Что такое АВСD-анализ и почему его нужно называть именно так
АВСD-анализ — это ранжирование выбранных для анализа объектов по степени их важности, которую мы оцениваем исходя из их вклада в общий результат по определенному показателю. Результатом анализа является разделение всех объектов на несколько групп таким образом, что самые важные попадают — в группу А, следующие по важности объекты — в группу В, еще менее важные — в группу С, а группа D используется для объединения объектов, которые либо представляют наименьшую важность, либо вовсе исключаются из анализа за отсутствием какого-либо вклада в общие результаты. Причем использование группы D стало уже настолько распространенным при проведении АВСD-анализа, что это является первым доводом, чтобы называть данный метод исследования именно так. Но гораздо более существенным доводом оказывается лишняя путаница из-за полного совпадения названия «АВС-анализ» с достаточно распространенной аббревиатурой совсем другого анализа Activity-Based Costing — расчета себестоимости продукции через определение стоимости каждой работы, необходимой для получения данной продукции. Поэтому, чтобы в дальнейшем не создавать лишний повод для недоразумений, ранжирование каких-либо элементов будем называть АВСD-анализом.
Как проводить АВСD-анализ
Есть несколько различных методов разделения объектов на три-четыре группы значимости. Эти методы достаточно сильно различаются, но их объединяет то, что вначале все объекты анализа сортируются по мере убывания сравниваемого параметра. Далее — возможны варианты.
Метод с фиксированными группами
Вы рассчитываете накопительный итог по всем объектам анализа начиная с самого первого — самого значимого объекта и делите эти накопительные итоги на общий вклад всех объектов анализа. Таким образом, вы получаете для каждого объекта анализа вклад его самого и всех более значимых объектов в общий результат. Далее вы выбираете некие фиксированные показатели, например 64/32/4, и обозначаете:
• первые К самых значимых объектов, которые дают 64% вклада в общий результат, — группой А;
• следующие L объектов, которые дают еще 32%, — группой В;
• оставшиеся M позиций, которые дают оставшиеся 4%, — группой С.
Деление может быть и другим, например 80/15/5 или 50/30/20 — суть метода от этого не меняется, хотя результаты, разумеется, будут достаточно разными.
+ Легко воспринимается и считается, а при нормальном выборе деления дает хороший результат.
— Хорошее деление в прошлом не всегда оказывается хорошим делением в будущем.
• Никакого физического смысла данный метод не имеет.
Парето-метод
Собственно, прообразом АВСD-анализа был знаменитый постулат Вильфредо Парето: он утверждал, что вне зависимости от времен, стран и политических систем 20% самых богатых людей всегда владели и владеют 80% всех богатств. Утверждал он это, не выводя никаких формул, просто эмпирически посчитав фактическое разделение богатства для разных эпох и стран. Но напрямую из этого выражения АВСD-анализ не следует — просто потому, что в результате такого деления мы получаем только две группы: группу А — 20% людей, имеющих 80% всех богатств, и группу С — соответственно, остальные 80% людей, обладающих оставшимися 20% богатств. Более того — и сам постулат уже опровергнут нашей российской действительностью, где, по оценкам, 10% самых богатых людей обладают 90% всех богатств.
Но принцип — понятен и применим: нам надо получить такое разбиение на группы, когда сумма вклада части объектов в общий итог (накопительный итог) и доля количества этих объектов от общего числа объектов будет равна 100%:
N/S + O/V = 100%,
где N — накопительный итог сравниваемых параметров первых О объектов;
S — общая сумма сравниваемых параметров всех V анализируемых объектов.
Кроме этого, чтобы получить больше чем две группы, нам необходимо разбить каждую из получившихся групп на подгруппы — и делать мы это будем по тому же принципу. Соответственно, в конечную группу А попадут только лучшие из изначальной группы А, в конечную группу С попадут только худшие из изначальной группы С, а группу В мы сформируем за счет «худших из лучших» и «лучших из худших» — понятно, что у них наиболее схожие значения анализируемого параметра. Дополнительно заметим, что в зависимости от количества объектов, включенных в анализ, будет меняться и деление на группы, при этом у нас обычно есть много объектов, у которых анализируемый показатель равен нулю. То есть включение такого объекта в анализ никак не повлияет на общий результат, долю накопительного итога от которого мы ищем, но при этом повлияет на долю позиций, участвующих в этом накопительном итоге. То есть, включая такие позиции, мы можем искусственно увеличивать группы А и В за счет группы С. Чтобы такого не происходило, мы изначально все объекты, у которых анализируемый показатель меньше или равен нулю, отнесем еще до начала анализа в группу D, и в дальнейшем анализе они уже участвовать не будут.
