库存那些事（一）
张兆平
如果一家销售类企业希望提升当前的企业利润，如何可以从物流端处理？
销售收入 | 100万 |
采购费用 | 65万 |
物流费用 | 20万 |
管理费用 | 10万 |
利润 | 5万 |
如果想利润翻倍，可以从哪几点入手呢？
1) 首先可以将销售收入从100万扩大至200万，但是在当下的情况，难度非常的大
2) 其次采购费用💟从65万下降至60万，有希望，但是从只有5%的利润来看，该꧋行业的竞争也非常激励，采购费用下降会意味着品控的下降，有一定的风险
3) 再次人员管理费用从10万下降5万，但是这个会带来员工流失、上班摸鱼的情况发生，也有一定的风险
4) 最后物流费用从20万下降至15万，这个只要方法合适，不影响客户体验，是有机会去实现的
那么我们就从降低物流费用着手，看看可以采用什么方式才能合理的下降
物流费用主要包含仓储和配送，今天先看仓储：
企业𒀰中每个环节都会有特定的KPI指标，仓储环节也不例外，其中最关键的指标就是库存周转率，何为🌠库存周转率？
库存周转率是在𓂃某一时间段内库存货物周转的次数。是反映库存周转快慢程度的指标。周转率越大表明销售情况越好。简单的说就是🌌库存转变成现金的次数，如果一仓库的货每年只能周转2次，以上面的这个例子看，那么就意味着销售收入就是200万，利润为10万。如果每个月周转1次，那么销售收入就是12000万，利润为60万。这样就能很明显的看到库存周转的次数越多，那么企业的盈利就会越多。
那么回头再看库存周转率，包括了2个含义，1个是库存，1个是周转率。同样以上面这家企业为例，他的库存就是65万，即♛采购费用。大家可以简单想一下，库存越多，采购费用就越高，其周转率难度就会越大
从经济学的角度看，成本是由2个因素驱动，数量和品种，数量越大，成本越低。品种越多，成本越高。♋Boston Consultancy有个报告，数量翻倍，成本ಞ下降15%-25%，品种翻倍，成本上升20%-35%
下面这两个大型规模𓆏的零售企⛎业各自的经验模式都不一样，不能说哪家好，哪家坏？但是逐渐缩减SKU，从而降低成本，一定是未来的方向！
我们可以从资本市场来看，从20꧒15年的8月到2022年的6月，Costco上涨了3.4倍，而W🌠almart只上涨了1.9倍。那么可以看出在资本市场中哪种模式更受青睐！
再回到库存周转率上，如何才能降低库存呢？
大家一定知道2/8定律，也叫帕累托法则，关键少数法🌺则等名称，即在任何一组东西中，最重要的只占其⛄中的一小部分，约20%，其余的80%尽管是多数，但是却是次要的，所以称为二八定律。
那么同样在库存中的SKU也有二八定律，还是用上面的企业举例
SKU | 货值（万） | 占比（%） | 归类 |
10 | 21 | 32.3 | A |
11 | 15 | 23.1 | A |
12 | 11 | 16.9 | A |
13 | 6 | 9.2 | A |
14 | 5 | 7.7 | B |
15 | 2 | 3.1 | B |
16 | 1 | 1.5 | B |
17 | 1 | 1.5 | B |
18 | 1 | 1.5 | C |
19 | 0.6 | 0.9 | C |
20 | 0.5 | 0.8 | C |
21 | 0.3 | 0.5 | C |
22 | 0.3 | 0.5 | C |
23 | 0.2 | 0.3 | C |
24 | 0.1 | 0.2 | C |
总计 | 65 | 100 |
一般A类SKU的占比在70%-80&之间，B类在15%-20之间，剩下的就是C类
针对以上的ABC类SKU，管理的方式也肯定不相同，A类占有资金最多，需🐻要加强监管，在不影响供货的情况下，尽量压缩库存。而针对B类，可以定时定量的安🍰排订货，针对C类由于货值较低，可以大批量的订货，压低采购价格，并要求按时送达。
有些企业还会把A𝕴BC类再做细分，划分成AA/AB/AC，BA/BB/BC，CA/CB/CC类，这些虽然增加了划分时数据归类的时间，但是未来对重点𓆏中的重点，普通中的普通可以做更好的管控，从而做出判断。
记住：能满足利润或销量的，或者两者都能满𓃲足的才是好库ꦑ存，需要保留。如果利润和销量两者都不能满足的就是坏库存，需要消灭
但是只对S🐟KU进行ABC分类就结束了吗，如果A类SKU的管理模式是压缩库存，但是一旦某段时间需求发生变化，A类SKU发生短缺就会无法供货，导致销售机会丧失。那么除了对SKU进行ABC分类，还有哪些纬度可以观察呢？
