Abverkaufsquote um verkaufsaktive Tage und gestaffelten Verkaufsstart bereinigen?

[sengel]

In unserem wöchentlichen Saisonreporting vergleichen wir die Abverkaufsquoten von Textilaktionen über rund 90 Filialen mit gestaffeltem Verkaufsstart und unterschiedlicher Flächenpräsenz. Aktuell setzen wir Absatz ins Verhältnis zum kumulierten Wareneingang je Filiale und Woche, doch Artikel mit spätem Erstverkaufstag oder temporären Regal-Lücken durch verspätete Verräumung erscheinen systematisch schwächer. Mich interessiert, wie ihr Verweildauer und tatsächliche Verkaufsbereitschaft je Artikel und Filiale sauber in DWH-Modell und Kennzahl integriert. Gewichtet ihr nach verkaufsaktiven Tagen mit Bestand größer null, arbeitet ihr mit normierten Abverkaufskurven je Warengruppe oder nutzt ihr einen separaten Verfügbarkeitsfaktor zur Bereinigung?

[staylor]

Ursache ist der Nenner: Kumulierter Wareneingang unterstellt sofortige Verkaufsbereitschaft in allen Filialen, obwohl Erstverkauf, Verräumung und Lücken zeitlich streuen. Spätstarter sammeln dadurch weniger Absatzchancen bei gleichem Nenner. Im DWH empfehle ich eine tägliche Bestands-Snapshot-Fakttabelle je Artikel und Filiale mit Bestand Menge, Aktionsflag und Verräumungs- beziehungsweise Platzierungsflag aus Kasse, Bestand und Regal- oder Nachschubmeldung. Als verkaufsaktiv zählt ein Aktionstag mit Bestand größer null und gesetztem Platzierungsflag. Darauf bauen zwei Kennzahlen: erstens die klassische Abverkaufsquote Absatz zu angebotenem Bestand, zweitens bereinigt Absatz je verkaufsaktivem Tag sowie ein Verfügbarkeitsfaktor aktive Tage zu geplanten Aktionstagen. In SQL summierst du Absatz und aktive Tage je Artikel, Filiale und Woche und vergleichst Filialen nur innerhalb gleicher Startkohorte oder normierst über Warengruppenkurven. Prüfe Lücken mit Absatz bei Nullbestand, Differenzen zwischen Wareneingang und Erstverräumung und Flächenwechsel je Woche.