Эли Шрагенхайм в своем блоге опубликовал пост, посвященный очень важной теме: работе с управление буфером запасом в условиях сезонности.

Не готов поделиться собственным отношением, есть что обдумать, некоторые моменты вызывают потенциальные негативные ветви, но не очень серьезные. Момент, который мне показался важным: не забывать, что время пополнения во время высокого сезона может растягиваться. Это важно помнить, что все решения по обеспечению наличия не работают, если у компании существует внутреннее ограничение мощности!!!

Что вызвало сомнение: создание избыточных запасов без изменения целевого уровня буфера. Сознательный уход в овербуфер, может вызвать проблемы с расхолаживанием людей, когда у тебя появляются «голубые» запасы и объяснение: а это мы к сезону готовимся. Я бы предпочел все-таки в этом случае заранее увеличить уровень буфера, настолько, чтобы создать этот избыток, а потом его снизить. Но это сугубо ИМХО.

В общем, читайте, размышляйте, комментируйте.

В любом случае, Эли раскрывает ключевые моменты многих решений.

Как обычно, ссылка на оригинал и картинка из поста автора.

Ваш Дмитрий Егоров

Общая парадигма состоит в том, что единственное направление действий, необходимое при столкновении с сезонностью, — это обновление размера буферов в соответствии с прогнозом роста спроса. Предположим, что целевой уровень буфера для SKU1-  100, и ожидается, что спрос в сезон вырастет на 100%, то нужно выполнить простое действие – увеличить буфер до 200.

НА САМОМ ДЕЛЕ?

Обеспечивает ли это увеличение буфера отличное наличие SKU1 в течение сезона?

Основная ошибка вышеупомянутой парадигмы – это предпосылка, что время пополнения во время сезона остается тем же. В слишком большом количестве случаев это просто неверно.

Что влияет на время пополнения? Мы знаем множество ошибочным политик, которые растягивают время пополнения, но когда мы убираем все эти политики, у нас по прежнему остается одна переменная, имеющей значительное влияние: объем избытка мощности в самом слабом звене. Мы знаем, что когда фактическая загрузка достигает 100% доступной мощности всего для одного звена, тогда время пополнения взлетает до небес. Демонстрацию этого эффекта можно попробовать на простых симуляциях.

Могут ли дистрибьюторы  возложить на плечи поставщика всю ответственность за быстрое пополнение во время сезона? Конечно могут, каналы распределения обычно – это большая горилла, которая диктует правила бизнеса. Однако, что случится, если на самом деле это не сработает?

Прежде, чем мы продолжим, давайте проверим, какие характеристики «сезона» могут повлиять на решение. Я предпочитают различать два разных «сезона».

Первый – это значительный пик спроса в течение очень короткого времени, из-за праздника или общественного события. Короткое время означает – меньше, чем время пополнения. Без возможности пополнения базовый подход ТОС бесполезен.

Второй тип – длинный пик, в течение которого возможно достаточное количество заказов на пополнение, обеспечивая прекрасное наличие без поддержания слишком большого запаса на складе.

Это то, что понимается под сезоном в этой статье.

Как нам узнать время пополнения во время сезона?

Мой довод следующий: мы не можем знать это априори, учитывая, что предполагается значительное увеличение загрузки самого слабого звена, а также и следующих по уровню загрузки ресурсов. В реальности мы не можем получить надежную математическую функцию, которая достаточно хорошо бы предсказывала продолжительность цикла производства[i], учитывая реальную загрузку взаимодействующих ресурсов и внутренние политики организации, влияющие на поведение.

Что можно сделать, так это предпринять действия, чтобы обеспечить достаточную защитную мощность на производстве даже в сезон, чтобы удерживать время пополнения близким ко времени вне сезона. Существует два способа снизить загрузку во время сезона:

1. Сократить ширину ассортиментной линейки[ii] во время сезона. Это сокращает количество переналадок и требует меньших общих запасов во время сезона.
2. Подготовить большой запас нескольких высоко оборачиваемых номенклатурных единиц[iii], чтобы в потенциале покрыть весь спрос в течение сезона.

Мое наблюдение состоит в том, что большинство организаций предлагает слишком широкую ассортиментную линейку. Тема слишком большого разнообразия разбиралась в предыдущем посте. [Предыдущий пост был посвящен многозадачности и вниманию менеджмента, я не уверен, что Эли имеет в виду его — Д.Е.]  Здесь вопрос в том, что дистрибьюторы должны стремиться сокращать предлагаемое разнообразие, по крайней мере, в течение сезона, когда вполне ясен вред от общих слишком высоких запасов, в то время как компания страдает от серьезной нехватки товара.

Второй способ гораздо более радикальный, чем просто увеличение буфера. Задача состоит в высвобождении мощности, чтобы быть способным быстро пополнять всю остальную ассортиментную линейку.  Выбор SKU для создания запаса, высвобождающего мощности, должен учитывать такие параметры, как низкий уровень колебаний спроса и хороший спрос после окончания сезона, что позволит продать оставшийся запас. Обычно быстро продающиеся позиции лучше соответствуют этим критериям.

Как уже упоминалось, дистрибьюторы должны рассматривать  проблему нехватки мощности у поставщиков, как относящуюся к их собственной Стратегии. Конечно, любое изменение в ассортиментной линейке требует прямого диалога между поставщиком и дистрибьютором. Если поставщику все равно может не хватить мощности, чтобы обеспечить хороший уровень наличия в течение сезона, дистрибьюторам следует поддержать поставщика, в его риске производства слишком большого запаса некоторых товаров, например, взяв на себя обязательство продать некоторое количество за период сезона.

Производство запасов для использования во время сезона НЕ означает, что целевой уровень буфера должен быть настолько повышен! Если избыточный запас создается для высвобождения мощности, тогда уровень запасов умышленно поднимается выше целевого уровня. Только если общий уровень запасов в системе опускается ниже целевого уровня буфера – требуется пополнение.

Таким образом, при подготовке к сезону могут быть приняты два различных решения:

1. Установить новый целевой уровень буфера, необходимый, чтобы обеспечить больший уровень продаж за то же время пополнения.
2. Выбрать несколько видов товара и количество, которое должно быть произведено до начала сезона. Количество должно опираться, по меньшей мере, на пессимистическом прогнозе продаж в сезон. Должна быть высвобождена общая мощность, достаточная для поддержания неизменным время пополнения.

Еще один момент, который следует помнить: сокращение целевых уровней буферов к первоначальному уровню за один период пополнения до ожидаемого конца сезона!

