Macierz korelacji zmiennych kluczowych

Poniższa macierz korelacji prezentuje związki statystyczne między czterema kluczowymi zmiennymi biznesowymi: Discount (rabat), Quantity (ilość), Sales (sprzedaż) i Profit (zysk). Wartości w komórkach pokazują siłę i kierunek korelacji (od -1 do +1), gdzie wartości bliskie -1 oznaczają silną korelację ujemną, wartości bliskie +1 silną korelację dodatnią, a wartości bliskie 0 brak związku. Gwiazdki (, , ) oznaczają istotność statystyczną korelacji. Analiza ta jest kluczowa dla wszystkich pytań badawczych, szczególnie #1: “Jaki wpływ mają rabaty na zysk?”

Kluczowe obserwacje:

• Rabat niszczy zysk: Discount ma silną ujemną korelację z Profit (-0.22), co oznacza, że wyższe rabaty są silnie powiązane z niższym zyskiem – to potwierdza problem z polityką rabatową

• Sprzedaż nie równa się zysk: Sales ma umiarkowaną pozytywną korelację z Profit (0.48), co jest wartością niższą niż można by oczekiwać – wskazuje to, że sama wysokość sprzedaży nie gwarantuje proporcjonalnego zysku

• Ilość nie kompensuje rabatów: Quantity ma bardzo słabą korelację z Profit (0.07*), co sugeruje, że zwiększenie ilości sprzedanych produktów nie jest efektywną strategią kompensacji rabatów

• Rabaty nie zwiększają znacząco sprzedaży: Discount ma słabą ujemną korelację z Sales (-0.03), co jest zaskakujące – głębsze rabaty nie prowadzą do znaczącego wzrostu wartości sprzedaży

• Paradoks rabatowy: Brak silnej pozytywnej korelacji między rabatem a sprzedażą przy jednoczesnej silnej ujemnej korelacji z zyskiem sugeruje, że obecna polityka rabatowa jest nieefektywna – firma traci zysk bez znaczącego zwiększenia przychodów

Wpływ rabatów na rentowność: analiza wielowymiarowa

Poniższe cztery wizualizacje przedstawiają kompleksową analizę wpływu rabatów na kluczowe metryki biznesowe: marżę zysku, liczbę zamówień, udział w całkowitym zysku oraz średnią wartość zakupu. Transakcje zostały pogrupowane w sześć kategorii według wysokości rabatu, co pozwala na precyzyjne zidentyfikowanie punktu krytycznego, w którym rabaty przestają być opłacalne. Analiza ta bezpośrednio odpowiada na pytanie badawcze #1: “Jaki wpływ mają rabaty na zysk – czy większy rabat zawsze zwiększa sprzedaż kosztem rentowności?”

Średnia marża zysku według poziomu rabatu

Poniższy wykres słupkowy przedstawia średnią marżę zysku (w procentach) dla każdej grupy rabatowej. Kolor słupka sygnalizuje rentowność: zielony oznacza zysk, czerwony stratę. Ta wizualizacja jasno pokazuje punkt krytyczny, w którym rabaty przekształcają się z narzędzia marketingowego w źródło strat finansowych.

Kluczowe obserwacje:

• Próg opłacalności: Wyraźna granica rentowności znajduje się między 11-20% a 21-30% rabatem – pierwsze dwie grupy generują zysk (33.7% i 17.5% marży), podczas gdy wszystkie kolejne są w strefie strat

• Dramatyczny spadek: Marża spada z +17.5% (11-20%) do -11.5% (21-30%), co oznacza spadek o prawie 30 punktów procentowych przy zwiększeniu rabatu o zaledwie ~10%, wskazując na nieliniowy wpływ rabatów

• Katastrofa ekstremalnych rabatów: Grupa rabatów >50% wykazuje marżę -114%, co oznacza, że firma traci więcej niż cała wartość sprzedaży – każda taka transakcja jest dramatycznie nierentowna

• Bezpieczna strefa: Transakcje z rabatem 0-10% mają najbardziej zdrową marżę 33.7%, co sugeruje, że firma ma solidne podstawy marżowe, które są niszczone przez agresywną politykę rabatową

Liczba zamówień według poziomu rabatu

Poniższy wykres liniowy pokazuje rozkład liczby zamówień w poszczególnych grupach rabatowych. Kształt krzywej ujawnia faktyczną strategię rabatową firmy i pozwala ocenić, czy rabaty są stosowane strategicznie czy chaotycznie.

