Контролируйте уровни обслуживания, не давайте им контролировать вас
В рознице многие компании не имеют полного контроля над уровнями обслуживания. Фактически, многие компании не отслеживают уровень обслуживания там, где это наиболее важно: в физическом магазине. Действительно, измерение уровня обслуживания в магазине является трудоемким упражнением. Некоторые компании, в основном панелисты, специализируются на проведении таких измерений, но стоимость этого процесса высока, так как нет альтернативы для обширного привлечения персонала.
Вернемся назад, зачем нам вообще нужно измерять уровень обслуживания?
Не было бы ли удобнее, если бы уровень обслуживания был чем-то, полученным по дизайну и определенным через явные настройки в программном обеспечении оптимизации запасов? Это было бы намного практичнее. Уровни обслуживания определенно не должны быть послесловием процесса оптимизации запасов.
Оказывается, исторически необходимость измерения уровней обслуживания возникла из ранних методов оптимизации запасов, таких как анализ резервного запаса, которые не предоставляют контроля над фактическими уровнями обслуживания. Действительно, основные модели полагаются на предположение о нормальном распределении спроса, и это предположение настолько неверно на практике, что большинство розничных компаний отказались от этого предположения в пользу ад-хок коэффициентов резервного запаса.
Эти ад-хок коэффициенты резервного запаса не являются плохими по сути: они определенно лучше, чем полагаться на злоупотребительные предположения о будущем спросе. Однако количественная связь между резервным запасом и уровнем обслуживания теряется. Таким образом, розничные компании измеряют свои уровни обслуживания и настраивают коэффициенты, пока запасы не стабилизируются как-то. В конце концов, ситуация неудовлетворительна, потому что стратегия управления запасами не гибкая: коэффициенты резервного запаса нельзя изменить, не подвергнув компанию множеству проблем, повторяя трудоемкие эмпирические настройки, выполненные изначально.
Однако с появлением квантильного прогнозирования теперь возможно производить прогнозы, которые очень точно определяют уровни обслуживания, даже если сами квантильные прогнозы не являются точными. Для этого достаточно беспристрастных прогнозов, а не идеально точных прогнозов.
Действительно, квантильные прогнозы непосредственно и очень естественным образом решают проблему определения количества для заказа, необходимого для достижения целевых уровней обслуживания. Если будет найдена новая и лучшая технология квантильного прогнозирования, то эта технология, возможно, сможет достичь тех же уровней обслуживания с меньшими запасами, но обе технологии доставляют обещанные ими уровни обслуживания по дизайну.
Это поведение сильно отличается от случая классического прогнозирования, связанного с анализом запасов безопасности, где улучшение точности, хотя и желательно, приводит к непредсказуемым результатам на практике. Например, для многих товаров с низким объемом продаж, как наблюдается в магазинах, переход к глупой модели прогнозирования, которая всегда возвращает ноль, обычно улучшает точность, определяемую как абсолютная разница между фактическими продажами и прогнозируемыми продажами. Очевидно, что переход к прогнозам, равным нулю, для половины товаров может привести только к плачевным результатам в бизнесе. Этот пример может показаться анекдотическим, но это не так. Прогнозы, равные нулю, являются наиболее точными классическими прогнозами во многих ситуациях.
Таким образом, чтобы контролировать уровни обслуживания, необходима методология оптимизации запасов, в которой такой контроль встроен.