SKU的XYZ
X类的出货量是基本稳定的，只是在一个中间值做上下的波动，其是稳定在一定的范围区间内的，⭕所以是可以较准确做出未来的预测。
Y类的出货量虽然不能稳定在一定的区间内，但是在一定的程度上还是可以去做预估，因为这种变化可能是因为季节性、🍎上下游的周期等因素从而造成的。
而Z类则是毫无趋势性的，从而没有办法去做预测的因果关系
举例
销售 | |||||||||||||
产品 | 1月 | 2月 | 3月 | 4月 | 5月 | 6月 | 7月 | 8月 | 9月 | 10月 | 11月 | 12月 | 变异系数 |
10 | 82 | 120 | 100 | 88 | 121 | 79 | 98 | 101 | 113 | 98 | 110 | 100 | 13.4% |
11 | 180 | 88 | 78 | 90 | 53 | 11 | 79 | 101 | 160 | 0 | 33 | 56 | 69.2% |
12 | 456 | 441 | 563 | 470 | 512 | 343 | 422 | 431 | 431 | 542 | 345 | 444 | 14.9% |
13 | 23 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 111 | 0 | 0 | 0 | 287.7% |
14 | 44 | 0 | 61 | 54 | 0 | 44 | 0 | 45 | 0 | 89 | 0 | 0 | 112.6% |
15 | 51 | 61 | 72 | 80 | 70 | 61 | 52 | 63 | 70 | 81 | 72 | 61 | 14.6% |
16 | 58 | 113 | 56 | 79 | 234 | 111 | 546 | 23 | 56 | 78 | 99 | 201 | 103.2% |
17 | 90 | 87 | 88 | 98 | 91 | 89 | 85 | 92 | 88 | 92 | 95 | 92 | 4% |
18 | 34 | 133 | 37 | 44 | 33 | 99 | 43 | 51 | 23 | 61 | 58 | 35 | 58.3% |
19 | 120 | 145 | 170 | 145 | 120 | 145 | 170 | 145 | 120 | 145 | 170 | 145 | 12.7% |
20 | 0 | 76 | 111 | 0 | 0 | 0 | 0 | 58 | 0 | 0 | 991 | 0 | 274% |
21 | 36 | 57 | 79 | 99 | 113 | 132 | 345 | 133 | 111 | 99 | 74 | 55 | 71.8% |
22 | 2000 | 1905 | 2100 | 1980 | 2001 | 1999 | 2020 | 2019 | 2108 | 1990 | 1998 | 2000 | 2.6% |
23 | 101 | 0 | 89 | 450 | 888 | 11 | 0 | 32 | 99 | 0 | 0 | 333 | 161.2% |
24 | 50 | 49 | 130 | 171 | 212 | 222 | 133 | 95 | 22 | 94 | 130 | 172 | 52% |
变异系数是用STDEV/AVERAGE得出的值
如下图，变异系数低于50%的，称为X类；50%-100%之间的称为Y类，大于100%的称为Z
我们再看看对这些SKU的归类
产品 | 变异系数 | XYZ |
10 | 13.4% | X |
11 | 69.2% | Y |
12 | 14.9% | X |
13 | 287.7% | Z |
14 | 112.6% | Z |
15 | 14.6% | X |
16 | 103.2% | Z |
17 | 4% | X |
18 | 58.3% | Y |
19 | 12.7% | X |
20 | 274% | Z |
21 | 71.8% | Y |
22 | 2.6% | X |
23 | 161.2% | Z |
24 | 52% | Y |
那么就根据下面的规则，就能非常清楚的知道针对哪类SKU做如何的处理
X类有着很平稳的需求
