Analisi dell'inventario ABC-XYZ per l'e-commerce

Due SKU nello stesso catalogo vendono in media 35 unità a settimana ciascuno. Se ne vendono tra i 33 e i 37 ogni settimana. L'altro ne vende 4 una settimana e 96 quella successiva. Date ad entrambi lo stesso buffer, lo stesso metodo di previsione e la stessa regola di riordino, e una di queste decisioni sarà sbagliata in un modo che nessuna attenzione aritmetica potrà risolvere.

L'analisi ABC-XYZ è il modo in cui smetti di commettere questo errore su scala di catalogo. Questo post riguarda il calcolo: come produrre un voto A, B o C e un voto X, Y o Z per ogni prodotto dai dati che già possiedi e quale politica di pianificazione guadagna ciascuna combinazione.

Perché una politica fallisce

Una singola politica di pianificazione applicata a un catalogo non è una semplificazione, è una mancata corrispondenza. Il cuscinetto che protegge un venditore irregolare è uno spreco per un venditore stabile. La revisione settimanale delle previsioni che mantiene in magazzino il tuo prodotto principale è tempo che non recupererai mai se lo spendi per uno SKU che vende quattro unità al trimestre. E un metodo di previsione che funziona su una serie regolare produce un'assurdità sicura su una serie spinosa.

La nostra guida a metodi di previsione delle scorte Lo sostiene già dal punto di vista del modello di domanda, ovvero che un vero catalogo non è mai una forma di domanda e applicare un metodo a tutti loro è una discrepanza piuttosto che una scorciatoia. Ciò di cui questo argomento ha bisogno per diventare attuabile è un modo per ordinare i prodotti in gruppi. Questo è l'intero lavoro di ABC-XYZ: due classificazioni economiche che ti dicono quale politica ha guadagnato ogni SKU.

ABC per contributo alle entrate

La classificazione ABC risale a un articolo del 1951 di H. Ford Dickie della General Electric, che applicava il lavoro di Pareto sulla distribuzione del reddito alle azioni. Da allora l'idea non è cambiata: ordinare per contributo e trattare la parte superiore dell'elenco in modo diverso dalla parte inferiore. Il nostro nozioni di base sulla gestione delle scorte la guida copre la posizione in cui si colloca tra i metodi standard di controllo delle scorte; quello che segue è come produrre effettivamente i voti.

La procedura è composta da quattro passaggi e viene eseguita in un foglio di calcolo. Raccogli le entrate di ogni SKU in un periodo recente coerente. Ordina discendente. Calcola la quota di entrate totali spettante a ciascun SKU. Quindi esegui un totale cumulativo lungo l'elenco ordinato e dividilo in tre gruppi.

Eccolo su un catalogo volutamente piccolo, utilizzando le entrate finali di 90 giorni:

Il ricavo totale è di 35.000. Adesso salta la parte con la maggior parte delle spiegazioni: dove tagli? L'analisi ABC di Shopify per rapporto prodotto utilizza l'80% delle entrate per il grado A, il successivo 15% per B e l'ultimo 5% per C. Applicati qui, i primi due SKU portano tra loro il 77,1% e aggiungendo il terzo si arriva al 90%. Quindi Sandalwood è l'ultima A o la prima B a seconda di quale lato della linea metti lo SKU che la attraversa.

Questa ambiguità non è un difetto dell’esempio. I punti di taglio sono una convenzione, non una legge. Le fonti di riferimento riportano le divisioni comuni dei libri di testo come 70/25/5 o 80/15/5 e affermano chiaramente che non esistono soglie fisse. Inoltre definiscono le classi in modo diverso: alcune per quota di articoli e quota di valore insieme, mentre il report di Shopify utilizza solo la quota di entrate e lascia che il conteggio degli articoli cada dove può. Un post che cita 80/15/5 e poi lo spiega come "il 20% dei tuoi prodotti genera l'80% delle entrate" ha silenziosamente saldato insieme due diverse operazioni.

La versione pratica: accumula il tuo elenco ordinato e osserva dove la curva si piega effettivamente. Un catalogo in cui uno SKU rappresenta il 51% delle entrate presenta una rottura naturale diversa rispetto a uno in cui i primi dieci rappresentano l'8% ciascuno. Valuta in base alla tua distribuzione, non a un rapporto preso in prestito.

Un’altra decisione che vale la pena prendere di proposito: l’ABC delle entrate non è l’ABC dei profitti. Il rapporto di Shopify afferma apertamente che il costo non incide sul voto. Uno SKU con entrate elevate e margine sottile e uno SKU con entrate medie e margine elevato possono arrivare a livelli diversi da quelli che meritano. Se nell'esportazione sono presenti dati sui margini, la valutazione in base al profitto lordo anziché alle entrate richiede gli stessi quattro passaggi e in genere indica qualcosa di diverso. Lo stesso vale per la valutazione quante volte all'anno vengono rinnovate le scorte di ciascuna SKU o su il margine lordo restituito da uno SKU per ogni dollaro in esso vincolato, che rispondono entrambi alla domanda sul capitale nascosta dalla classifica dei ricavi.

