ABC ja XYZ-analüüsi ülesanne. Kuidas aitab ühine ABC ja XYZ analüüs sind äriklientide kategooriates ABC müügis
Artem Emanuel
ABC-analüüs on üks kõige kättesaadavamaid meetodeid klientide tähtsuse järgi grupeerimiseks. Esiteks on see kasulik neile ettevõtetele, kus on raskusi andmetöötlusega spetsialistide poolt tarkvara. Algajate jaoks, kes aga esmakordselt selle meetodi abil müüki analüüsimise vajadusega kokku puutusid, tekitab see sageli palju küsimusi. Proovime välja mõelda, mis täpselt raskusteni viib ja kuidas neist üle saada.
Kiire analüüs
ABC-analüüs on üks meetoditest kliendibaasi järjestamiseks erineva erikaaluga rühmadesse, olenevalt ühest või teisest kriteeriumist. Kirjandusest võib kõige sagedamini leida näiteid ABC analüüsist nii füüsilises mõttes, käibes kui ka kasumis müügi osas.
Üks ABC analüüsi tõlgendamise võimalustest on Pareto diagramm. Fakt on see, et ABC analüüs põhineb Pareto põhimõttel, mis tähendab, et 20% pingutustest annab 80% tulemusest ja ülejäänud 80% pingutustest vaid 20% tulemusest. Kuid ABC analüüsi läbiviimisel jagatakse kliendid reeglina mitte kahte, vaid kolme rühma: A - 75%, B - 20% ja C - 5%. Kust need numbrid tulevad? "Pea pealt." Tegelikult võib selliste rühmade arv ja nendevahelised protsendid olla suvalised, nagu näeme allpool.
Küljendajale, kes on oma ala asjatundja, piisab sellisest klientide järjestamise tehnoloogiast olukorra üldiseks hindamiseks. konkreetne ettevõte. Kuid spetsialistile, kes alles alustab oma tutvust konkreetse turuga, võib sügavam analüüs olla kasulik. Meil oli võimalus seda oma kogemuste põhjal kontrollida. Selgitagem lühidalt raskusi, mis meil ja meie kolleegidel eelkirjeldatud meetodil analüüsi läbiviimisel tekkisid.
Esiteks, rühmade "A", "B" ja "C" katvuse protsendi suvalise muutmisega muutub nende koosseis, ja sageli olulisel moel. Kuidas sellega toime tulla, milliseid järeldusi teha ja milliseid soovitusi ettevõttele pakkuda, jääb arusaamatuks. Lisaks, kui kasutada "klientide olulisuse" hindamiseks gruppidesse jaotust, on esmapilgul väga raske aru saada, miks peaks grupp "A" panustama 75%, mitte aga näiteks 80%.
Teiseks, kui kasutame klientidelt laekumiste dünaamikat ajas analüüsimaks antud protsenti, võib selguda, et mõni sama stabiilse ostumahuga (või kasumiga) üksikklient jaguneb olenevalt perioodist erinevatesse rühmadesse.
Sellise olukorra näide on toodud tabelite nr 1 rühmas. Selles vaatleme kangamüüja tegelikku olukorda ja anname tema viie kliendi analüüsi mahuostude lõikes aastas. Samas “jagame” antud juhul ABC analüüsi tegemisel kliendid vahekorras 70:20:10.
Tabelite rühm nr 1
A) Kanga müügiandmed aja jooksul: lihtne klientide nimekiri
B) Kanga dünaamilised müügiandmed: järjestatud klientide nimekiri
C) Klientide esialgne jaotamine gruppidesse
Rühmad | 2000(meetrit) | 2001(meetrit) | 2002(meetrit) |
A – 70% | 2835 | 10 171 | 12 810 |
20% | 810 | 2906 | 3 660 |
C – 10% | 405 | 1453 | 1830 |
Milliste probleemidega me selles näites silmitsi seisame? Probleem üks: Olukorda dünaamikas analüüsides on võimatu kliente täpselt ühte või teise rühma seostada. Alates 2000. aastast moodustab "Klient #1" "A" rühma, kuid annab oma panuse ka "B" rühma osakaalu. Kuid järgmise kahe aasta jooksul annab klient nr 1 A-rühma väga väikese panuse, ehkki tal on positiivne müügikasv. Ebakindel on olukord “Kliendiga nr 2”: esimesel aastal langeb ta gruppi “B” ja kolmandal – “C”-gruppi, kuigi tema ostude maht ei ole muutunud.
Muidugi võite pöörata tähelepanu asjaolule, et 2001. aastal sai ettevõte uue kliendi - "Klient nr 5", mis mõjutas oluliselt olukorra joondamist. Seetõttu võite proovida lahendada rühmade "migratsiooni" probleemi, analüüsides eraldi vanu ja uusi kliente, kuid isegi see võimaldab lahendada olemasoleva probleemi ainult osaliselt.
Probleem number kaks: kui meil on näiteks vaja analüüsida klientide ajalugu ja müügi ja kasumi osas ning nõuete tagasimaksmise osas, siis me ei saa seda teha. Antud näite puhul on võimatu analüüsida kliente korraga mitme parameetri järgi, kuigi selline mitme muutujaga analüüs on klientide kompetentse rühmadesse jagamise olemus.
Seega on meie kirjeldatud võimalus järjestada kliente kindla katvuse protsendi järgi optimaalne, kui meil on vaja kliente analüüsida ühe perioodi jooksul. Kuid dünaamika näitajate analüüs on sel juhul keeruline.
Kuidas ülalkirjeldatud raskustest üle saada? See on võimalik, kui gruppidesse jaotamise aluseks võtta mitte etteantud protsenti, vaid füüsilises mõttes fikseeritud tootmismahtu. Läheme tagasi meie näite juurde. Oletame, et tahame, et gruppi A kuuluksid kliendid, kelle aastane ostumaht ületab 1000 m, rühma B kuuluvad kliendid, kelle ostude maht on 100 kuni 999 m, ja gruppi C kuuluvad kliendid, kes ostavad alla 100 m m kangast.
Seejärel läheb 2000. aasta tulemuste järgi klient nr 1 gruppi A, kliendid nr 2 ja nr 3 gruppi B ning klient nr 4 gruppi C. Nagu näete, kõrvaldas see klientide jaotamise võimalus probleemi, mis seisnes suutmatuses selgelt kindlaks teha, millisesse rühma klient kuulub. Samuti puudub probleem kliendi "üleminekuks" ühest grupist teise ilma reaalse müügimuutuseta. Kuid tekivad mitmed muud raskused. 2001. aastal kuulusid rühma "A" kliendid nr 1 ja nr 5, rühma "B" - nr 2, nr 3 ja nr 4. 2002. aastal olid kliendid nr 4, nr 1 ja nr 5 A-grupis ning kliendid nr 3 ja nr 2 B-grupis. Kuidas on see mõjutanud meie rühmade protsentide jaotust? Andmed on toodud tabelis nr 2.
Tabel number 2. Kanga müügiandmed ja klientide pingerida fikseeritud ostumahtude alusel
2000 | 2001 | 2002 | ||||||
Klient 1 | 3000 | AGA | Klient 5 | 10 000 | AGA | Klient 5 | 12 000 | AGA |
Klient 2 | 700 | AT | Klient 1 | 3200 | AGA | Klient 1 | 3800 | AGA |
Klient 3 | 300 | AT | Klient 2 | 700 | AT | Klient 4 | 1000 | AGA |
Klient 4 | 50 | FROM | Klient 3 | 450 | AT | Klient 3 | 800 | AT |
Klient 5 | 0 | Klient 4 | 180 | AT | Klient 2 | 700 | AT | |
Kokku: | 4050 | 14 530 | 18 300 | |||||
protsenti | protsenti | protsenti | ||||||
AGA | 74% | AGA | 91% | AGA | 92% | |||
AT | 25% | AT | 9% | AT | 8% | |||
FROM | 1% |
Võttes gruppide piirideks sisse kindla ostusumma, näeme, kui oluliselt iga grupi panus aastate lõikes erineb. Samas saab analüüsi jaoks kriitilise tähtsusega ostude baasmahtude määramine, millest lähtutakse klientide gruppidesse jagamisel.
Sügav analüüs
Eelmises jaotises kirjeldatud meetod on hea kliendi dünaamika kiireks ja pealiskaudseks analüüsiks. Oletame, et peame nägema, kuidas on klientide struktuur vastavalt antud parameetrile (näiteks müügimaht) mitme aasta jooksul muutunud. Kõigepealt analüüsime eelmisel aastal vastavalt esimesele meetodile, st lähtudes kindlaksmääratud rühma katvuse protsendist (70:20:10). Seejärel analüüsime rühma "A" ja valime müügi baasmahu. Meie puhul võeti baasperioodiks 2000. aasta ning klientide põgusa analüüsi põhjal jõudsime järeldusele, et 1000 ja 100 meetrised müügimahud on kriitilised.
Ja lõpuks teostame partitsiooni, kasutades kõigi aastate jooksul soovitud parameetri valitud kriitilist väärtust (toodud näites on see müügimaht reaalväärtuses). On näha, et grupp "A" suurendas oluliselt oma panust ettevõtte müügis.
Muide, sama analüüsi saab teha ka lisaparameetreid “uus klient”, “vana klient”, “kadunud klient” ja “naasev klient” arvesse võttes. Kuid me räägime sellest veidi hiljem. Seniks aga vaatame, kuidas saad paremusjärjestuse kvaliteeti parandada, kui kriitiliste väärtuste valikut põhjendad.
Pakume selle probleemi lahendamiseks üht lihtsaimat ja intuitiivsemat viisi – jagame kliendid kvartiilide abil. Ja teeme seda ettevõtte 22 kliendi juhusliku valimi näitel (andmed on toodud tabelite rühmas nr 3).
Tabelite rühm nr 3.
A) Algandmed: müük klientide poolt
Klient | Ostude maht (meetrites) |
| 30000 |
| 7000 |
| 5000 |
| 3600 |
| 2300 |
| 1000 |
| 860 |
| 700 |
| 680 |
| 620 |
| 590 |
| 510 |
| 470 |
| 350 |
| 320 |
| 250 |
| 200 |
| 180 |
| 170 |
| 170 |
| 140 |
| 50 |
Kokku | 55160 |
B) Väärtuste jaotus
Intuitiivselt võite eeldada, et läviväärtused on 1000 ja 10 000.
Kontrollime. Arvutame heitkogused järgmise valemi abil:
Outlier = "ülemine kvartiil" + 1,5 * (ülemine kvartiil – alumine kvartiil) = 2093,75.
See tähendab, et kõik 2093,75 ületavad arvud on kõrvalekalded.
