某公司当月目标定的是：销售额1000万、经营费用40万、利润50万。对目标进行分解，广州分公司为销售额300万元、经营费用12万元、利润15万元；深圳分公司为销售额200万元、经营费用8万元、利润10万元；上海分公司为销售额250万元、经营费用10万元、利润12.5万元；北京分公司为销售额250万元、经营费用10万元、利润12.5万元。

该公司当月完成情况是：销售额800万元、经营费用35.5万元、利润39.25万元。其中广州分公司为销售额350万元、经营费用10.5万元、利润19.25万元；深圳分公司为销售额100万元、经营费用5万元、利润6万元；上海分公司为销售额200万元、经营费用11万元、利润9万元；北京分公司为销售额150万元、经营费用9万元、利润5万元。

一、目标达成率分析

该公司当月目标达成率的情况：广州分公司销售额达成率是117%、经营费用达成率是113%、利润达成率是128%；深圳分公司销售额达成率是50%、经营费用达成率是138%、利润达成率是60%；上海分公司销售额达成率是80%、经营费用达成率是90%、利润达成率是72%；北京分公司销售额达成率是60% 、经营费用达成率是110%、利润达成率是40%；公司整体销售额达成率是80%、经营费用达成率是111%、利润达成率是79%。广州分公司是全部超额完成目标，上海分公司是全部目标未达成，深圳、北京则在经营费用上超额完成目标，销售额和利润目标均未达成。

经分析，广州分公司三月前推出的网络营销业务模式，开始沉淀一批稳定的贸易客户，其业务模式转型工作已有一定成效，带来销售额、利润增长和经营费用下降；而深圳、上海、北京沿用原来的业务员上门推销模式，客户流失严重的同时经营费用居高不下，销售额和利润指标无法达成。

进一步分析，上海分公司经营费用未达标，主要是管控不当导致。其大量招聘业务人员，不但未达到提升业绩的愿望，反致人工成本大幅上升，而公司总部在审查其招聘计划时也未提醒把关。

二、工作分析

在上面的案例中，利润是公司追求的目标，而与其直接关联的指标就是销售额与经营费用。公司把这三个指标都纳入了考核，因此各部门工作应是围绕它们展开的。我们可以对各部门员工的工作进行分析，主要内容为：业务人员自身的工作，如个人业绩贡献率、个人业务费用占比、有效拜访量、新增客户量、平均成交价；非业务人员对一线业务的支持服务能力，如技术滞后影响业务或导致客户流失、售后服务问题导致的投诉；管理者的有效管理，如决策得失、日常管控、员工辅导。

在完成了这些分析后，还可以进行更细的分析，并列出解决的途径方法。如分析影响客户量的原因，包括拜访力度、关系维护、商务政策等，然后列出对策，如写业务日志、主管检查，制定针对性奖惩政策等。

一、方案背景

对于大部分企业来说，销售部门是为企业直接带来利润的主要部门，说是企业命脉部门其实也不为过。

然而事实上是为数不少的销售部工作人员由于缺乏营销分析概念和方法，企业累积的大量数据得不到有效的利用，营销分析只停留在数据和信息的简单汇总和流水帐式的通报，缺乏对客户、业务、营销、竞争方面的深入分析，结果决策者只能凭着本能的反应来运作，决策存在很大的失误风险。

都说数据有价值，那么销售部门应该如何充分利用数据对市场预判，实时了解当下业绩情况，衡量三六九等客户价值，如何快速获取客户的信息做针对性销售呢？

答案是，不妨用BI搭建一个智能化的销售数据分析平台。

解决两个问题：

1、将数据信息化，汇总自动化，将销售管理者从传统的报表数据重复结算中解放，避免大量重复性的excel编辑工作

2、着重分析企业销售目标、销售活动、成本费用等销售重要指标的分析。

二、方案内容

接下来，本文将着重分享企业销售智能数据分析方面的内容干货，用的是FineBI搭建的销售数据分析平台：

1、IT技术模块——搭建销售智能数据分析平台

2、IT技术模块——直接对接销售数据库，自动化形成数据报表？

3、数据分析模块——如何让销售同时快速上手分析？

4、数据分析模块——如何让销售领导直接在线查看分析？

5、协同管理模块——如何在线分享数据分析报告？

三、方案效果及实现说明

1、搭建销售智能数据分析平台

这部分工作属于企业IT部门的前期数据准备工作，需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接，保证数据连接测试成功。然后添加销售管理业务包，将相关数据表加入并且建好立表间关联关系即可（如果是FineIndex类型的业务包需要更新好FineIndex数据）。分配好对应数据权限之后，用户即可直接在浏览器前端来对这些销售数据进行即席的多维探索分析。

以本方案为例，如上图所示，我们在销售管理业务包中添加好销售员信息表、产品名称表、分公司信息表以及销售目标表、客户信息表、合同信息表、销售活动表、合同回款信息表、活动费用表，并且建立好维度表和事实表之间的数据关联关系。

最后在数据配置-权限配置管理界面中将建立好的销售管理业务包的权限分配给销售部门相关人员，并且在管理系统-用户管理中将销售部门人员加入到BI编辑用户的已授权列表中。

