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。