Если у компании широкий ассортимент, главный вопрос обычно звучит не так: «Что продается лучше всего?», а так: какие товары действительно двигают выручку и прибыль, а какие просто занимают склад, замораживают деньги и ухудшают оборачиваемость. Именно здесь помогает принцип АВС.
Для розницы, e-commerce, дистрибуции и оптовых компаний ABC-анализ — это практический способ быстро разделить ассортимент по вкладу в результат и понять, куда направлять закупочный бюджет, какие позиции держать в постоянном наличии, а какие — пересматривать, сокращать или выводить.
Но в реальной компании одного дашборда недостаточно. Руководителям категорий, закупщикам, финансистам и операционным менеджерам нужно не только видеть метрики, но и быстро задавать вопросы, получать chart-based answer по доверенным BI-данным, видеть отклонения и получать регулярные сводки до следующего совещания. С FineBI + Dora бизнес-пользователи могут запрашивать анализ в чате, получать dashboard-style analysis view на основе доверенных BI-активов и получать scheduled summaries по группам A, B и C, неликвидам и товарам с риском заморозки капитала.
Все дашборды в этой статье созданы с помощью FineBI
Что показывает принцип АВС в ассортименте и зачем он нужен бизнесу
Принцип АВС показывает, что вклад товаров в результат распределяется неравномерно. Обычно небольшая доля SKU формирует основную часть выручки, валовой прибыли или продаж в штуках, а значительная часть матрицы дает минимальный вклад и при этом может удерживать непропорционально большой объем запасов.
Какие товары формируют основную выручку и маржу
С помощью ABC-анализа компания определяет:
- какие товары дают основной оборот;
- какие SKU создают ключевую валовую прибыль;
- какие позиции являются ассортиментными локомотивами;
- какие товары критичны для доступности на полке или в каталоге.
Это особенно важно для категорийного менеджмента. Товар может быть популярным по выручке, но слабым по марже. Другой — наоборот, продаваться реже, но приносить значимую прибыль. Поэтому принцип АВС стоит применять не только к выручке, но и к валовой прибыли, количеству продаж, оборачиваемости и связанному запасу.
Какие позиции замораживают деньги в запасах и снижают оборачиваемость
На практике наибольшая проблема часто скрыта не в группе A, а в части группы C:
- товары с низким вкладом в продажи;
- позиции с избыточным остатком;
- медленно оборачиваемые SKU;
- дублирующие товары внутри одной категории;
- позиции, спрос на которые уже сместился, а закупка продолжается по старым правилам.
Именно такие товары «съедают» оборотный капитал. Формально они присутствуют в ассортименте, но фактически деньги компании лежат в запасе без достаточной отдачи.
В каких ситуациях ABC-анализ особенно полезен для розницы и e-commerce
ABC-анализ особенно полезен, когда бизнес сталкивается с одной или несколькими ситуациями:
- растет склад, но не растет оборот;
- падает оборачиваемость по отдельным категориям;
- закупочный бюджет ограничен;
- ассортимент слишком широкий, и управлять им вручную уже сложно;
- у разных каналов продаж разная структура спроса;
- нужно быстро принять решение по сокращению матрицы без потери выручки;
- требуется понять, какие позиции развивать, а какие выводить.
Для e-commerce это также способ отделить товары-трафикогенераторы от товаров, которые только нагружают хранение и логистику. Для офлайн-розницы — основа для управления полкой, доступностью и правилами пополнения.
Какие данные подготовить для ABC-анализа ассортимента
Чтобы принцип АВС дал управленчески полезный результат, важно не просто выгрузить продажи, а подготовить корректную аналитическую базу.
Определить цель анализа
Сначала нужно определить, что именно вы хотите улучшить. Возможны разные сценарии.
Сократить оборотный капитал в товарных остатках
Если задача — снизить объем замороженных денег, то ABC-анализ лучше строить не только по выручке, но и сопоставлять вклад товара с:
- текущими остатками;
- средним запасом;
- стоимостью хранения;
- скоростью оборачиваемости.
