Analiza zapasów magazynowych, cz.1.

31 sierpień 2015 Written by 
Published in Artykuły

Z analizą zapasów magazynowych jest trochę tak, jak z grą na fortepianie: nie ma nic łatwiejszego, niż trafić w klawiaturę i nic trudniejszego, niż dobrze zagrać. Powierzchowna analiza stanów magazynowych jest prosta i dostępna w każdym systemie ERP. Głębsza analiza. to duże wyzwanie, wymagające wsparcia systemu Business Intelligence.


Mówiąc o powierzchownej analizie, mam na myśli dynamikę stanów magazynowych w jakiejś strukturze wymiarów analitycznych oraz zaleganie i rotację zapasów. Rotacja zapasów jest domeną finansowej analizy wskaźnikowej. Służy do wypełnienia czasu natarczywym inwestorom i stanowi źródło frustracji zarządów. Może odpowiedzieć jedynie na pytanie „co się dzieje?”, a nie „dlaczego?” i „co  z tym należy zrobić?”. Jeśli dzieje się dobrze na tle jakiegoś benchmarku rynkowego lub sezonowego, to takie proste informacje są często wystarczające. Jeśli dzieje się źle, to pozostawiają odbiorców raportów sfrustrowanych brakiem odpowiedzi na pytanie o przyczynę niepowodzenia i, co za tym idzie, rozwiązanie.

Przyjrzyjmy się liście analiz zapasów uporządkowanej wg rosnącej trudności wykonania:

Na podstawie stanów kont księgowych:

Rotacja zapasów w razach i w dniach

Na podstawie obrotów magazynowych w podziale na lokalizacje i kategorie:

Aktualny zapas

Zapas na koniec okresów  (zwykle miesiąca) w ujęciu dynamicznym

Zaleganie zapasów aktualne

Wystarczalność

Średni zapas w okresie

Zaleganie zapasów w okresach w ujęciu dynamicznym

Efektywność zatowarowania

Rentowność zapasów

Poświęćmy chwilę niektórym z wymienionych analiz i sposobom ich wykonania.

 

Rotacja zapasów

Rotacja to prosty wskaźnik, który odpowiada na pytania, jak efektywnie wykorzystujemy kapitał zamrożony w zapasach materiałów, surowców i towarów. Do jego wyliczenia wystarczają dane z zestawienia obrotów i sald księgowych. Dzieląc przychody ze sprzedaży na przeciętny stan zapasów otrzymujemy wskaźniki Rotacji Zapasów w razach. Mówi on ile razy w roku obróciliśmy zapasami. Im więcej, tym lepiej. Z kolei odwrotność tego wskaźnika pomnożona przez liczbę dni w roku mówi ile przeciętnie dni zapas zalega w magazynie. Im krócej, tym lepiej. To dość abstrakcyjne informacje, które nabierają sensu dopiero, gdy porównamy je do jakiegoś benchmarku – wartości typowych dla danej branży na danym rynku, lub prześledzimy wskaźnik na osi czasu, porównują obecny do poprzednich okresów i wyszukując trend.

Wskaźnik jest łatwy do wyliczenia, ale jego wartość jest znikoma. Problem zaczyna się już na poziomie wiarygodności liczb. Co to znaczy „przeciętny stan zapasu”?  Jeśli liczymy wskaźnik dla roku finansowego to średnia wartość jest wyliczana z sald kont na koniec miesiąca. To się może sprawdzić statystycznie tylko przy równym poziomie stanu towaru w obrębie miesiąca. Kolejny problem to duża „gruboziarnistość” danych. Analityka kont magazynowych ogranicza się zwykle do magazynu, rzadziej do grupy towarów, a jeszcze rzadziej dotyczy pojedynczych jednostek magazynowych (SKU). A zarządzanie rentownością zapasów musi się odbywać na takim właśnie poziomie. Wskaźnik nie ułatwia więc decyzji o zmniejszeniu wartości zapasów, ponieważ nie informuje, jak to działanie wpłynie na rentowność, ani nie wskazuje jakiej grupy towarów i ich lokalizacji ta decyzja powinna dotyczyć.

Aby pokonać ograniczenia wskaźnika rotacji, należy się odwołać do danych handlowych i logistycznych.

 

Zaleganie zapasów

Analiza zalegania zapasów jest bardziej operacyjną wersją wskaźnika rotacji i odnosi się do cyklu życia partii towaru w magazynach. Dane źródłowe pozyskiwane są nie z sald kont księgowych, lecz z modułów gospodarki magazynowej przy dużo wyższej szczegółowości. Znając pierwotną datę przyjęcia partii towaru, łatwo wyliczyć czas przez jaki zalega, lub wędruje bezproduktywnie po magazynach. Ponieważ zaleganie towaru wartego milion zł jest czymś zupełnie innym od zalegania towaru za 1 tys. zł, analiza ta powinna być oparta na średnich ważonych ceną.

 

Wystarczalność

Ustalenie wystarczalności towarów polega na odniesieniu aktualnych stanów magazynowych do przewidywanego zapotrzebowania na te towary. Odpowiada nam na pytanie przez ile dni będziemy w stanie produkować i sprzedawać w oparciu o bieżącą ilość materiałów i towarów w magazynie.

Znając wystarczalność oraz czas w jakim dostawca może zrealizować nasze zamówienie wiemy, w jakim dniu należy to zamówienie złożyć. Zaawansowane moduły produkcyjne posiadają stosowną funkcjonalność, ale firmy dystrybucyjne korzystające z popularnych rozwiązań ERP raczej nie mogą na nią liczyć. Tutaj na pomoc mogą przyjść systemy BI, które oprócz klasycznych metod wizualizacji wyposażone są również w funkcje alertów.

