00:00:03 Введение в ABC анализ и корни принципа Парето.
00:00:33 Анализ Парето в социальных сетях, цепях поставок.
00:02:03 Роль ABC анализа в категоризации запасов.
00:03:14 Использование и злоупотребление ABC анализом в цепях поставок.
00:06:05 Актуальность ABC анализа в современных системах учета запасов.
00:08:00 Ограничения системы учета запасов ABC.
00:09:00 Недостаточная специфичность подхода ABC.
00:11:02 Проблемы стабильности классификации ABC и их влияние.
00:13:01 Предложение управления запасами на основе данных.
00:15:38 Преимущества прогнозирования для товаров с высоким объемом продаж.
00:18:01 Сочетание экономических факторов, вероятностного прогнозирования против ABC.
00:19:00 Переход от ABC к подходу информационной теории.
00:21:39 Критика ABC анализа: продвижение показателей пустой славы.
00:25:17 Опасности полагания на ABC анализ.
Резюме
Жоанн Верморель, основатель Lokad, обсуждает ABC анализ, метод управления запасами, основанный на правиле 80/20 Парето. Он объясняет, как этот метод категоризирует продукты по классам в соответствии с их скоростью продаж, где ‘A’ представляет высокоценные быстро продаваемые продукты, а ‘C’ - низкоценные медленно продаваемые продукты. Верморель выражает опасения относительно упрощения этого метода и его потенциального злоупотребления в современных цепях поставок, поскольку он не улавливает тонкости внутри категорий. Он выступает за более детальный, детализированный подход, который учитывает индивидуальную историю продаж и физические ограничения каждого продукта, предупреждая, что ABC анализ может привести к вводящим в заблуждение показателям и нестабильности из-за колебаний спроса и дефицита товара.
Расширенное резюме
Разговор на Lokad TV вращается вокруг концепции ABC анализа, подхода к категоризации запасов, основанного на правиле 80/20 Парето. Этот метод категоризирует каталог на основе воспринимаемой стоимости и находит широкое применение в программном обеспечении ERP и в широкой индустрии управления цепями поставок.
Joannes Vermorel, основатель Lokad, предоставляет подробное объяснение ABC анализа. Он отмечает, что техника происходит от анализа Парето, который утверждает, что в социально конструируемых явлениях топ-20% наиболее значимых элементов составляют 80% от всего. Этот принцип наблюдается в различных областях, таких как социальные сети, распределение богатства и продажи товаров.
В контексте цепей поставок, Верморель объясняет, что 20% наиболее важных продуктов обычно составляют 80% продаж. Он приписывает это открытие Вильфредо Парето, итальянскому математику и гражданскому инженеру конца 19 века. Верморель также предполагает, что идея категоризации запасов, даже без математической точности, может иметь древние корни.
Верморель объясняет, что практическое применение ABC анализа для учета запасов включает категоризацию SKU или продуктов на классы, обычно от трех до пяти. Класс ‘A’ представляет быстрооборачиваемые товары, в то время как последний класс, ‘D’ или ‘E’, обозначает медленнооборачиваемые товары. Классы между ними имеют различные скорости оборачиваемости запасов. Результатом является грубая категоризация, которая группирует продукты с похожими скоростями оборачиваемости запасов.
Несмотря на простоту ABC анализа, он широко используется в индустрии управления цепями поставок, хотя Верморель считает, что он также широко злоупотребляется. Категоризация, по его мнению, полезна, когда она точно отражает физические ограничения продуктов. Например, в авиационной промышленности первая категория может включать дорогие восстанавливаемые продукты, в то время как последняя категория может включать невосстанавливаемые расходные материалы. В пищевой промышленности могут быть установлены отдельные категории обработки для замороженной и сухой пищи. Эти классификации обозначают различные методы обработки товаров.
Верморель излагает, как метод ABC анализа возник для управления запасами без необходимости подсчета каждого товара. С помощью этой системы разные категории товаров могут храниться в разных размерах контейнеров, с простым правилом перезаказа запасов, когда контейнер становится наполовину пустым. Такой подход был практичным, когда не было программного обеспечения для отслеживания и управления запасами. Однако Верморель утверждает, что в современную цифровую эпоху, когда запасы могут быть отслеживаемыми автоматически, метод ABC становится проблематичным и устаревшим.
