销售在几乎所有企业中都扮演着关键角色，为此，Pipedrive（美国CRM服务商）每年都会分析来自全球7万家中小企业和数十万销售人员的匿名元数据，来为我们分析找到最好销售团队成功的原因。

而最终的调研数据也向我们展示了不同销售团队之间的巨大差距，表现较好的销售团队的转化率保持在37%，平均在36.5天内完成交易。相比之下，业绩较差的公司的平均转化率为4.95%，完成一笔交易需要56.62天。

通过对数据更加深入的研究，Pipedrive还发现，无论是哪个行业或国家/地区的优秀团队，都存在着一些共性，我们可以将这些共性归纳为以下三个建议，并为大家推荐更好的销售工具，来供大家参考。

1. 简化你的销售流程

销售所拥有的最伟大的品质之一就是坚韧不拔，但他们往往因为试图做的太多而失去客户。从Pipedrive的调研数据中我们得到重要的启示是，不管你是从事哪个行业或是哪个地区的销售，简化销售流程都是至关重要的。

简化你的销售流程，不要紧跟每一个潜在客户。让自己专注于有效的活动，但同时知道哪些活动没有作用也一样重要，这样你才能更好地把时间用在最有效的销售活动上。

虽然道理很明白，但是做到却很不容易。采取分散的销售方法很少能达到你想要的结果，并且会消耗你大量的时间，影响你对潜在客户的处理、分析和执行。

事实上，数据显示，低转化率的公司实际上比高转化率的公司多进行了30%的活动。而这些高效的团队正在通过减少不必要的销售流程来把时间专注在更有效的流程上。

总之，不要只是努力工作，要更聪明地工作。

2. 记录与客户的每一次沟通过程

当我们仔细观察那些业绩最好的销售团队时，我们发现他们使用移动设备来管理销售过程的次数远高于排名较低的同行。这些表现较好的销售通常会多出33%的移动活动，最终，我们发现他们更成功的原因在于能够准确地记录下每一次和客户的沟通，这意味着他们已经为下一次与客户交流做好了充分的准备。

业绩较好的销售与客户结束沟通，他们将沟通结果和过程记录到手机中，或将沟通结果录入到CRM中，这意味着你在正确的时间向客户输出了正确的信息，这些信息有助于推动潜在客户的转化，提高签约的机率。

并不仅仅如此，如今我们也有大量的数字来帮助销售更好的记录日常的工作情况。云客手机就是一部专门为销售打造的工作手机，手机通讯录即CRM客户库，通话结束立即弹出挂机弹屏标记客户沟通结果，不需要再录入CRM。电话录音、微信沟通进度都可以同步云端，便于管理者查看管理。

3. 不要害怕拒绝潜在客户

研究表明，知道什么时候和潜在客户“分手”是至关重要的。

销售团队需要更快地得到“不”。这让他们更快的向前走，更专注于正确的机会，从而显著提高转化率。注重优先级排序的高效销售团队通常能为企业增加一半的线索，成功转化为潜在客户的至少多出两倍。

对于销售应该花多少时间去寻找线索，并没有一个通用的公式。但有个重要的前提，就是你要了解潜在客户。

你的潜在客户质量度有多高？潜在客户回应过你吗？他们愿意说出自己真正的痛点吗？销售的技巧和直觉固然强大，但当这些都没有发挥作用的时候，短信和邮件跟踪就成为衡量客户质量度的关键方法。

如果你的潜在客户打开了你的邮件或短信，那么他们可能更愿意花时间去了解你的产品或服务，如果打开率为0，你也可以勇敢的与潜在客户“分手”。

云客系统将电话、短信、邮件打通，销售可以先通过群发短信或邮件来找到打开内容的客户直接进行电话沟通，也可以对电话沟通后的客户继续发短信邮件跟踪，如果客户打开内容，在进行二次电话跟进，这有效的将客户转化率提高了13%。

云客中国领先的销售全流程闭环管理系统及解决方案服务商，致力于为广大销售人员及销售管理者，提供最符合销售习惯的销售指导及管理工具。

云客未来将为大家分享更多国外最新最优质的销售相关内容，希望大家可以收获更多销售经验和技巧！

注：本文根据Missing Your Quota? These 3 Sales Process Tips Will Make You Unstoppable一文编译而成，译文有删改。

