00:00:00 Складские резервы не являются безопасными: запуск эпизода
00:05:37 Классический складской запас: нормы плюс уровни сервиса
00:11:14 Целевые показатели уровня сервиса вводят в заблуждение; пример модного сезона
00:16:51 Минимальные объемы заказа, поддоны, грузовики требуют более разумного распределения
00:22:28 Вездесущность ERP, обходы Excel, несоответствие ортодоксии
00:28:05 Мышление на высоких квантили приводит к простою запасов
00:33:42 Время поставки: двумодальная реальность, толстые хвосты
00:39:19 Подход, основанный на норме прибыли, заменяет погоню за KPI
00:44:56 Уровень сервиса 98% может обернуться катастрофой
00:50:33 Нулевые запасы — не универсальное решение
00:56:10 Ручная настройка выявляет невозможность полной автоматизации
01:01:47 Товары повседневного спроса: ограничение полной загрузки грузовика, отсутствие промоакций
01:07:24 Важна финансовая согласованность; складские резервы всё равно не работают
01:13:01 Розничные штрафы требуют индивидуального разбора по клиентам
01:18:38 Уровень сервиса против коэффициента заполнения, путаница в спросе
01:24:15 Роботизация заказов; закупщики прекращают попечение таблицами
Резюме
Запас безопасности выглядит научно, но он заменяет экономическое мышление на целевой процент. Он оптимизирует «уровень сервиса» вместо доходности на ограниченный капитал, и игнорирует реальные ограничения, такие как минимальные объемы заказа, вместимость грузовика, скидки по ценам, скоропортящесть и крайне неравномерные затраты при дефиците среди SKU. Математические предположения часто не соответствуют реальности, поэтому планировщики изменяют результаты в Excel — доказательство того, что модель не работает. Решение — начать с экономики: распределять ресурсы по ожидаемой отдаче, а затем автоматизировать решения, которые по умолчанию разумны.
Расширенное резюме
Запас безопасности продается как «научный» способ проявить осторожность: предположить, что спрос и сроки поставки ведут себя хорошо, выбрать уровень сервиса и вычислить минимальные запасы, необходимые для избежания дефицита с данной вероятностью. Проблема, как утверждает Йоаннес, заключается в том, что это не экономика — это арифметика, замаскированная под мудрость. Она оптимизирует вымышленную цель (процент уровня сервиса) вместо основной задачи бизнеса: распределения ограниченных ресурсов для получения наилучшей отдачи.
Как только вы начинаете рассматривать запасы как капитал, пробелы становятся очевидными. Запас безопасности не дает указаний о том, как распределить деньги между тысячами SKU, как справляться с минимальными объемами заказа, скидками, вместимостью грузовиков, или с повседневной реальностью, что решения по пополнению запасов должны соответствовать жестким ограничениям. Он сообщает вам «целевой уровень», а затем реальный мир немедленно требует округления, объединения и компромиссов — именно там, где приоритизация имеет значение, и именно то, что формула не может обеспечить.
Сам уровень сервиса оказывается плохим показателем для «хорошего обслуживания», не говоря уже о прибыльности. В модной индустрии высокие уровни сервиса под конец сезона приводят к зависшим запасам; дефицит товаров может быть желателен, если он освобождает место для следующей коллекции. В авиации, универсальные 98% абсурдно низки для дешевых запчастей (где отсутствие одной детали может вывести самолет из строя с огромными затратами) и абсурдно высоки для компонентов стоимостью в несколько миллионов евро (где их хранение замораживает капитал, который можно было бы использовать эффективнее). Правильный ответ сильно варьируется в зависимости от товара, и асимметрия между «избытком» и «недостатком» запасов не является постоянной.
Математика также не в состоянии описать реальность. Нормальные распределения подразумевают отрицательный спрос и отрицательные сроки поставки — абсурд. Сроки поставки часто бывают двуатомными: либо всё приходит, как и обещано, либо всё идёт крайне плохо, иногда поставки вообще не происходят. Кроме того, страховой запас обычно игнорирует другие важные неопределенности — возвраты, списания, регуляторные потрясения, такие как тарифы, и нелинейные штрафы в розничных соглашениях.
Практическое доказательство этого — “армия клерков”, вмешивающихся в результаты электронных таблиц. Если система генерирует столько исключений, что человеку приходится проверять всё, это не автоматизация, а рутинная работа. Предлагаемая альтернатива заключается в том, чтобы начать с экономической точки зрения — нормы прибыли, — а затем “роботизировать” решения так, чтобы они были разумны с самого начала, а ручное вмешательство оставалось исключением, а не правилом. Короче говоря: перестаньте поклоняться процентам и начните измерять, что это стоит, что это приносит и что это предотвращает.
Полный транскрипт
Conor Doherty: Это Supply Chain Breakdown, и сегодня мы разберём, почему страховые запасы на самом деле не безопасны. Вы знаете, кто я. Я — Конор, директор по коммуникациям в Lokad, и слева от меня, как всегда, несгибаемый Жоаннес Верморель.
Прежде чем мы начнём, оставьте комментарий внизу: каково ваше отношение к страховым запасам? Считаете ли вы, что они являются механизмом для создания мёртвых запасов? Обсудим это позже. Сообщите нам свои комментарии, вопросы, и я задам их Жоаннесу чуть позже.
Итак, Жоаннес, не будем терять время. Тема сегодняшнего разговора: страховые запасы не безопасны. Я знаю, что, проработав здесь много лет и проведя с тобой как публичные, так и частные беседы, прочитав твою новую книгу, прочитав предыдущие статьи, можно с уверенностью сказать, что ты не являешься поклонником страховых запасов.
Итак, прежде чем мы начнём критиковать, давай опишем ситуацию. Ты писал о классической концепции страхового запаса. Что это такое, и какие обещания она даёт, которые, по-твоему мнению, не оправдываются?
Joannes Vermorel: Классический страховой запас — это модель, которая определяет уровень запасов. Вот и всё.
Как построена эта модель? Она предполагает, что неопределённость будущего спроса распределена нормально (неопределенность), что неопределённость будущего срока поставки также распределена нормально, и что у вас есть целевой уровень обслуживания, определяемый как вероятность отсутствия товара на складе в следующем цикле пополнения.
И она определяет целевой уровень запасов, который, согласно этой модели, необходимо поддерживать для достижения данного уровня обслуживания при минимальном объёме запасов.
Таким образом, по сути, модель говорит: у нас есть оптимальное решение. Это минимальное количество запасов для заданного уровня обслуживания, но с рядом подводных камней.
Conor Doherty: На самом деле, их довольно много. Расскажи о некоторых из подводных камней.
Joannes Vermorel: Я думаю, что основная проблема страхового запаса заключается в том, что он исходит из неэкономической перспективы. Это просто означает, что он не оптимизирует прибыльность вашей компании.
На самом деле, я бы даже сказал, что он никак не коррелирует с тем, получает ли ваша компания прибыль или нет. И это грандиозное заблуждение — люди работают под впечатлением, что страховой запас даёт им что-то оптимальное, или хотя бы что-то безопасное, что-то хорошее. Но я утверждаю: абсолютно нет.
Экономический аспект полностью отсутствует в этой модели, и, следовательно, просто из-за этого, зачем ожидать, что страховой запас принесёт вам что-либо прибыльное или хотя бы полезное?
Мой опыт — опять же, мы говорим об отсутствии экономики — и затем, на практике, Lokad несколько лет пытался работать по этой схеме, и это было полное безумие.
Да, время от времени число, полученное по формуле страхового запаса, оказывается верным, как сломанные часы показывают правильное время дважды в сутки. Но в остальном оно крайне ненадёжно.
Conor Doherty: Ладно. Опять же, я хочу немного отразить другую сторону. Безусловно, есть веские аргументы в пользу использования формул страхового запаса. Вы занимаетесь этим бизнесом уже очень, очень долго.
Какой самый убедительный аргумент вы слышали в защиту той точки зрения, которую вы оспариваете?
Joannes Vermorel: Для меня самый убедительный аргумент заключается в следующем: “Мы не знаем ничего лучше.” Ладно, хорошо.
