Дисперсионный многофакторный анализ представляет собой совокупность различных статистических методов, которые предназначены для проверки гипотез и связи между исследуемыми факторами и определенными признаками, не имеющими количественного описания. Также подобная методика позволяет определить степень взаимодействия факторов и их влияние на определенные процессы. Все эти определения звучат довольно запутанно, поэтому давайте разберемся в них более подробно в нашей статье.
Критерии и виды дисперсионного анализа
Метод дисперсионного многофакторного анализа чаще всего используется для поиска связи между непрерывной количественной переменной и номинальными качественными признаками. По сути, данная методика представляет собой тестирование различных гипотез о равенстве различных арифметических выборок. Таким образом, ее можно рассматривать и в качестве критерия для сравнения нескольких выборок. Однако результаты будут идентичными, если для сравнения используется лишь два элемента. Исследование t-критерия показывает, что подобная методика позволяет изучить проблему гипотез более детально, чем любой другой известный способ.
Также нельзя не отметить тот факт, что некоторые виды дисперсионного анализа базируются на определенном законе: сумма квадратов межгрупповых отклонений и сумма квадратов внутригрупповых отклонений абсолютно равны. В качестве исследования используется критерий Фишера, использующийся для детального анализа внутригрупповых дисперсий. Хотя для этого необходимы предпосылки нормальности распределения, а также гомоскедастичности выборок - равенство дисперсий. Что касается видом дисперсионного анализа, то различают следующие:
- многомерный или многофакторный анализ;
- однофакторный или одномерный анализ.
Не трудно догадаться, что второй рассматривает зависимость одного признака и исследуемой величины, а первый - базируется на анализе сразу нескольких признаков. Кроме того, многофакторная дисперсия не позволяет выявлять более прочную связь между несколькими элементами, поскольку исследуется зависимость сразу нескольких величин (хотя проводить метод намного проще).
Факторы
Задумались о методах проведения многофакторного корреляционного анализа? Тогда вам следует знать, что для детального изучения следует изучить те факторы, которые контролируют обстоятельства эксперимента и влияют на конечный результат. Также под факторами могут подразумеваться способы и уровни обработки значений, характеризующие конкретное проявление определенного условия. В этом случае цифры подаются в порядковой или номинальной системе измерений. Если же возникает проблема, связанная с группировкой данных, приходится прибегать к использованию одинаковых числовых значений, что немного изменяет конечный результат.
Также следует понимать, что количество наблюдений и групп не может быть чрезмерно большим, ведь это приводит к избытку данных и невозможности закончить расчет. В то же время способ группировки зависит не только от объема, но и от характера варьирования определенных значений. Размеры и количество интервалов в анализе могут определяться по принципу равных частот, а также одинаковых промежутков между ними. В итоге все полученные исследования будут указаны в статистике многофакторного анализа, которая должна базироваться на различных примерах. К этому мы еще вернемся в следующих разделах.
Назначение дисперсионного анализа
Итак, иногда могут возникать ситуации, когда необходимо сравнить между собой две или более различных выборок. В этом случае логичнее всего будет применить многофакторный корреляционно-регрессионный анализ, базирующийся на изучении гипотезы и связи различных факторов в степени регрессии. Также название методики указывает на тот факт, что в процессе исследования используются различные составляющие дисперсии.
В чем суть исследования? Для начала два или более показателей разбивают на отдельные части, каждая из которых соответствует действию определенного фактора. После этого проводится ряд исследовательских процедур на поиск взаимосвязи различных выборок и связей между ними. Чтобы более детально разобраться в столь сложной, но интересной методике, рекомендуем изучить несколько примеров многофакторного корреляционного анализа, приведенных в следующих разделах нашей статьи.
Пример первый
В производственном цеху есть несколько автоматических станков, каждый из которых предназначен для изготовления определенной детали. Размер производимого элемента представляет собой случайную величину, которая зависит не только от настроек самого станка, но и случайных отклонений, которые неминуемо будут возникать в результате производства деталей. Но как рабочему определить правильность работы станка, если он изначально производит детали с браком? Правильно, необходимо приобрести такую же деталь на рынке и сравнить ее размеры с тем, что получается во время производства. После этого можно регулировать оборудование таким образом, чтобы оно выпускало детали нужных размеров. И совсем не важно, что имеется производственный брак, ведь он также учитывается при расчетах.
