализировать (ранжировать) любые объекты, если у них есть числовая характеристика.
Например:
Ассортимент по объему продаж
Клиентов по объему заказов
Поставщиков по объему поставок
Дебиторов по сумме задолженности
Запасы по занимаемой площади склада
Очень важно, что в каждом конкретном случае не надо ломать голову над тем, в какую группу отнести товар (клиента, поставщика и т.д.). Есть простая методика, выполняющая это разделение.
Методика основана на принципе Парето (принцип 20/80) , открытом итальянским экономистом Парето в 1897 году. В наиболее общем виде он формулируется так: «20% усилий дают 80% результата». В нашем случае: 20% ассортимента дают 80% выручки.
Группы должны быть примерно следующими (на примере анализа ассортимента):
Группа A дает 80% выручки, содержит 20% наименований
Группа B дает 15% выручки, содержит 30% наименований
Группа C дает 5% выручки, содержит 50% наименований
На всякий случай уточню: разбиение на группы выполняется по сумме выручки, а доля от числа наименований - какая получится.
Понятно, что соотношения (80%-15%-5%) по объему и (20%-30%-50%) по количеству наименований не являются точным законом природы, cуществует несколько методов определения границ ABC-групп . Но при значительных отклонениях от указанных значений следует насторожиться.
Пример .
При анализе клиентской базы выяснилось, что в группу А, дающую 80% заказов входит всего 5% клиентов вместо рекомендуемых 20%. Значит при уходе одного-двух клиентов из этой группы произойдет резкое падение выручки.
Выбрать цель анализа. Например: оптимизация ассортимента.
Выбрать объект анализа. Товары или товарные группы.
Выбрать параметр (числовую характеристику) по которому будем производить разбиение на группы. Выручка.
Отсортировать список по параметру в порядке убывания. Расположить товары в порядке убывания выручки.
Вычислить долю параметра каждой позиции списка в общей сумме. (Выручка по товару) / (сумма выручки) * 100%.
Вычислить для каждой позиции списка долю нарастающим итогом. Например, для десятого товара: (доля 1-го товара)+ (доля 2-го товара)+…+(доля 10-го товара). Для последнего товара доля нарастающим итогом равна 100%.
Найти позицию списка, в которой доля нарастающим итогом ближе всего к 80%. Это будет нижняя граница группы A. Верхняя граница группы A – первая позиция в списке.
Найти позицию списка, в которой доля нарастающим итогом ближе всего к 95% (80%+15%) . Это будет нижняя граница группы B.
Включать в список для анализа однородные позиции . Нет смысла включать в один список холодильники ценой от 10 000 руб. и розетки ценой 20 руб.
Правильно выбрать значения параметра . Например, суммы месячной выручки дадут более объективную картину, чем суммы дневной выручки.
Проводить анализ регулярно и периодически , правильно выбрав период.
Методика довольно простая, но весьма трудоемкая. Для ABC-анализа идеальным инструментом служит Excel .
Пример ABC-анализа ассортимента расчет в Excel по шагам
Покажем на примере как работает методика ABC-анализа . Возьмем ассортимент из 30 условных товаров.
Цель анализа - оптимизация ассортимента.
Объект анализа - товары.
Параметр по которому будем производить разбиение на группы - выручка.
Cписок товаров отсортировали в порядке убывания выручки.
Подсчитали общую сумму выручки по всем товарам.
Вычислили долю выручки по каждому товару в общей сумме выручки.
Вычислили для каждого товара долю нарастающим итогом.
Нашли товар для которого доля нарастающим итогом ближе всего к 80%. Это нижняя граница группы A. Верхняя граница группы A – первая позиция в списке.
Нашли товар для которого доля нарастающим итогом ближе всего к 95% (80%+15%) . Это нижняя граница группы B.
Все, что ниже - группа C.
Подсчитали количество наименований товаров в каждой группе. A - 7, B - 10, C - 13.
Общее количество товаров в нашем примере 30.
Подсчитали долю количества наименований товаров в каждой группе. A - 23.3%, B - 33.3%, C - 43.3%.
Группа A - 80% выручки, 20% наименований
Группа B - 15% выручки, 30% наименований
Группа C - 5% выручки, 50% наименований
Для списка товаров из нашего примера:
Группа A - 79% выручки, 23.3% наименований
Группа B - 16% выручки, 33.3% наименований
Группа C - 5% выручки, 43.3% наименований
По результатам анализа мы можем выделить следующие группы (на примере анализа ассортимента):
Таким образом, к Группе А относятся товары-лидеры, к Группе В – товары средней важности, а к Группе С — наименее важные товары, которые претендуют на исключение из ассортимента. Следует отметить, что соотношение 80-15-5% по объему и 20-30-50% по количеству не являются единственно верным. В зависимости от особенностей ассортимента каждой конкретной компании эти значения могут быть скорректированы. Так в других источниках приводятся другие значения доли по количеству: 10-20-70%. Поэтому важно учитывать специфику деятельности компании и вашего ассортимента при выборе базовых соотношений, что получило название эмпирического метода . Также существуют и другие методы определения соотношения долей.
При использовании метода сумм границы определяются по значению суммы двух показателей: доли по объему (нарастающим итогом) и доли по количеству (нарастающим итогом).
Фактически, мы получаем те же значения, что и в предыдущем подходе, но с более подвижными границами групп за счет того, что: (80+20)=100, (95+50)=145, (5+50)=200. Другие существующие методы для определения границ используют принципы статистики и математического анализа и являются более сложными в исполнении. К ним можно отнести:
Вышеперечисленные методы являются более точными, но требуют больше времени и навыков для их использования. Стоит отметить, что наиболее точным считается метод двойной касательной, а наиболее гибким — метод треугольника.
Необходимо учитывать, что в реальности на анализируемую совокупность влияет не один, а сразу несколько факторов. Например, на группировку ассортимента влияет не только выручка от продаж, но также его прибыльность, оборачиваемость, занятая площадь склада и т.д. С этим ограничением уверенно помогает справиться многомерный АВС анализ . В данной статье мы рассмотрим пример двухмерного анализа, взяв в качестве критериев выручку от продаж и прибыльность товаров. При использовании большего количества критериев возникает сложность графического изображения и анализа данных, поэтому оптимальным количеством являются 1-3 критерия для анализа.
В качестве первого шага двухмерного анализа, необходимо провести АВС-анализ по каждому из критериев. После этого полученные результаты следует объединить, т.е. присвоить каждой позиции не одну, а две буквы, каждая из которых будет отвечать за свой признак. В итоге, мы получим девять групп, которые схематично можно представить в виде следующей таблицы:
Как же анализировать полученные результаты? Для этого вернемся к стандартному виду анализа, состоящему из трех групп. Для объединения полученных значений в Группы А, В и С существуют различные методики. Например, в Группу А мы можем отнести только товары из группы АА, в Группу В относим значения ВА, ВВ и АВ, а остальные — в Группу С. Это позволяет выделить безусловных лидеров ассортимента и сконцентрироваться на развитии этой группы.
Существует и противоположная методика, когда к Группе С относятся только значения СС, в Группу А входят значения, содержащие хотя бы одну букву А, а остальные относятся к Группе В. Но повторюсь, многое зависит от целей анализа и специфики деятельности компании, в зависимости от этого, вы можете составить группы и по другим признакам.
Далее обратимся к сильным и слабым сторонам АВС-анализа. В качестве его преимуществ можно выделить его простоту (если использовать базовые критерии отбора) и универсальность (можно применить почти к любой сфере деятельности компании, взяв за основу любой критерий). Главное же преимущество метода в том, что он позволяет оптимизировать ресурсы компании. При этом использование анализа на сегодняшний день автоматизировано, т.к. его без проблем можно провести в MS Excel, не утруждая себя объемными вычислениями.
Говоря о недостатках метода, необходимо учитывать его особенности. Если принимать их во внимание, то можно минимизировать недостатки анализа и получить более точные данные. Остановимся на этих особенностях более подробно.
Правильным выходом из этой ситуации является разбиение массива анализируемых данных на однородные группы и проведение АВС-анализа по каждой из них. Также не следует анализировать товары, которые фирма реализует исключительно «под заказ» с другими товарами, т.к. любой крупный контракт по ним переведет его в Группу А, но это не гарантирует, что такой объем продаж будет в следующем периоде.
