فروش هر یک از محصولات شرکت در ماه‌های آتی چه قدر خواهد بود؟

یکی از مهم‌ترین سوالاتی که از تحلیل‌گران داده می‌پرسند، در مورد پیش‌بینی است. در حوزه فروش، تحلیل‌گران داده بایستی در مورد فروش در ماه‌های آتی پیش‌بینی‌های خود را ارائه دهد تا شرکت برای آن برنامه‌ریزی کند. در این پست، یکی از روش‌های ساده و کاربردی تحلیل و پیش‌بینی سری زمانی فروش را مرور می‌کنیم.

فرض کنید، سری زمانی محصولی را در دست داریم که روند قوی و نوسانات فصلی تکرارپذیر دارد. سری زمانی با این کیفیت، طبق طبقه‌بندی که قبلا در دیتا پارتنرز ارایه کردیم، تا حد خوبی پیش‌بینی‌پذیر است.

37 sales dashboard 1

در پیش‌بینی فروش معمولا از معادله زیر استفاده می‌شود که قادر به نشان دادن روند و نوسانات فصلی نیز هست:

فروش پیش‌بینی‌شده در ماه t = مقدار مبنا + (مقدار روند) * (عدد دوره) + شاخص نوسانات فصلی ماه t

در این معادله چند کلیدواژه داریم:

مقدار مبنا: بهترین تخمین از سطح اولیه (و بدون نوسانات فصلی) سری زمانی در شروع دوره زمانی مشاهداتی. به زبان ساده، معادل مقداری است که نوسانات فروش و تغییرات روند حول آن اتفاق می‌افتد.

مقادر روند: نرخ تغییرات سری زمانی طی هر دوره نسبت به دوره قبلی.

عدد دوره: عدد دوره زمانی مورد نظر نسبت به کل تعداد دوره‌ها.

شاخص فصلی برای هر ماه: این شاخص انعکاسی از نوسانات فصلی ماه‌های مشابه، در ماه ‌پیش‌بینی شده است. مثلا شاخص فصلی ۴ برای ماه اول سال یعنی اولین ماه سال همواره ۴ واحد بیشتر از یک ماه میانگین طی سال است.

در این معادله، مقادیر مبنا، روند و شاخص فصلی برای هر ماه را باید به کمک محاسبات ریاضی تقریب زد به گونه‌ای که پیش‌بینی حداقل خطا را داشته باشد. البته این کار به راحتی  دراکسل و با کمک ابزار Solver قابل انجام است. پس از انجام تحلیل به مقادیر زیر رسیدیم:

37 sales dashboard 2

تفسیر جدول فوق به شرح زیر است:

  • مقدار مبنا در اولین دوره‌ی سری زمانی ۳۷٫۳ واحد است.
  • روند کلی ماهانه افزایشی و معادل ۰٫۵۹ واحد است.
  • ۶ اُمین ماه سال بیشترین و دومین ماه، کمترین تقاضا را نسبت به یک ماه میانگین دارد.

برای اطمینان از اینکه خروجی نهایی، دقت مورد انتظارمان را دارد و نیز تفسیر بهتر مدل، مقادیر انحراف معیار، ضریب همبستگی پیرسون و مجموع مربعات خطا را نیز محاسبه کردیم:

37 sales dashboard 3

تفسیر جدول فوق به شرح زیر است:

  • با احتمال ۹۵% مقادیر پیش‌بینی حداکثر دوبرابر انحراف معیار، ۰٫۷۷۲ واحد، خطا دارند.
  • ضریب همبستگی پیرسون ۰٫۹۸۹ است، یعنی مدلی که برای پیش‌بینی این سری زمانی برآورد کردیم قادر به توضیح ۹۸٫۹% تغییرات در مقادیر فروش است.
  • مجموع مربعات خطا نیز هرچه کمتر باشد بهتر است، اما در واقع برای مقایسه با سایر روش‌های پیش‌بینی به‌کار می‌رود.

حال اگر برای برنامه ریزی به مقادیر پیش‌بینی فروش ماه‌های آینده نیاز داشته باشیم، با کمک فرمولی که ابتدا ذکر کردیم، قادر به محاسبه مقادیر فروش در ماه‎های آینده هستیم. نتیجه را در نمودار زیر مشاهده می‌کنید:

37 sales dashboard 4

این مطلب، پنجمین قسمت از مطالب تحلیل و ارایه داده‌های فروش است. قسمت های قبلی را از اینجا می‌توانید مطالعه کنید: اول، دوم، سوم، چهارم.

