Czym jest analiza XYZ — prostymi słowami

Analiza XYZ odpowiada na jedno pytanie: jak równo sprzedaje się każda pozycja z listy.

Nie „ile”, tylko właśnie „jak równo”. Dwie pozycje mogą dawać w roku ten sam przychód i zachowywać się przy tym zupełnie inaczej: jedna schodzi mniej więcej tak samo co miesiąc, druga pół roku stoi, a potem odchodzi naraz. Pieniądze te same, praca z nimi inna.

Metoda bierze sprzedaż w okresach — miesiącach, tygodniach, kwartałach — i dzieli pozycje na trzy grupy:

• X — popyt równy, przyszłość przewidywalna;
• Y — waha się, ale w zrozumiałych granicach;
• Z — nierówno, planowanie według średniej nie działa.

Wartość nie leży w samych literach, tylko w tym, że po analizie lista przestaje być jednorodna. Pod X można trzymać mniejszy zapas i zamawiać według harmonogramu. Pod Z zapas jest albo drogi i bezpieczny, albo go nie ma i trzeba pogodzić się z brakami. Decyzja jest inna, a przed analizą podejmuje się ją tak samo dla całego asortymentu.

Weźmy dwie pozycje i spójrzmy na sprzedaż kwartalną.

Pierwsza: 100, 105, 95, 100 sztuk. Druga: 40, 10, 210, 140 sztuk.

Średnia obu jest taka sama — 100 sztuk na kwartał. Raport, w którym jest tylko średnia, pokaże dwa identyczne wiersze. Tymczasem to dwa różne biznesy w jednej tabeli: pierwszą pozycję można zamawiać według harmonogramu i trzymać minimalny zapas, a druga przez jeden kwartał prawie się nie sprzedawała, a w następnym poszła pięć razy lepiej.

Analiza XYZ mierzy dokładnie tę różnicę — jak mocno wartości rozbiegają się wokół własnej średniej. Przy pierwszej pozycji rozrzut wynosi 3,5%, przy drugiej 79,7%. Pierwsza trafi do X, druga do Z.

Ta liczba nazywa się współczynnikiem zmienności i liczy się prościej, niż brzmi.

Kroki są trzy i każdy da się sprawdzić na kalkulatorze.

1. Liczymy średnią ze wszystkich okresów.
2. Liczymy odchylenie standardowe — jak daleko średnio wartości odbiegają od tej średniej.
3. Dzielimy jedno przez drugie i przeliczamy na procenty.

To ostatnie działanie to właśnie współczynnik zmienności:

Dzielenie przez średnią jest tu najważniejsze. Bez niego rozrzut mierzyłoby się w sztukach i pozycji sprzedawanej tysiącami nie dałoby się porównać z tą, która schodzi dziesiątkami. A w procentach własnej średniej są porównywalne: 8% to równo i dla jednej, i dla drugiej.

Odchylenie standardowe liczy się tak:

Warto zwrócić uwagę na dzielenie przez N, a nie przez N − 1. To tak zwana postać populacyjna: opisujemy dokładnie te okresy, które są w pliku, a nie szacujemy z próby zachowanie czegoś większego. Narzędzie liczy tak samo — więc sprawdzając jego wynik w Excelu, trzeba wziąć ODCH.STAND.POPUL (starsza nazwa to ODCH.STANDARD.POPUL, po angielsku STDEV.P), a nie ODCH.STANDARDOWE. Na dwunastu miesiącach różnica między nimi jest widoczna: około 4%.

Sprawdźmy to na drugiej pozycji z przykładu wyżej. Średnia — 100. Odchylenia: −60, −90, +110, +40. Kwadraty: 3600, 8100, 12 100, 1600. Ich suma to 25 400, dzielimy przez 4 okresy — 6350, pierwiastek — 79,7. Dzielimy przez średnią 100 i wychodzi 79,7%.

Mając procent dla każdej pozycji, zostaje rozłożyć je na grupy. Domyślne granice są takie:

• X — współczynnik zmienności poniżej 10%;
• Y — od 10% do 25%;
• Z — 25% i więcej.

Te liczby to branżowa umowa, a nie prawo natury, i w konkretnym przypadku mogą okazać się nie te. Sens mają prosty. Do 10% wahania nie przeszkadzają w planowaniu: odchylenie mieści się w zwykłym zapasie bezpieczeństwa. Powyżej 25% średnia przestaje cokolwiek przewidywać — zamawianie „jak zwykle” już nie działa.

