Товарные запасы в торговом процессе: синтез современных логистических концепций, цифровизации и требований ФСБУ 5/2019

В условиях динамично меняющегося рынка и усиливающейся глобальной неопределенности, управление товарными запасами перестало быть рутинной операцией и превратилось в стратегический императив. От точности прогнозирования, эффективности хранения и скорости оборачиваемости товаров напрямую зависит финансовое благополучие торговых предприятий и их конкурентоспособность. Если еще десять-пятнадцать лет назад анализ запасов опирался на эмпирические данные из 2005-2007 годов и методологии, разработанные в начале ХХ века, то сегодня такой подход безнадежно устарел. Мир изменился: цифровая трансформация, пандемийные шоки, геополитические вызовы и макроэкономическая волатильность (например, ключевая ставка Банка России в 18% по состоянию на сентябрь 2024 года) диктуют совершенно иные правила игры. Необходимость адаптации к новым реалиям становится ключевым фактором выживания на рынке.

Настоящая работа призвана обосновать критическую необходимость замены устаревших эмпирических баз и методологических подходов 2005-2007 годов на релевантные данные и современные концепции 2020-2025 годов. Целью исследования является разработка актуальной и методологически обоснованной методики анализа и управления товарными запасами в торговом процессе, интегрирующей последние достижения в логистике, цифровые технологии и требования современного бухгалтерского учета.

Для достижения поставленной цели необходимо решить следующие задачи:

• Изучить эволюцию моделей нормирования запасов, выявив ограничения классических подходов и обосновав актуальность стохастических моделей.
• Проанализировать современные логистические концепции, такие как VMI (Vendor Managed Inventory), и их адаптацию в российской практике.
• Оценить роль и потенциал цифровых технологий (WMS, ERP, IoT, AI/ML) в повышении эффективности управления товарными запасами.
• Разработать инструментарий комплексного экономического анализа товарной номенклатуры (ABC/XYZ-анализ) и представить современные KPI эффективности.
• Проанализировать влияние макроэкономических факторов (ключевая ставка, инфляция, санкции) на стоимость и структуру запасов.
• Детально рассмотреть требования Федерального стандарта бухгалтерского учета (ФСБУ) 5/2019 «Запасы» и их влияние на оценку и учет товарных запасов.
• Сформулировать практические рекомендации по совершенствованию политики управления запасами на основе синтеза теоретического анализа и актуальных данных.

Объектом исследования являются товарные запасы в торговом процессе. Предметом исследования выступают методологические подходы, модели, информационные технологии и регламенты бухгалтерского учета, формирующие современную систему управления товарными запасами.

Глава 1. Теоретические основы и современные модели стратегического управления товарными запасами

Эффективное управление товарными запасами — это тонкая грань между удовлетворением потребительского спроса и минимизацией издержек. В центре этой дилеммы лежит экономическая сущность запасов, которая за десятилетия претерпела значительную эволюцию, от простого накопления до сложной системы динамического балансирования.

Эволюция и ограничения классических моделей нормирования запасов

В основе понимания сущности запасов лежит определение товарного запаса (ТЗ) как числа продукции, хранящейся на складе, выраженного вложенными финансовыми средствами. Эти средства, будучи «замороженными» в запасах, не приносят дохода до момента реализации товара. Именно поэтому оборачиваемость товара является ключевым показателем эффективности: она оценивает, насколько быстро вложенные в продукцию деньги вернутся в оборот компании. Высокая оборачиваемость свидетельствует об эффективном использовании капитала, низкая — о проблемах с ликвидностью и потенциальных потерях.

На протяжении большей части XX века управление запасами базировалось на относительно простых, детерминированных моделях. Среди них доминировала классическая формула Экономичного размера заказа (Economic Order Quantity, EOQ), разработанная Харрисом в 1913 году и популяризированная Уилсоном. Эта модель стремилась найти оптимальный размер заказа, при котором суммарные затраты на заказ и хранение были бы минимальны.

Формула оптимального размера заказа (EOQ) в общем виде:

Qопт = √(2 · D · S / H)

Где:

• D — годовой объем спроса
• S — фиксированные затраты на заказ (или производство партии)
• H — годовые затраты на хранение единицы запаса

Несмотря на свою историческую значимость, в современных концепциях формула EOQ считается устаревшей. Ее основные ограничения, делающие модель неточной и даже вредной для современного рынка, включают:

• Допущение о детерминированном спросе: EOQ исходит из предположения, что спрос известен, равномерно распределен и неизменен. В условиях сегодняшней волатильности рынка, когда спрос может резко меняться под влиянием моды, новостей, акций конкурентов или внешних шоков, это допущение абсолютно нереалистично.
• Исключение возможности дефицита: Модель EOQ полностью исключает необходимость в страховом запасе, предполагая мгновенное получение заказа и отсутствие каких-либо задержек или сбоев в поставках. Это ведет к потенциальным потерям продаж и ухудшению уровня обслуживания клиентов.
• Неспособность учитывать оптовые скидки: Модель не интегрирует возможность получения скидок при заказе больших партий товара, что может существенно изменить экономическую целесообразность размера заказа.
• Допущение о мгновенном получении заказа: В реальности, время доставки всегда занимает определенный период, что требует корректировки точки перезаказа и учета транзитных запасов.

