Envanter Planlaması için İade Tahminleme

Çoğu envanter sistemi bir iadeyi sürpriz gibi ele alır. Satılmış, elden çıkmış sayılmış ve mevcut stoktan düşülmüş bir birim aniden teslim alma rıhtımında yeniden belirir ve sistem sanki gökten düşmüş gibi onu yeniden yerine oturtmaya çabalar. Oysa bir iade, bir perakendecinin sahip olduğu en tahmin edilebilir gelen akışlardan biridir. Neyin ne zaman sevk edildiğini ve o kategorinin nasıl davranma eğiliminde olduğunu zaten tam olarak bilirsiniz. İadeler deponuza inen rastgele bir gürültü değildir; zahmet edip modellerseniz haftalar öncesinden tahmin edebileceğiniz bir takvimle gelen, geleceğe ait bir tedarik akışıdır.

İade gecikme eğrisi

Herhangi bir iade tahmininin temeli, iade gecikme eğrisidir: bir iadenin teslimattan ne kadar süre sonra gerçekte başlatıldığının dağılımı. İadeler satın alma anında gerçekleşmez ve tekdüze biçimde de gerçekleşmez. Çoğu giyim ve genel ticaret ürününde eğri öne yüklüdür ve uzun kuyrukludur. İadelerin büyük bir kısmı teslimattan sonraki ilk bir ila iki hafta içinde başlar, ardından incelen bir kuyruk iade penceresinin sonuna kadar uzanır. Tam şekil kategoriye göre değişir: mobilya gibi düşünülerek yapılan alımlar daha geç gecikmeyle iade edilir, dürtüsel giyim alımları daha hızlı iade edilir. İade pencerenizin uzunluğu kuyruğu kesen sert bir sınırdır; bu yüzden 30 günlük bir pencere, 365 günlük bir pencereden daha dar ve daha tahmin edilebilir bir eğri üretir ve pencere uzunluğunun yalnızca bir pazarlama kararı değil, aynı zamanda operasyonel bir karar olmasının bir nedeni daha budur.

Gecikme eğrisinin pratik gücü, bir sevkiyat kohortunu bir iade takvimine dönüştürmenize izin vermesidir. Belirli bir haftada bir SKU'dan 1.000 birim sevk ettiyseniz ve geçmiş veriler o SKU'nun kategorisinin %22 oranında iade edildiğini ve bu iadelerin %60'ının 14 gün içinde başlatıldığını gösteriyorsa, önümüzdeki birkaç haftanın her birinde kaç biriminin geri döneceğini şimdiden çizebilirsiniz. Bunu şu anda iade penceresi içinde olan her kohort için yapın; tek bir harmanlanmış oran değil, hafta hafta gelen bir takvim olarak beklenen iadelerin ileriye dönük bir eğrisine sahip olursunuz.

Gerçekten kurabileceğiniz bir tahminleme yöntemi

Başlamak için bir makine öğrenmesi modeline ihtiyacınız yok. İlk işe yarar iade tahmini basit aritmetiktir ve bugün çoğu planlama sisteminin üzerinde çalıştığı örtük sıfır tahminini geride bırakır.

1. 1Zaten elinizde olan, SKU ve haftaya göre sevk edilen birim sayısıyla başlayın.
2. 2Bunu bir iade oranıyla çarpın; tek bir şirket geneli rakam yerine mümkünse SKU ya da dar kategori düzeyinde bir oran kullanın, çünkü iade oranları kategoriye göre muazzam ölçüde değişir.
3. 3Sonucu o kategorinin iade gecikme eğrisini kullanarak gelecek haftalara yayın, böylece tahmin tek bir yığın değil bir takvim olarak ortaya çıkar.
4. 4A ya da B notuyla geri dönen ve yeniden satılabilir stoğa girebilen payı, yani yeniden satılabilir payı uygulayın; böylece gelecekteki satılabilir tedariki tasfiyeye ya da yenilemeye gidecek birimlerden ayırın.
5. 5Mevsimsel ve hediye düzeltmelerini en son ekleyin, çünkü tatil dönemi zirvesi hem oranı hem de gecikme eğrisini aynı anda büker.

Bundan sonra yalnızca karşılığını verecek yerlerde inceltin. En büyük doğruluk kazanımları, tek bir harmanlanmış orana daha sofistike bir algoritma uygulamaktan değil, iade oranını ve gecikme eğrisini gerçekten onları hareket ettiren boyutlara -kategori, fiyat bandı, kanal ve siparişin hediye olup olmadığına- göre bölümlemekten gelir. İyi bölümlenmiş girdiler üzerindeki basit bir model, neredeyse her zaman ortalanmış girdiler üzerindeki karmaşık bir modeli geride bırakır. Tahmin hatasını, önemli iade metriklerinin yanı sıra diğer her operasyonel metriği izlediğiniz gibi izleyin, böylece tahmin, kimse ona göre plan yapmadan önce güven kazanır.

Bir iade tahmini gerçekte neyi değiştirir

Bir iade tahmini yalnızca bir kararı değiştiriyorsa kurmaya değer ve en az üç kararı değiştirir. Birincisi satışa hazır stok hesabıdır. Beklenen yeniden satılabilir iadeler geleceğe ait satılabilir envanterdir ve bunları göz ardı eden bir planlama sistemi, yoğun iade akışı olan her SKU için yeniden tedariki fazla sipariş eder; zaten bedelsiz geri alacağınız birimleri satın alırsınız. Hızlı iade edilen bir modelin 180 biriminin önümüzdeki iki hafta içinde A notuyla geri döneceğini biliyorsanız, yeniden tedarik sipariş emrinizin bir kısmı gereksizdir ve stok tükenme riskinizin bir kısmı zaten karşılanmıştır.

İkincisi indirim zamanlamasıdır. Üzerine bir iade dalgası inmek üzere olan bir SKU, eldeki sayının işaret ettiğinden daha fazla etkin tedarike sahiptir ve yalnızca eldeki sayıya göre indirime gitmek, iadeler geldiğinde sizi stok fazlasıyla baş başa bırakabilir. Tersine, zaten zayıf satan bir ürüne inen bir iade dalgası, fazladan birimler yığılmadan önce daha erken indirime gitmenin bir işaretidir. Üçüncüsü yeniden stoklama ve recommerce kapasitesidir: gelen bir iade dalgası yalnızca bir envanter tahmini değil, bir personel ve işleme tahminidir de. İadelerin zirvesinin üç hafta sonra geleceğini bilmek, rıhtım tıkanınca fark etmek yerine değerlendirme hattını ve recommerce yönlendirmesini buna göre planlamanızı sağlar. Gartner gibi tedarik zinciri planlama grupları, tersine akışları uzun zamandır ileri yönlü talep ile eşit düzeyde bir planlama girdisi olarak çerçeveliyor; çünkü ikisi aynı depoyu, aynı işgücünü ve aynı rafı paylaşıyor.

İadeler rıhtımınıza düşen bir sürpriz değildir. Zaten tahmin edecek veriye sahip olduğunuz bir takvimle gelen, geleceğe ait bir tedariktir.

Tahminlemenin en çok işe yaradığı yer: zirve sezon

Bir iade tahmini çalıştırmanın en değerli olduğu yer tatil dönemi zirvesidir, çünkü orada her değişken aynı anda hareket eder ve yanılmanın maliyeti en yüksektir. Hediye iadeleri kendi alışverişlerden farklı gecikir; Kasım ayında verilen bir hediye siparişi, teslim edildikten çok sonra, Ocak ayının ilk haftasına kadar geri dönmeyebilir; bu yüzden gecikme eğrisi uzar ve Ocak ayındaki gelen dalga saf bir oranın işaret edeceğinden çok daha büyük olur. Kasım ve Aralık sevkiyat kohortlarından Ocak iade dalgasını tahmin eden bir zirve sezon rehberi, dalga gelmeden önce teslim alma için personel planlamanıza, değerlendirme kapasitesini önceden konumlandırmanıza ve tasfiye kanallarını planlamanıza olanak tanır; dalgayı gerçek zamanlı olarak triyaj etmek yerine. Tahmin, iadeleri küçültmez. Onları beklenir hale getirir ve beklenen bir dalga, bir krizin yerine bir kapasite planıdır.

İşte bu noktada yapılandırılmış iade verisi, güzel bir raporlama ayrıntısı olmaktan çıkıp bir planlama girdisine dönüşür. Bir tahmin, ancak altındaki iade oranı ve gecikme verisi kadar iyidir ve bu verinin modellemeye değer olması için SKU bazında, güvenilir zaman damgalarıyla, temiz biçimde yakalanması gerekir. ResReturn'e kurduğumuz iade zekâsı katmanı kısmen tam olarak bunun için var: bir planlama ekibinin, ürünün gerçekte ne zaman geri döndüğünü hiç kaydetmemiş bir ödeme dışa aktarımından tersine mühendislikle çıkarmak yerine doğrudan bir gecikme eğrisi ve yeniden satılabilir pay çekebileceği, SKU bazında temiz iade oranları, neden kodları ve zaman damgalı yaşam döngüsü olayları.

• İade gecikme eğrisini -teslimattan iade başlatmaya kadar geçen gün sayısını- tek bir harmanlanmış ortalama yerine kategori bazında modelleyin.
• Sevkiyat kohortlarını tek bir üç aylık oran yerine hafta hafta gelen bir iade takvimine dönüştürün.
• Yeniden satılabilir iadeleri (A ve B sınıfı) geri kalanından ayırın, çünkü yalnızca bu pay geleceğe ait satılabilir tedarik olarak sayılır.
• Tahmini, gerçekte etkilediği üç karara -satışa hazır stok hesabına, indirim zamanlamasına ve değerlendirme hattı personel planlamasına- besleyin.
• Tatil dönemi tahminini hediye ağırlıklı Kasım ve Aralık kohortlarından kurun, çünkü bunların iade dalgası düz bir oranın ima edeceğinden haftalar sonra ve daha büyük gelir.