XYZ per variabilità della domanda

L'asse XYZ classifica gli stessi prodotti in base a una domanda completamente diversa: quanto è prevedibile la domanda di questo SKU? X è stabile, Y varia per ragioni conosciute come una stagione o una promozione e Z è irregolare.

La misura è il coefficiente di variazione: la deviazione standard delle vendite periodiche di uno SKU divisa per la sua media. La divisione per la media è la parte importante, perché rende la variabilità comparabile tra SKU di diverse dimensioni. Un prodotto che vende 35 a settimana che oscilla di 3 unità e un prodotto che vende 3 a settimana che oscilla di 3 unità non sono ugualmente imprevedibili, e solo il rapporto lo dimostra.

Prendi i due SKU dall'inizio di questo post. Otto settimane di unità vendute:

• Cedro & Fico 250g: 34, 36, 33, 35, 36, 34, 35, 37. Totale 280, media 35,0, deviazione standard circa 1,2 unità, coefficiente di variazione circa 0,035.
• Confezione regalo cedro e fico: 8, 72, 15, 4, 96, 11, 68, 6. Totale 280, media 35,0, deviazione standard circa 34,8 unità, coefficiente di variazione circa 0,99.

Totali identici, medie identiche e un numero che li separa di un fattore di circa trenta. In un foglio di calcolo si tratta di due celle: la deviazione standard della popolazione delle otto cifre settimanali, quindi quella divisa per la media delle stesse otto celle. Non è richiesto niente di più sofisticato, e farlo su un intero catalogo è una formula compilata.

Quindi i punti di taglio, ed è qui che l'onestà conta più dell'ordine: non esiste una soglia numerica standardizzata per X, Y e Z. Ricerche indipendenti per questo sito hanno prodotto soglie reciprocamente incoerenti e nulla su cui due fonti credibili concordassero. Chiunque citi un limite specifico come standard di settore sta citando una convenzione tra tante.

Ciò che funziona invece è ordinare l'intero catalogo per coefficiente di variazione e leggere il proprio elenco. Cerca le lacune naturali o dividi in tre parti se non ce ne sono e confronta il risultato con prodotti che conosci bene. Se uno SKU che conosci è stabile in Z, probabilmente la tua finestra temporale è troppo breve o la serie contiene un ordine in blocco che avrebbe dovuto essere prima ripulito.

Due trappole che vale la pena menzionare. Le settimane con vendite pari a zero sono dati, non lacune, e la loro eliminazione farà sembrare uno SKU intermittente molto più stabile di quanto non sia in realtà. E su prodotti a volume molto basso, il coefficiente di variazione smette di essere informativo: uno SKU che ha venduto 0, 0, 1, 0, 2, 0, 0, 1 ha un rapporto matematicamente valido e uno privo di significato. Un grado Z su uno SKU del genere è in realtà un'affermazione che la sua domanda è intermittente e pianificare uno SKU che venga venduto una manciata di volte al trimestre è un lavoro diverso dal valutarlo.

Combinando i due assi

Incrociando tre gradi di reddito con tre gradi di variabilità si ottengono nove celle, da AX in un angolo a CZ nell'altro. La griglia stessa e la quantità di attenzione guadagnata da ciascuna cella sono già strutturate in un diagramma nella nostra guida dare priorità ai prodotti per il riordino, che possiede il lato cadenza delle revisioni di questo. Leggi la griglia lì; questo post rimane sul calcolo e su cosa implica ogni segmento per la pianificazione piuttosto che per la programmazione.

L’aspetto utile dei due assi è che non sono d’accordo, e i disaccordi sono dove si trovano i soldi. Uno SKU ad alto fatturato con una domanda irregolare non è un problema che puoi risolvere prendendoti più cura di esso. Né questo né il suo contrario sono visibili solo dalla classifica delle entrate, motivo per cui una semplice classificazione ABC tende a produrre un elenco di bestseller che tutti già conoscevano.

Politica per segmento

Ciò che cambia ciascuna combinazione di qualità nel modo in cui pianifichi lo SKU. Leggili come una posizione di partenza su cui discutere, non come una regola: la mappatura dalle celle alle politiche è una sintesi ragionevole piuttosto che uno standard stabilito, e nessuna fonte che questo sito potrebbe verificare pubblica una versione autorevole.

Lo schema in tutti e nove i casi: la colonna X è dove la precisione paga, la colonna Y è dove una previsione più intelligente paga e la colonna Z è dove non paga nulla e la risposta giusta è ridurre l'esposizione invece di migliorare la stima.

