РОЗРОБЛЕННЯ АЛГОРИТМIВ ПIДТРИМКИ УХВАЛЕННЯ РIШЕНЬ ЩОДО УПРАВЛIННЯ ТОВАРНИМ АСОРТИМЕНТОМ
Article Sidebar
Надіслано: 22-10-2020
Опубліковано: 17-02-2021
©, Авторські права належать авторам.
Ця стаття опублікована відповідно до стандартів відкритого доступу та розповсюджується за ліцензією Creative Commons Attribution 4.0 International (CC BY 4.0), яка дозволяє необмежене використання, розповсюдження та відтворення змісту на будь-якому носії, за умови зазначення оригінального автора та джерела.
Main Article Content
Анотація
Анотацiя. Завдання нашої роботи — вдосконалення товарного менеджменту роздрібних мереж шляхом розроблення теоретичних положень системи підтримки ухвалення рішень щодо управління товарним асортиментом роздрібної мережі (DSS RCM). Торговельні мережі купують товари безпосередньо у виробників або значних гуртовиків, розміщують ці товари на складах, організовують їх поширення в магазини. Товарні менеджери повинні вирішувати, як забезпечити всі магазини мережі вчасно найприбутковішим продуктом кожного дня.
Завдання DSS RCM полягає в тому, щоб максимізувати щоденну маржу торгів на кожен євро, вкладений у товари, з урахуванням обмежень на товарні ресурси і шельфовий простір. DSS RCM має підготувати коносаменти і замовлення на вхідну логістику, розподіл і перерозподіл товарів у межах мережі. Підтримка ухвалення рішень використовує дані, доступні для будь-якого роздрібного програмного забезпечення. Алгоритми розрахунку прості та ефективні для забезпечення потрібної та достатньої точності з обмеженнями часу та апаратних засобів і без значних інвестицій в оновлення апаратних засобів та кваліфікації персоналу. Алгоритми обчислюють оптимальне рішення на основі цільової функції (наприклад, максимізації прибутку) і обмежень (наприклад, рівень запасів, продажі магазинів, прибуток від реалізації конкретного товару).
Систематизовано підходи інших учених щодо розв’язання проблеми управління продукцією в роздрібній торгівлі. Проаналізовано сильні i слабкі сторони цих підходів з метою пошуку оптимального підходу для роздрібних мереж.
Тому метою нашого дослідження є розроблення теоретичної основи системи підтримки ухвалення рішень щодо управління роздрібними товарами (DSS RCM). Запропоновано спосіб оптимізації товарних активів у роздрібній торгівлі на основі їхнього математичного моделювання і розрахунку консолідованого коефіцієнта прибутковості. Результати досліджень обмежуються однорідними роздрібними мережами (наприклад, одягом або взуттям).
За допомогою запропонованих алгоритмів розрахунки можна здійснювати в режимі реального часу в базі даних для десятків (сотень) тисяч позицій в асортименті (наприклад, при продажу одягу та взуття, унікальне поєднання моделі, кольору і розміру утворює окремий елемент в асортименті) у сотнях (тисячах) магазинів. Тому це можуть бути сотні мільйонів комбінацій предметів-магазинів (Big Data).
Ключові слова: роздрібна мережа, управління товарним асортиментом, підтримка ухвалення рішень, аналіз даних продажів.
Формул: 9; рис.: 0; табл.: 1; бібл.: 39.
Article Details
Посилання
Iurasov, A. (1998). Adaptaciya logisticheskih sistem upravleniya tovarodvizheniem k kon’yunkture potrebitel'skogo rynka [Adaption of logistics merchandise management systems to the conditions of the consumer market]. Candidate’s thesis. Saint-Petersburg. Retrieved November 23, 1998, from http://www.lib.ua-ru.net/diss/cont/89949.html [in Russian].
Hübner, A. (2017). A decision support system for retail assortment planning. International Journal of Retail & Distribution Management, 45 (7—8), 808—825.
Blackburn, J. D. (1991). The Quick Response movement in the apparel industry: A case study in time-compressing supply chains. Homewood, IL: Business One Irwin.
Chopra, S. (2003). Designing the distribution network in a supply chain. Transportation Research Part E: Logistics and Transportation Review, 39 (2), 23—40.
Christopher, M. (2011). Logistics and supply chain management. Harlow: Financial Times Prentice Hall.
Hunter, A., King, R., & Nuttle, H. L. W. (1996). Evaluation of Traditional and Quick-response Retailing Procedures by Using a Stochastic Simulation Model. Journal of the Textile Institute, 87 (1), 42—55.
Kunz, А., & Rupe, D. (1999). Volume per stock‐keeping unit for an assortment: A merchandise planning tool. Journal of Fashion Marketing and Management: An International Journal, 3 (2), 118—125.
Miller, C. M. M., Smith, S. A., McIntyre, S. H., & Achabal, D. D. (2010). Optimizing and evaluating retail assortments for infrequently purchased products. Journal of Retailing, 86 (2), 159—171.
Nuttle, H. L. W., King, R., & Hunter, N. A. (1991). A stochastic model of the apparel-retailing process for seasonal apparel. Journal of the Textile Institute, 82 (2), 247—259.
Chong, J.-K., Ho, T.-H., & Tang, C. S. (2001). A modelling framework for category assortment planning. Manufacturing and Service Operations Management, 3 (3), 191—210.
