The goal of this dissertation is to conduct an analysis of sales performance of a wholesale company which operates in the Food and Non-food sector. The period in which sales will be monitored is the years 2019-2023, a rather turbulent period as crises such as Covid 19 and Russia-Ukraine war occurred. These two specific crises will be given a particular focus measuring their impact on sales. The objectives of the analysis conducted in this dissertation are two. First, to present and quantify the evolution, seasonality and volatility of company’s sales through the five-year period at both aggregated and product category level. Second, to assess the effectiveness of specific forecasting methods and regression models and their role on improving company’s future planning, decision making and processes.

The basis of this dissertation sales analysis is monthly sales data given by a specific wholesale company for the period 2019-2023. These data concern sales at the overall level but also at product category level which is the subgroups of the two main categories, Food and Non-Food.  In order to be able to conduct the analysis on monthly level, the data had to be converted from daily sales raw data per product category to monthly sales data and be aggregated at a total level. Following this conversion, to distinguish which product categories are more stable through time and which are more susceptible to changes and assess the monthly and weekday seasonality, tools such as descriptive statistics and Coefficient of Variation (CV) and seasonal patterns identified through sales graphical presentation. After this, another important aspect examined is how each product category grows over time compared to every other product category. This is the Correlation analysis which investigates whether there are product categories who are closely related and the sales of the one have an impact on the sales of the other.  Next the methods used for sales forecasting are the three-month Weighted Moving Average and Simple Exponential Smoothing for which alternative smoothing parameters are applied to all time-series in order to achieve the best possible forecast. These two forecasting methods were evaluated in order to determine which method produces the best forecasts, using a tool capable of this assessment, the Mean Squared Error. Also, another tool, the Mean Absolute Percentage Error (MAPE), is used as a complementary index that helps us depict how much in percentage the forecasts produced from the WMA methods deviate from the actual sales. For the assessment of external crises impact on sales development the period 2019-2023, this study utilizes the multiple linear regression model with sales as dependent variable and Time, Covid-19 strict lockdown period and War being the explanatory variables. The multiple linear regression model is then applied for total sales and six representative categories.

The graphical representation of monthly sales data shows a clear upward trend both for total sales and product categories, indicating sales growth during the five-year period. Also, the increase and decrease in sales on specific months of the year indicate that both total sales and the sales of some categories show strong seasonality traits during specific periods of the year. Coefficient variation proves that among company’s different product categories there are different levels of sales variation. There are categories which are rather stable during the assessment period and other categories that present a volatile demand with unpredictable ups and downs.  Concerning forecasting, Simple Exponential Smoothing seems to outperform the three-month Weighted Moving Average both in total sales and most product categories. The regression analysis indicates that Covid-19 strict lockdown period had significant negative effect on total sales and on certain food categories, while hygiene-related categories saw their sales increasing in the same period. The war period is associated with higher nominal sales in some core food categories, likely to reflect inflation and price changes. Overall, this dissertation highlights which product categories are more resilient or vulnerable to external shocks and indicates how relatively simple quantitative tools applied to internal sales data can support forecasting, risk management and better decision-making in wholesale operations.

Ο στόχος της συγκεκριμένης διατριβής είναι να διεξάγει μία ανάλυση της απόδοσης των πωλήσεων μίας εταιρίας χονδρικού εμπορίου η οποία δραστηριοποιείται στον κλάδο των προϊόντων Τροφίμων και Μη τροφίμων. Η περίοδος κατά την οποία πραγματοποιείται η παρακολούθηση των πωλήσεων είναι η πενταετία 2019-2023, μία ιδιαίτερα ταραγμένη περίοδος καθώς διεθνείς κρίσεις όπως ο Covid-19 και ο πόλεμος Ρωσίας-Ουκρανίας έλαβαν χώρα κατά την διάρκειά της. Ιδιαίτερη προσοχή θα δοθεί σε αυτές τις 2 περιόδους, μετρώντας παράλληλα την επίδραση που είχαν στις πωλήσεις. Οι στόχοι της διεξαγόμενης ανάλυσης σε αυτή τη διατριβή είναι δύο. Αρχικά, να παρουσιάσει την εξέλιξη, την εποχικότητα και την μεταβλητότητα που παρουσιάζουν οι πωλήσεις της εταιρίας μέσα σε αυτήν την πενταετή περίοδο τόσο σε επίπεδο συνολικών πωλήσεων όσο και σε επίπεδο κατηγορίας προϊόντος. Στην συνέχεια να αξιολογήσει την αποτελεσματικότητα συγκεκριμένων μεθόδων πρόβλεψης και μοντέλων παλινδρόμησης και τον ρόλο που διαδραματίζουν στην βελτίωση του μελλοντικού σχεδιασμού, της λήψης αποφάσεων και των διαδικασιών της εταιρίας.