Sel juhul ei huvita meid väiksemad heitkogused. Praktikas jäetakse neid sageli tähelepanuta, kuna:
Alumine valik = alumine kvartiil – 1,5 * (ülemine kvartiil – alumine kvartiil) = – 410.
C) Arvestame müüki klientidele, kes on kõige kõrgemad
D) Klientide lõplik jaotus
Grupp | Klient | Müük | Müük gruppide kaupa | Protsent |
AGA | Klient 1 | 30000 | ||
30000 | 54% | |||
AT | Klient 9 | 7000 | ||
Klient 2 | 5000 | |||
Klient 10 | 3600 | |||
Klient 17 | 2300 | |||
17900 | 32% | |||
KÄTTE: | Klient 3 | 1000 | ||
Klient 18 | 860 | |||
Klient 11 | 700 | |||
Klient 7 | 680 | |||
Klient 21 | 620 | |||
Klient 8 | 590 | |||
Klient 16 | 510 | |||
Klient 20 | 470 | |||
Klient 19 | 350 | |||
Klient 14 | 320 | |||
Klient 4 | 250 | |||
Klient 12 | 200 | |||
Klient 6 | 180 | |||
Klient 13 | 170 | |||
Klient 16 | 170 | |||
Klient 5 | 140 | |||
Klient 15 | 50 | |||
7260 | 13% |
Mõned selgitused arvutuste jaoks. Ülaltoodud klientide nimekiri on sorteeritud vastavalt ostude mahu vähenemisele. Seejärel määratakse antud näitajate jaoks: keskmine väärtus, mediaan, alumine ja ülemine kvartiil. Kõiki neid arvutusi saab teha Microsoft Exceli standardsete funktsioonidega QUARTILE ja AVERAGE.
Kui vaatate loendist lühidalt väärtusi, võite soovitada jagada kliendid rühmadesse vastavalt järgmisele põhimõttele:
- A-rühm - alates 10 000 m,
- B-rühm - 1000 kuni 9000,
- C-rühm - alates 999 ja alla selle.
Nüüd loendame valikud ja saame, et ülemise valiku kriitiline väärtus on (ümardatud) arv 2094. Tänu sellele arvutusele saame esmalt jagada kliendid kahte rühma: esimesse kuuluvad need, kelle ostumaht on suurem kui määratud väärtus, teine - need, mille maht allpool. Ülaltoodud näites annab esimene rühm 87% kogu müügist füüsilises mõttes (kogumüük on 55 160 meetrit ja esimene rühm moodustab neist 47 900). Möödaminnes märgime, et selline olukord on tüüpiline kaubaturgudele ja tarbekaupade turgudele.
Mis nüüd? Edasise analüüsi läbiviimine sõltub eesmärkidest. Üldiselt on kaks teed. Esimesele vastuvõetud rühmale saate helistada rühmaks "A" ja ülejäänud vajadusel jagada veel kaheks rühmaks - see on juba subjektiivne otsus. Ja te saate jällegi analüüsida saadud heitkoguseid kvartiilide abil, nagu me tegime. Mõnel juhul annab see väga kasulikke andmeid. Näiteks meie puhul tõsteti esile üks klient, kelle müügimaht on kõigist teistest väga erinev (vt tabelid 3-C ja 3-D).
Analüüsi tulemuste järgi näeme, et gruppi "A" sisenes ainult üks klient. Kui me praktikas sellise olukorraga kokku puutume, siis püüame alati aru saada, kust selline klient tuli, kes panustab müügisse lausa 54% ja moodustab tegelikult terve grupi. Alustuseks soovitame tutvuda algandmetega ja kontrollida, kas seal on viga.
Kuid sel juhul on kõik lihtsam. Meie võetud kaubaturu tegevuse eripära on see, et sellel on tõepoolest väike klientide grupp, mis annab ebaproportsionaalselt suure panuse müüki. Pange tähele, et antud juhul on tegemist väikese, 280-st ettevõtte kliendist koosneva valimiga, kuid tegelikult on selliseid suurkliente nagu A-grupis 7 ja nende panus käibesse on 88 protsenti.
Kuna kvartiilide ja kõrvalekaldeid kasutav analüüs aitab tuvastada kliente, kelle müügimaht erineb oluliselt üldgrupist, võimaldab selle meetodiga uuesti analüüs tuvastada kliente, kellega tuleb VÄGA hoolikat kohtlemist. Praktikas analüüsime sageli uuesti kvartiilide abil, et eraldada kliendid spetsiaalsesse VIP-rühma, mille lisame traditsioonilistele A-, B- ja C-kategooriatele.
Nüüd läheme kaugemale. Tänaseks oleme läbi viinud üldine analüüs klientide panus müüki. Nüüd vaatleme kolme aasta klientide valimit ja analüüsime näitajaid dünaamikas (andmed on toodud tabelite rühmas nr 4).
Tabelite rühm nr 4
A) Müüginäitajad dünaamikas, lähteandmed
Klient | 2000 (m) | 2001 (m) | 2002 (m) |
Klient 1 | 30000 | 35000 | 32000 |
Klient 10 | 3600 | 2800 | |
Klient 11 | 700 | 650 | 8000 |
Klient 12 | 200 | 600 | |
Klient 13 | 170 | 350 | 240 |
Klient 14 | 320 | 2000 | 600 |
Klient 15 | 50 | ||
Klient 16 | 510 | 600 | 800 |
Klient 16 | 170 | 4000 | 7000 |
Klient 17 | 2300 | 500 | 410 |
Klient 18 | 860 | 710 | 950 |
Klient 19 | 350 | 1100 | 980 |
Klient 2 | 5000 | 15000 | |
Klient 20 | 470 | 800 | 970 |
Klient 21 | 620 | 250 | 270 |
Klient 22 | 2500 | 3200 | |
Klient 23 | 520 | 680 | |
Klient 24 | 1700 | 2200 | |
Klient 25 | 150 | ||
Klient 26 | 270 | 530 | |
Klient 27 | 40 | 150 | |
Klient 28 | 6800 | 9400 | |
Klient 29 | 380 | 570 | |
Klient 3 | 1000 | 460 | 980 |
Klient 30 | 710 | ||
Klient 4 | 250 | 350 | 410 |
Klient 5 | 140 | 270 | 250 |
Klient 6 | 180 | 560 | |
Klient 7 | 680 | 240 | 950 |
Klient 8 | 590 | 280 | |
Klient 9 | 7000 | 6800 | 9400 |
Kokku | 55160 | 83030 | 84300 |
Märge. Näib, et klientide aastate lõikes rühmitamises on selge lahknevus, kui seda teha iga üksiku aasta kvartiilide analüüsi põhjal. Aastal 2000 langevad kõik kliendid, kelle ostumaht on üle 3000 m, rühma "B" ja 2001. aastal - need, kelle müügimaht on üle 4000 m. Kuid see on ainult esmapilgul.
Alustuseks kontrollime klientide rühmadesse jagamise piisavust. Selleks viime läbi ülalkirjeldatud analüüsi iga aasta kohta eraldi.
B) Kvartiilid ja kõrvalekalded: analüüs aastate kaupa
C) Järjestus rühmade kaupa
Klient | 2000 | Grupp | 2001 | Grupp | 2002 | Grupp |
Klient 1 | 30000 | AGA | 35000 | AGA | 32000 | AGA |
Klient 9 | 7000 | AT | 6800 | AT | 9400 | AT |
Klient 28 | 6800 | AT | 9400 | AT | ||
Klient 11 | 700 | FROM | 650 | FROM | 8000 | AT |
Klient 16 | 170 | FROM | 4000 | AT | 7000 | AT |
Klient 22 | 2500 | FROM | 3200 | FROM | ||
Klient 10 | 3600 | AT | 2800 | FROM | ||
Klient 24 | 1700 | FROM | 2200 | FROM | ||
Klient 19 | 350 | FROM | 1100 | FROM | 980 | FROM |
Klient 3 | 1000 | FROM | 460 | FROM | 980 | FROM |
Klient 20 | 470 | FROM | 800 | FROM | 970 | FROM |
Klient 18 | 860 | FROM | 710 | FROM | 950 | FROM |
Klient 7 | 680 | FROM | 240 | FROM | 950 | FROM |
Klient 16 | 510 | FROM | 600 | FROM | 800 | FROM |
Klient 23 | 520 | FROM | 680 | FROM | ||
Klient 14 | 320 | FROM | 2000 | FROM | 600 | FROM |
Klient 29 | 380 | FROM | 570 | FROM | ||
Klient 6 | 180 | FROM | 560 | FROM | ||
Klient 26 | 270 | FROM | 530 | FROM | ||
Klient 17 | 2300 | AT | 500 | FROM | 410 | FROM |
Klient 4 | 250 | FROM | 350 | FROM | 410 | FROM |
Klient 21 | 620 | FROM | 250 | FROM | 270 | FROM |
Klient 5 | 140 | FROM | 270 | FROM | 250 | FROM |
Klient 13 | 170 | FROM | 350 | FROM | 240 | FROM |
Klient 27 | 40 | FROM | 150 | FROM | ||
Klient 2 | 5000 | AT | 15000 | AT | ||
Klient 30 | 710 | FROM | ||||
Klient 12 | 200 | FROM | 600 | FROM | ||
Klient 8 | 590 | FROM | 280 | FROM | ||
Klient 25 | 150 | FROM | ||||
Klient 15 | 50 | FROM |
D) Iga rühma panus müüki:
2000 | 2001 | 2002 | |
Müük kokku | 55160 | 83030 | 84300 |
Klientide arv | 22 | 28 | 25 |
2507,273 | 2965,357 | 3372 | |
A-rühm | |||
30000 | 35000 | 32000 | |
54% | 42% | 38% | |
Klientide arv | 1 | 1 | 1 |
% kõigist klientidest | 5% | 4% | 4% |
Keskmine müügimaht 1 kliendi kohta | - | - | - |
- | - | - | |
Variatsioonikoefitsient | - | - | - |
B-grupp | |||
Grupi müügimaht aastal | 17900 | 32600 | 33800 |
% kogumüügist | 32% | 39% | 40% |
Klientide arv | 4 | 4 | 4 |
% kõigist klientidest | 18% | 14% | 16% |
Keskmine müügimaht 1 kliendi kohta | 4475 | 8150 | 8450 |
S (selle rühma standardhälve) | 2012,254 | 4753,595 | 1170,47 |
Variatsioonikoefitsient | 45% | 58% | 14% |
Rühm C | |||
Grupi müügimaht aastal | 7260 | 15430 | 18500 |
% kogumüügist | 13% | 19% | 22% |
Klientide arv | 17 | 23 | 20 |
% kõigist klientidest | 77% | 82% | 80% |
Keskmine müügimaht 1 kliendi kohta | 427,0588 | 670,8696 | 925 |
S (selle rühma standardhälve) | 1013,346 | 613,4471 | 840,0407 |
Variatsioonikoefitsient | 237% | 91% | 91% |
Mida me oleme teinud? Analüüsi algandmetena võtsime taas kolme aasta kangaste reaalse müügi. Kui mõne kliendi ostuteave ei ole konkreetse aasta kohta saadaval, tähendab see, et nad ei ostnud sel perioodil midagi.
