Анализ и обработка данных компании как способ повышения ее прибыльности

Abstract

UK: В статье рассмотрен пример ведения и анализа статистики продаж компании с целью формирования на его основе и реализации алгоритмов подготовки данных для эффективной работы моделей продаж. Выделены факторы, оказывающие влияние на изменение объема продаж товара, необходимых для построения в будущем факторной модели прогноза прибыли. В процессе исследования использовались методы обработки данных, такие как фильтрация, работа с пропущенными, аномальными и зашумленными значениями, выявление зависимых факторов. Для фильтрации данных применен алгоритм Левенштейна как один самых распространенных для сравнения строк. На реальных данных демонстрируется эффективность реализованных алгоритмов с точки зрения перспектив ее реализациив современных системах управления торговлей. Рассмотренный пример реализации обработки данных можно применить для произвольного товарного ряда других предприятий сферы розничной и оптовой торговли за счет неизменности архитектуры разработанного инструмента анализа. Это может значительно удешевить и упростить анализ данных для среднего бизнеса, а также сбор, хранение и анализ статистики.

UK: У статті розглянуто приклад ведення та аналізу статистики продажів компанії з метою формування на його основі та реалізації алгоритмів підготовки даних для ефективної роботи моделей продажів. Виділено чинники, що впливають на зміну обсягу продажів товару, необхідних для побудови в майбутньому факторної моделі прогнозу прибутку. У процесі дослідження використовувалися методи обробки даних, такі як фільтрація, робота з пропущеними, аномальними значеннями, виявлення залежних чинників. Для фільтрації даних застосовано алгоритм Левенштейна як один із найбільш розповсюджених для порівняння рядків. На реальних даних демонструється ефективність реалізованих алгоритмів із погляду перспектив її реалізації в сучасних системах управління торгівлею. Розглянутий приклад реалізації обробки даних можливо застосувати для довільного товарного ряду інших підприємств сфери роздрібної та оптової торгівлі за рахунок незмінності архітектури розробленого інструменту аналізу. Це може значно здешевити і спростити аналіз даних для середнього бізнесу, а також збір, зберігання та аналіз статистики.

EN: The article considers an example of maintaining and analyzing statistics of company sales. This issue plays an important role in modeling, as the parameters of the model are completely determined by the data. The paper aims at conducting an analysis of the relevant statistics, forming following it and realizing the algorithm of data pre-processing for the effective performance of sales patterns. The authors analyze the shortcomings of the automated accounting system used in the company from the point of view of entering and storing statistical data that flow in the company. The factors affecting the change in sales volume of goods necessary to build a factor model of profit forecast in future are identified. The statistics, which are used in this paper, are collected for the period 2015 – 2019. The data volume is 51510 records. Since the data structure is factor one in its general form, and one cannot approximate such data, the records have missing values. It is shown that the renewal of missing values by virtue of traditional approximation methods is impossible, taking into account the specifics of the sample under consideration. The effectiveness of the implemented algorithms for filtering, parsing and binding of the input data in terms of the prospects for its implementation in the modern trade management systems is demonstrated on the basis of actual data. To solve the problems of the incoherence of input data, the requests originated from the automated accounting system are analyzed to convert the data into a single format for their subsequent binging on sales and product returns. The concern of the heterogeneity of data is handled by filtering that allows the authors to identify similar records related to the same object and combine them. The authors use the Levenshtein algorithm, as one of the most widespread for strings comparison, for filtering data. The article describes a tool which is implemented in C# programming language for working with dictionaries. The presented data processing is applicable to an arbitrary product range of other retail and wholesale enterprises due to the firmness of the architecture of the developed analysis tool. The above can significantly reduce the price and simplify data analysis for medium-sized businesses as well as the collection, storage and analysis of statistics.