Автоматическое управление запасами — надежный путь к снижению торговых издержек

Алексей Евдокимов

 

Алексей Евдокимов, бизнес-консультант; evdaleksey@mail.ru

Динамичное развитие розничного торгового бизнеса в России и укрупнение торговых сетей приводят к усилению конкуренции в данном сегменте рынка. Бороться за покупателя ретейлерам помогают гибкое управление товарными потоками, снижение издержек, быстрое и своевременное насыщение рыночного спроса. Одним из способов, создающих конкурентные преимущества в этих условиях, может стать перевод информационной системы в режим автоматического управления товарными запасами. Следует отметить, что в развитых экономических странах «интеллектуальные» информационные системы давно получили широкое распространение и, как показывает опыт, существенно повышают эффективность ведения бизнеса.

Современные торговые информационные системы, в том числе построенные на базе ERP-комплексов, ориентированы прежде всего на учет товарных и финансовых потоков и поддержку торговых процессов. Их роль в принятии управленческих решений обычно сводится к подготовке для менеджера необходимого массива информации или выполнению конт­рольных и вспомогательных функций. Синтезировать управленческие решения (например, определять время заказа и размер заказываемой партии товара) обычная информационная система может, только если в нее введен прогнозный план продаж по конкретной товарной позиции или товарной группе. В условиях, когда различие между плановыми и реальными значениями объемов и динамики продаж не слишком велико, этого бывает достаточно.

 

По другому сценарию

При значительном отклонении реальных значений от плановых может возникнуть необходимость скорректировать алгоритм пополнения товарных запасов. Коррекцию обычно проводит сам менеджер. Однако в условиях большого ассортимента и интенсивного товарооборота своевременность и эффективность решений, принимаемых менеджером, может быть недостаточной и к тому же зависеть от его квалификации. Такая ситуация возникает, например, в процессе управления товарными запасами в крупных гипермаркетах.

Возможны три пути решения данной проблемы:

• снижение управленческой нагрузки на менеджера (то есть менеджер по закупкам будет контролировать меньшее число товарных позиций ассортимента);

• замена неэффективных менеджеров более квалифицированными специалистами или обучение менеджеров;

• передача информационной системе управленческих функций по коррекции алгоритма пополнения товарных запасов.

Выбор того или иного варианта должен быть экономически обоснован. При этом необходимо понять, сможет ли информационная система полностью заменить человека или нет.

В формализованном подходе управление товарными запасами можно рассматривать как три взаимосвязанных процедуры:

• планирование обеспечения товарными ресурсами;

• контроль выполнения плановых показателей;

• коррекция (при необходимости) плана и алгоритма пополнения товарных запасов.

В основе планирования розничного товарооборота обычно лежит статистический анализ результатов за прошлые периоды с их последующей коррекцией, учитывающей перспективные планы развития и экспертные оценки. Коррекция статистических данных требуется, например, в случае увеличения торговых площадей, появления в ассортименте новых товаров или товаров-заменителей, проведения эффективной рекламной кампании, прихода на рынок сильных конкурентов — то есть появления новых факторов. С учетом специфики взаимоотношений с поставщиками определяется и алгоритм пополнения товарных запасов.

Качество планирования зависит от многих факторов, самый существенный из них — прогнозирование спроса на товары и товарные группы. Как показывает практика, достигнуть достоверного прогноза и провести качественное планирование удается далеко не всегда. Поэтому периодически может возникать необходимость корректировать плановые показатели и, соответственно, алгоритм пополнения товарных запасов.

Обычно при решении такой задачи менеджер использует как формализованные процедуры (в основном статистические методы), так и неформализованные (экспертные оценки, эвристики и пр.). Причем опыт и интуиция значительно чаще могут дать более правильное решение, чем статистический анализ. В этих условиях автоматическую корректировку алгоритма в торговой ИТ-системе целесообразно выполнять в первую очередь с помощью построения экспертной системы, моделирующей сценарий принятия решения высоко­квалифицированным специалистом.