Granice warto zmienić, gdy wynik przestaje rozróżniać pozycje. Jeśli w X znalazły się trzy pozycje z dwustu, a cała reszta trafiła do Z, raport nie mówi nic — trzeba podnieść progi i zobaczyć, gdzie dane same rozpadają się na grupy. I odwrotnie: sprzedaż tygodniowa waha się mocniej niż miesięczna po prostu dlatego, że okres jest krótszy — przy danych tygodniowych progi zwykle są wyższe.

W demonstracyjnym zestawie przy domyślnych granicach wyszło tak: 40 pozycji w X, 42 w Y i 38 w Z. Współczynnik zmienności w X — od 4 do 8,6%, w Y — od 13,1 do 21,5%, w Z — od 32,3 do 111,5%.

Plik jest prosty: wiersz to pozycja, kolumny to okresy.

• Nazwa lub indeks — żeby dało się rozpoznać wiersz.
• Liczbowe kolumny okresów: styczeń, luty, marzec i tak dalej. Mogą to być sztuki, litry, pieniądze — ważne, żeby we wszystkich kolumnach była ta sama wielkość.
• Kolumny idą w porządku chronologicznym — od lewej do prawej.

To ostatnie nie jest prośbą o staranność, tylko wymogiem. Narzędzie nie próbuje odgadnąć chronologii z nazw kolumn: bierze je w takiej kolejności, w jakiej zostały wybrane. Samemu współczynnikowi zmienności kolejność jest obojętna, ale z tych samych danych liczy się wszystko pozostałe — wzrost, spadek, sezon — i tam pomylona kolejność daje błędną odpowiedź po cichu.

W wybranych kolumnach nie może być pustych komórek. Narzędzie sprawdza je przed obliczeniem i jeśli znajdzie lukę, nie idzie dalej: pokazuje listę takich wierszy i zostawia użytkownika na kroku wyboru kolumn. Tak samo zadziała myślnik, „b.d.” i każda inna adnotacja słowna — dla obliczeń to nie jest liczba.

Naprawia się to jednym ruchem: w pustą komórkę wpisuje się zero. Miesiąc bez sprzedaży to fakt, a nie brak danych, i zero mówi dokładnie to. Czego natomiast nie należy robić, to wstawiać w lukę średniej — dlaczego, omawiamy w częstych błędach.

Osobno o pozycji, która nie sprzedała się ani razu.

Taki wiersz ma średnią równą zeru, a przez zero dzielić nie wolno — współczynnik zmienności dla niego nie istnieje. Narzędzie nie zgłasza błędu i nie wpisuje w jego miejsce zera: pozycja po prostu zostaje bez klasy. Jest w raporcie, widać ją, ale nie ma jej ani w X, ani w Y, ani w Z.

Zrobiono to celowo. Zaliczyć taką pozycję do Z znaczyłoby powiedzieć „popyt jest nieprzewidywalny”, choć powiedzieć o niej nie da się nic: popytu nie było. A zero zamiast współczynnika postawiłoby ją w jednym rzędzie z najrówniejszymi pozycjami asortymentu — czyli dokładnie odwrotnie.

Praktyczny wniosek: jeśli pozycji bez klasy jest dużo, to diagnoza samego zestawu danych. Najpewniej do pliku trafił pełny katalog indeksów zamiast tych pozycji, którymi rzeczywiście się handlowało.

Formalnie współczynnik zmienności liczy się i z trzech liczb. Praktycznie trzy punkty nie mówią prawie nic: jedna przypadkowa wyprzedaż i pozycja jedzie do Z.

Rozsądne minimum to 12 okresów, czyli rok w miesiącach. Daje to dwie rzeczy naraz: stabilny rozrzut i możliwość zobaczenia sezonu. Przy mniejszej liczbie okresów trzeba pamiętać, że widać wycinek, a nie zachowanie pozycji.

I odwrotnie, zbyt długi okres przeszkadza: sprzedaż za trzy lata pokaże „równo” tam, gdzie w pierwszym roku pozycja sprzedawała się dwa razy gorzej niż w trzecim. Wtedy lepiej porównać dwa roczne obliczenia ze sobą, niż liczyć jedno na całą historię.

W raporcie do kolumn użytkownika dochodzą dwie: współczynnik zmienności i klasa. Cała reszta to plik w niezmienionej postaci, wiersz w wiersz.

Czytać go warto w takiej kolejności.

