Управление запасами: 8 ключевых метрик и моделей

Склад, на котором запасы не измеряют, а «чувствуют», теряет 12–18% оборотного капитала ежегодно — и это не теория, а среднее по аудитам российских дистрибьюторов с оборотом от 500 млн ₽. Восемь метрик, описанных ниже, позволяют перевести управление запасами из области интуиции в область расчёта.

Зачем управлять запасами: 4 причины, которые стоят 15% маржи

Запасы — это деньги, которые лежат на полках вместо того, чтобы работать. Каждая паллета на складе — это замороженный оборотный капитал, аренда квадратных метров под ней, страховка, обработка при инвентаризации и риск списания. По данным отраслевых аудитов, стоимость содержания запасов составляет 20–30% от их стоимости в год^apics. Для компании с запасами на 80 млн ₽ это 16–24 млн ₽ ежегодно — только за то, что товар физически присутствует на складе.

Первая причина управлять запасами — снижение замороженного капитала. Компании, которые переходят от интуитивных закупок к модельным, сокращают средний уровень запасов на 15–25% без потери сервис-уровня. На практике это означает высвобождение 12–20 млн ₽ оборотных средств при запасах на 80 млн ₽. Эти деньги можно направить в развитие: новый ассортимент, расширение клиентской базы, маркетинг.

Вторая причина — сокращение списаний. Товар с ограниченным сроком годности, сезонные позиции, комплектующие под снятые с производства модели — всё это списывается, если запасы не контролируются. На складах FMCG типичный уровень списаний без управления — 1,5–3% от оборота. С системным подходом он падает до 0,3–0,8%. При обороте 400 млн ₽ разница между 2,5% и 0,5% — это 8 млн ₽ в год.

Третья причина — рост уровня сервиса. Парадокс: склад может быть забит товаром, но нужных позиций не окажется. Это происходит, когда закупки ориентируются на «верхние» позиции, а хвост ассортимента недозаказывается. Метрики fill rate и stockout rate прямо показывают, какой процент заказов вы способны собрать из текущих остатков. Без этих цифр у руководителя нет инструмента для оценки качества закупок.

Четвёртая причина — управляемость бизнеса. Без метрик невозможно ответить на вопросы: «сколько денег заморожено в неликвиде?», «какой товар генерирует 80% прибыли?», «через сколько дней закончится позиция Х?». Управление запасами — это не про склад, это про финансовую модель компании. Инвестор или кредитор, анализируя бизнес, смотрит на оборачиваемость запасов раньше, чем на выручку — потому что медленные запасы убивают денежный поток.

8 метрик: от оборачиваемости до stockout rate

1. Оборачиваемость запасов: 6–12 оборотов в год — норма для дистрибьютора

Оборачиваемость запасов (inventory turnover) — отношение себестоимости проданных товаров к среднему уровню запасов за период^apics.

Формула: IT = COGS / Average Inventory

Если за год продано товаров на 120 млн ₽ по себестоимости, а средний запас — 20 млн ₽, оборачиваемость равна 6. Это значит, что запас «прокручивается» 6 раз за год, или каждая единица в среднем лежит на складе 61 день.

Формула в днях: DIO = 365 / IT

DIO (Days of Inventory Outstanding) = 60 дней означает, что средняя единица товара проводит на складе 2 месяца. Для финансового директора DIO — более наглядная метрика, потому что она напрямую переводится в замороженный капитал. Каждый день DIO сверх нормы — это упущенная альтернативная доходность, которую можно оценить через ставку WACC.

Отраслевые бенчмарки:

Сравнивать нужно с собственной историей и с отраслевыми бенчмарками, а не с абстрактным «чем больше, тем лучше»: гнать оборачиваемость выше 20 без потери сервиса невозможно физически — вы начнёте терять заказы из-за дефицитов.

