Salg av leiligheter 

Oppgave om ABC og XYZ-analyse. Hvordan en felles ABC- og XYZ-analyse vil hjelpe deg i bedriftskundekategorier i ABC-salg

Artem Emanuel

ABC-analyse er en av de mest tilgjengelige metodene for å gruppere kunder etter viktighet. Først av alt er det nyttig for de selskapene der det er vanskeligheter med databehandling av spesialist programvare. Men for nybegynnere som først møtte behovet for å analysere salg ved hjelp av denne metoden, reiser det ofte mange spørsmål. La oss prøve å finne ut hva som fører til vanskeligheter og hvordan vi kan overvinne dem.

Rask analyse

ABC-analyse er en av metodene for å rangere klientgrunnlaget i grupper med ulik spesifikk vekt, avhengig av ett eller annet kriterium. I litteraturen kan du oftest finne eksempler på ABC-analyser når det gjelder salg i fysiske termer, omsetning eller fortjeneste.

Et av alternativene for å tolke ABC-analyse er Pareto-diagrammet. Faktum er at ABC-analyse er basert på Pareto-prinsippet, som betyr at 20 % av innsatsen gir 80 % av resultatet, og de resterende 80 % av innsatsen gir kun 20 % av resultatet. Men når du utfører en ABC-analyse, deles klienter som regel ikke inn i to, men i tre grupper: A - 75%, B - 20% og C - 5%. Hvor kommer disse tallene fra? "Fra hodet." Faktisk kan antallet slike grupper og prosentandelen mellom dem være vilkårlig, som vi kan se nedenfor.

For en layoutdesigner som er ekspert på sitt felt, er en slik klientrangeringsteknologi nok for en generell vurdering av situasjonen på spesifikk virksomhet. Men for en spesialist som nettopp har begynt å bli kjent med et bestemt marked, kan en dypere analyse være nyttig. Vi hadde muligheten til å bekrefte dette på vår egen erfaring. La oss kort forklare vanskelighetene vi og våre kolleger møtte da vi utførte analysen ved hjelp av metoden beskrevet ovenfor.

For det første, med en vilkårlig endring i prosentandelen av dekning av gruppene "A", "B" og "C", endres deres sammensetning, og ofte på en betydelig måte. Hvordan man skal håndtere dette, hvilke konklusjoner man skal trekke og hvilke anbefalinger man skal gi bedriften, blir det uforståelig. I tillegg, hvis man bruker inndelingen i grupper for å vurdere «kundenes viktighet», er det ved første øyekast svært vanskelig å forstå hvorfor gruppe «A» skal bidra med 75 %, og ikke for eksempel 80 %.

For det andre, hvis vi bruker en gitt prosentandel for å analysere dynamikken i mottak fra kunder over tid, kan det vise seg at en individuell klient med samme stabile kjøpsvolum (eller fortjeneste) faller inn i forskjellige grupper, avhengig av tatt periode.

Et eksempel på en slik situasjon er gitt i tabellgruppen nr. 1. I den ser vi på den virkelige situasjonen til en stoffforhandler og gir en analyse av fem av kundene deres når det gjelder volumkjøp per år. Samtidig, i dette tilfellet, når vi utfører en ABC-analyse, vil vi "dele" klienter i forholdet 70:20:10.

Gruppe med bord nr. 1

A) Tekstilsalgsdata over tid: en enkel kundeliste


B) Dynamisk stoffsalgsdata: rangert liste over kunder


C) Foreløpig fordeling av klienter i grupper

Grupper 2000(meter) 2001(meter) 2002(meter)
A - 70 % 2835 10 171 12 810
I 20 % 810 2906 3 660
C - 10 % 405 1453 1830

Hvilke problemer står vi overfor i dette eksemplet? Problem én: Ved å analysere situasjonen i dynamikk, er det umulig å nøyaktig tilskrive kunder til en eller annen gruppe. Fra og med 2000 utgjør "Client #1" "A"-gruppen, men bidrar også til andelen av "B"-gruppen. Men i de neste to årene gir kunde #1 derimot et svært lite bidrag til gruppe A, selv om den opplever positiv salgsvekst. Situasjonen med "Kunde nr. 2" er også usikker: i det første året faller han inn i gruppe "B", og i det tredje året - i gruppe "C", selv om volumet av kjøpene hans ikke har endret seg.

Selvfølgelig kan du ta hensyn til det faktum at selskapet i 2001 fikk en ny klient - "klient nr. 5", som betydelig påvirket justeringen av situasjonen. Derfor kan du prøve å løse problemet med "migrering" av grupper ved å separat analysere gamle og nye kunder, men selv dette lar deg løse det eksisterende problemet bare delvis.

Problem nummer to: hvis vi for eksempel trenger å analysere historien til kunder og når det gjelder salg, og når det gjelder fortjeneste, og når det gjelder tilbakebetaling av fordringer, så vil vi ikke kunne gjøre dette. I dette eksemplet er det umulig å analysere klienter med flere parametere samtidig, selv om en slik multivariat analyse er essensen av en kompetent inndeling av klienter i grupper.

Dermed er muligheten for å rangere kunder etter en fast dekningsprosent som vi har beskrevet optimal når vi skal analysere kunder innenfor en enkelt periode. Men analysen av indikatorer i dynamikk i dette tilfellet er vanskelig.

Hvordan omgå vanskelighetene beskrevet ovenfor? Dette er mulig dersom grunnlaget for inndelingen i grupper ikke tas som en gitt prosentandel, men som et fast produksjonsvolum i fysiske termer. La oss gå tilbake til vårt eksempel. Anta at vi ønsker at gruppe A skal inkludere kunder hvis årlige kjøpsvolum overstiger 1000 m, gruppe B inkluderer kunder med kjøp fra 100 til 999 m, og gruppe C inkluderer kunder som kjøper mindre enn 100 m m stoff.

Deretter, ifølge resultatene fra 2000, vil klient nr. 1 gå inn i gruppe A, klient nr. 2 og nr. 3 vil gå inn i gruppe B, og klient nr. 4 vil gå inn i gruppe C. Som du kan se, fjernet dette alternativet med partisjonering av klienter problemet med manglende evne til tydelig å bestemme hvilken gruppe en klient tilhører. Dessuten er det ikke noe problem med "overgang" av klienten fra en gruppe til en annen uten en reell endring i salget. Men en rekke andre vanskeligheter oppstår. I 2001 inkluderte gruppe "A" klienter nr. 1 og nr. 5, gruppe "B" - nr. 2, nr. 3 og nr. 4. I 2002 var klient nr. 4, nr. 1 og nr. 5 i gruppe A, og klient nr. 3 og nr. 2 var i gruppe B. Hvordan har dette påvirket fordelingen av prosentandelen av våre grupper? Dataene er presentert i tabell nr. 2.

Tabell nummer 2. Tekstilsalgsdata og kunderangeringer basert på faste kjøpsvolumer

2000 2001 2002
Klient 1 3000 MEN Klient 5 10 000 MEN Klient 5 12 000 MEN
Klient 2 700 PÅ Klient 1 3200 MEN Klient 1 3800 MEN
Klient 3 300 PÅ Klient 2 700 PÅ Klient 4 1000 MEN
Klient 4 50 FRA Klient 3 450 PÅ Klient 3 800 PÅ
Klient 5 0 Klient 4 180 PÅ Klient 2 700 PÅ
Total: 4050 14 530 18 300
Prosent Prosent Prosent
MEN 74% MEN 91% MEN 92%
PÅ 25% PÅ 9% PÅ 8%
FRA 1%

Ved å innføre et fast antall kjøp som grenser for gruppene, kan vi se hvor mye bidraget til hver gruppe varierer fra år til år. Samtidig vil bestemmelsen av de grunnleggende kjøpsvolumene, som legges til grunn for inndeling av kunder i grupper, være kritisk for analyse.

dyp analyse

Metoden vi beskrev i forrige avsnitt er god for en rask, overfladisk analyse av kundedynamikk. Anta at vi må se hvordan strukturen til kundene har endret seg i henhold til en gitt parameter (for eksempel salgsvolum) over flere år. Vi analyserer først i fjor etter den første metoden, det vil si basert på den angitte prosentandelen av gruppedekning (70:20:10). Deretter analyserer vi gruppe "A" og velger basisvolumet for salg. I vårt tilfelle ble år 2000 tatt som basisperiode, og basert på en overfladisk analyse av kunder kom vi frem til at salgsvolum på 1000 og 100 meter er kritisk.

Og til slutt utfører vi en partisjon ved å bruke den valgte kritiske verdien av ønsket parameter for alle år (i eksemplet som er gitt, er dette salgsvolumet i reelle termer). Det kan ses at gruppe "A" økte sitt bidrag til selskapets omsetning betydelig.

Forresten, den samme analysen kan utføres under hensyntagen til tilleggsparametrene "ny klient", "gammel klient", "tapt klient" og "returnerende klient". Men vi skal snakke om dette litt senere. I mellomtiden, la oss se hvordan du kan forbedre kvaliteten på rangeringen, hvis du rettferdiggjør valget av kritiske verdier.

Vi tilbyr en av de enkleste og mest intuitive måtene å løse dette problemet på - vi deler kunder ved hjelp av kvartiler. Og vi vil gjøre dette ved å bruke eksemplet med et tilfeldig utvalg av 22 kunder av selskapet (data er presentert i gruppen med tabeller nr. 3).

Gruppe med bord nr. 3.

