تحلیل و ارایه داده‌های فروش – بخش اول

کلیدی‌ترین داده‌های شرکت که به صورت مستقیم به درآمدزایی آن مربوط است، داده‌های فروش آن هستند. تحلیل نظام‌مند، جامع و آینده‌نگر داده‌های فروش، یکی از اساسی‌ترین نیازهای یک کسب و کار است. اگر شرکت نتواند رفتار نیروهای فروش، مشتریان و بازار را تحلیل کند و پیش‌بینی‌های لازم را نسبت به آینده داشته باشد، نمی‌تواند در این محیط رقابتی باقی بماند.

داده‌های تاریخی فروش، مواد خوبی برای بررسی کارآیی کسب و کار و رفتار مشتریان در گذشته و پیش‌بینی آینده هستند. مدیران و صاحبان کسب و کارها معمولا به طور شهودی، از اوضاع فروش باخبر هستند. مثلا طور ضمنی و تقریبی می‌دانند که در کدام بخش فروش افت دارد. اما این نگاه عمیق نیست و ممکن است با خطا همراه باشد. گاه مدیران حتی در اینکه مشتری برای آنها درآمدزاتر بوده نیز دچار اشتباه می‌شوند. واحدهای فروش در هر شرکتی نیاز به افرادی با مهارت‌های تحلیل‌گری داده دارند تا بتوانند اطلاعات مفیدی را برای آنها از بین داده‌های فروش شرکت استخراج کند.

دیتاپارتنرز در مجموعه‌ای از پست‌ها قصد دارد تا با نگاهی عمیق‌تر راهکارهایی ساده را برای تحلیل داده‌های فروش ارائه کند. پیش از هر چیز و به عنوان یک مقدمه، در این پست به این سوال پاسخ داده می‌شود که داده‌های فروش چیست و چه ویژگی‌هایی دارد؟

داده‌های تاریخی فروش، راهنمای خوبی برای چگونگی ادامه فعالیت بنگاه هستند. این داده‌ها روند کلی و نوسانات دوره را در دل خود دارند و مدیران را متوجه نقاط قوت و ضعف می‌کنند. اما خوب است، ابتدا بدانیم که دقیقا منظور ما از داده‌های تاریخی فروش چیست؟ در جدول زیر نمونه‌ای ساده از داده‌های فروش نشان داده شده است.

27 Sales Dashboard 1

طبعا این فرم‌ها از در کسب و کارهای مختلف متفاوت هستند. مثلا در یک کسب و کار آنلاین، ممکن است داده‌های بیشتری را نیز جمع‌آوری کرد. اما همه این داده‌ها در یک سری از ویژگی‌های کمی و کیفی مشترک هستند. این فرم، فرم آماده‌سازی داده ها است. چرا ممکن است داده‌ها در شرکت با نظمی مانند فرم بالا جمع‌آوری نشوند.

آماده‌سازی داده‌های فروش از میان داده‌های ثبت شده در نرم‌افزار فروش، یکی از سخت‌ترین گام‌های تحلیل داده‌ها است. تحلیل‌گران داده بنا بر تجربه می‌دانند که داده‌ها هیچ وقت به آسانی در دسترس آنها قرار نمی‌گیرد و ساعت‌ها زمان برای جمع‌آوری چند سطر داده نیاز دارند. گاه پایگاه داده واحد و یکپارچه‌ای جهت ثبت و به‌روزرسانی داده‌ها در شرکت‌ها وجود ندارد. گاه بخشی از داده‌ها، بی‌اهمیت تلقی شده و ثبت نمی‌شوند. گاه نیز تغییر نرم‌افزار در یک برهه از زمان، منجر به بروز ناهم‌خوانی در داده‌های تاریخی شده یا پیچیدگی و هزینه‌ی کار را بالا می‌برند. بنا بر این توصیه اکید می‌شود که مرحله آماده‌سازی داده‌ها را جدی گرفته و برای آن اهمیت قائل شوید. زمان‌بر بودن آماده‌سازی داده‌های فروش نبایستی مانعی برای تحلیل‌گر داده‌ها باشد.