Оборачиваемость по группам ABC: группа A обычно показывает IT 15–25 (товар «крутится» быстро), группа B — 6–12, группа C — 1–4. Средневзвешенное даёт общий показатель. Если ваша общая оборачиваемость равна 6, но группа A оборачивается 8 раз, а группа C — 1,5, проблема не в скорости продаж A-товаров, а в «мёртвом» хвосте C. Выведите 20% самых медленных позиций группы C — и общая оборачиваемость вырастет на 15–20% без единого дополнительного рубля закупок.

Влияние оборачиваемости на потребность в складских площадях: при DIO 90 дней для хранения товаров на 100 млн ₽ нужно 4 000 паллетомест. При DIO 45 дней — 2 000 паллетомест. Экономия на аренде при ставке 350 ₽/пм/мес: 2 000 × 350 × 12 = 8 400 000 ₽/год. Ускорение оборачиваемости — это не только высвобождение капитала, но и прямая экономия на аренде.

Практический пример: дистрибьютор промышленных подшипников с оборотом 250 млн ₽ и средним запасом 42 млн ₽. IT = 250 / 42 = 5,95. DIO = 61 день. Отраслевой бенчмарк для запчастей — DIO 50–70 дней. Компания попадает в середину нормы. Если IT вырастет с 6 до 8 (DIO снизится до 46 дней), средний запас при том же обороте упадёт до 31,25 млн ₽ — высвобождение 10,75 млн ₽. При ставке WACC 15% — это 1,6 млн ₽ ежегодной упущенной выгоды, которая станет реальным доходом.

2. Страховой запас: формула с Z-коэффициентом

Страховой запас (safety stock) — буфер, который защищает от двух рисков: непредсказуемости спроса и непредсказуемости поставки^apics.

Упрощённая формула: SS = Z × σd × √LT

Расширенная формула (нестабильный lead time): SS = Z × √(LT × σd² + d² × σLT²)

Где Z — коэффициент сервис-уровня (1,28 для 90%, 1,65 для 95%, 2,33 для 99%), LT — средний lead time в днях, σd — стандартное отклонение спроса в день, d — средний спрос в день, σLT — стандартное отклонение lead time.

На практике для 80% SKU достаточно упрощённой формулы. Она работает, когда lead time стабилен (σLT ≈ 0), а спрос — основной источник вариации. Подробнее о расчёте — в материале про ROP и страховой запас: формула под сервис-уровень.

Типичная ошибка — устанавливать страховой запас в процентах от среднего спроса («держим 30% сверху»). Этот подход игнорирует вариабельность: для стабильного товара 30% — это перезапас, а для нестабильного — недозапас. Только формула с σd даёт адекватный результат. На ассортименте 5 000 SKU переход от процентного метода к формульному обычно снижает совокупный страховой запас на 18–28% при улучшении fill rate на 4–8 процентных пунктов.

Нюанс с нестабильным lead time: если поставщик доставляет то за 10 дней, то за 25, нестабильность lead time радикально увеличивает страховой запас. Пример: при d = 40 ед/день, σd = 12, LT = 14 дней, Z = 1,65 простая формула даёт SS = 74 единицы. С учётом σLT = 3 дня: SS = 211 единиц — почти в 3 раза больше. Вывод: работайте не только с ценой поставщика, но и со стабильностью сроков.

3. ROP — точка перезаказа: 1 формула, которая предотвращает 70% дефицитов

Формула: ROP = d × LT + SS

Средний дневной спрос, умноженный на lead time, плюс страховой запас. Если товар расходуется по 50 единиц в день, поставка идёт 10 дней, а страховой запас — 120 единиц, ROP = 50 × 10 + 120 = 620 единиц^apics.

Когда остаток на складе падает до 620 единиц, система формирует заказ. Если формула корректна и данные актуальны, вероятность дефицита равна 1 − сервис-уровень (при Z = 1,65 — 5%). На практике ROP — самая «рабочая» метрика для автоматизации закупок: WMS или ERP мониторит остаток и генерирует алерт или заказ автоматически.