A) Innledende data: salg fra kunder

Klient Volum av kjøp (i meter)
  1. Klient 1
 30000
  1. Klient 9
 7000
  1. Klient 2
 5000
  1. Kunde 10
 3600
  1. Kunde 17
 2300
  1. Klient 3
 1000
  1. Kunde 18
 860
  1. Kunde 11
 700
  1. Klient 7
 680
  1. Kunde 21
 620
  1. Klient 8
 590
  1. Kunde 16
 510
  1. Kunde 20
 470
  1. Kunde 19
 350
  1. Kunde 14
 320
  1. Klient 4
 250
  1. Kunde 12
 200
  1. Klient 6
 180
  1. Kunde 13
 170
  1. Kunde 16
 170
  1. Klient 5
 140
  1. Kunde 15
 50
Total 55160

B) Fordeling av verdier


Intuitivt kan du anta at terskelverdiene vil være 1000 og 10 000.

La oss sjekke. Vi beregner utslipp ved å bruke formelen:

Outlier = "Øvre kvartil" + 1,5 * (Øvre kvartil - Nedre kvartil) = 2093,75.

Det vil si at alle tall som overstiger 2093,75 er uteliggere.

I dette tilfellet er vi ikke interessert i lavere utslipp. I praksis blir de ofte ignorert fordi:

Nedre valg = Nedre kvartil - 1,5 * (Øvre kvartil - Nedre kvartil) = - 410.

C) Vi vurderer salg for kunder i de øverste avvikene



D) Endelig nedbryting av kunder

Gruppe Klient Salg Salg etter gruppe Prosentdel
MEN Klient 1 30000
30000 54%
PÅ Klient 9 7000
Klient 2 5000
Kunde 10 3600
Kunde 17 2300
17900 32%
FRA: Klient 3 1000
Kunde 18 860
Kunde 11 700
Klient 7 680
Kunde 21 620
Klient 8 590
Kunde 16 510
Kunde 20 470
Kunde 19 350
Kunde 14 320
Klient 4 250
Kunde 12 200
Klient 6 180
Kunde 13 170
Kunde 16 170
Klient 5 140
Kunde 15 50
7260 13%

Noen få forklaringer til beregningene. Listen over kunder sorteres etter hvert som kjøpsvolumet avtar. Etter det, for de gitte indikatorene bestemmes: gjennomsnittsverdi, median, nedre og øvre kvartil. Alle disse beregningene kan gjøres ved å bruke standard KVARTIL- og GJENNOMSNITT-funksjonene i Microsoft Excel.

Hvis du ser kort på verdiene fra listen, kan du foreslå å dele kunder inn i grupper etter følgende prinsipp:

  • Gruppe A - fra 10 000 m,
  • Gruppe B - fra 1000 til 9000,
  • Gruppe C - fra 999 og under.

Nå teller vi utvalgene og vi får at den kritiske verdien for det øvre utvalget er (avrundet) tallet 2094. Takket være denne beregningen kan vi først dele kunder inn i to grupper: den første vil inkludere de hvis kjøpsvolum er høyere enn spesifisert verdi, den andre - de hvis volum under. I eksemplet ovenfor vil den første gruppen gi 87 % av alt salg i fysiske termer (totalt salg er 55 160 meter, og den første gruppen står for 47 900 av dem). I forbifarten legger vi merke til at denne situasjonen er typisk for råvaremarkeder og markeder for forbruksvarer.

Hva nå? Å gjennomføre ytterligere analyser avhenger av målene. Generelt er det to veier å gå. Du kan kalle den første gruppen mottatt gruppe "A", og resten, om nødvendig, deles inn i ytterligere to grupper - dette er allerede en subjektiv avgjørelse. Og du kan igjen analysere de resulterende utslippene ved å bruke kvartiler, slik vi gjorde. I noen tilfeller gir dette svært nyttige data. For eksempel, i vårt tilfelle, ble en klient skilt ut, hvis salgsvolum er svært forskjellig fra alle de andre (se tabell 3-C og 3-D).

I følge resultatene av analysen ser vi at kun én klient kom inn i gruppen "A". Støter vi på en slik situasjon i praksis prøver vi alltid å forstå hvor en slik kunde kom fra, som bidrar med hele 54 % til salget og faktisk utgjør en hel gruppe. Til å begynne med anbefaler vi deg å referere til de originale dataene og sjekke om det er en feil der.

Men i dette tilfellet er alt enklere. Det spesifikke ved aktiviteten til råvaremarkedet vi har tatt er at det faktisk har en liten gruppe kunder, noe som gir et uforholdsmessig høyt bidrag til salget. Merk at i dette tilfellet har vi å gjøre med et lite utvalg på 280 kunder av selskapet, men faktisk er det 7 så store kunder som i gruppe A, og de gir et 88 prosents bidrag til salget.

Siden analyse ved hjelp av kvartiler og uteliggere bidrar til å identifisere kunder hvis salgsvolum er svært forskjellig fra den generelle gruppen, lar reanalyse med denne metoden deg identifisere kunder som må behandles VELDIG nøye. I praksis analyserer vi ofte ved å bruke kvartiler for å isolere kunder til en spesiell gruppe VIP-er som vi legger til de tradisjonelle A, B og C.

La oss nå gå videre. Til dags dato har vi gjennomført generell analyse kundebidrag til salg. La oss nå vurdere et utvalg av klienter i tre år og analysere indikatorene i dynamikk (dataene presenteres i gruppen med tabeller nr. 4).

Gruppe med bord nr. 4

A) Salgsindikatorer i dynamikk, startdata

Klient 2000 (m) 2001 (m) 2002 (m)
Klient 1 30000 35000 32000
Kunde 10 3600 2800
Kunde 11 700 650 8000
Kunde 12 200 600
Kunde 13 170 350 240
Kunde 14 320 2000 600
Kunde 15 50
Kunde 16 510 600 800
Kunde 16 170 4000 7000
Kunde 17 2300 500 410
Kunde 18 860 710 950
Kunde 19 350 1100 980
Klient 2 5000 15000
Kunde 20 470 800 970
Kunde 21 620 250 270
Kunde 22 2500 3200
Kunde 23 520 680
Klient 24 1700 2200
Kunde 25 150
Kunde 26 270 530
Kunde 27 40 150
Kunde 28 6800 9400
Kunde 29 380 570
Klient 3 1000 460 980
Kunde 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
Total 55160 83030 84300

Merk. Det ser ut til at det er et tydelig avvik i grupperingen av klienter etter år, dersom vi gjennomfører den på grunnlag av en analyse av kvartiler for hvert enkelt år. I 2000 vil enhver klient hvis kjøpsvolum er over 3000 m falle inn i gruppe "B", og i 2001 - de hvis salgsvolum er over 4000 m. Men dette er bare ved første øyekast.

Til å begynne med, la oss sjekke om det er tilstrekkelig å dele kunder inn i grupper. For å gjøre dette vil vi utføre analysen beskrevet ovenfor for hvert år separat.


B) Kvartiler og uteliggere: analyse etter år


C) Rangering etter grupper

Klient 2000 Gruppe 2001 Gruppe 2002 Gruppe
Klient 1 30000 MEN 35000 MEN 32000 MEN
Klient 9 7000 PÅ 6800 PÅ 9400 PÅ
Kunde 28 6800 PÅ 9400 PÅ
Kunde 11 700 FRA 650 FRA 8000 PÅ
Kunde 16 170 FRA 4000 PÅ 7000 PÅ
Kunde 22 2500 FRA 3200 FRA
Kunde 10 3600 PÅ 2800 FRA
Klient 24 1700 FRA 2200 FRA
Kunde 19 350 FRA 1100 FRA 980 FRA
Klient 3 1000 FRA 460 FRA 980 FRA
Kunde 20 470 FRA 800 FRA 970 FRA
Kunde 18 860 FRA 710 FRA 950 FRA
Klient 7 680 FRA 240 FRA 950 FRA
Kunde 16 510 FRA 600 FRA 800 FRA
Kunde 23 520 FRA 680 FRA
Kunde 14 320 FRA 2000 FRA 600 FRA
Kunde 29 380 FRA 570 FRA
Klient 6 180 FRA 560 FRA
Kunde 26 270 FRA 530 FRA
Kunde 17 2300 PÅ 500 FRA 410 FRA
Klient 4 250 FRA 350 FRA 410 FRA
Kunde 21 620 FRA 250 FRA 270 FRA
Klient 5 140 FRA 270 FRA 250 FRA
Kunde 13 170 FRA 350 FRA 240 FRA
Kunde 27 40 FRA 150 FRA
Klient 2 5000 PÅ 15000 PÅ
Kunde 30 710 FRA
Kunde 12 200 FRA 600 FRA
Klient 8 590 FRA 280 FRA
Kunde 25 150 FRA
Kunde 15 50 FRA

D) Bidrag fra hver gruppe til salg:

2000 2001 2002
Totale salg 55160 83030 84300
Antall klienter 22 28 25
2507,273 2965,357 3372
Gruppe A
30000 35000 32000
54% 42% 38%
Antall klienter 1 1 1
I % av alle kunder 5% 4% 4%
Gjennomsnittlig salgsvolum per 1 kunde - - -
- - -
Variasjonskoeffisienten - - -
Gruppe B
Konsernets salgsvolum for året 17900 32600 33800
I % av totalt salg 32% 39% 40%
Antall klienter 4 4 4
I % av alle kunder 18% 14% 16%
Gjennomsnittlig salgsvolum per 1 kunde 4475 8150 8450
S (standardavvik i denne gruppen) 2012,254 4753,595 1170,47
Variasjonskoeffisienten 45% 58% 14%
Gruppe C
Konsernets salgsvolum for året 7260 15430 18500
I % av totalt salg 13% 19% 22%
Antall klienter 17 23 20
I % av alle kunder 77% 82% 80%
Gjennomsnittlig salgsvolum per 1 kunde 427,0588 670,8696 925
S (standardavvik i denne gruppen) 1013,346 613,4471 840,0407
Variasjonskoeffisienten 237% 91% 91%

Hva har vi gjort? Som de første dataene for analysen tok vi igjen det reelle salget av stoffer i tre år. Hvis kjøpsinformasjon ikke er tilgjengelig for noen kunder for et bestemt år, betyr det at de ikke har kjøpt noe i denne perioden.

