เงินของร้าน ไม่ได้หายไปไหน มันนอนอยู่ในสต๊อก

มีภาพหนึ่งที่เจ้าของ SME หลายคนน่าจะคุ้น ปลายปีเปิดดูรายงานยอดขาย ตัวเลขสวย โตกว่าปีก่อน แต่พอเปิดบัญชีธนาคาร เงินสดกลับตึงจนต้องคิดหนักก่อนสั่งของล็อตหน้า

เงินไม่ได้หายไปไหน มันแค่แปลงร่าง จากตัวเลขในบัญชี กลายเป็นกล่องที่วางซ้อนกันอยู่ในคลัง บางกล่องขยับทุกสัปดาห์ บางกล่องอยู่ตรงมุมเดิมมาตั้งแต่ต้นปี ฝุ่นบนกล่องหนากว่ากำไรที่มันเคยสัญญาไว้

ช่วงที่ผ่านมาเรานั่งรวบรวมหลักการจัดการสต๊อกที่ทีม supply chain (สายจัดหา-จัดเก็บสินค้า) มืออาชีพใช้กันจริง แล้วลงมือสร้างเป็นเครื่องมือวิเคราะห์ชื่อ Stock Insight สิ่งที่ได้กลับมาระหว่างทางคือความชัดข้อหนึ่ง ปัญหาสต๊อกส่วนใหญ่ไม่ได้เกิดจากขี้เกียจจัดการ แต่เกิดจากมองไม่เห็น พอไม่มีตัวเลข ทุกการตัดสินใจก็กลายเป็นความรู้สึก สั่งเพิ่มเพราะกลัวของขาด เก็บต่อเพราะเสียดาย

บทความนี้เลยอยากเล่าสองเรื่องไปด้วยกัน เรื่องแรกคือ framework (กรอบวิธีคิด) ที่ใช้วิเคราะห์สต๊อก อธิบายแบบบ้านๆ ให้เอาไปทำเองได้แม้ไม่เปิดแอปอะไรเลย เรื่องที่สองคือเบื้องหลังว่าเราสร้างเครื่องมือนี้ยังไง และทำไมถึงออกแบบให้ข้อมูลไม่ต้องออกจากเครื่องของคุณ

ช่วงที่ 1สต๊อกทุกกล่อง มีค่าเช่า

เวลาคิดต้นทุนสินค้า เรามักคิดแค่ราคาที่จ่ายตอนซื้อ แต่ของที่นอนอยู่ในคลังยังเก็บค่าใช้จ่ายจากเราต่อเนื่องทุกวัน เหมือนผู้เช่าห้องที่เราต้องจ่ายค่าเช่าแทนให้ทุกเดือน ในทางปฏิบัติ ทีม supply chain ประเมินต้นทุนการถือสต๊อก (holding cost) รวมกันไว้ราว 17-45% ของมูลค่าสต๊อกต่อปี แยกเป็นส่วนๆ แบบนี้

ลองคิดเลขกลมๆ ถ้ามีสต๊อกมูลค่า 1 ล้านบาท และใช้ตัวเลขกลางๆ ที่ 25% ต่อปี เท่ากับของกองนั้นกินเงินเราปีละ 250,000 บาท เงียบๆ โดยไม่ออกใบเสร็จสักใบ ตัวเลขพวกนี้เป็นช่วงประมาณที่ใช้กันในทางปฏิบัติ ธุรกิจใครขายของหมดอายุเร็วก็ขยับขึ้น ขายของทนก็ลดลง แต่ประเด็นไม่ใช่ความเป๊ะของ % ประเด็นคือมันไม่เคยเป็นศูนย์ต่างหาก

อีกตัวเลขที่ควรรู้จักคือ dead stock ของที่ไม่ขายเลยแม้แต่ชิ้นเดียวในรอบเวลาที่กำหนด เช่นหนึ่งเดือน เป้าที่ใช้กันคือไม่เกิน 10% ของมูลค่าสต๊อกทั้งหมด พอเกินนี้เมื่อไหร่ มักแปลว่าเราถือจำนวน SKU เยอะเกินกำลังแล้ว

ช่วงที่ 2DOH ตัวเลขแรก ที่ต้องรู้

คำถามแรกที่ควรตอบให้ได้ก่อนคำถามอื่นคือ ของที่มีอยู่ พอขายไปอีกกี่วัน จำนวนชิ้นเปล่าๆ ตอบไม่ได้ ของ 500 ชิ้นอาจเยอะมากสำหรับร้านหนึ่ง แต่น้อยจนน่ากลัวสำหรับอีกร้าน ตัวเลขที่ตอบได้คือ DOH

