Análisis de inventario ABC-XYZ para comercio electrónico

Dos referencias de un mismo catálogo venden una media de 35 unidades semanales cada una. Se venden entre 33 y 37 cada semana. El otro vende 4 una semana y 96 la siguiente. Si se dan a ambos el mismo colchón, el mismo método de pronóstico y la misma regla de reorden, una de esas decisiones será errónea de una manera que ningún cuidado en la aritmética podrá solucionar.

El análisis ABC-XYZ es la forma de dejar de cometer ese error a escala de catálogo. Esta publicación trata sobre el cálculo: cómo producir una calificación A, B o C y una calificación X, Y o Z para cada producto a partir de los datos que ya tiene, y qué política de planificación genera cada combinación.

Por qué fracasa una política

Una política de planificación única aplicada a todo un catálogo no es una simplificación, es un desajuste. El colchón que protege a un vendedor errático se desperdicia en uno estable. La revisión semanal del pronóstico que mantiene en stock su producto principal es un tiempo que nunca recupera cuando lo gasta en un SKU que vende cuatro unidades por trimestre. Y un método de pronóstico que funciona en una serie fluida produce un sinsentido seguro en una serie puntiaguda.

nuestra guía para métodos de previsión de inventario Ya sostiene esto desde el punto de vista del patrón de demanda, que un catálogo real nunca es una forma de demanda y que aplicar un método a todos ellos es una falta de coincidencia más que un atajo. Lo que ese argumento necesita para ser viable es una forma de clasificar los productos en grupos. Ese es todo el trabajo de ABC-XYZ: dos clasificaciones económicas que le indican qué póliza ha obtenido cada SKU.

ABC por contribución a los ingresos

La clasificación ABC se remonta a un artículo de 1951 de H. Ford Dickie de General Electric, que aplicó el trabajo de Pareto sobre la distribución del ingreso a las acciones. La idea no ha cambiado desde entonces: ordenar por contribución y tratar la parte superior de la lista de manera diferente que la parte inferior. Nuestro fundamentos de la gestion de inventarios la guía cubre dónde se ubica entre los métodos estándar de control de existencias; lo que sigue es cómo producir realmente las calificaciones.

El procedimiento consta de cuatro pasos y se ejecuta en una hoja de cálculo. Extraiga los ingresos de cada SKU en una ventana reciente consistente. Orden descendente. Calcule la participación de cada SKU en los ingresos totales. Luego, ejecute un total acumulado en la lista ordenada y divídalo en tres grupos.

Aquí está en un catálogo deliberadamente pequeño, utilizando los ingresos de 90 días:

Los ingresos totales son 35.000. Ahora la parte que la mayoría de las explicaciones omiten: ¿dónde se corta? El análisis ABC por informe de producto de Shopify utiliza el 80 % de los ingresos para el grado A, el siguiente 15 % para el B y el último 5 % para el C. Aplicados aquí, los dos primeros SKU acumulan el 77,1 % entre ellos, y si sumamos el tercero, llegamos al 90 %. Entonces Sandalwood es la última A o la primera B dependiendo de en qué lado de la línea coloques el SKU que la cruza.

Esa ambigüedad no es un defecto del ejemplo. Los puntos de corte son una convención, no una ley. Las fuentes de referencia dan las divisiones comunes de los libros de texto como 70/25/5 u 80/15/5 y afirman claramente que no existen umbrales fijos. También definen las clases de manera diferente: algunas por porcentaje de artículos y porcentaje de valor juntos, mientras que el informe de Shopify utiliza solo el porcentaje de ingresos y deja que el recuento de artículos caiga donde corresponda. Una publicación que cita 80/15/5 y luego lo explica como "el 20% de sus productos genera el 80% de los ingresos" ha unido silenciosamente dos operaciones diferentes.

La versión práctica: acumula tu propia lista ordenada y observa dónde realmente se dobla la curva. Un catálogo en el que un SKU representa el 51 % de los ingresos tiene una ruptura natural diferente a uno en el que los diez primeros representan el 8 % cada uno. Califique según su propia distribución, no según un índice prestado.

Una decisión más que vale la pena tomar a propósito: el ABC de los ingresos no es el ABC de las ganancias. El informe de Shopify dice rotundamente que el costo no influye en la calificación. Un SKU de ingresos altos y margen reducido y uno de ingresos medios y margen amplio pueden aterrizar en niveles diferentes de los que merecen. Si los datos de margen están en su exportación, calificar según la ganancia bruta en lugar de los ingresos requiere los mismos cuatro pasos y generalmente le indica algo diferente. Lo mismo ocurre con la calificación ¿Cuántas veces al año se renueva el stock de cada SKU? o en el margen bruto que devuelve un SKU por cada dólar invertido en él, los cuales responden a la pregunta capital que oculta una clasificación de ingresos.