Таким образом, несмотря на свою элегантность, классическая EOQ-модель с ее упрощенными предположениями о детерминированности и стабильности спроса не способна обеспечить адекватное управление запасами в условиях изменчивого и непредсказуемого современного торгового процесса. Что же это означает для бизнеса? Прежде всего, это призыв к пересмотру фундаментальных принципов планирования, осознанию рисков и поиску более гибких, адаптивных решений, способных реагировать на рыночные флуктуации, а не игнорировать их.

Применение стохастических моделей в условиях неопределенности

Осознание ограниченности детерминированных подходов привело к переходу к вероятностному подходу как основе современного нормирования запасов. В условиях неопределенности, когда спрос или время доставки являются случайными величинами, необходимо использовать стохастические (вероятностные) модели, предполагающие, что спрос подчиняется известному закону распределения (например, нормальному).

Ключевой задачей вероятностных моделей является не просто минимизация затрат, а достижение желаемого Уровня Обслуживания (Service Level). Уровень обслуживания (P_o) — это вероятность того, что дефицит запасов не возникнет в течение определенного периода или цикла заказа. Этот показатель напрямую определяет размер страхового запаса, который является дополнительным запасом, предназначенным для защиты от непредвиденных колебаний спроса или задержек в поставках.

Одной из наиболее показательных и широко применяемых стохастических моделей является Newsvendor Model (Модель газетчика/планирования на один период). Эта модель идеально подходит для товаров с ограниченным сроком годности или сезонным спросом, когда решение о размере заказа принимается один раз и не может быть изменено в течение периода.

Суть Newsvendor Model заключается в балансировании двух типов издержек:

1. Издержки дефицита (Cost of Understocking, C_u): Потери, возникающие при недостаточном запасе (например, упущенная прибыль от продажи, потеря клиента, штрафы за несвоевременную поставку).
2. Издержки излишков (Cost of Overstocking, C_o): Потери, возникающие при избыточном запасе (например, затраты на хранение, списание неликвида, уценка).

Решение о размере запаса (Q) в Newsvendor Model принимается на основе желаемого уровня обслуживания, который определяется соотношением этих издержек. Оптимальный уровень обслуживания (P_o*) рассчитывается по формуле:

Po* = Cu / (Cu + Co)

Где:

• C_u — издержки дефицита на единицу продукции
• C_o — издержки излишков на единицу продукции

После определения оптимального уровня обслуживания, размер страхового запаса и, как следствие, общий размер заказа, можно рассчитать с использованием статистических методов (например, Z-таблицы для нормального распределения) на основе прогноза спроса и его стандартного отклонения. Такой подход позволяет не только количественно оценить риски, но и принять экономически обоснованное решение о размере запаса, напрямую увязанное с желаемым уровнем сервиса для потребителя. Это дает возможность компаниям не только минимизировать прямые потери, но и сохранить лояльность клиентов в условиях рыночной турбулентности.

Современные концепции управления цепями поставок (SCM)

В условиях глобализации и усложнения логистических цепей, акцент смещается от управления отдельными запасами к управлению всей цепью поставок (Supply Chain Management, SCM). Современные концепции SCM направлены на повышение прозрачности, эффективности и устойчивости всей системы. Одной из наиболее актуальных концепций, меняющих парадигму управления запасами, является VMI (Vendor Managed Inventory) — запасы, управляемые поставщиком.

Концепция VMI представляет собой стратегический инструмент для повышения доступности запасов при одновременном снижении уровня загруженности складов клиента. Ее суть в том, что поставщик берет на себя ответственность за мониторинг уровня запасов у дистрибьютора (клиента) и самостоятельно принимает решения о пополнении, размещая заказы и управляя доставками. Это требует высокой степени доверия и тесного сотрудничества между партнерами.

Цели VMI:

• Снижение операционных издержек: Поставщик лучше знает свои производственные циклы и может оптимизировать логистику, сокращая затраты на транспортировку и обработку заказов. Клиент, в свою очередь, снижает затраты на управление закупками и складскими операциями.
• Повышение уровня обслуживания: Поставщик, имея доступ к данным о продажах и остатках клиента, может более точно прогнозировать спрос и предотвращать дефицит, обеспечивая стабильную доступность товара на полке.
• Оптимизация запасов: VMI позволяет снизить общий уровень запасов в цепи поставок за счет лучшей синхронизации и координации, а также сократить страховые запасы благодаря более точным прогнозам.
• Укрепление партнерских отношений: Для успешного внедрения VMI необходимы три ключевых столпа: четко определенные процессы, регламентирующие взаимодействие; ясные правила, устанавливающие зоны ответственности и критерии пополнения; и надежные технологии, обеспечивающие обмен данными. Это неизбежно приводит к более тесному сотрудничеству, часто в рамках концепции CPFR (Collaborated Forecasting, Planning, and Replenishment) — совместное прогнозирование, планирование и пополнение запасов.

