Xyz анализ

ABC и XYZ анализ в Excel с примером расчета товарного ассортимента

Для анализа ассортимента товаров, «перспективности» клиентов, поставщиков, дебиторов применяются методы ABC и XYZ (очень редко).

В основе ABC-анализа – известный принцип Парето, который гласит: 20% усилий дает 80% результата. Преобразованный и детализированный, данный закон нашел применение в разработке рассматриваемых нами методов.

Метод ABC позволяет рассортировать список значений на три группы, которые оказывают разное влияние на конечный результат.

Благодаря анализу ABC пользователь сможет:

• выделить позиции, имеющие наибольший «вес» в суммарном результате;
• анализировать группы позиций вместо огромного списка;
• работать по одному алгоритму с позициями одной группы.

Значения в перечне после применения метода ABC распределяются в три группы:

1. А – наиболее важные для итога (20% дает 80% результата (выручки, к примеру)).
2. В – средние по важности (30% – 15%).
3. С – наименее важные (50% – 5%).

Указанные значения не являются обязательными. Методы определения границ АВС-групп будут отличаться при анализе различных показателей. Но если выявляются значительные отклонения, стоит задуматься: что не так.

Условия для применения ABC-анализа:

• анализируемые объекты имеют числовую характеристику;
• список для анализа состоит из однородных позиций (нельзя сопоставлять стиральные машины и лампочки, эти товары занимают очень разные ценовые диапазоны);
• выбраны максимально объективные значения (ранжировать параметры по месячной выручке правильнее, чем по дневной).

Для каких значений можно применять методику АВС-анализа:

• товарный ассортимент (анализируем прибыль),
• клиентская база (анализируем объем заказов),
• база поставщиков (анализируем объем поставок),
• дебиторов (анализируем сумму задолженности).

Метод ранжирования очень простой. Но оперировать большими объемами данных без специальных программ проблематично. Табличный процессор Excel значительно упрощает АВС-анализ.

Общая схема проведения:

1. Обозначить цель анализа. Определить объект (что анализируем) и параметр (по какому принципу будем сортировать по группам).
2. Выполнить сортировку параметров по убыванию.
3. Суммировать числовые данные (параметры – выручку, сумму задолженности, объем заказов и т.д.).
4. Найти долю каждого параметра в общей сумме.
5. Посчитать долю нарастающим итогом для каждого значения списка.
6. Найти значение в перечне, в котором доля нарастающим итогом близко к 80%. Это нижняя граница группы А. Верхняя – первая в списке.
7. Найти значение в перечне, в котором доля нарастающим итогом близко к 95% (+15%). Это нижняя граница группы В.
8. Для С – все, что ниже.
9. Посчитать число значений для каждой категории и общее количество позиций в перечне.
10. Найти доли каждой категории в общем количестве.

Составим учебную таблицу с 2 столбцами и 15 строками. Внесем наименования условных товаров и данные о продажах за год (в денежном выражении). Необходимо ранжировать ассортимент по доходу (какие товары дают больше прибыли).

1. Отсортируем данные в таблице. Выделяем весь диапазон (кроме шапки) и нажимаем «Сортировка» на вкладке «Данные». В открывшемся диалоговом окне в поле «Сортировать по» выбираем «Доход». В поле «Порядок» – «По убыванию».
2. Добавляем в таблицу итоговую строку. Нам нужно найти общую сумму значений в столбце «Доход».
3. Рассчитаем долю каждого элемента в общей сумме. Создаем третий столбец «Доля» и назначаем для его ячеек процентный формат. Вводим в первую ячейку формулу: =B2/$B$17 (ссылку на «сумму» обязательно делаем абсолютной). «Протягиваем» до последней ячейки столбца.
4. Посчитаем долю нарастающим итогом. Добавим в таблицу 4 столбец «Накопленная доля». Для первой позиции она будет равна индивидуальной доле. Для второй позиции – индивидуальная доля + доля нарастающим итогом для предыдущей позиции. Вводим во вторую ячейку формулу: =C3+D2. «Протягиваем» до конца столбца. Для последних позиций должно быть 100%.
5. Присваиваем позициям ту или иную группу. До 80% – в группу А. До 95% – В. Остальное – С.
6. Чтобы было удобно пользоваться результатами анализа, проставляем напротив каждой позиции соответствующие буквы.

Вот мы и закончили АВС-анализ с помощью средств Excel. Дальнейшие действия пользователя – применение полученных данных на практике.

XYZ-анализ: пример расчета в Excel

Данный метод нередко применяют в дополнение к АВС-анализу. В литературе даже встречается объединенный термин АВС-XYZ-анализ.

За аббревиатурой XYZ скрывается уровень прогнозируемости анализируемого объекта. Этот показатель принято измерять коэффициентом вариации, который характеризует меру разброса данных вокруг средней величины.