Вы, конечно, не хотите пополнять запас перед тем, как спрос начнет снижаться. Обратите внимание, Динамическое управление буфером слишком медленно, чтобы отработать на старте и конце сезона. Предсказание изменения в тенденция продаж должны осуществляться на основе интуитивного прогнозирования. Математическое прогнозирование сезонности возможно только при наличии данных за несколько прошедших лет, в течение которых рынок не менялся.

Промо-акции – это самоинициированная сезонность. Их продолжительность обычно короче, чем сезон и продолжительнее, чем пик, вызванный событием. Пост, посвященный промо-акциям будет в скором будущем.

[i] В тексте «lead-time» — прим. переводчика

[ii] В тексте «producy-mix» — прим. переводчика

[iii] В тексте «fast movers» — прим. переводчика

Приветствую всех!
На прошлой неделе, Эли опубликовал свои мысли по поводу наиболее общих проблем, с которыми сталкиваемся в процессе управления цепями поставок. Он обращает внимание на внутренний конфликт лиц, принимающих решение о внедрении изменений.

Вообще, в дискуссиях о внедрении решений  ТОС, часто сходятся на том, что одно из основных препятствий — это необходимость изменения общепринятых парадигм действий. И Эли уже не в одной публикации обращает внимание на личные дилеммы ЛПР.

В общем, читайте, комментируйте.

Как обычно, ссылка на оригинал и картинки из поста автора.

Ваш Дмитрий Егоров

Улучшение цепи поставок касается двух различных областей:

1. Улучшение эффективности нашей организации, за счет улучшения как потока для наших клиентов, как и потока поставок от поставщиков.
2. Улучшение общей эффективности всей цепи поставок, проходящей через множество различных организация до конечных пользователей конечного продукта/услуги.

Мое предположение, что первое, относительно локальная точка зрения на цепь поставок, — это современный общепринятый фокус значительных улучшений. В нем уже содержаться некоторые мысли и видение по поводу того, как это улучшение повлияет на общую цепь поставок, особенно, если оно касается как поставщиков, так и клиентов организации.

Долгосрочное видение всей цепочки поставок, разработанное Эли Голдраттом, заслуживает отдельного поста в ближайшее время. Давайте сфокусируемся на вызову по улучшению бизнеса для одного звена цепи поставок. Обычно в организации есть разные продукты для разных клиентов. Она также должна поддерживать хорошие отношения с различными поставщиками. Часть ценности, создаваемой организацией, зависит от воспринимаемой ценности продуктов, их качества и уровня из использования клиентами. Основной момент – это размер целевого рыночного сегмента, которому действительно нравится конечный продукт. Другая критически важная часть ценности – это качество выполнения заказов[i] клиентов. Она полностью зависит от управления потоком.

Что блокирует поток продуктов от соответствия подлинным желаниям рынка?

Одно из двух ключевых препятствий на пути быстрого потока – это создание партий, что означает группировку множества изделий и их совместная обработка при перемещении от одного рабочего места к другому. Естественно, что каждая партия обслуживает множество клиентов. Создание партий – центральный объект атаки со стороны Lean, называемого «точно вовремя» (Just-in-Time), в стремлении подойти как можно ближе к идеи потока из одного изделия.

Создание партий обусловлено или длительными переналадками или определенными ресурсами, которые обрабатывают партию целиком, например – печи или транспортные средства. Одно из средств Lean – это значительное сокращение размера партий за счет сокращения времени переналадки. Другая мера – это использование большего количества ресурсов с меньшей мощностью, например, небольшие грузовики для частой доставки. Наиболее распространенное возражение, что эти меры приведут к увеличению затрат.

Другое ключевое препятствие для потока – это недостаточная мощность, что приводит к длительному времени ожидания. Первое препятствие – создание партий, совершенно явно влияет на второе – нехватку мощности. Если партии меньше, то больше мощности тратиться на дополнительные переналадки, что выглядит как затраты, расходуемые впустую. ТОС четко показывает, что это необязательно так.  Но, конечно, возможно, что слишком большое количество переналадок превратить ресурс не-ограничение в бутылочное горлышко, вызывающее очень большие задержки.

ТОС обладает правильными инструментами для работы с этими препятствиями и, таким образом, поддерживать хороший поток, не становясь излишне ортодоксальными, чутко управляя мощностью и учитывая реальное влияние на затраты и спрос.

Эти два препятствия кажутся большой проблемой из-за своего влияния на поток продуктов и услуг и, таким образом, на цель организации. Но, если мы внимательно посмотрим на цель, то увидим, что существует еще более критическое препятствие, которое так осложняет жизнь всех менеджеров.

Необходимость справляться со значительной неопределенностью спроса

Связь с управление потоком мы скоро проанализируем. А пока давайте поймем методы, с помощью которых справляются с неопределенностью в общепринятых управленческих практиках.

Обычный способ, которым большинство бизнесов справляются с неопределенностью, — это использование прогнозов для предсказания будущего. Проблема прогнозов в том, что они, в лучшем случае, дают неполную информацию. В Теории вероятности каждое стохастическое поведение должно быть выражено, по крайней мере, двумя параметрами. Наиболее распространены ожидаемое «среднее» и стандартное отклонение.  Методы прогнозирования используют прошлые результаты плюс предыдущие прогнозы для того, чтобы создавать оценку средних результатов и «ошибки прогноза», которая оценивается как равная стандартному отклонению для предстоящего прогноза. Большая проблема использования прогнозов в том, что при оценке спроса на много недель вперед, «ошибка прогноза» становится размытой. На самом деле само использование понятия «ошибка прогноза» —  проблематично, потому что, в случаях, когда ошибка прогноза относительно велика, например, когда вы формируете недельный прогноз для одной SKU в одной точке потребления на три месяца вперед, то бремя принятия решения для ЛПР становится большим. Притвориться, что прогноз точно определяет спрос, кажется хорошим решением.

В современной практике доминирует личный страх каждого ЛПРа, что будет доказана его ошибка. Обычное возражение – это то, что прогноз был ВЕРНЫМ, а вот исполнение – ошибочным, дает возможность обвинить кого-либо другого.

В реальности прогноз в каждой конкретной географической точке колеблется значительно больше, чем общие запасы. Другой осложняющий фактор – уровень неопределенности резко возрастает с удалением во времени.  Чем более длинный горизонт понедельного/помесячного прогноза спроса, тем выше неопределенность. Недельный прогноз на горизонте год может вообще не соответствовать реальности,  в силу появления новых продуктов и/или отличающейся экономической ситуации.

Практическое следствие для любой цепи поставок – это то, что звенья, находящиеся выше по цепи, сталкиваются с значительно более трудными решениями, что производить и в каком объеме применительно к каждому конкретному товару. Это связано с тем, что время с момента принятия соответствующего решения, что производить, и фактическими продажами конечного продукта, относительно велико, что означает высокий уровень неопределенности.