1. Najpierw cały rozkład na klasy. Ile pozycji jest w każdej grupie — to obraz asortymentu. Jeśli w Z jest więcej niż jedna trzecia pozycji, rzecz najpewniej nie w nich, tylko w okresie obserwacji albo w samych danych.
2. Potem Z malejąco według wolumenu. Duża pozycja z nierównym popytem to zamrożone pieniądze i ryzyko naraz, i właśnie od niej zaczyna się praca.
3. Potem X. To kandydaci do zmniejszenia zapasu i do automatycznego zamawiania: przy nich planowanie działa.

Czego w raporcie szukać nie trzeba, to prognozy. Analiza XYZ nie mówi, ile sprzeda się w przyszłym miesiącu. Mówi, czy na średniej sprzedaży tej pozycji można w ogóle polegać — to inna, skromniejsza i znacznie pewniejsza odpowiedź.

X — równy popyt. Trzymać mniejszy zapas i zamawiać według harmonogramu. Tu działa automatyzacja: punkt zamówienia, minimalny stan, regularna dostawa. Pieniądze oszczędzone na magazynie biorą się głównie stąd.

Y — waha się w zrozumiałych granicach. Zapas bezpieczeństwa jest potrzebny, ale niewielki. Warto sprawdzić, skąd bierze się wahanie: jeśli powtarza się rok do roku, to sezon i da się go zaplanować; jeśli nie — to po prostu nierówny popyt.

Z — nierówno. Tu wybór jest świadomy i zawsze jest kompromisem. Albo trzyma się drogi zapas bezpieczeństwa, albo godzi się z tym, że pozycji czasem nie będzie, albo pracuje się na zamówienie. Czego nie wolno, to stosować do Z tych samych reguł co do X: właśnie z tego bierze się i przepełniony magazyn, i braki jednocześnie.

I reguła ogólna: im większa pozycja, tym droższy błąd. Dlatego XYZ prawie nigdy nie stosuje się samodzielnie — łączy się ją z analizą ABC, która dzieli tę samą listę według wkładu w wynik. O tym jest następny artykuł serii.

Porównywanie współczynników zmienności różnych wielkości. Rozrzut sprzedaży w sztukach i rozrzut przychodu w pieniądzach to dwie różne liczby i klasa może z nich wyjść różna. Liczyć trzeba na jednej wielkości.

Uznawanie Z za synonim „źle”. Do Z trafia wszystko, co się waha — w tym pozycje sezonowe i nowości, które dopiero zaczęły się sprzedawać. W demonstracyjnym zestawie z 38 pozycji klasy Z trzy okazały się sezonowe, dwie rosną, jedna wygasa, a jedna przestała się sprzedawać zupełnie. To sześć różnych decyzji, a litera jedna.

Przykład z tego samego zestawu. Największa pozycja asortymentu to kawa ziarnista, która od czerwca do sierpnia daje 56,3% swojej rocznej sprzedaży. Jej współczynnik zmienności to 76,8%, czyli jest pewnie w Z. Ale popyt na nią nie jest „nieprzewidywalny” — jest przewidywalny doskonale, tylko nie według średniej rocznej. Analiza XYZ tego rozróżnienia nie robi: widzi rozrzut i nie widzi, że rozrzut złożył się w sezon. Jak narzędzie oddziela sezon od nierównego popytu — w trzecim artykule serii.

Wypełnianie luk średnią. Wypełnić je trzeba — bez tego narzędzie nie zacznie obliczeń — ale wstawia się tam średnią, żeby „nie psuć statystyki”, i osiąga dokładnie odwrotny skutek: pozycja, której przez pół roku nie było na stanie, wygląda na równo sprzedającą się, a jej rozrzut wychodzi mniejszy niż w rzeczywistości. Właściwa wartość to zero.

Liczenie na zbyt krótkich okresach. Sprzedaż tygodniowa waha się mocniej niż miesięczna z samej swojej natury, a nie dlatego, że popyt jest gorszy. Dane tygodniowe potrzebują własnych progów.

XYZ odpowiada na pytanie „jak przewidywalnie”. Analiza ABC odpowiada na inne — „ile to daje”. Naprawdę decyzje zapadają na przecięciu: pozycja, która daje dużo pieniędzy i zachowuje się przy tym nieprzewidywalnie, wymaga uwagi w pierwszej kolejności, a równy ogon nie wymaga jej prawie wcale.

• Czym jest analiza ABC — prostymi słowami — druga połowa tego samego obrazu;
• XYZ+ABC: dziewięć komórek zamiast trzech klas — jak połączyć obie analizy i co robić z każdą komórką;
• Co jeszcze narzędzie widzi w okresach — trend, sezonowość i martwy zapas za tymi samymi liczbami.