ABC-анализ запасов

Как провести ABC-анализ

ABC-анализ присваивает каждой товарной позиции — SKU или продукту — определённый класс. Обычно используются классы A, B и C: к классу A относятся наиболее часто продаваемые или потребляемые позиции, к классу C — наименее часто. Классов может быть больше трёх, например D, E, F и так далее, хотя обычно их число остаётся однозначным.

Для расчёта классов специалист по цепочкам поставок должен выбрать несколько параметров ABC-анализа:

• количество классов;
• единицу измерения «веса» каждой позиции;
• глубину истории, по которой выполняется измерение;
• процентный порог для каждого класса.

Процентные пороги относятся к выбранной мере веса за рассматриваемый исторический период. Обычно это доли продаж, измеряемых в долларах или проданных единицах.

Можно дать рекомендации по выбору этих параметров, однако сами параметры во многом остаются произвольными. Поскольку ABC-анализ должен быть понятен широкой аудитории внутри компании, обычно выбирают круглые числа, которые легче запомнить.

Например, менеджер по запасам специализированного интернет-магазина с ассортиментом из 10 000 футболок и годовым оборотом 50 млн евро решает провести ABC-анализ со следующими параметрами:

• 3 класса: A, B и C;
• каждая проданная единица имеет вес 1;
• учитываются продажи за последние 3 месяца;
• пороги составляют 60% для A, 30% для B и 10% для C.

С помощью электронной таблицы менеджер сортирует все позиции по убыванию объёма продаж за 3 месяца, измеренного в проданных единицах. Затем пороги применяются к накопленной доле веса позиций. Ожидается, что класс A будет содержать значительно меньше позиций, чем класс C. В приведённом ниже примере в классы A, B и C входят соответственно 4, 7 и 14 позиций.

Как показывает таблица Excel выше, провести ABC-анализ несложно. Кроме того, многие системы управления запасами включают ABC-анализ и его варианты: с точки зрения разработки ПО реализовать такой расчёт довольно просто.

Единицей измерения могут быть штуки, то есть проданные единицы, если все продаваемые или обслуживаемые товары имеют близкие цены, как в предыдущем примере. Если же некоторые позиции значительно дороже других, обычно разумнее определять их вес по закупочной цене или цене продажи.

Исторический период должен быть достаточно длинным, чтобы усреднённые величины были статистически значимыми. Обычно классы стабильнее, если период охватывает целое число распространённых циклов: например, год, чтобы нейтрализовать влияние сезонности, или целое число недель, чтобы при коротком периоде убрать влияние дней недели.

Пороги обычно настраивают так, чтобы в каждом следующем классе было как минимум в 5 раз больше позиций, чем в предыдущем. Это позволяет охватить даже большой ассортимент небольшим числом классов. Если начать с класса A из 100 позиций и увеличивать размер каждого следующего класса в 5 раз, продавцу футболок из примера выше понадобятся 4 класса для всего каталога: 100 × 5 × 5 × 5 = 12 500.

Принцип Парето и степенные законы

ABC-анализ основан на эмпирическом наблюдении, известном как принцип Парето, или правило 80/20: на первые 20% позиций обычно приходится 80% объёма продаж независимо от выбранной единицы измерения. В таких условиях имеет смысл разделять рассматриваемые объекты — товарные позиции в запасах — по масштабу их значимости, то есть на классы ABC.

С математической точки зрения анализ по масштабу величин, такой как ABC-анализ, привлекателен, когда лежащее в его основе распределение вероятностей имеет «тяжёлый хвост»: значения, сильно отклоняющиеся от среднего¹. Такие ситуации часто встречаются и в природе, и в человеческой деятельности. Например, тяжёлый хвост обычно имеют следующие распределения:

• численность сотрудников компаний в стране;
• биомасса разных видов в тоннах на определённой территории;
• кассовые сборы фильмов за отдельный год;
• объёмы отзыва продукции в единицах в автомобильной промышленности.

Существует целое семейство математических распределений, подходящих для описания таких ситуаций. Вероятно, наиболее широко используются степенной закон и распределение Ципфа. Эти математические функции различаются прежде всего тем, сколько «веса» они придают хвосту распределения, то есть как отражают вероятность очень редких событий.

В цепочках поставок обычно действуют простые экономические силы, которые искусственно ограничивают величину крайних значений. Например, из складского ассортимента обычно полностью исключают самые плохо продающиеся позиции. Поэтому мы не наблюдаем товары, которые продавались бы, скажем, раз в год: компания прекращает их продажу задолго до достижения такого уровня.

И наоборот, если товар продаётся исключительно хорошо, компании выгодно предложить его варианты — по цвету, размеру или другим техническим характеристикам — и тем самым ещё увеличить общий объём продаж. Поэтому позиции с продажами в десятки миллионов единиц тоже могут не наблюдаться: прежде чем исходный товар достигнет такого объёма, появятся варианты, которые заберут часть его продаж.

Распространённые практики на основе ABC-анализа

ABC-анализ используют для повседневных решений по управлению запасами, например для размещения заказов у поставщиков. Можно спорить о том, заслуживают ли основанные на нём методы названия хороших практик — об этом говорится ниже, в разделе об ограничениях ABC-анализа. Тем не менее широко распространены следующие подходы:

• Назначать уровни сервиса по классам позиций: самые высокие целевые значения для первых классов и самые низкие для последних.
• Выделять каждому классу одинаковый объём труда и внимания. Например, специалист по цепочкам поставок тратит 1 час на проверку класса A из 100 позиций и ещё 1 час на класс D из 10 000 позиций.
• Разбивать все KPI, информационные панели и отчёты по классам, а также оценивать работу команд, отвечающих за цепочки поставок, по правилам, зависящим от самих классов ABC.