Коэффициент вариации – относительный показатель, не имеющий конкретных единиц измерения. Достаточно информативный. Даже сам по себе. НО! Тенденция, сезонность в динамике значительно увеличивают коэффициент вариации. В результате понижается показатель прогнозируемости. Ошибка может повлечь неправильные решения. Это огромный минус XYZ-метода. Тем не менее…

Возможные объекты для анализа: объем продаж, число поставщиков, выручка и т.п. Чаще всего метод применяется для определения товаров, на которые есть устойчивый спрос.

Алгоритм XYZ-анализа:

1. Расчет коэффициента вариации уровня спроса для каждой товарной категории. Аналитик оценивает процентное отклонение объема продаж от среднего значения.
2. Сортировка товарного ассортимента по коэффициенту вариации.
3. Классификация позиций по трем группам – X, Y или Z.

Критерии для классификации и характеристика групп:

1. «Х» – 0-10% (коэффициент вариации) – товары с самым устойчивым спросом.
2. «Y» – 10-25% – товары с изменчивым объемом продаж.
3. «Z» – от 25% – товары, имеющие случайный спрос.

Составим учебную таблицу для проведения XYZ-анализа.

1. Рассчитаем коэффициент вариации по каждой товарной группе. Формула расчета изменчивости объема продаж: =СТАНДОТКЛОНП(B3:H3)/СРЗНАЧ(B3:H3).
2. Классифицируем значения – определим товары в группы «X», «Y» или «Z». Воспользуемся встроенной функцией «ЕСЛИ»: =ЕСЛИ(I3

В группу «Х» попали товары, которые имеют самый устойчивый спрос. Среднемесячный объем продаж отклоняется всего на 7% (товар1) и 9% (товар8). Если есть запасы этих позиций на складе, компании следует выложить продукцию на прилавок.

Скачать примеры ABC и XYZ анализов

Запасы товаров из группы «Z» можно сократить. Или вообще перейти по этим наименованиям на предварительный заказ.

Источник: https://exceltable.com/otchety/abc-i-xyz-analiz-v-excel

XYZ –анализ

XYZ –анализ.

В предыдущей статье (АВС-анализ. Как и зачем его применять в аптеке) обсуждалась тема сегментации товаров по степени важности,  степени вклада в общий результат. Продолжая тему сегментации товаров в этой публикации рассмотрим XYZ-анализ. Для каких целей и задач используется этот анализ, какие решения на его основе будут приниматься – об этом и пойдет речь далее.

Итак, XYZ-анализ позволяет разделить товары на группы в связи со стабильностью их поведения. В результате группу X образуют товары самые стабильные, с предсказуемыми продажами, а соответственно относительно легко планируемыми поставками.

Группа Y – стабильность потребления средняя, соответственно товар требует к себе большего внимания, точность прогнозирования продаж уменьшается. Результат – планировать поставки сложней. Больше вероятности допущения неликвидов или дефицита.

И, наконец, товары группы Z – точность прогнозирования еще меньше, нестабильность в поведении товаров выше. В некоторых случаях спрогнозировать спрос просто является нереальной задачей.

После того, как все товары поделены на группы, мы начинаем вырабатывать стандарты по управлению запасами. Мы определяем уровень дефицита, который будет являться для нашей аптеки нормой. 

Итак, как проводится XYZ-анализ. Как и в предыдущих статьях на тему управления запасами, рассмотрим алгоритм на конкретном примере.

Первый этап – сбор данных о продажах товара (Таблица 1).  Данные формируем в натуральном выражении. Если мы будем использовать объем продаж в денежном выражении, негативно скажется инфляция, и результаты мы получим некорректные.

При сборе данных мы должны отталкиваться от частоты проведения анализа и соответственно количества периодов, которые будем включать в анализ. В общем случае (безотносительно к деятельности аптеки) частота проведения XYZ-анализа зависит от товаров, с которыми работает компания.

Так, чем дороже товары (например, сложная бытовая техника), тем соответственно реже он продается, так как цикл принятия решения о покупке будет длительный. В таком случае анализ стоит проводить раз в пол года или реже, так как один и тот же товар при частом проведении анализа в разные периоды будет попадать в различные группы (X, Y, Z).

Кроме того, частота проведения XYZ-анализа  зависит от жизненного цикла товаров. Чем короче цикл, тем чаще надо проводить анализ. В начале жизненного цикла товар ведет себя нестабильно. Когда наблюдается пик спроса, товар более стабилен, а на спаде (в конце жизненного цикла), опять проявляется большая нестабильность продаж (Рисунок 1).

Так же на частоту проведения анализа влияет наличие сезонности.

Рисунок 1 – Жизненный цикл товара и стабильность его поведения

Но поскольку в нашем случае речь все-таки идет о фармацевтическом розничном бизнесе, то и периодичность проведения подробнее рассмотрим для аптеки.

Основная доля товаров (лекарственных средств) продается весьма стабильно, значит, нет необходимости пересматривать результаты анализа. Другая часть ассортимента – например, медицинские приборы – обладают меньшей стабильностью.

