XYZ-анализ закупок по вариативности

Задача

ABC отвечает, сколько денег уходит на категорию. XYZ отвечает, насколько ровно эти деньги уходят: одинаковая сумма каждый месяц или один пик и десять месяцев тишины. Для закупщика разница практическая. Ровный спрос позволяет держать рамочный договор и торговаться объёмом. Рваный — требует запаса, срочных закупок и запаса по цене.

Меру разброса берут относительную: среднеквадратичное отклонение делят на среднее. Это коэффициент вариации, CV. Он безразмерный, поэтому категории с разными суммами можно сравнивать между собой.

Данные

Та же purchases, но счёт идёт не по категориям, а по парам «категория — месяц». Сначала сворачиваем заказы в месячные суммы, потом считаем разброс этих сумм. Такой двухшаговый расчёт — обычная схема: сначала агрегат нужного уровня, затем статистика по нему.

В датасете у каждой категории ровно 24 месяца с заказами. В живых данных бывает иначе: пустой месяц — это не пропуск, а ноль затрат, и он тоже входит в расчёт, иначе разброс занижается.

Запрос

WITH m AS (
    SELECT category, strftime(order_date, '%Y-%m') AS mon, sum(amount) AS spend
    FROM purchases
    GROUP BY category, mon
),
stat AS (
    SELECT category, count(*) AS months, avg(spend) AS avg_spend,
           stddev_samp(spend) AS sd
    FROM m GROUP BY category
)
SELECT category AS "категория",
       months AS "месяцев",
       round(avg_spend / 1000, 1) AS "средний, тыс. ₽",
       round(100 * sd / avg_spend, 1) AS "CV, %",
       CASE WHEN sd / avg_spend < 0.10 THEN 'X'
            WHEN sd / avg_spend <= 0.25 THEN 'Y'
            ELSE 'Z' END AS "класс"
FROM stat
ORDER BY sd / avg_spend;

┌─────────────────┬─────────┬─────────────────┬───────┬───────┐
│    категория    │ месяцев │ средний, тыс. ₽ │ CV, % │ класс │
├─────────────────┼─────────┼─────────────────┼───────┼───────┤
│ Металлопрокат   │ 24      │ 5416.6          │ 5.5   │ X     │
│ Крепёж          │ 24      │ 480.9           │ 5.6   │ X     │
│ Химия и ГСМ     │ 24      │ 380.4           │ 6.2   │ X     │
│ Упаковка        │ 24      │ 361.4           │ 8.9   │ X     │
│ Электрика       │ 24      │ 1287.8          │ 18.1  │ Y     │
│ ИТ-оборудование │ 24      │ 2186.1          │ 21.4  │ Y     │
│ Логистика       │ 24      │ 840.9           │ 39.7  │ Z     │
│ Спецодежда      │ 24      │ 531.5           │ 60.0  │ Z     │
│ Канцелярия      │ 24      │ 94.2            │ 65.0  │ Z     │
└─────────────────┴─────────┴─────────────────┴───────┴───────┘

Разбор

Четыре категории попали в X: Металлопрокат, Крепёж, Химия и ГСМ, Упаковка. Их месячные затраты отклоняются от среднего на 5,5–8,9% — это ровный поток, для которого работают годовые договоры и плановые цены.

Две категории в Y: Электрика (18,1%) и ИТ-оборудование (21,4%). Здесь уже видна сезонность: месячные затраты уходят вверх к концу года и остаются высокими в январе.

Три категории в Z. Канцелярия — 65,0%: пик в июле-августе, к новому учебному году, и провал в феврале. Спецодежда — 60,0%: закупки к отопительному сезону. Логистика — 39,7%: декабрьский пик отправок. Для таких категорий бессмысленно считать «средний месячный расход»: он не описывает ни один реальный месяц.

Обратите внимание на пару Металлопрокат — Канцелярия: 130,0 млн ₽ против 2,3 млн ₽ за два года, но по стабильности это разные полюса. ABC поставил бы их в разные классы по деньгам, XYZ — по ритму, и решения нужны оба.

Сезонный профиль

Цифра CV говорит, что разброс есть, но не говорит, какой он формы. Форму видно на месячном ряду. Для Канцелярии за 2024 год:

SELECT strftime(order_date, '%Y-%m') AS "месяц",
       round(sum(amount) / 1000) AS "канцелярия, тыс. ₽"
FROM purchases
WHERE category = 'Канцелярия' AND order_date < DATE '2025-01-01'
GROUP BY 1 ORDER BY 1;

┌─────────┬────────────────────┐
│  месяц  │ канцелярия, тыс. ₽ │
├─────────┼────────────────────┤
│ 2024-01 │ 21.0               │
│ 2024-02 │ 9.0                │
│ 2024-03 │ 22.0               │
│ 2024-04 │ 53.0               │
│ 2024-05 │ 94.0               │
│ 2024-06 │ 137.0              │
│ 2024-07 │ 177.0              │
│ 2024-08 │ 173.0              │
│ 2024-09 │ 165.0              │
│ 2024-10 │ 135.0              │
│ 2024-11 │ 90.0               │
│ 2024-12 │ 51.0               │
└─────────┴────────────────────┘

Максимум — июль и август (177 и 173 тыс. ₽), минимум — февраль (9 тыс. ₽). Разница почти в двадцать раз. Это не случайный разброс, а календарь: если планировать закупку канцелярии на февраль по «среднему», денег не хватит в августе.

Границы X, Y, Z

Границы 10% и 25% — рабочая договорённость, а не закон. Сдвиньте их, и те же данные дадут другие классы: часть категорий переедет из X в Y или из Y в Z. Поэтому правило простое: границы фиксируют до расчёта и пишут в описании отчёта. Иначе спор о том, «правильно ли категория попала в Z», превращается в спор о порогах.

Второе: CV считается по выборке (stddev_samp), а не по генеральной совокупности. Для 24 месяцев разница между ними около 2% — не критично, но в отчёте должно быть указано, что именно считали.

Типичные ошибки

Ошибка	Что происходит	Как правильно
Считать CV по суммам заказов, а не по месяцам	Разброс отражает размер заказов, а не регулярность спроса	Сначала свернуть в месячные суммы, потом считать разброс
Выбрасывать месяцы без заказов	Разброс падает, сезонная категория выглядит стабильной	Пустой месяц — это ноль, он входит в ряд
Сравнивать CV в рублях между категориями	У крупной категории абсолютный разброс всегда больше	Сравнивать относительную величину — сам коэффициент
Считать «средний месячный расход» для категории Z	Число не описывает ни один месяц	Для Z планируют по пику и по календарю
Менять границы после расчёта	Категория «переезжает» в удобный класс	Границы фиксируются до расчёта

Что читать дальше

• ABC-анализ по сумме закупок — первая координата
• Концентрация поставщиков — следующая ось
• ABC и XYZ анализ закупок — матрица 3×3 и стратегии