Но этот аргумент немного похож на использование астрологии. Если вы не знаете ничего лучше, чем астрология, то, пожалуй, вы можете использовать её, чтобы предсказать будущее. Это не будет очень точно. Но если больше ничего нет, возможно, это разумное запасное решение.
Если это буквально самый сильный аргумент, то остальные — когда вы углубляетесь в математику, технические детали, всё — эти аргументы чрезвычайно слабы.
Мы можем продолжать долго, но, например: что означает экономическая перспектива? Я могу привести множество уровней критики, но экономика — это изучение распределения ограниченных ресурсов, имеющих множество применений.
Так о чём же мы говорим? Прежде всего, речь идет о деньгах и запасах. Страховой запас связан с пополнением запасов, то есть, в основном, с распределением ваших средств в запасы.
У нас есть альтернативные варианты использования. Какие они? Мы можем заказать больше для множества товарных позиций (SKU).
Во-первых: если я смотрю на страховой запас по одной товарной позиции (SKU), говорит ли он мне, сколько я должен заказать? Не совсем. Почему? Потому что, во-первых, он просто задаёт целевой уровень запасов. То есть можно сказать: “Я просто пополню запас до этого уровня.”
Но реальность такова: если только ваши поставщики не являются розничными торговцами, они, скорее всего, не продают товары поштучно. Девяносто процентов B2B-бизнеса не работает поштучно. В противном случае это была бы розница.
Таким образом, при закупках, скорее всего, существуют минимальные объемы заказа (MOQ). Это могут быть такие количества, которые более значимы: полный короб, полный поддон, полный грузовик.
Таким образом, идея о том, что вы можете просто пополнить до нужного количества, и всё — неверна. Будут ограничения. Кроме того, у ваших поставщиков могут быть ценовые скидки.
Во-первых, вы видите, что указанное количество будет округлено вверх, возможно, значительно. У вас есть модель, затем вы проводите массивное округление, и внезапно вы отстали от оптимума, потому что очень часто вы оказываетесь в ситуации: “Мой страховой запас составляет 15 единиц, мой MOQ — 100, что же мне делать?” Это совершенно неясно.
Это был бы всего лишь один пример, когда он даже не подсказывает, во что инвестировать.
Но затем встает вопрос: неправильно думать о том, “как мне распределить мои деньги” только для одного продукта, ведь у меня множество товарных позиций (SKU). Если вы не маленькая компания, у вас есть много SKU.
Таким образом, вопрос таков: как распределить мои доллары или евро в целом, а не только то, сколько я выделяю для одной товарной позиции (SKU)?
Возникает вопрос: стоит ли добавить один дополнительный евро запаса для этой товарной позиции (SKU) или для другой? Страховой запас вообще не подсказывает этого. Он просто диктует: “У вас должно быть такое количество на всех SKU.” Но реальность такова: что, если вы установили уровни обслуживания, а итоговый бюджет превышает ваши допустимые затраты? Как расставить приоритеты? Опять же, формула страхового запаса не подсказывает, как это сделать.
Иногда возникают и более банальные ситуации. Допустим, вы оформляете заказ для поставщика, и грузоподъемность грузовика составляет, скажем, девять тонн, а вы понимаете, что ваш заказ — девять с половиной тонн. Он не помещается в грузовик. Превышена грузоподъемность.
Они не хотят отправлять два грузовика, потому что второй будет ехать почти пустым. Поэтому вам нужно сократить заказ на эту полтонну избытка, при этом в грузовике находится десятки различных продуктов. Какую из них выбрать? Как разумно уменьшить количество? Страховой запас не даёт ответа.
Таким образом, вы видите отсутствие экономической приоритизации, поскольку, из-за того, что рассматривается неэкономическая перспектива, он не объясняет многие важные моменты.
То же самое, если вам нужно обсудить это с финансовым директором: мы могли бы инвестировать, скажем, 200 000 долларов в замораживание дополнительного оборотного капитала в наших запасах, или можем инвестировать в новый конвейер стоимостью 200 000 долларов. Как выбрать между ними? Ответ — норма доходности. Вы хотите инвестировать каждый доллар туда, где он принесёт наивысшую отдачу.
Говорит ли страховой запас что-либо о норме доходности? Абсолютно нет.
Conor Doherty: При этом вы упомянули моменты, которые я мог бы свести к предположениям. Я вернусь к этим предположениям через минуту.
Но одно из таких предположений, и я хочу вновь объективно передать критику, высказанную в отношении вашей точки зрения: мы с вами в прошлом вели беседы с другими специалистами, и они приводили аргумент примерно следующего содержания.
Страховой запас по сути является статистическим параметром. Он позволяет достигать желаемых уровней обслуживания при минимальных издержках на запасы. Конечно, большинство специалистов не назвали бы его идеальной политикой. Это несколько несовершенная, грубая эвристика.
Но утверждать, что в нём отсутствует абсолютно какая-либо экономическая составляющая, — это преувеличение. Как вы на это отвечаете?
Joannes Vermorel: Нет. Снова, я считаю, что это крайне ошибочное понимание сути экономики.
Поехали. Прежде всего, если для компании не идёт речь о максимизации нормы доходности, мы даже не начинаем говорить об экономике. Не потому, что на вашем дашборде есть знак доллара, он вдруг превращается в экономический дашборд.
У нас два аспекта. Во-первых, есть целевой уровень обслуживания. Люди сразу предполагают: “О, это правильная цель.” Почему? Потому что это не так.
Тот факт, что вы выбираете процент, словно сорванный с потолка, не делает его экономически релевантным или хорошим.
Например, почему стремление к высокому уровню обслуживания, то есть к низкой вероятности отсутствия товаров, должно считаться разумным?
Рассмотрим простой пример: магазин модной одежды. Конец сезона. Конец зимнего сезона. Сейчас весна.
Вы хотите поддерживать высокий уровень обслуживания для ваших зимних изделий? Сейчас май. Нет. Напротив, вы хотите, чтобы вероятность отсутствия товара была достаточно высокой, потому что вы стремитесь ликвидировать зимнюю коллекцию, чтобы освободить место в магазине для поступления летней коллекции.
Таким образом, проблема в том, что уровень обслуживания является крайне плохим показателем качества сервиса. Скрытое предположение таково: если уровень обслуживания высок, клиенты будут обслужены хорошо. Но это совершенно не так. Корреляции вообще нет.
Конор Дохерти: Это нужно разъяснить, потому что многие бы оспорили ваше мнение, если бы присутствовали в комнате, когда вы это говорите.
Йоанн Верморель: Как мы уже видели, для модного магазина правильным ходом является допустить снижение уровней сервиса, чтобы эвакуировать зимнюю коллекцию и освободить место для летней коллекции.
Но если рассмотреть другой случай: представьте B2B-дистрибьютора электрического оборудования. Компания размещает заказ для строительной площадки на пять месяцев вперёд и говорит: «Вот 300 товарных позиций, и для каждой из них нам нужно разное количество единиц от 10 до 5000, ведь это будут выключатели, кабели, осветительные приборы и тому подобное».
Клиент размещает заказ за пять месяцев, потому что знает, что это сложный заказ. Там куча вещей. Они хотят предоставить дистрибьютору достаточно времени, чтобы всё это организовать.
Но затем наступают сроки, и в эти даты клиентская компания должна иметь всё в наличии, иначе строительная площадка будет заблокирована.
Если не хватает кабелей, то остальная часть строительной площадки не сможет продолжить работу. Всё должно быть в наличии.
Если вы скажете: «Но у вас 98%», то это не годится. Строительная площадка будет заблокирована. Вы не сможете ничего штукатурить. Вы застрянете.
Так что это ситуация, где вам нужно 100%, а не вероятностная величина, которая отличается от цели всего на несколько процентов.
Но, опять же, вам дали много месяцев для этого.
Вот почему я говорю: идея о том, что уровень сервиса является корректным показателем, совершенно необоснована.
Также следует учесть, что в формуле страхового запаса вы не учитываете корректно стоимость запасов. Когда вы говорите, что минимизируете затраты, вы фактически не минимизируете затраты. Вы минимизируете очень отдалённый показатель затрат.
