জানুয়ারির শেষে বছরশেষের ইনভেন্টরি প্রধান কার্যালয়ে পৌঁছায়, আর অনেক নেটওয়ার্কে একই ছক ঘুরতে থাকে: একটি কলামে স্টোরের নাম, আরেকটি কলামে শ্রিঙ্কেজের হার, সবচেয়ে খারাপ থেকে সবচেয়ে ভালো পর্যন্ত সাজানো। কয়েক সেকেন্ডের মধ্যেই সবাই জেনে যায় কে «সবার শেষে»। অথচ এই র্যাঙ্কিং প্রায়ই প্রকৃত ক্ষতির সঙ্গে সঙ্গে গণনার পদ্ধতিকেও সমানভাবে প্রতিফলিত করে। ভুল লক্ষ্যে না গিয়ে এক স্টোরের সঙ্গে আরেক স্টোরের শ্রিঙ্কেজ তুলনা করতে হলে প্রথমে সব সাইটে একই পদ্ধতিতে গণনা করাতে হবে। হরের (ডিনোমিনেটর) পছন্দ আসে তার পরে। সবশেষে, জোন ও সময়ের স্লট অনুযায়ী বিশ্লেষণই পার্থক্যগুলোকে স্টোরে কাজে লাগানোর উপযোগী করে তোলে।
কেন স্টোরের কাঁচা র্যাঙ্কিং বিভ্রান্তিকর
সবচেয়ে প্রচলিত শ্রিঙ্কেজ হার ইনভেন্টরির গরমিলের মূল্যকে বিক্রয়ের সঙ্গে তুলনা করে। এটি সামগ্রিক স্বাস্থ্যের একটি ভালো সূচক হলেও র্যাঙ্কিংয়ের হাতিয়ার হিসেবে দুর্বল, কারণ প্রতিটি স্টোর হিসাবে কী অন্তর্ভুক্ত করে, তার ওপরই এটি সবার আগে নির্ভর করে। Beyond Shrinkage: Introducing Total Retail Loss শীর্ষক প্রতিবেদনে অধ্যাপক অ্যাড্রিয়ান বেক (লেস্টার বিশ্ববিদ্যালয়) মনে করিয়ে দেন যে অভিন্ন সংজ্ঞার অভাবে শ্রিঙ্কেজের তথ্য তুলনা করা অত্যন্ত কঠিন: কিছু প্রতিষ্ঠান শুধু ব্যাখ্যাহীন গরমিল ধরে, অন্যরা এর সঙ্গে ভাঙচুর, মেয়াদোত্তীর্ণতা বা প্রক্রিয়াগত ত্রুটিও যোগ করে।
বিভিন্ন চেইনের মধ্যে যা সত্য, একই নেটওয়ার্কের স্টোরগুলোর মধ্যেও তা সত্য। একই পক্ষপাত বছরের পর বছর ফিরে আসে:
- ইনভেন্টরির সময়সূচি: সেলের ঠিক পরে গণনা করা একটি স্টোর আর আগে গণনা করা আরেকটি স্টোর একই সময়কালের কথা বলে না।
- জানা শ্রিঙ্কেজ ভুলভাবে ঘোষিত হলে: ভাঙচুরের প্রতিটি কার্টন তালিকাভুক্ত না হলে স্বয়ংক্রিয়ভাবে অজানা শ্রিঙ্কেজে চলে যায় এবং তার হার বাড়িয়ে দেয়।
- উজানের ভুল: অসম্পূর্ণ ডেলিভারি, ভুলভাবে মেলানো গ্রহণ বা ভুলে যাওয়া সাইট-থেকে-সাইট স্থানান্তর স্টোরে ক্ষতি হিসেবে দেখা দেয়।
- আকারের প্রভাব: ছোট বিক্রয়কেন্দ্রে তিন-চারটি দামি পণ্যই এক বছর থেকে পরের বছরে হার লাফিয়ে বাড়িয়ে দিতে যথেষ্ট।
- পণ্যের মিশ্রণ: যে স্টোর অধিক ঝুঁকিপূর্ণভাবে প্রদর্শিত পণ্য বেশি বিক্রি করে, তার হার স্বাভাবিকভাবেই বেশি দেখায়।