2、直接对接销售数据库，自动化形成数据报表？

销售管理人员在使用分配好数据权限的账号登录平台之后，就可以新建仪表盘开始做基础的数据分析了。

我们以制作如上图所示的销售基础数据分析-销售人员分析页面例，首先使用仪表盘统计出企业的总销售人数，然后再用饼图统计出各大区的销售人员分布（这边可以看出我们上海区域销售人数是最多的，达到总销售人数的22.73%），最后用明细表组件展示企业的所有销售人员的销售姓名、所属大区、大区经理相关信息。这样一来，基础的销售人员配备信息也就快速可视化呈现在我们面前了。

销售人员分析的仪表板做好之后，销售人员可以申请给IT部门的超级管理员将该模板挂出到销售管理-销售基础数据分析目录下面，并且将仪表板开放给其他人员进行查看。另外利销售活动管理、合同信息查询的销售基础数据分析也是同理，用同样的方法做好之后申请给超级管理员挂出即可。

3.如何让销售同时快速上手分析？

a.销售目标进度分析

我们以上图所示的销售目标进度分析为例，对于企业销售管理来说，两个最核心指标莫过于销售额和回款额了。而企业通常每年都会设定销售目标额、回款目标额两个指标作为销售的年度考评KPI指标。

所以这样一来在每个时间阶段，作为销售管理者我们可以分析当前的销售额目标完成率、回款额目标完成率的总体情况。

I.销售额目标完成率=(销售额/销售目标额)*100%

II.回款目标完成率=(回款额/回款目标额)*100%

以销售额目标完成率为例，添加好总金额和销售目标额之后，在FineBI中直接添加销售目标完成率指标，输入“总金额/销售目标额”即可得到当前销售目标完成率的数据。

计算好销售额目标完成率以及回款额目标完成率之后，然后再按照区域逐级分解。这边我们按照区域对销售额和回款额分别使用条形图进行统计，然后降序排列即可。

接着对每个区域的销售额、销售目标额、销售额目标完成率、回款额、回款目标完成率进行分析计算，以便来分析当前影响目标达成进度的主要问题区域所在。最后添加好相关查询控件，调整好仪表板整体布局即可。

b.销售回款分析

销售回款分析方面，首先统计出当前时间段的应收账款、累计回款、累计回款率（累计回款率=累计回款/应收账款）这三个关键指标，用仪表盘进行展示。然后按照产品线进行分解，对比每个产品线的应收款款和回款金额数据情况。接着按照时间流逝维度进行分析，统计出当前时间区间的月度累计回款金额和月度累计应收金额，同时计算累计回款率。

最后分别按照大区和销售进行分解，统计对应大区和个人的应收账款、实际回款，计算出大区和个人的回款率。这样一来，企业整体到销售个人的销售业绩状况就一目了然了。

c.销售费用分析

销售费用分析方面，统计当年的费用开支总金额以及年度每个月份的费用金额。接着统计出各大类的销售费用模块分布占比、全国各个省份的费用金额分布、各个客户总费用的树图统计、销售费用开票统计、各销售费用排名统计相关信息，让企业的销售费用成本一目了然的以可视化形式呈现在我们面前。

4、如何让销售领导直接在线查看分析？

除了以上给大家介绍的制作一些企业常用的销售数据分析之外，FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了，通过轻松的托拖拽拽操作，就能生成丰富多样的数据分析统计结果。

我们以上图的年度签单&回款统计数据分析为例，只需要将签约年份字段拖拽到行表头，合同金额、回款金额字段拖拽到左值轴，即可得到每年的合同金额和回款金额走势了，真正做到想看数据“不求人”！

5、如何在线分享数据分析报告？

企业的各项工作，主要由各部门团队分工协作完成，彼此之间需要很好地进行沟通和配合，那么FineBI是如何帮助企业将销售智能数据分析成果实现团队协作共享的呢？

以上图所示的销售管理中心驾驶舱为例，展示了企业的签单金额、回款金额、单个合同金额分布、各地区/销售签单回款统计等等多个核心的销售管理分析指标。那么销售人员通过FineBI做好的一个销售管理里中心驾驶舱之后，其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。

例如我这边想把它分享给企业的领导人员，那么可以在FineBI的仪表板中将做好的销售管理中心驾驶舱模板点击分享给领导部门的Tom，然后点击确定即可。这样一来，领导部门的Tom登录之后就能收到销售人员给他分享的销售管理中心驾驶舱了。

前两篇内容讲了店铺装修、商品构成和策划活动，都是店铺搭建的内容，本篇文章我们讲一下怎样数据化经营店铺。

线上店铺相对于实体店铺缺少了与用户面对面交流的环节，店主就不能利用感官去分析用户的心理活动，很容易失去店铺经营的方向

但是互联网有自己独特的方式去解决这个问题，就是利用数据去分析客户的感官活动。也就是我们今天所要讲的数据分析，我们通过3个示例展开数据分析的一角。

示例1：

用户A在和田玉平安扣商品页面浏览，停留了30秒；用户B在同一个页面浏览，只停留了5秒。

一个30秒一个5秒，我们能够很直观的看出来，用户A对和田玉平安扣的兴趣度要远远高于用户B，说明A对和田玉平安扣的类型、展现形式、或者是参加的活动特别感兴趣，对于A这类的用户我们可以多推荐和田玉平安扣这类的商品。