Точно так же, как уровень сервиса является плохим показателем качества обслуживания, и уж тем более не отражает качество обслуживания в долларовом выражении, подход к запасам через страховые запасы даёт чрезвычайно поверхностное представление о запасах.
Он сводится лишь к минимизации количества единиц на складе. Вот и всё. Затем вы можете умножить это на цену приобретения за единицу и получить значение в долларах, но это всё равно не истинная стоимость.
А как насчёт сроков годности? Допустим, вы производственная компания, занимаетесь косметикой, покупаете много продуктов, химикатов, органических соединений, и у них указан срок годности.
Если у меня сегодня на складе 100 единиц, но все они истекают завтра, это не эквивалентно ситуации, когда у меня есть 100 единиц, срок годности которых истекает через год. Это очень разные ситуации. Однако с точки зрения страхового запаса они будут рассматриваться одинаково.
Вот почему я утверждаю, что это абсолютно неэкономичный подход.
Даже если рассматривать затраты: страховой запас даёт вам лишь минимальную складскую позицию, которая удовлетворяет целевой уровень сервиса, исходя из очень упрощённого представления о будущем.
Вот в чём моя проблема: в этой модели нет никакой экономики.
Конор Дохерти: Вы подготовили почву для моего вопроса, который я хотел задать ранее, а именно по второму пункту предположений.
Вы неоднократно указывали, что уровни сервиса по существу являются KPI, целевой метрикой, а затем страховые запасы существуют, как вы говорили — перефразирую — для удовлетворения этого показателя, потому что сотрудникам компаний необходимо оправдывать KPI.
Вы упомянули норму прибыли. Вы выделили два отдельных предположения, лежащих в основе решений. Одно из них: задействовать страховой запас, чтобы обеспечить высокие уровни сервиса — возможно, они выбираются произвольно, как вы заметите — хорошо, можно это допустить.
Другое предположение состоит в том, что я принимаю решения, которые обеспечивают максимальную прибыль на каждый инвестированный доллар, евро или иену — то, что вы называете нормой прибыли.
Почему, на ваш взгляд, это не является нормой? Почему одно предположение гораздо более распространено, а другое, которое многим кажется очевидным и интуитивно понятным, не стало нормой?
Йоанн Верморель: Во-первых, это нелепость упрощённых моделей управления цепочками поставок, разработанных в начале 70‑х годов поставщиками программного обеспечения, которые были чрезмерно воодушевлены тем, что, как им казалось, должно было работать.
Это просто стало ортодоксией. Оно стало чем-то вроде Библии, и это полное безумие.
Почему страховые запасы так распространены? Потому что они реализованы в каждом отдельном ERP.
Почему они внедрены во всех ERP-системах? Потому что их может реализовать за два часа полукомпетентный программист. Вот и всё.
Таким образом, каждый поставщик корпоративного программного обеспечения мог заявить: «Я отмечу пункт по страховым запасам. Дайте мне два часа. И я предоставлю реализацию.»
Это стало вездесущим, но реальность такова: оно не работало. Именно поэтому в компаниях до сих пор используется так много Excel.
Если бы страховые запасы работали, тогда не было бы таблиц. Вы просто позволили бы страховым запасам управлять пополнением запасов.
Однако подавляющее большинство компаний, где я видел применение страховых запасов, используют их с множеством ручных корректировок. Люди существенно изменяют заказы на покупку поверх рассчитанных запасов.
Некоторые клиенты, для которых мы внедрили Lokad, начинали со страховых запасов: у них более 90% корректировок выполняется вручную.
Когда система генерирует заказы, и приходится выполнять более 90% ручных корректировок, мы возвращаемся к ситуации, когда часы показывают правильное время дважды в день. Иногда число, полученное по формуле, оказывается правильным, но в подавляющем большинстве случаев оно неверно, и тогда кто-то вынужден внести коррективу.
На мой взгляд, здесь возникает огромная несостыковка: у нас есть теория — основная теория управления цепочками поставок и ортодоксия, реализованные через корпоративные программные продукты, которые утверждают, что страховые запасы — это золотой стандарт.
А затем есть реальная практика, когда люди вынуждены выполнять всевозможные действия в Excel, потому что цифры — показатели пополнения запасов, полученные по формуле страховых запасов, просто абсурдны.
Конор Дохерти: Ну, опять же, продолжая вашу мысль, кто-то может возразить, что в описанном вами сценарии — когда люди, которых вы нередко называли армией клерков, работающих в Excel — смотрят на свои формулы страховых запасов, решают, что рекомендованное количество им не нравится, и изменяют его, увеличивая или уменьшая.
В этот момент эти люди принимают решения, основанные на экономических соображениях. Разве не в этом вы за и?
Йоанн Верморель: Да, в их головах именно так и происходит, потому что они думают: разумно ли это для компании? Принесёт ли это доход или убыток?
Экономическая перспектива очень близка к интуитивному подходу: «Получу ли я прибыль или нет?» Это всего лишь интуиция.
Если существует проблема скоропортимости, они подумают: так не выйдет. Если мы находимся в конце зимней коллекции для модного магазина, они скажут: это не сработает.
Если у нас есть B2B-ситуация, когда важный VIP-клиент размещает огромный заказ у B2B-дистрибьютора, менеджер по запасам увидит: этот клиент — VIP, нам действительно нужно выполнить этот заказ. Я даже зарезервирую запасы, чтобы удостовериться, что заказ выполнен, а не полагаться только на страховые запасы.
Так что да.
Но проблема в том, что сообщество должно признать: страховые запасы не работают. Это вопрос парадигмы. Подход, лежащий в основе страховых запасов, неверен, и поэтому, какой бы ни была ваша степень изощрённости, результат всё равно будет неправильным.
Например, большая проблема страховых запасов заключается в том, что они используют нормальное распределение для спроса и времени поставки. Это полный абсурд.
Это предположение даёт положительные вероятности для отрицательного времени поставки. Абсолютный абсурд. Оно также даёт положительные вероятности для отрицательного спроса. Снова — полный абсурд.
Ладно, предположим, мы это исправляем. Мы используем распределение с толстыми хвостами для спроса. Применяем полуреалистичное распределение для времени поставки. Говорим, что либо всё идёт в срок, либо у поставщика возникает проблема, и время поставки может быть намного, намного, намного дольше.
Вы всё равно работаете в неверной парадигме. Вы исправите технические детали, но всё равно движетесь в неправильном направлении.
Это как если бы программист сказал: «Ваша формула для страховых запасов вычисляется за полмиллисекунды, а я могу сделать это за 10 наносекунд». Ладно. Это не имеет значения, потому что формула — мусор.
Конор Дохерти: Ну, опять же, кто-то может сказать — развивая вашу мысль — чтобы внести немного возражений.
Компания могла бы сказать: «Да, Йоанн, вы правы, много ручных корректировок, но мы всё равно зарабатываем на этом. Наши опытные специалисты выполняют ручные корректировки, отражающие основные финансовые интересы компании, и мы получаем прибыль».
Так что же вы хотите, чтобы мы делали? В чём проблема с тем, что мы делаем, и что вы предлагаете?
Йоанн Верморель: Компании могут быть прибыльными по множеству причин, даже если их практика управления цепочками поставок оставляет желать лучшего.
Если взглянуть на жизнь выдающегося предпринимателя — Стива Джобса, то он, к сожалению, умер достаточно молодым от нелеченного рака, потому что верил в очень странные теории о подходах к лечению рака. Он следовал весьма необычным альтернативным методам лечения и обратился к классическим методам слишком поздно.
Это трагедия, но она демонстрирует: может быть невероятно гениальный человек, создавший Apple, фантастически успешный, принимающий все правильные решения по многим вопросам, и при этом делающий весьма странные выборы в некоторых других.
Компания может добиться фантастического успеха, имея идеальный продукт, идеальные технологии и так далее, несмотря на то, что ее практика управления цепочками поставок оставляет желать лучшего. Это не противоречит.