তাই র্যাঙ্কিংয়ের শেষ স্টোরটি যে সবচেয়ে খারাপভাবে পরিচালিত, তা জরুরি নয়। কখনও সেটি সবচেয়ে ছোট। অথবা যে স্টোর সবচেয়ে নিষ্ঠার সঙ্গে ইনভেন্টরি করে, কিংবা গুদাম থেকে সবচেয়ে সমস্যাযুক্ত ডেলিভারি পায়।
যেকোনো তুলনার আগে পরিমাপ সুসংগত করুন
যে সংখ্যাগুলো একই জিনিস পরিমাপ করে না, সেগুলোকে একই মানে আনার কোনো লাভ নেই। ECR Retail Loss প্রকাশিত Measuring Retail Shrink গবেষণাটিও এ কথাই মনে করিয়ে দেয়: শ্রিঙ্কেজ হার তুলনা করতে হলে তার গণনাপদ্ধতি জানতে হবে, তা ধারাবাহিকভাবে প্রয়োগ করতে হবে, এবং ভিন্নভাবে মূল্যায়িত শ্রিঙ্কেজের ক্ষেত্রে সতর্ক থাকতে হবে। ইউরোপে কার্যরত খুচরা বিক্রেতাদের মধ্যে ২০০৪ সালে পরিচালিত একটি জরিপের ওপর ভিত্তি করে এর লেখকরা আরও উল্লেখ করেন যে সরবরাহ শৃঙ্খলের ক্ষতি খুব কম পরিমাপ করা হয় বলে তা স্টোরগুলোর ওপর চাপিয়ে দেওয়ার এবং সেখানে শ্রিঙ্কেজ বাড়িয়ে দেখানোর ঝুঁকি যথেষ্ট। তখন বেশিরভাগ উত্তরদাতা বছরে মাত্র দুবার শ্রিঙ্কেজ পরিমাপ করতেন; গবেষণাটি যতবার সম্ভব গণনা করার সুপারিশ করে, যাতে উদীয়মান প্রবণতায় সাড়া দেওয়া যায়।
একটি নেটওয়ার্কে এর অর্থ হলো লিখিত ও সর্বত্র প্রযোজ্য একটি নিয়ম। এটি অজানা শ্রিঙ্কেজের সঠিক পরিধি এবং মূল্যায়নের পদ্ধতি নির্ধারণ করে (বিক্রয়মূল্য বা ক্রয়মূল্য, তবে সব সাইটে একই, এবং আদর্শভাবে দুটিই)। এটি ইনভেন্টরির তারিখ মিলিয়ে দেয় এবং গ্রহণের ঘাটতির অভিন্ন ব্যবস্থাপনা বাধ্যতামূলক করে। এই ভিত্তিগুলো এখনও না থাকলে, অজানা শ্রিঙ্কেজ বোঝা, গণনা করা ও কমানো বিষয়ক আমাদের নির্দেশিকায় গণনার মৌলিক বিষয়গুলো আছে। কাজটি অকৃতজ্ঞ, কিন্তু বাকি সবকিছু এর ওপর নির্ভর করে।
বিক্রয়, ক্রেতা-আগমন ও আয়তন অনুযায়ী স্বাভাবিকীকরণ
পরিমাপ সুসংগত হলে বাকি থাকে হর নির্বাচন। প্রতিটি আলাদা দিক আলোকিত করে, আর একা কোনোটিই যথেষ্ট নয়।
- বিক্রয় অনুযায়ী: এটিই চিরাচরিত শ্রিঙ্কেজ হার, যা বাজারের মানদণ্ডের সঙ্গে তুলনা করা যায়। NRF-এর National Retail Security Survey 2023 অনুসারে, জরিপে অংশ নেওয়া মার্কিন খুচরা বিক্রেতাদের গড় শ্রিঙ্কেজ হার ২০২২ অর্থবছরে ১,৬% এ উঠেছিল, আগের বছর যা ছিল ১,৪%, অর্থাৎ ২০১৯ ও ২০২০ সালের স্তরে ফিরে এসেছিল। এর সীমাবদ্ধতা সুপরিচিত: উচ্চ বিক্রয়ের স্টোর তার ক্ষতিকে লঘু করে দেখায়, আর বড় কোনো প্রচারণা অভিযান (অথবা বিক্রয়মূল্য বৃদ্ধি, যখন শ্রিঙ্কেজ ক্রয়মূল্যে মূল্যায়ন করা হয়) অনুপাতকে নড়িয়ে দেয়, অথচ র্যাকে কিছুই বদলায় না।
