Оптимізація запасів для роздрібної торгівлі: практичний посібник

Покупець просить куртку, яка, за даними вашої системи, є в наявності, але ваша команда не може її знайти. Тим часом інший розмір лежить незайманим на складі, чекаючи на уцінку.

Це ілюстративна ситуація, а не кейс конкретного рітейлера. Вона відображає щоденний виклик, що стоїть за оптимізацією запасів для роздрібної торгівлі: ухвалення рішень щодо закупівлі, поповнення та розподілу, коли ваші облікові дані та попит покупців не завжди збігаються.

Відповідь полягає не просто в тому, щоб купувати менше або прогнозувати точніше. Вам потрібні достовірні дані про запаси, чіткі цільові показники обслуговування та спосіб зіставити гроші, які ви заробляєте завдяки кращій наявності товару, з грошима, які ви витрачаєте на утримання надлишкових запасів. Інакше ефектна панель показників може приховувати дорогу операційну політику.

Вам не потрібно починати зі складної моделі. Почніть із перевірки того, що фізично є в наявності, узгодьте, що означає кожна метрика, і протестуйте посильну зміну. Після цього прогнозування та розрахунки страхового запасу стають корисними допоміжними інструментами для ухвалення рішень, а не цифрами, які вашій команді доводиться приймати на віру.

Чому оптимізація запасів визначає прибуток роздрібної торгівлі

Краща видимість запасів може вплинути як на витрати, так і на продажі. У своєму аналізі RFID у роздрібній торгівлі за 2021 рік McKinsey повідомила про покращення точності запасів більш ніж на 25%, скорочення трудовитрат, пов'язаних із запасами, на 10–15% та зростання продажів за повною ціною на 1–3,5%, з потенційним зростанням виручки до 5% завдяки покращеному управлінню дефіцитом товару та зниженню втрат, згідно з її оглядом впроваджень RFID.

Це опубліковані результати впроваджень, а не обіцянки для вашого магазину. Вони показують, чому наявності товару та точності обліку варто приділяти увагу поряд із витратами на закупівлю.

Оптимізація запасів означає розміщення потрібного товару в потрібному місці в потрібний час без заморожування зайвих коштів. Подумайте про свою домашню комору: занадто мало їжі зриває вечерю, але купівля надто великої кількості призводить до того, що інгредієнти псуються позаду свіжіших покупок.

Витрати, які ви балансуєте

• Витрати через дефіцит товару: Ви втрачаєте продаж, розчаровуєте покупця або платите за відновлення замовлення.
• Витрати на зберігання: Ви фінансуєте зберігання, капітал, обробку та втрати, поки товари чекають.
• Витрати на уцінку: Ви жертвуєте маржею, щоб розпродати застарілі, сезонні або небажані запаси.

Початковий баланс має значення. Дослідження Центру досліджень RFID Університету Арканзасу виявило точну інформацію про запаси лише для 35% товарів у звичайних системах і оцінило, що неточність запасів може знижувати прибуток приблизно на 10%.

Порахуйте, перш ніж розраховувати

Якщо ваша система показує запас, якого фізично немає в наявності, ви можете відкласти поповнення. Якщо вона занижує те, що є в наявності, ви можете купити товари, які у вас вже є.

Складний розрахунок повторного замовлення все одно залишається поганим рішенням, якщо він починається з неправильного підрахунку запасів.

Корисна послідовність дій — це готовність даних, надійні метрики, прогнозування, страховий запас, планування асортименту та промоакцій, а потім 30-денний пілотний проєкт. Кожен крок має покращувати наступне рішення, а не просто створювати ще один звіт.

Ключові показники запасів і що означає кожен з них

Домашня комора демонструє цю проблему в мініатюрі. Підрахунок консервних банок показує, що є на полиці, але нічого не каже про те, чи вистачить продуктів на вечері, як швидко закінчуються основні товари або які з них зіпсувалися раніше, ніж їх хтось з'їв. Роздрібні метрики навмисно розділяють ці питання, і кожна з них відповідає лише на своє власне питання.

Ці основні показники запасів для роздрібної торгівлі відповідають на різні питання. Оборотність відстежує рух, рівень виконання замовлень відстежує оперативність обслуговування, а валова маржа на вкладені в запаси кошти пов'язує гроші, заморожені в запасах, з прибутком, який вони приносять. Розглянуті разом, вони не дають сильному показнику в одній колонці приховати слабкий показник в іншій.

