Анализ складских запасов abc/xyz: что это и как провести

Пример ABC-анализа в QlikView с применением сортируемой AGGR-функции

В качестве входных данных берем Excel-файл (прикреплен выше).
Для расчета ABC-анализа будем применять сортируемую AGGR-функцию, которая работает начиная с QlikView 12 версии November 2017. Итак, загружаем данные по месяцам и делаем Straight Table:

Формула для расчета ABC-анализа с использованием сортируемой Aggr-функции:

=if(
(aggr(rangesum(above( sum(Данные), 0, rowno() )),(Материал, (=sum(Данные), DESCENDING )))/sum(TOTAL Данные)<0.8),’A’,
if(aggr(rangesum(above( sum(Данные), 0, rowno() )),(Материал, (=sum(Данные), DESCENDING )))/sum(TOTAL Данные)<0.95,’B’,’C’)
)

1 2 3 4

=if( (aggr(rangesum(above(sum(Данные),,rowno())),(Материал,(=sum(Данные),DESCENDING)))sum(TOTALДанные)<0.8),’A’, if(aggr(rangesum(above(sum(Данные),,rowno())),(Материал,(=sum(Данные),DESCENDING)))sum(TOTALДанные)<0.95,’B’,’C’) )

Отдельно показываю ключевую формулу для вычисления накопленного итога с сортируемой AGGR:

aggr(rangesum(above( sum(Данные), 0, rowno() )),(Материал, (=sum(Данные), DESCENDING )))

1	aggr(rangesum(above(sum(Данные),,rowno())),(Материал,(=sum(Данные),DESCENDING)))

Формула для ABC-Анализа QlikView

=if(
(aggr(rangesum(above( sum(), 0, rowno() )),(, (=sum(), DESCENDING )))/sum(TOTAL )&lt;$(vABC_Level_A)),’A’,
if(aggr(rangesum(above( sum(), 0, rowno() )),(, (=sum(), DESCENDING )))/sum(TOTAL )&lt;$(vABC_Level_B),’B’,
if(sum()&lt;&gt;0,’C’,null()))
)

1 2 3 4 5

=if( (aggr(rangesum(above(sum(Продажикол-во),,rowno())),(ТоварКод,(=sum(Продажикол-во),DESCENDING)))sum(TOTALПродажикол-во)<$(vABC_Level_A)),’A’, if(aggr(rangesum(above(sum(Продажикол-во),,rowno())),(ТоварКод,(=sum(Продажикол-во),DESCENDING)))sum(TOTALПродажикол-во)<$(vABC_Level_B),’B’, if(sum(Продажикол-во)<>,’C’,null())) )

Формула для XYZ-Анализа QlikView

Sqrt(
(
Sum(
aggr(
pow(rangesum(0,sum({&lt;&gt;} ))-(sum(TOTAL &lt;&gt; )/GetPossibleCount(МесяцГод)),2),
,)
)
/
(GetPossibleCount(МесяцГод)-1)
)
/
GetPossibleCount(МесяцГод)
)
/(Sum()/GetPossibleCount(МесяцГод))

1 2 3 4 5 6 7 8 9 10 11 12 13 14

Sqrt( ( Sum( aggr( pow(rangesum(,sum({<МесяцГод>}Продажикол-во))-(sum(TOTAL<ТоварКод>Продажикол-во)GetPossibleCount(МесяцГод)),2), ТоварКод,МесяцГод) ) (GetPossibleCount(МесяцГод)-1) ) GetPossibleCount(МесяцГод) ) (Sum(Продажикол-во)GetPossibleCount(МесяцГод))

Что такое XYZ-анализ

Что такое ABC-анализ разобрали, но причём тут XYZ? Этот метод часто применяется в дополнение к первому и вместе они создают синергетический эффект.

XYZ-анализ — это метод определения вариативности показателя. То есть с его помощью можно определить, насколько величина имеет свойство отклоняться от средних значений.