Адаптация VMI в российских торговых компаниях:
Несмотря на то, что VMI изначально появилась в международной практике, она успешно адаптируется и в России. Крупные компании, такие как Coca-Cola, Metro, Real, а также российский производитель «Вимм-Билль-Данн», уже внедрили эту технологию. Для российских ритейлеров и производителей VMI стала инструментом для усиления локальных цепочек поставок и снижения зависимости от внешних логистических рисков, особенно в условиях санкционного давления и волатильности импорта.

Концепция VMI наиболее подходит для материалов групп AX и BX (согласно ABC/XYZ-анализу), то есть для товаров, расходуемых в больших количествах, с регулярным и хорошо прогнозируемым спросом. Для таких товаров преимущества централизованного управления запасами поставщиком проявляются максимально ярко, обеспечивая стабильность поставок и экономию для обеих сторон.

Глава 2. Методология комплексного экономического анализа и оценка эффективности запасов

Современный экономический анализ товарных запасов выходит за рамки простого подсчета остатков. Он требует комплексного подхода, учитывающего не только внутренние показатели компании, но и внешнюю макроэкономическую конъюнктуру. Именно такой подход позволяет принимать обоснованные управленческие решения и формировать эффективную логистическую стратегию.

Инструментарий многофакторного анализа товарной номенклатуры

Для эффективного управления запасами широкой номенклатуры критически важно иметь инструменты, позволяющие выделить наиболее значимые позиции и сфокусировать на них управленческие усилия. Таким инструментом является совмещенный ABC/XYZ-анализ.

ABC-анализ классифицирует товары по их экономической значимости, обычно по объему продаж (в денежном выражении) или прибыли. Товары делятся на три категории:

• Группа A: Наиболее ценные товары, составляющие, как правило, 10-20% от общего количества наименований, но дающие 70-80% от общего объема продаж или прибыли. Эти товары требуют самого пристального внимания и строгого контроля.
• Группа B: Товары средней значимости, обычно 20-30% наименований, приносящие 15-25% объема продаж. Управление этими запасами может быть менее интенсивным, чем для группы А, но все равно требует регулярного мониторинга.
• Группа C: Менее значимые товары, составляющие 50-70% наименований, но приносящие всего 5-10% объема продаж. Управление ими может быть упрощено, например, за счет использования пороговых значений пополнения или более крупных заказов.

Алгоритм ABC-анализа:

1. Определить критерий классификации (например, объем продаж за период).
2. Рассчитать долю каждого товара в общем объеме по выбранному критерию.
3. Отсортировать товары по убыванию доли.
4. Рассчитать нарастающий итог долей.
5. Разделить товары на группы А, В, С в соответствии с установленными порогами (например, А до 80%, В до 95%, С свыше 95%).

XYZ-анализ классифицирует товары по стабильности спроса (или потребления), используя коэффициент вариации как меру изменчивости.

• Группа X: Товары со стабильным спросом, который легко прогнозируется. Коэффициент вариации (отношение стандартного отклонения к среднему значению спроса) обычно составляет до 10%. Для этих товаров можно применять точные методы нормирования и минимизировать страховой запас.
• Группа Y: Товары с менее регулярным, но предсказуемым спросом, имеющим сезонные или трендовые колебания. Коэффициент вариации находится в диапазоне 10-25%. Прогнозирование требует более сложных моделей, страховой запас умеренный.
• Группа Z: Товары с непредсказуемым, эпизодическим спросом, который подвержен значительным колебаниям. Коэффициент вариации превышает 25%. Прогнозирование крайне затруднено, требуется высокий страховой запас или использование стратегии «под заказ».

Алгоритм XYZ-анализа:

1. Собрать данные о спросе (продажах) по каждому товару за определенный период.
2. Рассчитать средний спрос и стандартное отклонение для каждого товара.
3. Вычислить коэффициент вариации (CV) для каждого товара: CV = (Стандартное отклонение спроса / Средний спрос) · 100%.
4. Разделить товары на группы X, Y, Z в соответствии с установленными порогами.

Совмещенный ABC/XYZ-анализ позволяет построить матрицу, например, 3×3, и выявить наиболее критичные группы товаров. Например:

• Группа AX: Товары с высокой стоимостной значимостью и стабильным спросом. Эти позиции критически важны для бизнеса, и к их управлению следует подходить с максимальной точностью, используя стохастические модели и, возможно, VMI.
• Группа CZ: Товары с низкой стоимостью и непредсказуемым спросом. Их запасы можно пополнять редко и большими партиями, либо работать «под заказ».

Сосредоточение усилий на группах AX, BX позволяет разрабатывать адресные логистические стратегии, оптимизируя запасы и минимизируя риски. Таким образом, бизнес не просто реагирует на проблемы, а активно формирует свою стратегию, повышая эффективность каждого вложенного в товар рубля.

