Разобрали 541 909 строк транзакций и выяснили, почему отрицательная сумма в отчёте ещё не означает процент возвратов или потери прибыли.
Интернет-магазин
Анализ продаж
retail signal / dataset 352
От общей суммы отмен — к списку конкретных проверок
Вместо одного спорного показателя мы разделили товарные операции, отменённые счета и служебные записи. Это помогло определить, что можно посчитать по выгрузке, а что нужно дополнительно сверить с заказами.
Задача: понять, что именно стоит за отрицательными строками
В отчёте интернет-магазина рядом могут оказаться продажа товара, отменённый счёт, доставка, комиссия и ручная корректировка. Если объединить их в одну сумму, цифра не подскажет менеджеру, что проверять: товарную карточку, складскую операцию, платёж или правило учёта.
Мы сформулировали задачу как прикладной анализ продаж: отделить денежные отмены от прочих отрицательных строк, ранжировать коды по сумме и повторяемости, а затем собрать товарные позиции для ручной проверки. Такой порядок превращает журнал операций в рабочую очередь вопросов.
Транзакционная выгрузкаСчёт, товарный код, количество, цена, дата и другие поля.
Типы операцийПродажи, отменённые счета и денежные исключения рассматриваются отдельно.
Список для проверкиКоды операций и товарные сигналы с понятными критериями отбора.
Какие данные взяли и как проверяли
Использовали открытый набор Online Retail из UCI Machine Learning Repository. В нём 541 909 строк транзакций британского интернет-магазина за период с по . Восемь полей содержат номер счёта, код и описание товара, количество, дату, цену за единицу, идентификатор покупателя и страну.
Согласно описанию UCI, префикс C в номере счёта обозначает отмену. Это проверяемый признак типа операции. В выгрузке нет причины отмены, факта отправки заказа или себестоимости — поэтому модель не угадывает причины, а выводы ограничены полями источника.
- Разделили строки по знаку количества и цены; положительные продажи считали по строкам с положительной ценой.
- Из 10 624 строк с отрицательным количеством выделили 9 288 строк с положительной ценой и префиксом C у номера счёта. Их включили в денежное сравнение.
- Оставшиеся 1 336 строк с неположительной ценой не включали в денежные суммы и сохранили как отдельную группу исключений.
- Сгруппировали отрицательные суммы по кодам и описаниям, чтобы увидеть товарные и служебные записи.
- Отобрали товарные коды с продажами от 1 000 и минимум пятью разными отменёнными счетами; исключили очевидные служебные строки и записи без названия.
- Повторно рассчитали суммы и доли программно на исходной таблице. ИИ помог структурировать анализ и объяснить срезы, но не назначал причину отмен.
Сумма отмен — 8,4% от суммы положительных продаж
Для сравнения использовали 530 104 строки продаж с положительным количеством и ценой. Они дали 10 666 684,54 в валюте исходной выгрузки и относились к 19 960 счетам. Сумма 896 812,49 рассчитана по 9 288 строкам с отрицательным количеством, положительной ценой и префиксом C у номера счёта. Эти строки относятся к 3 836 различным отменённым счетам — количество строк и количество счетов здесь не одно и то же.
Внутри одной отрицательной суммы оказались разные сущности
Три кода с наибольшими суммами отрицательных строк — AMAZONFEE, 23843 и M (Manual) — вместе составляют 61,4% отрицательной суммы. Это комиссия, товарный код и ручная операция: единая категория «возвраты» исказила бы смысл отчёта.
Доля рассчитана от всей отрицательной суммы 896 812,49. Коды разного назначения показаны рядом только для объяснения концентрации; это не три товарные причины возвратов.
Длина полосы сопоставлена с крупнейшей суммой в списке — 235 281,59. Рейтинг показывает сумму строк, а не убыток по товару.
485 товарных кодов прошли заданные фильтры
В список вошли позиции с суммой положительных продаж от 1 000 и как минимум пятью разными отменёнными счетами. Служебные коды и строки без названия товара исключили. Три примера ниже выбраны по высокому отношению суммы отрицательных строк к продажам.
| Код и товар | Продажи | Отрицательная сумма | Отмены / продажи | Счета |
|---|---|---|---|---|
| 23166 · MEDIUM CERAMIC TOP STORAGE JAR | 81 700,92 | 77 479,64 | 94,8% | 10 |
| 85232B · SET OF 3 BABUSHKA STACKING TINS | 1 361,25 | 1 258,05 | 92,4% | 6 |
| 23113 · PANTRY CHOPPING BOARD | 5 868,50 | 4 803,06 | 81,8% | 6 |
Порог по числу счетов снижает влияние разовых крупных записей. Следующий шаг — связать строки отмены с исходными заказами и проверить, что произошло в каждом случае. Эти товарные сигналы сами по себе не доказывают дефект или недовольство покупателя.
Как превратить аналитику продаж в управленческое действие
В этой выгрузке нет данных для расчёта предотвращаемых потерь или прибыли. Поэтому итог анализа — не обещание финансового эффекта, а воспроизводимая схема проверки, которую можно расширить данными конкретного магазина.
Что получил бизнес-аналитик
Вместо единого неоднозначного процента — разделённые типы операций, сумма денежных отмен, отдельные ценовые исключения, рейтинг кодов и 485 товарных позиций для сверки. Такой отчёт можно дополнить причинами отмен, складскими остатками и себестоимостью, чтобы перейти от сигнала к проверке конкретного процесса.
ИИ ускорил подготовку логики анализа и объяснение результатов; ключевые суммы и проценты проверены расчётом на данных. Решение о причине отмены или качестве товара остаётся за специалистом, который видит заказ и бизнес-контекст.
бизнес-аналитика
интернет-магазин
анализ продаж
отмены заказов
открытые данные
Разберите показатели, прежде чем менять процессы
Если у вас есть выгрузка продаж или заказов, можно начать с проверки структуры данных, спорных метрик и вопросов, на которые должен отвечать отчёт.