Статистические группировки как эффективный инструмент в управлении запасами Текст научной статьи по специальности «Экономика и бизнес»

УДК 339.144

Ермаков Александр Александрович

ФГБОУ ВПО Государственный университет управления

Россия, Москва1 Аспирант 3 года обучения shuraermakov@mail.ru

Статистические группировки как эффективный инструмент в управлении запасами

Аннотация. Эффективное управление запасами необходимо для успешного ведения бизнеса. Торговые предприятия часто сталкиваются с проблемой излишка товара или его дефицита. Решением проблемы может послужить грамотное управление запасами, то есть анализ динамики уровня запасов и дальнейшее построение прогнозных значений, характеризующих будущее потребление товаров. В данной статье автором рассмотрены статистические методы группировок, применение которых послужит одним из инструментов в процессе управления запасами. В статье описано применение различных методов группировок, которые подходят как для большого количества данных (ассортимента), так и для значительно меньшего объёма. Причём, для совокупностей малого объёма подходят не все описанные в статье методы группировок, впрочем, как и для совокупностей большого объёма. Автор применяет методы статистических группировок на реальных данных, что приводит к наглядным результатам и даёт возможность охарактеризовать полученные группы по исследуемому показателю. Вследствие применения статистических группировок появляются необходимые условия для дальнейшего анализа данных и построения прогнозных значений.

Ключевые слова: запасы; управление запасами; методы группировок; группировка; временные ряды; анализ данных; статистические методы

140186 Московская обл., г. Жуковский, ул. Левченко, д. 2а, кв.

Числовые данные о состоянии запасов на протяжении сколь-нибудь длительного временного интервала позволяют использовать различные методы прогнозирования спроса. Прежде чем приступать к прогнозированию спроса, необходимо собрать и обработать статистические данные. В качестве программного инструментария могут использоваться как электронные таблицы (например, Microsoft Excel), так и специализированные программные продукты: Statistica [8], SPSS и т.д.

Данными для анализа и прогнозирования может служить информация о продажах и остатках. Помимо этого, необходимо учитывать спрос на товар, когда его нет в наличии или предприятие вообще им не торгует (для введения этого товара в ассортимент). При этом продажи могут оцениваться как в натуральном, так и в стоимостном выражении. Ввиду того, что обычно торговое предприятие торгует товарами различной номенклатуры, использование стоимостных единиц измерения является более предпочтительным (для прогнозирования спроса на однородные номенклатурные группы или товары-заменители). Натуральные единицы измерения используются в том случае, когда единица измерения соответствует потребительским свойствам продукта. Например, производство автомобилей учитывается в штуках, ткани - в квадратных или погонных метрах и т.д.

Данные о продажах или остатках должны быть представлены в виде временных рядов для каждого товара. Одним из основных инструментов первичного анализа данных является применение группировок. Произвести группировку - значит разделить товары на группы по различным интересующим нас признакам.

Группировка, (иначе - классификация) данных - метод анализа и обработки информации, при котором исходные данные объединяются в однородные группы по некоторым общим признакам. При правильном подходе это сравнительно несложный в применении и вместе с тем высокоэффективный инструмент анализа данных, обеспечивающий надлежащую оперативность и наглядность такого анализа.

Управление запасами при торговле товарами народного потребления имеет дело с большим количеством неоднородных данных. В данном случае группировки являются основным инструментом, поскольку интерпретация статистических показателей без учета неоднородности будет бессмысленной, в силу многономенклатурности и качественного разнообразия товаров.

Варианты группировки данных определяются выбором группировочных признаков. Группировочные же признаки, в свою очередь, зависят от целей анализа. Так, данные по продажам продуктов питания с номенклатурой более чем в 1600 наименований в одном из магазинов сети «Дочки-сыночки» в результате группировки по производителю «свернулись» в 50 групп.

