Лучшие практики пополнения запасов, или поставьте запятую: заказать нельзя допустить дефицит

Прогноз VS квант поставки

После всеобщего стремления к росту точности прогноза большинство розничных компаний и производителей товаров повседневного спроса приходят к осознанию:

• Дальнейший прирост точности прогнозирования продаж приносит все меньшую бизнес-ценность (эффект переобучения модели).
• Затраты на дополнительное обучение, оборудование для ресурсоемких моделей машинного обучения и штат узкопрофильных специалистов по прогнозированию значительно растут, что усугубляется физическими ограничениями закупки оборудования из-за усложненного импорта.
• Построение высокоточного прогноза по товарам с низкой оборачиваемостью не приносит бизнес-ценности и оказывается незначительным по объему: продажи по ним могут быть менее 1 единицы за неделю. Пополнение таких позиций опирается не столько на прогноз, сколько на ограничения логистики и политики пополнения.

После определенного этапа цифровизации прогноза продаж компании переключаются на следующий шаг — планирование поставок.

Ключи к эффективному пополнению товарных запасов

Любой зрелый процесс пополнения запасов состоит из последовательности шагов:

1. Расчет периодов покрытия продаж между ближайшими поставками на основании графика заказов и поставок. Каждый из них вычисляется как интервал между датой прибытия одной поставки и датой прибытия следующей за ней. В рамках полученных периодов можно повлиять на объем запаса только расчетом ближайшей поставки. Этот шаг направлен на сведение к минимуму необходимости ручных перемещений между точками сети или срочных заказов, а также является отправным моментом для дальнейших расчетов потребностей и объема поставок.

2. Расчет суммарной прогнозируемой потребности в периоде покрытия с учетом политики формирования страхового запаса и требуемого уровня презентации товара: выкладка на полке, прикассовой зоне, под промоакцию, в дополнительных местах продажи и т. д. Важным вопросом в данном этапе остается размер страхового запаса и определение методики его расчета. Современные системы планирования пополнения способны поддерживать динамическое определение уровня страхового запаса на основе целевого уровня сервиса, вариативности поставок и продаж. Такой подход позволяет точнее придерживаться оптимального уровня запасов при соблюдении сервиса, по сравнению с экспертными нормативами.

3. Расчет чистой потребности в пополнении для каждого из этих периодов с построением проекции запасов и списаний по срокам годности, порче, браку. Он строится на основе имеющихся запасов логистической сети, запланированных перемещений товаров (поступление/выбытие), промоакций (предзагрузка), административных мероприятий (инвентаризация, реконструкция и т. п.).

4. Учет контрактных ограничений поставщиков (объем, сумма, партии поставок) и округление вычисленной потребности под логистический квант поставки. Наиболее частой проблемой является отсутствие сопоставления среднего объема потребности за период между поставками с условиями и ограничениями поставщиков (в том числе кванта поставки), что может привести как к затовариванию складских площадей, так и к ситуациям дефицита. В таких случаях могут помочь дополнительные переговоры с поставщиком с целью изменения условий контракта, а также пересмотра графика заказов и поставок.

5. Определение итогового объема заказа и его оптимизация. На этом этапе используются различные методы, например:

• EOQ (Economic Order Quantity) — расчет оптимального размера заказа при минимизации общих издержек, с учетом скидок за объем и роста стоимости хранения;
• комплектование до целых машин с последующим распределением излишков по логистической сети;
• балансировка нагрузки на звенья логистической цепи через перенос будущих объемов на более ранние сроки поставки.

Планирование пополнения при кажущейся простоте оказывает на экономическую эффективность предприятия большее влияние, чем алгоритмическое прогнозирование. Это актуально не только для отраслей с большим количеством низкооборачиваемых товаров (парфюмерия, косметика, фармацевтика, товары для дома и ремонта), но и для классического продуктового ритейла за счет эффекта масштаба. Именно поэтому рынок ждет зрелых отечественных аналогов полноценных систем управления прогнозированием и запасами, покрывающих оба этих этапа.