Например, при проведении XYZ-анализа продаж с точки зрения спроса на товары можно выделить три категории:

• Х с колебанием от 0 до 10%, то есть товары, всегда приобретаемые примерно в одинаковом количестве;
• Y, где вариация составляет от 10 до 25%. Это продукция, которая имеет относительно стабильный спрос, но подвержена колебаниям, например, по сезону;
• Z – это группа, где колебания спроса могут составлять от 25% и выше. В этом случае его можно называть случайным и прогнозировать что-либо очень сложно.

Цель XYZ-анализа — определить колебания величины относительно среднего значения и учитывать уровень нестабильности показателя при дальнейшем развитии бизнеса.

Такая диверсификация крайне оправдана, ведь если товар попал в группу B по средней выручке, но продавался хорошо только в декабре и январе (например, ёлочные игрушки), будет странным делать на него ставку в июле. Не всегда показатели выглядят столь очевидными и заметны невооруженным глазом, но методика XYZ-анализа позволяет выявить такие колебания в любом случае.

Как сделать ABC и XYZ анализ

Для того, чтобы провести ABC и XYZ анализ в целом необходимо:

• Выбрать анализируемые величины и собрать по ним данные. Желательно брать информацию за полгода-год, так как если сопоставлять большие промежутки, необходимо учитывать рост цен и другие изменения. Поэтому лучше провести анализ за небольшие периоды и сопоставить уже его результаты.
• Убедиться, что все выбранные для анализа величины, являются измеряемыми. Например, объективно измерить уровень сервиса методом ABC XYZ анализа не получится.
• Выбрать способ расчетов. Можно выполнить ABC-анализ в Excel или CRM-программе, если она поддерживает данную опцию.

Бывают ситуации, когда собрать данные за полгода или год в настоящий момент невозможно. Например, отсутствует настолько детальная история покупок. Это хороший повод пересмотреть механизмы учета основных показателей в компании, а к ABC XYZ анализу вернуться, когда на руках будут необходимые для его проведения цифры.

Сравнительный анализ по данным ФНС

Организация: ООО «ИКС ИГРЕК ЗЕТ»

ИНН: 7708108212 (Москва)

Отрасль: 71.11 Деятельность в области архитектуры (Микропредприятие)

Организационно-правовая форма: 12165

Активы на 31 декабря 2020: 310 тыс. руб. (-49.7% за год)

Чистые активы на 31 декабря 2020: 140 тыс. руб. (-73.5% за год)

Среднесписочная численности работников по данным ФНС за 2020 год: 2 чел.

Abc-анализ клиентов Дополнительные данные ФНС (2020 год) Уплачено налогов и сборов за 2020 г., всего 33,3 тыс. руб., в том числе: Налог на добавленную стоимость 33,3 тыс. руб. Страховые и другие взносы на обязательное пенсионное страхование, зачисляемые в Пенсионный фонд Российской Федерации руб. Налог на имущество организаций руб. НЕНАЛОГОВЫЕ ДОХОДЫ, администрируемые налоговыми органами руб. Налог на прибыль руб. Страховые взносы на обязательное социальное страхование на случай временной нетрудоспособности и в связи с материнством руб. Страховые взносы на обязательное медицинское страхование работающего населения, зачисляемые в бюджет Федерального фонда обязательного медицинского страхования руб.

Как это работает

Рассмотрим метод на простом условном примере. Проанализируем товары небольшой фирмы по выручке.

Пусть есть 10 товаров, обозначим их Т1-Т10. Выручка за период была такая: Т1 – 172000 руб., Т2 – 80000 руб., Т3 – 43000 руб., Т4 – 40000 руб., Т5 – 38000 руб., Т6 – 35000 руб., Т7 – 29000 руб., Т8 – 20000 руб., Т9 – 11000 руб., Т10 – 9000 руб. Как видим, на начальном этапе товар сортируется по убыванию выручки.

Далее, зная, что общая прибыль равна всегда 100%, определим долю каждого товара и нарастающим итогом суммарную долю товаров.