这是一个很直观的通过数据分析用户的例子。数据可以帮助我们分析很多内容，接下来我们看一看怎样分析变动的数据。

平时我们最关注的数据就是访客数、浏览量、转化率、销售金额、客单价。

这些数据构成了我们店铺的经营状况，这些数据发生变动，店铺的经营状态肯定发生了变化，下面我们详细了解一下怎样处理这些变动的数据。

首先我们要遵循一个原则：数据变动，对标相应的动作，查出变动的原因和改进方向是关键。

示例2：

店铺中某一天浏览量突然间呈线性增加。

我们的分析思路应该是这样的，最近我们针对店铺都做了哪些动作。是进行了付费推广、举办了活动、遇到了特殊节日，还是最近发生的热点事件和我们所售卖的商品有相关性等等。

逐一验证每一项动作造成的影响，对标浏览用户的来源方向，就会查出数据变动的原因。我们就可以利用类似的形式，刺激用户的活跃度。

示例3：

17年劳动节的时候我们做了两场促销活动A和B，两场活动的访客人数分别为508人、531人；浏览量分别为687、732；客单价分别为50元和52元的洗衣液套装；但是活动A的销售金额为15000元、活动B的销售额为7800元。

我们一起来分析一下造成不同的原因：

两场活动的访客数和浏览量（访客数和浏览量可以体现店铺的曝光程度，以及用户对于店铺的兴趣程度）数据差距不大，说明活动的形式是没有问题的，都吸引了客户的兴趣点。

客单价（用户平均消费的金额，可以体现用户的消费水平）是差不多的，说明价格不是用户关注的点。销售金额不同，我们大概就可以锁定是商品的问题。

B活动选择的商品相对A活动选择的商品，在用户看来可能没有什么实用性、商品展现形式不好或商品文案不好等等。

我们相应的查看了两款商品。都是洗衣液，所以实用性是一样的，展现形式都是采用的一样的格式，展现形式是没有问题的。

我们详细查看详情页的文案的时候发现，活动A的洗衣液描述的时候加入了：“炎炎夏日爱出汗，衣服一天洗一次，****来帮你，清爽芳香每一天”，而活动B的洗衣液只是描述了：“清洗洁白如初，汗渍全消除，芬芳更持久”的文案。

活动A的商品文案相对于活动B的商品文案，加入了应用场景，在炎热的夏天爱出汗，衣服一天一洗，用我们的洗衣液清洗衣服，穿着清爽，还能芳香一整天。

有过同样感受的人看到这样的文字一定会引起回忆，并幻想解决后的舒适感；对活动A的洗衣液印象会很深，自然就会选择购买活动A的洗衣液了。这就是造成这两个活动销售金额不同的原因。

通过上面的三个例子，其实我们可以总结出一条分析的规律：对标相同点，甄别不同点，不同点就是产生问题的原因。

对于确定选择哪些项进行对比，这需要经验积累，如果有兴趣，您可以下方留言和您详细解说。

1、销售指标分析

主要分析本月销售情况，本月销售指标完成情况，与去年同期对比情况，通过这组数据的分析可以知道同比销售趋势，实际销售与计划的差距。

2、毛利分析

主要分析本月毛利率、毛利率情况，与去年同期对比情况。通过这组数据的分析可以知道同比毛利率状况，以及是否在商品毛利方面存在不足。

3、营运可控费用分析

主要是本月各项费用明细分析，与去年同期对比情况，有无节约控制成本费用。

这里的各项费用是指：员工成本、能耗、及办公用品费用，维修费用，房租，存货损耗，日常营运费用，通过这组数据的分析，可清楚地知道门店营运可控费用后的列支，是否有同比异常的费用发生，有无可以节约的费用空间。

4、坪效

主要是本月坪效情况，与去年同期对比“日均坪效”是指“日均单位面积销售额”，即日均销售额/门店营业面积。

5、人均劳效

主要是本月人均劳效情况，与去年同期对比，“本月人均劳效”计算方法：本月销售额÷本月员工人数。

6、盘点损耗率分析

主要是门店盘点结果简要分析，通过分析，及时发现门店在货品进、销、存各个环节存在的问题。

7、门店商品库存分析

主要是本月平均商品库存、周转天数，与去年同期对比分析。通过这组数据分析，看门店库存是否出现异常，特别是否有库存积压现象。

8、员工工作效率分析

从某种程度上来说，员工的工作态度直接决定了店里营业额的多少。

如果员工长时间工作激情不高，管理者就要思考其中的原因了，是绩效考核不实用还是竞升机制不健全还是管理者对待员工的态度问题等，要深度分析并总结，做出解决方案。

每天三章，更多精彩案例，请看下回分解。。。

连锁盈利天下，锁定未来。生命不息，战斗不止，连锁14年，只为中国连锁企业走向全球而动奋斗终生！

运营人员:蒋老师~hx52013143399

最近在研究商超零售的数据分析，有不少干货和想法可分享。此前，一直注重店铺管理、商品库存管理、财务绩效管理的数据分析。后来发现，无论是零售商铺的选址，还是百货商场的招商营运，都有不少需要运用到数据管理思维的地方。