Kluczowe obserwacje:

• Dominacja niskich rabatów: Grupy 0-10% (~4900 zamówień) i 11-20% (~3700 zamówień) stanowią łącznie około 86% wszystkich transakcji, co jest pozytywnym sygnałem - większość klientów kupuje przy niskiej lub zerowej obniżce

• Przepaść po 20%: Dramatyczny spadek do ~250 zamówień w grupach 21-30% i 31-40% wskazuje, że firma rzadko stosuje średnie rabaty - to sugeruje brak elastycznej polityki cenowej i negocjacji

• Anomalia ekstremalnych rabatów: Niespodziewany wzrost do ~900 zamówień w grupie >50% jest niepokojący - tak głębokie rabaty (które generują -114% marży) nie powinny występować tak często, chyba że są to akcje likwidacji zapasów

• Strategia binarna: Rozkład pokazuje podejście “wszystko albo nic” - albo pełna/prawie pełna cena (~4900), albo standardowa promocja 20% (~3700), albo ekstremalna wyprzedaż (~900), bez płynnych przejść

• Problem kontroli: Fakt, że 900 transakcji odbyło się z rabatami >50% (każda generująca ogromną stratę) wskazuje na brak procedur autoryzacji głębokich rabatów lub celowe akcje, które wymagają szczegółowej analizy uzasadnienia biznesowego

Udział w całkowitym zysku według poziomu rabatu

Poniższy wykres liniowy przedstawia średnią wartość transakcji (w dolarach) dla każdej grupy rabatowej. Szara linia przerywana oznacza średnią globalną (~$230). Ta wizualizacja odpowiada na kluczowe pytanie: czy głębsze rabaty rzeczywiście zwiększają wartość koszyka zakupowego, jak zakładają klasyczne teorie rabatowe?

Kluczowe obserwacje:

• Paradoks niskich rabatów: Grupy 0-10% i 11-20% mają wartości zakupu ($230 i $220) blisko średniej globalnej, co jest nieoczekiwane - brak rabatu nie zniechęca klientów do kupowania produktów o standardowej wartości

• Wzrost dla średnich rabatów: Grupy 21-30% ($460), 31-40% ($565) i 41-50% ($850) pokazują wyraźny wzrost wartości zakupu wraz z rabatem, co sugeruje, że głębsze rabaty są stosowane przy droższych produktach lub większych zamówieniach

• Dramatyczny spadek przy >50%: Grupa ekstremalnych rabatów ma NAJNIŻSZĄ średnią wartość zakupu (~$75), co jest 3x niższe niż średnia - to wskazuje, że >50% rabatów są stosowane głównie przy tanich produktach lub produktach trudnych do sprzedaży

• Brak strategii “większy zakup = większy rabat”: Fakt, że najwyższe rabaty (>50%) idą w parze z najniższymi wartościami koszyka (~$75) jest całkowicie odwrotny do zdrowej strategii rabatowej, gdzie głębokie rabaty powinny nagradzać duże zamówienia

• Niszczenie wartości przy niskiej sprzedaży: Kombinacja -114% marży (z pierwszego wykresu) i $75 średniej sprzedaży w grupie >50% oznacza, że firma daje ogromne rabaty na produkty o niskiej wartości, co jest podwójnie destrukcyjne - niska wartość transakcji + ogromna strata na każdej transakcji

Wpływ rabatów na marże według regionów

Kluczowe obserwacje:

• Strata na każdej sztuce: Region Centralny (rabat 24%) = marża ujemna (-10%). Agresywne cięcie cen prowadzi do sprzedaży poniżej granicy opłacalności. Rabat nie przyciąga wystarczającej liczby klientów, by zrekompensować utraconą marżę.

• Strefa bezpiecznego rabatu: Regiony East i South (rabat ~14–15%) = marża 16–17%.Umiarkowane rabaty utrzymują konkurencyjność bez rujnowania rentowności. To optymalny przedział dla zachowania zdrowego balansu między zachętą a zyskiem.

• Optimum niskiego rabatu: Region West (rabat 11%) = marża 22% Najmniejsze rabaty przekładają się na najwyższą marżę i największy łączny zysk. Klienci w tym regionie są lojalni wobec marki, a nie ceny.

• Mit „więcej rabatu = więcej klientów”: Centralny ma wysoki rabat, ale niski wolumen sprzedaży. Mimo najwyższych opustów liczba zamówień jest tam niższa niż w regionach z niższymi rabatami. To dowód, że głębokie promocje przyciągają niewłaściwy segment lub nie budują lojalności.

• Rabat bez wzrostu wolumenu = podwójna strata: Centralny łączy niską średnią sprzedaż z ujemną marżą.Firma traci na każdej transakcji, a jednocześnie nie osiąga wzrostu wartości koszyka ani liczby zamówień. To najgorszy możliwy scenariusz cenowy.

Analiza rentowności kategorii: wykres bąbelkowy

Poniższy wykres bąbelkowy przedstawia trzywymiarową analizę kategorii produktów, gdzie oś X reprezentuje liczbę zamówień, oś Y średni zysk na transakcję, a rozmiar bąbelka odpowiada łącznej sumie sprzedaży. Ta wielowymiarowa wizualizacja pozwala jednocześnie ocenić wolumen sprzedaży, rentowność oraz skalę przychodów każdej kategorii. Analiza bezpośrednio odpowiada na pytanie badawcze #2: “Które kategorie produktów generują najwyższą sprzedaż, a które najwyższy zysk?”