Η βάση αυτής της διατριβής για την ανάλυση πωλήσεων είναι μηνιαία δεδομένα πωλήσεων που έχουν δοθεί από συγκεκριμένη εταιρία χονδρικού εμπορίου για την περίοδο 2019-2023. Αυτά τα δεδομένα αφορούν πωλήσεις σε συνολικό επίπεδο της εταιρίας αλλά και σε επίπεδο κατηγορίας προϊόντος που αποτελούν τις υποκατηγορίες των δυο κύριων κατηγοριών Τροφίμων και Μη τροφίμων. Για να καταστεί εφικτό να διεξαχθεί η ανάλυση σε επίπεδο μηνών, απαραίτητη προϋπόθεση ήταν να γίνει η μετατροπή των ακατέργαστων δεδομένων καθημερινών πωλήσεων ανά κατηγορία σε μηνιαία δεδομένα και να αθροιστούν επίσης σε συνολικό επίπεδο. Μετά την συγκεκριμένη μετατροπή, για να καταστεί εφικτό να γίνει η διάκριση στο ποιες κατηγορίες είναι πιο σταθερές μέσα στο χρόνο και ποιες πιο ευάλωτες στις αλλαγές και να αξιολογηθεί η μηνιαία και εβδομαδιαία εποχικότητα, χρησιμοποιούνται εργαλεία όπως το εργαλείο περιγραφικής στατιστικής και ο Συντελεστής Διακύμανσης ενώ μέσω της γραφικής απεικόνισης των πωλήσεων εντοπίζονται εποχικές διακυμάνσεις. Μετέπειτα, ένας άλλος σημαντικός παράγοντας που εξετάζεται είναι πως οι πωλήσεις κάθε κατηγορίας προϊόντος εξελίσσονται μέσα στο χρόνο σε σύγκριση με τις υπόλοιπες κατηγορίες. Η λεγόμενη δηλαδή ανάλυση συσχέτισης η οποία εξετάζει κατά πόσο υπάρχουν κατηγορίες οι οποίες είναι άρρηκτα συσχετισμένες μεταξύ τους και οι πωλήσεις της μίας επηρεάζουν το ίδιο και τις πωλήσεις της άλλης. Συνεχίζοντας οι μέθοδοι που χρησιμοποιούνται για την πρόβλεψη πωλήσεων είναι ο Τρίμηνος σταθμισμένος κινούμενος Μέσος Όρος και απλή εκθετική εξομάλυνση για την οποία εναλλακτικές παράμετροι εξομάλυνσης εφαρμόζονται σε όλες τις χρονοσειρές. Αυτές οι δύο μέθοδοι προβλέψεων αξιολογούνται ως προς το ποια μέθοδος παράγει τις καλύτερες προβλέψεις με την χρήση ενός άλλου εργαλείου ικανού να διενεργήσει αυτήν την αξιολόγηση, του Μέσου Τετραγωνικού Σφάλματος. Επίσης ένα άλλο εργαλείο το  Μέσο Απόλυτο Ποσοστιαίο Σφάλμα χρησιμοποιείται ως συμπληρωματικός δείκτης βοηθώντας στην απεικόνιση με τη μορφή ποσοστού της απόκλισης που εμφανίζουν οι παραγόμενες προβλέψεις με την μέθοδο του Σταθμισμένου Κινούμενου Μέσου Όρου σε σχέση με τις πραγματικές πωλήσεις. Για την αξιολόγηση της επίπτωσης των εξωτερικών κρίσεων στην ανάπτυξη των πωλήσεων κατά την περίοδο 2019-2023, η συγκεκριμένη μελέτη χρησιμοποιεί την μέθοδο της πολλαπλής παλινδρόμησης με τις πωλήσεις ως εξαρτημένη μεταβλητή, και τις μεταβλητές του Χρόνου, του Covid-19 κατά την περίοδο του αυστηρού lockdown και του Πολέμου να είναι οι ανεξάρτητες μεταβλητές. Το μοντέλο της πολλαπλής παλινδρόμησης εφαρμόζεται για τις συνολικές πωλήσεις όπως επίσης και για έξι αντιπροσωπευτικές κατηγορίες.

