Корректировка статистики : Математика и методы анализа товарных ресурсов

Приветствую.

Появился вопрос по-поводу корректировки статистики. Необходимо мне для корректной работы анализов, в том числе АВС, XYZ и Inventor :D . Например, пришел клиент и заказал (то есть: запрос поставщику, согласование цен, согласие, отгрузка) годовую потребность продукта, товар пришел и его отгрузили, но в статистике будут неадекватные суммы... кто не помнит, тот обязательно закажет этого продукта побольше - он же ходовой!

Интересует:
1. Выделение таких нетипичных продаж (методология). Только к книжкам не надо направлять, сам читаю и есть мысли по-этому поводу. Хочу узнать как это в практике работает.
2. Как реализуется в УП коррекция статистики. Если у Вас "1С", то было бы хорошо увидеть пример пошагово.
Если все в Excel - то тоже хотел бы увидеть пошаговость.

Вадим, вижу никто не торопится отвечать.
Мне лично еще не приходилось автоматизировать корректировку статистики, т.к. не было необходимости. Да и в 1С ничего для это не сделано, так что все нужно разрабатывать с 0. Я бы начал с того, что такие "необычные" продажи проводил бы отдельным видом документа или как минимум обычным документом с доппризнаком. Таким образом при дальнейшем анализе ты сможешь в отборе задавать нужно выводить такие продажи в отчет или нет. Как же отделить нетипичные продажи из уже имеющейся статистики - вопрос не из легких, зависит от того, какими данными ты располагаешь. Быть может получится отделить такие данные на уровне докуметов? Если нет, то придется подумать над математикой, какие продажи считать в твоем случае нетипичными и как их выделить из общей массы.
Вообще, вопрос довольно интересный, быть может Валера нам даст более конкретный ответ.

[ Пошаговая очистка от пиковых продаж в Excel ] - там алгоритм больше, но его начало как раз посвящено очистке данных от нехарактерных всплесков спроса и от ситуации, когда продажи не осуществлялись из-за дефицита. По дефициту тебе блок не подойдёт, если ты хочешь получить историю спроса по месяцам и потом прогнозировать на несколько месяцев вперёд с учётом тренда и сезонности. А вот всплески уберутся этой методикой - отлично. В учётной программе можно реализовать такой же алгоритм расчёта, а можно сделать в накладной свойство "под заказ". Соответственно, если осуществляется такая продажа, то продавец ставит галочку в это поле, и тем самым запускает автоматизированный механизм заказа и резервирования под эту отгрузку необходимого товара. А у тебя появляется возможность очистить статистику от таких отгрузок всего одной строчкой в условии отбора накладных:

Валера, интересный и простой подход, вот бы его проверить на реальных данных.
Все же, Вадим, мы с Валерой сходимся в том, что неплохо бы организовать учет таких случаев на будущее при помощи меток в документе продажи.

А вот что касается анализа прошлых данных:
при анализе частоты покупки определенного количества товара скорее всего придется работать с интервалами, а не с конкретными цифрами (если говорить не о ручной обработке, а об автоматизации). Как интервал задать (тех количеств, что являются нетипичными)? Может из частоты, например, если количество случаев продаж всех количеств товара в интервале (анализируем от наибольшей разовой продажи к наименьшей) продается меньше чем N раз в неделю (в месяц)? Или проданное количество превосходит средний остаток товара в точке продаж (т.е. происходит обнуление товара или произошло бы, если бы не привезли такое количество именно под заказ)? Какие еще идеи есть?

Т.к. метод от издержек хранения применить можно не всегда,а иногда необходимо иметь товар в ассортименте, чтобы другой продавался (я о рознице), то нужно покумекать над признаками нетипичности...

Вадим, если на своих данных опробуешь это - опиши вкратце что у тебя вышло.

Я уже проверял - всё работало отлично! ;) И метод хорош именно тем, что мы адекватно реагируем на изменение ситуации - если появляется несколько крупных клиентов по позиции и становится выгоднее продавать больше, то мы начинаем закладывать на склад с учётом этих продаж. И наоборот.

На самом деле перед тем, как придумывать инструмент, нужно понять, а что он должен отлавливать. Я назвал "нетипичными" такие продажи, которые мне не выгодно обслуживать со склада, чтобы не путаться, я даже переименовал их в "заказные". И свой инструмент изобрёл для вылавливания именно заказных продаж. Вадим, что подразумеваешь под "нетипичными продажами" ты? Дай определение нетипичной продажи, чтобы по нему можно было однозначно выделить её из всего ряда продаж.

Приветствую!
Спасибо за ответы!

Для меня нетипичные продажи - это продажи не характерные для данного товара за период... как-то так. Необходима данная информация для построения заказа, чтобы закупщик не затупил.

Влера, вопрос касается срококв обработки твоим анализам - как он вычисляется или эспертно?
Не понял в файле "Количество раз, включая большие значения".

Про галочку уже давно думаю, но есть "но" - это человеческий фактор. Один поставит, другой забудет, не успеет, не знает и т.д. Поэтому появился вопрос о вычленении таких продаж с помощью математики.

Определение расплывчатое. А что если анализировать продажи не по дням, а внутри дней по документам (клиентам)? В рознице за раз мало кто покупает несколько единиц одного товара (есть, конечно, такие товары в мелочевке, но это немного не тот случай). Тем более что тебе нужно выхватывать эти моменты в группах АХ, ВХ, АУ, ВУ - правильно?
Таким образом мы можем отдельно анализировать продажи чистые розничные и "странные" розничные. Если динамика "странных" розничных продаж выглядит стабильно, то и париться не стоит. В противном случае нужно думать, как очистить статистику. По-моему, идея неплохая, что скажете?

Валера пока спит, отвечу на полвопроса за него =)
Это накопительный итог. Эта идея Валеры мне очень понравилась.

По определению - как смог, пока четко не определился.
Можно и так. Мне понравилась больше идея сравнения скорости продаж понедельной и месячной с отклонением в %. Закрепить по группам максимальный % отклонения и вычленять такие продажи.

По скорости продаж можно, вот только при возникновении отклонения как быть? Просто срезать все что выше? Сезонные всплески попадут в эту ловушку.
Если же анализировать так как я выше описал, то сезон - не помеха, просто видим отдельно продажи нормальные и подозрительные. В общем есть над чем подумать, нужно на реальных данных моделировать