Диссертация (1026464), страница 17
Текст из файла (страница 17)
Закупка товараЦена закупки у поставщика, юаникурс доллар/ юанькурс доллар/ рублькурс юань/ рубльЦена закупки у поставщика, руб.доставка, % от закуп. ценытаможня, % от закуп. ценыСебестоимость/ шт.Наценка цена/ себестоимостьСебестоимость проданного, руб.Показатель4. Финансовый результатВаловая прибыль/ шт.Валовая прибыль по акцииВаловая прибыль, % продажПланФактфактпланфакт/план, +/-5,0 М95%4,8 М12%570 т40%228 т5,3 М93%4,9 М10%469 т46%216 т0,3 М-2%0,1 М-2%-101 т6%-12 т+5%-2%+3%-20%-18%+15%-5%2,0%4 5602,2%4 7430,2%183+10%+4%80%3 6481,3 т87%4 1361,2 т7%488-0,1 т+9%+13%-9%План2,59,1 т5 00010%4 50011,3 т41,0 МПланФакт2,49,8 т5 45012%4 79611,4 т47,1 МФактфактплан-0,1250,7 т4502%2960,1 т6,1 Мфактпланфакт/план, +/-5%+8%+9%+20%+7%+1%+15%факт/план, +/-3006,535,05,41 6153036,435,45,51 6643-0,10,40,149+1%-1%+1%+2%+3%10%20%2 1322,019,4 М11%21%2 2362,122,0 М1%1%1030,12,5 М+10%+5%+5%+4%+13%ПланФактфактпланфакт/план, +/-1 6811 829148+9%15,3 М18,0 М2,6 М+17%44%45%1%+2%109Дляупрощенияописанияиспользуемогоподходарассмотримфакторную модель без учета референтного анализа, повторных рассылок ивозвратных покупок по начисленным бонусам.
На практике приведеннуюмодель можно расширить и дополнить в зависимости от задач конкретногоанализа. Для примера рассмотрим первые 2 шага в модели разложения пофакторам (см. Таблицу 11.). Анализ будем проводить от результирующегопоказателя к началу факторной модели.Таблица 11.Первые 2 шага в модели разложения по факторамВаловая прибыль по акции15,3 М18,0 Мфактплан+2,6 МВаловая прибыль/ шт.Продажи, шт.Число покупокШтук в чеке1 6811 829+148+1,4 М+9%9,1 т3 6482,59,8 т4 1362,4+0,7 т+488-0,13+1,2 М+2,1 М-0,9 М+8%+14%-6%ПоказательПланФактвлияние влияниена ВПна ВП, %+2,6 М+17%Шаг 1: разложение отклонения факта от плана валовой прибыли пофакторам первого порядка:,Результат разложения:110Шаг 2: дальнейшее разложение отклонения от план валовой прибылифактора «продажи, шт» по факторам более низкого порядка.,Результат разложения:Шаг N: Дальнейшие шаги разложения осуществляются аналогичнопредыдущим.Применив описанные выше расчеты ко всем шагам факторной модели,получим результат разложения прироста итоговой валовой прибыли по всемфакторам (см.
Рис. 31).111Валоваяприбыль поакции+17%Валоваяприбыль/ шт.+9%Продажи, шт.+8%Число покупок+14%Число заказов+4%Перешли насайт-6%Писем открыто-21%Писемотправлено+3%Клиенты+5%Штук в чеке-6%%выкупаемостизаказов+9%% Конверсиясайта(переходы ->заказы)+10%% Писемоткрыто ->перешли насайт+15%Ср.цена товара(со скидкой)Себестоимость/ шт.+15%Ср.цена товара(без скидки)+21%-6%Скидка%-5%Цена закупки упоставщика,руб.-4%курс юань/рубль-3%курс доллар/рубль-1%доставка, % отзакуп. цены-1%таможня, % отзакуп.
цены-1%Цена закупки упоставщика,юани-1%курс доллар/юань-1%% Писемотправлено ->открыто-24%% Клиенты ->письмаотправл.-2%Рис. 31. Результаты разложения валовой прибылирекламной кампании (почтовой рассылки) по факторамНа основе проведенного анализа видно, что наибольшее влияние наизменение общей валовой прибыли (+17%) оказывают факторы «%открытияотправленных писем» (план 12%, факт 10% – негативное влияние -24% отитоговой валовой прибыли), «средняя розничная цена товара без скидки»(план 5000 руб, факт 5450 руб.
