Analyse d'inventaire ABC-XYZ pour le commerce électronique

Deux SKU du même catalogue vendent en moyenne 35 unités par semaine chacune. On en vend entre 33 et 37 chaque semaine. L'autre en vend 4 une semaine et 96 la semaine suivante. Donnez à la fois le même tampon, la même méthode de prévision et la même règle de réorganisation, et l'une de ces décisions sera erronée d'une manière qu'aucun soin arithmétique ne pourra corriger.

L'analyse ABC-XYZ vous permet d'arrêter de commettre cette erreur à l'échelle du catalogue. Cet article porte sur le calcul : comment produire une note A, B ou C et une note X, Y ou Z pour chaque produit à partir des données dont vous disposez déjà, et quelle politique de planification chaque combinaison rapporte.

Pourquoi une politique échoue

Une politique de planification unique appliquée à l’ensemble d’un catalogue n’est pas une simplification, c’est une inadéquation. Le tampon qui protège un vendeur erratique est un gaspillage pour un vendeur stable. L'examen des prévisions hebdomadaires qui maintient votre produit phare en stock est un temps que vous ne récupérez jamais lorsque vous le dépensez pour un SKU qui vend quatre unités par trimestre. Et une méthode de prévision qui fonctionne sur une série lisse produit des absurdités confiantes sur une série épineuse.

Notre guide pour méthodes de prévision des stocks Cela fait déjà valoir du point de vue du modèle de demande, qu'un véritable catalogue n'est jamais une forme de demande unique et que l'application d'une seule méthode à toutes est une inadéquation plutôt qu'un raccourci. Pour que cet argument devienne exploitable, il faut trouver un moyen de trier les produits en groupes. C'est tout le travail d'ABC-XYZ : deux classements bon marché qui vous indiquent quelle politique chaque SKU a gagnée.

ABC par contribution aux revenus

La classification ABC remonte à un article de 1951 de H. Ford Dickie de General Electric, qui appliquait aux actions les travaux de Pareto sur la répartition des revenus. L’idée n’a pas changé depuis : trier par contribution, et traiter le haut de la liste différemment du bas. Notre principes fondamentaux de la gestion des stocks le guide explique où il se situe parmi les méthodes standard de contrôle des stocks ; ce qui suit est la manière de produire réellement les qualités.

La procédure comprend quatre étapes et s'exécute dans une feuille de calcul. Tirez les revenus de chaque SKU sur une fenêtre récente cohérente. Tri décroissant. Calculez la part de chaque SKU dans le chiffre d'affaires total. Ensuite, exécutez un total cumulé dans la liste triée et divisez-la en trois groupes.

Le voici sur un catalogue délibérément petit, utilisant les revenus des 90 derniers jours :

Le chiffre d'affaires total est de 35 000. Maintenant, la partie que la plupart des explications sautent : où coupez-vous ? Le propre rapport d'analyse ABC par produit de Shopify utilise 80 % des revenus pour la note A, les 15 % suivants pour la note B et les 5 derniers % pour la note C. Appliqués ici, les deux premiers SKU représentent 77,1 % à eux deux, et l'ajout du troisième vous amène à 90 %. Le bois de santal est donc soit le dernier A, soit le premier B selon le côté de la ligne sur lequel vous placez le SKU qui le traverse.

Cette ambiguïté n’est pas un défaut de l’exemple. Les points de coupure sont une convention et non une loi. Les sources de référence donnent les répartitions courantes des manuels comme 70/25/5 ou 80/15/5 et indiquent clairement qu'il n'y a pas de seuils fixes. Ils définissent également les classes différemment : certaines par part d'articles et part de valeur ensemble, tandis que le rapport de Shopify utilise uniquement la part des revenus et laisse le nombre d'articles tomber là où il le peut. Un article qui cite le 15/80/5 et l'explique ensuite comme « 20 % de vos produits génèrent 80 % des revenus » a silencieusement soudé deux opérations différentes ensemble.

La version pratique : cumulez votre propre liste triée et regardez où la courbe se courbe réellement. Un catalogue dans lequel un SKU représente 51 % du chiffre d'affaires a une répartition naturelle différente de celui où les dix premiers représentent 8 % chacun. Notez par rapport à votre propre distribution, et non à un ratio emprunté.

Encore une décision qui mérite d’être prise délibérément : ABC par chiffre d’affaires n’est pas ABC par profit. Le rapport de Shopify indique clairement que le coût n'est pas pris en compte dans la note. Un SKU à revenus élevés et à marge mince et un SKU à revenus moyens et à marge importante peuvent atterrir à des niveaux différents de ceux qu'ils méritent. Si les données de marge figurent dans votre exportation, la notation sur la marge brute plutôt que sur les revenus suit les quatre mêmes étapes et vous indique généralement quelque chose de différent. Il en va de même pour la notation combien de fois par an le stock de chaque SKU est renouvelé ou sur la marge brute qu'un SKU renvoie pour chaque dollar immobilisé, qui répondent tous deux à la question capitale que cache un classement des revenus.