Если бы реальность была бы детерминированной, то два препятствия для потока, о которых мы говорили, не имели бы значения, и оптимальное решение для использования мощности и оптимальных партиях могло бы быть получено в результате хорошего, но достаточно обычного, программного алгоритма. Конечно, это не наша реальность.

Необходимо основательно понять одно важное открытие:

Вместо улучшения прогноза, которое может быть невозможным или очень незначительным, возможно улучшить поток по всей цепи поставок для быстрой реакции и адаптации к фактическому спросу!

Даже при условии быстрой реакции на фактически спрос, нам необходимо быть уверенным, что у нас в наличии или в цепи поставок – достаточный запас, чтобы отреагировать на спрос в моменте. Кажется невозможным из за неопределенности определить точный объем запаса, но мы можем предложить достаточно хорошую оценку и адаптировать ее, основываясь на фактическом поведении.

Оценка правильного объема запаса – это разновидность ПРОГНОЗА! Но нам нужно быть достаточно разумными в том, как мы используем неполную информацию, чтобы предложить достаточно хорошую оценку того, какой объем запаса держать в системе. В ТОС исходная посылка состоит в том, что спрос завтра будет примерно таким же как сегодня до тех пор, пока мы не получаем сигнал, что это может не соответствовать реальности. Таким образом, нам нужно быть рациональным при анализе сигналов, что текущий уровень запасов может быть НЕВЕРНЫМ. Не существует действенного способа определить точное значение, и то, что мы слегка «ошибаемся» не имеет значения, если поток реагирует на фактический спрос достаточно быстро.

Таковы общие ключевые открытия ТОС в управлении цепями поставок. Процедуру следует детализировать, но это совершенно точно выходит за рамки этой публикации.

Вопрос, который по-прежнему вызывает сложности:

Действительно ли «достаточно» достаточно для организации, которая ценит оптимизацию?

В сознании большинства ключевых менеджеров в области управления цепями поставок существует странный конфликт. С одной стороны, они признают необходимость импровизации, потому что все всегда меняется. Руководители производства совершено точно привыкли импровизировать. Для этого требуется соответствующая инфраструктура, например – достаточный запас или доступная мощность для внезапных изменений. С другой стороны, менеджеры знать, что импровизация означает дополнительные затраты на поддержание гибкости, и такой подход не может быть оптимизирован, и даже хуже, это рассматривается как очень далекое от лучших современных практик. Страшно идти против общепринятых лучших практик, и каждый менеджер, чья карьера зависит от суждения других, например, его босса или Совета директоров, боится делать что-либо отличающегося о того, что все воспринимают как «правильное».

Вот «туча» конфликта:

На самом деле, правила ТОС по работе с неопределенностью не требуют частых импровизаций, а просто следованию здравому смыслу и принимать решения на относительно коротких отрезках времени, что дает быстрый поток, которым менеджмент в состоянии управлять.

Такая работа с неопределенностью в глазах рынка дает преимущество перед большинством конкурентов, что может привести к созданию очень успешного бизнеса.

Подходы ТОС ставят под сомнение необходимость «С» для достижения цели в приведенной «туче». Разрешенный конфликт может выглядеть следующим образом:

Естественный страх поступать вопреки общепринятым практикам можно преодолеть с помощью запуска «подтверждения концепции» (пилотного проекта – Д.Е.). Должно быть достаточно хорошее «подтверждение» и, одновременно, ограниченным по масштабу, чтобы даже неудача не привела к слишком большим воспринимаемым потерям. Последний пост про «доказательство концепции»: https://elischragenheim.com/2017/02/26/looking-for-the-right-pilot-as-proof-of-concept/

Русская версия

[i] В тексте «delivery» — прим. переводчика

Сколько бы ни было подходов, какие бы инструменты прогнозирования не использовались, а проблемы с наличием как были, так и остаются.

При этом одна из основных проблем с наличием — это то, что покупатель даже ничего вам не скажет, а просто уйдет недовольный. Раз уйдет, два уйдет, а потом ваша торговая точка в лотерее участвовать уже не будет. А потом будут жалобы на кризис, «неспортивное поведение» конкурентов и т.п.

В опубликованном вчера переводе публикации из поста Эли Шрагенхайма, он вскользь упоминает о том, что «физические» магазины — традиционная розница, не собирают необходимые данные, чтобы лучше понимать покупателей и, в том числе и поэтому, проигрывают онлайн площадкам.

Но, что радует, так это то, что и розница осознает важность обеспечения постоянного наличия. За последние пару месяцев, лично у меня были проблемы с приобретением предпочитаемых мною товаров — наличия не было обеспечено. И вот в выходные, опять не найдя нужный мне товар, обратил внимание на бумажку, закрепленную вместо ценника:

Обратите внимание, что здесь отражена информация о том, по чьей вине произошел факт отсутствия, когда товар закончился и когда ожидается поступление. Хоть и слабое, но извинение 🙂

Напомню тем, кто знает, и скажу тем, кто не знает, что в рамках ТОС эта проблема уже решена как на методическом, так и на техническом уровне. Например, программный продукт NET Stock, соавтором которого я являюсь, и предназначен для того, чтобы по максимуму исключать такие ситуации.

Тем обиднее, для меня регулярно натыкаться на подобные ситуации сток-аутов, ведь задачка-то решается совсем не сложно…

Может попытаться перестать бегать по проинвентаризированным и пронумерованным граблям? Или это ни с чем не сравнимое удовольствие?

P.S.: В конце декабря 2018 года вышла в свободную продажу моя книга, в которой я впервые насколько мог детально изложил решение Теории ограничений по управлению наличием в цепях поставок:

В управлении запасами в цепочках поставок «зарыт» огромный потенциал. Результаты проводимых диагностик показывают, что потери в виде упущенных продаж или излишков на складах в более, чем половине обследованных компаний, достигают размеров готовой прибыли компании. И использование этого потенциала чаще всего не требует дополнительных инвестиций, достаточно изменить правила и процедуры принятия решений о размере и периодичности формирования заказов. Система стабилизируется за промежуток в три-пять циклов.

Часто на встречах и переговорах с клиентами возникает вопрос: а чем собственно предлагаемое решение по управлению запасами (и даже шире – по управлению наличием сырья, материалов, товарами и готовой продукции) отличается от тех, которым обучаются логисты в институтах и которые широко распространены и даже являются частью тиражных программных продуктов.