Ускорить оборачиваемость без потери продаж
Если компания стремится освободить капитал, но не потерять продажи, анализ должен помочь увидеть:
- какие товары группы A требуют защищенного наличия;
- какие позиции группы B можно «докручивать»;
- какие товары группы C занимают склад без достаточной полезности.
Найти позиции для расширения, сокращения или вывода
Если цель — управлять матрицей, важно понять:
- что расширять;
- где усиливать представленность;
- что перевести в ограниченный режим закупки;
- какие позиции распродавать или выводить.
Собрать корректные показатели
Для качественного анализа нужен не один показатель, а несколько связанных метрик.
Выручка, валовая прибыль, количество продаж
Базовый набор для ABC-анализа:
- выручка;
- валовая прибыль;
- количество продаж в штуках;
- число заказов или чеков, если это важно для канала.
KPI: Выручка по SKU
Определение: сумма продаж товара за выбранный период.
Бизнес-ценность: помогает понять, какие товары формируют оборот категории или канала.
AI use: Dora может по запросу в чате извлечь показатель из доверенных активов FineBI, сравнить долю SKU в общей выручке и включить вывод в регулярную сводку для категорийного менеджера.
KPI: Валовая прибыль по SKU
Определение: выручка минус себестоимость реализованного товара.
Бизнес-ценность: показывает не просто продажи, а реальную экономическую отдачу ассортимента.
AI use: Dora может показать товары с высокой выручкой, но низкой валовой прибылью, и сформировать chart-based answer для обсуждения закупок или ценообразования.
KPI: Количество продаж
Определение: число реализованных единиц товара за период.
Бизнес-ценность: помогает отделить товары частого спроса от редких, но дорогих позиций.
AI use: Dora может отвечать на естественном языке, например сравнивать продажи в штуках и в деньгах по группам A, B, C.
Остатки, средний запас, оборачиваемость
Без запаса и оборачиваемости выводы будут неполными.
KPI: Остаток на складе
Определение: текущий физический или стоимостной остаток товара.
Бизнес-ценность: показывает, где заморожен капитал.
AI use: Dora может найти товары с низким вкладом в продажи и высоким остатком, выделив рискованные SKU для follow-up.
KPI: Средний запас
Определение: среднее значение товарного остатка за период.
Бизнес-ценность: дает более реалистичную картину, чем точка на конец периода.
AI use: Dora может использовать этот KPI в автоматическом brief по медленно оборачиваемым товарам.
KPI: Оборачиваемость
Определение: скорость, с которой запас превращается в продажи.
Бизнес-ценность: помогает увидеть, какие позиции задерживают деньги в товаре.
AI use: Dora может обнаруживать пороговые нарушения по оборачиваемости и направлять уведомления ответственным пользователям.
Сезонность, акции, возвраты и влияние дефицита товара
Если игнорировать контекст, принцип АВС может исказить картину. Нужно учитывать:
- сезонные всплески и провалы;
- акции и распродажи;
- возвраты;
- out-of-stock, когда товар мог бы продаваться лучше, но его не было в наличии;
- влияние маркетинговых кампаний.
Проверить качество исходных данных
AI и BI полезны только тогда, когда исходные данные подготовлены качественно.
Объединить дубли и похожие SKU
Частая проблема — один и тот же товар учитывается как несколько позиций:
- по разным артикулам;
- по старым и новым карточкам;
- по каналам;
- по разным упаковкам без нормализации.
В результате вклад размазывается, а анализ становится неточным.
Исключить разовые всплески и технические ошибки
Разовая крупная закупка клиентом, техническая ошибка в цене, сбой интеграции остатков или возвратов — все это может исказить распределение по группам A, B и C. Такие аномалии нужно отдельно проверять.
Разделить товары по категориям, если ассортимент слишком широкий
Если анализировать весь каталог одним массивом, выводы будут слишком грубыми. Лучше делать разрезы:
- по категориям;
- по брендам;
- по поставщикам;
- по каналам;
- по регионам;
- по магазинам или складам.
