Analisis Inventaris ABC-XYZ untuk E-niaga

Dua SKU dalam katalog yang sama masing-masing terjual rata-rata 35 unit dalam seminggu. Satu menjual antara 33 dan 37 setiap minggu. Yang lainnya menjual 4 dalam satu minggu dan 96 pada minggu berikutnya. Berikan buffer yang sama, metode perkiraan yang sama, dan aturan penyusunan ulang yang sama, dan salah satu keputusan tersebut akan salah dengan cara yang tidak dapat diperbaiki oleh kehati-hatian dalam aritmatika.

Analisis ABC-XYZ adalah cara Anda berhenti membuat kesalahan pada skala katalog. Postingan ini membahas tentang penghitungan: cara menghasilkan nilai A, B, atau C dan nilai X, Y, atau Z untuk setiap produk dari data yang sudah Anda miliki, dan kebijakan perencanaan apa yang diperoleh dari setiap kombinasi.

Mengapa satu kebijakan gagal

Kebijakan perencanaan tunggal yang diterapkan di seluruh katalog bukanlah suatu penyederhanaan, melainkan ketidaksesuaian. Penyangga yang melindungi penjual yang tidak menentu adalah pemborosan bagi penjual yang stabil. Tinjauan perkiraan mingguan yang menjaga stok produk unggulan Anda adalah waktu yang tidak akan pernah Anda dapatkan kembali ketika Anda membelanjakannya untuk SKU yang terjual empat unit dalam seperempat. Dan metode peramalan yang bekerja pada rangkaian halus menghasilkan omong kosong yang meyakinkan pada rangkaian runcing.

Panduan kami untuk metode perkiraan persediaan sudah berargumentasi dari sisi pola permintaan, bahwa katalog sebenarnya tidak pernah merupakan satu bentuk permintaan dan menerapkan satu metode pada semuanya adalah sebuah ketidakcocokan dan bukan sebuah jalan pintas. Argumen yang diperlukan agar dapat ditindaklanjuti adalah cara memilah produk ke dalam kelompok. Itulah keseluruhan tugas ABC-XYZ: dua penilaian murah yang memberi tahu Anda kebijakan mana yang telah diperoleh setiap SKU.

ABC berdasarkan kontribusi pendapatan

Klasifikasi ABC berasal dari artikel tahun 1951 oleh H. Ford Dickie dari General Electric, yang menerapkan karya Pareto tentang distribusi pendapatan pada saham. Idenya tidak berubah sejak saat itu: urutkan berdasarkan kontribusi, dan perlakukan daftar teratas secara berbeda dari daftar terbawah. Kami dasar-dasar manajemen inventaris panduan ini mencakup penerapan metode pengendalian stok standar; berikut ini adalah bagaimana sebenarnya menghasilkan nilai tersebut.

Prosedurnya terdiri dari empat langkah dan dijalankan dalam spreadsheet. Tarik pendapatan setiap SKU pada periode terkini yang konsisten. Urutkan secara menurun. Hitung bagian setiap SKU dari total pendapatan. Kemudian jalankan total kumulatif ke dalam daftar yang diurutkan, dan potong menjadi tiga kelompok.

Ini dia katalog yang sengaja dibuat berukuran kecil, menggunakan sisa pendapatan selama 90 hari:

Total pendapatan adalah 35.000. Sekarang bagian yang paling banyak dilewati penjelasan: di mana Anda memotong? Analisis ABC Shopify berdasarkan laporan produk menggunakan 80% pendapatan untuk nilai A, 15% berikutnya untuk B, dan 5% terakhir untuk C. Diterapkan di sini, dua SKU pertama membawa 77,1% di antara keduanya, dan menambahkan SKU ketiga akan membawa Anda ke 90%. Jadi Cendana adalah A terakhir atau B pertama tergantung pada sisi garis mana Anda meletakkan SKU yang melintasinya.

Ambiguitas tersebut bukanlah suatu cacat dalam contoh ini. Titik potongnya adalah sebuah konvensi, bukan undang-undang. Sumber referensi memberikan pembagian buku teks yang umum sebagai 70/25/5 atau 80/15/5 dan menyatakan dengan jelas bahwa tidak ada ambang batas yang tetap. Mereka juga mendefinisikan kelas secara berbeda: beberapa berdasarkan pembagian item dan pembagian nilai secara bersamaan, sementara laporan Shopify hanya menggunakan bagi hasil dan membiarkan jumlah item turun sesuai kebutuhan. Sebuah postingan yang mengutip 80/15/5 dan kemudian menjelaskannya sebagai "20% produk Anda menghasilkan 80% pendapatan" secara diam-diam telah menyatukan dua operasi berbeda.

