Проблема 2 (дополнительная) Повышенный дефицит в розничной сети при значительных запасах.

Проблема 2 (дополнительная) Повышенный дефицит в розничной сети при значительных запасах.

По состоянию на середину января 2016 года, задача, поставленная генеральным директором, была решена. Но во второй половине января 2016 года после «новогодних каникул», стали раздаваться первые тревожные звонки. Коммерсанты стали обращать внимание на значительное ухудшение показателя «Степень выполнения заявки (заказа)» - см. формулу (2). Сначала такая информация не вызывала доверия. Стоимость остатков в розничной сети в более чем 600 магазинах в январе 2016 г. соответствовала уровню прошлого (январь 2015 г.) и позапрошлого (январь 2014 г.) годов. Появилась версия, что коммерсанты сознательно принижают достигнутый результат, что бы напомнить о себе и оправдать низкие продажи в текущем январе. Хотя действительно показатель «Степень выполнения заявки» стал хуже, по ТОП позициям он изменился с 95 – 98% до 90 – 93%, по позициям группы «В» с 90 – 95% до 85 – 90%. Но изменение этого параметра соответствовало условиям пункта 2, поставленной задачи. Было дано распоряжение продавать запасы, которые имелись в розничной сети, а они были значительны - на 2- 3 месяца продаж. В тот момент на РЦ (ФРЦ) товар находился в минимальном количестве, но это обстоятельство связано с целевой задачей генерального директора, которая была выполнена. Было принято решение немного подождать, т.к. в феврале 2016 г. после праздничных каникул производители – поставщики алкогольной продукции заработают в полном объёме, и тогда поставки возобновятся в необходимом количестве.

Тем не менее, было необходимо разобраться в первоисточнике проблемы: каким образом стало возможным, что в розничной сети запасов товара на 2-3 месяца продаж, общая сумма остатков на уровне прошлого года, а коммерсанты возмущаются недостатком товара? Итоги разбирательства по дополнительной проблеме оказались крайне интересны:

Во-первых, ситуация с низким значением показателя «Качество/ степень выполнения заявки / заказа» циклична. Длительность этого цикла - 1 год. Ежегодно в один и тот же период, в Январе и Феврале этот показатель ухудшается на 10-15%.

Во-вторых, также ежегодно в это же время - Январь, Февраль, коммерческий директор розничной сети инициирует силами торговых представителей и супервайзеров перемещение товара между рядом расположенными магазинами, внутри одного юридического лица. После устранения «перекосов» в ассортименте магазинов заявок поступает меньше и значение показателя «Степень выполнения заявки» улучшается.

В-третьих, при внимательном рассмотрении структуры остатков в магазинах розничной сети оказалось, что товар распределён в них крайне не равномерно. При общем объёме остатков в розничной сети на 2-3 месяца продаж, в одном магазине, товар в дефиците, и он отсутствует, а в другом магазине - на 6 месяцев продаж. Причём второй магазин, может находиться рядом.

В-четвёртых, оказалось, что имеются претензии к качеству самой заявки подаваемой экспертами в магазинах.

В основе заявки имеется простой расчёт – основой является предложение, рассчитанное в КИС (Корпоративная Информационная Система), и которое эксперт может изменить по своему усмотрению. Автоматически фиксировались продажи за последние две недели, учитывалось отсутствие товара в остатках магазина, и итог расчёта предлагался управляющему для оценки – корректировки. Управляющий магазина далее экспертно учитывал сезонность, праздники, проведение промо акций, длительное отсутствие товара и многое другое, что формализовать затруднительно.

При внимательном рассмотрении заказываемого ассортимента на пополнение оказалось, что в заявках в основном ассортимент группы «С»[4], который влияет всего на 5-7 % прибыли. Запасы, этого ассортимента в магазинах розничной сети были ограничены. Ассортимент группы «А» и «В» приносящий более 90% прибыли, по уровню дефицита находился на уровне значений прошлого года. Также негативно на точность содержания заявки влияла частая ротация сотрудников магазина. Из-за неформализованного процесса расчёта заявки и её экспертизы она была не точной, поэтому степень доверия к ней стала минимальной. Учитывая, что для ГК магазин являлся клиентом, сформировалась ситуация «клиент не прав».

В-пятых, оказалось, что на генерацию заявок магазинов также влияет отсутствие маркетинговой стратегии управления ассортиментом в ГК.

Было обнаружено, что одновременно с дефицитом, часть ассортимента группы «С» находится в значительном количестве в магазинах розничной сети, и его хватит на полгода продаж и более. Причём в магазинах содержалось всего по 1- 3 бутылок этого ассортимента. Оказалось, что это результат отсутствия маркетинговой стратегии управления ассортиментом. Не просчитав до конца все стороны маркетингового предложения от поставщиков, ответственный руководитель коммерческой службы принимал решение ввести новый ассортимент в розничную сеть и поставить его на полке по 2- 3 бутылки, в виде рекламы, понимая, что этот ассортимент продаваться почти не будет.

Ввод нового ассортимента через розничную сеть осуществлялся по следующей схеме: поставщик заинтересовывал ответственного руководителя собственной розничной сети в новом ассортименте, согласовывал цену на полке, наценку, дополнительный доход и бонусы. Далее отдел снабжения ставился перед фактом о необходимости закупки.

Итог ввода нового ассортимента был печален. Здесь необходимо учесть, что товар может быть привлекателен компании не только своей наценкой, т.е. прибылью от продажи, но и дополнительным маркетинговым доходом. Маркетинговый доход позволял получать прибыль, не продавая товар, а только выставляя его на полке магазина. Тем самым рекламируя его. По сути, товар мог находиться долгое время на витрине магазина с нулевыми продажами, а за него шёл доход как с рекламы. Поэтому получалась парадоксальная ситуация – по определению товар являлся неликвидом, он не продавался 3 и более месяцев. Но этот товар «выгоден» компании – это был один из вариантов рекламы на полке магазина собственной розничной сети, который обеспечивал маркетинговый доход. А такого товара было очень много.

Далее при расчёте операционной рентабельности и учёта стоимости места на витрине магазина оказалось, что на полке, не выгодно иметь непродающийся товар. Также это стало понятно после изучения наполнения кассового чека, стоимость, которого стала неуклонно падать. Оказалось что из-за отсутствия на полке желаемого продукта покупатель быстро «забывает» про данный магазин и идёт за покупками к конкурентам. Присутствующий на полке оплаченный «маркетинговый» товар не позволяет выставлять на полке ходовой ассортимент, из-за этого привлекательность сети в целом для покупателей уменьшается.