В то же время если на станках будут определенные показатели, позволяющие определить интенсивность регулировки (осей X и Y, глубины и так далее), то показатели на всех станках будут совершенно разными. Если измерения оказались абсолютно одинаковыми, то производственный брак можно не учитывать вовсе. Однако такое происходит крайне редко, особенно если погрешности измеряются в миллиметрах. Но если выпущенная деталь обладает теми же размерами, что и стандарт, приобретенный на рынке, значит ни о каком браке не может быть и речи, поскольку при производстве "идеала" также использовался станок, дающий определенные погрешности, которые наверняка также учитывались рабочими.
Пример второй
Для изготовления определенного прибора, работающего на электричестве, необходимо использовать несколько типов различной изоляционной бумаги: электротехническую, конденсаторную и так далее. Кроме того, аппарат может быть пропитан смолой, лаком, эпоксидным составам и прочими химическими элементами, продлевающими срок эксплуатации. Ну а различные утечки под вакуумным цилиндром при повышенном давлении легко устраняются с помощью метода нагревания или выкачивания воздуха. Однако если мастер до этого использовал лишь по одному элементу из каждого списка, в процессе производства по новой технологии могут возникнуть различные трудности. Причем, практически наверняка, подобная ситуация будет вызвана из-за одного элемента. Однако рассчитать, какой именно фактор влияет на плохую работоспособность прибора, будет практически нереально. Именно поэтому рекомендуется использовать не многофакторный метод анализа, а однофакторный, чтобы быстрее разобраться с причиной неисправности.
Конечно же, при использовании различных инструментов и приборов, которые отслеживают влияние того или иного фактора на конечный результат, исследование упрощается в разы, однако обзавестись подобными агрегатами начинающему инженеру будет не по карману. Именно поэтому рекомендуется применять однофакторный дисперсионный анализ, позволяющий выявить причину неполадок за считаные минуты. Для этого будет достаточно поставить перед собой одну из наиболее вероятных гипотез, после чего начать доказывать ее путем экспериментов и анализа показателей работоспособности прибора. Довольно скоро мастеру удастся найти причину неполадок и устранить ее, заменив одну из выборок альтернативным вариантом.
Пример третий
Еще один пример многофакторного анализа. Предположим, что троллейбусное депо может обслуживать несколько маршрутов в течение суток. На этих самых маршрутах работают троллейбусы совершенно разных марок, а оплату за проезд собирают 50 разных контролеров. Однако руководство депо интересуется тем, каким образом можно сравнить между собой несколько различных показателей, влияющих на общую выручку: марка троллейбуса, эффективность маршрута и умение работника. Чтобы увидеть экономическую целесообразность, необходимо детально проанализировать влияние каждого из этих факторов на конечный результат. К примеру, некоторые контролеры могут плохо справляться со своими обязанностями, поэтому придется нанять более ответственных сотрудников. Большинство пассажиров не любят ездить на старых троллейбусах, поэтому целесообразнее всего использовать новую марку. Однако если оба этих фактора идут наряду с тем, что большая часть маршрутов являются высоко востребованными, то стоит ли вообще что-то менять?
Задача исследователя заключается в том, чтобы с помощью одного аналитического метода получить как можно больше полезной информации по поводу влияния каждого из факторов на конечный результат. Для этого необходимо выдвигать как минимум 3 различных гипотезы, которые придется доказывать различными способами. Дисперсионный анализ позволяет решить подобные задачи в максимально короткий срок и получить максимум полезной информации, особенно если используется многофазный метод. Однако не забывайте о том, что однофакторный анализ дает куда больше уверенности по поводу влияния того или иного фактора, поскольку он исследует выборку более детально. К примеру, если депо направит все силы на анализ работы кондукторов, то можно будет выявить много недобросовестных рабочих на всех маршрутах.
Однофакторный анализ
Однофакторный анализ - это совокупность методов исследования, направленных на анализ определенного фактора на конечный результат в конкретном случае. Также довольно часто подобная методика используется для сравнения наибольшего влияния между двумя факторами. Если проводить аналогию все с тем же депо, то следует сперва проанализировать по отдельности влияние различных маршрутов и марок троллейбусов на прибыльность, после чего сравнить полученные результаты между собой и определить, в каком направлении будет лучше всего развивать станцию.
Кроме того, не стоит забывать о таком понятии, как нулевая гипотеза - то есть гипотеза, которая не может быть отброшенной и на нее в любом случае влияют все факторы из перечисленных в той или иной степени. Даже если мы будем сравнивать между собой лишь маршруты и марки троллейбусов, от влияния профессионализма кондукторов все равно никуда не деться. Поэтому даже если данный фактор не поддается анализу, о влиянии нулевой гипотезы забывать не стоит. К примеру, если вы решили исследовать зависимость прибыли от маршрута, пускайте в рейс одного и того же кондуктора, чтобы показания оказались максимально точными.