Товар	Выручка	Доля прибыли, %	Доля суммарно, %
Т1	172000	36,06	36,06 (А)
Т2	80000	16,77	52,83 (А)
Т3	43000	9,01	61,84 (А)
Т4	40000	8,39	70,23 (А)
Т5	38000	7,97	78,20 (А)
Т6	35000	7,34	85,54 (B)
Т7	29000	6,08	91,62 (B)
Т8	20000	4,19	95,81 (С)
Т9	11000	2,30	98,11 (С)
Т10	9000	1,89	100 (С)
Итого	477000	100

Проанализируем полученные данные с целью разделить их на три группы A, B и C. Формула распределения по этому методу — 80-15-5, т.е. на товары группы А суммарно должно приходиться не более 80%, при достижении уровня 95% товар относится к группе С, а группа B находится в промежутке этих значений.

Мы видим, что наибольшую выручку дает товар Т1-Т5, суммарная доля здесь близка к «идеальной» по формуле — 78, 20% для группы А. Далее по значимости товар Т6-Т7, находящийся в значениях до 91,62% (B). Наименее доходными оказались товары Т8-Т10, при этом товар Т8 лишь на доли процента «не дотянул» до группы B.

Из таблицы также мы можем видеть, что группа B дает бизнесу (7,34 + 6,08) 13,42% выручки, а группа C (4,19 + 2,30 + 1,89) — 8,38%. Сложив значения по группам, мы можем убедиться, что рассчитали все правильно: сумма выручки составляет 100%.

Практическая реализация метода

Пусть дана выборка (множество) X из N объектов, каждый объект в которой имеет свой вес x, равный значению фактора, по которому проводится анализ. В результате упорядочивания этих объектов по убыванию веса x присвоим каждому объекту его порядковый номер i.

Представим полученный набор данных в виде отрезка (рисунок 2), поделенного на пронумерованные участки (номер участка i∈), длина которых будет зависеть от величины x_i. Тогда выражение

P_i = \frac{x_i}{\sum \limits_ {j=1}^{N}{x_j}}

определяет вероятность того, что случайная точка, выбранная на большом отрезке, будет принадлежат отрезку, соответствующему i-ому объекту. Например, если мы исследуем продажи некоторых товаров, то P_i — это вероятность того, что случайно выбранный рубль из общего дохода был заработан за счет продажи товара x_i.

Рис 2: Графическое представление анализируемого набора данных в виде отрезка

В данном случае P_1≥P_2≥P_3≥P_4≥⋯≥P_{N−2}≥P_{N−1}≥P_N.

В случае, когда P_1=P_2=…=P_N отрезок разделяется объектами на равные части (рисунок 3).

Рис 3: Графическое представление набора данных с равномерным распределением

Заметим, что в методе касательных F_i — это выборочная оценка значений функции распределения вероятностей P_i.

На основании рассчитанных значений построим график зависимости значений F_i от i (рисунок 4).

Рисунок 4: График функции распределения вероятностей

Построим на графике отрезок ОК, который соответствует графику функции равномерного распределения вероятностей.

Перейдём от анализа функции распределения вероятностей к анализу функции вероятностей, для чего построим соответствующий график (рисунок 5).

Рисунок 5: График функции вероятностей

Как видно из рисунка 5, в группу А попадают объекты, для которых значение P_i превышает значение функции равномерного распределения вероятностей для анализируемого набора.

В результате набор будет поделён на две группы объектов: объекты группы А и объекты групп В и С.

Для определения объектов групп В и С достаточно повторить расчет функции равномерного распределения вероятностей для объектов, не попавших в группу А, после чего сравнить с ним значения P_i. Точка, разделяющая группы В и С, на рисунке 5 находится на пересечении фиолетовых пунктирных линий и графика выборочных оценок функции вероятностей.

Таким образом, процедура разделения на группы выглядит следующим образом.

Процедура PARTITION

Вход: X — выборка из N объектов.

Выход: X_1, X_2 — результирующие непересекающиеся подвыборки объектов.

Для каждого объекта x_i в X рассчитать вероятность

P_i = \frac{x_i}{\sum \limits_ {j=1}^{N}{x_j}}

1. X_1={x_i:P_i≥\frac{1}{N}}
2. X_2={x_i:P_i<\frac{1}{N}}

Псевдокод получения выборок объектов по методу касательных.

ABC-анализ методом касательных

Вход: X — выборка объектов.

