Воспользуйтесь формой поиска по сайту, чтобы найти реферат, курсовую или дипломную работу по вашей теме.

   Cовременные программные продукты предоставляют пользователям широкие возможности для анализа различных статистических данных в табличной и графической формах. Однако без использования эффективных методик сбора и представления информации эти возможности могут остаться бесполезными. Одна из таких методик предлагается вашему вниманию.    На рис.1. изображен график сбыта товара за год по месяцам. Насколько он информативен? Очевидно, что не на много, так как дает представление лишь о динамике фактического сбыта и совершенно не показывает, как влияли на нее различные факторы, в первую очередь такой, как наличие товара на складе.    Для его учета удобно использовать график на рис.2. Здесь изображены две серии данных: по сбыту (тонкая синяя) и по наличию товара (красная). В качестве единицы времени взят уже не месяц, а день. Согласитесь, это совсем другое дело! По графику, например, сразу видно, что провал в сбыте в апреле-мае обусловлен не падением спроса, а отсутствием товара, а вот с сентября товар действительно стал плохо продаваться. Кроме того, график позволяет выявить нехарактерные, случайные, .всплески. продаж (например, 13 февраля).    Однако представленная на графике 1 информация о сбыте по месяцам весьма полезна и не хотелось бы от нее отказываться. Ведь, чтобы определить объем сбыта за какой-либо месяц по графику 2, необходимо из товарного запаса на первое число этого месяца вычесть остаток на последнее, что, согласитесь, неудобно. К тому же, так можно поступить лишь в том случае, если в течение месяца товар не закупался, и график наличия монотонно убывал.    Одним словом, напрашивается совмещение двух графиков. Но так как их оси Х имеют разные единицы измерения необходимо вместо столбчатой построить линейную серию, у которой координата Y всех точек за определенный месяц будет равна объему сбыта за этот месяц. То есть, получится что-то вроде верхней поверхности воображаемой гистограммы - см. рис.3 (синяя широкая линия).    Сравнение значений графиков наличия и месячного сбыта на текущую дату позволяет быстро оценить текущий товарный запас и потребность в заказе товара.    К графику фактического сбыта по месяцам можно добавить аналогичного типа график возможного сбыта, - который имел бы место при постоянном наличии товара. При этом можно устранить влияние случайных пиков сбыта, а также установить минимальный учитываемый уровень товарного запаса (обычно берется количество штук в коробке).    До сих пор речь шла об отдельном товаре, но известно, что на сбыт всякого товара влияет и наличие в ассортименте товаров-аналогов. Например, увеличение объема продаж какого-либо товара может быть вызвано временным отсутствием других однотипных товаров. График по отдельному товару этого не покажет.    Необходимо добавить серию наличия по товарной группе, в которую входит данный товар, - см. рис. 3, зеленая серия. Чем ближе друг к другу серии наличия по товару и по группе, тем с меньшим доверием можно относится к росту продаж данного товара. По графику видно, что в июне указанные серии совпадают, то есть рассматриваемый товар был единственным, имевшимся в наличии, из своей товарной группы, чем, видимо, и объясняется рост его продаж в этом месяце.    Если добавить серию по групповому месячному сбыту (голубая), то по ней можно строить прогнозы (разумеется, с некоторым понижающим коэффициентом) о сбыте какого-либо товара из этой группы в том случае, если он окажется единственным имеющимся на складе.    Воспользовавшись второй осью Y, можно добавить данные по еще одному фактору, влияющему на объем сбыта, - динамике изменения цены товара (черная серия). Эта идея была любезно подсказана И.Н. Заплавой.    График, как видите, стал весьма "насыщенным" и намного более информативным по сравнению с его начальным вариантом. По нему можно сделать еще немало полезных выводов и прогнозов о товарообороте, изложить которые не позволяет ограниченный объем статьи.    Изложенная методика представления информации о товародвижении реализована в виде программного модуля на базе процессора электронных таблиц MS EXCEL и зарекомендовала себя как эффективный и удобный аналитический инструмент, в том числе при формировании заказов.

