Аналитик розничной торговли: кто считает полки, спрос, остатки и промо в сетевых магазинах

Вы решили уйти в аналитику и открываете вкладки с курсами: «аналитик данных», «аналитик продаж», «BI-аналитик», «категорийный менеджер». Названия разные, обещания похожие — а кто из них реально нужен сетевому магазину, с ходу не поймёшь.

Сразу договоримся, о чём речь: не про тренды ритейла и не про то, как открыть свою точку. Речь про человека, который на данных считает четыре объекта — полку (есть ли товар в наличии), остаток (не заморожены ли в нём деньги), спрос (верен ли прогноз) и промо (окупилась ли скидка).

И главный вывод, который мы будем разворачивать дальше: эту профессию осваивают связкой Excel + SQL + BI и практикой на данных розницы, а не одним курсом с обещанием «аналитик продаж за месяц».

Чем занимается аналитик розницы

Аналитик розничной торговли на данных сети видит, где теряются продажи (пустая полка) и где застревают деньги (лишний остаток). Форматы любые: продуктовые и непродовольственные сети, дискаунтеры, аптеки, DIY, e-grocery.

Суть роли — не собрать отчёт, а найти в цифрах проблему и подсказать решение. Поэтому аналитика меряют не числом дашбордов, а бизнес-результатом: рост LFL-продаж, снижение out-of-stock и списаний, окупаемость промо. 

Задачи и рабочий цикл

Рабочий день аналитика — это не «сидеть в отчётах», а прогонять данные по одному и тому же маршруту:

• выгрузка — чеки, остатки, поставки из кассы, 1С или хранилища;
• очистка и сверка — убрать дубли, пересорт, возвраты, свести справочники;
• гипотеза — например, «почему просели продажи в категории молочки»;
• расчёт метрик — LFL, OOS, оборачиваемость, uplift под конкретный вопрос;
• вывод и рекомендация — что именно сделать: убрать SKU, снизить заказ, не повторять акцию;
• контроль — проверить, сработало ли изменение.

Отсюда и типовые задачи: посчитать долю out-of-stock по категориям и магазинам, выловить неликвиды и медленный товар, оценить эффект прошедшей акции, сравнить прогноз спроса с фактом, собрать ABC/XYZ-разбор ассортимента, поставить ТЗ на выгрузку из 1С, свести дашборд по категории.

Итог этой работы измеряется в бизнес-результатах: меньше пустых полок, ниже списания и уценка, выше оборачиваемость, промо не в минус. И почти ни одна задача не делается в одиночку — аналитик постоянно на связи с категорийными менеджерами, закупками, планированием спроса, маркетингом и IT.

Работа аналитика соединяет продажи, наличие на полке, запасы и эффективность промо в одной системе решений. Дашборд здесь выступает не отчётом ради отчёта, а инструментом для поиска потерь и точек роста. 

Отличие от категорийного менеджера, планировщика спроса, BI- и финаналитика

Проще всего разводить эти роли не по названию, а по объекту, которым человек управляет.

Разница видна сразу: аналитик считает и объясняет, категорийный менеджер — принимает решения по ассортименту и отвечает за прибыль категории, планировщик формирует заказ, BI-аналитик ближе к инженерии данных, финансист смотрит на компанию целиком.

На практике в небольшой сети эти функции сходятся в одном человеке, и вход в профессию часто идёт с размытой позиции «аналитик продаж», которая соседствует со всеми четырьмя. Но и статья, и курсы держатся в границах именно аналитической роли: считать полку, остатки, спрос и промо на данных — а не закупать товар и не вести бухгалтерию. Аналитик готовит цифры, на которых потом решают другие; он не «управляет закупками» — это чужая зона.

Роль аналитика строится вокруг четырёх связанных объектов: наличия товара, запасов, прогноза спроса и промоакций. Решения по одному направлению почти всегда влияют на остальные. 

Какие показатели нужно считать

Знать термин и уметь его посчитать — не одно и то же. У каждой метрики аналитик сразу фиксирует четыре вещи: период, срез (магазин, категория, SKU), источник данных и определение.

Почему это не занудство: одна и та же «оборачиваемость» по себестоимости или по продажам, по среднему или по конечному остатку даёт разные числа. Поэтому формула всегда идёт в паре с методикой, а не отдельной красивой строкой в презентации.

Продажи, полка и остатки: LFL, OSA/OOS, оборачиваемость

Три группы метрик, и у каждой — своя ловушка.