Tabelis 4-B on esitatud kliendianalüüsi andmed kvartiilide ja hinnavahede kaupa iga aasta kohta eraldi. Mida saab öelda müügi dünaamika kohta ilma uusi, vanu, kadunud ja naasvaid kliente analüüsimata? Kui vaatame müügimahtusid, siis näeme 2001. aastal järsku kasvu võrreldes 2000. aastaga ja umbes samal tasemel 2002. aastal. Kui aga võrrelda kolme aasta heitkoguseid nr 1 ja nr 2, siis näeme, et nende dünaamika erineb üldisest. müügitulemused. See viitab olulistele muutustele ettevõtte klientide struktuuris (emissioonid nr 2 esimesel ja kolmandal perioodil on peaaegu samad ning teisel tõusevad järsult).
Kui töötate sellise suhteliselt väikese andmevahemikuga, nagu selles näites, on sellist trendi lihtne palja silmaga tuvastada, isegi ilma kvartiilide dünaamikat analüüsimata. Kui aga teie klientide nimekiri on sadades, saate kasutada meie soovitatud lihtsat lähenemist, et kiiresti hinnata oma kliendibaasi sisemisi muutusi erinevatel perioodidel.
Tabeli nr 4-D andmeid on huvitav üksikasjalikumalt käsitleda. Sellest näeme, et selle näite puhul on rühma "A" kaasatud ainult 1 klient. See ei ole tüüpiline olukord ja nagu varem selgitatud, tekkis see seetõttu, et kasutame tooraineettevõtte reaalsetest andmetest võetud näidiseid ning grupeerime kliendid gruppidesse, kasutades kõrvalekallete reanalüüsi. Kui selline olukord praktikas peaks tekkima, siis selline klient (või väga väike hulk kliente, kes ületavad oluliselt põhigrupi müügimahtu) on kasulik eraldi kaaluda, kelle juurde tagasi pöördume.
Lisaks saame tabelist nr 4-D järeldada, et grupi "C" panus kogu müügimahusse kasvab järk-järgult, kuigi viimase kahe aasta dünaamika on ebaoluline ja klientide arv ei muutu. . tõuseb ja keskmine suurus oste, kuigi siin kahel viimasel perioodil on kasv tühine.
Kui vaadata standardhälbe ja variatsioonikoefitsiendi väärtusi, siis võib järeldada, et 2002. aastal on grupp "B" ostude osas üsna homogeenne ning 2001. aastal on grupisisene müügi levik kõige tugevam. Sellest lähtuvalt saame teha kaks eeldust: kas meil on tegemist erinevate kliendisegmentidega või on tegemist meie ettevõtte erinevate tulemustega selle klientide rühmaga. Tulevikku vaadates ütleme, et lõpliku järelduse tegemiseks peame läbi viima veidi teist laadi analüüsi, mida käsitleme hiljem.
C-grupis on olukord teine. Selle grupi sees on müüginäitajad oluliselt erinevad. Ühest küljest võib see viidata sellele, et klientide rühmadesse jaotamine on tehtud valesti. Kuid kui oleme kindlad edetabeli õigsuses, võime väita, et selle segmendi kliendid erinevad üksteisest oluliselt. Selle müügipanuse dünaamika on positiivne, kuid sellist selget seost klientide arvuga ei ole.
Seega on klientide kõige täielikuma analüüsi jaoks kasulik ühendada kõik kolm ülalkirjeldatud lähenemisviisi: esimene põhineb etteantud protsendil panusel gruppi, teine põhineb antud panusel absoluutarvudes, kolmas põhineb jaotuse analüüsil, kasutades kvartiile. Detailidesse laskumata ütleme vaid, et viimane klientide jagamise variant sobib hästi klientide dünaamika suhteliseks analüüsiks, kuid seda ei saa kasutada klientide gruppidesse liigitamiseks, et kasutada neid klientide “olulisuse” indikaatoritena.
Tuleb arvestada, et kõrvalekallete kordusanalüüs võib moodustada väga väikese kliendigrupi. Siis on kasulik see eraldada eraldi VIP-rühmaks ja ülejäänud osa veidi teistmoodi jagada. Tavaliselt, kui kõrvalekallete uuesti analüüsimisel saadakse väga väheste klientidega rühm, on müügikombinatsioon väga heterogeenne. Neid kliente tuleks eraldi käsitleda ja analüüsida, miks selline olukord tekkis. Väga sageli võib see viidata sellele, et ettevõte on “kasvanud üles” uude etappi - töötama väga suurte klientidega ja see VIP-grupp erineb oluliselt kõigist varasematest klientidest.
Muidugi on võimalikud ka muud variandid. Üldjuhul tuleks seda rühma veel kord eraldi käsitleda. Sel etapil on meil ainult kaks põhirühma. Esimene neist on rühm “A”, mille tõstsime heiteanalüüsi põhjal välja esmakordselt. Ülejäänud "alumise" grupi kaheks "lõhkumiseks" on kasulik vaadata, millist panust müüki juba annab. valmis grupp"AGA". Kui grupp "A" hõivab müügistruktuuris üle 70%, siis on kasulik proovida ülejäänud grupp jaotada nii, et kliendid "B" hõivaksid 20-25%.
Siin on probleem, mida me pole veel puudutanud. Oletame, et teil on nimekiri:
- Klient 1 – 800
- Klient 2 - 750
- Klient 3 – 600
- Klient 4 – 550
- Klient 5 – 500
- Klient 6 – 450
- Jne.
Sellises olukorras on erinevus iga kliendipaari vahel väga väike. Ja kui me ütleme, et kliendid vahemikus 1 kuni 3 on rühm "B" ja allpool - "C", siis ei saa aru kliendi 4 ja 3 vahel. Miks on neljas juba rühm "C" ja 3. ka sisse"? Probleem on tõesti tõsine, sest eeldatakse, et klientide poolitamine toimub põhjusega. Lisaks, jagades kliente rühmadesse, kohtlete neid erinevalt ja pakute neile erinevaid töötingimusi. Võimalik väljapääs olukorrast on täiendavate kliendiandmete lisamine analüüsi. Üldiselt peaksid need andmed pärinema turundusosakonnast ja esindama klientide segmentideks jagamise kriteeriume.
See lähenemisviis on sageli kasulik. Kahe täiendava kriteeriumina saate sisestada oma toote kliendi potentsiaalse tarbimismahu (hinnangulise perioodi kohta) ja tema seotuse tööstusharuga. See valik on eriti hea, kui müüte toorainet või kulumaterjale ehk tooteid, mida sama klient oma tootmises pidevalt kasutab. Siis saavad ettevõtte juhid hinnata selle kliendi ligikaudseid müügimahte ja pealegi oskavad nad üsna täpselt oma tegevusala ära näidata.
Nende kahe lisaparameetri kasutuselevõtul on piirang: kui iga müügijuht töötab sadade klientidega, siis on sellise info hankimine keeruline. Teise võimalusena võite paluda neil esitada potentsiaalsed müügiandmed ainult nende klientide kohta, kes saavad osta palju, kuid tegelikult ostavad teilt vähe. Kuid see on veidi erinev analüüs.
Tegelikult on suur tõenäosus, et pärast klientide JUBA TEHTUD MÜÜKIDE alusel gruppidesse jagamist - olgu selleks kasum, rahaline või mitterahaline käive - teete ühe suure ebatäpsuse. Sinu klientide seas on ju seltskond, kes ostab sinult VÄHE, aga tarbib TÕESTI palju. See kehtib eriti nende tööstusharude kohta, kus toodete eristamise võimalused on väikesed, näiteks samad toorained.
Mida kõrgem on tooraine kaubaks muutmise aste, seda pakilisem on probleem. Näiteks kui kauplete kaubaga, on see probleem eriti terav. Sellega seoses soovitame siiski läbi viia sellise analüüsi, kus analüüsikriteeriumiks on see, mil määral teie toode katab kliendi vajadusi. Selle analüüsi osana peate iga kliendi jaoks arvutama suhte, mis saadakse teie toote müügimahu jagamisel sellele kliendile kliendi koguvajadusega selle toote järele.
Näide. Oletame, et müüte paberit trükikodadele. Kui müüsite printerile 100 tonni paberit aastas ja nende nõudlus on 1000 tonni aastas, siis on kattekordaja 0,1. See tähendab, et pakute kliendile 10% tema tootevajadustest. Miks nii? Tasub mõelda. Võib-olla ei esinda see klient ettevõtte peamist sihtsegmenti (siis tasub analüüsida sellesse segmenti sisenemise väljavaateid) või võib-olla on see müügiteenistuse ebaefektiivse töö näitaja.
Väga sageli tekib sellise analüüsi tegemisel probleem – kust saada andmeid klientide tegelike vajaduste kohta? Lühike vastus sellele küsimusele on see, et kui teie müügiosakonnas on professionaalid, PEAVAD nad teadma oma klientide tegelikke vajadusi. Punkt.
Teeme ülaltoodu kokkuvõtte. Esimesel etapil ABC analüüs on vaja valida hindamiskriteeriumid. See võib olla üks lihtne kriteerium (näiteks kasum) või mõni üldistatud näitaja. Milliste kriteeriumide alusel analüüsi aluseks võtta, on teie otsustada. Kuid just sellest sõltub lõppanalüüsi tulemusena tehtud järelduste praktiline kasulikkus.
Näiteks olukordades, kus müügijuhid saavad kindla protsendi käibest ning ettevõtte jaoks on oluline lühiajaline kasum, ei pruugi juhtide antud hinnangud klientide olulisusele vastata organisatsiooni eesmärkidele. Tihti juhtub, et juhil on oluline lihtsalt võimalikult palju lepinguid sõlmida ning ta avaldab juhtkonnale survet ja survet, nõudes hindade langetamise võimalust, andes edasilükkamisi jne. Laskumata aruteludesse selle üle, kui vastuvõetav see olukord on, märgime, et sel juhul võib olla kasulik analüüsida kliente "kasumi" kriteeriumi alusel. Esiteks aitab see paremini mõista, millised kliendid tegelikult suhtumist muutma peavad (ilma juhtide subjektiivsele arvamusele tuginemata). Teiseks võib see olla aluseks juhtide tasustamisskeemi väljatöötamisele, mis sobib paremini ettevõtte eesmärkidega.
