Анализ ABC XYZ (Инвентаризация)

learn menu
Автор: Конор Доэрти, март 2023 года

Анализ ABC XYZ, подобно своему предшественнику анализу ABC, является инструментом категоризации, направленным на выявление наиболее эффективных продуктов в каталоге, чтобы определить соответствующие уровни обслуживания и безопасности складских запасов. В отличие от анализа ABC, который фокусируется исключительно на одном критерии (обычно объеме продаж или выручке), анализ ABC XYZ также пытается количественно оценить второе измерение (степень неопределенности или волатильности спроса). Несмотря на то, что он, возможно, предоставляет более детальную информацию о производительности, анализ ABC XYZ все равно является наивным применением основных математических принципов и лишь способствует усилению бюрократии и нестабильности. Он также сохраняет все ограничения классического анализа ABC, но, вероятно, создает еще большее чувство ложной безопасности через математический обман.

figure-2-model-abc-xyz-matrix-sorted-by-service-level

Выполнение анализа ABC XYZ

В то время как анализ ABC направлен на финансовое разложение ассортимента товаров на одну из трех классов за определенный период времени,1 предоставляя практикующему специалисту по цепочке поставок разбивку товаров по финансовой значимости, анализ ABC XYZ утверждает, что идет еще дальше. Он пытается понять и количественно оценить вариацию спроса (или волатильность) для каждого товара в течение наблюдаемого периода и объединить классические классы A, B и C с дополнительными классами X, Y и Z. Простыми словами, вариация спроса - это мера того, насколько изменился спрос в течение наблюдаемого периода. Это может отражать неожиданные и/или изолированные периоды чрезвычайно высокого (или низкого) спроса или устойчивые общие трудности в прогнозировании реально необходимого количества единиц товара (или любой другой причины, по которой спрос мог колебаться в течение определенного временного периода). Именно это вариация должна быть учтена в обозначениях X, Y и Z.

В рамках этой новой девятикатегорийной системы, товары класса X являются наиболее стабильными (имеют наименьшую вариацию спроса), товары класса Y относительно стабильными (имеют умеренную вариацию спроса), а товары класса Z наиболее нестабильными (имеют наибольшую вариацию спроса). Развивая классический анализ ABC, специалист по цепочке поставок получает более тонкую разбивку каталога товаров на протяжении определенного временного периода, где товары анализируются по двум измерениям.

Для обработки новой классификации специалист по цепочке поставок следует тем же начальным шагам, что и в классическом анализе ABC. После завершения этапа анализа ABC переходят к части анализа XYZ, где требуется:

  • Желаемое количество классов вариации спроса: обычно ограничено 3, хотя это гибко.
  • Порог для разделения каждого класса: полностью на усмотрение специалиста по цепочке поставок. Примером может быть <=10% для класса X, >10-25% для класса Y и >25% для класса Z.
  • Среднее значение для каждого SKU за наблюдаемый период: легко рассчитывается в любой таблице.
  • Стандартное отклонение и коэффициент вариации для каждого SKU: также легко рассчитывается в любой таблице.

Стандартное отклонение, в контексте годовых данных, обычно показывает, насколько продажи в любом месяце отличались от общего среднего за год. Когда специалист по цепочке поставок получает эту информацию, он может рассчитать коэффициент вариации (CV). Также известное как относительное стандартное отклонение, CV представляет собой процентное значение, насколько данная точка данных отклоняется от среднего значения, что в данном случае представляет собой величину колебания продаж для SKU за наблюдаемый период (по сравнению со средним значением). Это процентное значение получается путем деления стандартного отклонения на среднее значение.

После вычисления CV специалист по цепочке поставок сортирует SKU по их соответствующим классам X, Y и Z в соответствии с предварительно определенными порогами. Это приводит к девятикатегорной матрице, в которой SKU сортируются по доходу и вариации спроса.

figure-1-view-of-a-typical-abc-xyz-analysis

Рисунок 1. Модельный анализ ABC XYZ, представленный в загружаемой таблице Excel. Для явных расчетов ознакомьтесь с формулами в соответствующих столбцах.