DOH = สต๊อกปัจจุบัน (ชิ้น) ÷ ยอดขายเฉลี่ยต่อวัน (ชิ้น)

เช่น สินค้า A มีสต๊อก 500 ชิ้น ขายเฉลี่ยวันละ 25 ชิ้น DOH = 20 วัน แปลว่าถ้าไม่เติมของ อีกยี่สิบวันของหมด ส่วนสินค้า B มี 100 ชิ้น ขายเดือนละ 60 ชิ้น อันนี้ต้องแปลงก่อน 60 ชิ้นต่อเดือนคือราววันละ 2 ชิ้น DOH เลยเท่ากับ 50 วัน จุดที่พลาดกันบ่อยที่สุดอยู่ตรงนี้ ยอดขายต้องแปลงเป็นต่อวันเสมอ ได้ข้อมูลรายสัปดาห์ให้หาร 7 รายเดือนให้หาร 30 ถ้ายอดขายแกว่งมาก ใช้ค่าเฉลี่ยย้อนหลัง 3 เดือน (หาร 90) จะนิ่งกว่า

พอมี DOH ครบทุก SKU ภาพในคลังจะเปลี่ยนไปทันที ของบางตัว DOH เหลือ 12 วันทั้งที่กว่าของล็อตใหม่จะมาถึงต้องรอเป็นเดือน อันนี้คือของกำลังจะขาดมือโดยยังไม่มีใครทันเห็น ส่วนบางตัว DOH เกิน 300 วัน คือเงินที่นอนแช่อยู่เกือบปี ทั้งสองแบบอยู่ในคลังเดียวกัน แต่ต้องการการตัดสินใจคนละทิศเลย

DOH ยังต่อยอดเป็นจุดสั่งซื้อได้ด้วย หลักคิดคือ สั่งของเมื่อ DOH ลดลงมาเท่ากับเวลารอของ บวกเผื่อกันพลาดอีกหน่อย เช่น ของใช้เวลาสั่งจนถึงคลัง 70 วัน เผื่อกันพลาด (buffer) อีก 15 วัน พอ DOH แตะ 85 วันก็ถึงเวลาสั่ง เรื่องจุดสั่งซื้อนี้มีรายละเอียดพอสมควร ขอเก็บไว้เล่าเต็มๆ ในบทความถัดไป

ระดับทั้งธุรกิจก็มีเป้าให้เทียบ ค่าเฉลี่ย DOH ของสินค้าทั้งร้านที่ใช้กันในทางปฏิบัติอยู่ราว 60-90 วัน แล้วแต่ประเภทธุรกิจ ถ้าค่าเฉลี่ยของเราวิ่งไปไกลกว่านั้นมาก คลังกำลังบอกอะไรบางอย่าง

ช่วงที่ 3ABC Analysis คืออะไร แล้วทำไมต้องคูณด้วย XYZ

รู้แล้วว่าของแต่ละตัวพอขายกี่วัน คำถามถัดมาคือ แล้วควรทุ่มเวลาดูแลตัวไหนก่อน เพราะร้านที่มีของสองสามร้อย SKU ไม่มีทางดูละเอียดเท่ากันหมดได้ ตรงนี้แหละที่ ABC Analysis เข้ามาช่วย

ABC Analysis คือการจัดกลุ่มสินค้าตามความสำคัญต่อยอดขาย ใช้หลัก Pareto 80/20 (ของส่วนน้อยสร้างผลส่วนใหญ่) เรียงสินค้าจากยอดขายมากไปน้อย แล้วดูยอดขายสะสม

• กลุ่ม A สินค้ากลุ่มแรกที่รวมกันได้ 80% ของยอดขาย มักเป็นแค่ราว 20% ของจำนวน SKU นี่คือตัวทำเงินหลักของร้าน
• กลุ่ม B ถัดมาอีก 15% ของยอดขาย (สะสมถึง 95%) กินจำนวน SKU ราว 30%
• กลุ่ม C ที่เหลือทั้งหมด ขายรวมกันแค่ 5% แต่กินจำนวน SKU ราวครึ่งหนึ่งของทั้งร้าน

แค่แบ่ง ABC ก็เห็นอะไรแล้ว สินค้าไม่กี่ตัวขับยอดขายเกือบทั้งร้าน ขณะที่ SKU ครึ่งหนึ่งแทบไม่ได้ช่วยอะไรเลย แต่ ABC ตัวเดียวยังบอกไม่หมด สินค้าขายดีสองตัวอาจต้องการการดูแลต่างกันมาก ตัวหนึ่งขายนิ่งทุกเดือน อีกตัวเดือนนี้ร้อยชิ้นเดือนหน้าสิบชิ้น

