Можно прочитать большое количество разной литературы по этим вопросам, но остается непонятным алгоритм действий, который позволит нам анализировать информацию по объектам за короткий промежуток времени.

Займемся расчетами на примере файла Excel (данные на базе foodmart к статистическому пакету Pentaho за 1997 и 1998 года). Предлагаю вам просмотреть видеоурок, а затем, если останутся силы, прочитать теоретический материал, представленный после видеоурока. Материалы для загрузки

Временные метки к видео

Теория

0:30 ABC-анализ
0:55 XYZ-анализ
1:20 Модифицированная BCG матрица
2:17 Описание инструментария и рабочего файла

Практика

2:38 Обработка данных
3:14 Подготовка расчетных столбцов
4:55 Проведение ABC-анализа
6:21 Проведение XYZ-анализа
9:26 Построение модифицированной BCG матрицы
10:44 Визуальное разбиение на кластеры
13:27 Формирование отчета

Можно пройти по ссылке http://youtu.be/Nsr2cT5EY_g (с временными меткими).

Давайте быстро пройдемся по самой сути анализа и модифицированной матрице.

ABC-анализ

Что такое ABC анализ? Это довольно просто. Нужно объекты (например, товары) разделить по 3 группам. Думаю, дальше возникает только единственный вопрос: «как это сделать?». Делают по доле в выручке для объектов.

1. Группа A - 80% выручки и обычно занимает 20% ассортимента.
2. Группа B - 15% выручки, 30% ассортимента.
3. Группа C - 5% выручки, 50 % ассортимента.

Алгоритм:

1. Сортировка товара по выручке.
2. Нахождение доли объекта.
3. Расчет накопительной доли.
4. Отнесение к группе (A, B или C).

XYZ-анализ

Например, мы сделали ABC анализ и выявили наши главные группы. Встает другой вопрос, а какова природа спроса на товар? Это постоянный, сезонный или трендовый спрос? Для этого проводят XYZ-анализ. Суть анализа очень проста: чем больше отклонение выручки от средней величины за определенный период, тем больше товар подвержен изменениям. Расчет показателя «коэффициента вариации» состоит из отношения среднеквадратичного отклонения к средней величине спроса (не буду дальше углубляться в дебри статистики, так как проще почитать другие источники). Группы XYZ-анализа:

• Группа X характеризуется значением коэффициента вариации [0% ; 10%).
• Группа Y характеризуется значением коэффициента вариации [10%; 25%).
• Группа Z характеризуется значением коэффициента вариации более 25%.

Микс двух анализов ABC и XYZ

Микс дает возможность получить более качественный анализ и позволяет построить стратегии закупа или стратегии продаж для сезонов, наиболее подверженных повышению спроса. Далее, как обычно, сошлемся на сайт с доп. информацией на «блог молодого аналитика». Хотя мне лично не очень нравятся выводы по группам, особенно по AZ, ну, да ладно, - это уже дискуссия (которая идет в разрез с направленностью моего блога), зато есть несколько интересных моментов по всем группам, и объяснение, как по группам строить систему страховых запасов. Мы больше сконцентрируемся на расчете ABC и XYZ и на миксе трех анализов ABC, XYZ и BCG. 

Модифицированная BCG матрица

BCG матрица – это разбиение объектов (товаров, групп товаров) по двум критериям (доля товара и его рост). В классической схеме предполагается оценка внешних факторов, которые в России не наблюдаемы, да и статистика по ним может быть не очень корректна. Для мелких компаний может просто оказаться бессмысленной, так как их доли по группам очень малы. Поэтому будем рассматривать модифицированную BCG матрицу.

Что такое модифицированная BCG матрица? Это группировка товаров по двум критериям: первый - это доля, занимаемая объектом в общем показателе выручки, и второй - это рост объекта по внутренним факторам. Здесь мы рассмотрим только основные моменты построения BCG матрицы. Для более полного понимания можно глянуть статейку Игоря Рыбальченко.