Выход: A,B,C — подвыборки объектов для групп A, B и С соответственно.

(A,BC)=PARTITION(X);

(B,C)=PARTITION(BC).

Обратим внимание, что при необходимости любое из полученных множеств A,B,C можно разделить на подмножества, применив к нему процедуру PARTITION. Примечание: Пример реализации описанного подхода в Loginom доступен в бесплатной библиотеке компонентов Loginom Silver Kit

Примечание: Пример реализации описанного подхода в Loginom доступен в бесплатной библиотеке компонентов Loginom Silver Kit.

Рисунок 6: Пример реализации метода касательных в ABC-анализе

Универсальный отчет «[П]: Дебиторка & Кредиторка» [УТ, УПП, КА] Промо

Уникальные возможности Универсального отчета !

Готовое решение по постановке управленческого учета дебиторской и кредиторской задолженности:

— отсроченная и просроченная задолженность;
— платежный календарь (поставщики и покупатели);
— структура задолженности по интервалам;
— структура задолженности по срокам.

В настоящее время достаточно распространенной формой отгрузки товаров является отсрочка оплаты. Компания получает отсрочку оплаты от поставщика и предоставляет отсрочку покупателям. Таким образом у компании возникает необходимость организовать учет отсроченной кредиторской и дебиторской задолженностей. Типовые конфигурации 1С: ПРЕДПРИЯТИЕ 8 предоставляют возможность вести такой учет только при условии, что в договоре контрагента установлено «Вести по документам расчетов с контрагентами». Такая детализация ведения взаиморасчетов удобна далеко не всем компаниям.

Не забываем «плюсовать» и писать комментарии 🙂

5 стартмани

Пример ABC-анализа

В таблице ниже приведен пример ABC-анализа номенклатуры товарно-материальных запасов (ТМЗ).

Методика проведения анализа предполагает ряд последовательных действий.

1. Номенклатура ТМЗ выстраивается в порядке убывания объема закупок за анализируемый период.
2. Рассчитывается доля каждой позиции в общем объеме закупок. Например, доля Артикула 1 в общем объеме составляет 19,84% (5 750 ÷ 28 975 × 100%), доля Артикула 2 17,08% (4 950 ÷ 28 975 × 100%), и т.д.
3. Рассчитывается доля нарастающим итогом.
4. Номенклатура ТМЗ разбивается на группы A, B и C.

В приведенной выше таблице для разнесения ТМЗ на группы был использован эмпирический метод. В результате были получены следующие результаты.

• Группа A: 24% номенклатуры (6 позиций из 25) и 78,17% объема закупки.
• Группа B: 28% номенклатуры (7 позиций из 25) и 16,46% объема закупки.
• Группа C: 48% номенклатуры (12 позиций из 25) и 3,37% объема закупки.

Графически результаты ABC-анализа с применением эмпирического метода разделения групп выглядят следующим образом.

В таблице ниже границы групп были определены при помощи метода сумм.

В результате ТМЗ были классифицированы на группы следующим образом.

• Нижняя граница группы A 102,17% суммы долей (позиции 1-6).
• Нижняя граница группы B 146,63% суммы долей (позиции 7-13).
• Группа C – все оставшиеся позиции ТМЗ.

Графически результаты ABC-анализа с применением метода сумм для определения границ групп выглядят так.

Пример ABC анализа продаж продукции в Excel

Разберем, как на практике проводить ABC-анализ продаж продукции в Excel для магазина сотовых телефонов. Для этого нам необходимо наличие наименование всех товаров (групп товаров) и их норма дохода. На рисунке ниже показана номенклатура товаров и размер прибыли на каждый из видов.

Номенклатура продукции для проведения ABC-анализа в Excel

Далее необходимо осуществить сортировку товаров по прибыльности. Заходим в главном меню Excel → «Данные» → «Сортировка». Результатом будет сортировка групп товаров по рентабельности от самого прибыльного до самого убыточного.

Пройдите наш авторский курс по выбору акций на фондовом рынке → обучающий курс

На следующем этапе необходимо определить долю по каждому виду товара. Для этого воспользуемся формулами в Excel.