Соответственно, в этом случае, при расчёте заказа на ФРЦ (уровень «Б») - Рис. 2 ни один из классических методов управления запасами не предложит произвести заказ или предложит его в минимальном количестве, т.к. прогноз отгрузки товара с ФРЦ минимален из-за значительных товарных запасов в розничной сети на уровнях «В», «Г».

Вывод 2. Таким образом, при любой схеме формирования заявки на уровне «Магазин», децентрализованной или централизованной, в целях оптимизации запасов, предварительно должно произойти перераспределение товара между магазинами. Только после этого должна формироваться заявка на пополнение. В противном случае на уровне «Г» и «В» из–за «перекосов» в ассортименте магазинов и РЦ, могут находиться значительные излишки товара (Overstock) при одновременном дефиците (Out-of-stock).

Вывод 3. Из-за четвёртого факта - фиксирования некорректной количественной идентификации процесса распределения товара показателем «Степень выполнения заявки», в системе отношений «Поставщик - Магазин» или на уровне «Поставщик», этот параметр был выведен из схем мотивации сотрудников.

Генеральный директор в целях контроля над уровнем Out-of-stock и Overstock в магазинах розничной сети поставил задачу разработать соответствующей показатель для уровня «Магазин» или системы «Клиент - Магазин». Этот показатель должен объективно оценивать Out-of-stock и не зависеть от субъективного мнения экспертов. По сути, была поставлена задача, упомянутая в начале статьи: предложить показатель, оценивающий «представленность ассортимента» и «величину дефицита» для системы «Клиент - Магазин», на уровне «Магазин».

Вывод 4. Из пятого факта следует, что «клиент не прав» также из–за того, что розничная сеть не имеет маркетинговую стратегию управления ассортиментом. По этой причине нахождение товара в ассортименте магазина и на его полке экономически не обосновано и не позволяет эффективно управлять товарными запасами в магазинах розничной сети. По этой причине «кредит доверия» к заявке магазина стал нулевой, и было отменено воздействие параметра «качество выполнения заявки магазина» на мотивацию сотрудников логистического функционала.

Вывод 5. Из указанных выше фактов следует, что показатель «Качество/ степень выполнения заявки / заказа» не позволяет оптимизировать запасы в цепях поставок, т.к. самый последний этап «Магазин - Клиент», уровень «Магазин», недоступен для оценки качества управления запасами этим показателем.

Пять перечисленных выше фактов являлись следствием, а их причина состояла в том, что заявка на пополнение в магазин производилась, децентрализовано за ответственностью эксперта – управляющего магазином. Получалось, что под сезон «высоких» продаж во время проведения всевозможных промоакций и, рассчитывая, что в январе поставок почти не будет из-за каникул поставщиков, управляющие магазинов запасались товаром, по принципу «чем больше, тем лучше». Понятно, что они ошибались, но учитывая, что новогодние продажи составляют по объёму 3-4 месяца продаж обычного месяца, а также принимая во внимание значительное количество магазинов, итогом являлась значительная ошибка экспертного прогнозирования перед сезоном продаж. В результате появлялся значительный «перекос» в ассортименте, когда при значительных запасах имеется значительный дефицит.

Вывод 6. Следствием установления причин Проблемы №2, вызывающей значительные перекосы в ассортименте магазинов розничной сети, генеральным директором было поставлена задача, минимизировать экспертное влияние и по возможности централизовать функцию создания заявок на распределение товара в магазины. Цель этого решения - получение дополнительной прибыли за счёт уменьшения дефицита (Out-of-stock) и оптимизации товарных запасов в розничной сети с учётом перечисленных выше обстоятельств.

Возможным вариантом решения этой задачи была покупка готового программного продукта или разработка ТЗ «Автозаказ». По результатам оценки более 5 готовых предложений ИС было принято решение разработать ТЗ «Автозаказ» самостоятельно.

Предложение показателя для количественной и объективной оценки «Out-of-stock» в системе «Клиент - Магазин»

На самом деле соответствующей показатель характеризующий «представленность ассортимента» и «величину дефицита», для уровня «Магазин» или системы «Клиент - Магазин» существует, и он позволяет объективно оценивать величину дефицита (Out-of-stock), и не зависит от субъективного мнения экспертов. Он был синтезирован в Корпорации «Веха» (г. Самара) в ходе проекта по разработке ТЗ «Автозаказ», под руководством директора по ИТ Кулакова В.В. в 2002 году. Назовем его «Коэффициент присутствия товара в остатках» (Кприс).

Источником данных для расчёта показателя «Коэффициент присутствия» является любой склад ГК, на котором хранится товар. Магазин розничной сети, также считается складом.

Подготовка исходных данных для расчёта показателя по статистике продаж

  1. В КИС должен быть создан календарь рабочих дней по каждому месту расчёта показателя. В данном случае это любой склад: ФРЦ, РЦ, магазин.
  2. Определяются «ДР» – дни рабочие. Это день в хронологии работы склада, в течение которого состоялась транзакция или реализация товара хотя бы по 1 SKU. По любому артикулу из имеющихся в наличии на складе или магазине. По каждому месту проведения анализа проводится проверка на рабочий день и создаётся календарь рабочих дней склада/ магазина.
  3. Задаётся период анализа; неделя, месяц, период от заказа до поставки и т.д.
  4. Рассчитываются «Дприс» - дни присутствия товара.
    1. по каждому SKU (каждому ID - коду)
    2. в выбранном периоде анализа
    3. только в рабочий день, проводится анализ нахождения товара в остатках
    4. если SKU находился в остатках весь день – ставится «1»
    5. если SKU не было в остатках весь день – ставится «0»
    6. все остальные варианты, ставится «0,5»

    i.если товара не было в начале (конце) дня, но в конце (начале) дня товар появился в остатках, т.е. был приход, то ставится «0,5».

    ii.также вариант, товар отсутствовал в начале и конце дня, но был приход в середине дня, то ставится «0,5».

    1. проводится суммирование по дням присутствия товара «Дприс» в пределах диапазона анализа, по рабочим дням.
    2. Возможно при расчёте «Дприс» учитывать резервирование товара.

    Алгоритм расчёта

    Кприс = Дприс / ДР (3)

    Пример №1. Если расчёт проводился по одному артикулу в магазине за месяц, то, например, значение Кприс = 0,5 свидетельствует о том, что этот артикул находился в остатках половину месяца (более точно, половину времени работы магазина). И возможно предположить, что если бы артикул присутствовал в остатках весь месяц, то его продажи были бы больше.

    Пример №2. Вариант расчёта по трём артикулам. Один склад/магазин. Период анализа равен календарному месяцу, Склад работал все дни, кроме воскресенья, ДР= 26 дн.

