◆ 小売の売上分析、2つの指標だけで考える小売業の「データ分析的な戦略」
実践的なデータ分析・活用の話題です。小売店対象のお話で1店舗からでも使えますし、大手小売りチェーンでも使える話題です。しかも利用するのは2つの指標だけです。これだけで結構な事を考えることができます。もちろん、ただ考えただけではダメです。どう生かすのかまで考え、そして実行に移す必要があります。しかも利用するデータは売上データ（POSデータや日販など）のみでOKです。
今回は「小売の売上分析、2つの指標だけで考える小売業の『データ分析的な戦略』」というお話をします。
1. データ分析：商品ごとに売上の時系列推移を見る
あなたは手元に売上データがあれば、まず何をするでしょうか？
多くの人は時系列推移を見ることでしょう。人や立場によって年単位や月単位、週単位、日単位で見る人など様々です。店舗全体の売上の推移のほか、商品カテゴリーごと、SKU単位※、場合によっては生産工場単位で売上推移を確認します。残念ながら、売上全体を見ることがあっても、SKU単位で売上の推移を見ている人は少ない気がします。最低限、SKU単位で売上の時系列推移を見ることで色々な示唆を得ることができるかと思います。
※SKU：stock keeping unit、在庫管理を行うときの最小の単位。
2. データ分析：1日あたりの売上点数（日販の平均）
例えば、売上の時系列推移を月単位で見たとしましょう。月によって日数が異なるため「1日あたりの売上点数（日販の平均）」を計算し月単位の時系列推移を見るための指標として使うことがあります。もちろん「売上点数の月合計」でも構いません。ここで面白いことが分かります。SKUによって売上の時系列推移の挙動が異なるのです。多くの場合、大きく以下の3つに分かれます。
- (1) ジョットコースター型の推移（急激に売上が急上昇 したり 急下降したりする）
- (2) 季節型の推移（夏場に売れる、冬場に売れる、といった季節商品）
- (3) 横ばい型の推移（販促の影響などで変動するも、ほぼ変化せず一定して横ばい）
(1)は一時的な流行商品、(2)は季節性の高い商品、(3)は地味な商品に多い感じです。別の見方をすると(1)は不安定、(2)はやや不安定、(3)は安定した商品です。安定・不安定を見る指標に「標準偏差」というものがあります。
3. データ分析：日販の標準偏差
「日販の平均」という指標は、水準の高さを表わします。しかし「日販の平均」はあくまでも平均値であり、日々の日販ではありません。例えば「日販の平均」が80万円であっても、現実は日販10万円の日もあれば、200万円の日もあるなど、平均したら80万円だったということに過ぎません。「日販の標準偏差」とは、日々の日販が「日販の平均」を中心に上下に変動するのかといった程度を表した指標です。
したがって「日販の標準偏差」の値が大きければ大きいほど、日々の日販が「日販の平均」を中心に上下に大きく変動することになります。つまり、日販が不安定ということになります。
【「日販の標準偏差」の計算式】
- 「日販の分散」＝（日販－「日販の平均」）の2乗の合計÷日数
- 「日販の標準偏差」は、「日販の分散」の平方根
※Excelなどで簡単に計算できる（計算用のExcel関数がすでにある）
4. データ分析：迷ったら、1年間で見てみよう
ここまで、月単位の話しをしましたがここで、内容を簡単にするために1年単位で話しを進めます。SKU単位で、その売上点数の「日販の平均」と「日販の標準偏差」を計算してみましょう。計算したら「日販の平均」（横軸）と「日販の標準偏差」（縦軸）の散布図を作りましょう。
散布図を作ると、以下の4種類に分かれます。
- (1) 散布図の「右下」：売上大 かつ 売上が安定しているSKU
- (2) 散布図の「右上」：売上大 だが 売上が不安定なSKU
- (3) 散布図の「左下」：売上小 だが 売上が安定しているSKU
- (4) 散布図の「左上」：売上小 かつ 売上が不安定なSKU
(1)のような商品はほとんどありません。ほとんどないどころか全くない場合もあります。もしあるならば、大事にすべきでしょう。その店舗の主力商品の可能性が高いからです。(4)のような商品は、他の商品との兼ね合いや、企業としての方向性、ブランディングなどを考慮し、どのような扱いをすべきか検討し、決定する必要があるでしょう。悩ましいのは、(2)と(3)の扱いです。あなたらなら、どのような戦略をとるでしょうか。
5. データ分析の本分
なんとなくですが、散布図の「右上」の(2) の「売上大 だが 売上が不安定なSKU」に惑わされるケースが非常に多い気がします。なぜならば、目立つからです。「データ分析の本分」は何でしょうか？人によって異なることでしょう。私が安全保障系のデータ分析をバックボーンにしているからかもしれませんが、私個人の考えでは「負のリスクを減らすこと」です。ここでいうリスクとは「不確実性」のことです。売上が極端に大きくなるかもしれないし、売上が極端に低くなるかもしれない、博打のようなことを指しています。「負のリスク」とは売上が極端に低くなるかもしれないこと、「正のリスク」とは売上が極端に大きくなることです。
要するに「データ分析の本分」とは、どうなるか分からないことに対し「負のリスクを減らすこと」です。「負のリスクを減らすこと」という視点で考えれば、先ほどの散布図の「左下」の(3) の「売上小だが売上が安定しているSKU」に注目し、そして注力すべきです。
6. データ分析的な戦略
以上を踏まえると、データ分析的な戦略の考え方は「負のリスクを減らすこと」を第一に考えることになります。ある程度の負のリスクを減らすことで、一定の安定性が得られます。売上で考えれば、あ...
データ分析の力は、リスクをどれだけ減らし、リスクのある事にどれだけ挑戦できるかにあると思います。小売に限らず、多くの商材を抱えているBtoB 企業でも、同じようなデータ分析が可能かと思います。SKU単位で2つの指標「平均」と「標準偏差」を計算し、次の打ち手を「あーだ、こーだ」と考えてみてはいかがでしょうか。
7. 小売の売上分析
今回は「小売の売上分析、2つの指標だけで考える小売業の『データ分析的な戦略』」というお話しをしました。まず、2つの指標とは「日販の平均」と「日販の標準偏差」です。「日販の平均」という指標は、水準の高さを表現します。「日販の標準偏差」という指標は、リスクの大きさを表現します。理想は「日販の平均」が高く、「日販の標準偏差」が小さいことです。
データ分析を活用することで、どうなるか分からないことに対し、そのリスクを減らし確実性を高めることです。データ分析は、そのようなことが可能です。そのためにも「日販の平均」と「日販の標準偏差」という2つの指標を見る必要があります。まだじっくり「標準偏差」という指標を眺めたことがない方は、一度算出してみてください。面白い進展があるかもしれません。