Доля продаж каждого вида товара =B5/СУММ($B$5:$B$15)

Определение доли продукции в объеме продаж компании

На следующем этапе рассчитывается доля групп накопительным итогом по формуле:

Доля товара в номенклатуре накопительным итогом =C6+D5

Оценка доли прибыли накопительным итогом для группы товаров

После этого необходимо определить границу до 80% для группы товаров «А», 80-95% для группы товаров «В» и 95-100% для товаров «С». На рисунке ниже представлен результат группировки товаров по трем группам для магазина сотовых телефонов. Так марки Samsung, Nokia, Fly и LG дают 80% всех продаж, Alcatel, HTC, Lenovo обеспечивают 15% продаж и Philips, Sony, Apple, ASUS приносят 5% выручки от реализации.

ABC анализ продаж продукции. Пример расчета в Excel

Проведя группировку товаров, компания получает аналитический отчет о том, какие товары обеспечивают основные денежные поступления. Дальнейшей целью является увеличение продаж целевых товаров из группы «А» и снижение доли не эффективных товаров из группы «С». В нашем примере около ~30%  всех товаров приносят компании 80% прибыли.

Пройдите наш авторский курс по выбору акций на фондовом рынке → обучающий курс

Этап 2. Выделение номенклатурных групп по методу XYZ

Метод учитывает стабильность реализации для товаров или списания в производство для материалов. Позволяет увидеть, что стоит за высокой суммой выручки: разовая продаж супердорогой ассортиментной позиции или постоянный клиентский спрос. В сочетании с АВС дает отличные результаты. Ведь теперь ошибиться в том, где явные складские залежи, а где просто дешевые, но каждодневно продающиеся запасы, окажется невозможно.

Суть в том, чтобы:

• взять ту же выборку по товарам, что и для АВС, но только с разбивкой по месяцам или кварталам года;
• рассчитать в разрезе номенклатурных позиций так называемую вариацию. Ее значение определит искомую стабильность. Считается, что когда она не более 10%, то товар продается от периода к периоду в примерно одинаковых объемах. А если свыше 25%, то в иные месяцы реализация существенно снижается или даже отсутствует;
• на основе вариации распределить товары по трем группам – X, Y, Z.

На схеме показали принцип их выделения.

Рисунок 2. Принципы выделения групп в XYZ-анализе

Как реализуется

Перейдем к практике. Для этого вернемся к нашему условному примеру и дополним его продажами в поквартальном разрезе, причем в натуральных показателях. В идеале взять помесячные данные. Мы в статье просто максимально упрощаем.

Таблица 3. Натуральный объем продаж в поквартальном разрезе, ед.

Ассортиментная позиция	Кварталы
I	II	III	IV
Товар 1	115	144	128	135
Товар 2	72	50	37	82
Товар 3	289	357	318	264
Товар 4	530	459	597	542
Товар 5	18	22	24	35
Товар 6	680	621	644	702
Товар 7	69	87	71	92
Товар 8	443	498	503	540
Товар 9	139	158	146	162
Товар 10	758	726	859	812

Заметьте: если у товаров разные единицы измерения (штуки, килограммы, литры и т.д.), то это не играет роли и не мешает применению метода. Ведь вариация рассчитывается внутри ассортиментной группы, а там цифры являются сопоставимыми.

Дальше вычислим вариацию. Если используете Excel, то пригодятся две его функции:

СТАНДОТКЛОН.В – для вычисления стандартного отклонения по выборке

Обратите внимание, что есть еще СТАНДОТКЛОН.Г, но, как говорят специалисты, она дает смещенные оценки и поэтому чуть искаженный результат;
СРЗНАЧ – для расчета средней арифметической величины.. Вариация равна отношению стандартных отклонений и среднего значения.

Вариация равна отношению стандартных отклонений и среднего значения.

Смотрите в таблице, какие результаты мы получили.