Двухфакторный анализ
Чаще всего данную методику также называют методом сравнения и используют для того, чтобы выявить зависимость двух факторов друг от друга. На практике придется использовать различные таблицы с точными показателями, чтобы не запутаться в собственных расчетах и влияниях на них факторов. К примеру, можно пустить по двум одинаковым маршрутам два совершенно разных троллейбуса в одно и то же время, пренебрегая фактором нулевой гипотезы (выбрать двух ответственных кондукторов). В этом случае сравнение двух ситуаций будет максимально качественным, поскольку эксперимент проходит в одно и то же время.
Многофакторный анализ с повторными опытами
Данный метод применяется на практике гораздо чаще других, особенно если речь идет о группе начинающих исследователей. Повторный опыт позволяет не только убедиться во влиянии того или иного фактора на конечный результат, но и найти ошибки, которые были допущены в ходе исследования. К примеру, большинство неопытных аналитиков забывают о наличии одной или сразу нескольких нулевых гипотез, что приводит к получению неточных результатов в ходе исследования. Продолжая пример с депо, можно проанализировать влияние тех или иных факторов в разный сезон года, поскольку количество пассажиров зимой сильно отличается от летнего. Кроме того, повторный опыт может натолкнуть исследователя на новые идеи и выдвижение новых гипотез.
Видеоролик и заключение
Надеемся, наша статья помогла вам разобраться в том, на чем основан метод многофакторного корреляционного анализа. Если у вас до сих пор остались какие-то вопросы по данной теме, то рекомендуем к просмотру небольшой видеоролик. В нем во всех подробностях рассказывается о методах дисперсионного исследования на определенном примере.
Как видите, многофакторный анализ - это довольно сложный, но очень интересный процесс, который позволяет выявить зависимость определенных факторов на конечный результат. Данная методика может применяться абсолютно во всех сферах жизни и эффективно использоваться для ведения бизнеса. Также модель многофакторного анализа можно использовать для достижения прорывных задач с помощью простых методов.
Деятельность любой коммерческой компании направлена на получение прибыли. Основные факторы, влияющие на прибыль, — объем, ассортимент, себестоимость проданной продукции и расходы на ее реализацию. Анализ этих факторов поможет компании выявить недостатки, повысить рентабельность продаж и подготовить бизнес-план по продажам.
ФАКТОРНЫЙ АНАЛИЗ: ОБЩАЯ ХАРАКТЕРИСТИКА И СПОСОБЫ ПРОВЕДЕНИЯ
Факторный анализ — это способ комплексного и системного исследования влияния отдельных факторов на размер итоговых показателей. Основная цель проведения такого анализа — найти способы увеличить доходность фирмы.
Факторный анализ позволяет определить общее изменение прибыли в текущем периоде по отношению к предыдущему (базовому) периоду или изменение фактических показателей прибыли по отношению к плану, а также влияние на эти изменения следующих факторов:
- объем продажи продукции;
- себестоимость реализуемой продукции;
- цены реализации;
- ассортимент реализуемой продукции.
Таким образом, с помощью факторного анализа можно установить объем продаж, себестоимость или цену реализации, которые увеличат прибыль компании, а факторный анализ по ассортименту реализуемой продукции даст возможность выявить товар, который продается лучше всего, и товар, пользующийся наименьшим спросом.
Показатели для факторного анализа берут из бухгалтерского учета. Если анализируют итоги за год, то используют данные формы № 2 «Отчет о финансовых результатах».
Факторный анализ можно проводить:
1) способом абсолютных разниц;
2) способом цепных подстановок.
Математическая формула модели факторного анализа прибыли от продаж:
ПР = V прод × (Ц - S ед),
где ПР — прибыль от продаж (плановая или базовая);
V прод — объем продаж продукции (товаров) в натуральных величинах (штуки, тонны, метры и т. д.);
Ц — продажная цена единицы реализованной продукции;
S ед — себестоимость единицы реализованной продукции.
Способ абсолютных разниц
За основу факторного анализа берется математическая формула ПР (прибыль от продаж). Формула включает три анализируемых фактора:
- объем продаж в натуральных единицах;
- цену;
- себестоимость одной единицы продаж.
