Яндекс.Метрика
ПУБЛИКАЦИИ

Универсальный матричный анализ товарооборота территориально распределенных субъектов торговой деятельности (от магазина до государств)

Универсальный матричный анализ товарооборота территориально распределенных субъектов торговой деятельности. Маркетинг PRO. №12.2009

 

 

Универсальный матричный анализ товарооборота территориально распределенных субъектов торговой деятельности (от магазина до государств)

 

ЛИД:

Любой менеджер по продажам небольшой или средней компании постоянно сталкивается с необходимостью анализировать товарооборот в территориально распределенных субъектах, будь то отдельные торговые точки, области, или целые регионы. Немаловажно, что следствием данного анализа является принятие решений по определению дистрибуционной политики в этих субъектах. Работнику приходится в постоянном режиме анализировать массу разноплановой информации и принимать на себя ответственность по отнесению того или иного субъекта к различным классам или сегментам, а чаще просто делать неформализованные умозаключения. 

 

Вполне естественно, что менеджер, обремененный грузом ответственности за свои решения и при этом не обладающий серьезной программной и теоретической аналитическими базами, постоянно ищет возможность облегчить свой труд и при этом точно описать модель поведения каждого субъекта.

С точки зрения руководства компании, складывающаяся ситуация несет в себе опасность как минимум недополучения прибыли, как максимум – потери реального контроля над субъектом. При этом сложившаяся ситуация приобретает поистине угрожающий характер в региональных компаниях, где доступ к информации осложнен различными техническими проблемами.

До настоящего времени перечень тех методов, которые могли бы оптимизировать подобного рода аналитические функции и существенно снизить риски операционного менеджмента компании, был достаточно ограничен. Зачастую и сами предлагаемые методы настолько сложны и не адаптированы для восприятия, что рядовой персонал предпочитает так и работать по старинке, со всеми вытекающими отсюда последствиями.

Все это, а также необходимость каким-либо образом получать описанные аналитические выкладки без использования специализированного аналитического инструментария, в результате привели к созданию универсального метода анализа товарооборота в территориально распределенных субъектах и последующей его трансформацию в матричную структуру.

 

Показатели, включенные в методику

 

Главной задачей при разработке инструментария было максимальное упрощения аналитических процедур. Поэтому из рассмотрения были исключены многие консолидированные показатели и в результате оставлены только два: реализация товара в ценах поставки и его оборачиваемость. Выбор обуславливается тем, что именно оборачиваемость, являясь зависимой от объема розничной реализации и уровня товарных запасов переменной, позволяет максимально внятно демонстрировать как тенденции отгрузок товара, так и тенденции его реализации. Именно это впоследствии (при проведении интерпретации) дает возможность проводить более тонкую градацию территориальных субъектов и формировать их гораздо более точную классификацию.

 

Методология

Вся работа по описанию целостной картины в рамках рассматриваемой здесь методологии проводится в два этапа. На первом проводится расчет необходимых показателей и построение диаграмм, на втором – интерпретация полученных графиков и отнесение субъекта к определенной ячейке матрицы.

Общая методология расчета:

  1. Для расчета показателей изначально берутся данные по реализации в географических субъектах, в денежном выражении и по оборачиваемости продукции в них за интересующий период времени (например, один год[1]).
  2. После этого производится расчет совокупных значений реализации и средних значений оборачиваемости по всей совокупности субъектов и по каждому из них в отдельности с разбитием данных на принятые в конкретном случае временные периоды наблюдения (в случае годового периода будет логичным рассматривать один месяц).
  3. Далее для каждого географического субъекта и в целом для их совокупности рассчитываются следующие относительные показатели на каждый из принятых временных периодов наблюдения:
  • R=Qt/Qa-1

где R – значение получаемого коэффициента, демонстрирующего отклонение оборачиваемости к арифметическому среднему по субъекту и т.п., Qt — среднее значение оборачиваемости за принятый период временного наблюдения (например, месяц), Qa — среднее значение оборачиваемости за весь период (например, год).

  • V=St/Sa-1

где V – значение коэффициента, демонстрирующего отклонение реализации к арифметическому среднему по субъекту и т.п., St — значение реализации в конкретный принятый временной период наблюдения, Sa — среднее значение реализации за весь период.