Если аптека активно расширяет ассортиментную матрицу, то стоит чаще проводить XYZ-анализ, так как ситуация в стабильности при увеличении количества позиций в ассортименте будет ухудшаться.

Учитывая сезонность некоторых лекарственных препаратов, стоит согласовывать сезонность с периодичностью проведения анализа (зимний сезон, летний сезон и т.д.).  Итак, проводим анализ как минимум два раза в год: в сезон и не в сезон.

В качестве примера рассмотрим проведение XYZ – анализа за три месяца, поскольку нас сейчас интересует сам алгоритм (Таблица 1).

Второй этап – нахождение отклонения от среднего значения. Графически это можно приставить следующим образом (Рисунок 2):

Где σ – среднее квадратичное отклонение

x – среднее значение за n периодов

n – количество периодов

 Возвращаясь к нашему примеру, мы рассчитываем среднее квадратичное отклонение (Таблица 2).

 Таблица 2 – Расчет среднего квадратичного отклонения

Если для проведения XYZ-анализа вы используете стандартное приложение Microsoft Office Excel, то для расчета среднего квадратичного отклонения проще использовать функцию: СТАНДОТКЛОНПА(x1:xn).

 Если просто найти отклонение от среднего значения, мы не сможем определить его стабильность, так как отклонение от среднего значения в 100 единиц при среднем спросе в 1000 единиц менее серьезное, чем отклонение в 500 единиц при том же среднем спросе (Рисунок 3).

 Рисунок 3 – Отклонение от среднего спроса

Теперь остается разделить товары на группы по стабильности. Для этого необходимо отсортировать столбец «Коэффициент вариации» по возрастанию. В результате в начале списка получаем товары с наименьшим коэффициентом вариации, а, следовательно, самые стабильные (Таблица 4).

Остается определить границы групп, то есть, какие товары будут относиться к группе X, какие соответственно Y и Z. В различных источниках можно найти массу рекомендаций, при каких коэффициентах вариации определяем границы групп.

Но на практике целесообразно граница групп определять самостоятельно, так как у каждой аптеки своя специфика. Технология определения групп такая же, что и в ABC – анализе, то есть графический метод. Для этого необходимо построить график. Ось X  – товары.

Ось Y – коэффициент вариации (Рисунок 4).

Рисунок 4 – Определение границ групп

Технология определения групп X, Y и Z:

Соединяем крайние точки графика и проводим касательную до первой выступающей точки графика (Рисунок 5). Точка графика при пересечении с прямой является границей группы X.  В нашем примере в группу X будут входить первые 4-е товара.

 Рисунок 5 – Определение границы группы X

В таблице 5 представлена сводная таблица с результатами анализа. 

Итак, выводы:

Для товаров группы X точность прогнозирования высокая, уровень страхового запаса будет относительно невысокий, так как разброс спроса здесь невелик. И при этом отсутствует необходимость ежедневного контроля наличия товара.

То есть можно проверять наличие товара через определенные промежутки времени (например, один раз в неделю), то есть управлять запасами, используя фиксированный период времени и пересчитывая размер партии (подробности о технологиях управления запасами – в дальнейших публикациях).

  Можем позволить себе высокий уровень бездефицитности.

            Группа Y. Точность прогнозирования ниже, уровень страхового запаса будет повышаться, так как спрос проявляет большую нестабильность.

Контролировать наличие товара надо более тщательно, вплоть до ежедневного контроля, что бы не допустить серьезного дефицита. Соответственно надо применять технологии управления запасами, которые предусматривают постоянный контроль уровня запаса.

Содержать большой запас дорого, поэтому допустимый уровень дефицита увеличивается.

            Группа Z. Точность прогнозирования крайне низкая. Проблемы при управлении запасами заключаются в том, что размер страхового запаса становится крайне высоким. Для его поддержания необходимо большое количество денежных средств, которые при таком подходе будут заморожены в товарном запасе.

В этой группе допускается более высокий дефицит, так как потери из-за дефицита могут быть меньше, чем из-за замороженных денежных средств в товарном запасе. Кроме этого здесь могут применяться следующие технологии. Во-первых – доставка под заказ. Распространяется на дорогостоящие лекарственные средства при внесении частичной предоплаты.

Во-вторых  – выбор поставщиков, которые обеспечат быструю реакцию. Как известно точность прогнозирования тем выше, чем короче горизонт прогнозирования. Поэтому и поставщик по этой группе товаров должен обладать быстрой реакцией. Еще один момент не стоит забывать.

Если товар в Вашей аптеке дефицитный, то есть этот дефицит допускается по тем или иным причинам, то он будет проявлять большую нестабильность. Поэтому если Вам удается ликвидировать дефицит, товар из группы Z может перейти и в группу X.

        В следующей статье мы продолжим беседу об анализах товарного запаса и разработаем конкретные стратегии к каждой товарной группе по ABC и XYZ – анализам. Именно объединение ABC и XYZ – анализов и является отправной точкой при разработке стратегии управления запасами.