Nagu juba märkisime, on turundajatel võimalus kasutada ka mõnda kliendiväärtuse lahutamatut kriteeriumi, mis hõlmab kõiki teisi. Oletame, et peate üheaegselt arvestama nii kasumit kui käivet ja nõuete tagasimaksmise kiirust. Selleks määrake igale kriteeriumile kaalutegur ja sisestage arvutuste jaoks üldistatud näitaja.
Alustamine analüüsi teise etappi, on oluline mõista, mida soovite väljundina saada. Kui teil on vaja analüüsida ühe perioodi andmeid, siis piisab lihtsa protsendimeetodi kasutamisest. Kasutage enesekontrolliks iga rühmasisese näitajate jaotuse lisaanalüüsi, see võimaldab teil näha, kui hästi on valitud aktsiate jaotuse protsendid.
Olgu kuidas on, aga see rühmitamine üksi ei anna teile tõenäoliselt olulisi tulemusi, mida saaks praktikas rakendada. Seetõttu tuleb ühe perioodi analüüsi täiendada sama analüüsiga klientide hõlmatuse astme järgi, samuti hinnanguga valdkonna ja juhtide kontekstis. Sellest tulenevalt tuleks lihtsat protsendianalüüsi täiendada veel kolme-neljaga.
Üldiselt võib öelda, et ABC analüüsi raames on neid mitmeid nõutavad tüübid paremusjärjestus:
- Üldanalüüs, protsentuaalne meetod. Vaatate mitut rühmitamise võimalust - 75%, 20%, 5%. 80, 15, 5. 70, 25, 5 jne. kuni 80, 20. Iga rühma jaotuse ja varieeruvuse ning kaine mõistuse analüüs ütleb teile, milline variant on teie olukorra jaoks kõige sobivam. Kas tulemused on rahuldavad? Imeline. Siis ei pea te sellele rohkem aega kulutama. Kas vajate põhjalikumat andmete analüüsi? Liigu edasi.
- Proovige tippida "Tööstus" parameeter. Vaadake, kas on tööstusharusid, mis kuuluvad ainult rühma "C"? Ainult A-s? Sellele tasub mõelda. Kas sellist pole? Kas kõik tööstusharud on jaotunud ligikaudu võrdselt? Kas sa suudad end hästi eristada? Tehke analüüs iga majandusharu kohta eraldi.
- Saate siseneda Valik "Haldur". Kas on juhte, kelle müük on koondunud ainult rühma "C"? Ainult A-s? Kaaluge seda. Kas selline sõltuvus on olemas? Tehke analüüs iga juhi kohta eraldi. Jaotage kliendid kõigi jaoks samamoodi nagu iga valdkonna jaoks. See aitab kontrollida, kuidas juhtide poolt klientidele seatud prioriteedid on kooskõlas ettevõtte eesmärkidega.
- Andmeid pole ikka veel piisavalt? Tehke kõik need analüüsid klientide katvuse protsendi kohta. Selleks paluge juhtidel hinnata teatud perioodi kliente teie omaga sarnase toote vajaduse järgi. (Või kasutage saadaolevaid andmebaase).
- Kui soovite näha klientide dünaamikat, siis tehke esmalt ülaltoodud iga perioodi üldine analüüs. Keskmiste näitajate dünaamika, klientide arv, iga grupi panus ja variatsioonikoefitsient võivad palju öelda selle kohta, kuidas teie müük muutub.
- Kui soovite minna sügavamale variatsioonianalüüs saab teha ametitele ja juhtidele või nii kaubandusele kui ka juhatajale koos. Näiteks näete, et enamik kliente tööstusest "X" on rühmas "A". Kuid selles valdkonnas on kliente, kes kuuluvad C-rühma. Võib-olla töötab nendega mõni konkreetne inimene?
- On loogilisem lähenemine – koosta jaotused mitte protsentuaalse meetodi alusel, vaid füüsilises mõttes müüdud toodete arvu kõigi perioodide antud summa alusel (saate kasutada rahalises mõttes, kuid neil on oma puudus - teid piinatakse inflatsiooni korrigeerimise, vahetuskursside jne pärast). Siin valite igale kliendirühmale teatud kriitilise väärtuse, mille ületamine võimaldab omistada kliendi antud rühmale.
Olge lävendite valikuga ettevaatlik. Näiteks kui liigitate kliendid, kes müüvad aastas rohkem kui 100 ühikut, gruppi A, kliendid, kes ostavad 10 kuni 99 ühikut rühmas B, ja kliendid, kes ostavad vähem kui 10 ühikut rühmas C, võib see olla üsna keeruline. selgitada, miks klient mahuga 99 ühikut on grupp "B" ja mahuga 100 - juba "A".
Mida teha? See on viis alustada. Võtke analüüsi aluseks esimese vaadeldava perioodi andmed (st kui soovite analüüsida viie aasta - 2001, 2002, 2003, 2004 ja 2005 - müüki, alustage 2001. aastast). Proovige neid andmeid analüüsida ülalkirjeldatud meetoditega (protsendid ja kvartiilid). Teie eesmärk on tuvastada kriitilised punktid klientide rühmadesse jagamisel. Pidage meeles, et kui kasutate kvartiile, aitab see teil kliendid kahte rühma jagada. Kasulik on määrata ülemine rühm "A" ja ülejäänud kliendid käsitsi jagada "B" ja "C".
On veel üks variant . Vaadake väärtuste järjekorda, mis määrab suurima kliendi ostud. Oletame, et see on 567 300 toodanguühikut. Järgmisena koostage soovituslik müügihistogramm. Kui kliente on vähemalt 5-10% sama tellimuse mahuga - antud juhul alates 100 000 ja rohkem, on see rühm "A". Järgmiseks otsige kliente, kelle mahud on suurusjärgu võrra väiksemad. Sel juhul on see vahemikus 10 000 kuni 99 000. Kui selliseid kliente on 50 kuni 80%, on teil rühm "B". Ülejäänud kliendid moodustavad "C" rühma.
- Pärast kriitiliste väärtuste kindlaksmääramist klientide rühmadesse jagamiseks, analüüsida kõigi vaadeldavate perioodide kohta ja iga kliendi puhul märkige tööstusharu ja juht, kellega nad töötavad. Lisaks sisestage iga kliendi kohta veel üks tunnus kõigi perioodide kohta: "uus klient", "vana klient", "kadunud klient" (kui ta ühel perioodil ei sooritanud ühtegi ostu) ja "naasev klient".
Iga perioodi kohta arvutage välja ka ostude kogumaht, keskmine ostumaht, klientide arv ja variatsioonikoefitsient. Tehke sama iga rühma jaoks igal perioodil. Vaatamata näilisele keerukusele, isegi tavalise Exceli kontoriprogrammi kasutamisel ei võta need toimingud nii palju aega. Selle tulemusena peaksite saama tabeli, mis sarnaneb tabeliga number 5.
Tabel number 5: kokkuvõte (näide)
Toode | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2005 vs 2004 |
Kaadrid (kaal jne) | |||||||
Lahtrite koguarv | |||||||
kolmapäeval | |||||||
S | |||||||
Coef. Variatsioonid | |||||||
Kliendid A | |||||||
Kaadrid (kaal jne) | |||||||
Kogus | |||||||
% kogumassist | |||||||
% klientidest | |||||||
kolmapäeval | |||||||
S | |||||||
Coef. Variatsioonid | |||||||
Kliendid B | |||||||
Kaadrid (kaal jne) | |||||||
Kogus | |||||||
% kaalust | |||||||
% klientidest | |||||||
kolmapäeval | |||||||
S | |||||||
Coef. Variatsioonid | |||||||
Kliendid C | |||||||
Kaadrid (kaal jne) | |||||||
Kogus | |||||||
% kaalust | |||||||
% klientidest | |||||||
kolmapäeval | |||||||
S | |||||||
Coef. Variatsioonid | |||||||
Kliendi dünaamika | |||||||
Uus | |||||||
vana | |||||||
Lahkus | |||||||
Dünaamika A | |||||||
Uus A | |||||||
Lahkus A (eelmine aasta) | |||||||
Vana A | |||||||
Dünaamika B | |||||||
Uus sisse | |||||||
Lahkus B (eelmine aasta) | |||||||
Vanem V | |||||||
Dünaamiline C | |||||||
Uus C | |||||||
Lahkus C (eelmine aasta) | |||||||
Vana C | |||||||
Kasv | |||||||
CA | |||||||
CB | |||||||
BA | |||||||
Sügis | |||||||
AB | |||||||
AC | |||||||
eKr | |||||||
Unism | |||||||
AA | |||||||
BB | |||||||
CC |
Tabeli selgitused:
1. Väljale, mida siin nimetatakse "kaadriteks", märgite kõigi klientide ostumahu füüsilises mõttes (see võib olla toodanguühikute arv tükkides, tonnides, kg, meetrites jne).
2. Määrake iga perioodi kohta klientide koguarv, keskmine ostumaht kliendi kohta, standardhälve ja variatsioonikoefitsient.
3. Tehke sama iga rühma jaoks eraldi.
4. Väljadele "dünaamika" märkige iga grupi klientide liikumine (kui palju kliente selles grupis tuli, lahkus, kaotas või tagastati). Soovi korral saab neid andmeid täiendada müügimahtude infoga. See annab teile võimaluse näha, kuidas kliente säilitate.
5. Väljadele "kasv", "langus" ja "seisev" märgite klientide liikumist grupist gruppi. Sel juhul arvestatakse AINULT eelmise aastaga võrreldes vanu kliente. Siit saate teavet selle kohta, kuidas muutub teie juures vähemalt kaks aastat viibivate klientide ostude mahu dünaamika. Tegelikult on need väljad üksikasjalikum analüüs klientide kohta, kes moodustavad "dünaamiliste" väljade välja "Vana".
Samad tabelid saab teha eraldi nii tööstustele ja juhtidele kui ka mõlemale korraga. Lisaks neile saate kasutada mis tahes makro- ja mikronäitajaid, mis teile sobivad – alates klientide geograafiast kuni toodete kavandatud kasutuse astmeni. Lisaks on kasulik analüüsida iga aasta klientide katvust. Siin on ainult see, et A-grupi klientideks saavad need, kellel on minimaalne kattekordaja, sest just neile tuleks tähelepanu pöörata. Tegelikult on kasulik edasisi toiminguid läbi viia müügiosakonna juhi ja turundusosakonna juhi ühiselt.