Versi praktisnya: kumpulkan daftar yang Anda urutkan sendiri dan lihat di mana kurva sebenarnya melengkung. Katalog yang satu SKU-nya menghasilkan 51% pendapatan memiliki jeda alami yang berbeda dengan katalog yang sepuluh SKU teratasnya masing-masing 8%. Nilai berdasarkan distribusi Anda sendiri, bukan rasio pinjaman.

Satu lagi keputusan yang patut diambil dengan sengaja: ABC berdasarkan pendapatan bukan ABC berdasarkan laba. Laporan Shopify mengatakan secara langsung bahwa biaya tidak diperhitungkan dalam nilai. SKU dengan pendapatan tinggi dan margin tipis, serta SKU dengan pendapatan menengah dan margin besar dapat masuk dalam tingkatan yang berbeda dari yang layak mereka dapatkan. Jika data margin ada dalam ekspor Anda, menilai laba kotor dan bukan pendapatan memerlukan empat langkah yang sama dan biasanya memberi tahu Anda sesuatu yang berbeda. Hal yang sama berlaku untuk penilaian berapa kali dalam setahun setiap perputaran stok SKU atau aktif margin kotor yang dikembalikan SKU untuk setiap dolar yang terikat di dalamnya, keduanya menjawab pertanyaan penting yang disembunyikan oleh peringkat pendapatan.

XYZ berdasarkan variabilitas permintaan

Sumbu XYZ menilai produk yang sama berdasarkan pertanyaan yang sangat berbeda: seberapa dapat diprediksi permintaan SKU ini? X stabil, Y bervariasi karena alasan yang dapat diketahui seperti musim atau promosi, dan Z tidak menentu.

Ukurannya adalah koefisien variasi: deviasi standar penjualan periodik suatu SKU dibagi rata-ratanya. Membagi dengan rata-rata adalah bagian yang penting, karena hal ini membuat variabilitas dapat dibandingkan di seluruh SKU dengan ukuran berbeda. Produk yang terjual 35 unit dalam seminggu yang terjual sebanyak 3 unit dan produk yang terjual sebanyak 3 unit dalam seminggu yang terjual sebanyak 3 unit bukanlah hal yang tidak dapat diprediksi, dan hanya rasio yang menunjukkan hal tersebut.

Ambil dua SKU dari atas postingan ini. Unit terjual selama delapan minggu:

• Cedar & Gambar 250g: 34, 36, 33, 35, 36, 34, 35, 37. Total 280, rata-rata 35,0, standar deviasi sekitar 1,2 satuan, koefisien variasi sekitar 0,035.
• Kotak hadiah Cedar & Fig: 8, 72, 15, 4, 96, 11, 68, 6. Total 280, rata-rata 35,0, standar deviasi sekitar 34,8 satuan, koefisien variasi sekitar 0,99.

Total yang identik, rata-rata yang identik, dan satu angka yang memisahkannya dengan faktor kira-kira tiga puluh. Dalam spreadsheet, ini terdiri dari dua sel: deviasi standar populasi dari delapan angka mingguan, kemudian dibagi dengan rata-rata dari delapan sel yang sama. Tidak ada hal yang lebih canggih yang diperlukan, dan melakukannya pada seluruh katalog adalah satu formula yang lengkap.

Kemudian titik potongnya, dan di sinilah kejujuran lebih penting daripada kerapian: tidak ada ambang batas numerik standar untuk X, Y, dan Z. Penelusuran independen untuk situs ini menghasilkan rangkaian ambang batas yang tidak konsisten, dan tidak ada yang disepakati oleh dua sumber yang kredibel. Siapa pun yang mengutip batas tertentu sebagai standar industri berarti mengutip satu konvensi di antara beberapa konvensi.

