# การเพิ่มประสิทธิภาพสินค้าคงคลังสำหรับธุรกิจค้าปลีก: คู่มือฉบับปฏิบัติ

> เรียนรู้การเพิ่มประสิทธิภาพสินค้าคงคลังสำหรับธุรกิจค้าปลีก ตั้งแต่ตัวชี้วัดสำคัญและการพยากรณ์ ไปจนถึงสต็อกสำรองและการนำร่อง 30 วัน ดูว่า ELECTE ช่วยคุณได้อย่างไร

Source: https://www.electe.net/th/post/inventory-optimization-for-retail

Site guide: https://www.electe.net/th/llms.txt

ลูกค้าถามหาแจ็กเก็ตที่ระบบของคุณแจ้งว่ามีสินค้าในสต็อก แต่ทีมงานของคุณกลับหาไม่เจอ ในขณะเดียวกัน อีกไซซ์หนึ่งก็วางนิ่งอยู่ในคลังสินค้า รอวันลดราคา

นี่เป็นสถานการณ์เชิงอธิบาย ไม่ใช่กรณีศึกษาของผู้ค้าปลีกรายใดรายหนึ่ง แต่สะท้อนความท้าทายในแต่ละวันที่อยู่เบื้องหลัง **การเพิ่มประสิทธิภาพสินค้าคงคลังสำหรับธุรกิจค้าปลีก** นั่นคือการตัดสินใจเรื่องการจัดซื้อ การเติมสต็อก และการจัดสรรสินค้า ในเวลาที่บันทึกข้อมูลของคุณกับความต้องการของลูกค้าไม่ตรงกันเสมอไป

คำตอบไม่ใช่แค่การซื้อน้อยลงหรือพยากรณ์ให้แม่นยำขึ้น คุณต้องมีบันทึกสต็อกที่เชื่อถือได้ เป้าหมายการให้บริการที่ชัดเจน และวิธีเปรียบเทียบรายได้ที่เพิ่มขึ้นจากความพร้อมของสินค้าที่ดีขึ้น กับต้นทุนที่ต้องจ่ายเพื่อถือครองสินค้าส่วนเกิน มิฉะนั้น แดชบอร์ดที่ดูน่าประทับใจอาจปกปิดนโยบายการดำเนินงานที่สิ้นเปลืองอยู่ก็ได้

คุณไม่จำเป็นต้องเริ่มต้นด้วยโมเดลที่ซับซ้อน เริ่มจากการตรวจสอบว่ามีสินค้าอะไรอยู่จริง ตกลงกันว่าแต่ละตัวชี้วัดหมายถึงอะไร และทดลองเปลี่ยนแปลงในขอบเขตที่จัดการได้ จากจุดนั้น การพยากรณ์และการคำนวณสต็อกสำรองจะกลายเป็นเครื่องมือช่วยตัดสินใจที่เป็นประโยชน์ แทนที่จะเป็นตัวเลขที่ทีมของคุณต้องเชื่อตามโดยไม่มีหลักฐาน

## เหตุใดการเพิ่มประสิทธิภาพสินค้าคงคลังจึงเป็นตัวตัดสินกำไรของธุรกิจค้าปลีก

การมองเห็นข้อมูลที่ดีขึ้นสามารถเปลี่ยนทั้งต้นทุนและยอดขายได้ ใน**การวิเคราะห์ RFID ค้าปลีกปี 2021** McKinsey รายงานว่าความแม่นยำของสินค้าคงคลังดีขึ้น**มากกว่า 25%** ชั่วโมงแรงงานที่เกี่ยวข้องกับสินค้าคงคลังลดลง**10-15%** และยอดขายราคาเต็มเพิ่มขึ้น**1-3.5%** โดยมีศักยภาพในการเติบโตของรายได้รวม**สูงสุดถึง 5%** ผ่านการจัดการสินค้าขาดสต็อกที่ดีขึ้นและการสูญเสียสินค้าที่ลดลง ตามการทบทวนการใช้งาน RFID ของบริษัท

ตัวเลขเหล่านี้เป็นผลลัพธ์ที่รายงานจากการใช้งานจริง ไม่ใช่คำมั่นสัญญาสำหรับร้านค้าของคุณ แต่แสดงให้เห็นว่าเหตุใดความพร้อมของสินค้าและความแม่นยำของบันทึกข้อมูลจึงสมควรได้รับความสนใจควบคู่ไปกับต้นทุนการจัดซื้อ

**การเพิ่มประสิทธิภาพสินค้าคงคลัง** หมายถึงการนำสินค้าที่ถูกต้องไปวางในสถานที่ที่ถูกต้องในเวลาที่เหมาะสม โดยไม่ผูกเงินสดไว้โดยไม่จำเป็น ลองนึกถึงตู้กับข้าวในบ้านคุณ: อาหารน้อยเกินไปทำให้มื้อเย็นสะดุด แต่ซื้อมากเกินไปก็ทำให้วัตถุดิบหมดอายุอยู่หลังของที่ซื้อใหม่กว่า

### ต้นทุนที่คุณต้องสร้างสมดุล

- **ต้นทุนสินค้าขาดสต็อก:** คุณพลาดการขาย ทำให้ลูกค้าผิดหวัง หรือต้องจ่ายเพื่อกู้คืนคำสั่งซื้อ
- **ต้นทุนการถือครอง:** คุณต้องออกค่าใช้จ่ายด้านการจัดเก็บ เงินทุน การจัดการ และการสูญเสียสินค้าในระหว่างที่สินค้ารอการขาย
- **ต้นทุนการลดราคา:** คุณต้องเสียสละกำไรเพื่อเคลียร์สินค้าที่ค้างนาน สินค้าตามฤดูกาล หรือสินค้าที่ไม่เป็นที่ต้องการ

จุดเริ่มต้นของความสมดุลนี้สำคัญมาก การศึกษาของ[ศูนย์วิจัย RFID มหาวิทยาลัยอาร์คันซอ](https://news.uark.edu/articles/11238/rfid-improves-inventory-accuracy-university-of-arkansas-study-finds) พบว่าข้อมูลสินค้าคงคลังมีความแม่นยำเพียง**35% ของรายการสินค้า** ภายใต้ระบบทั่วไป และประเมินว่าความไม่แม่นยำของสินค้าคงคลังอาจลดกำไรลง**ประมาณ 10%**

