Вы думате, что вы русский? Родились в СССР и думаете, что вы русский, украинец, белорус? Нет. Это не так.

Вы на самом деле русский, украинец или белорус. Но думате вы, что вы еврей.

Дичь? Неправильное слово. Правильное слово “импринтинг”.

Новорожденный ассоциирует себя с теми чертами лица, которые наблюдает сразу после рождения. Этот природный механизм свойственен большинству живых существ, обладающих зрением.

Новорожденные в СССР несколько первых дней видели мать минимум времени кормления, а большую часть времени видели лица персонала роддома. По странному стечению обстоятельств они были (и остаются до сих пор) по большей части еврейскими. Прием дикий по своей сути и эффективности.

Все детство вы недоумевали, почему живете в окружении неродных людей. Редкие евреи на вашем пути могли делать с вами все что угодно, ведь вы к ним тянулись, а других отталкивали. Да и сейчас могут.

Исправить это вы не сможете – импринтинг одноразовый и на всю жизнь. Понять это сложно, инстинкт оформился, когда вам было еще очень далеко до способности формулировать. С того момента не сохранилось ни слов, ни подробностей. Остались только черты лиц в глубине памяти. Те черты, которые вы считаете своими родными.

Система и наблюдатель

Определим систему, как объект, существование которого не вызывает сомнений.

Наблюдатель системы - объект не являющийся частью наблюдаемой им системы, то есть определяющий свое существование в том числе и через независящие от системы факторы.

Наблюдатель с точки зрения системы является источником хаоса - как управляющих воздействий, так и последствий наблюдательных измерений, не имеющих причинно-следственной связи с системой.

Внутренний наблюдатель - потенциально достижимый для системы объект в отношении которого возможна инверсия каналов наблюдения и управляющего воздействия.

Внешний наблюдатель - даже потенциально недостижимый для системы объект, находящийся за горизонтом событий системы (пространственным и временным).

Гипотеза №1. Всевидящее око

Предположим, что наша вселенная является системой и у нее есть внешний наблюдатель. Тогда наблюдательные измерения могут происходить например с помощью «гравитационного излучения» пронизывающего вселенную со всех сторон извне. Сечение захвата «гравитационного излучения» пропорционально массе объекта, и проекция «тени» от этого захвата на другой объект воспринимается как сила притяжения. Она будет пропорциональна произведению масс объектов и обратно пропорциональна расстоянию между ними, определяющим плотность «тени».

Захват «гравитационного излучения» объектом увеличивает его хаотичность и воспринимается нами как течение времени. Объект непрозрачный для «гравитационного излучения», сечение захвата которого больше геометрического размера, внутри вселенной выглядит как черная дыра.

Гипотеза №2. Внутренний наблюдатель

Возможно, что наша вселенная наблюдает за собой сама. Например с помощью пар квантово запутанных частиц разнесенных в пространстве в качестве эталонов. Тогда пространство между ними насыщено вероятностью существования породившего эти частицы процесса, достигающей максимальной плотности на пересечении траекторий этих частиц. Существование этих частиц также означает отсутствие на траекториях объектов достаточно великого сечения захвата, способного поглотить эти частицы. Остальные предположения остаются такими же как и для первой гипотезы, кроме:

Течение времени

Стороннее наблюдение объекта, приближающегося к горизонту событий черной дыры, если определяющим фактором времени во вселенной является «внешний наблюдатель», будет замедляться ровно в два раза - тень от черной дыры перекроет ровно половину возможных траекторий «гравитационного излучения». Если же определяющим фактором является «внутренний наблюдатель», то тень перекроет всю траекторию взаимодействия и течение времени у падающего в черную дыру объекта полностью остановится для взгляда со стороны.

Также не исключена возможность комбинации этих гипотез в той или иной пропорции.

В предыдущей статье (АВС-анализ. Как и зачем его применять в аптеке) обсуждалась тема сегментации товаров по степени важности, степени вклада в общий результат. Продолжая тему сегментации товаров в этой публикации рассмотрим XYZ-анализ. Для каких целей и задач используется этот анализ, какие решения на его основе будут приниматься – об этом и пойдет речь далее.

Итак, XYZ-анализ позволяет разделить товары на группы в связи со стабильностью их поведения. В результате группу X образуют товары самые стабильные, с предсказуемыми продажами, а соответственно относительно легко планируемыми поставками.

Группа Y – стабильность потребления средняя, соответственно товар требует к себе большего внимания, точность прогнозирования продаж уменьшается. Результат – планировать поставки сложней. Больше вероятности допущения неликвидов или дефицита.

И, наконец, товары группы Z – точность прогнозирования еще меньше, нестабильность в поведении товаров выше. В некоторых случаях спрогнозировать спрос просто является нереальной задачей.

После того, как все товары поделены на группы, мы начинаем вырабатывать стандарты по управлению запасами. Мы определяем уровень дефицита, который будет являться для нашей аптеки нормой.

Итак, как проводится XYZ-анализ. Как и в предыдущих статьях на тему управления запасами, рассмотрим алгоритм на конкретном примере.

Первый этап – сбор данных о продажах товара (Таблица 1). Данные формируем в натуральном выражении. Если мы будем использовать объем продаж в денежном выражении, негативно скажется инфляция, и результаты мы получим некорректные.

При сборе данных мы должны отталкиваться от частоты проведения анализа и соответственно количества периодов, которые будем включать в анализ. В общем случае (безотносительно к деятельности аптеки) частота проведения XYZ-анализа зависит от товаров, с которыми работает компания. Так, чем дороже товары (например, сложная бытовая техника), тем соответственно реже он продается, так как цикл принятия решения о покупке будет длительный. В таком случае анализ стоит проводить раз в пол года или реже, так как один и тот же товар при частом проведении анализа в разные периоды будет попадать в различные группы (X, Y, Z). Кроме того, частота проведения XYZ-анализа зависит от жизненного цикла товаров. Чем короче цикл, тем чаще надо проводить анализ. В начале жизненного цикла товар ведет себя нестабильно. Когда наблюдается пик спроса, товар более стабилен, а на спаде (в конце жизненного цикла), опять проявляется большая нестабильность продаж (Рисунок 1). Так же на частоту проведения анализа влияет наличие сезонности.

Рисунок 1 – Жизненный цикл товара и стабильность его поведения

Но поскольку в нашем случае речь все-таки идет о фармацевтическом розничном бизнесе, то и периодичность проведения подробнее рассмотрим для аптеки. Основная доля товаров (лекарственных средств) продается весьма стабильно, значит, нет необходимости пересматривать результаты анализа. Другая часть ассортимента – например, медицинские приборы – обладают меньшей стабильностью. Если аптека активно расширяет ассортиментную матрицу, то стоит чаще проводить XYZ-анализ, так как ситуация в стабильности при увеличении количества позиций в ассортименте будет ухудшаться. Учитывая сезонность некоторых лекарственных препаратов, стоит согласовывать сезонность с периодичностью проведения анализа (зимний сезон, летний сезон и т.д.). Итак, проводим анализ как минимум два раза в год: в сезон и не в сезон.

В качестве примера рассмотрим проведение XYZ – анализа за три месяца, поскольку нас сейчас интересует сам алгоритм (Таблица 1).

Второй этап – нахождение отклонения от среднего значения. Графически это можно приставить следующим образом (Рисунок 2):

Где σ — среднее квадратичное отклонение

x – среднее значение за n периодов

n – количество периодов

Возвращаясь к нашему примеру, мы рассчитываем среднее квадратичное отклонение (Таблица 2).

Таблица 2 – Расчет среднего квадратичного отклонения

Если для проведения XYZ-анализа вы используете стандартное приложение Microsoft Office Excel, то для расчета среднего квадратичного отклонения проще использовать функцию: СТАНДОТКЛОНПА(x 1 😡 n).

Если просто найти отклонение от среднего значения, мы не сможем определить его стабильность, так как отклонение от среднего значения в 100 единиц при среднем спросе в 1000 единиц менее серьезное, чем отклонение в 500 единиц при том же среднем спросе (Рисунок 3).

Рисунок 3 – Отклонение от среднего спроса

Теперь остается разделить товары на группы по стабильности. Для этого необходимо отсортировать столбец «Коэффициент вариации» по возрастанию. В результате в начале списка получаем товары с наименьшим коэффициентом вариации, а, следовательно, самые стабильные (Таблица 4).

Остается определить границы групп, то есть, какие товары будут относиться к группе X, какие соответственно Y и Z. В различных источниках можно найти массу рекомендаций, при каких коэффициентах вариации определяем границы групп. Но на практике целесообразно граница групп определять самостоятельно, так как у каждой аптеки своя специфика. Технология определения групп такая же, что и в ABC – анализе, то есть графический метод. Для этого необходимо построить график. Ось X — товары. Ось Y – коэффициент вариации (Рисунок 4).

Рисунок 4 – Определение границ групп

Технология определения групп X, Y и Z:

Соединяем крайние точки графика и проводим касательную до первой выступающей точки графика (Рисунок 5). Точка графика при пересечении с прямой является границей группы X. В нашем примере в группу X будут входить первые 4-е товара.

Рисунок 5 – Определение границы группы X

В таблице 5 представлена сводная таблица с результатами анализа.

Итак, выводы:

Для товаров группы X точность прогнозирования высокая, уровень страхового запаса будет относительно невысокий, так как разброс спроса здесь невелик. И при этом отсутствует необходимость ежедневного контроля наличия товара. То есть можно проверять наличие товара через определенные промежутки времени (например, один раз в неделю), то есть управлять запасами, используя фиксированный период времени и пересчитывая размер партии (подробности о технологиях управления запасами – в дальнейших публикациях). Можем позволить себе высокий уровень бездефицитности.

Группа Y . Точность прогнозирования ниже, уровень страхового запаса будет повышаться, так как спрос проявляет большую нестабильность. Контролировать наличие товара надо более тщательно, вплоть до ежедневного контроля, что бы не допустить серьезного дефицита. Соответственно надо применять технологии управления запасами, которые предусматривают постоянный контроль уровня запаса. Содержать большой запас дорого, поэтому допустимый уровень дефицита увеличивается.

Группа Z . Точность прогнозирования крайне низкая. Проблемы при управлении запасами заключаются в том, что размер страхового запаса становится крайне высоким. Для его поддержания необходимо большое количество денежных средств, которые при таком подходе будут заморожены в товарном запасе. В этой группе допускается более высокий дефицит, так как потери из-за дефицита могут быть меньше, чем из-за замороженных денежных средств в товарном запасе. Кроме этого здесь могут применяться следующие технологии. Во-первых – доставка под заказ. Распространяется на дорогостоящие лекарственные средства при внесении частичной предоплаты. Во-вторых — выбор поставщиков, которые обеспечат быструю реакцию. Как известно точность прогнозирования тем выше, чем короче горизонт прогнозирования. Поэтому и поставщик по этой группе товаров должен обладать быстрой реакцией. Еще один момент не стоит забывать. Если товар в Вашей аптеке дефицитный, то есть этот дефицит допускается по тем или иным причинам, то он будет проявлять большую нестабильность. Поэтому если Вам удается ликвидировать дефицит, товар из группы Z может перейти и в группу X.

В следующей статье мы продолжим беседу об анализах товарного запаса и разработаем конкретные стратегии к каждой товарной группе по ABC и XYZ – анализам. Именно объединение ABC и XYZ – анализов и является отправной точкой при разработке стратегии управления запасами.