Продовольственный ритейл Дальнего Востока. Регион несетевой розницы. Виктор Ерукаев

статистики: распределение множества независимых или слабо зависимых значений склонно иметь распределение вероятностей, близкое к нормальному. Чем же хорошо для нас нормальное распределение? Прежде всего отличными возможностями математического моделирования. Посмотрим на график поближе:

      Рис. 3. Распределение вероятностей совокупных продаж в торговой сети из 20 магазинов.

      Не вдаваясь в подробности описания закономерностей нормального распределения вероятностей, остановимся только на понятии среднеквадратичного отклонения, которое обозначается греческой буквой σ (сигма). Нам нужно знать, что среднеквадратичное отклонение легко считается в Exсel или в 1С и позволяет достаточно точно вычислить интервал заданной вероятности. К примеру, отклонение от среднего значения на ±σ позволяет задать интервал, в который с вероятностью 68,27% попадут наши значения продаж, а в отклонение от среднего значения на ±2σ задают интервал, в который попадут 95,45% всех наших замеренных значений продаж. То есть достаточно постоянно знать свои среднесуточные продажи, например, за последние 3 месяца и, если они укладываются в нормальный закон распределения (а это совокупные продажи не менее 20 магазинов), постоянно в автоматическом режиме вычислять среднеквадратичное отклонение, чтобы понимать, какой должна быть величина нашей «подстраховки» – страхового запаса товара – для обеспечения заданного уровня доступности товара для покупателя. В случае, если мы задаем уровень доступности 95% (для товаров повседневного спроса и для самых высокомаржинальных товаров), нам нужно держать запас товара в размере среднесуточных продаж плюс страховой запас в размере двух среднеквадратичных отклонений. И это уже математика, а не угадывание спроса на основе опыта товароведа или продавца, отбивающегося от натиска очередного торгового представителя поставщика.