Trudność wyliczenia wystarczalności kryje się w jej drugim członie: zapotrzebowaniu. Oprócz trywialnego zapotrzebowania wynikającego z aktywnych zamówień, powinniśmy uwzględnić prognozy oparte na danych historycznych. Metody prognozowania to ciekawe zagadnienie, którym spróbujemy się zająć w przyszłości.

 

Średni stan magazynowy

Średni zapas w można wyliczyć nie tylko dla całego roku, ale również miesiąca na podstawie zapasów na każdego dnia badanego okresu. To uwiarygadnia jego wartość w przypadku fluktuacji w obrębie miesiąca i tygodnia. Takie wahania występują np. w sieciach detalicznych, gdzie dostawy pojawiają się raz w tygodniu i w produkcji, kiedy materiały i surowce wydaje się jednorazowo do dłużej realizowanego zlecenia. Kluczową zaletą korzystania z danych logistycznych jest ich granulacja – czyli szczegółowość. Wartości zapasu są dostępne nie tylko dla dowolnie krótkiego wycinka czasu, ale również w podziale na lokalizacje w magazynach, kanały dystrybucji, grupy towarowe, pojedyncze towary, partie i dowolne inne cechy towaru zapisane na karcie towaru lub jego partii. Zarządzający mogą więc odkryć, w których grupach asortymentowych  i lokalizacjach powstają wysokie zapasy i na nich skoncentrować swoje decyzje. Informacje te mogą również posłużyć do oceny sprawności działań osób odpowiedzialnych za stan zapasów w oddziałach przedsiębiorstwa.

Problemy w przeprowadzeniu analizy rentowności zapasu mają charakter technologiczny, są związane z ograniczeniami wydajnościowymi i wymagają zaawansowanych rozwiązań w obrębie systemu Business Intelligence. Zajmiemy się tymi zagadnieniami w kolejnym drugiej części naszych rozważań.

 

Rentowność zapasu

Należy zwrócić uwagę, że analizy struktury i dynamiki średniego zapasu nie odpowiada nam na pytanie, czy zapas ten jest nadmierny. Mówi nam tylko, czy jest wysoki. Nawet bardzo wysoki i wciąż rosnący zapas może być uzasadniony, jeśli nie wynika z lenistwa działu zaopatrzenia, lecz potrzeby zaspokojenia rosnącej sprzedaży, obsługi sezonowości dostaw lub uzyskania korzystnej ceny. Ostatecznie nie chodzi nam o to, ile kapitału zamroziliśmy w towarze, lecz jak intensywnie te pieniądze pracują. Innymi słowy chcemy znać rentowność zapasu. Jeśli udało nam się wyliczyć średnie stany magazynowe, poznanie podstawowej rentowności jest łatwiejsze niż się wydaje. Wystarczy odnieść stan magazynowy do uzyskanej z niego marży. Poziom trudności obliczeń zależy od definicji marży. Dla marży brutto często wystarczy uwzględnienie kosztu własnego sprzedaży. Kolejne poziomy marży muszą uwzględnić różne rodzaje kosztów sprzedaży i magazynowania

Głównym wyzwaniem podczas analizy rentowności jest wielość i rozproszenie źródeł danych. Musimy uzyskać dane handlowe, magazynowe oraz księgowe na tym samym poziomie granulacji (pojedyncza pozycja dokumentu handlowego z przypisanymi jej kosztami nabycia i magazynowania). Dodatkowo, jeśli korzystamy z technologii OLAP, to dane te przechowywane są w odrębnych kostkach analitycznych i większość natywnych rozwiązań BI nie pozwala nam ich użyć do zintegrowanej analizy.

 

Analizy logistyczne

Na efektywność wykorzystania aktywów wpływa nie tylko szybkość obrotu towarem, ale również to,   w jakim miejscu i czasie rozlokowane są zapasy. Popularną metodą zarządzania zapasami oraz planowania zakupów są normy logistyczne w postaci stanów minimalnych i maksymalnych ustalanych na poziomie SKU i lokalizacji. W niektórych przypadkach, np. w zakładach produkcyjnych i sieciach sprzedaży, w których istnieje sezonowość tygodniowa, lub roczna, stany minimalne/maksymalne ustala się różnie dla różnych dni, tygodni lub miesięcy. Jeśli w danym dniu stan magazynu jest niższy od minimalnego, to narażamy się na utratę szansy sprzedaży, lub niezrealizowanie zlecenia produkcyjnego. ( Planiści zaopatrzenia ustalają również stany minimalne na podstawie czasów dostawy. ) Z drugiej strony nadmierna asekuracja i przekraczanie stanów maksymalnych przedłuża zaleganie towarów w magazynie i jest nieekonomiczne. Wyliczając statystyki opisujące stopień odchylenia od normatywów umożliwiamy monitorowanie i korygowanie pracy zaopatrzenia i logistyków.

Sposobami przeprowadzenia trudniejszych analiz zajmiemy się w drugiej części artykułu.

Read 7481 times Last modified on poniedziałek, 31 sierpień 2015 09:57
Rate this item
(0 votes)

Leave a comment

Make sure you enter the (*) required information where indicated. HTML code is not allowed.

O nas

Jesteśmy grupą niezależnych konsultantów i twórców rozwiązań informatycznych w obszarze ERP, BI, CRM, BPMS i B2B.

Dane kontaktowe

Adres:
02-078 Warszawa,
Tel:
ul. Krzywickiego 2/1
Tel:
+(48) 22 666 97 71
Kom.:
+(48) 502 728 001
Kom.:
+(48) 604 586 470
E-Mail:
Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript.
Website:
www.quereo.pl

Galeria

JoomShaper