Analisi ABC (Inventario)

In gestione dell’inventario, l’analisi ABC è un metodo di categorizzazione dell’inventario usato come meccanismo di prioritizzazione grezzo per concentrare sforzi e risorse sugli articoli che contano di più per l’azienda. Questo metodo si fonda sull’osservazione empirica che una piccola frazione degli articoli o SKU tipicamente rappresenta una grande porzione del business. Prima che i sistemi di inventario permanente diventassero prevalenti, l’analisi ABC veniva utilizzata per ridurre il numero di operazioni amministrative associate alla gestione dell’inventario. Dal 2000, questo metodo è impiegato principalmente come metodo di visualizzazione dei dati e come modo per dare priorità all’attenzione dei supply chain practitioner, che devono rivedere regolarmente le impostazioni di riapprovvigionamento all’interno del loro sistema di gestione dell’inventario, quali parametri Min/Max o livelli di servizio.

Eseguire un’analisi ABC

L’analisi ABC è un metodo di categorizzazione dell’inventario che assegna una classe a ogni articolo - o SKU, o prodotto - tipicamente indicata come A, B e C, dove A (rispettivamente C) è la classe associata agli articoli più (rispettivamente meno) venduti o consumati. Possono esistere più di tre classi (es. D, E, F, …), anche se di solito il numero di classi viene mantenuto a una cifra.

Per calcolare le classi, il supply chain practitioner deve scegliere una serie di parametri che caratterizzano l’analisi ABC:

• il numero di classi
• un’unità per misurare il “peso” di ogni articolo
• il periodo storico considerato
• una percentuale usata come soglia per ogni classe.

Le percentuali sono relative all’unità scelta per misurare il peso sul periodo storico considerato. Tali percentuali sono tipicamente correlate al fatturato misurato in dollari o alle unità vendute.

Sebbene possano essere fornite delle indicazioni riguardo alla scelta di tali parametri, essi rimangono fondamentalmente in qualche modo arbitrari. Poiché l’analisi ABC è concepita per essere accessibile a un pubblico vario all’interno dell’azienda, i parametri sono solitamente scelti come numeri tondi che risultano più facili da memorizzare.

Ad esempio, il responsabile dell’inventario di un ecommerce di nicchia che vende un assortimento di 10.000 T-shirt per un fatturato annuo di 50 milioni di € decide di eseguire un’analisi ABC con i seguenti parametri:

• 3 classi (A, B, C)
• ogni unità venduta conta come ‘1’
• sono considerati gli ultimi 3 mesi di vendite
• le soglie sono 60% (A), 30% (B) e 10% (C).

Utilizzando un foglio di calcolo, il responsabile classifica in ordine decrescente tutti gli articoli in base al volume di vendite degli ultimi 3 mesi - misurato in unità vendute. Successivamente, le soglie vengono applicate alla quota cumulativa dei pesi degli articoli. Ci si aspetta che la classe A contenga molti meno articoli rispetto alla classe C. Nell’esempio sottostante, le classi A/B/C contengono rispettivamente 4/7/14 articoli.

Scarica il foglio di calcolo Excel: abc-analysis.xlsx

Come illustrato nel foglio di calcolo Excel sopra, eseguire un’analisi ABC è semplice. Inoltre, molti software per la gestione dell’inventario includono l’analisi ABC - e spesso anche varianti di essa - poiché la sua implementazione rappresenta un aspetto relativamente banale dell’ingegneria del software.

L’unità di misura può essere pezzo (cioè le unità vendute) se, come illustrato nell’esempio precedente, tutti gli articoli venduti o serviti tendono ad avere prezzi simili. Tuttavia, se alcuni articoli sono notevolmente più costosi di altri, ha generalmente più senso pesarli in base ai loro prezzi di acquisto o di vendita.

La profondità storica dovrebbe essere sufficientemente lunga affinché le quantità medie siano statisticamente significative. Di solito, le classi sono più stabili se viene utilizzato un multiplo di ciclicità comune, come un anno, per neutralizzare l’effetto della stagionalità, oppure un numero intero di settimane per neutralizzare gli effetti legati al giorno della settimana quando il periodo considerato è breve.

Le soglie sono solitamente regolate in modo che ogni classe contenga almeno 5 volte più articoli della precedente. Ciò garantisce che un numero ridotto di classi copra anche un catalogo ampio. Partendo da una classe A di 100 articoli, e assumendo incrementi di 5 volte, il rivenditore di T-shirt sopra descritto avrebbe bisogno di 4 classi per coprire l’intero catalogo (100x5x5x5 = 12,500).

Il principio di Pareto e le leggi di potenza

L’analisi ABC si basa sull’osservazione empirica, nota come principio di Pareto o regola dell'80/20, secondo cui il 20% superiore degli articoli rappresenta solitamente l'80% del volume delle vendite, indipendentemente dall’unità di misura scelta. Pertanto, in tali circostanze, ha senso segmentare gli elementi di interesse - gli articoli in inventario - in base alla loro importanza, cioè le classi ABC.