– положительное влияние на +21%).Воспользуемся матрицей ответственности. Из таблицы видно, что пофактору «%открытия отправленных писем» ответственным является группадизайна коммуникаций, и им нужно значительно улучшить показатель.
Дляэтого необходимо нарабатывать базу "удачных" привлекательных заголовков112писем, которым клиенты наиболее вероятно доверяют и открывают, непомечают как нежелательную почту. По фактору «средняя розничная ценатовара без скидки» ответственным является группа товарного менеджмента.Т.к. факт превзошел плановое ожидание по показателю – им необходимо вбудущих подобных email-рассылках скорректировать акцент в товарномпредложениинаболеевысокийценовойсегмент,востребованныйпокупателями. И в целом при достаточно высоком среднем чеке по акции –уделить больше внимания составляющей «качество» в коммуникации «ценакачество».Визуальноепредставлениерезультатовфакторногоанализарекламной акции мультиканальной торговой сетиДля обеспечения эффективного использования разработанного подходасотрудниками подразделений, вовлеченных в процесс email-кампаний –необходимо подобрать удобный способ визуализации результатов факторногоанализа.
Главные критерии – высокая скорость восприятия разнымименеджерами, в т.ч. интуитивно понятное выделение факторов, оказавшихнаиболее негативное и положительное влияние на результат; а такжекомпактное представление, чтобы иметь возможность оперативно сравниватьвлияние факторов по различным группам и категориям email-кампаний.Одним из видов удобной визуализации факторного анализа являетсяводопадная диаграмма (см. Рис. 32), построенная на относительномизменении результирующего показателя.113+40%+30%% выкупаемости Штукзаказовв чеке+20%+10%-Клиентская % отправл.% конверсия% открытобазасайта%переходы-2%насайт-24%+5%+10%Ср.цена/ шт Скидка%(без скидки)Себест-ть/ шт-5%+21%∆ Валовой-6%прибыли+17%+9%-6%+15%-10%-20%Рис.
32. Водопадная диаграмма визуализациифакторного анализа ассортиментаВодопадная диаграмма позволяет получить представление о ключевомзначимом факторе за более короткий промежуток времени. Также удобносмотреть «накопленный» эффект от последовательного влияния факторов.Корректировканареферентныйанализрекламнойакциимультиканальной торговой сетиКак уже было сказано выше – по каждой акции собирается 3 версиикаждого KPI: план, факт, референт. Где «план» – целевые значения,установленные перед реализацией акции; «факт» – реализованные KPI.Отдельно отметим «референт».
Данная поправка применяется при анализекампаний в мультиканальных продажах. Референтная выборка создается,чтобы «очистить» результаты акции от «наведенного» влияния другихмаркетинговых каналов (ТВ, радио, СМИ, наружная реклама, реклама вторговых точках компании, контекстная реклама онлайн и т.д.). Иначевыводы об успешности акции будут искажены.
Например, при запуске emailрассылки одновременно со стартом федеральной ТВ-кампании, кажущиесяхорошие результаты по рассылке скорее всего сильно завышены из-завлияния ТВ (по результатам анализа на примере нескольких крупныхмультиканальных торговых сетях – наведенное влияние может доходить до90% результата!). Выборка из клиентской базы, отобранная для реализации114рассылки, делится на 2 части случайным образом (чаще всего в пропорции90%/10%):1. «основная», по которой реально отправляются письма и2.
«референтная», по которой письма не отправляются.Т.к. выборка делится случайным образом, и при большом объемерассылки (на уровне нескольких миллионов адресов), можно говорить ободинаковом распределении типов клиентов между двумя подвыборками.Полученный по основной части рассылки % отклика (число заказавших отчисла отправленных писем) – уменьшается на % отклика по референтнойчасти, т.е. результат, наведенный другими маркетинговыми каналами.Скорректированный таким образом % отклика можно считать достовернымвлиянием рассылки на результат продаж. Отметим, что определениепропорции деления между основной и референтной подвыборками зависитот объема рассылки и %конверсии.