Современные KPI эффективности управления запасами

Для комплексной оценки эффективности управления запасами используются различные ключевые показатели (KPI). Среди них выделяются как классические, так и современные метрики, отражающие операционную гибкость и финансовую эффективность.

1. Коэффициент оборачиваемости запасов (К_об):
   Это один из самых распространенных показателей, который показывает, сколько раз за анализируемый период (год, квартал) оборачивается средний запас, то есть сколько раз он полностью продается и пополняется.

Коб = Реализованная продукция (Себестоимость реализованной продукции) / Средний товарный запас

Высокий коэффициент оборачиваемости свидетельствует об эффективном управлении запасами, низкой доле неликвидов и быстром возврате капитала. Однако слишком высокий К_об может указывать на недостаточный запас и риск дефицита.

2. Количество дней продаж запасов (DSI, Days Sales of Inventory):
   Этот показатель является ключевой метрикой операционной эффективности и показывает, сколько дней в среднем требуется компании для продажи имеющихся запасов. Он является инверсией коэффициента оборачиваемости, но более интуитивно понятен.

DSI = (Средний запас / Себестоимость реализованной продукции) · 365

Более низкое значение DSI указывает на высокую скорость превращения запасов в выручку, что является признаком хорошего управления запасами и высокой ликвидности. Этот показатель позволяет сравнивать эффективность компаний в одной отрасли и отслеживать динамику внутри одной компании.

3. Уровень дефицита запасов (Stockout Rate):
   Процент случаев, когда спрос не был удовлетворен из-за отсутствия товара на складе. Низкий уровень дефицита свидетельствует о высоком уровне обслуживания, но может быть достигнут за счет избыточных запасов.
4. Рентабельность запасов (Return on Inventory, ROI):
   Показывает, какую прибыль приносит каждый рубль, вложенный в запасы.

ROI = (Прибыль от реализации запасов / Средний запас) · 100%

5. Точность инвентаризации (Inventory Accuracy):
   Процент соответствия фактических остатков на складе учетным данным. Высокая точность (98-99% и выше) критически важна для работы WMS и ERP-систем, предотвращения потерь и ошибок.

Бенчмарки и Цикл Оборотного Капитала:
Сравнение собственных KPI с отраслевыми бенчмарками позволяет оценить конкурентоспособность компании. Например, средний DSI в розничной торговле может значительно отличаться от DSI в тяжелой промышленности.

Цикл оборотного капитала (Cash Conversion Cycle, CCC) — это комплексный показатель, отражающий среднее количество дней от момента оплаты поставщикам за товар до получения денег от покупателей. Он включает в себя DSI, а также время, необходимое для сбора дебиторской задолженности и время, в течение которого компания пользуется отсрочкой платежа поставщикам. Чем короче цикл оборотного капитала, тем эффективнее компания использует свой капитал.

Влияние внешних факторов на стоимость запасов в РФ

Современная российская экономика функционирует в условиях значительной макроэкономической волатильности, что оказывает прямое и зачастую многовекторное влияние на управление товарными запасами. Экономические санкции, инфляционные процессы и, в особенности, политика Центрального банка РФ в отношении ключевой ставки, формируют уникальный контекст для принятия управленческих решений.

1. Экономические санкции и инфляция:
   Санкции, введенные против России, и ответные меры привели к сокращению экспорта (например, снижение на 28,3% в 2023 г. по данным Росстата) и одновременно стимулировали рост импорта (на 11,7% в 2023 г.) за счет переориентации на новые рынки. Это создает нестабильность в цепочках поставок, увеличивает логистические риски и требует от компаний корректировки уровня запасов. В условиях такой волатильности, нормирование страхового запаса становится критически важным инструментом для обеспечения бесперебойности торгового процесса. Инфляция, в свою очередь, приводит к росту цен на сырье, материалы и готовую продукцию. Это увеличивает стоимость приобретения запасов и, как следствие, затраты на их финансирование. С одной стороны, в условиях инфляции запасы могут дорожать, что теоретически приносит «бухгалтерскую» прибыль. С другой стороны, рост цен ведет к удорожанию хранения и увеличивает риск обесценения запасов, если их рыночная стоимость упадет.
2. Высокая ключевая ставка Банка России:
   Одним из наиболее значимых факторов, влияющих на стоимость запасов, является высокая ключевая ставка Банка России. По состоянию на сентябрь 2024 года, ключевая ставка составляла 18% годовых. Это имеет прямые и глубокие последствия для бизнеса:
   • Увеличение затрат на хранение (H): В модели EOQ и других моделях нормирования запасов, параметр H (годовые затраты на хранение единицы запаса) включает не только прямые складские расходы (аренда, персонал, коммунальные услуги), но и стоимость капитала, «замороженного» в запасах. При ключевой ставке в 18%, стоимость заемного капитала для финансирования запасов становится крайне высокой. Даже при использовании собственного капитала, альтернативные издержки (возможность инвестировать эти средства под 18% годовых) огромны. Таким образом, параметр H значительно возрастает, что стимулирует бизнес к решительной минимизации складских остатков.
   • Давление на ликвидность: Высокая ставка увеличивает стоимость кредитования, делая его менее доступным и дорогим. Компании вынуждены более эффективно управлять оборотным капиталом, сокращая период хранения запасов и ускоряя их оборачиваемость, чтобы снизить потребность в дорогостоящем финансировании.