تحلیل و ارایه داده‌های فروش – قسمت چهارم

قبل از مطالعه این پست، پیشنهاد می‌کنیم که قسمت‌های قبل سری مطالب تحلیل و ارائه داده‌های فروش را مطالعه کنید (قسمت‌های اول، دوم و سوم). در بخش چهارم از این سری، به تحلیل سری زمانی به عنوان یکی از وظایف تحلیل‌گران داده می‌پردازیم.

هر سری زمانی معمولا از چهار جزء زیر تشکیل شده است:

روند (Trend): این که فروش شرکت به صورت میانگین در بلندمدت چه قدر رشد یا افول داشته است؟ شکل زیر، نمونه‌ای از یک سری زمانی دارای رشد در بلند مدت است. به این معنی که اگر از نوسانات مقطعی این سری صرفنظر کنیم، در بلند مدت فروش آن شرکت بیشتر شده است. در شناسایی روند در نمودار فروش دقت کنید که روند در بلندمدت تغییر نمی‌کند.

35 sales dashboard 1

نوسانات فصلی (Seasonality): رشد یا افول سری زمانی در دوره‌های منظم را، نوسانات فصلی می‌گویند. مثلا فروش بلیط یک شهربازی، در پنجشنبه‌ها نسبت به سایر روزها بیشتر است. این افزایش در فروش که هر پنجشنبه به صورت منظم رخ می‌دهد، یک تغییر فصلی می‌گویند. بنابراین با توجه به اینکه کوتاه‌ترین فاصله منظم تغییرات، یک هفته است، یک فصل سری زمانی برابر با یک هفته است.

تغییرات ادواری (long-run cycle): به نوسانات تکرارشونده با دوره طولانی‌تر از یک فصل از سری زمانی، تغییر ادواری می‌گویند. مثلا رفتار سری زمانی بلیط فروشی یک شهربازی، در تابستان‌های هر سال مشابه هم است و نسبت به سایر ایام، بیشتر است. از آنجا که یک فصل از سری زمانی، هفته است و تغییرات تابستان به تابستان بیشتر از یک هفته است، یک تغییرات ادواری می‌گویند. بنابراین یک تغییر ادواری بلیط فروشی در شهربازی، ۵۲ هفته (یک سال) طول می‌کشد. البته هر سری زمانی می‌تواند دارای چند تغییر ادواری باشد. مثلا در همین سری زمانی، رفتار سری زمانی در نیمه شعبان‌ها یکسان است. بنابراین یک تغییر ادواری برای نیمه شعبان‌ها نیز دیده می‌شود. چنانچه تغییرات تاسوعا و عاشورای هرسال نیز برای سری‌های زمانی یک تغییر ادواری است.

تغییرات نامنظم (stochastic): تغییراتی که قابل پیش‌بینی نیستند و نظم و الگوی خاصی ندارند. یک تحلیل‌گر پیش از هر چیز بایستی کلیه روند‌های کلی، فصلی و تغییرات ادواری را کشف کند. آنجه باقی می‌ماند، بایستی هیچ روندی نداشته باشد و نتوان هیچ دلیلی برای آن کشف کرد. هر گونه تغییر روندی در سری زمانی که می‌توان دلیلی برای آن ذکر کرد را بایستی در یکی از مفاهیم بالا جا داد.

بنابراین مهم‌ترین گامی که یک تحلیل‌گر در تحلیل سری زمانی فروش بایستی بردارد این است که هر یک از تغییرات و روندها را تشریح کرده و میزان آن را تحلیل کند. یک تحلیل‌گر بایستی برای هر سه روند بلندمدت، فصلی و ادواری وضعیت خود را با وضعیت مطلوب مقایسه کند. فرض کنید که روند بلندمدت سری زمانی نشان می‌دهد که به صورت متوسط ۲% رشد داشته است. حال بایستی به سوالات زیر پاسخ داد:

  • آیا این رشد ناشی از افزایش طبیعی تقاضای کل این محصول در بازار بوده و یا اینکه موفقیت در فعالیت‌های بازاریابی شرکت موجب افزایش فروش شد؟
  • همزمان با ما، آیا رقبا عملکرد بهتری در گرفتن بازار داشته‌اند؟ و آیا در همین دوره، ما می‌توانستیم بهتر عمل کنیم و فروش خود را بهبود دهیم؟
  • در صورتی که همین روند ادامه یابد یا اینکه ما بتوانیم این روند را بهبود بخشیم، آیا شرکت ظرفیت لازم برای پاسخگویی به مشتریان را دارد؟ برنامه برای جذب منابع کافی صورت گرفته است؟ نیروی کار ماهر و مناسب داریم؟ کانال توزیع ظرفیت افزایش فروش دارد؟
  • میزان فروش شرکت به چه عواملی وابسته است و با چه متغیرهایی همبستگی معنادار دارد؟ کدام یک از آن عوامل بیرونی است و کدام یک از آن عوامل را شرکت می‌تواند کنترل و برنامه‌ریزی کند؟