Таблица 4. Расчет вариации и определение группы по XYZ-анализу

Ассортиментная позиция	Среднеквадратическое отклонение, ед.	Среднее арифметическое значение, ед.	Вариация, %	Группа
1	2	3	4 (2 ÷ 3 × 100)	5
Товар 1	12,2	130,5	9,4	Х
Товар 2	20,5	60,25	34,0	Z
Товар 3	40,0	307	13,0	Y
Товар 4	56,7	532	10,7	Y
Товар 5	7,3	24,75	29,4	Z
Товар 6	36,2	661,75	5,5	Х
Товар 7	11,5	79,75	14,4	Y
Товар 8	40,0	496	8,1	Х
Товар 9	10,6	151,25	7,0	Х
Товар 10	58,8	788,75	7,4	Х

Чтобы не расставлять буквенное обозначение группы вручную, используйте Excel-формулу:

=ЕСЛИ(H3<=10; «Х»; ЕСЛИ(H3>=25; «Z»; «Y»))

В нашем случае Н3 – это ячейка со значением вариации для первого товара.

Какие выводы позволяет сделать

Теперь мы точно знаем: самые проблемные с точки зрения регулярности продаж – это номенклатурные позиции 2 и 5. А неизменно стабильный спрос на 1, 6, 8, 9 и 10.

Перейдем к следующему этапу, на котором совместим обе классификации.

Определение понятия «XYZ-анализ»

Эта разновидность рейтингового анализа помогает систематизировать продукт, основываясь на усредненном показателе стабильности реализации и отклонениях от него.

Процессуально, определяются коэффициенты варьирования для анализируемых признаков, характеризуется соотношение фактического значения и среднеарифметического (эталонного) за рассматриваемый период.

XYZ-анализ позволяет вычислить и рассчитать разницу в значениях опытных объектов (товарный портфель, клиентская база и др.) за рассматриваемые временные периоды, их отклонения от «эталонного» показателя.

В результате, возможно сделать заключение о динамике (продаж, например), оценить стабильность процесса, выявить наличие каких-либо отклонений, произвести систематизацию.

Последовательность проведения XYZ-анализа

Имеются некие данные продаж продукта за определенный период времени. Требуется понять, какие группы товара наиболее стабильны в продажах, в какие продукты следует вкладывать инвестиции, покупая их в первую очередь.

1. Высчитывается коэффициент вариации. Посчитать возможно несколькими способами. Первый – математически, вручную. По ряду данных (например, «Картофель») высчитывается среднее арифметическое значение. В нашем случае, несложно посчитать значение по данному продукту, равное 247. Дальше, находится величина отклонения ежемесячного значения реализации от «эталонного» 247, в процентах. Например, для января отклонение от эталона составит: 1-(240/247) = 2,83%. Также высчитывается значение для остальных месяцев. Среднее арифметическое коэффициентов отклонения и есть искомая величина итогового коэффициента вариации по продукту (например, «Картофель», 2,97% по полугодию).

1. Программно, в «Экселе», эти действия производятся с помощью функций. Для вычисления «эталонного» значения по ряду данных применяем функцию СТАНДОТКЛОНП. Синтаксис приведён на графическом фрагменте решения данной задачи, ниже. Таким же способом считаем коэффициент вариации для других продуктов.

1. Полученные коэффициенты вариаций ранжируются от меньшего значения к большему. В группе X находятся объекты с коэффициентом вариации от 0% до 10% — стабильные продажи, возможно более адекватно спрогнозировать их реализацию. Если отклонение составит от 10% до 25 % — это группа Y. Реализацию продуктов этой группы сложнее спрогнозировать, но этот параметр показывает некоторые отклонения (например, сезонность продукта). Группа Z характеризуется нерегулярным потреблением, отсутствием каких-либо тенденций и показывает коэффициент вариации более 25 %. Синтаксис эксель-формулы приведён в примере ниже:

В практике, продажи и доходность испытывают на себе воздействия многих факторов: сезонность, частоту цикла поставок, изменения ценообразования, маркетинговые активности, прочие факторы. Все это, с различными последствиями, резонирует в результатах продаж, приводя к высокой волатильности коэффициента вариации. Данным XYZ-анализа можно доверять в случае, если рассматриваемый период времени достаточно продолжительный. Величина оборачиваемости товара (в днях) должна быть существенно меньше (в разы) длительности анализируемого временного отрезка.