Если вы скажете: «Мы побеждаем конкурентов благодаря нашей цепочке поставок», тогда да, я скажу, что вы делаете что-то правильно. Если вы можете доставлять быстрее, чем другие, ваши затраты на управление цепочками поставок значительно ниже, и вы масштабно автоматизировались за последние 15 лет, я бы сказал: «Ладно, вы, вероятно, делаете что-то правильно».
Это была бы Amazon.
Amazon крайне ориентирован на оптимизацию нормы прибыли, о которой я говорю.
Но если вы приведёте мне компанию, где сегодня на доллар оборота приходится столько же планировщиков, сколько было 20 лет назад, где за последние 20 лет концептуально ничего не изменилось, я действительно сомневаюсь, что ваше решение является передовым.
Если вы за последние два десятилетия застряли, учитывая, насколько продвинулись программное обеспечение, статистика и оптимизация — что невероятно, — если вы застопорились, вы не можете обоснованно заявлять, что вы на переднем крае.
Вы должны предположить, что ваши практики уже давно устарели, и это вполне разумное предположение.
Конор Дохерти: Ну, продолжая тему экономических последствий использования страховых запасов, ведь тема снова — «Страховые запасы небезопасны».
Кажется, вы имеете в виду не физическую безопасность, а с точки зрения максимизации доходности — нормы прибыли — финансовой отдачи от инвестиций, о которой вы говорите в книге и лекциях.
Какие же скрытые финансовые симптомы потерь из-за страховых запасов? Не только затраты на хранение лишних запасов, но и какие ещё экономические опасности с этим связаны?
Йоанн Верморель: Страховой запас — это механизм, который, согласно этой модели, на практике генерирует избыточные запасы и «мертвый» товар, списания запасов.
Почему? Потому что по сути он говорит: «Я хочу покрыть очень высокий квантиль будущего спроса».
В сущности, страховой запас — это установка очень высокого квантили как складской позиции. Квантиль — это точка в распределении вероятностей.
Давайте рассмотрим два различных распределения спроса, у которых одинаковый высокий квантиль.
Я предполагаю в оптимистичном сценарии — с 90%-ной уверенностью — что за следующий цикл заказа я продам 100 единиц. Это мой высокий квантиль, и это будет моя складская позиция.
Теперь я могу описать два варианта.
Вариант первый: если не 100, то в остальных случаях в среднем получится 80. Я нацелен на складскую позицию в 100 единиц, и если этого не достигается, в среднем выходит 80.
Вариант второй: если этого не происходит, то в остальных 90% случаев средний спрос равен нулю. Ноль — попадание или промах.
Таким образом, у вас есть две ситуации: в одной, если вы делаете большой запас в 100 единиц, скорее всего, вы продадите 80 единиц и ликвидируете основную массу запасов. В другой — либо удача, и вы продадите 100, либо неудача, и вы продадите 0, оставаясь с 100 единицами «мертвых» запасов.
Следует ли к этим двум ситуациям подходить одинаково с точки зрения оптимизации запасов? Теория страховых запасов говорит «да». Я же говорю «нет».
Эти две ситуации совершенно различны. Их следует обрабатывать по-разному.
По сути, страховой запас ориентирован только на высокий квантиль — на самый оптимистичный сценарий, когда наблюдается всплеск спроса.
Но что, если существует вероятность падения спроса? Страховой запас ничего не сообщает о риске обрушения спроса. Он этого не делает.
Вот почему я называю это механизмом, и именно поэтому считаю его крайне небезопасным в отношении списания запасов: он по своей сути полностью слеп к потенциальному коллапсу спроса или его снижению.
У нас есть еще одна проблема. Страховой запас предполагает, что единственными двумя источниками неопределенности являются спрос и время поставки, но существует множество других факторов.
Возвраты, уровень брака — именно. Если вы занимаетесь электронной коммерцией, то возвраты.
Посмотрите, что происходит с тарифами в администрации США за последний год: никто не может предсказать, какие тарифы введет администрация в ближайшие два месяца, 12 месяцев, но мы знаем, что, скорее всего, поездка будет ухабистой.
Теперь страховой запас говорит: «Мне неважны эти другие неопределённости». Но они имеют значение. Вам нужно учитывать соответствующие и значимые источники неопределенности, а не только спрос и время поставки.
Моя проблема со страховыми запасами в том, что они по своей сути игнорируют эти факторы. Вот почему я называю их небезопасными: они порождают огромные затраты, которых можно было бы полностью избежать, если бы вы просто не использовали страховые запасы.
Коннор Доэрти: Получаю некоторое сопротивление — и в личных сообщениях, и в чате вижу, что вопросы будут направлены вам.
Вы упомянули сроки выполнения заказов и классические формулы страховых запасов, которые рассматривают сроки выполнения как постоянную величину. Не могли бы вы подробнее рассказать о проблеме фиксации сроков выполнения, вместо того чтобы учитывать их изменчивость?
Жоаннес Верморель: Классические модели страховых запасов предполагают, что сроки выполнения распределены нормально — по колоколообразной кривой.
Многие компании даже так не делают. Я понимаю, почему: ведь при этом вы получаете отрицательные сроки выполнения, что крайне странно.
Если вы берёте фиксированный срок выполнения или предполагаете его нормальное распределение, проблема в том, что это не отражает реальную ситуацию в цепочке поставок. Совсем не так.
Это означает, что вы строите прогноз будущего, который совершенно фиктивен. Так просто события не развернутся.
Если ваше представление о будущем оказывается полностью фиктивным, почему вы думаете, что решение, основанное на этом анализе, будет правильным? Это очень странно.
Вернёмся к тому, как сроки выполнения ведут себя на практике. Часто они имеют бимодальное распределение.
Есть один режим: когда всё, звёзды сходятся, всё идёт гладко, поставщик сообщает – 11 дней, и вы получаете товар за 11 дней. Это первая модальность.
Всё идёт как надо. У поставщика всё на складе. Он может отгрузить сразу. Осталось лишь время на транспортировку.
А затем наступает вторая модальность: что-то идёт не так. Отправка теряется, у поставщика нет нужного товара, начинается забастовка, ваш контейнер теряется в шторме в открытом море — возможно всё.
В таком случае время получения заказа внезапно становится чрезвычайно длинным. Более того, у такого распределения даже нет среднего значения, поскольку определённый процент заказов так и не будет выполнен. Срок выполнения: бесконечность.
Вот почему в итоге вы получаете распределения с «толстыми хвостами», у которых нельзя вычислить среднее, так как приходится учитывать случаи, когда товар так и не приходит, и их нельзя усреднить с остальными.
Коннор Доэрти: Хорошо. Надеюсь, это помогло. Я не буду называть, кто это прислал, но надеюсь, что это было полезно.
Я продолжу. Мы говорили уже около 35 минут, так что совсем скоро перейдем к комментариям аудитории. Если у вас есть ещё замечания или вопросы, пишите их сейчас.
Но прежде, чтобы быть немного конструктивнее — и имейте в виду, что на следующей неделе мы обсудим KPI — в качестве закуски, предисловия к обсуждению, речь идёт о том, что, по-видимому, неправильно выбираются KPI.
Так какие KPI, по вашему мнению, следует сейчас учитывать больше, и какие конкретные шаги можно предпринять для дальнейшего продвижения?
Жоаннес Верморель: Речь даже не о KPI. Это скорее вопрос парадигмы. Вы даже не рассматриваете проблему с экономической точки зрения.
Вот в чём заключается основная моя критика страховых запасов: здесь нет места рентабельности. Она просто не существует.
Люди могут сказать: «Но можно применить ухищрения, чтобы страховой запас вел себя так, чтобы немного больше соответствовать рентабельности».
По сути, это сводится к тому, что я собираюсь использовать другую технику, чтобы определить, сколько нужно заказать, а затем, получив ответ, обратным методом перевести его в параметр страхового запаса, который будет хоть как-то иметь смысл.
Кстати, в Lokad мы иногда так поступаем просто из-за ограничений ERP-систем. DRP поддерживает только страховой запас.
В этом случае мы проводим динамическое обратное проектирование страхового запаса, чтобы динамически корректировать его параметры и тем самым формировать именно тот заказ на закупку, который нам изначально требовался.
