如何计算存货周转率

一、存货周转率是企业一定时期销货成本与平均存货余额的比率。用于反映存货的周转速度,即存货的流动性及存货资金占用量是否合理,促使企业在保证生产经营连续性的同时,提高资金的使用效率,增强企业的短期偿债能力。存货周转率的计算公式为:

存货周转率(次)=销售(营业)成本÷平均存货=销售(营业)成本÷((期初存货+期末存货)÷2)

平均存货=(年初存货+年末存货)÷2

或者

对于单个产品的存货周转率也可以用

存货周转率(次)=销售(营业)成本÷平均存货=(销售数量*采购价)÷((期初数量*采购价+期末数量*采购价)÷2)=销售数量÷((期初数量+期末数量)÷2)

存货周转率(次)代表了该商品在计算区间内,该商品流转了多少次,

存货周转率(天)=360÷存货周转率(次)

存货周转率(天)代表每隔多少天,该商品就会在库存中流转一次

【例1】ABC公司的主营业务成本为3200547万元,年初存货为1308737万元,年末存货为95871万元。按照上述公式计算如下:

平均存货=(1308737+95871)÷2=702304(万元)

存货周转率(次)=3200547÷702304=4.557(次)

存货周转率(天)=360÷4.557≈79(天)

一般情况下,该指标(周转次数)越高,表示企业资产由于销售顺畅而具有较高的流动性,存货转换为现金或应收账款的速度快,存货占用水平低。

【例2】L公司当年营业成本为360万元,当年年初存货余额为90万元,年末存货余额为110万元,则其存货周转率(次数)及天数为:

存货周转率(次数)=360÷[(90+110)÷2]=3.6(次)

存货周转天数=360÷3.6=100(天)

存货周转率(次数)越高,表明也起存货周转速度快,存货的占用水平越低,流动性越强;反之,存货周转速度越慢,存货储存过多,占用资金多,有积压现象。分析企业存货周转率的高低应结合同行业的存货平均水平和企业过去的存货周转情况进行判断。

二、存货周转率指标分析时应注意的事项

1、存货周转率指标反映了企业存货管理水平,它不仅影响企业的短期偿债能力,也是整个企业管理的重要内容。

2、分析存货周转率时还应对影响存货周转速度的重要项目进行分析,如分别计算原材料周转率、在产品周转率等。计算公式为:

原材料周转率=耗用原材料成本÷存货平均余额

在产品周转率=制造成本÷存货平均余额

3、存货周转分析的目的是从不同的角度和环节找出存货管理中存在的问题,使存货管理在保证生产经营连续性的同时,尽可能少占用经营资金,提高资金的使用效率,增强企业短期偿债能力,促进企业管理水平的提高。

4、存货周转率不但反映存货周转速度、存货占用水平,也在一定程度上反映了企业销售实现的快慢。一般情况下,存货周转速度越快,说明企业投入存货的资金从投入到完成销售的时间越短,存货转换为货币资金或应收账款等的速度越快,资金的回收速度越快。
在这里插入图片描述
所谓的"零库存"永远只能是一种境界吗?至少在目前的物流与供应链管理条件下,实现零库存的可能性是无限接近于零的。不管是日本人的JIT还是DELL的VMI/SOI,还没听说他们真正做到"零库存"了。但是他们还在坚持做JIT与VMI,不断试图提高库存周转率。为什么呢?

通常情况下,我们认为随着库存周转率的提高,相应的库存成本也会加大,极端的例子就是,如果能够真正、彻底地实现JIT交货,库存在理论上可以达到"零",那么按照库存周转率等于销售的物料成本除以平均库存的公式,库存周转率可以达到无穷大;与此同时,由于JIT加大了交货的频率,从而使得运输成本以及搬运等内部处理成本加大,从而加大了库存的持有成本。

所以,就有人提出,制造业不可盲目追求库存周转率。但问题的关键就在于,这种论断只是基于一种纯粹的理论假设!在假设可以做到JIT"零库存"的前提下,作为库存成本中的关键部分-运输成本被加大,带来的库存周转率的提高就可能显得不值。

实则不然!我们必须辨正地看待库存周转率的提高与库存成本之间的关系。所谓的"零库存"永远只能是一种境界,至少在目前的物流与供应链管理条件下,实现零库存的可能性是无限接近于零的。不管是日本人的JIT还是DELL的VMI/SOI,还没听说他们真正做到"零库存"了。但是他们还在坚持做JIT与VMI,不断试图提高库存周转率。为什么呢?