Выделяемые группы должны быть однозначно интерпретируемыми и однородными. В статистике существуют критерии однородности, однако на практике при управлении запасами они практически не используются. Тем не менее, есть ряд работ, посвященных этой проблеме. Так, в работе «Автоматизация типологического группирования: две модели однородности» авторов Ростовцева П. С., Костина В. С. и Жданова А. С. поднимается вопрос автоматизации типологического группирования [6]. Предлагаемый подход вполне может быть использован и в управлении запасами при типологическом группировании данных о продажах.

Вообще, в статистике применяются различные виды группировок, преследующие такие задачи, как: выделение типов явлений (типологическая группировка); изучение структуры совокупности; изучение взаимосвязей между явлениями [1]. Использование комбинационной группировки предполагает, что группы, выделенные по одному из признаков, затем подразделяются на подгруппы по другому признаку, которые в свою очередь могут быть

разделены по следующему признаку и т.д. Следует заметить, что условие наглядности является одним из важнейших требований, предъявляемых к группировке.

Для выполнения требования однородности групп в управлении запасами групп обычно используются статистические признаки группировки, такие как размер (или доля) товарных запасов в денежном выражении (пример такой группировки - ABC-анализ [2]), объем продаж и т.п.

Зачастую эффективное формирование группировок возможно лишь при использовании одновременно, по крайней мере, двух группировочных признаков: логический (например, по виду товаров) и статистический. Соответственно, возникают комбинационные (многомерные) группировки, что усложняет, но и качественно обогащает анализ.

С точки зрения управления запасами, важным представляется выявление следующих групп товаров [9]:

• регулярно потребляемые товары;

• нерегулярно потребляемые товары;

• новинки.

Планирование запасов для каждой из этих групп, очевидно, должно быть различным.

Наряду с группировками по качественным признакам большое значение имеют группировки по количественным признакам. Эти группировки чрезвычайно разнообразны, но с точки зрения техники выполнения группировок могут использоваться дискретные либо непрерывные признаки группировки.

Если признак группировки может принимать только некоторые определенные значения (например, целые), то есть меняется прерывно, то это дискретный признак. В таком случае количество выделенных групп будет соответствовать количеству различных вариантов значений признака. При наличии слишком большого количества вариантов значений признака и единственного (или слишком малого) числа элементов совокупности с каждым значением признака следует преобразовать дискретный ряд в интервальный. Интервалом при этом называется определенный диапазон значений изучаемого признака.

Первым шагом следует установить количество групп, на которые следует разбить исследуемую совокупность. Данный показатель определяется с помощью формулы Стерджесса:

где п- число наблюдений.

В большинстве случаев результат, получаемый по формуле, оказывается дробным числом, поэтому его следует округлить до целого.

Когда группировка производится по однородной совокупности, появляется возможность использования равных интервалов. Величина интервала определяется с использованием такого показателя, как размах вариации, который характеризует весь диапазон изменения значений изучаемого признака (то есть разницу между максимальным и минимальным значением признака):

^1+3,322^ п,

Я = х

тах

Отношение размаха вариации к количеству групп и даст величину интервала 0:

Интернет-журнал «НАУКОВЕДЕНИЕ» Выпуск 5 (24), сентябрь - октябрь 2014

http://naukovedenie.ru publishing@naukovedenie.ru

Я

1 к

С помощью найденного значения величины интервала определяются границы интервалов ряда распределения [4]. Формирование группировки следует начинать с минимального значения признака, и, прибавляя каждый раз величину интервала, получать группы.

Применим вышеописанный алгоритм для выполнения группировки субъектов Российской Федерации по фактическому использованию торговых мест на розничных рынках [5]. Ввиду отсутствия данных по Ненецкому и Чукотскому автономным округам имеется массив данных, включающий 81 субъект за 2012 г.

Коэффициент вариации равен 14,9%, что говорит об однородности совокупности, а, следовательно, об отсутствии выбросов. Определенное по формуле Стерджесса число групп получилось равно 7. Исходя из этого, величина интервала составила:

. Я 94,9 - 29,5

г = — =-= 9,3

К 7

Вспомогательная таблица с распределением субъектов РФ по группам (табл. 1) показала, что группировка нуждается в доработке, так как присутствует пустой интервал.