Seega saab saadud andmete põhjal teha järeldusi klientide segmenteerimise kirjaoskuse kohta või otsida segmenteerimiseks üksteisega sarnaseid kliendirühmi. Lisaks saab vaadata ettevõtte efektiivsust valdkonna, geograafia ja muude tunnuste lõikes ning teha ühisanalüüsi. Eraldi analüüs gruppide kaupa võimaldab mõista suurte, keskmiste ja väikeklientide dünaamikat ning uute ja vanade klientide analüüs aitab näha toimuvast realistlikumat pilti. Võimalike arvutuste loogika anname teises näites (tabelite rühm nr 6).
Tabel nr 6
A) Müügi koondtabel dünaamikas, jaotatuna tegevusalade, juhtide ja kliendikategooriate kaupa
Klient | Tööstus | Juht | 2004 | 2005 | NDOR | ABC 04-05 |
1 | 1 | m1 | 194 800 | N | -A | |
2 | 1 | m1 | 80 500 | N | -B | |
3 | 1 | m1 | 16 500 | 37 400 | O | BB |
4 | 2 | m1 | 25 | 19 325 | O | CB |
5 | 2 | m1 | 10 000 | 18 750 | O | BB |
6 | 2 | m2 | 16 800 | 18 500 | O | BB |
7 | 3 | m2 | 4 000 | 17 875 | O | CB |
8 | 3 | m3 | 1 125 | 17 825 | O | CB |
9 | 3 | m3 | 17 000 | N | -B | |
10 | 4 | m3 | 25 | 16 900 | O | CB |
11 | 4 | m3 | 400 | 14 700 | O | CB |
12 | 4 | m2 | 10 004 | 12 150 | O | BB |
13 | 5 | m4 | 400 | 10 500 | O | CB |
14 | 5 | m4 | 10 400 | N | -B | |
15 | 5 | m4 | 50 | 9 775 | O | CB |
16 | 6 | m4 | 9 500 | N | -B | |
17 | 6 | m1 | 1 500 | D | C- | |
18 | 6 | m2 | 1 100 | 6 350 | O | CC |
19 | 7 | m3 | 575 | 6 000 | O | CC |
20 | 7 | m4 | 5 000 | N | -C | |
21 | 7 | m1 | 5 900 | 4 650 | O | CC |
22 | 7 | m2 | 6 750 | 4 000 | O | CC |
23 | 7 | m3 | 4 000 | N | -C |
Selgitused.
- Esimesse veergu pange seerianumbrite asemel üles klientide nimed, teise - selle valdkonna nimi, kuhu klient kuulub, kolmandasse - selle kliendiga töötava juhi nimi.
- Neljas ja viies veerg on antud juhul määratud vastava perioodi käibe väärtusele füüsilises vormis.
- Kuuendas veerus olevad nimetused: N - uus klient (uus), D - kadunud klient (kadunud), O - vana klient (vana), R - tagastatud klient (tagastatud).
- Seitsmes veerg on klientide dünaamika kahe aasta jooksul rühmade kaupa.
B) Tööstusharude võrdlev analüüs:
(peegeldab iga valdkonna klientide arvu igas rühmas)
C) Juhtide töö võrdlev analüüs:
(peegeldab iga juhi iga rühma klientide arvu)
m1 | m2 | m3 | m4 |
A-1 | |||
B-4 | KELL 3 | KELL 4 | 2 |
C-1 | C-2 | C-2 | C-3 |
D) juhtide ja tööstusharude kombineeritud analüüs:
(peegeldab, millised kliendirühmad antud juhil antud valdkonnas on)
- juhtide poolt
Juht | N | O | D | R |
m1 | 2 | 4 | 1 | |
m2 | 5 | |||
m3 | 2 | 4 | ||
m4 | 3 | 2 |
Nagu ülaltoodud näitest näha, saab tabelis 6-A toodud andmetest saada veel kolm jaotust. Sellele teabele saate lisada mitte ainult klientide arvu, vaid rühmadesse jagatud klientide arvu. Oletame, et kliendi "C" kaotus on palju vähem oluline kui kliendi "A" kaotus. Sama ka meelitamise kohta: kui juht on meelitanud kliendi gruppi “A”, on see palju parem kui siis, kui ta on meelitanud kliendi gruppi “C”.
Oluliseks probleemiks on klientide migratsioon gruppide vahel. Eelkõige on kasulik näha, kuidas juhid suurendavad klientide katvust. Kui klient oli grupis "C" ja sattus gruppi "A", tegi juhataja head tööd. Kuid seda ainult juhul, kui klientide katvuse suhe on suurenenud.
Näide. 2004. aastal ostis klient sinult 100 ühikut ja oli C-rühmas ning tema nõudlus oli 1000 meetrit. Järgmisel aastal hakkas ta teilt ostma 1000 ühikut tooteid ja langes gruppi "A", kuid samal ajal kasvas tema nõudlus 10 000 ühikuni. Kas müügikasv räägib tõhusast tööst kliendiga, on suur küsimus. Tõenäoliselt hakkas ta tänu juhi heale tööle üldse rohkem ostma.
Mida veel? Selle analüüsi tulemusi saab kasutada konkreetsete eesmärkide seadmiseks igale kliendihoidmisjuhile erinevates rühmades, kaotatud klientide meelitamiseks ja tagastamiseks. Samuti saab neid ülesandeid täpsustada majandusharude, piirkondade jne kontekstis. Sarnast lähenemist saab kasutada klientide jaotamiseks juhtide vahel. Võib-olla avastate, et üks või teine juht näitab madalat efektiivsust tööstuses X, kuid väga kõrget jõudlust tööstuses Z. Või üks juht "töötab" uute klientide meelitamiseks, kes kiiresti lahkuvad, ja teine - vanade hoidmisega, kuid ei meelita uusi.
Ühel või teisel viisil loodame, et siin kirjeldatud metoodiline lähenemine on teile kasulik.
Või mis tahes muu, mis võetakse aluseks.
Kvartiil- piir mõõdetud näitaja skaalal, eraldades koguvalimist 25% uuritavatest. Kvartiili on kolm: Q1 - esimene 25%, Q2 - 50% (mediaan), Q3 - 75%.
Soovi korral saate teha andmete hajumise standardanalüüsi, kuid sellest allpool.
See arvutatakse standardhälbe jagamisel keskmise hälbega.
Enne analüüsi jätkamist peate kindlaks määrama selle eesmärgi, millist teavet soovite saada. Seejärel määrame kindlaks, milliseid andmeid te analüüsite (analüüsiobjekt). Analüüsi objektiks võib olla:
- kaubagrupid;
- ostjad;
- tarnijad;
- müügijuhid.
Järgmine oluline punkt on analüüsi läbiviimise parameetrite määratlemine. Lõppude lõpuks on igal ülaltoodud analüüsiobjektil erinevad kirjeldamise ja mõõtmise parameetrid.
Kui olete ülaltoodud sammud täitnud, olete valmis analüüsi alustama. Süsteem analüüsib valitud parameetrit teie määratud perioodiks vastavalt teabebaasi kogutud andmetele. Selle analüüsi põhjal ehitatakse edaspidi ABC klassifikatsioon.
Kuidas teha ABC analüüsi?
Määrake analüüsi eesmärk
Edukriteeriumide määratlus. ABC-analüüs võib teenida ühte kahest peamisest eesmärgist: vähendada ostukulusid või suurendada rahavoogu, kuna õiged tooted on tootmiseks või otse klientidele müügiks saadaval.
Koguge andmeid analüüsimiseks
Kõige tavalisemad andmed, mida tavaarvestuses tavaliselt leitakse, on iga-aastane kulu kauba kohta, sealhulgas kõik tellimis- ja saatmiskulud, kui neid on lihtne arvutada.
Sorteeri aktsiad tähtsuse järgi kahanevas järjekorras
Vähemalt iga laoartikli järjestamine maksumuse järgi.
Arvutage kogumõju
Elektrooniline aruanne arvutab laoartiklite loendi kumulatiivse mõju, jagades aastamaksumuse aastase koguvarude arvuga ja lisades selle summa kogu kulutatud protsendile.
Jagage varud kategooriatesse
Te ei pruugi saada täpset 80/20 suhet, mida Pareto põhimõte nõuab. Keskenduge suurele pildile ja ärge püüdke järgida täpset 80/20 reeglit. Eesmärk on leida valdkonnad, kus lepingute uuesti läbirääkimine, tarnijate koondamine, metoodika muutmine või e-hangete rakendamine võib tuua kaasa märkimisväärse kulude kokkuhoiu või suurema laoseisu.
Analüüsige tooteid kategooriate kaupa ja tehke vastavalt sellele otsuseid
Selle sammu võti on järelkontroll ja jälgimine. Kui strateegiline kulude juhtimine on tehtud kategooriapõhiselt, on perioodiline ülevaatus otsustamise edu või ebaõnnestumise jälgimiseks otsustava tähtsusega.
Saada oma head tööd teadmistebaasi on lihtne. Kasutage allolevat vormi
Üliõpilased, magistrandid, noored teadlased, kes kasutavad teadmistebaasi oma õpingutes ja töös, on teile väga tänulikud.
postitatud http://www.allbest.ru/
Vene Föderatsiooni haridus- ja teadusministeerium
Föderaalne riigieelarveline kõrgharidusasutus Uurali Riiklik Majandusülikool
Kursuse töö
Distsipliinis "Äritegevuse korraldamine"
Teemal: "ABC ja XYZ analüüs"
Lõpetatud:
Üliõpilane Makeev A.S.
Eriala: kaubandus
Teadusnõustaja: Lunev V.G.
Jekaterinburg 2014
I peatükk. Teoreetiline materjal
1.1 Kuidas ABC analüüs töötab
1.2 Kuidas XYZ analüüs töötab
1.3 ABC ja XYZ analüüsi koostoime
II peatükk. Praktiline töö
2.1 ABC analüüsi rakendamine sortimendi positsioonidele
2.2 XYZ analüüsi rakendamine sortimendi artiklitele
2.3 ABC-XYZ analüüsimaatriksi koostamine
Järeldus
Kasutatud allikate loetelu
I peatükk. Teoreetiline materjal
Traditsioonilised müügi- ja kulude arvestuse pidamise viisid võivad juhte segadusse ajada ja sundida neid aktsepteerima õigeid otsuseid. Selliste probleemide vältimiseks ettevõttes on toote hinnakujundusega seotud otsuste tegemiseks mitte keeruline viis - ABC analüüs.