### นับให้ชัดก่อนคำนวณ

หากระบบของคุณแสดงสต็อกที่ไม่มีอยู่จริง คุณอาจเลื่อนการเติมสต็อกออกไป หากระบบแสดงจำนวนที่มีอยู่น้อยกว่าความเป็นจริง คุณอาจซื้อสินค้าที่มีอยู่แล้วซ้ำ

> การคำนวณการสั่งซื้อซ้ำที่ซับซ้อนเพียงใดก็ตาม ก็ยังคงเป็นการตัดสินใจที่ผิดพลาด หากเริ่มต้นจากจำนวนสต็อกที่ไม่ถูกต้อง

ลำดับการทำงานที่มีประโยชน์คือ ความพร้อมของข้อมูล ตัวชี้วัดที่เชื่อถือได้ การพยากรณ์ สต็อกสำรองเพื่อความปลอดภัย การวางแผนสินค้าคงคลังและโปรโมชัน จากนั้นจึงเป็น**การนำร่อง 30 วัน** แต่ละขั้นตอนควรช่วยปรับปรุงการตัดสินใจในขั้นถัดไป ไม่ใช่แค่สร้างรายงานเพิ่มอีกฉบับ

## ตัวชี้วัดสินค้าคงคลังสำคัญและความหมายของแต่ละตัว

ตู้กับข้าวในบ้านแสดงปัญหานี้ในแบบย่อส่วน การนับกระป๋องบอกคุณได้ว่ามีอะไรอยู่บนชั้นวาง แต่ไม่ได้บอกว่ามื้อเย็นมีของพอหรือไม่ ของใช้ประจำหมดเร็วแค่ไหน หรือรายการไหนหมดอายุก่อนที่จะมีใครได้กิน ตัวชี้วัดค้าปลีกถูกแยกคำถามเหล่านี้ออกจากกันโดยตั้งใจ และแต่ละตัวก็ตอบได้เฉพาะคำถามของตัวเองเท่านั้น

ตัวชี้วัดวิธีคำนวณสิ่งที่บอกคุณอัตราการหมุนเวียนสินค้าคงคลังต้นทุนขาย ÷ สินค้าคงคลังเฉลี่ยตามต้นทุนสินค้าคงคลังขายหมดกี่รอบในแต่ละช่วงเวลาจำนวนวันที่มีสินค้าคงคลังอยู่ในมือ(สินค้าคงคลังเฉลี่ย ÷ ต้นทุนขาย) × จำนวนวันในช่วงเวลาเงินสดค้างอยู่บนชั้นวางนานแค่ไหนก่อนสินค้าจะขายได้อัตราการจัดส่งครบหน่วยที่จัดส่งในคำสั่งซื้อครั้งแรก ÷ หน่วยที่สั่งซื้อสัดส่วนความต้องการของลูกค้าที่ตอบสนองได้ทันทีจากสินค้าคงคลังอัตราสินค้าหมดสต็อกจำนวนวันที่ SKU-สถานที่ไม่มีสินค้า ÷ จำนวนวันที่ SKU-สถานที่ทั้งหมดลูกค้าพบสินค้าที่ไม่มีให้บริการบ่อยแค่ไหนอัตราสินค้าสูญหาย(สินค้าคงคลังตามบัญชี − จำนวนที่นับได้จริง) ÷ ยอดขายความสูญเสียที่บันทึกได้จากการโจรกรรม ความเสียหาย และข้อผิดพลาดในการบันทึกผลตอบแทนกำไรขั้นต้นต่อเงินลงทุนในสินค้าคงคลังกำไรขั้นต้น ÷ สินค้าคงคลังเฉลี่ยตามต้นทุนกำไรขั้นต้นที่ได้ต่อเงินลงทุนในสินค้าคงคลังทุกดอลลาร์

**ตัวชี้วัดสินค้าคงคลังหลักสำหรับธุรกิจค้าปลีก**เหล่านี้ตอบคำถามที่แตกต่างกัน อัตราการหมุนเวียนสินค้าคงคลังติดตามการเคลื่อนไหวของสินค้า อัตราการเติมเต็มสินค้าติดตามการให้บริการในทันที และผลตอบแทนส่วนต่างกำไรจากเงินลงทุนในสินค้าคงคลังเชื่อมโยงเงินที่จมอยู่ในสต็อกกับกำไรที่สร้างได้ เมื่ออ่านควบคู่กัน ตัวเลขเหล่านี้จะช่วยไม่ให้ตัวเลขที่ดูดีในคอลัมน์หนึ่งบดบังตัวเลขที่อ่อนแอในอีกคอลัมน์หนึ่ง

รักษาหน่วยให้สอดคล้องกัน สำหรับจำนวนวันของสินค้าคงคลัง ให้ประเมินมูลค่าสินค้าคงคลังเฉลี่ยตามต้นทุน เนื่องจากตัวหารคือต้นทุนขาย ส่วนสำหรับส่วนต่างสินค้าสูญหาย ให้แปลงผลต่างระหว่างบัญชีกับของจริงเป็นมูลค่าเงินก่อนนำไปหารด้วยยอดขายที่เป็นตัวเงิน

### ทำให้คำนิยามใช้งานได้จริง

**SKU** คือสินค้ารูปแบบเฉพาะหนึ่งชนิด เช่น เสื้อแจ็กเก็ตในไซส์และสีหนึ่ง ๆ ส่วน SKU-สถานที่-วัน คือสินค้ารูปแบบนั้นที่สถานที่หนึ่งในวันหนึ่ง ซึ่งทำให้การเปรียบเทียบสินค้าขาดสต็อกมีความยุติธรรมมากกว่าการนับชั้นวางที่ว่างเปล่า ชั้นวางที่ว่างเปล่าอาจซ่อนคำสั่งซื้อค้างส่ง การจัดส่งที่อยู่ระหว่างทาง หรือการคืนสินค้าที่รอการตรวจสอบ และแต่ละสาเหตุต้องการการแก้ไขที่แตกต่างกัน

ตกลงกฎการรายงานของคุณก่อนที่จะเปรียบเทียบผลลัพธ์:

- **ความพร้อมจำหน่าย:** ตัดสินใจว่าสินค้าที่จองไว้ สินค้าเสียหาย และสินค้าที่ถูกกักกันจะนับเป็นสินค้าพร้อมจำหน่ายหรือไม่
- **ความต้องการ:** บันทึกคำสั่งซื้อที่ยังไม่สำเร็จและยอดขายที่สูญเสียไปที่ทราบแยกต่างหากจากยอดขายที่เสร็จสมบูรณ์
- **ช่วงเวลา:** ใช้ช่วงเวลาเดียวกันและวิธีประเมินมูลค่าสินค้าคงคลังเดียวกันในการเปรียบเทียบทุกครั้ง
- **ความรับผิดชอบ:** มอบหมายให้มีผู้รับผิดชอบตรวจสอบการเปลี่ยนแปลงของตัวชี้วัดที่อธิบายไม่ได้

คำนวณสูตรอัตราการหมุนเวียนสินค้าคงคลังในสเปรดชีตก่อน เพื่อให้มองเห็นข้อมูลนำเข้าได้ชัดเจน จากนั้น[ตรวจสอบอัตราการหมุนเวียนสต็อกของคุณ](https://tools.electe.net/inventory-turnover-calculator)เพื่อเป็นการตรวจทาน และอ่านผลลัพธ์ควบคู่ไปกับความพร้อมจำหน่ายและอัตรากำไร

### อย่าให้รางวัลกับการปรับปรุงที่ผิดจุด

สมมติว่าเสื้อแจ็กเก็ตยอดนิยมขายหมดทันทีเมื่อมีการจัดส่งมาถึง แล้วก็ไม่มีสินค้าให้บริการจนกว่าจะมีการจัดส่งครั้งถัดไป อัตราการหมุนเวียนสินค้าคงคลังของเสื้อแจ็กเก็ตนี้อาจดูแข็งแกร่ง ทั้งที่ลูกค้ากลับต้องเดินออกไปโดยไม่ได้ซื้อซ้ำแล้วซ้ำเล่า

จำนวนวันของสินค้าคงคลังที่ลดลงอาจสะท้อนถึงการดำเนินงานที่มีประสิทธิภาพมากขึ้น หรืออาจสะท้อนถึงสต็อกที่น้อยเกินไปก็ได้ และไม่มีตัวชี้วัดใดตัวชี้วัดหนึ่งที่จะแยกแยะสองกรณีนี้ออกจากกันได้ วิธีอ่านที่ปลอดภัยกว่าคือดูมูลค่าทางเศรษฐกิจรวมในช่วงเวลาเดียวกัน ได้แก่ กำไรที่ได้ ยอดขายที่สูญเสียไปจากการขาดสต็อก และต้นทุนการถือครองสินค้าที่ต้องรับภาระ หมวดหมู่สินค้าหนึ่งอาจชนะในแง่อัตราการหมุนเวียน แต่ก็ยังขาดทุนได้เมื่อนำวันที่ชั้นวางว่างเปล่ามาคิดรวมเป็นมูลค่า

เปรียบเทียบหมวดหมู่สินค้าและสถานที่แยกกัน จากนั้นใช้**ไตรมาสแรกเป็นเส้นฐาน**หลังจากกระทบยอดจำนวนสต็อกแล้ว รักษาเส้นฐานนั้นให้คงที่เพื่อไม่ให้การเปลี่ยนแปลงในภายหลังลบล้างจุดเริ่มต้น และบันทึกหมายเหตุเกี่ยวกับโปรโมชัน การปิดสาขา หรือปัญหาซัพพลายเออร์ที่ส่งผลต่อความสามารถในการเปรียบเทียบ ให้มองเกณฑ์มาตรฐานภายนอกใดๆ เป็นเพียงคำถามตั้งต้น แล้วให้เส้นฐานที่กระทบยอดแล้วของคุณเองเป็นผู้ให้คำตอบ

## รากฐานข้อมูลและชุดเทคโนโลยีที่คุณต้องการ

**การสำรวจธุรกิจค้าปลีกปี 2025** พบว่า**ผู้ค้าปลีก 59%** ยังพึ่งพาเครื่องมือที่ไม่เชื่อมต่อกันหลายตัว สเปรดชีต หรือกระบวนการแบบแมนนวลในการพยากรณ์และบริหารจัดการสินค้าคงคลัง มีเพียง **27%** เท่านั้นที่รายงานว่ามีระบบที่เชื่อมโยงข้อมูลจุดขาย สินค้าคงคลัง และการเงินเข้าด้วยกัน ตามรายงานของ[การสำรวจธุรกิจค้าปลีกโดย Priority](https://www.priority-software.com/wp-content/uploads/2025/05/survey-report-priority-1386-designed-final.pdf)

นี่คือเหตุผลเชิงปฏิบัติที่ควรให้ความสำคัญกับความพร้อมของข้อมูลเป็นอันดับแรก หากการคืนสินค้าอัปเดตระบบอีคอมเมิร์ซแต่ไม่อัปเดตสต็อกคลังสินค้า โมเดลพยากรณ์ความต้องการที่ซับซ้อนกว่าก็ไม่สามารถแก้ไขความขัดแย้งนี้ได้

### สร้างระบบตั้งแต่การจับข้อมูลไปจนถึงการดำเนินการ

1. **แหล่งข้อมูล:** รวบรวมธุรกรรม ณ จุดขาย การเคลื่อนไหวของคลังสินค้า คำสั่งซื้อจากอีคอมเมิร์ซ การคืนสินค้า ระยะเวลาการจัดส่งของซัพพลายเออร์ ปฏิทินโปรโมชัน และข้อมูลสภาพอากาศที่เกี่ยวข้อง ตัวอย่างเช่น แยกแยะระหว่างเสื้อแจ็กเก็ตที่ถูกคืนและรอการตรวจสอบ กับเสื้อแจ็กเก็ตที่พร้อมขาย
2. **ข้อมูลหลัก:** ใช้รหัส SKU และรหัสสถานที่ร่วมกันในทุกระบบ รหัสคลังสินค้าและชื่อสินค้าในอีคอมเมิร์ซต้องเชื่อมโยงกับตัวแปรสินค้าที่ขายได้ตัวเดียวกัน
3. **การวิเคราะห์:** นำการพยากรณ์ การคำนวณสต็อกสำรองเพื่อความปลอดภัย และการตรวจจับความผิดปกติมาใช้กับข้อมูลที่ผ่านการกระทบยอดแล้ว การลดลงของสต็อกอย่างฉับพลันควรกระตุ้นให้มีการตรวจสอบก่อนที่จะตีความว่าเป็นความต้องการ
4. **การดำเนินการ:** แปลงคำแนะนำที่ได้รับการอนุมัติให้เป็นใบสั่งซื้อ การแจ้งเตือน และงานในร้านค้า ระบุชื่อผู้รับผิดชอบในการดำเนินการกับข้อยกเว้นแต่ละกรณี