بنابراین به طور خلاصه، یک تحلیل‌گر داده بایستی لیستی از تغییرات بلندمدت، فصلی و ادواری تهیه و کلیه ویژگی‌های آن را ثبت کرده و با وضعیت مطلوب مقایسه کند. البته در همین بخش، یک گام دیگر باقی می‌ماند که در بخش‌های بعدی به آن پاسخ می‌دهیم: میزان فروش شرکت به چه عواملی وابسته است و با چه متغیرهایی همبستگی معنادار دارد؟

تحلیل و ارایه داده‌های فروش – بخش سوم

پیش از این در مورد ساختار و ویژگی‌های داده‌های فروش توضیح دادیم. ضمنا سوالاتی را که یک تحلیل‌گر داده بایستی از روی داده‌های فروش به آنها پاسخ دهد را ارائه کرده‌ایم. در این قسمت، با تحلیل سری زمانی فروش، به بخشی از سوالاتی که مطرح شده بود، پاسخ می‌دهیم.

قبل از آغاز تحلیل، سری زمانی را بایستی آماده کنیم. قبلا، در مطلبی توضیح دادیم که ماهیت یک سری زمانی در تحلیل آن موثر است. مثلا سری زمانی درآمد یک شرکت مشاوره که به صورت میانگین، هر ۴ ماه یک بار درآمدهای خود را وصول می‌کند، بایستی با میانگین موزون تعدیل شود. برای جزئیات این موضوع، به پست مربوطه مراجعه کنید (+).

سری زمانی داده‌های فروش شرکت مروارید مربوط به نوشیدنی‌های گرم به شرح زیر است. فرض کنید که سری زمانی فروش این شرکت آماده و نوسانات غیرقابل تفسیر آن حذف شده است. حال بایستی نوسانات غیرعادی را شناسایی و آن را به صورت جداگانه تحلیل کرد. هر گونه افت یا رشد غیرعادی سری زمانی، بایستی تحلیل و علت آن کشف شود. همان طور که در شکل زیر می‌بیند، در یک ماه، فروش شرکت در یک کالای خاص به شدت افت داشته است.

31 sales dashboard 1

رشد غیرعادی

همانطور که ملاحظه می‌کنید، این سری زمانی در ماه دی دارای رشد غیرعادی است. با مشاهده این رفتار غیر عادی، دانستیم که «چه اتفاقی رخ داده است». حال بایستی به این سوال پاسخ داد که «چرا این اتفاق رخ داد؟» در این مورد خاص، می‌توان (به عنوان مثال) گفت که به دلیل فصل سرما و تعطیلات زمستانه (کریسمس)، رفتن مردم به کافه و محیط‌های تفریحی به ناگاه افزایش پیدا کرده است. بنابراین فروش نوشیدنی‌های گرم حتی نسبت به ماه‌های سرد دیگر نیز افزایش خاصی داشته است.

پس از شناخت علت رشد ناگهانی، چه باید کرد؟ در گام اول باید پرسید که آیا شرکت از موقعیت رونق بهره کافی را برده است؟ یا اینکه فروش آن نسبت به سایر شرکتهای رقیب، رشد کمتری داشت؟ بنابراین هر رشدی، موفقیت نیست. بلکه ممکن است شکست باشد.

سپس باید پرسید که آیا این اتفاق در هر دوره یا سال تکرار می‌شود؟ مثلا تعطیلات زمستانی هر سال تکرار می‌شود؟ یا هر چند به صورت منظم اتفاق نیافتد، ممکن است مجدا تکرار شود؟ در این صورت بایستی برنامه‌ریزی مناسب را برای افزایش رشد فروش در دوره‌های مشابه انجام داد.

افت غیرعادی

همانطور که در نمودار بالا دیده می‌شود، در مرداد ماه فروش این شرکت دچار یک افت غیرعادی است. هر چند طبیعی است که در ماه‌های گرم، فروش نوشیدنی‌های گرم دچار افت شود، ولی در مرداد ماه این فروش دچار افت بیشتری شده است. همانند بالا، باید علت این رویداد را بررسی کنیم. پس می‌پرسیم که «چرا این اتفاق رخ داد؟» در این مورد خاص، می‌توان (به عنوان مثال) گفت که به دلیل قرار گرفتن ماه رمضان در میانه تابستان، فروش نوشیدنی‌های گرم با افت مضاعف روبرو شده است.