Верморель указывает, что система классификации ABC является низкоразрешающим приближением истории продаж. Она не предоставляет никакой дополнительной информации, кроме той, которую можно получить из подробного анализа истории продаж товара. Таким образом, решения, основанные на этих классификациях, могут потенциально быть уточнены и сделаны более точными с использованием фактических данных о продажах.
Верморель также указывает, что метод ABC может создавать иллюзию однородности внутри категорий. Каждая категория может содержать сотни продуктов, и внутри этих категорий могут быть значительные вариации. Например, топ-1% продуктов может иметь скорости продаж в десять раз выше, чем топ-10%, и эта детализация теряется при классификации ABC.
Верморель предлагает более тонкий подход к управлению запасами, основанный на детальной истории продаж отдельных продуктов. Этот подход включает назначение менеджера по закупкам для обработки определенного количества товаров на основе их стоимости или важности, тем самым обеспечивая более пристальное внимание к товарам высокой стоимости.
Верморель размышляет о традиционном процессе принятия решений в цепи поставок, который включает решения о закупках, производстве, размещении запасов, ликвидации и ценообразовании. Однако с появлением компьютеров этот процесс претерпевает значительные изменения. Компьютеры могут обрабатывать тысячи товаров многократно в течение дня, в зависимости от того, что является наиболее разумным, что человек не может делать вручную.
Верморель объясняет концепцию уровней обслуживания в связи с объемом продаж. Он предлагает, что товары с более высоким объемом продаж обычно имеют более точный прогноз, потому что они продаются более последовательно. Например, товар, продажи которого составляют 100 единиц в день, скорее всего продаст около 100 единиц на следующий день, плюс-минус 10%. Напротив, товары с низким объемом продаж имеют более непредсказуемый спрос. Они могут продаваться только раз в месяц, и сложно предсказать, когда это может произойти.
При высоком объеме продаж поддержание высокого уровня обслуживания является более экономически эффективным. Это связано с тем, что количество запасов, необходимых для товара, определяется сроком поставки и изменчивостью спроса, или “непостоянством”. Если товар имеет высокое непостоянство, требуется больше запасов. Однако по сравнению с товарами с низким объемом продаж, товарам с высоким объемом продаж требуется меньше запасов относительно их объема продаж, что делает их более эффективными в превращении валюты в дополнительные пункты уровня обслуживания.
Для товаров с высоким объемом продаж вероятностный прогноз даст относительно сосредоточенный прогноз, отражающий низкую неопределенность. В отличие от этого, для медленно движущихся товаров прогноз будет более разбросанным из-за большей неопределенности. Комбинирование этого вероятностного прогноза с экономическими факторами, такими как стоимость запасов, стоимость закупки, затраты на хранение и потенциальная маржа, приводит к более точному уровню обслуживания, который не требует грубой категоризации, как анализ ABC.
Верморель критикует анализ ABC как метод, который позволяет избежать расчетов вообще, что было полезно в 19 веке, когда вручную отслеживать тысячи товаров было трудной задачей. Однако в современном мире, с появлением мощных компьютеров, способных выполнять миллиарды операций в секунду, такой подход устарел.
Это обусловлено двумя основными причинами. Во-первых, анализ ABC часто приводит к показателям самодовольства, которые создают иллюзию хорошей производительности, в то время как реальность может быть совершенно иной. Во-вторых, классы ABC нестабильны и могут быстро изменяться из-за нехватки товара или колебаний спроса. Например, товар, столкнувшийся с массовой нехваткой, может перейти из класса A в класс B, создавая иллюзию улучшенного уровня обслуживания для класса A, в то время как на самом деле это просто побочный эффект плохой производительности.
Верморель выступает за более детальный и адаптивный подход, который учитывает столько же классов, сколько есть товаров и возможных историй продаж. Этот подход использует теорию информации для принятия лучших решений на основе наблюдаемой истории продаж. В этом контексте он подчеркивает важность выражения метрик в терминах долларов производительности или ошибки, а не в процентах, чтобы лучше соответствовать экономической реальности управления цепями поставок.
Полный транскрипт
Киран Чандлер: Добро пожаловать в Lokad TV. На этой неделе мы поговорим о анализе ABC, методе категоризации запасов, который имеет свои корни в правиле 80/20 Парето. Метод работает путем разделения каталога на основе его воспринимаемой стоимости и был принят многими крупными ERP-системами, а также всей отраслью цепей поставок. Итак, Жоанн, это краткий обзор анализа ABC, но, возможно, вы могли бы объяснить его нам более подробно.
