Как оформлять данные для анализа продаж

На сайте Сообщества E-xecutive была недавно открыта дискуссия, посвященная анализу продаж. Начал ее Вадим Петриченко. Он попросил у сообщников совета как научить руководителей отделов продаж и супервайзеров (кураторов продаж) анализу, чтобы, образно говоря,  из чисел делать слова. Т.е. анализировать данные и делать выводы на будущее.

Тема достаточно интересная и объемная. Но сегодня мы остановимся только на одном вопросе, а именно — как оформляются данные для анализа продаж.

Автор выложил свой файл в общий доступ, где можно увидеть, как были оформлены  данные изначально (полностью его можно скачать )

Есть несколько замечаний по поводу этих данных. Главное — они неудобные, сложные, громоздкие.

Мы предлагаем свой вариант с комментариями.

Возьмем только первую таблицу. Посмотрим исходный вариант, а потом разберем,  как можно представить данные по-другому.

Это и будет частью ответа на вопрос — как научить руководителей отделов и супервайзеров анализировать данные и делать выводы. Ведь первый шаг в анализе — представить данные таким образом, чтобы их можно было легче и быстрее читать, чтобы выбрать наиболее значимые показатели, чтобы с их помощью можно было увидеть те или иные тенденции и т.д.

Кому это может быть интересно? – Тем, кто выстраивает систему анализа продаж, и в целом – выстраивает саму систему продаж, где анализ выступает как одна из важных составляющих

Исходный вариант  таблицы:

Первая таблица у Петриченко

Эту картинку можно увеличить, чтобы лучше рассмотреть. Для этого просто кликните на ней.

Отредактированный вариант таблицы

Таблица Петриченко в другом оформлении

Что изменилось

В первую очередь мы упростили таблицу и вместо трех показателей — «Сумма», «Прирост» и «Доля» — взяли только один — «Сумма».

И во-вторых, это позволило добавить к таблице диаграмму, которая сделала все данные очень наглядными.

Здесь сразу видно, что продажи первого товара резко упали, третий и так находится на уровне нуля, и только второй товар постепенно увеличивает обороты.

Увидеть это в первой, не отформатированной таблице, довольно таки сложно. А во второй — достаточно одного взгляда.

В этом и состоит преимущество — на то, чтобы заметить те или иные особенности, тенденции, достаточно несколько секунд.

Правила оформления данных

Пользуясь этим примером можно предварительно сформулировать некоторые общие правила оформления данных

Первое правило мы уже упомянули выше — не нужно в таблицу включать много показателей. Достаточно одного — главного.

Если же все показатели важны, то лучше сделать несколько отдельных простых таблиц.

Простая таблица, в свою очередь, позволяет использовать и диаграмму.  И наоборот, сложные таблицы практически не поддаются визуализации.

Следующее правило — временную шкалу лучше располагать по горизонтали в названиях столбцов. Это соответствует нашей с вами психологии восприятия, когда текст читается слева направо, и время воспринимается как текущее по горизонтальной линии тоже слева направо.

И наоборот, в первоначальной таблице время расположено по вертикали (номера недель). Так мало того, что время здесь воспринимается абстрактно, так эти номера недель еще и три раза повторяются. Отсюда, на смысловом уровне мы имеем еще и фрагментирование данных, т.е. они воспринимаются отдельными блоками, каждый со своими временными периодами. В целостной же картине есть общая ось временных координат.

Разные виды анализа

Пришла пора сказать, что есть и разные виды анализа.

Тема эта практически не рассматривалась в профессиональной литературе. Поэтому мы выступаем первыми, кто берется за ее разработку.

Итак, мы выделяем как минимум два вида анализа. Возможно их и больше, но пока достаточно отчетливо можно выделить два.

Просмотровый (текущий, оперативный, операционный, процессный) анализ

Первый вид анализа — это просмотровый, текущий, оперативный, операционный  или процессный анализ. Такое обилие терминов пока, увы неизбежно, поскольку тема еще не разработана и так или иначе приходится пользоваться различными смысловыми ассоциациями.

Анализ как просмотр

«Просмотровый» означает, что чаще всего такой анализ представляет собой просмотр данных. Информация при этом обычно организована в виде списков записей, таблиц. И весь анализ сводится к тому, чтобы найти определенную запись и посмотреть ее содержание. А для удобства нахождения записей используются технические сервисные функции — поиск, сортировка, фильтр (отбор).