Da una prospettiva più matematica, un’analisi orientata alla magnitudine come l’analisi ABC è attraente ogniqualvolta la distribuzione sottostante (di probabilità) presenta una “coda grassa”, cioè valori che divergono enormemente dalla media¹. Tali situazioni si verificano frequentemente sia nei fenomeni naturali che nelle attività umane. Ad esempio, le seguenti distribuzioni sono tipicamente a coda grassa:

• il numero di dipendenti dell’azienda in un paese
• la biomassa (in tonnellate) delle specie in un’area
• gli incassi cinematografici dei film per un determinato anno
• i richiami (in unità) nell’industria automobilistica
• …

Esiste un intero “bestiario” di distribuzioni matematiche che sono note per adattarsi a queste situazioni. Le distribuzioni più ampiamente utilizzate sono probabilmente la legge di potenza e la distribuzione di Zipf. Queste funzioni matematiche variano principalmente nella loro capacità di dare “peso” alla coda della distribuzione, cioè nella loro capacità di riflettere le probabilità che si verifichino situazioni molto rare.

Nel caso specifico delle supply chains, semplici forze economiche entrano in gioco solitamente per limitare artificialmente la magnitudine degli outlier. Ad esempio, per gli articoli di rifornimento, si può osservare che i peggiori performer vengono generalmente rimossi dall’assortimento del tutto. Pertanto, articoli che verrebbero venduti, ad esempio, solo una volta all’anno non vengono osservati perché l’azienda ha smesso di venderli molto prima di raggiungere tale livello di vendite.

Al contrario, se un articolo sta vendendo eccezionalmente bene, l’azienda ha l’incentivo a introdurre varianti - per colore, taglia o qualsiasi altro attributo tecnico - al fine di incrementare ulteriormente il volume complessivo delle vendite. Ancora una volta, articoli che verrebbero venduti in decine di milioni di unità potrebbero non essere mai osservati, poiché nel momento in cui l’articolo raggiungerebbe tale volume, sono state introdotte varianti che cannibalizzano le vendite dell’articolo originale.

Pratiche comuni basate sull’analisi ABC

L’analisi ABC viene utilizzata per supportare decisioni banali relative all’inventario, come il passaggio degli ordini di acquisto ai fornitori. Sebbene sia discutibile se le pratiche basate sull’analisi ABC possano essere considerate come buone pratiche (vedi la sezione sottostante sui limiti dell’analisi ABC), alcune pratiche sono diffuse, come ad esempio:

• assegnare livelli di servizio in base alla classe degli articoli - le prime classi hanno obiettivi più elevati, mentre le ultime hanno quelli più bassi.
• assegnare lo stesso organico (attenzione) a ogni classe - ad esempio, il supply chain practitioner dedica 1 ora alla revisione della classe A (100 articoli), e poi 1 ora alla revisione della classe D (10.000 articoli).
• segmentare tutti i KPI per classe, e allo stesso modo segmentare tutte le dashboard o i report in base alla classe di interesse.
• stabilire revisioni delle prestazioni - per i team della supply chain - basate su regole che dipendono dalle stesse classi ABC.

Infatti, poiché le classi ABC sono facili da produrre e da mantenere, esse tendono a integrarsi con le pratiche supply chain dell’azienda, dato che solitamente c’è poca resistenza contro quella che sembra essere una modalità intuitiva per affinare un’analisi relativa all’inventario.

Prospettiva storica della gestione dei materiali

Storicamente, l’analisi ABC è emersa da una prospettiva di gestione dei materiali volta a minimizzare i costi amministrativi associati all’inventario. Ogni classe di articoli avrebbe avuto il proprio insieme specifico di processi:

• “A items” con un controllo molto rigido e registrazioni accurate,
• “B items” con registrazioni meno rigide e accurate,
• “C items” con i controlli più semplici possibili e registrazioni minime.

Infatti, prima degli anni ‘70, i registri di inventario dovevano essere scritti a mano in libri dai clerc, il che risultava sia lento che costoso. Pertanto, nella maggior parte dei casi, era più efficiente adottare metodi di gestione dell’inventario che non richiedessero alcun tipo di registrazione, come il Kanban.

Tuttavia, con l’avvento di sistemi a basso costo di inventario permanente e lettori di codici a barre, questa pratica è gradualmente scomparsa. Infatti, i rischi associati ai movimenti di inventario senza registrazioni (digitali), come il shrinkage, ora superano di gran lunga i costi amministrativi per il mantenimento di tali registrazioni. Di conseguenza, tutti gli articoli beneficiano di un controllo rigoroso e di registrazioni accurate, vale a dire il trattamento degli articoli di classe A, indipendentemente dalla loro importanza.

Tuttavia, va sottolineato che la maggior parte delle aziende distingue ancora l’inventario - gli articoli in lavorazione e in vendita - che devono essere tracciati - dai fornimenti generali (ad es. cancelleria) che non lo sono.

Curiosamente, molte fonti indicano ancora questa prospettiva storica come la motivazione principale dietro l’analisi ABC, mentre questa pratica è sostanzialmente scomparsa dai processi della maggior parte delle aziende medie e grandi sin dai primi anni 2000.