• Kluczowe obserwacje:

• Technology - gwiazdor portfela: Kategoria Technology (największy niebieski bąbelek) dominuje we wszystkich trzech wymiarach - ma najwyższą liczbę zamówień (~6000), najwyższy średni zysk (~$80) i największą sumę sprzedaży, co czyni ją najbardziej wartościową kategorią w portfolio

• Office Supplies - masa krytyczna: Artykuły biurowe (średni pomarańczowy bąbelek) mają umiarkowaną liczbę zamówień (~5500), ale niski średni zysk (~$20), co wskazuje na problem z marżami pomimo znaczącego wolumenu sprzedaży

• Furniture - problem rentowności: Meble (mały zielony bąbelek) mają najmniejszą liczbę zamówień (~2000) i najniższy średni zysk (~$8), co sugeruje, że ta kategoria jest najmniej efektywna zarówno pod względem wolumenu jak i rentowności

• Paradoks skali: Mimo że Office Supplies ma prawie tyle samo zamówień co Technology, jej średni zysk jest 4x niższy, co wskazuje na znaczące różnice w marżowości między kategoriami

• Strategia różnicowania: Wyraźne rozdzielenie kategorii na wykresie sugeruje potrzebę różnych strategii dla każdej z nich: maksymalizacja skali dla Technology, poprawa marż dla Office Supplies, i reewaluacja oferty dla Furniture

Top 5 podkategorii: sprzedaż vs rentowność

Poniższe dwa wykresy słupkowe przedstawiają top 5 podkategorii produktów pod względem sprzedaży (lewy panel) oraz top 5 podkategorii według zysku (prawy panel). To zestawienie ujawnia kluczową różnicę między wielkością sprzedaży a faktyczną rentownością - produkty generujące najwyższe przychody nie zawsze są najbardziej opłacalne. Analiza odpowiada na pytanie badawcze #2: “Które kategorie i podkategorie produktów generują najwyższą sprzedaż, a które najwyższy zysk?”

Kluczowe obserwacje:

• Phones - podwójny lider: Telefony pojawiają się w obu top 5 (2. miejsce w sprzedaży, 2. w zysku), co czyni je najbardziej zrównoważoną podkategorią - wysoka sprzedaż przekłada się na wysoki zysk, co wskazuje na dobrą marżowość

• Chairs - wysoka sprzedaż, brak rentowności: Krzesła są liderem sprzedaży (~$330k), ale nie pojawiają się w top 5 zysków, co sugeruje bardzo niską marżę lub nawet straty na tej podkategorii pomimo ogromnego wolumenu - to czerwona flaga wymagająca analizy kosztów i rabatów

• Copiers - król rentowności: Kopiarki generują najwyższy zysk (~$55k) mimo że nie są w top 5 sprzedaży, co wskazuje na wyjątkowo wysoką marżę - to strategiczna podkategoria, która zasługuje na większy nacisk sprzedażowy

• Binders - paradoks marży: Segregatory są zarówno w top 5 sprzedaży (5. miejsce ~$200k) jak i top 5 zysku (5. miejsce ~$30k), ale stosunek zysku do sprzedaży jest niski (~15%), co wskazuje na produkt o wysokim wolumeniu ale niskiej marży

• Różne strategie produktowe: Fakt, że tylko 2 z 5 top produktów sprzedażowych pojawiają się w top 5 zysków (Phones i Binders) oznacza, że firma sprzedaje głównie produkty o niskiej marży, podczas gdy najbardziej rentowne produkty (Copiers, Accessories, Paper) mają słabszą penetrację sprzedażową - potrzebna jest reorganizacja portfolio produktowego z naciskiem na cross-selling rentownych produktów

Top 10 stanów według zysku

Poniższy wykres przedstawia dziesięć stanów USA generujących najwyższy łączny zysk w analizowanym okresie. Analiza geograficzna rentowności jest kluczowa dla odpowiedzi na pytanie badawcze #3: “Czy istnieją regiony o wysokiej sprzedaży, ale niskiej (lub ujemnej) rentowności?” oraz umożliwia identyfikację najważniejszych rynków dla firmy.

Kluczowe obserwacje:

• Dominacja Kalifornii i Nowego Jorku: Dwa stany generują łącznie ~150k$ zysku, co stanowi znaczną część całkowitego zysku firmy, wskazując na kluczowe znaczenie rynków wschodniego i zachodniego wybrzeża

• Koncentracja geograficzna: Większość najbardziej rentownych stanów to duże centra metropolitalne (Kalifornia, Nowy Jork, Waszyngton, Michigan), co sugeruje korelację między urbanizacją a rentownością

• Duże różnice wewnętrzne: Różnica między najlepszym stanem (~78k\() a dziesiątym (~10k\)) jest prawie ośmiokrotna, co wskazuje na bardzo nierównomierny rozkład zysków geograficznych

• Obecność stanów południowych: Indiana, Virginia i Georgia reprezentują region południowy, pokazując jego rosnące znaczenie ekonomiczne

• Potencjał konsolidacji: Silna koncentracja zysków w kilku stanach może sugerować możliwość optymalizacji operacji poprzez skupienie zasobów na najbardziej rentownych rynkach

Analiza regionalna: sprzedaż vs rentowność

Poniższe dwa wykresy przedstawiają kompleksową analizę rentowności czterech regionów geograficznych USA. Pierwszy wykres (scatter plot) pokazuje relację między wielkością sprzedaży a marżą zyskowności, gdzie rozmiar bąbelka reprezentuje wartość bezwzględną zysku. Drugi wykres (słupkowy) prezentuje bezpośrednie porównanie marży w poszczególnych regionach. Analiza odpowiada na pytanie badawcze 3: “Czy istnieją regiony o wysokiej sprzedaży, ale niskiej (lub ujemnej) rentowności?”