Ключевой момент: d и LT должны быть фактическими, а не плановыми. Средний дневной спрос — это медиана или среднее по рабочим дням за 6–12 месяцев. Lead time — не срок из прайса поставщика, а реальное время от момента заказа до момента, когда товар готов к отгрузке на вашем складе. Включает обработку заказа (1–3 дня), производство или комплектацию у поставщика (1–45 дней), транспортировку (2–55 дней), таможню (3–15 дней для импорта) и приёмку на вашем складе (0,5–2 дня). Фактический LT расходится с плановым на 20–40%. Подробный расчёт с примером — в статье расчёт точки заказа: формула и пример.

4. MOQ — минимальная партия заказа: влияние на 25% затрат

MOQ (Minimum Order Quantity) — минимальный объём заказа, который принимает поставщик. MOQ напрямую влияет на уровень запасов: если дневной спрос — 10 штук, а MOQ — 5 000 штук, вы привозите запас на 500 дней. Это замораживает капитал и увеличивает риск списания.

Формула «цены MOQ»: (MOQ − EOQ) / 2 × H

Где H — годовая стоимость хранения единицы. Если EOQ = 465 единиц, MOQ = 2 000, а H = 200 ₽/год, цена MOQ = (2 000 − 465) / 2 × 200 = 153 500 ₽ в год. Эта цифра — аргумент для переговоров с поставщиком, а не абстрактная жалоба «дорого».

Управление MOQ — это переговорная дисциплина. Консолидация заказов с другими покупателями, переход на более дорогую, но мелкую фасовку, договорённость о поэтапной поставке, гарантированный годовой объём в обмен на снижение MOQ — инструменты, которые позволяют снизить эффективный MOQ на 30–50%. Детальный разбор — в материале MOQ — минимальная партия заказа: расчёт и торг.

5. Fill rate: 95% заказов без дефицита — базовый KPI

Формула: FR = (количество строк, исполненных полностью / общее количество строк заказов) × 100%

Fill rate 95% означает, что из 1 000 строк заказов 950 собраны сразу, а 50 — требуют ожидания поставки, частичной сборки или отказа.

Fill rate — метрика, которую чувствует клиент. Если ваш fill rate 88%, каждый десятый клиент получает неполный заказ. Для B2B-дистрибьютора потеря fill rate на 5 процентных пунктов транслируется в потерю 8–12% клиентов за 12 месяцев — не мгновенно, но неотвратимо. Клиент терпит один-два неполных заказа, на третий — звонит конкуренту.

Fill rate измеряется в трёх вариантах:

Order fill rate всегда ниже line fill rate: если заказ из 12 строк собран с 1 пропуском, line fill rate = 91,7%, но order fill rate = 0% для этого заказа. Для полноценного контроля считайте все три среза.

Бенчмарки fill rate:

6. Shrinkage: потери 0,5–3% от стоимости запасов

Формула: Shrinkage rate = (учётный остаток − фактический остаток) / учётный остаток × 100%

Сюда входят: кражи (внешние и внутренние), порча, бой, пересорт, ошибки приёмки, ошибки отгрузки. Нормальный уровень shrinkage для управляемого склада — 0,1–0,5%. Уровень 1–3% — сигнал системных проблем^gost-r-58447.

Разложите shrinkage по категориям для целенаправленной работы:

WMS с обязательным сканированием при каждой операции снижает shrinkage до 0,05–0,2%. Циклическая инвентаризация (ежедневный пересчёт 50–100 ячеек вместо полной инвентаризации раз в год) выявляет отклонения на ранней стадии. Подробнее — в статье инвентаризация склада.

7. Carrying cost: 20–30% от стоимости запасов в год

Формула: Carrying cost = стоимость капитала + аренда + страхование + обработка + потери + налоги

Суммарно carrying cost для российского дистрибьютора составляет 20–30% от стоимости запасов в год^silver-inv. Если на складе лежит товара на 60 млн ₽, ежегодное содержание обходится в 12–18 млн ₽. Эта цифра — аргумент для оптимизации: каждый процент снижения среднего запаса экономит 200–300 тыс. ₽ в год при таком объёме.

