Звідки магазини знають, скільки потрібно товарів, щоб усім вистачило. Пояснюємо на прикладі пачки сиру

До того як потрапити на полицю супермаркету, кожен продукт проробляє великий шлях – від сировини до готового товару, який продається в магазині. Це невидимий для покупця процес, за яким стоїть велика робота, у сучасному світі часто автоматизована.

У партнерському матеріалі з MC.today старший консультант рішень прогнозування попиту й автозамовлення компанії Consulting for Retail Антон Цемеров на прикладі магазину та пачки кисломолочного сиру розповів, який шлях проходять продукти, щоб потрапити в кошик до покупця, і що для цього потрібно на кожному етапі.

Чому магазинам складно замовляти товар вручну

Припустимо, ви власник невеликого магазину «Мозаїка», куди зазвичай після роботи ходять за хлібом. Товару у вас небагато, тому зорієнтуватися, яких продуктів у магазині досить, а які вже пора докупити, нескладно.

Щодня десятеро людей купують у вас у «Мозаїці» кисломолочний сир. Але сьогодні один з них не прийшов – пачка сиру залишилася в холодильнику. Отже, на завтра потрібно замовити тільки дев’ять, якщо ви впевнені, що більше сиру не знадобиться.

Крім «Мозаїки» ви по всій Україні відкрили 100 супермаркетів «Смачний». Тут великий вибір продуктів – у таких магазинах зазвичай роблять покупки на тиждень уперед.

У кожен із цих супермаркетів щодня приходять сотні людей. Вони набирають цілий кошик: сир, цукор, яйця та багато іншого. Товару, як і покупців, у магазині багато – співробітникам стає все складніше простежити за тим, щоб полиці завжди були повними або товар не залежувався на складі.

Щоб управляти такою кількістю товару, потрібна система, яка порахує все за вас.

Етап №1. Як магазини замовляють сир

Припустимо, на складі супермаркетів «Смачний» закінчується кисломолочний сир – потрібно замовляти нову партію. Найкраще у вас купують два види – із жирністю 2% і 5%. Без помилок розрахувати, якого сиру потрібно замовити більше, а якого менше, зможе штучний інтелект – ERP-система торговельної мережі (англ. Enterprise Resource Planning, планування ресурсів підприємства. – Прим. ред.) та її підсистема «Автозамовлення». Вона стежить за тим, щоб в магазинах усе працювало безперебійно.

ERP може відрізнити сир із жирністю 2% і 5%, якщо ви внесете в неї штрихкоди, вагу пачки, термін придатності та інші деталі – цю інформацію можна замовити в постачальника. Також в ERP потрібно внести кількість пачок, яку ви хочете замовити.

Ще на цьому етапі ERP може порахувати за вас, за скільки ви продаватимете сир. Для цього вкажіть у системі, якою буде націнка від закупівельної ціни і скільки сир коштуватиме за акцією.

Після цього «Автозамовлення» оцінить попит на сир у всіх супермаркетах «Смачний» за останні 3–5 років і зробить прогноз мінімум на пів року вперед. Наприклад, щороку в січні у ваших магазинах купують приблизно 5 тис. пачок сиру. Ймовірно, і цього січня буде так само.

Для тих магазинів, які тільки відкрилися і в яких ще немає історії продажів, у системі є спеціальний функціонал. Він розрахує прогноз по аналогії з іншими новими магазинами, які працюють довше.

Завдяки «Автозамовленню» можна прогнозувати продаж 95% продуктів. Ще 5% – це нові товари, у яких немає історії продажів та аналогів, за якими можна припустити попит.

Дізнатися, які вакансії відкриті в C4R

Етап №2. Як виробник або оптовий постачальник відвантажує сир

Коли ви робите замовлення, вам доведеться підлаштовуватися під умови кожного виробника. Наприклад, один продає не менше 100 пачок кисломолочного сиру за раз, другий – тільки в коробках по десять пачок у кожній, третій може зажадати мінімальне замовлення на 1 тис. грн. Вам потрібно узгодити ці умови із заводом або постачальником і внести їх в ERP.

Система сама врахує ці умови, коли розраховуватиме, скільки сиру потрібно замовити.

Етап №3. Як торгова мережа розподіляє сир по магазинах

І ось на склад мережі супермаркетів «Смачний» приїхала велика партія кисломолочного сиру. Ви самі доставляєте її в магазини, але «Автозамовлення» підказує, як це краще зробити: у супермаркет у Фастові потрібно 70 пачок сиру, а в супермаркет у густонаселеному районі Києва – у п’ять разів більше.