### ตกลงกันว่าระเบียนใดเป็นข้อมูลที่ถูกต้อง

กำหนด**แหล่งข้อมูลที่เชื่อถือได้สำหรับแต่ละฟิลด์** ระบบ ณ จุดขายสามารถควบคุมยอดขายหน้าร้านที่เสร็จสมบูรณ์ ในขณะที่การนับสต็อกจริงที่ผ่านการตรวจสอบแล้วจะควบคุมสต็อกคงเหลือ ณ เวลาที่นับ โดยปรับตามการเคลื่อนไหวที่เกิดขึ้นภายหลัง

กระทบยอดความแตกต่างทุกสัปดาห์และตรวจสอบข้อยกเว้นที่มีนัยสำคัญให้เร็วขึ้น อย่าเขียนทับความคลาดเคลื่อนโดยไม่มีร่องรอย: เก็บรักษาการปรับปรุง เหตุผล เวลาที่บันทึก และผู้รับผิดชอบไว้ เพื่อให้ทีมของคุณสามารถระบุข้อผิดพลาดที่เกิดซ้ำในการรับสินค้าหรือการซิงโครไนซ์ได้

ทิศทางของข้อผิดพลาดมีความสำคัญ [การศึกษาของ University of Arkansas เกี่ยวกับร้าน Bloomingdale's](https://news.uark.edu/articles/14256/new-study-shows-rfid-significantly-improves-item-level-inventory-accuracy) ได้วัดการมองเห็นข้อมูลเป็นระยะเวลา **13 สัปดาห์** และรายงานผลการจำลองที่แสดงให้เห็นว่า **การขาดสต็อกลดลง 21%** และ **สต็อกส่วนเกินลดลง 6%** ในคำศัพท์ของการศึกษานี้ การขาดสต็อก (understock) หมายถึงกรณีที่ข้อมูลบันทึกเกินกว่าสต็อกจริง ในขณะที่สต็อกส่วนเกิน (overstock) หมายถึงกรณีที่ข้อมูลบันทึกต่ำกว่าความเป็นจริง

> **เกณฑ์ความเชื่อมั่น:** ปล่อยการพยากรณ์สำหรับการเติมสต็อกอัตโนมัติเฉพาะเมื่อตัวระบุตรงกัน ฟีดข้อมูลเป็นปัจจุบัน และการเคลื่อนไหวของสต็อกที่ไม่สามารถอธิบายได้ได้รับการแก้ไขหรืออนุมัติอย่างชัดเจนแล้วเท่านั้น

การแจ้งเตือนอัตโนมัติจะเป็นประโยชน์ก็ต่อเมื่อทีมของคุณเข้าใจตรงกันถึงความหมายและการตอบสนองต่อสิ่งเหล่านั้น จำกัดการเข้าถึงข้อมูลปฏิบัติการ ลบตัวระบุลูกค้าที่ไม่จำเป็นออก และจัดทำเอกสารกำหนดกฎการเก็บรักษาและการแบ่งปันข้อมูลที่เหมาะสม

## การเลือกแนวทางการพยากรณ์ความต้องการ

แนวทางตัวอย่างเทคนิคข้อมูลที่ต้องใช้เหมาะกับข้อจำกัดหลักสถิติค่าเฉลี่ยเคลื่อนที่, การปรับเรียบแบบเอ็กซ์โพเนนเชียล, ARIMAประวัติการขายประมาณสองปีต่อ SKU เป็นแนวทางในการวางแผน ไม่ใช่ขั้นต่ำสากลสินค้าที่มียอดขายสูงและมีความเสถียรเวอร์ชันพื้นฐานไม่ครอบคลุมผลกระทบที่ชัดเจนของราคา โปรโมชัน และสภาพอากาศแมชชีนเลิร์นนิงRandom forest, gradient boostingข้อมูลการขายพร้อมฟีเจอร์จำนวนมากในหลาย SKUแคตตาล็อกขนาดใหญ่ที่มีรูปแบบซับซ้อนต้องการข้อมูลที่สะอาด การติดตามตรวจสอบ และการประเมินผลตามต้นทุนการถดถอยเชิงสาเหตุการถดถอยด้วยตัวแปรราคา โปรโมชัน สภาพอากาศ และปฏิทินข้อมูลการขายพร้อมข้อมูลปัจจัยขับเคลื่อนในระดับ SKU-สถานที่-วันสินค้าที่ไวต่อโปรโมชัน ฤดูกาล และสภาพอากาศขึ้นอยู่กับข้อมูลปัจจัยขับเคลื่อนที่น่าเชื่อถือและประวัติที่เกี่ยวข้องเพียงพอ

**การเปรียบเทียบแนวทางการพยากรณ์** ควรตัดสินจากการตัดสินใจที่แนวทางนั้นสนับสนุน การพยากรณ์ที่ใช้สำหรับคำสั่งซื้อจากซัพพลายเออร์ต้องสอดคล้องกับช่วงเวลาการเติมสินค้า ไม่ใช่แค่ทำนายยอดขายของวันพรุ่งนี้ได้ดีเท่านั้น

แนวทางเรื่องประวัติข้อมูลในตารางไม่ใช่กฎเกณฑ์คุณสมบัติ ค่าเฉลี่ยเคลื่อนที่สามารถทำงานได้กับประวัติข้อมูลที่สั้นกว่า ในขณะที่โมเดลตามฤดูกาลต้องการข้อมูลที่เกี่ยวข้องมากพอเพื่อแยกแยะรูปแบบที่เกิดซ้ำออกจากเหตุการณ์ผิดปกติ