Самая скрытая составляющая — стоимость капитала. Деньги, вложенные в запасы, не приносят альтернативную доходность. Если компания может заработать 12% годовых на оборотном капитале, а 15 млн ₽ лежат в медленно продающемся товаре, упущенная выгода — 1,8 млн ₽ в год. Финансовый директор видит эту строку, а закупщик — нет. Задача руководителя — сделать carrying cost видимым для всех участников цепочки.

8. Stockout rate: каждый 1% дефицита = 4–8% потерянных продаж

Формула: Stockout rate = (количество SKU с нулевым остатком / общее количество активных SKU) × 100%

Stockout rate 5% звучит безобидно — но если в дефиците оказываются SKU из группы A (80% выручки), потери продаж могут составить 15–20% от оборота за период дефицита. Поэтому stockout rate нужно считать не только по всему ассортименту, но и с разбивкой по ABC-группам. Stockout 8% по группе C — допустимо. Stockout 3% по группе A — критично.

Связь между stockout rate и потерянными продажами нелинейна:

«Эффект мультипликатора дефицита»: дефицитные позиции часто входят в корзину вместе с другими товарами, и клиент отменяет весь заказ, а не только дефицитную строку. На оптовых складах мультипликатор составляет 2,5–4x: 1 дефицитная позиция = потеря продажи 2,5–4 позиций.

Модель EOQ: 1 формула для оптимальной партии закупки

Формула Уилсона: EOQ = √(2DS / H)

Где D — годовой спрос в единицах, S — стоимость размещения одного заказа (логистика, оформление, приёмка), H — стоимость хранения одной единицы в год.

Пример: годовой спрос 12 000 единиц, стоимость заказа 4 500 ₽, стоимость хранения единицы 150 ₽ в год. EOQ = √(2 × 12 000 × 4 500 / 150) = √720 000 = 849 единиц. Оптимально заказывать партиями по 849 единиц, что даёт 14 заказов в год.

Расчёт компонентов S и H:

Стоимость размещения заказа (S): время закупщика на оформление (30–60 мин × 400–600 ₽/час = 200–360 ₽) + стоимость транспорта (фиксированная часть, если оплачивает покупатель) + приёмка на складе (30–45 мин × ставка кладовщика + документы). Типичный S для российского дистрибьютора — 3 000–8 000 ₽ на один заказ.

Стоимость хранения единицы (H): аренда за м² в год / ёмкость м² в единицах + carrying cost % × цена единицы. Пример: аренда 6 000 ₽/м²/год, 4 паллетоместа на м², 48 единиц на паллете. Складская составляющая: 6 000 / 4 / 48 = 31,25 ₽. Цена единицы 500 ₽, carrying cost 22%: 500 × 0,22 = 110 ₽. Итого H = 141 ₽/единицу/год.

Ограничения EOQ: модель предполагает постоянный спрос, мгновенную поставку, фиксированные затраты. На практике ни одно из условий не выполняется буквально. EOQ — это отправная точка, а не финальный ответ. Корректировки: если MOQ поставщика выше EOQ, заказывайте MOQ. Если lead time длинный, комбинируйте EOQ с ROP. Если спрос сезонный, пересчитывайте EOQ по кварталам.

Главная ценность EOQ — она заставляет считать стоимость заказа и стоимость хранения и заказывать «от цифр», а не «на глаз» или «как поставщик предложил». EOQ обнажает неэффективность: если текущий размер заказа в 4 раза больше EOQ — вы переплачиваете за хранение. Если в 3 раза меньше — за логистику и обработку заказов.

ABC-XYZ матрица: 9 групп для 100% ассортимента

ABC-анализ делит ассортимент по вкладу в показатель (выручка, маржа, количество отгрузок). Группа A — 20% SKU, дающих 80% вклада. Группа B — следующие 30% SKU, дающие 15% вклада. Группа C — оставшиеся 50% SKU, дающие 5% вклада. Пропорции не обязаны быть ровно 80/15/5, но распределение Парето устойчиво работает в 90% случаев.

XYZ-анализ делит ассортимент по стабильности спроса. Группа X — коэффициент вариации (CV) до 10%, спрос стабильный. Группа Y — CV 10–25%, спрос с колебаниями. Группа Z — CV выше 25%, спрос непредсказуемый. Для расчёта CV нужны минимум 12 точек данных (12 месяцев при помесячном учёте).