Главной единицей анализа является запись. При этом, что характерно, эта запись или строка может содержать в себя большое количество значений (полей). И каждое такое значение есть определенный показатель.

Где такой анализ применяется? — Как правило на уровне повседневной, текущей, оперативной деятельности. Отсюда и соответствующие названия-ассоциации.

Здесь же близко и термин «операционный«, поскольку рассматриваются отдельные операции. Например, конкретные оплаты, конкретные отгрузки и т.д.

Близок по смыслу и термин — «процессный» анализ. Т.е. вместо операций речь идет о процессах, как о некоторых базовых действиях.  Сюда можно отнести выписку счета, оформление договора, заполнение базы о клиентах и т.д. В ряде случаев различить операции и процессы бывает трудно и поэтому они используются как синонимы.

Основной смысл такого анализа — найти ту или иную запись и просмотреть, напомнить ее содержание. Например, когда была произведена отгрузка, что было отгружено, кому, на какую сумму, по какому документу и т.д.

Справедливости ради надо сказать, что в таком анализе есть и некоторые другие функции. В частности, сравнение записей между собой, какие-то оценки. Например, кому больше отгрузили, где больше маржинальная прибыль и т.д.

Но для проведения таких аналитических операций здесь нет инструментов, все делается просто на глаз. В таких списках записей, например,  зачастую даже отсутствуют итоговые цифры — сколько всего, предположим, было отгружено. Оно и понятно, поскольку разрабатывались эти таблицы на основании документов и нужно было просто отразить в общем списке содержание нескольких полей этих исходных документов. А выведение итоговых значений — это уже другая техническая операция для разработчика (программиста)

Поэтому сравнение чаще всего проводится следующим образом — смотрится значение определенного поля в определенной записи, затем выбирается значение такого же поля в другой записи. Например, сколько отгружено клиенту А и Б, или сколько продано товара 1 в 52 неделю, и сколько продано того же товара в 53 неделю.

Когда записей немного, то это в принципе не сложно. Но если записей сотни, а то и тысячи, то делать сравнения очень трудно. Поэтому обычно ограничиваются сравнением между собой некоторых записей, отобранных по каким-то признакам.  Сравнение ситуации в целом здесь как правило невозможно, потому что  данные не позволяют этого делать.

Дерево значений

Еще один характерный признак просмотрового анализа — дерево значений. Он пришел из бухгалтерских учетных систем. Образец можно видеть в той же исходной таблице, которую мы здесь разбираем. Там каждый «Товар» разбивается на 3 подгруппы значений по номерам недель.

И это опять же делается для удобства просмотра. Т.е. создается некая группа, а к ней несколько подгрупп (иерархия). Затем в общем списке документов к одной строке группы прописывается несколько строк значений подгрупп.

Для просмотра это удобно, но для другого вида анализа, о котором речь пойдет дальше, это очень редко используется, поскольку там такое деление данных усложняет восприятие.

Большое количество данных

Наконец, еще один характерный признак просмотрового анализа — это большое количество данных. Это может быть и большое количество показателей (столбцов, полей) и большое, а то и очень большое количество записей (строк)

Пользователи

Подобный просмотровый анализ, как правило выполняют менеджеры, сотрудники отделов. Это и понятно, потому что именно им нужны его результаты в их повседневной текущей работе. Руководители отделов и предприятий тоже иногда пытаются анализировать такие данные, но происходит это главным образом по причине отсутствия других аналитических инструментов.

Стратегический (сводный, целостный, управленческий) анализ

У второго вида анализа также пока несколько вариантов названия.

Сводные данные

Начнем с понятия «сводный«. Это означает, что в таблице выводятся уже не все подряд записи, а осуществляется группировка значений и выводятся сводные данные.

Например, если это просмотровый анализ, то в таблице выводятся все строки, в которых указывается сколько денег заплатили нам клиенты за определенный месяц. За основу берутся документы оплаты — входящие платежные поручения. При этом на одного и того же клиента может быть несколько записей, поскольку он мог платить несколько раз в месяц

В таблице же сводного анализа данные одного и того же клиента суммируются и в таблице на каждого клиента выводится только одна строка.

В такой таблице мы уже можем сравнивать между собой не записи (документы), а клиентов как таковых.