Поскольку классы ABC легко рассчитывать и поддерживать, они постепенно встраиваются в практики управления цепочками поставок компании. Обычно мало кто возражает против того, что выглядит интуитивно понятным способом уточнить анализ запасов.

Исторический взгляд: управление материальными запасами

Исторически ABC-анализ возник в управлении материальными запасами как способ сократить затраты на учётную работу. Для каждого класса позиций предусматривался свой набор процессов:

• Для позиций A — очень строгий контроль и точный учёт.
• Для позиций B — менее строгие контроль и учёт.
• Для позиций C — максимально простые меры контроля и минимальный учёт.

До 1970-х годов учёт запасов вели вручную в книгах, что требовало много времени и денег. Поэтому во многих случаях было эффективнее применять методы управления запасами, не требующие никаких учётных записей, например канбан.

Однако с появлением недорогих систем непрерывного учёта запасов и сканеров штрихкодов эта практика постепенно исчезла. Риски движения запасов без цифровых записей, например потери и недостачи, теперь обычно намного превышают затраты на ведение учёта. Поэтому строгий контроль и точный учёт — то есть подход, прежде применявшийся к классу A, — полезны для всех позиций независимо от их значимости.

При этом большинство компаний по-прежнему различают товарные запасы, которые обрабатываются и продаются и потому требуют отслеживания, и общехозяйственные материалы, например канцелярские принадлежности, которые не отслеживаются.

Примечательно, что многие источники всё ещё приводят эту историческую логику как основную причину применения ABC-анализа, хотя с начала 2000-х годов такая практика практически исчезла из процессов большинства средних и крупных компаний.

Ограничения ABC-анализа

ABC-анализ — грубый метод классификации запасов с многочисленными ограничениями. Они часто усугубляют уже существующие проблемы цепочки поставок: дефицит товаров, избыточные запасы, ненадёжность и низкую производительность труда.

Нестабильность

При «разумных» параметрах, подобных приведённым в примере выше, во многих отраслях от четверти до половины позиций меняют класс каждый квартал. Оценить стабильность ABC-анализа сложнее, чем выполнить сам анализ, поэтому большинство компаний даже не знает об этой проблеме. Такая нестабильность ставит под угрозу значительную часть корректирующих действий, основанных на ABC-классификации: в итоге они применяются не к тем позициям.

Пригодность только для стационарного спроса

ABC-анализ плохо согласуется с базовыми изменениями спроса, например с выводом новых товаров на рынок. У новой позиции изначально небольшой объём продаж, поскольку её продажи ещё только предстоит наблюдать. Даже если смягчить эффект новизны, процесс осложняют другие закономерности, такие как сезонность. Например, в октябре игрушки, появившиеся в ассортименте 6 месяцев назад, относятся к классу C, хотя рождественские продажи уже близко. ABC-анализ рассматривает спрос как стационарный, поэтому при нестационарном спросе он порождает неэффективное управление запасами.

Низкая информативность

Если рассматривать ABC-классы как статистические показатели, они содержат крайне мало информации, извлечённой из истории спроса. Даже такой простой показатель, как общее количество проданных единиц за прошлый год, обычно говорит о позиции больше, чем её класс ABC. Более того, любая статистическая модель, решающая какую-либо задачу на исторических данных о запасах, может воспроизвести ABC-анализ внутри себя, если он полезен, хотя на практике такой пользы обычно нет.

Споры о второстепенном

ABC-анализ предполагает произвольный выбор параметров. Его очевидные недостатки, например проблемы с новыми товарами, обычно пытаются компенсировать дополнительными параметрами. Поскольку сам анализ легко понять, многие неизбежно хотят участвовать в выборе всех этих параметров или требуют собственных вариантов. В итоге под видом быстрого и простого метода появляется бюрократическая работа, которая поглощает ресурсы и не даёт ощутимых результатов.

Игнорирование экономической важности

Частота использования не равна экономической важности. ABC-анализ определяет важность товара по частоте использования или выручке. Однако отсутствие редко используемой или недорогой позиции может иметь самые тяжёлые последствия; тогда ей следует уделить больше внимания и обеспечить высокий запас. В розничной торговле это может быть эффект витрины: привлекательные товары редко продаются, но необходимы, чтобы заинтересовать покупателей. В производстве или авиации отсутствие редко используемой детали с небольшой закупочной стоимостью может не позволить коммерческому самолёту взлететь.

Взгляд Lokad на ABC-анализ

ABC-анализ появился в начале XX века, когда сканеров штрихкодов не существовало, а учёт запасов был дорогим и ненадёжным. Удивительно, что метод всё ещё широко распространён, хотя большинство проблем, которые он пытается решить, давно исчезло. Наша общая позиция такова: со всем, что делает ABC-анализ, лучше справляются ещё более простые методы — например, присвоение позициям числовых оценок вместо разделения на классы. Разумеется, все эти более простые методы требуют компьютеров, поэтому представление о простоте в некоторой степени зависит от общего контекста.

Для чисто отчётных задач ABC-анализ может быть приемлем. Классы помогают быстро составить представление о товарных категориях, например показать доли позиций A, B и C внутри каждой категории. Однако, как отмечалось выше, ABC-анализ провоцирует споры о второстепенном. Поэтому мы рекомендуем избегать разработки дополнительных показателей и KPI на основе классов A/B/C: такие инициативы почти никогда не дают изначально ожидаемых результатов.

---

Примечания