Оценка дней запаса - расчет количества дней обеспеченности запасами

Дни запаса (Days of Supply, DOS) являются ключевым индикатором в управлении ассортиментом. В контексте BI DWH для категорийного менеджмента DOS служит мерилом устойчивости поставок и эффективности запасов по каждому SKU, месту хранения и каналу продаж. Корректная оценка DOS требует не только точности учета текущих остатков, но и согласованности данных спроса и поступления запасов, а также учета сезонности и динамики спроса. В рамках данной главы рассмотрены архитектура данных, алгоритмы расчета DOS, методы интеграции и практические паттерны реализации в современном хранилище данных.

DOS - это не просто число; это сигнал для принятия решений по пополнению, перераспределению запасов, корректировке условий поставок и управлению ассортиментом. Учитывая разнообразие каналов продаж, дней поставки и логистических ограничений, подход к расчету DOS должен быть масштабируемым, повторяемым и устойчивым к пропускам данных, задержкам и сезонным колебаниям спроса. В разделе приведены принципы моделирования данных, конкретные алгоритмы и практические примеры реализации в DWH, а также подходы к визуализации и управлению изменениями.

Определение DOS и источники данных, качество и консолидация данных.
Архитектура данных и моделирование в DWH: факт-измерения, размерности, ETL/ELT-процессы и гармония между данными.
Алгоритмы расчета DOS: базовые формулы, скользящее окно, сезонные поправки и устойчивые подходы к выбору параметров.
Реализация в DWH: паттерны хранения, вычисления в рамках ETL/ELT, производительность и мониторинг качества.
Использование DOS в управлении запасами: дашборды, оповещения и организационные аспекты внедрения.

Архитектура данных и интеграция DOS

Успешная реализация DOS начинается с концепции архитектуры данных, которая обеспечивает единый источник истины для спроса, запасов и планирования поставок. В классической оркестровке BI DWH для DOS применяют звездную схему или гибридную модель, где фактовые данные по запасам и по продажам объединяются через общую измерительную ось времени и SKU.

Источники данных и их роль. В основу расчета DOS закладываются данные продаж (units_sold) и данные запасов на дату (on_hand_qty). Для корректности расчета важны также поступления запасов (receipts), возвраты, склады и каналы продаж. В реальных системах данные подтягиваются из ERP, POS, WMS и планирования поставок. Важна концепция временной привязки: дату следует унифицировать по календарю (dim_date) с учетом выходных и праздничных дней.
Модель данных. Рекомендуемая базовая модель включает:
- Факты: факт_продаж_за_день (sku_id, date_key, store_id, units_sold), факт_остаток (sku_id, date_key, location_key, on_hand_qty).
- Размерности: dim_sku (sku_id, category_id, brand, season), dim_store (store_id, region), dim_date (date_key, calendar attributes), dim_category.
- Связи: sku_id и date_key связывают факты, что позволяет рассчитывать DOS как отношение наглядного остатка к усредненному спросу за установленный период.
ETL/ELT и обработка задержек. В реальных сценариях данные бывают задержаны или неполны. Подход ELT с использованием modern Data Warehouse (например, Snowflake) в связке с dbt позволяет сохранять надежную историю и повторно вычислять DOS без миграций. Инкрементальные загрузки, обработка late arriving data и обработка пропусков по датам достигаются через staging-слой и корректирующие скрипты.
Качество данных и валидация. Необходимо реализовать набор правил: отсутствие отрицательных остатков, единицы продаж неотрицательны, непропущенные даты для ключевых SKU/локаций, контроль за дубликатами. Валидации служат первым уровнем предупреждений о некорректности данных, которые могут исказить DOS.
Архитектурные паттерны. В зависимости от зрелости проекта можно выбрать:
- Стандартную звездообразную схему для быстрой аналитики DOS и простых алгоритмов.
- Модель Data Vault для сложной интеграции нескольких источников и историзации изменений.
- Материальные представления (materialized views) или агрегированные витрины для ускорения расчета DOS в реальном времени.

Важным аспектом является согласование единиц измерения и периодов. DOS, рассчитанный по запасам на текущий день, должен соответствовать тем же датам спроса в течение того же горизонта времени. Понимание этого согласования критично для корректности управленческих решений.

