Inventory Turnover - יחס מחזוריות מלאי. נוסחה - עלות סחורה נמכרת (COGS) שנתית חלקי ערך מלאי ממוצע. דוגמה - חנות בגדים שמכרה ב-1.2 מיליון ש״ח בשנה, COGS שלה (50% מהמחזור) = 600,000. מלאי ממוצע במהלך השנה (חישוב חציוני, לא רק תמונה אחת) - 120,000 ש״ח. Inventory Turnover = 600,000 חלקי 120,000 = 5. המלאי מתחלף 5 פעמים בשנה. ימי מלאי = 365 חלקי 5 = 73 יום. כלומר פריט ממוצע יושב על המדף 73 יום עד שנמכר.

אופנה מהירה (Zara, H&M) - 8-12 בשנה. אופנה ישראלית בוטיק - 4-6 בשנה. נעליים - 4-5. אקססוריז (תכשיטים, תיקים) - 3-5. כלי בית - 3-4. צעצועים וספרים - 2-4. מתנות - 2-3. מותגי לוקסוס - 1-2. מינימרקט וסופר - 12-20. בית מרקחת - 10-15. אם היחס שלכם 30% מתחת ל-benchmark - יש מלאי תקוע. אם 30% מעל - אולי חסר מלאי וכוחות בקרת מלאי טובים. שני המצבים שווים פעולה - אבל בכיוון הפוך.

חנות עם מחזור 2.1 מיליון בשנה, COGS 1.05 מיליון (50%). מלאי ממוצע בעלות 350,000 ש״ח. Inventory Turnover = 1.05M חלקי 350K = 3. ימי מלאי 122 - כלומר פריט ממוצע יושב 4 חודשים. ה-benchmark לצעצועים 2.5-4, אז 3 זה תקין, אבל ניתוח עמוק חשף שמרכיב גדול מהמלאי (כ-30%) יושב 9+ חודשים. בנינו רשימת 'מלאי מת' של 280 SKU והעברנו אותם ל-clearance רבעוני. תוך 6 חודשים יחס Turnover עלה ל-4.2, וההון החוזר שהשתחרר היה 120,000 ש״ח. בכסף הזה הזמנו מלאי טרי במקום הישן.

טעות 1 - לחשב מלאי לפי מחיר מכירה ולא לפי עלות. הנוסחה מבוססת על COGS חלקי מלאי בעלות. אם תחלקו ב-מחיר מכירה תקבלו יחס נמוך ב-40%-60%. טעות 2 - לקחת מלאי של תאריך אחד. צריך ממוצע - הסכום של מלאי בכל חודש חלקי 12. אחרת תקבלו תוצאה מטעה. טעות 3 - להחיל יחס ממוצע על כל הקטגוריות. אם 80% מהמלאי שלכם הוא בגדים ו-20% נעליים, חישוב נפרד לכל קטגוריה יחשוף שאחת מהן הבעיה האמיתית. ממוצע מסתיר את הסיפור.