Использование экспертной системы позволит принимать корректирующие решения своевременно, и их качество будет более высоким, чем у специалистов низкой и средней квалификации, что особенно важно в стрессовых ситуациях, когда управленческая нагрузка на менеджера чрезвычайно высока и вероятность ошибки резко возрастает. Уменьшить убытки от управленческих ошибок менеджера можно, например, путем избыточного резервирования товаров, изменения ценовой политики и условий взаимоотношения с поставщиком. Создание и эксплуатация экспертной системы требуют, конечно, весомых затрат, но в условиях большого товарооборота, когда цена даже незначительной ошибки очень высока, потенциальные убытки, связанные с неэффективным управлением, будут несоизмеримо больше, чем затраты на экспертную систему.

 

Автоматическая коррекция алгоритма

Обобщая вышесказанное, можно определить два направления реализации режима автоматического управления товарными запасами. Первое — это улучшение качества первоначального планирования товарооборота, то есть создание условий, при которых коррекция алгоритма пополнения товарных запасов не нужна или может проводиться достаточно редко. В этом случае возможен ручной режим коррекции. Второе направление — это разработка механизма автоматической коррекции алгоритма пополнения товарных запасов. Автоматический режим целесообразен, когда изменение алгоритма производится относительно часто и по большому числу товарных позиций (особенно товаров с ограниченным сроком реализации). При этом ручная коррекция дает большое количество ошибок и проводится несвоевременно.

Остановимся подробнее на втором направлении. В этом случае под автоматическим управлением в первую очередь следует понимать способность торговой ИТ-системы формировать управленческие решения в условиях неопределенности и непредвиденного колебания спроса, требующих коррекции алгоритма пополнения товарных запасов.

Наиболее часто товарные запасы пополняют фиксированными объемами или через фиксированные интервалы времени.

В первом случае сигналом является достижение некоторого заранее определенного уровня запасов. В периоды, когда продажи растут, частота заказов увеличивается, а когда падают, частота заказов снижается. Во втором случае частота заказов остается неизменной, а колебания спроса компенсируются соответствующим изменением размера заказа. В процессе управления товарными потоками целесообразно оптимизировать величину товарного запаса, соотнося стоимость поддержания больших запасов с объемами продаж и прибылью. Неверное решение может привести либо к увеличению расходов на поддержание избыточного товарного запаса, либо, если товар в продаже будет отсутствовать, к дорогостоящей срочной доставке, снижению прибыли и объемов продаж и возможной потере покупателей. Информационные технологии позволяют широко использовать системы снабжения «точно в срок» (just-in-time). Однако такая методология требует точного прогнозирования, быстрых, частых и гибких поставок.

В наиболее общем виде процедура принятия решения при выборе алгоритма пополнения товарных запасов схематично представлена на рис. 1. Особенностью процедуры является возможность корректировать вновь принимаемое решение с учетом реализации предыдущего и динамически обновлять массив исходных данных.

Рисунок 1
Рис.1. Процедура принятия решения при выборе алгоритма пополнения товарных запасов

Процедура представляет собой зам­кнутый цикл с обратной связью, в соответствии с которым менеджер, принимая решение ω об алгоритме пополнения запасов, учитывает не только текущее состояние рыночного спроса S и остатков товаров I, но и оценивает результаты принимавшихся им ранее решений V.

Обычно менеджеру при выборе алгоритма приходится принимать компромиссное решение. Он не знает точно, как будет колебаться спрос, и вынужден искать компромисс между финансовыми потерями от неудовлетворения спроса и потерями от нереализованного избыточно заказанного товара.

Если в качестве критерия оптимизации F выбрать размер этих потерь, то менеджер из множества альтернативных вариантов принятия решения Ω должен выбрать вариант ω, который бы соответствовал условию минимизации величины потерь. Поиск компромисса проводится менеджером чаще всего интуитивно.