Но это лишь излишне усложняет ситуацию без какой-либо выгоды, за исключением случаев, когда это необходимо из-за эффекта блокировки на уровне ERP. Но я отвлекся.
Возвращаясь к страховому запасу. Я бы посоветовал аудитории начать рассматривать свою цепочку поставок с экономической точки зрения.
Что это значит? Вы распределяете ресурсы: деньги, торговое пространство, грузовики, запасы, которые будут расходоваться для производства и так далее. У вас есть ресурсы, имеющие множество вариантов использования.
Каждый раз, когда вы делаете выбор, нужно помнить: вы осуществляете распределение. Какова норма доходности? Сколько стоит ваш ресурс и какую ценность вы получите от этого распределения?
Если ваш ресурс стоит 1 000 долларов, а доход составляет 500, зачем вообще делать такое распределение? Это невыгодно.
Нужно мыслить в экономических терминах. Как только вы примете эту экономическую точку зрения, вы поймёте, что страховые запасы теряют смысл.
Это было бы правильной отправной точкой: понять, что многие вещи, считающиеся само собой разумеющимися, на самом деле не имеют смысла.
Именно поэтому возникает столько трений между программными системами, реализующими страховой запас, и бедными практиками, борющимися с Excel-таблицами, где постоянно приходится перемещать цифры туда-сюда, потому что иначе всё просто не сходится.
У нас как бы возникает шизофрения, будто человек, вручную корректирующий цифры, ошибается. Нет. Человек, вручную настраивающий числа, поступает правильно, ведь в его голове происходит мини-экономический расчёт.
Это грубо, неаккуратно, неточно. Вот почему мы можем сделать это лучше. Но, по крайней мере, это имеет смысл.
В отличие от этого, страховой запас — по сути математическая чепуха. Это научизм: выглядит научно, придает системе ореол достоверности, но на этом всё.
Коннор Доэрти: Ладно. Жоаннес, спасибо.
Я перейду к личным сообщениям и комментариям. Комментарии ещё впереди. Начну с ЛС.
Как всегда, будучи журналистом, я соблюдаю анонимность, но это от кого-то из знакомых, так что ведите себя соответственно.
Спасибо. Мы уже достигли 98% уровня обслуживания с классическими стратегиями страховых запасов. Зачем менять понятный KPI на вашу вероятностьную математику?
Жоаннес Верморель: Во-первых, вы говорите, что у вас 98%. Это хорошо или плохо?
Прибыльно это или нет? Я могу привести примеры, когда 98% оказывается крайне нерентабельным, потому что слишком высокое, или, наоборот, крайне нерентабельным, потому что слишком низкое.
Давайте рассмотрим оба случая.
98% в авиации: AOG — самолёт на земле, скажем, A320, стоимость которого составляет 250 000 евро в день. В самолёте насчитывается 300 000 различных деталей.
Если у вас уровень обслуживания 98%, в случае AOG вас ожидают колоссальные издержки. Это слишком низкий показатель.
А теперь ещё один случай: быстрая мода. Вы — компания, похожая на Zara, и выпускаете новые коллекции каждый месяц или два. Здесь 98% — это вовсе слишком высоко.
Ваши клиенты, заходя в магазин, не знают, что им покажут. Нет смысла стремиться к сногсшибательно высокому уровню обслуживания.
Важно иметь привлекательный ассортимент, где посетители найдут что-то по душе и купят это.
Ваш ассортимент — это конструкция вашего воображения. Нет строгих требований. Его можно динамически расширять или сокращать. Он изменчив.
Если вы хотите, чтобы коллекции обновлялись быстро, нужно освобождать место в магазине, а это означает, что уровень обслуживания не может быть 98%. Он должен быть ниже, иначе магазин переполнится старыми товарами, которые уже не в тренде.
Таким образом, уровень обслуживания — крайне плохой показатель качества сервиса, а также рентабельности.
Когда люди говорят: «У нас уже 98%», я слышу: «А в следующем году мы можем достичь 99%», и именно так мы действовали с нашими авиационными клиентами: мы кардинально корректировали уровни обслуживания.
Как же добиться действительно высокого качества сервиса? Ответ таков: для всего, что стоит дешево — например, для винта, ленты или чего угодно — вы стремитесь к уровню обслуживания 99,999%, то есть чрезвычайно высокому.
А как насчёт APU, вспомогательного силового агрегата? Это как двигатель, установленный в хвосте самолёта. Они стоят около шести–семи миллионов евро за штуку. Хотите ли вы держать их на складе? Вероятно, нет. Может быть, для этой детали вы согласитесь на 70% уровня обслуживания.
Почему? Потому что, не держа APU на складе, вы освобождаете 6–7 миллионов евро, которые можно использовать для покупки множества более дешёвых деталей.
Вот почему идея «у меня есть целевой уровень обслуживания, и моя цель — довести его до 99%» является полной ерундой.
Это подразумевает, что всё однородно, что силы между недостатком и избытком запасов симметричны. Но это не так. Они существенно асимметричны, и степень асимметрии сильно различается от одного продукта к другому.
Вот почему это бессмыслица.
Обычно клиенты говорят: «У нас 98%», и именно здесь Lokad генерирует огромную окупаемость инвестиций, обычно не из-за более продвинутой технологии, а потому что мы первыми заявляем: мы будем смотреть на это с экономической точки зрения.
Тогда мы понимаем, что огромные суммы остаются неиспользованными. Обычно, с инициативой от Lokad, половина ROI достигается просто благодаря принятию экономической перспективы.
Поскольку люди не проводят экономический расчёт — норму доходности, учитывая штрафы за отсутствие запасов, учитывая истинный показатель качества обслуживания в евро или долларах, а не выдуманную метрику вроде уровня обслуживания — вы понимаете, что вы были далеки от экономической оптимальности. У вас была лишь условная оптимальность на бумаге.
Коннор Доэрти: Ладно. Спасибо. Надеюсь, это было полезно.
Перейду к комментариям с именами. Это от Лусио. Я прочитаю это.
Это было в самом начале, когда вы говорили о страховых запасах с предположением нормального распределения. Контекст: предположение нормального распределения не является обязательным при расчёте страховых запасов, а CSL — я полагаю, означает циклический уровень обслуживания — является лишь одним из многочисленных подходов.
Действительно, всегда существует компромисс между риском отсутствия запасов и риском ограничения доходов. Каковы ваши мысли по этому поводу?
Жоанес Верморель: Именно то, что я и сказал. Теоретически можно заменить нормальные распределения распределениями с толстыми хвостами. В концепции это возможно.
Разве поставщики программного обеспечения так делают? В основном — нет.
Когда они это делают, люди как будто теряются, потому что такие распределения с толстыми хвостами оказываются жестокими и запутанными.
Единственный способ развеять путаницу — по опыту Lokad — это вернуть экономическую перспективу, ведь тогда люди видят в долларах или евро, что же происходит на самом деле.
Распределения с толстыми хвостами странные. Это может быть такое распределение вероятностей, у которого нет среднего. Именно об этом я и говорю в контексте сроков выполнения. У них нет среднего.
Кстати, это означает, что средний срок выполнения — если учитывать те заказы, которые так и не были доставлены, и за которые вы всё ещё ждёте — если у вас есть набор данных, и вы пытаетесь вычислить среднее когда-либо наблюдавшееся время выполнения, оно будет расти без конца, поскольку товары, не доставленные 10 лет назад, продолжают оставаться недоставленными, и так далее.
Таким образом, могут быть установлены правила: ограничиваем срок одним годом и тому подобное. Но тогда вы уже не рассматриваете математическое среднее; вы сталкиваетесь с чем-то странным.
В парадигме страховых запасов существует множество способов усовершенствовать модель, как это делает академическая среда.
Вы заменяете нормальное распределение распределением с толстыми хвостами, выбирайте что хотите. Вы вводите третью степень неопределённости. Вы можете сделать это: аналитическая модель и так далее.
Но проблема в том, что вы работаете в рамках неверной парадигмы. Это неправильное стремление. Вы двигаетесь быстрее, но в неправильном направлении.