Также могут возникнуть ситуации, когда возникают перебои с поставками товара. Причины могут быть разные: ошибка в закупках, отсутствует у поставщика и т.д. Так как товар отсутствовал, то уровень его продаж будет ниже потенциально возможного. Если это был товар Группы А, то он может незаслуженно попасть в Группу В или С. В таких случаях, рекомендуется исключать моменты отсутствия товара из нашего анализа. Сделать это несложно, если перейти от суммарных продаж к средним продажам за более мелкий период (от годовых к квартальным или месячным).
Важно помнить, что игнорирование вышеперечисленных особенностей АВС-анализа может не только перечеркнуть все усилия по анализу, но и привести к абсолютно неверным выводам. В этой главе мы познакомимся с алгоритмом его проведения, т.е. рассмотрим из каких последовательных этапов состоит АВС-анализ:
Итак, мы можем сделать вывод, что несмотря на преимущества анализа, включающие его простоту, универсальность и автоматизацию, при его проведении важно соблюдение определенных условий. Если аналитик неверно определит цель, объект и признаки анализа, а также проигнорирует особенности анализа неоднородной продукции или периодов, то он запросто может не достичь поставленной цели. Важно помнить, что качество этого вида анализа зачастую зависит от качества исходных данных. Поэтому для повышения его точности рекомендуется анализировать однородные группы и еще раз убедиться в том, что выбранные параметры объективно оценивают анализируемое явление. В следующей статье мы поговорим о
Одним из ключевых методов менеджмента и логистики является ABC-анализ. С его помощью можно классифицировать ресурсы предприятия, товары, клиентов и т.д. по степени важности. При этом по уровню важности каждой вышеперечисленной единице присваивается одна из трех категорий: A, B или C. Программа Excel имеет в своем багаже инструменты, которые позволяют облегчить проведение такого рода анализа. Давайте разберемся, как ими пользоваться, и что же собой представляет ABC-анализ.
ABC-анализ является своего рода усовершенствованным и приспособленным к современным условиям вариантом принципа Парето. Согласно методике его проведения, все элементы анализа разбиваются на три категории по степени важности:
Отдельные компании применяют более продвинутые методики и разбивают элементы не на 3, а на 4 или 5 групп, но мы будем опираться на классическую схему ABC-анализа.
В Экселе ABC-анализ выполняется при помощи сортировки. Все элементы отсортировываются от большего к меньшему. Затем подсчитывается накопительный удельный вес каждого элемента, на основании чего ему присваивается определенная категория. Давайте на конкретном примере выясним, как указанная методика применяется на практике.
У нас имеется таблица с перечнем товаров, которые предприятие реализует, и соответствующим количеством выручки от их продажи за определенный период времени. Внизу таблицы подбит итог выручки в целом по всем наименованиям товаров. Стоит задача, используя ABC-анализ, разбить эти товары на группы по их важности для предприятия.
Можно также поступить по-другому. Выделяем указанный выше диапазон таблицы, затем перемещаемся во вкладку «Главная» и выполняем щелчок по кнопке «Сортировка и фильтр» , расположенной в блоке инструментов «Редактирование» на ленте. Активируется список, в котором выбираем в нем позицию «Настраиваемая сортировка» .
В поле «Столбец» указываем наименование той колонки, в которой содержатся данные по выручке.
В поле «Сортировка» нужно указать, по какому конкретному критерию будет выполняться сортировка. Оставляем предустановленные настройки – «Значения» .
В поле «Порядок» выставляем позицию «По убыванию» .
После произведения указанных настроек нажимаем на кнопку «OK» в нижней части окна.
Учитывая тот факт, что указанную формулу мы будем копировать в другие ячейки столбца «Удельный вес» посредством маркера заполнения, то адрес ссылки на элемент, содержащий итоговую величину выручки по предприятию, нам нужно зафиксировать. Для этого делаем ссылку абсолютной. Выделяем координаты указанной ячейки в формуле и жмем на клавишу F4 . Перед координатами, как мы видим, появился знак доллара, что свидетельствует о том, что ссылка стала абсолютной. При этом нужно учесть, что ссылка на величину выручки первого в списке товара (Товар 3 ) должна оставаться относительной.
Затем, чтобы произвести вычисления, жмем на кнопку Enter .
Итак, в первой строке переносим в столбец «Накопленная доля» показатель из колонки «Удельный вес» .
Таким образом, всем товарам, накопленная доля удельного веса которых входит в границу до 80% , присваиваем категорию A . Товарам с накопленным удельным весом от 80% до 95% присваиваем категорию B . Оставшейся группе товаров со значением более 95% накопленного удельного веса присваиваем категорию C .
Таким образом, мы разбили элементы на группы по уровню важности, используя при этом ABC-анализ. При использовании некоторых других методик, о чем говорилось уже выше, применяют разбиение на большее количество групп, но сам принцип разбиения при этом остается практически неизменным.
Безусловно, применение сортировки – это наиболее распространенный способ проведения ABC-анализа в Экселе. Но в некоторых случаях требуется провести данный анализ без перестановки строк местами в исходной таблице. В этом случае на помощь придет сложная формула. Для примера будем использовать ту же исходную таблицу, что и в первом случае.
ВЫБОР(Номер_индекса;Значение1;Значение2;…)
Задачей данной функции является вывод одного из указанных значений, в зависимости от номера индекса. Количество значений может достигать 254, но нам понадобится всего три наименования, которые соответствуют категориям ABC-анализа: A , B , С . Можем сразу вводить в поле «Значение1» символ «A» , в поле «Значение2» — «B» , в поле «Значение3» — «C» .
ПОИСКПОЗ(Искомое_значение;Просматриваемый_массив;Тип_сопоставления)
Предназначение данной функции – это определение номера позиции указанного элемента. То есть, как раз то, что нам нужно для поля «Номер индекса» функции ВЫБОР .
В поле «Просматриваемый массив» сразу можно задать следующее выражение:
Оно должно быть именно в фигурных скобках, как формула массива. Не трудно догадаться, что эти числа (0 ; 0,8 ; 0,95 ) обозначают границы накопленной доли между группами.
Поле «Тип сопоставления» не обязательное и в данном случае мы его заполнять не будем.
В поле «Искомое значение» устанавливаем курсор. Далее снова через описанную выше пиктограмму в виде треугольника перемещаемся в Мастер функций .
СУММЕСЛИ(диапазон;критерий;диапазон_суммирования)
В поле «Диапазон» вводим адрес колонки «Выручка» . Для этих целей устанавливаем курсор в поле, а затем, произведя зажим левой кнопки мыши, выделяем все ячейки соответствующего столбца, исключая значение «Итого» . Как видим, адрес тут же отобразился в поле. Кроме того, нам нужно сделать данную ссылку абсолютной. Для этого производим её выделение и жмем на клавишу F4 . Адрес выделился знаками доллара.
В поле «Критерий» нам нужно задать условие. Вписываем следующее выражение:
Затем сразу же после него заносим адрес первой ячейки столбца «Выручка» . Делаем координаты по горизонтали в данном адресе абсолютными, дописав перед буквой знак доллара с клавиатуры. Координаты по вертикали оставляем относительными, то есть, перед цифрой никакого знака быть не должно.
После этого не жмем на кнопку «OK» , а кликаем по наименованию функции ПОИСКПОЗ в строке формул.
СУММ(Число1;Число2;…)
Для наших целей понадобится только поле «Число1» . Вводим в него координаты диапазона столбца «Выручка» , исключая ячейку, которая содержит итоги. Подобную операцию мы уже проводили в поле «Диапазон» функции СУММЕСЛИ . Как и в тот раз, координаты диапазона делаем абсолютные, выделив их, и нажав на клавишу F4 .
После этого жмем по клавише «OK» внизу окна.
ВЫБОР(ПОИСКПОЗ((СУММЕСЛИ($B$2:$B$27;">"&$B2)+$B2)/СУММ($B$2:$B$27);{0:0,8:0,95});"A";"B";"C")
Но, конечно, в каждом конкретном случае координаты в данной формуле будут отличаться. Поэтому её нельзя считать универсальной. Но, используя то руководство, которое было приведено выше, можно вставить координаты любой таблицы и с успехом применять данный способ в любой ситуации.
Как видим, результаты, полученные при помощи варианта с применением сложной формулы, ничуть не отличаются от тех результатов, которые мы проводили путем сортировки. Всем товарам присвоены те же самые категории, только при этом строки не изменили своего начального положения.
Программа Excel способна значительно облегчить проведение ABC-анализа для пользователя. Это достигается использованием такого инструмента, как сортировка. После этого производится подсчет индивидуального удельного веса, накопленной доли и, собственно, разбиение на группы. В тех случаях, когда изменение первоначального положения строк в таблице не допускается, можно применить метод с использованием сложной формулы.