Источник: https://olgagryaznova.ru/xyz-analiz

Ищем стабильность в ритейле, XYZ–анализ ассортимента

XYZ–анализ — одна из форм анализа товарного ассортимента магазина, сети или отдельной товарной группы в ритейле.

XYZ–анализ определяет стабильность продаж товара за определенный период.

Полезен для управления ассортиментом и поставками товаров, организации работы с поставщиками.

Результаты позволяют разделить товары по категориям и выделить для них место на складе, уровень запасов и организацию доставки.

Как отдельный метод анализа в ритейле XYZ используется не так уж часто, чаще его можно встретить как совмещенный с АВС анализом.

Но, в любом случае, как метод для принятия решений по управлению ассортиментом товарной группы или магазина может принести несомненную пользу. Начнем с рассмотрения его особенностей и возможностей применения.

Цель — проанализировать поведение каждого товара за определенный период для управления товарным ассортиментом.

Критерием для анализа может выступать количество проданного товара за определенный период, спрос на товар, количество покупок.

1. Выбираем ассортимент товаров для анализа. В зависимости от цели анализ может проводиться по всему ассортименту магазина, торговой сети или товарной группы. Но, мы предлагаем проводить анализ только по основному ассортименту. В основной ассортимент попадают товары, которые продаются хотя бы 2 раза в неделю за выбранный для анализа период.

   Товары, которые по каким-либо причинам стали продаваться реже 2 раз в неделю, выпадают из основного ассортимента. Это могут быть элитные, новые, сезонные или отсутствующие на складе товары. Они анализируются отдельно, потому что требуют повышенного внимания.

2. Определяем временной интервал для анализа, для которого будем рассчитывать стабильность поведения каждого товара. Интервалом может быть один день, неделя, месяц. Интервал для анализа должен превышать периодичность продаж большей части товаров, которые будем анализировать.

   Для продуктового ритейла логичным выбором будет неделя из-за цикличности покупательского поведения.

3. Временной период, по которому будем проводить анализ.

   Чем больше выбранный период и чем больше в него входит временных интервалов, тем нагляднее будут полученные данные.

4. Рассчитываем среднеарифметическое значение количества продаж каждого товара за выбранный интервал.Например, рассчитаем среднеарифметическое для продаж товара Молоко за сентябрь с интервалом в 1 день.
5. Среднеквадратическое отклонение — показатель рассеивания в продажах товара по выбранному интервалу относительно среднего арифметического для продаж этого товара. Чем меньше среднеквадратическое отклонение, тем ближе к среднему находятся данные о продажах.Среднеквадратическое отклонение для нашего примера по Молоку рассчитывается так:
6. Далее определяем коэффициент вариации для каждого товара, это будет относительный показатель.Определяем коэффициент вариации для Молока:Почему не получиться использовать только среднеквадратическое отклонение не используя коэффициент вариации? Среднеквадратическое отклонение зависит от количества проданного товара, а стабильность продаж нет. Если периодичность продаж будет одинакова, коэффициент вариации будет схожим как для товаров с 10, так и со 100, 1000 продажами. В некоторых случаях коэффициент вариации может быть больше 1, если продажи товара слишком нестабильны. Например, товар не продавался несколько месяцев, а потом за один день продалось 100 штук. Для иллюстрации на скрине ниже продажи товара с коэффициентом 1,3. Сыр, то не продавался вообще, то за неделю было продано больше 60 кг продукта.
7. Сортируем полученные значения коэффициента вариации от меньшего к большему.
8. Определяем категории X, Y, Z.

При выборе показателей коэффициентов стоит использовать здравый смысл и знание своей товарной группы или ассортимента сети в целом.

• Категория Х, в которую попадают товары с минимальным колебанием продаж, характеризующиеся стабильной величиной потребления и высокой степенью прогнозирования до 0,1-0,2.
• Категория Y, в которую попадают товары со средним колебанием продаж от 0,2 до 0,6, с сезонными колебаниями и средними возможностями их прогнозирования.
• Категория Z, в которую попадают товары с резкими колебаниями продаж от 0,6 и выше, с нерегулярным потреблением и непредсказуемыми колебаниями, поэтому, спрогнозировать их спрос невозможно.

Для проведения XYZ анализа обязательно нужно помнить о сезонности продаж для определенных товаров. Элементарный пример — это мороженое, которое отличается высокой стабильностью продаж в жаркую часть года, и абсолютно нестабильными в холодную. Учет столь многих факторов требует автоматизации проведения анализа. На этот момент существует уже достаточно большое количество систем, которые значительно упрощают работу аналитика или категорийного менеджера.

Для примера XYZ анализа предлагаем проведенное нами исследование с помощью сервиса BI Datawiz.io.

для сети супермаркетов из 11 магазинов по торговой группе “Молоко и молочные продукты”. Целью было выделить категории товаров для управления ассортиментом и выработать общие рекомендации по формированию заказа для каждой категории.

