Che cos'è l'analisi XYZ — in parole semplici

L'analisi XYZ risponde a una sola domanda: con quanta regolarità si vende ogni articolo del suo elenco.

Non «quanto», ma proprio «con quanta regolarità». Due articoli possono dare lo stesso fatturato nell'anno e comportarsi in modo del tutto diverso: uno esce più o meno allo stesso ritmo ogni mese, l'altro resta fermo per sei mesi e poi se ne va tutto insieme. Il denaro è lo stesso, il lavoro che richiede no.

Il metodo prende le vendite per periodo — mesi, settimane, trimestri — e divide gli articoli in tre gruppi:

• X — la domanda è regolare, il futuro prevedibile;
• Y — oscilla, ma entro limiti comprensibili;
• Z — è irregolare e pianificare sulla media non funziona.

Il valore non sta nelle lettere, ma nel fatto che dopo l'analisi l'elenco smette di essere omogeneo. Per X può tenere meno scorte e ordinare secondo un calendario. Per Z la scorta di sicurezza o è costosa o non c'è, e si accettano le rotture di stock. La decisione è diversa, e prima dell'analisi la si prende allo stesso modo per tutto l'assortimento.

Prendiamo due articoli e guardiamo le vendite per trimestre.

Il primo: 100, 105, 95, 100 pezzi. Il secondo: 40, 10, 210, 140 pezzi.

Entrambi hanno la stessa media — 100 pezzi al trimestre. Un report che mostra solo la media mostrerà due righe identiche. Eppure sono due mestieri diversi nella stessa tabella: il primo articolo si può ordinare a calendario tenendo scorte minime, mentre il secondo in un trimestre non si è quasi venduto e in quello successivo è uscito cinque volte tanto.

L'analisi XYZ misura esattamente questa differenza — quanto i valori si disperdono attorno alla propria media. Per il primo articolo la dispersione risulta del 3,5%, per il secondo del 79,7%. Il primo finisce in X, il secondo in Z.

Quel numero si chiama coefficiente di variazione e si calcola più facilmente di quanto sembri.

I passi sono tre e ognuno si può verificare con la calcolatrice.

1. Calcoli la media su tutti i periodi.
2. Calcoli la deviazione standard — di quanto, in media, i valori si discostano da quella media.
3. Divida l'una per l'altra e converta in percentuale.

Quest'ultima operazione è il coefficiente di variazione:

La divisione per la media è qui la cosa essenziale. Senza di essa la dispersione si misurerebbe in pezzi, e un articolo che si vende a migliaia non si potrebbe confrontare con uno che esce a decine. In percentuale della propria media invece sono confrontabili: l'8% è regolare per l'uno come per l'altro.

La deviazione standard si calcola così:

Noti la divisione per N e non per N − 1. È la forma sulla popolazione: descriviamo esattamente i periodi presenti nel file, non stimiamo da un campione il comportamento di qualcosa di più grande. Lo strumento calcola allo stesso modo — quindi se verifica il suo risultato con Excel, usi DEV.ST.P (il nome più vecchio è DEV.ST.POP, in inglese STDEV.P) e non DEV.ST.C. Su dodici mesi la differenza tra le due si vede: circa il 4%.

Verifichiamolo sul secondo articolo dell'esempio precedente. La media è 100. Gli scarti: −60, −90, +110, +40. I quadrati: 3600, 8100, 12.100, 1600. La loro somma è 25.400, divisa per 4 periodi fa 6350, la radice quadrata è 79,7. Dividiamo per la media 100 e otteniamo 79,7%.

Ottenuta una percentuale per ogni articolo, resta solo distribuirli nei gruppi. I limiti predefiniti sono questi:

• X — coefficiente di variazione sotto il 10%;
• Y — dal 10% al 25%;
• Z — 25% e oltre.

Queste cifre sono una convenzione di settore, non una legge di natura, e nel suo caso possono rivelarsi sbagliate. La logica è semplice. Fino al 10% le oscillazioni non ostacolano la pianificazione: lo scarto rientra in una normale scorta di sicurezza. Oltre il 25% la media smette di prevedere qualunque cosa — ordinare «come al solito» non funziona più.