Достигнете ли вы своей цели, если будете двигаться в неправильном направлении? Нет. Даже если двигаться быстрее, всё равно нет. Вот в чём проблема.
Коннор Доэрти: Ладно. Спасибо.
Перейду к комментарию Мигеля: цель — всегда иметь нулевой запас. Срок выполнения зависит от того, насколько стабилен спрос. Понимание этой стабильности помогает найти наилучший способ управления запасами. Какие у вас мысли по этому поводу?
Жоанес Верморель: Зачем вам стремиться к нулевым запасам?
Вот в чём проблема. Это не с экономической точки зрения. Люди говорят, что нам нужен 98% уровень обслуживания; я говорю — ерунда. Люди утверждают, что у нас должен быть нулевой запас; а я спрашиваю: зачем?
Есть ли у вас конкретные доказательства того, что это будет экономически более выгодно? Зачем вы так поступаете?
Мы видели очень простую бизнес-модель во многих отраслях: есть производители и посредники, которые передают крупные заказы производителям.
Скажем, вы — производственная компания, и можете выпускать продукцию только партиями по 10 000 единиц, а ваши клиенты заказывают по одной.
Вы не хотите иметь дело с мелкими заказами. Вы продаёте свою партию оптовику, который займётся этим.
Вся ценность оптовика заключается в том, что он хранит товар на складе и обслуживает клиентов, ведь закупать можно только партиями по 10 000 единиц, а продавать по одной.
Существует производитель, который не хочет иметь дело с отдельными клиентами, заказывающими по одной или в небольших количествах. А затем появляется оптовик, который занимается разделением партии и обслуживанием большого числа клиентов.
Таким образом, идея иметь нулевые запасы — если всё остальное одинаково, то есть если вы можете обслуживать тех же клиентов одинаково, закупать товар по той же цене и действовать так же, только уровень запасов ниже, — возможно, является правильным решением.
Но на практике всё никогда не бывает одинаковым.
Если вы снижаете уровень запасов, это означает, что вы заказываете меньшие партии, которые зачастую оказываются дороже. Вы делаете заказы чаще, а транспортные расходы растут.
Группировка заказов часто не является вариантом. Это элемент, жизненно важный для вашей стратегии цепочки поставок. Когда используется группировка, запасы неизбежны.
Вот почему нельзя подходить к вопросу без экономического анализа, рассуждая в терминах «98% уровня обслуживания» или «меньших запасов — это лучше». Это прямо противоположно тому, что я говорю.
Вы должны учитывать норму доходности для различных вариантов. Если больший запас оказывается более прибыльным — отлично, имейте больше запасов.
Существуют даже ситуации, когда это действительно так. Некоторые товары с огромной вероятностью будут стоить значительно дороже в следующем году по специфическим причинам. Все согласны, что вероятность велика.
Но у вас есть наличные. Что вы делаете? Вы покупаете гораздо больше и запасаете это. Продукт не является скоропортящимся. У вас уже есть складское помещение. Так что, помимо самих запасов, это не требует значительных дополнительных инвестиций.
В этом случае разумно ориентироваться на рыночное время: вы заказываете больше, и в следующем году получаете хорошую прибыль, поскольку все поднимают цены, а вы купили раньше по более низкой цене.
Вот почему сокращение запасов не обязательно является целью. Оно имеет смысл только в том случае, если это можно сделать прибыльно.
Conor Doherty: Ладно.
Мы проделали почти час, но материалов ещё много. Предполагаю, что вы хотите продолжать. Я знаю вашу игру. Важная тема. Пусть запись будет зафиксирована.
Давайте покончим с этими страховыми запасами.
На сегодня одно: мы закрываем книгу. Хочу подчеркнуть: это не завод, но мне придётся что-то зачитать, и оно заканчивается комплиментом в ваш адрес, так что потерпите меня.
Это от Мурти. Я знаю, что он регулярно посещает наши мероприятия. Комментарий:
Хотя большинство компаний пропагандируют использование страховых запасов, очень немногие на самом деле измеряют, как часто они используются. В нескольких исследованиях, проведённых нами — а не Lokad — по готовой продукции и сырьевым материалам, мы обнаружили, что более 50% SKU, по скромной оценке, не использовали никаких страховых запасов за последние 90 дней. На мой взгляд, это указывает на существенный пробел.
Хотя страховые запасы необходимы — и я уверен, что вы будете это оспаривать — их необходимо регулярно пересматривать и корректировать, чтобы отразить реальный спрос и модели использования. Джоаннес абсолютно прав.
Вам это понравилось, сэр?
Joannes Vermorel: Спасибо.
Давайте сделаем паузу. Если у вас есть числовой рецепт, который нужно обновлять вручную хотя бы половину времени, это абсолютно недопустимо. Это просто ужасно.
Вернёмся к реалистичным ожиданиям. В Lokad, когда мы создаём числовой рецепт, генерирующий решения по запасам, производству, ценообразованию или распределению по магазинам, мы хотим добиться 0% безумия.
Из пяти миллионов решений мы не хотим ни одной, которая была бы абсурдной.
Да, некоторые из этих решений окажутся неидеальными, потому что будущее развивалось не так, как ожидалось. Это нормально. Но на сегодняшний день, исходя из того, что мы знаем, даже если мы генерируем миллионы решений, мы, по сути, хотим, чтобы ни одно из них не было бессмысленным.
Если числовой рецепт генерирует даже 1% мусорных решений, он становится непригодным для использования. Люди сойдут с ума. Это даже близко не подходит для применения.
Таким образом, если у вас есть числовой рецепт — страховой запас — который генерирует, как говорят, как минимум 50% безумных решений, которые людям приходится корректировать вручную, это происходит потому, что исходные цифры не имеют смысла.
Очень часто люди корректируют половину чисел, но затем кардинально изменяют другую половину, чтобы страховой запас «как бы имел смысл». Они играют с настройками, просто чтобы добиться того, чтобы страховой запас был там, где должен быть.
Вывод таков: очень часто, если учитывать все ручные корректировки, процент бессмысленных решений приближается к 90%. Но оставим эти 50%.
Мы в 50 раз превышаем разумное качество для вашего числового рецепта. Крайне важно, чтобы ваша модель не генерировала безумные решения. Если она это делает, нужно изменить модель.
Не принимайте систему, которая выдаёт больше, чем ничтожно малый процент безумных решений. Ваша модель должна иметь 0% безумия. Это принципиально.
Иначе вы не сможете ничего автоматизировать и даже улучшить.
Почему? Потому что если у вас процесс в значительной степени ручной, и при 1% безумных решений на практике специалистам по цепочке поставок приходится проверять все строки, так как невозможно определить, где находятся сумасшедшие решения.
Если у вас 1% безумия, люди проверяют почти 100% строк. Это как будто у вас вообще отсутствует автоматизация.
А если они проверяют все строки и корректируют многие из них, как вы когда-либо убедитесь, что модель B лучше модели A? Между ними столько ручных корректировок, что сравнение становится непрактичным.
Если вы сравниваете две системы, это даже не будут те же специалисты, работающие с вариантами A и B. Если у вас есть Боб, который супер, против Роджера, который отстаёт, результаты Боба будут существенно лучше. Это из-за отличий в моделях или потому, что Боб лучше Роджера?
Вот почему нужно роботизировать процесс. Но если вы хотите роботизировать, вам нужен 0% безумия. Здесь же 50% ручного вмешательства. Это означает, что система не работает на практике.
Conor Doherty: Ладно, спасибо.
Я продолжу. Этот вопрос от Мануэля. Привет, Мануэль.
Вы уже затрагивали это раньше, поэтому я добавлю контекст, чтобы расширить вопрос. Вопрос был: могли бы вы прокомментировать использование страховых запасов в FMCG?
Давайте добавим и минусы этого подхода, когда речь идёт о скоропортящихся товарах, списаниях и т.д.
Joannes Vermorel: FMCG: у вас есть поставщики, и вы обычно хотите, чтобы грузовики были полностью загружены.
Если мы говорим о чем-то массовом — шампуни, злаковые и тому подобное — речь идёт о товарах массового производства, и ваши поставщики обычно доставляют полными грузовиками.