Вывод очевиден: в текущих макроэкономических условиях, российские торговые компании вынуждены пересматривать свои стратегии управления запасами, смещая фокус на их минимизацию, ускорение оборачиваемости и более точное нормирование с учетом высокой стоимости капитала. Не является ли такое смещение фокуса на минимизацию запасов в условиях постоянных логистических рисков своего рода «ходьбой по лезвию ножа» для устойчивости бизнеса?

Глава 3. Цифровизация и особенности бухгалтерского учета товарных запасов в соответствии с ФСБУ 5/2019

Современное управление запасами невозможно представить без глубокой интеграции с цифровыми технологиями, которые обеспечивают не только операционную эффективность, но и точность данных, критически важную для соблюдения требований бухгалтерского учета.

Роль цифровых решений в оперативном управлении запасами

Цифровая трансформация оказывает революционное воздействие на все аспекты управления цепями поставок, и товарные запасы не являются исключением. В основе этой трансформации лежат интегрированные информационные системы и передовые технологии.

1. Системы управления складом (WMS) и корпоративные информационные системы (ERP):
   WMS-системы (Warehouse Management System) являются комплексными решениями, обеспечивающими точное отслеживание количества товаров, их местоположения и состояния на складе. Это позволяет оптимизировать использование складского пространства, сократить время на поиск и комплектацию заказов, а также минимизировать риски дефицита или излишков. Функционал современных WMS включает:
   • Приемка и размещение товара (с учетом оптимального расположения).
   • Управление хранением (контроль сроков годности, FIFO/LIFO стратегии).
   • Комплектация и отгрузка заказов.
   • Проведение инвентаризации.
   • Управление персоналом и техникой на складе.

Российский рынок WMS демонстрирует стабильный рост, который по итогам 2023 года оценивался в 5–6 млрд рублей, с ожидаемым ростом в 2024 году на уровне 10–30%. Основными драйверами этого роста являются:

• Локализация бизнеса: Уход зарубежных вендоров стимулировал активный переход на отечественное ПО.
• Дефицит персонала: Необходимость в автоматизации и роботизации для снижения зависимости от человеческого фактора.
• Повышение эффективности: Стремление компаний оптимизировать складские процессы и снизить издержки.

Интеграция WMS-систем с корпоративными ERP-системами (Enterprise Resource Planning) является обязательным условием для синхронизации информации и обеспечения бесшовного обмена данными между различными подразделениями предприятия (закупки, продажи, производство, финансы). Эта интеграция позволяет получать полную картину движения запасов от поставщика до конечного потребителя.

2. Технологии Интернета вещей (IoT) на складе:
   IoT (Internet of Things) играет ключевую роль в автоматизации складской логистики. RFID-метки, GPS-трекеры, умные датчики температуры и влажности, интегрированные с WMS, позволяют:
   • Автоматизировать инвентаризацию: Значительно сократить время и трудозатраты на переучет, повысить его точность.
   • Точно отслеживать местоположение: В режиме реального времени видеть движение каждой единицы товара, предотвращая потери и кражи.
   • Контролировать условия хранения: Обеспечивать соответствие требованиям для скоропортящихся или чувствительных товаров.
3. Искусственный интеллект (ИИ) и машинное обучение (ML):
   ИИ и ML трансформируют управление складом, переводя его на качественно новый уровень:
   • Оптимизация прогнозирования спроса: Алгоритмы ML анализируют огромные объемы данных (исторические продажи, акции, сезонность, внешние факторы, погодные условия, экономические новости) для создания более точных и адаптивных прогнозов спроса, снижая риски дефицита и излишков.
   • Автоматизация работы и компоновки склада: ИИ может оптимизировать маршруты движения роботов и погрузчиков, планировать размещение товаров для сокращения времени комплектации, выявлять неэффективные зоны склада.
   • Предиктивная аналитика: Прогнозирование потенциальных сбоев в цепи поставок, поломок оборудования, рисков обесценения запасов.

Таким образом, цифровые технологии формируют фундамент для создания «умного склада» и адаптивной системы управления запасами, способной оперативно реагировать на изменения рынка и обеспечивать высокую эффективность торгового процесса.

Учет и оценка запасов по стандарту ФСБУ 5/2019

С 1 января 2021 года учет запасов в Российской Федерации регулируется новым федеральным стандартом бухгалтерского учета (ФСБУ 5/2019 «Запасы»), который обязателен к применению для большинства организаций. Этот стандарт внес существенные изменения, направленные на сближение российского учета с международными стандартами финансовой отчетности (МСФО) и повышение прозрачности и достоверности информации о запасах.

