Следите за нами:
Про технологии Про бизнес Про опыт Про книги Прокачай!

Оптимизируем оборачиваемость складских запасов

Небольшие интернет-магазины не умеют работать с ассортиментом. Не планируют закупки, не прогнозируют спрос и не считают оборачиваемость товара. Пока на складе не так много наименований, все можно мерить «на глаз», но как только ассортимент расширяется, появляются проблемы.
Мария Сысойкина

Своим примером делится Дмитрий Новиков, основатель магазина «Играмолл»:

«Мы пытаемся считать оборачиваемость - у нас есть внутренний индекс, который учитывает количество продаж товара ко времени, которое он был на складе и прибыли с него. Но он спорный и условный, так как пока не учитывает сезонности. Поначалу я весь склад по 2 раза за месяц оборачивал.  Сейчас хорошо, если раз в три месяца. Часть позиций остается надолго, на складе прилично лежалого товара. Мы пытаемся избавляться от него по обычным схемам: скидки, вынос на главную, если совсем никак - то подарки. Недавно игрушки в детский дом отдавали, чтобы место освободить. Сейчас готовим ТЗ, будем серьезно считать и прогнозировать оборачиваемость». 

Когда считать оборачиваемость

Чтобы избежать подобных ситуаций, предусмотреть учет продаж нужно еще до открытия магазина. Начинать подсчеты  можно, как только собраны первые данные о продажах. После двух-трех месяцев хороших продаж интернет-магазин накапливает достаточно информации, которую можно анализировать. Алгоритм прост:
  1. Договариваемся с поставщиками об условиях и периодичности поставок. 
  2. Структурируем входящий поток товаров: предполагаем,  какими партиями и как часто товары поступают на склад.
  3. Определяем подходящий период оборачиваемости (неделя, месяц, квартал) в зависимости от специфики товара (товары повседневного спроса, сезонные товары)
  4. Оборудуем помещение (устанавливаем нужно число стеллажей и полок), нанимаем кладовщиков (или отдаем склад на аутсорс)
  5. Начинаем продавать  
  6. Через 2-3 обозначенных периода, считаем оборачиваемость товаров
  7. Оптимизируем: уточняем, какими партиями и как часто товары будут поступать на склад
Как считать оборачиваемость

В доступных источниках встречаются разные  определения оборачиваемости. 

1. Оборачиваемость товара – это отношение объема реализации к среднему объему товарных запасов. 

Делим месячный (недельный, квартальный, годовой) объем реализации на стоимость товарных запасов.  Получаем  количество раз, которое товар оборачивается в течение выбранного периода. Сравниваем коэффициент с предыдущими значениями, средними цифрами  или прогнозами. Если значение выше – товар продается хорошо, но его запасов на складе может быть недостаточно. Если получили слишком маленькое число – товар не покупают, либо  запасы на складе велики. 

2. Оборачиваемость товара выражается в днях и определяет скорость, с которой распродается товар.

 «Оборачиваемость имеет два значения, ее можно увеличивать, а можно – уменьшать ,  поясняет Павел Кудинов, директор по разработке компании Everada. - Я привык работать с оборачиваемостью, которую уменьшают. Она считается в днях. Это количество дней, необходимых на продажу текущего остатка, фактически скорость продаж. Берем все количество остатка на складе и делим на средние продажи за какой-то период. В простом варианте это может нам дать информацию, с какой скоростью этот товар распродастся (в днях)». 

Посчитав оборачиваемость для каждого товара или товарных групп, делим товары на быстро продающиеся  и мало продающиеся. Получаем структуру всего ассортимента и начинаем им управлять. Самый простой пример оптимизации – исключить из ассортимента редко продающиеся товары, сократив издержки на его хранение и оприходование. Такие товары можно продавать по предзаказу у поставщика.