Yang berhasil adalah mengurutkan seluruh katalog berdasarkan koefisien variasi dan membaca daftar Anda sendiri. Carilah celah alami, atau bagi menjadi tiga bagian jika tidak ada, dan periksa hasilnya dengan produk yang Anda kenal dengan baik. Jika SKU yang Anda tahu stabil berada di Z, jendela Anda mungkin terlalu pendek atau seri tersebut berisi pesanan massal yang seharusnya dibersihkan terlebih dahulu.

Dua jebakan yang layak untuk disebutkan. Minggu-minggu tanpa penjualan adalah data, bukan kesenjangan, dan menghapusnya akan membuat SKU yang terputus-putus terlihat jauh lebih stabil daripada sebelumnya. Dan pada produk bervolume sangat rendah, koefisien variasi tidak lagi bersifat informatif: SKU yang terjual 0, 0, 1, 0, 2, 0, 0, 1 memiliki rasio yang valid secara matematis dan tidak ada artinya. Nilai Z pada SKU seperti itu sebenarnya merupakan pernyataan bahwa permintaannya terputus-putus, dan merencanakan SKU yang terjual beberapa kali dalam seperempat adalah pekerjaan yang berbeda dari menilai itu.

Menggabungkan kedua sumbu

Persilangan tiga tingkat pendapatan dengan tiga tingkat variabilitas menghasilkan sembilan sel, dari AX di satu sudut ke CZ di sudut lainnya. Grid itu sendiri, dan berapa banyak perhatian ulasan yang diperoleh setiap sel, sudah ditata dengan diagram di panduan kami memprioritaskan produk untuk pemesanan ulang, yang memiliki sisi irama ulasan ini. Baca grid di sana; posting ini tetap pada perhitungan dan apa yang tersirat dari setiap segmen untuk perencanaan, bukan untuk penjadwalan.

Hal yang berguna tentang dua sumbu adalah bahwa keduanya tidak sependapat, dan pertikaian itulah yang menghasilkan uang. SKU dengan pendapatan tinggi dengan permintaan yang tidak menentu bukanlah masalah yang dapat Anda selesaikan dengan lebih memperhatikannya. Baik hal tersebut maupun kebalikannya tidak terlihat dari peringkat pendapatan saja, itulah sebabnya penilaian ABC cenderung menghasilkan daftar buku terlaris yang sudah diketahui semua orang.

Kebijakan berdasarkan segmen

Perubahan setiap kombinasi nilai tentang cara Anda merencanakan SKU. Bacalah hal ini sebagai posisi awal untuk berdebat, bukan sebuah aturan: pemetaan dari sel ke kebijakan adalah sintesis yang masuk akal dan bukan standar yang sudah ditetapkan, dan tidak ada sumber yang dapat diverifikasi oleh situs ini yang menerbitkan versi resminya.

Pola di kesembilan hal tersebut: kolom X adalah tempat yang menghasilkan presisi, kolom Y adalah tempat perkiraan yang lebih cerdas memberikan hasil, dan kolom Z adalah tempat tidak ada hasil dan respons yang tepat adalah mengurangi eksposur Anda alih-alih meningkatkan perkiraan Anda.

Segmentasi bukanlah tujuan akhir. Itu ada agar tuasnya ada pada kita panduan pengoptimalan inventaris dapatkan di tempat yang paling murah, karena pembelian ketersediaan biaya jauh lebih murah pada SKU X dibandingkan pada SKU Z dan kebijakan menyeluruh memberikan tarif terburuk yang tersedia di seluruh katalog.

Menjalankannya pada data Anda sendiri

Segala sesuatu di atas berjalan dalam satu ekspor. Tarik item baris pesanan melalui jendela yang konsisten: 90 hari sudah cukup untuk sumbu ABC di sebagian besar katalog, tetapi sumbu XYZ menginginkan setidaknya tiga atau empat kali lebih banyak periode sesuai kesabaran Anda, dan satu tahun penuh jika musim sedang berlangsung. Panduan kami untuk menarik dan membersihkan data penjualan Shopify mencakup laporan mana yang akan digunakan dan apa yang harus dihapus sebelum Anda menghitung rata-rata apa pun, dan langkah pembersihan di sini lebih penting daripada biasanya: satu pesanan grosir yang tersisa dalam rangkaian akan mendorong SKU yang stabil ke Z dengan sendirinya.