Именно здесь FineBI особенно полезен как BI-основа: он помогает построить доверенные дашборды, показатели, модели метрик и семантические активы, чтобы анализ не распадался на десятки ручных Excel-файлов.
Как провести ABC-анализ шаг за шагом
Рассчитать вклад каждого товара
Базовая логика ABC-анализа проста, но важны аккуратность и интерпретация.
Отсортировать позиции по выбранному показателю
Сначала выберите показатель:
- выручка;
- валовая прибыль;
- продажи в штуках;
- вклад в категорию;
- иной KPI, соответствующий задаче.
Затем отсортируйте товары по убыванию.
Посчитать долю товара в общем результате
Для каждой позиции рассчитайте долю в общем объеме показателя. Например:
- долю в общей выручке;
- долю в валовой прибыли;
- долю в общем количестве продаж.
Накопительным итогом распределить ассортимент по группам A, B и C
После этого используйте накопительный итог, чтобы разделить ассортимент:
- A — позиции, формирующие основную часть результата;
- B — стабильный средний слой;
- C — широкий хвост с низким вкладом.
Задать рабочие границы групп
Использовать правило 80/15/5 как ориентир, а не как догму
Классическая схема 80/15/5 удобна, но в реальном бизнесе ее нельзя применять автоматически. В одних категориях группа A может занимать 10% SKU, в других — 25%.
Адаптировать пороги под нишу, сезон и ширину матрицы
Пороги стоит адаптировать под:
- специфику категории;
- сезонность;
- частоту пополнения;
- глубину матрицы;
- стратегию компании.
Например, в fashion, FMCG, DIY и электронике логика распределения может заметно отличаться.
Интерпретировать результаты без ошибок
Группа A: ключевые товары, требующие постоянной доступности
Товары группы A — это не просто «лучшие товары». Это позиции, потеря которых может заметно ударить по обороту, прибыли или клиентскому спросу. Для них важны:
- высокая доступность;
- точный прогноз;
- приоритет в закупке;
- быстрый контроль дефицита.
Группа B: стабильные позиции с потенциалом роста
Товары группы B часто недооценивают. Между тем именно здесь скрыт резерв роста:
- улучшение цены;
- корректировка выкладки;
- рекламная поддержка;
- пересмотр карточки товара;
- лучшее пополнение.
Группа C: товары с низким вкладом, которые часто съедают капитал
Группа C — не всегда кандидаты на мгновенное исключение. Но именно здесь чаще всего находятся SKU, которые:
- плохо оборачиваются;
- занимают непропорционально много склада;
- дублируют другие товары;
- потеряли спрос;
- не имеют стратегической роли в категории.
Как понять, какие товары съедают оборотный капитал
Сопоставить вклад в продажи и объем замороженных запасов
Ключевой практический шаг — не останавливаться на одном ABC-распределении, а сопоставить его с запасом.
Искать позиции с низким вкладом и высокими остатками
Наибольший риск — это товары, у которых одновременно:
- низкая доля в продажах или прибыли;
- высокий остаток;
- слабая оборачиваемость;
- отсутствие подтвержденного роста спроса.
Именно они чаще всего «съедают» оборотный капитал.
Отдельно проверять медленно оборачиваемые товары
Даже если товар не попал в крайний хвост группы C, он может быть проблемным по сроку оборота. Поэтому полезно строить отдельный список:
- товаров с длинным циклом продаж;
- SKU с запасом выше нормативного;
- позиций без движения за выбранный период.
Выявить причины накопления неликвидов
Важно не только найти проблемные товары, но и понять причину.
Ошибки закупки и завышенный страховой запас
Часто неликвиды возникают из-за:
- закупки по старым прогнозам;
- завышенных минимальных партий;
- избыточного страхового запаса;
- слабой координации между закупкой и продажами.