    Артикул «А», Дприс = 8 дн.: Артикул «Б», Дприс = 12 дн.: Артикул «В», Дприс = 20 дн.:

    «А» Кприс=8/26= 0,31: «Б» Кприс=12/26= 0,46: «В» Кприс=20/26= 0,77: (4)

    Общий итог по (А, Б, В) Кприс = (8+12+20)/(26+26+26)= 0,51 (5)

    Здесь нельзя брать среднее по рассчитанным значениям в формуле (4), т.к. он будет отличаться от результата по формуле (5).

    В общем виде формула расчёта Кприс будет выглядеть следующим образом - (6)

    (6)

    • Кприс – коэффициент присутствия товара в остатках
    • Дприс – дни присутствия товара в остатках, за выбранный период анализа.
    • ДР – количество рабочих дней, в выбранном периоде анализа.
    • n – количество артикулов участвующих в расчёте.

    Обратное значение приведённого в этом разделе показателя «Коэффициент присутствия товара в остатках» будет соответствовать понятию «Коэффициент отсутствия товара в остатках» или «Котсут».

    К отсут = 1- К прис (7)

    Указанный в этом разделе показатель «Коэффициент отсутствия товара в остатках» и формула его расчёта несколько похожа на последний параметр в Табл. 1 «Показатель невыполненных заказов из-за отсутствия товаров», но знаменатель в формуле определения показателя «Кприс», предложенного в данной статье, рассчитывается по другому.

    Итогом расчёта показателя «Коэффициент присутствия товара в остатках» является безразмерная величина [Дни/Дни] =[1], выражаемая в долях или процентах.

    Варианты выборки показателя

    При расчёте показателя «Коэффициент присутствия товара в остатках» можно указывать следующие условия выборки:

    - По месту нахождения показателя: склад (ФРЦ, РЦ), магазин, «куст» магазинов и т.д. В некоторых ERP системах, возможно, выделять отдельно склад и витрину в магазине. И тогда «Кприс» будет рассчитываться и для склада магазина, и для витрины магазина. Это дополнительное свойство расчёта позволяет оценить качество управления запасами в самом магазине и разделить зоны ответственности между логистикой и продажами;

    - По одному артикулу, по номенклатурной группе, кластеру;

    - По периоду анализа: год, месяц, неделя, день, период от заказа до поставки и т.д.;

    - По группе А, В, С либо по «Статусу» товара (Милов, 2007);

    - По ответственному сотруднику, управляющему запасами, категорийному менеджеру или закупщику;

    - Возможно, сделать расчёт более тонким, с учётом резервирования товара в остатках или без учёта резерва;

    - По единице измерения;

    - Возможно, учесть кратность упаковки при хранении/ отгрузке товара. Например, учитывать как единицу при расчёте Дприс не одну штуку артикула, а одну упаковку артикула. Необходимо обратить на это особое внимание, т.к. возражения коммерсантов в этом случае строятся на следующей легенде. «Фиксация наличия одной штуки артикула на складе, не интересна клиенту, т.к. клиент вероятнее всего покупает не одну штуку, а упаковку артикула» и в результате этого значение показателя «Кприс» - завышено. Замечание существенное, но в данном случае необходимо опираться на кратность отгрузки товара со склада. Если склад/магазин реализует товар штучно, то «Дприс» необходимо рассчитывать по штукам, если отгрузка производится только упаковками, то расчёт «Дприс» необходимо проводить кратно упаковке. На самом деле, при расчёте на месячном временном горизонте по 3000 - 5000 SKU разница от метода расчёта «штука или упаковка» составляет всего 6-9%.

    Условия применения показателя и ограничения

    Проведем сравнение двух показателей: традиционного - «Качество выполнения заявки», и предложенного - «Коэффициент присутствия товара в остатках».

    На Рис. 3 показано, что ключевое отличие двух параметров в том, что они рассчитываются на разных участках цепи поставок. Как отмечалось ранее в начале статьи, основная проблема современных розничных сетевых компаний состоит в том, что они не могут фиксировать потерянный клиентский спрос. Показатель, который предлагается в данной статье, в силах это сделать. «Коэффициент отсутствия товара в остатках» - единственный показатель, который может объективно оценивать потерянный спрос в системе «Клиент – Магазин» или на уровне «Магазин». Через показатель «Коэффициент отсутствия товара в остатках» возможно, рассчитать величину «Потерянного спроса».

    Рисунок 3 Указание точки сбора исходных данных или места расчёта двух параметров: «Качество выполнения заявки» и «Коэффициент присутствия товара в остатках».

    Показатель «Коэффициент присутствия товара в остатках» можно встраивать в различные прогнозные алгоритмы для расчёта показателя «Возможные продажи» - какие бы были продажи, если бы товар находился в остатках всегда. Это обязательный этап «очистки» статистических данных перед прогнозированием. Без этого этапа статистика продаж не должна учитываться в прогнозе.

    С учётом выше сказанного, возможно, модифицировать трехкомпонентную модель POF, определяемую такими факторами как своевременность доставки, укомплектованность заказа и безошибочность его исполнения, на вариант«своевременность доставки», «коэффициент присутствия товара в остатках» и «безошибочность его исполнения», который позволяет повысить объективность оценки логистического сервиса, где:

    - «своевременность» - доставка вовремя, в точно согласованный с заказчиком срок «delivery on time». Это оценка качества грузопереработки и транспортировки.

    - «коэффициент присутствия товара в остатках» - это определение длительности нахождения товара в остатках в период работы. Это объективная оценка качества управления запасами.

    - «безошибочность» - доставка заказанного товара без повреждений (correct condition and correct place) при соблюдении условий транспортировки и отсутствии ошибок в документах. Это оценка качества документооборота и транспортировки. В целом, с безошибочностью связывают отсутствие ущерба в том или ином виде у потребителя.

    - заменяемый показатель. «Укомплектованность» - доставка полностью укомплектованного заказа в полном объеме (delivery in full). Этот показатель подвержен значительному субъективному влиянию и его точность, не соответствует ожиданиям. Это субъективная оценка качества управления запасами.

    Также возможно применение параметра «Коэффициент присутствия товара в остатках» в модели POF - Perfect Order Fulfilment состоящую из 5, 8, 11 параметров (Зайцев и Уваров, 2012).

    Применение показателя «Коэффициент присутствия товара в остатках» это дальнейшее развитие темы определения «качества логистического сервиса», детально проработанное у авторов – профессоров Дыбская В.В., Сергеев В.И., Зайцев Е.И..

