logo
СППР_Часть1

1.5.4 Фильтрация данных в кубе

Фильтрация данных в кубе может производиться двумя способами:

Для фильтрации данных в кубе необходимо во всплывающем меню или на панели инструментов нажать кнопку Селектор..., после чего откроется диалоговое окно (рис. 1.16).

Пусть нужно определить товарные группы, приносящие 80 % выручки. Выберите измерение Группа, условие — Доля от общего, значение — 80 и настройте в кубе одно активное измерение, добавив вывод относительных долей и отсортировав по убыванию (рис.1.17).

Такую выборку можно получить по любому факту. В данном примере это сумма. Если выбрать измерение Товар и отфильтровать по количеству, то получим лекарственные препараты, пользующиеся наибольшим спросом.

Одновременно с кубом всегда строится кросс-диаграмма. Ее отличие от обычной диаграммы в том, что она однозначно соответствует текущему состоянию куба и при любых его изменениях (транспонировании, вращении) тоже модифицируется.

Р исунок 1.16 – Окно селектора

Р исунок 1.17 – Куб с группами препаратов, дающих 80% выручки

Постройте самостоятельно отчет и кросс-диаграмму загруженности аптек (по количеству проданных единиц товаров) за последние 7 дней (рис. 1.18).

Рисунок 1.18 – Отчет и кросс-диаграмма загруженности аптек за последние 7 дней

1.5.5 ABC-XYZ – анализ

В аналитической отчетности очень полезным часто оказывается АВС-ХYZ - анализ — распределение объектов, например товаров, клиентов, поставщиков по стабильности продаж и доходности. Если в качестве объекта анализа взять лекарственные препараты, а в качестве критерия анализа — объем продаж, то в результате получим:

Результатом АВС - анализа является группировка объектов по трем категориям:

Существуют и другие варианты процентного распределения объектов внутри категорий АБС, например: А - 80 %, В - 15 %, С - 5 % или А - 50 %, В – 30% С -20%.

Алгоритм АВС-анализа состоит из следующих шагов.

  1. Определить объект анализа: клиент, поставщик, товарная группа, товарная позиция. Для АВС-анализа продаж это, как правило, товарная позиция.

  2. Определить параметр анализа: объем продаж, доход, количество проданных единиц, частота покупок товара, количество заказов, средний товарный запас и т.д. Для АВС-анализа продаж это, как правило, объем продаж в денежном выражении.

  3. Определить период, за который будет проводиться АВС-анализ, и подготовить агрегированные данные по продажам за этот период. Так, если период ранен кварталу, то нужно для каждой товарной позиции получить сумму квартальных продаж.

  4. Отсортировать объекты анализа в порядке убывания значения параметра.

  5. Определить принадлежность выбранного объекта к группам А, В или С. Для этого необходимо:

АВС - анализ рекомендуется проводить периодически, особенно если в ассортименте есть товарные позиции со значительными сезонными перепадами продаж. Периодичность анализа определяется экспертным путем и зависит от бизнес - процессов организации. Оптимальные периоды проведения АВС - анализа: год, полугодие, сезон (квартал), помесячно в течение года. Периодическое проведение АВС-анализа позволяет отследить перемещение товарных позиций из группы в группу (например, нового товара из группы А в группу С, а также контролировать жизненный цикл товара).

Результат XYZ-анализа — группировка ресурсов по трем категориям на основе предварительно рассчитанного коэффициента вариации:

Существуют и другие варианты процентного распределения объектов внутри категорий XYZ (например, 15-50 %). Коэффициент вариации рассчитывается по формуле:

где значение параметра по оцениваемому объекту зa i-й период, — среднее значение параметра но оцениваемому объекту анализа, — число периодов.

Прибегать к данному методу анализа имеет смысл, если количество анализируемых периодов больше трех. Чем больше количество периодов, тем больше показательными будут результаты. При этом сам период должен быть не меньше, чем горизонт планирования, принятый в компании, иначе велика вероятность того, что все товары попадут в категорию Z.

Алгоритм XYZ-анализа также состоит из нескольких шагов.

  1. Определить объект анализа: клиент, поставщик, товарная группа, товарная позиция. Для XYZ-анализа продаж это, как правило, товарная позиция.

  2. Определить параметр анализа: объем продаж, доход, количество проданных единиц, частота покупок товара, количество заказов, средний товарный запас и т.д. Для XYZ-анализа продаж это, как правило, количество проданных единиц товара или частота покупок.

  3. Определить период, за который будет проводиться XYZ-анализ, и подготовить агрегированные данные по продажам за этот период.

  4. Рассчитать коэффициент вариации.

  5. Отсортировать объекты анализа по возрастанию значения коэффициента вариации.

  6. Определить группы X, Y и Z.

Результаты ABC- и XYZ- анализа обычно представляются в виде матрицы, состоящей из трех строк и трех столбцов, и позволяют дать практически полную характеристику эффективности ассортиментной политики.