داده‌ها بایستی چند ویژگی کیفی داشته باشند:

  • دقت (Accuracy): داده باید با استانداردهای متعارف سازمانی و عمومی مطابقت داشته باشد. مثلا داده مربوط به ارقام فروش، از واحد یکسانی نظیر ریال تبعیت کنند. همچنین خطاهای انسانی یا فنی نیز باید بررسی و کنترل شوند. به عنوان مثال، رُند کردن اعداد اعشاری در محاسباتی که مراحل متعدد دارند، می‌تواند منجر به خطای بزرگی در مقدار نهایی محاسبه‌شده شود.
  • صحت و اعتبار (Validity): داده باید همان چیزی باشد که قصد سنجش‌اش را داشته‌ایم. مثلا دو متغیر متفاوت اما شبیه به هم، ممکن است با یکدیگر اشتباه گرفته شوند.
  • قابلیت اطمینان (Reliability): روش جمع‌آوری داده نباید مکررا تغییر کند. چرا که داده‌ها مبنای سنجش عملکرد هستند. مثلا بهبود بازده دارایی شرکت از طریق بازآرایی حساب‌ها و دستکاری صوری حسابداری، قابلیت اطمینان صورت‌های مالی شرکت را پایین می‌آورد.
  • ثبت به موقع (Timeliness): داده باید در فوری‌ترین زمان ممکن جمع آوری شود و تاخیر، از منافع آن کم می‌کند. مثلا مدیر عملیات یک شرکت تولیدی به آمار ساعتی، و مدیر عملیات یک شرکت آنلاین به آمار لحظه‌ای جهت تجزیه و تحلیل نیازمندند.
  • مرتبط بودن (Relevance): داده باید مرتبط با مقاصد ما باشد. مثلا اگر مدیر عملیات به دنبال تحلیل آماری خط تولید است، داده‌ی مرتبط را باید جهت این امر، گردآوری و تحلیل نمود.
  • کامل بودن (Completeness): نقص و کمبود داده مانع قدم‌های بعدی است. مثلا برای تحلیل فروش ماهانه شرکت در ۳ سال اخیر، داشتن آمار همه‌ی ماه‌ها ضروری است و نمی‌توان بدون داشتن جدول کامل تحلیل را آغاز کرد.
  • بدون پیش‌داوری (Bias): روش‌ها جمع‌آوری و ثبت باید بدون پیش‌داوری و تبعیض و وابسته به ذهنیت افراد باشند. در مواردی که قضاوت افراد در گردآوری داده دخیل است، باید به فکر راهی برای کسب داده به طور غیرانسانی یا اعتبارسنجی و استانداردسازی قضاوت انسانی بود. مثلا برای شمردن تعداد ماشین‎های عبوری از یک مسیر، می‌توان از دستگاه شمارنده به جای انسان استفاده نمود.
  • توجه به محدودیت‌ها (Limitations): توجه به محدودیت‌ها ضروری است. مثلا یک فروشگاه زنجیره‌ای، منابع کافی برای ثبت جنسیت تمام مشتریانش ندارد و باید به روش‌های آماری و نمونه‌گیری بسنده کند.
  • همخوانی با سایر منابع (Alignment): تناقض داده با داده‌های سایر منابع باید بررسی و کنترل شود. داده‌های ورودی و خروجی باید با هم مطابقت داشته باشند. مغایرت این دو نباید امری عادی تلقی شود.
  • مالکیت داده‌ها (Ownership): سازمان باید مالکیت داده‌ها را داشته باشد و از کیفیت داده‌هایش مطمئن گردد. همچنین اگر از داده‎های دیگران استفاده می‌کند، اعتبارسنجی آن‌ها ضروری است.