Рассмотрим ситуации, влияющие на прибыль. Определим изменение величины прибыли за счет каждого фактора. Расчет строится на последовательной замене плановых значений факторных показателей на их отклонения, а затем на фактический уровень этих показателей. Приведем формулы расчета для каждой ситуации, оказавшей влияние на прибыль.
Ситуация 1. Влияние на прибыль объема продаж:
ΔПР объем = ΔV прод × (Ц план - S ед. план) = (V прод. факт - V прод. план) × (Ц план - S ед. план).
Ситуация 2. Влияние на прибыль продажной цены:
ΔПР цена = V прод. факт × ΔЦ = V прод. факт × (Ц факт - Ц план).
Ситуация 3. Влияние на прибыль себестоимости единицы продукции:
ΔПР S ед = V прод. факт × (-ΔS ед) = V прод. факт × (-(S ед. факт - S ед. план)).
Способ цепной подстановки
Используя такой метод, сначала рассматривают влияние одного фактора при неизменности прочих, затем второго и т. д. За основу берут все ту же математическую формулу модели факторного анализа прибыли от продаж.
Выявим влияние факторов на сумму прибыли.
Ситуация 1. Изменение объема продаж.
ПР1 = V прод. факт × (Ц план - S ед. план);
ΔПР объем = ПР1 - ПР план.
Ситуация 2. Изменение цены продаж.
ПР2 = V прод. факт × (Ц факт - S ед. план);
ΔПР цена = ПР2 - ПР1.
Ситуация 3. Изменение себестоимости продаж единицы продукции.
ПР S ед = V прод. факт × (Ц факт - S ед. факт);
ΔПР S ед = ПР3 - ПР2.
Условные обозначения, применяемые в приведенных формулах:
ПР план — прибыль от реализации (плановая или базовая);
ПР1 — прибыль, полученная под влиянием фактора изменения объема продаж (ситуация 1);
ПР2 — прибыль, полученная под влиянием фактора изменения цены (ситуация 2);
ПР3 — прибыль, полученная под влиянием фактора изменения себестоимости продаж единицы продукции (ситуация 3);
ΔПР объем — сумма отклонения прибыли при изменении объема продаж;
ΔПР цена — сумма отклонения прибыли при изменении цены;
ΔП S ед — сумма отклонения прибыли при изменении себестоимости единицы реализованной продукции;
ΔV прод — разница между фактическим и плановым (базисным) объемом продаж;
ΔЦ — разница между фактической и плановой (базисной) ценой продаж;
ΔS ед — разница между фактической и плановой (базисной) себестоимостью единицы реализованной продукции;
V прод. факт — объем продаж фактический;
V прод. план — объем продаж плановый;
Ц план — цена плановая;
Ц факт — цена фактическая;
S ед. план — себестоимость единицы реализованной продукции плановая;
S ед. факт — себестоимость единицы реализованной продукции фактическая.
Замечания
- Способ цепной подстановки дает те же результаты, что и способ абсолютных разниц.
- Суммарное отклонение прибыли будет равно сумме отклонений под влиянием всех факторов, по которым проводят факторный анализ.
ФАКТОРНЫЙ АНАЛИЗ ПРИБЫЛИ ОТ ПРОДАЖ
Проведем факторный анализ прибыли от продаж с помощью Excel. Сначала сравним фактические и плановые показатели в Excel-таблицах, далее построим диаграмму и график, которые наглядно покажут результаты и отклонения проведенного факторного анализа.
В Excel можно построить стандартную план-факт таблицу, состоящую из нескольких блоков: в левой части таблицы в колонке будет стоять название показателя, в центре — данные с планом и фактом, в правой части — отклонение (в абсолютных и относительных величинах).
ПРИМЕР 1
Организация реализует металлопрокат. Косвенные расходы распределяются на себестоимость реализованной продукции, то есть формируется полная себестоимость продукции. Проведем факторный анализ прибыли от продаж двумя способами (метод абсолютных разниц и метод цепных подстановок) и определим, какие из показателей оказали наибольшее влияние на прибыль компании.
Плановые показатели взяты из бизнес-плана по продажам, фактические — из бухгалтерской отчетности (формы № 2) и бухгалтерского учета — (отчетов о продажах в натуральных единицах).
Данные о результатах финансовой деятельности компании (фактические и плановые) представлены в табл. 1.