Загрузите таблицу Excel: abc-xyz-analysis-tool.xlsx

Математическая перспектива ABC и ABC XYZ

С математической точки зрения как ABC, так и ABC XYZ анализы пытаются использовать концепцию моментов, которая представляет собой бесконечный набор количественных показателей, направленных на отображение функции. В данном контексте функция представляет собой распределение данных о продажах, а интересующими моментами являются первые два: среднее для традиционного ABC анализа; среднее и дисперсия для ABC XYZ анализа. В отношении ABC анализа, поскольку он фокусируется только на первом моменте (среднем), более точным было бы называть этот метод сегментацией скользящего среднего. В основном, здесь нет попытки определить неопределенность спроса. По этой причине ABC XYZ анализ пытается использовать второй момент (дисперсию) для количественной оценки этой неопределенности. Это делает ABC XYZ анализ более похожим на метод сегментации скользящего среднего-дисперсии. В отличие от среднего, которое популярно понимается, дисперсия является менее разговорным понятием. Кратко говоря, она представляет собой меру разброса набора значений - в данном случае, среднемесячных данных о продажах - от среднего значения набора. ABC XYZ использует этот дополнительный математический инструмент для достижения предположительно более сложного понимания вариации набора данных. Насколько эффективно применяются эти инструменты, будет рассмотрено в разделе Ограничения ABC XYZ.

Как анализ ABC XYZ влияет на политику запасов

Учебные применения анализа ABC XYZ, подобно анализу ABC, сводятся к определению уровней обслуживания и целей по резервным запасам. Используя новую матрицу ABC XYZ, практик по управлению цепями поставок можно, в теории, лучше визуализировать интересующие SKU и, таким образом, настраивать политику запасов, отражая не только финансовые интересы, но и силы вариации спроса.

Резервный запас

Непосредственное применение анализа ABC XYZ - определение целей по резервным запасам. SKU класса A естественным образом получают наивысшие уровни, но, в отличие от анализа ABC, здесь есть попытка дифференцировать между членами класса A (соотв. C) с использованием классов XYZ по оси x. Здесь сторонники анализа ABC XYZ утверждают, что этот подход ярче всего проявляется, и четыре крайности, представляющие непосредственный интерес, будут проанализированы ниже с этой точки зрения.

  • AX: Эти SKU генерируют высокую выручку и имеют низкую вариацию. Поэтому практик по управлению цепями поставок может решить, что для этих SKU класса A требуется меньший уровень резервного запаса, чем для других SKU класса A, чтобы достичь высоких целей по уровню обслуживания.
  • AZ: Эти SKU могут генерировать такую же высокую выручку, как и SKU AX и AY, но они имеют значительно большую вариацию спроса. В результате, может быть решено иметь более высокий уровень резервного запаса.
  • CX: Эти SKU генерируют низкую прибыль и имеют низкую вариацию. Вероятно, будет выбран низкий уровень резервного запаса (по сравнению с AX, AY, AZ, BX, BY и BZ).
  • CZ: Эти SKU не только генерируют низкую прибыль, но и имеют повышенную вариацию спроса. С точки зрения управления цепями поставок, эти SKU представляют собой худшее сочетание обоих факторов. Такие SKU, теоретически, должны иметь низкий уровень резервного запаса и являются основными кандидатами на возможное прекращение производства.

Как общее правило, анализ ABC XYZ показывает, что SKU требуют большего уровня резервного запаса по мере движения вдоль оси x, соответствующего увеличению сложности прогнозирования спроса (с исключением SKU CZ, как описано выше).

Уровни обслуживания

Интуитивно понятно, что поддержание уровней обслуживания для SKU класса A является первостепенной задачей, хотя можно выбрать более низкие уровни по мере движения вдоль оси x. Например, SKU AX, вероятно, будет иметь более высокую цель по уровню обслуживания, чем SKU AZ, учитывая меньшую вариацию спроса, связанную с первым. По мере движения вниз по оси y, цели по уровню обслуживания обычно снижаются, и, как можно ожидать, разумная политика предусматривает установление самых низких целей по уровню обслуживания для SKU CZ среди всех девяти категорий.

figure-2-model-abc-xyz-matrix-sorted-by-service-level

Рисунок 2. Матрица ABC XYZ модели с выручкой по оси y и вариацией спроса по оси X. Эта матрица отображает потенциальные цели по уровню обслуживания для каждой категории, с уменьшением уровней по мере снижения выручки и увеличения вариации спроса.

Ограничения ABC XYZ

Несмотря на то, что анализ ABC XYZ, вероятно, предоставляет (незначительно) больше информации о каталоге, он является попыткой эволюции, которая сохраняет все ограничения анализа ABC, предоставляя немного содержательности. Просто говоря, это инновация без весомости, и не будет преувеличением сказать, что она даже придумывает дополнительные недостатки, которых не было в анализе ABC.