### สิ่งที่ความแม่นยำที่ดีขึ้นอาจซ่อนไว้

การศึกษา[การเติมสินค้าด้วยแมชชีนเลิร์นนิงโดยใช้ชุดข้อมูลสาธารณะ M5 Walmart](https://ojs.scipub.de/index.php/RRAL/article/view/9045) ได้เปรียบเทียบ**ค่าเฉลี่ยเคลื่อนที่เจ็ดวัน**กับ Random Forest สำหรับ**SKU อาหาร 100 อันดับแรก**ที่**ร้าน CA\_1 ของ Walmart** ในระหว่าง**การทดสอบนอกตัวอย่างข้อมูล 28 วัน** ค่าเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์แบบถ่วงน้ำหนักลดลงจาก **39.82% เหลือ 35.03%** และอัตราสินค้าขาดสต็อกจากการจำลองลดลงจาก **3.04% เหลือ 2.43%**

แต่กลยุทธ์ Random Forest กลับทำให้เกิด**ต้นทุนรวมสูงขึ้นเล็กน้อยภายใต้สมมติฐานพื้นฐาน** เนื่องจากต้องถือครองสินค้าคงคลังมากขึ้น การศึกษาพบว่ากลยุทธ์นี้จะคุ้มค่าทางเศรษฐกิจมากขึ้นเมื่อค่าปรับจากการขาดสต็อกเพิ่มขึ้น หรือต้นทุนการถือครองลดลง

ผลลัพธ์นี้ไม่ใช่ข้อโต้แย้งคัดค้านแมชชีนเลิร์นนิง แต่เป็นข้อโต้แย้งคัดค้านการเลือกกลยุทธ์การเติมสินค้าโดยใช้เพียงค่าความคลาดเคลื่อนของการพยากรณ์เท่านั้น

### ทดสอบการตัดสินใจ ไม่ใช่แค่การพยากรณ์

สร้างเส้นฐานทางสถิติแบบง่ายขึ้นมาก่อน จากนั้นทดสอบทางเลือกอื่นกับข้อมูลที่เกิดขึ้นภายหลังซึ่งโมเดลยังไม่เคยเห็น รักษากฎการเติมสินค้าและสมมติฐานด้านต้นทุนให้เทียบเคียงกันได้ เพื่อให้คุณสามารถระบุได้ว่าอะไรเป็นสาเหตุของการเปลี่ยนแปลง

- **จับคู่ช่วงเวลาให้ตรงกัน:** ทดสอบความต้องการสินค้าตลอดช่วงเวลาที่การตัดสินใจจัดซื้อของคุณต้องครอบคลุม
- **ตรวจสอบความคลาดเคลื่อนเชิงระบบ:** การพยากรณ์ต่ำกว่าความเป็นจริงและสูงกว่าความเป็นจริงอย่างต่อเนื่องต้องการการแก้ไขที่แตกต่างกัน
- **รวมต้นทุนทางธุรกิจเข้าไปด้วย:** เปรียบเทียบต้นทุนการถือครอง ต้นทุนการขาดสต็อก และต้นทุนการลดราคาภายใต้แต่ละกลยุทธ์
- **บันทึกการปรับแก้ด้วยมือ:** บันทึกเหตุผลที่ผู้วางแผนปรับการพยากรณ์ และการปรับนั้นช่วยให้ผลลัพธ์ดีขึ้นหรือไม่

สำหรับสินค้าที่ยังไม่มีประวัติข้อมูลที่ชัดเจน ให้[เปรียบเทียบวิธีการพยากรณ์การเปิดตัวสินค้า](https://www.electe.net/post/demand-forecasting-for-new-products)แทนที่จะมองว่าการไม่มีประวัติการขายหมายถึงการไม่มีความต้องการ

แนวทางแบบผสมผสานสามารถรักษาเส้นฐานทางสถิติไว้ได้ พร้อมทั้งเพิ่มสัญญาณจากโมเดลและการปรับแก้ของผู้วางแผนที่มีการบันทึกไว้ ควรทำให้การปรับแก้เหล่านั้นสามารถตรวจสอบย้อนกลับได้ มิฉะนั้นคุณจะไม่ทราบว่าผลลัพธ์เกิดจากโมเดลหรือจากการปรับแก้ด้วยมือ

## สต็อกสำรองและจุดสั่งซื้อซ้ำแบบเข้าใจง่าย

ลองพิจารณา**การคำนวณเชิงตัวอย่าง** ไม่ใช่ผลลัพธ์จริงของผู้ค้าปลีกรายใด สมมติว่าความต้องการเฉลี่ยต่อวันอยู่ที่ **40 หน่วย** ค่าเบี่ยงเบนมาตรฐานของความต้องการรายวันอยู่ที่ **10 หน่วย** และระยะเวลานำส่งของซัพพลายเออร์คงที่ที่ **7 วัน**

ค่าเบี่ยงเบนมาตรฐานอธิบายถึงความผันผวนของความต้องการรายวันรอบค่าเฉลี่ย **สต็อกสำรอง**คือบัฟเฟอร์เพิ่มเติมที่คุณถือครองไว้เพื่อรองรับความไม่แน่นอน ในขณะที่**จุดสั่งซื้อซ้ำ**บอกให้คุณทราบว่าควรสั่งซื้อครั้งถัดไปเมื่อใด

### ลงมือคำนวณทีละขั้นตอน

สำหรับความต้องการรายวันที่เป็นอิสระต่อกัน ระยะเวลานำส่งคงที่ และการกระจายตัวของความต้องการในช่วงระยะเวลานำส่งที่ใกล้เคียงการแจกแจงแบบปกติ:

**สต็อกสำรอง = z × ส่วนเบี่ยงเบนมาตรฐานของความต้องการรายวัน × √ระยะเวลารอคอยสินค้า**

**ค่า z** คือปัจจัยการให้บริการที่สัมพันธ์กับเป้าหมายระดับการให้บริการต่อรอบ (cycle-service) ที่คุณเลือก ตัวอย่างเช่น ที่ **ระดับการให้บริการต่อรอบ 95%** ให้ใช้ค่าประมาณ **1.645**:

**สต็อกสำรอง = 1.645 × 10 × √7 ≈ 44 หน่วย**

ขั้นตอนถัดไป คือการครอบคลุมความต้องการที่คาดการณ์ไว้ในระหว่างรอการจัดส่ง:

**จุดสั่งซื้อซ้ำ = ความต้องการเฉลี่ยรายวัน × ระยะเวลารอคอยสินค้า + สต็อกสำรอง**

**จุดสั่งซื้อซ้ำ = 40 × 7 + 44 = 324 หน่วย**

สั่งซื้อโดยอ้างอิงจาก **สถานะสินค้าคงคลัง (inventory position)** ซึ่งหมายถึงสต็อกที่มีอยู่ในมือบวกกับสต็อกที่กำลังจะเข้ามาซึ่งได้รับการยืนยันแล้ว ลบด้วยความต้องการที่ยังค้างอยู่ การใช้เพียงสต็อกบนชั้นวางอย่างเดียวอาจทำให้เกิดการสั่งซื้อซ้ำซ้อนเมื่อมีการจัดส่งที่กำลังมาอยู่แล้ว

### ดูว่าเป้าหมายระดับการให้บริการที่สูงขึ้นมีต้นทุนเท่าไร

ค่าต่อไปนี้คำนวณจากข้อมูลตั้งต้นสมมติชุดเดียวกัน โดยปัดเศษค่าสต็อกสำรองขึ้นเป็นจำนวนเต็มหน่วย

ระดับบริการค่า zสต็อกสำรอง (หน่วย)จุดสั่งซื้อซ้ำ (หน่วย)90%1.2823431495%1.6454432499%2.32662342

การเปลี่ยนจาก **95% เป็น 99%** จะเพิ่ม **สต็อกสำรองอีก 18 หน่วย** ในตัวอย่างนี้ ส่วนความคุ้มค่าของการทำเช่นนั้นขึ้นอยู่กับอัตรากำไรของสินค้า ผลกระทบจากการสินค้าขาดสต็อก และความเสี่ยงต่อการเสื่อมสภาพหรือการลดราคา

**ระดับบริการในรอบสั่งซื้อ (Cycle-service level) ไม่ใช่อัตราการเติมเต็มคำสั่งซื้อ (fill rate)** มันอธิบายถึงความน่าจะเป็นในการหลีกเลี่ยงการขาดสต็อกระหว่างรอบเติมสินค้า ไม่ใช่สัดส่วนของหน่วยสินค้าที่ต้องการซึ่งคุณสามารถจัดส่งได้ทันที

### รู้ว่าเมื่อไหร่ทางลัดนี้ใช้ไม่ได้ผล

ระยะเวลารอคอยสินค้าที่แปรผัน ความต้องการที่มีความสัมพันธ์กัน โปรโมชัน และฤดูกาล ล้วนต้องการการคำนวณที่ซับซ้อนกว่านี้ [งานศึกษาเรื่องสต็อกสำรองเพื่อความปลอดภัยในธุรกิจค้าปลีกโดยใช้แบบจำลองความต้องการเชิงสาเหตุ](https://econpapers.repec.org/article/eeeproeco/v_3a140_3ay_3a2012_3ai_3a2_3ap_3a637-645.htm) สนับสนุนการนำปัจจัยขับเคลื่อนภายนอกมาพิจารณา และการกำหนดบัฟเฟอร์ภายใต้ข้อจำกัดระดับการให้บริการที่ชัดเจน

เลือกควอนไทล์ความไม่แน่นอนโดยชั่งน้ำหนักระหว่างผลกระทบจากการขาดสต็อกกับความเสี่ยงด้านการถือครองสินค้าและการลดราคา อย่าใช้เปอร์เซ็นต์คงที่ของความต้องการกับสินค้าทุกรายการ โดยเฉพาะเมื่อความต้องการเปลี่ยนแปลงอย่างรวดเร็ว

> **จุดกระตุ้นให้ปรับเทียบใหม่:** ทบทวนบัฟเฟอร์เมื่อความคลาดเคลื่อนของการพยากรณ์ ระยะเวลารอคอยสินค้าจากซัพพลายเออร์ หรือการตอบสนองต่อโปรโมชันเปลี่ยนแปลงไปอย่างมีนัยสำคัญ

## สินค้าหลากหลายและโปรโมชันเปลี่ยนแผนสต็อกของคุณอย่างไร

กลุ่มสินค้ารูปแบบความต้องการนโยบายสต็อกAXมูลค่าสูง ความต้องการสม่ำเสมอตรวจสอบต่อเนื่อง สต็อกปลอดภัยเข้มงวด สั่งซื้อบ่อยครั้งในปริมาณน้อยAYมูลค่าสูง ความต้องการผันแปรพยากรณ์เชิงเหตุปัจจัย สต็อกปลอดภัยที่สูงขึ้นเมื่อมีเหตุผลรองรับ ตรวจสอบทุกสัปดาห์CZมูลค่าต่ำ ความต้องการไม่แน่นอนตรวจสอบเป็นช่วงเวลา ลดจำนวนรายการ หรือผลิตตามคำสั่งซื้อเมื่อทำได้SKU สำหรับโปรโมชันพุ่งสูงเป็นช่วง ๆ และอาจลดลงหลังจบกิจกรรมพยากรณ์เฉพาะสำหรับโปรโมชัน เตรียมสต็อกไว้ล่วงหน้า วางแผนลดสต็อกหลังจบกิจกรรม

ใช้ **นโยบายสต็อกตามกลุ่มสินค้า** นี้เป็นกรอบเริ่มต้น ไม่ใช่กฎการสั่งซื้ออัตโนมัติ ขั้นต่ำที่ผู้จัดหากำหนด อายุการเก็บรักษา และความน่าเชื่อถือของการจัดส่งสามารถเปลี่ยนนโยบายที่เหมาะสมที่สุดภายในแต่ละกลุ่มได้

**การแบ่งกลุ่มแบบ ABC-XYZ** ผสมผสานความสำคัญเชิงพาณิชย์เข้ากับความผันแปรของความต้องการ ABC จัดอันดับสินค้าตามรายได้หรือส่วนสนับสนุนกำไร ส่วน XYZ แยกความต้องการที่สม่ำเสมอออกจากความต้องการที่ผันแปรหรือไม่แน่นอนมากขึ้น

### จัดการนโยบายการเติมสต็อกทั้งหมด

การ[จำลองการเติมสินค้าในร้านค้าปลีกเชิงประจักษ์](https://pure.tue.nl/ws/files/3037826/639675.pdf)พบว่า**กลยุทธ์ Efficient Full Service** ช่วยลดสินค้าคงคลังเฉลี่ยลง **22%** และจัดการรายการคำสั่งซื้อได้ **17%** ในขณะที่ยังคงรักษาระดับการบริการลูกค้าเป้าหมายไว้เท่าเดิม