У каждого поставщика вы, как правило, заказываете больше одного продукта. Возможно, как минимум дюжину товаров за один заказ, в зависимости от дня заказа. Это может быть одна поставка в неделю, зависит от ситуации.
Но в основном, предположим, что вам обычно нужно заполнить целый грузовик.
Страховой запас предоставит вам количества для этих 10 товаров, которые вы заказываете у поставщика, но их суммарное количество может не составлять полный грузовик.
Что вы делаете? В итоге вы получаете количество, равное половине грузовика или грузовику плюс 5%. Как решается эта ситуация? Страховой запас не подсказывает.
Люди говорят: «О, но это же отправная точка». Это означает, что вам понадобится сотрудник, который будет корректировать каждое число по отдельности, пока оно не будет соответствовать ограничениям.
Для меня это чепуха. Если у вас модель, создающая сложности, из-за которых обязательно нужен человек для проверки каждого числа по отдельности, вам нужно изменить модель.
То же самое: страховой запас не учитывает возможность организации акции. У вас есть опция, а не обязательство, организовать акцию для ликвидации избыточных запасов.
Где в вашей модели предусмотрена эта опция? Её нет.
Если в вашей модели цепочки поставок отсутствуют цены — на покупку или продажу — это чепуха. Снова это неэкономичный подход.
Для FMCG маржа обычно невелика. Вы не можете позволить себе не учитывать это. Ваша маржа слишком мала, чтобы оставлять так много денег на столе.
Возможно, если вы невероятно прибыльная компания — например, Louis Vuitton — вы продаёте товары с комфортной маржой. Даже если ваша цепочка поставок не супер оптимизирована, у вас всё равно толстая маржа в сегменте роскоши, так что проблема менее актуальна.
Но если вы продаёте шампунь в супермаркете, здесь цена имеет решающее значение. Каждый цент важен.
Conor Doherty: Ладно. Продолжу.
Это от Дэвида Роллингтона. Привет, Дэвид, друг канала. Все друзья канала — что я вообще говорю?
Но привет, Дэвид. Это длинный комментарий. Можешь сделать ещё один глоток, если хочешь.
По этой теме, страховые запасы: прежде всего должна быть полноценная дискуссия, коммуникация и согласование KPI. Когда KPI навязываются, и все закупки осуществляются из-за рубежа, страховой запас становится необходимым.
Это похоже на договорённости в процессе S&OP. Финансы должны быть вовлечены, чтобы гарантировать, что все компромиссы учтены надлежащим образом. Ваше мнение?
Joannes Vermorel: Должны ли участвовать финансы? Да.
Должны ли учитываться сопутствующие экономические компромиссы? Безусловно.
Делает ли страховой запас что-либо из этого? Абсолютно нет.
Для меня это снова проблема. Это совершенно нелогично.
Люди говорят: «Финансы должны участвовать, мы должны учитывать все экономические факторы», а затем: «значит, нам нужен страховой запас». Как можно так сделать переход?
В страховом запасе нет ничего экономичного. Он предполагает выбор произвольного процентного уровня обслуживания. Вы берёте распределения, время выполнения, спрос, и не учитываете ценовые скидки, скоропортящиеся товары, вероятность списания, стоимость хранения, альтернативную стоимость хранения одного товара вместо другого и т.д.
Люди приводят массу весомых аргументов, а затем происходит прыжок: все экономические факторы должны учитываться, значит, нужен страховой запас. Как к этому приходят? Меня это озадачивает.
Вот почему я говорю аудитории: вам нужно всерьёз задуматься, что же такое экономика. Думайте в терминах распределения ресурсов и уровня доходности.
Когда вы начнёте мыслить таким образом, вы поймёте: зачем в нашей системе нужен страховой запас? Он ничего не добавляет, а просто усложняет всё без веской причины.
Conor Doherty: Хорошо. Это просто комментарий для меня, но он добавляет контекст.
Вы говорили об оставлении денег на столе. Лично мне нравится эта фраза, потому что она наглядно демонстрирует суть вашего высказывания.
Вы можете сравнить два процесса и сказать, что процесс A работает. Мы можем обсудить, насколько хорошо. Процесс B, возможно, работает лучше.
Как выглядит “лучше”? Меньше денег остается на столе или, что позитивнее, больше денег в вашем кармане в конце месяца.
Joannes Vermorel: Именно.
Две вещи могут быть истинны одновременно. Если у вас очень плохие практики управления запасами, очень плохие производственные практики в цепочке поставок, но ваши продукты абсолютно фантастичны, вы всё равно будете зарабатывать. Но это не благодаря вашей умной системе управления запасами или производственному графику.
Существует множество исторических примеров: компании с ужасной практикой в этой области, но с такими хорошими продуктами, что они выживают.
Например, Nike столкнулась с масштабной катастрофой в цепочке поставок, несмотря на то, что их бренд является одним из самых любимых во всем мире. Вы можете найти информацию онлайн: это катастрофа Nike 2004 года с одним из наших бывших конкурентов, i2.
Nike выжила. Они всё ещё прибыльны. Но если посмотреть на их послужной список в области цепочки поставок, по крайней мере, тогда он оставлял желать лучшего.
Таким образом, вы можете оставить тонны денег на столе, и если по другим причинам ваша компания крайне прибыльна, вы выживаете. Но это не благодаря вашей команде по планированию или цепочке поставок.
Conor Doherty: Ладно. Спасибо.
Джоаннес, это последний вопрос, и я с ним ознакомился. Немного разногласий — то, что вам нравится. Пусть будет зафиксировано: мы приветствуем разногласия, или хотя бы дружеские перепалки. Вы всегда можете связаться с нами и оспорить наши позиции.
Это от Кон. Привет, Кон.
При поставках для розницы клиенты обычно требуют очень высокого уровня обслуживания в сочетании с крайне короткими сроками выполнения заказов — ничего подобного пятимесячному горизонту, как в вашем примере из строительной индустрии. Кроме того, они практически не предоставляют информации о будущем спросе, и несоблюдение согласованных уровней обслуживания обычно приводит к значительным штрафам.
Вопрос: как обеспечить такой высокий уровень обслуживания, не полагаясь на традиционные понятия страховых запасов?
Joannes Vermorel: Здесь у вас проблема: ваш клиент, обычно в массовой рознице FMCG, действует по соглашению, в котором буквально устанавливается качество обслуживания, выраженное в виде уровня сервиса. Вот так всё устроено.
Но проблема в том, что это всё ещё не даёт ответа на вопрос, что именно следует делать.
Будем откровенны: вы — FMCG, и у вас есть такие соглашения, основанные на уровне сервиса, с клиентами. Вы говорите: поскольку мой клиент требует такого уровня обслуживания, я должен отразить это в своей организации. Это веский аргумент.
Но, к сожалению, если снова взглянуть на экономическую альтернативу, она оказывается лучше.
Почему? Представьте, что вы оказались в ситуации, когда у вас недостаточно запасов, чтобы обслужить всех клиентов.
Как вы решаете, кого обслужить и в каком порядке? Применяете ли вы принцип FIFO (первым пришёл — первым обслужен)? Обслуживаете ли VIP-клиентов в первую очередь? Или хотите распределить дефицит между всеми клиентами?
Действительно ли ваш клиент одинаково чувствителен ко всем вашим продуктам? Здесь полно хитростей.
Например, если у вас есть клиент, для которого вы не достигнете 98%, важно ли оставаться очень близко к 98% или нет?
Если компания-клиент говорит: «Я заказываю 1000 единиц, и если поставка не полная, это считается ошибкой. Если вы поставите 999, это ошибка». В таком случае, независимо от того, насколько вы близки, это будет считаться ошибкой.
Тогда лучше ничего не отправлять. У нас бывает с клиентами: розничный торговец говорит, что если поставка не на 100% полная, это считается ошибкой. Если вы поставляете ноль, эффект тот же. Тогда вы ничего не отправляете и используете оставшиеся запасы для обслуживания других клиентов и достижения их показателей.
Таким образом, возникает арбитраж, и страховой запас не показывает, насколько хорошо вы умеете проводить арбитраж между этими клиентами.
