Case Study: Ottimizzazione magazzino e marginalità (ingrosso ricambi)

Dai dati di un gestionale legacy all'analisi analitica del magazzino

Nel settore del commercio all'ingrosso e distribuzione commerciale di ricambi, il magazzino rappresenta il cuore dell'attività, e conseguentemente anche la voce più significativa da monitorare nell'ambito del controllo di gestione.

Il caso in esame riguarda un grossista che gestisce la distribuzione locale dei ricambi sul territorio, con un fatturato rilevante ed un catalogo con oltre centomila referenze, il tutto gestito con un software gestionale datato (COBOL), non sostituibile a causa di accordi con i fornitori per l'aggiornamento automatico dei listini, disponibili solo su questa piattaforma.

Il mio intervento si è basato sulle dinamiche peculiari che ha un'attività di commercio all'ingrosso di ricambi focalizzata su di un tessuto locale, con la presenza di articoli "obsoleti" (nuovi, ma non più attuali sul parco circolante) e con presenza di più sedi sul territorio.

---

1. La situazione di partenza: gestionale legacy (COBOL)

Il problema principale riscontrato era l'assoluta mancanza di un sistema di monitoraggio della marginalità e della stratificazione del magazzino. Il software gestionale, un sistema legacy datato scritto in COBOL, permetteva alcune elaborazioni di base, attraverso un sistema di reportistica esterno fornito dalla software house, che tuttavia non permetteva analisi aggregate e targetizzate per inviduare con precisione la redditività.

Allo stesso tempo la rotazione del magazzino veniva gestita con riferimento al magazzino complessivo, senza un'analisi dettagliata per focalizzare le diverse rotazioni degli articoli, se non in maniera sommaria. Inoltre la rotazione non veniva confrontata con la marginalità, criticità notevole, in quanto la marginalità dovrebbe in linea di massima essere rapportata alla rotazione, per ripagare i maggiori o minori costi e rischi del capitale-merce.

Infine non era presente un sistema di stratificazione del magazzino in grado di identificare con precisione l'obsolescenza dei componenti: il rischio di accumulare ricambi teoricamente nuovi ma di fatto quasi invendibili per obsolescenza (il cosiddetto Dead Stock) è un punto critico del settore.

Senza una gestione corretta, l'azienda rischiava sia di erodere capitale a causa di una parte significativa di magazzino non liquidabile, sia di rappresentare in bilancio le rimanenze su un valore di magazzino che non veniva adeguatamente svalutato, con il danno ulteriore di pagare maggiori imposte non dovute.

2. Dalla marginalità approssimativa a quella analitica

Il punto di partenza è stata un'analisi generale, che ha evidenziato diversi limiti del sistema gestionale in uso, non solamente nelle elaborazioni, ma anche nel controllo dei dati. Diversi "errori umani" non venivano "intercettati", e questo ha suggerito di optare per una soluzione più strutturata, importando tutto il flusso dei dati "grezzi" su un potente database RDBMS (Firebird SQL) esterno, su cui gestire le elaborazioni.

La scelta di Firebird SQL è stata effettuata - all'epoca DuckDb, che oggi rappresenta lo standard per questo tipo di analisi, era ancora in fase di sviluppo iniziale - in base all'estrema affidabilità, alla disponibilità come soluzione Open Source e quindi senza costi di licenza d'uso ed alla semplicità di installazione e gestione.

Questo sistema permette inoltre la gestione di grandi moli di dati, e si presta quindi perfettamente come base per un sistema di analisi avanzato con la gestione dello storico aziendale.

Sui dati di gestione sono state implementate delle analisi di marginalità aggregate in maniera incrociata, ossia oltre che per articolo, categoria merceologica, cliente, ecc., combinando assieme tra loro i parametri di analisi, personalizzando alcuni aspetti in base alla gestione reale dell'azienda, per potere ottenere una fotografia precisa della marginalità sulle vendite.

Un elemento fondamentale è stato il calcolo del margine medio di consegna per cliente, per potere distinguere le posizioni redditizie da quelle marginali o addirittura negative.