Regiony: relacja sprzedaży i marży

Poniższy wykres typu scatter (punktowy z bąbelkami) prezentuje jednoczesną wizualizację trzech wymiarów: wielkości sprzedaży (oś X), marży zysku (oś Y) oraz wartości bezwzględnej zysku (rozmiar bąbelka). Kolor bąbelka sygnalizuje stan rentowności: zielony (marża ≥15%), pomarańczowy (marża 10-15%), czerwony (marża <10%).

Kluczowe obserwacje:

• East - lider pod każdym względem: Region East ma najwyższą sprzedaż (~$680k), najwyższy zysk (największy bąbelek) i bardzo dobrą marżę (~17%), co czyni go gwiazdą portfolio - wszystkie metryki są optymalne

• West - wysoka skala, niska marża: Region West generuje drugą co do wielkości sprzedaż (~$720k) ale ma znacznie niższą marżę (~22%) niż East, mimo największego bąbelka (największy zysk w wartościach bezwzględnych) - to pokazuje, że skala kompensuje słabszą efektywność

• Central - katastrofa biznesowa: Region Central (czerwony bąbelek) ma UJEMNĄ marżę (~-10%), co oznacza, że każdy dolar sprzedaży generuje stratę - mimo sprzedaży ~$500k, firma traci pieniądze w tym regionie, co wymaga natychmiastowej interwencji

• South - pułapka niskiej marży: Region South ma niską sprzedaż (~$390k) i marginalną marżę (~16%), co plasuje go w strefie pomarańczowej - to region bez wyraźnego profilu strategicznego

• Paradoks wielkości: Wykres jasno pokazuje, że wielkość sprzedaży NIE gwarantuje rentowności - West ma większą sprzedaż niż East ale niższą marżę, a Central mimo znaczącej sprzedaży (~$500k) generuje wyłącznie straty

Porównanie marży według regionów

Poniższy wykres słupkowy przedstawia bezpośrednie porównanie marży zysku w czterech regionach. Dwie linie przerywane oznaczają progi: zielona (15% - marża bardzo dobra), pomarańczowa (10% - marża akceptowalna). Kolory słupków odpowiadają tym samym kryteriom co na poprzednim wykresie.

Kluczowe obserwacje:

• West - niespodzianka lidera: Region West ma najwyższą marżę (22%), mimo że na poprzednim wykresie wydawał się mniej efektywny niż East - to pokazuje, że wysoka sprzedaż West rzeczywiście przekłada się na bardzo dobrą rentowność procentową

• East i South - powyżej progu: Regiony East (16.7%) i South (16.3%) są powyżej zielonej linii (15%), co oznacza bardzo dobrą rentowność - to stabilne, zdrowe regiony

• Central - dramatyczna strata: Region Central (-10.4%) jest jedynym czerwonym słupkiem, znajdującym się głęboko poniżej zera - to nie tylko brak zysku, ale aktywna destrukcja wartości firmy

• Dysproporcja 3:1: Trzy regiony mają marżę 16-22%, podczas gdy jeden ma -10% - to wskazuje, że problem nie jest systemowy ale specyficzny dla Central i prawdopodobnie ma konkretne przyczyny do zidentyfikowania

• Priorytet strategiczny: Fakt, że Central stanowi ~20% sprzedaży firmy (z poprzedniego wykresu ~$500k z ~$2500k total) ale generuje same straty oznacza, że eliminacja problemów w tym regionie może zwiększyć całkowity zysk firmy o dziesiątki procent - to najważniejszy priorytet operacyjny

Sprzedaż w czasie według kategorii produktów

Poniższy wykres obszarowy (stacked area chart) prezentuje dynamikę sprzedaży w podziale na kategorie produktów na przestrzeni całego analizowanego okresu (2014-2017). Format stackowany pozwala jednocześnie obserwować zarówno całkowitą sprzedaż (wysokość całego stosu), jak i udział poszczególnych kategorii w każdym okresie. Analiza ta uzupełnia odpowiedź na pytanie badawcze #4: “Jak zmieniały się sprzedaż i zysk w czasie – czy występuje sezonowość?”

