Содержание к диссертации
Введение
ГЛАВА 1. Исследование процессов управления товарными запасами в розничной торговле
1.1. Розничная торговля как неотъемлемая часть современной экономики 9
1.2. Эффективное управление запасами как способ повышения результативности деятельности организаций, работающих в сфере розничной торговли
1.3. Исследование основных подходов к управлению запасами 30
Выводы по главе 1 43
2. Теоретические и методические положения по совершенствованию процессов управления товарными запасами
2.1. Типология управления многономенклатурными запасами в розничной торговле на основе статистических методов исследования
2.2. Анализ методологии прогнозирования спроса и оценка применяемости к многономенклатурным запасам в розничной торговле
2.3. Построение модели прогнозирования спроса на основе статистических методов исследования
Выводы по главе 2 90
ГЛАВА 3. Организационно-методические положения применения модели прогнозирования спроса многономенклатурных товаров в розничной торговле
3.1. Обоснование исходных данных и методические рекомендации по их адаптации к входным требованиям модели прогнозирования спроса
3.2. Методические рекомендации по выбору альтернативного метода прогнозирования и построению прогнозных значений спроса
3.3. Оценка результативности модели управления многономенклатурными запасами на основе прогнозирования спроса
Выводы по главе 3 116
Заключение 117
Список литературы
- Эффективное управление запасами как способ повышения результативности деятельности организаций, работающих в сфере розничной торговли
- Анализ методологии прогнозирования спроса и оценка применяемости к многономенклатурным запасам в розничной торговле
- Построение модели прогнозирования спроса на основе статистических методов исследования
- Методические рекомендации по выбору альтернативного метода прогнозирования и построению прогнозных значений спроса
Эффективное управление запасами как способ повышения результативности деятельности организаций, работающих в сфере розничной торговли
Розничная торговля – торговля товарами народного потребления, как правило, за наличный расчет через розничную торговую сеть для удовлетворения личных потребностей населения. В розничной торговле происходит завершение процессов обращения, так как товары переходят в собственность потребителя, выпадая из сферы обращения. Потребляются или образуют потребительский фонд.
История розничной торговли уходит в далкое прошлое. Как процесс обмена товарно-материальными ценностями, торговля известна начиная с каменного века. Она является одним из самых могущественных факторов исторического процесса.
Со времн зарождения материальных отношений люди обменивались товарами и услугами. На раннем этапе развития общества торговля осуществлялась на рынках, где собиралась вся произведенная в окрестностях продукция. Ярмарки проводились реже, но были крупнее по масштабу. По мере роста торговли в городах рынки становились крупнее, приобретали специализированный характер и часто закреплялись на одном месте в виде специальных крытых зданий.
В истории нет такого периода времени, когда торговля не оказывала бы влияние на общественную жизнь, начиная с обмена товарами внутри страны и заканчивая транснациональными компаниями, раскинувшими торговые сети по всему миру.
В наше время торговля является одной из крупнейших сфер экономики любой страны, как по объему деятельности, так и по численности занятого в ней персонала. Предприятия этой отрасли являются наиболее массовыми. Деятельность таких предприятий связана с удовлетворением потребностей покупателей. Она подвержена влиянию множества различных факторов и охватывает широкий спектр вопросов организационно-технологического, экономического и финансового характера, требующих повседневного решения.
Рыночная деятельность торговли как сектора экономики осуществляется посредством усилий множества конкурирующих субъектов торговли. Эффективность торговли на федеральном и территориальном уровнях связана с экономическими показателями отдельных предприятий розничной торговли.
Предприятие розничной торговли предназначено для продажи товаров населению. Основными задачами этого предприятия являются: удовлетворение спроса населения, как по ассортименту, так и по качеству товаров; организация соответствующего уровня обслуживания покупателей с предоставлением разнообразных услуг.
Специализированные магазины — концентрируются на продаже одной группы товаров («Одежда», «Канцтовары») или часть товарной группы («Одежда для полных», «Детские велосипеды», «Колбасы»). Последние относятся к узкоспециализированным магазинам.
Магазины с комбинированным ассортиментом товаров — это торговые предприятия, реализующие несколько групп товаров, связанных общностью спроса («Косметика и парфюмерия», «Мясо-рыба») или удовлетворяющих какие-либо потребности покупателей («Товары для рыболова», «Все для творчества»). Магазины со смешанным ассортиментом товаров — магазины, реализующие отдельные виды продовольственных и непродовольственных товаров. Такими магазинами является в настоящее время большинство специализированных магазинов, в которых не соблюдается специализация и наряду с основным ассортиментом продаются другие товары.