- ক্রেতা-আগমন অনুযায়ী: প্রতি হাজার দর্শনার্থীর বিপরীতে ক্ষতি। এভাবে গড় ঝুড়ির পার্থক্য নিষ্ক্রিয় করে এমন স্টোরগুলোকে মুখোমুখি রাখা যায় যেগুলোর রেয়নে তুলনীয় ক্রেতা-প্রবাহ থাকে। তবে পুরো নেটওয়ার্কে নির্ভরযোগ্য ও সমরূপ গণনা প্রয়োজন।
- আয়তন অনুযায়ী: প্রতি বর্গমিটারে ক্ষতি, অথবা আরও ভালো হলো নির্দিষ্ট পণ্য-পরিবারের প্রতি রৈখিক মিটারে। এই পাঠ প্রদর্শনের ঘনত্ব ও বিন্যাসের মান তুলনা করতে কাজে লাগে, বিশেষত কাছাকাছি ফরম্যাটের মধ্যে।
একটি কাল্পনিক ও ইচ্ছাকৃতভাবে সরলীকৃত উদাহরণ নেওয়া যাক। শহরের কেন্দ্রে অবস্থিত স্টোর A-তে প্রচুর মানুষ আসে, কিন্তু তাদের ঝুড়ি ছোট। শহরের উপকণ্ঠে অবস্থিত স্টোর B-তে দর্শনার্থী কম, তবে তাদের ঝুড়ি এতটাই ভরা যে তার বিক্রয় বেশি হয়। বছরজুড়ে দুটি স্টোরই সমমূল্যের পণ্য হারায়। বিক্রয়ের সঙ্গে তুলনা করলে B ভালো মনে হয়; আর গ্রাহকসংখ্যার সঙ্গে তুলনা করলে প্রতি দর্শনার্থীতে A-এর ক্ষতি কম। কোনো সংখ্যাই “সঠিক” নয়। এই দুইয়ের পার্থক্যই বিশ্লেষণকে দিক দেখায়: A-এর ক্ষেত্রে গ্রাহকপ্রবাহের ঝুঁকির দিকে, B-এর ক্ষেত্রে উচ্চমূল্যের পণ্যের দিকে।
শেষ অভ্যাস: প্রতিটি স্টোরকে পুরো নেটওয়ার্কের গড়ের পরিবর্তে তার সমকক্ষদের (একই ফরম্যাট, একই ধরনের অবস্থান, কাছাকাছি আকার) এবং কয়েকটি ইনভেন্টরি জুড়ে তার নিজস্ব ইতিহাসের সঙ্গে তুলনা করুন।
জোন ও সময়ের স্লট অনুযায়ী পরিসংখ্যান পড়া
বার্ষিক হার, ভালোভাবে স্বাভাবিকীকৃত হলেও, ক্ষতি কোথায় বা কখন ঘটে তা বলে না। একই হারের দুটি স্টোরের পরিস্থিতি বিপরীত হতে পারে। একটিতে ঘাটতি বিকেল ৫টা থেকে ৭টার মধ্যে সুগন্ধি বিভাগে কেন্দ্রীভূত; অন্যটিতে শনিবার পুরো বিক্রয়তলে ছড়িয়ে থাকে। এই দুই পরিস্থিতি একই কর্মপরিকল্পনায় সামলানো যায় না।
এখানে ক্যামেরার তথ্য ইনভেন্টরির দায়িত্ব কিছুটা নিজের হাতে নেয়। Oxania-র মতো ভিডিও বিশ্লেষণ ড্যাশবোর্ডে দর্শনার্থী গণনা, হিটম্যাপ এবং এলাকা ও সময়ের স্লট অনুযায়ী পরিসংখ্যান একত্রিত থাকে। এগুলো ইনভেন্টরির বিকল্প নয়, কারণ প্রকৃত ক্ষতির পরিমাপ ইনভেন্টরিই থাকে, তবে এগুলো বছরে একবার বা দুবারের পরিবর্তে নিরবচ্ছিন্নভাবে আসে। এলাকা অনুযায়ী ঝুঁকিপূর্ণ অঙ্গভঙ্গির মানচিত্রায়ন তখন এক স্টোরের সঙ্গে অন্য স্টোরের সমতুল্য রেয়নগুলো (শেল্ফ বিভাগ) তুলনা করার একটি ভিত্তি দেয়।