否则你如何应对接下来的“双12”？

光说数据分析理论太干，我想通过一个电商案例，来盘活与销售数据分析相关的术语和方法论，以便各位更策略的应对“双11”等各类线上大促的挑战。

这个案例是这样的：

一个在信息流平台上卖礼品的电商，之前10个月的销售都不温不火，有涨有跌，每月销售额一直徘徊在40万元左右，但上个月的销售额猛的突破了100万元，而且！是在广告花费不足10万的情况下获得的销售额，这让老板很雀跃啊，感觉春天来了！过去10个月的煎熬终于要出头了！

我忍不住泼了个冷水：

销售额突破预期就意味着经营步入正轨了吗？

如果不是，我们又该怎样发现100万元这个数据背后隐藏的商业洞察呢？

靠分析。

当我们面对数据的时候，不能光盯着数据本身看，就数据论数据，而是要用一个完整的数据分析框架去解读数据。

数据分析有一个经典的6字策略：

细分、对比、溯源。

具体来说就是：

先从不同的维度去分解问题；

再根据每个维度上的数据建立参照系做对比，找到业务的薄弱环节或部分；

最后分析原因，找到改进方案。

如此，才可能发现到100万元背后真正的商业洞察，更好的制定下一步的策略。

销售数据分析第一步：细分

所谓细分，是指通过拆解不同维度，找到需要分析的某个指标的影响因素。

什么是维度？

维度起源于几何学，指的是连接两个同种空间的通路，用在数据分析的时候多指一种视角，比如性别、地区、时间、距离等都是数据分析时常会用到的视角。

比如我们要用时间作维度，一种方法是通过同一空间下前后时间的对比来了解事物的发展趋势，比如本案中，上个月销售额是40万元，这个月是100万元，我们就可以说销售额环比增长率是150%，这是时间上的对比，也称为纵比；

也可以通过同一时间下空间上的横向比较来了解的自己现状和差距，如不同国家人口数、GDP的比较，不同省份收入、用户数的比较、不同公司、不同部门之间的比较，这些都是同级单位之间的比较，简称横比。

怎样拆解维度？

拆解的前提是找到了合适的维度，那么怎样找维度呢？

找到细分维度的本质是发现因变量的影响因素。比如本案里，因变量就是销售额。

导致整个销售额发生从60万元到100万元的变化的因素可能有很多，我们可以用6W2H、也可以用营销“4P”的框架来分析，把可能需要思考的维度都列出来，然后再根据案子具体的情况，看他会涉及到哪些维度，从中选择适合的维度，进行下一步的拆解和分析。

这里我们用6W2H给大家演示一遍流程：

1，要考虑What，就是你卖的是什么产品：

根据具体问题还可以展开，比如：你的产品线是什么？你的竞品是什么？你的替代品互补品各是什么？你的目标消费者的固有选择是什么？

假设我们现在需要从产品线维度来拆，一般礼品电商公司可能不止卖一种礼品，可能还会卖高端签字笔、望远镜等，那么据此可以拆分的问题就是：各个产品的销售额贡献率是多少？按照28原则，理想状态是80%的销售额来源于20%的产品，我们需要知道爆款是什么，卖得不好的产品是什么？细分清楚才能进行下一步的分析，了解销售额变动的原因和判断之后的趋势。