У гіпермаркет ви привезете 50 ящиків сиру, тому що там сім’ї закуповують продукти на тиждень. А в супермаркет у центрі міста, через який за день проходить великий потік людей, краще привезти п’ять ящиків – їх куплять, наприклад, ті, хто вийшов на обід.

На кожному етапі за цією великою партією сиру стежить ERP – співробітники магазину відзначають, що товар прийшов на склад мережі, його відвантажили, а потім невеликими партіями відправили в магазини на продаж. ERP також видає звіти про термін придатності і запаси продуктів. Усю цю інформацію система запам’ятовує.

Дізнатися, які вакансії відкриті в C4R

Етап №4. Як магазин продає сир

За три останні дні в супермаркеті «Смачний» у Фастові купили 15 пачок кисломолочного сиру. У найближчі три дні куплять приблизно стільки ж – попит рідко буває нестабільним, хіба що на свята. На продаж деяких продуктів ще впливає сезонність. Наприклад, ігристе вино краще продається у грудні, а морозиво – улітку. У випадку із сиром залежності від сезону майже немає – попит може дещо зростати, скажімо, перед Великоднем.

Але іноді в будь-якому магазині можуть відбуватися аномальні покупки. Наприклад, почався карантин і гречку, розраховану на 30 днів продажів, змели із прилавків за два дні.

Для таких випадків «Автозамовлення» розраховує страховий запас, який завжди повинен бути на складі – з урахуванням терміну придатності. Коли система робитиме прогноз продажів на наступний рік, вона згладить такі разові сплески і візьме до уваги середній рівень продажів.

Етап №5. Як магазин стежить, щоб полиці ніколи не були порожніми

У вашій мережі «Смачний» – 100 супермаркетів. Скільки пачок сиру пройшло через касу кожного з них, стежить ERP. Система запам’ятовує й інші дані: яка кількість сиру зіпсувалася, а яку – вкрали. Цю інформацію ERP отримує завдяки списанню та переобліку, які проводять у кожному магазині.

Аналізуючи попит, втрати й залишки, система підкаже вам, коли запаси сиру на складі «Смачного» будуть мінімальними, щоб сформувати оптимальне замовлення, і якого числа потрібно замовити нову партію.

Якщо ж термін придатності сиру добігатиме кінця, ERP попередить про це. Як і про те, що сир раптом закінчується раніше, ніж планувалося. Наприклад, коли в магазині зламався холодильник і весь сир списали. У цьому випадку «Автозамовлення» саме розрахує позапланове замовлення і запропонує його виконати.

Ви можете схвалити або відкоригувати пропозицію дозамовити сир. Якщо внести всі дані в систему правильно, до моменту нової поставки в магазині залишиться оптимальна кількість сиру, при якому полиці не будуть порожніми. Розмір цього оптимального запасу відрізняється в кожному магазині, оскільки залежить від десятка факторів: попиту на товар, розміру магазину, регіону та інших деталей.

Аналітика ERP допоможе вам зрозуміти, яка марка або вид сиру краще продається. Наприклад, сир із жирністю 5% у вас купують частіше. Отже, і замовляти його потрібно більше.

У яких торговельних мережах Consulting for Retail вже впровадила ERP та інші продукти

У магазинах, де товару небагато, спрогнозувати запаси можна за допомогою базових програм. У них співробітники без зусиль зможуть розібратися самі. Але для великих торгових мереж, де асортимент налічує десятки тисяч товарів, потрібна складніша система. А щоб розібратися в ній з нуля, будуть потрібні фахівці.

Наша компанія Consulting for Retail впроваджує системи автоматизації в Україні, Чехії, Азербайджані, Білорусі та інших країнах СНД та Європи. В Україні ми працюємо з АТБ, Novus, «Червоним маркетом», «Таврієй В» та іншими торговельними мережами.

Ми прагнемо зробити бізнес клієнтів кращим, тому ретельно відбираємо співробітників у команду. Нам важливий досвід не тільки в IT, а і в торгівлі, і в логістиці. Наш ідеальний кандидат уважний до деталей, вміє провести презентацію, не боїться брати на себе відповідальність за результат і небайдужий до того, що робить. Ми ж готові ділитися досвідом, навчати нового і стати кращою командою для наших нових співробітників.

Дізнатися, які вакансії відкриті в C4R