Жоанн Верморель: Да. Как вы указали, анализ ABC берет свое начало в анализе Парето, который в основном описывает категории социальных сетей. Идея заключается в том, что 20% самых активных или важных представляют 80% массы. Это очевидно на платформах, таких как LinkedIn, где топ-20% пользователей, вероятно, имеют 80% связей. Аналогично, 20% самых богатых людей, вероятно, владеют 80% богатства. В контексте цепей поставок топ-20% продуктов составляют примерно 80% продаж. Этот принцип был открыт итальянским математиком и инженером-строителем по имени Парето в конце 19-го века. Что касается категоризации запасов, эта идея, хотя и без математики, вероятно, уходит корнями в древность.
Киран Чандлер: Итак, как на самом деле работает анализ ABC?
Жоанн Верморель: Основная идея анализа ABC для запасов заключается в классификации ваших SKU или продуктов по классам. Обычно у вас будет три-пять классов, начиная с класса ‘A’, который предназначен для быстро движущихся товаров, и заканчивая последним классом ‘D’ или ‘E’ для медленно движущихся товаров, с классами между ними, представляющими различные скорости для ваших разных продуктов. Этот процесс приводит к относительно крупным группам, которые объединяют продукты с похожими скоростями оборота запасов, указывая, сколько единиц вам нужно производить или обслуживать в любой отдельный день.
Киран Чандлер: Этот метод регулярно используется компаниями ежедневно? Кажется очень упрощенным.
Жоанн Верморель: Да, это действительно упрощенный метод, но он широко используется, и я бы сказал, широко злоупотребляется в мире цепей поставок. Эта категоризация помогает, когда ваши продукты отражают физические ограничения, которые у вас есть на ваших продуктах. Например, в авиационной отрасли у вас будет первая категория очень дорогих и подлежащих ремонту продуктов. Затем у вас будут относительно дешевые, но все же подлежащие ремонту продукты, а затем есть расходные материалы, которые нельзя отремонтировать. Каждая категория представляет разные способы обращения с товарами. В пищевой промышленности у вас будет разная обработка замороженной пищи или сухой пищи. Эти категоризации подчеркивают различные физические процессы, вовлеченные в них. Однако сам анализ ABC на самом деле не касается физических аспектов товаров, а только скорости продаж. Упомянутое ранее злоупотребление заключается в создании широких категорий, определенных только относительными продажами.
Киран Чандлер: Можете объяснить типичную классификацию продуктов? Я понимаю, что есть классы A, B и C. Что означает, что продукт является продуктом класса A?
Жоанн Верморель: Конечно, продукт класса A обычно означает, что вы продаете или производите, скажем, более 20 единиц в день. Эта высокая скорость оборота делает его продуктом класса A. Эта система классификации является числовым порогом на основе объема продаж за определенный период времени, скажем, за последние три месяца. Точные критерии могут варьироваться от одной компании к другой, но основная концепция заключается в том, что вы определяете скорость как среднюю за определенный период времени, а затем устанавливаете пороги для каждой категории: A, B, C, D, E.
Киран Чандлер: Кажется логичным классифицировать продукты таким образом, отмечая некоторые из них как более важные, чем другие. Но у меня сложилось впечатление, что вы не полностью согласны с этим подходом. Почему это не актуально?
Жоанн Верморель: Вы правы, у меня есть некоторые сомнения. Интересная вещь в этом анализе ABC заключается в том, что он позволяет управлять запасами без подсчета. Давайте взглянем на управление запасами с точки зрения 19-го века. Для товаров класса A вы будете использовать большие контейнеры. Если контейнер выглядит наполовину пустым, вы делаете заказ. Для товаров класса B используются меньшие контейнеры, а для товаров класса C может и не быть контейнера, только полка. Когда один товар израсходован, вы делаете заказ на следующий. Эти методы позволяют управлять запасами без подсчета. Вы просто делаете заказ на основе внешнего вида вашего запаса, что отлично работает, если у вас нет программного обеспечения для управления цепочкой поставок. Однако в современном мире, где мы можем автоматически отслеживать и подсчитывать запасы, этот система не имеет особого смысла.