Вот, например, что обещает своим клиентам 1С:

С помощью рабочего места Формирование заказов по потребностям пользователь программы может рассчитать текущую потребность в товарах, исходя из заданных методов обеспечения по этим товарам:

• при методе заказ под заказнеобходимое количество товаров будет рассчитано только для обеспечения потребности по заказам.
• при методе поддержание запаса (min – max) программа будет предлагать обеспечить заданное максимальное количество товаров при каждом снижении остатка до заданного минимума.
• при методе поддержание запаса (расчет по статистике) программа будет прогнозировать расход товаров согласно рассчитанному по статистике среднедневному потреблению. В дни, когда остаток товаров снизится до уровня, необходимого на срок пополнения запаса, автоматически будет предложено пополнить запас товаров.
• при методе поддержание запаса (расчет по норме) программа будет вести себя аналогично предыдущему методу, но вместо рассчитанного среднедневного потребления будет использоваться дневная норма потребления, заданная пользователем.

Взято здесь: http://v8.1c.ru/trade/purchase/generate.htm

Как рассказать об основных отличиях людям, которые не знают о Теории ограничений или относятся к подходам Теории ограничений со скепсисом?

Я не являюсь миссионером Теории ограничений и не имею цели пропагандировать Теорию ограничений как панацею. Я выбрал решения, практичность и эффективность которых, во-первых, мне понятна, а во-вторых, проверена мной на практике.

Как коротко и доходчиво объяснить практическую ценность, не сваливаясь в «сектантские» заклинания: «Это самая прогрессивная методика, лучшая в мире, просто поверьте мне!!!»

В процессе практики переговоров у меня сформулировались следующие отличия:

Отношение к прогнозу

Для традиционных походов

Прогноз является входящей информацией. Как сказал мне преподаватель курсов, входящих в сертификационный курс APICS: «Отдел маркетинга должен вам дать надежный прогноз…» То есть прогноз потребления или продаж должен подготовить кто-то другой и эти данные являются входящей информацией. При этом часто совершается типичная ошибка: передается только прогнозное значение, а величина ошибки пользователю или не сообщается (чаще всего), или игнорируется пользователем (тоже нередко).

Люди, которые делают прогнозы, прекрасно понимают ограниченность своих возможностей по предсказанию, а вот люди, которые эти прогнозы используют, почему-то забывают, что любой прогноз обладает «встроенной» ошибкой.

Для предлагаемых решений

Будучи начинающим практиком, я попал в ловушку впечатления, что в рамках решений «дистрибьюция/закупки/производство для обеспечения наличия», прогноз не используется.

Потребовалась практика внедрения не одного проекта, чтобы понять, что это не так. В предлагаемых решениях прогноз встроен в методику и, более того, является самоуточняющимся. Целевой уровень буфера – это и есть прогнозное значение, а механизм динамического управления буфера – это механизм постоянного уточнения прогноза. Для ситуации регулярного потребления, участие внешних подразделений в процессе прогнозирования не требуется. От сотрудников не требуется специальных знаний по методам статистического прогнозирования.

Но они обязательно нужны для предоставления информации о внешних возмущениях.

Горизонты прогнозирования

Для традиционных подходов

Горизонт прогноза, как правило, длительный от одного месяца и, вследствие этого, в повседневной деятельности, как правило, эти прогнозы бесполезны. Кроме того, для всех очевидно, что чем длиннее горизонт прогнозирования, тем больше ошибка прогноза. А чем больше ошибка прогноза, тем больше разброс дают системы уравнений, используемых в моделях.

Для предлагаемых решений

Горизонт прогноза – надежный период пополнения (он, как правило, больше срока поставки). Соответственно, выше точность прогноза и меньше ошибка.

Частота уточнения прогнозов

Для традиционных подходов

Обычно это один раз в месяц, а иногда, и раз в квартал. Это объясняется трудоемкостью и сложностью моделирования.

Для предлагаемых решений

Несколько раз за надежный период пополнения. Строго говоря, частота ограничена частотой запуска процедур Динамического управления буфером, ничего не мешает делать это ежедневно.

Использование статистики в прогнозе

Для традиционных подходов

Как правило, это использование тех или иных вариантов математического ожидания (среднее арифметическое, среднее взвешенное, медианные значения) и показателей разброса (дисперсии и стандартного отклонения).

Это классические показатели матстатистики, которые все изучали в институтах. Но здесь есть одно «но…». Как писал бессмертный классик: «мы все учились понемногу, чему-нибудь и как-нибудь…»

Давайте вспомним, что показатели дисперсии и стандартное отклонение используются в случае нормального распределения. Но с чего вы взяли, что в вашем случае функция распределения вероятности не имеет другой формы? Ведь у подавляющего числа компаний не найдется даже 30-ти сопоставимых наблюдений (например: 30 объемов продаж конкретного SKU за декабрь месяц в сопоставимых условиях)!!!! Каждое наблюдение является уникальным и сильно ограниченно сопоставимым. Каждое случайное событие может очень сильно изменить эти показатели.

Еще на один момент хотелось бы обратить внимание: среднее, как правило, делит массив на две части: 50% вероятность того, что результат будет ниже среднего и 50% — что выше среднего. Причем насколько выше или ниже, не зная формы распределения мы предсказать не можем!!!

А потому, с вероятностью 50 на 50 нам или не хватит запасов или образуются излишки. Знакомо? 🙂

Для предлагаемых решений

Отличительной чертой решений Теории ограничений является признание того, что «Мэрфи существует». Поэтому в прогнозировании используются максимальные показатели, но за счет частоты пополнения, этот объем не просто лежит на складе и ждет, следующего заказа, а постоянно находится в движении. Поэтому вероятность нехватки товара при правильном использовании – не более 5%, а излишки исключены механикой формирования заказов.

Строго говоря, излишки могут возникнуть только в процессе Динамического управления буфером, при снижении целевого уровня буфера, т.е. в результате уточнения прогноза. Но в этом случае, система прекратит заказы сразу в момент пересмотра Целевого уровня буфера.

Детальность управления

Для традиционных подходов

Как правило, используются агрегированные показатели по складу или номенклатурной группе. Как следствие, имеем большой разброс показателей для конкретных SKU относительно средних показателей по складу. Чаще всего картина выглядит так: средняя оборачиваемость склада – 30 дней, но какой-то номенклатуры нет или на 2-3 дня, а какой-то на 100-200 дней продаж.

В одной диагностике, я обнаружил номенклатурную единицу на 6209 дней продаж, и это была не вновь купленная позиция!!!!

В особо запущенных случаях, используются агрегированные оценки по группе складов или цепочке движения товаров.

Агрегированные показатели очень хороши для оценки финансового состояния компании, но слишком грубы для ежедневного принятия решений линейными менеджерами.

Для предлагаемых решений

Управляется каждая номенклатурная единица на каждом складе (месте хранения). Соответственно, и уровень наличия и оборачиваемости управляются для каждой SKU, а значит и разброс оборачиваемости относительно среднего значительно меньше.