Таблица 1

Вспомогательная таблица для оценки качества группировки

Группы субъектов РФ по фактическому использованию торговых Число

мест на розничных рынках, % субъектов

29,5 - 38,8 (-) 1

38,8 - 48,1 0

48,1 - 57,4 6

57,4 - 66,7 18

66,7 - 76,0 30

76,0 - 85,3 19

85,3 - 94,9 7

Итого 81

(Составлено автором)

Для ликвидации этого недостатка применяют вторичную группировку. Наиболее простой способ ее проведения - это способ укрупнения интервалов. Для этого объединим первые три интервала в один.

Интервальный ряд распределения субъектов Российской Федерации по фактическому использованию торговых мест на розничных рынках представлен в табл. 2.

Таблица 2

Группировка субъектов Российской Федерации по фактическому использованию торговых мест на розничных рынках в 2012 г. (число фактически использованных торговых мест в процентах к общему числу торговых мест)

Группы субъектов РФ по фактическому использованию торговых мест на розничных рынках, % Число субъектов

29,5 - 57,4 7

57,4 - 66,7 18

66,7 - 76,0 30

76,0 - 85,3 19

85,3 - 94,9 7

Итого 81

(Составлено автором)

Выполненная группировка позволяет дать подробную характеристику субъектов РФ по исследуемому показателю. Средний процент использования торговых мест на розничных рынках в Российской Федерации в 2012 г. составил 73,1%. Максимальное значение исследуемого показателя наблюдается в Чеченской Республике и составляет 94,9%, а минимальное - в Республике Калмыкия (29,5%). Таким образом, данная группировка позволила выявить наиболее благополучные и неблагополучные субъекты Российской Федерации, позволила охарактеризовать ситуацию, характерную для большинства субъектов.

Подобным же образом может быть произведен анализ таких показателей, как объем запасов, объем продаж на предприятии, имеющем большую филиальную сеть, с целью выявления проблем и особенностей исследуемого явления, а также для проведения обоснованной политики в этой области.

Таким образом, можно построить группировку и для ассортимента продукции какого-либо магазина. В состав групп будут входить различный товар или виды товара, а разделение на группы будет проходить относительно среднемесячного показателя продаж или чистой прибыли товара, в зависимости от того, какие цели преследует процесс построения группировки.

Часто приходится работать с неоднородными совокупностями, к которым применимы не все методы группировок. В этом случае рекомендуется использовать квартильные группировки. Данный вид группировок базируется на определении квартилей - показателей, которые делят упорядоченную совокупность на четыре части (по 25% наблюдений).

Примером может служить распределение субъектов Российской Федерации по продаже водки и ликероводочных изделий населению в 2012 году [7]. Совокупность является неоднородной, так как коэффициент вариации составил 125,0%.

Первым шагом в построении квартильной группировки является ранжирование исходного ряда по возрастанию или убыванию. Далее рассматриваются каждые 25% наблюдений и в соответствии с разбросом их значений определяются границы интервалов (табл. 3).

Таблица 3

Группировка субъектов РФ по продаже водки и ликероводочных изделий населению в

2012 г., тыс дкл

Группы по продаже водки и ликероводочных изделий, тыс. дкл Состав группы

69,8-859,2 20 субъектов федерации

859,3-1275,5 20 субъектов федерации

1275,6-2209,4 20 субъектов федерации

2209,5-19661,3 21 субъект федерации

(Составлено автором)

Таким образом, в 25% субъектов РФ продажа водки и ликероводочных изделий составляет менее 859,2 тыс. дкл. Среди этих субъектов в основном представители Южного и Северо-Кавказского федеральных округов. Минимальное значение исследуемого показателя наблюдается в Чукотском автономном округе (69,8 тыс. дкл).

