Вы находитесь на странице: 1из 5

85

УДК 001.895:339.144
Е.В. Неверова,
канд. экон. наук, доцент кафедры логистики и коммерции
Хабаровского государственного университета экономики и права
И.Е. Пучнина,
менеджер отдела управления товарными запасами ООО «Эй-Пи-Трейд»
(г. Хабаровск)

ИННОВАЦИОННАЯ СИСТЕМА «FORECAST NOW!»


В УПРАВЛЕНИИ ТОВАРНЫМИ ЗАПАСАМИ

В данной работе рассмотрен инновационный инструмент управления товарными запасами – про-


грамма «Forecast NOW!», успешно применяемая ведущими торговыми предприятиями Дальнего Восто-
ка, и описан опыт внедрения данного продукта в ООО «Эй-Пи-Трейд».
Ключевые слова: оптимизация запасов, товарный запас, продажи, логистика.
This paper considers an innovative tool for stock management. This program is called «Forecast NOW!»
and it is successfully applied by leading trading enterprises of the Far East. The experience of implementation of
this product in «A-P-Trade» LTD is described.
Keywords: stock optimization, stock, sales, logistics.

На сегодняшний день многие пред- отслеживает и анализирует историю про-


приятия стремятся к увеличению обора- даж для каждого склада или торговой
чиваемости запасов, чтобы при наимень- точки, оптимизирует и формирует заказы
шей площади и сумме затрат на содержа- на основе прогноза спроса, работает с
ние запасов получить максимальный объ- равномерным и редким вариативным
ем продаж и, как следствие, прибыли. спросом и предоставляет аналитическую
Большинство современных предприя- отчетность для принятия стратегических
тий ставит своим ориентиром минимиза- решений. Для эффективной работы про-
цию товарного запаса в допустимых пре- грамму нужно настроить всего один раз.
делах, которая приведет к увеличению Использование данного программного
товарооборота и, как следствие, росту продукта позволяет избежать содержания
конкурентоспособности компании. излишнего объёма товаров, не увеличи-
Качественное управление товарным вать чрезмерно страховой запас, а также
запасом, снижение количества неликвид- избегать перегрузки складских мощно-
ных товаров, сверхнормативного запаса стей. Благодаря её внедрению решается
ведет к снижению затрат на содержание проблема отсутствия востребованных то-
товаров, а также препятствует «замора- варов, что позволяет избежать провала
живанию» денежных средств в непрода- акций из-за дефицита товаров.
ющиеся товары. Таким образом, FN помогает отделу
Качественный прорыв в управлении закупок оптимизировать свою работу и
товарными запасами позволяет достичь повысить её эффективность, что в конеч-
применения инновационного программ- ном итоге благоприятно отражается на
ного продукта – программы «Forecast эффективности функционирования всей
NOW!» (далее – FN). «Forecast NOW!» логистической системы компании: систе-

Вестник Хабаровского государственного университета экономики и права. 2019. № 3 (101)


