ABC и XYZ-анализ в оптимизации ассортимента компании

Определение понятия «ABC-анализ»

Итальянский экономист Вильфредо Парето, в процессе своей научной деятельности, вывел правило, ставшее классическим, которое сформулировано следующим образом: «20% усилий дают 80% результата, а остальные 80% усилий дают 20% результата».

Универсальность правила Парето заключается в том, что область его применения находится не только в экономической плоскости, а применимо к любым исследованиям, где необходимо понять, какой фактор, из многих, является основополагающим, а какие второстепенными.

Данное правило не является твёрдым законом, а является всего лишь эмпирическим наблюдением.

Трактовка этого правила – основной объём работы реализуется при использовании не всего набора инструментов, а только небольшой его части, поэтому, для рационализации усилий, необходимо вычислить эту составляющую, которая обеспечит 80% результата.

На основе правила Парето основан рейтинговый метод ранжирования данных и результатов, носящий название «ABC-анализ». Самые распространенные области применения данного вида анализа:

1. Ассортиментные, товарные матрицы;
2. Рабочая базы (клиенты, поставщики, дебиторы, кредиторы и так далее);
3. Любые другие массивы, в которых есть значения, которые надо упорядочить и выделить основное ядро, составляющее основу массива (80%).

Плюсы и минусы ABC анализа

Плюсы	Минусы
При работе с большими массивами данных становится понятно, какую долю занимает та или иная категория, eё вес в общем массиве	Результат ABC-анализа является весьма условным, полезность результатов весьма сомнительна
Продуктивный контроль ресурсов и бизнес-процессов	Непонятная, особенно для новичка, методика расчёта
Область применения правила Парето не ограничивается экономикой или статистикой. Возможность использования в повседневной жизни	Не оценивает сезонные колебания
	Для проведения анализа, нужна большая история событий и показателей, информационный ресурс, откуда будут браться данные для расчетов

Последовательность действий при поведении анализа

Обычно, правило Парето оперирует A и B-группами с показателями доли 80% и 20%, соответственно. Но более распространенное представление получила модель, в которой производится разделение всего массива на группы A (доля - 80%), B (доля - 15%), C (доля - 5%).

Основная задача при проведении анализа - произвести деление массива на A, B, C – группы. После этого, учитывая, что группа А должна составлять около 80% (в единицах измерения), необходимо оценить, сколько процентов данных (от общего объёма данных) образуют группу A.

Если 20% от общего количества номенклатуры массива составляют группу A и являются долей (от общего результата) в районе 80%, то правило Парето соблюдено и, такая модель, может считаться эталонной и сбалансированной.

Последовательность выполнения ABC-анализа

 В качестве примера возьмём некий информационный массив – например, данные о реализации сельскохозяйственной продукции за какой-то период некой сбытовой компанией

Требуется произвести закупку продукции, но заказать необходимо только «хиты» продаж, т.к. объём финансирования ограничен. Как понять, что необходимо заказывать? Какие позиции являются «локомотивами» продаж. В данном примере массив данных небольшой, однако, когда номенклатура анализируемого массива исчисляется десятками тысяч позиций, визуально определить невозможно, нужен расчет.

1. Производится ранжирование номенклатуры по количественному выражению (тоннам, в данном случае), в порядке убывания (от большего к меньшему):

2. Производится измерение персонального удельного веса (доли) каждой позиции в общем объёме:

3. Измеряется удельный вес (в %) нарастающим итогом, для понимания, какие позиции образовывают 80% общего объема массива. Для этого последовательно складываются доли:

4. Далее, список маркируется по группам:

• A (80%)
• B (15%),
• С (5%).

Группа A ограничивается порогом 76% (в данном примере, не добравшись до эталонной отметки в 80%). Следом, (в рамках доли = 15%), до 95%, находится группа B и в интервале 95%-100% находится группа С.

В результате структура реализации разделилась на следующие группы:

• Самая «продаваемая» группа - (А). Товары, чей суммарный объём продаж составляет основной продуктовый портфель, «локомотивные группы»;
• Средние «устойчивые» продажи (B). Товары, показывающие средние продажи по объему, «твёрдые середнячки»;
• Самые низкие продажи (С). Это товары с малым показателем продаж, низкой оборачиваемостью.

В результате проведенного анализа, появляется очевидная информация, какие продукты продаются более активно, а какие – менее, каким группам предпочтительнее отдавать приоритет, а каким - не стоит торопиться.

В рассматриваемом примере, группа A достаточно обширная, так бывает не всегда, всё зависит от количества номенклатуры и итоговых числовых показателей по ней. Для того, чтобы выявить основные «хиты продаж» группы A - необходимо произвести в ней ABC-анализ по вышеописанной методике.

Теперь 100% реализации будет назначен суммарный оборот по группе A, в количественном выражении. Анализ группы A примет следующий вид:

Анализ показал, что самые продаваемые культуры – культуры категории A-A, их и необходимо закупать больше. Это группа с максимальной скоростью оборота, с точки зрения продаж.