Скорость и точность реакции

Для традиционных подходов

Обычно используется система предварительных заявок подразделений, на которые перекладывается ответственность за «качество заявки». Поэтому скорость и точность обычно невысока из-за транзакционных издержек.

Для предлагаемых решений

Не требует специальных заявок, за исключением нестандартных случаев. Минимум необходимой информации от обеспечивающих подразделений. Транзакционные издержки минимальны, что определяет более высокую скорость и точность реакции.

Влияние на материальные и финансовые потоки

Для традиционных подходов

Как правило, товарно-материальные ценности двигаются крупными партиями, соответственно, появляется необходимость в периодических крупных платежах и накоплении денежных средств, что создает «тромбы» как материальном, так и финансовом потоке

Для предлагаемых решений

Поток движения товарно-материальных ценностей и финансов ровный, небольшими по размеру транзакциями.

Все это я собрал в таблицу:

А вот как об этом я рассказываю на семинаре и в видеокурсе:

Сайт программного продукта, поддерживающих эти решения: http://netstock.pro

Подробнее об управлении запасами в соответствии с Теорией ограничений в книге

На этой неделе Эли Шрагенхайм опубликовал пост, посвященный использованию компьютерных моделей при поддержке принятия решений.

Тема важная, но сейчас я не готов по ней высказываться. Но это же не повод не знакомить вас с переводами материалов Эли, правда? :))

Поэтому: читайте, размышляйте, комментируйте.

Как обычно, ссылка на оригинал и картинка из поста автора.

Ваш Дмитрий Егоров

P.S.: Переводил в промежутках между проектами и мероприятиями, за опечатки извиняюсь заранее :))

Мощности современных компьютеров открывают новые возможности для оценки множества идей на эффективность работы организации, принимая во внимание как сложность, так и неопределенность [ситуации и среды — ДЕ]. Эта потребность произрастает из общепринятого взгляда на организации и их связь с окружающей их средой, как обладающих неотъемлемой сложностью и подверженностью высокой неопределенности. Таким образом, любое решение, которое на какой-то момент времени казалось разумным, легко может привести к очень негативным результатам.

Одним из «столпов» ТОС является аксиома/уверенность в том, что каждая организация обладает внутренней простотой. На практике это означает, что лишь очень небольшое число переменных, действительно ограничивают эффективность организации, даже когда она находится в условиях значительной неопределенности.

Использование симуляций может заполнить разрыв между кажущейся сложной системой и выработки относительно простых правил, которые обеспечивают хорошее управление. Другими словами, их можно и нужно использовать, чтобы вскрыть простоту. Открытие простых правил особенно ценно во времена перемен, не важно, являются ли перемены результатом внутренних инициатив или вызваны внешними событиями.

Симуляции можно использовать для достижения двух различных целей:

1. Обеспечение понимания причинно-следственных связей в конкретных ситуациях и влияние на них неопределенности.

Это понимание достигается с помощью серии симуляций для выбранной, четко описанной среды, которая показывает значительные различия между различными решениями. Действенный обучающий симулятор должен доказать наличие четкого потока причинно-следственных связей, который связывает решение и результат.

Само открытие идей и концепций – это дополнительное подмножество возможностей обучающего симулятора. Оно требует возможности принятия множества различных решений в условиях, когда логика получения результата ясна.

1. Поддержка трудных решений с помощью детальной симуляции конкретной среды, которая позволяет пользователю задавать разнообразные параметры, которые отражают различные альтернативы, и дает возможность получить надежную картинку разброса результатов. Сложность в том, чтобы суметь смоделировать среду так, чтобы сохранить ее основную сложность и качественно отразить ключевые переменные, которые действительно влияют на эффективность [организации — ДЕ]

Свою карьеру в ТОС я начал с создания компьютерной игры (The ‘OPT Game’), которая была направлена на то, чтобы «научить менеджеров думать», а затем продолжил разрабатывать различные симуляторы. Хотя большинство симуляторов были предназначены для обучения ТОС, я разработал две симуляции конкретных сред, направленных на поиск ответов на конкретные вопросы менеджеров.

Мощность современных компьютеров стала такой, что задача разработки симуляторов, охватывающих большой объем переменных, которые могут быть адаптированы для различных сред и фактически поддерживать очень сложные решения, стала абсолютно решаемой. Мой опыт подсказывает, что библиотека базовых функций таких симуляторов должна быть разработана «с нуля», так как использование общих модулей, поставляемых другими разработчиками, делает симуляцию настолько медленной, что ею невозможно пользоваться. Многие свои решения менеджеры должны принимать очень быстро. Это значит, что информация, обеспечивающая эти решения, должна быть уже готовой и доступной. Быстрота – это одно из критически важных, необходимых условий для симуляторов, охватывающих большой объем переменных, чтобы они были эффективным инструментом поддержки принятия решений.

Др. Алан Барнард (Alan Barnard), один из самых известных экспертов в области ТОС, также является создателем симулятора для всей цепочки поставок. Он определил, что сначала менеджерам нужно убедиться, что новые общие политики ТОС в отношении потока продуктов, на самом деле будут хорошо работать. Но, также необходимо определить правильные параметры, такие как буферы и срок пополнения, и это тоже можно сделать с помощью симуляции.

Существует огромное разнообразие других типов решений, которые может поддерживать хороший симулятор, охватывающий большой объем переменных.  Базовая способность симуляторов – это отражать потоки, такие как поток продуктов в цепи поставок, материалов в производстве, поток проектов или потока входящих и/или исходящих денег. Моделируемый поток характеризуется своим узлами, политиками и неопределенностью. Чтобы быть в состоянии поддерживать решения, необходимо моделировать несколько потоков, взаимодействующих друг с другом. Только, когда поток продуктов, поток заказов, денег и мощности (приобретения мощности) моделируются все вместе, улавливается сущность все бизнеса в целом. Симулятор должен позволять достаточно быстро моделировать и легко добавлять новые идеи, такие как новые продукты, конкурирующие с уже существующими. Возникающая таким образом платформа для моделирования сценариев «что-если» позволяет оценить влияние идеи на финансовый результат организации.

Для многих решений внутренняя простота, как утверждал д-р Голдратт, дает возможность достаточно хорошо предсказать влияние предлагаемых изменений на финансовый результат. Экономика Прохода определяет процесс проверки новых идей, как расчет пессимистического и оптимистического влияния этой идеи на финансовый результат организации. Он опирается на способность достаточно хорошо рассчитать общее влияние на продажи и использование мощности, для того, чтобы предсказать итоговую разницу Дельта Т минус Дельта ОЕ.