  1. В качестве следующего шага для каждого из субъектов рассчитываются следующие относительные показатели:
  • K=Ru — Ra

где K – значение коэффициента, демонстрирующего отклонение динамики оборачиваемости в самом субъекте от тенденции того же показателя, демонстрируемой всей совокупностью субъектов, Ru — значение коэффициента отклонения оборачиваемости к среднему по конкретному субъекту, Ra — значение коэффициента отклонения оборачиваемости к среднему по совокупности субъектов.

  • D=Vu — Va

где D – значение коэффициента, демонстрирующего отклонение динамики реализации в самом субъекте от относительных показателей динамики реализации во всей совокупности субъектов, Vu — значение коэффициента отклонения реализации к среднему по конкретному субъекту, Va — значение коэффициента отклонения реализации к среднему по совокупности субъектов.

  1. После расчета всех коэффициентов производится построение графиков по значениям коэффициентов R, V, K и D.
  2. После построения графиков проводится интерпретация полученных кривых и отнесение отдельных географических субъектов к той или иной ячейке конечной матрицы (см. рисунок 1) в соответствии с нижеследующей классификацией. Хотелось бы обратить внимание, что проводить классификацию желательно только на последних отрезках кривых, величина которых устанавливается эмпирическим путем самим аналитиком (так предварительно следует внимательно изучить все диаграммы отдельных субъектов и по результатам изучения решить – какой именно период времени должен быть использован для интерпретации). Для отнесения к той или иной ячейке матрицы следует анализировать пары: R и V – показатели по отношению к средним значениям за рассматриваемый период самого территориального субъекта – горизонталь матрицы, K и D – показатели отдельно взятого субъекта по отношению к общему тренду по совокупности территориальных субъектов – вертикаль матрицы.

 

Рисунок 1. Шаблон матрицы

По отношению к арифметическому среднему территориального субъекта

Валящие продажи

Страдающие

Спящие

Тянущие

Успешные

Перегретые

Отдельный субъект по отношению к всей совокупности

Валящие продажи

Страдающие

Спящие

Тянущие

Успешные

Перегретые

 

— общая тенденция, присущая совокупности регионов приносящих компании не менее 70% оборота

 

Типы классификации

Первый тип: регионы, демонстрирующие снижающиеся/низкие продажи (падение/низкие показатели кривой V или D) на фоне замедления оборачиваемости или ее стабильной динамики (рост/устойчивость кривой R или K) в относительных величинах – «Валящие продажи»;

Второй тип: регионы, демонстрирующие рост или стабильность показателей реализации (рост кривой V или D) на фоне снижения или низких показателей кривой оборачиваемости – «Тянущие»;

Третий тип: регионы, не демонстрирующие видимой динамики или находящиеся в «коридоре» – Спящие“;

Четвертый тип: регионы со снижением кривой оборачиваемости и снижением реализации – «Страдающие»;

Пятый тип: Регионы, демонстрирующие рост реализации (рост кривой V или D) и нерезкое замедление или стабильность (умеренный рост/устойчивость кривой R или K) оборачиваемости продукции – «Успешные»;

Шестой тип: регионы со стабильной или положительной динамикой продаж (рост/устойчивость кривой V или D) и низкой или резко снижающейся (рост/высокие показатели кривой R или K) оборачиваемостью – «Перегретые».

 

 

Завершающая часть анализа

 

Несмотря на то, что расчет показателей и построение графиков, а также интерпретация данных и кодирование субъектов в матричном пространстве в целом исчерпывают методологический аппарат рассматриваемого способа анализа товарооборота, с точки зрения уже упомянутого работника или его руководителя ценность данного анализа заключается не в проводимой классификации, а в простоте применения полученных данных. Так, в ходе разработки этой методики, неоднократно наблюдались определенные затруднения в интерпретации самой матричной структуры, что, по всей видимости, было связано с необходимостью интерпретировать в пределах одной ячейки сразу четыре переменные, или две пары переменных, показатели которых порой бывают абсолютно разнонаправлены (например, сочетание классификационных типов «Валящие» и „Успешные“).

Из-за этих затруднений применение методики без описания наиболее распространенных моделей поведения в каждой из ячеек матрицы было бы довольно ограничено. Для решения этой проблемы ниже приводится тридцать шесть типовых моделей поведения, в которых можно найти как описания для каждой из ячеек полученной матричной среды, так и ситуации сложившейся в каждом из субъектов, отнесенных к той или иной ячейке. Однако следует учитывать, что предлагаемые вниманию читателя описательные модели не являются аксиомами, а только демонстрируют наиболее типичные тенденции, складывающиеся в территориально распределенных субъектах и соответствующие изучаемому типу распределения показателей.