店铺选址前或者招商营运前都要进行市场调研，小规模的店家可能会说，我照自己的经验，观测人流量以及周边店铺的经营情况来判断，这样的方法确实是有迹可寻。但是，店铺不是放着让你来选的，店铺商也是需要去谈的，甚至对于那些成体系的，每年都在扩张的一些企业，必须需要一套成体系的数据分析方法论来指导。

一、市场调研的要点

1、着重于项目周边状况调查，如：业态布局、购买力等；

2、网点及竞争对手调研的要点

3、收集品牌资源，是否符合定位，有无可备选方案，效益最大化；

针对选址，

可采用常用的SWOT分析模型，分析内部环境以及外部环境的优劣势；而后采用3C模型（Company商铺，Customer顾客，Competitor 竞争者）对开店的选址分析；看附近1小时经济圈、2小时经济圈、3小时经济圈的覆盖范围。

而正式营运之后，最主要关注的就是客流量。

传统零售的数据是基于交易客流，基本等同于俗称的会员。商超里面的客流其实分为交易客流、返店客流、进店客流、到达客流、潜在客流。这里最容易获取的就是交易客流，因为企业现有的CRM系统或者收银系统基本都能涵盖这部分客流。怎么得顾客数据？这就要建立一整套的全顾客全消费行为管理的客流分析系统。

客流数据分析建模

二、如何去经营分析？

经营分析是指商业运营管理者通过数据采集并运用统计、分析、图表呈现等方式，对商场整体经营情况进行深入解析。

确定这样一个流程后，经营分析按照时间划分一般分为日、周、月以及一些关键时期，比如活动、法定节假日等等。形式以经营报表为主。

大体分析内容

经营分析的指标解析

做好全百货的经营分析要发挥主观能动性，有了数据和图表，要做好经营分析，还要发挥人的主观能动性，营运人员需根据数据和图表阐述现象并提出相关建议，加强与店铺、品牌负责人的沟通和联系，充分了解店铺的经营现状。

三、关于品牌店铺活动的分析

经营分析案例分享及关注点（日经营分析）

以上每日的客流与销售趋势图，需要关注波动趋势、波动周期和波动异常。比如波峰大多是重大节假日或企划活动，或者特殊事件。

店铺活动分析

活动前期搭建好相关指标，收集活动数据，实时监测分析。

至于如何搭建这样的分析体系，譬如以上用finereport搭建的活动监测模板，这里不多赘述。前提需要明确分析的指标，之后就是数据收集、整合、分析、展现的额工作啦~

相信很多做服装零售的老板会有这样困惑，我的哪些商品要做促销？我要在什么时候做促销？我要如何调整我的商品销售策略？

其实在思考这些问题的时候，做服装零售的老板们应该意识到一个很严重的问题，那就是对于服装零售行业很重要的一个地方，那就是数据分析，比如卖出去的是什么品类的衣服，是连衣裙，还是套头衫，还是牛仔裤等，还有卖的是什么颜色，什么尺码等等。

你的售罄率，库销比，坪效，会员管理等一些指标数据有没有仔细的分析过？

做过淘宝的朋友们应该就很明白的，上架商品的时候要选一级类目，二级类目，再到最小类目下的产品的各项参数。然后还有买家的信息，比如买家性别，年龄，所在区域，购买频率等等，这个在淘宝上对应的是买家画像。每一笔交易，都利用信息技术自动存储到数据库，不断积累就成为了大家所说的大数据。当然，他们说记录的数据，可能远不止这些项目，其他的不在我们讨论范围内。

其实，这种思路，2年前就在跟我的同事讲，要他们把每天的销售情况都记录好，计算每天的进店率、试穿率、连带率、成交率、完成率等，记录好每天卖了什么东西，什么颜色，什么尺码，卖出去多少，进货价格，卖出去的价格，顾客的基本信息等等，然后把回头客的信息补充完整，比如回头客大概的喜好，生日和她们家里人的生日等等，当然这些私人的信息需要征得顾客的许可。

不断记录店里的销售记录，就能清楚，自己店里什么样的款特别好卖，什么样的价位顾客乐意接受，这些数据对以后进货，选款时候能起到最重要的参考依据作用；所以，其实不要总是问同行什么风格的好卖，什么款好卖，别人好卖的风格和好卖的款，不见得每个人的店铺都好卖，重要的是积累自己的销售数据，然后分析出来的结果，才是最好的。其他任何人，包括自己所选的款，都只能是做个参考。

