Комментарии 8
Это значит, что в магазине были дни, когда товаров из ключевых категорий либо не было на полках, либо было недостаточное их количество.

А еще это может значить, что в один или несколько дней был весьма резкий рост продаж. Например: у нас за месяц (30 наблюдений) ежедневно наблюдается от 200 до 250 продаж. Тогда среднеквадратическое отклонение будет чуть меньше 15, если в один из дней число продаж становится равным 500, то среднеквадратическое отклонение увеличится примерно в три раза, а среднее арифметическое почти не изменится.
согласен, это случается когда-то кто-то затарился на свадьбу и тд. Но обычно падение продаж более вероятно чем прирост.
Достаточно полезно и информативно. Особенно к месту графики и таблица, чтоб уж точно все поняли, о чем речь идет.
Статья хорошая, но тема сосисок не раскрыта: ритейлеры сами добиваются больших колебаний продаж, иначе не удержишь проходимость на должном уровне, а покупателям подавай что-нибудь новенькое.

Хочется увидеть вдумчивый анализ корреляции продаж с товарным запасом, фейсингом, изменением планограмм, акциями (своими и конкурентов), проходимостью, национальными праздниками в т.ч. постом и разговеньем, температурой за бортом, курсами валют, датами выплат зарплат и погашения НДС…
Эта статья была только о нахождении колебаний продаж. Скоро напишем еще несколько статей о факторах которые влияют на продажи — наполнености товарных категорий, сезоности, ценевой политике и тд и т.п. Тут несколько наших кейсов datawiz.io/ru/blogs11/
На мой взгляд в презентации не хватает главного — цифр
Придумайте какой-нибудь пример и визуализируйте эффект, покажите прогноз или нахождение неэффективности и т.д.
Было бы не плохо первым шагом нарисовать динамику продаж на графике и совместить это с графиком средней.
Разброс бы был виден визуально.
После этого уже в качестве подкрепления визуального анализа проводить математическое обоснование.
Я понимаю, что это небольшой пример со стандартными (несезонными) товарами и за короткий промежуток времени, но при анализе на большом промежутке необходимо рассматривать такие вещи как сезонность продаж и тренд

Только полноправные пользователи могут оставлять комментарии. Войдите, пожалуйста.
Информация
Дата основания

1 ноября 2013

Местоположение

Украина

Сайт

datawiz.io

Численность

11–30 человек

Дата регистрации

12 декабря 2014

Блог на Хабре