Tabell 4-B presenterer kundeanalysedata etter kvartiler og spredninger for hvert år separat. Hva kan sies om dynamikken i salg uten å analysere nye, gamle, tapte og returnerende kunder? Ser vi på salgsvolumer ser vi en kraftig økning i 2001 sammenlignet med 2000, og omtrent samme nivå i 2002. Men sammenligner vi utslipp nr. 1 og nr. 2 i tre år, ser vi at dynamikken deres skiller seg fra totalt sett. salgsprestasjon. Dette indikerer betydelige endringer i strukturen til selskapets kunder (utslipp nr. 2 i første og tredje periode er nesten like, og i andre øker de kraftig).

Hvis du jobber med et så relativt lite dataspekter, som i dette eksemplet, er en slik trend lett å oppdage med det blotte øye, selv uten å analysere dynamikken til kvartilene. Men hvis kundelisten din er i hundrevis, kan du bruke den enkle tilnærmingen vi anbefaler for raskt å vurdere interne endringer i kundebasen din over ulike perioder.

Dataene i tabell nr. 4-D er interessant å vurdere nærmere. Av den ser vi at for dette eksemplet er kun 1 klient inkludert i gruppe "A". Dette er ikke en typisk situasjon, og som forklart tidligere oppsto det fordi vi bruker prøver fra virkelige data fra råvarebedriften, og også grupperer kunder i grupper ved å bruke avvikende reanalyse. Hvis en slik situasjon oppstår i praksis, er det nyttig å vurdere en slik klient (eller et svært lite antall kunder som betydelig overstiger salgsvolumet til hovedgruppen), som vi kommer tilbake til.

I tillegg, fra tabell nr. 4-D, kan vi konkludere med at bidraget fra gruppe "C" til det totale salgsvolumet gradvis vokser, selv om dynamikken i de siste to årene er ubetydelig, og antall kunder ikke endres . stiger og gjennomsnittlig størrelse innkjøp, selv om veksten her i de to siste periodene er ubetydelig.

Hvis vi ser på verdiene til standardavviket og variasjonskoeffisienten, kan vi konkludere med at i 2002 er gruppe "B" når det gjelder kjøp ganske homogen, og i 2001 er spredningen av salg innenfor gruppen mest uttalt. Ut fra dette kan vi gjøre to antagelser: enten har vi å gjøre med forskjellige segmenter av kunder, eller vi har å gjøre med forskjellige ytelser til selskapet vårt med denne kundegruppen. Når vi ser fremover, vil vi si at for å trekke en endelig konklusjon, må vi utføre en litt annen type analyse, som vi vil vurdere senere.

I gruppe C er situasjonen annerledes. Innen denne gruppen er det en betydelig variasjon i salgstall. På den ene siden kan dette tyde på at oppdelingen av klienter i grupper er gjort feil. Men hvis vi er sikre på riktigheten av rangeringen, kan vi konstatere at kundene i dette segmentet skiller seg betydelig fra hverandre. Dynamikken i bidraget til salget er positiv, men det er ikke noe så klart forhold til antall kunder.

Så, for den mest komplette analysen av kunder, er det nyttig å kombinere alle tre tilnærmingene beskrevet ovenfor: den første er basert på et gitt prosentvis bidrag til gruppen, den andre er basert på et gitt bidrag i absolutte termer, den tredje er basert på på en distribusjonsanalyse ved bruk av kvartiler. Uten å gå i detaljer vil vi bare si at det siste alternativet for å splitte kunder er godt egnet for relativ analyse av kundedynamikk, men kan ikke brukes til å klassifisere kunder i grupper for å bruke dem som indikatorer på kundenes «viktighet».

Det må tas i betraktning at re-analyse av uteliggere kan utgjøre en svært liten gruppe klienter. Da er det nyttig å dele den inn i en egen VIP-gruppe, og dele den resterende delen litt annerledes. Vanligvis, når en reanalyse av uteliggere gir en gruppe med svært få kunder, vil salgsmiksen være svært heterogen. Disse klientene bør vurderes separat og analyseres hvorfor denne situasjonen oppsto. Svært ofte kan dette indikere at selskapet har "vokst opp" til et nytt stadium - å jobbe med veldig store kunder, og denne VIP-gruppen er veldig forskjellig fra alle tidligere kunder.

Andre alternativer er selvfølgelig også mulig. I det generelle tilfellet bør denne gruppen igjen vurderes separat. Da vil vi på dette stadiet bare ha to hovedgrupper. Den første er gruppe "A", som vi pekte ut basert på utslippsanalysen for første gang. For å "bryte" den gjenværende "bunn"-gruppen i to deler, er det nyttig å se hvilket bidrag til salget som allerede gir. klar gruppe"MEN". Hvis gruppe "A" opptar mer enn 70% i salgsstrukturen, er det nyttig å prøve å dele opp den gjenværende gruppen slik at kunder "B" okkuperer fra 20 til 25%.

Det er et problem her som vi ikke har berørt ennå. La oss si at du har en liste:

  • Klient 1 – 800
  • Klient 2 - 750
  • Kunde 3 – 600
  • Kunde 4 – 550
  • Kunde 5 – 500
  • Kunde 6 – 450
  • Etc.

I en slik situasjon er forskjellen mellom hvert par klienter svært liten. Og hvis vi sier at klienter fra 1 til 3 er gruppe "B", og under - "C", vil ikke forskjellen mellom klient 4 og 3 være klar. Hvorfor er den 4. allerede en gruppe "C", og 3. også i"? Problemet er virkelig alvorlig, fordi det antas at oppdeling av klienter er gjort av en grunn. I tillegg, ved å dele opp klienter i grupper, vil du behandle dem forskjellig og tilby dem forskjellige arbeidsforhold. En mulig vei ut av situasjonen er innføring av ytterligere kundedata i analysen. Generelt bør disse dataene komme fra markedsavdelingen og representere kriteriene for å dele inn kunder i segmenter.

Denne tilnærmingen er ofte også nyttig. Som ytterligere to kriterier kan du angi det potensielle forbruksvolumet for kunden av produktet ditt (for den estimerte perioden) og dets bransjetilknytning. Dette alternativet er spesielt bra hvis du selger råvarer eller forbruksvarer, det vil si produkter som samme klient bruker konstant i sin produksjon. Da kan selskapets ledere estimere de omtrentlige salgsvolumene for denne klienten, og dessuten kan de ganske nøyaktig indikere sin bransje.

Innføringen av disse to tilleggsparametrene har en begrensning: Hvis hver salgssjef jobber med hundrevis av kunder, er det vanskelig å få slik informasjon. Alternativt kan du be dem om å oppgi potensielle salgsdata kun for de kundene som kan kjøpe mye, men i virkeligheten kjøper lite fra deg. Men dette er en litt annen analyse.

Det er faktisk stor sannsynlighet for at du etter å ha delt inn kunder i grupper på grunnlag av ALLEREDE SALG - enten det er fortjeneste, omsetning i kontanter eller naturalier - gjør én stor unøyaktighet. Det er tross alt blant kundene dine en gruppe som kjøper LITE av deg, men som VIRKELIG forbruker mye. Dette gjelder spesielt for de næringene hvor mulighetene for produktdifferensiering er lave, for eksempel de samme råvarene.

Jo høyere grad av kommodisering av råvarer, jo mer presserende er problemet. Hvis du for eksempel handler med en vare, er dette problemet spesielt akutt. I denne forbindelse anbefaler vi likevel at du gjennomfører en slik analyse, hvor analysekriteriet er i hvilken grad produktet ditt dekker kundens behov. Som en del av denne analysen, for hver kunde, må du beregne forholdet som oppnås ved å dele salgsvolumet av produktet ditt til den kunden med kundens totale behov for dette produktet.

Eksempel. La oss si at du selger papir til trykkerier. Hvis du solgte 100 tonn papir per år til en skriver, og etterspørselen deres er 1000 tonn per år, er dekningsgraden 0,1. Det vil si at du gir kunden 10 % av produktbehovet hans. Hvorfor det? Det er verdt å tenke på. Kanskje denne klienten ikke representerer hovedmålsegmentet til selskapet (da er det verdt å analysere utsiktene for å gå inn i dette segmentet), eller kanskje dette er en indikator på det ineffektive arbeidet til salgstjenesten.

Svært ofte, når man utfører en slik analyse, oppstår problemet - hvor kan man få data om kundenes reelle behov? Det korte svaret på dette spørsmålet er at hvis du har fagfolk i salgsavdelingen din, MÅ de kjenne kundenes reelle behov. Punktum.

La oss oppsummere det ovenstående. På det første stadiet ABC-analyse det er nødvendig å velge kriterier for evaluering. Det kan være ett enkelt kriterium (for eksempel fortjeneste) eller en generalisert indikator. Det er opp til deg å bestemme hvilke kriterier du skal basere analysen på. Men det er på dette at den praktiske nytten av konklusjonene som trekkes som et resultat av den endelige analysen vil avhenge.