Такие же действия целесообразно произвести также в группе B и C. На вершине рейтинга каждой группы находятся позиции, готовые, при малейшем изменении итоговых результатом, перейти в вышестоящую группу. И наоборот, например, позиция с рейтингом B-C – первый кандидат на переход в подгруппу C-A.

Практическое обоснование результатов анализа

Как определить, является ли сбыт, в рамках вышеуказанной задачи, сбалансированным, соответствующим формуле правила Парето?

Тезисно, в упрощенном варианте правило звучит так - «20% номенклатуры должны дать 80% реализации». В нашем случае, количество позиций товарного портфеля (наименования сельскохозяйственных культур) равняется 11.

Категория A (то есть 80% от общего объёма) - составляет 7 позиций, что соответствует 63,6%. В данном случае, модель сбыта считается несбалансированной, отдел продаж должен поработать над ней, так как 80% объема должны достигаться не 7 наименованиями, а всего 2-3 (20% от 11 позиций).

Применительно к нашему исследованию – в примере отсутствуют группы-лидеры; практически вся номенклатура продаётся равномерно. Необходимо развивать первые три товарные группы, концентрировать внимание на них, выводить в лидеры продаж. В результате таких действий, структура сбытовой модели изменится, достигнув требуемого баланса. Произойдёт переход некоторых позиций из A-группы в B-группу, а из B-группы – в C-группу.

В результате подобной реформации, продажи три товарных группы «Картофель», «Морковь», «Огурцы» суммарно будут составлять 80% общего объёма, являясь лишь 20% от общего продуктового портфеля. В таком случае, по Парето, - данная сбытовая модель будет сбалансирована и для того, чтобы сделать основной объем реализации, не необходимо будет прикладывать усилия для продажи 7 товарных групп, достаточно будет сосредоточить внимание на тройке ведущих, а остальные развивать параллельно, увеличивая итоговый результат.

Определение понятия «XYZ-анализ»

Эта разновидность рейтингового анализа помогает систематизировать продукт, основываясь на усредненном показателе стабильности реализации и отклонениях от него.

Процессуально, определяются коэффициенты варьирования для анализируемых признаков, характеризуется соотношение фактического значения и среднеарифметического (эталонного) за рассматриваемый период.

XYZ-анализ позволяет вычислить и рассчитать разницу в значениях опытных объектов (товарный портфель, клиентская база и др.) за рассматриваемые временные периоды, их отклонения от «эталонного» показателя.

В результате, возможно сделать заключение о динамике (продаж, например), оценить стабильность процесса, выявить наличие каких-либо отклонений, произвести систематизацию.

Последовательность проведения XYZ-анализа

Имеются некие данные продаж продукта за определенный период времени. Требуется понять, какие группы товара наиболее стабильны в продажах, в какие продукты следует вкладывать инвестиции, покупая их в первую очередь.

1. Высчитывается коэффициент вариации. Посчитать возможно несколькими способами. Первый – математически, вручную. По ряду данных (например, «Картофель») высчитывается среднее арифметическое значение. В нашем случае, несложно посчитать значение по данному продукту, равное 247. Дальше, находится величина отклонения ежемесячного значения реализации от «эталонного» 247, в процентах. Например, для января отклонение от эталона составит: 1-(240/247) = 2,83%. Также высчитывается значение для остальных месяцев. Среднее арифметическое коэффициентов отклонения и есть искомая величина итогового коэффициента вариации по продукту (например, «Картофель», 2,97% по полугодию).

2. Программно, в «Экселе», эти действия производятся с помощью функций. Для вычисления «эталонного» значения по ряду данных применяем функцию СТАНДОТКЛОНП. Синтаксис приведён на графическом фрагменте решения данной задачи, ниже. Таким же способом считаем коэффициент вариации для других продуктов.

3. Полученные коэффициенты вариаций ранжируются от меньшего значения к большему. В группе X находятся объекты с коэффициентом вариации от 0% до 10% - стабильные продажи, возможно более адекватно спрогнозировать их реализацию. Если отклонение составит от 10% до 25 % — это группа Y. Реализацию продуктов этой группы сложнее спрогнозировать, но этот параметр показывает некоторые отклонения (например, сезонность продукта). Группа Z характеризуется нерегулярным потреблением, отсутствием каких-либо тенденций и показывает коэффициент вариации более 25 %. Синтаксис эксель-формулы приведён в примере ниже:

В практике, продажи и доходность испытывают на себе воздействия многих факторов: сезонность, частоту цикла поставок, изменения ценообразования, маркетинговые активности, прочие факторы. Все это, с различными последствиями, резонирует в результатах продаж, приводя к высокой волатильности коэффициента вариации. Данным XYZ-анализа можно доверять в случае, если рассматриваемый период времени достаточно продолжительный. Величина оборачиваемости товара (в днях) должна быть существенно меньше (в разы) длительности анализируемого временного отрезка.