Другой пример: ваш KPI — 98% уровень обслуживания — рассчитывается ежемесячно. У вас было непростое начало месяца, и сейчас вы на 97%.
Если вы хотите, чтобы к концу месяца, когда клиенты подсчитывают свой KPI, вы достигли 98%, то на оставшуюся часть месяца вам нужно работать на 99%, чтобы компенсировать отставание. Я упрощаю, но суть такова.
Стоит ли это того? Выгодно ли это?
Должны ли вы повышать уровни запасов и работать на 99% до конца месяца, чтобы в итоге достичь цели? Вот вопрос.
У вас был 98%, но вы не выполнили план, потому что обстоятельства превзошли возможности вашей модели. Единственный способ ответить на вопрос «Стоит ли пытаться достичь 99%, чтобы компенсировать?» — провести экономический анализ уровня доходности.
Если для того, чтобы поднять уровень обслуживания с 98% до 99%, вам нужно утроить затраты на запасы, вы этого не сделаете. Если же это возможно за счёт увеличения запасных затрат всего на 10%, возможно, стоит попробовать.
Вот суть: без экономической перспективы вам не хватает всех нюансов, чтобы понять, стоит ли воспользоваться возможностью или отказаться от неё.
По своей сути страховой запас ничего не сообщает. Вы в этом слепы.
Вот почему мы возвращаемся к идее оставлять деньги на столе.
Представьте: в первую неделю вы достигли 97,9%, то есть на 0,1% ниже цели, а затем в оставшиеся три недели ваша система возвращается ровно к 98%, и в итоге вы не достигаете цели на крошечный процент. Это глупо.
Вы знаете, что если бы вы приложили немного больше усилий, вы были бы на высоте. Это лишено нюансов и способности уловить нелинейность.
Нелинейность выглядела бы так: если вы не попадаете точно в их цель на 98% за весь месяц, вас классифицируют как плохого поставщика.
Страховой запас не учитывает никакую нелинейность любого рода.
Joannes Vermorel: Последующее замечание к этому, от Мануэля: уровень сервиса не измеряет скорость своевременной доставки.
Кроме того, это ещё одна проблема: как отличить, если я обслуживаю клиента вовремя или с однодневным опозданием? Насколько это проблема? Краткий ответ: всё зависит. Это зависит довольно сильно.
Он также не различает, если вы не доставляете полностью.
Уровень сервиса говорит вам только, попали вы или промахнулись. Он не сообщает, на сколько именно вы промахнулись.
Предположим, я рассматриваю книжный магазин, и клиенты в основном приходят и покупают по одной книге за раз. В среднем вам приходят пять человек в день, которые покупают по одной единице книги.
А затем приходит профессор и говорит: «Мне нужно 30 копий». Это в анализе страхового запаса засчитается как один не обслуженный запрос, но этот единственный запрос стоит 30 единиц.
Это и есть разница между уровнем сервиса и уровнем заполнения.
Теперь, в розничной торговле и FMCG, если вы не обслуживаете 1000 единиц от клиента сегодня, а на следующий день тот же клиент возвращается с другим заказом, запрашивая 1100,
вчера они просили 1000, вы не доставили. Сегодня они возвращаются с 1100.
Общий спрос составляет 2100 — вчера и сегодня вместе — или спрос на сегодняшний день повторяет тот, что не был обслужен вчера, и его просят снова?
Короче говоря: если вы не перейдете к экономическому анализу, вы не сможете понять это.
У вас появляется двусмысленность в том, что такое спрос на самом деле, и единственный способ придать ему смысл на практике — делать предположения в евро или долларах о том, что приносит прибыль.
Проблемы со страховыми запасами буквально бесконечны. Это ужасно.
Conor Doherty: Ладно.
Ещё одно последнее замечание, которое поступило. Я не разглашаю личные комментарии.
Как мы перенастроим покупателей, которые доверяют единственному числу страхового запаса? Как отвыкнуть от менталитета: «Мне нужно одно простое число. Не давайте мне распределения. Дайте мне одно простое число».
Joannes Vermorel: Вы автоматизируете процесс принятия решений.
Почему же покупатели проходят через таблицы, прибавляя и вычитая по одному на тысячах строк, чтобы сформировать заказ на покупку? Это безумие.
Вот в чём проблема.
Люди воспринимают всё как прирост по сравнению с текущим положением. Нет. Это не верный подход.
Правильное отношение таково: мне нужна модель для этого процесса распределения, которая сразу даст разумные решения.
Не через пять уровней, когда люди вручную корректируют числа. Мне нужен числовой рецепт, который генерирует решения по заказам, которые хорошие, удовлетворительные и с 0% безумия.
Как только у вас будет это — а именно то, что делает Lokad — сколько нового переобучения вам понадобится? Очень мало.
Покупатели будут в полном восторге. Они смотрят на число и говорят: «Всё отлично. Идеально. Готово». Они смогут тратить время на переговоры с поставщиками о более совместной работе, вместо того чтобы тратить половину времени на пересмотр таблиц.
Если подойти к проблеме так, что покупатель будет пересматривать числа строка за строкой, и я хочу давать числа, соответствующие их традиционным парадигмам — а традиционные парадигмы сломаны — не играйте в эту игру. Она не выигрышна.
В Lokad мы идём прямо к полной роботизации решений, которые не требуют ручного ввода для генерации и не нуждаются в последующей ручной корректировке.
Они на 100% правильны, удовлетворительны, с 0% безумия. Может быть, закупщик скажет: «Я бы сделал это немного по-другому», но это не стоит моего времени, просто отправьте.
Это правильная ситуация.
Тогда перенастройка заключается в следующем: обучите команду перераспределять своё время на более ценные задачи, вместо того, чтобы тратить его на бесконечную правку чисел.
Но для этого нужна модель, которая по своей сути не сломана.
Страховой запас сломан по своей природе, и поэтому он никогда не позволит выбраться из этой адской ситуации, когда люди являются человеческими сопроцессорами вашей системы.
Ваша система генерирует ерунду, и люди идут строка за строкой, чтобы исправить эту ерунду.
Если вы хотите выбраться, вам нужна альтернатива. Это не будет вариацией страхового запаса. Это будет что-то гораздо проще, но радикально иное.
Conor Doherty: Согласен.
Моя мысль, когда я услышал вопрос — как перенастроить покупателей, которые доверяют единственному числу страхового запаса и не хотят распределений — заключалась в одном предположении.
Мир, который вы пропагандируете: вместо того чтобы смотреть на Excel-таблицу и округлять число вверх или вниз, у вас всё равно в автоматизированном мире есть число на приборной панели.
Идея распределений заключается в том, как рассчитывается это число. Это скрыто за кулисами.
Мы не настаиваем на том, чтобы планировщики цепочки поставок становились продвинутыми инженерами и статистиками.
Это одно число в текущей модели, и это одно число в альтернативной модели, которую мы предлагаем.
Joannes Vermorel: Именно.
Когда вы оформляете заказ на продукт, вы должны указать количество.
Так что да, вероятностные распределения являются фундаментальными, но они скрыты за кулисами. Так производится расчёт.
Сегодня, с нашими клиентами в Lokad, им не нужно быть экспертами в вероятностях, так же как если вы водите автомобиль, вам не нужно быть экспертом в термодинамике. Всё просто работает.
Conor Doherty: Что ж, на этой ноте мы уже 90 минут. Вопросов больше нет, времени больше нет.
Как всегда, Joannes, большое спасибо за то, что присоединились ко мне.
И всем остальным, спасибо за участие. Спасибо за ваши комментарии, вопросы, личные сообщения. Они прекрасны, как всегда.
Если хотите продолжить разговор, я говорю это каждую неделю: свяжитесь с Joannes и со мной. Подключайтесь с нами в LinkedIn. Мы всегда рады обсудить.
Если хотите поставить Joannes на место, мы тоже можем это организовать. Мы открыты для отзывов и дебатов, или просто для дружеского разговора.
Также, если хотите, можете отправить нам письмо на contact@lokad.com.
И на этой ноте увидимся на следующей неделе, когда поговорим о КПЭ. А пока — возвращайтесь к работе.