ผลลัพธ์ดังกล่าวขึ้นอยู่กับนโยบายการดำเนินงานและรูปแบบความต้องการของการศึกษานั้น ไม่ใช่เป้าหมายการลดสินค้าคงคลังที่ใช้ได้ทั่วไป หรือหลักฐานว่าผู้ค้าปลีกทุกรายควรลดบัฟเฟอร์ลงในอัตราเดียวกัน

บทเรียนที่มีประโยชน์คือการประสานความถี่ในการสั่งซื้อ การรวมการจัดส่ง จังหวะการเติมสินค้า และสต็อกสำรองให้สอดคล้องกัน การสั่งซื้อจำนวนน้อยบ่อยครั้งอาจเหมาะกับสินค้าที่ขายได้สม่ำเสมอ แต่จะไม่คุ้มค่าหากข้อกำหนดขั้นต่ำในการสั่งซื้อหรือค่าใช้จ่ายในการจัดส่งทำให้ไม่ประหยัด

### วางแผนการสิ้นสุดโปรโมชันตั้งแต่ก่อนเริ่ม

การพยากรณ์โปรโมชันควรแยกความต้องการตามปกติออกจากผลกระทบที่คาดไว้จากกิจกรรม ตรวจสอบว่าผู้ซื้ออาจเลื่อนการซื้อมาเร็วขึ้นหรือเปลี่ยนจากสินค้าอื่นในกลุ่มผลิตภัณฑ์ของคุณหรือไม่

- **ก่อนเริ่มโปรโมชัน:** ยืนยันวันที่จัดส่งสินค้า การจัดสรรให้ร้านค้า และวันเติมสินค้าครั้งสุดท้ายที่สมเหตุสมผล
- **ระหว่างกิจกรรม:** เปรียบเทียบการตอบสนองจริงกับการพยากรณ์โปรโมชัน และตรวจสอบข้อจำกัดด้านความพร้อมของสินค้า
- **หลังกิจกรรม:** ลดคำสั่งซื้ออย่างตั้งใจ และดำเนินการตามแผนการโอนย้าย การเก็บรักษา หรือการลดราคาที่ตกลงกันไว้

เพื่อ[ปกป้องอัตรากำไรระหว่างโปรโมชันค้าปลีก](https://www.electe.net/post/promotion-optimization-in-retail) ให้ประเมินกิจกรรมหลังหักค่าใช้จ่ายในการจัดส่งและความเสี่ยงจากสต็อกคงเหลือ ไม่ใช่เพียงยอดขายที่เพิ่มขึ้น

ทบทวนกลุ่มผลิตภัณฑ์ทุกไตรมาส ตั้งคำถามกับสินค้าปลายแถวที่กินพื้นที่และเงินทุนโดยไม่มีอัตรากำไรเพียงพอหรือบทบาทที่ชัดเจนต่อลูกค้า ในขณะที่ยังคงรักษาสินค้าที่มีความสำคัญเชิงกลยุทธ์ไว้เมื่อคุณค่าของสินค้านั้นมีมากกว่ายอดขายโดยตรง

## ทดลองโครงการนำร่องสินค้าคงคลัง 30 วัน และประเมินมูลค่ารวม

โครงการนำร่อง 30 วันทำงานเหมือนการจัดระเบียบชั้นวางของในตู้กับข้าวหนึ่งชั้นก่อนที่คุณจะตัดสินใจเปลี่ยนวิธีการซื้อของใหม่ทั้งครัว คุณจะเฝ้าดูว่าอะไรหมดเร็ว อะไรวางทิ้งไว้โดยไม่มีใครแตะต้อง และวิธีการใหม่นี้ช่วยประหยัดอะไรได้จริงบ้าง จากนั้นจึงตัดสินใจว่าจะนำไปใช้ทั่วทั้งองค์กรหรือไม่

ดำเนินโครงการนำร่องกับ SKU จำนวน **20 ถึง 50 รายการ** ในหมวดหมู่ที่คุณสามารถนับและควบคุมดูแลได้อย่างน่าเชื่อถือ เลือกสต็อกควบคุมที่เทียบเคียงกันได้ และรักษาการตั้งราคา โปรโมชัน และสภาพการดำเนินงานให้ใกล้เคียงกันมากที่สุดเท่าที่จะทำได้

โครงการนำร่องระยะสั้นจะทดสอบการปฏิบัติงานจริงและเผยให้เห็นข้อแลกเปลี่ยนในช่วงแรก แต่ไม่สามารถยืนยันผลการดำเนินงานตามฤดูกาลในระยะยาวได้ โดยเฉพาะเมื่อระยะเวลานำส่งของซัพพลายเออร์ยาวนานเกินกว่าช่วงเวลาทดสอบ

### ปฏิบัติตามตารางการดำเนินงานที่ควบคุมไว้

1. **วันที่ 1–7:** ตรวจสอบข้อมูลและกระทบยอดสต็อกนำร่องในทุกสาขาและคลังสินค้า แก้ไขรหัสระบุสินค้าให้ตรงกันและจัดทำเอกสารกฎการปรับปรุงข้อมูล ข้อมูลที่สะอาดขึ้นในขั้นตอนนี้มักช่วยเพิ่มความแม่นยำได้มากกว่าอัลกอริทึมที่ซับซ้อนในภายหลัง
2. **วันที่ 8–14:** กำหนดค่าพื้นฐานของอัตราการเติมสินค้า (fill rate) อัตราสินค้าขาดสต็อก (stockout rate) จำนวนวันคงคลัง อัตราการหมุนเวียนสินค้า และอัตราสินค้าสูญหาย โดยใช้ข้อมูลย้อนหลังที่กระทบยอดแล้วเท่าที่มี
3. **วันที่ 15–21:** แบ่งกลุ่มสินค้าและเปรียบเทียบค่าพื้นฐานเชิงสถิติกับทางเลือกเชิงสาเหตุหรือแมชชีนเลิร์นนิง ผ่านการทดสอบย้อนหลังหรือการจำลองสถานการณ์
4. **วันที่ 22–30:** นำเป้าหมายระดับการให้บริการและจุดสั่งซื้อซ้ำที่ได้รับอนุมัติไปใช้ จากนั้นเปรียบเทียบผลลัพธ์เบื้องต้นกับกลุ่มควบคุม หากรอบการเติมสินค้ายังไม่เสร็จสมบูรณ์ ให้สังเกตการณ์ต่อไป