Ключевые финансовые показатели

Показатель	Сравнение показателей за 2019 год
с отраслевыми(62.01 «Разработка компьютерного программного обеспечения», 5,11 тыс. организаций с выручкой 10 — 120 млн. руб.)	с общероссийскими(554 тыс. организаций с выручкой 10 — 120 млн. руб.)
1. Финансовая устойчивость
1.1. Коэффициент автономии (финансовой независимости)	0,55	0,29
1.2. Коэффициент обеспеченности собственными оборотными средствами	0,5	0,2
1.3. Коэффициент покрытия инвестиций	0,6	0,4
2. Платежеспособность
2.1. Коэффициент текущей ликвидности	1 2,2	1 1,4
2.2. Коэффициент быстрой ликвидности	1 2	1 1
2.3. Коэффициент абсолютной ликвидности	0,4 0,5	0,4 0,1
3. Эффективность деятельности
3.1. Рентабельность продаж	9,4% 8,7%	9,4% 3,9%
3.2. Норма чистой прибыли	3,7% 5,5%	3,7% 2,1%
3.3. Рентабельность активов	36,4% 18,2%	36,4% 6%
Итоговый балл	-1,2Финансовое состояние организации значительно хуже среднего по отрасли.	-0,4Финансовое состояние организации хуже среднего по РФ.

Графический метод АВС-анализа — метод касательных

Графический метод АВС-анализа по касательным включает в себя следующие шаги:

1. Определить цели анализа.
2. Определить объекты и факторы анализа.Примечание. Объекты и факторы, используемые в приведённых ниже примерах, являются, по сути, абстракциями. В реальных задачах АВС-анализа объектом может быть наименование товара, товарная группа или подгруппа, клиент, поставщик и т.д. В качестве фактора, как правило, выступает выручка, количество продаж и др.
3. Собрать и подготовить данные для АВС-анализа.
4. Отсортировать набор данных в порядке убывания значения фактора.
5. Рассчитать следующие параметры, необходимые для построения кривой Парето:
   • рассчитать долю фактора каждого объекта в общей сумме факторов;
   • рассчитать кумулятивную сумму долей факторов объектов.
6. Произвести построение кривой Парето на основании полученных значений кумулятивной суммы. На оси абсцисс отложены объекты анализа, а по оси ординат — значения нарастающего итога доли факторов объектов в общей сумме значений факторов.
7. Отметить на кривой Парето точки О и К.
8. Провести отрезок из точки О в точку К.
9. Определить на кривой Парето точку M, используя метод параллельного переноса, либо построение нормали к точке, в которой касательная к диаграмме параллельна отрезку ОК.
10. Отнести к группе А объекты, лежащие слева от проекции точки М на ось абсцисс.
11. Провести отрезок из точки М к точке К.
12. Определить на графике АВС-кривой точку N, в которой касательная к графику параллельна отрезку MК.
13. Отнести к группе В объекты, лежащие слева от проекции точки N на ось абсцисс.
14. Отнести к группе С объекты, лежащие справа от проекции точки N на ось абсцисс.

Результатом анализа будет разделение объектов по группам A, B и C (рисунок 1).

Рис. 1: Результат АВС-анализа методом касательных

XYZ анализ ассортимента продукции. Формула расчета

XYZ-анализ ассортимента заключается в группировке товаров по трем группам на основе изменчивости их продаж за прошлые периоды. Для проведения анализа необходимо осуществить следующий последовательный алгоритм.

На первом этапе осуществляется расчет коэффициента вариации объема продаж (уровня спроса) по каждой товарной группе. Изменчивость продаж оценивается с помощью коэффициента вариации. Формула расчета коэффициента вариации представляет собой отношение стандартного отклонения к математическому ожиданию объема продаж. Формула имеет следующий вид:

где:

σ – стандартное отклонение объема продаж;

x_i – объем продаж в период в i-й период;

n – количество рассматриваемых периодов продаж товаров;

х* – среднеарифметическое значение продаж товаров.

