(простоте, информативности получаемых результатов и др.) у него существует один значительный недостаток: метод не позволяет оценивать волатильность изменения исследуемых объектов – одного из очевидных проявлений фактора риска, который может оказывать серьезное влияние на результаты продаж. Устранить этот недостаток позволяет использование XYZ-анализа.
XYZ-анализ – метод, позволяющий анализировать и прогнозировать стабильность тех или иных бизнес-процессов и бизнес-объектов. В отличие от АВС-анализа XYZ-анализ подразумевает использование единственного показателя для распределения по группам – значения коэффициента вариации:
где xi – фактическое значение той или иной исследуемой позиции (выручка от реализации конкретного вида продукта, количество реализованного продукта и т. д.);
x– – среднее значение анализируемой позиции за накопленный ретроспективный период;
δ – среднеквадратическое отклонение по анализируемой позиции.
В соответствии со значением коэффициента вариации все статьи делятся на три группы:
● в группу X попадают статьи с коэффициентом вариации менее 10 %;
● в группу Y – статьи с коэффициентом вариации от 10 % до 25 %;
● в группу Z – статьи с коэффициентом вариации более 25 %.
Отмечу, что данный вариант распределения по группам XYZ является наиболее распространенным в аналитической практике, однако не единственным. В конечном счете установление количественных критериев целиком зависит от специфики бизнеса, приведенные критерии могут быть более (до 5 %; 5‒20 %; более 20 %) или менее жесткими (до 15 %; 15‒30 %; более 30 %).
С экономической точки зрения распределение исследуемых позиций по группам XYZ предполагает, что:
● в группе X находятся позиции, которые характеризуются стабильным и прогнозируемым поведением;
● в группе Y – позиции, поведение которых сопровождается определенными колебаниями, с прогнозируемыми закономерностями;
● в группе Z – позиции, колебания которых не прогнозируемы.
Соответственно все позиции, попадающие в группу Z, должны выступать приоритетным объектом для проведения регулярного контроля и возможного исключения из ассортиментного ряда. Другим вариантом управленческого воздействия может стать не исключение их из ассортимента, а минимизация или полное сокращение их товарного остатка и закупка под конкретного покупателя.
Очевидно, что для проведения XYZ-анализа необходимо иметь накопленный массив данных о динамике поведения исследуемых позиций в предшествующие периоды, на основании которой по каждой позиции осуществляется расчет коэффициента вариации и – с учетом описанного выше распределения – отнесение по группам XYZ (табл. 73). При этом рост числа исследуемых периодов повышает статистическую ценность и точность результатов XYZ-анализа.
На основе исходной информации, приведенной в табл. 71, был проведен расчет коэффициента вариации для каждого продукта. Результаты расчетов представлены в табл. 74.
Далее проводится ранжирование исследуемых продуктов в порядке возрастания коэффициента вариации и определяется соответствующая продукту группа XYZ (табл. 75).
Приведенный пример позволяет сделать вывод о крайней волатильности всего номенклатурного ряда компании, исходя из того принципа распределения по группам, который был использован (до 10 %, 10‒25 %; более 25 %). Из 50 позиций лишь продукты 3 и 5 попали в группу Х. В этом случае следует изменить количественные параметры разнесения по группам или использовать вместо XYZ иной метод анализа. Один из вариантов замены XYZ-анализа рассмотрен ниже.
Если результаты, полученные в рамках XYZ-анализа, корректны, то на следующем этапе происходит совмещение результатов АВС– и XYZ-анализа, итогом которого является следующая матрица (табл. 76).
При построении данной матрицы я использовал принцип световой градации, в соответствии с которым чем темнее оттенок ячейки матрицы, тем более рискованным является продукт.
В темную зону попадают продукты, которые обладают высокой волатильностью и входят в группу Z. При этом наивысшую степень риска имеет сочетание групп AZ – продуктов, занимающих наибольший удельный вес в выручке, а следовательно, финансово значительных для компании. Светлую зону характеризуют статьи, обладающие низкой волатильностью отклонений и демонстрирующие стабильное поведение на протяжении рассматриваемых периодов.
Ниже я представил распределение категорий, получившихся в рамках проведения АВС– и XYZ-анализа по уровню риска, дал краткие характеристики типов продуктов, которые относятся к той или иной категории, и предложил различные варианты управленческих воздействий (табл. 77). Особо отмечу, что эти управленческие решения сформулированы только исходя из результатов АВС– и XYZ-анализа и могут быть серьезно изменены при подключении других аналитических методов.
Представленные в таблице распределение продуктов по категориям риска и управленческие решения, связанные с изменением ассортиментного ряда и стимулированием продаж, могут быть дополнены наложением результатов план-фактного анализа относительных отклонений фактического исполнения плана продаж по каждому продукту за отчетный (исследуемый) год. Это позволяет принимать управленческие решения, отталкиваясь не только от реальных результатов продаж, но и от ожиданий самой компании, заложенных в планы, что в свою очередь повышает корректность результатов и их практическую ценность для менеджмента.
В общем виде относительное отклонение определяется как показатель темпа прироста:
где Δотносительное – величина относительного отклонения результатов продаж того или иного продукта;
Yt – результаты продаж того или иного продукта в текущем периоде;
Yt-1 – результаты продаж того или иного продукта в предыдущем периоде.
Однако в рамках предлагаемого расширения АВС– и XYZ-анализа расчет величины относительного отклонения я предлагаю определять на основе результатов план-фактного анализа:
где Δотносительное– величина относительного отклонения результатов продаж того или иного продукта;
Yфакт – фактическое значение результатов продаж того или иного продукта в текущем периоде;
Yплан – плановое значение результатов продаж того или иного продукта в текущем периоде.
Для контроля результатов относительных отклонений можно также использовать принцип световой градации. При этом необходимо иметь в виду, что отклонение может быть как положительным, так и отрицательным. В силу этого я предлагаю следующий вариант количественного разнесения статей по группам риска (табл. 78).
Так, если относительное отклонение за исследуемый период не превышает ±2 %, то его следует рассматривать как незначительное (светлая зона). Если отклонение находится в пределах ±10 %, то оно является значительным, но допустимым (серая зона). Наконец, если отклонение превышает ±10 %, его нужно рассматривать как недопустимое (темная зона).
Совершенно очевидно, что, если тот или иной продукт по результатам анализа попал в категорию АХ, его следует рассматривать как стабильный и низкорискованный, поскольку