Ключевые изменения и требования ФСБУ 5/2019:

1. Обязательная оценка запасов на отчетную дату по наименьшей из двух величин:
   Согласно ФСБУ 5/2019, на каждую отчетную дату (например, конец квартала или года) организация обязана оценивать запасы по наименьшей из двух величин:
   • Фактическая себестоимость: Сумма всех затрат, понесенных организацией при их приобретении или создании (включая цену покупки, затраты на доставку, доработку и т.д.).
   • Чистая стоимость продажи (ЧСП): Предполагаемая цена, по которой запасы могут быть реализованы в ходе обычной деятельности, за вычетом предполагаемых затрат на завершение производства (если применимо) и предполагаемых затрат на продажу.

Если чистая стоимость продажи оказывается ниже фактической себестоимости, организация обязана создать резерв под обесценение запасов на разницу между этими величинами. Это требование направлено на предотвращение завышения стоимости активов в бухгалтерском балансе и отражение реальной экономической ценности запасов. В прошлом, многие организации не создавали такой резерв, что искажало финансовую отчетность. Это изменение подчеркивает важность не только операционного, но и финансового планирования запасов, ведь теперь их «стоимость» на балансе может быть скорректирована в сторону уменьшения, напрямую влияя на финансовые результаты компании.

2. Не включение в фактическую себестоимость запасов расходов на хранение и управленческие нужды:
   ФСБУ 5/2019 четко регламентирует состав затрат, формирующих фактическую себестоимость запасов. В частности, стандарт требует не включать в фактическую себестоимость запасов расходы на хранение, за исключением случаев, когда хранение является частью технологического процесса (например, дозревание сыра, выдержка вина). Расходы на хранение, не являющиеся частью технологического процесса, а также расходы на управленческие нужды, должны признаваться расходами периода, в котором они были понесены (то есть списываться на счета затрат или продаж), а не капитализироваться в стоимости запасов.

Это изменение имеет важное значение, поскольку ранее многие компании могли включать в себестоимость запасов значительные косвенные расходы, оттягивая их признание в качестве затрат и улучшая показатели прибыли. Теперь же, чем дольше товар хранится на складе без технологической необходимости, тем больше расходов списывается на текущие затраты, что стимулирует компании к ускорению оборачиваемости и минимизации запасов.

3. Единица учета запасов:
   Стандарт предоставляет организациям право самостоятельно устанавливать единицу учета запасов (например, номенклатурный номер, партия, однородная группа). Это позволяет компаниям адаптировать учет к своей специфике.

В целом, ФСБУ 5/2019 значительно ужесточил требования к учету и оценке запасов, сделав их более соответствующими экономическим реалиям. Для торговых компаний это означает необходимость пересмотра учетной политики, внедрения более точных методов оценки чистой стоимости продажи и усиления контроля за расходами на хранение, что напрямую коррелирует с необходимостью эффективного управления запасами.

Практические рекомендации по совершенствованию управления запасами

На основе проведенного анализа современных концепций, цифровых технологий и требований ФСБУ 5/2019, можно сформулировать ряд конкретных и актуальных рекомендаций для торговых компаний, стремящихся к повышению эффективности управления товарными запасами:

1. Переход к стохастическому нормированию запасов и расчету страхового запаса на основе Уровня Обслуживания (Service Level):
   Отказ от устаревших детерминированных моделей (вроде классического EOQ) в пользу вероятностных подходов, таких как Newsvendor Model, является критически важным шагом. В условиях волатильности спроса и высоких рисков сбоев в поставках, компаниям необходимо:
   • Использовать методы прогнозирования спроса, учитывающие неопределенность: Применять статистические модели (например, экспоненциальное сглаживание с учетом сезонности и тренда) для оценки не только среднего спроса, но и его стандартного отклонения.
   • Определить целевой Уровень Обслуживания: Исходя из стратегии компании и допустимых издержек дефицита/излишков, установить приемлемую вероятность бездефицитной работы. Это позволит рассчитать оптимальный размер страхового запаса, минимизирующий риски потерь продаж при разумных затратах на хранение.
   • Регулярно пересматривать параметры нормирования: В условиях высокой ключевой ставки и инфляции, затраты на хранение (параметр H) динамично меняются, что требует постоянной корректировки оптимальных размеров заказа и страховых запасов.
2. Внедрение системы VMI (Vendor Managed Inventory) для стратегических групп товаров (AX, BX):
   Для товаров, идентифицированных как высокоценные и стабильные (группы AX и BX по совмещенному ABC/XYZ-анализу), внедрение VMI может принести значительные преимущества:
   • Снижение запасов у клиента: Поставщик, управляющий запасами, лучше оптимизирует поставки, уменьшая потребность в буферных запасах у дистрибьютора.
   • Повышение доступности товаров: Проактивное пополнение со стороны поставщика минимизирует риски дефицита на полках.
   • Укрепление партнерских отношений: Внедрение VMI требует тесного взаимодействия и прозрачности данных, что способствует созданию более устойчивых и эффективных цепочек поставок.
   • Сокращение операционных издержек: Снижение затрат на обработку заказов и управление закупками для клиента, оптимизация логистики для поставщика.
3. Масштабная автоматизация управления запасами с использованием WMS-систем и интеграция с ERP:
   Внедрение современных WMS-систем и их глубокая интеграция с корпоративными ERP-системами является фундаментом для эффективного управления запасами:
   • Повышение точности инвентаризации: WMS обеспечивает точное отслеживание каждой единицы товара, сокращая потери и ошибки. Это также критически важно для соблюдения требований ФСБУ 5/2019 по достоверности учета.
   • Оптимизация складских операций: Автоматизация процессов приемки, размещения, комплектации и отгрузки снижает трудозатраты и ускоряет оборачиваемость запасов.
   • Использование IoT и AI/ML: Применение RFID-меток, датчиков и алгоритмов машинного обучения позволяет значительно повысить точность прогнозирования спроса, оптимизировать размещение товаров на складе и даже предсказывать потенциальные проблемы в цепи поставок. Это особенно важно для снижения рисков обесценения запасов, что напрямую влияет на необходимость создания резервов по ФСБУ 5/2019.
   • Создание единого информационного пространства: Интеграция WMS и ERP обеспечивает доступ к актуальным данным для всех заинтересованных подразделений, от закупок до бухгалтерии, повышая общую эффективность управления.

