Маржинальность по клиентам и товарам показывает, кто и что на самом деле приносит компании прибыль, а кто съедает её незаметно. Общая рентабельность компании может выглядеть прилично, а два-три крупных клиента или одна категория товаров при этом работают в минус. В сводном отчёте этого не видно: проблема находится, только когда маржу можно разложить по клиенту, категории, SKU и конкретной поставке.
Почему средняя маржа скрывает убыточных клиентов
Агрегированные данные прячут проблему. В итоговой строке компания в плюсе и средняя маржа приемлемая, а внутри несколько клиентов или категорий тянут весь результат вниз. Такую зону называют слепой: общая цифра есть, а из чего она сложилась, не видно.
К слепым зонам добавляется хронологический разрыв. Прибыль за месяц обычно видна только в середине следующего месяца. Если категория ушла в минус, компания узнаёт об этом примерно через полтора месяца, когда повлиять на результат уже нельзя и остаётся зафиксировать потерю.
Третья причина — разная методика. Один и тот же показатель, например маржинальность, коммерческий и финансовый отделы могут считать по-разному. Тогда время совещания уходит на спор о том, чья цифра правильная, а не на решение.
Что такое маржинальность и рентабельность по клиентам, категориям и SKU
Маржинальность показывает, какую долю выручки составляет валовая прибыль, то есть выручка за вычетом себестоимости. Если считать её не по компании целиком, а в разрезах, появляется рентабельность по клиентам, по категориям и по отдельным SKU. Именно такой набор входит в список показателей, которые оптовой компании стоит держать под контролем, наряду с выручкой, план-фактом продаж, P&L, возвратами и списаниями, оборачиваемостью запасов и дебиторской задолженностью.
Ключевое слово здесь — разрез. Когда маржа видна по клиенту, продукту, каналу, региону и проекту, становится понятна реальная рентабельность направлений: убыточные можно пересматривать или закрывать, а прибыльные усиливать.
Как найти причину падения маржи: от показателя до ответственного
Для расчёта рентабельности клиента по товарам нужны данные продаж, себестоимости и закупок в одной модели, а не в отдельных отчётах отдела продаж, склада и финансов. BI-система собирает их из 1С и других источников и позволяет спуститься от общего показателя к конкретной операции.
Цепочка выглядит так:
- Показатель. Маржа по компании упала.
- Процесс. В отчёте видно, какая категория товаров просела.
- Операция. Внутри категории находится поставка за конкретную дату, которая ушла в минус.
- Человек. По поставке понятно, кто отвечает за это направление, и информация уходит ему сразу, а не через месяц вместе с отчётностью.
Глубина детализации зависит от блока. Коммерческие данные можно разложить до SKU, сотрудника, региона и договора; снабжение — до SKU, статьи и поставщика; финансы — до проводки, статьи, договора и сотрудника.
Как найти убыточных клиентов и заказы с отрицательной рентабельностью
Убыточного клиента находят фильтром на дашборде. Руководитель направления сам открывает дашборд, выбирает свой регион или категорию товаров и сразу видит результат, не отправляя заявку на выгрузку отчёта. Если выбрать в визуализации несколько клиентов или товаров, остальные графики и таблицы на странице за пару секунд пересчитываются только по ним.
Дальше помогает детализация (drill-down): на верхнем уровне группы товаров, ниже отдельные товары, ещё ниже движения по ним. Так можно сравнить рентабельность нескольких клиентов между собой и увидеть, на каких позициях каждый из них теряет маржу.
Отдельный инструмент — отчёт «Анализатор аномалий». Его построила для себя одна оптовая компания, которая ведёт аналитику в PIX BI. В него попадает то, что выбивается из нормы:
- заказы с отрицательной рентабельностью;
- складские товары, для которых не прописаны минимальный и максимальный остатки (min/max).
По опыту аналитика этой компании, в PIX BI такой отчёт делается в три клика, когда понятно, из какого регистра 1С брать данные. В самой 1С пользователь настроить его не может, а разработчики оценивают задачу как долгую и сложную.
Там же построен отчёт о вернувшихся клиентах. В нём задаётся период, после которого клиент считается потерянным, и видно, когда он вернулся и с какими показателями. Средствами 1С компания такой отчёт сделать не смогла.
Анализ возвратов товаров: какие SKU возвращают чаще всего
Возвраты, списания и потери — отдельный блок показателей, характерный для оптовой торговли: каждый возврат снижает реальную маржу товара. Анализ возвратов товаров удобно строить в том же дашборде, что и продажи.
Порядок работы такой:
- спуститься по иерархии: группа товаров, категория, модель, конкретный товар;
- отсортировать товары по количеству возвратов;
- выбрать позиции, которые возвращают чаще всего, и отфильтровать по ним весь дашборд;
- посмотреть динамику по месяцам, чтобы понять, когда начались возвраты.
В демонстрационном дашборде у одного из товаров в одни месяцы возвратов не было вовсе, а в одном их доля дошла до 27%. Такой скачок в сводной таблице за год растворяется, а в динамике по одному SKU виден сразу.
Почему такой анализ сложно собрать в 1С
В 1С данные о продажах, остатках, себестоимости и закупках хранятся в разных регистрах. Отчёт со сложной логикой, например по одной номенклатуре за год с продажами, остатками, рентабельностью и закупками сразу, обычно уходит в очередь к разработчикам. Пока задача ждёт, отчёты собирают вручную из нескольких стандартных, а это время и ошибки.
BI-платформа подключается к базе 1С как к источнику и не заменяет учётную систему. Самое сложное в такой работе — вытащить чистые данные из нужных регистров. Когда это сделано, разрезы по клиентам, товарам и поставкам строятся в интерфейсе без программирования, а данные обновляются по расписанию. Как данные 1С попадают в BI, разобрано в статье «1С и BI: как объединить учётные данные в единую систему отчётности». О самой платформе рассказано в материале «Что такое PIX BI».
Что дальше
Если нужно увидеть маржинальность по клиентам, категориям и SKU на своих данных, начните с демонстрации PIX BI: «Первый Бит» готовит её под задачи конкретной компании, а для самостоятельной пробы есть тестовые лицензии на месяц. Как оптовая компания держит под контролем продажи, финансы и возвраты, показано в записи вебинара «BI для оптовой компании».
Частые вопросы
Как посчитать маржинальность по клиентам?
Маржинальность клиента — это доля валовой прибыли в выручке по его заказам. Валовая прибыль — выручка минус себестоимость отгруженных ему товаров. Для расчёта нужны продажи и себестоимость в одной модели данных с разрезом по клиенту. В BI-системе такой разрез строится на данных 1С и дальше детализируется до товаров и отдельных заказов.
Почему общая рентабельность компании не показывает убыточных клиентов?
Итоговая цифра усредняет результат: компания в плюсе, а два-три крупных клиента или одна категория при этом работают в минус. В сводном отчёте эти потери не видны. Их показывает только детализация по клиентам, категориям и SKU.
Как найти заказы с отрицательной рентабельностью?
Удобнее всего отдельным отчётом, который собирает аномалии: заказы с отрицательной рентабельностью, складские товары без заданных min/max и другие отклонения. В PIX BI такой отчёт строится на данных регистров 1С без участия разработчиков, если аналитик понимает, где лежат нужные данные.
Как анализировать возвраты товаров?
Разложить возвраты по иерархии товаров до конкретного SKU, отсортировать по количеству возвратов и посмотреть динамику по месяцам. Так видны товары, у которых доля возвратов резко растёт в отдельные периоды, хотя за год картина выглядит спокойно.