For eksempel, i situasjoner hvor salgsledere får en fast prosentandel av omsetningen, og kortsiktig profitt er viktig for bedriften, kan det hende at vurderingene av viktigheten av kunder som ledere gir, ikke samsvarer med organisasjonens mål. Det hender ofte at det er viktig for en leder å bare inngå så mange kontrakter som mulig, og han vil legge press og press på ledelsen, kreve mulighet for lavere priser, gi utsettelse osv. Uten å gå inn i diskusjoner om hvor akseptabel denne situasjonen er, konstaterer vi at det i dette tilfellet kan være nyttig å analysere kunder ut fra kriteriet «profitt». For det første vil det bidra til å bedre forstå hvilke kunder som virkelig trenger å endre holdning (uten å stole på ledernes subjektive mening). For det andre kan det danne grunnlag for utvikling av en incentivordning for avlønning av ledere som vil passe bedre til bedriftens mål.

Som vi allerede har bemerket, har markedsførere også muligheten til å bruke et integrert kriterium for kundeverdi, som inkluderer alle andre. Anta at du samtidig må ta hensyn til både fortjeneste og omsetning, og hastigheten på tilbakebetaling av fordringer. For å gjøre dette, tilordne en vektingsfaktor til hvert kriterium og angi en generalisert indikator for beregninger.

Starter til andre fase av analysen, er det viktig å forstå hva du ønsker å få som utgang. Hvis du trenger å analysere data for en periode, er det nok å bruke en enkel prosentmetode. Bruk en ekstra analyse av fordelingen av indikatorer innen hver gruppe for selvundersøkelse, det vil tillate deg å se hvor godt prosentandelen av fordelingen av aksjer er valgt.

Uansett er det lite sannsynlig at denne grupperingen alene vil gi deg noen meningsfulle resultater som kan brukes i praksis. Derfor må analysen av én periode suppleres med samme analyse av grad av kundedekning, samt en vurdering i sammenheng med bransje og ledere. Som et resultat bør en enkel prosentanalyse suppleres med tre eller fire til.

Generelt kan vi si at innenfor rammen av ABC-analysen er det flere nødvendige typer rangering:

  • Generalisert analyse, prosentmetode. Du ser på flere grupperingsalternativer - 75 %, 20 %, 5 %. 80, 15, 5. 70, 25, 5 osv. opp til 80, 20. En analyse av fordelingen og variabiliteten til hver gruppe, samt sunn fornuft, vil fortelle deg hvilket alternativ som passer best for din situasjon. Er resultatene tilfredsstillende? Herlig. Da slipper du å bruke mer tid på det. Trenger du mer dyptgående dataanalyse? Gå videre.
  • Prøv å skrive "Industri" parameter. Se om det er bransjer som bare faller inn i gruppe "C"? Bare i "A"? Dette er verdt å tenke på. finnes det ikke noe slikt? Er alle bransjer noenlunde likt fordelt? Er du flink til å skille deg ut? Lag en analyse for hver bransje separat.
  • Du kan gå inn Alternativet "Manager". Er det ledere hvis salg kun er konsentrert i gruppe "C"? Bare i "A"? Vurder det. Er det en slik avhengighet? Gjennomfør en analyse for hver leder separat. Gjør den samme grupperingen av kunder i grupper for alle som du allerede har gjort for hver bransje. Dette vil bidra til å sjekke hvordan prioriteringene som ledere setter for sine kunder er i tråd med målene til selskapet.
  • Fortsatt ikke nok data? Gjør alle disse analysene for prosentandelen av kundedekning. For å gjøre dette, be ledere vurdere kunder i en gitt periode etter nivået av behov for et produkt som ligner ditt. (Eller bruk tilgjengelige databaser).
  • Hvis du vil se dynamikken til kundene, gjør du først ovenstående generell analyse for hver periode. Dynamikk av gjennomsnitt, antall kunder, bidraget til hver gruppe og variasjonskoeffisienten kan fortelle mye om hvordan salget ditt endrer seg.
  • Hvis du vil gå dypere variasjonsanalyse kan bli gjort for fag og ledere, eller for både handel og leder sammen. For eksempel vil du kunne se at flertallet av kundene fra bransje "X" er i gruppe "A". Men det er kunder fra denne bransjen som faller inn i "C"-gruppen. Kanskje en bestemt person jobber med dem?
  • Det er en mer logisk tilnærming - bygg distribusjoner ikke på grunnlag av prosentmetoden, men på grunnlag av en gitt total for alle perioder av antall solgte produkter i fysiske termer (du kan bruke verdiene gitt i monetære vilkår, men de har sin ulempe - du plages med inflasjonsjusteringer , valutakurser, etc.). Her velger du for hver gruppe klienter en viss kritisk verdi, hvor overskuddet lar deg tillegge klienten til en gitt gruppe.

Vær nøye med valg av terskler. For eksempel, hvis du klassifiserer kunder som selger mer enn 100 enheter i løpet av et år som gruppe A, kunder som kjøper mellom 10 og 99 enheter i gruppe B, og kunder som kjøper mindre enn 10 enheter i gruppe C, kan det være ganske vanskelig. å forklare hvorfor en klient med et volum på 99 enheter er en gruppe "B", og med et volum på 100 - allerede en "A".

Hva å gjøre? Dette er måten å starte på. Ta som grunnlag for analysen dataene for den første av periodene som vurderes (det vil si hvis du ønsker å analysere salg for fem år - 2001, 2002, 2003, 2004 og 2005 - start med 2001). Prøv å analysere disse dataene ved å bruke metodene beskrevet ovenfor (prosentandeler og kvartiler). Målet ditt er å identifisere kritiske punkter for å dele kunder inn i grupper. Husk at hvis du bruker kvartiler, vil det hjelpe deg å dele kundene dine i to grupper. Det er nyttig å angi den øvre gruppen som "A", og manuelt dele de gjenværende klientene inn i "B" og "C".

Det er et annet alternativ . Se på rekkefølgen av verdier som bestemmer kjøpene til den største kunden. Anta at det er 567.300 produksjonsenheter. Deretter bygger du et veiledende salgshistogram. Hvis det er minst 5-10% av klientene med volumer av samme ordre - i dette tilfellet, fra 100 000 og over, vil dette være gruppe "A". Se deretter etter kunder hvis volumer er en størrelsesorden lavere. I dette tilfellet er det fra 10 000 til 99 000. Hvis antallet slike klienter er fra 50 til 80 %, har du gruppe "B". Resten av kundene vil utgjøre "C"-gruppen.

  • Etter å ha bestemt de kritiske verdiene for å dele opp klienter i grupper, analysere for alle perioder som vurderes, og angi for hver klient bransjen og lederen de jobber med. I tillegg angir du en egenskap til for hver klient for alle perioder: "ny klient", "gammel klient", "tapt klient" (hvis han i løpet av en av periodene ikke foretok et eneste kjøp) og "returnerende klient".

For hver periode skal du også beregne det totale kjøpsvolumet, gjennomsnittlig kjøpsvolum, antall kunder og variasjonskoeffisienten. Gjør det samme for hver gruppe i hver periode. For all den tilsynelatende kompleksiteten, selv når du bruker det vanlige Excel Office-programmet, tar ikke disse operasjonene så mye tid. Som et resultat bør du få en tabell som ligner på tabell nummer 5.

Tabell nummer 5: sammendrag (eksempel)

Produkt 2000 2001 2002 2003 2004 2005 2005 vs 2004
Opptak (vekt osv.)
Totalt antall celler
onsdag
S
Coef. Variasjoner
Kunder A
Opptak (vekt osv.)
Antall
% vekt av total
% av kundene
onsdag
S
Coef. Variasjoner
Kunder B
Opptak (vekt osv.)
Antall
% vekt
% av kundene
onsdag
S
Coef. Variasjoner
Klienter C
Opptak (vekt osv.)
Antall
% vekt
% av kundene
onsdag
S
Coef. Variasjoner
Kundedynamikk
Ny
gammel
Dro avgårde
Dynamikk A
Ny A
Avreise A (forrige år)
Gamle A
Dynamikk B
Ny i
Avreise B (forrige år)
Eldre V
Dynamisk C
Ny C
Avreise C (forrige år)
Gamle C
Vekst
CA
CB
BA
Høsten
AB
AC
f.Kr
Uniisme
AA
BB
CC

Forklaringer til tabellen:

1. I feltet, som her kalles «footage», angir du kjøpsvolumet til alle kunder i fysiske termer (dette kan være antall produksjonsenheter i stykker, i tonn, kg, meter osv.)

2. For hver periode, spesifiser det totale antallet kunder, gjennomsnittlig kjøpsvolum per kunde, standardavviket og variasjonskoeffisienten.

3. Gjør det samme for hver gruppe separat.

4. I "dynamikk"-feltene, angi bevegelsen av klienter for hver gruppe (hvor mange klienter i denne gruppen som kom, forlot, gikk tapt eller ble returnert). Om ønskelig kan disse dataene suppleres med informasjon om salgsvolum. Dette vil gi deg en mulighet til å se hvordan du beholder kunder.

5. I feltene "vekst", "fall" og "stillestående" angir du bevegelsen til kunder fra gruppe til gruppe. I dette tilfellet vurderes KUN gamle kunder sammenlignet med fjoråret. Her får du informasjon om hvordan dynamikken i kjøpsvolumet til kunder som bor hos deg i minst to år endrer seg. Faktisk er disse feltene en mer detaljert analyse av klientene som danner "Gamle"-feltet i de "dynamiske" feltene.