После всеобщего стремления к росту точности прогноза большинство розничных компаний и производителей товаров повседневного спроса приходят к осознанию:

• Дальнейший прирост точности прогнозирования продаж приносит все меньшую бизнес-ценность (эффект переобучения модели).
• Затраты на дополнительное обучение, оборудование для ресурсоемких моделей машинного обучения и штат узкопрофильных специалистов по прогнозированию значительно растут, что усугубляется физическими ограничениями закупки оборудования из-за усложненного импорта.
• Построение высокоточного прогноза по товарам с низкой оборачиваемостью не приносит бизнес-ценности и оказывается незначительным по объему: продажи по ним могут быть менее 1 единицы за неделю. Пополнение таких позиций опирается не столько на прогноз, сколько на ограничения логистики и политики пополнения.

После определенного этапа цифровизации прогноза продаж компании переключаются на следующий шаг — планирование поставок.

Ключи к эффективному пополнению товарных запасов

Любой зрелый процесс пополнения запасов состоит из последовательности шагов:

1. Расчет периодов покрытия продаж между ближайшими поставками на основании графика заказов и поставок. Каждый из них вычисляется как интервал между датой прибытия одной поставки и датой прибытия следующей за ней. В рамках полученных периодов можно повлиять на объем запаса только расчетом ближайшей поставки. Этот шаг направлен на сведение к минимуму необходимости ручных перемещений между точками сети или срочных заказов, а также является отправным моментом для дальнейших расчетов потребностей и объема поставок.

2. Расчет суммарной прогнозируемой потребности в периоде покрытия с учетом политики формирования страхового запаса и требуемого уровня презентации товара: выкладка на полке, прикассовой зоне, под промоакцию, в дополнительных местах продажи и т. д. Важным вопросом в данном этапе остается размер страхового запаса и определение методики его расчета. Современные системы планирования пополнения способны поддерживать динамическое определение уровня страхового запаса на основе целевого уровня сервиса, вариативности поставок и продаж. Такой подход позволяет точнее придерживаться оптимального уровня запасов при соблюдении сервиса, по сравнению с экспертными нормативами.

3. Расчет чистой потребности в пополнении для каждого из этих периодов с построением проекции запасов и списаний по срокам годности, порче, браку. Он строится на основе имеющихся запасов логистической сети, запланированных перемещений товаров (поступление/выбытие), промоакций (предзагрузка), административных мероприятий (инвентаризация, реконструкция и т. п.).

4. Учет контрактных ограничений поставщиков (объем, сумма, партии поставок) и округление вычисленной потребности под логистический квант поставки. Наиболее частой проблемой является отсутствие сопоставления среднего объема потребности за период между поставками с условиями и ограничениями поставщиков (в том числе кванта поставки), что может привести как к затовариванию складских площадей, так и к ситуациям дефицита. В таких случаях могут помочь дополнительные переговоры с поставщиком с целью изменения условий контракта, а также пересмотра графика заказов и поставок.

5. Определение итогового объема заказа и его оптимизация. На этом этапе используются различные методы, например:

• EOQ (Economic Order Quantity) — расчет оптимального размера заказа при минимизации общих издержек, с учетом скидок за объем и роста стоимости хранения;
• комплектование до целых машин с последующим распределением излишков по логистической сети;
• балансировка нагрузки на звенья логистической цепи через перенос будущих объемов на более ранние сроки поставки.

Планирование пополнения при кажущейся простоте оказывает на экономическую эффективность предприятия большее влияние, чем алгоритмическое прогнозирование. Это актуально не только для отраслей с большим количеством низкооборачиваемых товаров (парфюмерия, косметика, фармацевтика, товары для дома и ремонта), но и для классического продуктового ритейла за счет эффекта масштаба. Именно поэтому рынок ждет зрелых отечественных аналогов полноценных систем управления прогнозированием и запасами, покрывающих оба этих этапа.