Четкая структура ассортимента помогает планировать закупки на ближайший период. Но нельзя просто заказать у поставщика столько товара, сколько было продано. Важно учитывать факторы, которые влияют на спрос: 
  • сезонность (если в январе магазин продал сто детских санок, не факт, что столько же продаст в марте);
  • тренды (будут ли по- прежнему интересны аудитории романы Донцовой, или  этим летом снова популярна Агата Кристи);
  • жизненный цикл товара (сверьтесь с анонсами производителя, уточните, когда появится следующая модель фотокамеры).
Хороший анализ учитывает не только данные о продажах и объективные изменения спроса, но проводившиеся ранее рекламные кампании.  Информационная  система магазина хранит всю историю продаж и маркетинговых акций, эти данные учитываются при анализе и прогнозировании спроса. Если информационной системы нет, начать нужно с подручных средств, например с Excel. Вот что советует Павел Кудинов: «Я не сторонник того, чтобы бежать и приобретать дорогой софт. Я не верю в то, что  мне сейчас поставят это ПО и все станет хорошо. Такого не бывает. Сначала нужно понять свои бизнес-процессы. Поставьте отделу маркетинга задачу собирать все данные об объемах продаж, акциях и т.д.  Пусть сначала хранят их в Excel. Когда наберется определенное количество этих данных, их можно будет проанализировать средствами Excel. Получаем входящий набор данных, временной ряд, который можно отдать системе прогнозирования. После того, как будет выработана схема сбора данных и будут получены  хорошие результаты прогнозирования, можно написать техническое задание на разработку информационной системы для замены Excel. Если данных нет, их нужно начинать собирать как можно раньше». 

Как прогнозировать и оптимизировать

Избавляться от залежавшихся товаров можно двумя способами: больше продавать или меньше заказывать.

Задачу быстрых продаж можно поручить отделу маркетинга. Есть несколько решений:
  • найти новые каналы продаж;
  • обучить сотрудников технике продаж;
  • проводить акции, объявлять скидки;
  • поменять ассортимент;
  • ввести дополнительные услуги. 
Чтобы уменьшить запасы на складе, нужно меньше заказывать. Но в этом случае возникает опасность дефицита: магазин недопродает товар, теряет прибыль, несет убытки. Выгоднее держать чуть-чуть больше товара. Но ровно настолько больше, чтобы товар не остался на складе. Для этого есть много разных подходов.

Что еще почитать 

Хорошие описания алгоритмов прогнозирования есть на сайте французской компании Lokad (поставщик аналитических решений для ритейла). Полезная информация есть на сайте российской компании «Форексис». В публикациях этой компании можно найти статьи с описанием математических алгоритмов прогнозирования.  

Прогнозирование начинается с простых алгоритмов, доступных в Excel.  Таким способом вполне можно проанализировать тысячи товаров. 

Если история продаж и акций хранится в информационной системе,  алгоритмы прогнозирования можно программировать самостоятельно. 

Имея под рукой историю продаж, остатков по каждому товару  и историю поставок, можно применять стандартные средства, например,  самый простейший алгоритм скользящего среднего. Прогноз в этом случае будет равен  среднему значению за последние семь дней. Имея расписание поставок, можно посчитать прогноз продаж до первой ближайшей поставки, и до второй. Вычислив разницу и прибавив страховой запас, получим значение заказа, которое можно передать поставщику. Прогноз считается на основе временного ряда продаж.

Павел Кудинов из Everada рекомендует обратить внимание на несколько распространенных в прогнозировании алгоритмов:
«Это звучит сложно, но такие формулы может запрограммировать любой студент, - рассказывает Павел. -  Наймите на работу студента-математика, начните с анализа этих моделей. Станет понятно, где они ошибаются, в каком случае магазин заказывает слишком много и не продает, или порождает дефицит товаров». 

Следующий шаг – внедрение сложных информационных систем, но прежде чем решиться на такие инвестиции, нужно посчитать, когда они вернутся. 

Павел Кудинов советует разобраться с тем, где возникает ошибка прогнозирования, поменять алгоритм на более точный: «Если этот шаг улучшит оборачиваемость, магазин увеличит прибыль. Дальше - четкие подсчеты. Например,  эту сумму можно умножить на шесть месяцев, примерно столько владелец магазина готов потратить на внедрение софта, на исследование, на студентов, которые это будут прогнозировать, на консалтинг  и т.д.». 

Сложные товары

Разные категории товаров требуют разных подходов. Прогнозировать спрос на продукты питания, товары повседневного спроса – легко, для этого подходят простые алгоритмы

Специализированные товары с редким спросом, например, электроника,  требуют другого подхода, общие формулы будут давать сильный перепрогноз. В любой технике,  электронике есть понятие жизненного цикла товара,  когда он начинает очень быстро устаревать. Если магазин закупил лишнюю партию, то по той же  цене он ее не продаст и потеряет маржу. Если закупать товар уже в конце его жизненного цикла, это будет дороже, чем вообще его не закупать – недополученный спрос обойдется дешевле, чем залежавшиеся остатки. Издержки от недопрогнозирования и перепрогнозирования зависят не только от товара, а еще и от моментов на его линии жизни. 