顾客是要维护的，特别是回头购买率高的顾客，之前积累的顾客信息，就是用了筛选出哪些是回头购买比较多的顾客，哪些又是购买金额比较高的顾客，然后筛选出优质的顾客，精心维护。有些人可能说这个好像太现实了吧？没错，现实就是挺现实的，再者而言，人家来经常光顾你的生意，咱也需要对人家好一些。中国有礼尚往来的礼节。怎么个精心维护法？这个也不用太刻意，逢年过节什么的，有条件就送点东西，没条件送条祝福也行，当然会员折扣也是必要的。具体的操作和操作的节奏，就看会不会做人了。

当然，我还见过更高级的玩法，我有些朋友，在服装店里腾了几张桌子的地方出来，每周安排一次抄经活动，把周围或者说有相同兴趣爱好的朋友，聚在这里喝茶，抄经。人家不买衣服也没关系，买了衣服也是顺其自然的。还有些朋友喜欢做手工，也在服装店里腾个地方玩手工，同样是聚集了一群手工爱好者。

所以说，不是实体店不行了，很多时候是没动脑筋。。。

总结：现在做服装店生意，也需要向“新零售”的思维学习，学习积累和运用数据，用数据驱动店铺的运营。

我是“菲姐的跟班聊服装”，专注于服装零售行业，对服装感兴趣的朋友可以一起交流、探讨、学习。

门店的数据报表，包括各部门每周/每月的销售额、毛利、毛利率、日比、周比、同期比、销售占比、日平均销售额、通路费用、各项数据指标、达成率及行动计划等，对于门店管理来说是至关重要的。而往往最能直接暴露门店经营问题的，就是门店经营数据了，面对门店的一张张报表，如何从繁琐的数据中，合理的得出对门店日常经营管理的各项措施和办法，即如何做好门店数据分析，这对当下企业的门店管理来讲，是一门生意经。

基于此，帆软FineBI商业智能产品提供了企业级的门店智能数据分析的解决方案：通过鼠标点击和拖拽就能够轻松掌握门店分时段营业分析、门店综合营业分析、门店报废商品分析、门店综合管理驾驶舱等等一系列的数据，在经营和管理门店运营的过程中真正做到数据在手，胸有成竹。

方案内容

企业门店智能数据分析干货内容：

1.企业如何快速搭建门店智能数据分析平台？

2.如何让门店管理人员直接对接门店数据库快速完成基础数据分析？

3.如何让门店管理人员直接对接门店数据库快速完成综合数据分析？

4.如何让门店领导直接对接门店数据库快速完成即席数据分析？

5.如何让企业门店智能数据分析成果实现团队协作共享？

方案效果及实现说明

1.企业如何快速搭建门店智能数据分析平台？

这部分工作属于企业IT部门的前期数据准备工作，需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接，保证数据连接测试成功。然后添加人事管理业务包，将相关数据表加入并且建好立表间关联关系即可（如果是FineIndex类型的业务包需要更新好FineIndex数据）。分配好对应数据权限之后，用户即可直接在浏览器前端来对这些人事数据进行即席的多维探索分析。

以本方案为例，如上图所示，我们在人事管理业务包中添加好门店主档信息表、综合营业分析表、日期信息表、小时维度表、报废商品数据表、营业日数据源表等数据，并且建立好维度表和事实表之间的数据关联关系。

最后在数据配置-权限配置管理界面中将建立好的门店管理业务包的权限分配给门店部门相关人员，并且在管理系统-用户管理中将门店部门人员加入到BI编辑用户的已授权列表中。

2.如何让门店管理人员直接对接门店数据库快速完成基础数据分析？

a.门店分时段营业对比分析

门店经营的第一项基础且重要的工作，就是门店管理者需要对日常时间范围内的销售情况进行把控，熟悉各个时间段门店的销量状态。特别是对于特定的一些节假日举行的促销活动，我们更需要进行及时关注和跟踪，这样才能根据以往的经验更好地去策划未来的活动，取得更好地活动效果。

如上图所示的门店分时段营业对比分析，我们可以通过FineBI的时间控件进行任意日期的内的门店经营效果比对，追踪各个门店的实时经营状态。除了小时的粒度之外，针对不同星期的门店经营业绩进行分析对比（上图所示，周一的门店经营整体状态明显由于其他星期），以便优先选择活动效果最佳的时间。

b.门店报废商品分析

为了更好地对各个门店的销售商品进行优化，我们需要对报废商品进行一些数据分析。如上图所示，我们可以通过仪表盘合计出时间区间内的报废总金额，同时用对比柱状图过滤出报废商品Top10的商品，重点观察和监督。营业部方面，试用饼图统计出各个营业部的报废金额分布情况，着力对报废商品问题严重门店进行商品整改和优化。

c.门店信息查询

对于门店的信息查询，我们可以试用FineBI内置的地图进行基于地理位置的数据分布统计，另外通过明细表组件展示各个门店开设的详细信息（门店名称、大区名称、中区名称、小区名称、门店地址等）。