Следует отметить, что второй и третий этап являются творческими. Не следует думать, что стандартное решение подходит для вашей задачи лучше всего. Необходимо экспериментировать, анализировать различные объекты по всевозможным факторам, только тогда АВС-анализ станет мощным инструментом для принятия решений. Например, большинство людей, управляя запасами, проводят АВС-анализ по одному объекту (ассортиментная позиция) и одному фактору (объем продаж), в то время как в нашем примере обозначено множество объектов и факторов анализа. Очевидно, что многофакторный анализ позволит принять более взвешенное решение.
Четвертым этапом является формирование информационного массива для анализа. Современные информационные системы позволяют без проблем сформировать требуемый массив информации и даже выполнить все последующие действия автоматически, естественно, не без помощи программистов. Однако и на этом этапе можно столкнуться с трудностями, например: определение временного интервала данных для анализа, несоответствие данных реальному положению вещей (например, отсутствие продаж по позиции в результате дефицита) и т.п.
На пятом и шестом этапах производится оценка вклада каждого объекта в общий результат, ранжирование объектов в порядке убывания выделенного фактора, а также расчет нарастающего итога доли объектов в общем количестве в процентах (далее в сокращении ДО - доля объектов) и вклада этих объектов в общий результат в процентах (далее в сокращении ВР - вклад в результат). Это простые арифметические операции, с которыми не может возникнуть каких-либо затруднений.
Таблица 1. Исходные данные для выделения групп
Следующим этапом является разделение объектов анализа на группы. Существует множество методов выделения групп, вот некоторые из них:
– эмпирический,
– метод суммы,
– дифференциальный метод,
– метод многоугольника,
– метод касательных,
– метод петли.
Эмпирический метод заключается в разделении объектов на группы на основе усредненных результатов ранее проведенных исследований. Наиболее распространенный вариант предполагает следующие границы: ВРА - 80% и ВРВ - 95%. Затем находятся соответствующие значения ДОА и ДОВ (таблица 2). В нашем примере граница групп А и В имеет значение ВРА - 80,01%, ДОА - 17,33%; граница групп В и С имеет значение ВРВ 95%, ДОв - 43,26%.
Таблица 2. Эмпирический метод 
Могут быть использованы иные варианты эмпирического метода, в том числе, разделение на большее количество групп в зависимости от количества объектов анализа (например, ВРа - 80%, ВРв - 95%, ВРс - 99%; ВРа - 50%, ВРв - 80%, ВРс - 95%, ВРв 99% и др.). Преимущество метода заключается в его простоте, а недостаток - в том, что усредненные значения, используемые для выделения групп, далеко не всегда соответствуют конкретной ситуации. В соответствии с классической пропорцией 20% объектов должны обеспечивать 80% результата. В нашем примере этого не наблюдается. Следующий метод в этом отношении является более гибким.
Метод суммы предполагает выделение групп по сумме ДО и ВР: граница групп А и В будет находится в точке, где сумма ДОА и ВРА будет равна 100%; а граница групп В и С - где сумма ДОВ и ВРВ будет равна 145% (таблица 3). В нашем примере граница групп А и В имеет значение ВРА - 81,37%, ДОА - 18,62%; граница групп В и С имеет значение ВРВ - 96,37%, ДОВ - 48,65%. Преимущество данного метода перед эмпирическим в его гибкости, поэтому его результаты лучше отражают конкретную ситуацию.
Таблица 3. Метод суммы 
В основе дифференциального метода лежит среднее значение фактора по всем объектам. Те объекты, по которым значение фактора в 6 раз и более превышает среднее значение фактора по всем объектам, относятся к группе А. К группе С относятся те объекты, значение фактора по которым в 2 и более раза меньше среднего значения фактора по всем объектам. Остальные объекты относятся к группе В. Это наиболее распространенные коэффициенты, существуют и другие их варианты. На практике дифференциальный метод дает слишком маленькую группу А (ВРА - в пределах 40–50 %, ДОА - менее 5%) и большую группу С. В нашем примере среднее значение фактора равно 4998. В результате, граница групп А и В имеет значение ВРА - 46,97%, ДОА - 3,06%; граница групп В и С имеет значение ВРВ - 90,73%, ДОВ - 31,93% (таблица 4). Очевидно, что результаты очень сильно отличаются от результатов, полученных другими методами.
Таблица 4. Дифференциальный метод 
Недостаток данного метода в неопределенности выбора коэффициентов, зачастую приводящей к некорректным результатам. Бывают случаи, что из анализируемых объектов вообще невозможно выделить группу А. Преимуществом метода является простота, хотя, на фоне недостатков оно сводится к минимуму. В связи с этим применение дифференциального метода на практике ограничено.
Суть метода многоугольника заключается в следующем. В кривую АВС-анализа (строится на основе ДО и ВР - столбцов E и F таблицы 1) вписывается часть многоугольника таким образом, чтобы площадь между кривой и многоугольником была минимальной (рис. 1). Результаты, выдаваемые данным методом, схожи с результатами дифференциального метода: слишком маленькая группа А и большая группа С. В связи с этим, а также из-за своей сложности метод многоугольника в рамках данной статьи более подробно рассмотрен не будет.
Метод многоугольника 
Метод касательных (предложен Лукинским В.С.) заключается в разделении объектов анализа на группы при помощи касательных к кривой АВС-анализа (рис. 2). Соединим начало и конец графика прямой ОК, затем проведем касательную к кривой АВС-анализа, параллельную ОК. Точка касания М разделяет группы А и В. Теперь соединим точки М и К и проведем касательную к кривой АВС-анализа, параллельную МК. Точка касания N разделяет группы В и С. В нашем примере граница групп А и В имеет значение ВРА - 82,39%, ДОА - 19,66%; граница групп В и С имеет значение ВРВ 96,19%, ДОВ - 47,85%. При необходимости можно продолжить деление касательными и получить большее количество групп. Преимущество метода в его гибкости, простоте и наглядности.
Метод касательных 
Следует отметить, что метод касательных может быть применен и для выделения групп в XYZ-анализе.
Метод касательных в XYZ-анализе 
Метод петли (разработан Гаджинским А.М.) заключается в определении границ групп на участках резкого изменения кривизны кривой АВС-анализа. Необходимо восстановить нормаль Г (перпендикуляр к касательной) определенной длины в каждой точке кривой АВС (рис. 4). Нормаль должна быть обращена вправо от кривой АВС. Конец нормали будет очерчивать петлю: пока касательная скользит по участку с большими значениями радиуса кривизны (начальная часть графика, группа А), конец нормали будет подниматься вверх и вправо; в момент выхода касательной на срединный участок графика с малыми значениями радиуса кривизны направление движения конца нормали меняется на противоположное - вниз и влево; после выхода касательной на конечный спрямленный участок кривой АВС конец нормали вновь меняет направление движения на противоположное. Таким образом, конец нормали очерчивает петлю, а точки кривой АВС-анализа, соответствующие моменту изменения направления движения конца нормали, делят кривую на группы А, В и С.
Метод петли 
На первый взгляд, описание метода может показаться сложным, но он очень просто реализовывается в Excel (таблица 5).
Таблица 5. Реализация метода петли в Excel 
Точечная диаграмма петли строится по столбцам I и J (рис. 5). Некоторую сложность может составить определение длины нормали к касательной (столбец Н). Величина нормали задается в единицах шкалы ОХ (находится в пределах от 20 до 200) и определяется путем нескольких итераций. Если длина нормали слишком большая или маленькая, то петли на графике не будет. В процессе подбора длины нормали необходимо найти интервал, на котором не меняются границы между группами А, В и С. Изменяя значение в ячейке Н3 находим координаты точек перегиба в столбце I и J и выделяем ячейки с этими значениями цветом, как только координаты точек перегиба при изменении длины нормали будут оставаться на одном месте (в выделенных цветом ячейках) задача решена. Дальнейшее увеличение длины нормали, в конце концов, приведет к тому, что границы опять начнут меняться. Данные значения следует принять для выделения групп А, В и С. В нашем примере нужная длина нормали находится на интервале от 52 до 59. Граница групп А и В имеет значение ВРА - 75,03%, ДОА - 13,43%; граница групп В и С имеет значение ВРВ - 93,23%, ДОВ - 37,80%. Недостатком данного метода можно назвать его сложность и неоднозначность относительно более простых методов.