XYZ par variabilité de la demande

L'axe XYZ classe les mêmes produits sur une question complètement différente : dans quelle mesure la demande pour ce SKU est-elle prévisible ? X est stable, Y varie pour une raison connue telle qu'une saison ou une promotion, et Z est erratique.

La mesure est le coefficient de variation : l'écart type des ventes périodiques d'un SKU divisé par sa moyenne. La division par la moyenne est l’élément important, car elle rend la variabilité comparable entre les SKU de différentes tailles. Un produit vendu à 35 $ par semaine qui oscille de 3 unités et un produit qui en vend 3 par semaine qui oscille de 3 unités ne sont pas également imprévisibles, et seul le ratio le montre.

Prenez les deux SKU en haut de cet article. Huit semaines d'unités vendues :

• Cèdre & Figue 250g : 34, 36, 33, 35, 36, 34, 35, 37. Total 280, moyenne 35,0, écart type d'environ 1,2 unités, coefficient de variation d'environ 0,035.
• Coffret Cèdre & Figue : 8, 72, 15, 4, 96, 11, 68, 6. Total 280, moyenne 35,0, écart type d'environ 34,8 unités, coefficient de variation d'environ 0,99.

Des totaux identiques, des moyennes identiques et un chiffre qui les sépare par un facteur d'environ trente. Dans une feuille de calcul, il s'agit de deux cellules : l'écart type de population des huit chiffres hebdomadaires, puis celui divisé par la moyenne de ces mêmes huit cellules. Rien de plus sophistiqué n'est requis, et le faire sur un catalogue entier est une formule remplie.

Ensuite, les points de coupure, et c'est là que l'honnêteté compte plus que la propreté : il n'y a pas de seuil numérique standardisé pour X, Y et Z. Des recherches indépendantes sur ce site ont révélé des ensembles de seuils mutuellement incohérents, et rien sur lequel deux sources crédibles se sont mises d'accord. Quiconque cite un seuil spécifique comme norme industrielle cite une convention parmi plusieurs.

Ce qui fonctionne à la place, c'est de trier l'ensemble du catalogue par coefficient de variation et de lire votre propre liste. Recherchez les écarts naturels, ou divisez-les en tiers s'il n'y en a pas, et comparez le résultat avec des produits que vous connaissez bien. Si un SKU que vous connaissez est stable et atterrit en Z, votre fenêtre est probablement trop courte ou la série contient une commande groupée qui aurait dû être nettoyée en premier.

Deux pièges qui méritent d'être nommés. Les semaines sans ventes sont des données, pas des écarts, et leur suppression donnera à un SKU intermittent une apparence beaucoup plus stable qu'il ne l'est. Et sur les produits à très faible volume, le coefficient de variation cesse d’être informatif : un SKU qui a vendu 0, 0, 1, 0, 2, 0, 0, 1 a un ratio mathématiquement valable et un autre dénué de sens. Une note Z sur un SKU comme celui-là indique en réalité que sa demande est intermittente, et planifier un SKU qui se vend quelques fois par trimestre est un travail différent de celui de le noter.

Combiner les deux axes

Le croisement de trois niveaux de revenus avec trois niveaux de variabilité donne neuf cellules, de AX d'un côté à CZ de l'autre. La grille elle-même et l'attention que chaque cellule mérite en matière de révision sont déjà présentées avec un diagramme dans notre guide pour prioriser les produits à réapprovisionner, qui possède le côté cadence de révision. Lisez la grille ici ; ce post reste sur le calcul et sur ce que chaque segment implique pour la planification plutôt que pour l'ordonnancement.

Ce qu’il y a d’utile avec deux axes, c’est qu’ils ne sont pas d’accord, et les désaccords portent sur la question de savoir où se trouve l’argent. Un SKU à revenus élevés avec une demande irrégulière n’est pas un problème que vous pouvez résoudre en vous en souciant davantage. Ni cela ni son contraire ne sont visibles à partir d'un seul classement des revenus, c'est pourquoi un simple classement ABC a tendance à produire une liste de best-sellers que tout le monde connaissait déjà.

Politique par segment

Ce que chaque combinaison de qualités change dans la façon dont vous planifiez le SKU. Lisez-les comme une position de départ avec laquelle argumenter, et non comme une règle : le mappage des cellules aux politiques est une synthèse raisonnable plutôt qu'une norme établie, et aucune source que ce site a pu vérifier ne publie une version faisant autorité.

Le modèle dans les neuf : la colonne X est celle où la précision est payante, la colonne Y est celle où une prévision plus intelligente est payante, et la colonne Z est celle où rien ne paie et la bonne réponse est de réduire votre exposition au lieu d'améliorer votre estimation.

La segmentation n'est pas une fin en soi. Il existe pour que les leviers de notre guide d'optimisation des stocks soyez tiré là où ils sont les moins chers, car l'achat de disponibilité coûte beaucoup moins cher sur un SKU X que sur un Z et une politique globale paie le pire tarif disponible sur l'ensemble du catalogue.