Матрица ABC-XYZ комбинирует оба разреза в 9 групп:

Практическая ценность матрицы — дифференцированная политика для каждой группы. Без неё закупщик обрабатывает 8 000 SKU одинаково — и тратит 80% времени на хвост C-позиций, которые дают 5% выручки. С матрицей — 80% усилий направлены на AX и AY, где каждая ошибка стоит дорого.

Миграция между группами — нормальное явление. За 6 месяцев 15–25% SKU меняют группу. Позиция, бывшая AX зимой, к лету может стать BY. Пересчёт матрицы нужен ежемесячно, для сезонных бизнесов — каждые 2 недели в пиковый период. Подробный разбор с примерами — в материале ABC-XYZ анализ: устройство и применение, а пошаговая инструкция в Excel — в статье ABC-анализ за 1 час: 7 шагов в Excel.

FIFO, LIFO и FEFO: 3 метода отгрузки с разным эффектом на списания

FIFO (First In — First Out) — товар, поступивший первым, отгружается первым. Это базовый метод для большинства складов. FIFO снижает средний возраст запаса и уменьшает риск списаний по сроку годности.

LIFO (Last In — First Out) — товар, поступивший последним, отгружается первым. LIFO используется реже и в основном на складах с однородным товаром без срока годности: стройматериалы, металлопрокат, сыпучие материалы. LIFO оптимизирует логистику погрузки на набивных (drive-in) стеллажах, где это единственный возможный метод.

FEFO (First Expired — First Out) — товар с ближайшим сроком годности отгружается первым. Обязателен для фармацевтики, продуктов питания, косметики. FEFO требует партионного учёта и контроля атрибута «срок годности» по каждой единице хранения. Без WMS уровень нарушений FEFO — 15–25%. С WMS — менее 1%.

Выбор метода определяется характером товара, требованиями клиентов и регуляторикой. На одном складе могут работать все три метода одновременно — по разным товарным группам. WMS позволяет задать правило для каждой категории и автоматически выбирает ячейку при отборе. Подробное сравнение — в материале разница между FIFO, LIFO и FEFO.

Связь метрик: как 8 показателей работают вместе

Метрики управления запасами — не изолированные числа, а система с обратными связями. Снижение страхового запаса (метрика 2) ухудшает fill rate (метрика 5) и повышает stockout rate (метрика 8). Увеличение MOQ (метрика 4) замедляет оборачиваемость (метрика 1) и увеличивает carrying cost (метрика 7). Контроль shrinkage (метрика 6) повышает точность данных, от которой зависит корректность ROP (метрика 3).

Карта взаимосвязей:

Порядок внедрения метрик определяет результат. Начинайте с оборачиваемости — она считается из данных, которые уже есть в учётной системе, и показывает масштаб проблемы. Далее — ABC-XYZ анализ для сегментации ассортимента. Потом — ROP и страховой запас по формулам для каждой группы. Потом — fill rate и stockout rate как KPI качества закупок. Shrinkage и carrying cost подключаются параллельно.

Дорожная карта внедрения: от нуля до дашборда за 4 месяца

Месяц 1 — диагностика. Рассчитайте оборачиваемость (IT и DIO) по данным учётной системы. Проведите ABC-анализ по выручке за 12 месяцев. Выявите долю SKU с DIO > 90 дней и их стоимость. Время: 2–3 дня аналитика.

Месяц 2 — формульный расчёт. Рассчитайте d, σd по каждому SKU. Определите фактический LT по каждому поставщику. Установите Z по группам ABC-XYZ. Рассчитайте SS и ROP. Загрузите в учётную систему. Время: 3–5 дней аналитика + 1–3 дня настройка системы.

Месяц 3 — автоматизация. Настройте автоматический мониторинг ROP (алерт при остатке ≤ ROP). Внедрите отчёт по исключениям (SKU с остатком ниже ROP без заказа, SKU с DIO > 90 дней, SKU с fill rate < целевого). Время: 1–2 недели.