С точки зрения автоматизации задача интуитивного поиска решения наиболее труднореализуема, так как требует подробного описания сформированного менеджером набора предпочтений, исходя из которых он и принимает решение. Набор предпочтений менеджера может периодически меняться, по мере того как меняются внешние условия ε и менеджер переосмысливает результаты ранее принятых решений. То есть на практике поиск оптимума представляет собой итерационный процесс, связанный с накоплением массива исходных данных I и множества значений V.

В процессе итерационного поиска решения обычно выделяют несколько вариантов поведения менеджера. Это касается прежде всего его отношения к возможным последствиям принимаемых решений, то есть к величине параметра V. Под V можно условно понимать как выигрыш, так и проигрыш, в зависимости от финансовых результатов работы торгового предприятия. В экспертной системе целесообразна настройка алгоритма принятия решения на конкретный вариант поведения менеджера, что существенно повышает его доверие к решениям, генерируемым в автоматическом режиме.

 

Стратегии поведения. Наиболее часто встречаются следующие варианты поведения менеджера.

Объективное, или ровное, отношение — когда менеджер выбирает тот вариант пополнения запасов, который может дать наибольшую прибыльность торговых операций, не учитывая при этом, насколько данный вариант подвержен всякого рода рискам и случайностям. Обычно к такой стратегии прибегают в ситуации, когда оценка рисков и случайностей невозможна или дает очень приблизительный результат. Азартное, или смелое, отношение — когда внимание сосредоточивается на выигрыше больших сумм. В этом случае менеджер, даже зная, что сильно рискует, например при выборе размера партии пополняемого товара, тем не менее идет на этот риск, надеясь получить максимальную прибыль.

Осторожное отношение — когда стремятся избежать больших проигрышей и менеджер в своих решениях следует поговорке «лучше синица в руках, чем журавль в небе».

Кроме приведенных, возможны и другие варианты, однако чаще всего в условиях риска и неопределенности выбираются варианты, при которых выигрыш больше, а риск меньше. Способность определять «дозу риска», умение рисковать дают менеджеру значительное примущество.

Вначале, пока не накоплены статистические данные, поиск приемлемого варианта ведется методом так называемой пристрелки. То есть выбирается первоначальный размер заказываемой партии товара, и затем по результатам ее реализации новая партия либо увеличивается, либо уменьшается. На сколько увеличить или уменьшить новую партию, решает менеджер.

По мере накопления статистики и результатов возможны и другие модели определения алгоритма пополнения запасов.

 

Модель соответствия. Модель, когда менеджер ищет решение на основании предыдущего опыта. Например, по статистическим данным можно оценить рост продаж в праздничные дни, и если в текущий период дополнительных факторов, влияющих на продажи, не появилось, то размер заказываемой партии товаров может быть таким же, как и в прошлые периоды. В информационной системе хранится библиотека соответствий, в которой каждому набору некоторых параметров Fp, непосредственно влияющих на продажи, ставится в соответствие размер заказываемой партии товара. Процесс оптимизации сводится к нахождению размера партии, соответствующего заданному множеству Fp.

Модель синтеза. Эта модель обычно используется, когда статистические данные не позволяют определить размер заказываемой партии, но существует функциональная связь между множеством Fp и размером партии. Эта связь может быть выражена как математической формулой, так и набором эвристических правил по принципу: если такой-то параметр из множества Fp лежит в таких-то пределах, то размер заказываемой партии должен иметь такое-то значение.

На практике перечисленные методы могут чередоваться.

При выборе алгоритма пополнения товарного запаса, то есть определения «точки дозаказа» и размера заказываемой партии, менеджер должен учитывать еще ряд факторов. К важнейшим следует отнести цену и условия поставки, так как поставщик не всегда может отгрузить необходимое количество товара к заданному сроку или цена, которую он предлагает, не устраивает менеджера. Учет этих факторов сложно формализуем, при его автоматизации требуется особая схема взаимодействия с поставщиками, так как обрабатывать в автоматическом режиме встречные предложения поставщиков не всегда возможно.