+ Деление на группы получается зависящим от самих данных.
— Сложнее реализуется расчет.
• Физический смыл точек деления — соотношения, в котором происходит разделение на группы, — указывает на степень неоднородности нашего ассортимента.
Метод касательных
Этот метод приобрел свое название от геометрической интерпретации метода, когда мы строим кривую накопительного итога, а потом проводим к ней касательные. Однако обычно для расчета используется аналитическая интерпретация данного метода. Деление, как и в случае с Парето-методом, происходит последовательное: сначала на две группы, а потом каждую из получившихся групп делят еще раз на две. Причем точно так же мы изначально убираем из анализа в группу D — все объекты с отрицательным или нулевым значением сравниваемого параметра. Делим же на группы мы так: считаем среднее арифметическое сравниваемых параметров по всем объектам анализа, и в результате одна группа позиций у нас оказываются выше этого среднего, а другая — ниже. Затем мы повторяем деление с каждой из получившихся групп и результат преобразуем в три группы, как это делали в Парето-методе.
+ Деление на группы получается зависящим от самих данных. Аналитическая интерпретация — легко воспринимается и легко реализуется.
• Физический смыл точек деления — позиции группы А приращивают измеряемый параметр быстрее, чем растет их количество, а позиции группы C — наоборот. Кроме этого, точки деления указывают на степень неоднородности нашего ассортимента.
Сравнение методов
Мы имеем три совершенно разных вида анализа, и хотя часто они могут делить позиции на группы примерно одинаково, однако это вовсе не правило, и мы легко можем предложить такие данные, на которых вышеперечисленные деления будут сильно отличаться. Как мы видим по плюсам и минусам каждого метода, самой лучшей является аналитическая интерпретация метода касательных. Не рассмотренные же в данной статье методы АВСD-анализа не стоят нашего внимания, так как создавались они обычно: либо ради того, чтобы потешить чье-то самолюбие именным названием такого метода, либо ради «научной новизны» в какой-либо «научной» работе.
Применение АВСD-анализа
Самый распространенный вопрос по АВСD-анализу на форумах звучит обычно так: «Сделали АВСD-анализ — что дальше?». Многие специалисты, ухватив несложную механику расчета, забывают за ней, собственно, цель своих изысканий — в результате и рождаются такие вопросы, на которые даже не знаешь, что и ответить… В ответ на шквал этих вопросов один очень уважаемый мной эксперт даже разместил на своем сайте целую серию заметок, которую кратко назвал «Анти-АВС»: http://scm-book.ru/antiABC — я очень советую ознакомиться с этим текстом всем, кто ищет альтернативу повсеместному АВСD-анализу, ну а мы продолжим там, где остановились. Как же так получается, что специалисты, сумевшие провести АВСD-анализ, не знают, что делать дальше с уже получившимися результатами? При этом только навскидку можно сразу сказать, что АВСD-анализ позволяет:
• выделять небольшое количество самых значимых объектов для сосредоточения внимания именно на них;
• более эффективно использовать имеющиеся временные и человеческие ресурсы для получения лучшего общего результата;
• производить управление несколькими группами сходных по некоторому признаку объектов, а не самими объектами, которых может быть многие тысячи;
• быстро анализировать текущую ситуацию в малознакомой ситуации и выявлять неэффективные объекты управления с помощью перекрестного АВСD-анализа — проведения АВСD-анализа:
• для одних и тех же объектов анализа — что будем делить на группы,
• но различных параметров сравнения — по какому признаку будем делить на группы.
Отсюда мы делаем важный вывод, что необходимо изначально определиться с целями проведения АВСD-анализа, и тогда никакой проблемы с интерпретацией и использованием его результатов уже не будет. Более того, сам АВСD-анализ только выиграет благодаря уже осмысленному выбору объектов и параметров анализа.
Предостережения
В конце статьи хотелось бы дать несколько предостережений всем, кто только осваивает или уже вовсю использует АВСD-анализ в своей работе.
Универсальное деление. Первые успешные опыты по использованию АВСD-анализа приводят к желанию создать некую универсальную систему, которая бы оценивала все важные нам параметры объектов, например количество обращений, прибыль и оборот по позициям, чтобы получить таким образом универсальную матрицу управления этими объектами. И если провести три АВСD-анализа не составляет никакого труда, то вот уже придумать различные стратегии управления для 64 (= 4 × 4 × 4) или даже для 27 (= 3 × 3 × 3) групп — оказывается уже не так просто. Здесь надо вспомнить, что АВСD-анализ — это только инструмент, и обычно лучше иметь несколько удобных специализированных инструментов, нежели один неудобный — универсальный, хотя перекрестный АВСD-анализ по двум параметрам действительно может эффективно использоваться таким образом.