เลยต้องมีแกนที่สอง XYZ วัดว่ายอดขายแน่นอนแค่ไหน ด้วยค่า CV (Coefficient of Variation) คำนวณจากส่วนเบี่ยงเบนมาตรฐานหารด้วยค่าเฉลี่ย พูดง่ายๆ คือวัดว่ายอดขายแกว่งกี่ % เทียบกับขนาดของมันเอง

• X CV ต่ำกว่า 25% ขายนิ่ง พยากรณ์ได้แม่น
• Y CV 25-50% แกว่งปานกลาง มักมาจากฤดูกาลหรือโปรโมชัน
• Z CV เกิน 50% แกว่งแรงจนพยากรณ์แทบไม่ได้

ที่ต้องใช้ CV แทนส่วนเบี่ยงเบนดิบๆ ก็เพราะมันเทียบข้าม SKU ได้เป็นธรรม สินค้าขายเดือนละพันชิ้นแกว่งร้อยชิ้น ดูเลขเยอะแต่จริงๆ นิ่งมาก (10%) ส่วนสินค้าขายเดือนละสิบชิ้นแกว่งห้าชิ้น เลขน้อยแต่แกว่งครึ่งตัว (50%)

เอาสองแกนมาต่อกันได้ตาราง 9 ช่อง แต่ละช่องมีวิธีดูแลของมันเอง

เกณฑ์ตัวเลขทั้งหมด ทั้ง 80/95% และ 25/50% เป็นค่าตั้งต้นที่ใช้กันแพร่หลาย ไม่ใช่กฎตายตัว ธุรกิจที่ขายตามฤดูกาลจัดๆ อาจต้องขยับเส้นให้เข้ากับตัวเอง สำคัญคือใช้เกณฑ์เดียวกันทั้งร้าน จะได้เทียบกันได้

ช่วงที่ 4Cut Score ตัดสินใจด้วยเกณฑ์ ไม่ใช่ความเสียดาย

ถึงตรงนี้เราเห็นแล้วว่าตัวไหนสำคัญ ตัวไหนไม่ แต่คำถามที่เจ็บที่สุดยังอยู่ ของที่ไม่ไปไหนสักที ควรเลิกขายไหม คำถามนี้ถ้าตอบด้วยความรู้สึก คำตอบจะเป็น "เก็บไว้ก่อน เดี๋ยวมันขายได้" เกือบทุกครั้ง เพราะการตัดของออกมันรู้สึกเหมือนยอมรับว่าเคยเลือกผิด

วิธีที่ดีกว่าคือให้คะแนนตามเกณฑ์ Cut Score ไล่เช็ก 4 ข้อ เข้าเงื่อนไขข้อไหนได้ 1 คะแนน

1. อยู่กลุ่ม C (ความสำคัญต่อยอดขายต่ำ)
2. อยู่กลุ่ม Z (พยากรณ์ไม่ได้)
3. ยอดขายไม่ถึง 1% ของยอดขายรวมทั้งร้าน
4. ยอดขายต่อปีต่ำกว่าเส้นที่ตั้งไว้ เช่น 300,000 บาท (ปรับตามขนาดธุรกิจ)

ได้ 4 คะแนนเต็มคือ ตัดได้เลย ได้ 3 คือควรพิจารณาตัดจริงจัง ได้ 2 คือจับตาดูอีกหนึ่งไตรมาส ต่ำกว่านั้นเก็บไว้ พอเปลี่ยนจากถามใจเป็นถามเกณฑ์ การถกกันเรื่องตัดของก็สั้นลงมาก เพราะทุกคนเห็นตัวเลขชุดเดียวกัน

มีข้อยกเว้นสำคัญข้อหนึ่ง สินค้าที่เพิ่งเปิดตัวหรือสินค้าตามฤดูกาล อาจได้คะแนนสูงทั้งที่ไม่ควรถูกตัด ของใหม่ยอดขายยังไม่นิ่งเป็นธรรมดา ของหน้าหนาวย่อมดูแย่ถ้าไปวัดกลางหน้าร้อน คะแนนเป็นตัวเปิดบทสนทนา ไม่ใช่คำพิพากษา คนยังต้องเป็นคนเคาะเสมอ

ช่วงที่ 5เครื่องมือที่เราสร้าง และทำไมข้อมูล ไม่ออกจากเครื่อง

framework ทั้งหมดข้างบนทำใน Excel ได้จริง แต่พอลงมือทำจะเจอจุดที่กินแรง สูตร DOH ต้องเขียนให้ครบทุก SKU การเรียงยอดขายสะสมเพื่อแบ่ง ABC ต้องระวังสูตรพัง ค่า CV ต้องคำนวณต่อตัว แล้วพอข้อมูลเดือนใหม่มาก็ต้องไล่ทำซ้ำทั้งหมด เราเลยสร้าง Stock Insight เครื่องมือที่รับไฟล์ Excel/CSV ยอดขายกับสต๊อก แล้วคำนวณทุกมุมวิเคราะห์ข้างบนให้ในไม่กี่วินาที ตั้งแต่ DOH, ABC-XYZ 9 ช่อง, Cut Score ไปจนถึงมุมประกอบอย่างช่วงชีวิตสินค้าและภาพรวมสุขภาพของสินค้าทั้งร้าน