L'exécuter sur vos propres données

Tout ce qui précède fonctionne sur une seule exportation. Extrayez les éléments de campagne de commande sur une fenêtre cohérente : 90 jours suffisent pour l'axe ABC sur la plupart des catalogues, mais l'axe XYZ nécessite au moins trois ou quatre fois plus de périodes que vous avez de patience, et une année complète si la saisonnalité est en jeu. Notre guide pour extraire et nettoyer les données de vente Shopify couvre quel rapport utiliser et ce qu'il faut supprimer avant de faire la moyenne quoi que ce soit, et l'étape de nettoyage compte ici plus que d'habitude : une seule commande en gros restante dans la série poussera à elle seule un SKU stable vers Z.

À partir de là, il y a deux pivots : les revenus par SKU, qui vous donnent ABC, et les unités par SKU par semaine, qui vous donnent la moyenne, l'écart type et le coefficient de variation pour XYZ. Rejoignez-les sur SKU et vous aurez une évaluation à neuf du catalogue en un après-midi.

Le rapport d'analyse ABC par produit natif de Shopify vous donne l'axe des revenus sans la feuille de calcul, avec les mises en garde déjà notées : 28 jours, revenus uniquement, coûts exclus, et la propre documentation de Shopify couvre le fait qu'en fonction de votre plan, vous pourriez avoir besoin d'une application pour cela. Il n’existe pas d’équivalent XYZ natif, vous pouvez donc construire ou acheter la moitié de la variabilité.

La raison pour laquelle la plupart des magasins font cela une fois et plus jamais est la réexécution plutôt que le calcul. Les notes dérivent à mesure que le catalogue change, et une segmentation du printemps dernier décrit un magasin qui a évolué. StockCue fonctionne à partir d'un historique de commandes allant jusqu'à 24 mois et calcule l'analyse ABC, y compris une version pondérée en fonction de la marge qui évalue les bénéfices plutôt que les revenus, sur son plan Scale. La prévision, qui est ce que l'axe de variabilité alimente en fin de compte, s'exécute sur tous les plans, y compris Free.

Foire aux questions

Qu’est-ce que l’analyse ABC-XYZ ?

L'analyse ABC-XYZ note chaque SKU deux fois. L'axe ABC classe les produits en fonction de leur contribution, généralement des revenus, et les divise en un petit groupe supérieur, un groupe intermédiaire et une longue traîne. L'axe XYZ classe les mêmes produits en fonction de la prévisibilité de leur demande, depuis les vendeurs stables jusqu'aux vendeurs saisonniers ou axés sur la promotion, en passant par les vendeurs véritablement irréguliers. Le croisement des deux donne neuf segments, et le but de l'exercice est que chaque segment donne lieu à une politique de planification différente.

Comment calculez-vous la classification XYZ ?

Prenez les unités de chaque SKU vendues par période, généralement hebdomadaire, sur une fenêtre cohérente. Calculez la moyenne et l’écart type de cette série, puis divisez l’écart type par la moyenne. Ce ratio est le coefficient de variation, et il mesure la variabilité par rapport à la taille propre du SKU, ce qui vous permet de comparer un produit vendu à 35 par semaine contre un produit qui en vend 3. Triez votre catalogue selon ce ratio et définissez vos points de coupe à partir de votre propre distribution : il n'y a pas de seuil numérique standardisé pour X, Y et Z sur lequel les sources indépendantes s'accordent.

À quelle fréquence devez-vous réexécuter l’analyse ABC-XYZ ?

Trimestriel convient à la plupart des petits catalogues, plus une diffusion supplémentaire après tout ce qui modifie le mix, comme un lancement de produit, l'arrêt d'une gamme ou un changement de saison. Le réexécuter mensuellement a tendance à produire un taux de désabonnement plutôt qu'un aperçu, car un SKU qui bascule d'une qualité à l'autre lors de petits mouvements reviendra en arrière. Ce qui compte plus que la fréquence, c'est que la fenêtre que vous mesurez soit cohérente à chaque fois.

Shopify effectue-t-il une analyse ABC de manière native ?

Oui, sous la forme d’un rapport d’analyse ABC par produit. Il classe les produits de manière à ce que la note A représente collectivement 80 % des revenus, B les 15 % suivants et C les derniers 5 %, mesurés au cours des 28 derniers jours et mis à jour quotidiennement. Deux détails comptent avant de vous y fier : le coût est explicitement exclu du calcul, il évalue donc les revenus plutôt que les bénéfices ou le capital immobilisé, et la fenêtre de 28 jours est suffisamment courte pour dévaloriser un catalogue saisonnier. La propre documentation de Shopify indique également qu'en fonction de votre forfait, vous pourriez avoir besoin d'une application pour l'analyse ABC, alors vérifiez-la par rapport au forfait que vous utilisez.