Корректировка статистики продаж по дефициту и пикам : Математика и методы анализа товарных ресурсов

Коллеги, поделитесь опытом корректировки статистики продаж при дефиците товара и пиковых продажах (выбросах).
Какие значения продаж брать при отсутствии на остатке запаса?
Как отловить пики? На какие значения их заменять?

Вопрос корректировки пиковых продаж обсуждался тут.

Так же можно посмотреть данный пример Корректировки статистики продаж при дефиците и пиковых продажах. Он так же есть тут.

Краткое изложение алгоритма:
1. Сначала корректируем статистику в момент дефицита. Это можно сделать несколькими способами:
- корректировка продаж при "нулевом остатке" ("нулевой остаток" может быть больше 0 в зависимости от особенностей товара, например, в автошинах это < 4шт., т.е. 3шт.)
принимаем продажи при "нулевом остатке" равными среднедневным продажам при ненулевом остатке (если нет отложенного спроса)
или просто среднедневным продажам (если есть отложенный спрос). Отложенный спрос характеризуется всплеском продаж после периода дефицита.
- корректировка продаж при "недостаточном остатке" ниже среднедневной отгрузки. Понятно, что продажи начинают падать еще до того, как запас стал = 0.
в данном случае принимаем продажи при "недостаточном остатке" равными среднедневным продажам при достаточном остатке (если нет отложенного спроса)
или просто среднедневным продажам (если есть отложенный спрос). Отложенный спрос характеризуется всплеском продаж после периода дефицита.
- корректировка продаж при "недостаточном остатке" ниже значимой отгрузки. Понятно, что продажи начинают падать еще до того, как запас стал = 0.
Значимая отгрузка находится в пределах между первым децилем и первым квартилем. Для этого нужно отсортировать статистику по возрастанию продаж.
- корректировка продаж в зависимости от того, какие продажи мы имеем при каком остатке. Метод применим в большей степени для компаний-оптовиков.
Для данного анализа нужна статистика за длительный срок (не менее года, можно разделять на сезон/не сезон), включающая много циклов расходования
запаса (поставок, зубья пилы на графике запасов). Строим график зависимости продаж от запаса и находим участок, где продажи резко возрастают.
Берем соответствующее этому участку значение остатка и считаем, что остаток меньше этого значения является недостаточным.
График будет иметь более одного горба (полином 4 порядка) при частых обнулениях остатка и тип кривой Парето при нормальном обеспечении запасом.
2. После корректировки дефицита корректируем статистику на пики. Это можно сделать несколькими способами:
- с учетом издержек хранения запаса. Метод предложен Валерием Разгуляевым тут viewtopic.php?p=2774#p2774
смотреть файл "Пошаговая очистка от пиковых продаж в Excel"
- с учетом величины и частоты продаж в последнем (возможно + предпоследнем) дециле. Для этого нужно отсортировать статистику по возрастанию продаж.
Наибольшие значения, будут находиться последних децилях. Эти значения принимаем за пиковые и заменяем на:
- наибольшее значение, кроме исключаемых (если нет отложенного спроса)
- среднее значение, кроме исключаемых (если есть отложенный спрос).

Спасибо! Очень понравился файл. Интересная методика с децилями. Должна работать на статистике различных временных промежутков.
Такой вопрос: какой промежуток времени брать для анализа и корректировки статистики на дефицит и пики?
И как быть если товар отсутствовал в наличии очень продолжительное время?
А если у товара есть заменитель, и при отсутствии одного продается другой, как быть в этом случае?

Думаю, нужно подбирать в конкретной ситуации. Если ЖЦТ продолжительный и рынок не испытывает значительных изменений, то лучше взять период побольше (год), и наоборот, если ЖЦТ короткий и рынок постоянно меняется, то нужно брать короткий период 1-3 месяца. Так же можно отдельно анализировать период сезона, т.к. в этот момент продажи намного выше и неправильно будет усреднять всю статистику с учетом сезона.

Задача управления запасами в бесперебойном снабжении. При небольшом дефиците статистику можно восстановить с высоким уровнем достоверности. Чем больше период отсутствия товара на остатке, тем меньше достоверность восстановленной статистики, т.к. могут появляться иные факторы, оказывающие влияние на продажи данного товара (появление аналогов, изменение цен и т.д.). Вывод: нужно стараться, чтобы статистика была достоверной, тогда и проблем будет намного меньше.

Товары заместители можно поместить в группу и анализировать их совместно как отдельную позицию. А дальнейшее планирование производить, декомпозируя общую статистику на каждую конкретную позицию в определенной пропорции или из иных соображений (доходности, условий поставки и т.д.).

