Pasitikėjimas istoriniais duomenimis atsargų valdyme. Kodėl pasitikėjimas istoriniais duomenimis neretai sukelia neigiamas pasekmes atsargų valdymui? Kai žvelgiate į praeitų metų pardavimo duomenis, norėdami prognozuoti šių metų paklausą, dažniausiai darote vieną nepastebimą, bet kritiškai svarbią prielaidą: praeitų metų pardavimas atspindi tikrą paklausą. O jei taip nėra?
Pasitikėjimas istoriniais duomenimis atsargų valdyme
Praeitais metais jūs turėjote produktą X ir pardavėte mažą kiekį; jūs tą parduotą mažą kiekį įtraukėte į savo atsargų valdymo prognozavimo modelį. Ateinančiais metais jūs konservatyviai užsakyse šie tiek šio produkto daugiau nei turėjote praėjusiais metais, nes o gal šiais metais parduosite daugiau. Bet ar jūs įvertinote, kad galbūt praeitais metais buvo maži pardavimai dėl to, kad jūs viską išpardavėte ir daugiau nepapildėte, t.y. likusį laiko to produkto tiesiog nebuvo.
Skirtumas tarp “nepardaviau, nes nepirko” ir “nepardaviau, nes neturėjau”
Suprasti ir įvertinti šį skirtumą labai svarbu. Nulinis pardavimas su pakankamomis atsargomis reiškia tikrą paklausos nebuvimą. Nulinis pardavimas nesant atsargoms reiškia galimą paklausą. Mechaniškai suvidurkinę šiuos skaičius savo atsargų valdymo sistemoje, jūs įdiegiate savo praeities klaidas į dabartinę prognozę. Ši problema tampa ypač aktuali atliekant sezoninį atsargų valdymo planavimą, kai prieš kelis mėnesius darote išankstinius prekių užsakymus. Jei 20% jūsų produktų asortimento praeitais metais nebuvo parduoti, juos laikysite neturinčiais paklausos šiais metais savo užsakymo vadybos procese, nors realiai jūs nežinote tikros nepardavimo priežasties. Tuo tarpu, jei 15% jūsų asortimento judėjo lėtai, nes jūs per daug suprognozavote ir jūs mechaniškai replikuosite tą patį kiekį šiais metais, jūs ir vėl įšaldysite savo apyvartines lėšas, kurias galėjote panaudoti kitiems – gerai judantiems produktams įsigyti.
Kaip tinkamai interpretuoti istorinius duomenis prieš sezoninį užsakymus?
Prieš naudodami istorinius duomenis kaip sezoninio prognozavimo pagrindą, atlikite duomenų auditą: kiekvienam produktui, kurio pardavimai praeitais metais buvo maži ar nuliniai, nustatykite, ar turėjote atsargas sandėlyje visą pardavimo sezoną. Ar produktas gulėjo atsargose ir klientai jo nenorėjo, ar jis buvo greitai išparduotas ir slėpė tikrą paklausą? Šis skirtumas keičia visą jūsų užsakymo logiką.
Be atsargų pasiekiamumo, atsižvelkite į tai, kas skyrėsi šiais ir praėjusiais metais. Ar keitėsi ekonomikos sąlygos: augo, traukėsi? Ar atsirado nauji konkurentai? Ar pasikeitė importo tarifai ir kaip pasikeitė klientų elgesysį? Mechaninis „kopijuoti praeitų metų skaičius” požiūris neigiamai veikia tiek atsargų valdymą, tiek ir galutinę pelno eilutę.
2025 m. importo tarifų realybė
Žinia apie 2025 m. įvestus JAV tarifus tapo tikru iššūkiu daugeliui įmonių visame pasaulyje. Lietuvos tai nepaveikė tiek daug, visgi aptarkime tarifų įtaką atsargų planavimui. Įmonės, dėl nežinomybės ir dėl galimų tarifų įsigaliojimo, darė išankstinius užsakymus, kuriuos spėtų atsivežti dar iki tarifų įsigaliojimo. Taigi šioje situacijoje atsargų prognozavimas veikė labai stipriai, nes kaip kitaip užsakyti prekes prieš pusę metų? Įsivaizduokite, kas atsitiko su tomis prekėmis, kurių istoriniai duomenys nebuvo audituoti tuo būdu, kurį pateikėme anksčiau. Jei prekės nejudėjo ir turėjote likutį, ir dar užsisakėte šiek tiek daugiau dėl atsargos? O tų prekių, kurių pardavimai buvo maži, nes neturėjote likučių, neužsakėte visai? Kokius rezultatus gausite po išankstinių užsakymų realizavimo?
Klaidos kaina atsargų valdyme
Klaidos kaina pasireiškia negaunamomis pajamomis sausio mėn. ir bendrai netenkinama situacija su atsargų valdymu. Kiekvienas vienetas, kurio suprognozavote per daug įšaldo apyvartines lėšas. Kiekvienas produktas, gulintis sandėlyje kainuoja maždaug 20-30% savo vertės metiniam šio produkto išlaikymui. Taigi jūs perkate 100,000 Eur atsargų, kuris kainuos 5,000-7,500 eur per ketvirtį tiesiog jų laikymui.
Rekomendacija: išvalykite duomenis atsargų valdymo procesuose prieš padėdami sezoninius užsakymus. Atskirkite paklausos signalus ir atsargų apribojimo signalus. Pakoreguokite užsakymus pagal fiksuojamus aplinkos pokyčius. Bet kokiu atveju prognozė bus spėjimas, nes ilgi pristatymo laikai neleidžia elgtis kitaip. Vis dėlto, tai būti teisingais duomenis ir skaičiais pagrįstas spėjimas, kuris turėtų būti geresnis ir tikslesnis bei mažiau žalingas atsargų valdymui bei jūsų įmonės pelnui. Naudinga pasidomėti išmoktomis atsargų valdymo pamokomis.