2，是Who，就是考虑谁在卖：

比如企业内部是谁在做这款产品的销售？外部市场上有多少同行在卖同款产品？

如果考虑内部，我们可以把问题拆分成，有哪几个部门在卖？由哪几个项目经理负责销售？他们各自对销售额的贡献情况如何？

如果考虑外部市场，可以分析看看同行的销售额是多少？这个100万元的水平在同行内的排名在什么位置？

3，是Whom，就是卖给谁：

这一步说的是谁是你的客户？客户类型有哪些？谁是使用者？谁是影响者？谁是决策者？消费层次如何？采购频次如何？等等。

就本案来说，我们可以思考，在线上买礼品的人可以为几类？他们各自有怎样的采购特征，等等。

4，是When，什么时候购买：

客户购买的时间分布有何规律？

比如本案里，我们可以比较看看销售额是不是有周期性变动的规律？

5，是Where，客户在哪里买：

我们可以看看有哪些销售渠道，比如是线上还是线下呢？如果都是线上，那么是信息流平台还是网上商城？等等。

就本案来说，这个老板同时铺了几个渠道或者平台在卖，那么多的渠道里，哪个或者哪些渠道的销售额更好？

6，是Why，就是客户的购买动机是什么：

客户为什么要买我的产品？客户消费场景有哪些？客户的痛点有哪些？有哪些环境因素影响了客户的购买？等等。

比如本案中，我们可以思考，在客户的购买动机里，是要送礼的多还是要自用的多？是什么原因促使他们来买礼品？等等。

7，是How，即客户如何购买：

这个如何购买可以是对支付方式的研究，比如是货到付款还是先付款后发货？是微信支付还是支付宝支付？等等。

如何购买也可以是营销组合要素如何影响消费者的购买决策，消费者在购买决策的看重哪些因素，是购买的便利性呢？还是产品的设计性？还是价格？

8，是How much，即客户愿意为产品付出多少成本：

这里就涉及到定价策略了，我们是采用低价渗透呢？高价撇脂呢？还是歧视定价？等等。

此外还可以考察一下客户的购买成本是如何构成的，是否包含理解成本、货币成本、风险成本、时间成本、便利成本等，具体问题具体分析。

就本案来说，在这一点上要考虑的是目前的定价策略会不会对销售额有影响？哪种定价方式更有利于扩大销售额？等等。

销售数据分析第二步：对比

完成上一步的细分之后，我们就需要开始对同一维度的数据进行比较，以了解业务现状，找到业务的薄弱环节或部分。

怎么比？

比较主要是通过建立参照系来比较。这里需要强调几点注意事项：

1，要弄清楚是谁和谁在比：

这里的“谁”涵义比较宽泛，比如是不是同一单位在比？比如同样是销售金额，3000人民币和900欧元就没法直接比，得先统一单位，然后再比。

2，弄清楚怎么比：

也就是选择比较的对象要有可比性。比如公司的某个产品的销售额不能和全省该产品的社会零售总额去比，这都不是一个量级，怎么比？比较只能和同量级的比。

3，弄清楚比完后要干嘛：

如果各种步骤都准确，那么比完之后，我们就能知道自己大概所处的状态了，如果这个状态相对较好，就继续保持，如果状态相对较差，就可以着手改进优化了。

对优化师来说，薄弱部分和薄弱环节都是优化工作的切入口。实操中，好的优化师往往对“差”有相当高的敏感性。

找谁开刀？

假设我们通过产品维度的比较发现，本案的这个公司总共在售的10个类目的礼品中，绝大部分产品的对比销售都挺不错，运营各个环节步骤也都表现良好，有的甚至已经做到了极限，只有一款手表卖得特别糟糕，销售额排名在最后，上月销售额只有3000元，仅占整个销售额比例的0.3%，也就是说，这款手表对上个月100万销售额的贡献微乎其微，属于该公司销售的薄弱环节。那么这种情况下，我们是去找表现最好的去优化升级、挑战更高的极限呢？还是先试着补足短板呢？

这里我们给出一个判断权衡的参考方向：

1，可以根据优化的投入产出比来判断；

2，可以根据优化的难易程度和改善空间来选择；

3，重点考虑公司的资源情况；

4，参考公司的经营目标和经营策略；

5，其他影响因素的考量，比如当前市场的政策情况、行业的发展趋势、同行竞争情况等等。

假设根据上面的各个因素的分析，我们得出，本案的销售主体公司很看好手表这个类目的发展前景，公司未来经营思路的构想是多头发展，那么我们可以认为，提升手表销售额是当务之急，接下来的工作中就是需要把提高手表的销售额作为提升总体销售额的切入口。