De samme tabellene kan lages separat for bransjer og ledere, samt for begge samtidig. I tillegg til dem kan du bruke alle makro- og mikroindikatorer som du synes passer - fra kundenes geografi til graden av tiltenkt bruk av produktene. I tillegg er det nyttig å analysere kundedekning for hvert år. Det eneste her er at klientene til gruppe "A" vil være de som har minimum dekningsgrad, fordi det er de som bør følges nøye med. Faktisk er det nyttig å utføre ytterligere handlinger i fellesskap av lederen for salgsavdelingen og lederen for markedsavdelingen.

Så, fra dataene som er oppnådd, kan man trekke konklusjoner om leseferdigheten til kundesegmentering eller se etter grupper av kunder som ligner hverandre for segmentering. I tillegg kan du se på effektiviteten til selskapet etter bransje, geografi og andre funksjoner, samt gjennomføre en felles analyse. Separat analyse av grupper vil tillate deg å forstå dynamikken til store, mellomstore og små kunder, og analysen av nye og gamle vil bidra til å se et mer realistisk bilde av hva som skjer. Vi gir logikken til mulige beregninger i et annet eksempel (tabellgruppe nr. 6).

Tabell nr. 6

A) Sammendragstabell over salg i dynamikk, fordelt på bransjer, ledere og kundekategorier

Klient Industri sjef 2004 2005 NDOR ABC 04-05
1 1 m1 194 800 N -EN
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

Forklaringer.

  • I den første kolonnen, i stedet for serienumre, legger du ned navnene på klientene, i den andre - navnet på bransjen som klienten tilhører, i den tredje - navnet på lederen som jobber med denne klienten.
  • Den fjerde og femte kolonnen i dette tilfellet er tilordnet verdien av omsetningen i fysiske termer for den tilsvarende perioden.
  • Betegnelser i sjette kolonne: N - ny klient (ny), D - tapt klient (forsvunnet), O - gammel klient (gammel), R - returnert klient (returnert).
  • Den syvende kolonnen er dynamikken til klienter i to år etter grupper.

B) Sammenlignende analyse av bransjer:

(reflekterer antall kunder i hver gruppe for hver bransje)


C) Sammenlignende analyse av ledernes arbeid:

(reflekterer antall kunder i hver gruppe for hver leder)

m1 m2 m3 m4
A-1
B-4 AT 3 AT 4 I 2
C-1 C-2 C-2 C-3

D) kombinert analyse av ledere og bransjer:

(reflekterer hvilke kundegrupper en gitt leder har i en gitt bransje)

  • av ledere
sjef N O D R
m1 2 4 1
m2 5
m3 2 4
m4 3 2

Som man kan se i eksemplet ovenfor, kan ytterligere tre fordelinger hentes fra dataene i Tabell 6-A. Til denne informasjonen kan du legge til ikke bare antall klienter, men antall klienter delt inn i grupper. La oss si at tapet av kunde "C" er mye mindre betydelig enn tapet av kunde "A". Det samme for tiltrekning: hvis en leder har tiltrukket en klient til gruppe "A", er dette mye bedre enn om han har tiltrukket en klient til gruppe "C".

Et vesentlig problem er migrering av klienter mellom grupper. Spesielt er det nyttig å se hvordan ledere øker kundedekningen. Hvis klienten var i gruppe "C" og havnet i gruppe "A", gjorde lederen en god jobb. Men dette er bare hvis kundedekningsgraden har økt.

Eksempel. I 2004 kjøpte en kunde 100 enheter av deg og var i gruppe C, og etterspørselen hans var 1000 meter. Året etter begynte han å kjøpe 1000 enheter av produkter fra deg og falt i gruppe "A", men samtidig økte etterspørselen hans til 10 000 enheter. Hvorvidt salgsvekst taler om effektivt arbeid med en klient er et stort spørsmål. Mest sannsynlig begynte han å kjøpe mer i det hele tatt på grunn av det gode arbeidet til manageren.

Hva annet? Resultatene av denne analysen kan brukes til å sette spesifikke mål for hver kundebevaringsleder i forskjellige grupper, for å tiltrekke og returnere tapte kunder. Disse oppgavene kan også spesifiseres i sammenheng med bransjer, regioner osv. En lignende tilnærming kan brukes til å fordele kunder mellom ledere. Kanskje vil du oppdage at en eller annen leder viser lav effektivitet i industri X, men svært høy ytelse i industri Z. Eller en leder "jobber" med å tiltrekke seg nye kunder som raskt går, og den andre - med å beholde gamle, men tiltrekker seg ikke nye.

På en eller annen måte håper vi at den metodiske tilnærmingen som er beskrevet her vil være nyttig for deg.

Eller andre som vil bli akseptert som base.

Kvartil- grensen på skalaen til den målte indikatoren, som skiller 25 % av forsøkspersonene fra den totale prøven. Det er tre kvartiler: Q1 - de første 25%, Q2 - 50% (median), Q3 - 75%.

Hvis du ønsker det, kan du utføre en standard analyse av dataspredning, men mer om det nedenfor.

Det beregnes som standardavvik delt på gjennomsnittlig avvik.

Før du fortsetter med analysen, må du bestemme formålet, hva slags informasjon du vil motta. Deretter bestemmer vi hva slags data du skal analysere (analyseobjekt). Analyseobjektet kan være:

  1. varegrupper;
  2. kjøpere;
  3. leverandører;
  4. salgssjefer.

Det neste viktige punktet er definisjonen av parameterne som analysen skal utføres med. Tross alt har hvert av analyseobjektene ovenfor forskjellige parametere for beskrivelse og måling.

Når du har fullført trinnene ovenfor, er du klar til å begynne analysen. Systemet analyserer den valgte parameteren for perioden du spesifiserte i henhold til dataene som er akkumulert i infobasen. Basert på denne analysen vil ABC-klassifiseringen bygges i fremtiden.

Hvordan gjøre ABC-analyse?

  1. Bestem formålet med analysen

    Definisjon av suksesskriterier. ABC-analyse kan tjene ett av to hovedformål: redusere innkjøpskostnader eller øke kontantstrømmen ved å ha de riktige produktene tilgjengelig for produksjon eller direkte for salg til kunder.

  2. Samle inn data for analyse

    De vanligste dataene som vanligvis finnes i standard regnskap er den årlige kostnaden per vare, inkludert alle bestillingskostnader og fraktkostnader hvis disse enkelt kan beregnes.

  3. Sorter aksjer etter viktighet i synkende rekkefølge

    I det minste ranger hver lagervare etter kostnad.

  4. Beregn den totale effekten

    Den elektroniske rapporten beregner den kumulative virkningen av en liste over beholdningsvarer ved å dele den årlige kostnaden med den totale årlige beholdningen og deretter legge dette beløpet til den totale prosentandelen brukt.

  5. Del aksjen inn i kategorier

    Du får kanskje ikke det nøyaktige 80/20-forholdet som Pareto-prinsippet krever. Fokuser på det store bildet og ikke sikte på den nøyaktige 80/20-regelen. Målet er å finne områder hvor reforhandling av kontrakter, konsolidering av leverandører, endring av metodikk eller implementering av e-innkjøp kan føre til betydelige kostnadsbesparelser eller mer varelager.

  6. Analyser produkter i kategorier og ta avgjørelser deretter

    Nøkkelen til dette trinnet er oppfølging og sporing. Når strategisk kostnadsstyring er utført på kategoribasis, er periodisk gjennomgang avgjørende for å overvåke suksess eller fiasko til beslutninger.

Send ditt gode arbeid i kunnskapsbasen er enkelt. Bruk skjemaet nedenfor

Studenter, hovedfagsstudenter, unge forskere som bruker kunnskapsbasen i studiene og arbeidet vil være deg veldig takknemlig.

postet på http://www.allbest.ru/

Utdannings- og vitenskapsdepartementet i Den russiske føderasjonen

Federal State Budgetary Educational Institute of Higher Professional Education Ural State University of Economics

Kursarbeid

I faget "Organisering av kommersielle aktiviteter"

Om emnet: "ABC og XYZ analyse"

Fullført:

Student Makeev A.S.

Spesialitet: Handel

Vitenskapelig rådgiver: Lunev V.G.

Jekaterinburg 2014

Kapittel I. Teoretisk materiale

1.1 Hvordan ABC-analyse fungerer

1.2 Hvordan XYZ-analyse fungerer

1.3 Interaksjon av ABC- og XYZ-analyse

Kapittel II. Praktisk jobb

2.1 Anvendelse av ABC-analyse for sortimentsstillinger

2.2 Bruk av XYZ-analyse på sortimentsvarer

2.3 Bygge en ABC-XYZ analysematrise

Konklusjon

Liste over kilder som er brukt

Kapittel I. Teoretisk materiale

Tradisjonelle måter å føre oversikt over salg og kostnader på kan forvirre ledere og presse dem til å akseptere riktige avgjørelser. For å forhindre slike problemer i bedriften, er det en ikke vanskelig måte å ta beslutninger knyttet til produktprising - ABC-analyse.

Derfor er den første oppgaven ABC løser å etablere tilstrekkelige kostnader per produktenhet og følgelig tilstrekkelige priser. Selv riktig bruk av ABC garanterer imidlertid ikke selskapets automatiske markedslederskap. I mange tilfeller går ABC utover regnskapsbegrepet og blir en kostnadsstyringsmetode som bidrar til å påvirke kostnadsdriverne til enkelte aktiviteter. På bakgrunn av ABC tas ledelsesbeslutninger om markedssegmentering og utvidelse av produktlinjer, etablering av nye former for relasjoner med forbrukere og forbedring av forretningsprosesser. XYZ samhandler godt med ABC-analyse. På riktig bruk, kombinasjonen av disse to komponentene gir et klart bilde av alle prosesser knyttet til salg av produkter, og stimulerer til å ta de riktige beslutningene i bedriften. prisstyring statistikk salg

Høykvalitetsstyring av selskapets varer innebærer en daglig detaljert analyse av en stor mengde informasjon om salgsstatistikk, varelagre, illikvide eiendeler, etc.