Рис 1.

Рис 2.

Рис 3.

Рис 4.

Алан Ардзинов, менеджер по закупкам ООО "Фирма "Марита" 176-12-66, 430-28-04, alan@h-labs.spb.ru

Описание предмета: «Программное обеспечение»

Литература

1. Чарльз ЛеБо, Дэвид В.Лукас. Компьютерный анализ фьючерсных рынков. – М.: Альпина Паблишер, 2011. – 304 с.
   
2. Игорь Виленчик. Графический анализ финансовых рынков. – М.: Admiral Markets, 2010. – 292 с.
   
3. А.Н. Кричевец. Математическая статистика для психологов. – М.: Академия, 2012. – 400 с.
   
4. Р.М. Рангайян. Анализ биомедицинских сигналов. Практический подход. – М.: ФИЗМАТЛИТ, 2007. – 440 с.
   
5. С.М. Климов, А.П. Селин, Т.А. Федорова. Макроэкономика. – М.: ИВЭСЭП, Знание, 2008. – 360 с.
   
6. Информатика. Книга 2. Основы медицинской информатики. – М.: Дрофа, 2009. – 224 с.
   
7. Под редакцией С.В. Поршнева. Компьютерный анализ и интерпретация эмпирических зависимостей. – М.: Бином-Пресс, 2009. – 336 с.
   
8. С.М. Климов, А.П. Селин, Т.А. Федорова. Экономическая теория. – М.: ИВЭСЭП, 2010. – 264 с.
   
9. В.И. Каганов. Радиотехнические цепи и сигналы. Лабораторный компьютеризированный практикум. – М.: Горячая Линия - Телеком, 2011. – 154 с.
   
10. Т.Освальд, Л.-Ш Тунг, П.Дж. Грэманн. Литье пластмасс под давлением. – М.: Профессия, 2006. – 712 с.
    
11. К.В. Сызранцева. Компьютерный анализ нагруженности и деформативности элементов нефтегазового оборудования. – М.: Тюменский государственный нефтегазовый университет, 2009. – 124 с.
    
12. Системная компьютерная биология. – М.: Издательство СО РАН, 2008. – 769 с.
    
13. Ю.Н. Новиков. Основные понятия и законы теории цепей, методы анализа процессов в цепях. – СПб.: Лань, 2011. – 368 с.
    
14. Сергей Гусев, Олег Махоткин und Владимир Николаев. Компьютерный анализ теплового состояния отсеков самолётов. – М.: LAP Lambert Academic Publishing, 2012. – 112 с.
    
15. Геннадий Подшивалов. Теория нелинейных систем и нелинейный компьютерный анализ. – М.: LAP Lambert Academic Publishing, 2014. – 308 с.
    
16. А.Журавлев. Компьютерный звукоцвет. Альбом. – М.: Янтарный сказ, 2004. – 108 с.
    
17. А.А. Халафян, В.П. Боровиков, Г.В. Калайдина. Теория вероятностей, математическая статистика и анализ данных. Основы теории и практика на компьютере. Statistica. Excel. Более 150 примеров решения задач. Учебное пособие. – М.: Ленанд, 2017. – 320 с.
    

Образцы работ

Задайте свой вопрос по вашей проблеме

		Гладышева Марина Михайловна marina@studentochka.ru +7 911 822-56-12 с 9 до 21 ч. по Москве.

Внимание!

Банк рефератов, курсовых и дипломных работ содержит тексты, предназначенные только для ознакомления. Если Вы хотите каким-либо образом использовать указанные материалы, Вам следует обратиться к автору работы. Администрация сайта комментариев к работам, размещенным в банке рефератов, и разрешения на использование текстов целиком или каких-либо их частей не дает.

Мы не являемся авторами данных текстов, не пользуемся ими в своей деятельности и не продаем данные материалы за деньги. Мы принимаем претензии от авторов, чьи работы были добавлены в наш банк рефератов посетителями сайта без указания авторства текстов, и удаляем данные материалы по первому требованию.