The post has been translated automatically. Original language: Russian
Your shelves are eating up money. You just don't see it.
How retail and trading companies lose working capital due to weak analytics - and what the AI analyst of goods and materials does about it.
Imagine: a warehouse is full of goods. The money is invested. But the cash gap is so tight that you have to take out a revolving loan. Is it familiar? This is not a sales crisis — it is a crisis of visibility. You don't know what exactly is on sale, what is stuck, and what will soon be empty on the shelf.
This problem is particularly acute in Kazakh and Central Asian retail. Most trading companies, from grocery stores to distributors, still manage the product matrix using Excel spreadsheets, buyer's intuition, and monthly summaries. By the time the data gets to the director's desk, the moment has already passed.
Three holes through which working capital flows away
1. Top products disappear from shelves
High-turnover positions go away faster than forecast. An empty shelf is not just a missed sale. This is a customer who turned around and went to a competitor. And, most likely, he will return there already. Every hour of an empty shelf for a marketable product is a direct loss of revenue, which no discount can compensate for later. I myself left the store many times, from the outlet, because I did not find what I wanted to buy. Have you ever encountered such a situation?
2. Weak positions are occupied by money and space
Low-traffic goods have been sitting on shelves and in stock for years. It occupies shelf space, a warehouse that could make a profit. He borrows money that could be spinning in fast SKUs. And the most unpleasant thing is that the buyer continues to order it, because "it has always been in stock."
3. Illiquid storage is a silent killer of profitability and
The product is purchased, registered, but not sold. Every month, it "eats" storage, insurance, depreciation, expiration of the shelf life — on average from 10 to 15% of its value per month. Six months later, you actually lost half of your invested money, without even noticing it in P&L.
The real story
The distributor of household chemicals held 4,300 SKU. After the audit, it turned out that 38% of the positions had not been sold for more than 90 days. The frozen capital amounted to 47 million tenge. At the same time, the company held a credit line for replenishment of turnover at 22% per annum. In fact, the business was paying the bank for not being able to read its own data.
This is no exception. This is the norm for most trading companies in the region.
Moreover, I had clients who had illiquids that had not been sold for more than a year. When I calculated the losses from this product for them, they were shocked and were ready to simply take it out of the warehouse and throw it away.
Why are Excel and 1C no longer working?
The problem is not with the tools per se — the problem is with the nature of the data. Modern retail generates thousands of transactions per day. Demand patterns change under the influence of seasonality, weather, holidays, and competitor promotions. The human brain is physically unable to hold 2,000 SKUs in its head and see anomalies in real time.
Classical analytics provides the answer to the question "what happened". AI analytics answers the question "what will happen and what needs to be done right now."
What does AI see where humans are blind
The predictive of scarcity. The system warns you 5-14 days before an empty shelf appears. The algorithm takes into account the speed of sales, the supply cycle, seasonal patterns and historical anomalies. No more "sudden" outstocks and urgent calls to the supplier.
SKU viability rating. Each product receives a dynamic score: margin × turnover × trend. You can immediately see which 20% of positions give 80% of the profit, and which 30% simply freeze the money without giving back.
Frozen capital detector. AI marks the items included in the risk zone: the days of stay in the warehouse, the cost of storage, the probability of sale in the next 30 days. You see a specific amount of "sleeping" money — in tenge, today, for each position.
How to get rid of illiquid quickly: five working techniques
You can't keep it, it's a pity to throw it away. Illiquid is not a verdict if you act methodically.
1. Dynamic pricing (markdown automation)
AI calculates the optimal discount that maximizes liquidation revenue without compromising brand perception. The rule is simple: it is better to sell for 60% and return the capital to turnover than to hold for 100% for another three months and lose more in storage.
2. Cross-selling and bundling
The slow product is "packaged" with the fast one in a set. The buyer sees the benefit — the retailer gets rid of the ballast without overt dumping. AI offers optimal SKU pairs based on the history of joint purchases — without manual analysis.
