top of page

Deadstock Alert โดยใช้ Data Model


Deadstock Alert by Data Model-1

Deadstock คือ สินค้าค้างคงคลัง อาจหมายถึงสินค้าที่กำลังใกล้จะหมดอายุ หรือสินค้าที่อยู่ใน Stock มานานแสนนาน และคาดว่าน่าจะขายไม่ออก

โดยปกติแล้ว หลักการบริหารสินค้า จะนำสินค้าประเภท Deadstock นี้ มาทำ Promotion หรือ ลดราคา เพื่อกระตุ้นยอดขาย

อย่างไรก็ตาม เมื่อไหร่ถึงเรียกว่า “Dead” จำนวนเท่าไหร่ที่เรียกว่า “ค้าง” และมีวิธีการคำนวณอย่างไรเพื่อให้รู้ว่า Deadstock ของสินค้าแต่ละชิ้น คือ จุดไหน?

หลายองค์กร มีการบริหารจัดการ Deadstock โดยใช้การตัดสินใจจากหน้าร้าน หรือจากประสบการณ์ของผู้รับผิดชอบ หรืออาจมีระบบเพื่อเก็บข้อมูลของที่อยู่ค้างมานาน ประกอบกับวันหมดอายุของสินค้า

ทั้งนี้ การบริหาร Deadstock ที่เหมาะสมที่สุด คือ การไม่ปล่อยให้เกิดการ Dead แต่ควรต้องมีการบริหารสินค้า ให้สินค้ามีการขายออกได้ตามที่คาดหมาย

และด้วยการคาดหมายนี้เอง เป็นที่มาของ Deadstock Alert Model ซึ่งเป็น Model เฉพาะตัวที่คิดขึ้นมาโดยทีมงาน Coraline

Deadstock Alert by Data Model-2

จากรูปข้างบน จะพบว่า มีการสร้าง Model เพื่อประมาณการณ์ยอดขายของสินค้าแต่ละประเภทเอาไว้ในแต่ละเดือน เป็นกราฟแท่ง โดยการประมาณการณ์ยอดขายนี้ ใช้วิธี Regression โดยการใช้ปัจจัยต่างๆ ที่มีผลต่อยอดขายมาเป็นตัวแปร จากนั้น นำข้อมูลจำนวน Stock ที่คงเหลือ รวมกับข้อมูล Cycle ของสินค้า อันได้แก่ วันหมดอายุ และ รอบที่เหมาะสมต่อการสั่งเพื่อให้คุ้มทุน เพื่อกำหนดเป็นค่าประมาณการณ์ของสินค้าที่ควรเหลือใน Stock ในแต่ละข่วงเวลาตามกราฟเส้น

หลังจากนั้น ระบบจะมีการ Monitor จำนวนสินค้า หากสินค้าขายได้ตามที่ประมาณการณ์ (หรืออาจจะขายได้ดีกว่า) ก็คือว่า การขายนั้นปกติ หรือ Normal แต่หาก จำนวนสินค้าใน Stock มีจำนวนมากกว่าที่คาดการณ์เอาไว้ ในระดับความมั่นใจต่างๆ จะมีการแจ้งเตือนในแต่ละระดับ เช่น Low, High, Critical เพื่อให้ผู้เกี่ยวข้องรู้ถึงสถานการณ์ของสินค้าแต่ละชิ้น

หลังจากได้ Model แล้ว ทาง Data Engineer หรือ ผู้เกี่ยวข้อง สามารถนำ Model นั้นไปต่อเข้ากับระบบ เพื่อให้สามารถเชื่อมโยงข้อมูลจาก POS หรือ ERP และสร้างเป็นระบบแจ้งเตือนอัตโนมัติ ทำให้สามารถใช้งานได้อย่างสะดวก และง่ายดายยิ่งขึ้น ตามตารางข้างล่างนี้

Deadstock Alert by Data Model-3

นี่เป็นตัวอย่างการประยุกต์ใช้ Model และการสร้างระบบแบบ Customized ซึ่งมีค่าใช้จ่ายในการสร้างระบบน้อยกว่าการซื้อระบบอัตโนมัติ แต่ได้ระบบที่เหมาะสมกับการทำงานจริง

อย่างไรก็ตาม การจะสร้างระบบรูปแบบ Customized นี้ เจ้าของโครงการ หรือ Project Owner จำเป็นต้องมีความรู้เรื่อง Data Model เพื่อสามารถให้ Requirement ในส่วนของ Business Understanding ได้ และต้องสามารถประเมินผลลัพธ์ที่ได้จากการสร้าง Model มิเช่นนั้น การทำระบบแบบ Customized จะไม่สามารถประเมินมูลค่าได้

หากถามว่า การทำโครงการ Big Data หรือ Digital Transformation ต้องเริ่มจากอะไร คำตอบเดียวคือ เริ่มจากความเข้าใจ และต้องชี้ปัญหาให้ถูกจุด ปัญหาที่ง่ายที่สุดคือ งานใดที่ทำซ้ำ และขึ้นอยู่กับการตัดสินใจด้วย “มนุษย์” มากเกินไป นั้นคือ “ปัญหา” ค่ะ

 

< Previous
Next >
bottom of page