Компания столкнулась с новой реальностью:
-
Доставка в новые регионы увеличивало плечо доставки на 500-1200 км между РЦ и магазинами.
-
В каждом новом регионе открывалось 8-10 магазинов — недостаточно, чтобы создавать полноценные распределительные центры.
-
Логистические затраты на магазин в новых регионах стали выше в 1,5-2 раза по сравнению с Татарстаном.
Рост сети, который должен был увеличить прибыль, неожиданно стал источником потерь.
 (2).jpg)
Перед руководством встал вопрос: как масштабироваться, не сжигая маржинальность?
Компания рассмотрела стандартные варианты:
-
Строить новые РЦ в каждом регионе.
-
Использовать только существующий РЦ и поставлять товары в магазины из него.
Но оба сценария оказались убыточными. В первом случае затраты на строительство складов не окупались при такой плотности магазинов. Во втором — дорогое транспортное плечо «съедало» всю экономию.
«Мы ожидали, что логистика будет сложнее, но не думали, что настолько. Мы не могли удерживать цены на уровне, соответсвующем домашнему региону»
— Директор по логистике
Компания привлекла КСЛ, чтобы построить цифровой двойник логистики и найти оптимальную схему складов и поставок, которая позволит расти без потерь.
Как работала логистика «Находки» до моделирования
До анализа вся сеть строилась вокруг центрального распределительного центра (ЦРЦ) в Набережных Челнах:
-
93% ассортимента шло через ЦРЦ от федеральных поставщиков.
-
7% — локальные поставки напрямую в магазины (фреш и ультрафреш).
-
Доставка осуществлялась 12- и 20-тонными машинами.
Система была идеальна для компактного покрытия Татарстана, но при расширении в Поволжье, Урал и Сибирь логистика перестала быть управляемой.
«Мы видели, что с каждым новым открытием магазинов в других регионах наша система даёт сбой. В Татарстане всё работало идеально, но за его пределами старые схемы не срабатывали»
— Коммерческий директор
Компания нуждалась в новой структуре логистики, адаптированной под разные регионы, спрос и плотность точек продаж.
Что показало моделирование: новый баланс складов и потоков
КСЛ построил цифровой двойник существующей и будущей торговой сети. В нем протестировали сотни сценариев и исключили неэффективные варианты, такие как строительство новых ЦРЦ в удаленных регионах — оно не решало проблему дорогого транспортного плеча.
Анализ показал оптимальные схемы поставок:
Централизация через региональный распределительный центр (РРЦ) — федеральные и региональные поставщики → РРЦ → магазины.
Двухзвенная схема через ЦРЦ — использовалась редко, только для товаров, где экономия на закупке превышала затраты на дополнительную логистику.
Прямые поставки от локальных производителей — для фреша, ультрафреша и товаров с низким логистическим бюджетом.
Кросс-докинг и BBXD — схема для товаров с высокой оборачиваемостью, где поставки сразу распределяются в магазины без хранения.

Результат:
Оптимальное распределение потоков позволило сократить площадь РРЦ с 15 000 до 8000 м² и разработать схему покрытия 9 регионов с наименьшими затратами.
«Раньше у нас не было уверенности, что мы контролируем процесс. Теперь мы понимаем, как должна работать наша сеть в каждом регионе»
— СЕО компании
Какое решение приняла компания
На основе моделирования компания:
Масштабировала Центральный РЦ в Набережных Челнах с 20 000 до 40 000 м², чтобы обслуживать магазины в радиусе 500 км.
Открыла РРЦ в Самаре для Поволжья.
Разработала стратегию складов для Урала и Сибири с точным расчетом их мощности, локаций и форматов.
«Теперь мы не просто растём, а делаем это управляемо. Каждое новое открытие — это усиление сети, а не рост затрат»
— Финансовый директор
Какие результаты получила компания
-
Экономия 0,7 млрд рублей — ненужные стройки отменены.
-
Снижение операционных затрат на 280 млн рублей в год.
-
Рост сети ускорился в 1,5 раза.
-
Утилизация транспорта выросла с 72% до 84%.
-
Скорость реакции на спрос — сокращена с 1,5 недель до 5 дней.
Как проверить свою логистику?
Если перед вами стоит вопрос расширения складской сети, не делайте это на интуиции. Проверьте расчёты на реальных цифрах с помощью цифрового двойника.
Запросить моделирование цепи поставок →