3. B2B channel and wholesale liquidation
HoReCa, corporate clients, small shops — they are ready to take the goods at a wholesale price quickly. The main thing is to know exactly what to offer and when. Digital aggregator platforms allow you to set up a product lot in just one day.
4. Redistribution between points
An item that doesn't sell in one store may sell well in another area or format. AI sees the difference in turnover between locations and initiates internal transfers before shortages form in one location and deposits form in another.
5. Stop list for purchases
AI automatically blocks the re-purchase of low-rated items until the current balances are sold out. It sounds obvious, but without automation, the buyer habitually continues to order things that don't sell well. Just because "it's always been that way."
The economy of transition: what is changing in practice
An average trading company with a turnover of 500 million tenge per year holds from 75 to 125 million in inefficient balances. It's money that doesn't work. When even 40% of this amount is released, from 30 to 50 million are returned to circulation, reducing the need for credit lines and increasing the real profitability of the business.
The cost of implementing AI analytics for the average retailer today is incomparable with these losses. The payback period for proper implementation is 2-4 months. This is not an IT project for the sake of technology. This is a financial decision with a measurable return.
Conclusion
A business that can read its data in real time doesn't just save money, it gains a competitive advantage that cannot be easily copied. While the competitor is looking into the past through Excel, you are making decisions about the future.
The question is no longer whether to switch to AI analytics. The question is, how much more working capital are you willing to lose while you postpone this decision.
You can ask questions if you want to know how to implement AI analytics of goods and materials in your business.
Ваши полки съедают деньги. Вы просто не видите этого.
Как розничные и торговые компании теряют оборотный капитал из-за слабой аналитики — и что с этим делает AI аналитик товаров и материалов.
Представьте: склад забит товаром. Деньги вложены. Но кассовый разрыв давит так, что приходится брать оборотный кредит. Знакомо? Это не кризис продаж — это кризис видимости. Вы не знаете, что именно продаётся, что зависло, а что скоро опустеет на полке.
В казахстанском и центральноазиатском ретейле эта проблема стоит особенно остро. Большинство торговых компаний — от продуктовых магазинов до дистрибьюторов — до сих пор управляют товарной матрицей с помощью Excel-таблиц, интуиции закупщика и ежемесячных сводок. Пока данные попадают на стол к директору, момент уже упущен.
Три дыры, через которые утекает оборотный капитал
1. Топ-товары исчезают с полок
Высокооборотные позиции уходят быстрее прогноза. Пустая полка — это не просто упущенная продажа. Это покупатель, который развернулся и ушёл к конкуренту. И, скорее всего, вернётся уже туда. Каждый час пустой полки по ходовому товару — это прямые потери выручки, которые никакая скидка потом не компенсирует. Я сам многократно уходил из магазина, из торговой точки потому, что не нашел того, что хотел приобрести. Вы сталкивались с такой ситуацией?
2. Слабые позиции занимают деньги и место
Товар с низкой проходимостью годами стоит на полке и на складе. Он занимает полочное пространство, склад, которое могло бы приносить прибыль. Он занимает деньги, которые могли бы крутиться в быстрых SKU. И самое неприятное — закупщик продолжает его заказывать, потому что «он всегда был в ассортименте».
3. Неликвид на складах — тихий убийца рентабельности
Товар куплен, оприходован, но не продаётся. Каждый месяц он «ест» хранение, страховку, обесценивание, истечении срока хранения — в среднем от 10 до 15% своей стоимости ежемесячно. Через полгода вы фактически потеряли половину вложенных денег, даже не заметив этого в P&L.
Реальная история
Дистрибьютор бытовой химии держал 4 300 SKU. После аудита оказалось: 38% позиций не продавались более 90 дней. Замороженный капитал составил 47 миллионов тенге. При этом компания держала кредитную линию на пополнение оборотки под 22% годовых. Фактически бизнес платил банку за то, что не умел читать свои собственные данные.
Это не исключение. Это норма для большинства торговых компаний в регионе.
Более того, у меня были клиенты у которых были неликвиды, которые не продавались более года. Когда я рассчитал им убытки от этого товара, они были в шоке и были готовы его просто вывезти со склада и выкинуть.