В 25% субъектов РФ продажа водки и ликероводочных изделий превышает 2209,5 тыс. дкл. Максимальное значение исследуемого показателя приходится на г. Москва, где оно составляет 19961,3 тыс. дкл.

Следует заметить, что при сравнении абсолютных показателей между собой надо иметь в виду, что в разных субъектах РФ проживает различное количество человек и в этом случае более актуальным будет использование относительных величин [3]: к примеру, объем продаж водки и ликероводочных изделий на душу населения.

При делении на группы ассортимента магазина, опираясь на уровень продаж в стоимостном выражении, необходимо учесть число проданного товара в единицах или, если не получается привести в сопоставимую меру измерения, учитывать по чистой прибыли товара. Таким образом возможно выделить приоритетные товары.

В дополнение к рассмотренным выше процедурам группировки можно воспользоваться следующими свойствами кривой нормального распределения [10]:

• в промежутке х ±а находится 68,3% всех значений признака;

• в промежутке х ± 2а находится 95,4% всех значений признака;

• в промежутке х ± 3а находится 99,7% всех значений признака.

Учитывая данные свойства, можно предложить следующие интервалы для группировки:

1) менее х - 3а;

2) от х — 3а до х — 2а;

3) от х — 2а до х —а;

4) от х — а до х;

5) от х до х + а ;

6) от х + а до х + 2а;

7) от х + 2а до х + 3а;

8) х + 3а и более.

Следует отметить, что такой вариант группировки может использоваться только в совокупности большого объема, т.к. при малом количестве наблюдений выделение большого количества групп не имеет смысла - это приведет к появлению пустых интервалов, которые будет необходимо объединять.

Применение статистических группировок в управлении товарными запасами даёт возможность быстро и эффективно представить данные о продажах в наглядной и удобной форме, а также возможность дальнейшей продуктивной работы при анализе и построении прогнозных значений.

ЛИТЕРАТУРА

1. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник. - М. ИНФРА-М, 2009. - 416 с.

2. Логистика и управление цепями поставок. Теория и практика. Основы логистики: Учебник / под. ред. Б.А. Аникина, Т.А. Родкиной. Авторы Б.А.Аникин, Т.А.Родкина, В.А. Волочиенко, Н.И. Заичкин, А.Д. Межевов, Л.С. Федоров, В.М. Вайн, В.И. Воронов, В.В. Водянова, М.А. Гапонова, И.А. Ермаков, В.В. Ефимова, М.В. Кравченко, С.Ю. Серова, Р.В. Серышев, Е.Е. Филиппов, И.А. Пузанова, М.Ю. Учирова, И.Л. Рудая. Москва: Изд-во Проспект, 2013. - 344 с.

3. Методологические положения по статистике. Вып. 5/ Росстат.-М., 2006. - 510 с.

4. Прогнозирование социально-экономических процессов: учебное пособие для студ. вузов / Т. А. Дуброва - 2-е изд., испр. и доп. - М. : Маркет ДС , 2010. - 189 с. : рис., табл., прил. - Университетская серия

5. Российский статистический ежегодник. 2013: Стат.сб./Росстат. -М., 2013. - 847 с.

6. Ростовцев П. С., Костин В. С., Жданов А. С. Автоматизация типологического группирования: две модели однородности // Сайт исследовательской группы Business Forecast. — 2011 [Электронный ресурс]. Дата обновления: 18.02.2011. — URL: http://www.businessforecast.by/partners/publication/394/ (Дата обращения: 29.09.2014).

7. Федеральная служба государственной статистики: [Электронный ресурс]. М., 1999-2014. URL: http://www.gks.ru. (Дата обращения: 27.06.2014).

8. Халафян А.А. STATISTICA 6. Статистический анализ данных.—М.: ООО «Бином-Пресс», 2008 г.—512 с.

9. Шрайбфедер Дж. Эффективное управление запасами. Пер. с англ. - 2-е изд. - М.: Альпина Биснес Букс, 2006. - 304 с.