• Продажи. Главная величина — LFL (like-for-like): сравнение только тех магазинов, что работали в оба периода. Без этого рост сети (открыли 20 новых точек) легко выдать за рост продаж — а это разные вещи. Рядом идут средний чек, трафик и конверсия: они объясняют, за счёт чего LFL двигается — люди стали заходить чаще или покупать дороже.

• Полка. OSA (доступность товара на полке) и обратный ей out-of-stock — доля SKU или доля времени, когда товара нет в наличии. Тонкость, на которой спотыкаются новички: «нет на полке» и «нет в системе» — не одно и то же. Система показывает виртуальный остаток, а по факту там пересорт или коробка на складе, до которой не дошли руки.

• Остатки. Оборачиваемость и дни запаса (DOH), GMROI (сколько маржи приносит рубль, вложенный в запас), доля неликвидов, списания и уценка.

Слишком низкий запас приводит к пустым полкам и потерянным продажам, а слишком высокий — замораживает деньги в товаре. Задача аналитика — найти рабочий коридор между этими крайностями. 

Теперь зачем это в деньгах. Возьмём категорию с остатком 3 млн ₽ и оборачиваемостью 90 дней: это три месяца, которые деньги лежат мёртвым грузом. Ускорь оборот до 45 дней — и та же выручка обеспечивается запасом в ~1,5 млн ₽, полтора миллиона высвобождается. С другой стороны — пустая полка: рост OOS на 5 п.п. в ходовой категории с оборотом 2 млн ₽/мес отъедает часть выручки напрямую (часть спроса перетечёт на аналоги, другая уйдёт навсегда).

Масштаб проблемы — не гипотетический: среднемировой уровень OOS оценивают примерно в 8%, что стоит ритейлерам до 4% годовой выручки, а в России показатели доходят до 10–12% по OOS и 5–6% по потерям выручки. 

Вывод, который держит весь раздел: смысл не в том, чтобы перечислить красивые аббревиатуры, а в том, чтобы связать каждую с рублём. Потерянная продажа и замороженный остаток — измеримы.

Схема «Где сеть теряет деньги»

Пустая полка   → покупатель не купил   → потерянная продажа (недополученная выручка)

Лишний остаток → деньги стоят на складе → замороженный капитал + риск списания/уценки

Таблица «Метрики розницы: формула, период, срез, источник»

Спрос и прогноз: сезонность, эластичность, точность

Прогноз спроса — место, где аналитик чаще всего попадается на самообмане. Начинается всё с базовой линии: берём историю продаж, но не сырую, а очищенную. Промо-всплески убираем (иначе модель решит, что скидочный ажиотаж — это норма), дни out-of-stock тоже: в дефицит продажи занижены не потому, что спрос упал, а потому, что продавать было нечего. Кто этого не делает — систематически недооценивает спрос по ходовым позициям.

Дальше накладываем сезонность и календарь: праздники, погода, зарплатные дни — мороженое и вода живут по одному ритму, гречка и консервы по другому. И эластичность — как продажи реагируют на цену: где-то скидка 10% удваивает спрос, где-то не двигает вовсе.

Но главный вопрос не «какой прогноз», а «насколько он врёт». И тут работают две метрики. MAPE (средняя абсолютная процентная ошибка) показывает, на сколько в среднем прогноз расходится с фактом. Bias — систематический перекос: если модель месяцами занижает или завышает, это не случайный шум, а сбитый прицел. Обе считают по когорте SKU за период — а не «на глаз по паре товаров».

Почему это деньги. Ошибка бьёт с двух сторон: недопрогноз → пустая полка и потерянная продажа, перепрогноз → неликвид, уценка, списание. Возьмём категорию с оборотом 10 млн ₽/мес. При MAPE 30% в среднем на треть от факта аналитик мимо — а это миллионы рублей товара, который либо не довезли, либо завезли лишним. Срежьте MAPE до 15% — и потери с обеих сторон падают примерно вдвое: точнее заказ, меньше и дыр на полке, и залежей на складе. Отсюда и связка прогноз → заказ → страховой запас: буфер закладывают ровно под остаточную ошибку, а не «на всякий случай побольше».

И обязательная оговорка, без которой любой «улучшенный прогноз» — фикция. Сравнивать продажи до и после внедрения новой модели без контрольной группы или поправки на сезон нельзя: рост легко списать на предновогодний трафик или общий сезон, а не на модель. Так что смысл раздела не порассуждать о «трендах спроса», а показать, как измеряют ошибку и во что она обходится в рублях.

