Моделирование в агросекторе: оптимизируем реализацию продукции

Каждый производитель задается вопросом, кому, когда и в каком виде продать товар, чтобы максимизировать прибыль

Сельское хозяйство стремительно берет на вооружение новые технологии: начиная от роботизации операций и заканчивая применением инструментов управления и стратегирования. В этом цикле статей я расскажу, как с помощью создания математических двойников агропромышленные предприятия могут оптимизировать разные элементы своих цепей поставок: закупку сырья, производственную и логистическую инфраструктуру, трейдинг. В сегодняшнем материале речь пойдет об оптимизации сбыта готовой продукции.

Сбыт агропродукции выбран первой темой не случайно: каждый производитель задается вопросом, кому, когда и в каком виде продать товар, чтобы максимизировать прибыль. Для небольших хозяйств ответ довольно очевиден, и чаще всего фермеры сотрудничают с географически ближайшими к ним оптовиками. Однако чем крупнее производитель, чем шире его ассортимент и чем больше у него способов доставки и каналов сбыта, тем больше возникает вариантов. Отправить масло наливом на экспорт или расфасовать по бутылкам и продать на внутреннем рынке? Продать побыстрее ранние культуры для повышения оборачиваемости инфраструктуры или придержать их и реализовать подороже?

Оптимизация распределения продукции по каналам продаж — это одна из задач, которую агропромышленные предприятия могут решать, создав двойника цепи поставок. Модель повторяет бизнес-логику реальных процессов, поэтому, загрузив в нее данные, можно «отыграть» тот или иной сценарий и посмотреть, к какому результату это приведет. Ниже представлены примеры вариативных ситуаций, в которых математика помогает найти оптимальное решение.

Для крупных производителей, которые обеспечивают и внутренний спрос, и реализацию по экспортным каналам, стоит вопрос, какие объемы оптимально направить в каждый канал. При этом надо учитывать еще и условия поставки. Например, на внутреннем рынке товар можно продать «по переписи» - когда продукт не перемещается, а остается в элеваторе, но переходит право собственности. На такой товар самая низкая цена, ведь нет затрат на логистику. Однако иногда выгоднее потратиться на доставку и отгрузку, потому что клиент заплатит ощутимо больше, и прибыль будет выше. Возможно, сейчас компания продает товар ближайшим клиентам, а выгоднее было бы отвезти продукцию в более дефицитный регион.

Если компания решает доставлять товар на экспорт, добавляется вариативность с точки зрения способов доставки (автотранспорт, ж/д, морские перевозки). В зависимости от стоимости услуг в различных портах, пошлин и даже субсидированных тарифов на перевозку будут по-разному формироваться затраты, генерируемые цепочками поставок.

Учитывая эти факторы, математическая модель определяет наилучшие каналы сбыта с точки зрения логистических затрат. На базе этих знаний производитель сможет строить свою стратегию продаж, смещая фокус в более эффективные для себя каналы.

Отличительной особенностью сельского хозяйства является сезонность. Сбор урожая длится короткий период — время самой низкой цены. После цена начинает расти, поэтому те, у кого есть мощности по долговременному хранению, находятся в более выгодном положении. Часть сырья можно продать сразу для обеспечения оборотного капитала, а часть реализовать позже, когда сложится наилучшая ценовая конъюнктура. Какие объемы продать, а какие придержать и как долго — тоже вопрос для оптимизации. Такая же оптимизационная задача актуальна и для переработчиков: можно определить, какой объем сырья лучше закупить в период низких цен, а какой позднее — при ограничениях собственных мощностей по хранению.

С помощью модели можно провести детальный cost-to-serve анализ — анализ затрат по всей цепочке поставок, понесенных компанией на обслуживание каждого существующего клиента. Это позволит определить, кто приносит наибольшую выгоду, а кто ниже нормы прибыльности, и этих средств не хватит даже, чтобы закупить семена и засеять поля на следующий сезон. Решение этой задачи позволяет понять, с какими компаниями стоит расширять сотрудничество, а с какими пора пересмотреть договорные условия.
При этом результаты моделирования могут стать доказательной базой для переговоров с клиентом, на основании который можно определить новые взаимовыгодные условия сотрудничества. В нашей практике был не один кейс, когда компании обнаруживали убыточный канал продаж, меняли условия поставок и выводили канал в плюс.

Сельскохозяйственные культуры делятся на категории по качеству. Например, у производителя есть поля, где преобладает пшеница с содержанием 14,5% протеина, а есть те, где большая доля продукта ниже качеством — 12%. При этом для пшеницы разных классов будут свои отпускные цены, потребители и условия поставки. Оптимизация позволяет выбрать наиболее выгодное соотношение использования и смешивания сырья в зависимости от спроса: можно подвезти на элеваторы пшеницу с разным содержанием протеина, чтобы смешать и отгрузить в любой момент, или загрузить элеваторы более дорогой пшеницей и по необходимости подвозить менее качественную для смешивания.

Инфраструктура, которая оборачивает свои мощности всего раз за сезон, обходится очень дорого. Для многих компаний решением может быть работа не только со своими, но и с другими культурами, для которых нужны те же условия хранения. Например, компания работает с ранними культурами, быстро перерабатывает их на своих мощностях, а далее использует их для хранения других культур, которые позже можно продать дороже. Модель поможет рассчитать, какие культуры следует дополнительно освоить с учетом спроса и возможностей инфраструктуры. Бывали кейсы, когда компании оказывалось выгодно немного вложить в модернизацию инфраструктуры, чтобы работать с новой культурой, так как это открывало новый прибыльный рынок сбыта.

В общих чертах определение приоритетных направлений дистрибуции выглядит так: на начальном этапе работы модели компания может проанализировать весь рыночный спрос на свой продукт «в вакууме», как если бы не было конкурентного окружения. Модель определит самый выгодный канал сбыта. Далее в ход идут ограничения: пропускная способность канала и конкуренты, которые его делят. Исходя из этого, модель определяет следующий канал, за ним еще один и позволяет создать оптимальную приоритизацию продаж.

Инструмент, позволяющий планировать производство и возможную дистрибуцию готовой продукции, команда LAMACON разработала для холдинга «Сибагро». Перед компанией стояла задача определить наиболее востребованную продукцию, производить и поставлять ее клиентам быстро и в нужном качестве. Изучив рецептуры и сроки изготовления продукции, сроки годности, лид-таймы и другие предпосылки, консультанты построили модель цепочек поставок холдинга, которая охватывает период на 12 недель вперед. Математический двойник позволил выстроить оценочный расчет оптимального ассортимента, оптимальную схему использования сырья для его производства и распределения потоков производства и поставки продукции. Данный пример отражает возможности моделирования на тактическом горизонте и при существующей инфраструктуре.

Помимо приведенного тактического примера, существует возможность работать и на уровне стратегии, выстраивая план развития инфраструктуры для освоения новых, более выгодных каналов продаж с учетом роста производства за счет увеличения посевных площадей, урожайности или введения в севооборот новых культур. Главное, что моделирование дает возможность критически пересмотреть исторически сложившиеся каналы сбыта, проанализировать весь потенциальный рынок, обновить структуру продаж и увеличить совокупную рентабельность бизнеса.

Источник: «Агроинвестор»