Методические рекомендации по проведению XYZ- анализа

Данный анализ позволяет проводить классификацию товаров на основе сравнения стабильности объема их продаж. Целью анализа является прогнозирование стабильности тех или иных объектов исследования, например стабильности продаж отдельных видов товаров, колебания уровня спроса.

В основе XYZ-анализа лежит определение коэффициентов вариации (γ) для анализируемых параметров. Коэффициент вариации – это отношение среднеквадратического отклонения к среднеарифметическому значению измеряемых параметров:

(23)

где – значение параметра по оцениваемому объекту за i-й период; – среднее значение параметра по оцениваемому объекту анализа; п – число периодов.

Значение квадратного корня есть не что иное, как стандартное отклонение вариационного ряда. Чем больше значение стандартного отклонения, тем дальше от среднеарифметического значения находятся анализируемые значения. Если стандартное отклонение при анализе продаж одного товара равно 15, а у другого товара – 30, это значит, что ежемесячные продажи в первом случае ближе к среднемесячному значению и они более стабильны, чем во втором. Если стандартное отклонение равно 20, то при среднеарифметических значениях 100 и 100 тыс. это будет иметь существенно разный смысл. Поэтому при сравнении вариационных рядов между собой используют коэффициент вариации. Коэффициенты вариации 20 и 0,2% позволяют понять, что во втором случае значения анализируемых параметров меньше отличаются от среднеарифметического значения.

XYZ-анализ проводится в следующей последовательности:

1) определяются объекты анализа: клиент, поставщик, товарная группа/подгруппа, номенклатурная единица и т.п.;

2) определяется параметр, по которому будет проводиться анализ объекта: средний товарный запас, руб.; объем продаж, руб.; доход, руб.; количество единиц продаж, шт.; количество заказов, шт. и др.

Чаще всего для анализа используются стоимостные показатели продаж. Товарные запасы – результат действия множества факторов. Запас на складе может существенно зависеть от установленной периодичности поставок, от размера минимальной или максимальной партии, обеспечиваемой поставщиком, от наличия складских площадей. В любом случае выбор параметра для анализа лучше проводить экспериментальным путем, сравнивая результаты, полученные при применении различных параметров.

Первые два шага XYZ-анализа совпадают с этими шагами для АВС-анализа;

3) определяются период и количество периодов, по которым будет проводиться анализ: неделя, декада, месяц, квартал/ сезон, полугодие, год.

Периодичность анализа для каждого предприятия сугубо индивидуальна. Периодичность XYZ-анализа должна быть больше срока от момента заказа товара до его получения заказчиком. Чем больше количество периодов, тем более показательными будут результаты. Если для питерской сети компаний "Мойдодыр" брались для анализа продажи за месяц, то практически все товары попадали в категорию Z. А вот при изучении цифр за квартал все становилось на свои места, появлялись и Х, и Y. В итоге компания отказалась от месячных планов и перешла на квартальные [3].

Другой пример. Анализ продаж молока и хлеба в розничном магазине можно проводить по сумме продаж за неделю. Поставки осуществляются каждый день, продажи тоже. Но если сопоставить между собой продажи молока и водки "Абсолют" (которую заказывают раз в месяц и продают одну бутылку в две недели), то при таком периоде 99% ассортимента магазина попадет в категорию Z, 1% – в категорию Y. Выходит, можно сделать вывод о работе в экстремальных условиях на непрогнозируемом рынке. Поэтому в данном случае целесообразно проводить анализ по ежемесячным продажам.

Особенностями обладает анализ продаж и товарных запасов в компаниях, торгующих бытовой техникой, строительными материалами, запасными частями для автомобилей и т.п. Финансовый план в компании часто составляется на месяц, а реально необходимый горизонт планирования должен быть на полгода. Анализ данных с периодом меньше, чем квартал, просто не имеет смысла. Все товары попадают в категорию Z. Используя XYZ-анализ, надо помнить о надежности полученных результатов, которая возрастает при увеличении используемого объема информации. Исходя из этого число исследуемых периодов должно быть не менее трех.

Весьма серьезно на результат расчетов может влиять сезонность. Вот типичный случай. Предприятие информировано о повышении сезонного спроса, необходимый запас товаров приобретен или произведен. Но из-за скачков продаж товар переходит в категорию Z. В этом случае целесообразно действовать, как при старте нового товара: сравнивать отклонение продаж за анализируемый период от прогноза. При этом оценивается точность планирования.