Промо: uplift, ROI и каннибализация

Спросите у маркетолога, как прошла акция, — услышите «продали на 12% больше». Спросите у аналитика — он сначала уточнит: больше чего?

Ключевое понятие здесь — uplift, прирост продаж относительно базовой линии (сколько ушло бы без акции), а не абсолютные продажи в акционную неделю. И вот эта базовая линия — главный источник ошибок. Её строят по продажам до и после, по контрольным магазинам без промо — и если построить криво, весь расчёт рассыпается.

Дальше вступает каннибализация — та часть «прироста», которая на самом деле переток. Покупатель взял акционный товар вместо соседнего SKU (украли у себя же) или закупился впрок — forward buying: после акции наступает провал, потому что холодильник забит. Ни то ни другое новыми продажами не является.

И смотреть на всё это нужно через маржу, а не через оборот. Акция легко раздувает выручку и одновременно сжигает прибыль. Покажем на цифрах.

Таблица «Промо: uplift, каннибализация, ROI»

Разберём, что произошло. По валовым продажам всё красиво: было 1 000 штук — стало 1 400, выручка выросла. Наивный расчёт даёт даже +2 000 ₽ маржи. Но из 400 «лишних» штук примерно 220 — это не новый спрос, а переток с других позиций и покупки впрок; этим людям мы просто раздали скидку по 20 ₽, ничего не заработав. Учли — и акция ушла в минус на 2 400 ₽. ROI промо (дополнительная маржа ÷ затраты на скидку и списания) в этом случае отрицательный: скидка не окупилась.

Отсюда обязательная оговорка. Без контрольной группы магазинов рост в акционную неделю принимают за эффект промо — а часть прироста дал бы обычный трафик или сезон. Поэтому uplift всегда считают к корректной базе, а не к прошлой неделе «на глазок».

И это ядро всей статьи: промо — не «маркетинговая активность вообще», а величина, измеримая в рублях. Не любая скидка окупается, и посчитать это можно заранее.

Какие навыки нужны

Компетенции аналитика розницы удобно разложить на четыре слоя: бизнес-логика розницы (как устроены продажи, полка, заказ), аналитика (метрики и методика их расчёта), инструменты (Excel, SQL, BI) и работа с данными (выгрузить, проверить, свести).

Хорошая новость для новичка: инженером данных быть не нужно. Но нужно уметь самому вытащить выгрузку, перепроверить чужой расчёт и внятно поставить ТЗ на отчёт — а не ждать, пока цифры принесут на блюде.

Excel, SQL и BI

Три инструмента, и у каждого своя зона ответственности — путать их не стоит.

• Excel — рабочая лошадь на входе. Здесь живут сводные таблицы, ВПР/ПРОСМОТРX, формулы и очистка выгрузок, ABC/XYZ-разбор, базовый расчёт оборачиваемости и uplift, сценарный анализ «что будет, если». На первой работе 70% задач закрывается именно Excel — и работодатель это знает.
• SQL нужен там, где Excel задыхается: миллионы строк чеков не открыть в книге. Это выборки по продажам и остаткам, JOIN справочников (товар, магазин, поставка), группировки, оконные функции для скользящих средних и накопленных остатков, сборка витрины продаж. Умеете сами достать данные — не зависите от очереди в IT.
• BI (Power BI, DataLens и аналоги) — это витрина результата: дашборды по LFL, OOS, оборачиваемости и промо, меры на языке формул (DAX и подобных), срезы по категории и магазину. Не «покрасить графики», а собрать инструмент, которым пользуются категорийные менеджеры.

Скриншот реального дашборда розничной аналитики. Показывает, как на практике выглядит розничный BI-дашборд, о котором говорится в статье. 

Поверх инструментов идут обязательные методы: ABC/XYZ, когортный взгляд на промо, расчёт точности прогноза. А вот Python и статистика для прогнозирования — это преимущество, а не требование к первой работе: они выстреливают в больших сетях и при автоматизации. На входе чаще ждут крепкую связку Excel + SQL + один BI, и этого достаточно, чтобы начать.

Данные розницы: модель и типичные ошибки

Прежде чем считать метрики, аналитик держит в голове минимальную модель данных — из чего вообще собирается картина сети.