Дотримуйтесь єдиних одиниць виміру. Для розрахунку днів запасу оцінюйте середній запас за собівартістю, оскільки знаменник — це собівартість реалізованої продукції; для розрахунку втрат переводьте різницю між обліковими та фактичними даними в грошовий вираз, перш ніж ділити на суму продажів у грошовому виразі.

Зробіть визначення придатними для роботи

SKU — це конкретний варіант товару, наприклад куртка певного розміру й кольору. SKU-локація-день — це той самий варіант товару в одній локації за один день, що робить порівняння випадків відсутності товару більш коректним, ніж просто підрахунок порожніх полиць. Порожня полиця може приховувати заборгованість за замовленням, доставку в дорозі або повернення, що очікує перевірки, і кожна причина потребує свого рішення.

Домовтеся про правила звітності перед порівнянням результатів:

• Доступність: Визначте, чи зараховуються зарезервовані, пошкоджені та карантинні товари як доступні.
• Попит: Фіксуйте невиконані замовлення та відомі втрачені продажі окремо від завершених продажів.
• Періодичність: Використовуйте однаковий період і метод оцінки запасів у всіх порівняннях.
• Відповідальність: Призначте особу, яка розслідуватиме необґрунтовані зміни показників.

Спочатку опрацюйте формулу оборотності в електронній таблиці, щоб вхідні дані залишались видимими, потім перевірте коефіцієнт оборотності запасів як контрольну перевірку, і розглядайте результат разом із показниками доступності та маржі.

Не заохочуйте неправильне покращення

Припустимо, популярна куртка розпродається миттєво щоразу, коли надходить поставка, а потім залишається недоступною до наступної поставки. Її оборотність може виглядати високою, хоча покупці неодноразово йдуть без покупки.

Нижчі показники днів запасу можуть відображати як більш ефективні операції, так і запаси, що просто занадто малі, і жоден окремий показник не розрізняє ці два випадки. Надійніший підхід — оцінити загальну економічну вартість за той самий період: отриманий прибуток, продажі, втрачені через відсутність товару, і витрати на зберігання. Категорія може перемагати за оборотністю і все одно приносити збитки, якщо врахувати дні з порожніми полицями.

Порівнюйте категорії та локації окремо, потім використовуйте свій перший квартал як базовий показник після звірки залишків запасів. Зберігайте цей базовий показник незмінним, щоб подальші зміни не стирали початкову точку відліку, і фіксуйте акції, закриття або збої постачальників, що впливають на порівнянність. Ставтеся до будь-якого зовнішнього орієнтиру як до відправної точки для запитання, а відповідь нехай дає ваш власний звірений базовий показник.

Основа даних і технологічний стек, які вам потрібні

Опитування роздрібної торгівлі 2025 року показало, що 59% рітейлерів покладалися на кілька розрізнених інструментів, електронних таблиць або ручних процесів для прогнозування та управління запасами; лише 27% повідомили про наявність системи, що інтегрує дані точок продажу, запасів і фінансів, згідно з опитуванням Priority у сфері роздрібної торгівлі.

Це практична причина для пріоритизації готовності даних. Якщо повернення оновлює дані електронної комерції, але не наявність на складі, складніша модель попиту не вирішить цю розбіжність.

Побудова від збору даних до виконання

1. Джерела даних: Збирайте дані про транзакції в точках продажу, складські переміщення, замовлення в електронній комерції, повернення, терміни постачання від постачальників, календарі акцій та відповідні погодні дані. Наприклад, розрізняйте повернену куртку, що очікує перевірки, від тієї, що готова до продажу.
2. Майстер-дані: Використовуйте спільний ідентифікатор SKU та ідентифікатор місцезнаходження в усіх системах. Код складу та назва товару в електронній комерції повинні відповідати одному й тому самому варіанту товару, придатному для продажу.
3. Аналітика: Застосовуйте прогнозування, розрахунки страхового запасу та виявлення аномалій до узгоджених записів. Раптове зменшення запасів має викликати розслідування, перш ніж його інтерпретувати як попит.
4. Виконання: Перетворюйте затверджені рекомендації на замовлення на закупівлю, сповіщення та завдання для магазинів. Визначте відповідальну особу для реагування на кожен виняток.