Seetõttu on ABC esimene lahendatud ülesanne kehtestada piisavad kulud tooteühiku kohta ja vastavalt ka adekvaatsed hinnad. Kuid isegi ABC õige rakendamine ei taga ettevõtte automaatset turuliidri rolli. Paljudel juhtudel läheb ABC raamatupidamise mõistest kaugemale ja muutub kulujuhtimise meetodiks, mis aitab mõjutada teatud tegevuste kulutekitajaid. ABC alusel tehakse juhtimisotsuseid turu segmenteerimiseks ja tootesarjade laiendamiseks, uute suhete vormide loomiseks tarbijatega ning äriprotsesside täiustamiseks. XYZ suhtleb hästi ABC analüüsiga. Kell õige kasutamine, annab nende kahe komponendi kombinatsioon selge pildi kõigist toodete müügiga seotud protsessidest ja stimuleerib ettevõttes õigete otsuste vastuvõtmist. hinnakujunduse haldamise statistika müük
Ettevõtte kaupade kvaliteetne haldamine eeldab suure hulga teabe igapäevast üksikasjalikku analüüsi müügistatistika, kaubavarude, mittelikviidsete varade jms kohta.
Kui analüüsite sellist statistikat iga üksiku toote kohta hoolikalt, siis pole selleks lihtsalt piisavalt tööaega. Seetõttu tekib alati küsimus, milliseid tooteid tuleb iga päev analüüsida ja milliseid kord nädalas või isegi kuus kontrollida.
ABC-XYZ analüüs annab vastused sellele ja paljudele teistele küsimustele.
ABC-analüüsi meetod hõlmab iga tooterühma jaoks selle rolli ja koha kindlaksmääramist kaubanduses ja tehnoloogilises protsessis, lähtudes tooterühmade eripäradest ning nende olulisusest tarbijatele.
ABC ja XYZ analüüsimeetodite eelisteks on lihtsus, täpsus ja selgus, automatiseerimise võimalus. Mõlema meetodi miinuseks on see, et need ei võimalda tagada järelduste õigsust keeruka, halvasti struktureeritud tootevaliku koostamisel.
1.1 Kuidas ABC analüüs töötab
ABC analüüsi idee põhineb Pareto põhimõttel, mis on sõnastatud järgmiselt: “20% pingutustest annab 80% tulemusest ja ülejäänud 80% pingutustest vaid 20% tulemusest”, s.o. 20 % kõigist kaupadest annab 80% käibest. Rakendades seda reeglit mis tahes kaubandusettevõtte kaupadele, saate logistika rakendamiseks teha väga lihtsa sammu.
ABC-analüüs on meetod, mis võimaldab klassifitseerida inventar ettevõtteid nende tähtsuse järgi, jagades need kolme kategooriasse. Klassikalised piirid on järgmised:
A - kõige väärtuslikum, 20% - inventar; 80% - müük;
B - vahepealne, 30% - laovaru; 15% - müük;
C - kõige vähem väärtuslik, 50% - inventar; 5% - müük.
ABC analüüsi läbiviimise protseduur on järgmine:
1. Objekti ja parameetri valik (atribuut, mille põhjal analüüsi teostame). Tavaliselt on ABC analüüsi objektid tooterühmad, tootekategooriad või tooteartiklid. Igal neist objektidest on erinevad mõõteparameetrid: müügimaht, nii rahalises kui ka kvantitatiivses mõttes, tulu (rahalises mõttes), laoseisud, käive jne.
3. A, B ja C rühmade valik. Selleks vajate:
*määrake valitud objektidele rühmaväärtused.
1.2 Kuidas XYZ analüüs töötab
XYZ-analüüs on matemaatiline ja statistiline meetod, mis võimaldab analüüsida ja prognoosida teatud tüüpi kaupade müügi stabiilsust ja teatud kaupade tarbimise taseme kõikumisi.
XYZ-analüüsi eesmärk on kaupade jaotamine rühmadesse sõltuvalt nõudluse ühtsusest ja prognoosimise täpsusest.
XYZ analüüsimeetod sarnaneb ABC analüüsiga ja põhineb samal põhimõttel – kaubad jagunevad kolmeks rühmad X,Y ja Z , mis põhinevad variatsioonikoefitsiendi väärtusel teatud aja jooksul. See analüüs jagab objektid mitme perioodi jooksul arvutatud keskmisest kõrvalekaldumise astme järgi.
Mida väiksem on variatsioonikordaja väärtus, seda täpsem on prognoos. Mida stabiilsem on nõudlus toote järele, seda lihtsam on seda juhtida ning vastavalt sellele, mida väiksem on kaubavarude vajadus, seda lihtsam on toote liikumist planeerida. Seega ilmneb lisamaterjal langetada otsuseid kaupade olemasolu kohta kaupluse sortimendimaatriksis.
XYZ-analüüsi etapid:
1. Valides analüüsiobjekti (grupp, kategooria, positsioon) ja parameetri, mille järgi objekte võrreldakse (näiteks müük kuus). Tavaliselt on XYZ-analüüsi objektid tootekategooria või tooteartikkel. Analüüsi aluseks on vähemalt kolmekuuline müügiperiood.
2. Analüüsi läbiviimise perioodide arvu määramine: nädal, kümnend, kuu, kvartal / hooaeg, pool aastat, aasta. Mida pikem on periood, seda parem, seda täpsem on analüüsitulemus. Kui toote käive on üle kuu, siis tuleb võtta vähemalt kolmekordne käibeperiood.
XYZ analüüsi on mitut sorti, näiteks planeeritud andmete analüüs tegelike andmetega, mis annab prognoosist täpsema kõrvalekalde %. Väga sageli viiakse XYZ-analüüs läbi koos ABC-analüüsiga, mis võimaldab valida nende omaduste osas täpsemaid rühmi.
Variatsioonikordaja on mõõdetud ressursi väärtuste standardhälbe ja aritmeetilise keskmise suhe.
Arvutatakse järgmise valemi järgi:
kus: - variatsioonikoefitsient
Standardhälve
aritmeetiline keskmine
Statistilise jada I-s väärtus
Väärtuste arv staatilises seerias
1.3 ABC ja XYZ analüüsi koostoime
2. Määramine, millised objektid kuuluvad rühma X, Y ja Z.
Seega on ABC analüüsi mõte määrata konkreetse toote panus lõpptulemusse (kõige sagedamini ettevõtte üldkasumisse).
XYZ-analüüsi tähendus on müügi stabiilsuse uurimine, kõrvalekallete, hüpete, ebastabiilsuse uurimine toodete müügis.
Loomulikult saab kasutada igat tüüpi analüüsi eraldi, kuid see ei anna täielikku pilti ettevõtte sortimendi maatriksist, mistõttu on soovitatav kasutada mõlemat tüüpi analüüsi kombineeritult, et tuvastada tugevad ja nõrgad tooted, müügi stabiilsus ja ettevõtte võtmetooted.
XYZ analüüs on väga hea kombinatsioonis ABC analüüsiga – see on absoluutsete liidrite ja autsaiderite tuvastamine poe sortimendis.
ABC-XYZ analüüs võimaldab jagada müügiandmed 9 rühma sõltuvalt panusest ettevõtte tuludesse (ABC) ja ostude sagedusest (XYZ).
Pärast nende kahte tüüpi analüüside tegemist koostatakse lõplik maatriks, mille hindamine võimaldab optimaalselt moodustada laovaru (tabel 1).
Näiteks peaks lahter AX sisaldama positsioone, mis on määratud rühmale A, kui see klassifitseeritakse ABC-meetodi järgi, ja rühma X, kui klassifitseeritakse XYZ-meetodi järgi. See klassifikatsioon lihtsustab tööd sortimendi planeerimisel ja moodustamisel.
Tabel 1
Maatriks ABC ja XYZ
II peatükk. Praktiline töö
2.1 ABC analüüsi rakendamine sortimendi positsioonidele
1. Analüüsi eesmärk: varude kogumahu vähendamine, et vähendada nende hoolduskulusid ja vabastada ressursse valiku laiendamiseks.
2. Haldamise objekt on sortimendi eraldiseisev artikkel.
3. Sortimendi A-, B- ja C-gruppideks eristumise märgiks on eraldi kaubaartikli aastase müügi osatähtsus kogu müügimahust.