3.如何让门店管理人员直接对接门店数据库快速完成综合数据分析？

a.门店综合营业分析

接下来我们来进行门店的综合营业数据分析，如上图所示，我们使用仪表盘组件合计总的营业净额，使用柱状图降序统计各个门店的营业额数据情况。对于日期区间范围内各门店营业净额的数据，我们使用堆积柱状图进行统计，以对比分析每天各个门店的营业净额数据。销售结构（销售毛额、营业净额、折扣金额）和销售品类（一般商品销售金额、饮料销售毛额、食品销售毛额）的分析，我们使用折线图进行基于每天的数据对比分析即可。

b.门店经营目标达成分析

如上图所示，我们再来做企业各大区门店经营目标达成的数据分析。由于我们的门店营业部有三级分类，那么这边选择多层饼图来进行三级营业部下的目标达成率分析最合适不过了。各个门店的营业净额方面，使用组合图的对比柱状图分析各个门店的目标金额和营业净额数据，使用组合图的折线图分析各个门店的目标达成率（目标达成率=营业净额/目标金额）。

4.如何让门店领导直接对接门店数据库快速完成即席数据分析？

除了以上给大家介绍的制作一些企业常用的门店数据分析之外，FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了，通过轻松的托拖拽拽操作，就能生成丰富多样的数据分析可视化统计结果。

我们以上图的每日交易数量和销售毛额折线图统计场景为例，只需要将交易日期字段拖拽到分类轴，将销售毛额、交易数量拖拽到左右值轴，即可自动完成分组统计，真正做到想看数据“不求人”！

5.如何让企业门店智能数据分析成果实现团队协作共享？

企业的各项工作，主要由各部门团队分工协作完成，彼此之间需要很好地进行沟通和配合，那么FineBI是如何帮助企业将门店智能数据分析成果实现团队协作共享的呢？

以上图所示的门店管理中心驾驶舱为例，展示了企业的产品销售种类统计、门店毛利统计、地区销售额统计、月度销售额/毛利额统计等等多个核心的门店管理分析指标。那么门店管理人员通过FineBI做好的一个门店管理里中心驾驶舱之后，其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。

例如我这边想把它分享给企业的领导人员，那么可以在FineBI的仪表板中将做好的门店管理中心驾驶舱模板点击分享给领导部门的Tom，然后点击确定即可。这样一来，领导部门的Tom登录之后就能收到门店管理人员给他分享的门店管理中心驾驶舱了。

文:土拨鼠跟我走

销售数据分析报告，是销售工作的必备动作。

不会做销售数据分析报告的销售人员，就是只会打仗，不会算账！最会都是糊涂账！

我们经常说，销售数据分析报告，是基于业务客观事实的数字游戏！

销售数据分析报告：是由统计的数据和销售人员对数据的分析共同组成。也就是说，没有科学分析的数据，仅是数字，不是销售数据分析报告！

做销售数据分析报告的时候，会有以下声音：

1. 不就是数据统计吗？然后整理汇总下，多简单的事呀。2. 再不济，把进销存数据，整理下，这种可以了。3. 你们说的都太麻烦，就告诉领导，任务是否完成了吗？给结果，多省事！...

销售数据分析报告，对你什么好处

1. 用数据说话，是销售人员发言权的前提，这是职业素养！

2. 分析数据报告，就是对自己工作的销售总结，让你更清晰、更宏观的看待一个市场的脉络，然后自己的短板，查漏补缺。等于给自己辖区的市场，做一次例行“体检”。

然后，帮助销售人员对销售情况的深度熟悉，帮助分析市场动态变化，提升销售人员对经营的意识和掌控力，培养对市场的预测。

3. 销售数据分析是“收拾客户”的的方法之一，白纸黑字，有口难辩，凸显你的专业性，赢得信服。

为什么销售人员，不重视销售数据分析

1. 公司没有具体的销售报告分析的要求和标准，即使有要求，也是领导丢一句话：“你把市场给我分析下”，然后没了。

接着，销售人员一头雾水，开始抓耳挠腮，东拼西凑。最后领导一看，分析的“驴头不对马嘴”，丢句“你给我重新做去”！你一脸的懵逼。

2. 公司有销售分析报告的标准，但是，这个标准太繁琐太复杂。

巴不得做成“地表最全数据库”，搞得一线耗时耗力，不花几天功夫，根本做不完，销售人员内心排斥，开始做出“假冒高仿”的数据，执行的结果可想而知。

然后领导们拿出“假冒高仿”的数据，层层向上汇报，你们公司的战略决策，不跑偏才怪呢！这样的事情，身边还少吗？

3. 公司对销售分析报告缺乏宣导。销售人员对销售分析报告，缺乏关注意识，不晓得这个报告对他什么好处，管理者要身教言传。

销售分析报告的内容，要与时俱进，千万不能99年政策不变。当然，我也不是让你经常来回折腾，朝令夕改！

企业要有一个“引导体系”，而不是丢一句话，一个通知、一个邮件，就万事大吉，管理工作没那么简单！

对手机销售行业来说，销售数据分析的常用方法

一般来说，分为两个维度展开分析：

1. 产品。每个产品的重点关注，包含销售、价格、库存、促销、占有率等。找出问题点和问题客户。

2. 客户。以客户为主，或结合区域的分析，哪些客户业绩异常，找出真实原因，提升点在哪里，才能做好目标管理。

01 销量分析

一般，最简单、最粗超的数据，就是：销售任务是否完成，完成率多少？当然，还不止如此。

业绩达成情况

当天数据：当日销售存在的问题，你要做个分析。当日数据仅供参考。基础数据：月累计销售完成进度，与时间进度对比。发货数据：这个数据一般厂家很容易忽视。从发货的数据，能分析出物流、库存、周转率的问题。所以，务必搞清楚，发货客户的数量和发货次数，摸清客户发货量降低的原因，同时综合优化物流成本，这个数据可以每月或每季度分析。