Петля АВС-анализа 
Таким образом, наибольший интерес для практического использования представляют метод касательной и метод суммы, каждый из которых имеет свои преимущества. После того, как на группы разбиты все объекты по всем выделенным факторам, результаты анализа интерпретируются и на основе этого предпринимаются действия, направленные на решение поставленной на первом этапе задачи.
Многие считают, что применительно к их ситуации АВС-анализ не работает и считают описанный выше метод несостоявшимся. Многие начинающие логисты и управленцы делают одну и ту же ошибку воспринимают АВС-анализ как стратегию, а не как инструмент, метод классификации объектов управления. А инструмент можно использовать только в нужное время, в нужном месте и с определенной целью. Человек берет в руки молоток для того, чтобы забить гвоздь или расколоть орех, а не просто потому, что это хорошая и нужная штука. Точно так же мы берем на вооружение АВС-анализ, когда надо разделить сотни или тысячи наименований объектов (запасов, клиентов, поставщиков, каналов сбыта и т.д.) на группы, которыми можно управлять по общим принципам. И прежде, чем приступать к классификации, должны ответить на ряд вопросов.
Что анализируем?
Прежде всего, очень важно определиться с объектами анализа. Простой пример. Фирма торгует одеждой. В ассортименте - костюмы, модные вещи и брендовые. Практически это три различных рынка. Какой более важен для компании? Возможно, главное - костюмы, а все остальное - «для количества»? Это вопрос стратегии. Но если анализировать прибыльность всех товаров вместе, то вполне может оказаться, что в группе А окажутся только бренды. Отсюда перекос в ассортименте и управлении запасами, ведь костюмам, согласно результатам такого анализа, будет уделяться гораздо меньше внимания. Чтобы этого не произошло, очевидно, всю массу продукции стоит разбить на виды и проводить АВС отдельно по каждому. И тогда появится три группы А - для каждого из рынков. Кроме того, костюмы могут быть дешевые, дорогие и средние - их тоже, вероятно, не стоит смешивать «в одной корзине», если компания планирует делать упор на один из сегментов. И тогда групп А, В и С уже становится по девять - в каждом из сегментов каждого из рынков.
Не менее важно верно выбрать и признаки, по которым объекты объединяются в группы. Чтобы не получалось так, как в одной компании (это тоже рассказывали слушатели семинаров): ежемесячно проводят анализ товаров по стоимости и в зависимости от результатов... переставляют их в складе. Может быть, там интенсивность приемки/отгрузки зависит от цен, а не от спроса? Или люди не понимают, какой анализ для чего делается?
Для одних и тех же товаров нередко приходится проводить АВС-анализ 4–5 раз - по разным признакам для разных целей. Например, для выбора ассортимента - по себестоимости, для управления товаром в складе - по продажам (в единицах складского учета либо единицах измерения), для определения приоритетов финансирования - по прибыли на единицу товара и т.д. И при этом один и тот же товар может быть в разных классах по результатам разных анализов.
Дерут ли с новенького шкурку?
Немаловажный вопрос - к какому классу управления запасами отнести новый товар, который только выводится на рынок? Если просто внести его в список и анализировать продажи на общем основании. Допустим, вы проводите такой анализ в начале каждого месяца, а новинка появилась двадцатого числа. Наверняка по количеству продаж она в этом месяце проиграет и окажется в группе С. Значит, в дальнейшем вы не станете уделять ей большого внимания, постоянно контролировать наличие на складе и торговой полке? Попросту говоря, лишите новый товар шансов проявить себя в будущем. Затем ли его на рынок пытались вывести?
Очевидно, новые позиции ассортимента в группе В или С оказываться не должны. А значит, не должны поначалу участвовать в «общем конкурсе». Для каждого бизнеса есть понятие срока вывода товара на рынок: какой-то становится достаточно известным за месяц, другой - за три, третий - за год. И на этот период по отношению к товару проводится «политика наибольшего благоприятствования». Его, как малое дитя, надо вывести к потребителю «за ручку». Практически это означает, что на срок, необходимый для того, чтобы вывести новый товар на рынок, для него объявляется мораторий - его автоматически причисляют к группе А и «глаз с него не сводят». И только по окончании установленного срока включают новинку в общие списки для анализа.
Это легко сделать даже в том случае, когда проведение АВС автоматизировано. В учетной программе определенный класс управления запасами присваивается товару как периодический реквизит, т.е. вводится дата. Она сравнивается с датой проведения анализа, и если «расстояние» оказывается меньше, чем срок выхода товара на рынок, сам товар и все его продажи из анализа исключаются. Тем самым вы товару даете право на жизнь, не пристреливаете его на взлете.
Когда анализируем?
Вполне очевидно, что любой анализ и деление товаров на группы возможны только на основе статистики. Начиная бизнес, не имея опыта продаж на данном рынке, можно ли определиться, в чем вы будете более успешны? Ведь один и тот же товар может быть в группе А у одной компании и в С у другой, если у нее иная направленность. У одной фирмы в ассортименте 80% техники и 20% запчастей, а у другой - строго наоборот, хотя когда-то они начинали работать одинаково. Это вопрос стратегии и специализации. И прежде, чем делать АВС, надо понимать, как ведет себя фирма с товарными запасами, клиентами, поставщиками, на каких сегментах акцентирует внимание. От этого зависят «правила игры» для каждого товара.
Но и в развитом бизнесе нельзя выставлять оценки товарам «когда в голову взбредет». Особенно если имеют место периодические колебания, всплески/падения продаж - допустим, сезонные. Например, некоторые фирмы проводят АВС-анализ регулярно, каждые полгода. И планируют продажи следующего полугодия по итогам предыдущего. И получается, что мороженое, которое зимой не продавалось, летом мы возить не будем!
Очевидно, более корректно было бы анализировать продажи за полный цикл - допустим, год, с 1 января по 31 декабря. Либо брать межсезонье и сезон по прошлым данным и эту пропорцию (но не абсолютное значение!) переносить на будущее, учитывая изменения внешней среды.
А если в год два пика (сезона), причем продолжительность первого и второго разные? Тогда анализ за год поможет выявить только общую тенденцию, а для более детального планирования необходимо проводить его для одного пика, для второго и в межсезонье. И четко понимать, совпадают ли тенденции одного всплеска и другого. Например, в строительном бизнесе есть значительный рост продаж весной и осенью. Но в первом случае продаются в основном кирпич и цемент, а во втором - отделочные материалы. Очевидно, будет ошибкой разрабатывать товарную политику на осенний период по результатам анализа весеннего.
И получается, что АВС следует делать не тогда, когда просто решили, что это надо, а брать аналогию из прошлых периодов, понимая, что история перенесется на будущее.
Не просто статистика
Как только период n заканчивается, вы подбиваете его результаты, берете аналогию прошлого периода (n-1) и определяете темп роста/понижения тренда: t" = tn/tn-1. И на это число (t") корректируете пропорцию второго сезона. Благодаря этому вы можете предположить, как товар будет вести себя в следующем сезоне, и соответственно корректировать свои действия.
Если, к примеру, товар в этом периоде был в категории В, но линия тренда уходит резко вверх (т.е. продажи быстро растут), возможно, стоит уделить ему больше внимания? Возможно, у вас появился новый продавец (магазин), который умеет этот продукт хорошо продавать. А если вы не будете пополнять запас вовремя, продажи не вырастут и товар никогда не уйдет в высшую категорию. И только из-за того, что правила игры разработаны по прошлому образцу, без учета реального положения вещей.
Миграция товаров между группами
Еще раз повторимся, что АВС-анализ является лишь методом классификации, который позволяет разбить активный ассортимент на группы, в отношении каждой из которых разрабатывается своя стратегия управления. Эти стратегии различаются, прежде всего, уровнем сервиса: для категории А он может быть 100%, для В - 95, а для С - например, 90%. Но важно помнить, что анализируется именно активный ассортимент, тот, которым непосредственно управляет логистика. Ведь в каждой фирме есть так называемые заказные позиции, которые не держат в складе постоянно, а привозят под конкретный заказ. Включать их в АВС-анализ не стоит, потому что одна случайная продажа (если это, допустим, большой контракт) способна изменить всю картину. Этот товар сразу рванет в группу А и сдвинет все остальное в мусор. Но будет ли такая же продажа в следующем периоде? Чтобы избежать таких перекосов, надо четко выделять заказные позиции в дополнительный сегмент, кроме групп А, В и С, и не учитывать их при анализе.