Таблица «Минимальная модель данных розницы»

Эти таблицы не висят по отдельности — они связаны источниками:

Касса / чек-данные ─┐

1С / ERP ───────────┤

Система пополнения ─┼─→ Хранилище (DWH) ─→ BI-дашборд

Промо-планировщик ──┘

Теперь о том, где всё ломается. Типичные ошибки, на которых горят даже опытные:

• спрос считают по продажам без поправки на дни out-of-stock — дефицит занижает спрос, и следующий заказ выходит ещё меньше нужного (та самая петля пустой полки);
• uplift считают без базовой линии и контрольных магазинов — сезонный рост записывают в заслугу акции;
• оборачиваемость по разным базам (по себестоимости vs по продажам) сравнивают между собой — числа несопоставимы, вывод ложный;
• пересорт и виртуальный остаток принимают за реальный товар на полке;
• списания и возвраты не вычли из продаж и маржи — прибыль нарисована красивее, чем есть;
• LFL считают по всем магазинам, включая новые, — и рост сети выдают за рост продаж.

И правовой минимум — коротко и по делу: чек-данные обезличивают, персональные данные карт лояльности обрабатывают только по согласию и под конкретную цель. Детали — вопрос к юристу, но само правило аналитик знать обязан.

Какие курсы помогают освоить профессию

Честный ответ, который редко пишут на лендингах: один курс почти никогда не закрывает сразу Excel, SQL, BI, метрики розницы и портфолио. Поэтому траекторию собирают по пробелам в собственных навыках, а не по красивому названию программы и не по обещанию «аналитик продаж за месяц».

Отдельного массового курса «аналитик розницы» на рынке почти нет. Базу берут из курсов аналитики данных и BI, а доменную специфику — полку, остатки, промо — добирают на практике и разборе кейсов.

Какие виды курсов выбрать

Курсы делятся на четыре направления — а выбор зависит от того, какой именно пробел вы закрываете.

• Аналитик данных с нуля — самая широкая база: Excel, SQL, BI, основы статистики. Берут те, кто входит в профессию без фундамента.
• BI-аналитик / визуализация — Power BI, DataLens, дашборды. Для тех, кому нужна отчётность и «полка на экране» здесь и сейчас.
• SQL и работа с данными — выгрузки, витрины. Это про самостоятельность: достать данные, не стоя в очереди к IT.
• Продуктовая / маркетинговая аналитика — когорты, эксперименты, оценка эффекта. Именно отсюда берут методику uplift и контрольных групп для промо.

Дальше — три маршрута под ваш старт:

1. из ритейла (товаровед, категорийный ассистент, продавец с опытом) — доменное знание уже есть, добираете SQL + BI поверх него;
2. из смежной аналитики — берёте курс и обязательно практикуете на данных розницы, а не на абстрактных датасетах;
3. без опыта вообще — аналитик данных с нуля + BI + портфельный проект на рознице, по порядку, не перепрыгивая.

Отдельного курса «аналитик розницы» на рынке почти нет, поэтому базу собирают из общих программ. Что реально доступно сейчас:

Таблица «Программы под базу профессии» 

Цены и точные сроки меняются — сверьте на сайтах программ перед стартом.

Как проверить программу курса

Название на лендинге ничего не гарантирует — смотреть надо на программу. Под эту профессию в ней должны быть вполне конкретные вещи.

Чек-лист «Что должно быть в программе курса»

• SQL-выгрузки по продажам и остаткам — не «введение в базы данных», а реальные запросы;
• Excel: сводные, ABC/XYZ, расчёт оборачиваемости;
• BI-дашборд по продажам и полке, собранный руками, а не показанный на слайде;
• метрики розницы: LFL, OOS/OSA, оборачиваемость, uplift промо — с формулами;
• работа с данными сети (чеки, остатки, промо) — реальными или приближёнными к реальным;
• итоговый проект с обратной связью по расчётам, а не только по оформлению;
• блок про модель данных и типичные ошибки;
• преподаватели с опытом в ритейле или коммерческой аналитике.

Главный тест — разница между «на вебинаре показали готовый дашборд» и «вы сами собрали витрину и посчитали метрики на данных». Первое — это кино про аналитику, второе — аналитика. Сертификат и громкое имя школы приятны, но в этот список не входят: они не заменяют собранный своими руками проект.

Красные флаги (когда курс лучше не брать):

• только теория, без формул и данных;
• uplift и оборачиваемость не считают на цифрах, а «проходят на слайдах»;
• обещана гарантированная работа «аналитиком за месяц»;
• все примеры — из инфобизнеса или абстрактных датасетов, розницы нет;
• домашние задания никто не проверяет;
• BI сведён к «покрасить графики» — без SQL и без метрик.