Домовтеся, який запис має пріоритет

Визначте авторитетне джерело для кожного поля. Дані точки продажу можуть керувати завершеними продажами в магазині, тоді як перевірений фізичний підрахунок керує наявним запасом на момент підрахунку, скоригованим з урахуванням подальших переміщень.

Узгоджуйте розбіжності щотижня та розслідуйте значні винятки швидше. Не перезаписуйте розбіжності без сліду: зберігайте коригування, причину, часову мітку та відповідальну особу, щоб ваша команда могла визначити повторювані помилки прийому товару або синхронізації.

Напрямок помилки має значення. Дослідження Університету Арканзасу щодо магазинів Bloomingdale's вимірювало видимість протягом 13 тижнів і повідомило про результати симуляції з 21% зниженням дефіциту запасів та 6% зниженням надлишку запасів. У термінології цього дослідження дефіцит запасів означав, що записи перевищували фізичний запас, а надлишок запасів означав, що записи занижували його.

Поріг довіри: Випускайте прогноз для автоматизованого поповнення запасів лише тоді, коли ідентифікатори збігаються, канали даних актуальні, а непояснені рухи запасів вирішено або явно затверджено.

Автоматичні сповіщення допомагають лише тоді, коли ваша команда погоджується щодо їх значення та реагування. Обмежте доступ до операційних даних, видаліть непотрібні ідентифікатори клієнтів і задокументуйте відповідні правила зберігання та обміну даними.

Вибір підходу до прогнозування попиту

Порівняння підходів до прогнозування варто оцінювати за рішеннями, які вони підтримують. Прогноз, що використовується для замовлення постачальнику, має відповідати горизонту поповнення запасів, а не просто добре передбачати продажі на завтра.

Орієнтир щодо історії даних у таблиці — це не правило допустимості. Ковзне середнє може працювати на коротших історичних рядах, тоді як сезонним моделям потрібно достатньо релевантних спостережень, щоб відрізнити повторювані закономірності від незвичайних подій.

Що може приховувати краща точність

Дослідження поповнення запасів на основі машинного навчання з використанням публічного датасету M5 Walmart порівнювало семиденне ковзне середнє з Random Forest для топ-100 продовольчих SKU у магазині Walmart CA_1. Протягом 28-денного тестового періоду поза вибіркою зважена абсолютна відсоткова похибка знизилася з 39,82% до 35,03%, а змодельований рівень дефіциту запасів — з 3,04% до 2,43%.

Проте політика на основі Random Forest показала дещо вищу загальну вартість за базових припущень, оскільки вона тримала більше запасів. Дослідження показало, що ця політика стає економічно привабливою, коли штрафи за дефіцит зростають або витрати на зберігання знижуються.

Цей результат не є аргументом проти машинного навчання. Це аргумент проти вибору політики поповнення запасів лише на основі похибки прогнозу.

Тестуйте рішення, а не лише прогноз

Побудуйте простий статистичний базовий рівень, а потім перевіряйте альтернативи на пізніших спостереженнях, яких моделі ще не бачили. Зберігайте порівнянність правил поповнення запасів і припущень щодо витрат, щоб можна було визначити причину змін.

• Відповідність горизонту: Тестуйте попит за період, який має охоплювати ваше рішення про закупівлю.
• Перевірка зміщення: Стійке недопрогнозування та перепрогнозування вимагають різних реакцій.
• Врахування бізнес-витрат: Порівнюйте витрати на зберігання, дефіцит і уцінку за кожної політики.
• Журналювання коригувань: Фіксуйте, чому планувальник скоригував прогноз і чи допомогло це коригування.

Для продуктів без усталеної історії порівняйте методи прогнозування запуску продукту, замість того щоб розглядати відсутність історії продажів як відсутність попиту.

Гібридний підхід може зберігати статистичний базовий рівень, додаючи сигнали моделі та задокументовані коригування планувальника. Зробіть ці коригування простежуваними; інакше ви не знатимете, що саме — модель чи ручне втручання — призвело до результату.

Страховий запас і точки замовлення просто

Розгляньте ілюстративний розрахунок, а не результат якогось рітейлера. Припустімо середній денний попит 40 одиниць, стандартне відхилення денного попиту 10 одиниць і фіксований час постачання постачальником 7 днів.

Стандартне відхилення описує, наскільки сильно денний попит коливається навколо свого середнього значення. Страховий запас — це додатковий буфер, який ви тримаєте на випадок невизначеності, тоді як точка замовлення вказує, коли розміщувати наступне замовлення.