4. Sortimendi üksikute esemete osakaalu arvutamine kogumüügist.
tabel 2
Toote osakaalu arvutamine kogumüügist
Tootenimi |
|||
Baar "Mars" |
|||
Baar "Linnutee" |
|||
Baar "Nesquik" |
|||
Baar "Twix" |
|||
Bounty piimjas |
|||
Närimiskumm "Boomer" |
|||
Närimiskumm "Dirol" |
|||
Närimiskumm "Minton" |
|||
Närimiskumm "Super" |
|||
Ketšup "bulgaaria" |
|||
Ketšup "Monarh" |
|||
Kinder üllatus |
|||
Jahvatatud kohv "Arabica". |
|||
Maisihelbed suhkruga |
|||
Nuudlid "Doshirak" |
|||
Mandlid šokolaadis |
|||
riis pikk |
|||
Riis ümmargune |
|||
Pakendatud granuleeritud suhkur |
|||
vahvlikook |
|||
Tee Ahmad |
|||
India tee |
|||
Chupa Chups |
|||
Šokolaad "Alenka" |
|||
Šokolaad "Inspiratsioon" |
|||
Šokolaad "Delight" |
|||
Šokolaad "Belltower" gaseeritud |
|||
Šokolaad "Kohv piimaga" |
|||
Šokolaad "Karu lampjalg" |
|||
Šokolaad "Nesquik" |
|||
Šokolaad "Nestlé Classic" |
|||
Šokolaad "Reis" |
|||
Šokolaad "Retro" |
|||
Šokolaad "vene" |
|||
Šokolaad "vene" |
|||
Šokolaad "Puškini lood" |
|||
Šokolaad "Sudarushka" |
|||
Šokolaad maapähklitega |
|||
Šokolaad kookospähkliga |
|||
Šokolaadijook "Nesquik" |
|||
5. Sortimendirühmade sortimine kogumüügi osakaalu kahanevas järjekorras (tabel 3).
Tabel 3
ABC analüüs
Tootenimi |
Toote aastane müügimaht, tuhat rubla |
Toote osakaal kogumüügist, % |
Kaupade arv sortimendis loendi kasvavas järjekorras protsendina sortimendi kaupade koguarvust |
Toote osatähtsus tekkepõhiselt (OY telg),% |
||
Lahustuv kohv "Nescafe Classic" |
||||||
Närimiskumm "Dirol" |
||||||
Baar "Twix" |
||||||
Lahustuv kohv "Nescafe Gold" |
||||||
Baar "Mars" |
||||||
Bounty piimjas |
||||||
Pakendatud granuleeritud suhkur |
||||||
Jahvatatud kohv "Arabica". |
||||||
Närimiskumm "Stimorol" |
||||||
Nuudlid "Doshirak" |
||||||
riis pikk |
||||||
Baar "Nesquik" |
||||||
Närimiskumm "Boomer" |
||||||
Baar "Linnutee" |
||||||
Šokolaad "vene" |
||||||
Šokolaad "Alenka" |
||||||
Närimiskumm "Super" |
||||||
Riis ümmargune |
||||||
Šokolaad "vene" |
||||||
Šokolaad "Nestlé Classic" |
||||||
Šokolaadijook "Nesquik" |
||||||
Närimiskumm "Minton" |
||||||
Šokolaad "Retro" |
||||||
Šokolaad "Karu lampjalg" |
||||||
Šokolaad "Alpen Gold" pähklite ja rosinatega |
||||||
Ketšup "bulgaaria" |
||||||
Tee Ahmad |
||||||
Chupa Chups |
||||||
Maisihelbed suhkruga |
||||||
Šokolaad "Kohv piimaga" |
||||||
Kinder üllatus |
||||||
Šokolaad "Puškini lood" |
||||||
Šokolaad "Inspiratsioon" |
||||||
Mandlid šokolaadis |
||||||
Šokolaad "Delight" |
||||||
Ketšup "Monarh" |
||||||
Šokolaad "Nesquik" |
||||||
Šokolaad kookospähkliga |
||||||
vahvlikook |
||||||
Šokolaad "Reis" |
||||||
India tee |
||||||
Šokolaad maapähklitega |
||||||
kiir guljaššisupp |
||||||
Šokolaad "Belltower" gaseeritud |
||||||
Šokolaad "Sudarushka" |
||||||
Chocolate Air valge gaseeritud |
||||||
6. Sortimendi jaotus rühmadesse A, B ja C (tabel 4).
Tabel 4
A-, B- ja C-rühmade osakaal sortimendist
2.2 XYZ analüüsi rakendamine sortimendi artiklitele
1. Nõudluse variatsioonikoefitsientide arvutamine üksikute sortimendi üksuste jaoks.
2. Sortimendi positsioonide sorteerimine variatsioonikordaja väärtuse kasvavas järjekorras (tabel 5).
3. Analüüsitava sortimendi jaotus rühmadesse X, Y ja Z (tabeli 5 veerg 5).
Tabel 5
Ettevõtte tooted, mis on järjestatud rakendamise variatsioonikoefitsiendi kasvavas järjekorras
Tootenimi |
Variatsioonikoefitsient |
Tellitud loendi rea number |
Tellitud loendi sortimendi üksuste arv kumulatiivses kogusummas protsentides kokku sortimendi positsioonid (OX-telg) |
Rühm (X, Y või Z) |
|
Šokolaad "vene" |
|||||
Lahustuv kohv "Nescafe Gold" |
|||||
Lahustuv kohv "Nescafe Classic" |
|||||
Baar "Twix" |
|||||
Šokolaad "Alenka" |
|||||
Pakendatud granuleeritud suhkur |
|||||
Jahvatatud kohv "Arabica". |
|||||
Šokolaad "Inspiratsioon" |
|||||
Bounty piimjas |
|||||
riis pikk |
|||||
Maisihelbed suhkruga |
|||||
Šokolaad "Nesquik" |
|||||
Chupa Chups |
|||||
Tee Ahmad |
|||||
Närimiskumm "Super" |
|||||
Šokolaad "Puškini lood" |
|||||
Ketšup "bulgaaria" |
|||||
Šokolaad "vene" |
|||||
India tee |
|||||
Šokolaad "Retro" |
|||||
Närimiskumm "Dirol" |
|||||
Šokolaad "Kohv piimaga" |
|||||
Baar "Mars" |
|||||
Närimiskumm "Minton" |
|||||
Šokolaadijook "Nesquik" |
|||||
Närimiskumm "Boomer" |
|||||
Šokolaad "Delight" |
|||||
Nuudlid "Doshirak" |
|||||
Šokolaad "Alpen Gold" pähklite ja rosinatega |
|||||
Šokolaad "Karu lampjalg" |
|||||
Šokolaad kookospähkliga |
|||||
kiir guljaššisupp |
|||||
Närimiskumm "Stimorol" |
|||||
Kinder üllatus |
|||||
Mandlid šokolaadis |
|||||
Baar "Linnutee" |
|||||
Riis ümmargune |
|||||
Ketšup "Monarh" |
|||||
Baar "Nesquik" |
|||||
vahvlikook |
|||||
Šokolaad "Reis" |
|||||
Šokolaad "Belltower" gaseeritud |
|||||
Šokolaad "Sudarushka" |
|||||
Šokolaad "Nestlé Classic" |
|||||
Šokolaad maapähklitega |
|||||
Chocolate Air valge gaseeritud |
2.3 ABC-XYZ analüüsimaatriksi koostamine
Ettepanekud gruppide AX, AY, AZ, samuti gruppide B ja C kaubaartiklite laohaldussüsteemide kohta.
Märge. Positsiooninumbrid salvestatakse maatriksi lahtritesse.
Tabel 6
ABC-XYZ maatriks
(4, 5, 16, 17, 18, 23, 25, 26) |
|||
(10, 22, 32, 44) |
(6, 8, 33, 38, 42, 43, 50) |
||
(19, 29, 31, 34, 39) |
(12, 13, 15, 27, 30, 35, 37, 45, 49) |
(11, 14, 21, 28, 36, 41, 46, 47, 48) |
AX-i rühma kuuluvate positsioonide puhul peaksite arvutama optimaalne suurus tellida ja kaaluda just-in-time tehnoloogia rakendamist, tuleks AZ grupi esemeid iga päev jälgida. Ilmselgelt on nõudluse suurte kõikumiste tõttu vaja siin ette näha kindlustusvaru.
BX, BY, BZ rühma kuuluvate kaupade varude haldamine võib toimuda nii samu kui ka individuaalseid tehnoloogiaid kasutades (nii planeerimiskuupäevade kui ka tarneviiside osas).
CX, CY, CZ gruppi kuuluvate kaubaartiklite varude planeerimist saab teostada pikema perioodi jooksul, näiteks kvartali jooksul, igapäevase või igakuise laovarude kontrolliga.
Järeldus
ABC ja XYZ analüüsi rakendamine sortimendi positsioonile ei osutunud keeruliseks. Analüüsi kasutamine ettevõttes vähendab oluliselt kulusid ja suurendab kasumit. Kuid me ei tohi unustada, et analüüs ei vii turuliidriteni. Ainult ettevõtja saab ebastandardseid otsuseid tehes saada absoluutseks juhiks.
ABC ja XYZ analüüsimeetodite eelisteks on lihtsus, täpsus ja selgus, automatiseerimise võimalus. Õige kasutamise korral annab nende kahe komponendi kombinatsioon selge pildi kõigist toodete müügiga seotud protsessidest ja stimuleerib ettevõttes õigete otsuste vastuvõtmist.
ABC- ja XYZ-analüüs on kaasaegne turundustööriist, ühistaotlus mis koos teiste analüüsimeetoditega aitab lahendada sortimendi ja hinnapoliitika, turusegmentide ja turustuskanalite valiku, varude juhtimise ning turunduskommunikatsiooni vahendite kasutamise efektiivsuse tõstmise küsimusi.
Kasutatud allikate loetelu
1. ABC analüüs // http://www.abc-analysis.ru/
2. Sterligova A. N., “Lai varude juhtimine. Millest alustada? ”, ajakiri LogInfo 12.2003
3. Bodrjakov Roman. Seminar teemal ABC ja XYZ / Roman Bodrjakov // http://www.rombcons.ru/ABC_XYZ.htm
4. Buzukova E.A. Müügi sortimendi ja stabiilsuse analüüs ABC-analüüsi ja XYZ-analüüsi abil. [Elektrooniline ressurss] – juurdepääsurežiim. -- URL: http://zakup.vl.ru/files/avs_i_huz_analizi.pdf
5. Bodrjakov R.E. ABC ja XYZ: -- lõpliku maatriksi koostamine ja analüüs. [Elektrooniline ressurss] – juurdepääsurežiim. -- URL: http://www.rombcons.ru/logistik2.htm
Majutatud saidil Allbest.ru
...Sarnased dokumendid
Audioreklaami tootearenduse edendamise teoreetiliste aspektide uurimine. Konkurentide reklaamitoote analüüs. Teabe kogumine ettevõtte "Malibu-travel" kohta, ettepanekud temaatilises programmis pöördumise lühikirjelduse ja paigutuse väljatöötamiseks.
kursusetöö, lisatud 10.10.2011
Laotegevuse analüüs tarneahela keskpunktis. Tarkvaratoote "1C: Enterprise" kasutamise tõhustamine. Varude juhtimine laosüsteemis ABC-XYZ analüüsi abil. Ettevõtte majanduslikud omadused.
kursusetöö, lisatud 02.09.2015
Mõiste "turundusanalüüs" uurimine, selle rolli määratlemine juhtimisotsuste tegemisel. Infobaasi määramine ja meetodite ülevaatamine. Hoidmine turundusanalüüs projekti elluviimise asjakohasus laokompleksi ehitamiseks.
lõputöö, lisatud 12.07.2011
Turundusanalüüsi meetodid ja eesmärgid. Turunduse eelarve majanduslik põhjendatus. Kauba konkurentsivõime analüüs. Investeerimisotsuste tegemise strateegia hindamine. Turundustegevuse konkurentsivõime analüüsi metoodika.
abstraktne, lisatud 03.02.2010
Etapid eluring toode, ettevõtte reklaamistrateegia selle erinevates etappides. Turuuuring Euroset LLC. Turu ja selle vajaduste analüüs. Turundusvahendite moodustamine. Turunduse välisjõudude analüüs.
kursusetöö, lisatud 03.05.2015
Logistika kontseptsiooni kasutamine ettevõtte varude juhtimisel. Varude majanduslik olemus ja nende klassifikatsioon. Varude moodustamise ja hoidmise kulustruktuur. ABC-analüüsi ja XYZ-analüüsi sisu ja praktilise rakendamise ulatus.
loeng, lisatud 01.06.2009
Müügiedenduse roll ja tähtsus süsteemis kaubandusjuht. Turu arendamine uute toodetega. Teenuste edendamise juhtimine. Müügiedenduse planeerimise tehnoloogia. Turundusteenuse struktuur ettevõttes. Turu ja selle segmentide analüüs.
kursusetöö, lisatud 15.05.2011
Teoreetiline alus uue toote turu-uuringud. Uue toote väljatöötamisega seotud probleemid. Turundusteenuse koht kaupade loomisel ja müügil. Uute kaupade turu arendamise praktilised aspektid firma "Ascon" näitel.
kursusetöö, lisatud 02.05.2009
Toote konkurentsivõime mõiste. Toote konkurentsieelise tegurid. Liha ja lihatoodete turu olukorra analüüs. Ettevõttele SWOT analüüsi läbiviimine Faber Lex näitel. Turundustest tööstusharudes ja tegevusalades.
test, lisatud 25.09.2013
Valitud toote turunduskeskkond. Uuritava toote SWOT-analüüs. Kauba peamised tarbijaomadused. Toote turule toomise eesmärgid ja selle hinnakujundus. Ettevõtte Samsung Electronics turundusteenuse ajalugu ja kirjeldus.