همانند بالا بایستی سوال کرد که آیا این مساله هر سال اتفاق می‌افتد یا اگر اتفاق منظمی نیست، امکان وقوع آن در آینده وجود دارد یا نه؟ در این مثال می‌دانیم که ماه رمضان در هر سال شمسی، حدودا ده روز زودتر شروع می‌شود. پس بایستی برای کاهش فروش نیز برنامه‌ریزی کرد و آماده بود. برای مقابله با کاهش فروش، می‌توان از استراتژی مختلفی استفاده کرد. دو نمونه به شرح زیرند:

  • متنوع‌سازی: منظور از متنوع‌سازی، فروش یک کالای جایگزین برای پوشش ریسک ناشی از کاهش فروش است. مثلا به جای فروش نوشیدنی گرم، شرکت بر روی نوشیدنی خنک یا بستنی هم سرمایه‌گذاری کند تا در ماه‌های افت فروش نوشیدنی گرم، سطح درآمد خود را حفظ کند. البته این مثال بسیار ساده است.
  • پاداش و انگیزش برای نمایندگان فروش: طبعا در دوران رکود، فروشندگان بایستی ترغیب شوند تا توان بیشتری را صرف بازاریابی کنند.

یک سوال و تمرین: در دوران رونق، چه راهکاریبرای انگیزش بیشتر نمایندگان فروش جهتاستفاده از فرصت رونق استفاده می‌کنید؟

محل مناسب نمایه نمودار در گزارش‌های کسب و کار

در رسم هر نمودار، بایستی از علائم و برچسب‌های مناسب برای تعریف و مشخص کردن معنای هر یک از اجزای نمودار استفاده کرد. یکی از این علامت‌ها، نمایه (Legend) یا نام سری داده‌ها در نمودار است.

30 legend 1

به طور سنتی، ابزارهای تحلیل داده و صفحه گسترده‌هایی مانند اکسل، نمایه را در دو طرف، بالا یا پایین نمودار قرار می‌دهند (همانند شکل بالا). قراردادن نمایه در بیرون از فضای نمودار، باعث ناخوانایین نمودارها است. بهتر است نام هر سری داده در کنار آنها و در قسمت درونی نمودار باشد. نام‌ها بایستی به صورت افقی نوشته شوند تا خوانا باشند. مثلا در نمودارهای ستونی انباشته (stacked column charts)، بسته به فضای مناسب برای نمایش، نمایه در سمت چپ یا راست ستون‌ها قرار داده می‌شود. نمونه‌ای از این نمودار در شکل زیر نمایش داده شده است.

30 legend 2

در نمودارهای میله‌ای انباشته (stacked bar charts)، می‌توان نام آنها را در سطح فوقانی نمودار قرار داد. نمونه‌ای از نمودار میله‌ای انباشته در شکل زیر نمایش داده شده است.

30 legend 3

در نمودارهای میله‌ای ساده، نام سری داده را می‌توان در سمت راست و یا در انتهای خطوط قرار داد. در نمودار خطی نیز به همین شکل انجام می‌شود. نمونه‌ای از جایگاه مناسب برچسب داده‌ها در نمودار خطی در شکل زیر نمایش داده شده است.

30 legend 4

در صورتی که به هر دلیل مجبور به استفاده از راهنمای برچسب داده‌ها بیرون از فضای نمودار هستید، از رنگ‌های روشن استفاده کرده تا تمرکز مخاطب از دست نرود. در نمودارهای دوبعدی که هر دو محور دارای مقدار عددی هستند، می‌توان برچسب داده‌ها را در بیرون از نمودار  قرار داد. برای گروه‌بندی دسته‌های داده‌ها می‌توان از نماد‌هایی در بیرون از نمودار کمک گرفت. نمونه‌ای از این موضوع در شکل زیر نمایش داده شده است.

30 legend 5

رعایت نکات این‌چنینی در مورد اجزا و عناصر مختلف نمودار، منجر به خوانایی بیشتر و انتقال بهتر پیام به مخاطب خواهد شد. سعی ما در دیتا پارتنرز بر این بوده است که مسئله‌ی «ارایه داده» را به موازات «تحلیل داده» پیش ببریم و نشان دهیم که بهترین تحلیل‌ها، بدون ارایه‌ی مناسب، آنچنان که باید اثر مطلوبی بر مخاطب نخواهند داشت. امیدواریم این مجموعه مطالب برای شما مفید بوده باشد.

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.