Определение вероятности обслуживания — система оптимизации товарных запасов

Определение (циклической) вероятности обслуживания





Симон Шали, Жоаннес Верморель, последняя редакция — март 2017 г.

В цепях поставки циклической вероятностью обслуживания (или просто вероятностью обслуживания) называют ожидаемую вероятность отсутствия случаев дефицита товара в течение следующего цикла пополнения запасов, то есть это вероятность обеспечения продаж. Длительность цикла выражена временем выполнения заказа. Вероятность обслуживания можно также рассматривать как вероятность удовлетворения потребностей клиента, даже в случае невыполнени заказа или снижения продаж. 100%-ная вероятность обслуживания — то есть когда все клиенты обслуживаются в любое время — желательна, однако на практике это обычно нецелесообразно.

Вероятность обслуживания в цикле не нужно путать с уровнем пополнения, который представляет собой долю спроса, удовлетворяемую без задержек или потери продаж.

Понятие вероятности обслуживания актуально только в таких ситуациях, когда будущий спрос колеблется — иначе 100% вероятность обслуживания зависит лишь от правильности планирования. Если будущий спрос неизвестен, единственным способом избежать дефицита товаров является создание бесконечных запасов. Таким образом, на практике руководители службы снабжения выбирают компромиссный, неидеальный уровень запасов. Этот компромиссный уровень точно измеряется с помощью понятия вероятности обслуживания.


Вероятность обслуживания как финансовый компромисс

балансировка вероятности обслуживания для оптимизации запасов service level for inventory optimizationПредприятия розничной торговли и производители стремятся обслужить как можно больше клиентов, чтобы повысить уровни продаж. В то же время, поддерживать соответствующий запас товара и дорого, и рискованно: на закупку и изготовление товаров тратятся большие средства, необходимо место для их хранения, они могут испортиться, устареть и т.д.

В итоге чем больше у вас запасов, тем выше расходы и риски. Выгоды от этого достаточно ограничены. Важнейшей целью управления запасами является достижение баланса между расходами: у вас должно быть достаточно товаров для продажи, но расходы на их содержание не должны превышать прибыль от дополнительных продаж.

С коммерческой точки зрения вероятность обслуживания представляет компромисс между расходами на содержание запасов и расходами, понесенными вследствие дефицита товара.

Уменьшение прибыли при высокой вероятности обслуживания

В большинстве секторов розничной торговли, как специализированных, так и общих, высокая вероятность обслуживания является нормой, обычно выше 95%. В частности, высокая вероятность обслуживания является одним из ключевых факторов повышения преданности клиентов.

Тем не менее, повышение вероятности обслуживания является классическим примером снижения прибыли, так как все дополнительные активы, то есть дополнительные запасы в нашем случае, дают меньшую прибыль, то есть убираются небольшие случаи дефицита товара. График, приведенный ниже, отражает отношения вероятности обслуживания и уровня запасов:

Image


Как видно по графику, для большинства компаний розничной торговли повышение вероятности обслуживания с 95 до 97% обходится гораздо дороже, чем повышение ее с 85 до 87%. На практике крайне редко удается достичь вероятность обслуживания выше 98% на уровне магазина.

Оптимизация вероятности обслуживания

Вероятность обслуживания отражает соотношение между ценой упущенной выгоды и оперативными расходами. Оптимизация вероятности обслуживания для повышения прибыли как правило сложна и уникальна для каждой компании. Это задача как правило усложняется из-за того, что анализ сильно зависит от рассматриваемых временных рамок: снижение вероятности обслуживания приводит к немедленному высвобождению дополнительных средств, тогда как чтобы зафиксировать меньший отток клиентов (и более высокие продажи) вызванный более редкими случаями дефицита товаров, необходимо время.

Из-за того, что отношение клиентов к дефициту того или иного товара различается, оптимальная вероятность обслуживания, если таковое значение вообще можно высчитать, для каждого товара будет разная. На практике как правило используются приблизительные данные и эвристические правила, чтобы упростить проблему.

Эвристический подход к ABC-анализу

Широко известный метод ABC-анализа основан на гипотезе, что чем больше прибыли приносит товар, тем “важнее” этот товар как для компании, так и для клиентов. Как правило это предположение дает оправданные результаты — хотя существуют и исключения — и являются удобным способом распределения товаров по объему продаж. Затем для каждой категории устанавливается своя вероятность обслуживания.

Вот пример типичного деления ABC:
  • Предмет A, первые 20% товаров, также называемые “важнейшее меньшинство”: высокая вероятность обслуживания, напр. 96–98%
  • Предмет В, следующие 20–30% товаров, также называемые “промежуточный класс”: средняя вероятность обслуживания, напр. 91–95%
  • Предмет С, последние 50–60% товаров, также называемые “незначительное меньшинство”: малая вероятность обслуживания, напр. 85–90%

Image


Разумеется, эти показатели различаются в зависимости от условий рынка/сектора промышленности. Можно вводить дополнительные категории.

Более продвинутый и реалистичный подход: анализ издержек

ABC-анализ предназначен для определения адекватной вероятности обслуживания для разных групп товаров, но, теоретически, можно найти оптимальную вероятность обслуживания и для каждого отдельного товара. Тем не менее, большинство используемых методов основаны либо на радикальных, либо на упрощенных предположениях, которые часто бывают неверными (напр., распределение продаж нормально), или на очень сложных расчетах (с использованием, например, реального распределения рисков для продаж). Мы описываем один из этих методов на нашей странице, посвященной оптимизации вероятности обслуживания.