Dari sana ada dua poros: pendapatan berdasarkan SKU, yang memberi Anda ABC, dan unit berdasarkan SKU berdasarkan minggu, yang memberi Anda rata-rata, deviasi standar, dan koefisien variasi untuk XYZ. Bergabunglah dengan mereka di SKU dan Anda akan mendapatkan penilaian katalog sembilan arah dalam satu sore.

Analisis ABC asli Shopify berdasarkan laporan produk memberi Anda sumbu pendapatan tanpa spreadsheet, dengan peringatan yang telah dicatat: 28 hari, hanya pendapatan, tidak termasuk biaya, dan dokumentasi lindung nilai Shopify sendiri bahwa bergantung pada paket Anda, Anda mungkin memerlukan aplikasi untuk itu. Tidak ada yang setara dengan XYZ asli, jadi separuh variabilitasnya ada di tangan Anda untuk dibuat atau dibeli.

Alasan sebagian besar toko melakukan ini sekali dan tidak pernah lagi adalah karena menjalankannya kembali, bukan menghitungnya. Nilai berubah seiring perubahan katalog, dan segmentasi dari musim semi lalu menggambarkan toko yang telah pindah. StockCue bekerja hingga 24 bulan riwayat pesanan dan menghitung analisis ABC, termasuk versi pembobotan margin yang menilai laba, bukan pendapatan, pada rencana Skalanya. Peramalan, yang pada akhirnya dijadikan acuan oleh sumbu variabilitas, dijalankan pada setiap paket termasuk Gratis.

Pertanyaan yang Sering Diajukan

Apa itu analisis ABC-XYZ?

Analisis ABC-XYZ menilai setiap SKU dua kali. Sumbu ABC memberi peringkat produk berdasarkan seberapa besar kontribusinya, biasanya pendapatan, dan membaginya menjadi kelompok kecil teratas, kelompok menengah, dan kelompok ekor panjang. Sumbu XYZ menilai produk yang sama berdasarkan seberapa dapat diprediksi permintaannya, mulai dari penjual tetap, penjualan musiman atau didorong oleh promosi, hingga penjualan yang benar-benar tidak menentu. Persilangan keduanya menghasilkan sembilan segmen, dan inti dari latihan ini adalah setiap segmen mendapatkan kebijakan perencanaan yang berbeda.

Bagaimana cara menghitung klasifikasi XYZ?

Ambil setiap unit SKU yang terjual per periode, biasanya mingguan, dalam jangka waktu yang konsisten. Hitung rata-rata dan simpangan baku deret tersebut, lalu bagi simpangan baku dengan rata-rata. Rasio tersebut adalah koefisien variasi, dan mengukur variabilitas relatif terhadap ukuran SKU itu sendiri, yang memungkinkan Anda membandingkan produk yang terjual 35 minggu dengan produk yang terjual 3. Urutkan katalog Anda berdasarkan rasio tersebut dan tetapkan titik potong dari distribusi Anda sendiri: tidak ada ambang batas numerik standar untuk X, Y, dan Z yang disetujui oleh sumber independen.

Seberapa sering Anda harus menjalankan kembali analisis ABC-XYZ?

Kuartalan cocok untuk sebagian besar katalog kecil, ditambah proses ekstra setelah apa pun yang mengubah campuran, seperti peluncuran produk, penghentian produk, atau pergantian musim. Menjalankannya kembali setiap bulan cenderung menghasilkan churn daripada wawasan, karena SKU yang berpindah antar nilai pada pergerakan kecil akan terbalik. Yang lebih penting daripada frekuensi adalah jendela yang Anda ukur konsisten setiap saat.

Apakah Shopify melakukan analisis ABC secara asli?

Ya, dalam bentuk analisis ABC berdasarkan laporan produk. Ini menilai produk sehingga nilai A secara kolektif menyumbang 80% pendapatan, B 15% berikutnya, dan C 5% terakhir, diukur selama 28 hari terakhir dan diperbarui setiap hari. Ada dua detail yang penting sebelum Anda mengandalkannya: biaya secara eksplisit dikecualikan dari perhitungan, sehingga menilai pendapatan daripada laba atau modal yang terikat, dan jangka waktu 28 hari cukup singkat untuk salah menilai katalog musiman. Dokumentasi Shopify sendiri juga mencatat bahwa bergantung pada paket Anda, Anda mungkin memerlukan aplikasi untuk analisis ABC, jadi periksalah dengan paket yang Anda gunakan.