86

ма формирует и согласовывает прогноз статистика продаж не отражает базовую


спроса с планом отдела продаж, долго- динамику спроса и требует очистки
срочный план закупок, составленный си- от дефицитных периодов, всплесков из-за
стемой, позволяет качественно провести маркетинговых акций, разовых крупных
оценку финансового бюджета с наиболее продаж и т.д. Оценка точности работы
рентабельным уровнем удовлетворения таких методов также отличается
спроса с учетом рисков стоимости денег и и производится в терминах экономических
хранения; в области складской логистики потерь компании, а не статистических оши-
запасы рационально распределяются между бок MAPE или RMSE, которые непонятны
складами с учетом затрат на перемещение и бизнесу. Это требует перестройки мышле-
разницу цен; маркетологам компании мож- ния не только руководителей, но и рядовых
но планировать эффективность маркетинго- сотрудников. В России использование ве-
вых акций с учетом каннибализации спроса, роятностных алгоритмов минимально,
а результаты сравнивать с планом. хотя в западной практике они считаются
Большинство российских компаний самым прогрессивным методом для
использует методы прогнозирования управления товарными запасами.
спроса, которые устарели 10–15 лет С помощью вероятностных методов про-
назад: экспоненциальное сглаживание, гнозирования 4-го поколения мы можем
ARIMA, скользящая средняя, метод прогнозировать весь ассортимент вплоть
Хольта-Винтерса и др. Они не только мо- до группы Z, не только рассчитать опти-
рально устарели, но и не являются эффек- мальный запас для каждого магазина
тивными при решении задачи управления и склада с учетом точных дат поступления
запасами для 94 % ассортимента продук- заказов от поставщиков, но и учесть сдвиги
тового сегмента и для почти всех товаров сроков поставок и их нестабильность, из-
непродуктового, что доказано многими менчивость маркетинговых акций. Более
научными исследованиями [3; 4]. того эти алгоритмы могут сами подска-
В результате компания теряет от 20 до 40 % зать оптимальный уровень удовлетворе-
оборотных средств из-за излишков ния спроса для каждой позиции в каждом
на складе и до 5–10 % выручки из-за де- заказе. При этом будет найден баланс
фицита. Все дело в том, что на выходе эти между дефицитом, стоимостью хранения
методы предлагают какое-то одно число, запаса, заморозкой денежных средств,
что зачастую похоже на гадание списания испорченной продукции
на кофейной гуще. Страховой запас до- и другими факторами.
бавляется или «на глаз» или С помощью математического ядра
по стандартным распределениям спроса, «четвертого поколения», не имеющего
которые просто не соответствуют этим аналогов, система с высокой точностью
товарам. Сейчас стали доступны кратно рассчитывает оптимальный товарный за-
большие вычислительные ресурсы, которые пас по каждой SKU (товарной единице)
делают доступными применение новых ме- для всей торговой сети, что дает возмож-
тодик прогнозирования 4-го поколения. ность максимально эффективно исполь-
Чтобы алгоритмы 4-го поколения бы- зовать оборотный капитал, вложенный в
ли эффективными, они должны работать товар, а также делает наши алгоритмы
на корректных исторических данных прогнозирования одними из самых эф-
и быть понятны сотрудникам. Прошлая фективных в отрасли.

Вестник Хабаровского государственного университета экономики и права. 2019. № 3 (101)