Grazie a questa analisi sono state individuate le aree di utile ed aree di perdita, ossia quelle situazioni (clienti / zone / articoli) il cui margine non permetteva di coprire i costi di gestione dell'ordine e della consegna.

Infine sono stati incrociati i dati della marginalità con quelli della rotazione, evidenziando come critiche le situazioni con una marginalità non sufficiente a coprire margini di rotazione bassi, con un costo di magazzino - capitale elevato ed un rischio di obsolescenza nettamente superiore.

3. L'analisi ABC su marginalità e scorte

Una difficoltà spesso frequente è la lettura delle analisi da parte del management, soprattutto quando la struttura aziendale è particolarmente complessa. In presenza di oltre centomila referenze, è quasi impossibile focalizzare in modo efficace dove intervenire, e gestire un numero elevatissimo di clienti pone i medesimi problemi.

Per attività di questo tipo anche i raggruppamenti gestiti "di serie" dal gestionale aziendale, come le categorie merceologiche, gruppi, linee, rischiano di essere poco adatti per un'analisi avanzata, in quanto si tratta di classificazioni pensate più per un utilizzo commerciale che per l'analisi dei dati, ed uno stesso raggruppamento può quindi contenere situazioni estramamente eterogenee per marginalità e rotazione.

La soluzione viene allora dall'analisi ABC, che permette una macro-classificazione automatica dei risultati in pochi gruppi (cluster), tradizionalmente tre (A, B, C appunto); nelle pratica si possono fare variazioni, e creare analisi ABCD o ABCDE, ma il concetto rimane identico.

Oggi la tecnologia ci viene in aiuto, e mentre in passato l'analisi ABC "tradizionale" era costruita su parametri fissi (ad esempio 80% - 15% - 5%, la più diffusa, piuttosto che 70% - 20% - 10%) oggi grazie a Python, Pandas e strumenti di Machine Lerning come SKlearn, la classificazione viene effettuata partendo dall'analisi dei dati, costruendo i cluster personalizzati, cercando di individuare i "confini" più rappresentativi tra un cluster e l'altro in base ai dati reali.

Grazie a questa analisi, è stato pertanto possibile fornire all'azienda cluster dettagliati della marginalità per clienti, articoli, zone, agenti, gruppi merceologici, ecc., ma anche cluster sulla rotazione degli articoli, per distinguere il magazzino in base alla rotazione, elemento fondamentale per un'azienda di commercio all'ingrosso.

In questo modo è stato possibile fornire al management la clusterizzazione ABC, permettendo di concentrarsi prioritariamente sulle problematiche più significative.

4. La stratificazione del magazzino e la matrice strategica

L'analisi implementata, oltre a permettere di individuare che alcuni articoli ad alta rotazione venivano venduti con margini troppo esigui per coprire i costi operativi (logistica e consegna), ha permesso focalizzare l'attenzione sui prodotti obsoleti, alcuni dei quali tecnicamente vendibili in una minima percentuale (obsolescenza commerciale, p.es. ricambi di veicoli in gran parte scomparsi dalla circolazione), mentre altri completamente invendibili, in quanto ormai vecchi ed inuzilizzabili (obsolecenza tecnica, p.es. materiali in gomma).

In questo modo è stato possibile analizzare le rimanenze in base alla loro stratificazione, ossia in base alla velocità di rotazione, focalizzando immediatamente il problema del "Dead Stock", ossia articoli obsoleti a bassissima o nulla rotazione.

Contemporaneamente è stata implementato un monitoraggio degli articoli "semi-obsoleti", ossia che non costituiscono ancora un "dead stock", ma che rischiano di diventarlo a breve: in questo caso l'obiettivo è duplice, sia di prevenzione del problema pro-futuro, sia di smobilizzo con azioni commerciali idonee prima che il prodotto si invendibile (p.es. resi concordati con fornitori a fronte di acquisti significativi, vendite su martketplace come eBay, ecc.).

Questo approccio ha permesso di rivoluzionare la gestione del magazzino, grazie a strumenti di monitoraggio analitici, che permettono al managemente di gestire, e non subire, la gestione aziendale, con una visione di fondo sana e consapevole della marginalità, delle criticità e delle potenzialità aziendali.