Андрей, приветствую!
Статья понравилась, но есть вопросы:
1. Так как Excel занят тестированием "клатерного анализа", то не могу открыть файл в Excel. Заметил что есть одно и тоже понятие "среднедневная продажа", но с разными условиями, я так понимаю, что расчет разный. Прошу объяснить порядок расчетов.
2. Заметил также, что присутствует понятие "отложенный" спрос". Как ты его определяешь и как можно понять, что он присутствует. Считаю, что "Отложенный спрос характеризуется всплеском продаж после периода дефицита" не достаточно для определения.

"Кластерный анализ" - это сила :D
среднедневные продажи при достаточном остатке - суммируем все продажи и делим на количество дней, когда остаток был достаточным для продаж.
просто среднедневные продажи - суммируем все продажи и делим на ОБЩЕЕ количество дней, т.е. учитываем даже те дни, когда товар был на остатке в недостаточном количестве. В Excel евском файле есть все формулы, можно ориентироваться по ним.

Утверждать на 100%, что какая-то покупка является отложенным спросом нельзя. Но если у нас число пиков минимально, как в примере, который я использовал в статье, и эти пики приходятся на момент после дефицита, то мы можем предположить, что это отложенный спрос. Математически их можно отловить так: если день возникновения пика находится после дней дефицита, то это подозрение на отложенный спрос. Так же можно оценить размер: если продажи за "несколько" дней после исчезновения дефицита пиковые, но они меньше, чем среднедневная продажа*(количество дней дефицита+эти "несколько дней"), то это может быть отложенным спросом. Если продажи больше этого значения, то здесь явный пик или его сочетание с отложенным спросом, но это тяжелый случай. Нас же интересуют наиболее подозрительные моменты.
Если получится отловить отложенный спрос, то корректировка статистики будет более достоверной.
Если не получится - то корректируем, предполагая, что отложенного спроса нет.

Если ситуация со спросом у вас значительно не менялась, то чем больше возьмёте период - тем лучше. Если ситуация значительно менялась: сезонный рост или снижение спроса, открытие новых точек, появление сильного конкурента, ... - то период надо будет брать поменьше, но не менее периода в течение которого выгодно хранить товар на остатке до продажи (из моего [ алгоритма расчёта оптимального уровня удовлетворения спроса остатками ]).

Вам в любом случае придётся делать какие-то гипотезы относительного этого времени - я обычно предполагаю, что спрос развивался бы так же, как и развивался до этого - то есть предсказываю спрос в месяца, когда товар отсутствовал, по имеющимся данным или задаю экспертно - тут очень важна цель, для которой это делается. Если для прогнозирования - то надо понимать, что "восстановление" такого спроса - никакой точности в модель не добавит.

У меня бывает проскакивает в расчётах средние продажи в день продажи. То есть если у нас ряд продаж был:
1, 2, 0, 0, 0, 3, 0, 0, 0, 0, 2 - то этот показатель будет равен (1 + 2 + 3 + 2) / 4 = 2.

На самом деле проблема отложенного спроса сильно раздута - на практике ещё ни разу не видел значимого влияния этого явления на временной ряд продаж - и поэтому после проверки этого факта для очередного клиента всегда пренебрегал им. Определить же его очень просто, у тебя есть две случайные величины - спрос в первые дни после дефицита (срок реакции продавцов - обычно от одного дня до недели) и спрос во все остальные дни (за исключением дней самого дефицита) - если эти случайные величины имеют очень близкие значения математического ожидания, то "отложенного спроса" - нет.

Приветствую!
Появился вопрос:
А какой период можно "восстанавливать" в статистике? Есть ли рекомендации?
Например, имеем срок 30 дней, из них 16 дней отсутствие товара на остатке (складской товар).

День 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Остаток 232 224 212 188 172 158 130 118 109 96 75 61 45 17 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Продажи 8 12 24 16 14 28 12 9 13 21 14 16 28 11 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Также хотелось бы узнать почему пики находятся в последнем и предпоследнем дециле (где обоснование к этому)?

При отсутствии 50% данных временного ряда и более качество корректировки снижается, нужно смотреть на конкретных данных. Можно восстановить и такие данные, но только для того, чтобы в будущем не допускать такого дефицита.

Опять же нужно смотреть на конкретных данных. Мы говорим о товарах частого спроса. Если пики и есть, то они будут находиться в последних децилях - это исходит из здравого смысла (достаточно отсортировать любую статистику продаж и посмотреть на результат). А какое количество децилей брать - зависит от ситуации. В опте чаще всего нужно брать два дециля, в рознице хватит и одного, т.к. вариация продаж в опте выше чем в рознице.