#6 Анализ для производственных компаний: Аналитика логистики. Анализ складских запасов: «Где мы сейчас и куда идти дальше?»

20.05.2022

Аналитика логистики. Анализ складских запасов: «Где мы сейчас и куда идти дальше?»

1. Введение

Мы рассмотрим несколько интересных реальных кейсов аналитики логистики, а именно применения аналитики у одного из наших клиентов, для которого оперативная и качественная логистика товаров является ядром бизнеса.

Примечание: цифры и наименования искажены, так как являются конфиденциальной информацией.

Если вы хотите эффективно управлять логистикой на основе качественной аналитики, то тогда эта статья точно для вас.

Современный подход к анализу данных позволяет быстро принимать бизнес-решения, основываясь на данных. При этом данные представлены в удобных понятных пользователю интерактивных отчетах, при этом сами отчеты (под текущие задачи) могут быть составлены быстро (на это обычно требуется несколько часов/ один рабочий день), причем с использованием современных ИТ-инструментов аналитический отчет может быть подготовлен без привлечения программиста, что в совокупности сокращает срок принятия важных бизнес решений — это очень важно для производственных компаний.

Итак, у компании (на момент создания дашбордов) был один склад (сейчас их несколько) и регулярные покупатели, компания стремится, чтобы покупатели сохраняли лояльность, удерживает клиентов номенклатурной базой и уровнем качества обслуживания — 90% и более покупателей, которые пришли за товаром, должны уехать со склада в течение 70 минут полностью счастливыми и с товаром.

Компания в какой-то момент поняла, что есть определенная проблема — затоваривание склада, проблема даже не в том, что склад физически занят, а в том, что и деньги «заморожены». Ведь все мы прекрасно понимаем, что товар, который на складе — это средства, которые в нем «заморожены», соответственно чем ниже оборачиваемость склада, тем больше денег вам требуется на складские запасы.

С другой стороны, склад не может быть пустым, потому что товар имеет сезонную специфику, и покупатели не будут ждать долго «под заказ» и могут уйти и купить (пока тема «горячая») у другого поставщика. То есть, как выбрать компромисс? Большой или маленький склад? От чего избавляться и что закупать?

 

2. Проблематика в компании

— Компания дистрибутор продает дорогостоящее оборудование и запчасти к нему
У компании собственный склад, и бизнес-модель опирается на лояльных регулярных покупателей. При этом, на складе есть залежалый товар — «замороженные» деньги компании. То есть, как выбрать компромисс? Большой или маленький склад? От какого товара избавляться и какой товар закупать?

 

3. Преимущества современного подхода анализа данных для решения таких проблем

1. Быстрое получение ответов на бизнес-вопросы
Главное преимущество современного подхода — это его гибкость, которая позволяет получать быстрые ответы на актуальные (текущие) вопросы вашего бизнеса на основе ваших данных. Не требуется тратить месяцы на программирование отчетов. Да и, к тому же, часто бывает, что через месяц уже «поздняк метаться», и ситуация кардинально изменилась.

2. Единые цифры по вашим показателям
Начиная использовать современные подходы анализа данных, многие компании начинают понимать, что в данных «чего-то не хватает», где-то что-то «не так записано» или оказывается, что сотрудники вообще не понимали, что необходимо вносить в учетную систему и вносили какую-то другую информацию. Косвенно, своевременная аналитика двигает компанию вперед в упорядочении всех своих данных — поняв, где именно неправильные данные, ИТ-отдел может внести коррективы в учетных системах, содержащих первичные данные.

3. Удобство пользования отчетами для руководителей и менеджеров разного уровня
Менеджерский ресурс думать и принимать решения часто ограничен доступом к информации и здесь наш современный подход анализа данных помогает, выдавая максимальный объем нужной информации в одном месте. Интерактивное отображение полного объема информации позволяет связать разные показатели, подумать и быстро принять важные бизнес-решения на основе данных.

4. Обогащение внутренних данных компании
Современное решение по анализу данных позволяет связывать разные отчеты, обладая также возможностью подтягивать внутрь внешние данные (например, с внешних веб-сайтов, или приобретенные массивы данных по анализу рынка от специализированных агентств вроде Nielsen).

5. Снижение трудозатрат на сбор и обработку информации, качество решений
Современные решения для анализа данных имеют определенный бюджет, но он может сильно варьироваться — начинать можно с небольших цифр, тем не менее снижение трудозатрат на сбор и обработку информации способны сами по себе окупить решение вашей проблемы, не говоря уже о том качестве управленческих решений, которые будет принимать менеджмент. Соответственно, обработка информации, автоматизация отчетов делаются в современных ИТ-решениях для анализа данных в разы быстрее, таким образом высвобождаются ресурсы ваших экспертов-аналитиков, которые можно использовать для более глубокого анализа.

 

4. Дашборд «Анализ складских запасов: Где мы сейчас и куда идти дальше?»

Сегодня мы рассмотрим кейс №1 «Анализ складских запасов. Где мы сейчас и куда идти дальше?» — компания решала его как проектную задачу в наступившие кризисные годы. Компания занимается поставками оборудования, где достаточно большая номенклатурная база, то есть это десятки тысяч различных позиций. При этом, компания ориентируется на постоянных клиентов сегмента B2B, то есть их клиенты — индивидуальные предприниматели и небольшие компании, есть и частные покупатели, но таких немного, в силу специфики продаваемого оборудования.

Компания начала анализ с простого первого шага — построила простой дашборд для анализа текущей ситуации с запасами.

Дашборд показывает текущую ситуацию по складским запасам.

В компании провели такой простой анализ — просто разбили на показатели и категории и посмотрели, сколько денег «заморожено» в той или иной модели в складских запасах.

График

Товары разбиты по категориям, таким как: сырье, системы охлаждения, бытовые товары, промышленные товары, аксессуары, вентиляция, системы нагревания.

Соответственно, для начала решили проанализировать ситуацию по категориям и вывели данные на плоскость, где по горизонтали (по оси X) — «пролёживаемость» той или иной категории товарных позиций в днях, а по вертикали (по оси Y) — маржа, с которой компания стремится продавать, то есть маржа, заложенная в цены товаров. На дашборде автоматически появляются медианы (зеленая и красная линии на дашборде).

Итак, всё то, что долго лежит и с маленькой маржой находится в правом нижнем углу, в нашем случае это системы нагревания — кандидат на рассмотрение, что с ними нужно что-то делать (компания мало заработает и товарные позиции долго лежат на складе, — т.е. можно найти более эффективное применение к финансам в инвенторке).

Позиции, которые быстрооборачиваемые (быстро продаются — мало лежат на складе) и с высокой маржой находятся в правом верхнем углу — это самые «аппетитные» направления бизнеса.

Цветом показана «пролёживаемость» склада. Таким образам, на графике видно, какие категории есть и насколько долго они лежат, а также видны какие-то кандидаты на то, чтобы начать от них избавляться.

По-модельно (таблица)

Более детально изучить данные можно в таблице ниже — здесь информация представлена более детально.

Например, первая в списке таблицы модель — JZUC65QD, мы видим количество модели на складе, в нашем случае 62 шт, видим планируемую выручку — 252 000 USD и стоимость закупки — 164 000 USD, соответственно можно легко вычислить средневзвешенное значение маржи (вычислили и добавили на дашборд), также можно вычислить средневзвешенное значение «пролеживаемости» (также вычислили и добавили на дашборд). Но, глазами гулять по этой таблице не удобно, потому что сложно понять, на чем нам нужно сделать акцент. Поэтому сначала изучаем график, затем более детально смотрим таблицу.

5. Заключение

Итак, в этой статье мы рассмотрели решение одной из проблем компании с помощью современного подхода анализа данных. Компания столкнулась с проблемой, что некоторые товарные позиции долго лежат на складе, а это «замороженные» деньги компании. Чтобы понять, от каких товарных позиций / категорий компании нужно избавиться, чтобы высвободить денежные средства, а какие нужно закупать, был построен понятный интерактивный дашборд по анализу складских запасов с точки зрения оборачиваемости и прибыльности по категориям и моделям товаров.

Наличие подобного инструмента для анализа собственных данных, серьезно упрощает работу менеджеров по закупкам и их переговоры с коммерческим и финансовым директорами, утверждающим бюджет.

Данная статья подготовлена по проектам, созданным командой АНАЛИТИКА ПЛЮС.

 

О компании АНАЛИТИКА ПЛЮС

 

 

Получить консультацию по новому стеку наших технологий, архитектуре BI-решения, оптимизации источников данных, построению сложных дашбордов от экспертов компании АНАЛИТИКА ПЛЮС

 

АНАЛИТИКА ПЛЮС — ваш надежный партнер по аналитическим решениям с 2012 года. Мы работаем, чтобы вы достигали поставленных целей. Чтобы ваши данные работали, приносили пользу, помогали вам зарабатывать и принимать стратегически правильные решения. Для достижения этого мы предоставляем нашу экспертизу и лучший стек технологий, гарантирующий как работоспособность вашего решения, так и наилучший процесс сбора, обработки и анализа данных, в том числе больших данных.

Наши клиенты сегодня:

1) Производство:

— Строительство и производство строительных материалов — КНАУФ Инсулейшн, Самолет Девелопмент, Эталон

— Пищевая промышленность — Сибирский Гурман и Балтика

— Производство кормов для животных — TitBit

— Целлюлозно-бумажная промышленность — ИЛИМ

— Фарминдустрия — Материа Медика

— Металлургия — РусАл, НорНикель

— Нефтедобыча и нефтепереработка — ЛУКОйл

2) Оптовые и розничные поставщики —ЭТМ

3) Аптечные сети — Монастырёв, Апрель

4) Российские представительства —Lindt & Sprüngli

5) Рекламные агентства —Родная Речь, Медиа Инстинкт

6) Телеком — МегаФон, Yota, Ростелеком

7) Логистика и транспорт — НефтеТрансСервис, Smartavia

8) Е-commerce — Авито, Яндекс, Профи.Ру, Рамблер, gifts.ru

 

Нам доверяют:

Хотите научиться работать с данными?

Академия Аналитики — онлайн-образовательный проект, который создан командой АНАЛИТИКА ПЛЮС для того, чтобы компании быстро и успешно внедряли решения для анализа данных, а их сотрудники профессионально росли.

Подробнее про обучение в Академии Аналитики и доступ на платформу онлайн обучения: https://analytikaplus.ru/akademiya-analitiki-videokursy/