Это первая характерная особенность данного вида анализа — здесь в большинстве случаев используются сводные данные. В предыдущем, просмотровом анализе наоборот — чаще всего данные представлены полным набором имеющихся записей.

Целостное видение ситуации

Вторая особенность — целостность видения ситуации. Что это означает? — Когда мы просматриваем отдельные записи, то мы не видим ситуацию в целом, мы видим только ее отдельные фрагменты.

Продолжим пример с таблицей оплат. Мы их уже сгруппировали и видим сводные данные по клиентам. Но и в этом случае список клиентов может быть очень большим — несколько сот строк. И его тоже сложно анализировать на уровне целостной ситуации.

Тогда производится дальнейшее укрупнение данных, а именно — выполняется группировка по категориям, видам, типам и т.д. В частности, одним из наиболее популярных и часто используемых способов укрупнения данных является группировка клиентов по принципу новый это клиент, или «старый», в том смысле что предприятие с ним уже работало раньше.

Таким образом, здесь всего две категории, они легко умещаются в таблице и позволяют построить простую и наглядную диаграмму.

Раньше, при большом количестве записей, мы могли видеть в таблице только их определенное количество, которое умещается в видимую часть таблицы на экране монитора. При этом оценить общую ситуацию весьма затруднительно, поскольку значений много, они разные и привести их на глаз к какому-то общему знаменателю практически невозможно. Как уже говорилось ранее, здесь возможно только сравнивать между собой отдельные записи. В разбираемом примере это клиенты.

В случае же, когда у нас в таблице всего две строки по двум укрупненным группам клиентов мы видим сразу все данные по ситуации. Здесь опять мы делаем сравнение между записями, но уже совсем на другом уровне.

Например, ранее мы могли увидеть, что клиент А купил у нашего предприятия товаров на 50 000, а клиент Б — на 80 000. Во втором же случае мы можем увидеть, что новые клиенты закупили у нас товаров на 100 000, а «старые» — на 300 000.

Сравните по смыслу:

1. О чем могут говорить данные, что один клиент купил больше второго?

2. О чем могут говорить данные, что «старые» клиенты покупают больше, чем новые?

И в том, и в другом случае мы, конечно же, можем выдвинуть определенные предположения, гипотезы, почему это так происходит. Но во втором случае такие предположения будут гораздо более глубокими, насыщенными более значимой информацией.

Если же взять другой срез анализа — товары — то там вариантов укрупнения гораздо больше, чем по клиентам. Исторически это сложилось в силу того, что в первых учетных программах основное внимание уделялось именно товарам и их описанию, где справочник «Номенклатура» был всегда гораздо более развит структурно, чем справочник «Контрагенты».

Другое дело, что практически во всех случаях такие группировки для укрупнения данных создавались не с целью последующего анализа, а для удобства выписки соответствующих документов — накладных, счетов и т.д. Здесь нужно было в основном быстро найти тот или иной товар в общем справочнике. Отсюда иерархическая структура построения таких справочников или «дерево значений».

Более того, группировки номенклатуры могли быть неудобны не только для анализа, но и для разных категорий пользователей. Например, отдел снабжения использует подходы классификации в связке с таможенными кодами, производство больше интересуют технические характеристики материалов, бухгалтерия учитывает требования налоговой к наименованиям материалов, а руководству нужны такие параметры анализа (группировки материалов и готовой продукции), с помощью которых они могли бы находить дополнительные возможности для увеличения оборота, повышения рентабельность и т.д.

Формальный признак целостности

Возвращаясь к характеристике «целостности» можно отметить следующую ее формальную особенность, а именно — что при целостном видении ситуации все анализируемые данные, как правило, визуально расположены в видимой области рабочего окна программы.

Другими словами, если перед нами таблица, которая не умещается на экран монитора, то скорее всего мы не имеем возможности анализировать ситуацию в целом, либо такая возможность существенно затруднена. И наоборот, если на экране видна сразу вся таблица (с итоговыми строками и столбцами), или диаграмма, то можно с гораздо большей долей уверенности считать, что анализ выполняется на уровне видения целостной ситуации.

Это чисто внешний визуальный признак, который тем не менее тесно связан с особенностями человеческого восприятия и мышления. Если мы что-то видим полностью, значим мы воспринимаем это целиком.