Еще один особый сегмент - «мертвых» запасов. Это либо устаревшие морально и уже не выпускающиеся производителем товары, либо те, которые мы просто не умеем успешно продавать. Они также выпадают из АВС, потому что по ним нет продаж. Хотя реально в складе они существуют. Что отправлять «на кладбище» - вопрос стратегии. Например, в какой-то момент мы решаем для себя, что последние n позиций категории С, продажи которых продолжают падать, «снимаем со счетов» - перестаем завозить и только дораспродаем остатки. Как «санитары леса», очищаем свой активный ассортимент от балласта.
В результате мы имеем пять групп товаров, между которыми происходит постоянная миграция. Вводится новый товар, который на «испытательный срок» автоматически включается в группу А. Но эта группа имеет определенные - финансовые либо объемные - рамки. А значит, в момент появления новинки какой-то другой продукт (или продукты) вытесняется в В и последовательно - в С и в заказные (если менеджер приходит к выводу, что ради одной-двух продаж в год не стоит держать на складе постоянный запас) либо в «мертвые».
Но возможна и обратная миграция - из заказных товар может перейти в активный ассортимент. Это тоже определяется таким словом, как стратегия: менеджмент определяет, при каких объемах и частоте заказов стоит создавать и поддерживать запас - к примеру, если товаром интересуется 20 клиентов в месяц на сумму 100 тыс. руб.
Таким образом у нас получается система активного управления (клиентами ли, запасами), круговорот товара в природе: рождение, варианты развития, шансы и «кладбище». И всегда есть возможность эту систему обновлять по принципам естественного отбора - кто больше вырос, выталкивает слабого со склада, а склад (активный) при этом не увеличивается. Новый товар выталкивает устаревший в мертвые либо в запасные, а количество активных позиций остается прежним.
Если же группы А, В и С жестко зафиксированы, приток «свежей крови» затруднен путающимся под ногами «мусором», и никакой анализ не поможет навести порядок на этой свалке.
Влияние случайности
Точно так же не может быть жесткой классификация по XYZ - слишком велики шансы недооценить поведение товара, «выдернув» его из временного ряда продаж.
Во-первых, хотелось бы вернуться к формуле для вычисления коэффициента вариации, предложенной автором статьи в № 6 для анализа стабильности показателей:
X - значение параметра по оцениваемому объекту за i-тый период, хср - среднее значение параметра по оцениваемому объекту анализа, n - число периодов.
Эту формулу предлагают многие учебники, не уточняя, однако, что она достаточно «правомочна» лишь при работе с генеральной совокупностью. Но XYZ-анализ обычно проводится на основе выборки. Мы выдернули товар из потока и привязали к среднему именно в этом временном периоде. А значит, в расчетах коэффициента вариации должна появляться минус одна степень свободы:
Отсутствие этого минуса (в знаменателе числителя) при работе с выборкой приводит к колебанию результата от 3% до 6%. А значит, товар может попасть не в ту категорию.
Не следует также забывать, что, согласно основным законам статистики, в выборке должно быть не меньше 30 значений: чем их больше, тем лучше прослеживается закономерность. В то же время, чем больше вы берете периодов, тем больше даете влияния закономерности, акцентируете внимание на линию тренда, а не на флуктуации вокруг среднего. Здесь тоже надо садиться и подбирать оптимальный вариант n - 30 дней, 160 либо год.
Давайте рассмотрим четыре варианта колебания объемов продаж в длительных периодах, допустим, за год (рис. 1, 2, 3 и 4). Согласитесь, очень разные выводы можно сделать, если анализировать данные всего графика, между первым и вторым пунктирами и между первым и третьим. И только рассматривая изменения в течение достаточно долгого времени, можно отследить тренд, т.е. стойкую тенденцию к росту или снижению объемов продаж (запасов, расходов и т.д.).
К сожалению, когда XYZ-анализ проводится механически, на данных небольшого временного промежутка, в категорию Z вполне может попасть товар, продажи которого постоянно растут. Ведь по графикам на рис. 1 и 4 коэффициент вариации покажет, что продажи нестабильны, подвержены постоянным флуктуациям (изменениям). Но эти изменения сами по себе имеют определенную закономерности. И чтобы это обнаружить, нужно вводить дополнительные критерии анализа. Например, коэффициент автокорреляции, который позволяет выяснить, являются ли наши данные во времени случайными, постоянными или имеют определенный тренд.
Yi - значение параметра за текущий период,
Yср - среднее значение параметра,
k - количество сдвигов.
Если k=1, мы сравниваем сегодняшние продажи с прошлым периодом, если к=2 - с позапрошлым и т.д.
Простой пример. Прежде, чем проводить АВС-анализ, следует проверить, является ли рост продаж данного товара постоянным или это разовый всплеск, контракт. Иногда руководители пытаются данные разовых продаж изначально учитывать отдельно, например, ставить «галочки» в соответствующих накладных. Этот способ трудно назвать надежным - слишком уж он зависим от человеческого фактора: кто-то наставит лишних «галочек», а кто-то вообще о них забудет. Поэтому лучше использовать математические методы. Они позволяют практически безошибочно отследить тренд.
Если, допустим, для k=1 коэффициент автокорреляции будет близок к единице (~ 0,7–0,8), для k=2 - близок к 0,5, k=3 - к 0,3 и для k=4 приблизится к нулю, тогда можно четко утверждать, что есть трендовая составляющая - либо убывание, либо возрастание, но подверженное закономерности. Для случайного всплеска, случайных продаж эта величина будет сразу же очень близка к нулю, даже может иметь отрицательное значение. И мы сразу видим, что данная продажа является случайной и ее нет смысла включать в АВС-анализ.
Точно так же мы можем определить и сезонность, когда наступает сезон. С помощью того же коэффициента автокорреляции. Про него почему-то все забывают.
Конечно, тех же результатов можно достичь, длительное время проводя раздельный учет розничных покупок и крупных заказов, создавая и анализируя соответствующую статистику. Просто посадить человека, который будет все учитывать и анализировать. Это требует много времени, по моему опыту - около 2 дней на каждую из товарных позиций. А если в ассортименте компании их 10–15 тысяч, комментарии, как говорится, излишни. При использовании же вероятностных моделей соответствующий расчет занимает 5–8 минут.
Прежде, чем «отправлять в тираж»
Но и после того, как мы определили, является ли рост/падение продаж случайным или постоянным, работу нельзя считать законченной. Предстоит еще выяснить, почему не продавался товар - на него нет спроса или его просто не было на складе? Если мы имеем график продаж, похожий на рис. 4, то его, очевидно, стоит сравнить с графиком наличия запасов на складе. Если в период отсутствия продаж товар был в наличии - значит, действительно не было спроса, и эти данные можно учитывать в анализе.
Если же товара не было, задача усложняется. Хорошо, если менеджеры ведут статистику дефицита и могут сообщить, сколько раз отсутствующий товар спрашивали - тогда можно пустоту в продажах заполнить спросом (хотя и с известной долей скептицизма, если спрос является отсроченным). Но чаще всего такого учета нет, и аналитикам приходится заняться прогнозированием. Просто посчитать с этой «ямой» нельзя: то, что вы провалили запасы, является не закономерностью расхода, а следствием вашего влияния на эту закономерность.
Глубину и силу этого влияния также можно вычислить математическими методами. В частности, используя коэффициент корреляции, который применяется для измерения тесноты взаимодействия между различными признаками (в нашем случае - наличием запасов и продажами).
Х; у; - значения изучаемой пары признаков n объектов (i = 1, 2, ..., n);
хср, уср. - среднее арифметическое каждого ряда значений х и у.
Значение Rxy находится в промежутке от -1 до 1. Чем оно больше, тем сильнее взаимосвязь двух признаков. Если Rxy=0, связь отсутствует, если отрицательное - показатели находятся в обратной зависимости.
В результате всех этих расчетов может оказаться, что товар мало продавался не по вине покупателей, которые не брали, а по вине продавца, который не обеспечил наличие товара в продаже. А значит, прежде чем отказываться от него (загонять на вторые или третьи позиции) стоит разобраться, как бы этот товар продавался, если бы был в наличии - т.е. построить соответствующую модель с учетом трендовой составляющей. Ведь АВС-анализ проводится для того, чтобы управлять товаром в будущем. Логистика - это не просто фиксация и анализ текущих событий, но еще и прогнозирование, предсказание.
Стабильна ли стабильность?
