Análise de estoque ABC-XYZ para comércio eletrônico

Dois SKUs do mesmo catálogo vendem em média 35 unidades por semana cada. Um vende entre 33 e 37 todas as semanas. O outro vende 4 em uma semana e 96 na seguinte. Dê a ambos o mesmo buffer, o mesmo método de previsão e a mesma regra de reordenação, e uma dessas decisões estará errada de uma forma que nenhum cuidado na aritmética resolverá.

A análise ABC-XYZ é como você para de cometer esse erro em escala de catálogo. Esta postagem é sobre cálculo: como produzir uma nota A, B ou C e uma nota X, Y ou Z para cada produto a partir dos dados que você já possui e qual política de planejamento cada combinação ganha.

Por que uma política falha

Uma política de planeamento única aplicada num catálogo não é uma simplificação, é uma incompatibilidade. O buffer que protege um vendedor errático é o desperdício de um vendedor estável. A revisão semanal da previsão que mantém seu principal produto em estoque é um tempo que você nunca recupera quando gasta em um SKU que vende quatro unidades por trimestre. E um método de previsão que funciona em uma série suave produz um absurdo confiante em uma série pontiaguda.

Nosso guia para métodos de previsão de estoque já argumenta isto do lado do padrão de procura, que um catálogo real nunca é uma forma de procura e que aplicar um método a todos eles é uma incompatibilidade e não um atalho. O que esse argumento precisa para se tornar acionável é uma forma de classificar os produtos em grupos. Esse é todo o trabalho do ABC-XYZ: duas classificações baratas que informam qual apólice cada SKU ganhou.

ABC por contribuição de receita

A classificação ABC data de um artigo de 1951 de H. Ford Dickie, da General Electric, que aplicou o trabalho de Pareto sobre distribuição de renda às ações. A ideia não mudou desde então: classificar por contribuição e tratar o topo da lista de forma diferente do final. Nosso fundamentos de gerenciamento de estoque o guia cobre sua posição entre os métodos padrão de controle de estoque; o que se segue é como realmente produzir as notas.

O procedimento consiste em quatro etapas e é executado em uma planilha. Extraia a receita de cada SKU em uma janela recente consistente. Classifique em ordem decrescente. Calcule a participação de cada SKU na receita total. Em seguida, execute um total cumulativo na lista classificada e divida-a em três grupos.

Aqui está em um catálogo deliberadamente pequeno, usando a receita dos últimos 90 dias:

A receita total é de 35.000. Agora a parte que a maioria das explicações pula: onde você corta? O próprio relatório de análise ABC por produto do Shopify usa 80% da receita para a nota A, os próximos 15% para B e os últimos 5% para C. Aplicados aqui, os dois primeiros SKUs carregam 77,1% entre eles, e adicionar o terceiro leva você a 90%. Então Sândalo é o último A ou o primeiro B dependendo de qual lado da linha você coloca o SKU que o cruza.

Essa ambigüidade não é uma falha no exemplo. Os pontos de corte são uma convenção, não uma lei. Fontes de referência fornecem as divisões comuns dos livros didáticos como 70/25/5 ou 80/15/5 e afirmam claramente que não há limites fixos. Eles também definem as classes de forma diferente: algumas por parcela de itens e parcela de valor juntas, enquanto o relatório do Shopify usa apenas a parcela de receita e deixa a contagem de itens cair onde for possível. Uma postagem que cita 80/15/5 e depois explica como “20% dos seus produtos geram 80% da receita” uniu silenciosamente duas operações diferentes.

A versão prática: acumule sua própria lista ordenada e veja onde a curva realmente se curva. Um catálogo onde um SKU representa 51% da receita tem uma quebra natural diferente de outro onde os dez primeiros representam 8% cada. Classifique com base na sua própria distribuição, não em uma proporção emprestada.

Mais uma decisão que vale a pena tomar propositalmente: ABC em termos de receita não é ABC em termos de lucro. O relatório do Shopify afirma abertamente que o custo não influencia a nota. Um SKU de alta receita e margem estreita e um SKU de receita média e margem gorda podem chegar a níveis diferentes dos que merecem. Se os dados de margem estiverem na sua exportação, a classificação com base no lucro bruto em vez da receita segue as mesmas quatro etapas e geralmente informa algo diferente. O mesmo vale para a classificação em quantas vezes por ano o estoque de cada SKU gira ou em a margem bruta que um SKU retorna para cada dólar investido nele, sendo que ambos respondem à questão capital que uma classificação de receita esconde.