Kluczowe obserwacje:

• Wyraźna sezonowość: Widoczne są regularne peaki sprzedaży w czwartym kwartale każdego roku (listopad-grudzień), prawdopodobnie związane z sezonem zakupów świątecznych i promocjami Black Friday/Cyber Monday

• Proporcje kategorii stabilne: Pomimo zmian w całkowitej sprzedaży, proporcje między kategoriami pozostają względnie stałe w czasie – Technology dominuje w każdym okresie

• Wzrost całkowitej sprzedaży: Trend wzrostowy jest widoczny szczególnie w latach 2016-2017, gdzie peaki sezonowe osiągają wyższe wartości niż w latach poprzednich

• Spadki po sezonie: Regularne spadki sprzedaży na początku każdego roku (styczeń-luty) wskazują na cykliczny charakter biznesu i możliwość lepszego planowania zapasów i kampanii marketingowych

• Technology motor wzrostu: Kategoria Technology nie tylko ma największy udział, ale również wykazuje najsilniejszy wzrost w okresach szczytowych, co potwierdza jej kluczową rolę w strategii firmy

Wydajność dni tygodnia: analiza wielowymiarowa

Poniższa mapa cieplna (heatmap) przedstawia znormalizowaną wydajność poszczególnych dni tygodnia w trzech kluczowych metrykach biznesowych: liczbie zamówień, średniej wartości zamówienia oraz średnim zysku. Zastosowanie normalizacji (skala 0-1) i gradientu kolorystycznego (żółty = najniższa wartość w danej metryce, czerwony = najwyższa) pozwala na szybką identyfikację najlepszych i najgorszych dni dla różnych wskaźników. Analiza ta jest kluczowa dla optymalizacji operacji i kampanii marketingowych.

Kluczowe obserwacje:

• Paradoks środy: Środa ma NAJNIŻSZĄ liczbę zamówień (371 - żółta komórka), ale jednocześnie NAJWYŻSZY średni zysk ($40 - czerwona komórka), co wskazuje na znacznie wyższą jakość/rentowność transakcji w tym dniu pomimo niskiego wolumenu

• Poniedziałek - król wolumenu: Poniedziałek generuje najwyższą liczbę zamówień (1871 - czerwona komórka), ale ma relatywnie niski średni zysk ($28), co sugeruje, że dni o wysokim wolumenie nie przekładają się automatycznie na wysoką rentowność

• Wtorek - najwyższa wartość koszyka: Wtorek wyróżnia się najwyższą średnią wartością zamówienia ($260 - czerwona komórka) i dobrym średnim zyskiem ($32), co czyni go jednym z najbardziej wartościowych dni

• Sobota - najsłabszy dzień: Sobota ma najniższą średnią wartość zamówienia ($216) i najniższy średni zysk ($25 - żółte komórki), co wskazuje na ten dzień jako priorytet do optymalizacji lub specjalnych kampanii

• Optymalny mix: Idealne dni to wtorek i niedziela - łączą umiarkowanie wysoką liczbę zamówień z wysoką wartością koszyka i dobrym zyskiem, podczas gdy środa oferuje najwyższą rentowność przy niskim wolumenie (potencjał premium/B2B)

Analiza sezonowości sprzedaży i zysku

Poniższy heatmap przedstawia równoczesne porównanie indeksów sezonowości dla sprzedaży i zysku w układzie miesięcznym. Indeks sezonowości (gdzie 100 = średnia roczna) pozwala zidentyfikować miesiące o wyjątkowo wysokiej lub niskiej aktywności biznesowej. Kolory czerwono-żółto-zielone wizualizują intensywność: czerwony = wartości najniższe, zielony = najwyższe. Analiza odpowiada na pytanie badawcze 4: “Czy istnieje wyraźna sezonowość w sprzedaży – które miesiące są najbardziej i najmniej rentowne?”

Kluczowe obserwacje:

• Q4 - absolutni królowie zysku: Wrzesień (184), grudzień (182) i listopad (170) to trzy najbardziej rentowne miesiące roku, mimo że sprzedaż jest tylko umiarkowana (81, 89, 80) - wrzesień generuje 84% więcej zysku niż średnia przy 19% niższej sprzedaży, co oznacza ekstremalnie wysoką marżę

• Maj-czerwiec - równowaga sprzedaży i zysku: Miesiące maj (sprzedaż 107, zysk 161) i czerwiec (sprzedaż 120, zysk 155) są jedynymi, które łączą wysoką sprzedaż z wysokim zyskiem - czerwiec ma najwyższą sprzedaż w roku, podczas gdy maj osiąga lepszą efektywność (61% zysku przy 7% sprzedaży)

• -Q1 - martwy sezon ze zdrową marżą: Styczeń-kwiecień (sprzedaż: 50, 38, 31, 43) są najsłabszymi miesiącami sprzedażowymi, ale zyski (77, 58, 83, 91) spadają wolniej niż sprzedaż - marzec ma 69% niższą sprzedaż ale tylko 17% niższy zysk, co wskazuje na kompensację wyższą marżą

• Sierpień - anomalia strat: Sierpień ma katastrofalnie niską sprzedaż (49 - drugi najgorszy) ale zysk znacznie powyżej średniej (133), co daje najwyższy wskaźnik efektywności w roku - prawdopodobnie selektywna sprzedaż tylko najrentowniejszych produktów