Совокупность архитектурных решений должна обуславливать:

возможность масштабирования (число SKU, складов и каналов растет);
повторяемость расчета в разных сценариях (различные горизонты, разные зоны хранения);
прозрачность и воспроизводимость расчетов для аудита и регуляторных требований.

Open-source и российские инструменты в архитекутуре DOS рекомендуются к минимуму и исключительно как элементы экосистемы, поддерживающие паттерны ELT и визуализацию. Например, для трансформаций можно использовать dbt, а для аналитики - Snowflake как пример облачного DW. Это позволяет сфокусироваться на логике расчета DOS и управлении данными, не отвлекаясь на архитектурные детали конкретного продукта.

Расчет базовых показателей: спрос и запас

Базовая идея DOS - это отношение текущего запаса к ожидаемому дневному спросу. В классическом виде DOS на SKU/date определяется как:

DOS = OnHand / AvgDailyDemand

где OnHand - запас на складе на данную дату, а AvgDailyDemand - среднесуточный спрос за выбранный период. В рамках категорийного менеджмента предпочтительны гибкие параметры: период скользящего окна, учет сезонности и корреляции спроса по регионам и каналам.

Выбор периода. Наиболее распространены окна 60-180 дней. 90 дней - компромисс между стабильностью и адаптивностью к изменениям спроса. При высокой сезонности целесообразно комбинировать скользящее окно с сезонной корректировкой (например, сравнение с аналогичным периодом прошлого года).
Способы подсчета AvgDailyDemand. Основные подходы:
- Простое скользящее среднее: AVG(units_sold) over last N дней. Подходит для стабильных категорий без выраженной сезонности.
- Взвешенное среднее (WMA) или экспоненциальное сглаживание (EMA). Лучше справляется с трендом и сезонностью, адаптируется к недавним изменениям спроса.
- Коррекция по сезонности. Включение сезонного индекса, рассчитываемого по историческим паттернам (например, отношение фактического спроса к базовому среднему за аналогичные периоды).
Образцы формул. В простом виде для SKU_id и date_key:
- daily_demand_t = суммаunits_sold за конкретный date_key и sku_id (можно по всем локациям или по каналу).
- avg_90d_demand = среднее значение daily_demand_t за последние 90 дней, включая текущий день.
- DOS_t = floor(on_hand_qty_t / avg_90d_demand) при условии avg_90d_demand > 0.
Обработка нулевого спроса и ненаходящихся запасов. При отсутствии спроса на протяжении окна (avg_90d_demand = 0) DOS не должен приводить к делению на ноль. В таких случаях допустимы альтернативы:
- DOS = NULL (не рассчитывается до появления спроса);
- DOS = величина, обозначающая серьёзную незадачу (например, 999) для последующей ручной проверки.
Сезонные поправки и сезонность. Для категорий с выраженной сезонной динамикой полезно внедрить индекс сезонности (SeasonalIndex), который корректирует avg_demand. Пример подхода: Demand_adjusted = daily_demand × SeasonalIndex(sku_id, date_key). После этого используется скорректированное значение в знаменателе DOS.
Разделение по контексту. DOS может рассчитываться на уровне SKU по всей сети, по складам, по магазинам или по каналам продаж. В каждом контексте DOS может отличаться в зависимости от своей логистики и спроса. При этом общий показатель DOS для руководителя категории может строиться на агрегированной матрице DOS по группе SKU.
Взаимодействие DOS и страховых запасов. DOS не должен рассматриваться в изоляции. Определение адекватной степени страховых запасов (safety stock) и пороги его пересмотра зависят от DOS и допустимого уровня обслуживания (service level). DOS может служить сигналом к перераспределению запасов или к изменению планирования пополнения, а не только к количественному числу.
Пример интерпретации. Если DOS SKU A на складе X равняется 15, это означает, что текущего запаса хватит примерно на 15 дней при текущем спросе. При снижении спроса или росте запасов DOS будет расти, и наоборот: рост спроса или снижение остатков приведут к снижению DOS. Такие изменения должны обсуждаться в рамках планирования пополнений и переговоров с поставщиками.
Влияние мульти-канальности. В сетях с несколькими каналами (розничная сеть, онлайн, дистрибуция) DOS следует рассчитывать отдельно по каналу на основе соответствующего спроса и запасов, а затем агрегировать для управленческих целей, учитывая весовые коэффициенты и стоимость обслуживания по каждому каналу.