Hvis du nøye analyserer slik statistikk for hvert enkelt produkt, vil det rett og slett ikke være nok arbeidstid til dette. Derfor oppstår alltid spørsmålet, hvilke produkter som må analyseres hver dag, og hvilke produkter som må kontrolleres en gang i uken eller til og med en gang i måneden.

ABC-XYZ-analyse gir svar på dette og mange andre spørsmål.

ABC-analysemetoden innebærer å bestemme for hver produktgruppe dens rolle og plass i handelen og den teknologiske prosessen basert på de spesifikke egenskapene til produktgruppene, samt graden av deres betydning for forbrukerne.

Fordelene med ABC- og XYZ-analysemetodene er enkelhet, nøyaktighet og klarhet, muligheten for automatisering. Ulempene med begge metodene er at de ikke tillater å sikre riktigheten av konklusjonene når du bygger et komplekst, dårlig strukturert produktspekter.

1.1 Hvordan ABC-analyse fungerer

Ideen til ABC-analyse er basert på Pareto-prinsippet, som er formulert som følger: "20% av innsatsen gir 80% av resultatet, og de resterende 80% av innsatsen gir bare 20% av resultatet", dvs. 20 % av alle varer gir 80 % av omsetningen. Ved å bruke denne regelen på varene til ethvert handelsselskap, kan du ta et veldig enkelt skritt for å implementere logistikk.

ABC-analyse er en metode som lar deg klassifisere inventar selskaper i henhold til deres betydning ved å dele inn i tre kategorier. De klassiske grensene er som følger:

A - den mest verdifulle, 20% - inventar; 80% - salg;

B - mellomliggende, 30% - inventar; 15% - salg;

C - den minst verdifulle, 50% - inventar; 5% - salg.

Prosedyren for å utføre en ABC-analyse er som følger:

1. Valg av objekt og parameter (attributt som vi skal utføre analysen på). Typisk er objektene for ABC-analyse produktgrupper, produktkategorier eller produktartikler. Hvert av disse objektene har forskjellige måleparametere: salgsvolum, både i monetære og kvantitative termer, inntekt (i monetære termer), varelager, omsetning, etc.

3. Valg av A-, B- og C-grupper. Til dette trenger du:

*tilordne gruppeverdier til valgte objekter.

1.2 Hvordan XYZ-analyse fungerer

XYZ-analyse er en matematisk og statistisk metode som lar deg analysere og forutsi stabiliteten i salg av visse typer varer og svingninger i forbruksnivået til visse varer.

Hensikten med XYZ-analyse er inndeling av varer i grupper avhengig av ensartethet i etterspørselen og nøyaktigheten av prognoser.

XYZ-analysemetoden ligner på ABC-analyse og er basert på samme prinsipp – varer deles i tre gruppene X,Y og Z, basert på verdien av variasjonskoeffisienten for en viss tidsperiode. Denne analysen deler objekter etter graden av avvik fra gjennomsnittet beregnet over flere perioder.

Jo mindre verdien av variasjonskoeffisienten er, desto mer nøyaktig er prognosen. Jo mer stabil etterspørselen etter et produkt er, jo lettere er det å administrere, og følgelig, jo lavere behov for varelagre, jo lettere er det å planlegge bevegelsen av produktet. Dermed ser det ut tilleggsmaterialeå ta beslutninger om tilstedeværelsen av varer i sortimentsmatrisen til butikken.

Stadier av XYZ-analyse:

1. Velge analyseobjektet (gruppe, kategori, posisjon) og parameteren som objektene skal sammenlignes med (for eksempel salg per måned). Vanligvis er objektene for XYZ-analyse en produktkategori eller en produktartikkel. Analysen er basert på en salgsperiode på minst tre måneder.

2. Bestemme antall perioder som analysen skal utføres for: en uke, et tiår, en måned, et kvartal / sesong, et halvt år, et år. Jo lengre periode, jo bedre, jo mer nøyaktig blir analyseresultatet. Hvis produktet har en omsetning på mer enn en måned, er det pålagt å ta en periode på minst tre ganger omsetningen.

Det finnes flere varianter av XYZ-analyser, som analyse av planlagte data med faktiske data, som gir et mer nøyaktig % avvik fra prognosen. Svært ofte utføres XYZ-analyse i forbindelse med ABC-analyse, slik at du kan velge mer nøyaktige grupper med hensyn til deres egenskaper.

Variasjonskoeffisienten er forholdet mellom standardavviket og det aritmetiske gjennomsnittet av de målte ressursverdiene.

Beregnet etter formelen:

hvor: - variasjonskoeffisient

Standardavvik

aritmetisk gjennomsnitt

I-te verdi av den statistiske serien

Antall verdier i en statisk serie

1.3 Interaksjon av ABC- og XYZ-analyse

2. Bestemmelse av hvilke objekter som tilhører gruppen X, Y og Z.

Dermed er meningen med ABC-analyse å bestemme bidraget til et bestemt produkt til det endelige resultatet (oftest til selskapets samlede fortjeneste).

Betydningen av XYZ-analyse er å studere stabiliteten i salg, studiet av avvik, hopp, ustabilitet i salg av produkter.

Selvfølgelig kan du bruke hver type analyse separat, men dette vil ikke gi et fullstendig bilde av selskapets sortimentsmatrise, så det anbefales å bruke begge typer analyser i kombinasjon, for å identifisere sterke og svake produkter, salgsstabilitet , og nøkkelprodukter for selskapet.

XYZ-analyse er veldig bra i kombinasjon med ABC-analyse - det er identifisering av absolutte ledere og outsidere i butikkens sortiment.

ABC-XYZ-analyse lar deg dele salgsdata i 9 grupper avhengig av bidraget til selskapets inntekter (ABC) og kjøpsfrekvensen (XYZ).

Etter å ha utført disse to typene analyser, kompileres den endelige matrisen, hvis evaluering lar deg danne lagerbeholdningen på lageret optimalt (tabell 1).

For eksempel bør celle AX inneholde posisjoner tilordnet gruppe A når den er klassifisert i henhold til ABC-metoden og til gruppe X når den er klassifisert i henhold til XYZ-metoden. Denne klassifiseringen forenkler arbeidet med planlegging og utforming av sortimentet.

Tabell 1

Matrix ABC og XYZ

Kapittel II. Praktisk jobb

2.1 Anvendelse av ABC-analyse for sortimentsstillinger

1. Formålet med analysen: å redusere det totale volumet av inventar for å redusere kostnadene for vedlikeholdet og frigjøre ressurser for å utvide utvalget.

2. Forvaltningsobjektet er en egen post i sortimentet.

3. Et tegn på sortimentsdifferensiering i gruppe A, B og C er andelen av årlig omsetning for en egen varepost i det totale salgsvolumet.

4. Beregning av andelen enkeltvarer i sortimentet i det totale salget.

tabell 2

Beregning av produktets andel av det totale salget

Produktnavn

Bar "Mars"

Bar "Melkeveien"

Bar "Nesquik"

Bar "Twix"

Bounty melkeaktig

Tyggegummi "Boomer"

Tyggegummi "Dirol"

Tyggegummi "Minton"

Tyggegummi "Super"

Ketchup "bulgarsk"

Ketchup "Monarch"

Kinder overraskelse

Kaffe "Arabica" malt

Cornflakes med sukker

Nudler "Doshirak"

Mandler i sjokolade

ris lang

Ris rund

Pakket granulert sukker

vaffelkake

Te Ahmad

Indisk te

Chupa Chups

Sjokolade "Alenka"

Sjokolade "Inspirasjon"

Sjokolade "Delight"

Sjokolade "Belltower" luftet

Sjokolade "Kaffe med melk"

Sjokolade "Bear klumpfot"

Sjokolade "Nesquik"

Sjokolade "Nestlé Classic"

Sjokolade "Journey"

Sjokolade "Retro"

Sjokolade "russisk"

Sjokolade "russisk"

Sjokolade "Tales of Pushkin"

Sjokolade "Sudarushka"

Sjokolade med peanøtter

Sjokolade med kokos

Sjokoladedrikk "Nesquik"

5. Sortering av sortimentsgrupper i synkende rekkefølge etter andel av totalt salg (tabell 3).

Tabell 3

ABC-analyse

Produktnavn

Årlig salgsvolum av produktet, tusen rubler

Produktandel av totalt salg, %

Antall varer i sortimentet i stigende rekkefølge av listen i prosent av totalt antall varer i sortimentet

Andelen av produktet på periodiseringsbasis (OY-aksen), %

Instant kaffe "Nescafe Classic"

Tyggegummi "Dirol"

Bar "Twix"

Instant kaffe "Nescafe Gold"

Bar "Mars"

Bounty melkeaktig

Pakket granulert sukker

Kaffe "Arabica" malt

Tyggegummi "Stimorol"

Nudler "Doshirak"

ris lang

Bar "Nesquik"

Tyggegummi "Boomer"

Bar "Melkeveien"

Sjokolade "russisk"

Sjokolade "Alenka"

Tyggegummi "Super"

Ris rund

Sjokolade "russisk"

Sjokolade "Nestlé Classic"

Sjokoladedrikk "Nesquik"

Tyggegummi "Minton"

Sjokolade "Retro"

