XYZ-анализ: технология проведения : Математика и методы анализа товарных ресурсов

Добрый день, уважаемые коллеги! Подскажите пожалуйста, какой период брать для анализа xyz. Есть исходные данные за 3 года (фактические продажи), срок доставки товара 2 месяца. Пробовала брать периоды- год, два, пол года, с поквартальной, помесячной разбивкой. Результат - группы х нет вообще, порядка 90% номенклатурных позиций - группа z. Передо мной стоит задача выявить товары постоянного спроса для формирования по ним минимальных остатков на центральном складе.

Вообще, желательно восстановить по ним историю спроса, и анализировать именно её, чтобы на отчёте не сказывались периоды отсутствия товаров на складах.

Можно брать помесячную разбивку, но делать не классический XYZ с отклонениями от среднего, а строить модель спроса с сезонной и трендовой составляющими. И строить XYZ уже по отклонениям фактического спроса от модели. Модели можно построить с помощью файлов [ Excel для прогнозирования продаж с учётом тренда и мультипликативной сезонности ].

Анна, добрый день.
Насколько я понял, вам необходимо выделить товары, спрос по которым можно прогнозировать с достаточной точностью (с целью минимизации запаса). Исходя из этой цели можно сделать выводы, которые существенно облегчат решение задачи:
- вам необходимо выделить только группу Х, т.е. не нужно думать где находится граница между Y и Z.
- для минимизации запаса достаточно рассмотреть товары группы А (быть может еще В), а на С тратить время точно не стоит. Т.е. вам необходимо сначала провести АВС-анализ. А уже по его результатам из группы А выделить группу Х.

Для идентификации хорошо прогнозируемых позиций я вижу как минимум 2 способа:
- провести XYZ по коэффициенту вариации (от среднего или от тренда, можно еще от плана, но эта информация не всегда сохраняется) так, как посоветовал Валера. В данном случае логично в качестве периода для анализа взять шаг планирования (скорее всего вы планируете продажи на месяц? Кстати, в вашем случае горизонт планирования должен составлять 3 месяца, т.к. срок поставки у вас - 2 месяца.).
Какие подводные камни могут быть: отсутствие товара на остатке (в принципе, это решаемо - можно подкорректировать историю продаж в момент дефицита), разное количество календарных и рабочих дней в каждом месяце (вопрос решается делением месячных продаж на количество рабочих дней). Если для вас корректировка статистика затруднительна, то просто нужно понимать, что из всех товаров наименее нестабильные - это гр Х. Кстати, какие границы групп вы использовали? Можете выложить скрин кривой XYZ - анализа? Сделать его можно при помощи надстройки Inventor.



- второй способ намного проще, поэтому попробуйте сначала его, а вдруг он даст решение. Способ этот состоит в следующем: нужно провести АВС анализ не только по обороту, но и по количеству покупок (ну или хотя бы по количеству проданных единиц товара). Чем больше количество покупок, тем проще и точнее прогнозировать потребление данного товара и наоборот. Т.е. многофакторный АВС анализ при решении вашей задачи может быть более эффективным чем XYZ. В любом случае, рекомендую провести анализ по количеству покупок в не зависимости от того, будете ли вы просчитывать XYZ или нет.

Вот мои соображения. Будут вопросы - пишите.

Добрый день, Анна.
1. Необходимо корректировать статистику от дней, когда товара небыло на остатке. После этого только проводить XYZ анализ. Я обходил это именно так (см. тему АBC анализ).
2. Необходимо иметь показатель "был на остатке дней" и "дней продаж" для:
*определения в % дней наличия от всего периода анализа.
*определения в % дней продаж от дней наличия.

Возможно поможет :).

[quote=RazVal] Вообще, желательно восстановить по ним историю спроса, и анализировать именно её, чтобы на отчёте не сказывались периоды отсутствия товаров на складах.

Можно брать помесячную разбивку, но делать не классический XYZ с отклонениями от среднего, а строить модель спроса с сезонной и трендовой составляющими. И строить XYZ уже по отклонениям фактического спроса от модели. Модели можно построить с помощью файлов [ Excel для прогнозирования продаж с учётом тренда и мультипликативной сезонности ].[/quote:1g7pikvc]
Спасибо за методику! Возникает вопрос, какие значения необходимо подставить, когда отгрузок не было вследствие отсутствия товара на складе? В файле, к которому Вы рекомендуете обратиться ( как я поняла не тот, который про зависимость от температуры) не могу разобраться... :oops: Кликаю Enter на ячейку в графе спрос - меняется значение

Очень хороший вопрос. Если товара не было на остатках 20 дней из 30 дней месяца, то можно те продажи, которые были за имеющиеся 10 дней, - умножить на 3, и получить как бы то количество продаж, которое должно было быть, если бы товар лежал весь месяц. Сложнее, когда товара не было весь месяц - но такие данные можно спрогнозировать по предыдущим продажам и подставить прогнозное значение спроса за этот месяц вместо фактического. Совсем плохо, когда нет данных за несколько месяцев подряд - в таком случае иногда лучше отбросить историю спроса, которая была до этого момента, нежели пытаться восстановить её - но тут уже надо смотреть в каждом случае - индивидуально.

Там для демонстрации работы методики есть данные спроса - это набор значений похожих на спрос с трендом, сезонностью и случайной компонентой - соответственно эта случайная компонента и меняется каждый раз при нажатии Enter, а моделька тут же пересчитывается. Этот спрос надо заменить на ваш набор данных по спросу, и алгоритм тут же пересчитается уже по вашим данным.