Почему Excel и 1С уже не работают
Проблема не в инструментах как таковых — проблема в природе данных. Современный ретейл генерирует тысячи транзакций в день. Паттерны спроса меняются под влиянием сезонности, погоды, праздников, акций конкурентов. Человеческий мозг физически не способен удерживать в голове 2 000 SKU и видеть аномалии в реальном времени.
Классическая аналитика даёт ответ на вопрос «что было». AI-аналитика отвечает на вопрос «что будет и что нужно сделать прямо сейчас».
Что AI видит там, где человек слеп
Предиктив дефицита. Система предупреждает за 5–14 дней до появления пустой полки. Алгоритм учитывает скорость продаж, цикл поставки, сезонные паттерны и исторические аномалии. Никакого больше «внезапного» аутстока и срочных звонков поставщику.
Рейтинг жизнеспособности SKU. Каждый товар получает динамический балл: маржа × оборачиваемость × тренд. Вы сразу видите, какие 20% позиций дают 80% прибыли — и какие 30% просто замораживают деньги без отдачи.
Детектор замороженного капитала. AI маркирует позиции, входящие в зону риска: дни нахождения на складе, стоимость хранения, вероятность продажи в ближайшие 30 дней. Вы видите конкретную сумму «спящих» денег — в тенге, сегодня, по каждой позиции.
Как быстро избавиться от неликвида: пять рабочих техник
Держать нельзя, выбросить жалко. Неликвид — это не приговор, если действовать методично.
1. Динамическое ценообразование (markdown automation)
AI рассчитывает оптимальную скидку, которая максимизирует выручку от ликвидации без ущерба для восприятия бренда. Правило простое: лучше продать за 60% и вернуть капитал в оборот, чем держать за 100% ещё три месяца и потерять больше на хранении.
2. Кросс-продажи и бандлинг
Медленный товар «упаковывается» с быстрым в набор. Покупатель видит выгоду — ретейлер избавляется от балласта без явного демпинга. AI предлагает оптимальные пары SKU на основе истории совместных покупок — без ручного анализа.
3. B2B-канал и оптовая ликвидация
HoReCa, корпоративные клиенты, небольшие магазины — они готовы брать товар по оптовой цене быстро. Главное — знать, что именно предложить и когда. Цифровые платформы-агрегаторы позволяют выставить товарный лот буквально за один день.
4. Перераспределение между точками
Товар, который не идёт в одном магазине, может отлично продаваться в другом районе или формате. AI видит разницу в оборачиваемости между точками и инициирует внутренние трансферы до того, как в одном месте образуется дефицит, а в другом — залежи.
5. Стоп-лист для закупок
AI автоматически блокирует повторную закупку позиций с низким рейтингом, пока не будут распроданы текущие остатки. Это звучит очевидно — но без автоматизации закупщик по привычке продолжает заказывать то, что плохо продаётся. Просто потому что «так было всегда».
Экономика перехода: что меняется на практике
Средняя торговая компания с оборотом 500 млн тенге в год держит в неэффективных остатках от 75 до 125 миллионов. Это деньги, которые не работают. При высвобождении даже 40% этой суммы — от 30 до 50 миллионов возвращаются в оборот, сокращая потребность в кредитных линиях и повышая реальную рентабельность бизнеса.
Стоимость внедрения AI-аналитики для среднего ретейлера сегодня несопоставима с этими потерями. Срок окупаемости при правильном внедрении — 2–4 месяца. Это не IT-проект ради технологий. Это финансовое решение с измеримым возвратом.
Вывод
Бизнес, который умеет читать свои данные в реальном времени, не просто экономит — он получает конкурентное преимущество, которое невозможно просто скопировать. Пока конкурент смотрит в прошлое через Excel, вы принимаете решения о будущем.
Вопрос уже не в том, переходить ли на AI-аналитику. Вопрос в том, сколько ещё оборотного капитала вы готовы потерять, пока откладываете это решение.
Можете задавать вопросы, если хотите знать как внедрить AI аналитика товаров и материалов в своем бизнесе.
Share