Таблица 1. Данные о результатах финансовой деятельности компании, тыс. руб. |
||||
Фактор |
План |
Факт |
Отклонения от плана |
|
абсолютные |
в процентах |
|||
5 = / × 100 % |
||||
Объем продаж, тыс. т |
||||
Себестоимость продаж |
||||
Себестоимость продаж 1 т |
||||
Из данных табл. 1 следует, что объем продаж фактический ниже планового на 10,1 тыс. т, продажная цена была выше плановой на 0,15 тыс. руб. При этом сумма фактической выручки меньше плановой на 276,99 тыс. руб., а себестоимость продаж, наоборот, выше плановой на 1130 тыс. руб. Все перечисленные факторы снизили фактическую прибыль по сравнению с плановой на 1404,78 тыс . руб .
Е. В. Акимова, аудитор
Материал публикуется частично. Полностью его можно прочитать в журнале
Выполните факторный анализ явления по мультипликационной модели, используя метод относительных разниц, абсолютных разниц, метод цепных подстановок и формализации неразложимого остатка и логарифмический метод.
а) абсолютное изменение: б) относительное изменение:
Расчеты
3,62*5,02*2,92*5,82=308,829
76,7807
=0,00
Проверка
У4,52*5,02*4,02*5,72=521,7521
3,62*5,02*2,92*5,82=308,829
521,721-308,829=212,92
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 212,92ед. При этом негативное влияние на результативный фактор У оказали также факторы, как Б и Д. Из них наибольшее влияние оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 9,12 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 145,264 ед.
2) метод «неразложимого остатка»
Изолированное влияние факторов
Для фактора А =0,9*5,02*2,92*5,82= 76,7807
Б=0,00*3,62*2,92*5,82=0,00
С=1,1*3,62*5,02*5,82= 116,3397
Д=-0,10*3,62*5,02*5,82= -10,5763
«Неразложимый остаток» определяем по формуле
НО= Но=212,92-182,5441=30,38
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 182,5441 ед. При этом негативное влияние на результативный фактор У оказали также факторы, как Б и Д. Из них наибольшее влияние оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 10,5763 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 116,3397 ед. Погрешность составила 30,38.
3) Логарифмический метод.
Абсол.откл. |
Индивид.индекс i |
||||
У I Lg (i) i /Lg (i) y
Для фактора А = 0,09643*212,92/0,22775=90,151
Для фактора Б = 0,00*212,92/0,22775=0,00
Для фактора С = 0,13884*212,92/0,22775=129,8
Для фактора Д = -0,00753*212,92/0,22775=-7,0397
90,151+0,00+129,8+(-7,0397)= 212,9113
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 212,9113ед.(погрешность в расчетах связана с округлением изменения фактора) При этом негативное влияние на результативный фактор У оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 7,03997 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 129,8 ед.
4) Метод абсолютных разниц. У= А*Б*С*Д
б) общее изменение результатов факторов
Решение
0,9*5,02*2,92*5,82=76,781
4,52*0,00*2,92*5,82=0,00
4,52*5,02*1,1*5,82=145,2639
4,52*5,02*4,02*(-0,1)= -9,1215
76,781+0,00+145,2639+(-9,1215)= 212,923
Проверка полученных результатов:
У4,52*5,02*4,02*5,72=521,7521
3,62*5,02*2,92*5,82=308,829
521,721-308,829=212,92
ВЫВОД: расчеты факторного анализа показывают, что под влиянием всех независимых факторов А, Б, С, Д результативный фактор У увеличился на 212,923ед. При этом негативное влияние на результативный фактор У оказал фактор Д, а его изменение вызвало уменьшение результативного фактора У на 9,12 ед. В тоже время факторы А и С оказали позитивное влияние на фактор У, из них наибольшее влияние оказал фактор С, его изменение вызвало увеличение результативного фактора У на 145,2639ед.
5) способ цепных подстановок.
Результат |
|||||
У |
|||||
Все хозяйственные процессы деятельности предприятий взаимосвязаны и взаимообусловлены. Одни из них напрямую связаны между собой, некоторые проявляются косвенно. Таким образом, важным вопросом в экономическом анализе является оценка влияния фактора на тот или иной экономический показатель и для этого используют факторный анализ.
Факторный анализ предприятия. Определение. Цели. Виды
Факторный анализ относится в научной литературе к разделу многомерного статистического анализа, где оценку наблюдаемых переменных проводят с помощью ковариационных или корреляционных матриц.
Факторный анализ впервые стал применяться в психометрике и в настоящее время используется почти во всех науках начиная от психологии и кончая нейрофизиологией и политологией. Основные концепции факторного анализа были определены английским психологом Гальтоном и затем развиты Спирменом, Терстоуном, Кеттелом.
Можно выделить 2 цели факторного анализа
:
– определение взаимосвязи между переменными (классификация).
