- Страховой запас в MySales рассчитывается на основе статистической ошибки прогноза, а не произвольных эмпирических правил или фиксированных процентов от объёма продаж.
- Исторические недели разделяются на группы низкого, среднего и высокого спроса, поскольку точность прогноза варьируется в зависимости от уровня спроса — и периоды высокого спроса, как правило, определяют наибольшие требования к страховому запасу.
- Настраиваемый коэффициент и жёсткий максимальный предел (
% max SS) дают бизнесу прямой контроль над балансом между наличием товара на полке и стоимостью запасов. - Весь расчёт выполняется автоматически, воспроизводимо и прозрачно — исключая субъективность при ручном планировании страхового запаса.
Как MySales рассчитывает страховой запас
В MySales страховой запас рассчитывается автоматически на основе статистики ошибок прогноза. Никаких ручных буферов, никаких эмпирических процентов и никаких догадок.
Система следует детерминированному шестишаговому процессу на уровне SKU x магазин (или любом более высоком уровне агрегации). Каждый шаг опирается на предыдущий, формируя значение страхового запаса, которое одновременно статистически обосновано и операционно ограничено.
1. Основа исторических данных
Расчёт начинается с еженедельных данных по трём переменным:
- Прогноз продаж — предсказанный системой спрос
- Фактические продажи — что было реально продано
- Уровни запасов — доступный запас на каждый момент времени
Анализ выполняется на уровне SKU x магазин по умолчанию, хотя при соответствующей конфигурации может работать на более высоких уровнях агрегации.
2. Разбивка недель на три группы спроса
Все исторические недели сортируются по объёму прогноза и делятся на три сегмента:
| Сегмент | Доля недель | Описание |
|---|---|---|
| Низкий спрос | Нижние 30% | Недели с наименьшим прогнозируемым объёмом |
| Средний спрос | Средние 40% | Недели с умеренным прогнозируемым объёмом |
| Высокий спрос | Верхние 30% | Недели с наибольшим прогнозируемым объёмом |
Ошибка прогноза неодинакова при разных уровнях спроса. Периоды высокого спроса, как правило, демонстрируют бо́льшие абсолютные ошибки, чем периоды низкого спроса. Рассчитывая ошибку отдельно для каждого сегмента, MySales формирует страховой запас, отражающий реальный профиль риска каждого режима спроса — а не усредняет ошибки по принципиально разным условиям.
3. Оценка ошибки прогноза
Для каждой из трёх групп спроса система рассчитывает стандартное отклонение разницы между фактическими продажами и прогнозом.
Ошибка = Фактические продажи - Прогноз
Стандартное отклонение этих ошибок даёт единую метрику: типичная еженедельная ошибка прогноза для данного SKU, выраженная в единицах товара. Это статистическая основа всего расчёта страхового запаса.
4. Коэффициент страхового запаса
Рассчитанная ошибка прогноза умножается на определяемый пользователем коэффициент, настраиваемый в:
Прогнозы > Администрирование > Корректировка страхового запаса
Этот коэффициент даёт бизнесу прямой рычаг управления политикой запасов:
| Коэффициент | Стратегия | Сфера применения |
|---|---|---|
| 0,7 | Агрессивно экономная | SKU с низкой маржой или высоким риском порчи |
| 1,0 | Стандартная защита | По умолчанию — покрывает типичную ошибку прогноза |
| 1,3 | Консервативный буфер | Высокоценные SKU или категории с серьёзными штрафами за отсутствие товара |
Зависимость линейная: удвоение коэффициента удваивает страховой запас.
Коэффициент должен отражать бизнес-приоритет, а не статистическую неопределённость. Ретейлер с надёжными поставщиками и короткими сроками выполнения заказов может позволить себе более низкий коэффициент. Ретейлер, обслуживающий удалённые магазины с редкими поставками, должен выбирать коэффициент выше. Статистическая модель берёт на себя математику; коэффициент кодирует стратегию.
5. Масштабирование к горизонту заказа (D1-D2)
Страховой запас изначально рассчитывается на еженедельной основе. Затем его необходимо масштабировать в соответствии с фактическим горизонтом заказа — количеством дней между датой заказа (D1) и датой доставки (D2).
Формула масштабирования проста:
СЗ (масштабированный) = СЗ (еженедельный) x (N / 7)
Где N — количество дней в окне D1-D2.
| Горизонт заказа | Коэффициент масштабирования | Эффект |
|---|---|---|
| 3 дня | 3 / 7 = 0,43 | Страховой запас уменьшен до ~43% от еженедельного значения |
| 7 дней | 7 / 7 = 1,00 | Страховой запас равен полному еженедельному значению |
| 14 дней | 14 / 7 = 2,00 | Страховой запас удвоен для покрытия двухнедельного окна |
Более короткие горизонты заказа естественным образом требуют меньшего страхового запаса. Это сделано намеренно — более частые заказы снижают подверженность ошибке прогноза.