87

Программа работает с частым равно- 3. Прогнозирование спроса для 99 %


мерным и редким вариативным спросом в ассортимента.
разных сферах деятельности, например 4. Восстановление спроса в моменты
продукты питания, электротовары, дефицита. Автоматически обнаруживает
стройматериалы, автозапчасти, медицин- периоды дефицита в прошлом и применя-
ская техника или лекарственные средства. ет к этим периодам алгоритмы прогнози-
Краткосрочный прогноз составляется на рования или восстановления спроса.
период от 1 до 14 дней, долгосрочный – до 5. Учет пиковых продаж. Пиковые,
12 месяцев. Прогнозировать спрос мож- нехарактерные продажи будут обнаруже-
но по конкретному товару или товар- ны программой и отфильтрованы до ти-
ной группе, по одному складу или пичных. Это необходимо для того, чтобы
группе складов. При этом можно учи- не планировать складские запасы под пи-
тывать схемы снабжения, а также стро- ковые нехарактерные продажи, обычно
ить прогноз в разрезе свойств товаров. выполняющиеся под заказ.
С помощью данной программы воз- 6. Учет продаж товаров-аналогов и за-
можен расчет оптимального товарного менителей. При расчете оптимального запа-
запаса (ОТЗ). При расчете оптимального са учитываются продажи товаров-аналогов.
запаса учитываются риски дефицита, сро- 7. Автоматический учет ограничений
ки годности, стоимость хранения, распро- заказа. При использовании программы
дажи, сезонность и тренды, праздничные учтутся ограничения по сумме, весогаба-
дни, стоимость денежных средств и дру- ритным характеристикам заказа и загруз-
гие критерии. Программа сокращает из- ке транспортных средств: заказ будет из-
лишние запасы и снижает дефицит, при менен оптимальным образом для сохра-
этом обеспечивает наличие обязательного нения оборачиваемости/рентабельности
ассортимента. Сокращение запасов вы- товарных запасов.
свобождает оборотные средства, а благо- 8. Учет маркетинговых акций. Также
даря снижению дефицита увеличиваются можно рассчитать коэффициенты увели-
продажи. Во время расчета ОТЗ происхо- чения спроса по маркетинговым акциям в
дит следующее: прошлом, оценить эффективность этих
1. Автоматический учет сезонности и акций и понять целесообразность их про-
тренда. Сезонность и тренд рассчитыва- ведения на будущий период. Также
ются автоматически, на основе историче- «Forecast NOW!» спрогнозирует, как на
ских данных. Расчёт может быть произве- спрос повлияют маркетинговые акции в
ден по конкретному товару или товарной будущем и учтет этот фактор при форми-
группе. Учитывается месячная, недельная ровании заказа.
и внутринедельная сезонность. 9. Учет сроков годности. При расчетах
2. Расчет оптимального уровня серви- учитываются сроки годности товаров и
са. Для каждого товара программа рас- риск потерь от просрочки товара.
считает оптимальный уровень удовлетво- При автоматическом формировании за-
рения спроса, чтобы максимизировать каз можно сделать на торговую точку и рас-
прибыль компании и снизить общие за- пределительный центр. Производится рас-
траты и потери от дефицита, хранения, чет оптимальных перемещений товаров
просрочки товаров, штрафов за недопо- между складами с учетом затрат на логисти-
ставку и стоимости денег. ку и время перевозки. Автоматически фор-

Вестник Хабаровского государственного университета экономики и права. 2019. № 3 (101)


88

мируется календарь заказов. При прогнози- Трейд» показал, что одним из препят-
ровании учитываются аналоги товаров, ствий их внедрения является интеграция с
периоды отсутствия товара на складе, другими системами. Конкурентным пре-
аномальных продаж, отсутствия товара на имуществом FN является то, что она про-
полке и другие факторы. Программа ав- изводит автоматический обмен данными с
томатически выявляет периоды дефицита учетной системой (1С, SAP, Oracle,
в прошлом и применяет к этим периодам Axapta и др.) в фоновом режиме и не тре-
алгоритмы восстановления спроса. Ча- бует от пользователя ручного обновления
стые смены артикулов и большое число данных. Загружаемые данные проходят
товаров-заменителей перестают быть проверку на корректность. Система дает
проблемой. рекомендации по устранению обнаружен-
В среднем время на формирование зака- ных проблем в исходных данных, следит за
за закупщиком сокращается с 2–4 часов до тем, чтобы данные были актуальны. Если
20 минут. Автоматизация рутинных опера- требуется, система своевременно напомина-
ций значительно снижает риск ошибок. ет о необходимости синхронизации с учет-
«Forecast NOW!» – это эффективное ной системой. Таким образом, результатами
управление ассортиментом, при котором использования данной инновации являются:
закупщик, опираясь на базу знаний про- 1) сокращение оптимального товарно-
граммы, может быстро узнать о товаре, го запаса без потерь продаж;
номенклатурной группе или сразу получить 2) сокращение неликвидных и излиш-
всю необходимую информацию: динамику них позиций в ассортименте;
продаж и остатков, периоды дефицита и не- 3) повышение уровня сервиса компании;
случайного отсутствия спроса, сверхнорма- 4) рост оборачиваемости товаров за
тивные запасы и вероятность неликвида. На счет оптимизации товарного запаса;
основе полученной информации он прини- 5) рост рентабельности;
мает эффективные решения. 6) сокращение списаний по сроку годности;
Программа решает следующие задачи: 7) сокращение времени на расчет зака-
– выявление топовых позиций по за- зов до 30 минут;
данным критериям на основе кросс-ABC- 8) сокращение количества менеджеров
XYZ-анализа; в отделе закупок.
– нахождение проблемных товарных Как показывается практика внедрения
групп, ранжирование поставщиков с по- данной программы в компании ООО «Эй-
мощью анализа товарных групп и срезов; Пи-Трейд», весь процесс занимает от 2
– поиск неликвидов, выбывшего ас- до 3 недель и проводится по следующему
сортимента, сверхзапасов с использова- алгоритму.
нием анализа ассортимента. 1. Выгрузка информации.
Стратегические решения проясняются и Заказчик делает выгрузку всей доступ-
подтверждаются математическим прогно- ной информации по продажам исследуемого
зом, появляется единый инструмент приня- ассортимента до даты начала исследования.
тия решений и контроля за их исполнением. Чем больше период выгрузки, тем точнее
На рынке существует несколько инно- будут результаты моделирования. Мини-
вационных программ-конкурентов, но мальный срок выгрузки – 1 год, но для по-
проведённый мониторинг перед внедре- лучения более точного результата рекомен-
нием программы FN в компании «Эй-Пи- дуется делать выгрузку за 3 года.