Есть много вариантов систематизации современных типов торговых предприятий по самым различным признакам. Но первоначальным является подход к классификации по виду передачи товара. На основе этого признака выделяют несколько видов розничной торговли.
Стационарная и полустационарная торговля. К стационарной и полустационарной торговой сети относятся магазины, магазины-склады, павильоны, палатки, киоски, торговые автоматы. Это основной вид розничной торговли. Магазинная торговля предоставляет покупателям большой выбор товаров и услуг, создает комфортные условия для совершения покупок, привлекает покупателей возможностью ознакомиться с новыми товарами (выкладка в торговых залах, рекламные материалы, демонстрации и дегустации товаров и т.д.), обеспечивает максимальные гарантии защиты прав потребителя (психологические факторы, сохранение имиджа предприятия). При этом, чем крупнее торговое предприятие, тем более очевидны названные преимущества.
Передвижная (развозная и разносная) торговля. Передвижная сеть дает возможность быстро обслужить потребителей там, где размещение предприятий стационарной торговой сети невозможно или нецелесообразно, а также в местах большого скопления людей.
Она может быть подразделена на две группы – развозную и разносную. Развозная сеть – это передвижная сеть с функциями магазинной торговой сети (вагоно-лавки, автолавки, судолавки, тонары, палатки и т. п.), которая обслуживает покупателей там, где нет возможности создать стационарные торговые предприятия. Развозная торговля имеет большое значение в отдаленных регионах сельской местности, на линиях железной дороги, речных и морских путях, в районах Крайнего Севера. Разносная сеть – это передвижная сеть, выполняющая функции мелкой розницы (лотки, тележки, мотороллеры и т.п.), которая обслуживает покупателей в местах их временного скопления во время массовых мероприятий, празднеств и т. д. В последнее время большое значение приобретает разносная торговля различными товарами (косметикой, парфюмерией, книгами, культтоварами и др.). Доставляемый на дом товар продается с определенной наценкой для покрытия расходов по доставке.
Анализ методологии прогнозирования спроса и оценка применяемости к многономенклатурным запасам в розничной торговле
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 следует выделить группировки и с использованием дискретных и непрерывных признаков.
Дискретный признак может принимать только некоторые определенные значения (например, целые), соответственно число выделенных групп будет соответствовать количеству различных вариантов значений признака (в том случае, если их число не очень велико). Если дискретный ряд имеет слишком много вариантов значений признака, то в этом случае их следует объединить в группы.
Наиболее часто распространены ситуации, когда число вариантов дискретного признака велико или когда значения признака у отдельных единиц не повторяются. В этом случае следует строить интервальные ряды распределения. Интервал показывает определенные пределы значений изучаемого признака. То есть, если деление товаров на группы будет происходить исходя из уровня их продаж, то необходимо применить интервальное деление на группы.
Следует заметить, что перед проведением статистического исследования нужно проанализировать совокупность на предмет резко выделяющихся наблюдений (выбросов), так как данные наблюдения могут сильно исказить реальную ситуацию. Безусловно, выбросы можно попытаться выявить с помощью упорядочения единиц совокупности по возрастанию или убыванию (ранжирования), но надежнее с точки зрения статистики будет охарактеризовать совокупность с помощью показателя, дающего количественную характеристику однородности. Таким показателем является коэффициент вариации, представляющий из себя отношение среднего квадратического отклонения к средней величине признака: v = 100% (2 1)
Если значение коэффициента вариации не превысит 33%, совокупность считается однородной, в противном случае - неоднородной.
В случае если исследуемая совокупность оказывается неоднородной, возникает задача удаления резко выделяющихся наблюдений. Для их выявления используется правило «трех сигм». Его основой является свойство кривой нормального распределения, которое гласит, что 99,7% всех значений признака находится в промежутке х + За.
Таким образом, выбросами являются значения, имеющие значения меньше, чем х-За, и больше, чем х + За. После удаления выбросов требуется снова рассчитать коэффициент вариации для проверки однородность вновь получившейся совокупности.
Первым шагом при построении интервальных рядов распределения является установление числа групп, на которые следует разбить все единицы исследуемой совокупности. Данный показатель оценивается по формуле Стерджесса: K=l+3,3221g n, (2.4) где n- 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):
Имеют место ситуации, когда при построении рядов распределения получается совпадение верхних границ предшествующих интервалов и нижних границ следующих за ними интервалов. В этом случае следует внести пояснения, в какой интервал относить единицы совокупности, у которых числовые значения признака совпадают с одной из этих границ. С этой целью в интервале ставится знак (-), означающий, что верхняя граница не включена, или (+) в противном случае.