5. La svalutazione dei beni obsoleti in bilancio

La presenza di un sistema di analisi della stratificazione del magazzino costituisce inoltre un elemento cardine per la valutazione delle rimanenze a bilancio. Finora l'azienda si limitava alla valutazione automatica effettuata dal software, senza un controllo a valle dei beni il cui valore di mercato era sensibilmente inferiore o addirittura nullo.

L'OIC 13 obbliga le imprese a svalutare direttamente in bilancio tutti i beni obsoleti o a "lento rigiro", per evitare di sopravvalutare il magazzino, che costituirebbe un falso in bilancio.

La svalutazione è anche nello stesso interesse dell'azienda, in quanto per il principio di derivazione rafforzata, il valore di bilancio correttamente calcolato viene riconosciuto anche ai fini fiscali, evitando pertanto di corrispondere maggiori imposte non dovute.

Tuttavia, affinché la svalutazione non possa essere contestata dall'amministrazione finanziaria, occorre potere dimostrare l'effettiva perdita di valore, cosa pressoché impossibile in assenza di un sistema di analisi serio ed affidabile. In poche parole, l'Agenzia delle Entrate non potrà mai accettare una svalutazione indicativa, basata sull'esperienza e sul colpo d'occhio dell'imprenditore, ma richiederà una dimostrazione analitica tale da rendere inequivocabile la correttezza del procedimento adottato.

La particolarità del settore è che i prodotti obsoleti non portano necessariamente ad una vendita ad un prezzo più basso, ossia non sono possibili vendite "a prezzi di saldo": chi cerca quel determinato ricambio lo paga anche a prezzo pieno, solamente che a fronte di un pezzo venduto tra gli "obsoleti", ce ne sono altre 999 che non verranno mai venduti.

Il contesto specifico implica pertanto una svalutazione di tipo probabilistico a classi decrescenti, termine complicato a scriversi, ma in realtà molto semplice da spiegare: significa di raggrauppare (ancora una volta creando cluster) gruppi omognei (ossia similari, i cluster appunto) per tipologia di prodotto ed obsolescenza, fornendo una valutazione che tenga conto:

• Velocità di rotazione: Rotazione, che in questo caso è minima o assente;
• Probabilità di vendita: Probabilità ragionevole di vendita in rapporto al valore totale del cluster.

Per potere ottenere dati opponibili all'Amministrazione Finanziaria occore che il sistema di analisi offra due elaborazioni fondamentali:

• Stratificazione del magazzino: Stratificazione del magazzino, evidenziando l'ultima data di vendita e di acquisto (senza considerare i resi);
• Vendite obsoleti: Vendite di obsoleti nell'esercizio e negli esercizi precedenti, elaborando una media delle vendite, rapportate ai cluster delle scorte.

Senza questi elementi, non essendoci listini aggiornati di prodotti obsoleti che riflettano la situazione, l'azienda non potrà mai avere elementi di prova sufficienti, e si trova come si suol dire tra incudine e martello, civilisticamente ha l'obbligo di svalutazione per non commettere un falso in bilancio, ma fiscalmente deve dimostrare l'entità della svalutazione con strumenti certi, che non lascino spazio alla discrezione.

Il focus si sposta pertanto interamnete sui processi, perché non è tanto sul numero finale che si giocherà la partita con l'Amministrazione Finanziaria, ma sui procedimenti interni che hanno permesso di ottenere quel numero. Se il processo sarà ritenuto valido, la (s)valutazione sarà valida, vice versa l'Agenzia delle Entrate cercherà di contestare la valutazione di bilancio.

Per i prodotti invece invendibili in quanto presentano caratteristiche tecniche degradate, come ad esempio plastiche e gomme dopo un determinato numero di anni, la svalutazione sarà tecnicamente totale, ma anche qui occorrerà avere le informazioni sulla data di produzione, per dimostrare l'anzianità dei prodotti, e le specifiche tecniche che indicano la durata di questi prodotti soggetti a deperimento.

Anche in questo caso, disporre dell'ultima data di acquisto nel sistema di analisi è un aiuto fondamentale per potere identificare i prodotti ormai a rischio di degrado tecnico, soprattutto se il sistema gestionale in uso non rileva la data di produzione.