– сокращение числа переменных (кластеризация).
Факторный анализ предприятия – комплексная методика системного изучения и оценки воздействия факторов на величину результативного показателя.
Можно выделить следующие виды факторного анализа :
- Функциональный, где результативный показатель определен в виде произведения или алгебраической суммы факторов.
- Корреляционный (стохастический) – связь между результативным показателем и факторами являются вероятностой.
- Прямой / Обратный – от общего к частном и наоборот.
- Одноступенчатый/многоступенчатый.
- Ретроспективный/ перспективный.
Остановимся на первых двух более подробно.
Для того, чтобы можно было провести факторный анализ необходимо
:
– Все факторы должны быть количественными.
– Число факторов в 2 раза больше чем результативные показатели.
– Однородная выборка.
– Нормальное распределение факторов.
Факторный анализ
осуществляется в несколько этапов:
1 этап. Отбираются факторы.
2 этап. Факторы классифицируются и систематизируются.
3 этап. Моделируется взаимосвязь между результативным показателем и факторами.
4 этап. Оценка влияния каждого фактора на результативный показатель.
5 этап. Практическое использование модели.
Выделяются методы детерминированного факторного анализа и методы стохастического факторного анализа.
Детерминированный факторный анализ – исследование, в котором факторы влияют на результативный показатель функционально. Методы детерминированного факторного анализа – метод абсолютных разниц, метод логарифмирования, метод относительных разниц. Данный вид анализ наиболее распространен в силу своей простоты применения и позволяет понять факторы, которые необходимо изменить для увеличения / уменьшения результативного показателя.
Стохастический факторный анализ – исследование, в котором факторы влияют на результативный показатель вероятностно, т.е. при изменении фактора может быть несколько значений (или диапазон) результирующего показателя. Методы стохастического факторного анализа – теория игр, математическое программирование, множественный корреляционный анализ, матричные модели.
Для того, чтобы эффективно управлять продажами, необходимо правильно оценивать факторы, которые оказывают влияние на выручку. В сети можно найти множество примеров факторного анализа выручки в Excel. Однако большинство из них написаны для того, чтобы показать методологические аспекты и не имеют большой практической пользы.
Цель данной статьи — показать, как разработать факторную модель выручки в соответствии с потребностями бизнеса. На практике такая модель может быть достаточно сложной, и для того, чтобы не тратить время на выполнение факторного анализа в Excel, мы будем использовать надстройку Fincontrollex® Variances Analysis Tool , которая позволяет полностью автоматизировать этот процесс. Благодаря такому подходу мы сможем сфокусироваться на анализе данных, а не на разработке формул в Excel.
Как разработать факторную модель выручки
Вы продаете продукт, который имеет цену. Для того чтобы рассчитать выручку, нужно умножить количество (или объём) проданных продуктов, на их цену:
Это базовая модель расчета выручки. Все остальные модели являются её производными и детализируют фактор объёма, цены, или выделяют влияние других факторов по заданному условию. Окончательный вид формулы будет зависеть от бизнес-процесса продаж, которым необходимо управлять. Давайте рассмотрим наиболее распространённые из них.
Если вы продаете несколько видов продуктов по разной цене, то вы можете управлять ассортиментом продаж. Для этого следует разделить фактор объёма на общий объём реализации всех продуктов и удельный вес каждого продукта в общем объеме:
На практике менеджеры по продажам часто не понимают суть этого фактора, что приводит к неправильному пониманию результатов анализа. Этот фактор следует трактовать как изменение структуры объёмов продаж в сторону продуктов с большей или меньшей ценой. Например, если фактор ассортимента оказал положительное влияние, это означает, что в структуре продаж увеличилась доля продуктов с более высокой ценой, а доля продуктов с более низкой ценой сократилась. Если фактор ассортимента оказал отрицательное влияние — то картина будет противоположной: рост доли продуктов с более низкой ценой и сокращение доли продуктов с более высокой ценой. Не стоит путать влияние этого фактора с изменением цены, так как при расчете фактора ассортимента влияние других факторов элиминируется (исключаются).
Если ваша компания использует различные способы поставки своих продуктов на рынок (каналы продаж), то для того, чтобы оценить влияние структуры каналов продаж нужно добавить удельный вес каждого канала в формулу расчета выручки. Например, факторная модель выручки по сетям и розничным торговым точкам может иметь вид:
Горизонтальный и вертикальный рост
В сетевой торговой структуре часто возникает необходимость оценить изменение объёмов за счет открытия новых точек или изменения объема продаж в уже существующих точках. Провести такую оценку можно с помощью выделения факторов горизонтального и вертикального изменения объёмов продаж.