XYZ por variabilidad de la demanda

El eje XYZ clasifica los mismos productos basándose en una pregunta completamente diferente: ¿qué tan predecible es la demanda de este SKU? X es estable, Y varía por una razón conocida, como una temporada o un ascenso, y Z es errático.

La medida es el coeficiente de variación: la desviación estándar de las ventas periódicas de un SKU dividida por su promedio. Dividir por el promedio es lo importante, porque hace que la variabilidad sea comparable entre SKU de diferentes tamaños. Un producto que se vende a 35 por semana y oscila en 3 unidades y un producto que se vende por 3 por semana y oscila en 3 unidades no son igualmente impredecibles, y sólo la proporción lo demuestra.

Tome los dos SKU de la parte superior de esta publicación. Ocho semanas de unidades vendidas:

• Cedro e Higo 250g: 34, 36, 33, 35, 36, 34, 35, 37. Total 280, promedio 35,0, desviación estándar aproximadamente 1,2 unidades, coeficiente de variación aproximadamente 0,035.
• Caja regalo Cedro e Higo: 8, 72, 15, 4, 96, 11, 68, 6. Total 280, promedio 35,0, desviación estándar aproximadamente 34,8 unidades, coeficiente de variación aproximadamente 0,99.

Totales idénticos, promedios idénticos y un número que los separa por un factor de aproximadamente treinta. En una hoja de cálculo, se trata de dos celdas: la desviación estándar de la población de las ocho cifras semanales, luego dividida por el promedio de las mismas ocho celdas. No se requiere nada más sofisticado, y hacerlo en un catálogo completo es una fórmula completa.

Luego, los puntos de corte, y aquí es donde la honestidad importa más que el orden: no existe un umbral numérico estandarizado para X, Y y Z. Las búsquedas independientes de este sitio arrojaron conjuntos de umbrales mutuamente inconsistentes, y nada en lo que dos fuentes creíbles estuvieran de acuerdo. Cualquiera que cite un límite específico como estándar de la industria está citando una convención entre varias.

En cambio, lo que funciona es ordenar todo el catálogo por coeficiente de variación y leer su propia lista. Busque espacios naturales, o divídalos en tercios si no los hay, y compare el resultado con productos que conozca bien. Si un SKU que sabes que es estable llega a Z, es probable que tu ventana sea demasiado corta o que la serie contenga un pedido al por mayor que debería haberse eliminado primero.

Dos trampas que vale la pena nombrar. Las semanas sin ventas son datos, no brechas, y eliminarlas hará que un SKU intermitente parezca mucho más estable de lo que es. Y en productos de muy bajo volumen, el coeficiente de variación deja de ser informativo: un SKU que vendió 0, 0, 1, 0, 2, 0, 0, 1 tiene un ratio matemáticamente válido y otro sin sentido. Una calificación Z en un SKU como ese es realmente una declaración de que su demanda es intermitente y planificar un SKU que se venda varias veces por trimestre Es un trabajo diferente a calificarlo.

Combinando los dos ejes

Al cruzar tres grados de ingresos con tres grados de variabilidad se obtienen nueve celdas, desde AX en una esquina hasta CZ en la otra. La cuadrícula en sí y cuánta atención de revisión recibe cada celda ya se presenta en un diagrama en nuestra guía para priorizar productos para reordenar, que es dueño del lado de la cadencia de revisión de esto. Lea la cuadrícula allí; Este post se queda en el cálculo y en lo que cada segmento implica para la planificación más que para la programación.

Lo útil de dos ejes es que no están de acuerdo, y los desacuerdos están donde está el dinero. Un SKU de altos ingresos con una demanda errática no es un problema que puedas resolver preocupándote más por él. Ni eso ni su opuesto son visibles únicamente a partir de una clasificación de ingresos, razón por la cual una simple calificación ABC tiende a producir una lista de los más vendidos que todo el mundo ya conocía.

Política por segmento

Qué cambia cada combinación de grados sobre cómo se planifica el SKU. Léalos como una posición de partida para discutir, no como una regla: el mapeo de las células a las políticas es una síntesis razonable más que un estándar establecido, y ninguna fuente que este sitio pueda verificar publica una versión autorizada.

El patrón en los nueve: la columna X es donde vale la pena la precisión, la columna Y es donde vale la pena un pronóstico más inteligente y la columna Z es donde vale la pena nada y la respuesta correcta es reducir su exposición en lugar de mejorar su estimación.