Y类有着一定的波动
Z类起伏很厉害
如果再结合SKU的ABC分类，那么对SKU再次分类，会更加🍎的清晰，可以反馈出货物价值和需求变动的结合
A | B | C | |
X | AX 价值高 需求平稳 预测可靠 | BX 价值中等 需求平稳 预测可靠 | CX 价值低 需求平稳 预测可靠 |
Y | AY 价值高 需求波动 预测不可靠 | BY 价值中等 需求波动 预测不可靠 | CY 价值低 需求波动 预测不可靠 |
Z | AZ 价值高 需求激励波动 预测无法预测 | BZ 价值中等 需求激励波动 预测无法预测 | CZ 价值低 需求激励波动 预测无法预测 |
AX/BX类由ꦦ于需求变动低，不需大量的库存，但是由于其带来的销售收入较高，可以采用定时或定量的采购，人工定期关注
AY/B🍨Y类，因为需求变动虽然不如AX/BX类，但是还是有一定的规律可循，可以将一段时间内该类SKU的库存平均，时间建议至少是12个月以上
AZ/BZ因为风险系数还是❀比较高的，这些SKU既是高单价也是不规则的，那么就需要对其采用更高的库存的覆盖率，以保证销售的不断货。
CZ类一般就是积压很久的SKU，这类SKUౠ一般不建议采购，不放库存或尽量最少的备库存，从而减少库存堆积
在国外，也有采用通过不同的库存天数来控制不同类别，如AX类的SKU需要备足10天的库存，BZ类的SKU需要备足15天的库存，CZ♕类的SKU只备1天的库存或者完全不用备货
库存是需求和供应的博弈结果，也是它们之间的平衡点。不过逐利永远都是企业的本性，这也容易导致在不少企业中，销售部门处于强势，而管理库存位于弱势，为此很多时候满足销售认为的“需求”而不断拔高库存，并强调不能缺货，要以100%服务水平为目标，但是这样𒆙结果，就必须加大库存量，无疑会损害企业的现金流，为此适当接受某些产品的缺货𓆉也是可以的。
不影响客户服务的情况下找到适当的平衡点来优化库存，这可以通过ABC-XYZ结合🌃的服务特征来寻求这个平衡点。例如价值不高的C类，同时又是需求波动很大🍒的Z类，这样的CZ货物就不太值得用高库存来维系高的供应服务水平。
那么企业到底需要准备多少库存呢？
从宏观上讲，一般只需要留有安全库存+周转库存
什么是安全库存，什么是周转库存呢？
简单举例来说，张三每天需要吃1斤肉，他每天会出去买1次，那么家里🐈只要留有1斤肉，这斤肉就是安全库存。
但是有可能某ꦑ天下雨，肉铺不开门，那么这斤肉就不够了，他就需要保证周转，去预测多久会发生一次这样的事情，他就需要提前采购一些作为周转。
还有就是突然某天邻居王姐串门过来吃✃饭，这样就打破了他日෴常的计划，造成库存缺失，这类事情需要尽量避免，如果也去准备这些肉，那么可能这些肉就是过剩的库存。
那么安全库存是否有方法来量化呢？
其实是有公式的
=Z*STDEV(Demand)*SQRT(LT)
其中Z是安全系数，LT就是订货提前期
举例之前ABC分类表中的SKU10𓆏，首先这个是A类SKU，A类的SKU一般非常符合正态分布，下面是正态☂分布表
假设我们每100次的订单，只允许缺货2次，那么缺货率为2%，交货率为98%，那么从下表中查找最接近98%的值，一꧃个0.97982，一个是0.98030，那么取最接近的值是0.97982。那么先看横轴值为2.0，纵轴值为0.05，那么变量值为2.05
如果SKU10的订货周期+周转时间为10天，那么带入公式：
2.05*13.55*SQRT(10)=88
最后，总结一下，如果想管理好库存，需要有哪些方法呢？
1. 控制SKU的数量
想一想，6年前的Iphone6只有16G，你不是也用了几年了，而现在128G的Iphone是不是也还是觉得空🎃间不够，为什么呢？
2. 将SKU分类（ABC分类/XYZ分类）
Iphone针对不同消费能力的消费ꦕ者只制定了3款设备（颜色内存不考虑），好好检查一下哪些是好库存，哪些是坏库存
3. 接受可以部分缺货的理念
需要去平衡物流费用和缺货带来的收益和损失，不要一味的考虑100%的履约
4. 做好预测
1) 预测总是错误的
2) 预测的准确性在于采用多久的样本时间，时间越长越准
3) 距离现在更近的时间预测会更准确
好了，这篇文章的内容发货联盟就和大家分享到这里，如果大家网络推广引流创业感兴趣，可以添加微信：80709525 备注：发货联盟引流学习； 我拉你进直播课程学习群，每周135晚上都是有实战干货的推广引流技术课程免费分享！