Горизонтальные изменение — это изменения объемов продаж за счет открытия новых точек.
Вертикальные изменение — это изменения объёмов продаж в уже существующих точках.
Для того, чтобы выделить эти изменения, в модель расчета выручки необходимо добавить следующие условия. Если в текущем месяце произошла продажа в торговой точке, в которой до этого продукция не продавалась — это горизонтальные изменения. Если же продукт уже продавался в точке, то речь идет о вертикальном изменении.
Ввод новых продуктов
Если в ассортимент вводиться новый продукт, то целесообразно оценить влияние этого решения на общую выручку. Для этого необходимо исключить влияние продукта из всех факторов и выделить выручку по этому продукту в отдельный фактор.
Для этого во все факторы модели необходимо добавить условие проверки, является ли продукт новым. Продукт считается новым, если в предыдущем периоде он не продавался.
Выделить выручку по новому продукту в отдельный фактор можно с помощью следующего условия:
В результате вы получите факторы, очищенные от влияния новых продуктов, и отдельную сумму выручки по новым продуктам. Это позволит точно оценить увеличение выручки из-за ввода новых продуктов.
Вывод продуктов из ассортимента
Оценка эффекта от вывода продуктов из ассортимента проводится аналогично оценке эффекта от ввода новых продуктов, с той лишь разницей, что из факторов исключается влияние выведенного продукта. Продукт считается выведенным если в предыдущем периоде он продавался, а в текущем нет.
Выделить выручку по выведенному продукту в отдельный фактор можно с помощью следующего условия:
В результате вы сможете оценить снижение выручки за счёт вывода продуктов из ассортимента.
Оценивая одновременно ввод новых и вывод старых продуктов, вы сможете оценить эффективность изменения ассортимента.
Управление конверсией
Если вы работаете в розничном бизнесе, то наверняка знаете, что не все посетители магазина совершают покупку. Для того, чтобы оценить какой процент посетителей осуществляет покупку, необходимо рассчитать коэффициент конверсии:
Коэффициент конверсии зависит от эффективности работы персонала, который закрывает продажи. Если вы хотите его оценить в стоимостном выражении, то вам следует добавить его в факторную модель. Для расчета коэффициента конверсии используется количество покупателей, поэтому для того, чтобы выделить этот фактор в факторной модели выручки, необходимо добавить показатель, который свяжет цену с количество покупателей. Например, размер среднего чека.
Управление размером среднего чека
Предлагая сопутствующие продукты, можно увеличить общий объём продаж. Для того, чтобы оценить эффективность этого процесса, необходимо рассчитать размер среднего чека:
Размер среднего чека, как и коэффициент конверсии, зависит от эффективности работы персонала, который закрывает продажи. Поэтому если вы хотите оценить эффективность этих показателей, то вам следует добавить их в факторную модель.
Для того, чтобы стимулировать продажи, вы можете предоставлять скидки. Размер скидки может зависеть от различных условий: объёмов продаж, условий оплаты и т.д. Для того, чтобы оценить влияние скидки на выручку, необходимо добавить этот фактор в модель:
При анализе скидки стоит не забывать про основную цель предоставления скидки — увеличение объёма продаж. Поэтому фактор скидки необходимо оценивать совместно с фактором объёма.
Если вы являетесь производителем продукции, то у вас есть возможность стимулировать интенсивность продаж своих товаров в розничных сетях с помощью ретро-бонусов. Ретро-бонус — это вознаграждение выплачиваемое дистрибьюторам и дилерам за продвижение продукции. Для оценки эффективности стимулирования продаж с помощью ретро-бонусов обычно рассчитывается процент ретро-бонусов к выручке (без учета скидок). Для того, чтобы оценить влияние ретро-бонусов на выручку, необходимо добавить этот фактор в модель:
Собираем все вместе: факторная модель выручки производителя FMCG
В качестве примера, давайте рассмотрим факторную модель выручки производителя FMCG. Для производителей FMCG характерно продавать свою продукцию с помощью каналов дистрибуции, предоставляя дополнительные скидки за объём. Чтобы отразить эту особенность, добавим в базовую модель расчета выручки формулы для управления ассортиментом, скидками и ретро-бонусами, которые мы рассмотрели выше.