    Также показатель «Коэффициент присутствия товара в остатках» применяется для расчёта требуемой величины страхового запаса (Бауэрсокс и Клосс, 2008; Лукинский, 2007):

    • k – коэффициент, определяемый с помощью табулированной функции f(k); эта величина также называется «уровнем доступности продуктов» или «желательный уровень обслуживания» или «вероятность отсутствия дефицита». В нашем случае применяется разработанный в данной статье показатель «Коэффициент присутствия товара в остатках».
    • общее среднее квадратичное отклонение.

    Примечание: используемая в формуле № 8 функция f(k) основана на спросе клиентов, подчиняющемся нормальному закону распределения случайной величины. На практике эта ситуация встречается крайне редко.

    Сравним показатели «Качество (степень) выполнения заявки (заказа)» с предлагаемым показателем «Коэффициент присутствия товара в остатках» по ряду параметров (Табл.2). Возможными синонимами предлагаемого показателя «Коэффициент присутствия товара в остатках» являются (Рис. 4):

    • представленность ассортимента в магазине (в точке реализации)
    • насыщенность спроса клиента
    • удовлетворённость клиента наличием товара в магазине (точке реализации)

    Таблица 2 Сравнение показателей «Качество (степень) выполнения заявки (заказа)» и «Коэффициент присутствия товара в остатках»

    Параметр сравнения

    Показатель для сравнения

    Предлагаемый показатель

    Качество (степень) выполнения заявки (заказа)

    Коэффициент присутствия товара в остатках

    Определение степени выполнения заявки на пополнение склада / магазина

    Определение длительности нахождения товара в остатках в период работы.

    Место расчёта в цепи поставок

    Между продавцом и покупателем. Кроме системы, в которой клиент – физическое лицо

    На складе продавца. Включая систему «Магазин – Клиент (физическое лицо)»

    Формула расчёта

    (2), Табл.1

    (6)

    • Простота применения. Нет необходимости подготавливать исходные данные и модифицировать КИС.
    • Качественная оценка управления запасами при наличии у клиента эффективной методики управления ассортиментом и запасами.
    • Применение для оценки модели управления запасами в формуле расчёта страховых запасов
    • Определение качества управления запасами с точки зрения физического клиента, на уровне «Магазин» в системе «Магазин - Клиент», что невозможно сделать другими показателями. А также на других уровнях дистрибьюции.
    • Детализация ответственности по процессам управления товаром внутри магазина, выделяя отдельно склад магазина и витрину.
    • Возможность расчёта показателей «Возможные продажи» и «Потерянный спрос».
    • Применение для оценки модели управления запасами в формуле расчёта страховых запасов
    • Использование для объективной мотивации менеджеров по закупкам и распределению товара в ГК.
    • Невозможность определения качества управления запасами или удовлетворённость спроса клиента на уровне «Магазин», в системе «Магазин - Клиент».
    • Из первого утверждения следует, что этот показатель не позволяет оптимизировать запасы в SCM, т.к. самый важный этап «Магазин - Клиент», недоступен для оценки этим показателем.
    • Необходима, предварительна подготовка исходных данных.
    • Значительная нагрузка на информационную систему. Требования к быстродействию КИС.
    • У компании поставщика и клиента должна быть эффективная стратегия управления ассортиментом и запасами.

    Применив в данной статье показатель «Коэффициент присутствия товара в остатках», мы смогли формализовать и предложить алгоритм расчёта, для определения показателя «представленность ассортимента в магазине», которое означает постоянное наличие необходимого количества товара в соответствии с динамично меняющимся спросом. Тем самым мы решили задачу, сформулированную в начале статьи.

    Показатель «Коэффициент присутствия товара в остатках», позволяет учесть потерянный спрос в самом главном месте всего процесса удовлетворения спроса клиента, непосредственно в магазине. Ради удовлетворения спроса конечного клиента строится вся цепь поставки.

    В магазине пересекаются компетенции закупщиков, управляющих магазинов и интересы покупателей. Параметр – «Качество обслуживания заказов» это сделать не позволит. Единственное что он может зафиксировать, так это учесть качество выполнения заказа магазина, - поставщиком, т.е. с вышестоящего склада. Но это, как мы увидели, не объективно, т.к. сам заказ магазина может быть не корректен, товар может быть в заказе, но не факт что он будет необходим магазину, т.е. будет продан в магазине после поставки.

    На Рис. 4 указаны предлагаемые параметры для оценки качества логистического сервиса. Показатели: «Присутствие товара в остатках (коэффициент)», «Насыщенность спроса клиента», «Удовлетворённость клиента наличием товара в точке реализации» - синонимы, которые соответствуют совокупному показателю – «Представленность ассортимента в точке реализации». Они рассчитываются в долях или процентах, а далее используются для расчёта показателя «Возможные продажи». Показатель «Отсутствие товара в остатках (коэффициент)» используется для дальнейшего расчёта «Величины потерянного спроса».

    Рисунок 4 Логистический сервис с указанием предлагаемых показателей

    Любая компания, практически реализуемая подход VMI (Vendor Managed Inventory – запасы, управляемые поставщиком), должна учитывать рекомендации по выбору показателя оценки «Логистического сервиса» описанные в данной статье. Клиент может быть «не всегда прав».

    Литература

    Бауэрсокс, Доналд Дж. и Клосс, Дейвид Дж. (2008), Логистика: интегрированная цепь поставок, 2-е изд., пер. с англ. Н. Н. Барышниковой, Б. С. Пинскера, Олимп-Бизнес, Москва, Россия

    Дыбская, В.В. и Иванова, А. В. (2012), «Формирование системы логистического сервиса и управление качеством сервиса в сети распределения», Логистика и управление цепями поставок, № 4 (51), С. 23-28

    Дыбская, В.В., Зайцев, Е.И., Сергеев, В.И. и Стерлигова, А.Н. (2008), Логистика: интеграция и оптимизация логистических бизнес-процессов в цепях поставок, под ред. проф. В.И. Сергеева, В.И., Эксмо, Москва, Россия

    Зайцев, Е.И. и Уваров, С.А. (2012), «Применение показателя «совершенный заказ» в логистике распределения», Логистика и управление цепями поставок, № 4 (51), С. 16-22

    Иванова, А. В. (2014), «Способы оценки логистического сервиса», Логистика и управление цепями поставок, № 3 (62), С. 69-77

    Лукинский, В.С. (2007), Модели и методы теории логистики: Учебное пособие. 2-е изд, Питер, Санкт Петербург, Россия

    Милов, С.Н. (2007), «Методика определения рентабельных позиций на этапах жизненного цикла товара», Логистика и управление цепями поставок, № 4 (21), С. 28-37