I limiti dell’analisi ABC

L’analisi ABC è un metodo grezzo di categorizzazione dell’inventario e presenta molte limitazioni. Questi limiti tendono ad aggravare molti problemi preesistenti nella supply chain, come stockout, eccessi di inventario, inaffidabilità e bassa produttività.

Instabilità. Utilizzando parametri “ragionevoli”, come quelli forniti nell’esempio sopra, l’analisi ABC spesso porta a che tra un quarto e la metà degli articoli cambi categoria ogni trimestre in numerosi settori. Peggio ancora, poiché valutare la stabilità dell’analisi ABC è più complicato che eseguirla, la maggior parte delle aziende non è nemmeno a conoscenza del problema. Queste instabilità compromettono una vasta parte delle misure correttive, guidate dalla classificazione ABC, che finiscono per essere applicate agli articoli sbagliati.

Solo stazionario. L’analisi ABC è in contrasto con i modelli di domanda basilari come i lanci di prodotto: un articolo appena introdotto ha un volume basso per sua natura, perché il suo volume di vendite deve ancora essere osservato. Pur essendo possibile mitigare l’effetto novità, altri modelli, come la stagionalità, complicano il processo. Ad esempio, a ottobre, i giocattoli introdotti 6 mesi prima sono classificati come articoli di classe C mentre si preannunciano le vendite natalizie. L’analisi ABC è una prospettiva stazionaria sulla domanda, e quindi genererà inefficienze nell’inventario ogniqualvolta la domanda non sia stazionaria.

Bassa significatività. Per quanto riguarda gli indicatori statistici, la quantità di informazioni estratte dalla storia della domanda e racchiuse nelle classi ABC è estremamente bassa. Ad esempio, anche un indicatore banale come “totale unità vendute l’anno scorso” tende a contenere più informazioni su un determinato articolo rispetto alla sua classe ABC. Inoltre, qualsiasi modello statistico che svolga un qualsiasi compito sui dati storici dell’inventario può internamente reimplementare un’analisi ABC, se lo ritenesse utile - sebbene, nella pratica, ciò non avvenga.

Bikeshedding. L’analisi ABC implica una scelta arbitraria dei parametri. Poiché l’analisi ABC presenta evidenti carenze, come nel caso dei lanci di prodotto (vedi sopra), vengono solitamente introdotti ulteriori parametri per mitigare tali carenze. Di conseguenza, dato che l’analisi ABC è facile da comprendere, molte persone sentiranno invariabilmente il bisogno di essere coinvolte nella scelta di tutti quei parametri e/o di richiedere varianti proprie. Il risultato è che, sotto mentite spoglie di un metodo rapido e semplice, l’analisi ABC finisce per trasformarsi in un’impresa burocratica che consuma risorse e non produce risultati tangibili.

Cecità. La frequenza non equivale all’importanza economica. L’analisi ABC attribuisce l’importanza di un prodotto in base alla sua frequenza di utilizzo o al fatturato. Tuttavia, in molti casi, l’indisponibilità di un articolo non frequentemente consumato o di scarso valore può avere conseguenze devastanti, e livelli elevati di stock e importanza andrebbero accordati a tale articolo. Un esempio nel commercio al dettaglio potrebbe essere l’effetto merchandising, in cui articoli appariscenti vengono esposti in vetrina pur essendo raramente venduti, eppure cruciali per attrarre i clienti. In ambito manifatturiero o aeronautico, una specifica parte che viene usata di rado e ha poco valore dal punto di vista dell’acquisto potrebbe far sì che un aereo commerciale non riesca a decollare.

Il punto di vista di Lokad sull’analisi ABC

L’analisi ABC è stata introdotta all’inizio del XX secolo, in un mondo in cui i lettori di codici a barre non esistevano e in cui i metodi di tracciamento dell’inventario erano sia costosi che inaffidabili. Sorprendentemente, questo metodo è rimasto diffuso mentre la maggior parte dei problemi che esso cerca di risolvere sono ormai scomparsi. La nostra prospettiva generale sull’analisi ABC è la seguente: qualsiasi cosa che l’analisi ABC possa fare, anche metodi più semplici funzionano meglio, come la valutazione degli articoli, piuttosto che la loro classificazione. Naturalmente, tutti questi metodi più semplici richiedono l’uso del computer per essere eseguiti, dunque ciò che può essere considerato “semplice” dipende, in una certa misura, dal contesto più ampio.

Da una prospettiva di semplice reporting, l’analisi ABC potrebbe essere accettabile. Le classi ABC possono aiutare ad ottenere rapidamente informazioni sulle categorie di prodotto, ad esempio riportando le rispettive frazioni degli articoli A/B/C presenti in ciascuna categoria. Tuttavia, come già evidenziato, l’analisi ABC è soggetta a discussioni sterili. Pertanto, suggeriamo di evitare con cura l’ingegnerizzazione di indicatori e KPI basati sulle classi A/B/C, poiché tali iniziative quasi mai offrono i benefici originariamente previsti.

Note