Quereo Blog

Blog poświęcony zarządzaniu projektami IT, systemom BI, ERP i CRM

  • Home
    Home This is where you can find all the blog posts throughout the site.
  • Categories
    Categories Displays a list of categories from this blog.
  • Login
    Login Login form

Analiza zapasów magazynowych, cz. 2.

Posted by on in Business Intelligence
  • Font size: Larger Smaller
  • Hits: 1154
  • 0 Comments
  • Subscribe to this entry
  • Print

Kontynuujemy rozważania o sposobach analizy zapasów z pierwszej części artykułu. Tym razem zajmiemy się sposobami wykonania analiz.

O ile do wyliczenie rotacji wystarczają dane na koniec okresu, to wyliczenie średniej wartości stanów magazynowych wymaga znajomości stanu magazynowego na każdy dzień badanego okresu – zwykle miesiąca. Funkcjonalnie nie jest to wielkim wyzwaniem, lecz wyobraźmy sobie jak to wygląda w praktyce. Jeśli sieć sprzedaży posiada 20 magazynów w których w okresie 5 lat pojawiały się pozycje z listy liczącej 10 tys. kart towarów (SKU), to tabela przechowująca wartości dla każdego dnia będzie zawierała 360 milionów wierszy! To oznacza, że już na starcie wysiadają standardowe metody raportowania, polegające na każdorazowym przetworzeniu wszystkich wierszy od początku. Wiemy więc, że potrzebujemy czegoś w postaci hurtowni danych, która przechowa rekordy z poprzednich okresów.

Mamy więc do wyboru inwestycję w ciężką i kosztowną technologię bazodanową, lub w przebiegłych programistów. Sugeruję to drugie rozwiązanie. Przebiegli programiści zamiast przechowywać stany na każdy dzień miesiąca, po to by wyliczać z nich statystyki po prostu wyliczą te statystyki i przechowają je zamiast stanów w hurtowni danych. To podejście polega na przechowywani wyników, zamiast danych źródłowych.

Podobne podejście musimy zastosować do analizy zalegania zapasów, jeśli interesuje nas coś więcej niż tylko bieżące wartości zalegania. Chcąc prześledzić dynamikę zalegania w czasie należy wyliczyć ile dni/godzin upłynęło średnio od zakupu partii towaru do jego sprzedaży i zapamiętać wynik jako historyczny. Należy również obsłużyć częściową sprzedaż partii.

Analiza Rentowności zapasów polega na odniesienia średniego stanu zapasów i kosztów ich utrzymania do dochodu jaki z nich uzyskaliśmy.  Niesie z sobą te same wyzwania, co wyliczenie średniego zapasu oraz dodatkowe, związane z koniecznością uzyskania danych sprzedażowych w postaci marży. Im bardziej ta marża ma być „netto”, tym więcej kosztów nabycia musimy wyłuskać z danych. I możemy otworzyć kolejną puszkę Pandory: dodatkowe koszty nabycia towarów mogą być rejestrowane w innej granulacji niż wartości sprzedaży. Np. wartość sprzedaży analizujemy dla pozycji faktury, a koszty transportu mamy ogólnie dla całej faktury, lub chcemy włączyć do analizy koszty ogólne działu sprzedaży. Jeśli dążymy do jeszcze bardziej precyzyjnej informacji, musimy również uwzględnić koszty utrzymania zapasów, m.in. koszty przechowania i koszty finansowe w postaci kosztu pozyskania środków finansowych na zakup towarów.

Jeśli rozwiązaliśmy dotychczasowe problemy, to uzyskanie analiz efektywności logistycznej będzie już czystą przyjemnością. Skoro odkryliśmy metodę przechowywania w hurtowni danych statystyk, zamiast danych źródłowych, to pozostaje tylko uruchomić wyobraźnię jakie statystyki nas interesują. Ciekawą możliwością jest wyliczenie efektywności zatowarowania. Jeśli w systemie ERP zarejestrujemy normatywy logistyczne mówiące, jakie minima poszczególnych towarów chcemy mieć w każdy dzień tygodnia na półkach sklepów, to łatwo wyliczyć przez ile dni w miesiącu to minimum nie było spełnione i zapamiętać w postaci procentowej w jednym wierszu dla całego miesiąca. Teraz pozostaje jeszcze ładnie zwizualizować dane i dowiedzieć się w jakim stopniu straciliśmy szanse sprzedaży przez niedobór towarów na półkach, lub ile zbędnego kapitału zaangażowaliśmy w nadmiernych ilościach.

Jak widać, wyzwania towarzyszące realizacji użytecznych analiz, na których można oprzeć skuteczne działania, nie są banalne. Aby im podołać, musimy stworzyć od początku własne rozwiązania albo skorzystać z gotowych komponentów. Istnieją gotowe modele i hurtownie danych, które wypełniają głęboką w przypadku tych analiz przepaść między danymi źródłowymi, a przetworzoną, zdatną do użycia informacją. Analizując tą informację zarządzający mogą uzyskać wiedzę operacyjną i podjąć właściwe działania.

Wojciech Szyprowski , PMP

Rate this blog entry:

Comments

  • No comments made yet. Be the first to submit a comment

Leave your comment

Guest środa, 22 listopad 2017

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