• Lipiec - efekt wakacji: Lipiec wykazuje drastyczny spadek zarówno sprzedaży (72) jak i zysku (105) po szczycie czerwca (120, 155), co sugeruje, że wakacyjne spowolnienie dotyka zarówno wolumenu jak i marży - potencjalnie efekt rabatów letnich niszczących rentowność

Produkty ze stratami (straty finansowe według podkategorii)

Poniższy wykres słupkowy pokazuje 10 podkategorii produktów, które wygenerowały największe straty finansowe w ogólnym bilansie zysku/straty w całym okresie analizy (2014-2017). Straty te reprezentują czystą ujemną rentowność dla tych linii produktowych – ponad wartość ich sprzedaży straciła firma na każdym z nich. Ten segment nierentownych produktów jest bezpośrednią konsekwencją polityki rabatowej analizowanej w pytaniu badawczym #1 i wymaga natychmiastowej interwencji strategicznej. Analiza odpowiada na pytanie badawcze #5: “Które produkty lub podkategorie generują straty i jakie czynniki (rabat, region, wysyłka) na to wpływają?”

Kluczowe obserwacje:

• Trójka “niszczycieli wartości”: Binders (\(-38,537), Tables (\)-32,378) i Machines ($-30,095) generują 60% wszystkich strat w portfolio – te trzy podkategorie są pierwsze do analizy przyczyn i zmian strategicznych

• Podatność droższych produktów na rabaty: Zaobserwowana tendencja, że droższe i bardziej złożone produkty (tabele, maszyny, biniki) są bardziej wrażliwe na straty, sugeruje, że rabaty są mniej efektywne dla produktów premium

• Sektor biurowy rozczarowuje: Produkty biurowe (Binders, Fasteners, Labels, Supplies) dominują listę największych strat - to wskazuje na problem z rentowności w tym segmencie

• Duża liczba kategorii w strefie strat: 10 podkategorii ma ujemną rentowność, co oznacza że 25% portfolio (10 z 40 podkategorii wykazuje straty)

• Korelacja z polityką rabatów: Krzyżowe analizy z danymi rabatów wykazały że produkty na liście strat otrzymują średnio wyższe rabaty niż produkty rentowne - to silnie sugeruje powiązanie między polityką rabatową a stratami

Porównanie produktów stratnych vs zyskownych - analiza przyczyn

Poniższy wykres porównuje top 3 najbardziej stratne podkategorie z top 3 najbardziej zyskownymi, analizując kluczowe metryki biznesowe: średni rabat, marżę zysku, sprzedaż na zamówienie oraz całkowity zysk/stratę. To bezpośrednie porównanie ujawnia, które czynniki operacyjne różnicują produkty sukcesu od produktów generujących straty, odpowiadając na pytanie badawcze 5 o przyczyny strat.

Analiza dekompozycji strat - wykres kaskadowy (Waterfall)

Poniższy wykres kaskadowy (waterfall chart) przedstawia szczegółową dekompozycję czynników wpływających na straty w top 3 najbardziej problematycznych podkategoriach (Binders: -$38k, Tables: -$32k, Machines: -$30k). Analiza rozpoczyna się od całkowitej sprzedaży i stopniowo odejmuje poszczególne składniki kosztowe (rabaty, koszty wysyłki) oraz inne czynniki, aby pokazać, jak powstaje końcowa strata netto. Ta wizualizacja bezpośrednio odpowiada na część pytania badawczego 5: “jakie czynniki (rabat, region, wysyłka) wpływają na straty”.

Czas dostawy i rentowność według regionów

Poniższy wykres słupkowy przedstawia średni czas dostawy dla każdego z czterech regionów USA, z kodowaniem kolorystycznym reprezentującym średni zysk (gradient od szarego/żółtego = niski zysk, do czerwonego = wysoki zysk). Ta wielowymiarowa wizualizacja pozwala jednocześnie ocenić efektywność logistyczną (wysokość słupka) i rentowność biznesową (kolor słupka) każdego regionu. Analiza odnosi się do pytania badawczego #5: “Które produkty lub podkategorie generują straty i jakie czynniki (rabat, region, wysyłka) na to wpływają?”

Kluczowe obserwacje:

• East i West - najlepsza kombinacja: Regiony East i West mają najkrótszy czas dostawy (3.9 dni) ORAZ najwyższy średni zysk (czerwone słupki ~$32), co pokazuje, że szybka dostawa może być konkurencyjną zaletą bez konieczności rezygnacji z rentowności

• Central - problem rentowności: Region Central ma najdłuższy średni czas dostawy (4.1 dni) i jednocześnie najniższy średni zysk (szary słupek), co wskazuje na podwójny problem - zarówno logistyczny jak i biznesowy

• South - pośrednie wyniki: Region South ma umiarkowany czas dostawy (4.0 dni) i średnią rentowność (pomarańczowy kolor ~$25), pozycjonując się pomiędzy liderami a ostatnim miejscem

