МСК +7 (495) 001-38-72

05.07.2019

Ассортимент в моделировании цепочек поставок в ритейле

Чтобы избежать риска потери доли рынка и прибыли, ритейлеры должны постоянно модернизировать цепочки поставок, приспосабливаясь к изменяющимся рыночным условиям. Технология моделирования позволяет создать цифрового двойника своей цепочки поставок. Так, например, в виртуальной модели на базе платформы LLamasoft Supply Chain Guru легко экспериментировать с новыми идеями в безрисковой среде и выявлять возможности для экономии средств. Ключевое значение в этом процессе будет иметь подготовка данных.

Крупные розничные сети насчитывают до 20 тысяч магазинов по всей стране, в которых представлены от 3 до 30 тысяч наименований товаров. Поэтому ритейлеры завалены данными о своих клиентах, поставщиках, запасах, транспорте и т.д. При этом в системах отчетности и прогнозирования могут отсутствовать детализированная информация. В этих условиях ключом к созданию эффективной модели цепочек поставок становится определение того, какой уровень агрегации должен быть использован при подготовке данных, и в первую очередь это касается ассортимента магазинов.

Зачастую в компаниях уже существует ряд классификаторов, которые либо не отражают характеристики товаров, и потому не влияют на результат моделирования, либо являются избыточными. Например, разделение на продовольственные и непродовольственные продукты, охлажденные мясо и птицу, а также разграничение категорий товаров по их стоимости. Во всех этих случаях цепочки поставок не отличаются и такое распределение не оказывает влияния на результат, а только усложняет процессы подготовки данных и моделирования.

В зависимости от цели моделирования мы используем данные либо по крупным категориям, которые объединяют признаки товаров, важные для заказчика, либо по каждому из наименований. Условно можем разделить такие модели на стратегические и тактические. Рассмотрим каждую из них. 

Стратегические модели определяют оптимальную конфигурацию логистической инфраструктуры для удовлетворения спроса клиентов. Они наименее чувствительны к детализации ассортимента сети.  Как правило, для построения такой модели достаточно 5-10 категорий товаров. Основным критерием агрегации будут условия хранения, которые предполагают создание отдельных помещений склада с различными температурными режимами или лицензируемых зон. Такой подход позволяет учесть ограничения существующих объектов сети и определить долгосрочную стратегию размещения и размеров объектов.

Следует также отметить мультиэшелонные модели, целью которых является оптимальное распределение товарного запаса по всей логистической сети и сокращение необходимых складских площадей. При построении таких моделей большое значение имеют оборачиваемость запасов и уникальность товаров в отдельных регионах. Так низкооборачиваемая продукция, представленная в нескольких регионах страны, может храниться на крупном центральном складе, а уникальный для одного региона высокооборачиваемый товар должен быть размещен как можно ближе к потребителю. 

Модели для принятия тактических решений зачастую требуют большей детализации данных вплоть до конкретных SKU. К примеру, задача по определению оптимального уровня централизации поставок отвечает на вопрос, какой ассортимент выгодно поставлять через собственные цепочки, а не напрямую от поставщика в магазин. Такая модель должна учитывать не только логистические объекты самого ритейлера, но и местонахождение и пропускные способности поставщиков или производителей. Для построения необходимы подробные данные о товарах, однако дополнительная детализация может сказаться на производительности модели, связанной не только с вычислительной сложностью, но и с мощностями оборудования, на котором установлено программное обеспечение. При решении такого типа задач мы всегда ищем баланс между необходимой детализацией и производительностью. 

Прежде чем приступать к созданию модели цепочки поставок, необходимо определить цели моделирования и соответствующий уровень агрегации данных. Чем выше уровень задачи, тем более высокий уровень агрегации целесообразно использовать. Такой подход позволяет сокращать время на сбор данных и моделирование и при этом получить оценку стоимости решения с более высокой точностью.