Большая часть товаров, которые входят в группу “Молоко и молочные продукты”, продаются постоянно, часто закупаются впрок в супермаркетах на выходные. Потому выбран временной интервал — неделя. Проводить анализ группы будем за последние полгода.

Мы знаем что в целом товарная группа “Молоко и молочная продукция” одна из самых часто продаваемых в любом супермаркете. Это дает нам возможность выделить достаточно равномерные категории с такими коэффициентом вариации: Категория X — от 0 до 0,2; Категория Y — от 0,2 до 0,6; Категория Z — больше 0,6.

В разрезе товарной группы “Молоко и молочная продукция”, проведенный анализ выделил категорию Х из 123 товаров.

В таблице ниже специально выделены два товара, которые при большой разнице в количестве продаж имеют одинаковый коэффициент вариации, т.е. одинаковую стабильность продаж. Это стоит учитывать, одинаково стабильными могут быть как товар с 18 продажами за полгода, так и с несколькими тысячами продаж.

Построение визуализации, как на скрине ниже, дает нам возможность провести анализ товаров из категории Х и выделить лидеров продаж — это пастеризованное молоко нескольких марок.

На такие товары стоит ориентироваться в первую очередь при организации поставок, их пропажа на полках может привести к значительным потерям в продажах, в то время как отсутствие непопулярного товара покупатели могут и не заметить.Что-бы более наглядно показать стабильность продаж, приводим графики продаж отдельных товаров из каждой категории Х, Y и Z.

Так выглядит график продаж товара группы Х. Как видно, колебания продаж в невелики.
Категория Y. Самая многочисленная категория — сюда входит 572 товара.Так выглядит график продаж товара категории Y.

Посмотрим на категорию Z, сюда входит 131 товар с абсолютно нестабильными продажами.

Так выглядит график продаж для товара этой категории. Как видим, в последние 2 месяца было 2 неожиданных роста продаж товара и снова резкое падение.Стабильность продаж товаров важный показатель эффективности работы торговой сети и каждого магазина. Применим XYZ анализ для определения проблемных магазинов сети.

Используем данные той же товарной группы “Молоко и молочные продукты” за полгода, она всегда отличается высокими показателями и стабильностью продаж. Построим визуализацию данных по каждому магазину торговой сети с такими показателями: по горизонтали — оборот каждого магазина за выбранный период; по вертикали — коэффициент вариации; диаметр точки — средний чек.

Как видим, коэффициент вариации продаж товарной группы “Молоко и молочные продукты” для большинства магазинов сети, кроме одного, не выше 0,15. Лучший оборот и средний чек показывают магазины №1 и №2. А вот магазин №7 отличается низким оборотом и высоким коэффициентом вариации. Продажи не стабильны, более чем в 2 раза сравнивая с другими магазинами торговой сети.

Важно определить причины такого разрыва и принять меры для эффективной работы этого магазина. Выделяют два подхода к управлению товарным ассортиментом, так называемые “американскую” и “японскую” системы управления запасами товаров.

“Американская” или традиционная система управления предполагает ограничение рисков с использованием максимизации запасов товарного ассортимента, формализацию и настройку всех процессов анализа ассортимента и складских запасов “раз и навсегда”.

Четкое выполнение всех процедур дает возможность эффективного управления. Менеджеры торговой сети стараются максимально обезопасить себя от перебоев и проблем с поставками, нерегулярного спроса на товары формируя достаточный запас.

Такая система управления требует значительных материальных вложений и постоянного анализа товарных запасов, но уменьшает риски для ассортимента магазина или сети.

“Японская” система управления запасами — это минимизация, оптимизация и автоматизация.

Система более гибкая и не такая стандартизированная в сравнении с “американской”.

Предполагает точный прогноз покупательского поведения, прогноз продаж товаров, и организацию на его основе системы Автозаказа, четкость в управлении всей системой заказа и доставки, надежных поставщиков, доставку “точно в срок”. Торговая сеть строит свои отношения с поставщиками на доверии и делегировании части обязанностей.

Товарный запас рассматривается в японской системе, как показатель недоверия к поставщику. Эти две модели управления дуалистичны, но в наших реалиях оптимально срабатывает их объединение и разработка универсальных решений. На основе этих систем управления проанализируем желаемые подходы к работе с каждой категорией:

Категория Х.

Товары с самой высокой стабильностью спроса и продаж.

Это упрощает поставки — мы всегда знаем сколько этого товара продастся и сколько еще его необходимо заказать. В случае категории Х — минимизация наш вариант! Запас на складе должен быть для восполнения разницы между продажей и заказом.

Предполагается не минимизация запасов, а минимизация управленческих усилий, настраивание точных поставок “срок в срок”.

Категория Y. Сезонные колебания, устойчивый рост или снижение — типичные характеристики спроса на эти позиции, значит нужен запас.