Sjokolade "Bear klumpfot"

Sjokolade "Alpen Gold" med nøtter og rosiner

Ketchup "bulgarsk"

Te Ahmad

Chupa Chups

Cornflakes med sukker

Sjokolade "Kaffe med melk"

Kinder overraskelse

Sjokolade "Tales of Pushkin"

Sjokolade "Inspirasjon"

Mandler i sjokolade

Sjokolade "Delight"

Ketchup "Monarch"

Sjokolade "Nesquik"

Sjokolade med kokos

vaffelkake

Sjokolade "Journey"

Indisk te

Sjokolade med peanøtter

øyeblikkelig gulasjsuppe

Sjokolade "Belltower" luftet

Sjokolade "Sudarushka"

Chocolate Air hvit luftet

6. Inndeling av sortimentet i gruppe A, B og C (tabell 4).

Tabell 4

Andel av gruppe A, B og C av sortimentet

2.2 Bruk av XYZ-analyse på sortimentsvarer

1. Beregning av variasjonskoeffisienter for etterspørselen for individuelle varer i sortimentet.

2. Sortering av sortimentsposisjoner i stigende rekkefølge etter verdien av variasjonskoeffisienten (tabell 5).

3. Inndelingen av det analyserte sortimentet i gruppene X, Y og Z (kolonne 5 i tabell 5).

Tabell 5

Selskapets produkter, ordnet i stigende rekkefølge etterienten

Produktnavn

Variasjonskoeffisienten

Bestilt listeradnummer

Antall sortimentsvarer i en bestilt liste i samlet sum i prosent av Total sortimentsposisjoner (OX-akse)

Gruppe (X, Y eller Z)

Sjokolade "russisk"

Instant kaffe "Nescafe Gold"

Instant kaffe "Nescafe Classic"

Bar "Twix"

Sjokolade "Alenka"

Pakket granulert sukker

Kaffe "Arabica" malt

Sjokolade "Inspirasjon"

Bounty melkeaktig

ris lang

Cornflakes med sukker

Sjokolade "Nesquik"

Chupa Chups

Te Ahmad

Tyggegummi "Super"

Sjokolade "Tales of Pushkin"

Ketchup "bulgarsk"

Sjokolade "russisk"

Indisk te

Sjokolade "Retro"

Tyggegummi "Dirol"

Sjokolade "Kaffe med melk"

Bar "Mars"

Tyggegummi "Minton"

Sjokoladedrikk "Nesquik"

Tyggegummi "Boomer"

Sjokolade "Delight"

Nudler "Doshirak"

Sjokolade "Alpen Gold" med nøtter og rosiner

Sjokolade "Bear klumpfot"

Sjokolade med kokos

øyeblikkelig gulasjsuppe

Tyggegummi "Stimorol"

Kinder overraskelse

Mandler i sjokolade

Bar "Melkeveien"

Ris rund

Ketchup "Monarch"

Bar "Nesquik"

vaffelkake

Sjokolade "Journey"

Sjokolade "Belltower" luftet

Sjokolade "Sudarushka"

Sjokolade "Nestlé Classic"

Sjokolade med peanøtter

Chocolate Air hvit luftet

2.3 Bygge en ABC-XYZ analysematrise

Forslag til lagerstyringssystemer for varer i gruppene AX, AY, AZ, samt gruppe B og gruppe C.

Merk. Posisjonsnummer er registrert i cellene i matrisen.

Tabell 6

ABC-XYZ-matrise

(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)

For stillinger som inngår i AX-gruppen bør du beregne optimal størrelse bestille og vurdere å bruke just-in-time-teknologi, bør varer i AZ-gruppen overvåkes daglig. På grunn av store svingninger i etterspørselen er det åpenbart nødvendig å sørge for en forsikringsbeholdning her.

Lagerstyring for varer som inngår i BX, BY, BZ-gruppene kan utføres både ved bruk av samme og individuelle teknologier (både når det gjelder planleggingsdatoer og leveringsmetoder).

Lagerplanlegging for varevarer inkludert i CX, CY, CZ-gruppene kan utføres for en lengre periode, for eksempel for et kvartal, med en daglig eller månedlig sjekk av lagertilgjengelighet på lageret.

Konklusjon

Anvendelsen av ABC- og XYZ-analyse på sortimentsposisjonen viste seg ikke å være vanskelig. Bruken av analyse i bedriften vil redusere kostnadene betydelig og øke fortjenesten. Men vi må ikke glemme at analysen ikke vil føre til markedsledere. Bare en gründer kan, ved å ta ikke-standardiserte beslutninger, bli en absolutt leder.

Fordelene med ABC- og XYZ-analysemetodene er enkelhet, nøyaktighet og klarhet, muligheten for automatisering. Ved riktig bruk gir kombinasjonen av disse to komponentene et klart bilde av alle prosesser knyttet til salg av produkter, og stimulerer til å ta de riktige beslutningene i bedriften.

ABC- og XYZ-analyse er et moderne markedsføringsverktøy, felles søknad som sammen med andre analysemetoder bidrar til å løse spørsmål om sortiment og prispolitikk, valg av markedssegmenter og distribusjonskanaler, lagerstyring og effektivisering av bruk av markedskommunikasjonsverktøy.

Liste over kilder som er brukt

1. ABC-analyse // http://www.abc-analysis.ru/

2. Sterligova A. N., "Lagerstyring av et bredt spekter. Hvor skal du begynne? ”, LogInfo-magasinet datert 12.2003

3. Bodryakov Roman. Seminar om ABC og XYZ / Roman Bodryakov // http://www.rombcons.ru/ABC_XYZ.htm

4. Buzukova E.A. Analyse av sortiment og stabilitet ved salg ved hjelp av ABC-analyse og XYZ-analyse. [Elektronisk ressurs] - Tilgangsmodus. -- URL: http://zakup.vl.ru/files/avs_i_huz_analizi.pdf

5. Bodryakov R.E. ABC og XYZ: - sammenstilling og analyse av den endelige matrisen. [Elektronisk ressurs] - Tilgangsmodus. -- URL: http://www.rombcons.ru/logistik2.htm

Vert på Allbest.ru

...

Lignende dokumenter

    Studiet av de teoretiske aspektene ved produktutviklingspromotering i lydreklame. Analyse av reklameproduktet til konkurrenter. Innsamling av informasjon om selskapet "Malibu-travel", forslag til utvikling av en kort og layout av appellen i det tematiske programmet.

    semesteroppgave, lagt til 10.10.2011

    Analyse av lageraktivitet i fokuspunktet i forsyningskjeden. Forbedre effektiviteten ved bruk av programvareproduktet "1C: Enterprise". Lagerstyring i et lagersystem ved hjelp av ABC-XYZ analyse. Økonomiske egenskaper ved selskapet.

    semesteroppgave, lagt til 02.09.2015

    Studiet av begrepet "markedsføringsanalyse", definisjonen av dens rolle i å ta ledelsesmessige beslutninger. Fastsettelse av informasjonsgrunnlaget og gjennomgang av metoder. Holder markedsanalyse relevansen av gjennomføringen av prosjektet for bygging av et lagerkompleks.

    avhandling, lagt til 12.07.2011

    Metoder for markedsanalyse og mål. Økonomisk underbyggelse av markedsføringsbudsjettet. Analyse av varenes konkurranseevne. Evaluering avn. Metodikk for å analysere konkurranseevnen til markedsaktiviteter.

    sammendrag, lagt til 02/03/2010

    Stadier Livssyklus produkt, reklamestrategi for selskapet på de ulike stadiene. Markedsundersøkelse Euroset LLC. Analyse av markedet og dets behov. Dannelse av markedsføringsverktøy. Analyse av markedsføringens eksterne krefter.

    semesteroppgave, lagt til 05.03.2015

    Bruke konseptet logistikk i bedriftens lagerstyring. Økonomisk essens av aksjer og deres klassifisering. Kostnadsstrukturen for dannelse og vedlikehold av lagre. Innhold og omfang av praktisk anvendelse av ABC-analyse og XYZ-analyse.

    foredrag, lagt til 06.01.2009

    Rollen og betydningen av salgsfremmende arbeid i systemet handelssjef. Markedsutvikling med nye produkter. Tjenestefremmende ledelse. Salgsfremmende planleggingsteknologi. Strukturen til markedsføringstjenesten i bedriften. Analyse av markedet og dets segmenter.

    semesteroppgave, lagt til 15.05.2011

    Teoretisk grunnlag markedsundersøkelser for et nytt produkt. Problemer knyttet til utvikling av et nytt produkt. Markedsføringstjenestens plass i opprettelse og salg av varer. Praktiske aspekter ved markedsutvikling av nye varer på eksemplet med selskapet "Ascon".

    semesteroppgave, lagt til 02.05.2009

    Konseptet med produktkonkurranseevne. Faktorer av konkurransefortrinn av produktet. Analyse av situasjonen i markedet for kjøtt og kjøttprodukter. Gjennomføre en SWOT-analyse for selskapet på eksemplet med Faber Lex. Markedsføringsprøve i bransjer og aktivitetsfelt.

    test, lagt til 25.09.2013

    Markedsføringsmiljøet til det valgte produktet. SWOT-analyse av det undersøkte produktet. De viktigste forbrukeregenskapene til varene. Målene med å markedsføre produktet til markedet og dets prissetting. Historie og beskrivelse av markedsføringstjenesten til bedriften "Samsung Electronics".