    Сергеев, В.И. (и др.) (2004), Корпоративная логистика. 300 ответов на вопросы профессионалов, ИНФРА-М, Москва, Россия

    Сток, Дж.Р. и Ламберт, Д.М. (2005), Стратегическое управление логистикой, перевод с англ., под редакцией Сергеева В.И., ИНФРА- М, Москва, Россия

    Ansoff, H.I. (1957), «Strategies for Diversification», Harvard Business Review, no. 5 (35), pp. 113-124

    Coyle, J., Bardi, Е. and Langley, С. (2002), Zarzadzanie logistyczne, PWE, Warszawa, Poland

    Randell, D.R. and Savitskie, K. (2006), «Business Metrics: The Importance of the Perfect Order Measurement», Journal of Global Business Management, no. 1 (2) pp. 70-80

    [2] Единая Государственная Автоматизированная Информационная Система учёта объёма производства и оборота этилового спирта, алкогольной и спирт содержащей продукции.

    [3] Теория «Статусов» авторская концепция управления запасами, ассортиментом и рентабельностью, на основе Category Management, Product Life Cycle, SCM, managing profitability и др. Подробнее будет описана в последующих статьях

    [4] Группы А, В, С по принципу Вильфредо Парето.

    Применение показателя «совершенный заказ» в логистике распределения

    Опубликовано №4 (51) август 2012 г. АВТОРЫ: Зайцев Е.И., Уваров С.А. РУБРИКА Логистика распределения, Управление логистическим сервисом

    Аннотация

    Измерение качества логистических услуг является критическим фактором успеха в управлении поставками. «Совершенный заказ» (Perfect Order Fulfilment – POF) является одним из измерителей качества, отражающим эффективность сотрудничества в цепи поставок. В статье рассмотрены методы расчета, моделирования доверительных границ и экономической оптимизации POF в логистике распределения.

    Влияние логистического сервиса на выручку компании

    Опубликовано № 5 (58) октябрь 2013 г. АВТОР: Бурмистрова Н.С. РУБРИКА Управление логистическим сервисом, Оптимизация и экономико-математическое моделирование, Аналитика в логистике и SCM Аннотация

    В статье рассмотрено, каким образом можно максимизировать прибыль компании на основе анализа влияния логистического сервиса на выручку и затраты компании при изменении уровня сервиса. Данный анализ проводится на основе расчета эластичности выручки от уровня сервиса и эластичности затрат на его поддержание, на основе которого принимаются решения увеличивать или снижать уровень сервиса для достижения максимума прибыли. Показан метод расчета интегрального показателя с учетом ранжирования параметров уровня сервиса по степени важности, относительно которого производится расчет эластичности выручки и затрат. Приведены примеры анализа эластичности на основе экспериментального и статистического сбора данных, адаптированных под индивидуальную организацию.

    Достаточно новым направлением в изучении логистики стали исследования о стратегическом влиянии логистического сервиса на доходы компании. Принято считать, что основной логистической стратегией является снижение затрат, а не стимулирование продаж, хотя давно известно, что высокое качество логистического сервиса позитивно влияет на лояльность клиентов, долю рынка и, как следствие, на выручку и прибыль. На текущий момент существует ограниченное количество научных трудов, которые могут описать и предложить методы определения зависимости уровня логистического сервиса и выручки компании, поэтому многие аналитики и менеджеры при разработке логистической стратегии ограничиваются принципом минимизации операционных логистических затрат, не уделяя должного внимания динамике выручки при изменении логистического сервиса, что ограничивает потенциал для роста доходов компании. Этот подход так же исключает расчёт главного показателя эффективности работы компании –прибыли. Со стратегической точки зрения для компании важнее всё-таки заниматься максимизацией прибыли, как одного из главных финансовых показателей эффективности, и на основе этого делать выбор оптимального уровня сервиса. Данные для расчёта максимума прибыли можно получить только после оценки зависимости выручки и затрат от уровня логистического сервиса. Цель исследования – определить, в какой степени логистический сервис и удовлетворённость клиентов сказывается на продажах и генерирует доходы компании, и структурировать существующие методы оценки доходов от различных уровней логистического сервиса (CS – customer service). После определения двух функций «выручка/уровень сервиса» (TR(CS)) и «затраты/уровень сервиса» (TC(CS)) можно построить модель максимизации прибыли компании (1)

    (Pr(CS):Pr(CS)=TR(CS)-(TC(CS) →Max. (1)

    Аналитика влияния уровня сервиса на выручку компании и затрат на его поддержание позволяет найти точку баланса и выбрать оптимальный уровень логистического сервиса. Для исследования необходимо ввести понятие эластичности дохода компании по сервису

    При разработке стратегии оптимизации прибыли главной проблемой является не только определение зависимостей, а именно принятие решений на стратегическом уровне, на уровне владельцев компании и генерального директора, так как в обратном случае возникает конфликт интересов отдела продаж и отделом логистики, которые имеют разнонаправленные цели. У первых цель – увеличение продаж, у вторых – минимизация затрат. Урегулирование данного конфликта с помощью определения приоритетов и правильной фокусировкой KPI должно стать толчком для достижения максимизации прибыли компании.

    Интегральный показатель уровня логистического сервиса. При исследовании зависимости выручки от уровня сервиса сложно оценить вклад именно логистических составляющих в продажи компании, так как существует много других факторов, такие как маркетинговая активность, ценообразование, качество самой продукции, поэтому необходимо проводить анализ с учетом изменения только логистических показателей. Для оценки эластичности выручки и уровня сервиса нужно в первую очередь определить, что есть уровень сервиса для различных видов клиентов, так как он может оцениваться совершенно разным способом для тех или иных потребителей услуг, для каждого из которых приоритет того или иного параметра при расчёте уровня сервиса будет различным. Так же нужно проводить анализ сравнения качества сервиса, который предоставляют клиентам конкуренты. Уровень сервиса принято считать интегральным показателем «Процент идеально выполненных заказов» (Perfect order), который принято считать на основе нескольких параметров, таких как полнота заказа, доставка точно в срок, сохранность груза и точность оформления документов, каждый из которых выполнен на 100%. Оценка логистических параметров уровня логистического сервиса является многофакторным анализом, и, стоит ещё раз отметить, что для каждого вида бизнеса и для каждой компании важность того или иного критерия разная, поэтому уровень сервиса для каждой компании может рассчитываться по-разному. Для этого необходимо:

    1) Выделить параметры, по которым компания хочет рассчитывать уровень логистичес

    2) Долю Pi (percent %) каждого параметра оценки для компании индивидуально из расчета, что сумма равна 100%;

    3) Найти отдельно значение каждого показателя за определенный период (CSiв %);

    4) Найти значение интегрального показателя с учетом доли каждого из них (2)

    Процедура нахождения весов параметров логистического сервиса - многофакторный анализ, поэтому в данном случае можно использовать метод аналитической иерархии.