Главным для этой категории стоит вопрос оптимизации уровня запаса, для обеспечения необходимого уровня обслуживания покупателей при минимуме затрат на создание и поддержание запаса.

Категория Z. Сюда относятся товары, не имеющие ни тенденций, ни постоянства в продажах. Прогноз продаж для них невозможен и нецелесообразен, а значит оптимизационный подход к управлению запасами не вариант. Выбор остается между минимизацией (до исключения товаров из ассортимента) или максимизацией (если позволяют финансовые возможности) запасов категории Z.

При анализе ассортимента с помощью XYZ категорий важно помнить, что это один из целого комплекса методов, который можно использовать как по отдельности, так и в комплексе. О совмещенных видах анализа читайте в следующих публикациях от Datawiz.io.

XYZ–анализ, в свою очередь, бесспорно полезен при определении категорий по сети, отдельному магазину или товарной группе с точки зрения стабильности продаж отдельных товаров, оптимизации системы поставок, при определении проблемных магазинов с непостоянными продажами.

Источник: https://habrahabr.ru/company/datawiz/blog/268341/

XYZ-анализ

Добрый день, уважаемые читатели блога statanaliz.info.

Самый популярный метод в бизнес-аналитике – это, пожалуй, ABC-анализ. Я уже достаточно подробно о нем писал. Были рассмотрены предпосылки, открытые Парето, трансформация принципа Парето в ABC-анализ, преимущества и недостатки, и даже пошаговая инструкция для проведения ABC-анализа в Excel.

Самое важное достоинство АВC-анализа – это простота использования. Она же (достоинство это) является его главным недостатком. Простой метод не может качественно описать сложное явление. ABC-анализ отлично зарекомендовал себя, как метод для анализа простых и одномерных явлений.

Однако реальность не так уж и проста. Часто приходится проводить более сложную аналитику и зрить, как говорится, в корень, дабы увидеть глубинные процессы, а не только поверхность явления. В общем, простота – это хорошо, но не всегда достаточно.

Для того, чтобы извлечь из исходных данных ценные знания, нужно быть готовым к преодолению сложностей.

Сегодня в прицел моей безжалостной критики попадет весьма «популярный» (по крайней мере, в литературе) и тесно связанный с ABC-методом – XYZ-анализ. Слово «популярный» не случайно взято в кавычки.

Дело в том, что, несмотря на действительно интересную идею, заложенную в XYZ-анализ, частота его полезного использования невелика. У данного метода очень много ограничений, которые буквально убивают все благие начала, лежащие в его основе.

Сегодняшнюю публикацию я посвящаю только положительной стороне XYZ-анализа. Буду петь дифирамбы, держа камень в кармане, чтобы бросить его в другой статье.

XYZ редко используется, как самостоятельный анализ. Чаще его можно встретить вместе с ABC-методом, и даже аббревиатура есть отдельная – ABC-XYZ анализ. По этой причине мы вначале еще раз рассмотрим АВС-методологию (на конкретном примере), а затем на фоне полученных выводов пустим в ход XYZ-анализ. То есть с помощью новой методологии углубим анализ данных.

Зачем нужен XYZ-анализ

Усложнение анализа может иметь свое направление: то ли вширь смотреть, то ли вглубь, то ли под другим срезом. Все, как обычно, зависит от того, что нас интересует в объекте исследования. Раз уже мы заговорили об XYZ-анализе, то направление заранее определено. Под XYZ понимается точность прогнозирования.

Ошибка прогноза может оказывать значительное влияние на многие бизнес-процессы. Для изучения ошибок прогнозирования существуют целые системы показателей и методологии улучшения качества прогнозов.

XYZ-анализ – один из прикладных методов, позволяющий использовать знания об ошибке прогнозирования для повышения эффективности управления процессами.

Основной фактор, влияющий на ошибку прогноза – случайные, непредсказуемые колебания. Ну, сами посудите, какую динамику проще прогнозировать (с меньшей ошибкой)? Вот эту:

или эту:

Ответ очевиден: продажи товара А прогнозировать легче, так как динамика относительно стабильна. А вот прогноз для товара Б, скорее всего, будет иметь значительную ошибку (отклонения прогнозных значений от фактических).

XYZ-анализ обычно рекомендуется использовать для эффективного управления запасами. По крайней мере, я узнал о нем из теории закупок. Вот и рассмотрим пример из этой области. Представим, что перед нами стоит задача оптимизации складских запасов.

Под оптимизацией подразумевается создание и поддержка такого уровня запасов продукции (материалов, ресурсов и проч.), который максимизирует общую чистую прибыль. Сейчас на пальцах расскажу, что это значит.

Если складские остатки будут слишком большие, то потребуется много денег на их содержание, что уменьшает прибыль (оплата кредитов, аренда складов и проч.).

Если запасы слишком маленькие, то могут возникнуть дефициты, то есть нехватка товара, что повлечет за собой потерю в продажах и также уменьшит прибыль. Поэтому уровень запасов должен быть таким, чтобы и средств поменьше заморозить, и продажи обеспечить.

