Na czym polega analiza ABC asortymentu
Analiza ABC opiera się na zasadzie Pareto: niewielka część pozycji odpowiada za większość wyniku. Modele sortuje się od największej do najmniejszej sprzedaży, liczy ich udział narastająco i przypisuje klasy według progów. Najczęściej stosuje się podział 80/15/5.
- Klasa A: modele, które razem dają pierwsze 80% sprzedaży. Zwykle to kilkanaście–kilkadziesiąt procent asortymentu.
- Klasa B: kolejne 15% sprzedaży, czyli pozycje średnio ważne.
- Klasa C: ostatnie 5% sprzedaży, często ponad połowa wszystkich modeli.
Kryterium nie musi być przychodem. W handlu modowym analizę ABC robi się także według marży kwotowej i według sztuk. Model może być w klasie A pod względem przychodu i w klasie C pod względem marży, jeśli sprzedaje się głównie w promocji. Porównanie obu wyników mówi więcej niż każdy z nich osobno.
Równie ważny jest wybór okresu. Dla kolekcji sezonowej bierze się sprzedaż z jednego sezonu, od wprowadzenia do końca wyprzedaży. Dla produktów stałych wystarcza ostatnie 12 miesięcy. Analiza obejmująca dwa różne sezony miesza modele, które nigdy nie były w sprzedaży jednocześnie, i zaniża pozycję nowszych produktów.
Jak zrobić analizę ABC w Excelu krok po kroku
- Krok 1. Przygotowanie danych: jeden wiersz na model (lub model-kolor), kolumna ze sprzedażą netto za wybrany okres, np. za ostatni sezon.
- Krok 2. Sortowanie malejąco według sprzedaży (Dane → Sortuj).
- Krok 3. Udział każdego modelu w sprzedaży całkowitej.
- Krok 4. Udział narastająco, czyli suma udziałów od pierwszego wiersza do bieżącego.
- Krok 5. Klasa ABC według progów 80% i 95%.
- Krok 6. Tabela podsumowująca: liczba modeli i udział w sprzedaży w każdej klasie (tabela przestawna lub funkcja LICZ.JEŻELI).
C2 udział: =B2/SUMA($B$2:$B$201) (SUM)
D2 udział narastająco: =SUMA($C$2:C2)
E2 klasa ABC: =JEŻELI(D2<=80%;"A";JEŻELI(D2<=95%;"B";"C")) (IF)
Podsumowanie klas:
H2 liczba modeli A: =LICZ.JEŻELI($E$2:$E$201;"A") (COUNTIF)
I2 sprzedaż klasy A: =SUMA.JEŻELI($E$2:$E$201;"A";$B$2:$B$201) (SUMIF)| Model | Sprzedaż netto | Udział | Udział narastająco | Klasa |
|---|---|---|---|---|
| Sukienka midi | 150 000 zł | 30% | 30% | A |
| Jeansy o prostym kroju | 110 000 zł | 22% | 52% | A |
| Marynarka | 80 000 zł | 16% | 68% | A |
| Bluzka satynowa | 55 000 zł | 11% | 79% | A |
| Sweter z wełną | 45 000 zł | 9% | 88% | B |
| Spódnica plisowana | 30 000 zł | 6% | 94% | B |
| Szalik | 20 000 zł | 4% | 98% | C |
| Pasek | 10 000 zł | 2% | 100% | C |
Przy niewielkiej liczbie modeli granice klas są umowne: bluzka z udziałem narastającym 79% trafia do A, a sweter z 88% do B. Przy kilkuset modelach ten efekt znika, ale warto ręcznie przejrzeć pozycje tuż przy progach.
Analiza XYZ i stabilność popytu
Analiza XYZ klasyfikuje modele według tego, jak równomiernie się sprzedają. Miarą jest współczynnik zmienności: odchylenie standardowe sprzedaży z kolejnych okresów podzielone przez średnią sprzedaż. Im niższy współczynnik, tym łatwiej prognozować popyt.
- X: popyt stabilny, niski współczynnik zmienności (w literaturze często do 10% dla danych miesięcznych).
- Y: popyt zmienny, ale przewidywalny, np. z wyraźną sezonowością (często 10–25%).
- Z: popyt nieregularny i trudny do prognozowania (powyżej 25%).
Przykład: jeansy sprzedają się w kolejnych tygodniach w ilościach 40, 42, 38, 41 i 39 sztuk. Średnia to 40, odchylenie standardowe około 1,4, więc współczynnik zmienności wynosi około 3,5% – to typowy model X. Sukienka koktajlowa sprzedaje 5, 30, 2, 18 i 0 sztuk: przy średniej 11 odchylenie przekracza 11, a współczynnik zmienności ponad 100% oznacza klasę Z, mimo dobrych pojedynczych tygodni.
Progi z podręczników pasują do towarów o stałej sprzedaży. Dane tygodniowe z handlu modowego mają naturalnie większą zmienność, dlatego progi ustala się na własnych danych, np. tak, żeby do X trafiła mniej więcej jedna piąta modeli z pełną historią. Ważne, żeby progi były stałe między analizami.
R2 współczynnik zmienności: =ODCH.STANDARDOWE.POPUL(F2:Q2)/ŚREDNIA(F2:Q2) (STDEV.P / AVERAGE)
S2 klasa XYZ: =JEŻELI(R2<=0,25;"X";JEŻELI(R2<=0,5;"Y";"Z"))
T2 klasa łączna: =E2&S2Macierz ABC XYZ w decyzjach asortymentowych
Połączenie obu klasyfikacji daje dziewięć grup. Każda z nich wymaga innego podejścia do zakupu, uzupełnień i obniżek. Tabela poniżej pokazuje typowe decyzje dla marki odzieżowej.
| Klasa | Charakter modelu | Decyzja |
|---|---|---|
| AX | Duża sprzedaż, stabilny popyt | Stała dostępność, automatyczne uzupełnienia, pilnowanie rozmiarów |
| AY | Duża sprzedaż, popyt sezonowy | Głęboki zakup przed szczytem, plan dostaw pod sezon |
| AZ | Duża sprzedaż, popyt nieregularny | Krótsze serie, szybkie uzupełnienia, częsty przegląd |
| BX | Średnia sprzedaż, stabilny popyt | Uzupełnienia według prognozy, niższy zapas bezpieczeństwa |
| BY | Średnia sprzedaż, popyt sezonowy | Zakup z planem obniżek na koniec sezonu |
| BZ | Średnia sprzedaż, popyt nieregularny | Mały zapas, zamówienia pod potwierdzony popyt |
| CX | Mała sprzedaż, stabilny popyt | Sprawdzić rolę w asortymencie, ograniczyć liczbę wariantów |
| CY | Mała sprzedaż, popyt sezonowy | Płytki zakup lub tylko wybrane sklepy i e-commerce |
| CZ | Mała sprzedaż, popyt nieregularny | Kandydat do wycofania lub sprzedaży tylko online |
Macierz nie podejmuje decyzji za zespół. Model z klasy CZ może być potrzebny, bo uzupełnia stylizację albo zamyka linię cenową. Klasyfikacja wskazuje, które pozycje wymagają rozmowy, a nie które automatycznie usunąć.
W planowaniu kolejnego sezonu wyniki macierzy wykorzystuje się w kilku miejscach:
- Budżet zakupów: modele AX i AY dostają głębszy zakup i priorytet w dostawach, a budżet na klasę C jest ograniczany z góry.
- Liczba wariantów: w klasie C sprawdza się, czy każdy kolor i każda długość są potrzebne, bo nadmiar wariantów rozprasza zapas.
- Zapas bezpieczeństwa: dla X może być niski, bo prognoza jest trafna; dla Z wyższy zapas zwykle nie pomaga, lepiej skrócić czas uzupełnienia.
- Rozmieszczenie w sklepach: modele A trafiają do wszystkich lokalizacji, modele C mogą być dostępne tylko w największych sklepach i online.
Błędy analizy ABC XYZ w handlu modowym
- Sezonowość: model sezonowy z natury ma wysoki współczynnik zmienności. XYZ liczy się w obrębie sezonu, a nie na danych z całego roku, bo inaczej prawie cała kolekcja trafi do Z.
- Nowe produkty: model z kilkoma tygodniami historii nie ma wiarygodnej klasy. Nowości oznacza się osobno i ocenia na podstawie modeli analogicznych albo po zebraniu danych.
- Braki towaru: model, którego zabrakło w popularnych rozmiarach, ma zaniżoną sprzedaż i może fałszywie trafić do C. Tygodnie z brakami warto oznaczyć lub wyłączyć.
- Obniżki i zwroty: przychód z wyprzedaży zawyża pozycję modelu, który sprzedawał się tylko w obniżonej cenie. Pomaga druga analiza ABC według marży.
- Zły poziom szczegółowości: analiza na poziomie SKU (rozmiarów) rozbija model na wiele małych pozycji. Dla decyzji asortymentowych właściwy jest poziom model-kolor.
- Różne okresy: porównywanie klas z sezonów o różnej długości albo z różną liczbą sklepów daje fałszywe przesunięcia.
Najlepsze efekty daje zestawienie kilku widoków w jednym arkuszu: klasa ABC według przychodu, klasa ABC według marży, klasa XYZ i sell-through z sezonu. Model, który jest w A według przychodu, w C według marży i ma niski sell-through, to zwykle sygnał problemu z ceną lub głębokością zakupu, a nie z samym produktem. Takie zestawienie warto przejrzeć razem z zespołem zakupów przed zamknięciem planu na kolejny sezon.
Jeśli chcesz przeprowadzić analizę ABC XYZ na danych swojej marki i przełożyć ją na plan zakupów, umów konsultację – odpowiadam w ciągu jednego dnia roboczego.