Падение спроса, сезонный сдвиг, неудачная цена
Другие типовые причины:
- изменение клиентского спроса;
- смещение сезонности;
- неудачное позиционирование;
- цена выше рыночной;
- устаревание товара.
Дублирующие позиции внутри одной категории
Часто капитал замораживается не в одном плохом товаре, а в группе почти одинаковых SKU, которые конкурируют друг с другом внутри собственной полки или каталога.
Определить действия по каждой группе товаров
Для A: защищать наличие и точность прогноза
По товарам группы A нужны действия на удержание:
- минимизация out-of-stock;
- контроль поставок;
- приоритетное пополнение;
- более точный прогноз спроса.
Для B: тестировать рост через цену, выкладку, рекламу
По группе B полезны управляемые эксперименты:
- изменить ценовой коридор;
- усилить промо;
- пересмотреть место на полке;
- улучшить карточки и рекламу в e-commerce;
- протестировать рост покрытия.
Для C: сокращать закупки, распродавать, заменять или выводить
Для проблемных SKU группы C решения могут быть такими:
- сократить новые закупки;
- снизить норму запаса;
- включить в распродажу;
- заменить похожими, но более эффективными позициями;
- вывести из матрицы;
- оставить только там, где есть доказанная роль для категории.
Как an AI Data Agent Handles This Scenario
В сценарии ABC-анализа основной барьер редко связан с формулой. Проблема в другом: менеджеры тратят много времени на поиск нужного отчета, уточнение определений KPI, проверку остатков, сопоставление категорий и подготовку объяснений для руководства. Здесь Dora выступает не как абстрактный чат, а как enterprise Data Agent поверх доверенной BI-основы.
В этом сценарии наиболее релевантны два AI digital employee:
- Data Analyst digital employee — для chat-based AI assistant по вопросам ассортимента, ABC-групп, остатков и оборачиваемости;
- Risk Alert Officer — для контроля порогов по неликвидам, замороженному запасу и аномальному росту остатков;
- Daily Briefing Secretary — для периодических сводок перед ассортиментными и закупочными совещаниями.
FineBI здесь играет фундаментальную роль: он формирует доверенные дашборды, KPI, семантический слой, модели метрик и права доступа. Dora использует именно эти активы, чтобы отвечать на вопросы на естественном языке, извлекать нужные метрики, строить chart-based answers и запускать governed AI workflow без потери управляемости.
Пример запроса в чате:
«Покажи товары группы C в категории “Бытовая химия”, у которых остаток выше среднего за 60 дней, низкая оборачиваемость и вклад в выручку меньше 2%. Сгруппируй по поставщикам и выдели позиции, которые сильнее всего замораживают оборотный капитал».

Как Dora обрабатывает такой сценарий в управляемом AI workflow:
- Получает доверенные данные из FineBI: дашборды по ассортименту, аналитические витрины по SKU, KPI по выручке, прибыли, остаткам и оборачиваемости.
- Понимает бизнес-семантику: что означает группа A/B/C, какие фильтры применимы, как трактуется оборачиваемость, какие SKU входят в нужную категорию и какие права есть у пользователя.
- Формирует ответ в удобном виде: таблицу, диаграмму, dashboard-style analysis view, краткое текстовое summary и первичную приоритизацию проблемных позиций.
- Проверяет отклонения и риски: находит товары с высоким замороженным запасом, пороговыми остатками, замедлением оборота или аномальным накоплением.
- Отправляет push и alert ответственным: категорийным менеджерам, закупщикам или руководителям направлений — по заранее настроенным правилам ответственности и эскалации.
- Готовит follow-up summary: краткую сводку для совещания, еженедельный briefing или список действий по группам A, B и C.
Что получает бизнес на практике:
- не нужно вручную искать нужный отчет;
- можно задавать вопрос на естественном языке по доверенным BI-активам;
- Dora возвращает не только число, но и chart-based answer или dashboard-style analysis view;
- регулярные сводки по неликвидам, оборачиваемости и проблемным SKU приходят по расписанию;
- AI workflow остается контролируемым и аудируемым благодаря Skills, правам доступа и семантическим правилам.