Реализация в DWH: паттерны и примеры

Реализация DOS в DWH должна быть повторяемой и производительной. Ниже представлен общий паттерн и пример SQL-логики, который можно адаптировать под конкретную платформу (Snowflake, BigQuery, Redshift и т. д.).

Паттерн расчета DOS:
1. Собрать дневной спрос per SKU per date (demand_by_date).
2. Вычислить скользящее среднее за заданное окно (например, 90 дней) по спросу.
3. Соединить OnHand запас с рассчитанным средним спросом и вычислить DOS.
4. Учесть сезонность при необходимости и сохранить результат в витрину DOS (dos_by_sku_by_date).
Важные детали реализации:
- Инкрементальные обновления: DOS должен пересчитываться для обновившихся дат, с минимальным повторным сканированием исторических данных.
- Индексы и партиционирование: партиционирование по date_key и SKU ускоряет запросы; добавление локальных индексов по sku_id ускоряет соединения.
- Пограничные случаи: нулевой спрос, нулевые запасы, пропуски данных - обрабатывать осторожно, чтобы не искажать DOS.
- Мониторинг и аудит: сохранять версию расчетной логики и дату обновления DOS для аудита.
```
-- Пример упрощенного SQL-алгоритма для DOS (90-дневное окно) в виде паттерна ELT
WITH daily_demand AS (
  SELECT
    fsku.sku_id,
    d.date_key,
    SUM(fsku.units_sold) AS daily_sold
## FROM fact_sales_daily fsku
  JOIN dim_date d ON d.date_key = fsku.date_key
  GROUP BY fsku.sku_id, d.date_key
),
demand_window AS (
  SELECT
    sku_id,
    date_key,
    AVG(daily_sold) OVER (
      PARTITION BY sku_id
## ORDER BY date_key
      ROWS BETWEEN 89 PRECEDING AND CURRENT ROW
    ) AS avg_90d_demand
  FROM daily_demand
),
dos AS (
  SELECT
    i.sku_id,
    i.date_key,
    i.on_hand_qty,
    dw.avg_90d_demand,
    CASE
      WHEN dw.avg_90d_demand > 0 THEN FLOOR(i.on_hand_qty / dw.avg_90d_demand)
      ELSE NULL
    END AS days_of_supply
  FROM inventory_snapshot i
## LEFT JOIN demand_window dw
    ON dw.sku_id = i.sku_id AND dw.date_key = i.date_key
)
SELECT * FROM dos
ORDER BY sku_id, date_key;
```
  Преимущество данного паттерна - разделение вычислений на логические шаги и возможность повторного использования промежуточных таблиц. При необходимости можно добавить сезонную поправку, используя дополнительный оконной функции столбец seasonal_index, либо отдельный шаг расчета SeasonalIndex и коррекции в знаменателе.
Пример расширения: сезонная коррекция. В качестве иллюстрации введем столбец seasonal_index, который учитывает сезонность SKU и дату. В реальной реализации seasonal_index может строиться на исторических паттернах, например, по аналогичным периодам прошлого года или по недельным паттернам. Затем заменяем avg_90d_demand на demand_adjusted и пересчитываем DOS.
Витрина DOS и доступ потребителям. Расчет DOS сохраняется в витрину dos_by_sku_date, которая далее используется в дашбордах и отчетах менеджера по категориям. Режим обновления витрины зависит от требований бизнеса: ежедневное обновление, пакетное обновление по ночи или частичное обновление по инкременту.
Интеграционные подходы. В реальной среде к DOS добавляют показатели риска (risk indicators): вероятность дефицита в ближайшие N дней, вероятность превышения целевого уровня обслуживания, оптимальные точки пополнения и т. д. Эти показатели требуют дополнительных вычислений и, как правило, опираются на моделирование спроса и поставок.

Интеграция и потребители: от данных к принятым решениям

DOS служит мостиком между данными и управленческими действиями. Эффективное использование DOS в рамках процессов категорийного менеджмента требует четкого определения правил взаимодействия между аналитиками, планировщиками и поставщиками.

