Mishnov
Дмитрий Мишнов

(11)
Да, все очень индивидуально. Сильно зависит от объема продаж и что за товар. Насколько спрос на него может быть волонтильным. Можно строить референтный интервал, но как правило все сводится к некоторому простому условию вида "больше 15 продаж в месяц на одной ТТ это достаточная статистика". Соответственно если мы эти 15 продаж разделим еще и по 5 цветам, то наверняка это уже будет недостаточная статистика для того, чтобы доверять ей.

(10)

Цитата
а "статистический анализатор" - это что где и как пользоваться? готовый пакет какой-нить тим математики/матлаба? или что-то иное специализированное:?

Именно в таком виде я готового не встречал. На базе 1С такие вещи реализовывали. Получали выборку, обрабатывали и записывали результат в отдельный документ. А потом анализировали результаты.

(6)

Цитата
. Опять же вопрос- наскольо до типов чехлов укрупнять? что является ЗНАЧИМЫМИ признаками для продажи, на которые ориентироваться при закупе? делить модели/рисунки ну хотя бы на "мужские/женские/унисекс"...? по цветам делит? потому что есть явно более обороачиваемые ЦВЕТА - красный и черный для кожи. как вычислить вообще значимые для продажи признаки товара, на которые опираться при закупе?

Укрупнять до такого объема, чтобы статистика была достаточной, для того, чтобы сделать выводы. Критерии достаточности можно получить экспертным мнением по Вашей сфере. Если Вы хотите получить значимые признаки для продажи, то можно решать данную задачу некоторым статистическим анализатором.
1) Нужно ввести свойства товара, которые мы можем замерить из занести в учетную систему. В Вашем случае это может быть цвет, материал, рисунок, размер и т.д.
2) Вносим значения свойств для каждого товара в учетную систему.
3) Строим целевую функцию. Например, мы хотим рассчитать какие самые значимые признаки у нас влияют на валовую прибыль(Валовая прибыль = Продажи - Себестоимость).
4) Запускаем статистический анализатор по собранным данным и свойствам. Статистический анализатор перебирает все измерения. Сначала по одному измерений(например, цвет), потом по парам измерений(цвет + материал), потом по тройкам измерений и т.д.
По каждому набору измерений вычисляется целевая функция и сравнивается со средним значением целевой функции в целом по поляне по данному виду товара. Берем в расчет только те случаи, где при определенных наборах измерений наша статистика для нас достаточна. Так вот после этих всех замеров выбираем ТОП 10-20 отклонений в плюс - это и будет самые значимые наборы признаков, которые позволяют нам хорошо зарабатывать(по которым сильно больше среднего валовая прибыль). А ТОП 10-20 снизу будут те товары, которые нам особо результата не приносят или даже приносят отрицательный результат.

Этот подход работает только в том случае, если у нас отличная объемная статистика продаж. Если статистики совсем не много, то такие инструменты результата не принесут.

(3)

Цитата
алая оборачиваемость какая может быть если за полгода конкретный чехол продался 10 раз а то и меньше?

Да, сталкивался с такой проблемой именно с чехлами и аксессами для телефонов. Тут по разному можно подходить к решению данной задачи:
1) Укрупнение до категории товара на конкретную модель. Например, чехлы для Xiaomi Note 4 Pro. Считаем потребность общую как будто это один товар. А далее это количество распределяем на разные цвета, цветочки и т.д.
2) Мотивируем продавцов на продажу аксессов для телефонов, т.к. на них бОльшая маржа. В этом случае качественнее прогнозируем потребность именно в телефонах и к каждому телефону, перемещаемому на точку, кладем 2-3 неповторяющихся аксесса впридачу. Помимо этого, если покупателя не устроила расцветка или дизайн или качество, должна быть возможность у продавца посмотреть наличие аксессов к этому телефону на других ближайших точках и либо направить туда покупателя, либо заказать этот аксесс к себе на точку, чтобы покупатель смог зайти и приобрести попозже.
Но, на практике скажу, что аксессы в розничных сетях приобретают как раз те, кто сильно их выбирать не будет и выберет из того, что есть. Более требоватеные просто купят телефон, а потом найдут нужный себе чехол через интернет.

2 схема точно работает, опробовано в деле.

Насколько часто покупатель покупает разные аксессы без покупки телефона? На этот вопрос нужно для начала ответить, чтобы выбирать подходящую схему обеспечения. В учетной системе должна быть возможность замерять такую аналитику.
Аксессы, как и сами телефоны, товар очень быстро устаревающий в наше современное время, поэтому необходимо об этом не забывать и всегда делать поправку при закупе. Тут без экспертных знаний не обойтись.

(1) Задача о многоруком бандите легко гуглится. А также гуглится ее асимптотически оптимальное решение(алгоритм). На видео есть фраза о том, что это легко можно найти в интернете.
Если я бы ушел в математику и рассказывал как она решается, то все было бы достаточно скучно для публики и это заняло бы весь доклад.

Как правило, самые сложные задачи решаются с точки зрения математики очень легко. Но чтобы найти правильное решение, важно понять бизнес-цель, которую достигает эта задача. О практическом применении математических достижений для эффективного решения сложных задач бизнеса на конференции Infostart Event 2019 Inception рассказал Дмитрий Мишнов.

Все отлично. Но меня забыли включить в расписание в блокноты. Это немного меня огорчило.

Хорошо, тогда вопрос есть ли измерение Заказ в этом отчете?

По заказам можно будет валовую прибыль смотреть этим отчетом?

Мы из Омска. Занимаемся поддержкой и разработкой 1С, в команде 12 человек. 25 активных клиентов. Поддерживаем конфигурации УТ, БП, ЗУП, КА, УПП, УАТ, Розница, а также другие отраслевые продукты. Работаем по всей РФ.
В основном клиенты используют MS SQL, но иногда встречается и Postgre(среди экономных клиентов).
Было пару-тройку раз когда Postgre криво отрабатывал SQL запросы, лечилось даунгрейдом версии Postgre.
Файловый вариант рекомендуем до 10-12 человек. Далее имеет смысл переходить на серверный вариант. Но, тем не менее, есть опыт когда в файловом варианте в КА спокойно работала торговая компания с 30 сеансами одновременно. Решали задачи разделения блокировок, а также задачи оптимизации скорости проведения документов, в том числе стандартных 1С модулей для расчета себестоимости. Характер данных и специфика каждого из заказчиков может по своему сказываться на производительность, поэтому важен индивидуальный подход к каждому случаю с честными замерами через Profiler.