Определенные условия надо соблюдать и при проведении XYZ-анализа. В частности, здесь огромное значение имеет уровень детализации: просчитывать продажи в разрезе дня, недели или месяца. Редкий товар попадает в категорию Х при всех трех уровнях. Например, хлеб продаетсяпокупается каждый день. Если анализировать стабильность его продаж по неделям, он может войти в категорию Х, а если по дням, то, скорее всего, в Y, потому что есть еженедельные всплески, когда с пятницы все затовариваются на выходные, в субботу покупают мало, а в воскресенье вечером опять покупают с запасом на следующий день. В разрезе месяцев это опять может быть категория Х.
Выбирается уровень детализации исходя из того, для чего проводится анализ. Если для управления запасами, то понятно, что временная детализация должна быть сопоставима с циклом выполнения заказа. Допустим, срок поставки по контракту месяц - стоит ли в таком случае делать XYZ-анализ по дням? - Нет. Но и месячная детализация может оказаться некорректной.
Скорее всего, здесь надо анализировать стабильность продаж понедельно. Если же выполнение заказа занимает два дня, XYZ надо делать в разрезе дней, если 3–4 месяца - переходим на месячный уровень детализации.
Но это - для оперативного управления. А если, допустим, нужны данные для - так ли здесь интересны ежедневные колебания? Т.е. XYZ-анализов тоже может быть несколько для разных целей.
Объектом может быть товар, товарная группа, поставщик, клиент, заказ и т. д. В качестве параметра можно выбрать: средний или текущий товарный запас в рублях, штуках, коробках или паллетах; объем продаж за период, доходность товара, количество заказов клиентов и т. п.
Для примера рассмотрим отчет о среднем товарном запасе за месяц в паллетах. Объектом анализа являются товары; параметром, по которому проводится анализ, - средний товарный запас за месяц в паллетах (см. таблицу 1).
Как выполнять АВС - анализ?
Для проведения анализа очень удобно использовать MS Excel или любой другой аналогичный редактор. Порядок действий следующий.
1. Отсортировать объекты анализа в порядке убывания значения параметра.
2. Рассчитать долю параметра от общей суммы параметров выбранных объектов (это делается для того, чтобы оценить «вклад» каждого объекта в общий результат).
3. Рассчитать эту долю с накопительным итогом (эта операция носит технический характер и служит для удобства дальнейшего определения границ для групп ABC).
4. Присвоить значения групп выбранным объектам.
Наибольшее число вопросов вызывает определение границ при проведении АВС-анализа. Автор в своей практике изначально использовал деление на три группы по показателю «доля с накопительным итогом»: А - до 50%, В - 50-80% и С - 80-100%. Данное распределение полностью отвечает задачам склада оптовой компании или розничной сети.
Товар - взаимозаменяемый, и соответственно в группу С попадает весь «ассортиментный хвост». Но в случае анализа запаса на складе производственной компании или сети магазинов - дискаунтеров, в которых взаимозаменяемость товаров может отсутствовать, появилась необходимость разделить группу С, куда попадает 80% всего ассортимента, на две менее крупные группы.
Группа А - объекты, сумма долей с накопительным итогом которых составляет первые 50% от общей суммы параметров;
группа В - следующие за группой А объекты - от 50 до 80%;
группа С - от 80 до 95%;
группа D - оставшиеся объекты, сумма долей с накопительным итогом которых составляет от 95% до 100% от общей суммы параметров.
В результате проведенного анализа мы получили четыре группы объектов (таблица 2):
Группа А - составляет 20% ассортимента и 49% товарного запаса;
группа В - 30% ассортимента и 30% товарного запаса;
группа С - 20% ассортимента и 13% товарного запаса;
группа D - 30% ассортимента и 8% товарного запаса.
Допустим, перед компанией стоит задача снизить средний товарный запас. В этом случае необходимо разобраться, по какой причине товары группы А находятся на складе в таком большом количестве. Даже незначительное снижение запаса только по двум товарам из этой группы заметно скажется на общем объеме товарного запаса.
Основной запас
* Рабочий товарный запас, необходимый для обеспечения отгрузки в соответствии с планом продаж на текущий период.
* Страховой товарный запас, который позволяет компенсировать незапланированный рост отгрузки и непредвиденные задержки в доставке, связанные с перебоями в производстве или наличии товара у поставщика.
Временный запас
* Сезонный товарный запас. Избыточный запас, создаваемый до начала сезонного роста продаж.
* Маркетинговый товарный запас. Дополнительный запас, формируемый на время проведения маркетинговых акций, рекламных кампаний и т. д
* товарный запас. Избыточный запас, создаваемый под воздействием конкурентной ситуации на рынке.
Причинами создания конъюнктурного запаса могут: разовые скидки поставщиков, прогнозируемый или искусственно создаваемый дефицит товара у поставщиков и т. п.
Вынужденный запас
* Брак. Товар, который потерял потребительские свойства и не может быть в дальнейшем использован по назначению.
* Неликвидный или труднореализуемый запас. Часто этот товар появляется в результате «творческого взаимодействия» отдела продаж и отдела закупок: запланировали отгружать одно количество, а фактический спрос оказался в 10 раз меньше; заменили одного поставщика на другого, а реализовать остатки «забыли» и т. д.
Результаты АВС-анализа следует использовать разносторонне. Много дополнительной информации можно получить, если сопоставить результаты анализа по одному параметру с другими параметрами одного и того же объекта, например отгрузку товара за некий период и сумму брака по товару за этот же период (таблица 3).
Два товара группы А, на которые приходятся 14% отгрузки, составляют 49% товарного запаса. При этом на два товара группы С приходятся те же 14% отгрузки, но они составляют только 13% запаса. Значит, если по товарам группы С удается обеспечить отгрузку со средним товарным запасом в 19 паллет, то не исключено, что и в отношении товаров группы А существует такая же возможность.
Сгруппировав товар по одному параметру, сопоставьте полученный результат с другими параметрами. Группа D может приносить 5% дохода, составлять 50% товарного запаса и занимать 70% площади склада.
ABC-анализ товаров по доходу покажет, на чем зарабатываются деньги, аналогичный анализ по затратам позволит понять, на что они тратятся.
Если в оптовой компании или розничном магазине провести ABC-анализ товаров по объему продаж, а потом оценить, из каких товаров состоят ассортиментные группы, то можно определить, какие из этих групп требуют расширения, а какие - сокращения.
Можно проанализировать товары по количеству отгруженных единиц (или количеству заказов по ним) и в результате получить 20% товаров, покупаемых 80% клиентов, определив привлекательность товара для клиента. Этот же результат можно использовать при планировании размещения товара в «горячих» и «холодных» зонах на складе или в торговом зале магазина.
Применительно к формированию торгового ассортимента это значит, что 20% товаров приносят 80% дохода, и наоборот оставшиеся четыре пятых товаров приносят дохода всего 20%. Результатом АВС анализа является возможность определения наиболее доходных 20% товаров.
Применяя это правило к сырью, комплектующим, промышленного предприятия или к товарам торговой компании, можно сделать очень простой шаг по внедрению логистики.
Определите перечень товаров (готовой продукции), которые в совокупности дают Вам 80% дохода или прибыли. В этом списке почти наверняка окажется около 20% наименований (групп) товаров. Назовите этот список А. Далее определите перечень товаров, приносящих Вам ещё 15% дохода. Обычно здесь оказывается около 30% наименований. Назовём данный список В. Оставшиеся товары отнесём в группу С.
Аналогично можно поступить с сырьём, комплектующими. Только последние, конечно же, классифицируют не по доходу, а по стоимости закупки и хранения.
Зачем всё это надо? Для того, чтобы по-разному управлять разными запасами. Например, дорогие запасы группы А закупать более мелкими партиями, чтобы не омертвлять капитал, а также чаще и точнее проводить их инвентаризацию. Наоборот, запасы группы С закупать большими партиями, а инвентаризацию проводить «на глаз».
Многие компании делают подобный анализ, даже не зная, что они проводят именно АВС-анализ.
После проведения подобных расчётов, самое важное, не принимать резких решений, не бросаться в крайности.
Владелец магазина, определив среди своего товара группу С, приносившую мизерный доход, перестал её закупать. Доходы резко упали, гораздо больше, чем на предполагаемые по закону Парето 5%. Когда обсуждалась данная ситуация, то пришли к следующим выводам: во-первых, АВС-пропорция сместилась на оставшиеся товары; во-вторых, покупателю важна возможность выбора, важно, чтобы глаза разбегались, приобретает-то он всегда одно и то же, но в магазины с бедным ассортиментом заходит менее охотно. Пришлось вернуть в магазин группу С.