Вестник Хабаровского государственного университета экономики и права. 2019. № 3 (101)


89

2. Моделирование работы. Список использованных источников


По выбранным данным проводится
моделирование работы программы 1 Веселова А. О. Логистика : учеб. посо-
«Forecast NOW!». Программа будет бие для студентов экон. направлений подго-
в автоматическом режиме формировать товки (бакалавриат) очной и заочной форм
заказы, прогнозировать спрос и остатки обучения /А. О. Веселова, Е. А. Антинескул.
товарных запасов. При этом Пермь : Перм. гос. нац. исслед. ун-т,
не учитываются корректировки, которые 2014.154 с.
обычно вносятся вручную сотрудникам 2 Гаджинский А. М. Логистика : учеб-
в реальной ситуации. ник. – 20-е изд. / А. М. Гаджинский. М. :
3. Сравнение результатов. Дашков и К°, 2012. 484 с.
После проведения моделирования 3 URL: http://cyclowiki.org/wiki/Forecas
сравниваются результаты работы про- t_NOW! (дата обращения 19.05.2019).
граммы с реальными данными за тот же 4 URL: https://fnow.ru (дата обраще-
период. Заказчик сможет увидеть, когда ния: 19.05.2019).
и сколько товаров заказывала бы про- 5 URL: https://www.1csoft.ru/catalog/76
грамма за этот период. На основе этих 28/4039286/24037995/ (дата обращения
данных рассчитывается экономический 18.05.2019).
эффект от использования ПО. Он может
быть как положительным, так
и отрицательным.
4. Подробный отчет.
Поставщик услуг готовит подробный
отчет с таблицами и графиками. В него
входит сравнение реальных
и прогнозируемых показателей остатков,
уровня сервиса, оборачиваемости, упу-
щенной прибыли, экономии на закупках,
суммарного эффекта от внедрения.
Таким образом, внедрение иннова-
ционных систем управления запасами в
разы сокращает текущие затраты на
хранение, позволяет организации удо-
влетворять или превышать ожидания
потребителей, создавая такие запасы,
которые максимизируют чистую при-
быль. С помощью инновационных про-
грамм типа «Forecast NOW!» компания
может видеть полную картину наличия,
и движения запасов в процессе продаж.
Это приводит к сокращению издержек
компании и оптимизации использова-
ния материальных ресурсов.

Вестник Хабаровского государственного университета экономики и права. 2019. № 3 (101)

Вам также может понравиться