اولین گام برای تحلیل داده‌های فروش، فهم چیستی این داده‌ها و اطمینان از کیفیت مناسبش آن‌ها بود. حال، می‌توان به مراحل بعدی پرداخت. در قسمت بعدی این مطلب، گام دوم جهت تحلیل داده‌های فروش را بیان می‌کنیم. اگر علاقه‌مند پیگیری مداوم مطالب ما هستید، دیتا پارتنرز را در تلگرام، توییتر و اینستاگرام دنبال کنید.

طبقه بندی روش‌های پیش‌بینی تقاضا و فروش

یکی از وظایف مهم کارشناسان بازاریابی، پیش‌بینی تقاضا و فروش محصول است. برنامه‌ریزی و تحلیل طرح تجاری، بودجه بندی سالانه، طرح‌ها و کمپین‌های تبلیغاتی، تحلیل فروش محصولات جدید رقبا و … همگی نیازمند پیش‌بینی میزان فروش هستند. اینجاست که تحلیل‌گران داده می‌توانند به کارشناسان بازاریابی جهت انتخاب روش مناسب پیش‌بینی میزان فروش، پیاده‌سازی روش و ارزیابی و بهبود دقت مدل‌های پیش‌بینی کمک کنند.

برای پیش‌بینی به طور عام و پیش‌بینی فروش به صورت خاص، روش‌های متعددی وجود دارد و در کتابهای مختلف نیز به اشکال گوناگون دسته‌بندی شده‌اند. انتخاب روش مناسب برای پیش‌بینی، اولین گام برای این کار است. برای ارائه دسته‌بندی اولیه و کاربردی از روش‌های پیش‌بینی، ابتدا چند تعریف زیر ارائه می‌شود:

  • محصولات جدید: گاه محصولاتی هستند که داده‌های تاریخی فروش آنها در دسترس نیست یا اینکه بسیار کم در دسترس است (محصولات کاملا جدید) یا اینکه ممکن است کالاهایی شبیه به آن در بازار وجود داشته باشد (محصولات جدیدی که در امتداد محصولات فعلی در بازار، توسعه یافته‌اند).
  • محصولات بالغ (Harvest): محصولاتی هستند که داده‌های تقاضا و مصرف آن به صورت تاریخی وجود دارد و سری زمانی آن را می‌توان در قالب روندهایی تحلیل کرد.
  • برندهای در حال رشد: محصولاتی هستند که فروش آنها بسیار به برنامه‌های مارکتینگ و تبلیغات وابسته است و برای تحلیل آنها نیاز به بررسی روابط داده‌های موجود است.
  • محصولات جاویژه (Niche): محصولاتی که بخش خاصی از مصرف‌کنندگان را هدف قرار داده‌اند.

این تقسیم‌بندی در قالب مدل زیر نمایش داده شده است. در این مدل، محور افقی مربوط به «پیش‌بینی پذیری» و محور عمودی مربوط به ارزشی است که این کالا برای شرکت ایجاد می‌کند. در هر حال، قبل از هر کاری بایستی نوع کالا مشخص شده تا بر اساس آن روش پیش‌بینی تعیین و انتظارات مدیران از پیش‌بینی و دقت مورد انتظار از پیش‌بینی تعدیل شود.

26 forcasting methods 1

مدل تقسیم‌بندی محصولات بر اساس دو معیار «پیش‌بینی‌پذیری» و «ارزش»

با کمک مدل بالا و درک محدودیت‌های هر یک از روش‌های پیش‌بینی، روش‌های زیر برای هر یک از انواع محصولات پیشنهاد می‌شوند. بعضی از موارد در جدول زیر، مربوط به روش‌های کیفی و برخی نیز مربوط به روش‌های کمی هستند. این جدول نشان می‌دهد که یک شرکت یا کارخانه، نمی‌تواند بر اساس یک روش پیش‌بینی واحد، تقاضای همه محصولات خود را پیش‌بینی کند (چنانچه معمولا نرم‌افزارهایی که خریده‌اند، از چند روش محدود پشتیبانی می‌کند). بلکه بایستی با توجه به ماهیت محصول، روش مناسب را انتخاب کنند.

