銷售數據分析應該怎麼做?
為什麼要做銷售數據分析?
企業的業務數據涉及銷售數據、財務數據、人力數據、產品數據等多種類型,而銷售數據在所有數據中的重要性毋庸置疑。通過分析銷售數據,將有助於發現經營問題,降低銷售成本,最終提高企業銷售利潤。
關鍵指標提取
不同行業對銷售指標的側重各有不同,本文將以建材行業為例進行說明。
其中涉及的銷售數據指標包括:銷售數量、銷售單價、銷售收入、單位成本、銷售成本、銷售毛利等,原始數據中還會涉及月份、城市、分類、計量單位、對應客戶等信息。
圖表與看板製作
提取完重要數據指標後,您就可以根據需求製作相關看板與圖表。在此之前,用戶必須對需要監控的指標做到心中有數。
一般來說,製作看板時,根據目的不同可以分為三類:
1. 基礎數據看板:總覽全局
這類看板大家都比較熟悉,主要是由包括地圖、條形圖、餅圖等一系列的基礎圖表組成,用於查看不同地區、時間、類別的銷售收入、銷售成本等基礎數據。下圖是根據建材行業的示例數據生成的一個看板:
從這個看板中我們可以讀出這個公司的基礎銷售信息:吉林省是銷售大省,上半年總收入3千多萬,3月份銷售效果最好,多層複合類的常規系列銷量最好。
需要說明的是,此看板均以銷售收入為度量,企業業務人員可以根據自己的需求或者彙報對象進行調整。
2. 問題分析看板:尋找原因
基礎看板滿足的是用戶查看數據的需求,如果想要利用數據解決問題,則需要具體問題具體分析,建立針對性看板,並根據數據分析工具(DataHunter)提供的功能進行探索式分析。
假如您想查看不同類別商品的銷售收入、成本與毛利之間的關係,就可以新建一個看板,生成雙軸圖:
可以看出,多層複合類銷售收入明顯大於成本,對應的毛利也特別高。
如果想進一步了解多層複合裡面哪個省市、在什麼時間毛利最高,則可以在原有看板的基礎上,以毛利作為度量新建一個圖表,如下圖:
接下來對毛利一覽表,分別從城市和時間維度進行鑽取:
▲按城市維度進行鑽取
▲按日期維度進行鑽取
▲鑽取結果顯示
最後知道:瑞安市4月份的銷售毛利最大。
以上就是一個簡單的探索式分析的過程。
3. 預警監控看板:迅速反應
銷售類數據的監控預警有多種應用場景:比如對表現好的商品做重點監控,如果發現異常,立即查看原因,防止造成重大損失;又比如對商品的庫存做重點監控,如果某地區庫存不足,及時調整。
舉個簡單例子:根據不同類別產品的成本和利潤生成散點圖,並分別用利潤平均值和成本平均值設立兩條參考線,這樣就將整個圖形分成了四個象限,可以對高成本低利潤或者高利潤低成本的產品進行重點監控,針對變動及時查找原因,並作出反應。
AI+ 銷售預測
更進一步,如何通過數據分析指導實際的銷售工作?
如何定價才可以獲得最大的銷售收入和利潤?
這其中就涉及到了AI的部分:在已有的數據工具中內置出價-銷售收入-銷售利潤等多種計算模型。用戶可以導入歷史數據,然後隨意拖拽一個出價,便可查看系統給出的預測銷售收入及利潤。
推薦閱讀:
※市場調研中如何做數據分析?
※五步教你設計成功而有價值的數據可視化
※給30個PM拉了一年的sql,我學到了這些
※AI研究院 | 營銷受到人工智慧衝擊!看看那些挑戰與應對策略
※引起眾怒,何去何從的「暴走團」
TAG:数据分析 |