以下几个方面是我们,尤其是我们的国内企业必须注意的:

第一:库存成本除了购置成本之外,还包括运输成本,订货成本,储存成本以及缺货成本。JIT通过加大交货频率提高了运输成本的同时,却有效地降低了储存成本,如由于库存水平的降低而导致了利息费用、机会成本的降低;同时也大大降低了仓库租赁成本以及库存报废、贬值的风险(成本);而对于订货成本,由于目前企业很多采用ERP等信息化处理手段,由于订货频率的加大而带来的订货成本的增加是几乎可以忽略不计的。至于缺货成本,大批量、少批次的订货不一定能够保证不缺货,而与之相反,通过加大订货频率提高供应的灵活性反而有助于降低缺货风险。所以,提高库存周转率不一定能够提高整个库存的持有成本,特别是对于那些单件价值比较高,而体积、重量比较小的物料、成品,如电子、光纤元器件等,提高库存周转率的好处一定大于库存成本的增加- 这是不需要计算的,尽管理论上还是存在着所谓的二率背反的问题。

第二:提高交货频率不一定就能够降低库存,从而提高库存周转率。那种认为单单通过提高交货频率,牺牲运输成本就可以降低库存,提高库存周转率的想法是非常幼稚、愚蠢的。库存的控制是一个系统工程,它牵扯到需求与供应链管理的各个环节,并非是通过某一项措施就可以搞得定的。由于你有很多种成品以及无数的原材料,如何根据不同物料的属性,系统合理地规划整个库存结构是整个库存控制的核心问题。况且现实生活中,由于种种客观条件的限制,无限地提高交货频率是不现实的。

第三个问题就是对于一个企业来讲,运输成本的增加与现金流的增加哪个更重要的问题。我们知道,现金流是企业运营生存的血液,现金流断了就什么都完了–运输成本的降低可以提高企业的利润率,但现金流的存在却可以保证企业长期生存,更重要的是库存多周转一圈所带来的利润的增加可能远远大于运输成本的增加。所谓"薄利多销",体现在库存周转率与库存成本的关系上也是很恰当的–“转"就是"赚”,就是这个道理。

第四:矫枉必须过正。在我们担心库存周转率的提高可能给我们带来较高的库存成本的同时,我们忽视了一个现实:您的库存周转率到底有多高?是否已经高到不能再高(库存成本的增加远远大于库存周转率的提高所带来的好处)的程度了?这就是理论(界)跟现实(企业界)的矛盾问题:理论上库存周转率的提高是有一个极限点的,而实际上你离所谓的极限还差的远!DELL的库存供应天数大约在4-5天左右,联想是22-25天,在这种情况下,你还担心你的库存周转率太高?同样是做手机的,NOKIA、MOTO的年平均库存周转率应该在20以上,而我们的大约在5以下,你还在担心什么?矫枉必须过正,你先猛着劲儿把库存周转率提高到足够高度再说吧!

  • 4
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,下面我将介绍一下Python如何计算库存周转率并进行维度分析。 首先,我们需要获取数据,这里假设我们已经得到了近30天的销售数据和库存数据,并存储在sales和stock两个DataFrame中。其中,sales包含了销售日期、销售金额等信息;stock包含了库存日期、库存金额等信息。 接下来,我们可以按照以下步骤进行计算: 1. 计算近30天优惠后销售小计金额 ```python import pandas as pd # 获取近30天的销售数据 sales_data = sales[(sales['销售日期'] >= '2022-01-01') & (sales['销售日期'] <= '2022-01-30')] # 计算销售小计金额 sales_amount = sales_data['优惠后销售小计金额'].sum() ``` 2. 计算近30天平均自营库存可用金额 ```python # 获取近30天的库存数据 stock_data = stock[(stock['库存日期'] >= '2022-01-01') & (stock['库存日期'] <= '2022-01-30')] # 计算平均库存可用金额 stock_amount = stock_data['自营库存可用金额'].mean() ``` 3. 计算总库存周转率 ```python # 计算总库存周转率 inventory_turnover = sales_amount / stock_amount ``` 4. 计算维度分析的库存周转率 ```python # 按照['品牌分组', '监控系列', '系列', '产品分级', '小类']的维度分组 grouped_data = sales_data.groupby(['品牌分组', '监控系列', '系列', '产品分级', '小类'])['优惠后销售小计金额'].sum() # 将分组结果转换为DataFrame,并重置索引 grouped_df = pd.DataFrame(grouped_data).reset_index() # 合并库存数据 grouped_df = pd.merge(grouped_df, stock_data, on=['品牌分组', '监控系列', '系列', '产品分级', '小类'], how='left') # 计算库存周转率 grouped_df['库存周转率'] = grouped_df['优惠后销售小计金额'] / grouped_df['自营库存可用金额'] # 输出结果 print(grouped_df) ``` 以上就是Python计算库存周转率并进行维度分析的代码,希望能对您有所帮助。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值