10. StatSoft. Электронный учебник по статистике: [Электронный ресурс]. 2012. URL: http://statsoft.ru/home/textbook/default.htm (Дата обращения: 01.09.2014).

Рецензент: Белова Светлана Сергеевна, ст. пр., к.э.н., ГУУ, г. Москва. 7

Aleksandr Ermakov

State University of Management Russia, Moscow shuraermakov@mail.ru

Statistical grouping as an effective tool in inventory management

Abstract. Effective inventory management is necessary for successful business. Retail enterprises are often faced with the problem of surplus goods or deficit. The solution can serve as a proper inventory management, i.e. the analysis of the dynamics of the inventory level and further development of the forecast values characterizing the future consumption of goods. In this article the author considers statistical methods groups, the application of which will serve as one of the tools in the process of inventory management. This article describes the application of various methods groups, which are suitable for large amounts of data (assortment), and for significantly less. Moreover, for data of small volume are not suitable for all described in the article methods groups, as well as for data of large volume. The author applies the methods of statistical grouping on real data, which leads to clear results and allows characterizing the obtained group on this measure. Due to the use of statistical groupings appear necessary conditions for further analysis of the data and build predictive values. Thus, the article considers one of the stages of the process of inventory management.

Keywords: inventory; inventory management; methods groups; grouping; time series; data analysis; statistical methods.

REFERENCES

1. Efimova M.R., Petrova E.V., Rumyantsev V.N. Obshchaya teoriya statistiki: Uchebnik. - M. INFRA-M, 2009. - 416 s.

2. Logistika i upravlenie tsepyami postavok. Teoriya i praktika. Osnovy logistiki: Uchebnik / pod. red. B.A. Anikina, T.A. Rodkinoy. Avtory B.A.Anikin, T.A.Rodkina, V.A. Volochienko, N.I. Zaichkin, A.D. Mezhevov, L.S. Fedorov, V.M. Vayn, V.I. Voronov, V.V. Vodyanova, M.A. Gaponova, I.A. Ermakov, V.V. Efimova, M.V. Kravchenko, S.Yu. Serova, R.V. Seryshev, E.E. Filippov, I.A. Puzanova, M.Yu. Uchirova, I.L. Rudaya. Moskva: Izd-vo Prospekt, 2013. - 344 s.

3. Metodologicheskie polozheniya po statistike. Vyp. 5/ Rosstat.-M., 2006. - 510 s.

4. Prognozirovanie sotsial'no-ekonomicheskikh protsessov: uchebnoe posobie dlya stud. vuzov / T. A. Dubrova - 2-e izd., ispr. i dop. - M. : Market DS , 2010. - 189 s. : ris., tabl., pril. - Universitetskaya seriya

5. Rossiyskiy statisticheskiy ezhegodnik. 2013: Stat.sb./Rosstat. -M., 2013. - 847 s.

6. Rostovtsev P. S., Kostin V. S., Zhdanov A. S. Avtomatizatsiya tipologicheskogo gruppirovaniya: dve modeli odnorodnosti // Sayt issledovatel'skoy gruppy Business Forecast. — 2011 [Elektronnyy resurs]. Data obnovleniya: 18.02.2011. — URL: http://www.businessforecast.by/partners/publication/394/ (Data obrashcheniya: 29.09.2014).

7. Federal'naya sluzhba gosudarstvennoy statistiki: [Elektronnyy resurs]. M., 1999-2014. URL: http://www.gks.ru. (Data obrashcheniya: 27.06.2014).

8. Khalafyan A.A. STATISTICA 6. Statisticheskiy analiz dannykh—M.: OOO «BinomPress», 2008 g.—512 s.

9. Shraybfeder Dzh. Effektivnoe upravlenie zapasami. Per. s angl. - 2-e izd. - M.: Al'pina Bisnes Buks, 2006. - 304 s.

10. StatSoft. Elektronnyy uchebnik po statistike: [Elektronnyy resurs]. 2012. URL: http://statsoft.ru/home/textbook/default.htm (Data obrashcheniya: 01.09.2014).