Η γραφική απεικόνιση των μηνιαίων δεδομένων πωλήσεων δείχνουν μία ξεκάθαρα ανοδική τάση τόσο στις συνολικές πωλήσεις της εταιρίας όσο και στις πωλήσεις κάθε κατηγορίας προϊόντος ξεχωριστά, αναδεικνύοντας μια ανάπτυξη πωλήσεων κατά την διάρκεια αυτή της πενταετούς περιόδου. Επίσης, η αύξηση και η μείωση των πωλήσεων σε συγκεκριμένους  μήνες του έτους υποδηλώνουν ότι τόσο οι συνολικές πωλήσεις όσο και οι πωλήσεις κάποιων συγκεκριμένων κατηγοριών παρουσιάζουν ισχυρή εποχικότητα σε συγκεκριμένες περιόδους του έτους. Ο συντελεστής διακύμανσης αποδεικνύει ότι ανάμεσα στις διάφορες κατηγορίες προϊόντων της εταιρίας υπάρχουν διαφορετικά επίπεδα διακύμανσης των πωλήσεων. Υπάρχουν κατηγορίες οι οποίες φαίνεται να είναι αρκετά σταθερές κατά την διάρκεια της περιόδου αξιολόγησης και άλλες κατηγορίες οι οποίες παρουσιάζουν ευμετάβλητη ζήτηση με ξαφνικές αυξομειώσεις. Όσον αφορά την πρόβλεψη πωλήσεων, φαίνεται πως η μέθοδος της απλής εκθετικής εξομάλυνσης δίνει καλύτερα αποτελέσματα τόσο για τις συνολικές πωλήσεις όσο και για τις κατηγορίες προϊόντων σε σχέση με την μέθοδο του Τρίμηνου σταθμισμένου κινούμενου Μέσου Όρου. Η ανάλυση παλινδρόμησης υποδεικνύει ότι η περίοδος των αυστηρών lockdown κατά την διάρκεια του Covid-19 είχε ιδιαίτερα αρνητικές επιπτώσεις τόσο στις συνολικές πωλήσεις και κατ’ επέκταση και σε συγκεκριμένες κατηγορίες προϊόντων ενώ οι κατηγορίες που σχετίζονταν με είδη υγιεινής είδαν τις πωλήσεις τους να αυξάνονται κατά την ίδια περίοδο. Η περίοδος του πολέμου έχει συσχετιστεί με μεγαλύτερες πωλήσεις σε κάποιες κύριες κατηγορίες προϊόντων, αντικατοπτρίζοντας πιθανότατα τον πληθωρισμό και τις αλλαγές των τιμών. Συνοπτικά, αυτή η διατριβή τονίζει το ποιες κατηγορίες προϊόντων είναι πιο ανθεκτικές ή ευάλωτες σε εξωτερικούς παράγοντες και καταδεικνύει πως σχετικά απλά ποσοτικά εργαλεία που εφαρμόζονται σε εσωτερικά δεδομένα πωλήσεων μπορούν να υποστηρίξουν την πρόβλεψη πωλήσεων, την διαχείριση κινδύνου και την βελτιωμένη λήψη αποφάσεων σε μία επιχείρηση χονδρικού εμπορίου.