Voor Transformation Tuesday #8 zijn we aan de slag gegaan met het ontwikkelen en visualiseren van een ABC-analyse. Een ABC-analyse kan op meerdere manieren worden toegepast, maar wordt veelal gebruikt om artikelen te groeperen drie categorieën: A, B of C. De groepering kan bijvoorbeeld worden gebaseerd op afzetvolume, omloopsnelheid, kosten of voorraadwaarde van een artikel. Hiermee kan het assortiment worden opgeknipt in “hardlopers” of “slowmovers”. Of welk deel van het assortiment het meest oplevert voor de organisatie.
Met de uitkomsten van deze analyse kan bijvoorbeeld een antwoord worden gezocht op vragen zoals:
- Welke artikelen moeten we altijd op voorraad hebben?
- Gaan we afscheid nemen van bepaalde slowmoving artikelen?
- Gaan we de prijs verhogen van slowmoving artikelen?
- Welke artikelen leveren de meeste marge op?
- Hoe reduceren we onze voorraadpositie?
- Hoe vaak gaan we onze voorraad tellen?
Een voorbeeld van een ABC-analyse:
De resultaten van de verschillende inzendingen zijn hieronder te vinden. Lijkt het je ook leuk om deel te nemen aan toekomstige Transformation Tuesday opdrachten? Meld je dan aan via onze website!
Hans
Ik heb me (heerlijk) kunnen verdiepen in de Datadump uitdaging om een ABC analyse te maken, toevallig iets wat ik ook binnenkort verwacht nodig te hebben
Wat heb ik geleerd:
Allereerst heb ik eerst een verkennende fase gebruikt: gewoon de data geladen en wat slicers gebruikt om een beetje gevoel te krijgen voor de data. Dat is me goed bevallen. Zo zie je bv. dat ergens na product ID 40 het aantal transacties ‘opeens’ sterk daalt, alsof de data is gemanipuleerd (en dat zal ook wel). Je ziet dat er 2 cornflakes soorten zijn, alleen verschillend op product ID en er lijkt wat omzet betreft sprake te zijn van een soort van normale verdeling (ook heel bijzonder, alsof deze dat uit een andere toepassing komt). Goed om dit te doen en dan allereerst een gesprek aan te gaan met de klant over de integriteit van de data.
Wilbert
De ABC-analyse geeft duidelijk inzicht welke gedeelte van je productenassortiment waarde toevoegen. Voor deze analyse ben ik alleen uitgegaan van het verkochte product (volume) ipv van de bruto marge. Deze laatste genoemde is natuurlijk bij verdere analyse uitermate van belang want de ABC-analyse obv van verkoop geeft wellicht een ander beeld dan obv bruto marge.
Er is bewust gekozen om de ABC- analyse als een dashboard te maken. Het dynamische karakter van het dashboard maakt het juist mogelijk om de analyse ook over tijd te bekijken en bij eventueel corrigerende acties in het productassortiment deze te monitoren. Daarnaast maakt een dashboard het ook mogelijk om eventuele vervolgvragen te kunnen beantwoorden. Een logische vervolgvraag is welke klanten deze “hardlopers” koopt, maar tevens ook of deze een combinatie kopen van “hardloper” en “slowmovers”. Om dit goed te visualiseren heb ik gekozen voor een Sankey diagram aan de rechterkant waarbij gelijk duidelijk wordt welke klanten meerdere producten in het assortiment afnemen en in welke hoeveelheid. (Aangezien de originele dataset geen klantnamen bevat heb ik deze met behulp van https://www.generatedata.com/ gegeneert icm met random klanten id’s in de dataset gekoppeld aan de producten).
Enkele opmerkingen:
- De overgang van klassen moet altijd goed bekeken worden alvorens acties uit te voeren. Het verschil of een product in klasse A of B valt is soms nihil bij een overgang tussen de klasse. Zeker over tijd heen kunnen deze producten wisselen.
- Indien deze producten opgeslagen zijn in een warehouse is het wellicht ook een interessant idee om deze analyse visueel te maken over de layout van het warehouse. Hieruit zou een geoptimaliseerde pick-route bedacht kunnen worden door het her-alloceren van stellingen.
- QlikSense is eenvoudig in het opstellen van een dashboard, maar relatief beperkt in de vormgeving. Het is bijvoorbeeld niet mogelijk om de teksten in de grafieken qua formatting aan te passen. Tevens was het ook niet mogelijk om bij de Sankey chart de kleuren aan te passen zodat je een geheel kan vormen voor de gebruiker.
Joost
Ik heb een dynamische ABC analyse gemaakt die meebeweegt met je selecties. Om dit te kunnen testen / tonen heb ik een extra veld “Maand” toegevoegd in de onderliggende dataset.
Voor deze analyse heb ik een staafgrafiek gemaakt met een Pareto lijntje erin. Daarnaast heb ik een gestapelde staafdiagram gemaakt die de bedragen per categorie laat zien, inclusief een toelichting met de percentages. Ook heb ik een tabel gemaakt die de details per product laat zien. Ik heb overal dezelfde kleuren gehanteerd: donkerblauw voor A, groen voor B en lichtgroen voor C. In de tabel heb ik hiervoor de voorwaardelijke opmaak gebruikt. Tot slot heb ik een stukje toelicht erin gezet met wat deze analyse precies toont.
Het resultaat is hier te bekijken in Power BI:
Dennis
Zojuist heb ik mijn inzending voor de Transformation Tuesday van deze maand afgerond:
Het maken van deze ABC-analyse was een leuke oefeningen om meer bekendheid om te doen met analyse-methodes. Het maken van deze analyse in Power BI was vrij eenvoudig en daarom kosten het deze maand niet veel tijd om tot een resultaat te komen. Ter onderbouwing van de analyse die plaats vindt heb ik de kleine pareto-analyse ingevoegd. Voor het mooie had ik hier nog extra onderdelen aan toegevoegd, zoals de benaming van de drie gebieden en het tonen van een verticale stippellijn, maar dat lukte niet in Power BI.
Hierbij de interactieve versie:
Eén reactie