Месяц 4 — KPI и контроль. Запустите еженедельный отчёт: fill rate, stockout rate по группам A/B/C, средний запас, carrying cost. Первый пересчёт ABC-XYZ и ROP по накопленным данным. Время: 1 день/неделю на мониторинг.

Автоматизация управления запасами в WMS: 5 функций, которые заменяют Excel

Excel — рабочий инструмент для склада с 500 SKU и 2 закупщиками. На 3 000+ SKU и 5+ поставщиках Excel становится узким горлом: данные устаревают, формулы ломаются, один человек «держит всё в голове». WMS-система автоматизирует пять критичных функций.

Первая — автоматический мониторинг ROP. Система сравнивает текущий остаток с точкой перезаказа по каждому SKU в реальном времени и генерирует заказ или алерт. На складе с 5 000 SKU закупщик физически не может ежедневно проверять каждую позицию.

Вторая — контроль FIFO/FEFO при отборе. WMS направляет оператора к паллете с наименьшим остаточным сроком (FEFO) или к самой ранней поставке (FIFO). Снижение списаний — 40–70%.

Третья — расчёт ABC-XYZ с автоматическим пересчётом. WMS собирает данные о движении каждого SKU и пересчитывает группы ежемесячно. Миграция SKU отслеживается автоматически.

Четвёртая — аналитика оборачиваемости по зонам и SKU. Отчёт «старение запаса» в разрезе товарных групп — инструмент, которого нет в Excel при ассортименте более 2 000 позиций.

Пятая — интеграция с закупочным модулем. Цепочка «остаток → ROP → заказ → поставка → приёмка» замыкается без ручного участия. Подробнее о возможностях WMS — в материале WMS-система: окупаемость и выбор.

Кейс: дистрибьютор стройматериалов — минус 22% запасов за 4 месяца

Компания — региональный дистрибьютор стройматериалов. Оборот 620 млн ₽/год, 7 200 SKU, средний запас 98 млн ₽. Оборачиваемость — 6,3 (DIO = 58 дней). Fill rate — 87%. Закупщик работал по интуиции и скидкам от поставщиков.

Диагностика (месяц 1): ABC-анализ выявил 1 080 SKU группы A (15%), генерирующих 79% выручки. Из них 42 позиции с fill rate ниже 80% — ключевые товары были в дефиците. Одновременно 2 340 SKU группы C (32,5%) не продавались 6+ месяцев — «мёртвый» запас на 14,7 млн ₽.

Действия (месяцы 2–4): рассчитали ROP и SS по формулам для 1 080 SKU группы A. Автоматизировали мониторинг ROP в 1С. Запустили распродажу 2 340 «мёртвых» SKU со скидкой 30–50% (реализовали 9,2 млн ₽, списали 2,1 млн ₽). Провели переговоры с 8 поставщиками о снижении MOQ — по 5 из них добились уменьшения в 1,5–2 раза.

Результат через 4 месяца: средний запас снизился с 98 до 76,4 млн ₽ (−22%). Fill rate вырос с 87% до 94%. Fill rate по группе A — 98%. Высвобожденные 21,6 млн ₽ направлены на расширение ассортимента группы A (новые SKU от действующих поставщиков). Оборачиваемость выросла с 6,3 до 8,1.

8 метрик: сводная таблица формул и бенчмарков

Эта таблица — контрольный лист: если вы не считаете хотя бы одну из 8 метрик, у вас слепая зона в управлении запасами. Начните с тех, которые не рассчитаны, и добавляйте по одной в месяц.

Кейс: дистрибьютор стройматериалов — снижение запасов на 22% за 4 месяца

Компания — региональный дистрибьютор стройматериалов. Склад 6 200 м², ассортимент 4 700 SKU, оборот 420 млн ₽ в год. Проблема: средний запас 68 млн ₽ при оборачиваемости 6,2 раза в год. Списания по порче и устареванию — 2,1% от оборота (8,8 млн ₽). Fill rate — 87%. Stockout rate по группе A — 9%.