Смысл коэффициента вариации заключается в оценке процентного отклонения объема продаж от среднего значения. Чем больше показатель вариации, тем менее устойчив объем продаж данного вида товара.

На втором этапе производится сортировка ассортимента продукции по значению коэффициента вариации и классификация товаров по трем группам – XYZ на основе значений коэффициента вариации.  В таблице ниже показан критерий оценки и экономическое описание для различных групп товаров.

Группа	Коэффициент вариации	Характеристика класса
Группа «X	0<V<10%	Товары с наиболее устойчивыми объемами продаж
Группа «Y	10%<V<25%	Товары с прогнозируемыми, но изменчивыми объемами продаж
Группа «Z	V>25%	Товары, обладающие случайным спросом

ABC-анализ по накопительному проценту

Итак, у нас есть товары, которые сгенерировали нам какую-то прибыль за период проведения анализа. Сначала мы сортируем эти товары по значению критерия от большего к меньшему. Далее наша задача понять, какой процент критерия обеспечивает каждый товар.

Например (изображение выше), товар 9 обеспечил 37% прибыли, которую мы получили от 10 товаров. Мы посчитали сумму по прибыли (она не выведена в таблицу) и поделили 550 на эту сумму. И так по каждому товару определяем, какой процент по выбранному критерию он обеспечивает. После этого мы просчитываем накопительный процент. Например, товары 9 и 7 обеспечивают 71% прибыли, товары 9,7 и 3 обеспечили 79% прибыли и т.д.

Дальше нам необходимо подобрать границы отнесения товаров к определённой группе. Выбираем критерии и делаем. В основе нашего примера – классический принцип Парето. 

• Группа А – товары, которые принесли нам 80% прибыли.
• Группа В – товары, которые обеспечили 15% прибыли.
• Группа С – товары, обеспечившие 5% прибыли.

 
Недостатки анализа по накопительному проценту:

• Сами выбираем границы, а значит, есть риск ошибиться. При любых изменениях в системе управления запасами, какие-то жёсткие границы не всегда работают. В том году принцип «80-15-5» у вас работал отлично, а в этом году – нет.
• При таком методе анализа товары с близкими значениями параметров могут попасть в разные группы. Сравните характеристики прибыли товара 3 и 6 на изображении выше.

Если мы проводим АВС анализ, чтобы применять какую-то определённую политику к каждой группе товара, а у нас товары с близкими параметрами попадают в разные группы, могут возникать проблемы с интерпретацией результатов и дальнейшие сложности с системой управления товарными запасами.

Вся суть XYZ-анализа в одном примере

Для XYZ-анализа нам понадобится статистика по продажам за несколько месяцев. Смысл метода — понять, насколько устойчив спрос на товар в разные периоды. 

Для примера возьмем тот же условный магазин канцтоваров, по ассортименту которого ранее делали АВС-анализ. 

Таблица с первичными данными у нас примет такой вид ↓

Исходные данные для XYZ-анализа

Теперь задача — посчитать коэффициент вариации. Он показывает, как меняется объем продаж по каждому товару от месяца к месяцу. В голове этого делать не надо — умная электронная табличка сама всё знает. От нас требуется только задать формулу:

Коэффициент вариации = СТАНДАРТОТКЛОНП ()/СРЗНАЧ().          В скобках указываем диапазон ячеек с данными о продажах по каждому товару. Например, (B3:H3).

А теперь самое главное — сортируем товар по группам согласно коэффициенту вариации:

• 0-10% — группа X, товары с самым устойчивым спросом
• 10-25% — группа Y, середнячки. 
• 25+% — группа Z, товары со случайным спросом. 

И вот, что у нас получилось ↓

Результаты XYZ-анализа. Товары распределились по группам по мере увеличения колебаний спроса по месяцам

Самый устойчивый спрос на тетради в линейку, маркеры, авторучки, тетради в клетку и общие тетради. Коэффициент вариации по ним — в пределах 10%. И все они — наши лидеры, группа X.

Нотные тетради попали с коэффициентом вариации 20,66% в группу Y — середнячки.

Всё остальное — аутсайдеры из группы Z с коэффициентом вариации больше 25%.