26 forcasting methods 2

روش‌های مناسب پیش‌بینی میزان فروش بر اساس نوع محصول

جدول بالا، راهنمایی ساده و کاربردی جهت تعیین روش پیش‌بینی میزان فروش محصولات مختلف است و شامل تمام روش‌های پیش‌بینی و تمام جزئیات دخیل در انتخاب مدل مناسب پیش‌بینی نیست. هرچند که نمای کلی خوبی از انواع مختلف محصولات از لحاظ پیش‌بینی‌پذیر بودن میزان فروششان، ارزشی که برای شرکت دارند و نیز روش مناسب پیش‌بینی بر اساس این دو معیار را به کارشناسان و مدیران شرکت می‌دهد. امیدواریم بتوانیم در آینده، روش‌های پیش‌بینی مناسب را با جزئیات بیشتری به همراه ذکر مثال بیان کنیم.

چنانچه شما نیز تجربه یا سوالی درباره‌ی پیش‌بینی میزان فروش دارید، با ما و سایر خوانندگان دیتا پارتنرز در میان بگذارید. اگر صاحب کسب و کاری هستید، یا سمتتان در شرکت به گونه‌ایست که به داده‌های تاریخی فروش دسترسی دارید ولی تا کنون پیش‌بینی فروش برایتان مسئله نبوده است، پیشنهاد می‌کنیم حتما نگاهی به داده‌های تاریخی فروش شرکت خود بیاندازید و روند کلی و نوسانات فصلی آن را مشاهده و بررسی کنید. اولین قدم برای پیش‌بینی آینده، نگاه به گذشته است. هرچند که این، تمام ماجرا نیست.

پی‌نوشت:اگر علاقه‌مند پیگیری مداوم مطالب ما هستید، دیتا پارتنرز را در تلگرام، توییتر و اینستاگرام دنبال کنید.

در دوره تورم، کدام قشر بیشتر آسیب می‌بیند؟

یکی از موضوعات پرچالش سیاستگذاران اقتصادی، انتخاب بین سیاستهای ضدتورمی و سیاستهای ضد رکود است. فارغ از پیچیدگی‌های این بحث، در این مطلب با نگاهی به موضوع تورم، می‌خواهیم به این سوال پاسخ دهیم که تورم به کدام دسته از مردم، بیشتر فشار وارد می‌کند؟

در نمودار زیر، شاخص قیمت مصرف‌کننده طی دوره‌ای ده ساله، به تفکیک دهک‌های مختلف رسم شده است. در این نمودار، هزینه‌های  مصرفی زندگی هر یک از دهک‌ها در سال ۱۳۸۱ معادل ۱۰۰ واحد فرض شده است. دیده می‌شود که در سال ۱۳۹۰ ، هزینه‌ی ثروتمندترین دهک به عدد ۳۰۸ رسیده و حدود سه برابر شده است. در مقابل، هزینه‌ی فقیرترین دهک جامعه به عدد ۴۴۴ رسید و حدودا ۴٫۴ براب شد. به عبارت دیگر به طور میانگین طی دهه ۸۰ شمسی، ثروتمندترین دهک جامعه، حدود ۱۳٫۳% تورم را در هر سال تجربه کرده است، در حالی که فقیرترین دهک جامعه به صورت میانگین حدود ۱۸% تورم در سال را در دوره مشابه تحمل کرده است.

25 poverty tax 1

نکته جالب توجه این است که شتاب تورم فقیرترین دهک جامعه، بیش از شتاب تورم در هزینه‌های مصرفی ثروتمندترین دهک جامعه است. از این رو با افزایش تورم، فاصله سری زمانی شاخص قیمتی دهک اول و دهم بیشتر می‌شود. این مسئله در نمودار زیر قابل مشاهده است.