 

Таблица 1. Общераспространенные модели поведения

 

Горизонталь

Вертикаль

Описательная модель[2]

Валящие продажи

Валящие продажи

Нуждаются в тщательном контроле, т.к. не реализуют поставляемую продукцию

Валящие продажи

Страдающие

Имеют низкие показатели на фоне недостатка товара на складах

Валящие продажи

Спящие

Снижающиеся показатели определяются общей тенденцией

Валящие продажи

Тянущие

Низкие показатели региона возможно определяются недостатком товара на складах

Валящие продажи

Успешные

«Гребущие в шторме»

Валящие продажи

Перегретые

Неоправдавшие возложенных надежд

Страдающие

Валящие продажи

Пострадавшие от негативных тенденций рынка

Страдающие

Страдающие

Необходимо восполнить дефицит товаров

Страдающие

Спящие

Падение на фоне общей тенденции

Страдающие

Тянущие

При общей негативной тенденции прикладывают силы для нормализации

Страдающие

Успешные

На фоне общего падения активно борются с ним

Страдающие

Перегретые

Не оправдавшие надежд

Спящие

Валящие продажи

Бездействуют на фоне развития реализации и оптимизации издержек компании

Спящие

Страдающие

Стагнирующие регионы с постоянным малым запасом на складах

Спящие

Спящие

Бездействующие регионы — «Мейнстрим»

Спящие

Тянущие

Находятся в перманентном состоянии дефицита товара

Спящие

Успешные

На фоне общего снижения чувствуют себя стабильно

Спящие

Перегретые

Перманентно затоваренные регионы

Тянущие

Валящие продажи

Участник распродажи с остаточными поставками — при общей высокой реализации товара отсутствие привычного объема поставок на фоне общих низких уровней поставки

Тянущие

Страдающие

На общем фоне низких поставок и непоставке в регион и более высоком общем уровне реализации стремятся сохранить уровень

Тянущие

Спящие

Перманентная ситуация недопоставок или непоставок в общем, и продажа того, что есть на складах

Тянущие

Тянущие

Недопоставка или непоставка товара (Сушат регион?)

Тянущие

Успешные

Успешная игра на фоне общего снижения реализации и резкого снижения поставок

Тянущие

Перегретые

Реализация остатков или острый дефицит в общем

Успешные

Валящие продажи

На фоне более полных поставок чем в целом по всем регионам этот регион демонстрирует явное отставание в реализации

Успешные

Страдающие

Отстающий регион с положительной, но недостаточно интенсивной динамикой

Успешные

Спящие

Развивающийся игрок идущий в общем тренде развития

Успешные

Тянущие

Синдром юного игрока — слабые поставки видятся стабильными на фоне общей слабости региона, развитие реализации в регионе

Успешные

Успешные

Активный и успешный регион

Успешные

Перегретые

Отстающие темпы реализации на фоне оптимизации быстрорастущего рынка

Перегретые

Валящие продажи

Стагнирующий на общем фоне регион (Попытка стимуляции реализации избыточными поставками? Несбывшиеся надежды?)

Перегретые

Страдающие

Нетипично большие поставки в стагнирующий регион

Перегретые

Спящие

Следующие за общей тенденцией затоваривания рынка

Перегретые

Тянущие

Синдром недавнего открытия или сверхпоставка в очень слабый регион

Перегретые

Успешные

Крепкий игрок на падающем и затовариваемом рынке

Перегретые

Перегретые

Затоваривание

 

 

Пример анализа

 

Для более тщательного рассмотрения ниже приводится пошаговый пример проведения подобного рода анализа для одного из регионов абстрактной дистрибуционной компании.

 

Шаг 1. Получение данных

Для реализации анализа по ряду регионов были взяты данные по объемам реализации в денежном выражении в ценах поставки и данные оборачиваемости продукции за временной интервал с июля 2008 года по июнь 2009 года (см. табл. 2).

 

Шаг 2. Расчет V и R показателей

Далее, для каждого из регионов и для совокупных значений проводится расчет показателей отношения месячных данных к среднему значению по строке. Так, например, мы берем данные по Московской области за июль 2008 года и рассчитываем для начала отклонение товарооборота в данном месяце по отношению к среднему (Vиюль 2008 = 1100442,18 / 852544,48 — 1 = 0,2908). Аналогичным образом рассчитывается и R показатель – Rиюль 2008 = 6,20 / 7,04 – 1 = -0,1193 (результаты расчетов приведены в табл. 3).