    В качестве примера рассчитаем интегральный показатель для крупной розничной сети, которая стремиться всегда поддерживать заданную продуктовую матрицу в магазине. Полнота выполнения заказа является основным показателем качества логистического сервиса, так как наличие товара на полке и продажи в первую очередь зависят от необходимого количества запаса. Вторым показателей в иерархии важности будет доставка точно в срок, так как товар нужно привозить регулярно и вовремя. Далее выберем другие два показателя сохранность груза и правильность оформления документов, которые используются в показатели Perfect order (PO) – Таблица 1.

    Таблица 1.

    Пример расчета интегрального показателя «Уровень сервиса»

    Таким образом, из расчета можно увидеть, что, несмотря на то, что все показатели, за исключением полноты заказа, были выполнены на очень высоком уровне, интегральный показатель остался по значению близким к последнему, так как он занимает наибольшую долю среди всех показателей. Действительно, для розничной сети наибольшую важность имеет пополнение запасов, так как в продажу постоянно должен поступать товар в нужном объеме.

    Эластичность выручки от уровня сервиса. Для более детального анализа влияния логистического сервиса на выручку необходимо ввести такой показатель, как эластичность дохода (выручки компании) от логистического сервиса. Методология по расчету данного показателя заимствована из микроэкономической теории об эластичности (спроса по цене, спроса по доходу и т.д.). Действительно, логистический сервис влияет на выручку компании, показатель эластичности дохода при этом оценивает чувствительность изменения спроса на товар или услуги, который формирует выручку компании, от изменения уровня сервиса (3).

    Смысл значения показателя эластичности дохода от уровня сервиса заключается я процентном изменении дохода при изменении уровня сервиса на 1 %.Эластичность может рассчитываться как от интегрального показателя уровня сервиса, так и от отдельно взятого показателя, например, полноты выполнения заказа или доставки точно в срок. Стоит так же отметить, что эластичность выручки разная при разных уровнях сервиса, так, например, при изменении уровня сервиса с 50% до 51% предельный доход может вырасти не на 1%, а на 5%, с другой стороны, если увеличивать уровень сервиса с 97% до 98%, изменение в выручке будет совсем незначительное. Поэтому на интервале от 0% до 100% при изменении уровня сервиса степень реакции выручки будет разная. Нахождение эластичности позволяет анализировать предпосылки и принимать в дальнейшем управленческие решения. Доход можно разделить на несколько групп в зависимости от эластичности от уровня сервиса:

    1. Эластичный доход. При изменении уровня сервиса на 1% доход изменяется более, чем на 1%. Как правило, такая эластичность дохода прослеживается при изменении уровня логистического сервиса на промежутке до 80%. Это благоприятная ситуация для увеличения дохода, так как, как правило, на данном этапе издержки на логистический сервис растут медленнее, следовательно, при увеличении уровня сервиса прибыль компании растет.
    2. Единичная эластичность. При изменении цены на 1% спрос изменяется тоже на 1%. Эту точку на кривой «доход/сервис» можно назвать точку «перегиба», до которой приращение уровня сервиса приносит обычно большее увеличение прибыли, после этой точки затраты, как правило, начинают расти значительно быстрее ;
    3. Неэластичный доход - при изменении уровня сервиса на 1% спрос изменяется менее, чем на 1%. Обычно, это промежуток от 80% до 100%. На данном этапе увеличение уровня сервиса, скорее всего, не принесет увеличения прибыли, так как затраты на поддержание такого высокого уровня сервиса могут даже превышать выручку.

    Факторы, влияющие на эластичность дохода от уровня сервиса:

    1. Наличие альтернативных вариантов приобретения на рынке товаров или услуг с аналогичным уровнем сервиса (чем больше компаний, предлагающих такой же уровень сервиса или близкий к нему при изменении других факторов тем эластичнее доход);
    2. Важность показателя уровня логистического сервиса для компаний-клиентов (чем выше удельный вес данного показателя, тем выше эластичность дохода от уровня сервиса);
    3. Качество товара или услуг (чем выше качество, тем менее эластичный доход от уровня сервиса).
    4. Нелогистические факторы, влияющие на выбор потребителей (чем выгоднее условия, которые предлагает компания, не относящиеся к логистческому сервису, тем менее эластичный доход от уровня сервиса).

    Эластичность затрат от уровня логистического сервиса. Итак, до этого мы говорили, как меняется выручка компании при изменении уровня сервиса. Теперь следует определить, каким образом затраты изменяются в соответствии с уровнем сервиса. Для анализа динамики затрат следует ввести показатель эластичности затрат от уровня сервиса (4).

    Показатель эластичности затрат от уровня сервиса показывает насколько быстро растут затраты при его увеличении или наоборот в процентном соотношении. Как правило, когда компания увеличивает уровень сервиса, то её затраты сначала растут довольно медленно, то есть эластичность <1, но после достижения определенного уровня увеличение уровня сервиса дается компании все сложнее и сложнее:

    1. Единичная эластичность. При изменении цены на 1% спрос изменяется тоже на 1%. Ситуация, когда затраты на уровень сервиса – целиком переменные (мощности на аутсорсинге). Это бывает при низком уровне сервиса. При желании увеличить уровень сервиса компании используют собственные мощности, но при этом несут большие постоянные затраты. Так же единичная эластичность достигается при предоставлении высокого уровня сервиса и представляет собой «точку перегиба», когда темп роста затрат превышает темп роста уровня сервиса;
    2. Затраты неэластичны - при изменении уровнясервисана 1% затраты изменяется менее, чем на 1%. Как правило, такая ситуация возникает, когда компания несет постоянные издержки на обеспечение логистического сервиса, но при этом не использует все мощности. При увеличении использования данных мощностей компания повышает уровень сервиса, но при этом постоянные затраты не меняются.
    3. Эластичный доход. При изменении уровня сервиса на 1% доход изменяется более, чем на 1%. Как правило, такая эластичность затрат прослеживается при изменении уровня логистического сервиса на промежутке от 80-100%, так как компании приходится инвестировать дополнительные средства в улучшение качества сервиса (улучшение информационной системы, дополнительное страхование, резервные мощности и т.д.).