В основе классификации запасов, такой как ABCD, лежит низкоразрешающее приближение к тому, сколько вам нужно произвести или потребить за определенный период времени. Любое решение, основанное на этом классе, могло бы быть более точным, если бы оно было основано на фактической истории продаж продукта. Ошибочность заключается в том, что класс ABC не добавляет никакой дополнительной информации по сравнению с историей спроса на продукт.
Киран Чандлер: Какие проблемы могут возникнуть при использовании этого подхода ABC?
Жоанн Верморель: Существует несколько проблем, в основном связанных с тем, что это очень низкоразрешающая система. Это похоже на то, что у вас есть возможность делать расчеты в граммах, но все округляется до тонн. Во-первых, есть проблема гетерогенности внутри класса. Если у вас есть 2000 товаров и вы создаете пять классов, каждый класс все равно будет содержать около 400 товаров, и внутри этих классов может быть широкий диапазон вариации. Эта система дает вам иллюзию специфичности, игнорируя значительные различия между продуктами, особенно для топ-продаж, где, вероятно, ваша верхняя 1% продуктов…
Киран Чандлер: Таким образом, когда у вас есть топ-10% продаж, вероятно, они работают с скоростью продаж в 10 раз выше на один продукт. Однако, если у вас всего пять категорий, вы не сможете достичь необходимой детализации. С другой стороны, для длинного хвоста он действительно очень длинный. Ваш класс ‘C’, например, может содержать товары, которые продаются только раз в месяц, а также товары, которые продаются раз в десятилетие. Они объединены, но они очень разные. Подход к тому, что нужно раз в десятилетие, и к тому, что нужно раз в месяц, будет совершенно разным.
Жоанн Верморель: Кроме того, я бы сказал, что основная проблема с очень грубой классификацией заключается в том, что она склонна меняться со временем. Мы экспериментировали с несколькими клиентами и обычно замечали, что между третью и половиной продуктов меняют класс от одного периода к другому. Когда вы смотрите на продажи за квартал, делаете анализ ABC, затем смотрите на данные о продажах за следующий квартал и повторно делаете анализ ABC, вы можете оказаться в ситуации, когда 40% продуктов имеют другой класс. Это означает, что только потому, что вы перешли на новый квартал, у вас будут совершенно разные политики для данного товара только потому, что он изменил класс. Это действительно не имеет смысла.
Например, если у вас есть товар, который постепенно, но очень медленно снижается за последние два года, почему бы вам не решить, что только потому, что вы перешли определенный числовой порог с одного дня на другой, этот товар, который вы заказывали раз в месяц, теперь будет заказываться только два раза в год? Это дает вам очень нелинейные эффекты, с множеством пробелов и продуктов, которые внезапно переходят от заказа раз в месяц к заказу только раз в год. Это крайне произвольно и не отражает тонкую эволюцию спроса.
Киран Чандлер: Так как можно подойти к вещам более лучшим способом? Если вы не классифицируете свои продукты, как вы обеспечиваете заботу о тех продуктах, которые действительно самые важные?
Жоанн Верморель: Да, здесь это обычно подход “разделяй и властвуй”, который применяют некоторые менеджеры цепи поставок. Они могут сказать: “Чтобы уделять особое внимание самым важным продуктам, у меня будет менеджер по закупкам, который управляет товарами класса ‘A’, и он будет управлять 50 товарами. Если это менеджер, управляющий товарами класса ‘B’, он будет обрабатывать 200 товаров. А если это менеджер, управляющий товарами класса ‘C’, он будет управлять 1000 товарами”. Таким образом, у вас будет больше интеллектуальных ресурсов для каждого из самых значимых товаров.
Однако этот подход предполагает, что все решения в цепи поставок, такие как количество закупки, количество производства, место размещения запасов, ликвидация запасов или изменение цены, принимаются людьми, выполняющими все вручную. Но реальность такова, что как только у вас появляются компьютеры, все меняется. Компьютеру нет проблем с обработкой тысяч товаров сотни или даже тысячи раз в день, если это имеет смысл.
Итак, если вы хотите обеспечить более высокий уровень обслуживания для товаров класса ‘A’, то вы на самом деле говорите о том, что если у вас есть товар, который продается больше, у вас может быть лучший прогноз. Почему? Потому что это игра чисел. Гораздо проще прогнозировать, если товар продается стабильно по 100 единиц в день.