Dashboards и визуализация. Ключевые представления включают:
- DOS по SKU и по складам: иерархическая раскладка по Category → Subcategory → SKU с тепловыми индикаторами.
- DOS по каналу: отдельные панели для офлайн-магазинов и онлайн-каналов, с учётом специфики спроса.
- История DOS: временные ряды для отслеживания трендов и отклонений от нормы.
Оповещения и триггеры. Встроенные правила мониторинга DOS позволяют автоматически формировать уведомления, когда DOS опускается ниже заданного минимума или когда он выходит за пределы допустимой вариации. Это позволяет менеджерам оперативно вмешаться: перераспределить запасы, скорректировать заказы поставщикам, изменить ассортимент.
Взаимодействие с планированием пополнения. DOS должен быть частью планирования поставок. В интеграционной логике DOS связывается с reorder point, lead time и safety stock. В качестве примера: если DOS падает ниже threshold, система может инициировать ускоренное пополнение по поставщику, чтобы поддержать уровень обслуживания.
Применение в управлении ассортиментом. DOS помогает идентифицировать «критичные» SKU с высокой вероятностью дефицита и перераспределять акции или маркетинговые программы для поддержки спроса и загрузки канала.

Мониторинг качества данных и производительности

Качество данных и производительность являются краеугольными камнями надежного DOS. Без надлежащего контроля выводы могут быть недостоверны, что приводит к ошибочным решениям.

Контроль качества данных. Регулярные проверки на:
- корректность остатков (on_hand_qty >= 0);
- отсутствие отрицательного спроса (units_sold >= 0);
- непропущенные даты в контексте ключевых SKU/кладовых точек;
- отсутствие дублирующихся записей по SKU/date;
- согласование спроса и поступлений (возможность рассчитать несостыковки между demand и receipts).
Валидация расчета DOS. Сравнение DOS, полученного в разные периоды, на предмет резких перепадов, что может указывать на пропуски данных или изменение бизнес-процессов.
Производительность. Эффективность достигается за счет правильного индексирования, партиционирования по date и sku, использования материализованных представлений и кэширования часто запрашиваемых витрин. В кейсах с большим горизонтом и множеством SKU применение параллельной обработки и распределенных вычислений обеспечивает приемлемую задержку.
Внесение изменений в логику расчета. Любые изменения в методологии расчета DOS должны проходить через версию-документацию и тестовую среду, чтобы избежать регрессий и обеспечить воспроизводимость анализа.

Пример использования на практике

Рассмотрим гипотетическую категорию "Электроника" с двумя SKU на двух складах. После настройки источников данных и витрины DOS менеджер может увидеть:

DOS по SKU: SKU 123456 имеет DOS 12 дней на складе A и 8 дней на складе B, что сигнализирует о необходимости перераспределения запасов между складами в рамках ближайших планов.
DOS по каналу: онлайн-канал показывает DOS 15 дней для SKU 123456, в то время как офлайн сеть - 6 дней, что может подтолкнуть к перераспределению складских запасов и дополнительной поставке в онлайн-канал.
Тренд DOS. По графику DOS видно, что в последние 6 недель DOS снижается, указывая на рост спроса или задержку поставок. Это запускает процесс регулярного пересмотра условий пополнения.

Такой подход позволяет не только реагировать на текущую ситуацию, но и предвидеть риски дефицита и снижать издержки на удержание запасов.

Key takeaways

DOS - критический индикатор, связывающий данные продаж, запасы и планирование поставок в контексте категорийного менеджмента.
Архитектура данных должна обеспечивать единый источник истины, устойчивость к задержкам данных и возможность масштабирования по SKU, складам и каналам.
Основной подход к расчету DOS - отношение текущего запаса к усредненному дневному спросу за выбранный период. В сложных случаях применяют сезонные поправки и адаптивные методы расчета спроса.
Реализация DOS в DWH требует продуманной схемы ETL/ELT, вычислительных паттернов и витрины, доступной аналитикам и менеджерам.
DOS должен быть интегрирован в процессы планирования пополнения, распределения запасов и управления ассортиментом через дашборды, оповещения и регламентированные процессы.
Контроль качества данных и производительности критичны для достоверности DOS; внедряются проверки данных, аудит вычислений и эффективные паттерны хранения.
Применение современных инструментов ELT и витрин данных позволяет реализовать DOS безопасно, прозрачно и масштабируемо.

FAQ

Что такое DOS и зачем он нужен в категорийном менеджменте?