Vale la pena spostare i limiti quando il risultato smette di distinguere gli articoli. Se in X finiscono tre articoli su duecento e tutto il resto va in Z, il report non dice nulla: alzi le soglie e guardi dove i dati si separano da soli in gruppi. E viceversa: le vendite settimanali oscillano più di quelle mensili semplicemente perché il periodo è più corto — sui dati settimanali le soglie di solito sono più alte.

Sul set dimostrativo, con i limiti predefiniti, è venuto così: 40 articoli in X, 42 in Y e 38 in Z. Il coefficiente di variazione va dal 4 all'8,6% in X, dal 13,1 al 21,5% in Y e dal 32,3 al 111,5% in Z.

Il file è semplice: una riga per articolo, una colonna per periodo.

• Un nome o un codice — perché la riga sia riconoscibile.
• Colonne numeriche per periodo: gennaio, febbraio, marzo e così via. Possono essere pezzi, litri o denaro — l'importante è che tutte le colonne contengano la stessa grandezza.
• Le colonne vanno in ordine cronologico, da sinistra a destra.

Quest'ultimo punto non è una richiesta di ordine, è un requisito. Lo strumento non prova a indovinare la cronologia dai nomi delle colonne: le prende nell'ordine in cui lei le ha selezionate. Al coefficiente di variazione l'ordine è indifferente, ma dagli stessi dati si calcola tutto il resto — crescita, calo, stagione — e lì un ordine mescolato dà silenziosamente una risposta sbagliata.

Nelle colonne selezionate non devono esserci celle vuote. Lo strumento le controlla prima del calcolo e, se trova un buco, non prosegue: mostra l'elenco di quelle righe e la lascia al passo della selezione delle colonne. Un trattino, «n.d.» o qualunque altra annotazione a parole si comporta allo stesso modo — per il calcolo non è un numero.

Si risolve con un gesto solo: nella cella vuota si mette uno zero. Un mese senza vendite è un fatto e non un dato mancante, e lo zero dice esattamente questo. Quello che invece non conviene fare è mettere la media al posto del buco: il perché lo vediamo negli errori frequenti.

Un discorso a parte per l'articolo che non si è venduto nemmeno una volta.

Una riga così ha media zero, e per zero non si può dividere: il coefficiente di variazione per essa non esiste. Lo strumento non segnala un errore e non scrive nemmeno uno zero al suo posto: l'articolo resta semplicemente senza classe. È nel report, si vede, ma non è né in X, né in Y, né in Z.

È voluto. Mettere quell'articolo in Z equivarrebbe a dire «la domanda è imprevedibile», mentre su di esso non c'è proprio nulla da dire: domanda non ce n'è stata. E uno zero al posto del coefficiente lo metterebbe alla pari con gli articoli più regolari dell'assortimento, cioè esattamente al contrario.

Conclusione pratica: se gli articoli senza classe sono molti, è una diagnosi sul set di dati stesso. Con ogni probabilità nel file è finita l'anagrafica completa invece degli articoli davvero trattati.

Formalmente il coefficiente di variazione si calcola anche su tre numeri. In pratica tre punti non dicono quasi nulla: una svendita casuale e l'articolo se ne va in Z.

Un minimo ragionevole sono 12 periodi, cioè un anno per mesi. Questo dà due cose insieme: una dispersione solida e la possibilità di vedere una stagione. Con meno periodi tenga presente che sta guardando un'istantanea e non il comportamento di un articolo.

E al contrario, un periodo troppo lungo è d'ostacolo: tre anni di vendite mostreranno «regolare» là dove il primo anno l'articolo vendeva la metà rispetto al terzo. Meglio allora confrontare due calcoli annuali tra loro che farne uno solo su tutto lo storico.

Il report aggiunge due colonne alle sue: il coefficiente di variazione e la classe. Tutto il resto è il suo file invariato, riga per riga.

Conviene leggerlo in questo ordine.

