Многие производственные компании, в особенности работающие в сфере FMCG, заинтересованы в анализе своей доли на рынке, в сравнении с конкурентами. Для этого необходимо решить две задачи: вначале — получить «данные с полей», а точнее, из торговых точек, сетей, супер и гипермаркетов, причем со всей территории, где продается продукция; а затем, проанализировать полученный массив данных и выработать рекомендации для бизнеса.
Выполнить первую задачу, как правило, своими собственными силами — очень сложно / затратно, поэтому для сбора и предобработки данных производственные компании прибегают к услугам специализированных маркетинговых аналитических агентств. В данной статье мы не будем упоминать конкретные имена агентств, равно как и компанию-Заказчика, для которой мы выполнили проект по анализу «внешних» данных, полученных Заказчиком от агентства. А вторую задачу, то есть непосредственно анализ полученных от агентства данных, уже вполне по силам, при наличии соответствующих ИТ-инструментов для анализа данных. Данная статья посвящена решению именно этой задачи.
Итак, источниками данных является выгрузка из «куба данных» агентства (это внутренняя система, в которой хранятся предобработанные данные по рынку, в необходимых разрезах), и Excel — файлы самого Заказчика (внутренние расчеты). Общее количество строк данных в выгрузке за 3-хлетний период — порядка 250 млн. строк, но, поскольку часть иерархий были не нужны для анализа, поэтому была выполнена фильтрация источника данных, с помощью ETL-инструмента KNIME Analytics Platform, в результате «выжимка» из куба получилась на 20 млн. строк. В каждой строке данных содержится несколько десятков полей, причем, поскольку это куб, то за каждой строкой стоит агрегат. Для визуального анализа данных использовался Bl-инструмент Tableau, соответственно, результатом работы KNIME был Нурег-экстракт, — формат, нативный для Tableau.
Ввиду больших объемов, и KNIME и Tableau установлены на серверном ИТ-оборудовании (десктопы и ноутбуки не подходят, так как не хватает оперативной памяти). Стоит также отметить, что ввиду вычислительной сложности, традиционные «строчные» реляционные СУБД не справлялись с нагрузкой.
Ниже приводится краткое описание некоторых из ключевых дашбордов.
Дашборд 1. Executive Summary
Дашборд состоит из двух частей — левая и правая. Рассматриваются 2 линейки продукции (назовем их «линейка 1» и «линейка 2»), а также суммарный показатель по двум линейкам. Далее, в данных имеются цифры по Заказчику, и по всей категории продукции на рынке (то есть, по конкурентам Заказчика на том рынке, на котором он работает). Кроме того, рассматриваются ключевые бренды Заказчика, и показатели предварительно рассчитаны (маркетинговым агентством) в разрезе этих брендов. Смысл правой части дашборда — сравнивать себя, меняя периоды сравнения (за 4 недели, за 16 недель и т.п.), проверяя появившиеся у аналитиков гипотезы.
Есть несколько верхне-уровневых показателей — Value (деньги) и Volume (килограммы), есть показатель Market Share (доля рынка) и Market Share (pp) change (изменение доли рынка в процентах) за период. В качестве периодов возможно выбрать Chosen Period (например, MAT+1M — это скользящий год плюс 1 месяц = 13 месяцев), а также задать месяц сравнения (например, февраль 2022). В правой части отчета - Last 4W (последние 4 недели), помимо этого есть Last Month, Last 16W, Year-to-Date (от начала года до даты), 12 месяцев и 13 месяцев. В левой и правой частях один и тот же набор фильтров по периодам — базовому и периоду сравнения.
Резюме:
В сравнении с предыдущим инструментом анализа (Excel), у Заказчика появилась возможность динамического переключения между периодами сравнения — то есть, вместо якорного месяца «февраль 2022» можно выбрать «декабрь 2021», и не требуется перепрограммирование отчета либо ручное копирование показателей в Excel. Это существенно экономит время аналитика, необходимое для проверки гипотезы либо рекомендованного им управленческого решения, так как ранее, например, для получения двух срезов по выбранным якорным месяцам необходимо было разработать 2 отчета (два отдельных Excel-файла), и далее визуально / вручную сравнивать показатели. Добавьте к рутинной работе риски человеческого фактора (ошибки при составлении отчета), и получите неверные гипотезы.
Дашборд 2. Performance Overview
Данный анализ относится к анализу продаж, в разрезе каналов сбыта, регионов, брендов и SKU продукции Заказчика. Сбор исходных данных выполняется специализированным маркетинговым агентством, процесс и методология сбора являются его ноу-хау.
Дашборд состоит из 3 частей: левая верхняя — KPI по каналам сбыта (гипермаркеты, супермаркеты и т.д.), левая нижняя — KPI по регионам, и правая — таблица показателей по брендам Заказчика и SKU. Все показатели в левой части также рассматриваются с точки зрения Value (деньги) и Volume (килограммы продукции).
Причем, левые части дашборда являются фильтрами для содержимого правой таблицы — она является детальной таблицей, в которой в разрезе брендов и SKU показана выручка за период (Value Chosen Period), прирост/падение выручки за период в процентах (Value Sales Growth), и аналогично — продажи и прирост/падение продаж в килограммах. Ключевая функциональность данного дашборда, у пользователя есть возможность выбора канала продажи (кликом на визуализации), в результате чего происходит фильтрация огромной детальной таблицы исходя из выбранного канала сбыта. Аналогично устроена фильтрация по регионам продаж. Для этого не требуется писать какие-либо формулы или программировать, привлекая программиста, аналитику достаточно кликнуть мышью на необходимые ему канал сбыта или регион.
Дашборд 3. Price evolution
Рассматриваются показатели Price Index и Price per kg, в динамике по месяцам года. Ячейки окрашиваются в рамках конкретной строки (одна строка — один производитель), чтобы видеть повышение или снижение индекса по месяцам. Благодаря окраске видно повышение или снижение цены, по каждому из производителей (в разрезе брендов и SKU по каждому производителю), то есть, когда тот или иной производитель-конкурент делает промо-акции со снижением цены.
Дашборд 4. Price comparison
По оси X — цена за 100 грамм, а по оси Y — точный вес конкретной SKU. Точка на визуализации показывает статистику по каждому SKU, с учетом заданных фильтров.
Фильтры:
В дополнение к стандартным фильтрам по выбору периодов сравнения и якорного месяца, существует возможность фильтрации как по регионам продаж, так и по каналам сбыта; дополнительно, фильтрация по линейке продукции (как мы помним, в анализе участвуют «линейка 1» и «линейка 2», а также суммарные показатели по обеим линейкам продукции) и типу упаковки (размер и материал — например, бумажная, пластиковая либо металлическая). Дополнительно, существует возможность выбора списка брендов для сравнения, а также отдельного выбора брендов для построения вертикальных референсных линий.
Резюме:
Таким образом, данный дашборд позволяет выполнить детальный сравнительный анализ собственной продукции (с точностью до SKU и типа/веса упаковки) с продуктами конкурентов. Согласитесь, серьёзное подспорье для маркетологов?