6. Верхний предел (% max SS)
На последнем шаге устанавливается жёсткий потолок страхового запаса:
СЗ не может превышать Прогноз(D1-D2) x % max SS
Типичное значение — 50%, то есть страховой запас никогда не может превышать половину прогнозируемого спроса за окно заказа.
Это ограничение защищает от трёх конкретных рисков:
- Избыточного накопления запасов у медленно оборачиваемых SKU
- Списаний и порчи при избыточном заказе скоропортящихся товаров
- Раздувания заказов, искажающего сигналы вышестоящей цепочки поставок
Если рассчитанный страховой запас превышает этот предел, он принудительно ограничивается.
Что важно понимать бизнесу
Страховой запас не предназначен для покрытия 100% пиков спроса. Его цель уже и точнее: компенсировать типичную величину ошибки прогноза.
Система оптимизирует трёхстороннее равновесие:
- Наличие товара на полке (OSA) — обеспечение присутствия товаров, когда покупатели хотят их приобрести
- Уровни запасов — минимизация оборотного капитала, замороженного в запасах
- Списания — сокращение потерь от непроданных или просроченных товаров
Заинтересованные стороны нередко спрашивают: «Почему у нас закончился товар, если есть страховой запас?» Ответ в том, что страховой запас покрывает типичную ошибку прогноза, но не экстремальные всплески спроса. Покрытие 100% всех возможных сценариев спроса потребовало бы уровней запасов, экономически неустойчивых. Система нацелена на статистически оптимальный баланс — а коэффициент даёт вам рычаг для его регулировки.
Числовой пример: страховой запас для конкретного SKU
В следующем примере прослеживается полный расчёт для одного SKU, точно так, как его выполняет MySales — шаг за шагом, без упрощений.
Параметры:
- SKU:
123456 - Магазин:
Store_01 - Горизонт заказа: D1-D2 = 7 дней
- % max SS = 50%
- Коэффициент страхового запаса = 1,0
- Длина истории: 20 недель
Шаг 1. Сбор исторических данных
| Неделя | Прогноз | Факт |
|---|---|---|
| 1 | 90 | 85 |
| 2 | 95 | 110 |
| 3 | 100 | 98 |
| 4 | 105 | 130 |
| 5 | 110 | 108 |
| ... | ... | ... |
| 20 | 140 | 170 |
Шаг 2. Разбивка недель по уровню спроса
20 недель, отсортированных по значению прогноза:
- Низкий (30%) — 6 недель с наименьшим прогнозом
- Средний (40%) — 8 средних недель
- Высокий (30%) — 6 недель с наибольшим прогнозом
Сегмент высокого спроса почти всегда вносит наибольший вклад в итоговое значение страхового запаса.
Шаг 3. Расчёт ошибки прогноза для группы высокого спроса
Ошибка = Факт - Прогноз
| Неделя | Прогноз | Факт | Ошибка |
|---|---|---|---|
| 15 | 130 | 150 | +20 |
| 16 | 135 | 160 | +25 |
| 17 | 138 | 155 | +17 |
| 18 | 140 | 170 | +30 |
| 19 | 142 | 160 | +18 |
| 20 | 145 | 165 | +20 |
Стандартное отклонение ошибок: приблизительно 22 единицы.
Шаг 4. Применение коэффициента страхового запаса
СЗ (еженедельный) = 22 x 1,0 = 22 единицы
Шаг 5. Масштабирование к горизонту заказа
При 7-дневном окне заказа:
СЗ (масштабированный) = 22 x (7 / 7) = 22 единицы
Шаг 6. Применение ограничения % max SS
- Прогноз в окне D1-D2: 60 единиц
- Максимально допустимый СЗ: 60 x 50% = 30 единиц
- Рассчитанный СЗ: 22 единицы
Поскольку 22 < 30, страховой запас не ограничивается.
Итоговый страховой запас = 22 единицы
Шаг 7. Как это входит в заказ на пополнение
22-единичный страховой запас входит в расчёт базового спроса вместе с:
- Запасом на D1 = 30 единиц
- Минимальным презентационным запасом = 5 единиц
Система использует эти данные для определения итогового количества заказа на пополнение. 22-единичный страховой запас — результат статистического расчёта, а не ручной настройки, процентного переопределения или интуиции планировщика.
Бизнес-эффект
Автоматический, статистически обоснованный расчёт страхового запаса даёт измеримые результаты по трём направлениям. Затраты на запасы снижаются, поскольку страховой запас точно соответствует фактической ошибке прогноза, а не завышается консервативными ручными буферами. Наличие товара на полке улучшается, поскольку система выделяет больший страховой запас там, где неопределённость прогноза наибольшая — как правило, в периоды высокого спроса, когда дефицит товара обходится дороже всего. Операционная эффективность растёт, поскольку планировщики больше не тратят время на ручную настройку и корректировку параметров страхового запаса по тысячам комбинаций SKU-магазин.
Суммарный эффект — переход от реактивного управления запасами, при котором планировщики реагируют на дефицит и избыток постфактум, к проактивному, управляемому данными процессу пополнения, который непрерывно самокалибруется в соответствии с фактической точностью прогноза спроса.