• Korelacja pozytywna: Wykres pokazuje, że szybsza dostawa (niższe słupki) koreluje z wyższą rentownością (ciemniejszy czerwony), co sugeruje, że efektywność operacyjna przekłada się na wyniki finansowe

• Priorytet inwestycyjny Central: Region Central wymaga największej uwagi - zarówno pod kątem optymalizacji procesów logistycznych (redukcja czasu dostawy), jak i analizy przyczyn niskiej rentowności (rabaty, koszty, mieszanka produktowa)

Wnioski:

Wszystkie regiony wykazują istotną statystycznie ujemną korelację między wysokością rabatu a zyskiem, co potwierdza, że wyższe rabaty są związane z niższymi zyskami. Siła tej zależności jest najsilniejsza w regionie South (r = -0,272), a najsłabsza w regionie West (r = -0,150). Regiony Central i East mają bardzo podobną, umiarkowanie ujemną korelację (odpowiednio -0,225 i -0,226). 1. Rabaty obniżają zysk we wszystkich regionach – im wyższy rabat, tym niższy zysk. 2. Region South jest najbardziej wrażliwy na rabaty – tutaj korelacja ujemna jest najsilniejsza, co oznacza, że nawet niewielkie zwiększenie rabatu może wyraźnie obniżyć rentowność. 3. Region West jest stosunkowo najmniej wrażliwy – mimo ujemnej korelacji, zależność jest tu najsłabsza, co może sugerować, że inne czynniki (np. wielkość sprzedaży, mix produktowy) częściowo łagodzą negatywny wpływ rabatów na zysk. 4. Polityka rabatowa wymaga zróżnicowania regionalnego – np. ograniczenie rabatów w regionie South mogłoby przynieść najszybszą poprawę rentowności, podczas gdy w West można pozwolić na nieco większą elastyczność.

Porównanie sezonowości zysku i sprzedaży

#> 
#> ## KLUCZOWE WNIOSKI DOTYCZĄCE SEZONOWOŚCI:
#> Różnice między miesiącami:  NIEISTOTNE STATYSTYCZNIE
#> Korelacja sprzedaż-zysk:  GŁÓWNIE DODATNIA  (średnio:  0.509 )

Wnioski

Test ANOVA wykazał, że sezonowość nie wpływa istotnie na poziom sprzedaży. Jednak analiza korelacji między sprzedażą a zyskiem ujawnia wyraźne różnice między miesiącami pod względem efektywności marżowej.

Średnia korelacja sprzedaż–zysk dla wszystkich miesięcy wynosi 0,509, co wskazuje na ogólną dodatnią zależność – wyższa sprzedaż przekłada się na wyższy zysk. Jednak siła tej zależności silnie waha się w zależności od miesiąca. Luty (r = 0,905), Październik (r = 0,876) i Maj (r = 0,753) charakteryzują się silną dodatnią korelacją, co oznacza, że wzrost sprzedaży w tych miesiącach w wysokim stopniu przekłada się na wzrost zysku. Z kolei Lipiec (r = 0,130) i Listopad (r = 0,193) wykazują bardzo słabą korelację, co sugeruje, że w tych okresach wzrost sprzedaży nie prowadzi do proporcjonalnego wzrostu zysku – prawdopodobnie z powodu agresywnej polityki rabatowej, wysokich kosztów lub niskomarżowego asortymentu.

Pozostałe miesiące, takie jak Marzec, Kwiecień, Wrzesień czy Styczeń, odznaczają się słabą lub umiarkowaną dodatnią korelacją (r między 0,369 a 0,668).

Kluczowy wniosek:

Chociaż sprzedaż jest stabilna w ciągu roku, efektywność marżowa jest sezonowo zróżnicowana. W miesiącach o wysokiej korelacji (Luty, Październik, Maj) warto skupić się na zwiększaniu wolumenu sprzedaży, ponieważ każda dodatkowa transakcja znacząco poprawia zysk. Natomiast w miesiącach o niskiej korelacji (Lipiec, Listopad) należy przeanalizować i zoptymalizować strukturę kosztów oraz politykę cenową, aby poprawić rentowność. Działania sprzedażowe powinny zatem uwzględniać nie tylko wolumen, ale także marżowość charakterystyczną dla danego okresu.

Sales vs Profit (0.48): Istnieje dodatnia korelacja, ale nie jest ona idealna (r=0.48), co oznacza, że wysoka sprzedaż nie gwarantuje wysokiego zysku.

Discount vs Profit (-0.22): Potwierdzenie niszczącego wpływu rabatów na wynik finansowy.

Technology jest najrentowniejszą kategorią

Test Kruskala-Wallisa wykazał istotne różnice w zyskach między kategoriami (p ≈ 0).
- Technology: mediana zysku = 27,32 $ – najwyższa
- Furniture: mediana = 8,19 $
- Office Supplies: mediana = 7,15 $

Testy post-hoc potwierdziły, że Technology generuje istotnie wyższe zyski niż pozostałe kategorie. Różnica między Furniture a Office Supplies jest minimalna (p = 0,04).