Однако, иногда организация сталкивается с событиями или идеями, которые имеют более широкие последствия, вроде влияния на цикл производства или возникновения «эффекта домино», когда случайная конкретная неудача вызывает серию последующих неудач, в этом случае нужно применять более сложные методы поддержки решений. Такие дополнительные осложнения предсказания всех потенциальных последствий новой идеи могут быть разрешены без осуществления реальных изменений с помощью моделирования.  Моделирование – это единственная помощь при поддержке принятия решений, когда прямые расчеты оказываются слишком сложными.

Предположим, что моделируется относительно крупная компания, с несколькими производственными площадками в разных местах по всему миру, плюс ее транспортные линии, клиенты и поставщики. Все ключевые потоки, включая денежные транзакции и время их протекания, являются частью модели. Это обеспечивает инфраструктуру, где могут быть тщательно проанализированы различные идеи, касающиеся рынка, производства, инжиниринга и цепи поставок, и может быть предсказано их влияние на чистую прибыль. Когда вводятся новые продукты, то первоначальный уровень запасов в цепи поставок будет жестким, потому что он сильно зависит от прогноза. Каждое решение должно быть проверено исходя из оптимистических и пессимистических допущений, и, таким образом, менеджмент может принять чувствительное решение, которое принимает во внимание несколько экстремальных сценариев поведения рынка, чтобы найти решение, которое минимизирует убытки и дает достаточно большую потенциальную выгоду.

Такое моделирование может оказать огромную помощь, когда произойдет внешнее событие, которое  нарушает обычный образ действий организации. Например, предположим, что один из поставщиков пострадал от последствий цунами. Несмотря на то, что запасов достаточно на ближайшее четыре недели, необходимо как можно быстрее найти альтернативу, а также понять потенциальный ущерб от любых принятых альтернативных решений. С таким симулятором легко провести анализ сценариев «что-если», которые покажут финансовое воздействие каждой альтернативы.

Другие крупные отрасли, которые могут использовать крупные симуляторы для оценки различных идей, — это авиакомпании и судоходные компании. Ключевая проблема в осуществлении транспортных перевозок – не только в мощности каждого транспортного средства, ни и точное местоположение в конкретный момент времени. Любая задержка или поломка порождает эффект домино в отношении других задач и ресурсов. Проверка экономической целесообразности открытия новой линии должна включать и этот возможный «эффект домино». Конечно, использование транспортных средств, исходя из предположения, что они являются ограничением, должно быть целью проверки различных сценариев в процессе моделирования. Также могут  быть освещены и различные варианты динамического ценообразования, известного как yield-management.

Хотя выгоды могут быть действительно высокими, необходимо помнить о существующих пределах. Симуляторы основываются на исходных посылках, которые открывают дорогу манипуляциям или просто провалам. Давайте различать две различные категории причин неудачи.

1. Ошибки в коде и в данных параметрах. Это неудачи в результате ошибок в коде программного обеспечения для моделирования или ошибочные исходные данные, отражающие ключевые параметры, необходимые для моделирования.
2. Неудача модели в попытке охватить подлинную реальность. Невозможно смоделировать реальность такой, какова она является. Необходимо охватить слишком много параметров. Поэтому нам необходимо упрощать реальность и сфокусироваться только на тех параметрах, которые имеют или могут иметь при определенных обстоятельствах значительное влияние на эффективность. Например, будет безумием попытка детально смоделировать поведение каждого сотрудника. Однако, нам может понадобится охватить поведение больших групп людей, например: сегментов рынка и групп поставщиков.

Еще одним вызовом является моделирование стохастического поведения различных рынков, конкретных ресурсов и поставщиков. Когда не известна фактическая функция распределения (стохастическая функция), существует тенденция использовать обычные математические функции, вроде нормального распределения, Бета распределение или распределение Пуассона, даже если они не соответствуют данной реальности.

Таким образом, симуляции должны подвергаться тщательной проверки. Первый большой тест должен отражать существующее состояние. Действительно ли модель показывает существующее поведение? Поскольку для этого нужно иметь достаточно интуиции и данных для сравнения результатов моделирования с текущим состоянием, то это является критически важной вехой в использовании моделирования для поддержки принятия решений. Чаще всего в этом месте должны проявиться первые отклонения, которые возникают из-за ошибок кода и ошибок в исходных данных. Как только модель кажется достаточно надежной, необходимо провести дополнительные тщательные тесты, чтобы гарантировать ее способность предсказывать будущую эффективность при определенных исходных посылках.

Таким образом, хотя существует много моментов, где нужно быть осторожными в отношении моделирования, но еще больше выгоды можно получить от лучшего понимания влияния неопределенности и, за счет этого, повысить эффективность организации.

Эли Шрагенхайм опубликовал материал на тему использования логического анализа в повседневной практике и взял для анализа ситуацию с управлением наличием в магазинах.

Вопросы упущенных продаж возникают постоянно из проекта в проект. И всегда остается вопрос: какой экономический эффект даст внедрение решения по обеспечению наличия.

Мы всегда честно говорим, что это зависит от того, насколько покупатели привержены тем или иным товарам, а также исходного состояния управления запасами.

Мне кажется, что Эли дает пищу для размышления над этими вопросами, хотя, вроде бы, ничего сверхнового и революционного он не говорит.

Как обычно, ссылка на оригинал и картинки из поста автора, которые в этот раз пришлось перевести на русский.

Читайте, комментируйте.

Ваш Дмитрий Егоров.

Ясное выделение причин, лежащих в основе нежелательных явлений, а также интерес о том какие следствия, желательные или нет, будут вызваны предпринимаемыми нами действиями, было частью ТОС с самого ее начала еще в начале 80-х. В начале 90-х д-ром Эли Голдраттом были разработаны несколько структурированных процедур, представленные в формате причинно-следственных деревьев, которые называются Мыслительные процессы. Я думаю, что пришло время осознать достоинства и границы применения логических утверждений в форме «Явление А» является причиной «Явления В» для управления организацией.
Я получил степень бакалавра по математике, которая использует предельно строгую логику. В нашей повседневной практике мы используем логику как для выявления причин наблюдаемых нами явлений, таки для размышления о том, что произойдет, если мы предпримем определенное действие. Однако, непросто так использовать логику в повседневной жизни, потому что она сочетается с эмоциями, которые вносят путаницу в строгую логику. Даже если мы изо всех сил стараемся оставаться в рамках предписаний логики, мы сталкиваемся с несколькими препятствиями. Одним из них, является способность отличать предположения о причинах и следствиях и действительные причинно-следственные зависимости. Мы, безусловно, испытываем огромные трудности при работе со скрытыми исходными посылками, что означает мы не знаем, что причинно-следственные зависимости только предполагаются и, совершенно не обязательно, соответствуют действительности.
Реальность нечеткая и включает большое количество переменных, оказывающих то или иное влияние. Чтобы жить в такой реальности, нам нужно упрощать картину, которую мы удерживаем в голове. Мы это делаем с помощью игнорирования многих переменных, исходя из предположения, что их воздействие слишком мало, чтобы принимать его во внимание. Выбор того, что мы будем игнорировать, является частью базовых исходных посылок, лежащих в основе логики причинно-следственных связей.
Чтобы понять ценность и границы применения причинно-следственного анализа, давайте предпримем и оценим следующую попытку понять практичные логические аргументы.
Кажется логичным заявить:
Если «Мы улучшим наличие товаров на полке с 80% до 90%», то «Продажи вырастут».
Всегда ли это утверждение верно? Существуют ли недостающие условия, чтобы причинно-следственная зависимость была реальной? Даже если это верно, можем ли мы определить насколько увеличатся продажи?
Первоначальное логическое объяснение состоит в том, что у нас не хватает 20% товаров, спрос на которые неудовлетворен, поэтому мы упускаем продажи. Если эти 20% будут в наличии, они будут продаваться в соответствии с органическим спросом на них.
Это утверждение показано на простой диаграмме:

Правая сторона представляет собой первоначальное утверждение, к ней добавлены некоторые дополнительные пояснения, почему упущенные продажи теперь не будут упущены. Овалы указывают, что две причины работают совместно.
Два разных замечания по вышеизложенной логике:
«Некоторые потребители могут купить те же самые товары в другом месте».  И «Потребители могут купить другой товар, вместо отсутствующего». Оба замечания направлены на стрелку причинно-следственной связи, связывающей отсутствие наличия товар и упущенные продажи, а также это явление, совместно улучшением результирующее следствие «Продажи растут».
Эти две оговорки проясняют вопрос. Причина улучшения сформулирована как «Мы улучшаем…», но кто такие «мы»? Это может быть менеджмент сети магазинов, местный менеджмент конкретного магазина или поставщик категории товаров. Каждый из ответов придает разное значению существующему состоянию и имеет собственные оговорки к сформулированному эффекту «Продажи растут». Если это поставщик определенных продуктов, то это означает «его продукты доступны только 80% времени», и то, что потребитель, который покупает замещающие товары, приводит к упущенным продажам. Если будет расти уровень наличия продуктов поставщика, то будет продаваться больше этих конкретных продуктов.
Вопрос «ясности» нетривиален. Для начала мы должны сделать выбор и разобраться с оговорками ясности. Я выбрал точку зрения магазина, и теперь должен разобраться с причинно-следственными зависимости, поставив под сомнение утверждение, что недостаточное наличие всегда приводит к упущенным продажам в магазине.
Когда потребители не находят конкретный товар, они могут купить аналогичный. В этом случае магазин не теряет продажи. В другом случае клиенты могут отказаться. В некоторых редких случаях клиент может уйти, что может означать потери продаж и других товаров. Таким образом, мы приходим к выводу, что часть продаж теряется из-за низкого уровня наличия, но прямые потери продаж меньше, чем расчетные средние продажи товара за короткий период времени.
Таким образом, сформулированное выше утверждение соответствует реальности, но его реальное влияние может быть низким. Мы хотели бы глубже погрузится в вопрос: когда потери продаж из-за низкого уровня наличия будут значительными?
Являются ли упущенные продажи одинаковыми для всех товаров?
Существуют два параметра, которые оказывают значительное влияние на потерю продаж в магазине, когда товар отсутствует. Первый параметр – это средний уровень ежедневных продаж, и второй – уровень лояльности клиента товару/бренду.
Быстро оборачиваемые товары, при их отсутствии, причиняют значительный ущерб не только от прямых упущенных продаж этих товаров, но и репутации магазина, это означает, что потребители могут в будущем найти другой магазин.  Логическое утверждение таково: если «отсутствует быстро оборачиваемый товар», то «многие потребители приходят в бешенство», что приводит к тому, что «некоторые постоянные покупатели ищут для покупок другой магазин», что приводит к тому, что «общие продажи значительно снижаются». Я добавил «значительно», чтобы отметить уровень общего влияния.
Но, поскольку «менеджмент знает о потенциальном ущербе для магазина от нехватки быстро оборачиваемых товаров», то мы ожидаем применения следующего явления «менеджмент концентрируется на поддержании прекрасного уровня наличия быстро оборачиваемых товаров».
Итак, мы можем придти к выводу, что, если «существующий менеджмент способен», то «отсутствующие товары не включают быстро оборачиваемые товары». Конечно, 20% отсутствующих товаров по-прежнему могут означать немаленькую потерю объема продаж средне и медленно оборачиваемых позиций. Вопрос насколько сильно остается открытым и даже более того: как существующий уровень нехватки товара влияет на репутацию магазина и на будущие продажи?
Таким образом, нам нужно глубже рассмотреть влияние второго параметра: лояльность конкретному товару/бренду. Явление «некоторые товары являются особенными для некоторых клиентов», приводит к явлению «некоторые покупатели формируют лояльность этому товару». Это явление вызывает «высока вероятность того, что некоторые потребители отказываются товары-заместители». Таким образом, если «товары, обладающие высокой лояльностью, часто отсутствуют», то «некоторые покупатели ищут другие магазины». Явление «товары, обладающие высокой лояльности, часто отсутствуют» также приводит к «наша репутация в отношении того, что мы храним на полке, снижается», что совершенно явно влияет на будущие продажи.
Сложность «лояльности потребителей товару/бренду» в том, что трудно проверить ее силу. Настоящий тест силы приверженности – это ее отсутствие и проверка будут ли расти продажи альтернативных товаров или нет.
Еще одна дополнительная оговорка в отношении основного утверждения, что улучшение наличия товаров на полке приведет к увеличению продаж: предполагается, что «большинство клиентов, входящих в магазин, точно знают, что они хотят купить». Если это явление не соответствует действительности, то для продаж важно, чтобы на полках было много товаров, которые имеют достаточный спрос. Факт, что на полке нет товаров, которые клиент запланировал купить, но есть другие товары, имеющие такую же вероятность быть проданными, не даст явного влияния на продажи. Товары, которые люди приходят посмотреть и затем делают выбор («когда я увижу, я узнаю»), должны управляться совсем другим способом, нежели обеспечение наличия конкретных товаров. Имеет смысл время от времени заменять их новыми товарами, пока не окажется, что конкретный товар становится хитом продаж, и для него выгодно обеспечивать наличие, потому что он оказался настолько привлекательным для клиентов.
Явление «У магазина много постоянных покупателей» оказывает влияние на значение понятия «наличия» для случайного покупателя. Магазин в крупном аэропорту обслуживает преимущественно случайных клиентов, поэтому отсутствие наличия товаров не влияет на будущие продажи. Если нет постоянных покупателей, то нет разницы между товарами, которые магазин вообще не продает , и товарами, по которым не обеспечено наличие. Это относительно небольшая проблема.
Есть много условий, которые мы рассматриваем как истинные без обдумывания: «мы живем в свободной экономике», «для большинства товаров существует большое количество конкурирующих вариантов выбора» и «существует достаточно покупателей в среднем классе, которые могут себе позволить покупать разнообразные продукты». Если мы попытаемся включить все условия «достаточности», мы никогда не придем к чему-либо полезному. С другой стороны, это открывает пути к совершению больших ошибок ввиду скрытных исходных посылок о том, что включать, а чего не включать в анализ. Нужна интуиция, чтобы остановить логический анализ, признавая верность «никогда не говори: я знаю» (открытие д-ра Голдратта). Другой аспект – это влияние неопределенности: не существует 100% причинно-следственных связей. Но причинно-следственная зависимость с вероятностью 90% или выше по прежнему крайне ценна.
В итоге в качестве резюме всех вышеизложенных аргументов мы получаем следующую  структуру. Не все ранее упомянутые явления отражены, это значит, что некоторые логические стрелки требует более детального описания, но в итоге вот так выглядит утверждение.