 

Шаг 3. Расчет D и K показателей

Затем вычисляется отклонение полученных коэффициентов отдельных субъектов от коэффициентов их совокупности. (Dиюль 2008 (Московская область) = 0,2908 минус 0,1148 = 0,1759 [3] и Kиюль 2008 (Московская область) = -0,1193 минус -0,0744 = -0,0449.

 

Шаг 4. Построение диаграмм и интерпретация

После проведения расчетов, для интерпретации данных их следует представить в графическом виде, ил, говоря иначе – в виде диаграммы (см. рисунок 2), после чего интерпретировать полученные данные и отнести их к той или иной ячейке матрицы (в данном случае, по горизонтали – «валящие продажи», по вертикали – „Спящие“) (см. рисунок 3).

 

Шаг 5. Соотнесение кодификации по ячейке с описательной моделью

Этот шаг, по всей видимости, не должен вызывать затруднений (в случае Челябинской области это модель «Снижающиеся показатели определяются общей тенденцией»).

 


Таблица 2. Исходные данные

 

Филиал

Июль 2008

Август 2008

Сентябрь 2008

Октябрь 2008

Ноябрь 2008

Декабрь 2008

Январь 2009

Февраль 2009

Март 2009

Апрель 2009

Май 2009

Июнь 2009

Среднее по строке

Товарооборот в ценах поставки

Московская область

1100442,18

834305,52

1183961,72

985573,53

1273827,31

799757,13

604989,43

677751,18

1238558,52

413276,89

549750,95

568339,38

852544,48

Республика Башкортостан

702267,03

793792,04

815795,77

1026389,45

953754,47

938992,98

620958,98

981509,46

1008670,76

844461,55

572544,91

574031,10

819430,71

Челябинская область

809407,50

1058308,50

1017694,00

1071547,00

1091852,50

928608,50

722089,00

755500,50

698050,50

649461,00

592587,00

544518,00

828302,00

Брянская область

871157,14

1070394,00

641842,00

693903,00

691883,00

722132,00

447260,00

463185,00

643231,00

382856,60

391968,00

470796,00

624217,31

Совокупный товарооборот

3483273,85

3756800,06

3659293,49

3777412,98

4011317,28

3389490,61

2395297,41

2877946,14

3588510,78

2290056,04

2106850,86

2157684,48

3124494,50

Оборачиваемость продукции

Московская область

6,20

8,98

7,04

7,64

5,14

7,27

8,71

7,48

3,67

8,79

6,84

6,68

7,04

Республика Башкортостан

5,80

5,35

5,27

4,09

5,24

4,85

6,97

4,44

4,02

4,15

5,61

5,86

5,14

Челябинская область

3,96

3,31

3,49

3,67

3,81

4,75

5,16

4,13

4,22

4,22

4,09

4,40

4,10

Брянская область

3,43

4,29

5,49

4,15

5,07

4,68

5,96

5,41

3,36

5,17

4,73

4,47

4,69

Совокупная средняя

4,85

5,48

5,32

4,89

4,82

5,39

6,70

5,36

3,82

5,58

5,32

5,35

5,24

 

Таблица 3. Коэффициенты отклонения от арифметического среднего (V и R)

 