П рогнозирование по группам такой ассортиментной матрицы позволит дифференцировать усилия: одни позиции прогнозировать, другие планировать, чему-то уделять максимум внимания, а что-то рассчитывать по жестким методикам. Поэтому для торговых компаний матрица АВС-ХYZ является эффективным инструментом при подборе стратегий управления товарными запасами.

Товарам групп АХ, AY и ВХ следует уделять повышенное внимание, поскольку отсутствие этих товаров может привести к серьезным убыткам. У группы АХ высокая степень надежности прогноза, поэтому здесь пригодны сложные модели временных рядов с учетом сезонности, регрессионные и нейросетевые модели. Вследствие стабильности потребления попозиционные прогнозы будут обеспечивать хорошее качество. Остальные группы — АY и ВХ — возможно, следует прогнозировать по товарным группам.

Товары групп СХ и CY характеризуются низкой потребительской стоимостью и средней надежностью прогноза. Здесь хорошо подходят несложные расчетные модели, например скользящее среднее с контролем страхового запаса. Вообще, для товаров группы СХ можно построить качественный прогноз, однако ввиду низкой |потребительской стоимости тратить дополнительное время на него не нужно.

Наименьшее внимание уделяют позициям, попавшим в группы BZ и CZ. Если в этиx товарах нет острой необходимости, от них можно вообще отказаться. Поэтому здесь говорить о каких-либо моделях временных рядов не имеет смысла — в ход идут простые «жесткие» правила. Товары группы CZ стоит приобретать по мере необходимости.

Сценарий ABC-анализа продаж для хранилища данных Фармация изображен рис. 1.19. В качестве периода используются последние 3 месяца; параметром выбрана Сумма продаж в денежном выражении.

Для его реализации выполните следующие действия:

1) Выделите в окне сценариев пункт Фармация:Продажи (двойным щелчком мыши) и выберите инструмент Фильтрация… В окне Настройка условий фильтрации выбираем поле Дата, Условие – не последний. Теперь в качестве периода взяты последние 3 месяца.

Все дальнейшие пункты выполняются в Мастере обработки.

2) Выбираем Настройка набора данных и указываем типы полей:

- Дата и Товар.Код – измерение;

- Отдел.Код, Группа.Код, Час – неиспользуемые;

- Количество и Сумма – факты.

Даем название этому пункту АВС-анализ (в окне сценариев в контекстном меню пункт Переименовать).

3) Выбираем Сортировка и сортируем поле Сумма по убыванию.

4) Выбираем калькулятор и вводим формулу

Round(SUM_F_SUM*100/Stat("SUM_F_SUM";"sum");2)

Здесь Round – функция, которая округляет до двух знаков после запятой, SUM_F_SUM – имя поля, в котором рассчитана сумма (проверьте, такое имя у вас в списке полей?), функция Stat вычисляет сумму по указанному полю. Двойным щелчком на поле Выражение откройте окно Параметры выражения и измените имя поля на Part, а метку на Доля от общей суммы.

5) Выбираем калькулятор и вводим формулу

CumulativeSum(“Part”). Даем полю имя CumulativeSum.

6) Калькулятор: Группа АВС создает вычисляемое поле, в котором ставится соответствующая доли буква. Формула содержит функцию IF(condition; expression1;expression2):

IF(CumulativeSum<75;"A";IF(CumulativeSum>=90;"C";"B"))

В окне Параметры выражения поменяйте тип выражения на Строковый.

7) Постройте OLAP-куб, расположите измерение Группа в строках, фактом выберите поле #Количество.

Рисунок 1.19 – Сценарий АВС – анализа продаж для ХД «Фармация»

Результат АВС – анализа в виде отчета с OLAP-кубом представлен на рис.1.20.

Рисунок 1.20 – Результаты АВС – анализа в OLAP-кубе

Сценарий XYZ-анализа продаж для хранилища данных «Фармация» изображен на рис.1.21.

Результат XYZ-анализа в виде отчета с OLAP-кубом представлен на рис.1.22.

Замечание.

Значение квадратного корня в формуле для расчета v есть не что иное, как стандартное отклонение. Его (как и среднее количество продаж товара за рассматриваемые периоды можно было бы рассчитать, взяв функции Среднее и Стандартное отклонение у агрегаций| факта в узле Группировка. Но данный способ пригоден только в случае, когда каждый продавался хотя бы один раз в каждый период. В реальности этого может не быть, поэтому в сценарии предварительно рассчитывается х так, чтобы количество проданных единиц всегда делилось на п = 3. Затем оно внутренним соединением «прикрепляется» к каждому товару и рассчитываются суммы квадратов отклонений от среднего . Дальше по формуле вычисляются коэффициент вариации и группы XYZ. Если изменяется период анализа п, то нужно подправить формулы расчета в соответствующих узлах.

Рисунок 1.21 - Сценарий XYZ-анализа продаж

Рисунок 1.22 - Результат XYZ-анализа в OLAP-кубе

Теперь, чтобы получить ABC-XYZ –матрицу, осталось добавить узел Слияние для соединения ABC и XYZ групп и настроить OLAP-куб (рис. 1.23).

Рисунок 1.23 – ABC-XYZ –матрица в OLAP-кубе