Анализ «сегодня — вчера — завтра»

Очень важной особенностью второго вида анализа является то обстоятельство, что при анализе текущих данных, т.е. данных сегодняшнего дня, неизбежно возникает необходимость сравнения их с данными предыдущих периодов. Это позволяет оценить динамику продаж, увидеть их возможные особенности и тенденции. Например, если в данном текущем месяце предприятие продало товаров на 500 000, то неизбежно возникает вопрос — это хорошо или плохо? Это больше или меньше, чем в предыдущие месяцы? Куда двигаются продажи — они увеличиваются, падают или остаются на одном и том же уровне?

И далее, с той же неизбежностью возникают вопросы о ближайшем будущем — что будет происходить с продажами в следующем месяце? Будут ли они больше или меньше? Можно ли на них повлиять и каким образом? И т.д.

Управление

Еще одна характерная особенность, вытекающая из предыдущей — управление ситуацией. Заглядывание в будущее, прогнозирование и планирование неизбежно приводят к процессам воздействия на продажи, к управлению ими.

И в этом отношении подобный анализ тесно связан с управлением продажами. Причем в обоих направлениях — анализ приводит к  управлению, и наоборот, управление продажами требует постоянного их анализа.

Стратегичность анализа

В целом, такой анализ проводится именно с позиции разработки планов действий, стратегии деятельности на ближайшее будущее. Поэтому в качестве одного из терминов и используется «стратегический».

В ходе такого анализа всегда есть определенная цель. И как правило, это типовые вопросы для любого предприятия — как увеличить оборот, как увеличить рентабельность и т.п.

Вторая группа частых вопросов — где у нас узкие места, где мы теряем — деньги, время и т.д. Своевременное нахождение таких заторов позволяет предпринимать действия по их устранению.

Эти две группы типовых вопросов можно даже назвать следующим образом — «где мы можем найти» и «где мы теряем»

Сам процесс анализа в этих случаях во многом напоминает научное исследование — в данных выявляются те или иные особенности, выдвигаются гипотезы о причинах их возникновения, затем гипотезы проверяются. Если предположение подтверждается, оно используется в дальнейшей работе, если нет, то цикл продолжается дальше.

Зачем нужно различать виды анализа

Такая дифференциация помогает понять, каким образом могут оформляться и представляться исходные данные с учетом конечной цели анализа.

Если конечная цель просмотровый анализ, то  используются стандартные способы – таблицы с полным набором записей.

Если же цель – стратегический анализ, поиск ресурсов для повышения оборотов, рентабельности, устранение узких мест и т.п., то необходимо придерживаться определенных правил представления исходной информации. Оформленные подобным образом данные будут более эффективно способствовать решению поставленной задачи.

Кроме того, выявление и детализация подобных различий в видах анализа помогает создавать и настраивать программные инструменты для анализа

Приложение: Пример оценки сырых данных с точки зрения возможности их оформления для более детального анализа

В этом приложении приводится пример оценки исходных, сырых данных с использованием вышеупомянутой таблицы Вадима Петриченко.

На живом примере показана последовательность рассмотрения данных и их представления с целью последующего редактирования.

Адресуется как возможная схема аналитикам продаж (Sales Analyst), руководителям отделов продаж, специалистам в области контроллинга и др.

Структура исходной таблицы: строки, столбцы (поля), значения и показатели

Рассмотрим вначале содержание таблицы

Товары

Первый вопрос — что это за товары? В самой таблице об этом не сказано, но путем дополнительных изысканий в карточке автора удалось узнать, что компания занимается продуктами питания.

Мимоходом можно отметить, что для тех людей, которые с этими данными работают, этот вопрос вопросом не является, им это и так понятно. Но со стороны такое уточнение никогда не бывает лишним, потому как у каждого товара есть свои характерные особенности продаж.

Периоды

И на следующем шаге мы как раз с этими особенностями прямо и сталкиваемся. А именно, в таблице собраны данные по недельным продажам. У автора это называется «понедельные объемы реализации». Такое деление по временным периодам (неделя) характерно именно для продуктов питания. Во многих других случаях в качестве временного периода для анализа используется календарный месяц.

Первый столбец таблицы — «Подгруппа»

Первый столбец таблицы включает в себя значения «Товар 1», «Товар 2» и «Товар 3». Опять же, здесь не указаны конкретные товары, но нам пока это и не нужно. Тем более, что зачастую такие данные предоставляются в общий доступ немного зашифрованными

Второй столбец — «Нд»

Следующий столбец скорее всего означает «Неделя». Значения в этом столбце — 52, 53 и 2. Скорее всего это номера недель, и если это так, то речь идет о двух последних неделях года и одной после нового года.