Киран Чандлер: Где-то около 100 это будет достаточно хороший прогноз, может быть плюс-минус 10 процентов. Если у вас есть товар, который продается раз в месяц, наиболее вероятный прогноз на завтра - ноль единиц. Однако он очень непостоянный. Могут быть дни, когда вы продаете два дополнительных товара.
Жоанн Верморель: Главное заключается в том, что есть светлая сторона. Если у вас есть товары с большим объемом, склонность к непостоянству будет ниже. Это обеспечивает более высокий уровень обслуживания. Когда мы говорим о затратах, это более эффективно, потому что количество запасов, которое вам нужно хранить, более или менее пропорционально вашему времени выполнения с одной стороны и непостоянству с другой стороны. Если непостоянство в два раза больше, вам нужно иметь в два раза больше запасов. Вам нужно больше запасов для товаров, которые продаются больше, но по сравнению с товарами с низким объемом продаж вам нужно гораздо меньше.
Ваш запас для товаров с высоким объемом и быстрым оборотом более эффективен с точки зрения превращения евро или долларов в дополнительные пункты уровня обслуживания. Вот почему обычно вы получаете эти группы и все эти рецепты. Но вы можете видеть проблему совершенно по-другому.
Во-первых, я предлагаю принять вероятностный прогноз, который естественным образом отражает неопределенность. Для товаров с большим объемом вы получите прогноз, который, очевидно, высокий, но также относительно концентрированный, потому что ваша неопределенность низкая. Этот вероятностный прогноз предоставляет распределение, которое отражает неопределенности, которые у вас будут в будущем спросе.
Для медленно движущихся товаров вы получите вероятностное распределение, где среднее значение распределения будет намного ниже, потому что в среднем у вас меньше спроса, но распределение будет очень широким из-за большой неопределенности, большого непостоянства.
Киран Чандлер: Так что вы имеете в виду, когда говорите, что хотите иметь высокий уровень обслуживания?
Жоанн Верморель: Фактически вы говорите о том, что для каждого случая отсутствия товара вы теряете маржу. Возможно, у вас есть штраф за отсутствие товара, поэтому вы теряете коммерцию с клиентами, когда они ожидают найти что-то, и вы не можете доставить товары, которые в основном рекламировались.
Идея заключается в том, что если вы объедините факт того, что у вас есть экономические факторы, такие как стоимость запасов, затраты на хранение, затраты на закупку, стоимость отсутствия товара и маржа, которая является вашей дополнительной наградой, потому что вы будете перепродавать свои товары по цене, превышающей вашу стоимость, то уровень обслуживания, который вы получаете, является следствием сочетания этих экономических факторов с вашим вероятностным прогнозом спроса.
Категоризация ABC даже не участвует в расчете, потому что в конечном итоге категоризация ABC - это простой способ оценить будущий спрос или непостоянство будущего спроса, который вы получаете из коробки, если у вас есть вероятностный прогностический движок.
Кирен Чандлер: Итак, вы говорите, что ABC-анализ - это очень грубый способ сделать это. Разве решение Lokad не является более тонким видом оптимизации, своего рода расширением ABC-анализа? В чем ключевая разница?
Жоанн Верморель: Основное отличие заключается в том, что мы просто считаем, что у нас есть столько же классов, сколько у нас есть товаров, и столько же классов, сколько у нас есть возможная история продаж. Если у вас есть такая тонкая детализация, что у вас есть один класс на каждую ситуацию, то категоризация становится немного бессмысленной.
Подход Lokad заключается в мышлении в терминах информации, скорее в смысле информационной теории. Откуда берется информация для принятия лучшего решения? Если вся информация происходит из наблюдаемой истории продаж, то прогностическая модель потенциально может внутренне перестроить свою собственную классификацию.
Кирен Чандлер: Классификация, если она помогает вам видеть, но она находится внутри прогностической модели или движка. Обычно, поскольку она очень детализированная, это не делается так. Нет никакой экономии. Единственное преимущество ABC-анализа заключается в том, что это своего рода метод, который позволяет избежать любых вычислений. Это замечательно, если у вас есть только карандаш, лист бумаги и тысячи товаров. Представьте себе отслеживание тысяч товаров вручную в 19 веке - это кошмар. Так что было очень важно иметь методы, при которых не нужно было делать никаких вычислений, даже сложение. Интересно, потому что эти методы были своего рода интуитивными и представляли собой некоторый подход к оценке.