Таким образом, можно построить группировку 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.
Построение модели прогнозирования спроса на основе статистических методов исследования
Таким образом, выбросами являются значения, имеющие значения меньше, чем х - За , и больше, чем х + 3а. После сглаживания выбросов (для этого можно использовать среднее значение рядом стоящих данных) требуется снова рассчитать коэффициент вариации для проверки на однородность вновь получившейся совокупности. Расчт коэффициентов вариации и сглаживание временных рядов реализуется при помощи компьютерной программы Microsoft Office Excel.
После получения временных рядов, готовых к построению по ним прогнозных значений, необходимо приступить к процессу прогнозирования. Первым, что необходимо сделать - выделить компоненты динамического ряда. Если в ряду есть резкое изменение, то значения, которые были до данного изменения, отбрасываются, чтобы избежать больших ошибок прогноза. В ряду могут присутствовать 4 компоненты: тренд, сезонность, цикличность, случайная компонента.
Для выявления тренда существует 4 критерия: два критерия серий (критерий восходящих/нисходящих серий и критерий, основанный на медиане), критерий разности средних уровней и критерий Фостера-Стюарта. Для выявления тренда можно воспользоваться любым из предложенных критериев. Также можно построить автокорреляционную функцию, на которой в случае наличия тренда коэффициенты автокорреляции должны постепенно убывать.
Чтобы выявить сезонность, также следует использовать автокорреляционную функцию, на которой, в случае наличия сезонной составляющей, должны присутствовать выбросы, кратные периоду сезонности. В случае аддитивной сезонности для построения сезонной волны используются абсолютные разности, а в случае мультипликативной - индексы сезонности. Рассчитываются средние значения для каждого периода в сезонном цикле. Далее, на основе полученных ранее данных о поведении рада, выбирается метод прогнозирования.
Если поведение ряда является плавным, не обнаружено резких скачков за весь исследуемый период, то в качестве метода прогнозирования подойдет аналитическое выравнивание, где прогноз строится только в зависимости от параметра времени. Данный метод весьма прост и легко реализуется в программе Microsoft Office Excel.
Если сезонных циклов больше пяти и если есть заметные скачки значений признака, то рекомендуется использовать адаптивные методы прогнозирования, так как они учитывают поведение ряда на каждом этапе и строят прогноз, учитывая ошибки, полученные на предыдущем шаге.
После того, как выбран метод прогнозирования, строится прогноз. В случае аналитического выравнивания из ряда удаляется сезонность путм деления данных на индексы сезонности, затем подбирается подходящая модель (исходя из значений коэффициентов детерминации). Все эти действия реализуются в программе Microsoft Office Excel. Наиболее подходящей моделью является та, у которой максимальный коэффициент детерминации. Если получилось, что у двух моделей коэффициенты детерминации примерно равны, то выбирается модель с наименьшим количеством параметров. На полученную модель накладывается сезонность (соответственно, путм умножения данных на индексы сезонности). Путм подстановки значений t (параметра времени) в модель получается прогноз.
В случае адаптивных методов прогнозирования применяется программный пакет для статистического анализа Statistica. Данная программа проста в использовании и для е изучения написано немало книг. Чтобы построить прогнозные значения, необходимо загрузить в программу Statistica полученные временные ряды, характеризующие общие продажи по каждой конечной группе. По мнению автора, наиболее подходящей литературой по изучению программы Statistica является учебник А.А. Халафяна. Исходя из анализа ошибок, подбирается вид модели и параметры сглаживания (используется подбор по «сетке значений»). Наилучшей моделью является та, у которой ошибка наименьшая. Далее происходит построение прогнозных значений в программе.
После построения прогнозных значений необходимо охарактеризовать адекватность модели с использованием анализа остатков в программе Statistica. Остатки должны быть случайными, что можно проверить с помощью автокорреляционной функции (коэффициенты автокорреляции должны быть незначимы) и критерия Дарбина-Уотсона об автокорреляции в остатках. Также остатки должны быть нормально распределены.
Если модель отвечает всем требованиям адекватности, то данная модель может иметь практическое применение для прогнозирования спроса товаров. Если же модель не отвечает требованиям адекватности, то следует вернуться к моменту выбора модели и попробовать прогнозирование по другой модели из предложенных моделей программой Statistica. Так как программа может предложить множество подходящих моделей с различными параметрами, то количество циклов (число проверяемых моделей) устанавливается исследователем самостоятельно, исходя из наличия времени и средств. Однако иногда не получается построить адекватный прогноз временного ряда. Ввиду этого, необходимо учитывать ошибку модели, если она больше 10% (стандартная величина в статистике, на практике может устанавливаться экспертным методом), то такую модель не следует анализировать и использовать в управлении товарными запасами. В том случае, если не получается построить прогноз ни одним из описанных статистических методов прогнозирования, то следует прибегнуть к экспертным методам прогнозирования. Экспертные методы в данной работе не рассматривались и могут быть темой для отдельной работы по решению проблем управления запасами.