Правда здесь пропущена 54-я неделя. Но тому есть два возможных объяснения — либо в последнюю неделю эти товары уже не продавались. Что, однако маловероятно, потому как продукты питания под Новый год продаются очень даже хорошо. Единственное исключение, если это какие-то специфические продукты.

Второе объяснение, что календарь года сложился таким образом, что в нем оказалось не 54 недели, как обычно, а 53. Тоже не часто встречается, тем более, что почти всегда пару дней 54-й недели бывает. В целом, если 52 и 53, значит пусть так и будет. Хотя, если все-таки 54-я неделя пропущена, то на практике это может говорить о некоторых сложностях в сборе данных.

Наконец, 2-я неделя после Нового года нам говорит о том, что первая пропущена, значит, скорее всего и 54-я тоже пропущена по каким-то внутренним соображениям. Возможно, это какие-то не розничные, а оптовые предприятия, которые на новогодние праздники закрывались.

В целом, по периодам. Возможно, это просто пример для внешней аудитории. Для внутренней работы в текущем режиме он тоже подойдет. Но все равно обращает на себя внимание, что период какой-то не ровный, рваный — две недели там, одна неделя здесь.

Стороннему наблюдателю хотелось бы увидеть данные, предположим, за весь декабрь и за весь январь. Но что поделать, данные есть такие, какие они есть. В любом случае с ними нужно работать. В реальной практике такое случается, причем нередко.

Третий столбец таблицы — «Сумма»

В третьем столбце авторской таблицы приводятся данные, судя по названию, сумм продаж.

И здесь уже начинаются беглые размышления. Так, в частности, обращает на себя внимание, что продажи первого товара резко упали на 53-й неделе, примерно если на глаз то в 4 раза. А потом, сразу после Нового года припали еще немного.

Второй товар, наоборот, на 53-й неделе немного поднялся и этот подъем продолжился и на 2-й неделе после Нового года.

Наконец, третий товар повторил практически судьбу первого — резкий спад на 53-й неделе (примерно в 6 раз). Но есть и одно отличие — суммы продаж этого третьего товара вообще очень маленькие.

По ходу еще одно замечание к данному столбцу, что вглядываться в эти данные довольно сложно. Т.е. это уже первое, что может отбивать у людей охоту к какому-то анализу данных. Именно эти детали мы и постарались изменить в своем варианте оформления данных во второй таблице.

Столбец (поле) «Прирост»

Это поле вызывает очень неоднозначное впечатление. Смысл его как бы понятен — прирост продаж по сравнению с предыдущим периодом.

Но — этот показатель пришел из бухгалтерского учета, где он очень популярен. Например, если посмотреть бухгалтерские отчеты, то можно увидеть, что там практически нет диаграмм, т.е. визуального представления данных. Используются только таблицы, причем очень большие, с огромными количествами строк и полей.

Анализировать такие таблицах можно только в ограниченных объемах. И в подавляющем числе случаев это просто сравнение записей по одному и тому же параметру за разные, рядом стоящие, временные периоды

Происходит это именно потому, что там в бухгалтерских данных, а за ними в экономических и финансовых, чуть ли не весь анализ есть анализ просмотровый. И прием сравнения записей один из немногих аналитических алгоритмов, который там может хоть как-то использоваться.

Но пойдем дальше и рассмотрим сами значения в этом поле (столбце). Прежде всего интересует формула расчета этого прироста (попутно отметим, что таблица представлена в формате Word, хотя обычно это делается в Excel, где можно увидеть используемые формулы)

По логике прирост должен рассчитываться как сравнение текущей недели с предыдущей, т.е. на сколько увеличились, например, продажи на 53-й неделе по сравнению с 52-й.

И цифра 27,16% для первого товара на 53-й неделе воспринимается именно как величина, на которую продажи увеличились. Но на самом деле, если посмотреть абсолютные значения в предыдущем поле «Сумма», то окажется, что продажи, наоборот, упали.

И тогда получается, что это не прирост как таковой. В лучшем случае это можно назвать «отрицательным» приростом, но тогда очень желательно использовать знак минуса.