Наша факторная модель содержит пять факторов: общий объём реализации, ассортимент, цена, скидка и ретро-бонус. Очередность расчета факторов зависит от степени контроля предприятием над этими показателями (от большего к меньшему). Поэтому мы рассчитаем их в следующей последовательности:
- Общий объём
- Ассортимент
- Ретро-бонус
- Скидка
Факторная модель готова, и теперь можно перейти к факторному анализу в Excel.
Факторный анализ выручки в Excel — это просто!
Выполнение факторного анализа в Excel достаточно трудоемкая задача даже для опытного пользователя. Поэтому чтобы её существенно упростить мы будем использовать специальную надстройку для Excel . Для активации бесплатной пробной версии вам понадобится своей электронной почты, на который придет сообщение с ключом активации и ссылкой для скачивания.
Эта надстройка избавит вас от необходимости вводить формулы расчета каждого фактора в книге Excel, самостоятельно создаст сводный отчет по всем факторам и детальный отчет по продуктам, а также, если вы используете Excel 2016 или Office 365, построит диаграмму waterfall (если вы не знакомы с этой диаграммой, то обязательно прочтите статью т.к. эта диаграмма является превосходным способом показать результаты факторного анализа).
В этой статье мы не будем останавливаться на всех возможностях этой надстройки, т.к. вы самостоятельно можете посмотреть видео обзор ниже или ознакомиться со , а сразу же перейдем к настройке факторной модели.
В качестве исходных данных используем условные данные из отчета о реализации продукции за январь и февраль. Скачать архив с примером вы можете по этой ссылке.
![](https://i2.wp.com/fincontrollex.com/image_templates/articles/6/ru/revenue_report.png)
Для того, чтобы запустить надстройку на ленте Excel перейдите на вкладку сайт и в группе Variances Analysis Tool нажмите кнопку Выполнить . Откроется окно надстройки.
![](https://i1.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_1.png)
Введем название модели
![](https://i1.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_2.png)
![](https://i1.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_3.png)
Следующим шагом необходимо ввести математическую формулу факторной модели. Для этого в поле формулы введем нашу факторную модель и нажмем кнопку Enter .
![](https://i2.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_4.png)
Надстройка автоматически определит название всех факторов и заполнит ими первый столбец таблицы настройки факторов. Нам остается настроить параметры этих факторов.
![](https://i1.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_5.png)
Теперь настроим порядок расчета факторов. Расчета факторов осуществляется в порядке их следования в таблице: первым будет рассчитан фактор, который находиться вверху таблицы, а последним тот, который находиться внизу таблицы. С помощь перетаскивания факторов в первом столбце необходимо настроить порядок расчета, который мы определили в предыдущем разделе. Для этого щёлкнем левой кнопкой мыши на названии фактора в первом столбце и не отпуская кнопку мыши перетащим фактор в необходимую строку и отпустим кнопку. В результате у нас должна получиться последовательность как на картинке ниже.
![](https://i0.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_6.png)
У нас остался ненастроенным последний параметр: диапазон с названиями продуктов. Давайте его настроим. На ленте Fincontrollex® Variances Analysis Tool на вкладке Главная в группе Модель нажмите кнопку Диапазон названий .
![](https://i2.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_step_7.png)
Все готово и теперь можно выполнить факторный анализ. Для этого на ленте Fincontrollex® Variances Analysis Tool на вкладке Главная в группе Анализ нажмите кнопку Выполнить . Через пару секунд вы получите результат факторного анализа, который будет создан в новой книге Excel.
![](https://i1.wp.com/fincontrollex.com/image_templates/articles/6/ru/fincontrollex_variance_analysis_tool_report.png)
По результатам факторного анализа можно сделать вывод о том, что рост общего объёма реализации в феврале по сравнению с январем был достигнут за счет снижения базовых цен и изменения ассортимента продаж в сторону продукции с более низкой ценой. Для того, чтобы разобраться по каким продуктам произошли основные изменения, можно дополнительно проанализировать лист "Подробно" в отчете.
Заключение
Мы рассмотрели базовую модель выручки и основные формулы по приведению её в соответствие с потребностями бизнеса. Эти формулы приведены в качестве примера и могут служить отправной точкой для разработки факторной модели выручки в соответствии с вашими целями и задачами. Использование надстройки Fincontrollex® Variances Analysis Tool для факторного анализа позволяет выполнить анализ моделей любой сложности. Благодаря этому вы сможете сфокусироваться на управлении факторами, которые оказывают влияние на выручку в вашем бизнесе.
Статья допускается к свободной публикации только при условии неизменности содержания и ссылки на первоисточник. Использование изображений вне этой статьи не допускается и является нарушением авторских прав.