Мы по прежнему не можем определить насколько вырастут продажи, потому что это зависит от характеристики средне и медленно оборачиваемых товаров: сколько из них обладают, высокой покупательской лояльностью.  Если мы добавим к первоначальному явлению еще «Торговая сеть прикладывает маркетинговые усилия для того, чтобы распространять информацию о том, что сеть поддерживает высокий уровень наличия в каждом магазине», то можно ожидать более быстрого и сильного улучшения репутации и роста продаж.
В чем польза логического анализа?
Хотя у нас по прежнему есть только частичная картина, но это скорее всего лучше, чем картина основанная только на интуиции без какого-либо анализа.

Я долго думал: описывать или не описывать этот кейс в публичном пространстве. И в конце концов, решил, что если я уберу из кейса все реальные наименования, но оставлю фактуру, то он может рассматриваться как вполне себе типичный.

Итак описание ситуации:

Вот уже четыре года, как я в ужасе от перспективы вернуться к весу в 110 кило при 40% жира, четыре раза в неделю по утрам посещаю тренажерный зал одной достаточно большой, но вполне себе бюджетной сети фитнес-клубов. Поскольку сладкого жрать нельзя, но очень хочется, то приходится потреблять самообман, который называется протеиновые батончики, вместо пирожных, кексов и конфет. При этом желательно подбирать марку, где углеводов будет немного, а белка много. Подобрал я себе такую марку, и съедаю этих «вкусняшек» примерно 14-16 штук в неделю.

Очевидно, что мне было бы удобно, покупать их в собственном фитнес-центре, более того, они даже есть на рецепции клуба, но вот только с одной проблемой — они регулярно исчезают. При этом самые ходовые вкусы исчезают первыми, а потом долго и мучительно распродаются менее ходовые. Перерывы в наличии могут составлять от двух недель до месяца, а иногда и более.

Если кто из читателей не знает, то обеспечение наличия в цепи поставок и на прилавках магазинов — это одна из моих основных компетенций, я даже книгу об этом написал. А вместе с моими партнерами мы сделали программный продукт для обеспечения наличия NETStock.pro.

Поэтому для меня такие «дыры» в наличии — это просто нож острый, да и искать свои лакомства по городу — так себе удовольствие.

Сначала я делаю прикидочный расчет: потребляю я этих «вкусняшек» в среднем на 1500 рублей в неделю. Я знаю, что производитель отдает в розницу 30-40% от цены продаж. Несложная математика дает нам следующую цифру:

Фитнес-клуб на мне зарабатывает 600 рублей в неделю, если этот товар есть на ресепшн и, соответственно, теряет 600 рублей в неделю, если наличие не обеспечено

Вроде бы цифра не большая, подумаешь 600 рублей в неделю, для фитнес-клуба!!!

Но давайте добавим к этому еще одну цифру: мой годовой абонемент стоит ВСЕГО 6000 рублей, или 500 рублей в месяц. И тогда ситуация кардинально меняется:

Не обеспечивая наличие, клуб теряет только на мне до 4-х абонементов в месяц!!!

Вы только представьте расходы на привлечение клиентов, суммы рекламных компаний и скидок, которые предоставляют клубы в борьбе за клиентуру. Между тем, обеспеченное наличие может позволить с одного клиента получать суммы в год эквивалентные 5-ти абонементам ПРИБЫЛИ, ведь все затраты на привлечение уже покрыты проданными абонементами.

Естественно, я же пытаюсь улучшить бизнес-ситуацию и пишу письмо Управляющему клубом с копией на адрес для предоставления обратной связи Президенту клуба и делаю следующее предложение:

Я готов обеспечить вам постоянное наличие за свой счет, организовать учет, заказ и расчеты с поставщиками, клуб будет получать 30% от цены каждой проданной единицы товара

Как вы думаете, каков был ответ?

Начнем с того, что сообщение на адрес обратной связи даже не было прочитано, ответ пришел только от Управляющего моим клубом:

Дмитрий, мы работаем по установленному регламенту, который контролируется отделом закупок. Работаем с поставщиками по безналичному расчету и строго заключенными договорами…

Ваше предложение перенаправлено в отдел закупок, пока ответ отрицательный.

Мы пока не готовы рассмотреть Ваше предложение , т.к мы не спортивный магазин, для нас продажа батончиков- это продажа сопутствующих услуг и сервисная составляющая. Мы вступаем в «летний сезон», перед компанией сейчас стоят другие стратегически важные задачи.

Еще раз: людям предложили НИЧЕГО не делать и НИЧЕГО не вкладывать в обеспечение наличия и только собирать деньги.

Ответ — отрицательный, потому что это продажа сопутствующих услуг и сервисная составляющая!!! «У нас стоят стратегические задачи (читай привлечение клиентов), а поднять деньги с пола — не царское это дело!!!

Ну а потом, опять будут рассказы про кризис и прочие проблемы… :)))

Интересно, знакома ли вам такая ситуация?

И — да, предложение остается в силе. Я достаточно уверен и в методике, и в возможностях нашего программно-методического комплекса, чтобы предлагать эту услугу и дальше.

Пока есть только несколько ограничений:

• Небольшой размер бизнеса (я не стратегический инвестор, чтобы много инвестировать в оборотный капитал);
• Местоположение вашего бизнеса — Санкт-Петербург.