তবে সতর্ক থাকুন: অ্যালার্টের সংখ্যা ক্যামেরা কী দেখে তার ওপরও নির্ভর করে। যে স্টোরের প্রদর্শিত রেয়নগুলো ভালোভাবে কভার করা, সেটি অন্ধ কোণে ভরা স্টোরের চেয়ে বেশি ঘটনা জানাবে, অথচ বেশি আক্রান্ত না হয়েও। তুলনার জন্য অ্যালার্টকে জোনের ক্রেতা-আগমনের সঙ্গে মিলিয়ে দেখুন এবং নিশ্চিত করুন যে এক সাইট থেকে আরেক সাইটে ক্যামেরা কভারেজ সমতুল্য। না হলে, সবচেয়ে ভালো সজ্জিত স্টোরটিই শাস্তি পায়।
র্যাঙ্কিংয়ের বদলে সিদ্ধান্তে সহায়ক তুলনা
পুরো নেটওয়ার্কে প্রচারিত ১ থেকে N পর্যন্ত র্যাঙ্কিং একটি সুপরিচিত বিপরীত প্রভাব সৃষ্টি করে, যা ম্যানেজমেন্ট কন্ট্রোলাররা ভালোই জানেন: বাস্তবতার বদলে সূচকটিকেই সাজানো হতে থাকে। ইনভেন্টরির আগের সপ্তাহে হঠাৎ উৎসাহে ভাঙচুর ঘোষণা করা হয়, কিছু হিসাবের এন্ট্রি এক সময়কাল থেকে আরেকটিতে সরে যায়। আর কাঠামোগতভাবে বেশি ঝুঁকিতে থাকা স্টোরের দলগুলো, বছরের পর বছর তালিকার নিচে থেকে, হাল ছেড়ে দেয়।
বহু-সাইট পরিচালনার জন্য কার্যকর তুলনা বরং এরকম দেখায়:
- ফরম্যাট, অবস্থান ও আকার অনুযায়ী গঠিত তুলনীয় স্টোরের গোষ্ঠী।
- প্রতিটি স্টোরের জন্য একটির বদলে পাশাপাশি তিনটি সূচক (বিক্রয় অনুযায়ী, দর্শনার্থী অনুযায়ী, আয়তন অনুযায়ী)।
- কমপক্ষে তিনটি সময়কাল জুড়ে একটি প্রবণতা, যাতে একবারের দুর্ঘটনা আর ক্রমাগত বিচ্যুতির মধ্যে পার্থক্য বোঝা যায়।
- র্যাঙ্কের বদলে পাঠের পটি (গোষ্ঠীর স্বাভাবিক মানের মধ্যে, পরীক্ষা করার মতো, স্পষ্টভাবে ওপরে)।
- যেসব স্টোর নিজেদের পটির বাইরে যায়, কোনো সিদ্ধান্তের আগে তাদের জন্য জোন ও সময়ের স্লট অনুযায়ী ঘনিষ্ঠ বিশ্লেষণ।
- পার্থক্যের কারণ ব্যাখ্যা করতে স্টোর ব্যবস্থাপনার সঙ্গে আলোচনা: নির্মাণকাজ, দলবদল, পুনর্বিন্যাস, ডেলিভারির সমস্যা।
এই পদ্ধতি ক্ষতি আগাম অনুমান করার মূল সূচকগুলোর ধারাবাহিকতা। উদ্দেশ্য কোনো খারাপ ছাত্র চিহ্নিত করা নয়, বরং যে স্টোরগুলো সবচেয়ে ভালো করছে তাদের কী কাজ করছে তা শনাক্ত করে অন্যত্র প্রয়োগ করা।
জানুয়ারির শেষে যখন ইনভেন্টরির সংখ্যা আসে, একটি কলাম সাজাতে দশ সেকেন্ড লাগে। পরিমাপ সুসংগত করা, বিক্রয়, ক্রেতা-আগমন ও আয়তন মিলিয়ে দেখা, তারপর জোন ও সময়ের স্লট স্তরে নামতে আরও বেশি সময় লাগে, কিন্তু এর পরের বৈঠকের উদ্দেশ্য আর একই থাকে না: কে সবার শেষে তা খোঁজা বন্ধ করে আমরা জানতে চাই কোথায় ও কখন হারাচ্ছি, আর কেন। এই প্রশ্ন থেকেই পুরো নেটওয়ার্কে অজানা শ্রিঙ্কেজ স্থায়ীভাবে কমে।