В таких случаях нужны специальные алгоритмы.  «По опыту могу сказать, что когда речь идет о большом количестве таких товаров, скорее всего, нужно думать о создании собственного решения прогнозирования спроса, – делится Павел Кудинов, директор по разработке компании Everada. –Здесь нельзя будет обойтись учебниками и стандартными решениями, нужно привлекать математиков, они будут конкретно на этих данных проводить исследования и создавать свою систему, внутреннюю».  

Мы обратились за советом к известным интернет-магазинам, попросили их рассказать о своем опыте прогнозирования спроса и оптимизации склада.

Аудиомания, Тимофей Шиколенков, директор по маркетингу и развитию бизнеса:

— Мы используем стандартную методику, с небольшими доработками. Обычно товары делят на три категории по скорости оборачиваемости. Мы добавили к ним четвертую категорию – статусные товары. Кроме этого, мы учитываем коэффициент маржинальности.

Статусные товары покупают нечасто, но это показатель серьёзности подхода к бизнесу для одних людей, и возможность послушать и приобрести аппаратуру, которой больше нигде в России нет, для других. Эта категория находится за рамками, к ней не применяются никакие фильтры. Такие товары всегда должны быть на складе вне зависимости от текущего спроса. И это не всегда очень дорогие товары, но всегда – статусные. Мы вообще очень серьёзно относимся к подбору ассортимента, поэтому складская аналитика – это далеко не всё. МЫ намеренно не расширяем ассортимент, оставляя его в 5-10 раз уже, чем у ближайших конкурентов. 

Прогнозирование спроса для планирования закупок – это наш конёк. Два года назад мы совместными усилиями аналитиков, разработчиков и сотрудников отдела логистики разработали специальный алгоритм, при помощи которого закупщики могут практически не задумываться при работе над текущими закупкам. Система просто показывает им товар и рекомендуемое количество к закупке. Алгоритм основан на динамике спроса, его «кучности» (учитывается не только количество проданных товаров, но и количество заказов и клиентов, сделавших эти заказы), учитывается рост компании в целом. Система самообучаемая, то есть, она учится на своих ошибках. В том числе используется расчёт среднеквадратичного отклонения. Сама формула, конечно же, является нашим ноу-хау, и мы её не разглашаем. Единственное, где закупщик должен приложить мозг – это новинки. Часть новинок заменяют снятые с производства модели, а другая часть – совершенно новые товары. Вот тут без включения мозга не обойтись.

Два раза в год – летом и под новогодние праздники – мы устраиваем распродажи. Обычно это витринные экземпляры продукции, а также товары, которых было слишком много на складе. Скидки на этой распродаже доходят до 80% – немыслимо для рынка акустики и электроники. Но это наша многолетняя традиция. И спустя год после запуска нашей системы планирования закупок, нам пришлось очень сильно напрячься, чтобы акция получилась такой же массовой, как обычно. Лишних товаров на складе практически не было. Создалось ощущение, что на складе товаров меньше, чем обычно, но после проверки оказалось, что рост складского ассортимента вполне соответствует стратегии компании.

«220 Вольт»,  Вадим Медведев, руководитель отдела закупок:

— Оборачиваемость запасов мы считаем по классической формуле, т.е. как отношение среднего объема запасов к объему продаж за период в себестоимости, выраженное в днях. (т.е. ((Средний ТЗ) / (Продажи в себестоимости))* количество дней в периоде).

Для прогнозирования спроса и объема закупок мы используем самописное техническое решение, алгоритм которого учитывает статистику продаж, время наличия товара на складе и сезонность. 

Мы анализируем товарную матрицу, затем по итогам проводим оптимизацию запасов, т.е. выводим неликвидный товар.  Для этого проводятся акции, распродажи, дополнительные маркетинговые мероприятия с привлечением поставщика. Нереализованные товары мы возвращаем поставщикам, благодаря налаженной системе взаимодействия они к таким возвратам относятся лояльно.

Об авторе
Главный редактор "ПроГрабли".
Автор статей и редактор проекта DigitalWorkplace.ru.
В прошлом - программист, пиарщица, журналист-фрилансер, редактор журнала "Мир ПК".
Победитель конкурса Online Retail Media Awards 2014 в номинации "Лучший журналист. Интернет-СМИ/ информационные агентства".