Что сделали. Первый месяц — провели ABC-XYZ анализ по данным за 18 месяцев. Выявили 320 SKU группы CZ (6,8% ассортимента), которые давали 1,2% выручки и занимали 14% складской площади. Приняли решение о выводе 180 из них и переводе 140 на заказ «под клиента».

Второй месяц — пересчитали ROP и страховой запас по формуле с Z-коэффициентом для каждой группы матрицы. Для AX установили Z = 1,96 (сервис-уровень 97,5%), для AZ — Z = 1,65 (95%), для BY — Z = 1,28 (90%). Ранее страховой запас был одинаковый для всех — «месячная норма отгрузки». Дифференциация Z-коэффициента по группам позволила увеличить буфер для критичных SKU и снизить для малозначимых — суммарный страховой запас уменьшился на 23%.

Третий месяц — внедрили автоматический мониторинг ROP в WMS. Система генерировала заказы поставщикам при достижении точки перезаказа. Закупщик перешёл от ежедневного ручного обзора 4 700 позиций к работе с исключениями: только SKU, где WMS сигнализирует об аномалии (30–50 позиций/день вместо 4 700).

Четвёртый месяц — пересмотрели MOQ с 12 ключевыми поставщиками. По 7 из них удалось снизить минимальную партию на 25–40% через консолидацию заказов и переход на еженедельную поставку вместо ежемесячной. По 3 поставщикам перешли на денежный MOQ вместо единичного — это позволило комбинировать SKU в одном заказе.

Результаты через 4 месяца: средний запас снизился с 68 до 53 млн ₽ (−22%). Оборачиваемость выросла с 6,2 до 7,9. Fill rate — 94% (было 87%). Stockout rate по группе A — 3% (было 9%). Списания — 0,9% от оборота (было 2,1%). Высвобожденные 15 млн ₽ оборотного капитала компания направила на расширение ассортимента группы A — добавили 85 новых SKU, что дало дополнительные 12 млн ₽ выручки за квартал.

Ключевой вывод: ни одна из метрик не сработала бы в изоляции. ABC-XYZ определил, где сосредоточить усилия. ROP и SS по формулам задали конкретные уровни. Автоматизация в WMS обеспечила исполнение. Пересмотр MOQ убрал структурную причину перезапаса.

FAQ

Какую метрику внедрить первой? Оборачиваемость. Она считается из данных, которые уже есть в учётной системе (продажи и остатки), не требует сложных расчётов и сразу показывает масштаб проблемы. Если DIO превышает отраслевой бенчмарк в 1,5+ раза — это сигнал, что остальные 7 метрик нужны срочно. Расчёт занимает 30 минут в Excel.

Как часто пересчитывать ABC-XYZ матрицу? Для большинства дистрибьюторов — ежемесячно. Для компаний с выраженной сезонностью — еженедельно в пиковые периоды. Матрица, построенная раз в год, к шестому месяцу устаревает: 15–25% SKU мигрируют между группами.

Можно ли управлять запасами без WMS? До 1 500 SKU и 3 поставщиков — да, достаточно Excel с формулами ROP и EOQ. От 3 000 SKU — Excel перестаёт справляться: данные расходятся, формулы не обновляются, ошибки копятся. На этом уровне нужна автоматизация в WMS или специализированном модуле ERP.

Что такое нормальный fill rate? Для B2B-дистрибьютора — 93–97%. Для e-commerce с обещанием «в наличии» — 98–99%. Fill rate ниже 90% означает, что каждый десятый заказ собирается неполностью — это уровень, при котором клиенты начинают уходить.

Как снизить carrying cost без сокращения ассортимента? Четыре рычага: (1) пересчитать страховой запас по формуле — обычно даёт −15–20% к среднему запасу; (2) договориться с поставщиками о снижении MOQ; (3) перевести группу CZ на заказ «под клиента»; (4) ускорить оборачиваемость группы A за счёт более частых мелких поставок.