DOS - это показатель, который отражает, на сколько дней хватит текущего запаса при текущем спросе. В категорийном менеджменте он помогает определить, какие SKU требуют пополнения, перераспределения запасов между складами и корректировки ассортимента. DOS помогает управлять рисками дефицита и излишков, оптимизируя затраты на хранение и обслуживание. В контексте BI DWH DOS становится метрикой на основе единой и достоверной базы данных, что позволяет сравнивать и прогнозировать запасы по SKU, складам и каналам.

Какие источники данных необходимы для расчета DOS?

Необходимо объединить данные по запасам (on_hand_qty) и продажам (units_sold) по SKU и дате, а также данные о поступлениях (receipts) и, при необходимости, каналы продаж и география. В идеале следует иметь dim_date и dim_sku для консолидации по времени и продукту. Источники могут включать ERP, POS, WMS и планирование поставок, но должны обеспечивать согласованность дати и идентификаторов SKU.

Как выбрать размер окна для скользящего среднего?

Выбор окна зависит от сезонности и вариантов спроса по SKU. Для стабильных категорий можно использовать 60-90 дней; для сильно сезонных - 120-180 дней в сочетании с сезонной корректировкой. Важно обеспечить достаточную статистическую стабильность, но и возможность реагировать на изменения. Экспериментальная настройка в пилотах поможет определить оптимальное окно для конкретной бизнес-секции.

Как учитывать сезонность спроса при расчете DOS?

Сезонность может быть учтена через сезонный индекс, который корректирует средний спрос на соответствующий период. В практике применяют индексы, рассчитанные на основе паттернов прошлого года или по недельной/месячной сезонности. Итоговый знаменатель DOS может быть Demand_adjusted = daily_sold × SeasonalIndex, после чего вычисляется DOS на основе скорректированного спроса.

Как рассчитывать DOS в мультиканальной среде?

Для мультиканальности следует рассчитывать DOS отдельно по каждому каналу (розничный, онлайн, дистрибуция) на основе спроса по этому каналу и запасов в соответствующих каналах. Затем можно агрегировать DOS по SKU с учетом весов (например, доля продаж по каналу) для управленческих целей. Это позволяет учитывать различия в спросе и логистических ограничениях между каналами.

Что делать при нулевом спросе или нулевых запасах?

Если avg_90d_demand = 0, DOS не следует рассчитывать как обычное отношение. Варианты: вернуть NULL и передать сигнал на ручную проверку; присвоить специальное значение (например,
999) для идентификации нерелевантных случаев. В реальном мире нулевой спрос может означать сезонность, переход к новому ассортименту или временную паузу продаж, поэтому требуется дополнительная аналитика.

Какие риски и ограничения присутствуют в DOS?

Ключевые риски связаны с качеством данных (неточные запасы, задержки в данных продаж), выбором параметров (размер окна, сезонная коррекция), а также изменениями в бизнес-процессах и логистике. Неправильный расчет DOS может привести к излишкам или дефициту. Важно обеспечивать аудируемость расчетов и прозрачность методологии.

Какие инструменты и технологии применяются для реализации DOS в DWH?

Для реализации DOS обычно применяются современные ELT-платформы и витрины данных на базе облачных DW (например, Snowflake) и инструментов моделирования трансформаций (dbt). Это обеспечивает повторяемость, масштабируемость и управляемость версий расчетов. Выбор конкретных инструментов зависит от инфраструктуры организации и требований к безопасности и управлению данными.

Как внедрять DOS в организационные процессы?

Необходимо встроить DOS в цикл планирования запасов и управления ассортиментом. Это включает создание дашбордов для категорийных менеджеров, настройку оповещений при достижении порогов DOS, определение процессов перераспределения запасов и корректировки пополнения. Внедрение требует согласованности между аналитическим отделом, логистикой, закупками и товарными командами.

Какие дальнейшие шаги после внедрения DOS?
После внедрения DOS рекомендуется:

пересмотреть политики страховых запасов и пороги обслуживания на основе DOS.
внедрить дополнительные метрики, такие как вероятность дефицита на ближайшие N дней или показатель оборачиваемости запасов.
проводить регулярную валидацию данных и обновлять сезонную коррекцию по мере накопления новых данных.
расширять DOS на новые SKU и регионы, сохраняя качество и производительность расчета.

← Предыдущая статья

Расчет среднего уровня запасов - определение среднего остатка товаров категории

Следующая статья →

Анализ избыточных запасов - выявление товаров с медленной продажей