Но лучше всего было бы назвать поле не «Прирост», а «Доля от предыдущего периода», т.е. сколько продаж на 53-й неделе по отношению к продажам 52-й. Такое название  более точно отражает смысл данных в этом поле.

И еще, первая цифра для каждого товара равна 100%. Это чисто механическая цифра, связанная с началом отсчета. Т.е. предыдущий месяц принимается за ноль, тогда следующий автоматический получает 100%.

Эти технические сложности, которые встречаются очень часто при любом анализе. Тем не менее, в данной таблице мы получаем три ячейки практически с ничего не значащими данными.

В целом, оптимальным решением будет вообще отказаться от этого поля. Понятно, что руководство хочет видеть динамику продаж, но в данном варианте реализации сделано это очень неудобно. Тем более, что на предложенной нами диаграмме динамика продаж видна очень наглядно.

Поле «Доля»

Показатель «Доля» довольно часто используется в анализе  данных о продажах. Но в данном случае сразу и не поймешь, о каких долях идет речь? Можно было бы, например, рассчитывать долю продаж каждого товара за неделю по отношению к общей сумме продаж этого же товара за три недели.

Но в исходной таблице представлены данные по долям продаж каждого товара по каждой неделе в общей сумме продаж всех трех товаров за все три недели.

Такая, излишне подробная детализация, не помогает, а, наоборот, усложняет анализ. Даже прочитать два предыдущих предложения уже сложно.

Поэтому, на наш взгляд, можно достаточно безболезненно построить таблицу без этого показателя. В крайнем случае посвятить ему отдельную простую таблицу.

Общий список рекомендаций по оформлению данных

Данные рекомендации используются в том случае, когда нужно выполнить именно стратегический, управленческий анализ данных по продажам.

1. Не используйте в таблице сразу много показателей, выберите 1 главный.

Стройте простые таблицы вместо сложных.

Другие показатели можно рассматривайте в отдельных таблицах.

Показателями обычно считаются данные о суммах, количествах  продаж, прирост, прибыль, рентабельность и т.п.

2. В обязательном порядке используйте диаграммы.

Простые таблицы позволяют это сделать.

Визуальное представление данных во многих случаях оказывается более эффективным для анализа, чем длинные таблицы.

3. Шкалу временных периодов располагайте по горизонтали слева-направо.

Для анализа продаж обычно используется деление на календарные месяцы. Но для некоторых видов товаров могут использоваться и другие периоды — неделя, квартал и т.д.

Временные периоды не являются показателями, это календарные координаты продаж.

3. В строках таблицы обычно размещаются параметры или срезы анализа.

Чаще всего это товары или клиенты. Отсюда названия отчетов зачастую выглядят следующим образом — «анализ продаж по товарам» или «анализ продаж по клиентам»

Используйте

4. Названия строк и столбцов должны быть простыми и понятными.

5. Точно также должны быть понятны алгоритмы, формулы расчета показателей.

Различают показатели первичные и вторичные (расчетные).

Первичные показатели — те, которые вносятся в таблицу вручную или автоматизированно из базы данных, расчетные — рассчитываются уже на основе данных в таблице.

В приведенном выше примере первичным показателем является «сумма», вторичными — «прирост» и » доля»

6. В таблицах практически всегда должны быть итоговые строки и/или столбцы.

В них могут указываться суммы, средние, медианы, моды и другие значения, характеризующие совокупность данных в целом.

7. Каждая таблица строится с учетом конечной цели анализа.

Если это просмотровый анализ, то достаточно вывести общий список записей.

Для сводного стратегического анализа необходимо укрупнить исходные данные и представить их с учетом настоящих рекомендаций

Цель анализа помогает также решить проблему выбора в случаях  с большим количеством данных и возможными способами их анализа.

8. Стратегический анализ предполагает наличие определенных вопросов, задач, которые должны быть решены путем анализа данных.

Эти вопросы могут формулироваться предварительно, либо по ходу оформления данных.

Данные для анализа при этом строятся таким образом, чтобы подтвердить или опровергнуть гипотезу о причинах тех или иных событий.

9. Практически всегда конечной целью анализа данных о продажах является поиск ресурсов (резервов, возможностей) для увеличения объемов продаж или  маржинальной прибыли

Об авторе Сергей Дмитриев

CEO компании "Веспол"
Запись опубликована в рубрике Информация с метками , , , . Добавьте в закладки постоянную ссылку.

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *