Kaikki kokoelmat
Mallit
Tietojen LAATU
Kuinka tehdä vertaileva analyysi?
Kuinka tehdä vertaileva analyysi?

Haluat verrata kahden eri palveluntarjoajan tietoja.

Sébastien GUICHARD avatar
Tekijä: Sébastien GUICHARD
Päivitetty yli viikko sitten

Jotta voimme tehdä vertailevan analyysin kahden tiedontuottajan välillä, meidän on validoitava useita parametreja.

1. Tuotealueen GTIN-koodit.

Tarvitsemme ensin aggregaattien vertaamisen luettelon GTIN kaikille tämän aggregaatin tuotteille, mikä on itse asiassa oikeus käyttää avointa pääsyä tähän GTIN-luetteloon.

Openhealth asettaa GTIN-koodin saataville kahdesta syystä:

  • Avoimuuden avulla ja edistämällä yhteentoimivuutta. HUB-alustan käyttäjä voi poimia tietoja sovelluksistaan GTIN-koodilla

  • Tietääksesi milloin tahansa aggregaatin sisällön (esimerkki: tuoteryhmä) ja seuraamaan sen kehitystä ajan myötä täydellä jäljitettävyydellä.

Esimerkki: tuoteryhmän sisällön kehitys uusien tuotteiden markkinoinnin jälkeen.

Kiinnitän huomiota siihen, että OpenHealth-aggregaatilla voi olla sama nimi toisella palveluntarjoajalla, mutta tämä ei tarkoita, että sen koostumus on identtinen.

2. Tietolähde

Jotta aggregaatit voitaisiin verrata, otetaan huomioon muut kriteerit, erityisesti tietolähde: Apteekki, Parafarmia jne.

Ei ole sama tarkastella suunhuuhtelutyyppisten tuotteiden myyntitietoja farmasiassa ja parafarmatiassa, ks. KONSOLIDOITU (Apteekki + parafarmia)

3. Maantieteellinen alue

Samoin maantieteellinen alue on erittäin tärkeä, OpenHealthissa meillä on Ranskan metropoli, mutta myös Korsika, Monaco, DROM-COM , international data (Saksa, Sveitsi, Italia, Portugali jne.)

Ja olet samaa mieltä siitä, että aurinkotuotteiden markkinoiden tarkastelu joulukuussa Ranskan pääkaupunkiseudulla verrattuna Réunionin tietoihin ei ole sama asia.

4. Aikajakso

Aikajakso on yksi analyysin parametreista, meidän on verrattava kahta identtistä jaksoa. Tämä mahdollistaa kausiluonteisuuden tai kertaluonteisen epätyypillisyyden poistamisen, joka voi johtaa sosiaaliseen liikkeeseen, esimerkiksi keltaisten liivien vaikutuksella, jolla on ollut lukuisia taloudellisia vaikutuksia.

5. Indikaattorit ja laskentamenetelmä

Analyysin loppuun saattamiseksi meidän on vertailtava indikaattoreita, jotta voimme tuntea siihen liittyvän laskentamenetelmän.

OpenHealthissa myyntiarvojen laskentamenetelmä:

Se ei ole sama asia kuin myyntiarvojen laskeminen viitehinnasta, ja tämän menetelmän avulla voimme tietää hintaerot tuotteittain, erityisesti arkin kautta: Hintahajonta

5. LAG: Ensimmäisen myynnin ja rekisteröinnin päivämäärät

Lopuksi OpenHealth pystyy tarjoamaan jokaiselle GTIN-tunnukselle aggregaatin, ensimmäisen myynnin päivämäärän sekä GTIN-tunnuksen rekisteröintipäivän arkistoon. Tämä on hyvin erilainen asia, koska pystymme sieppaamaan tuotteen myyntitiedot jo ennen kuin se on luotu arkistoon. Tämä myynti kirjataan ja sitten, kun tuote on luotu, ne linkitetään sen tuotteeseen koko historian ajan.

Nämä kaksi päivämäärää ovat erittäin tärkeitä määritettäessä viivettä hetkestä, jolloin siepattiin tuotteen ensimmäiset myyntitiedot, ja tuotteen luomispäivän välillä arkistossamme.

Näiden kahden päivämäärän välinen ero antaa meille mahdollisuuden määrittää ja mitata viive ja siten päätellä tietojen voimassaoloaika.

Vastasiko tämä kysymykseesi?