Чтобы эффективно управлять запасами, вначале следует провести ABC-анализ ассортимента. Для трех групп используются различные нормативы уровня запасов. Группа А – самые важные позиции, их всегда должно быть достаточно, чтобы не было перебоев с продажами. Группа В – менее приоритетные товары и нормативный уровень по ним меньше, чем у группы А.

Это может вызвать незначительные допустимые перебои в продажах. Группа С еще менее приоритетная и отсутствие таких товаров не сказывается сколь-нибудь существенно на общем товарообороте.

Отсюда видно, что основным резервом для уменьшения стоимости складских остатков являются группа В и особенно группа С, так как на группе А особо не сэкономишь – товар всегда должен быть на складе, причем с приличным запасом. АВС-анализ – это первый шаг в правильном управлении закупками и им часто пользуются даже начинающие закупщики.

Однако слова – это слова. Практика всегда измеряется некоторыми числами. Так вот жестокая правда жизни в том, что основной товарооборот, который обеспечивается группой А (80%), занимает примерно такую же долю в стоимости склада.

Это значит, что 80% стоимости склада имеет высокий норматив по уровню запасов и его сокращение может привести к дефициту важных товаров. Следовательно, группа А (80% товарооборота и стоимости склада) не может быть источником высвобождения средств из складских остатков, и на сокращение запасов остается только 20% (группы B и C).

Даже если мы эти 20% сократим в 2 раза, что маловероятно без постоянных длительных дефицитов, то общий уровень уменьшится всего на 10%. Выходит, что ABC-анализ не является ключом к существенному сокращению стоимости складских запасов и увеличению оборачиваемости склада. Да, он помогает, особенно на первом этапе оптимизации, но его явно недостаточно.

Короче, сказка о великом и могучем ABC-анализе в управлении запасами не становится явью, так как группа А по продажам и по стоимости остатков почти совпадают по составу, а цели в их управлении являются противоположными. Сокращение остатков по группам В и С является каплей в море, так как оные доли малы. Ну, и что нам делать?

Допустим, мы провели ABC-анализ ассортимента по уровню продаж.

Уменьшили остатки за счет группы B и C, но оборачиваемость все равно очень низкая: денег не хватает, зарплату не дают, платежи за кредиты давят непосильной ношей, «эффективные менеджеры» не знают, как отгружать товар с просроченной оплатой, поставщики угрожают физической расправой. Надо как-то сократить запасы товаров группы А. Но как? Ведь если сократить запасы, то могут возникнуть дефициты и падение продаж. Задачка не из легких.

Страховой запас, как источник экономии

Для решения проблемы следует окунуться в причины возникновения дефицита.

Их грубо можно разделить на две части: 1) несоответствие объемов закупок спросу за некоторый период и 2) случайные колебания в продажах и сроках поставок.

Первая причина проявляется, например, в том, что за месяц может быть продано 1000 единиц товара, а на склад привезено только 800ед. 200 единиц не продано из-за недостаточного снабжения. Вот наглядная картинка.

Видно, как остатки постоянно уменьшаются. Однако складские остатки не могут быть ниже нуля, поэтому возникает дефицит. Потери в продажах – 200 единиц.

С этой причиной бороться несложно: нужно привести в соответствие закупки и продажи. Но даже если количество закупленного за период будет соответствовать спросу, дефицит все равно может иметь место. И произойдет это по второй причине следующим образом.

Запасы товара обычно пополняются не один раз в начале периода, а несколько раз, например, каждую неделю. Получается, что после прихода очередной партии запас будет максимальным, а перед приходом – минимальным.

Если минимальный запас (перед приходом следующей партии) приблизиться к нулю, это будет означать начало дефицита, который продлится до прихода очередной партии.

На графике динамики уровня складских остатков выглядит примерно так.

В данном случае объем снабжения даже превысил спрос, но дефицит все равно имел место из-за несвоевременности поступления партий.

Чтобы избежать подобных ситуаций, закупки планируются так, чтобы на момент прихода поставки на складе оставалось некоторое количество из предыдущей партии (говорю без учета различий планирования по ABC-группам). Если бы продажи и поставки были равномерными, то проблемы не существовало бы.

Все можно было бы легко рассчитать даже на калькуляторе. Однако и продажи могут быть неравномерными, и поставки задерживаться, что затрудняет расчет момента и объема закупки. Для того, чтобы избежать влияния случайных колебаний (отклонений от плана продаж и поставок) используют т.н.

страховой запас, под которым понимают некоторое количество товара, которое всегда должно быть в наличии сверх потребности. На практике это проявляется, например, в том, что остатки товаров группы А не должны опускаться ниже, чем объем недельных продаж (даже перед приходом очередной поставки).

Наличие страхового запаса позволяет спокойно пережить всплески в продажах и задержки в поставках. То есть страховой запас является буфером безопасности, который не допускает дефицита. Но очевидна и обратная сторона – увеличение стоимости запасов.