对比分析法

不得不说“同比和环比”。

同比，是指在相近时段中的某个相同时间点的数据，进行比较。比如，17年3月和16年3月是相近时段，都是3月，这两个时段进行数据对比，就是同比。

环比，是指相近时间段的对比。比如，17年5月和17年4月是相近时间段，这两个时间段的数据对比，就是环比；

一般在手机销售中，同比是最常用的，但是，同比的有时也会蒙蔽事实，为什么呢？

比如：16年3月份销售1000部手机，17年3月销售1200部手机，同比增加200部，提升率20%。

但是，行业市场整体同比提升30%，你觉得差距在哪里？

所以说，同比，务必和行业市场的数据项对比，不然就是孤芳自赏！

环比的用法

实话说，环比不太常用，因为销售和季节性有很大关系，都会存在波峰波谷，说销售不分淡季旺季的人，纯属忽悠洗脑！你就是卖钢筋煤炭，国家还有宏观调控呢！

以手机销售行业为例，一般来说，8月份的销量比9月份高，为什么？

因为8月份属于暑期学生购机潮，再加上9月份想买手机的人，都持币等着十月一促销呢？对吧！

你拿9月和8月环比，有多大意义呢？所以，只有同比，才有参考意义。

讲到这里，并不是说环比没用处，月环比的季节因素太大，那干脆，你做周环比，不就行了嘛。

周与周的环比，有一定的参考性，前提是周与周之间，不能存在节假日。比如，十月一黄金周，和十月第二周做环比，也是不合适的。

和竞争对手的对比分析

这个比较，我不说，大家也比我懂。

但是，很多人，搞不清楚，谁是你的竞争对手！

原则上来说，只要与你同行的品牌，都是你的竞争对手！

但，这是书上写的，现实可不能这样玩，不然大家都是你的敌人，你再搞“世界大战”吗？

不能聚焦的目标，是梦想，不是目标！永远记住这句话，销售铁律。

你的竞争对手是谁？

我给你说个简单的方法：找眼前的竞争品牌，能伸手抓得住的竞争品牌，且销售大于你30%的品牌，你就盯着这个品牌去爆破！

千万不要，找绝对大于你N倍的“大象”去挑战，你可以把“大象”当成梦想和愿景，但你先把“活在当下”的事情做好！不然，你就是好高骛远，眼高手低。

找到竞争对手了，对比什么呢？

原则上，你所有的销售数据，旁边都要有竞争对手的对比。只有这样，才能知己知彼百战百胜!