Модифицированная BCG матрица подразумевает разделение всех объектов (группы товаров) на четыре группы, учитывая два вышеприведенных критерия (доля в общей выручке и рост объекта):

1. Звезды – группа с высокой долей и высоким ростом.
2. Коровы – с высокой долей и низким ростом.
3. Трудные дети – с низкой долей и высоким ростом.
4. Собаки – с низкой долей и низким ростом.

Алгоритм:

1. Вычислить долю каждого объекта в общей выручке (по ABC-анализу).
2. Оценить динамику тренда (нахождение линейного коэффициента регрессии).
3. Рассчитать показатель роста.
4. Кластеризация (определение групп BCG).

Я нашел два способа расчета показателя роста. Однако у меня как у аналитика есть некоторые претензии к расчету показателей.

Схема 1. Расчет по общему росту (Игоря Рыбальченко). Можно выделить два случая: первый - когда показатель общего роста около нуля, тогда расчет может дать совершенно неожиданные результаты. Второй случай - это отрицательные значения общего роста, которые не освещены в статье. С нулевым значением общего роста можно бороться только изменением алгоритма расчета, а с отрицательными значениями можно использовать модуль общего роста.

Схема 2. Второй расчет - отношение роста объекта к максимальному росту объектов (по модулю). Это будет нормировка. Нельзя брать максимальный рост без модуля, так как при сравнении отрицательных величин большим считается число, с меньшим модулем. Расчет можно взять тут http://www.abc.org.ru/blog/a-vy-ispolzuete-matricu-bkg/.

Предлагаю вам в статьях обнаружить эти упущения.

Учитывая мои замечания рассчитать показатель роста можно следующими способами:

Расчет роста по общей динамике:

A_i - коэффициент тренда i-ого объекта в течение базового периода;
A_0бщ - коэффициент тренда суммарного сбыта за тот же период.

Расчет роста по максимальной динамике объекта:

A_i - коэффициент тренда i-ого объекта в течение базового периода;
n- количество объектов.

Выберем для расчета модифицированной BCG матрицы промежуток времени - два последовательных года. Это сделано из следующих соображений:

1. При помесячном анализе есть большая вероятность сделать неправильный вывод относительно тренда для товаров с сильным сезонным влиянием (перечитываем статью Игоря Рыбальченко и находим соответствующие неточности).
2. Для двух последовательных годов коэффициент линейной регрессии оценивается очень просто и равен приросту.

Кластеризация

Что такое кластеризация и с чем ее едят? Кластеризация - это процесс разделения всего множества объектов (товаров) на кластеры. Теперь разберемся, что такое кластеры. Это множества объектов со схожими признаками. Кластеризация в нашем случает требует разделения множества товаров на 4 кластера (коровы, собаки, трудные дети и звезды) по двум показателям рост и выручка. Ключ к разбиению, как вы догадались, находится в определении групп.

Теперь осталось определить, каким образом можно разделить на кластеры множество:

1. С помощью специальных кластерных алгоритмов.
2. С помощью визуального разбиения на кластеры.

Кластерные алгоритмы доступны в статистических пакетах, а также во многих системах поддерживающих Data Mining. В случае, когда мы используем кластерные алгоритмы, достигаются более объективные результаты. Вот ссылка на пример использования Data Mining алгоритмов (Ссылка).

По двум показателям (рост и  доля) легко можно разбить множество товара на 4 кластера и визуально, но в этом случае разбиение будет очень субъективным. На видео показано именно визуальное распределение по кластерам (группам товаров) (10:44 Визуальное разбиение на кластеры).

В конце рекомендую почитать следующие статьи по BCG:

1. Методологическая статья по BCG http://saminsky.ru/archives/273
2. Методологическая статья по описанию анализа кластеризации нейронными сетями. http://www.basegroup.ru/solutions/scripts/details/bcg/

Классическая bcg матрица:

1. Бостонская матрица http://www.grandars.ru/student/marketing/bostonskaya-matrica.html
2. Матрица BCG http://www.acconcept.ru/science/methods/270--bcg.html
3. Построение матрицы БКГ(BCG) на практике http://www.economic-s.ru/index.php/practice/postroenie-matrix-bcg-na-practice/

• Вконтакте ()
• Google+
• Facebook ( )