XYZ анализ

XYZ-анализ — анализ, который позволяет произвести классификацию ресурсов компании в зависимости от характера их потребления и точности прогнозирования изменений в их потребности в течение определенного временного цикла.

Теперь на нормальном языке :)

Другими словами — это политика управления ассортиментом. Только в отличии от ABC-анализа мы анализируем не просто отгрузки/продажи (в штуках) — а величину отклонения от средних продаж (в процентах).

И в отличии от ABC-анализа (где нам хватит статистики по продажам из 1С) — здесь потребуются формулы статистики.

Формула среднеквадратического отклонения:

и формула коэффициента вариации:

Звучит страшно — но в Excel всё давно уже придумано

= СТАНДОТКЛОНП(диапазон ячеек) /СРЗНАЧ(диапазон ячеек)

Осталось выбрать период — и можно анализировать по каждой позиции товара. Периодичность данных должна превышать перио­дичность поставок, принятую в вашей компании для большей части товаров.

По результатам расчетов все товарные позиции разделятся на три группы:

• категория X — ресурсы характеризуются стабильной величиной потребления, незначительными колебаниями в их расходе и высокой точностью прогноза. Значение коэффициента вариации находится в интервале от 0 до 10 %.
• категория Y — ресурсы характеризуются известными тенденциями определения потребности в них (например, сезонными колебаниями) и средними возможностями их прогнозирования. Значение коэффициента вариации — от 10 до 25 %.
• категория Z — потребление ресурсов нерегулярно, какие-либо тенденции отсутствуют, точность прогнозирования невысокая. Значение коэффициента вариации — свыше 25 %.

Пример расчета XYZ-анализа

Возьмем список товара (в штуках за 4 месяца) и посмотрим на практике, что у нас получится

В данном случае используем формулу Excel для ячейки G

=СТАНДОТКЛОН(C2:F2)/СРЗНАЧ(C2:F2)

и формат в процентах.

Что именно мы получили? Можно там же в Excel построить график для первых трех позиций

Фактически:

• товары группы X имеют стабильный спрос — от 0 до 10 %
• товары группы Y имеют нестабильный спрос по разным месяца — от 10 до 25 %
• товары группы Z имеют отдельные всплески и провалы спроса — свыше 25 %

Зачем вся эта красота и сложность (ABC-анализ и  XYZ-анализ)?

Собственно — размеры склада и свободные средства компании ограничены. При большом ассортименте нужно иметь под рукой:

• много товаров, которые хорошо продаются
• и немного товаров, которые плохо продаются

Если у Вас ассортимент 10 позиций — то легко видеть, что нужно держать на складе. Если ассортимент 1 млн. позиций — то каждая ошибка в планировании запасов будет сильно снижать Вашу прибыль — или товара нет для продажи (а его хотят купить) или много товара, который плохо продается.

Учет сезонности продаж для планирования запасов

Мы все понимаем, что лыжи плохо продаются летом и летние панамки плохо продаются зимой. Нужно учитывать сезонный фактов при планировании ассортимента.

При резком увеличении продаж (лыжи зимой и панамки летом) —  будет увеличиваться и коэффициент вариации. Следовательно, многие товары могут попасть в Группу Z, что испортит результаты  анализа.

Все товары компании надо разделить на группы, имеющие схожую сезонную динамику продаж:

• для каждой группы нужно определить сезонный тренд и рассчитать сезонные коэффициенты для каж­дого сезонного тренда
• данные коэффициенты определяются делением значений продаж каждого месяца на среднее значение продаж за весь период (по данным сезонного тренда)
• нужно фактические значения продаж каждого периода разделить на сезонный коэффициент этого периода

В результате получаем объем продаж то­вара без учета сезонных колебаний.

В качестве другого метода определения сезонности продаж можно отметить расчет коэффициента автокорреляции, который позволяет выяснить являются ли наши данные случайными, постоянными или имеющими определенный тренд. [2]

Yi — значение параметра за текущий период,
Yср — среднее значение параметра,
k — количество сдвигов.

Если k=1, мы сравниваем сегодняшние продажи с прошлым периодом, если к=2 — с позапрошлым и т.д.

Например, если для k=1 коэффициент автокорреляции будет близок к единице (~ 0,7–0,8), для k=2 — близок к 0,5, для k=3 — к 0,3 и для k=4 приблизится к нулю, тогда можно четко утверждать, что есть трендовая составляющая — либо убывание, либо возрастание, но подверженное закономерности.

Для случайного всплеска, случайных продаж эта величина будет сразу же очень близка к нулю — её нет смысла включать в анализ.