Średnia marża może ukrywać problemy cenowe
Analiza sprzedaży często zaczyna się od przychodu, wolumenu i średniej marży. Problem w tym, że wartości zagregowane potrafią maskować bardzo różne zachowania cenowe. Marża całej kategorii może wynosić 24%, podczas gdy część klientów kupuje z marżą 35%, a inna grupa – zaledwie 8%. Podobnie dwóch handlowców może osiągać identyczny wynik sprzedażowy, ale jeden robi to przy ograniczonych rabatach, a drugi regularnie schodzi do minimalnej dopuszczalnej ceny. Dlatego analiza wyników sprzedaży w Power BI powinna być uzupełniona o perspektywę realizowanych cen.
Szczególnie ważne jest wykrywanie tzw. price leakage, czyli sytuacji, w której firma traci część potencjalnego przychodu wskutek kolejnych rabatów i ustępstw. Pojedyncza obniżka może wydawać się niewielka. Jeśli jednak podobne decyzje pojawiają się w setkach transakcji, stają się systemowym problemem wpływającym na rentowność.
Price waterfall pokazuje, co dzieje się między cennikiem a realnym przychodem
Jedną z najbardziej użytecznych analiz cenowych jest price waterfall, czyli „wodospad cenowy”. Punktem wyjścia jest cena katalogowa lub referencyjna. Następnie odejmowane są kolejne elementy wpływające na rzeczywistą cenę: rabat podstawowy, rabat handlowy, promocja, bonus retrospektywny, dodatkowy upust, bezpłatny transport czy inne świadczenia dla klienta. Dopiero na końcu widzimy faktyczną cenę transakcyjną, a po uwzględnieniu kosztów również rzeczywistą marżę.
W Power BI można zestawić takie dane na poziomie klienta, produktu, zamówienia, regionu czy handlowca. Dzięki temu zarządzający sprzedażą widzi nie tylko średni poziom rabatu, ale również strukturę odstępstw od ceny bazowej. Dobrym rozwinięciem takiego podejścia jest analiza rentowności klientów i produktów, ponieważ sama cena nie wystarczy, jeśli poszczególni odbiorcy generują bardzo różne koszty obsługi.
Raport może pokazywać m.in.:
- średnią cenę realizowaną względem ceny katalogowej,
- wartość i procent udzielonych rabatów,
- liczbę transakcji poniżej ustalonego progu marży,
- różnice cen dla podobnych klientów i wolumenów,
- marżę przed i po dodatkowych warunkach handlowych,
- udział sprzedaży wymagającej zgody na odstępstwo cenowe.
Czy spadek wyniku wynika z ceny, wolumenu czy miksu?
Sama informacja, że marża spadła o 2 mln zł rok do roku, nie mówi jeszcze, dlaczego tak się stało. Część zmiany może wynikać z niższych cen, część z wolumenu, a pozostała część ze struktury sprzedaży. Firma może przecież sprzedać więcej, ale skoncentrować wzrost na produktach o niższej marży. Może również utrzymać wolumen, ale zwiększyć udział klientów korzystających z największych rabatów.
Analiza price-volume-mix pozwala rozdzielić te efekty. W Power BI można pokazać, ile zmiany wyniku wynika z ceny, ile ze zmiany liczby sprzedanych jednostek, a ile z przesunięcia sprzedaży pomiędzy produktami, klientami czy kanałami. Taka informacja jest znacznie bardziej użyteczna dla zarządu niż sam komunikat o spadku marży. Pozwala również odróżnić problem sprzedażowy od problemu cenowego.
W przypadku firm handlowych warto dodatkowo zestawiać realizowane ceny z kosztami zakupu. Dane potrzebne do takiej analizy można połączyć z podejściem opisanym w artykule o Power BI w zakupach i procurement.
Przykład: sprzedaż rośnie, ale firma zarabia mniej
Wyobraźmy sobie dystrybutora B2B, którego sprzedaż w jednej kategorii produktowej wzrosła rok do roku o 12%. Raport standardowy pokazuje więc dobry wynik. Power BI ujawnia jednak, że jednocześnie średni rabat wzrósł z 7 do 10%, a udział transakcji zawieranych poniżej minimalnego poziomu marży niemal się podwoił. Dalsza analiza pokazuje, że problem dotyczy głównie kilku dużych klientów oraz ofert przygotowywanych pod koniec miesiąca, gdy zespół handlowy próbuje zrealizować plan sprzedażowy.
Taka informacja pozwala zmienić sposób zarządzania cenami. Firma może wprowadzić progi wymagające dodatkowej akceptacji, różne limity rabatowe dla kategorii produktów albo dodatkowy KPI uwzględniający nie tylko wartość sprzedaży, ale również realizowaną marżę. Nie chodzi o automatyczne ograniczenie wszystkich rabatów. Chodzi o rozpoznanie, które rabaty pomagają zdobywać wartościową sprzedaż, a które jedynie finansują wzrost przychodu kosztem wyniku.
Power BI może zmienić politykę cenową w proces zarządczy
Dobrze przygotowany raport cenowy nie powinien służyć wyłącznie do analizowania przeszłości. Jego wartość rośnie, gdy staje się elementem regularnej pracy sprzedaży, controllingu i zarządu. Można obserwować zmiany cen realizowanych, analizować skutki promocji, kontrolować odstępstwa od polityki rabatowej i sprawdzać efekty podwyżek. Szczególnie ważne jest porównywanie wyników na poziomie segmentów klientów i produktów, ponieważ jedna polityka cenowa rzadko sprawdza się jednakowo w całym portfolio.
Microsoft Power BI pozwala stworzyć wspólny obraz danych, dzięki któremu rozmowa o cenach przestaje opierać się na pojedynczych transakcjach i opiniach handlowców. Firma zaczyna widzieć wzorce, skalę odstępstw oraz ich wpływ na wynik. W warunkach presji kosztowej i rosnącej konkurencji nawet niewielka poprawa sposobu zarządzania cenami może mieć większy wpływ na rentowność niż kolejny wzrost wolumenu.