Филиал

Июль 2008

Август 2008

Сентябрь 2008

Октябрь 2008

Ноябрь 2008

Декабрь 2008

Январь 2009

Февраль 2009

Март 2009

Апрель 2009

Май 2009

Июнь 2009

V  коэффициент

Московская область

0,2908

-0,0214

0,3887

0,1560

0,4941

-0,0619

-0,2904

-0,2050

0,4528

-0,5152

-0,3552

-0,3334

Республика Башкортостан

-0,1430

-0,0313

-0,0044

0,2526

0,1639

0,1459

-0,2422

0,1978

0,2309

0,0305

-0,3013

-0,2995

Челябинская область

-0,0228

0,2777

0,2287

0,2937

0,3182

0,1211

-0,1282

-0,0879

-0,1573

-0,2159

-0,2846

-0,3426

Брянская область

0,3956

0,7148

0,0282

0,1116

0,1084

0,1569

-0,2835

-0,2580

0,0305

-0,3867

-0,3721

-0,2458

Совокупный товарооборот

0,1148

0,2024

0,1712

0,2090

0,2838

0,0848

-0,2334

-0,0789

0,1485

-0,2671

-0,3257

-0,3094

R  коэффициент

Московская область

-0,1193

0,2756

0,0000

0,0852

-0,2699

0,0327

0,2372

0,0625

-0,4787

0,2486

-0,0284

-0,0511

Республика Башкортостан

0,1284

0,0409

0,0253

-0,2043

0,0195

-0,0564

0,3560

-0,1362

-0,2179

-0,1926

0,0914

0,1401

Челябинская область

-0,0341

-0,1927

-0,1488

-0,1049

-0,0707

0,1585

0,2585

0,0073

0,0293

0,0293

-0,0024

0,0732

Брянская область

-0,2687

-0,0853

0,1706

-0,1151

0,0810

-0,0021

0,2708

0,1535

-0,2836

0,1023

0,0085

-0,0469

Совокупная средняя

-0,0744

0,0458

0,0153

-0,0668

-0,0802

0,0286

0,2786

0,0229

-0,2710

0,0649

0,0153

0,0210

 

Таблица 4. Коэффициенты отклонения субъектов от совокупной тенденции (D и K)

 

Филиал

Июль 2008

Август 2008

Сентябрь 2008

Октябрь 2008

Ноябрь 2008

Декабрь 2008

Январь 2009

Февраль 2009

Март 2009

Апрель 2009

Май 2009

Июнь 2009

D  коэффициент

Московская область

0,1759

-0,2238

0,2176

-0,0529

0,2103

-0,1467

-0,0570

-0,1261

0,3043

-0,2482

-0,0295

-0,0239

Республика Башкортостан

-0,2578

-0,2337

-0,1756

0,0436

-0,1199

0,0611

-0,0088

0,2767

0,0824

0,2976

0,0244

0,0100

Челябинская область

-0,1376

0,0753

0,0575

0,0847

0,0344

0,0363

0,1052

-0,0090

-0,3058

0,0512

0,0411

-0,0332

Брянская область

0,2808

0,5124

-0,1429

-0,0973

-0,1754

0,0720

-0,0501

-0,1791

-0,1180

-0,1196

-0,0464

0,0636

K  коэффициент

Московская область

-0,0449

0,2298

-0,0153

0,1520

-0,1897

0,0040

-0,0414

0,0396

-0,2077

0,1837

-0,0437

-0,0721

Республика Башкортостан

0,2028

-0,0049

0,0100

-0,1375

0,0996

-0,0850

0,0774

-0,1591

0,0531

-0,2575

0,0762

0,1191

Челябинская область

0,0403

-0,2385

-0,1640

-0,0381

0,0094

0,1299

-0,0201

-0,0156

0,3003

-0,0356

-0,0177

0,0522

Брянская область

-0,1942

-0,1311

0,1553

-0,0483

0,1612

-0,0308

-0,0078

0,1306

-0,0126

0,0375

-0,0067

-0,0679

 

Рисунок 2. Диаграмма по Челябинской области.

 

Рисунок 3. Челябинская область в структуре матрицы.

По отношению к арифметическому среднему территориального субъекта

Валящие продажи

Страдающие

Спящие

Тянущие

Успешные

Перегретые

Отдельный субъект по отношению к всей совокупности

Валящие продажи

 

 

 

 

 

Страдающие

 

 

 

Спящие


Челябинская область

 

 

 

 

Тянущие

 

 

 

 

Успешные

 

 

 

 

 

Перегретые

 

 

 

 

 

 

— общая тенденция, присущая совокупности регионов приносящих компании не менее 70% оборота

 

 



[1] Временной отрезок в один год здесь приведен неслучайно, т.к. именно годовые показатели позволяют полностью охватить тенденции сезонности внутри интерпретируемых данных и избежать дополнительных искажений. В то же время, учитывая масштабируемость предлагаемой методики, можно дать следующую рекомендацию – при любом анализа полный объем данных следует брать в кратном отношении к тому или иному циклу, включенному в изучаемый временной ряд.

[2] Описательная модель не гарантирует полного соответствия ситуации в регионе или в торговом объекте названной, являясь именованием наиболее распространенных линий поведения и не исключая иных объяснений.

[3] Небольшие отклонения в представленном расчете и данных приведенных в таблице объясняются тем, что в одном из проведенных расчетов были учтены дроби еще меньшего порядка (вплоть до 10-го знака после запятой)

Клепиков Олег