Реализация этих рекомендаций позволит торговым компаниям не только оптимизировать свои запасы, снизить издержки и повысить уровень обслуживания клиентов, но и обеспечить соответствие современным требованиям бухгалтерского учета, что в совокупности укрепит их финансовую устойчивость и конкурентные позиции на рынке.

Заключение

Исследование «Товарные запасы в торговом процессе: синтез современных логистических концепций, цифровизации и требований ФСБУ 5/2019» продемонстрировало, что эффективное управление запасами в XXI веке требует кардинального пересмотра традиционных подходов. Главный тезис работы – необходимость комплексного, современного подхода, интегрирующего передовые методологии, цифровые технологии и актуальные требования регулирующих органов – был полностью подтвержден.

Мы установили, что устаревшие эмпирические базы 2005-2007 годов и детерминированные модели нормирования запасов (такие как классическая формула EOQ) более не соответствуют реалиям динамичного, высококонкурентного рынка. На смену им пришли стохастические (вероятностные) модели, в частности Newsvendor Model, которые позволяют рассчитывать страховой запас на основе заданного Уровня Обслуживания, адекватно реагируя на неопределенность спроса.

Была доказана значительная роль современных логистических концепций, таких как VMI (Vendor Managed Inventory), в повышении эффективности цепочек поставок и снижении общих затрат. Примеры внедрения VMI в российских компаниях подтверждают ее применимость и стратегическую ценность для оптимизации групп товаров AX и BX.

Анализ показал, что цифровые технологии (WMS, ERP, IoT, AI/ML) являются не просто вспомогательными инструментами, а неотъемлемой частью оперативного управления запасами. Российский рынок WMS активно растет, демонстрируя растущую потребность бизнеса в автоматизации и интеллектуализации складских процессов для точного прогнозирования, локализации товаров и минимизации потерь.

Особое внимание было уделено методологии комплексного экономического анализа, включающей совмещенный ABC/XYZ-анализ для дифференцированного подхода к управлению номенклатурой. Актуализация ключевых показателей эффективности, таких как DSI (Days Sales of Inventory), вытесняющего исключительно Коэффициент оборачиваемости, показала смещение фокуса на операционную скорость и ликвидность. Было выявлено критическое влияние макроэкономических факторов, в частности высокой ключевой ставки Банка России (18% по состоянию на 2024 г.), на затраты на хранение (H) и, как следствие, на стратегию минимизации складских остатков.

Наконец, мы детально рассмотрели требования ФСБУ 5/2019 «Запасы», который обязал организации оценивать запасы по наименьшей из двух величин (фактическая себестоимость или чистая стоимость продажи) и создавать резервы под обесценение, а также исключил из себестоимости запасов расходы на хранение (за исключением технологически обусловленных). Эти изменения требуют от компаний глубокой интеграции логистических и бухгалтерских процессов.

В качестве практических рекомендаций были предложены: переход к стохастическому нормированию, внедрение VMI для стратегически важных групп товаров и масштабная автоматизация с использованием WMS-систем и AI/ML. Эти меры позволят торговым предприятиям не только оптимизировать свои запасы, но и укрепить финансовую устойчивость в современных условиях.

Перспективы для дальнейших исследований в этой области включают изучение влияния технологий блокчейна на прозрачность и безопасность цепей поставок, а также анализ потенциального воздействия регулирования цифрового рубля на расчеты и управление оборотным капиталом в торговом процессе.