ABC- ja XYZ-analüüs viiakse läbi ettevõtte müügi analüüsimiseks, struktureerimaks ja tuvastamaks selged liidrid ja autsaiderid kõigi tootegruppide seas, et kohandada oma sortimendipoliitikat. Kuid seda saab teha ka käibe, kasumi, töömahukuse, materjalikulude ja isegi selliste parameetrite osas nagu mürakindlus, kiirus, energiatarve jne.
Muidugi saab iga analüüsitüüpi kasutada eraldi, kuid see ei anna täielikku pilti, mistõttu on soovitatav neid analüüse kasutada koos, et tuvastada tugevad ja nõrgad tooted, müügistabiilsus ja ettevõtte võtmetooted. .
Eksperdid ütlevad ka, et integreeritud ABC(XYZ)-analüüs on vaid vahend otsuste tegemise toetamiseks. Maatriksi koostamine ei jaga kaupu “halbadeks” ja “headeks”, ei tuvasta kaupu, mis kuuluvad koheselt müüdavate nimekirjast eemaldamisele. Täiendav analüüs on alati vajalik.
AX-kategooriale tuleks selle rahalist tähtsust ja prognoositavust arvestades kohaldada rangeid standardeid, millele tuleks pöörata erilist tähelepanu. Selle kaubagrupi puhul on soovitav saldosid kontrollida igapäevaselt, määrates uute partiide jaoks selge kalendri (kuupäev) või statistilise (lattu jäänud laoseisu mahu järgi) tellimispunkti.
See viitab sellele, et ilma toote turundusväärtust uurimata ja tarnijaga suhtlemise poliitikat teadmata on võimatu teha otsust toote turult kõrvaldamiseks.
Siiski on integreeritud analüüsi eelised vaieldamatud. See on varude haldamise alus, võimaldab teil määrata "tellimispunkti".
AX-i kategooriat peaksid teenindama kõige kogenumad ja kvalifitseeritumad töötajad ning CZ “puuri” sattunud kaubagruppi võib usaldada algajatele. Neil on lihtne töötada kategooriaga, kus tellimused on harvemad, hälvete tolerants on suurem ja rangelt piiratud on ainult teatud rubriigile teatud perioodiks kulutatud summa.
ABC(XYZ)-analüüsi tulemuste nähtavus võimaldab seda kasutada juhtidega suhtlemisel argumendina, et sundida neid teatud tegevustele.
VIP- ja tavaklientide teenusetasemete eristamine (protseduur, mida paljud Venemaa ettevõttedäsja alustades) on veel üks viis integreeritud ABC(XYZ)-analüüsi kasutamiseks.
õigusta;teksti taane:1,0 cm;rea kõrgus:normaalne">
ABC-analüüsi tähendus on kindlaks teha konkreetse toote panus lõpptulemusse (enamasti ettevõtte üldkasumisse või varude väärtusesse).
ABC analüüs põhineb Pareto põhimõttel, mis tähendab, et 20% pingutustest annab 80% tulemusest ja ülejäänud 80% pingutustest vaid 20% tulemusest.
Rühmade arv ABC analüüsi käigus võib olla mis tahes, kuid kõige levinum on vaadeldava populatsiooni jagamine kolme rühma: A, B ja C (75:20:5) (võib olla erinev, kuid nendes piirides) , mis on nimemeetodi (ABC-analüüs) põhjuseks.
normaalne"> Rühm A - väike arv objekte, millel on valitud indikaatori järgi kõrge erikaal.
Rühm B - valitud indikaatori keskmise erikaaluga objektide keskmine arv.
Rühm C - suur hulk objekte, millel on väike osa valitud indikaatorist.
Selline kategoriseerimise viis viitab sellele, et peate hoolikalt jälgima A-klassi kallist inventari, saate vähem jälgida B-klassi objektide olekut ja C-klassist vähem hoolida.
XYZ-analüüsi tähendus on müügi stabiilsuse uurimine, kõrvalekallete, hüpete, ebastabiilsuse uurimine toodete müügis.
XYZ-analüüsi eesmärk on kaupade (nomenklatuuri) eristamine rühmade kaupa sõltuvalt nõudluse ühtsusest ja prognoosimise täpsusest.
Rühma Y puhul on lubatud suuremad kõrvalekalded.
Laias laastus võib öelda, et mida väiksem on erinevus tegeliku müügi perioodi ühiku kohta (näiteks nädalas) ja kogu perioodi müügi aritmeetilise keskmise (näiteks kvartali) vahel, seda prognoositavam on toote müük järgneval perioodil.
Või saate eristada järgmist gradatsiooni: nomenklatuurielemendid (lääne terminoloogia järgi SKU - laoseisuüksus), mille variatsioonikoefitsient on 0 kuni 10%, kuuluvad kategooriasse X, 10 kuni 25% - kategooriasse Y, ülejäänud - kategooriasse Z. See on aga ligikaudne jaotus.
ABC-XYZ analüüs võimaldab jagada müügiandmed 9 rühma sõltuvalt panusest ettevõtte tuludesse (ABC) ja ostude sagedusest (XYZ). See klassifikatsioon lihtsustab tööd sortimendi planeerimisel ja moodustamisel.
Selle meetodi kasutuselevõtt aitab vähendada müügi kadu, vähendada kauba ülejääki, minimeerida varudega seotud kogukulusid.
A- ja B-grupi kaubad annavad ettevõtte põhikäibe. Seetõttu on vaja tagada nende pidev kättesaadavus. Üldtunnustatud praktika on, kui A-rühma kaupade jaoks luuakse üleliigne ja B-rühma kaupade jaoks piisav varu. XYZ-analüüsi kasutamine võimaldab teil laohaldussüsteemi peenhäälestada ja seeläbi kogu laoseisu vähendada.
AX-i ja BX-gruppide tooted eristuvad suure käibe ja stabiilsuse poolest. Tuleb tagada kaupade pidev saadavus, kuid selleks ei ole vaja tekitada üleliigset turvavaru. Selle grupi kaupade tarbimine on stabiilne ja hästi prognoositav.
Suure käibega AY ja BY gruppide kaubad on ebapiisava tarbimisstabiilsusega ning sellest tulenevalt on pideva saadavuse tagamiseks vajalik suurendada turvavaru.
Suure käibega AZ ja BZ gruppide kaupu iseloomustab vähene tarbimise prognoositavus. Ainuüksi liigsete ohutusvarudega üritades tagada kõikidele antud grupi toodetele garanteeritud saadavus suurendab oluliselt ettevõtte keskmist laoseisu. Selle grupi kaupade puhul tuleks üle vaadata tellimissüsteem. Osa kaupu tuleb üle viia konstantse tellimuse summaga (mahuga) tellimuste süsteemi, osade kaupade puhul on vaja tagada tihedamad tarned, valida oma lao läheduses asuvad tarnijad (ja seeläbi vähendada kindlustusvarude mahtu), suurendage kontrolli sagedust, usaldage see kaubagrupp ettevõtte kõige kogenumale juhile jne.
C-rühma tooted moodustavad kuni 80% ettevõtte sortimendist. XYZ-analüüsi kasutamine võib oluliselt vähendada aega, mille juht kulutab selle grupi kaupade haldamisele ja kontrollimisele
CX grupi kaupade puhul saate kasutada püsiva sagedusega tellimuste süsteemi ja vähendada kindlustusvarusid.
CY grupi kaupade puhul saab üle minna konstantse tellimuse summaga (mahuga) süsteemile, kuid samal ajal moodustada ettevõtte finantsvõimalustest lähtuvalt kindlustusvaru.
CZ tootegruppi kuuluvad kõik uued tooted, spontaanse nõudlusega kaubad, mis tarnitakse tellimisel jne. Mõned neist toodetest on ohutult sortimendist eemaldatavad, samas kui teist osa tuleb regulaarselt jälgida, kuna just selle grupi toodetest tekib mittelikviidne või raskesti müüdav laovaru, millest ettevõte kannab kahjumit. Sortimendist on vaja välja võtta tellimisel võetud või enam mittetoodavate kaupade jäänused ehk kaubad, mis tavaliselt kuuluvad laovarude kategooriasse.
Nende meetodite eelised on: lihtsus, selgus ja täpsus, mis võimaldab teil nende tõhusaks lahendamiseks õigesti tuvastada peamised probleemid. Samuti saab sellist analüüsi üsna lihtsalt automatiseerida.
XYZ-analüüsi kasutamisel tuleb meeles pidada mitmeid olulisi piiranguid. Esiteks kasutatava andmemahu nõue. Mida rohkem neid on, seda usaldusväärsemad on tulemused. Uuritavate perioodide arv peab olema vähemalt kolm.
Statistilisi meetodeid ei saa rakendada dünaamiliselt muutuva olukorra korral, näiteks uue toote turule toomisel (mille analoogidega ettevõte veel ei ole kaubelnud) või mõne kauba ühekordsel ostmisel. esemed.
Kui uudsuse müügiarv kasvab iganädalaselt, ei anna XYZ-analüüs midagi, toode langeb paratamatult "ebastabiilsesse" rühma Z.
Samuti on XYZ mõttetu ja tellimuse alusel töötavate ettevõtete või ettevõtete jaoks pole selliseid prognoose lihtsalt vaja.
Analüüsi sagedus on iga ettevõtte jaoks puhtalt individuaalne. Kuid soovitav on neid läbi viia vähemalt kord hooajal. Hooajalisus võib arvutuste tulemust tõsiselt mõjutada.
Lisaks on terveid turusegmente, kus XYZ analüüsi kasutamine jääb täiesti kasutuks – kiirmaksekaartide müük ja liitumislepingud. Praktika näitab, et igapäevaste müügiväärtuste levik kuu jooksul võib siin olla kuni 50%.
Inventuur on paljude tegurite tulemus. Laovaru võib oluliselt sõltuda tarnete kehtestatud sagedusest, tarnija poolt pakutava minimaalse või maksimaalse partii suurusest, laopinna olemasolust. Tihti tuleb välja selgitada, kuidas toode ühte või teise kategooriasse sattus. Alustada tuleb müügianalüüsist ja alles siis minna optimaalse laoseisu juurde.
Lugupidamisega, noor analüütik