Пункт восьмой— «Анализ прошлых периодов».
Последний шаг в нашем цикле статей про прогнозирование — анализ прошлых периодов. Для чего он нам нужен?
- Полный проведенный анализ позволяет целиком увидеть слабые места нашего предприятия. Мы поймем, в какой области нам нужно улучшать работу в первую очередь.
- Анализируя показатели именно точности прогнозирования в различных детализациях (что для нас наиболее важно), можно выявить ошибки инструмента и модели прогнозирования.
В этой статье мы рассмотрим только те логистические показатели, которые тесно связаны с прогнозированием. Также, мы рассмотрим необходимость проведения таких анализов как ABC-анализ, XYZ-анализ и FMR-анализ.
Содержание
Ключевые Показатели Эффективности предприятия (KPI).
KPI, или ключевые показатели эффективности — это показатели компании, которые помогают оценить или отследить эффективность выполняемых действий на предприятии. Для чего они нужны?
- Благодаря им можно оценить качество работы одного человека, целого отдела, дивизиона или всей компании и выявить слабые места.
- Можно установить определенную цель, то есть задать границу какого-либо показателя. И при достижении этой границы, цель можно будет считать достигнутой.
- Можно привязать бонусную часть (мотивацию) заработной платы сотруднику к KPI.
В нашем случае, мы будем как раз говорить об оценке качества прогнозирования и всего, что с ним связано.
KPI: Точность прогнозирования.
Итак, самый основной для нас показатель — точность прогнозирования. Про него я писал отдельную статью. Благодаря анализу точности прогнозирования мы можем выявить факторы, снижающие качество прогноза. Один из наиболее встречающихся и значимых факторов — ошибка в модели прогнозирования или в самом инструменте: например, ошибка в формуле используемой модели прогнозирования или некорректное сглаживание аномальных выбросов в числовом ряду. И надо найти именно то, что негативно влияет на наш прогноз.
Другой значимый фактор — отсутствие полноценной коммуникации между коллегами и смежными отделами, то есть низкое качество обмена данными. Это означает, что информация, которая повлияет на прогноз, не доходит до Вас в полном объеме, либо доходит, но очень поздно, когда уже становится неактуальной. Например: менеджер какой-либо сети узнал о том, что сеть расширяется и объемы продаж через пару недель увеличатся, а Вам об этом не сообщил. Естественно, когда вы будете смотреть точность, она будет низкой. Проведя анализ, вы увидите, что объемы одной из сети увеличились, свяжетесь с менеджером, все узнаете, но будет уже поздно.
Высокая точность в производственном предприятии — это снижение складских запасов без риска возникновения дефицита, повышение уровня сервиса (уменьшение недопоставок), своевременная закупка тароупаковочных материалов и сырья, корректный план производства и, как следствие, снижение транспортных и производственных затрат и увеличение прибыли. И мы, как ответственные за прогноз, должны быть максимально заинтересованы в повышении данного показателя.
Напомню формулу:
Норма для данного показателя бывает разной, но по моему опыту работы, он устанавливается в рамках от 75 до 85%.
KPI: Уровень сервиса.
Следующий важный показатель — это уровень сервиса. Уровень сервиса (УС, Service Level, SL) — показывает, насколько предприятие удовлетворяет клиента оказываемыми услугами. В случае с промышленным производством (в логистике), он показывает, процент выполнения заказов клиента с учетом всех недопоставок. Формула расчета уровня сервиса следующая:
Для начала, рассчитывается объем всех недопоставок по каждому из заказов, затем полученная сумма делится на объем всех заказов. Полученное число вычитается из 100%.
Уровень сервиса зависит от множества факторов:
- Некорректный прогноз (как раз в нашей зоне ответственности).
- Дефицит производственных мощностей.
- Производственный брак.
- Бой продукции во время транспортировки.
- Некорректное планирование.
- Складские ошибки.
- И так далее.
При низком уровне сервиса, необходимо провести анализ причин недопоставок и, по возможности, устранить их. Норма уровня сервиса чаще всего лежит в границах 95-97%.
Стоит отметить, что часто сети и крупные дистрибьюторы устанавливают для поставщика свою «границу» уровня сервиса. И если поставщик не достигает этой границы, то он будет вынужден платить штрафы за недопоставки. Если вы знаете, что какой-либо клиент очень требовательно относится к уровню сервиса, а он у вас низкий, при этом проблема кроется в некорректном прогнозе (нестабильные объемы клиента, некорректная модель прогнозирования), то во время прогнозирования рекомендуется некоторые позиции перепроверять и корректировать вручную.
KPI: Уровень сервиса по времени и в полном объеме.
Уровень сервиса по времени и в полном объеме (DIFOT, OTIF, On Time In Full) — некоторое подобие предыдущего показателя. Он показывает, как часто клиент получает все свои заказы целиком и точно в срок, то есть без недопоставок и без опозданий. Здесь мы не привязываемся к объему: просто делим количество заказов доставленные целиком и точно в срок на общее количество заказов и умножаем на 100%.
Если на «целостность» заказа мы можем повлиять корректным прогнозом, то на опоздания, скорее всего, мы не повлияем никак. Норма такого уровня сервиса — 90% и выше.
ABC, XYZ и FMR-анализ.
Для анализа продаж прошлых периодов можно использовать ABC, XYZ и FMR-анализ. Про ABC и XYZ-анализ я тоже писал отдельную статью. Напомню, благодаря совместному кросс-анализу можно определить невостребованные номенклатуры, точностью прогноза которых можно пренебречь или нестабильные, но важные, которым нужно уделить побольше внимания (применить другие модели прогнозирования или корректировать вручную).
Также, существует FRM-анализ — с помощью него можно разбить ассортимент на группы в зависимости от частоты отгрузок. Использовав его вместе с кросс-анализом (XYZ+ABC), можно разделить весь ассортимент уже на 27 групп (3³), которые будут отличаться по объемам продаж, по потенциалу к прогнозированию и по регулярности отгрузок.
Обязательно ли проводить данные анализы? Если Вас не волнует, какой потенциал к прогнозированию у той или иной номенклатуры, каких клиентов стоит лишний раз перепроверить, да и вообще, «адекватный» ли у вас ассортимент, то необязательно. В противном случае, иногда такие анализы проводить просто необходимо. Думаю, раз в 1-3 месяца, в зависимости от размера ассортимента и частоты ввода новых позиций.
Подведение итогов.
На этом, цикл статей «Прогнозирование продаж» завершен. Спасибо всем, кто следил за написанием статей, консультировал и оказывал всяческую поддержку.
Чуть позже, возможно, добавлю статью про визуализацию данных, полученных при анализе прошлых периодов (создание информативных дашбордов и выбор ПО). А если у Вас остались какие-либо вопросы по какой-либо из статей или по Интеллектуальной Карте Памяти — задавайте их в комментариях или воспользуйтесь формой обратной связи. Информацию о будущих статьях и проектах Вы можете найти на соответствующей странице.
спасибо!
Пожалуйста! Если есть какие-то вопросы — задавайте, буду рад на них ответить.
Случайно наткнулся на ваш блог, и в самое нужное время. Как раз сейчас изучаю прогнозирование. Спасибо за ваш блог. Надеюсь не забросите его обновлять. Удачи!
Спасибо большое!
Не заброшу, тем и идей для статей еще много (и не только касательно прогнозирования).