Phantomscan — оптимизация циклических подсчетов и уничтожение фантомных товарных позиций

Phantomscan (бета-версия): избавляемся от фантомных товарных позиций




Image
Веб-приложение, которое создает перечень инвентарных записей, имеющих наибольшую вероятность оказаться неправильными, с целью оптимизации циклических подсчетов. Пусть ваши работники уделяют внимание единицам, которым действительно нужен учет, и игнорируют остальные. Приложение основано на продвинутом статистическом анализе данных, полученных в результате предыдущих проверок товарных запасов. Значительно превосходит классические циклические подсчеты.

Наилучшим образом подходит для предприятий розничной торговли и складов, которые терпят убытки из-за неточности данных о товарных запасах. Полная автоматизация, не требуются статистические навыки. Phantomscan извлекает полезные сведения из хронологических данных, которые экспортируются из вашей системы управления товарными запасами, и создает веб-отчеты.

Image


Концепция

Image
Неточные инвентарные записи являются распространенной проблемой в сфере розничной торговли и управления цепями поставок. Исследования (1) и (2) показали, что на уровне торговой точки до 65% записей могут иметь расхождения с товарами, которые находятся в ожидаемых местах хранения. Однако, подавляющее большинство систем управления товарными запасами, которые используются на сегодняшний день, основаны на допущении, что инвентарные записи являются точными.

Фантомные товарные позиции представляют собой основную причину низкой точности товарных запасов. Глубинные причины возникновения фантомных товарных позиций многообразны: ошибки пополнения товарных запасов, магазинные кражи, неверное обращение с поврежденными/испорченными товарами и др.

Традиционный подход заключается в избавлении от неточных инвентарных записей посредством циклических подсчетов. Несмотря на то, что такие ревизии позволяют увеличить точность товарных запасов, в своем классическом виде они занимают большое количество времени. Таким образом, минимальное повышение точности товарных запасов имеет весьма высокую цену.

Phantomscan, напротив, получает полезные сведения путем продвинутого статистического анализа для четкого определения приоритетов в управлении товарными запасами с целью извлечения максимальной пользы из каждой минуты, потраченной на подсчеты, начиная с элементов, которым повторный учет необходим в первую очередь. Phantomscan предсказывает точность каждой инвентарной записи.

Phantomscan отличается и от приложения для прогнозирования товарных запасов, и от системы обнаружения дефицита товара. Он помогает предприятиям розничной торговли расставить приоритеты в управлении товарными запасами. Напротив, прогнозирование запасов допускает, что инвентарные записи являются верными, а Shelfcheck реагирует на все проблемы, которые приводят к падению продаж. Три приложения дополняют друг друга.

Как работает Phantomscan?

Проблема, решением которой занимается Phantomscan, крайне проста: каждая минута, потраченная на повторные подсчеты товарных запасов должна приносить максимальное количество исправлений, а значит, максимально увеличивать окупаемость инвестиций в ревизию товарных запасов.

Традиционные ревизии получают полезные сведения с помощью весьма примитивных методов (например, ABC-анализа), направляя наибольшее количество усилий на подсчеты единиц с наивысшим оборотом. Однако, мы установили, что такой подход является неэффективным с точки зрения использования трудовых ресурсов.

Phantomscan анализирует внесенные в прошлом исправления для предсказания того, какие единицы действительно требуют немедленного повторного подсчета. Действительно, неточности товарных запасов не носят случайный характер, а следуют ряду закономерностей:

  • определенные категории гораздо более чувствительны к ошибкам в товарных запасах, чем другие,
  • некоторые события (например, промоакции) могут провоцировать целую волну неточностей,
  • подсчет сам по себе может приводить к появлению серьезных неточностей.

Анализ проблем, зарегистрированных в прошлом, позволяет Phantomscan четко определять области, которые требуют максимального внимания при подсчете, а также позволяет оптимизировать частоту проведения повторных подсчетов.

Более того, Phantomscan максимально увеличивает производительность, концентрируясь на единицах с низким уровнем ожидаемого наличного запаса на момент проведения повторного подсчета. Действительно, время, необходимое для проведения повторного подсчета пропорционально количеству подлежащих учету единиц. Таким образом, для максимального увеличения производительности Phantomscan принимает во внимание ожидаемое количество времени, которое потребуется для повторного подсчета.

Приступая к работе

Image
Phantomscan по-прежнему находится на ограниченном этапе бета-тестирования. Чтобы приступить к работе с приложением, обратитесь к нам. Напишите на .

Данные, необходимые для Phantomscan (чем больше хронологических данных, тем лучше результаты анализа). Как правило, данные отправляются в Lokad вместе с регулярными ежедневными обновлениями:

  • (обязательно) Количество проданного товара на торговую точку на продукт.
  • (обязательно) Уровни товарных запасов на торговую точку на продукт.
  • (обязательно) Перечень исправлений, внесенных в товарные запасы.
  • (обязательно) Каталог товаров с группами, подгруппами и т.п.
  • (не обязательно) Пополнения запасов на торговую точку на продукт.
  • (не обязательно)

Метки промоакций на торговую точку на продукт. Закономерности, наблюдаемые в пополнениях запасов, могут увеличить точность предсказаний в отношении неточностей товарных запасов. Таким же образом промоакции имеют тенденцию к созданию дополнительных неточностей товарных запасов.

Данные передаются в Lokad в виде простых файлов (TSV) по FTP. Как правило, мы начинаем с доказательства правильности концепции для одной или нескольких торговых точек.

Литература

(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”

Несмотря на то, что автоматизированное отслеживание товарных запасов на уровне артикула принято считать точным, мы обнаружили неточности в 65% из 370 000 инвентарных записей, которые были собраны в ряде торговых точек ведущей розничной сети. DeHoratius and Raman (2004)

15% инвентарных записей компании Gamma (около 55 000) имели абсолютную ошибку в восемь или более единиц, что составляет более половины среднего целевого количества товарных запасов на полках для этих артикулов в данных торговых точках. В целом, стоимость товарных запасов, не принимаемых во внимание из-за неточных записей, составляла 28% от общей стоимости ожидаемых наличных товарных запасов. DeHoratius and Raman (2004)

Мы установили несколько ситуаций, которые приводят к появлению постоянной неточности в системе товарных запасов (особенно в наличных запасах). Уровень постоянной неточности товарных запасов был поразительно высок, тогда как постоянная точность товарных запасов (где постоянные товарные запасы четко совпадали с наличными запасами) варьировался от 32 до 45 процентов в четырех проведенных и рассмотренных нами исследованиях. Gruen and Corsten (2008)