Жоанн Верморель: В Lokad мы идем другим путем. Наш подход к цепям поставок направлен на максимально возможное количественное измерение. У нас есть невероятно быстрые компьютеры, которые могут выполнять миллиарды сложений в секунду, поэтому вычислительная мощность не является дефицитным ресурсом. ABC-анализ упрощенный, и как вы упомянули, одно из реальных преимуществ заключается в том, что вам не нужна ручка и бумага.
Кирен Чандлер: Но должно быть и другие преимущества ABC-анализа. Почему компании все еще его используют?
Жоанн Верморель: Что ж, я не совсем уверен. Мы видели много ситуаций, когда существуют множество воспринимаемых преимуществ, но когда дело доходит до реальных, осязаемых преимуществ, все становится гораздо менее ясным. Компании используют ABC-анализ как стратегию “разделяй и властвуй”, чтобы распределить нагрузку по обработке товаров между множеством практиков в сфере цепей поставок. Однако ответ таков: не делайте этого. Это плохая идея. У вас должно быть что-то, что равномерно обрабатывает все товары. Если ваш метод полагается на некоторую категоризацию, вероятно, вы можете пересмотреть свои методы, чтобы убрать это и непосредственно использовать средний спрос за последние несколько месяцев. Это обычно будет работать лучше. Вам не нужно что-то, что проходит через большие приращения или большие шаги.
Что касается отчетности, это подход, при котором руководство часто создает показатели пустой гордости. Люди закреплены за привычкой говорить: “Посмотрите, дорогой генеральный директор, мы так хороши, когда смотрим на товары ‘А’, потому что наши товары ‘А’ имеют уровень обслуживания, скажем, 95 процентов”.
Кирен Чандлер: Но это снова процент, а не доллары ошибки, поэтому не имеет значения, если ваш объем продаж, если ваши товары имеют очень, очень высокий уровень обслуживания. Если ваши клиенты все еще считают, что то, что им действительно нужно, это остальное, дело в том, что вы действительно хотите свести это к, я бы сказал, долларам производительности, долларам ошибки. Я имею в виду вещи, выраженные в долларах, а не в процентах.
Жоанн Верморель: И анализ ABC, это типично осведомленность о построении показателей тщеславия, где у вас есть проценты, и вы строите дополнительные проценты, такие как поверх ваших процентов. И разрыв с фактической реальностью может быть очень, очень сильным. И если вы объедините это с тем, что эти классы ABC также очень нестабильны, знаете, из одной культуры в другую, вы можете оказаться в иллюзии, что ваши показатели хороши, в то время как на самом деле все меняется все время. Например, если у вас есть товар, который относится к классу A, и вы столкнулись с массовым отсутствием товара, этот товар очень быстро упадет в класс B, просто потому что количество проданных единиц упало из-за отсутствия товара. Но затем, с точки зрения статистики, это выглядит хорошо, потому что вы только что исключили из класса A товар, который плохо себя вел. Так что внезапно, знаете, просто потому что у вас есть товары, где у вас массовое отсутствие товара, они фактически сами выйдут из класса A по своей природе, потому что класс A весит, как объем продаж. Так что если у вас есть массовое отсутствие товара на чем-то, что относится к классу A, оно не продержится в классе. Оно очень быстро упадет в класс B.
Кирен Чандлер: Понятно, вы говорите, что если товар испытывает массовое отсутствие товара, он может казаться успешно работающим на основе анализа ABC, поскольку он перемещается из класса A в класс B. Но это не обязательно означает, что все в порядке, потому что товар плохо себя вел из-за отсутствия товара, а не потому что он действительно хорошо себя вел.
Жоанн Верморель: Именно так, в этом случае все не в порядке. У вас просто есть побочный эффект, когда вещи, которые работают очень плохо, выходят из вашего класса быстрого движения, но по всем неправильным причинам.
Кирен Чандлер: Хорошо, к сожалению, нам придется закончить здесь. Но главный вывод сегодняшнего дня заключается в том, что анализ ABC предназначен только для очень тщеславых.
Жоанн Верморель: Да, и не делайте этого.
Кирен Чандлер: Хорошо, это все на этой неделе. Большое спасибо за просмотр, и увидимся в следующий раз. Пока пока.