2 godzin temu
Po wakacjach retail zaczyna liczyć nie tylko sprzedaż. Liczy przede wszystkim towar, który został w niewłaściwym miejscu, nie sprzedał się we właściwym momencie albo istnieje w systemie, choć klient nie może znaleźć go na półce.
W Polsce sprzedaż detaliczna w lipcu 2026 r. była realnie o 3,9 proc. wyższa niż rok wcześniej, a od początku roku wzrosła o 3,7 proc. Po oczyszczeniu z sezonowości lipiec przyniósł jednak spadek o 0,3 proc. wobec czerwca. Rynek rośnie, ale nie na tyle szybko, aby przykrywać koszt słabego zarządzania zapasem.
Ten koszt jest duży. IHL Group szacuje, iż w 2026 r. globalny problem tzw. inventory distortion, czyli łącznie braków i nadmiernych zapasów, odpowiada za około 1,7 bln dolarów strat, równowartość 6,2 proc. globalnej sprzedaży detalicznej. Prawie dwie trzecie tej kwoty przypada na braki towarów. Same puste półki mają kosztować handel 690,9 mld dolarów.
Problem coraz rzadziej sprowadza się jednak do tego, czy produkt znajduje się w magazynie. Ważniejsze staje się pytanie, czy retailer wie, gdzie dokładnie znajduje się konkretna sztuka i czy można ją sprzedać w tej chwili.
Jeden produkt, kilka wersji rzeczywistości
Klasyczny model IT w handlu łatwo tworzy kilka odpowiedzi na to samo pytanie. ERP zna stan księgowy, WMS stan magazynu, POS sprzedaż sklepu, platforma e-commerce dostępność online, a aplikacja klienta generuje kolejną warstwę informacji o popycie.
Dopóki te systemy nie pracują na odpowiednio zsynchronizowanych danych, może dochodzić do paradoksów: sklep ma produkt, którego aplikacja nie pozwala zamówić; e-commerce sprzedaje ostatnią sztukę znajdującą się właśnie w koszyku klienta stacjonarnego; centrala zamawia kolejny towar, mimo iż podobny zapas pozostaje w innych placówkach.
Przy sezonowym asortymencie konsekwencje pojawiają się szybko. Produkt niesprzedany we wrześniu nie zachowuje swojej wartości do stycznia. W modzie oznacza przecenę, w żywności może oznaczać odpis, a w elektronice ryzyko utraty wartości wraz z pojawieniem się nowej generacji sprzętu.
Badanie IHL pokazuje, iż 78 proc. retailerów walczy z nieścisłościami dotyczącymi zapasów co najmniej raz w miesiącu. Dlatego poprawa danych o towarze ma bezpośrednie przełożenie na marżę, a nie tylko na sprawność działu logistyki.
RFID pokazuje, co zmienia dokładność danych
Jedną z najbardziej dojrzałych odpowiedzi jest RFID. Według NRF systemy wykorzystujące tę technologię pozwalają osiągać dokładność informacji o zapasie przekraczającą 98 proc. i znacznie przyspieszają inwentaryzację oraz uzupełnianie półek.
Dobrym przykładem skali tej zmiany pozostaje Inditex. Grupa wykorzystała RFID do identyfikowania poszczególnych sztuk od centrum logistycznego do momentu sprzedaży, a następnie połączyła stany sklepów i kanału internetowego w jeden system zarządzania zapasem.
Efekt nie ograniczył się do sprawniejszej inwentaryzacji. Sklepy mogły zacząć realizować zamówienia internetowe z własnego zapasu. W 2020 r., gdy pandemia gwałtownie zmieniła strukturę sprzedaży, system zintegrowanego stocku umożliwił Inditexowi obsłużenie ze sklepów zamówień online o wartości 1,2 mld euro.
To pokazuje różnicę między widocznością danych a ich operacyjnym wykorzystaniem. Informacja, iż sklep posiada pięć sztuk produktu, ma ograniczoną wartość. Znacznie więcej znaczy możliwość zdecydowania, czy jedna z nich powinna zostać sprzedana klientowi lokalnemu, wysłana jako zamówienie internetowe czy przesunięta do innej placówki.
Aplikacja dokłada dane o popycie
Do obrazu zapasu dochodzi dziś jeszcze zachowanie klienta. W pierwszym półroczu 2026 r. internet odpowiadał za 9,1 proc. wartości sprzedaży detalicznej raportowanej przez GUS. W przypadku tekstyliów, odzieży i obuwia było to 25,1 proc., a w kategorii mebli, RTV i AGD 21 proc.
Sam udział e-commerce mówi jednak coraz mniej o sposobie kupowania. Wyszukanie produktu może nastąpić w aplikacji, obejrzenie w sklepie, zakup na stronie, a odbiór ponownie w sklepie.
Dane z aplikacji dają przy tym sygnały wcześniejsze niż POS. Wyszukiwania, oglądane produkty, listy zakupowe, reakcje na promocje czy sprawdzanie dostępności pokazują zainteresowanie, zanim pojawi się transakcja. Po zestawieniu ich z faktycznym stockiem retailer może zobaczyć nie tylko co się sprzedało, ale również gdzie popyt zaczyna rozmijać się z podażą.
AI nie naprawi złego stocku
W 2026 r. ten problem nabiera jeszcze większego znaczenia przez AI. Według Deloitte 30 proc. badanych globalnych retailerów wykorzystuje już sztuczną inteligencję do zwiększania widoczności łańcucha dostaw, a 41 proc. zakłada takie wykorzystanie w ciągu roku.
Algorytm może prognozować popyt, optymalizować ceny, planować uzupełnienia i wskazywać, gdzie przesunąć towar. Nie rozwiąże jednak problemu, jeżeli wejściowe dane mówią, iż produkt znajduje się w sklepie, choć w rzeczywistości go tam nie ma.
McKinsey pokazał w jednym z projektów dla międzynarodowego retailera, iż zmiana modelu zarządzania łańcuchem dostaw, oparta m.in. na rotacji, sezonowości i przewidywalności sprzedaży produktów, dawała potencjał ograniczenia zapasu i przecen o 2–4 pkt proc. oraz poprawy marży netto o ponad 5 pkt proc.
Dlatego po sezonie wakacyjnym pytanie o dane z półki, magazynu i aplikacji nie dotyczy już budowy kolejnego dashboardu. Dotyczy tego, czy firma potrafi zobaczyć wystarczająco wcześnie, iż towar znajduje się w złym miejscu, popyt przesuwa się gdzie indziej, a za kilka tygodni cenę trzeba będzie obniżyć. W retailu jakość danych coraz częściej ujawnia się właśnie tam: na poziomie zapasu, który udało się sprzedać bez przeceny.