Для анализа данных по товарам, имеющим значительные сезонные колебания, более правильным и эффективным действием будет выделение сезонной компоненты из фактических данных. Все товары компании надо разделить на группы, имеющие схожую сезонную динамику продаж. Затем для каждой группы нужно определить сезонный тренд и рассчитать сезонные коэффициенты для каждого сезонного тренда. Данные коэффициенты определяются путем деления значения объема продаж каждого месяца на среднее значение объема продаж за весь период (по данным сезонного тренда). Затем нужно фактические значения объема продаж разделить на сезонный коэффициент. В результате мы получим объем продаж товара без учета сезонных колебаний. Сезонный тренд – это значение прогноза объема продаж на данный месяц. Если прогнозирование не применяется, то надо брать среднее значение объема продаж в этом месяце за три предыдущих года. Теперь можно проводить ZYZ-анализ по полученным данным. Из приведенного в табл. 4.19 примера очевидно, что после исключения сезонного фактора из продаж товара 1 коэффициент вариации снизился до 12% [3];

4) по приведенной формуле определяется коэффициент вариации для каждого объекта анализа;

5) группирование объектов анализа в соответствии с возрастанием коэффициента вариации параметров;

6) определение групп X, Y и Z. Табличное и (или) графическое представление полученных результатов (табл. 4.19 и рис. 4.16).

Таблица 4.19. Выделение сезонной компоненты на основе данных о фактических продажах товара

Товар	Объем продаж, шт.						Средний объем продаж за месяц, единиц объема	Стандартное отклонение, единиц объема	Коэффициент вариации, %
	июль	август	сентябрь	октябрь	ноябрь	декабрь
Товар 1, фактические данные	90	120	120	180	250	200	160,0	55,1	34
Расчетный сезонный тренд	100	120	150	200	220	180	161,7	42,6	26
Сезонный коэффициент	0,62	0,74	0,93	1,24	1,36	1,11	1,0	0,3	26
Товар 1, без учета сезонных колебаний	146	162	129	146	184	180	157,6	19,5	12

Рис. 4.18. Графическое представление результатов анализа

В классическом варианте XYZ-анализа при оптимизация ассортимента товаров к категории X относят товары, характеризующиеся стабильной величиной продаж, незначительными колебаниями в их продажах и высокой точностью прогноза. Значение коэффициента вариации находится в интервале от 0 до 10%.

Категория Y – товары, характеризующиеся некоторыми колебаниями потребности в них (например, сезонными) и средними возможностями их прогнозирования. Значение коэффициента вариации – от 10 до 25%.

Категория Z – товары, продажи которых нерегулярны и плохо предсказуемы, точность прогнозирования невысокая. Значение коэффициента вариации – свыше 25%.

В то же время следует отметить, что эмпирически с учетом специфики сферы применения данного метода, объектов и параметров анализа возможно установление других градаций категорий X, Y, Z. Например, для категории X может быть выбран диапазон 0–15%, для категории Y –16–50%, а для категории Z – 51–100% (табл. 4.20).

XYZ-анализ представляет интерес для дистрибьюторов и производителей, имеющих свои склады. Любая закупка связана с большими издержками для компании (логистика, хранение и т.д.), а также с прямыми рисками, например списание товара по сроку годности. Ведение точной сбалансированной закупки является приоритетной задачей как оптового, так и розничного предприятия. Применяя XYZ-анализ в отношении своих клиентов, можно строить прогноз продаж на будущие периоды, разрабатывать специальные программы для постоянных лояльных (не подверженным различным всплескам заказов) клиентов. А также проводить мероприятия по переводу клиентов из групп Y, Z в группу X.

Таблица 4.20. Проведение XΥΖ-анализа по данным о продажах товара за полугодие [4]

Товар	Объем продаж, шт.						Средний объем продаж за месяц, единиц товара	Стандартное отклонение, единиц товара	Коэффициент вариации, %	XYZ
	июль	август	сентябрь	октябрь	ноябрь	декабрь
Товар 1	90	120	120	180	250	200	160,0	55,1	34	Z
Товар 2	150	164	154	152	148	169	156,2	7,7	5	X
Товар 3	250	222	255	286	262	288	260,5	22,5	9	То же
Товар 4	800	858	774	752	792	761	789,5	34,8	4	//–//
Товар 5	100	92	102	101	130	110	105,8	12,0	11	Y
Товар 6	0	272	267	324	262	271	279,2	22,7	8	X
Товар 7	1500	1401	1721	1320	1692	1604	1539,7	146,8	10	То же
Товар 8	0	272	267	324	262	271	232,7	106,1	46	Z
Товар 9	4000	4550	4753	4704	4434	4766	4534,5	266,5	6	X
Товар 10	200	120	90	140	150	160	143,3	34,0	24	Y

Таким образом, применение XYZ-анализа позволяет разделить весь ассортимент на группы в зависимости от стабильности продаж. По полученным результатам целесообразно провести работу по выявлению и устранению основных причин, влияющих на стабильность и точность прогнозирования продаж. При комплексном анализе управления товарными ресурсами наиболее продуктивно совмещение результатов АВС- и XYZ- анализа.