จุดออกแบบที่เราตั้งใจที่สุดมีข้อเดียว ข้อมูลของคุณไม่ออกจากเครื่องเลยแม้แต่ไบต์เดียว ทุกการคำนวณเกิดในเบราว์เซอร์ของคุณเอง ไม่มีการอัปโหลดขึ้นเซิร์ฟเวอร์ ไม่มีฐานข้อมูลฝั่งเรา เหตุผลตรงไปตรงมา ยอดขายกับต้นทุนคือความลับที่สุดของธุรกิจ เครื่องมือวิเคราะห์ไม่ควรขอให้คุณเอาความลับไปฝากไว้กับใครก่อนถึงจะเริ่มใช้ได้ (เรื่องการออกแบบไม่ให้ข้อมูลรั่วออกนอกระบบนี้ เราเคยเขียนไว้ละเอียดในบทความเรื่องชั้นป้องกันข้อมูล)

อีกเรื่องที่ลงแรงไม่แพ้กันคือความถูกต้องของเลข เครื่องมือวิเคราะห์ที่คำนวณผิดอันตรายกว่าไม่มีเครื่องมือ เพราะมันให้ความมั่นใจผิดๆ เราเลยเขียนชุดทดสอบไว้ 382 รายการ หัวใจคือ golden test ใช้ชุดข้อมูลตัวอย่าง 20 SKU ที่มีคำเฉลยคำนวณแยกไว้ต่างหากครบทุกมุมวิเคราะห์ แล้วบังคับว่าโปรแกรมต้องคำนวณตรงกับคำเฉลยทุกตัวก่อนถึงจะปล่อยเวอร์ชันใหม่ได้ (ใครสนใจแนวคิดการเทียบผลกับคำเฉลยแบบนี้ เราเขียนไว้ในบทความเรื่อง characterization testing) ตัวเครื่องมือเขียนด้วย React + TypeScript แยกส่วนคำนวณออกจากหน้าจอชัดเจน เพื่อให้ทดสอบส่วนคำนวณได้ล้วนๆ ไม่มีอะไรบัง

เริ่มยังไงดี

ไม่ว่าจะใช้เครื่องมือหรือทำมือ จุดเริ่มเหมือนกัน เตรียมข้อมูลสองชุดที่ร้านมีอยู่แล้ว

1. ยอดขายรายเดือนย้อนหลังต่อ SKU อย่างน้อย 3-6 เดือน
2. สต๊อกคงเหลือปัจจุบันต่อ SKU ถ้ามีต้นทุนต่อหน่วยด้วยจะเห็นมูลค่าเงินจมชัดขึ้น

จากนั้นคำนวณ DOH ให้ครบทุกตัวก่อนเป็นอย่างแรก แค่นี้ก็เห็นแล้วว่าตัวไหนใกล้ขาด ตัวไหนนอนแช่ ค่อยขยับไปแบ่ง ABC-XYZ แล้วปิดท้ายด้วย Cut Score กับรายชื่อของที่ควรคุยกันเรื่องตัด

หรือถ้าอยากลองกับเครื่องมือที่เราสร้าง เข้าไปที่ productize.life/apps/stock-insight ได้เลย ตอนนี้เปิดแบบขอสิทธิ์เข้าใช้ ล็อกอินด้วย Google แล้วกดขอ access เราเปิดให้ทีละคนเพื่อเก็บ feedback อย่างใกล้ชิดในช่วงแรก ในแอปมีชุดข้อมูลตัวอย่างให้กดเล่นก่อนได้โดยยังไม่ต้องใช้ข้อมูลจริงของตัวเอง

สุดท้าย ถ้าให้สรุปทั้งบทความเหลือความคิดเดียว ขอเป็นข้อนี้ สต๊อกไม่ใช่กองของ มันคือเงินของเราที่เปลี่ยนไปอยู่ในร่างอื่น และเงินก้อนไหนที่เราไม่เคยถามมันด้วยตัวเลข มันก็จะนอนเงียบอยู่อย่างนั้น ลองเริ่มจากคำถามแรกคืนนี้ก็ได้ ของที่มีอยู่ พอขายไปอีกกี่วัน