La segmentación no es un fin en sí misma. Existe para que las palancas de nuestro guía de optimización de inventario se dejan llevar donde son más baratos, porque comprar disponibilidad cuesta mucho menos en un SKU X que en uno Z y una póliza general paga la peor tarifa disponible en todo el catálogo.

Ejecutándolo con sus propios datos

Todo lo anterior se ejecuta en una sola exportación. Coloque las líneas de pedido en una ventana consistente: 90 días son suficientes para el eje ABC en la mayoría de los catálogos, pero el eje XYZ necesita al menos tres o cuatro veces más períodos de los que tiene paciencia, y un año completo si la estacionalidad está en juego. nuestra guía para extraer y limpiar datos de ventas de Shopify cubre qué informe usar y qué eliminar antes de promediar algo, y el paso de limpieza importa más aquí de lo habitual: un solo pedido mayorista que quede en la serie empujará un SKU estable a Z por sí solo.

A partir de ahí, hay dos pivotes: ingresos por SKU, que le da ABC, y unidades por SKU por semana, que le da el promedio, la desviación estándar y el coeficiente de variación para XYZ. Únase a ellos en SKU y tendrá una calificación del catálogo de nueve vías en una tarde.

El análisis ABC nativo de Shopify por informe de producto le entrega el eje de ingresos sin la hoja de cálculo, con las advertencias ya mencionadas: 28 días, solo ingresos, costos excluidos y la propia documentación de Shopify cubre que, dependiendo de su plan, podría necesitar una aplicación para ello. No existe un equivalente XYZ nativo, por lo que la mitad de la variabilidad es suya para construir o comprar.

La razón por la que la mayoría de las tiendas hacen esto una vez y nunca más es la repetición y no el cálculo. Las calificaciones varían a medida que cambia el catálogo, y una segmentación de la primavera pasada describe una tienda que ha evolucionado. StockCue trabaja con hasta 24 meses de historial de pedidos y calcula el análisis ABC, incluida una versión ponderada por margen que califica según las ganancias en lugar de los ingresos, en su plan Scale. La previsión, que es lo que en última instancia alimenta el eje de variabilidad, se ejecuta en todos los planes, incluido el gratuito.

Preguntas frecuentes

¿Qué es el análisis ABC-XYZ?

El análisis ABC-XYZ califica cada SKU dos veces. El eje ABC clasifica los productos según su contribución, normalmente ingresos, y los divide en un pequeño grupo superior, un grupo intermedio y un grupo de cola larga. El eje XYZ clasifica los mismos productos según cuán predecible es su demanda, desde vendedores constantes, pasando por los estacionales o impulsados ​​por promociones, hasta los genuinamente erráticos. Al cruzar los dos se obtienen nueve segmentos, y el objetivo del ejercicio es que cada segmento obtiene una política de planificación diferente.

¿Cómo se calcula la clasificación XYZ?

Tome las unidades de cada SKU vendidas por período, generalmente semanalmente, durante un período constante. Calcule el promedio y la desviación estándar de esa serie, luego divida la desviación estándar por el promedio. Esa relación es el coeficiente de variación y mide la variabilidad en relación con el propio tamaño del SKU, que es lo que le permite comparar un producto que se vende 35 por semana con uno que vende 3. Ordene su catálogo según esa relación y establezca sus puntos de corte a partir de su propia distribución: no existe un umbral numérico estandarizado para X, Y y Z en el que estén de acuerdo fuentes independientes.

¿Con qué frecuencia debería volver a ejecutar el análisis ABC-XYZ?

Trimestral se adapta a la mayoría de los catálogos pequeños, además de una tirada adicional después de cualquier cosa que cambie la combinación, como el lanzamiento de un producto, la discontinuación de una gama o el cambio de temporada. Volver a ejecutarlo mensualmente tiende a producir rotación en lugar de información, porque un SKU que cambia de grado en movimientos pequeños retrocederá. Lo que importa más que la frecuencia es que la ventana que se mide sea consistente cada vez.

¿Shopify realiza análisis ABC de forma nativa?

Sí, en forma de informe de análisis ABC por producto. Clasifica los productos de modo que la calificación A represente colectivamente el 80% de los ingresos, la B el siguiente 15% y la C el último 5%, medidas durante los últimos 28 días y actualizadas diariamente. Dos detalles son importantes antes de confiar en él: el costo se excluye explícitamente del cálculo, por lo que clasifica los ingresos en lugar de las ganancias o el capital inmovilizado, y la ventana de 28 días es lo suficientemente corta como para clasificar mal un catálogo estacional. La propia documentación de Shopify también señala que, dependiendo de tu plan, es posible que necesites una aplicación para el análisis ABC, así que compruébala con el plan en el que te encuentras.