ประเมิน**การเพิ่มประสิทธิภาพสินค้าคงคลังสำหรับธุรกิจค้าปลีก**ด้วยมูลค่าทางเศรษฐกิจโดยรวม ได้แก่ กำไรส่วนเพิ่มที่กู้คืนมาได้ หักด้วยต้นทุนการถือครองสินค้า ต้นทุนการลดราคา ต้นทุนจากการขาดสต็อก และต้นทุนค่าขนส่งด่วนที่เพิ่มขึ้น ควรพิจารณาเงินทุนหมุนเวียนแยกต่างหาก เพื่อหลีกเลี่ยงการนับเงินลงทุนในสินค้าคงคลังและต้นทุนทางการเงินของเงินลงทุนนั้นซ้ำซ้อนกัน

ข้อผิดพลาดที่พบบ่อยสัญญาณเตือนวิธีแก้ไขพยากรณ์จากจำนวนสต็อกที่ไม่ถูกต้องสต็อกผีและข้อผิดพลาดในการพยากรณ์ที่เกิดขึ้นทันทีกระทบยอดจำนวนสต็อกและกำหนดแหล่งข้อมูลที่เชื่อถือได้ใช้เปอร์เซ็นต์สต็อกสำรองเดียวกันสำหรับทุก SKUสินค้าค้างสต็อกสำหรับสินค้าที่ขายช้าและขาดสต็อกสำหรับสินค้าที่ขายเร็วกำหนดค่าบัฟเฟอร์ตามกลุ่มสินค้าและเป้าหมายระดับการให้บริการละเลยผลกระทบจากโปรโมชันและสภาพอากาศสต็อกส่วนเกินหลังเหตุการณ์และช่วงพีคตามฤดูกาลติดแท็กช่วงเวลาที่เกี่ยวข้องและใช้ฟีเจอร์เชิงสาเหตุตัดสินโมเดลจากความคลาดเคลื่อนในการพยากรณ์เพียงอย่างเดียวความคลาดเคลื่อนลดลงแต่ต้นทุนสินค้าคงคลังสูงขึ้นประเมินต้นทุนการขาดสต็อก การเก็บสต็อก และการลดราคาไปพร้อมกันลด KPI เพียงตัวเดียวสต็อกลดลงแต่ค่าขนส่งฉุกเฉินเพิ่มขึ้นติดตามมูลค่าทางเศรษฐกิจโดยรวมไม่ปรับเทียบโมเดลใหม่หลังเกิดการเปลี่ยนแปลงความคลาดเคลื่อนเพิ่มขึ้นหลังการเปลี่ยนแปลงของซัพพลายเออร์หรือความต้องการกำหนดให้ประเมินใหม่ทันทีเมื่อสภาพการดำเนินงานเปลี่ยนแปลง

ELECTE ซึ่งเป็นแพลตฟอร์มพยากรณ์ทางการเงินด้วย AI สำหรับบริษัทที่กำลังเติบโต ครอบคลุมการพยากรณ์ การรายงานอัตโนมัติ และแดชบอร์ดกับ KPI โดยมีเครื่องมือฟรีอย่างเครื่องคำนวณจุดสั่งซื้อซ้ำ (reorder point) รวมอยู่ในชุดเครื่องมือฟรีด้วย แพลตฟอร์มนี้รันวิธีการพยากรณ์ 6 แบบกับข้อมูลของคุณ ให้คะแนนเปรียบเทียบกันเอง แล้วเลือกวิธีที่แม่นยำที่สุด ผู้ใช้ส่วนใหญ่พร้อมใช้งานได้ภายในเวลาไม่ถึง 5 นาที โดย AI จะวิเคราะห์ข้อมูลและสร้างการพยากรณ์ครั้งแรกทันทีหลังจากที่คุณเชื่อมต่อซอฟต์แวร์บัญชีหรืออัปโหลดไฟล์ แม้จะตั้งค่าได้รวดเร็ว แต่การกระทบยอดและการประเมินนโยบายตามต้นทุนยังคงเป็นหน้าที่ของคุณ

### ประเด็นสำคัญ

- **แก้ไขตัวเลขให้ถูกต้องก่อน:** สร้างสถานะสินค้าคงคลังเริ่มต้นที่เชื่อถือได้ก่อนที่จะแตะต้องโมเดลใด ๆ
- **ตั้งค่าฐานอ้างอิงให้สอดคล้องกัน:** ใช้คำนิยามร่วมกันและช่วงเวลารายงานที่เปรียบเทียบกันได้
- **เลือกตามหลักเศรษฐศาสตร์:** ทดสอบการปรับปรุงการพยากรณ์เทียบกับต้นทุนการดำเนินงาน
- **แยกแยะบัฟเฟอร์ให้ต่างกัน:** จับคู่ระดับการป้องกันให้เหมาะกับความเสี่ยงของสินค้าและความต้องการด้านบริการ
- **ประเมินผลลัพธ์แบบครบถ้วน:** รวมถึงการจัดส่งฉุกเฉิน การลดราคาสินค้า และภาระผูกพันด้านเงินสด

ปิดท้ายการทดลองนำร่องด้วยคำถามตรง ๆ ว่า **มูลค่าทางเศรษฐกิจโดยรวมดีขึ้นหรือไม่?** จากนั้นตัดสินใจคงไว้ ปรับปรุง หรือยกเลิกนโยบายตามคำตอบนั้น

---

ELECTE มีการพยากรณ์และการรายงานอัตโนมัติที่ช่วยให้คุณประเมินการตัดสินใจเติมสินค้าได้โดยไม่ต้องสร้างสเปรดชีตซ้ำแล้วซ้ำเล่า ลองใช้เครื่องคำนวณจุดสั่งซื้อซ้ำฟรีที่ [ELECTE](https://www.electe.net) กับตัวเลขสต็อกจากโครงการนำร่องของคุณ และใช้เครื่องคำนวณ ROI ฟรีเพื่อวางกรอบความคุ้มค่าสำหรับการขยายผลในวงกว้างต่อไป