Stockout rate 0% — реальная цель? Нет. Stockout rate 0% означает бесконечный запас по каждой позиции — это экономически нецелесообразно. Целевой stockout rate определяется сервис-уровнем: при 95% — допустимый дефицит 5% SKU в моменте. Задача — держать stockout близким к нулю для группы A и допускать управляемый дефицит для группы C.

Как рассчитать стоимость хранения единицы (H) для формулы EOQ? H = (аренда за м² в год / ёмкость м² в паллетоместах / единиц на паллете) + (цена единицы × carrying cost %). Пример: аренда 6 000 ₽/м²/год, 4 паллетоместа на м², 48 единиц на паллете. Складская составляющая: 6 000 / 4 / 48 = 31,25 ₽. Цена единицы 500 ₽, carrying cost 22%: 500 × 0,22 = 110 ₽. Итого H = 141 ₽/единицу/год.

Какие данные собирать для начала работы с метриками? Минимальный набор: (1) продажи по SKU за 12 месяцев (дневные или недельные); (2) остатки по SKU на конец каждого месяца; (3) даты заказов и оприходований по SKU за 12 месяцев (для расчёта фактического lead time); (4) себестоимость по SKU. Из этих четырёх источников рассчитываются все 8 метрик. Выгрузка из 1С или ERP занимает 1–2 часа.

Как метрики управления запасами связаны с операционной прибылью? Прямая связь — через 3 канала. Первый — снижение carrying cost. При снижении запасов на 20% при сохранении объёма продаж экономия составляет 4–6% маржи (20% от 20–30% carrying cost). Второй — сокращение списаний. Снижение списаний с 2% до 0,8% даёт +1,2% к марже. Третий — рост fill rate. Увеличение fill rate с 87% до 94% удерживает 6–9% клиентской базы, что транслируется в 3–5% дополнительной выручки. Совокупный эффект для дистрибьютора с оборотом 500 млн ₽ и маржой 20%: рост EBITDA на 8–14 млн ₽ в год при инвестиции 2–4 млн ₽ во внедрение метрик. ROI первого года — 200–350%.

Как обосновать инвестиции в управление запасами перед собственником? Подготовьте расчёт по 3 показателям. (1) Текущий carrying cost от стоимости запасов — годовая стоимость замороженного капитала, обычно 20–30%. Для запасов 80 млн ₽: 16–24 млн ₽/год. (2) Прогнозируемое снижение запасов после внедрения метрик — 15–25% при сохранении сервиса. Экономия carrying cost: 2,4–6 млн ₽/год. (3) Сокращение списаний — потенциал 50–70% при текущем уровне 1,5–3% от оборота. Для оборота 400 млн ₽: экономия 4,5–7 млн ₽/год. Суммарный эффект — 7–13 млн ₽/год. Стоимость внедрения (аналитик + WMS-настройка + обучение закупщиков): 1,5–4 млн ₽. Срок окупаемости: 3–6 месяцев. Такой расчёт обосновывает проект для собственника лучше, чем теоретические рассуждения о «лучших практиках».

Что делать с устаревшим программным обеспечением для управления запасами? Если ваше ПО (1С 7.7 или ранний 8.0, самописное Excel) не поддерживает автоматический ROP и формульный расчёт страхового запаса — у вас 3 варианта. (1) Обновить 1С до 8.3 с модулем «Управление запасами» (стоимость лицензий 80 000–250 000 ₽ + внедрение 200 000–500 000 ₽). Срок: 2–4 месяца. (2) Перейти на специализированную систему управления запасами (Forecast NOW, Inventory Optimizer, отечественные аналоги) — лицензия 50 000–200 000 ₽/мес. Интегрируется с существующей 1С через API. Срок внедрения: 1–3 месяца. (3) Реализовать расчёты в Power BI с подключением к учётной системе — стоимость лицензий 1 200 ₽/пользователь/мес, разработка моделей 100 000–250 000 ₽ однократно. Подходит для компаний с собственным аналитиком. Для большинства дистрибьюторов с оборотом до 1 млрд ₽ оптимален вариант 2 — быстрый старт без долгой кастомизации 1С.