25 poverty tax 2

تحلیل رگرسیون بین دو متغیر «نرخ تورم کل دهک‎ها» و «اختلاف نرخ تورم دهک اول و دهم» ، نیز این فرض را تأیید می‌کند که هرچه تورم کلی افزایش می‎یابد، اختلاف نرخ تورم دهک اول و دهم نیز بیشتر می‎شود. به بیانی دیگر می‌توان گفت که دهک اول در زمان افزایش تورم، از میانگین جامعه تورم بیشتری را تجربه می‌کند.

25 poverty tax 3

سیاستگذاران با اطلاع از آسیب‌پذیری بیشتر طبقات فرودست از تورم بایستی در هر بسته ضدرکود که احیانا ممکن است موجب تورم می‌شود، سیاست‌هایی را در جهت حمایت از این اقشار تدوین کنند. اما برای فهم اینکه بسته حمایتی شامل چه اقلامی باشد، بایستی هزینه سبد دهک‌های آسیب‌پذیر را به تفکیک نوع محصول بررسی و تحلیل کرد. در واقع شیب افزایش هزینه‌های خانوار مانند هزینه‌های درمانی، غذایی و … همان ضریب اولویت آن در تدوین بسته حمایتی از اقشار فرودست است.

* درسی برای رسم نمودار: از رسم نمودار ماکارونی اجتناب کنید.

در نمودار اول این پست، تورم کالاهای مصرفی مربوط به همه دهکهای جامعه رسم شده است. با این حال، موضوع بحث این پست در مورد اختلاف شاخص تورم بین دهک اول و دهک دهم بود. از این رو به جای نمایش دقیق روند تورم همه دهکها، رنگ خط روند دهکهای دوم تا نهم به صورت خاکستری کم رنگ نشان داده شد تا موجب شلوغی نمودار و گم شدن پیام اصلی آن نشود. اصطلاحا به نمودارهای خطی متعدد در یک قاب، نمودار اسپاگتی گفته می‌شود. چرا که مانند ماکارونی در هم پیچیده می‌شوند.

در کدام بازار سرمایه‌گذاری کنیم؟

یکی از سوالاتی که مردم معمولا از تحلیلگران اقتصادی می‌پرسند این است که سرمایه‌ی خود را به کدام بازار وارد نمایند. مثلا در بازار بورس سرمایه‌گذاری کنندیا اینکه دلار بخرند؟ جواب دادن به این سوال ساده نیست. ولی اولین قدم برای رسیدن به جواب، تحلیل و مقایسه‌ی بازدهی بازارها در گذشته است. فرض کنید فردی در ابتدای سال ۱۳۷۹، ۱۰۰۰ ریال سرمایه‌ی مازاد داشته و می‌توانسته آن را در بورس، سکه، مسکن، سپرده بانکی و یا دلار وارد نماید. نمودار زیر نشان می‌دهد که سرمایه این فرد به صورت میانگین در انتهای سال ۱۳۹۳ به چه میزانی رسیده است. مثلا اگر به بازار مسکن وارد شده باشد، سرمایه‌ی وی از ۱۰۰۰ ریال به حدود ۱۲۸۰۰۰ ریال افزایش یافته است.

24 market analysis 1 1

اگرچه در بلندمدت میانگین بازدهی بازار بورس بیشتر بوده است، اما تنها بر مبنای میانگین بازدهی نمی‌توان بازار هدف سرمایه‌گذاری را انتخاب کرد. یکی دیگر از شاخص‌های موثر در انتخاب بازار هدف ، شاخص واریانس است. در شکل زیر واریانس هر یک از بازارها را در دوره زمانی مورد بحث، مقایسه کرده‌ایم. همانطور که دیده می‌شود، هرچند بازار بورس بیشترین بازدهی را طی دوره زمانی مورد بحث داشته است، بیشترین واریانس نیز متعلق به همین بازار است. واریانس بالای بازدهی یک بازار به این معنی است که سرمایه گذاران در عین انتظار کسب سود بالا از آن بازار، احتمال ضرر زیاد در آن بازار نیز می‌دهند. همانطور که در نمودار زیر دیده می‌شود پس از ورود به دوره‌ی رکود در سال ۱۳۹۲، سرمایه‌گذاران در بازار بورس به طور میانگین ضرر بیشتری نسبت به بازارهای دیگر داشته‌اند:

24 market analysis 1 2

مطلب بالا را به زبان دیگری نیز می‌توان بیان کرد. در شکل زیر، نمودار پراکندگی واریانس (ریسک) و میانگین بازده را رسم کرده ایم. خط روند آن نیز رسم شده است که یادآور مفهوم خط بازار سرمایه است و نشان می‌دهد که بین واریانس بازدهی یک بازار با میانگین بازدهی آن همبستگی مثبت وجود دارد. یعنی اگر وارد بازاری با ریسک بالاتری شوید، انتظار کسب بازدهی بیشتر نیز می‌رود. به عبارتی، بازار به ازای تحمل ریسک بالاتر، پاداش بزرگتر به سرمایه‌گذار می‌دهد. نکته‌ی دیگری که می‌توان به آن اشاره کرد مقایسه‌ی دو بازار دلار و سکه است. هر دو بازار واریانسی حدود ۶ درصد دارند، اما بازدهی بازار سکه بالاتر است. مشخصا، ترجیح سرمایه‌گذار این است که بین دو بازار با ریسک مشابه، در بازار با بازدهی بالاتر سرمایه گذاری کند.

24 market analysis 1 3

دقت کنید که تحلیل فوق به هیچ عنوان توصیه‌ای مبنی بر ورود به بازار خاصی یا خروج از آن را ندارد و صرفا، چارچوبی مقدماتی جهت تحلیل و مقایسه‌ی بازارهای مختلف معرفی کرده است. در قسمت بعدی این مطلب، سری زمانی هر کدام از بازارهای مورد اشاره را بررسی خواهیم کرد و دوره‌های رونق و رکود و نقاط عطفشان را تحلیل می‌کنیم.

پی‌نوشت:

اگر علاقه‌مند پیگیری مداوم مطالب ما هستید، دیتا پارتنرز را در تلگرام، توییتر و اینستاگرام دنبال کنید.

سفره ایرانی‌ها در ده سال اخیر چه تغییری کرده است؟ بخش سوم

در یکی از مطالب پیشین، نمودار کاهش اندازه سفره ایرانیان را از نظر وزنی رسم کردیم. در این نمودار، از علامت مثلث وارونه قرمز برای نمایش کاهش وزن هر یک از اقلام استفاده شد که در شکل زیر دیده می‌شود. ضمنا مقدار کاهش نیز بر حسب درصد در کنار آن درج شد تا بیننده به راحتی میزان کاهش را مشاهده کند.

23 food habit 3

یکی از کاربران محترم، به این نمودار انتقاد کرد که علامت‌های قرمز و مثلث وارونه، به اندازه کافی میزان کاهش را نشان نمی‌دهد. قبلا هم به این نکته اشاره کرده‌ایم که برای طراحی نمودار، بایستی دقت کرد پیامی که قرار است منتقل شود، چیست؟ اگر پیام، مقدار وزن و نیز تغییرات آن است، نمودار زیر پیشنهاد می‌شود.

23 food habit 3 2

در نمودار بالا، برای نمایش میزان تغییر وزن، یک نمودار ستونی رسم شده است. به دلیل اینکه کاهش وزن یک عدد منفی است، رنگ قرمز برای آن انتخاب شد. میزان کاهش نیز مجددا با یک مثلث وارونه در بالای میله‌ها نمایش داده شد تا خوانش آن سخت نباشد.

البته در این مورد به خصوص، به نظر می‌رسد که به دلیل تعدد پیام‌های موجود در این شکل، نمودار ترکیبی فوق کاربردهای خاص‌تری داشته باشد. این خود یک نکته است که تعداد پیام‌هایی که در یک نمودار به تصویر کشیده می‌شود، بایستی محدود باشد. وگرنه خوانش آن را کمی پیچیده می‌کند.