Розберемо розрахунок

Для незалежного денного попиту, фіксованого часу постачання та приблизно нормального розподілу попиту за час постачання:

Страховий запас = z × стандартне відхилення денного попиту × √час поставки

Z-значення — це коефіцієнт обслуговування, пов’язаний з обраним цільовим рівнем обслуговування циклу. Для орієнтовного 95% рівня обслуговування циклу використовуйте приблизно 1,645:

Страховий запас = 1,645 × 10 × √7 ≈ 44 одиниці

Далі врахуйте очікуваний попит на час очікування поставки:

Точка замовлення = середній денний попит × час поставки + страховий запас

Точка замовлення = 40 × 7 + 44 = 324 одиниці

Запускайте замовлення на основі позиції запасів, тобто наявного складського залишку плюс підтвердженого вхідного запасу мінус невиконаних зобов’язань за попитом. Використання лише складського залишку може призвести до дублювання замовлень, якщо поставка вже в дорозі.

Подивіться, у що обходиться вищий цільовий рівень обслуговування

Наведені нижче значення розраховано на основі тих самих гіпотетичних вхідних даних, із буферами, округленими до цілих одиниць.

Перехід від 95% до 99% додає 18 одиниць буфера у цьому прикладі. Чи варто це робити, залежить від маржі продукту, наслідків дефіциту та схильності до старіння запасів або уцінок.

Циклічний рівень обслуговування — це не рівень виконання замовлень. Він описує ймовірність уникнення дефіциту протягом циклу поповнення запасів, а не частку запитуваних одиниць, яку ви постачаєте негайно.

Знайте, коли цей спрощений підхід перестає працювати

Змінні терміни постачання, корельований попит, акції та сезонність потребують більш складного розрахунку. Дослідження страхового запасу в роздрібній торгівлі з використанням каузальних моделей попиту підтверджує доцільність урахування зовнішніх факторів і встановлення буферів за чітко визначених обмежень рівня сервісу.

Обирайте квантиль невизначеності, зважуючи наслідки дефіциту проти ризиків надлишкових запасів і уцінки. Не застосовуйте фіксований відсоток від попиту до кожного товару, особливо коли попит різко змінюється.

Тригер перерахунку: Переглядайте буфер, коли суттєво змінюються похибки прогнозу, терміни постачання постачальників або реакція на акції.

Як асортимент і акції змінюють ваш план запасів

Використовуйте цю політику запасів за сегментом продукції як початкову основу, а не автоматичне правило закупівлі. Мінімальні обсяги постачальника, термін придатності та надійність постачання можуть змінити оптимальну політику в межах сегмента.

Сегментація ABC-XYZ поєднує комерційну важливість зі змінністю попиту. ABC ранжує продукти за доходом або внеском у маржу; XYZ розрізняє стабільний попит від дедалі змінного або нерегулярного попиту.

Керуйте всією політикою поповнення запасів

Емпіричне моделювання поповнення запасів у роздрібній торгівлі показало, що стратегія Efficient Full Service знизила середній рівень запасів на 22% і скоротила кількість оброблених рядків замовлень на 17%, зберігаючи при цьому той самий цільовий рівень обслуговування клієнтів.

Цей результат залежав від операційної політики та профілю попиту, досліджених у дослідженні. Це не універсальний цільовий показник скорочення і не доказ того, що кожен роздрібний продавець повинен скорочувати буфери на ту саму величину.

Корисний урок полягає в узгодженні частоти замовлень, консолідації доставок, часу поповнення запасів і страхового запасу. Часті дрібні замовлення можуть підійти для стабільного товару, але не тоді, коли вимоги до мінімального обсягу замовлення або вартість доставки роблять їх економічно невигідними.

Плануйте завершення акції ще до її початку

Прогноз акції повинен відрізняти звичайний попит від очікуваного ефекту заходу. Перевірте, чи можуть покупці завчасно здійснити покупки або переключитися з іншого товару у вашому асортименті.

• Перед запуском: Підтвердьте дати постачання, розподіл по магазинах і останню розумну дату поповнення запасів.
• Під час заходу: Порівнюйте фактичну реакцію з прогнозом акції та досліджуйте обмеження щодо наявності товару.
• Після заходу: Свідомо скорочуйте замовлення та виконуйте узгоджений план передачі, утримання або уцінки.