Возникает резонный вопрос: а можно ли по одной странице курса всё это увидеть? Не всегда — часть придётся выспрашивать у менеджера. Но если на прямой вопрос «считаем ли мы uplift на реальных цифрах» отвечают уклончиво, это уже ответ.

Как перейти в профессию

Главное возражение звучит так: «без опыта в рознице не возьмут». Отчасти оно верно — и отчасти закрывается воспроизводимым кейсом на данных сети: выгрузка, чёткие определения метрик, расчёты, гипотеза и честно названные ограничения (нет контрольной группы, данные синтетические).

Не будем обещать, что одного учебного проекта хватит на любую вакансию. Но с ним отклик выглядит совсем иначе, чем пустое резюме «прошёл курс».

Проект для портфолио

Сильное портфолио аналитика розницы — это не пять разрозненных задач, а один сквозной кейс на данных сети (открытый датасет ритейла, синтетика или обезличенная выгрузка). В наборе: чеки/продажи по SKU и магазинам, справочники товара и магазинов, остатки и движения, промо-календарь.

Дальше вы проходите тот самый рабочий цикл — от сырых данных до рекомендации.

Чек-лист «Проект для портфолио»

• очистить и свести данные (SQL или Excel);
• посчитать LFL по сопоставимым магазинам;
• оценить out-of-stock и оборачиваемость по категориям, найти неликвиды;
• сделать ABC/XYZ-разбор ассортимента;
• оценить одну акцию через uplift к базовой линии и прикинуть ROI;
• собрать BI-дашборд (продажи, полка, промо);
• дать рекомендацию: что вывести из матрицы, где снизить остаток, какую акцию не повторять;
• честно описать ограничения (как строили базовую линию, что контрольной группы нет).

Последний пункт — не признак слабости, а признак зрелости. Кандидат, который сам говорит «вот здесь моя оценка uplift шаткая, потому что базу я строил по соседним неделям», на собеседовании выглядит убедительнее того, кто рисует ровный красивый рост и не может объяснить, откуда он взялся.

Итоговые артефакты: SQL-файл или Excel-модель, BI-дашборд и презентация на 5–7 слайдов. Данные — только синтетические или обезличенные.

План на 3–6 месяцев и зарплатный ориентир

Полгода — реалистичный горизонт, если заниматься системно, а не урывками. Разложим по месяцам:

• Месяц 1 — как вообще устроена розница (продажи, полка, остаток, заказ) + Excel и сводные таблицы;
• Месяц 2 — SQL и модель данных розницы: выгрузки по чекам и остаткам;
• Месяц 3 — метрики полки и запасов: LFL, OOS, оборачиваемость, ABC/XYZ;
• Месяц 4 — спрос и промо: прогноз, точность, uplift, ROI;
• Месяц 5 — BI-дашборд и портфельный проект (тот самый сквозной кейс);
• Месяц 6 — резюме, тестовые задания, отклики.

При поиске вакансий не цепляйтесь за одно название — роль прячется под разными вывесками: «аналитик продаж», «аналитик розничной торговли», «коммерческий аналитик», «аналитик категории», «BI-аналитик (retail)», «аналитик по промо», «аналитик спроса / планировщик». А соседние позиции — категорийный менеджер, товаровед — фильтруйте по обязанностям: там уже закупки и матрица, а не расчёты.

Пример вакансий по запросу «аналитик розничной торговли».

Теперь про деньги, без розовых очков. Классическая розница платит аналитику продаж скромнее: старт около 50–60 тыс. ₽, middle 70–120 тыс., руководители — от 120 тыс. и выше — это заметно ниже, чем в финтехе и продуктовых IT-командах, где middle уходит за 130–175 тыс., а senior — за 200 тыс. Зато доменный опыт в рознице и уверенный SQL двигают вилку вверх и иногда позволяют пропустить junior-этап. 

Таблица «Зарплатный ориентир по грейдам» (РФ, срез — июль 2026; сверить актуальными вакансиями hh перед публикацией)

Заключение

Аналитик розничной торговли нужен там, где на данных считают полку, остаток, спрос и промо, — а не пересказывают тренды рынка и не учат «как открыть магазин». И собирается эта профессия из навыков и практики, а не из одного курса с громким названием.

Если вы только начинаете осваивать профессию аналитика розничной торговли, рекомендуем обратить внимание на подборку курсов по SQL и Power BI. Выбирайте программы, где есть и теоретическая база (метрики, модель данных), и практическая часть — расчёты на реальных выгрузках, а не только слайды с готовыми дашбордами. Именно связка теории и практики на данных розницы отличает курс, после которого берут на работу.