Per questi motivi l'implementazione del sistema di analisi della stratificazione è stata particolarmente complessa ed articolata, in quanto è stato necessario elaborarare i dati per ottenere le informazioni fondamentali, in particolare:

• Un cluster per i prodotti tecnicamente invendibili, a svalutazione totale;
• Più cluster per i prodotti "a lento rigiro" (OIC 13), per categorie omognee;
• Probabilità di vendita: Analisi delle vendite di prodotti "a lento rigiro" per dimostrare la probabilità media di vendita per ciascun cluster.

Come si può notare il sistema di analisi del magazzino non è limitato solo alla marginalità ed alla rotazione, ma diventa quindi un fondamentale "ponte" tra magazzino e bilancio.

In alcuni casi, dove la prababilità di vendita è minima o nulla, vale la pena di riflettere su una possible rottamazione a norma, per fornire elementi certi ed inoppugnabili nei confronti dell'Amministrazione Finanziaria.

Ancora una volta, tuttavia, il sistema di analisi diventa fondamentale per identificare quali beni avviare alla rottamazione, che chiaramente deve avvenire prima della chiusura dell'esercizio, il che presuppone un'analisi costante in corso d'anno e non solo in sede di bilancio, quando è ormai troppo tardi per intervenire.

6. Benefici ottenuti: ottimizzazione della gestione e dati corretti

La soluzione sviluppata ha dimostrato di integrarsi perfettamente al sistema gestionale esistente, fornendo all'azienda uno strumento strategico di analisi della gestione della propria attività operativa, senza stravolgere la situazione esistente.

L'azienda è ora in grado di monitorare a 360 gradi il proprio magazzino, la propria marginalità, la rotazione delle scorte, la soglia di marginalità media per consegna cliente, al di sotto della quale la gestione è in perdita, permettendo di ottimizzare in maniera significativa la gestione aziendale nel suo complesso, grazie ad un controllo molto più efficace.

L'analisi del "Dead Stock" si è rivelata fondamentale, evidenziando un problema estremamente critico, e finora sottovalutato dal management, per la mancanza di un'analisi dettagliata.

L'intervento effettuato ha consentito altresì una maggiore consapevolezza nella gestione, per cercare di prevenire le criticità, siano esse legate alla marginalità che all'obsolescenza, uscendo dalla "navigazione a vista"..

Come proposta di proseguo del lavoro, è stato raccomandato al management la creazione di un sistema di graficizzazione che permetta di costruire cruscotti direzionali, grazie a dashboard ed indicatori KPI intereattivi con Metabase. L'azienda tuttavia ha preferito fermarsi, almeno per il momento, alla visualizzazione tabellare, a parte il solo grafico della matrice strategica.

È stato inoltre suggerito al management di implementare un sistema di monitoraggio della tesoreria e della liquidità aziendale, attualmente non presente in azienda. Il punto verrà valutato in futuro, coinvolgendo naturalmente l'ufficio amministrativo.

Il lavoro è stato infine terminato con la raccomandazione di un confronto con l'organo di controllo ed i propri consulenti sulla valutazione delle rimanenze, per il concreto proseguo del lavoro ai fini del bilancio.

Il fatto che alcune proposte di sviluppo non siano state considerate necessarie dal management, dimostra l'importanza di non fornire sistemi calati dall'altro, ma di costruire un sistema personalizzato e costruito a 4 mani insieme all'azienda. Non tutte le aziende sono uguali, e non tutti gli amministratori e manager hanno la stessa visione tecnologica.

Ci sono molte situazioni in cui l'azienda cliente cerca una soluzione intermedia, ed il compito di chi segue la consulenza deve essere quello di non forzare mai la mano, ma camminare passo dopo passo insieme al management, alla sua visione, ed accettare un risultato che astrattamente potrebbe andare oltre, ma non rispetterebbe il DNA di quell'azienda.

In oltre trent'anni di attività ho imparato il valore del rispetto, e soprattutto che camminare più lentamente insieme ha un'utilità infinitamente maggiore di una corsa solitaria. Il controllo di gestione si costruisce sempre assieme.

Inizio pagina