Однако мы считаем, что в долгосрочной перспективе нужно использовать другой (и, на наш взгляд, более эффективный) подход к нахождению оптимальной вероятности обслуживания, основанный на коммерческих позициях. Мы уже говорили, что желаемая вероятность обслуживания является компромиссом между расходами на содержание запасов и издержками из-за дефицита товаров. Как следствие, можно оценить эти расходы и подойти к проблеме вероятности обслуживания со стороны анализа расценок. Проблема в том, что сказать это проще, чем сделать.

В целом, расходы на содержание запасов многочисленны, и их иногда сложно разделить в отчетности, однако их можно определить: расходы рабочего капитала, складские расходы, расходы на управление запасами (погрузка/разгрузка/хранение/перемещение…). К этим очевидным расходам могут быть добавлены издержки, связанные с отдельными товарами: затраты на моральный износ, расходы на порчу и разрушение товара... Более подробный список и оценки этих расходов можно найти в нашей статье.

Издержки на дефицит товара это другая и более сложная проблема. Самое очевидное последствие дефицита товара — снижение уровня продаж, но этот фактор, каким бы важным он ни был, не является единственным, и даже не самым значительным. Многие исследования (1) показали, что дефицит товаров крайне плохо влияет на удовлетворенность клиентов, и в долгосрочной перспективе может привести к потере большого их количества.

Оценка этих расходов и последующий анализ цен идут выходят далеко за рамки данной статьи. Грубые оценки вывести несложно, однако получение более точной и значимой информации всегда требует изучения конкретной ситуации.

Дальнейшие действия: измерение вероятности обслуживания

Большинство компаний розничной торговли, которые считают вероятность обслуживания важным фактором (а это так и есть), пытаются установить “прошлую” вероятность обслуживания клиентов (за прошлую неделю, месяц или год), то есть они пытаются измерить вероятность обслуживания. Это приводит к нескольким проблемам.

Несмотря на то, что мы привели классическое (и вполне применимое) определение вероятности обслуживания, важно понимать, что это не единственное определение. Действительно, вероятность обслуживания можно понимать очень по-разному.

Давайте рассмотрим пример, который хорошо иллюстрирует эти определения:

Представьте себе магазин, который работает без перерыва с 10:00 до 20:00. На момент открытия в нем есть 9 единиц товара А. В течение дня 2 клиента посещают магазин с намерением купить товар А: первый в 11:00, и он хочет купить 9 единиц, а второй — в 16:00, и ему нужна 1 единица.

В этом случае, первый клиент может купить 9 единиц, но таким образом в 11:00 в магазине происходит дефицит товара А. Таким образом:
  • Если вероятность обслуживания представляет собой процентную долю общего спроса от количества единиц, которая была удовлетворена, то вероятность обслуживания на этот день равна 90% (9 единиц товара продано при общем спросе в 10 единиц).
  • Если вероятность обслуживания представляет собой процентную долю общего спроса от количества обращений(/заказов), которая была удовлетворена, то вероятность обслуживания на этот день равна 50% (1 клиент был полностью удовлетворен, а второму ничего не досталось). Обратите внимание, что если бы каждый заказ был равен 1 единице, то данное определение было бы равносильно предыдущему.
  • Наконец, если вероятность обслуживания представляет собой процентную долю времени без случаев дефицита товара от общего времени), то вероятность обслуживания на этот день равна 10% (дефицит товара случился через 1 час после открытия магазина при 10-часовом рабочем дне). Обратите внимание, что если бы продажи равномерно распределялись по времени, это определение также было бы равносильно первому.

Каждый их этих примеров иллюстрирует разные определения вероятности обслуживания: первое отражает потерянную выгоду от продаж, второе — удовлетворение клиентов, а третье — время. Таким образом, прежде чем измерять вероятность обслуживания, важно определить, что именно вы измеряете.

В большинстве случаев, компании розничной торговли пытаются измерить потерянную прибыль от продаж. Проблема в том, что измерение потерянной прибыли (в заказах или в единицах товара) крайне сложно потому что когда клиент не может купить товар в магазине, он об этом не сообщает. Такое измерение становится возможным лишь в одной ситуации: если клиент, который размещает заказ в интернет-магазине, не знает, что товара нет в наличии или ему приходится разместить заказ даже в таких условиях (пленный клиент), что случается достаточно редко.

Подход, состоящий в сравнении реального и прогнозируемого уровня продаж крайне ошибочен, так как он основан на предположении, что прогнозы идеальны, что по определению неверно. Этот подход в лучшем случае может предупредить о самых неожиданных изменениях продаж, но по сути не может давать надежные показатели вероятности обслуживания.

Таким образом, остается всего 2 способа измерения вероятности обслуживания: проводить традиционные и очень дорогие аудиты вручную (поиск пустоты на полках), или делать очень смелые (и, как правило, очень ошибочные) предположения, что данные о запасах верны, а изменения продаж известны более-менее хорошо.

Особенности Lokad: пассивная и активная вероятность обслуживания

Классические методы прогнозирования, используемые для оптимизации товарных запасов, не позволяют качественно контролировать фактическую вероятность обслуживания. Действительно, предположения, сделанные при расчете резервных запасов неверны, и теоретическая вероятность обслуживания не наблюдается на практике при измерении вероятности обслуживания. Тем не менее, команда Lokad понимает, что благодаря надлежащей методологии, то есть вероятностным прогнозам, вполне возможно достичь желаемой вероятности обслуживания.

Использование методологии управления запасами, которая по умолчанию учитывает вероятность обслуживания, упрощает многие процессы и дает возможность действительно оптимизировать вероятность обслуживания.

Убедитесь сами, проверив как работает наша система прогнозирования спроса

Сопутствующие материалы