Griswold, M. (2007, August 7). Space management: align business challenges and IT vendors. Gartner. Retrieved from https://www.gartner.com/doc/1340501/space-management-align-business-challenges.
Hübner, A. (2011). Retail Category Management: Decision Support Systems for Assortment, Shelf Space and Price Planning. Lecture Notes in Economic and Mathematical Systems. Heidelberg: Springer.
Hübner, A., & Kuhn, H. (2012). Retail category management: a state-of-the-art review of quantitative research and software applications in assortment and shelf space management. Omega, 40 (2), 199—209.
Hübner, A., & Schaal, K. (2017). Effect of replenishment and backroom on retail shelf-space planning. Business Research, 10 (1), 123—156.
Hübner, A., Kuhn, H., & Wollenburg, J. (2016). Last mile fulfilment and distribution in omni-channel grocery retailing: a strategic planning framework. International Journal of Retail & Distribution Management, 44 (3), 228—247.
Irion, J., Lu, J.-C., Al-Khayyal, F. A., & Tsao, Yu-C. (2012). A piecewise linearization framework for retail shelf space management models. European Journal of Operational Research, 22 (1), 122—136.
Kök, A. G., & Marshall, L. F. (2007). Demand estimation and assortment optimization under substitution: methodology and application. Operations Research, 55 (6), 1001—1021.
Kuhn, H., & Sternbeck, M. G. (2013). Integrative retail logistics: an exploratory study. Operations Management Research, 6 (1—2), 2—18.
Gómez, S. M. (2005). Shelf space assigned to store and national brands: a neural networks analysis. International Journal of Retail & Distribution Management, 33 (11—12), 858—878.
Yücel, E., Karaesmen, F., Salman, F. S., & Türkay M. (2009). .Optimizing product assortment under customer-driven demand substitution. European Journal of Operational Research, 199 (3), 759—768.
Honhon, D., & Seshadri, S. (2013). Fixed vs random proportions demand models for the assortment planning problem under stockout-based substitution. Manufacturing and Service Operations Management, 15 (3), 378—386.
Hübner, A., Kühn, S., & Kuhn, H. (2016). An efficient algorithm for capacitated assortment planning with stochastic demand and substitution. European Journal of Operational Research, 250 (2), 505—520.
Van Woensel, T., Van Donselaar, K., Broekmeulen, R., & Fransoo, J. (2007). Consumer responses to shelf out-of-stocks of perishable products. International Journal of Physical Distribution & Logistics Management, 37 (9), 704—718.
Xin, G., Messinger, P. R., & Li, J. (2009). Influence of soldout products on consumer choice. Journal of Retailing, 85 (3), 274—287.
Chhetri, P., Kam, B., Lau, K. H., Corbitt, B., & Cheong, F. (2017). Improving service responsiveness and delivery efficiency of retail chains: A case study of Melbourne. International Journal of Retail & Distribution Management, 45 (3), 271—291.
Kotzab, H. (1999). Improving supply chain performance by efficient consumer response? A critical comparison of existing ECR approaches. Journal of Business and Industrial Marketing, 14 (5), 364—377.
Boyd, E. D., & Bahn, K. D. (2009). When do large assortments benefit consumers? An information processing perspective. Journal of Retailing, 85 (3), 288—297.
Chernev, A. (2003). When more is less and less is more: the role of ideal point availability and assortment in consumer choice. Journal of Consumer Research, 30 (2), 170—183.
Deng, X., & Kahn, B. E. (2009). Is your product on the right side? The «location effect» on perceived product heaviness and package evaluation. Journal of Marketing Research, 46 (6), 725—738.
Simonson, I. (1999). The effect of product assortment on buyer preferences. Journal of Retailing, 75 (3), 347—370.
Broniarczyk, S. M., Hoyer, W. D., & McAlister, L. (1998). Consumers’ perceptions of the assortment offered in a grocery category: the impact of item reduction. Journal of Marketing Research, 35 (2), 166—176.
Chernev, A., & Hamilton, R. (2009). Assortment size and option attractiveness in consumer choice among retailers. Journal of Marketing Research, 46 (3), 410—420.
Dhar, S. K., Hoch, S. J., & Kumar, N. (2001). Effective category management depends on the role of the category. Journal of Retailing, 77 (2), 165—184.
Hoch, S. J., Bradlow, E. T., & Wansink, B. (1999). The variety of an assortment. Marketing Science, 18 (4), 527—546.
Korpela, J., Lehmusvaara, A., & Tuominen, M., (2001). Customer service based design of the supply chain. International Journal of Production Economics, 69 (2), 193—204.
Krishnan, T., Koelemeijer, K., & Rao, R. (2002). Consistent assortment provision and service provision in a retail environment. Marketing Science, 21 (1), 54—73.
Meixell, M. J., & Gargeya, V. B. (2). Global supply chain design: A literature review and critique. Transportation Research Part E: Logistics and Transportation Review, 41 (6), 531—550.
Ashayeri, J., & Rongen, J. M. J. (1997). Central distribution in Europe: A multi-criteria approach to location selection. The International Journal of Logistics Management, 8 (1), 97—109.
Chuang, P.-T. (2002). A QFD approach for distribution’s location model. International Journal of Quality & Reliability, 19 (8—9), 1037—1054.