Практические возражения против ABC XYZ

  • Низкое разрешение: Точно так же, как и в анализе ABC, девять категорий матрицы ABC XYZ не учитывают паттерны спроса, такие как растущие и падающие тренды (см. футболки Гарри Поттера и Tesla на рисунке 3), ограниченные предложения (см. футболку Суэцкий канал) и сезонность (см. зимнюю обувь). В результате, влияние этих факторов на политику управления запасами остается неизвестным. Это ограничение также предполагает, что практик по управлению цепями поставок не произвольно выбрал еще больше классов вдоль каждой оси, что вполне возможно, учитывая свободный характер подхода.
figure-3-abc-xyz-edge-case-line-graph

Рисунок 3. Линейный график демонстрирует граничные случаи, которые пропустил анализ ABC XYZ в наборе данных модели. Например, футболки с изображением Гарри Поттера и Tesla закончились как SKU-класс BY и получили бы одинаковый уровень обслуживания и цели безопасности запасов. Это игнорирует тот факт, что SKU демонстрируют явно противоположные тенденции.

  • Увеличивает нестабильность: Анализ ABC XYZ расширяет произвольную и нестабильную категоризацию, созданную анализом ABC. Реальная разница в долларах и центах между CZ и CY или BZ и даже BY может быть крайне мала, если не почти незаметна с финансовой точки зрения. Более того, подобно анализу ABC, эти практически незаметные различия могут изменяться в зависимости от выбранного временного горизонта. Например, SKU может колебаться между AZ и CZ просто расширяя или сокращая выбранный временной интервал (например, ежемесячный, ежеквартальный или ежегодный горизонты). Как и в случае с выбором девяти категорий, описанных выше, нет большего или меньшего смысла в выборе большего или меньшего временного интервала.2 Таким образом, установка уровней обслуживания и целей безопасности запасов на основе таких нестабильных входных данных является глубоко недостоверной.

  • Увеличивает бюрократию: По определению, нестабильные категории, описанные выше, требуют вмешательства руководства и установления отдельных политик для каждой из них. К сожалению, это приводит к еще большей бюрократии и расточению ресурсов. Как и разница между A- и B-SKU, разница между Y- и Z-классами SKU может быть едва заметной. Эти параметры являются полностью произвольными и в конечном итоге определяются комитетом, поэтому их происхождение вызывает сомнения. Учитывая, что SKU могут легко перемещаться между девятью категориями на протяжении наблюдаемого периода (независимо от того, где они могут его закончить), установка произвольных уровней обслуживания на основе этой информации не только создает ненужную административную работу и встречи, но и увеличивает вероятность дорогостоящих событий дефицита товара. Кроме того, многие, если не большинство, шеф-поваров, участвующих в установлении этих произвольных параметров, не обладают необходимым математическим образованием для анализа подхода, не говоря уже о возможности внести существенный вклад в числовые рецепты. Эта критика расширяется в Теоретические возражения против ABC XYZ. Следует также отметить, что, несмотря на увеличение категоризации и бюрократии, анализ ABC XYZ на самом деле не определяет почему некоторые продукты сложно прогнозировать, такие как SKU класса CZ. Он просто определяет что они сложно прогнозировать, и руководство остается спорить о том, какие формулы безопасности запасов произвольно применять к этим случайным категоризациям.

  • Отсутствие финансовой перспективы: В основе анализа ABC XYZ лежит первичный подход к экономическим факторам. Вкратце, такое мышление рассматривает артикулы только с точки зрения их прямого вклада в маржу. Хотя ABC XYZ, кажется, также учитывает вариацию спроса, его основа все же основана на том, сколько каждый артикул вносит в индивидуальном, прямом смысле (например, выручка). Этот подход рассматривает артикулы в изоляции, а не в комбинации. Эта тонкость является отличительной чертой вторичного подхода, где стоимость артикула CX, например, рассматривается в отношении артикула AX. Хотя первый может не вносить значительного дохода, его наличие на складе может способствовать продаже последнего, поэтому косвенная стоимость CX может значительно превышать его прямую стоимость. Таким образом, уже произвольный процесс категоризации, который приводит к таким же произвольным политикам инвентаризации, полностью игнорирует эти тонкие экономические факторы. Это почти наверняка приведет к случаям исчерпания запасов для артикулов, их истинная ценность которых не была распознана.3

Теоретические возражения против ABC XYZ

На первый взгляд анализ ABC XYZ может показаться улучшенной версией классического подхода ABC, и, возможно, люди могут быть убеждены в его применении полусложных математических принципов. Однако это впечатление несправедливо, поскольку использование теории моментов в ABC XYZ является наивным, учитывая неполный характер проводимого статистического анализа. Хотя можно сказать, что среднее и дисперсия являются допустимыми частями математического анализа такого типа (т.е. понимание распределения случайной переменной спроса), есть и другие равно показательные моменты, которые полностью игнорируются.  