La segmentazione non è fine a se stessa. Esiste in modo che le leve nel nostro guida all'ottimizzazione dell'inventario vengono trascinati dove sono più economici, perché acquistare la disponibilità costa molto meno su uno SKU X che su uno Z e una polizza globale paga la peggiore tariffa disponibile sull'intero catalogo.

Eseguendolo sui tuoi dati

Tutto quanto sopra viene eseguito su un'esportazione. Inserisci le voci dell'ordine in una finestra coerente: 90 giorni sono sufficienti per l'asse ABC sulla maggior parte dei cataloghi, ma l'asse XYZ richiede almeno tre o quattro volte il numero di periodi per cui hai pazienza e un anno intero se è in gioco la stagionalità. La nostra guida a estrarre e pulire i dati di vendita di Shopify copre quali report utilizzare e cosa eliminare prima di calcolare la media, e la fase di pulizia è più importante qui del solito: un singolo ordine all'ingrosso rimasto nella serie spingerà da solo uno SKU stabile in Z.

Da lì ci sono due perni: entrate per SKU, che ti dà ABC, e unità per SKU per settimana, che ti dà la media, la deviazione standard e il coefficiente di variazione per XYZ. Unisciti a loro su SKU e avrai una valutazione a nove vie del catalogo in un pomeriggio.

L'analisi ABC nativa di Shopify per rapporto prodotto ti fornisce l'asse delle entrate senza il foglio di calcolo, con le avvertenze già annotate: 28 giorni, solo entrate, costi esclusi e la documentazione di Shopify che copre che, a seconda del tuo piano, potresti aver bisogno di un'app per questo. Non esiste un equivalente XYZ nativo, quindi la metà della variabilità è tua da costruire o acquistare.

Il motivo per cui la maggior parte dei negozi lo fa una volta e mai più è la ripetizione piuttosto che il calcolo. I voti cambiano man mano che il catalogo cambia e una segmentazione della scorsa primavera descrive un negozio che è andato avanti. StockCue funziona fino a 24 mesi di cronologia degli ordini ed elabora l'analisi ABC, inclusa una versione ponderata per il margine che valuta in base al profitto anziché alle entrate, sul suo piano di scala. La previsione, che è ciò che in definitiva alimenta l'asse di variabilità, viene eseguita su tutti i piani, compreso quello gratuito.

Domande frequenti

Cos'è l'analisi ABC-XYZ?

L'analisi ABC-XYZ classifica ogni SKU due volte. L'asse ABC classifica i prodotti in base al contributo che apportano, solitamente in termini di entrate, e li divide in un piccolo gruppo superiore, un gruppo centrale e una lunga coda. L'asse XYZ classifica gli stessi prodotti in base a quanto è prevedibile la loro domanda, dai venditori fissi a quelli stagionali o guidati da promozioni fino a quelli veramente irregolari. Incrociando i due si ottengono nove segmenti e il punto dell'esercizio è che ciascun segmento merita una diversa politica di pianificazione.

Come si calcola la classificazione XYZ?

Prendi le unità di ogni SKU vendute per periodo, solitamente settimanale, in un periodo coerente. Calcola la media e la deviazione standard di quella serie, quindi dividi la deviazione standard per la media. Questo rapporto è il coefficiente di variazione e misura la variabilità relativa alla dimensione della SKU, che è ciò che ti consente di confrontare un prodotto che ne vende 35 a settimana con uno che ne vende 3. Ordina il tuo catalogo in base a tale rapporto e imposta i punti di taglio dalla tua distribuzione: non esiste una soglia numerica standardizzata per X, Y e Z su cui concordano fonti indipendenti.

Con quale frequenza è necessario rieseguire l'analisi ABC-XYZ?

Il trimestrale si adatta alla maggior parte dei cataloghi di piccole dimensioni, oltre a una corsa extra dopo tutto ciò che cambia il mix, come il lancio di un prodotto, l'interruzione di una gamma o un cambio di stagione. Rieseguirlo mensilmente tende a produrre abbandono piuttosto che insight, perché uno SKU che passa da un grado all'altro su piccoli movimenti tornerà indietro. Ciò che conta più della frequenza è che la finestra misurata sia coerente ogni volta.

Shopify esegue l'analisi ABC in modo nativo?

Sì, sotto forma di analisi ABC per prodotto. Classifica i prodotti in modo che il grado A rappresenti complessivamente l'80% delle entrate, il grado B il successivo 15% e il grado C l'ultimo 5%, misurato negli ultimi 28 giorni e aggiornato quotidianamente. Due dettagli contano prima di fare affidamento su di esso: il costo è esplicitamente escluso dal calcolo, quindi valuta le entrate piuttosto che il profitto o il capitale vincolato, e la finestra di 28 giorni è abbastanza breve da valutare in modo errato un catalogo stagionale. La documentazione di Shopify rileva inoltre che, a seconda del tuo piano, potresti aver bisogno di un'app per l'analisi ABC, quindi confrontala con il piano in cui ti trovi.