    Факторы, влияющие на эластичность затрат от уровня сервиса:

    1. Стоимость услуг посредников, через которые компании оказывают логистический сервис;
    2. Стоимость арендной платы, заработанной платы и других ресурсов, которые компания покупает для обеспечения уровня сервиса;
    3. Высокие требования потребителей к логистическому сервису и установленные рамки;
    4. Высокие риски при оказании логистического сервиса.

    Эластичность выручи и затрат от уровня сервиса можно считать по отдельно взятому показателю уровня сервиса, при этом можно выявить те показатели, которые в наибольшей или наименьшей степени влияют на выручку и затраты, далее рассчитать удельный вес каждого из них в формуле интегрального показателя.

    Принятие управленческих решений при анализе эластичности. Анализ эластичности выручки и затрат от уровня сервиса является прикладным для принятия решений об увеличении или снижении уровня сервиса с целью максимизации прибыли. Для максимизации прибыли нужно найти максимальное значение разницы выручки и затрат, которое достигается при равенстве предельного дохода и предельных затрат от уровня сервиса: MR(CS)=MC(CS).Так как эластичность отражает поведение предельной выручки и предельных издержек, можно с практической точки зрения найти оптимальный логистический сервис, который следует предоставлять, чтобы получать максимальную прибыль. Так как компаниям довольно сложно выводить полностью кривые выручки и затрат от дохода, путем расчёта эластичности можно определить, на каком промежутке функции выручки или затрат находится компания. Существует совокупность вариантов значений эластичности, опираясь на которые можно принимать решения об увеличении или снижении уровня сервиса. Выручка и затраты растут с разным темпом, при этом их эластичность неодинакова, за исключением одной точки, когда их предельное увеличение одинаково относительно увеличения уровня сервиса, при этом они имеют разные «точки перегиба», что усложняет найти максимум прибыли в практической среде. При этом «точка перегиба» графика выручки может быть, как справа, так и слева от «точки перегиба» графика затрат.

    Вариант 1.

    1. >1 , <1 - увеличение уровня сервиса. На рис.1 промежуток до CS1.
    2. 1 , <1 - увеличение уровня сервиса. Сравнение предельной выручки и предельных затрат. При снижении темпа выручки темп затрат не переходит точку перегиба.
    3. 1 , 1 - снижение уровня сервиса. На рис.1 при обеспечении уровня сервиса более CS2 максимальная прибыль достигнута не будет.

    В промежутке между CS1 и CS2 лежит точка CS3, которая соответствует оптимальному уровню сервиса, при которой предельная выручка и предельные издержки равны и прибыль максимальна.

    Рисунок 1 Вариант 1 нахождения оптимального уровня сервиса

    Вариант 2

    1. >1 , <1 - увеличение уровня сервиса. На рис.2 промежуток до CS1.
    2. >1 , 1 - увеличение уровня сервиса. При увеличении значительном увеличении темпа затрат эластичность дохода больше единицы. Необходимо провести сравнение предельных затрат и предельной выручки на промежутке от CS1 до CS2.
    3. 1 , 1 - снижение уровня сервиса. На рис.2 при обеспечении уровня сервиса более CS2 максимальная прибыль достигнута не будет.

    В промежутке между CS1 и CS2 лежит точка CS3, которая соответствует оптимальному уровню сервиса, при которой предельная выручка и предельные издержки равны и прибыль максимальна.

    Рисунок 2. Вариант 2 нахождения оптимального уровня сервиса

    На рисунке 3 представлен случай, когда значения уровня сервиса, при которых эластичность выручки и эластичность затрат равны 0, совпадают.

    Рисунок 3. Вариант 3 нахождения оптимального уровня сервиса

    Данный подход к определению оптимального уровня сервиса эффективен с практической точки зрения и помогает оценить, к какому варианту относится ситуация в компании, в каких пределах лежит оптимальная точка и какова максимальная прибыль.

    Методы анализа данных для расчета эластичности и оптимального уровня сервиса. Исследование необходимо проводить с учётом использования различных методов оценки вклада логистического сервиса в доход компании в рамках определенной внешней среды, в которой проводится данное исследование. Методы измерения эластичности выручки по сервису можно классифицировать на прямые и косвенные по способу получения данных. Наиболее предпочтительно, конечно, всегда просто спрогнозировать величину выручки от того или иного уровня сервиса, но такую зависимость определить точно практически невозможно, поэтому существуют более сложные методы, например, экспериментальный и др., которые затратные с точки зрения материальных и временных ресурсов, но более точные с точки зрения получения результата. Что касается условий внешней среды, то исследование может проводиться в рамках существующего рынка, то есть расчёт эластичности спроса от изменения уровня логистического сервиса при прочих равных условиях; и на новом рынке, то есть в условии изменчивости внешней среды, например при получении новых клиентов или выходе компании на новый рынок за счёт изменения качества сервиса.

    Методы анализа данных для расчета эластичности и оптимального уровня сервиса можно разделить на два вида:

    - Экспериментальный. Метод подходит в случае отсутствия широкой статистической базы, на основе которой возможно произвести достоверный анализ и адекватный расчет изменения, например, эластичности. Так же при данном варианте необходимо производить проверку, что новые данные не являются выбросами первоначальной совокупности и что изменения спровоцировано влиянием именно логистических факторов на изменение выручки или затрат.

    - Статистический. Предполагает анализ выручки и затрат от уровня сервиса на основе имеющихся данных, на основе которых можно делать выводы и прогнозы. Преимуществами данного метода является накопленный опыт и основания делать выводы, с другой стороны его минус заключается в том, что велика погрешность прогнозирования, особенно в случае с высокой эластичностью выручки и затрат от уровня логистического сервиса. Этот метод подходит в том случае, если эластичность невысокая и % ошибки не превышает потери от неправильного принятия решения. Так же этот метод не очень подходит при смене клиентской базы и изменении мощностей, так как поведение выручки или затрат в этом случае можно предугадать с большой долей вероятности ошибки.

    Каждый из этих методов может использоваться по-разному для каждой компании в зависимости от масштабов и целей, в том числе и в совокупности. Один из эффективных способов расчета эластичности является совокупность статистического и экспериментального метода - измерения эластичности дохода от изменения уровня логистического сервиса – это отслеживание изменения выручки при стратегическом изменении качества предоставления логистического сервиса в определённый период времени до и после изменения. Эксперименты могут проводиться на каком-то одном продукте либо на группе продуктов. Новые значения уровня логистического сервиса могут быть либо выше, либо ниже текущего, как и показания продаж. По итогам исследования сравнивают результаты при первоначальном значении уровня сервиса к изменённым. Так как клиентский сервис, от которого зависит доход компании, является комплексным, при исследовании нужно изолировать влияние нелогистических факторов, чтобы получить наиболее точные показания зависимости дохода от качества логистического сервиса.