Region West ma najwyższą medianę marży

Test Kruskala-Wallisa potwierdził istotne różnice w marżach między regionami (p ≈ 0): - West: mediana = 29,0% – najwyższa - East: mediana = 28,0% - South: mediana = 26,25% - Central: mediana = 19,0% – najniższa

Wniosek: Region Central wymaga poprawy rentowności, podczas gdy West i East osiągają najlepsze wyniki marżowe.

Rozkłady zysków różnią się między regionami

Test Kruskala-Wallisa potwierdza istotne różnice (p < 0,001).
Z wykresu ridgeline wynika:
- West i South mają bardziej skoncentrowane rozkłady z wyższymi wartościami zysków
- Central i East wykazują szersze rozkłady, co sugeruje większą zmienność i niższe zyski

West jest regionem o najwyższej i najbardziej stabilnej rentowności.

West ma najwyższe i najbardziej stabilne wartości zamówień

Test Kruskala-Wallisa: p < 0,001 – istotne różnice między regionami.
Z wykresu ridgeline:
- West: najwyższe i najbardziej skoncentrowane wartości sprzedaży
- South i East: średnie wartości, umiarkowane rozproszenie
- Central: najniższe wartości zamówień i największe rozproszenie

Wniosek: Region West dominuje pod względem zarówno wartości, jak i stabilności transakcji.

Central stosuje najwyższe rabaty, West najniższe

Test Kruskala-Wallisa: p < 0,001 – istotne różnice w polityce rabatowej.
Z wykresu ridgeline:
- Central: najwyższe i najbardziej zróżnicowane rabaty
- West: najniższe i najbardziej skoncentrowane rabaty
- South i East: wartości pośrednie

Wniosek: Agresywna polityka rabatowa w Central koreluje z jego słabszą rentownością, podczas niższe rabaty w West współgrają z jego lepszymi wynikami finansowymi.

Wydajność modelu:

#> 
#> **Metryki modelu:**
#> - Dokładność (Accuracy):**  93.3 %
#> - **Czułość (Sensitivity):**  99.5 %
#> - **Specyficzność (Specificity):**  68.4 %
#> - **AUC:**  0.934

Wnioski co do rabatów

1. RABAT NISZCZY RENTOWNOŚĆ KOMPLETNIE - CLV: Klient bez rabatu = $43.86 zysku, klient z >40% rabatu = $-128.75 (-394%) - LOGISTYKA potwierdza: każdy +1% rabatu zmniejsza szanse rentowności o ~100% (OR = 0.0000) - Wniosek: Nie ma marginalnego wpływu - rabat to binarna zmienna: rentowny ALBO stratny

2. RABATY NIE PRZYCIĄGAJĄ LEPSZYCH KLIENTÓW - CLV: Klienci bez rabatu robią 6.32 transakcji, klienci z rabatami >40% robią 1.97 transakcji (-68.8%) - To nie stickiness - to ucieczka klientów (jedno-razowe złe doświadczenie) - Wniosek: Rabaty przyciągają klientów jednorazowych, nie lojalistów

3. RABATY PRZYCIĄGAJĄ KLIENTÓW STRATNYCH - CLV: 100% klientów z rabatami >40% generuje straty - LOGISTYKA: Model osiąga 99.5% sensitivity - czyli prawie idealne zidentyfikowanie klientów rentownych (bez rabatu) - Wniosek: Rabat jest wiarygodnym predyktorem ruiny finansowej transakcji

4. SPRZEDAŻ I ILOŚĆ NIE RATUJĄ RABATÓW - LOGISTYKA: Sprzedaż (-0.03%), Ilość (+7.35%) - praktycznie żaden wpływ - CLV: Wzrost transakcji jest zbyt mały (-68.8%) i przy tym wszyscy generują straty - Wniosek: Nie ma ekonomicznego uzasadnienia - wolumen nie rekompensuje strat marż

5. MODEL MA PRAWIE IDEALNĄ MOCĄ DYSKRYMINACJI - AUC = 0.934 (prawie idealne) - Sensitivity = 99.5% (prawie wszyscy rentowni klienci poprawnie zidentyfikowani) - Wniosek: Rabat jest NIEZWYKLE SILNYM predyktorem - jeden z najważniejszych w decyzji o rentowności

REKOMENDACJA BIZNESOWA:

PRZESTAĆ stosować rabaty powyżej 20% - każdy dodatkowy 1% to zmniejszenie szans rentowności o 100%

✓ NOWA STRATEGIA: - Utrzymać klientów bez rabatu ($43.86 zysku na klienta) - Maksymalnie rabaty 0-20% przy zdużych zamówieniach (ponad $500) - Wprowadzić program lojalnościowy (punkty, early access) zamiast rabatów - Rezultat: utrzymanie rentowności + wzrost stickiness

ILOŚĆ PIENIĘDZY NA STOLE: W grupie >40% rabatów średni klient generuje straty zamiast zysku ($-128.75). Jeśli ta grupa to ~470 klientów rocznie, to jest SETKI TYSIĘCY ZŁOTYCH strat rocznie, które można uniknąć