XYZ por variabilidade de demanda

O eixo XYZ classifica os mesmos produtos em uma questão completamente diferente: quão previsível é a demanda desse SKU? X é estável, Y varia por um motivo conhecido, como uma temporada ou promoção, e Z é errático.

A medida é o coeficiente de variação: o desvio padrão das vendas periódicas de um SKU dividido pela sua média. Dividir pela média é a parte importante, porque torna a variabilidade comparável entre SKUs de tamanhos diferentes. Um produto que vende 35 por semana e oscila 3 unidades e um produto que vende 3 por semana que oscila 3 unidades não são igualmente imprevisíveis, e apenas a proporção mostra isso.

Pegue os dois SKUs do topo desta postagem. Oito semanas de unidades vendidas:

• Cedro e Figo 250g: 34, 36, 33, 35, 36, 34, 35, 37. Total 280, média 35,0, desvio padrão cerca de 1,2 unidades, coeficiente de variação cerca de 0,035.
• Caixa de presente de cedro e figo: 8, 72, 15, 4, 96, 11, 68, 6. Total 280, média 35,0, desvio padrão cerca de 34,8 unidades, coeficiente de variação cerca de 0,99.

Totais idênticos, médias idênticas e um número que os separa por um fator de aproximadamente trinta. Numa planilha, são duas células: o desvio padrão populacional dos oito números semanais, depois aquele dividido pela média das mesmas oito células. Nada mais sofisticado é necessário, e fazer isso em um catálogo inteiro é uma fórmula preenchida.

Depois, os pontos de corte, e é aqui que a honestidade importa mais do que a organização: não existe um limite numérico padronizado para X, Y e Z. Pesquisas independentes para este site revelaram conjuntos de limites mutuamente inconsistentes, e nada que duas fontes credíveis concordassem. Qualquer pessoa que cite um limite específico como padrão da indústria está citando uma convenção entre várias.

O que funciona é classificar todo o catálogo por coeficiente de variação e ler sua própria lista. Procure lacunas naturais ou divida em terços, se não houver, e compare o resultado com produtos que você conhece bem. Se um SKU que você conhece é estável chegar a Z, sua janela provavelmente é muito curta ou a série contém um pedido em massa que deveria ter sido limpo primeiro.

Duas armadilhas que vale a pena nomear. Semanas com zero vendas são dados, não lacunas, e excluí-las fará com que um SKU intermitente pareça muito mais estável do que realmente é. E em produtos de baixíssimo volume, o coeficiente de variação deixa de ser informativo: um SKU que vendeu 0, 0, 1, 0, 2, 0, 0, 1 tem uma proporção matematicamente válida e outra sem sentido. A nota Z em um SKU como esse é na verdade uma afirmação de que sua demanda é intermitente e planejando um SKU que vende algumas vezes por trimestre é um trabalho diferente de classificá-lo.

Combinando os dois eixos

Cruzar três graus de receita com três graus de variabilidade resulta em nove células, de AX em um canto até CZ no outro. A grade em si, e quanta atenção de revisão cada célula recebe, já está apresentada em um diagrama em nosso guia para priorizando produtos para reordenamento, que possui o lado da cadência de revisão disso. Leia a grade ali; este post fica no cálculo e no que cada segmento implica para o planejamento e não para a programação.

O que há de útil em relação a dois eixos é que eles discordam, e é nas divergências que está o dinheiro. Um SKU de alta receita com demanda irregular não é um problema que você possa resolver se preocupando mais com ele. Nem isso nem o seu oposto são visíveis apenas a partir de uma classificação de receitas, e é por isso que uma simples classificação ABC tende a produzir uma lista de best-sellers que todos já conheciam.

Política por segmento

O que cada combinação de notas muda em como você planeja o SKU. Leia-os como uma posição de partida para argumentar, não como uma regra: o mapeamento das células às políticas é uma síntese razoável e não um padrão estabelecido, e nenhuma fonte que este site possa verificar publica uma versão oficial.

O padrão em todos os nove: a coluna X é onde a precisão compensa, a coluna Y é onde uma previsão mais inteligente compensa e a coluna Z é onde nada compensa e a resposta certa é reduzir sua exposição em vez de melhorar sua estimativa.