ABC- og XYZ-analyse gjennomføres for å analysere selskapets salg, for å strukturere og identifisere tydelige ledere og outsidere blant alle produktgrupper, for å justere sortimentspolitikken. Men det kan også utføres når det gjelder omsetning, fortjeneste, arbeidsintensitet, materialkostnader, og til og med når det gjelder slike parametere som støyimmunitet, hastighet, strømforbruk, etc.

Selvfølgelig kan du bruke hver type analyse separat, men dette vil ikke gi et fullstendig bilde, så det anbefales å bruke disse analysene i kombinasjon, for å identifisere sterke og svake produkter, salgsstabilitet og nøkkelprodukter for bedriften .

Eksperter sier også at integrert ABC(XYZ)-analyse bare er et middel for å støtte beslutningstaking. Å bygge en matrise vil ikke dele varer inn i "dårlige" og "gode", vil ikke identifisere varer som er gjenstand for umiddelbar fjerning fra listen over solgte. Ytterligere analyser er alltid nødvendig.

AX-kategorien, gitt dens økonomiske betydning og forutsigbarhet, bør være underlagt strenge standarder, som bør møtes med spesiell oppmerksomhet. For denne varegruppen anbefales det å kontrollere saldoene daglig ved å angi en oversiktlig kalender (dato) eller statistisk (etter mengden av gjenværende lager på lageret) bestillingspunkt for nye partier.

Dette antyder at uten å studere markedsføringsverdien til produktet, uten å kjenne til policyen for forholdet til leverandøren, er det umulig å ta en beslutning om å trekke tilbake produktet.

Likevel er fordelene med integrert analyse ubestridelige. Det fungerer som grunnlag for lagerstyring, lar deg bestemme "ordrepunktet".

AXE-kategorien skal betjenes av de mest erfarne og kvalifiserte ansatte, og gruppen av varer som falt inn i CZ "buret" kan stole på for nybegynnere. Det vil være enkelt for dem å jobbe med en kategori der bestillinger er sjeldnere, toleranser for avvik er høyere, og bare beløpet som brukes på en gitt overskrift for en viss periode er strengt begrenset.

Synligheten til resultatene av ABC(XYZ)-analyse lar deg bruke den som et argument i kommunikasjon med ledere for å presse dem til bestemte handlinger.

Differensiering av servicenivåer for VIP- og standardklienter (en prosedyre som mange russiske selskaper starter akkurat nå) er en annen måte å bruke integrert ABC(XYZ)-analyse.

justify;text-indent:1.0cm;line-height:normal">

Meningen med ABC-analyse er å bestemme bidraget til et bestemt produkt til sluttresultatet (oftest til selskapets samlede fortjeneste eller lagerverdi).

ABC-analyse er basert på Pareto-prinsippet, som betyr at 20 % av innsatsen gir 80 % av resultatet, og de resterende 80 % av innsatsen gir kun 20 % av resultatet.

Antall grupper under ABC-analysen kan være hvilke som helst, men den mest utbredte er inndelingen av den betraktede befolkningen i tre grupper: A, B og C (75:20:5) (det kan være forskjellig, men innenfor disse grensene) , som er årsaken til navnemetoden (ABC-Analyse).

normal"> Gruppe A - et lite antall objekter med et høyt nivå av egenvekt i henhold til den valgte indikatoren.

Gruppe B - gjennomsnittlig antall objekter med et gjennomsnittlig nivå av egenvekt for den valgte indikatoren.

Gruppe C - et stort antall objekter med en liten andel av den valgte indikatoren.

Denne måten å kategorisere på antyder at du må følge nøye med på det dyre inventaret til klasse A, du kan spore statusen til objekter i klasse B mindre, og bry deg mindre om klasse C.

Betydningen av XYZ-analyse er å studere stabiliteten i salg, studiet av avvik, hopp, ustabilitet i salg av produkter.

Hensikten med XYZ-analysen er differensiering av varer (nomenklatur) etter grupper avhengig av ensartethet i etterspørselen og nøyaktigheten av prognoser.

For gruppe Y tillates mer betydelige avvik.

Grovt sett, jo mindre forskjellen er mellom faktisk salg per enhetsperiode (for eksempel per uke) og det aritmetiske gjennomsnittet av salget for hele perioden (for eksempel per kvartal), jo mer forutsigbart salg av produktet i den påfølgende perioden.

Eller du kan skille mellom følgende gradering: nomenklaturvarer (i henhold til vestlig terminologi, SKU - lagerholdingsenhet) med en variasjonskoeffisient fra 0 til 10 % faller inn i kategori X, fra 10 til 25 % - i kategori Y, resten - inn i kategori Z. Dette er imidlertid en omtrentlig fordeling.

ABC-XYZ-analyse lar deg dele salgsdata i 9 grupper avhengig av bidraget til selskapets inntekter (ABC) og kjøpsfrekvensen (XYZ). Denne klassifiseringen forenkler arbeidet med planlegging og utforming av sortimentet.

Innføringen av denne metoden bidrar til å redusere antall tapte salg, redusere overskuddet av varer, minimere de totale kostnadene knyttet til lagre.

Varer fra gruppe A og B utgjør hovedomsetningen til selskapet. Derfor er det nødvendig å sikre deres konstante tilgjengelighet. Det er generelt akseptert praksis når det opprettes et overskytende sikkerhetslager for varer i gruppe A, og tilstrekkelig for varer i gruppe B. Bruken av XYZ-analyse lar deg finjustere lagerstyringssystemet og dermed redusere den totale varebeholdningen.

Produkter fra AX- og BX-gruppene utmerker seg ved høy omsetning og stabilitet. Det er nødvendig å sikre konstant tilgjengelighet av varer, men for dette er det ikke nødvendig å opprette et overflødig sikkerhetslager. Vareforbruket i denne gruppen er stabilt og godt spådd.

Varer fra AY- og BY-gruppene med høy omsetning har utilstrekkelig forbruksstabilitet, og som et resultat, for å sikre konstant tilgjengelighet, er det nødvendig å øke sikkerhetslageret.

Varer fra AZ- og BZ-gruppene med høy omsetning er preget av lav forutsigbarhet av forbruk. Forsøk på å sikre garantert tilgjengelighet for alle produkter i en gitt gruppe med overskytende sikkerhetslager alene vil føre til at et selskaps gjennomsnittlige lager økes betydelig. For varene til denne gruppen bør bestillingssystemet gjennomgås. Noen varer må overføres til et ordresystem med konstant ordrebeløp (volum), for noen varer er det nødvendig å sørge for hyppigere leveranser, velge leverandører som ligger i nærheten av lageret ditt (og dermed redusere mengden forsikringsbeholdning), øke frekvensen av kontroll, overlate arbeidet med denne gruppen av varer til den mest erfarne lederen av selskapet, etc.

Gruppe C-produkter utgjør opptil 80 % av selskapets sortiment. Bruk av XYZ-analyse kan i stor grad redusere tiden lederen bruker på å administrere og kontrollere varene til denne gruppen

For varer fra CX-gruppen kan du bruke ordresystemet med en konstant frekvens og redusere forsikringsbeholdningen.

For varer fra CY-gruppen kan du bytte til et system med en konstant mengde (volum) av ordren, men samtidig danne en forsikringsbeholdning basert på selskapets økonomiske evner.

CZ-produktgruppen inkluderer alle nye produkter, varer av spontan etterspørsel levert på bestilling osv. Noen av disse produktene kan trygt tas ut av sortimentet, mens den andre delen må overvåkes regelmessig, siden det er fra produktene til denne gruppen som illikvide eller vanskelig å selge varelager oppstår som selskapet pådrar seg tap. Det er nødvendig å trekke fra sortimentet restene av varer tatt på bestilling eller ikke lenger produsert, det vil si varer som vanligvis tilhører kategorien lager.

Fordelene med disse metodene er: enkelhet, klarhet og nøyaktighet, som lar deg identifisere hovedproblemene riktig for deres effektive løsning. Dessuten kan denne typen analyse ganske enkelt automatiseres.

Når du bruker XYZ-analyse, er det flere viktige begrensninger å huske på. Først av alt, kravet til mengden data som brukes. Jo flere det er, jo mer pålitelige vil resultatene være. Antall studieperioder må være minst tre.

Det vil ikke være mulig å bruke statistiske metoder i tilfelle en situasjon i dynamisk endring, for eksempel når et nytt produkt introduseres på markedet (analoger som selskapet ennå ikke har handlet med) eller et engangskjøp av en vare gjenstander.

Når antallet salg av en nyhet vokser ukentlig, vil XYZ-analyse ikke gi noe, produktet vil uunngåelig falle inn i den "ustabile" gruppen Z.

Dessuten er XYZ meningsløst, og for bedrifter eller selskaper som jobber på ordre, trenger de rett og slett ikke slike prognoser.

Hyppigheten av analyse er en rent individuell sak for hvert enkelt selskap. Men det er ønskelig å gjennomføre dem minst en gang i sesongen. Sesongvariasjoner kan alvorlig påvirke resultatet av beregninger.

I tillegg er det hele markedssegmenter hvor bruk av XYZ-analyse vil være helt ubrukelig – salg av ekspressbetalingskort og tilkoblingskontrakter. Praksis viser at spredningen av daglige salgsverdier i løpet av måneden her kan være opptil 50 %.

Inventar er et resultat av mange faktorer. Beholdningen på lageret kan i betydelig grad avhenge av den etablerte leveringsfrekvensen, av størrelsen på minimums- eller maksimumspartiet levert av leverandøren, av tilgjengeligheten av lagerplass. Det er ofte nødvendig å finne ut hvordan produktet falt i en eller annen kategori. Du må starte med en salgsanalyse, og først deretter gå til den optimale beholdningen.

Med vennlig hilsen Ung analytiker