Jak wspomniano wcześniej, naszym celem jest zdiagnozowanie obecnego stanu biznesu i znalezienie nowych możliwości. Na początek przyjrzymy się trzem wskaźnikom biznesowym z różnych punktów widzenia. Miarami są liczba sprzedaży, zyski i wskaźniki zysku. Mówią nam, ile fabryka żywności sprzedaje w ilości, ile zarabia (zysk) i gdzie są możliwości rozwoju (wskaźnik zysku). Należy pamiętać, że nie jest to profesjonalna ocena finansowa i, jak zawsze, nacisk kładzie się na techniki programowania, a nie na rzeczywiste wyniki analizy. Pierwszą rzeczą, którą musimy zrobić, jest dodanie do każdej sprzedaży odpowiednich zysków i wskaźnika zysku. Zakładamy, że jedynym sposobem, w jaki możemy policzyć zysk, jest dostarczenie zlecenia sprzedaży i czyzostało zapłacone. W przeciwnym razie określimy zysk i wskaźnik zysku jako zero. Jeśli sprzedaż kwalifikuje się do zysku, obliczenie zysku jest następujące: ZYSK = CENA – KOSZT – ZNIŻKA. Zauważ, że pozwala to na sprzedaż, która nie jest opłacalna (fabryka żywności traci pieniądze), jeśli KOSZT + ZNIŻKA> CENA. Jeśli istnieje zysk, to wskaźnik zysku to ZYSK / KOSZT. To, co właśnie opisaliśmy, jest zaprogramowane w funkcji add_profits():
add_profits <- funtion(data) {
unprofitable <- c(„RETURNED”, „CANCELLED”, „PENDING”)
data$PPROFIT <- data$PRICE – data$COST – data$DISCOUNT
data$PROFIT[data$STATUS %in% unprofitable] – 0
data$PROFIT[data$PAID ==”NO”] <- 0
data$PROFIT_RATIO <- data$PROFIT / data$COST
return(data)
}
Po zdefiniowaniu funkcji add_profits() stosujemy ją po prostu do naszych danych sprzedażowych w następujący sposób:
sales <- add_profits(sales)
Jak wspomniano wcześniej, naszym celem jest zdiagnozowanie obecnego stanu biznesu i znalezienie nowych możliwości. Na początek przyjrzymy się trzem wskaźnikom biznesowym z różnych punktów widzenia. Miarami są liczba sprzedaży, zyski i wskaźniki zysku. Mówią nam, ile fabryka żywności sprzedaje w ilości, ile zarabia (zysk) i gdzie są możliwości rozwoju (wskaźnik zysku). Należy pamiętać, że nie jest to profesjonalna ocena finansowa i, jak zawsze, nacisk kładzie się na techniki programowania, a nie na rzeczywiste wyniki analizy. Pierwszą rzeczą, którą musimy zrobić, jest dodanie do każdej sprzedaży odpowiednich zysków i wskaźnika zysku. Zakładamy, że jedynym sposobem, w jaki możemy policzyć zysk, jest dostarczenie zlecenia sprzedaży i czyzostało zapłacone. W przeciwnym razie określimy zysk i wskaźnik zysku jako zero. Jeśli sprzedaż kwalifikuje się do zysku, obliczenie zysku jest następujące: ZYSK = CENA – KOSZT – ZNIŻKA. Zauważ, że pozwala to na sprzedaż, która nie jest opłacalna (fabryka żywności traci pieniądze), jeśli KOSZT + ZNIŻKA> CENA. Jeśli istnieje zysk, to wskaźnik zysku to ZYSK / KOSZT. To, co właśnie opisaliśmy, jest zaprogramowane w funkcji add_profits():
add_profits <- funtion(data) {
unprofitable <- c(„RETURNED”, „CANCELLED”, „PENDING”)
data$PPROFIT <- data$PRICE – data$COST – data$DISCOUNT
data$PROFIT[data$STATUS %in% unprofitable] – 0
data$PROFIT[data$PAID ==”NO”] <- 0
data$PROFIT_RATIO <- data$PROFIT / data$COST
return(data)
}
Po zdefiniowaniu funkcji add_profits() stosujemy ją po prostu do naszych danych sprzedażowych w następujący sposób:
sales <- add_profits(sales)