Часто компаниям бывает недостаточно ранжирования только по одному показателю (доход, прибыль, оборачиваемость и т д.). Ничего сложного. Надо только двигаться постепенно – один показатель, потом два, потом три и т.д., а не сразу десяток – есть опасность захлебнуться. Допустим, Вы сделали АВС-анализ продукции по показателю «доход». Естественно, возникает желание оценить ещё и прибыль каждого вида продукции. Делается ещё один АВС-анализ по показателю «прибыль», получается следующая матрица:
Возникает не три группы: А, В и С, а девять. В таблице указаны проценты, соответствующие количеству наименований продукции. Если компания в состоянии справиться с таким объёмом информации, то можно подключать следующий показатель, например, оборачиваемость, и т.д. Делать подобный анализ несложно и в Excel но можно применять и, так называемые, OLAP (Online Analytical Processing)-системы – программные продукты, специально предназначенные для подобного рода многомерного анализа.
В группу А входят наименования продукта, которые вносят наибольший вклад в объем продаж (более 50%), в группу В – наименований продуктов со средним вкладом в общий сбыт (30%), а в группу С – с небольшим вкладом в общий сбыт (20% и менее).
Выводы, которые можно сделать с помощью АВС-анализа:
С точки зрения затрат может быть желательно, чтобы сбыт был сконцентрирован на малом числе продуктов. Однако это может снизить устойчивость фирмы на рынке и не учитывает возможного потенциала роста, заложенного в не прибыльных на настоящий момент продуктах.
Продукты, попавшие в группу С, являются проблемными для фирмы, по которым необходимо решать вопрос об исключении их из товарного ассортимента, если они не являются дополнением к другим продуктам.
При изъятии продуктов из производственной программы необходимо учитывать вклад этих продуктов в покрытие постоянных и переменных затрат.
1. Цель анализа - оптимизация ассортимента.
2. Объект анализа - товары.
3. Параметр, по которому будем производить разбиение на группы - .
4. Список товаров отсортировали в порядке убывания выручки.
5. Подсчитали общую сумму выручки по всем товарам.
6. Вычислили долю выручки по каждому товару в общей сумме выручки.
7. Вычислили для каждого товара долю нарастающим итогом.
8. Нашли товар, для которого доля нарастающим итогом ближе всего к 80%. Это нижняя граница группы A. Верхняя граница группы A – первая позиция в списке.
9. Нашли товар, для которого доля нарастающим итогом ближе всего к 95% (80%+15%) . Это нижняя граница группы B.
10. Все, что ниже - группа C.
11. Подсчитали количество наименований товаров в каждой группе. A - 7, B - 10, C - 13.
12. Общее количество товаров в нашем примере 30.
13. Подсчитали долю количества наименований товаров в каждой группе. A - 23.3%, B - 33.3%, C - 43.3%.
Группа A - 80% выручки, 20% наименований
Группа B - 15% выручки, 30% наименований
Группа C - 5% выручки, 50% наименований
Для списка товаров из нашего примера:
Группа A - 79% выручки, 23.3% наименований
Группа B - 16% выручки, 33.3% наименований
Группа C - 5% выручки, 43.3% наименований
Надо отметить, что, зная выручку по каждому товару, можно получить еще кучу полезной информации, а не только разбиение на 3 группы. Как это можно сделать смотрите в таблице указанной ниже.
Метод данного анализа заключается в расчете каждой товарной позиции коэффициента вариации или колебания расхода. Этот коэффициент показывает отклонение расхода от среднего значения и выражается в процентах.
В качестве параметра могут быть: объем продаж (количество), сумма продаж, сумма реализованной торговой наценки. Результатом XYZ –анализа является группировка товаров по трем категориям, исходя из стабильности их поведения:
Категория Х, в которую попадают товары с колебанием продаж от 5% до 15%. Это товары, характеризующиеся стабильной величиной потребления и высокой степенью прогнозирования.
Категория Y, в которую попадают товары с колебанием продаж от 15% до 50%. Это товары, характеризующиеся сезонными колебаниями и средними возможностями их прогнозирования.
Категория Z, в которую попадают товары с колебанием продаж от 50% и выше. Это товары с нерегулярным потреблением и непредсказуемыми колебаниями, поэтому, спрогнозировать их спрос невозможно.
Совмещенный АВС/XYZ анализ
Сочетание АВС и XYZ анализов выявляет безусловных лидеров (группа АХ) и аутсайдеров (СZ). Оба метода хорошо дополняют друг друга. Если АВС-анализ позволяет оценить вклад каждого продукта в структуру сбыта, то XYZ–анализ позволяет оценить скачки сбыта и его нестабильность. Рекомендуется делать совмещенный анализ, где в АВС-анализе используются два параметра - объем продаж и прибыль.
Всего при проведении такого многомерного совмещенного анализа получается 27 групп товаров. Результаты такого анализа можно использовать для оптимизации ассортимента, оценки рентабельности товарных групп, оценки логистики, оценки клиентов оптовой компании.
Преимущества совмещенного АВС и XYZ – анализов
Использование совмещенного АВС и XYZ-анализов имеет ряд значительных преимуществ, к которым можно отнести следующие:
Повышение эффективности системы управления товарными ресурсами;
- повышение доли высокоприбыльных товаров без нарушения принципов ассортиментной политики;
- выявление ключевых товаров и причин, влияющих на количество товаров, хранящихся на складе;
- перераспределение усилий персонала в зависимости от квалификации и имеющегося опыта.
Формирование показателей ABC- И XYZ-анализов
Перед тем как совместить показатели ABC- И XYZ-анализов, необходимо провести ABC-анализ товаров по сумме полученного дохода или по количеству реализованной продукции за определенный учетный период, например, за год. Затем осуществляется XYZ-анализ этих товаров за этот же период, например, по количеству ежемесячной реализации за год. После этого результаты совмещаются. При совмещении определяется девять групп товаров:
Выделение девяти групп товаров при совмещенном АВС и XYZ-анализе
1) Товары групп А и В обеспечивают основной товарооборот компании, поэтому необходимо обеспечивать постоянное их наличие. Как правило, по товарам группы А создается избыточный страховой запас, а по товарам группы В - достаточный. Использование XYZ-анализа позволяет точнее настроить систему управления товарными ресурсами и за счет этого снизить суммарный товарный запас.
2) Товары группы АХ и ВХ отличает высокий товарооборот и стабильность. Необходимо обеспечить постоянное наличие товара, но для этого не нужно создавать избыточный страховой запас. Расход товаров этой группы стабилен и хорошо прогнозируется.
3) Товары группы AY и BY при высоком товарообороте имеют недостаточную стабильность расхода, и, как следствие, для того чтобы обеспечить постоянное наличие, нужно увеличить страховой запас.
4) Товары группы AZ и BZ при высоком товарообороте отличаются низкой прогнозируемостью расхода. Попытка обеспечить гарантированное наличие по всем товарам данной группы только за счет избыточного страхового товарного запаса приведет к тому, что средний товарный запас компании значительно увеличится.
Поэтому по товарам данной группы следует пересмотреть систему заказов:
Перевести часть товаров на систему заказов с постоянной суммой (объемом) заказа;
- обеспечить по части товаров более частые поставки;
- выбрать поставщиков, расположенных близко к складу, тем самым снизив сумму страхового товарного запаса;
- повысить периодичность контроля;
- поручить работу с данной группой товаров самому опытному менеджеру компании и т. п.
5) Товары группы С составляют до 80% ассортимента компании. Применение XYZ-анализа позволяет сильно сократить время, которое менеджер тратит на управление и контроль над товарами данной группы
6) По товарам группы СХ можно использовать систему заказов с постоянной периодичностью и снизить страховой товарный запас.
7) По товарам группы CY можно перейти на систему с постоянной суммой (объемом) заказа, но при этом формировать страховой запас, исходя из имеющихся у компании финансовых возможностей.
8) В группу товаров CZ попадают все новые товары, товары спонтанного спроса, поставляемые под заказ и т. п. Часть этих товаров можно безболезненно выводить из ассортимента, а другую часть нужно регулярно контролировать, так как именно из товаров этой группы возникают неликвидные или труднореализуемые товарные запасы, от которых компания несет потери. Выводить из ассортимента необходимо остатки товаров, взятых под заказ или уже не выпускающихся, то есть товаров, обычно относящихся к категории стоков.
Назад | |
Методика проведения АВС анализа
Идея метода АВС анализа строится на основании принципа Парето: «за большинство возможных результатов отвечает относительно небольшое число причин», в настоящий момент более известного как «правило - 20 на 80».