То есть уменьшение рисков возникновения дефицита оплачивается ростом затрат на поддержание запасов. Вот этот страховой (но не основной) запас и может быть источником сокращения.

Нетрудно догадаться, что риски, а, следовательно, и размер страхового запаса, зависят от меры предсказуемости продаж и поставок. Поставки пока опустим, так как они более-менее хорошо прогнозируются и контролируются. А вот прогноз продаж – дело не всегда легкое.

Чем точнее прогноз продаж, тем меньший страховой запас требуется, и наоборот. Если, допустим, товар А продается каждую неделю по 100 штук плюс/минус 5 шт., то какой смысл держать месячный страховой запас? А если товар Б продается и по 100шт., и по 500шт., и по 20шт.

, то угадать, сколько будет продано за следующую неделю, конечно, трудно. Для обеспечения продаж потребуется значительный страховой запас.

XYZ-анализ – метод поиска возможности снизить страховой запас

Итак, у нас есть представление о влиянии меры колеблемости продаж на уровень запасов. Дальше в дело вступает XYZ-анализ.

Этот метод используется для разделения товаров на группы в зависимости от уровня прогнозируемости. Чем точнее можно сделать прогноз продаж, тем меньше требуется страховой запас.

Чем более непредсказуемые продажи, тем больше требуется страховой запас. В этом заключается суть XYZ-анализа.

XYZ-анализ – это группировка позиций по уровню прогнозируемости. Все позиции делятся на три группы: X, Y и Z. В группу X попадают наиболее прогнозируемые товары, у которых случайные колебания относительно небольшие. В группу Y попадают более труднопредсказуемые позиции. Самые непредсказуемые позиции находится в группе Z.

В основе любой группировки лежит группировочный признак (показатель). Для XYZ-анализа в качестве группировочного признака используется коэффициент вариации, который измеряет уровень колеблемости динамики. Чем больше колебания в анализируемой динамике (и коэффициент вариации), тем меньше уровень прогнозируемости.

Техника проведения XYZ-анализа

Технически анализ проводится таким образом. Составляется список позиций (в нашем примере это товары). В качестве анализируемых данных для каждого товара берется динамика продаж за некоторый период. По имеющимся значениям динамики рассчитываются коэффициенты вариации для каждого товара в отдельности. Проводится сортировка по возрастанию коэффициентов вариации.

Далее производится деление всех позиций на три группы. Границы групп я бы рекомендовал устанавливать в зависимости от конкретных результатов, то есть от общих масштабов колеблемости (средних, максимальных, минимальных). Однако в теории существуют готовые рекомендации, которые у меня лично вызывают недоумение.

Ну, это как говорить, что те, кто едет со скоростью 60 км/ч – хороший водитель, а те, кто 90 км-ч – плохой водитель. А ну как измерения происходят за городом? Тогда корчи со скоростью 60 км/ч собирают за собой караван и дистанционно впитывают в себя очень емкие эпитеты со стороны тех, кто не может нормально ехать, и вынужден тащиться за всей колонной.

Короче, все зависит от ситуации в целом. Ну да ладно, не будем критиковать экспертов. Приведу-таки границы групп, которые они рекомендуют.

В группу Х относят позиции со значением коэффициента вариации от нуля до 10%.

В группу Y – от 10% до 25%.

В группу Z – от 25% до бесконечности.

Собственно, по этому поводу сказать нечего. Кто желает, может использовать готовый шаблон, но если что, я здесь ни при чем.

Повторюсь, что более разумно: рассчитать коэффициенты вариации, сделать сортировку, можно построить график, установить максимальное и минимальное значение и потом уже разделить на группы в зависимости от пожеланий аналитика.

Почему так? Почему в ABC-анализе есть рекомендации с конкретными границами, а в XYZ – нет. Отвечаю.

Сумма долей в ABC-анализе ограничена 100%, и внутренняя структура стремится к некоторым значениям. Эти усредненные значения используются в качестве рекомендованных границ. В XYZ-анализе границ не существует. То есть, вообще нет.

Коэффициент вариации может быть и 1%, и 100%, и даже 200% и еще больше. То бишь их значения ничем не ограничены и ни к чему не стремятся. Отсюда уловить какие-либо закономерности не представляется возможным.

Посему советы экспертов по этому поводу не более, чем тыканье пальцем в небо. Таково мое субъективное мнение.

Подытоживая статью, хочу отметить, что в основе XYZ-анализа лежит достаточно строгая логика и математическая основа.

Это значит, что обозначенный метод прочно стоит на ногах и имеет право на существование, какие бы ограничения для его использования не существовали.

И даже если эти ограничения будут столь существенны, что приблизят к нулю возможность практического применения, то все равно понимание математики и логики метода даст хорошее представление о динамике многопозиционного объекта исследования.

На сегодня все. Всего доброго и до встречи на statanaliz.info.

Источник: https://statanaliz.info/metody/gruppiroa/31-xyz-analiz