Использование данных о продажах. Если вы строите АВСD-анализ по прибыли, полученной с позиций за отчетный период, и используете для этого данные о продажах за этот период, то делать это надо очень осторожно — дело в том, что хороший товар мог отсутствовать долгое время на остатках, и в таком случае продажи по этой позиции покажут заниженный результат, в результате она может незаслуженно попасть в более низкую группу, и из-за применения в дальнейшем к данной позиции неправильного подхода, определяемого для этой группы, этот товар может навсегда остаться в данной группе. В таком случае лучше сначала восстанавливать неудовлетворенный спрос за отчетный период, прибавлять его к продажам, то есть удовлетворенному спросу, и делать АВСD-анализ именно по этому суммарному спросу за отчетный период, а не по продажам. Аналогичная ситуация возможна, когда мы осуществляем ценообразование исходя из АВСD-анализа: делаем больше наценку на слабопродающиеся позиции из группы С и меньше — на обычно ходовые товары-индикаторы из группы А. Понятно, что в таком случае мы легко можем замкнуть причинно-следственную связь: когда одни позиции продаются хорошо — так как они у нас дешевые, а другие продаются плохо — так как они у нас дорогие, но поменяй мы ситуацию с их ценами — тут же изменится и ситуация со спросом на них.
Вывод группы С из складских позиций. Некоторые руководители, получив данные АВСD-анализа, принимают кардинальное решение избавиться от всей группы С, в которой оказывается больше половины позиций, но при этом они все вместе делают меньше 5% от общего результата. Результаты АВСD-анализа действительно могут стать основанием для исключения «длинного хвоста» слабых позиций из складской номенклатуры — таких позиций, по которым постоянно поддерживается определенный остаток на складе компании. Но такое решение необходимо принимать на основании экономического обоснования данного действия, а не просто разделения позиций на группы. Более того, если мы каждый месяц будем исключать группу С из складской номенклатуры, то через некоторое время торговать уже будет просто нечем.
Использование на маленьких количествах объектов. АВСD-анализ — это инструмент, который позволяет нам работать с большим количеством объектов. На самом деле — это достаточно грубый и не всегда точный инструмент, но на большом массиве он очень хорош. При этом не надо упираться в этот инструмент и пытаться применить к двадцати позициям, которые выпускает ваш завод, — двадцатью позициями можно управлять по отдельности, к ним не нужно применять групповые политики и правила, с каждой из них можно поработать самостоятельно. В такой ситуации АВСD-анализ не нужен, и будет даже вреден, так как на небольшом ассортименте нам, наоборот, важно каждое различие между этими позициями. По этой же причине не надо проводить АВСD-анализ по каждой отдельной группе товаров — его надо проводить по всему справочнику товаров или в, крайнем случае, по ассортименту, управление которым выделено под отдельную штатную единицу. Некоторые специалисты пугаются, что в таком случае целая группа номенклатурного справочника может оказаться в малозначимой группе — ничего страшного в этом нет, значит, вся эта группа — малозначимая, и ей не стоит уделять такого же внимания, какого требуют настоящие позиции группы А.
Автоматизация. Несложный расчет АВСD-анализа обычно легко реализуется в любой корпоративной информационной системе, поэтому возникает соблазн сразу зашить его туда, однако не стоит спешить с этим. Дело в том, что по мере использования АВСD-анализа у вас может возникнуть желание изменить либо метод, либо его параметры, либо количество групп, на которые происходит деление, — в таком случае автоматизированный в корпоративной информационной системе АВСD-анализ, скорее, будет мешать, нежели помогать. А чтобы не делать его вручную, можно воспользоваться уже готовыми алгоритмами, реализованными в файлах Excel, которые можно скачать по следующему адресу: http://upravlenie-zapasami.ru/excel/ — в корпоративную же информационную систему следует зашивать уже те варианты АВСD-анализа, на которых вы остановитесь со временем. Пока же нужно попросить программистов сделать удобные заливки группы АВСD-анализа из файла Excel в информационную систему по коду объекта. Еще интересным решением является подсвечивание разными цветами фона объектов из разных групп АВСD-анализа в документах и справочниках, это позволяет дополнительно визуально контролировать ситуацию и фокусировать внимание на главном.