SKU-стратегии в управлении Out-of-Stock: ABC-анализ, fast/slow movers, сегментация и автоматизация
Когда речь заходит об управлении Out-of-Stock (OOS), возникает вопрос: нужно ли одинаково внимательно следить за всеми товарами? Ответ очевиден: нет. Внимание и ресурсы должны быть сфокусированы на наиболее значимых SKU, которые формируют основную выручку, обладают высокой чувствительностью к OOS и влияют на лояльность клиента. Чтобы это реализовать на практике, необходимо использовать SKU-стратегии сегментации, такие как ABC-анализ, классификация fast/slow movers, KVI-товары, SKU с промо-активностью и другие методы.
В этой статье мы подробно рассмотрим, как применять SKU-стратегии для автоматизации контроля OOS, как выстраивать архитектуру витрин, как это визуализировать в BI и как внедрять в бизнес-процессы.
Зачем нужна сегментация SKU
Сегментация позволяет:
- Приоритизировать контроль и действия при OOS
- Автоматизировать алерты и правила по разным классам товаров
- Оптимизировать прогноз и запасы
- Фокусировать усилия Supply Chain и категорийных команд
Пример: нет смысла ежедневно проверять OOS по редким товарам, но обязательно — по SKU из KVI или fast movers
ABC-анализ
2.1 Методология
ABC-анализ — это классическая методика классификации товаров по уровню значимости для бизнеса. Как правило:
- Класс A — 20% SKU, дающие 80% продаж
- Класс B — 30% SKU, дающие 15% продаж
- Класс C — остальные 50%, дающие 5%
Критерии для классификации:
- Продажи в деньгах
- Продажи в штуках
- Валовая прибыль
- Частота покупки
Алгоритм расчета
- Рассчитать выручку по каждому SKU за период
- Отсортировать в порядке убывания
- Рассчитать накопительный % от общей суммы
-
Присвоить класс:
- До 80% — A
- 80–95% — B
- Остальные — C
Пример
|
SKU_ID |
Revenue |
Cumulative % |
Class |
|---|---|---|---|
|
SKU_001 |
1 000 000 |
20% |
A |
|
SKU_010 |
500 000 |
35% |
A |
|
SKU_023 |
300 000 |
50% |
B |
|
SKU_088 |
50 000 |
90% |
C |
BI-автоматизация
- Витрина dm_sku_abc
- BI-график: диаграмма Парето
- Фильтр по классу → дашборд инцидентов OOS по A-SKU
Fast/Slow Movers
Определение
- Fast movers — товары, которые продаются регулярно (ежедневно или чаще)
- Slow movers — товары, продажи которых случаются реже (1–2 раза в неделю и реже)
Метрика:
Количество дней с ненулевой продажей за период (например, 30 дней)
Классификация:
|
Класс |
Кол-во дней с продажами |
Примеры |
|---|---|---|
|
Fast |
> 20 |
Хлеб, вода, молоко |
|
Medium |
10–20 |
Крупы, бытовая химия |
|
Slow |
< 10 |
Подарочные наборы, редкие бренды |
BI и автоматизация
- Витрина dm_sku_velocity
- Поле velocity_class
-
Используется для:
- Настройки алертов
- Сглаживания прогнозов
- Исключения медленных товаров из ежедневного контроля OOS
Формула
Sales_Days = COUNT(DISTINCT Date WHERE Sales_Qty > 0)
KVI — Key Value Items
Определение
KVI — товары, по которым клиент оценивает уровень цен в магазине и делает вывод о доступности. Обычно это самые частотные и чувствительные позиции.
Признаки KVI
- Высокая частота покупки
- Высокая цена/качество чувствительность
- Сильное влияние на восприятие ассортимента
Что делать с KVI
- Ежедневный контроль OOS
- Приоритет в пополнении
- Более строгие правила прогнозирования
- Сниженные уровни допустимого отсутствия (например, SLA = 99.5% Shelf Availability)
Автоматизация
- Флаг is_kvi в витринах
- Условие в BI и алертах: WHERE is_kvi = TRUE AND is_oos = TRUE
Пример: комбинированная матрица приоритизации
В реальной жизни часто используется матрица SKU x Store x Класс, объединяющая несколько стратегий:
|
SKU_ID |
Store_ID |
ABC_Class |
Velocity |
KVI_Flag |
Priority_Level |
|---|---|---|---|---|---|
|
SKU_001 |
R001 |
A |
Fast |
TRUE |
1 |
|
SKU_024 |
R001 |
B |
Medium |
FALSE |
2 |
|
SKU_030 |
R002 |
C |
Slow |
FALSE |
3 |
Priority_Level:
- 1 — ежедневный контроль, алерты, авто-заказ
- 2 — недельный контроль
- 3 — инцидентный контроль (по обращениям)
Витрины и автоматизация
Витрина dm_sku_profile
|
SKU_ID |
Revenue |
Margin |
Sales_Days |
ABC_Class |
Velocity |
is_kvi |
Avg_Sales |
|---|
Используется в:
- dm_oos_metrics
- dm_oos_forecast
- BI-дэшбордах при фильтрации и приоритизации
BI-панели:
- Таблица инцидентов OOS по классу A
- Heatmap OOS по SKU и Velocity
- График доли fast movers в OOS
Риски и управление
|
Риск |
Решение |
|---|---|
|
Неверная классификация (ошибки в ABC) |
Пересчёт ежемесячно, сравнение с предыдущим |
|
Переход товаров между классами |
Добавить временной буфер (например, "временно A") |
|
Зависимость от неполных продаж |
Контроль completeness данных |
|
Неправильная оценка Velocity |
Исключить дни без данных, использовать скользящие окна |
Сегментация SKU — это не вспомогательная опция, а основа для масштабируемого управления Out-of-Stock. Без неё автоматизация становится либо слишком грубой (всё контролируем одинаково), либо слишком дорогой (ресурсы тратятся на незначимые товары).
С помощью ABC, Velocity и KVI-признаков мы создаем гибкую и умную систему, в которой каждый инцидент оценивается не по факту, а по значимости. В BI-системе такие фильтры и матрицы позволяют выстраивать управление по приоритетам, а в DWH и ETL — настраивать расчеты и алерты только там, где это действительно важно.
