Yandex.Метрика

Прогнозирование, шаг 8: анализ прошлых периодов

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.

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:

Анализ прошлых периодов: точностьНорма 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:

Анализ продаж: уровень сервисаДля 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%.

Анализ продаж: OTIF

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.

4 комментария

  1. Альбина 30.09.2019
    • HeinzBr 30.09.2019
  2. Павел Петров 01.12.2019
    • HeinzBr 01.12.2019

Оставить комментарий