Для руководителей это особенно важно: Dora — не AI-эксперимент, а цифровой сотрудник для повторяющейся аналитической работы, такой как еженедельный разбор групп A/B/C, контроль товаров с риском заморозки капитала, подготовка ассортиментных сводок и follow-up по проблемным SKU.
Для IT-команды выгода в другом: вместо ручной сборки бесконечных разовых отчетов команда может сосредоточиться на качестве данных, семантическом слое, правах, KPI governance и переиспользуемых Skills для Dora.
Для бизнес-пользователей ценность в снижении трения: меньше ожидания аналитика, меньше поиска по дашбордам, больше своевременных ответов, сводок и уведомлений по делу.
Какие управленческие решения принимать по итогам анализа
Пересмотреть закупки и правила пополнения
После ABC-анализа важно перейти к действиям.
Уменьшить партии по слабым позициям
Если товары дают низкий вклад и плохо оборачиваются, обычно стоит:
- сократить объем следующей закупки;
- поднять порог запуска пополнения;
- уменьшить страховой запас;
- пересмотреть минимальные партии.
Перенаправить бюджет в товары с лучшей отдачей
Освобожденный бюджет можно направить туда, где он работает эффективнее:
- в группу A для защиты наличия;
- в сильные позиции группы B для роста;
- в товары с лучшим сочетанием маржи и оборота.
Скорректировать ассортиментную матрицу
Убрать товары, которые не поддерживают продажи категории
Не каждый SKU должен оставаться в матрице только потому, что он «когда-то продавался». Если товар:
- не приносит достаточной выручки;
- не дает прибыли;
- не усиливает категорию;
- дублирует другие позиции,
его присутствие нужно пересматривать.
Оставить позиции-локомотивы и товары с подтвержденным потенциалом
Матрица должна опираться на:
- товары-локомотивы;
- позиции с устойчивым спросом;
- SKU с доказуемым потенциалом роста;
- стратегически важные товары для полноты категории.
Встроить ABC-анализ в регулярный цикл управления
Проводить пересмотр ежемесячно или поквартально
ABC-анализ полезен только как регулярная практика. В зависимости от бизнеса его стоит обновлять:
- ежемесячно;
- раз в квартал;
- чаще для быстро меняющихся категорий.
Сравнивать результаты по каналам, категориям и поставщикам
Один и тот же товар может вести себя по-разному:
- в офлайн и онлайн;
- по регионам;
- по поставщикам;
- по форматам магазинов.
Дополнять выводы XYZ- и маржинальным анализом
ABC лучше работает в связке с другими подходами:
- XYZ-анализом по стабильности спроса;
- маржинальным анализом;
- анализом оборачиваемости;
- анализом out-of-stock;
- анализом роли товара в категории.
Частые ошибки при ABC-анализе и как их избежать
-
Оценивать товары только по выручке без учета прибыли и запасов.
Это делает анализ слишком поверхностным. Выручка не показывает, сколько капитала заморожено и насколько выгоден товар. -
Делать выводы на коротком периоде без поправки на сезонность.
В сезонных категориях это особенно опасно: можно ошибочно вывести товар, который просто находится вне пика спроса. -
Автоматически исключать товары группы C без понимания их роли.
Некоторые позиции поддерживают категорию, комплектуют основную продажу или нужны для ассортимента бренда. -
Не пересматривать границы групп при изменении спроса и ассортимента.
Пороги A/B/C должны адаптироваться к текущей структуре бизнеса. -
Игнорировать качество мастер-данных и дублей SKU.
Если одинаковые товары разнесены по разным кодам, анализ теряет точность. -
Не учитывать дефицит товара.
SKU может выглядеть слабо только потому, что его часто не было в наличии.