A segmentação não é um fim em si. Ela existe para que as alavancas do nosso guia de otimização de estoque são puxados para onde são mais baratos, porque a disponibilidade de compra custa muito menos em um SKU X do que em um Z e uma apólice geral paga a pior taxa disponível em todo o catálogo.

Executando-o em seus próprios dados

Tudo acima é executado em uma exportação. Extraia itens de linha do pedido em uma janela consistente: 90 dias são suficientes para o eixo ABC na maioria dos catálogos, mas o eixo XYZ exige pelo menos três ou quatro vezes mais períodos do que você tem paciência e um ano inteiro se a sazonalidade estiver em jogo. Nosso guia para extraindo e limpando dados de vendas do Shopify cobre qual relatório usar e o que retirar antes de calcular qualquer coisa, e a etapa de limpeza é mais importante aqui do que o normal: um único pedido de atacado restante na série empurrará um SKU estável para Z por conta própria.

A partir daí são dois pivôs: receita por SKU, que fornece ABC, e unidades por SKU por semana, que fornece a média, o desvio padrão e o coeficiente de variação para XYZ. Junte-se a eles no SKU e você terá uma classificação do catálogo em nove etapas em uma tarde.

A análise ABC nativa do Shopify por relatório de produto fornece o eixo de receita sem a planilha, com as advertências já observadas: 28 dias, apenas receita, custos excluídos e a própria documentação do Shopify garantindo que, dependendo do seu plano, você pode precisar de um aplicativo para isso. Não há equivalente XYZ nativo, portanto, metade da variabilidade é sua para construir ou comprar.

A razão pela qual a maioria das lojas faz isso uma vez e nunca mais é a repetição, e não o cálculo. As notas variam à medida que o catálogo muda, e uma segmentação da primavera passada descreve uma loja que mudou. StockCue trabalha com até 24 meses de histórico de pedidos e calcula a análise ABC, incluindo uma versão ponderada pela margem que avalia o lucro em vez da receita, em seu plano Scale. A previsão, que é o que o eixo de variabilidade alimenta, é executada em todos os planos, incluindo o Gratuito.

Perguntas frequentes

O que é análise ABC-XYZ?

A análise ABC-XYZ avalia cada SKU duas vezes. O eixo ABC classifica os produtos de acordo com sua contribuição, geralmente receita, e os divide em um pequeno grupo superior, um grupo intermediário e uma cauda longa. O eixo XYZ classifica os mesmos produtos de acordo com o quão previsível é sua demanda, desde vendedores constantes, passando por vendedores sazonais ou orientados para promoções, até vendedores genuinamente erráticos. O cruzamento dos dois dá nove segmentos, e o objetivo do exercício é que cada segmento ganhe uma política de planejamento diferente.

Como você calcula a classificação XYZ?

Considere as unidades vendidas de cada SKU por período, geralmente semanalmente, em um período consistente. Calcule a média e o desvio padrão dessa série e depois divida o desvio padrão pela média. Essa proporção é o coeficiente de variação e mede a variabilidade em relação ao tamanho do próprio SKU, que é o que permite comparar um produto que vende 35 por semana com um que vende 3. Classifique seu catálogo por essa proporção e defina seus pontos de corte a partir de sua própria distribuição: não há limite numérico padronizado para X, Y e Z com o qual fontes independentes concordem.

Com que frequência você deve executar novamente a análise ABC-XYZ?

Trimestralmente é adequado para a maioria dos catálogos pequenos, além de uma corrida extra após qualquer coisa que mude o mix, como o lançamento de um produto, a descontinuação de uma linha ou a mudança de temporada. A reexecução mensal tende a produzir rotatividade em vez de insights, porque um SKU que alterna entre notas em pequenos movimentos irá retroceder. O que importa mais do que a frequência é que a janela que você mede seja sempre consistente.

O Shopify faz análise ABC nativamente?

Sim, na forma de relatório de análise ABC por produto. Ele classifica os produtos de forma que a nota A represente coletivamente 80% da receita, B os próximos 15% e C os últimos 5%, medidos nos últimos 28 dias e atualizados diariamente. Dois detalhes são importantes antes de você confiar nele: o custo é explicitamente excluído do cálculo, de modo que classifica a receita em vez do lucro ou do capital vinculado, e a janela de 28 dias é curta o suficiente para avaliar incorretamente um catálogo sazonal. A própria documentação do Shopify também observa que, dependendo do seu plano, você pode precisar de um aplicativo para análise ABC, portanto, compare-o com o plano em que você está.