    Недостаток этого метода заключается в том, что он позволяет определить единичные значения дохода при различном уровне логистического сервиса, но не задаёт функцию дохода от уровня сервиса целиком. Для получения более чёткой картины необходимо осуществлять наблюдения в течение продолжительного периода и анализировать данные для различных показателей уровня сервиса, но в этом случае сложно учесть, что предпочтения потребителей по уровню сервиса так же могут меняться. Причиной такого изменения может быть сезонность спроса, поэтому требуемый уровень сервиса для клиента разный на длительном промежутке времени. Для получения корректных данных важно, чтобы, во первых, менялись только логистические показатели сервиса, во-вторых, внешние факторы оставались неизменными, поэтому следует собрать данные в максимально короткие сроки.

    Пример[1]. Чтобы проиллюстрировать метод «до и после» для оценки изменения выручки, можно рассмотреть ситуацию с дистрибьютором, который продаёт товар нескольким розничным магазинам. Заказы от магазинов выполняются с распределительного склада, который находится в непосредственной близости от клиентов с целью минимизировать транспортные расходы. Если возникает ситуация отсутствия товара на складе, то заказ остается в режиме ожидания, пока запас не будет пополнен, таким образом уровня логистического сервиса для клиентов держится на уровне 75%. Новый план работы дистрибьютора заключается в том, чтобы исполнить заказ по незаполненным позициям с других распределительных складов в цепи поставок и увеличить уровень обслуживания 95%. Ожидаемый эффект заключается в увеличении уровня сервиса для клиентов без увеличения общего уровня запасов. Увеличение затрат ожидается только на транспортировку, которые увеличат общие затраты при этом примерно на 15%. После увеличения затрат на перевозку необходимо пересмотреть, насколько увеличились при этом продажи после изменения сервисной политики.

    Чтобы оценить эффект после изменения сервисной политики, была выбрана группа из 20-ти клиентов, заказы которых собирались в том числе с других складов, если необходимого запаса не было на текущем складе. Эта группа клиентов являетсятестовой группой. Данные по продажам этой группы представляют собой генеральную совокупность F(X).75 клиентов обслуживались по старой схеме только с текущего склада и является контролируемой группой, данные по продажам которых представляют собой совокупность F( ).Информация о продажах собиралась до изменения сервисной политики в течение 12 месяцев, далее информация собиралась в течение следующих 12 месяцев после изменения сервисной политики (Таблица 2). Соответственно, возникают 2 новые генеральные совокупности данных F(Y) и F( ) Средние значения и стандартные отклонения были рассчитаны по обеим группам до и после изменений.

    Чтобы оценить, произошло ли значительное изменение в продажах, или все новые значения оказываются в рамках нормального распределения, необходимо провести сравнение двух генеральных совокупностей, распределенных нормально, в период «до» и «после» в рамках гипотезы, что изменение сервисной политики, действительно повлияло на продажи. Гипотезу, утверждающую, что различие между сравниваемыми совокупностями данных отсутствует, а наблюдаемые отклонения объясняются лишь случайными колебаниями в выборках, на основании которых производится сравнение, называют нулевой (основной) гипотезой и обозначают . Наряду с основной гипотезой рассматривают и альтернативную (конкурирующую, противоречащую) ей гипотезу . И если нулевая гипотеза будет отвергнута, то будет иметь место альтернативная гипотеза. Данный подход в статистике используется для сравнения двух средних нормальных генеральных совокупностей, дисперсии которых известны для независимых выборок, и доказательства их различия. Вероятность ошибки, или уровень значимости α принимают в данном случае за 1%, т. е. соответственно допускается риск ошибиться только в одном случае из ста, так как важность принятия правильного решения очень высока.

    Контрольная группа была первая протестирована в соответствии с нулевой гипотезой, что подразумевает отсутствие каких-либо изменений во внешних условиях в периодах «до» и «после». В качестве критерия проверки нулевой гипотезы была принята случайная величина Z (5).

    Критерий Z — нормированная нормальная случайная величина. Критическая область строится в зависимости от вида конкурирующей гипотезы. Нулевая гипотеза в данном случае : М(X)=М(Y), а конкурирующая гипотеза : М(Y)=М(Х). В этом случае строят правостороннюю критическую область, для того чтобы найти её границу (zкр), достаточно найти значение функции Лапласа, равное (1-2a)/2. Тогда правосторонняя критическая область определяется неравенством Z > zкр, а область принятия нулевой гипотезы – неравенством Z < zкр. В данном случае значение интегральной функции Лапласа при a=1% будет 2,58.

    Различие в терминах нормального отклонения (ZC) для нормального распределения вычисляется по формуле (6).

    Значение z из таблицы нормального распределения при уровне значимости 1% равно 2,58, а 44,17>2,58, что говорит о значительной разнице в продажах между второй и первой выборкой по продажам.

    Таблица 2

    Информация о продажах до и после изменения сервисной политики

    Рассчитаем значение Z для тестовой группы:

    Снова значение Zc равно 16.57>2,58, что тоже говорит о значительной разнице в продажах между второй и первой выборкой по продажам.

    Таким образом, после изменений сервисной политики продажи по тестовой группы клиентов выросли на 70% (((5041-2965)/2,965)*100%=70%). С другой стороны, продажи контрольной группы, на которой не отражалось изменение сервисной политики, так же увеличились, но только на 40% (((10374- 7410)/7410)*100%=40%). Увеличение продаж на 40% было следствием изменения факторов, которые не имеют отношения к изменению подхода к управлению качества сервиса, и только 30% (70%-40%) действительно показывает влияние только сервисной политики на продажи. Уровень логистического сервиса при этом вырос примерно на 15% до 90%. Затраты при этом выросли на 10%-15%. Таким образом получается, что эластичность выручки от уровня сервиса больше единицы ( >1) , на данном участке, а эластичность затрат стремится к 1-це ( 1). На основе этого анализа можно сделать вывод, что компании имеет смысл увеличивать уровень сервиса и проводить исследования в данном направлении, и, скорее всего, близка к точке оптимума

    Этот способ исследования помогает определить влияние только логистического сервиса на продажи предприятия, так как на продажи в целом всегда влияет много факторов, для выбора тех или иных методов исследования и управления нужно четко понимать предпосылки. При этом анализ эластичности и её свойств помогает определить, в какой степени зависит доход и затраты от изменения уровня сервиса, насколько компания близка к максимуму прибыли и оптимальному уровню сервиса.