Данный метод анализа получил большое развитие, благодаря своей универсальности и эффективности. Результатом АВС анализа является группировка объектов по степени влияния на общий результат.
Пример таблицы MSExcel (упакован в формат Zip 19Kb) по проведению анализа АВС. Исходными данными являются результаты деятельности региональной розничной сети за 1 квартал 2002 года.
Первый шаг: Определить объекты анализа
Второй шаг:
Средний товарный запас, руб.; Объем продаж, руб.; Доход, руб.; Количество единиц продаж, шт.; Количество заказов, шт. и т.п.
Третий шаг: Сортировка объектов анализа в порядке убывания значения параметра.
Четвертый шаг: Определение групп А, В и С.
Для определения принадлежности выбранного объекта к группе необходимо:
3. Присвоить значения групп выбранным объектам.
Группа А – объекты, сумма долей с накопительным итогом которых, составляет первые 50 % от общей суммы параметров.
Группа В – следующие за группой А объекты, сумма долей с накопительным итогом которых, составляет от 50 % до 80 % от общей суммы параметров.
Группа С – оставшиеся объекты, сумма долей с накопительным итогом которых, составляет от 80 % до 100 % от общей суммы параметров.
Настоятельно рекомендую творчески подойти определению объектов и параметров анализа. Не бойтесь экспериментировать. Сгруппировав товар по одному параметру, сопоставьте полученный результат с другими параметрами. Группа С может приносить Вам 20% дохода, составлять 50% товарного запаса и занимать 80% площади склада.
Пример:
АВС анализ товаров по объему продаж показывает, какие товары обеспечивают 80% оборота Компании. Проанализируйте те же товары, но по количеству единиц (или количеству заказов по ним) и в результате Вы получите 20% товаров покупаемые 80% клиентов, а это уже привлекательность товара для клиента и товарооборот Компании. Этот же результат можно использовать при планировании размещения товара на складе или в торговом зале магазина. Анализ товаров по доходу покажет, на чем Вы зарабатываете деньги, аналогичный анализ по затратам позволит понять куда Вы их тратите.
Если Вы занимаетесь продажей кафельной плитки или одежды, и Вам сложно собрать данные по номенклатурным позициям, сделайте анализ по коллекция, а затем внутри коллекции..
Важно: Помните, непродуманное сокращение товаров группы С (20% дохода компании) приведет к тому, что через некоторое время оставшиеся товары распределятся по тому же закону, но общий результат вашей деятельности для компании может снизиться на 50%.
Методика проведения XYZ анализа
Основная идея XYZ анализа состоит в группировании объектов анализа по мере однородности анализируемых параметров (по коэффициенту вариации).
Формула для расчета коэффициента вариации:
, гдех i - i- тый период,
х
n - число периодов.
Значение квадратного корня есть не что иное, как стандартное отклонение вариационного ряда. Чем больше значение стандартного отклонения, тем дальше от среднеарифметического значения находятся анализируемые значения. Стандартное отклонение - это абсолютная мера рассеивания вариантов ряда. Если стандартное отклонение равно 20, то при среднеарифметических значениях 100 и 100 000 это будет иметь совершенно разный смысл. Поэтому, при сравнении вариационных рядов между собой используют коэффициент вариации. Коэффициенты вариации 20% и 0,2% позволяют понять, что во втором случае значения анализируемых параметров значительно меньше отличаются от среднеарифметического значения.
Пример таблицы MSExcel (упакован в формат Zip 26Kb) по проведению анализа XYZ. Исходными данными являются результаты деятельности региональной розничной сети за 1 квартал 2002 года.
Первый шаг: Определить объекты анализа
Клиент, Поставщик, Товарная группа/подгруппа, Номенклатурная единица, и т.п.
Второй шаг: Определить параметр, по которому будет проводиться анализ объекта
Средний товарный запас, руб.; Объем продаж, руб.; Доход, руб.; Количество единиц продаж, шт.; Количество заказов, шт., и т.п.
Третий шаг: Определить период и количество периодов, по которым будет проводиться анализ.
Неделя, Декада, Месяц, Квартал/Сезон, Полугодие, Год
Данный метод анализа имеет смысл, если количество анализируемых периодов больше трех, чем больше количество периодов, тем более показательными будут результаты. При этом сам период должен быть не меньше чем горизонт планирования принятый в Вашей компании.
Например: Анализ продаж молока и хлеба в розничном магазине можно проводить по сумме продаж за неделю. Поставки осуществляются каждый день, продажи тоже. Но если сопоставить между собой продажи молока и водки Абсолют (которую заказывают раз в месяц и продают 1 бутылку в 2 недели), то результат будет менее показательный. При таком периоде 99% ассортимента магазина попадут в категорию « Z », 1% в категорию « Y », и какой можно сделать вывод? Вы работе в экстремальных условиях на непрогнозируемом рынке? В данном случае оптимально будет провести анализ по ежемесячным продажам.
Более интересная ситуация возникает при анализе продаж и товарных запасов в компаниях, торгующих бытовой техникой, строительными материалами, запасными частями для автомобилей и т.п. Финансовый план в компании часто составляется на месяц, а реально необходимый горизонт планирования должен быть на полгода. Анализ данных с периодом меньше чем квартал просто не имеет смысла. Все товары попадают в категорию « Z ».
Четвертый шаг: Определить коэффициент вариации для каждого объекта анализа.
Формула коэффициента вариации:
где,х i - значение параметра по оцениваемому объекту заi- тый период,
х - среднее значение параметра по оцениваемому объекту анализа,
n - число периодов.
1. Не пытайтесь написать всю формулу в одной ячейке, разбейте формулу на несколько ячеек.
2. Возведение в квадрат - ^2, извлечение корня - ^0,5
Пример формулы подкоренного выражения =((C3-G3)^2+(D3-G3)^2+(E3-G3)^2)/3,
Затем извлечение корня и деление на среднее значение - =H3^0,5/G3
3. Обратите особое внимание на объекты анализа, у которых есть периоды с нолевыми значениями. Либо исключите их из анализа, либо измените формулу расчета коэффициента вариации.
В MS Excel есть пара стандартных формул значительно облегчающих жизнь: =КВАДРОТКЛ(ряд до 30 значений)– это числитель подкоренного выражения
Вся формула примет вид: =(КВАДРОТКЛ(C3:E3)/СРЗНАЧ(C3:E3))^0,5/ СРЗНАЧ(C3:E3)
и = ДИСПР(ряд до 30 значений)– это все подкоренное выражение.
Теперь формула станет совсем компактной:
= ДИСПР(C3:E3)^0,5/СРЗНАЧ(C3:E3)
Самый простой вариант:
СТАНДОТКЛОНПА(C3:E3 ) /СРЗНАЧ(C3:E3)
Обратите особое внимание на наличие нолей в ячейках. Если в ячейке забит ноль, то эта ячейка учитывается как значимая. Если ячейка пустая, то она не учитывается в расчете. В случае если ноль – это объективное значение данного параметра, его нужно оставить. Если товар появился в анализируемый период, то ячейку можно сделать пустой и тогда в расчет попадут только нужные периоды. Другими словами, у Вас появляется возможность не переписывая всю формулу, изменять значение - n (количество периодов)
Очень удобно , для справки, добавить ячейку с формулой - =СЧЁТ(D3:F3), и получить справочную информацию по скольким периодам рассчитано значение данного коэффициента вариации.
Надеюсь, это облегчит Вам проведение XYZ – анализа.
Пятый шаг: Отсортировать объекты анализа по возрастанию значения коэффициента вариации.
Шестой шаг: Определение групп X, Y и Z.
Группа X – объекты, коэффициент вариации значение по которым не превышает 10%.
Группа Y – объекты, коэффициент вариации по которым составляет 10% - 25%.
Группа Z – объекты, коэффициент вариации по которым превышает 25%.
Совмещение результатов АВС и XYZ анализа
Первый шаг: Провести АВС анализ
Перед началом АВС анализа, создайте индексное поле, т.е. ячейку, содержащую нумерацию, которая не изменяется при сортировках. По окончании анализа «внедрите» значения. Скопируйте ячейки содержащие формулы и воспользуйтесь: меню «Правка», «Специальная вставка…», «Вставить, Значения».
Второй шаг: Провести XYZ анализ
Перед началом XYZ анализа, создайте индексное поле такое же, как в АВС анализе (или делайте оба анализа в одном файле), т.е. ячейку, содержащую нумерацию, которая не изменяется при сортировках. По окончании анализа можете «внедрить» значения, но это не обязательно.
Третий шаг: Совместить полученные результаты
