Динамический подбор товаров для проведения физической инвентаризации

Abstract

Для эффективного пополнения запасов товара розничные сети должны следить за соответствием величины его остатка в магазине по данным информационной системы и физическим наличием. В целях получения данного соответствия в первую очередь используются физические инвентаризации, или ручной пересчет товара. По степени охвата ассортимента физические инвентаризации делятся на полные или глобальные (пересчету подвергается весь ассортимент) или локальные (в которых пересчет производится только для определенных товаров). Поскольку проведение глобальных инвентаризаций для компании сопряжено с достаточно большими затратами, их количество, как правило, стараются снизить до минимума, а для текущей актуализации данных используют локальные. Для выбора товаров, по которым следует проводить инвентаризацию такого типа, существует несколько алгоритмов, однако, они, как правило, обладают очень низкой результативностью (процентом выявленных отклонений). Приводится алгоритм выбора товаров для проведения локальной инвентаризации на основе сопоставления данных по товару с аналогичными товарами, аналогичными магазинами или историей продаж товара в прошлом, что позволяет значительно повысить процент выявленных отклонений. In order to make the replenishment of goods more effective retailers should monitor conformity of information system data on items residue with its physical availability. The method used to achieve this conformity in the first place is physical inventory, or a manual recount of the goods. Depending on assortment coverage physical inventories are divided into complete or global (recount of the whole range) and local (recount of specific goods) Due to the fact that the realization of the global inventory involves quite high costs the companies commonly try to reduce their quantity and use local ones for current data actualization. There are several algorithms of products selection for local inventory, however, they tend to have very low efficiency (percent of detected deviations). This article provides an algorithm for selecting items for the local inventory based on a comparison of data on the product with analogous products, stores or previous history of sales, what can significantly increase the rate of detection of abnormalities.