1. Prima la distribuzione per classi nel suo insieme. Quanti articoli ci sono in ogni gruppo è la fotografia dell'assortimento. Se in Z c'è più di un terzo degli articoli, il problema con ogni probabilità non sta in loro, ma nel periodo di osservazione o nei dati stessi.
2. Poi Z in ordine decrescente di volume. Un articolo grande con domanda irregolare è denaro immobilizzato e rischio insieme, ed è proprio da lì che comincia il lavoro.
3. Poi X. Sono i candidati alla riduzione delle scorte e all'ordine automatico: su di loro la pianificazione funziona.

Quello che nel report non va cercato è una previsione. L'analisi XYZ non dice quanto venderà il mese prossimo. Dice se sulle vendite medie di quell'articolo ci si possa fare affidamento — una risposta diversa, più modesta e molto più solida.

X — domanda regolare. Tenga meno scorte e ordini a calendario. Qui funziona l'automazione: punto di riordino, giacenza minima, consegna regolare. Il denaro risparmiato in magazzino viene soprattutto da qui.

Y — oscilla entro limiti comprensibili. La scorta di sicurezza serve, ma piccola. Vale la pena guardare da dove viene l'oscillazione: se si ripete di anno in anno è una stagione e si può pianificare; se no, è semplicemente domanda irregolare.

Z — irregolare. Qui la scelta è consapevole ed è sempre un compromesso. O tiene una scorta di sicurezza costosa, o accetta che l'articolo a volte manchi, o lavora su ordinazione. Quello che non si può fare è applicare a Z le stesse regole di X: è esattamente da lì che nascono insieme il magazzino pieno e le rotture di stock.

E una regola generale: più l'articolo è grande, più l'errore costa. Per questo XYZ non si usa quasi mai da sola — la si unisce all'analisi ABC, che divide lo stesso elenco per contributo al risultato. È l'argomento del prossimo articolo della serie.

Confrontare coefficienti di variazione di grandezze diverse. La dispersione delle vendite in pezzi e quella del fatturato in denaro sono due numeri diversi, e la classe può risultare differente. Calcoli su una sola grandezza.

Considerare Z sinonimo di «male». In Z finisce tutto ciò che oscilla — compresi gli articoli stagionali e le novità che hanno appena cominciato a vendersi. Nel set dimostrativo, dei 38 articoli della classe Z tre sono risultati stagionali, due crescono, uno si sta spegnendo e uno ha smesso del tutto di vendersi. Sono sei decisioni diverse dietro una sola lettera.

Un esempio dallo stesso set. L'articolo più grande dell'assortimento è un caffè in grani che da giugno ad agosto fa il 56,3% delle sue vendite annue. Il suo coefficiente di variazione è del 76,8%, quindi sta saldamente in Z. Ma la sua domanda non è «imprevedibile»: è prevedibilissima, solo non sulla media annua. L'analisi XYZ questa distinzione non la fa: vede la dispersione e non vede che la dispersione compone una stagione. Come lo strumento separa la stagione dalla domanda irregolare è spiegato nel terzo articolo della serie.

Riempire i buchi con la media. Riempirli sarà necessario — senza questo lo strumento non avvia il calcolo — ma ci si mette la media per «non rovinare la statistica» e si ottiene esattamente il contrario: un articolo mancante a magazzino per sei mesi sembra vendersi regolarmente, e la sua dispersione risulta minore di quella vera. Il valore giusto è zero.

Calcolare su periodi troppo corti. Le vendite settimanali oscillano più di quelle mensili per loro natura, non perché la domanda sia peggiore. I dati settimanali hanno bisogno di soglie proprie.

XYZ risponde alla domanda «quanto è prevedibile». L'analisi ABC ne affronta un'altra: «quanto rende». Le decisioni vere si prendono all'incrocio: un articolo che rende molto denaro e si comporta in modo imprevedibile richiede attenzione per primo, mentre una coda regolare non ne richiede quasi nessuna.

• Che cos'è l'analisi ABC — in parole semplici — l'altra metà dello stesso quadro;
• XYZ+ABC: nove celle invece di tre classi — come unire le due analisi e che cosa fare di ogni cella;
• Che altro vede lo strumento nei suoi periodi — tendenza, stagionalità e scorte morte dietro gli stessi numeri.