Список использованной литературы

1. Вебер, М. Коммерческое товароведение: расчеты от А до Я. Москва : Приор, 2006. 345 с.
2. Дашков, Л.П. Коммерция и технология торговли. Москва : Финансы и статистика, 2006. 125 с.
3. Наговицина, Л. П. Как управлять товарными запасами. Москва : Экономика, 2005. 111 с.
4. Осипова, Л.В., Синяева, И.М. Основы коммерческой деятельности: Учеб. 2 изд., переаб., доп. Москва : Юнити-Дана, 2007. 623 с.
5. Памбухчиянц, В.К. Коммерция и технология торговли. Москва : Инфра-М, 2006. 456 с.
6. Памбухчиянц, В.К. Организация, технология и проектирование торговых предприятий: Учеб. Москва : ИВЦ Маркетинг, 2007. 320 с.
7. Панкратов, Ф.Г., Серегина, Т.К. Коммерческая деятельность: Учеб. Москва : Маркетинг, 2005. 328 с.
8. Панкратов, Ф.Г. Коммерческая деятельность: Учеб. 6 изд., переаб., доп. Москва : Дашко и К, 2005. 504 с.
9. Синецкий, Б.Д. Организация коммерческой деятельности. Москва : Финансы и статистика, 2006. 354 с.
10. Торговое дело / Под ред. Железнова В.В. Москва : Филин, 2006. 356 с.
11. Экономика торгового предприятия / Под ред. Жукова А.С. Москва : Дашков и К, 2005. 256 с.
12. Оборачиваемость товара: ключевой индикатор эффективности управления товарными запасами. URL: rozn.info (дата обращения: 07.10.2025).
13. Ключевые показатели эффективности управления запасами. Часть 1. URL: habr.com (дата обращения: 07.10.2025).
14. Каковы ключевые показатели эффективности управления запасами? URL: neuvition.com (дата обращения: 07.10.2025).
15. Ключевые показатели эффективности — Магнит. URL: magnit.com (дата обращения: 07.10.2025).
16. УПРАВЛЕНИЕ ЗАПАСАМИ ШИРОКОЙ НОМЕНКЛАТУРЫ: С ЧЕГО НАЧАТЬ? URL: hse.ru (дата обращения: 07.10.2025).
17. Как бухгалтеру оценивать запасы по ФСБУ 5/2019. URL: sber-solutions.ru (дата обращения: 07.10.2025).
18. Роль ИИ и машинного обучения в управлении складами (WMS). URL: websoftshop.ru (дата обращения: 07.10.2025).
19. Анализ ABC, XYZ. Как разработать логистическую стратегию в части управления запасами? URL: remos.ru (дата обращения: 07.10.2025).
20. XYZ-анализ товаров с лучшим спросом | МойСклад. URL: moysklad.ru (дата обращения: 07.10.2025).
21. Учет по стандарту ФСБУ 5/2019 «Запасы». URL: astral.ru (дата обращения: 07.10.2025).
22. ФСБУ 5/2019 «ЗАПАСЫ»: ИССЛЕДОВАНИЕ ТОВАРНЫХ ОПЕРАЦИЙ ПРИ ПРОВЕДЕНИИ СУДЕБНО-БУХГАЛТЕРСКОЙ ЭКСПЕРТИЗЫ. URL: 213.226.126 (дата обращения: 07.10.2025).
23. Экономический объем заказа (EOQ). URL: lokad.com (дата обращения: 07.10.2025).
24. VMI и ICO – современные методики управления запасами. Часть 2. URL: up-pro.ru (дата обращения: 07.10.2025).
25. Управление запасами с применением анализа ABC и XYZ. URL: GoodsForecast (дата обращения: 07.10.2025).
26. ФСБУ 5/2019 “Запасы”: формирование информации о затратах на производство продукции (выполнение работ, оказание услуг). URL: gaap.ru (дата обращения: 07.10.2025).
27. Российский рынок WMS: точки роста. URL: tadviser.ru (дата обращения: 07.10.2025).
28. Что такое управляемый поставщиком запас (VMI)? URL: SAP. URL: sap.com (дата обращения: 07.10.2025).
29. АНТИРОССИЙСКИЕ ЭКОНОМИЧЕСКИЕ САНКЦИИ: ПОСЛЕДСТВИЯ И ПРОТИВОДЕЙСТВИЕ. URL: cyberleninka.ru (дата обращения: 07.10.2025).
30. Технология Vendor Managed Inventory: запасы, которыми управляет поставщик. URL: ceoconsulting.ru (дата обращения: 07.10.2025).
31. Запасы, управляемые поставщиком (VMI) | Монолит-Инфо. URL: monolit.com (дата обращения: 07.10.2025).
32. IoT на складе: инвентаризация и отслеживание товаров. URL: synaptik.ru (дата обращения: 07.10.2025).
33. AXELOT WMS X: Описание, Функции и Интерфейс – 2025. URL: soware.ru (дата обращения: 07.10.2025).
34. Тенденции развития российской экономики в период новых антироссийских санкций. URL: rusjel.ru (дата обращения: 07.10.2025).
35. VMI в закупочной логистике. URL: rostov-logist.ru (дата обращения: 07.10.2025).