Практические рекомендации по внедрению анализа в BI и AI-контур
1. Стандартизируйте KPI, определения и владельцев метрик
Зафиксируйте, что именно означает:
- выручка;
- валовая прибыль;
- средний запас;
- оборачиваемость;
- неликвид;
- группа A, B, C.
Это основа и для BI-дашбордов, и для AI-ответов.
2. Постройте семантический слой внутри BI-процесса
Чтобы Dora корректно работала в сценарии ассортимента, FineBI должен хранить доверенные semantic assets:
- бизнес-термины;
- синонимы;
- правила фильтрации;
- иерархии категорий;
- KPI governance.
Это снижает риск неверной интерпретации запросов.
3. Считайте качество данных частью AI-внедрения
Если остатки, себестоимость, возвраты или связи SKU некачественны, AI не исправит проблему автоматически. Нужно заранее навести порядок в источниках, витринах и правилах консолидации.
4. Начинайте с повторяющихся и дорогих по времени сценариев
Лучше сначала автоматизировать то, что реально «приземляется» в бизнесе:
- еженедельную сводку по A/B/C;
- контроль неликвидов;
- список SKU с избыточным остатком;
- briefing перед ассортиментным комитетом;
- алерты по замедлению оборачиваемости.
Это дает лучший landing effect, чем попытка сразу автоматизировать все подряд.
5. Настройте права доступа, пороги и правила эскалации
AI-слой должен уважать границы доступа FineBI. Кроме того, нужны:
- пороги по остаткам и оборачиваемости;
- маршруты уведомлений;
- владельцы категорий;
- правила human review для AI-generated summaries и отчетов.
FineBI + Dora: как превратить ABC-анализ из разового отчета в управляемый процесс
Построить такую систему вручную сложно. Нужно связать продажи, остатки, мастер-данные, категории, KPI, права доступа, логику алертов и регулярные отчеты. FineBI помогает командам выстроить доверенную основу: дашборды, метрики, визуальный анализ, self-service BI, семантические активы и управляемую модель показателей. Dora превращает эту основу в AI assistant для сценарного исполнения: отвечает на вопросы в чате, извлекает метрики и дашборды из активов FineBI, формирует dashboard-style analysis view, отправляет scheduled summaries, отслеживает аномалии и помогает с follow-up по ответственным.
Важно правильно позиционировать решение: Dora не заменяет FineBI. FineBI — это BI-фундамент, на котором строится доверенная аналитика. Dora — это enterprise Data Agent и AI digital employee слой над FineBI и существующими корпоративными данными. Вместе они помогают перейти от модели «люди сами ищут дашборды» к модели «AI помогает спросить, проанализировать, сформулировать, отправить, предупредить и довести до действия».
FineBI + Dora — это не просто BI-обновление, а практический путь к Agentic BI четвертого поколения. FineBI дает управляемые метрики, визуальный анализ и семантический фундамент. Dora добавляет AI assistant слой для сценарного исполнения с более контролируемыми Skills, меньшими потерями токенов, более быстрыми путями выполнения и более стабильными workflow, чем у prompt-only подходов.
 templates: Fine Gallery](https://media.finebi.com/strapi/fine_gallery_8031d65fb3.png)
Получите готовые шаблоны дашбордов в Fine Gallery.
Самая сильная подача Dora для предприятия — это связка сценарий + продукт + сервис: FineBI дает доверенную BI-основу, Dora дает AI digital employee для повторяемой аналитической работы, а внедрение соединяет источники данных, governance, semantic setup, Skills и rollout по бизнес-подразделениям.
Если ваша задача — не просто один раз посчитать группы A, B и C, а системно находить товары, которые замораживают капитал, ускорять оборачиваемость и превращать аналитику в регулярное управленческое действие, то связка FineBI + Dora дает для этого практичную корпоративную архитектуру.
FAQs
Это способ разделить товары на группы по их вкладу в выручку, прибыль или продажи. Он помогает быстро увидеть, какие SKU действительно двигают результат, а какие только занимают склад и замораживают деньги.