Определяется числом конверсийреферентной подвыборки, достаточной для определения достоверноститеста. При небольших неконверсионных рассылках может быть 50%/50%,при больших и конверсионных до 98%/2%. В итоге пропорция определяетсяизвестными методами эконометрики.Завершимрассмотрениетеоретическойчастиразрабатываемогокомплекса поддержки принятия управленческих решений в крупныхкомпаниях розничной торговли. В предыдущих главах описан подход канализу (в т.ч.
сформирован набор моделей и маршрутов анализа),предложена модифицированная схема управления. Поэтому перейдем кпрактическомуэтапу:описаниювыбораинструмента,реализующегоразработанные подходы и методы, а также опишем проект внедренияданного инструмента, подробно описав возможные риски при внедрении ипути их нивелирования для достижения наилучших результатов длякомпании.115Глава 3. Проектвнедрениямногомерногооперативногофакторного анализа в мультиканальных торговых сетях3.1. Зарубежный опыт и российская практика внедрениябизнес-аналитики в розничной торговлеПеред началом разработки проекта по внедрению системы поддержкипринятия решений необходимо изучить передовой мировой и отечественныйопыт по решению данного вопроса и проанализировать типичные ошибкипри внедрении.
В западном розничном бизнесе инструменты бизнес-анализадавно используются, однако постепенно в ходе своего развития российскиеторговые сети «догоняют» западные и копируют у них бизнес-технологии[26]. В течение последних лет стабильный интерес к BI-решениям в Россиинаблюдается в типично высоко конкурентных отраслях, таких как розничнаяторговля, финансы, дистрибуция, фармацевтика и телекоммуникации. Этосвязано с тем, что вышеперечисленные компании накопили значительныемассивы данных (десятки терабайт) и благодаря современным BI-решенияммогут интегрировать все корпоративные данные для эффективного анализа ипринятия решений. Далее приведем примеры успешного построения системинтерактивного анализа и управленческой отчетности в крупных компаниях.Успешные внедрения в миреМасштабные внедренияCisco Systems: число пользователей >20 000 чел.
+ 500 высшихруководителей компании, сотрудники отделов продаж, маркетинга,финансов, HR, инженерный состав.116UPS: Число пользователей аналитической системы после внедрения BIвозросло с 2 700 до 10 000 человек. Хранилище состоит из 12 терабайтданных.RBC Royal Bank: Более 3 000 пользователей, Более 20 Тб данных.LinkShare: Более 1 000 000 он-лайн пользователей, более 10 Тб данных.IBM: Более 60 000 пользователей.Быстрые внедренияHoneywell: 800 пользователей менее чем за 90 днейBaxter BioScience: Внедрение за 120 днейVerizon business: Более 3000 пользователей, 3 месяцаPfizer: 4 месяца, 1200 пользователейMicrosoft: Внедрение за 100 дней, 6500 пользователейОтрасли применения приложений бизнес-аналитикиНа Рис.
33 приведены примеры крупнейших международных компаний,внедривших бизнес-аналитику. Как можно видеть, в каждой из отраслейлидеры рынка имеют в своем арсенале приложения бизнес-аналитики.Рис. 33. Крупные компании, внедрившие Business Intelligence (по отраслям)117Успешные внедрения в РоссииПриведем примеры успешного построения систем интерактивногоанализа и управленческой отчетности в крупных российских компаниях набазе ведущих продуктов Oracle BI, Microstrategy от консультантов IBS,КРОК, S&T, ФОРС.
Примеры, рассмотренные в данной работе, приведены вформате «Заказчик» – «Продукт» – «Консультант».ОКБ «Сухого» (авиастроение) – Oracle E-Business Suite – IBS Количество показателей: ~100 Количество систем: 3 Проектная команда: 5 Автоматизированных рабочих мест – 600. К моменту полногозавершения проекта будет автоматизировано более 1000 рабочих мест. Продолжительность: 12 мес.ОАО «Сургутнефтегаз» (добыча нефти, газа) – Oracle BI – IBS Количество показателей: ~1000 Количество систем; 7 Продолжительность внедрения: 5 мес. Проектная команда: 4 чел.ОАО «Интер РАО ЕЭС» (электроэнергетика) – Oracle BI – IBS Количество показателей:~600 Количество отчетов: ~70 Файлов в месяц: ~5 тыс.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
