Phantomscan 、サイクル数を最適化し、ファントムの在庫を取り除きます

Phantomscan(ベータ):架空在庫の一掃


Image
循環棚卸を最適化する上で最も不正確と思われる在庫移動実績のリストを作成するウェブアプリです。真に棚卸が必要なアイテムにのみに焦点を当て、その他のアイテムは無視しましょう。過去の在庫管理の先進の統計解析に基づいたものです。従来の循環棚卸に比べ大幅に性能が優れています。

在庫の不正確さに苦しむ小売店、或いは卸売店に最適です。完全なる自動化、統計的スキルは必要とされません。Phantomscanはお客様の在庫管理システムからエクスポートした過去のデータを利用し、ウェブレポートを作成します。

Image


全体像

Image
不正確な在庫移動実績は小売およびサプライチェーンにて広範囲に蔓延る問題です。店舗レベルでは、調査(1)(2)によれば、予定される保管場所での利用可能な品物と記録の矛盾は65%に達しています。 しかしながら、今日、ほぼすべての在庫管理システムは在庫移動実績が正確であるとの想定の下、展開しています。

架空在庫在庫の精度を低める主要因となります。架空在庫を生み出す原因は多様です。補充エラー、顧客による万引き、破損した商品の不適切な取り扱いなどが挙げられます。

斯様な不正確な在庫移動実績を排除する従来的アプローチに循環棚卸があります。確かに、この様な監査ポリシーは在庫の精度を改善しますが、従来通りの方法で実施すると時間が掛かります。従い、在庫精度の僅かな改善への対価は法外なものとなってしまいます。

対照的に、Phantomscanは棚卸に費やす時間の一分たりとも最大限に利用すべく、最も棚卸の必要があるアイテムから開始するように、先進の統計解析により在庫管理の優先順位を微調整します。そしてPhantomscanはそれぞれの在庫移動実績の精度を予測します。

PhantomScanはSalescastおよびShelfcheckとも異なります。Phantomscanは小売業者が在庫管理をする上での優先順位付けに役立ちます。対照的に、Salescastは在庫移動実績が正確であると想定しており、Shelfcheckは売上減少の要因となる全ての問題に反応します。この3つのアプリは相互補完性を持っています。

Phantomscanの機能

Phantomscanが対処するチャレンジとはシンプルなものです。在庫の再集計に費やす時間は在庫調整に最大量をもたらすべきです。故に、棚卸資産監査ポリシーの投下資本利益率(ROI)を最大値にすることです。

従来の監査ポリシーはABC分析であったり、回転率の高いアイテムにカウント労力の大半を当てるといった比較的素朴な方法を活用したものです。しかしながら、この様なポリシーは人的資源の利用に於いて非効率であることが判明しています。

Phantomscanは即時の再集計が真に必要なアイテムを予測するため、全ての過去の在庫調整を分析します。確かに、在庫の不正確さはランダムには起こらずに、多くのパターンに従っています。

  • ある特定のカテゴリーは他に比べて在庫エラーにより敏感である。
  • プロモーションといったイベントは不正確さの波をもたらしやすい。
  • 集計作業それ自体が稀に非常に大きな不正確さを齎すこともある。

過去に観測された問題を分析することで、Phantomscanは集計努力が最も必要な分野を特定することでき、再集計の頻度の最適化に繋げることができます。

更に、Phantomscanは再集計の際に在庫水準が低いと予想されるアイテムに注目することで、生産性を最大化しています。実際に、再集計に必要な時間は集計すべきユニット数とほぼ比例しています。従い、従業員の生産性を最大化するために、Phantomscanは再集計に必要な時間をも考慮しています。

始めに

Image
Phantomscanは未だ限定的なベータの段階にあります。製品を使い始める前に、弊社にご一報ください。e-メールを宛に送信してください。

Phantomscanに必要なデータ(より過去に遡る程、より良い分析となります)。通常、データは毎日Lokadにローリングアップデートにて送信されます。

  • (必要)商品別店舗別販売数量
  • (必要)商品別店舗別在庫水準
  • (必要)在庫調整リスト
  • (必要)ファミリー、サブファミリー仕分の商品カタログリスト
  • (必要)商品別店舗別補充
  • (随意)商品別店舗別プロモーション情報

店舗補充で観察されたパターンが在庫の不正確さを正確に予測する上でより役に立ちます。同様に、プロモーションは余分の在庫の不正確さを齎しがちです。

データはFYP仕様にてフラットファイル(TSV)を介しLokadに転送されます。通常、一つ、或いは少数の店舗の概念実証(POC)から手掛けます。

参考文献

(1) DeHoratius, N. and A. Raman (2004). “Inventory Record Inaccuracy: An Empirical Analysis.” University of Chicago Graduate School of Business Working Paper.

(2) Thomas W. Gruen, Ph.D., University of Colorado at Colorado Springs, USA and Dr. Daniel Corsten, IE Business School Madrid (2008). “A Comprehensive Guide To Retail Out-of-Stock Reduction In the Fast-Moving Consumer Goods Industry”

Although computerized tracking of inventory at the stock keeping unit (SKU) level is commonly assumed to be accurate, we found discrepancies in 65% of the nearly 370,000 inventory records we gathered from multiple stores of a leading retail chain. DeHoratius and Raman (2004)

15% percent of Gamma’s inventory records, nearly 55,000 of them, had an absolute error of eight units or greater, more than half the average target quantity of inventory maintained on the shelf for that SKU in a given store. In aggregate, the value of the inventory reflected by these inaccurate records amounted to 28% of the total value of the expected onhand inventory. DeHoratius and Raman (2004)

We identified a variety of store issues that create perpetual inventory system inaccuracy (especially on hands). The level of perpetual inventory inaccuracy was stunning, as perpetual inventory accuracy (where the perpetual inventory exactly matched the on-hands) ranged from 32 percent to 45 percent in the four studies we conducted or examined. Gruen and Corsten (2008)