Третий момент, асимметрия, не учитывается в анализе ABC XYZ, также как и четвертый момент, эксцесс. Асимметрия измеряет, насколько равномерно (или нет) распределены продажи вокруг среднего значения.4 Эксцесс, в свою очередь, измеряет, насколько “острый” или “плоский” является распределение по сравнению с нормально распределенным набором данных. Оба этих момента предоставляют допустимые представления о базовых данных, именно поэтому надежный статистический анализ включал бы их в стандартную практику.5

В результате, статистическое исследование в анализе ABC XYZ является незавершенным в лучшем случае и вводящим в заблуждение в худшем случае. Фактически, природа современных вычислительных и статистических методов такова, что нет необходимости ограничивать свою область только четырьмя моментами, поэтому даже теоретическая будущая версия ABC XYZ, которая включает эти моменты, все равно будет уступать по мощности в сравнении.

Взгляд Lokad

Анализ ABC XYZ является в конечном счете ненужной и ошибочной попыткой улучшить анализ ABC. Отбросив внутренние ограничения классификации ABC, расчеты XYZ не дают значимых исследовательских выводов, учитывая непонимание его исследовательского вопроса и непригодность выбранных инструментов для его выполнения.  

Целью ABC XYZ является помощь практикам в определении соответствующих политик инвентаризации для артикулов, сложных для прогнозирования (например, AZ или CZ), не определяя, почему эти артикулы могут быть сложными для прогнозирования. Более того, он не предоставляет никакой детализированной перспективы того, как взаимодействуют артикулы (их косвенная стоимость), что играет важную роль в определении нюансированного уровня обслуживания и соответствующих целей запасов. Игнорируя эти проблемы, анализ фактически блуждает во мраке.

В терминах базовых инструментов, подход удваивает произвольные параметры своего предшественника и утраивает количество классов, включая частично грамотное понимание статистики. Однако этого нарушения нельзя игнорировать, несмотря на благие намерения сторонников ABC XYZ. Потенциальная опасность заключается в видимой строгости расчетов XYZ, представляемых читателям. В отличие от анализа ABC, доступного практически каждому, у кого есть работающий компьютер и функционирующий мозг, ABC XYZ претендует на использование нескольких статистических принципов, которые для неосведомленных могут показаться довольно сложными и впечатляющими. Однако это лишь костыль-модное слово, которое не выдерживает собственного веса. Правильный статистический анализ данных о продажах возможен с использованием моментов, однако для этого требуется гораздо более сложное понимание моментов, чем то, что можно найти в анализе ABC XYZ.

В итоге анализ ABC XYZ жертвует статистической надежностью, чтобы оставаться доступным для общего практикующего в сфере цепочки поставок. Этот компромисс приводит к процессу, который усиливает нестабильность и отвлекает пользователей от основных интересующих вопросов. Практикующие, чьи бизнесы выросли за пределы таких практик, могут написать на почту contact@lokad.com, чтобы организовать демонстрацию производственного решения PIR - ответа Lokad на проблемы, которые пытается решить ABC XYZ.

Примечания


  1. Обычно это A, B и C-классы SKU, где A представляет наиболее прибыльные, C - наименее, а B находится где-то между ними. Обычно временной период - это календарный год, но это может варьироваться. ↩︎

  2. Конечно, есть нижний предел полезности; выборка данных за одну неделю будет почти не имеющей доказательной ценности. Однако, как только будет определен достаточно глубокий исторический набор данных (скажем, 3 месяца продаж), практически нет логических возражений против предложения увеличить его еще на один месяц. Результатом этого, как упоминалось выше, почти наверняка будет изменение расположения некоторых SKU в матрице ABC XYZ. Это подчеркивает еще одну проблему с процессом ABC XYZ: как только достигнута достаточная масса данных, процесс сразу же становится уязвимым для дальнейших манипуляций. Это противоречит тому, что должна делать категоризация: обеспечивать надежные и значимые границы между записями. ↩︎

  3. Это очень краткое изложение точки зрения Lokad и предвосхищает покрытие дефицита товара как важного экономического фактора. Оба этих концепта подробно рассматриваются в нашем учебнике по приоритизированному пополнению запасов↩︎

  4. Или “SKU-ность”, если вам так угодно. ↩︎

  5. Как и pi, функция плотности вероятности имеет бесконечное количество моментов разного порядка. Однако на практике обычно используются только первые четыре. ↩︎