这就考验你数据统计的“情报能力”了。

说不用关注竞争对手，就能做好销售的人，都是有失偏颇。

我想说的是，前提是你负责多大规模的销售体量，如果是一亩三分地，那你可以完全“只读圣贤书、不闻场外事”。

产品销售的结构分析

比如：从价位分析、库存调整、来了解重点产品销售情况。

同时，对于公司重点产品进行分析，找出存在问题，提供建议。（最好不要提产品本身的问题，如：屏幕小、内存小等等。不然销售人员以后销售不佳，抱怨厂家和产品本身问题。）

务必给销售人员指明：

公司的拳头产品哪些（正面打击对手，大力水手吃菠菜）。公司的馒头产品是哪些（要靠这个吃饱肚子）。公司的窝窝头产品是哪些（垫吧垫吧就行了）。

02 费用分析

这个费用分析，一般不对基层销售人员开展，大部分需要区域经理多关注！我多说一句：区域经理要把“基础财务”当成重要的课程来学习。

投入与产出比，简称ROI（return on investment）。投入产出比 = 产出总收入/总成本× 100%。

投入与产出比的概念，务必烙印在区域经理大脑里，不然会乱成一锅粥，你的上司会成为你的”背锅侠“。

拿手机销售行业举例。厂家做主推的ROI、促销活动的ROI、市场推广的ROI、人均产出的ROI...都是可以计算得出的。

费用多少合适？这个是基于你们公司的实际情况，但是，费用永远是不够的。

我认同节约的销售，但讨厌小气的销售。节约就是，不该花的钱不花，小气就是，该花的钱不花。

作为管理者，抓费用要：

1. 抓大放小，不要挫败大家的工作积极性。

2. 权限分解、不能一人说了算，一言堂的费用肯定有问题，不信你去查查！

3. 秋后算账，任何费用都要有这个环节，不能变成“糊涂账”！

销售人员不能因为销售费用少，就原谅自己销售目标未完成。

03 渠道分析

每个渠道的供货价、毛利和利润分析，这个分析，务必和竞争对手对比

对每个渠道分层分级，然后匹配不同的销售资源（分销、库存、物流），渠道遇到的问题，需要数字支撑，都要写出来。

每个渠道的库存重点关注。尤其库存的周转天数。周转天数=当前库存数量/当前日平均销售数量

以手机行业为例，卖的都是科技电子产品，没有大致的保质期，不像卖吃卖喝的食品，但是，科技电子产品的更新迭代比食品快多了，摩尔定律大家都晓得吧。

依据库存周转天数，来判断产品是否畅销，是有时偏颇的。

比如，在销量不变的情况下，库存大，随之周转天数也会变大，同理，库存小了，周转天数也会短的。所以，不要光看周转天数，只有结合库存，才能判断正确。

举个栗子，某款手机平均每天销售5部，当前库存为20，周转的天数为20/5=4。但，你压货把库存加到40部，周转天数为40/5=8。所以，你部能说产品不畅销，只能说库存过大。

要对库存组成分析，同时，保持电脑数据和实际库存保持一致，不能指望电脑数据就做出判断，你需要定期盘点库存，及时发现问题，只要这样才能把握每个SKU的销售情况。

重点关注哪些区域与渠道的表现，分析发展走势和销售特点。

对于增长或下滑明显的区域给予重点关注和分析，以免存在潜在的威胁，警惕竞争对手趁虚而入，混水摸鱼，要做多维度的分析。

04 人员分析

新增员工的数量（累计本年度），离职员工的数量（累计本年度）、每个员工承担业绩的数量、人员薪资成本、日常工作的分析（分销、拜访等）

在销售分析报告中，避免存在以下问题：

1. 大多数人汇报工作，避实就虚，该说的问题兜圈子，报喜不报忧。最笨的员工就是，认为“你的上司和老板是笨蛋”。

2. 谎报军情，不重要说的严重，重要的避而不谈。这招，销售老油子用的驴火纯情！套取公司资源，谋取利益。我强烈建议，汇报具体没有分析，只讲事实给上级，领导千万不要拍板，因为这种情况，很容易做出错误决策。

3. 只注重前线打仗，忽视团队内部提升，造成内外资源匹配不到位，这样的销售，容易昙花一现。这样的人，是个做狙击手，不适合做管理者。

4. 没有经过分析就制定计划，总是拍脑袋，凭感觉去做事，这是很多管理容易走的弯路，销售分析报告是走过场。

好的销售分析报告，要具备：

1. 首先数据要真实性、完整性、详细的呈现出来。数据从哪里来？每个数据的背后含义是什么？

2. 数据的分析必须站在客观的角度，不能带有主观因素，避免报告有失偏颇

运营分很多类，流量运营、用户运营、内容运营…每一个环节都有特别关注的数据和指标。

很多分析都是从PV、UV、用户数来切入，但是分析之后呢，做什么措施？以什么样的目标来驱动？我也分析做过这样的分析，这些常规的数据大多只是绑定着个人的KPI，反应这个人工作成绩的好坏，并不是一场完整的数据分析。这里我想从更全面的角度来总结互联网企业的运营体系，精益数据分析。

数据分析的目的应该是为了公司的发展，粗暴一点讲，是为了公司的盈利和持续的盈利。

而互联网的盈利模式不同，数据指标也不同，大抵可分为三种：一是向用户出售商品或服务，以电商、社交和o2o平台为代表；二是靠广告来进行盈利，典型的例如google、百度以及其他平台类互联网公司；三是直接向用户收取费用，各大游戏公司。

以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。

电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。

一、运营模块

从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。

引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。

进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。

在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi。

按地区划分，这个很好理解。

按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。

转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。

转化的分析：

1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整

2.追踪转化率变化，用于异常定位和策略调整效果验证

3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略

4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据

最直接的分析成果就是转化漏斗。

留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。

关于留存，无非就是：

1.日活监控，观察用户活跃数据，分析日活健康度

2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等

3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整

复购

有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。

复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数

用户回购率＝单位时间内：有购买行为的老用户数/有购买行为的总用户数

分析复购率的目的：

1.综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。

2.横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。

流失

流失是无法避免的，但也有可以挽留的。

流失可以分为

刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用。体验流失：可能是应用体验、服务体验、交易体验、商品体验等等，总之就是在使用产品\服务的过程中，感到了一丝不爽，正所谓一言不合就流失。竞争流失：也就是用户已经转粉了。可能是竞争对手的体验更好，可能竞争对手推出了什么优惠的政策。我们也需要抓住行业的动态，针对竞争对手的抢粉行为做出相应的行动。关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）

关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：

再者，流失率结合存留率也可以评估渠道的价值。

二、销售模块

1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。

2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。

3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。

可参考：如何针对业务场景做数据分析？

三、商品模块

1、采购管理：包括供应商数据分析、采购匹配度分析等。

2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。

3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。

4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。

5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。

四、用户模块

1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。

2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。

3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。