После того как получены прогнозные значения, необходимо разделить прогнозные значения полученные по каждой группе на товары, входящие в эту группу, опираясь на структуру товаров группы. Последовательность действий для решения этой задачи была описана выше.
Методические рекомендации по выбору альтернативного метода прогнозирования и построению прогнозных значений спроса
В данной главе, на основе разработанной и представленной во второй главе модели управления товарными запасами, были реализованы процедуры анализа и прогнозирования данных на примере одного из филиалов компании розничной торговли детскими товарами «Дочки&Сыночки». Применение разработанной модели показало хорошие результаты. Были собраны, сгруппированы и проанализированы данные о продажах, а также были получены прогнозные значения продаж на неделю вперд.
В результате применения разработанной модели можно сделать вывод, что данная модель и составленные блок-схемы алгоритма представляют собой эффективный инструмент, применяя который менеджер по управлению запасами торгового предприятия сможет структурировать и систематизировать свою работу. Причм, для проведения статистического исследования интересующего объекта необязательно применять все описанные этапы, достаточно воспользоваться лишь теми, которые необходимы для решения поставленных задач. На основе выявленного ряда данных, который не поддатся прогнозированию описанными в модели статистическими методами, можно сделать вывод, что нет и, вероятно, не будет одного универсального метода для решения задач, возникающих в процессе управления товарными запасами. Такой вывод можно перенести и на производственные запасы и на запасы в оптовой торговле.
Таким образом, в данной главе была применена разработанная модель управления товарными запасами на основе статистических методов исследования. Результаты применения статистических методов послужат важным фактором при принятии управленческих решений менеджером по закупкам.
В данной работе автором была рассмотрена важность розничной торговли для экономики страны и е развитие. Также исследовано эффективное управление запасами как способ повышения результативности деятельности организаций, работающих в сфере розничной торговли и основные подходы к управлению товарными запасами.
В исследовании были подробно проанализированы статистические методы с точки зрения применения их в управлении товарными запасами. Результаты исследования показали возможность и перспективы использования статистических методов в управлении товарными запасами. Применение описанных в работе методов на данных о продажах показало, что полученные методические рекомендации применимы для любых предприятий розничной торговли, а также их можно адаптировать для применения в оптовых продажах и производственной деятельности.
Также была обоснована необходимость и возможность применения статистических методов исследования в процессе управления товарными запасами, разработана единая модель анализа и прогнозирования спроса на основе статистических методов исследования.
В ходе работы обобщена система показателей товарных запасов, используемых в точках розничной торговли, а также описаны основные методы управления запасами и выявлены их недостатки.
Во второй главе была обоснована возможность и эффективность применения статистических методов исследования при анализе структуры и динамики спроса торгового предприятия. В результате был сделан вывод о необходимости применения их на практике торгового предприятия, так как методы представляют собой наглядный и весьма несложный в применении инструмент, подходящий для данных о продажах и остатках. Единственный недостаток статистических методов – это то, что не всегда имеется возможность получить интересующие данные для анализа, отсутствие данных или наличие данных за слишком короткий промежуток времени.
На основе рассмотренных статистических методов была разработана общая модель системы управления товарными запасами, включающая последовательные этапы применения определнных методов исследования и рекомендации по их применению для получения наилучшего результата в процессе анализа и прогнозирования уровня спроса на многономенклатурные товары. Также, опираясь на исследованные методы группировок, была разработана модель группировки товаров одного вида на группы по различным факторам на основе корреляционного анализа, позволяющая упростить и повысить качество анализа и прогнозирования спроса и продаж.
Разработаны методические рекомендации по использованию модели управления товарными запасами, отвечающие требованиям просты применения, доступности и эффективности при реализации процесса управления товарными запасами. Следует отметить, что под разработанную модель можно написать соответствующую компьютерную программу или прописать всю последовательность действий в Microsoft Office Excel для автоматизации и ускорения работы менеджера по управлению запасами.
Все рассмотренные статистические методы анализа и прогнозирования, которые были включены в разработанную модель управления товарными запасами, в ходе диссертационного исследования были применены к реальным данным. Как результат, данные методы хорошо зарекомендовали себя для дальнейшего применения их в процессе управления многономенклатурными товарными запасами на практике.