Щоб захистити маржу під час роздрібних акцій, оцінюйте захід за витратами на виконання та залишковим запасом, а не лише за зростанням продажів.

Переглядайте асортимент щоквартально. Піддавайте сумніву другорядні товари, які займають простір і кошти без достатньої маржі чи чіткої ролі для клієнта, при цьому зберігаючи стратегічно важливі позиції, коли їхній внесок виходить за межі прямих продажів.

Проведіть 30-денний пілотний проєкт із запасами та оцініть загальну цінність

30-денний пілотний проєкт працює так само, як реорганізація однієї полиці в коморі перед тим, як впроваджувати нову систему закупівель для всієї кухні. Ви спостерігаєте, що закінчується, що залишається незайманим і що насправді економить новий підхід, а потім вирішуєте, чи варто впроваджувати його всюди.

Проводьте пілотний проєкт на 20–50 SKU у категорії, яку ви можете надійно підраховувати та контролювати. Виберіть порівнянний контрольний запас і зберігайте ціноутворення, акції та операційні умови максимально схожими.

Короткий пілотний проєкт перевіряє виконання та виявляє ранні компроміси. Він не може встановити довгострокову сезонну ефективність, особливо коли терміни постачання постачальників виходять за межі тестового періоду.

Дотримуйтесь контрольованого робочого графіка

1. Дні 1–7: Проведіть аудит записів і звірте пробні залишки по магазинах і складах. Узгодьте ідентифікатори та задокументуйте правила коригувань. Чистіші записи на цьому етапі часто дають для точності більше, ніж складніший алгоритм пізніше.
2. Дні 8–14: Визначте базові показники рівня виконання замовлень, частоти дефіциту, днів запасу, оборотності та втрат, використовуючи звірені історичні дані там, де вони доступні.
3. Дні 15–21: Сегментуйте товари та порівняйте статистичний базовий підхід із причинно-наслідковою або машинно-навчальною альтернативою за допомогою бек-тестування чи симуляції.
4. Дні 22–30: Застосуйте затверджені цільові рівні обслуговування та точки повторного замовлення, а потім порівняйте перші результати з контрольною групою. Продовжуйте спостереження, якщо цикл поповнення запасів ще не завершився.

Оцінюйте оптимізацію запасів для роздрібної торгівлі за загальною економічною вартістю: відновлена маржа мінус додаткові витрати на зберігання, уцінки, дефіцит і прискорене доставлення. Розглядайте оборотний капітал окремо, щоб не рахувати двічі інвестицію в запаси та вартість її фінансування.

ELECTE — платформа для фінансового прогнозування на основі ШІ для компаній, що зростають, охоплює прогнозування, автоматизовану звітність, а також дашборди й KPI, а серед безкоштовних інструментів пропонує безкоштовний калькулятор точки замовлення. Платформа запускає шість методів прогнозування на ваших даних, оцінює їх один проти одного та обирає найточніший. Більшість користувачів готові до роботи менш ніж за 5 хвилин: ШІ аналізує дані та генерує перші прогнози одразу після підключення бухгалтерського програмного забезпечення або завантаження файлу. Швидке налаштування все одно залишає звірку даних та оцінку політики на основі витрат у ваших руках.

Ключові висновки

• Спочатку виправте облік: Встановіть надійну вихідну позицію запасів, перш ніж торкатися будь-якої моделі.
• Дотримуйтесь послідовної бази: Використовуйте спільні визначення та порівнювані звітні періоди.
• Обирайте за економікою: Перевіряйте покращення прогнозів щодо операційних витрат.
• Диференціюйте буфери: Відповідайте рівень захисту ризику продукту та потребам обслуговування.
• Оцінюйте повний результат: Враховуйте термінові постачання, уцінки та грошові зобов'язання.

Завершіть пілотний проєкт прямим запитанням: Чи покращилась загальна економічна вартість? Залишіть, скоригуйте або відхиліть політику на основі цієї відповіді.

ELECTE пропонує прогнозування та автоматизовану звітність, які допомагають оцінювати рішення щодо поповнення запасів без постійного перебудовування електронних таблиць. Спробуйте безкоштовний калькулятор точки замовлення на ELECTE на основі показників запасів вашого пілотного проєкту, а також скористайтеся безкоштовним калькулятором ROI, щоб обґрунтувати цінність для масштабнішого впровадження.