Оперативная аналитика — это ваш «мозг» в реальном времени, который подсказывает, какие товары уже летят с полок, а какие «застряли». Без неё вы рискуете либо упустить прибыль, либо завалить склад непроданными позициями. Ежедневный мониторинг и правильные дозаказы позволяют поддерживать оптимальный уровень запасов, повышать оборачиваемость и быстро реагировать на изменения спроса.
| Метрика | Что измеряется | Как рассчитывается | Что говорит о товаре |
|---|---|---|---|
| Продажи в единицах | Количество проданных SKU | Сумма продаж за день | Популярность, наличие спроса |
| Выручка | Деньги, полученные от продаж | Цена × количество | Прибыльность, вклад в общую выручку |
| Средний чек | Средняя сумма чека клиента | Выручка ÷ количество чеков | Уровень расходов покупателя |
| Оборачиваемость запасов | Сколько раз за период товар «прокрутился» | С/Продажи ÷ средний остаток | Эффективность управления запасами |
| Уровень остатков | Сколько единиц товара осталось | Текущий склад + ожидаемые поставки – проданные | Риск дефицита или переизбытка |
| Коэффициент возврата | Доля возвращённых товаров | Возвраты ÷ продажи | Проблемы с качеством/размером |
| Трафик в магазин/онлайн | Количество посетителей | Счётчики входа, веб‑аналитика | Потенциальный спрос |
Совет: Делайте «дашборд» в Excel, Google Data Studio или Power BI, где все эти числа обновляются автоматически из вашей POS‑системы.
Трюк: Если вы работаете в небольшом бутик‑магазине, достаточно настроить автоматический выгруз в Google‑Sheets через Zapier – это бесплатно и быстро.
Пример простого дашборда в Google‑Sheets:
| Дата | SKU | Продажи (шт) | Остаток | Оборачиваемость | Статус |
|---|---|---|---|---|---|
| 16‑06‑2026 | 101 | 23 | 12 | 1.9 | 🟡 |
| 16‑06‑2026 | 102 | 5 | 40 | 0.1 | 🔴 |
| … | … | … | … | … | … |
| Шаг | Действие | Что учитывать |
|---|---|---|
| 1 | Расчёт потребности | Потребность = (Средний дневной спрос × период поставки) – текущий остаток + safety‑stock |
| 2 | Определение safety‑stock | Запас безопасности = (средний спрос × стандартное отклонение) × коэффициент риска (обычно 1,5) |
| 3 | Проверка бюджета | Сумма стоимости дозаказа ≤ доступный кредитный лимит |
| 4 | Согласование с поставщиком | Уточните сроки, минимальный заказ, скидки за объём |
| 5 | Обновление ERP | Введите новый PO (purchase order) и закрепите его за SKU |
Пример расчёта:
- Средний дневной спрос SKU 101 = 20 шт.
- Период поставки = 5 дн.
- Текущий остаток = 12 шт.
- Safety‑stock = (20 × 5 × 0.2) × 1.5 ≈ 30 шт.
- Потребность = (20 × 5) – 12 + 30 = 118 шт.
- Заказываем 120 шт. (округляем до кратного упаковки).
Код‑пример (Python) – расчёт потребности:
import pandas as pd
from sqlalchemy import create_engine
engine = create_engine('postgresql://user:pwd@host/db')
sales = pd.read_sql("""
SELECT sku, SUM(qty) AS sold_last_30d
FROM sales
WHERE sale_date >= CURRENT_DATE - INTERVAL '30 days'
GROUP BY sku
""", engine)
stock = pd.read_sql("SELECT sku, qty AS current_stock FROM inventory", engine)
df = sales.merge(stock, on='sku')
df['avg_daily'] = df['sold_last_30d'] / 30
df['safety'] = df['avg_daily'] * 0.2 * 1.5
df['need'] = (df['avg_daily'] * 5) - df['current_stock'] + df['safety']
df['order_qty'] = (df['need'] / 10).apply(lambda x: int(x+1)*10) # округляем до упаковки 10
df[['sku', 'order_qty']].to_csv('reorder.csv', index=False)| Ошибка | Почему происходит | Как исправить |
|---|---|---|
| Слишком высокий safety‑stock | Страх перед дефицитом, отсутствие исторических данных | Используйте скользящее среднее и стандартное отклонение за последние 60 дн. |
| Игнорирование сезонных колебаний | Фокус только на текущих цифрах | Сравнивайте с аналогичным периодом прошлого года и учитывайте модные тренды. |
| Отсутствие контроля за возвратами | Считается, что возвраты – редкость | Включайте коэффициент возврата в расчёт safety‑stock. |
| Ручной ввод данных | Ошибки копипасты, задержки | Автоматизируйте импорт через API или ETL‑pipeline. |
| Недостаточная коммуникация с поставщиком | Ожидание «идеального» количества без учёта MOQ | Согласуйте минимальный пакет и сроки заранее, фиксируйте в контракте. |
Расчёт потребности
У вас есть данные: средний дневной спрос = 15 шт., период поставки = 4 дн., текущий остаток = 20 шт., safety‑stock = (15 × 0.2 × 1.5) ≈ 4,5 шт. Какое количество нужно заказать?
Анализ дашборда
В таблице ниже отметьте, какие товары требуют немедленного дозаказа (выделите красным).
| SKU | Продажи (шт) | Остаток | Оборачиваемость | Статус |
|---|---|---|---|---|
| 201 | 30 | 8 | 3.7 | ✅ |
| 202 | 5 | 45 | 0.1 | ❌ |
| 203 | 12 | 6 | 2.0 | ✅ |
| 204 | 0 | 2 | 0.0 | ❌ |
Идентификация причины падения продаж
За последний день продажи SKU 305 упали с 40 шт. до 12 шт. Приведите три возможных причины и как их проверить.
Автоматизация
Напишите псевдокод (или короткую схему) процесса, который каждый вечер будет:
а) выгружать данные из POS;
б) обновлять дашборд;
в) отправлять список дозаказов в Slack.
Контроль качества
Если коэффициент возврата для SKU 410 составляет 7 % (при среднем 2 % по категории), какие шаги вы предпримете?
Ответы пишите в блокноте, а затем сравните с примерами в конце урока.
Итого: ежедневный мониторинг и правильно построенный процесс дозаказов позволяют поддерживать баланс между спросом и предложением, минимизировать излишки и повышать прибыльность вашего fashion‑бизнеса. Применяйте инструменты, автоматизируйте рутину, а аналитический «мозг» будет работать за вас. Удачной практики!