Авсd-анализ – как всё-таки правильно его делать. Как проводить авс-анализ

Есть несколько различных методов разделения объектов на три-четыре группы значимости. Эти методы достаточно сильно различаются, но их объединяет то, что вначале все объекты анализа сортируются по мере убывания сравниваемого параметра. Далее – возможны варианты.

Вы рассчитываете накопительный итог по всем объектам анализа начиная с самого первого – самого значимого объекта, и делите эти накопительные итоги на общий вклад всех объектов анализа. Таким образом вы получаете для каждого объекта анализа вклад его самого и всех более значимых объектов в общий результат. Далее вы выбираете некие фиксированные показатели, например 64 / 32 / 4, и обозначаете:

• 
  первые К самых значимых объектов, которые дают 64% вклада в общий результат – группой А;
  
• 
  следующие L объектов, которые дают ещё 32% – группой В;
  
• 
  оставшиеся M позиций, которые дают оставшиеся 4% – группой С.
  

– Хорошее деление в прошлом не всегда оказывается хорошим делением в будущем.

• Физического смысла данный метод никакого не имеет.

Парето-метод.

Собственно, прообразом АВСD-анализа был знаменитый постулат Вильфредо Парето: он утверждал, что вне зависимости от времён, стран и политических систем 20% самых богатых людей всегда владели и владеют 80% всех богатств. Утверждал он это, не выводя никаких формул, просто эмпирически посчитав фактическое разделение богатства для разных эпох и стран. Но напрямую из этого выражения АВСD-анализ не следует – просто потому, что в результате такого деления мы получаем только две группы: группа А – 20% людей, имеющих 80% всех богатств, и группа С – соответственно, остальные 80% людей, обладающих оставшиеся 20% богатств. Более того – и сам постулат уже опровергнут нашей российской действительностью, где по оценкам 10% самых богатых людей обладают 90% всех богатств.

Но принцип – понятен и применим: нам надо получить такое разбиение на группы, когда сумма вклада части объектов в общий итог (накопительный итог) и доля количества этих объектов от общего числа объектов будет равна 100%:

N / S + O / V = 100%, где:

N – накопительный итог сравниваемых параметров первых О объектов;

S – общая сумма сравниваемых параметров всех V анализируемых объектов.

Кроме этого, чтобы получить больше чем две группы, нам необходимо разбить каждую из получившихся групп на подгруппы – и делать мы это будем по тому же принципу. Соответственно, в конечную группу А попадут только лучшие из изначальной группы А, в конечную группу С попадут только худшие из изначальной группы С, а группу В мы сформируем за счёт «худших из лучших» и «лучших из худших» – понятно, что у них наиболее схожие значения анализируемого параметра. Дополнительно заметим, что в зависимости от количества объектов, включённых в анализ, – будет меняться и деление на группы, при этом у нас обычно есть много объектов, у которых анализируемый показатель равен нулю. То есть включение такого объекта в анализ никак не повлияет на общий результат, долю накопительного итога от которого мы ищем, но при этом повлияет на долю позиций, участвующих в этом накопительном итоге. То есть, включая такие позиции, мы можем искусственно увеличивать группы А и В за счёт группы С. Чтобы такого не происходило, мы изначально все объекты, у которых анализируемый показатель меньше или равен нулю, отнесём ещё до начала анализа – в группу D, и в дальнейшем анализе они уже участвовать не будут.

– Сложнее реализуется расчёт.

• Физический смыл точек деления – соотношения, в котором происходит разделение на группы – указывают на степень неоднородности нашего ассортимента.

Метод касательных.

Этот метод приобрёл своё название от геометрической интерпретации метода, когда мы строим кривую накопительного итога, а потом проводим к ней касательные. Однако обычно для расчёта используется аналитическая интерпретация данного метода. Деление, как и в случае с Парето-методом, происходит последовательное – сначала на две группы, а потом каждую из получившихся групп делят ещё раз на две. Причём точно также мы изначально убираем из анализа в группу D – все объекты с отрицательным или нулевым значением сравниваемого параметра. Делим же на группы мы так: считаем среднее арифметическое сравниваемых параметров по всем объектам анализа, – и в результате одна группа позиций у нас оказываются выше этого среднего, а другая – ниже. Затем мы повторяем деление с каждой из получившихся групп, и результат преобразуем в три группы, как это делали в Парето-методе.

• Физический смыл точек деления – позиции группы А приращивают измеряемый параметр быстрее, чем растёт их количество, а позиции группы C – наоборот. Кроме этого точки деления указывают на степень неоднородности нашего ассортимента.

Мы имеем три совершенно разных вида анализа – и хотя часто они могут делить позиции на группы примерно одинаково, однако это вовсе не правило, и мы легко можем предложить такие данные, на которых вышеперечисленные деления будут сильно отличаться. Как мы видим по плюсам и минусам каждого метода – самой лучшей является аналитическая интерпретация метода касательных. Не рассмотренные же в данной статье методы АВСD-анализа не стоят нашего внимания, так как создавались они обычно: либо ради того, чтобы потешить чьё-то самолюбие именным названием такого метода, либо ради «научной новизны» в какой-либо «научной» работе.

Самый распространённый вопрос по АВСD-анализу на форумах звучит обычно так: «Сделали АВСD-анализ – что дальше?» Многие специалисты, ухватив несложную механику расчёта, забывают за ней, собственно, цель своих изысканий – в результате и рождаются такие вопросы, на которые даже не знаешь, что и ответить… В ответ на шквал этих вопросов один очень уважаемый мной эксперт даже разместил на своём сайте целую серию заметок, которую кратко назвал «Анти-АВС»: http://scm-book.ru/antiABC – я очень советую ознакомиться с этим текстом всем, кто ищет, альтернативу повсеместному АВСD-анализу, ну а мы продолжим там, где остановились. Как же так получается, что специалисты, сумевшие провести АВСD-анализ, не знают, что делать дальше с уже получившимися результатами? При этом только на вскидку можно сразу сказать, что АВСD-анализ позволяет:

• 
  выделять небольшое количество самых значимых объектов для сосредоточения внимания именно на них;
  
• 
  более эффективно использовать имеющиеся временные и человеческие ресурсы для получения лучшего общего результата;
  
• 
  производить управление несколькими группами сходных по некоторому признаку объектов, а не самими объектами, которых может быть многие тысячи;
  
• 
  быстро анализировать текущую ситуацию в малознакомой ситуации и выявлять не эффективные объекты управления с помощью перекрёстного АВСD-анализа – проведения АВСD-анализа для:
  
  • 
    одних и тех же объектов анализа – что будем делить на группы,
    
  • 
    но различных параметров сравнения – по какому признаку будем делить на группы.
    

В конце статьи хотелось бы дать несколько предостережений всем, кто только осваивает или уже во всю использует АВСD-анализ в своей работе.