Если взаимодействие с поставщиками не требует постоянного вмешательства менеджера, то его работа при функционировании информационной системы в режиме автоматического управления товарными запасами будет заключаться в отслеживании сбоев алгоритма, из-за которых превышается заданная величина допустимых убытков. Менеджер должен понять, почему произошел этот сбой, и совместно со специалистами по обслуживанию экспертной системы внести в алгоритм необходимые изменения. Во всех других случаях менеджер должен своевременно ввести в систему информацию, обеспечивающую автоматическую коррекцию алгоритма.

Диалог менеджера и информационной системы может быть построен по альтернативной или сценарной форме, в зависимости от квалификации менеджера и понимания им тех алгоритмов, на основе которых информационная система функционирует.

Альтернативная форма диалога под­разумевает выбор одной из доступных операций и процедур, применяемых в процессе оптимизации. Управление диалогом происходит по инициативе информационной системы, сообщение содержит вопросы или рекомендации (императивы), альтернативные ответы пользователя и пояснения к правилам формирования ответов. Ответ пользователя может состоять из отметки альтернативы, числовых значений или зарезервированных ключевых слов, в том числе слов «да» и «нет». Формально процесс диалогового взаимодействия можно представить как переход от одного сообщения к другому в зависимости от ответов пользователя. Примером такого диалога может служить инсталляция любого сложного программного продукта (например, операционной системы) на персональный компьютер.

Сценарная форма диалога ориентирована на более квалифицированного пользователя, у которого, однако, еще не сформировались навыки практической работы с системой. Система запрашивает у пользователя требуемые данные, подсказывает формат их ввода, выводит на экран сообщения об ошибках и предлагает воспользоваться инструкцией. Управление диалогом происходит по инициативе информационной системы, но управлять диалогом может и пользователь.

Сильно влияет на качество принятого менеджером решения достоверность прогноза динамики спроса на товар. Естественно, чем точнее будет сделан прогноз спроса на тот или иной период, тем эффективнее будет управление товарными запасами. Передача управленческих функций информационной системе целесообразна при условии, что такой прогноз она будет делать на уровне квалифицированного специалиста. С точки зрения автоматизации методы прогнозирования спроса можно условно разделить на экспертные и статистические.

К экспертным методам можно отнести исследование намерений покупателей, обобщение мнений торговых работников, экспертные оценки специалистов, пробный маркетинг.

К статистическим относятся методы, основанные на математическом анализе статистических данных: анализ временных рядов, опережающие индикаторы, статистический анализ спроса и др. Понятно, что экспертные методы предпочтительнее при нестабильном рынке, когда статистические данные уже не отражают реальных условий торговой деятельности. В настоящее время создано большое количество математических моделей, позволяющих прогнозировать спрос на основе анализа накопленных статистических данных. Главным образом все сводится к построению функциональных моделей, описывающих изменение спроса либо во времени, либо как функцию от факторов, непосредственно влияющих на его величину и динамику изменения. При анализе временных рядов стараются выделить тенденцию, цикл, сезонность и случайные колебания. Достоверность статистического прогноза обычно зависит от периода, за который собрана статистика, горизонта прогнозирования и полноты учета всех факторов, влияющих на спрос. При прогнозировании спроса важно учитывать влияние новых факторов, которые могут появиться в прогнозируемый период, — например, эффективно проведенная рекламная кампания может привести к тому, что реальное значение спроса и прогнозные значения, полученные на основе анализа статистических данных за прошлые периоды, могут существенно различаться. В целом статистические методы анализа спроса дают неплохие результаты, если собрана статистика более чем за трехлетний период.

На практике обычно применяется комбинированный подход, сочетающий как статистический анализ, так и экспертные оценки. В целом надо отметить, что прогнозирование спроса в автоматическом режиме даст приемлемые результаты при условии свое­временного ввода в информационную систему корректирующих алгоритмов, учитывающих факторы, чье влияние в предыдущие периоды либо отсутствовало, либо было незначительным.