销售数据分析第三步：溯源

一般情况下，碰到某款产品销量差，相关经手人的第一反应是是什么呢？责怪！

怪优化师广告没投好？怪产品经理选错产品？还是怪售价定太高了？各种猜各种怪各种卸责。

这里我想提醒诸位，无根据的猜测于事无补。有效的解决方法，不是拍脑袋猜测，觉得是哪个就是哪个，而是要用一个模型把一条路上所有可能涉及到的问题都追溯一遍，找到问题的源头。

怎么溯源？看鱼骨图

这是一张鱼骨图，常应用于品质管理领域，用来分析产品的不良原因，这里我把它用来分析电商投放信息流广告时可能遇到的运营问题。

根据图示，我们可以了解到，整个电商投放环节涉及到了6块内容，分别是最开始的选款，然后是针对性的定价，接着是投放相关的定向、创意、落地页，最后还涉及到客服、物流等后端，这里面每一步都可以再拆分成很多小步骤。

比如选款环节。

电商的选款是个非常复杂的过程，对选款人的营销能力和市场敏感度均有很高的要求。那么通常我们在选款时可以考虑的内容有：

1，产品所在行业竞争的关键是什么？

比如大部分快消品行业主要的竞争关键是品牌，如果我们想选的产品是属于这个领域的，那我们就要考虑这个产品的品牌是否有号召力。比如同样是线上卖手机，同等条件下，你卖iPhone的效果和“YOTA”phone的效果是不一样的。

2，产品是否适销对路？

线上选款和线下选款是有差别的，需要实际体验才能成交或是需要专业的咨询服务才能成交的产品就不是非常适合在线上直接售卖，或是转化门槛太高的产品，在线上销售时用户的折损率也会比较高，比如有些保险产品的销售就需要专人服务才能成交，在线上销售转化门槛太高，转化成本高也是情理中事。

其他要考虑的问题还有很多，比如产品的利润空间，市场上的竞争情况，进入门槛等等，这里不展开了，遇到具体问题可以再具体分析。

就本案来说，该公司的选款主要参考的是公司所在地的的实体礼品零售店数据。从这些零售店的销售情况来看，此款手表堪称爆款，三个月内来回购送人的客户超过40%！

40%是什么概念？通常来说，线下礼品类销售能有20%的回购率就已经不错了，这个40%就等于翻倍了，也正因为此，给了这个电商公司的老板非常大的信心，觉得可以放到线上卖卖试试。

再来说说客服环节。

客服环节主要考虑的是用户体验，一般影响用户体验的因素有如下几个方面：

1、响应是否快？

比如你问了客服一句问题，半天没人响应，你觉得用户会是啥心情？

据相关数据显示，一般反应时间超过15秒，这个咨询就可能黄了，且越是急切的咨询，或者说越是需求精准的用户的咨询，他们希望得到快速反馈的欲望越强烈，可能15秒都等不到。

2、问答比是否高？

这个是指客服和用户互动的情况，是不是热情到位？用户问你三句，你回答一句，你这一句能说明问题倒也罢了，如果不能，那用户体验也会不好，自然的，转化也就好不到哪里去（有些特殊行业，比如奢侈品零售领域的逆向营销不在我们今天的讨论范围内）。

3、话术是否专业？

我们先解释一下何为专业：一种是指客服人员在线销售的水平是否达标，具体是指客服人员的沟通技巧和逼单能力等。

另一种是指客服人员对产品所属领域知识的掌握是否专业。能不能准确有效的回答用户的问题会直接或间接影响他们对产品的信任程度。比如在某些特定的产品领域，像近视眼镜，客服人员对技术的掌握程度和专业水平都会直接或间接的影响他的接待质量，进而影响用户的购买意愿。

就本案看，该电商公司的客服小组和其他产品的客服是公用的，从响应时间到问答比到客服的接单流程、接单话术的专业水平都是符合营销专业要求的，而且实际的接待人员水平和实体店的店员水平相差不大，甚至略好一些，由此，我们可以大致排除客服环节对销量的影响。

怎么分析？用5why

假设，通过鱼骨图对营销环节的层层剖析，我们发现，最可能出现问题的环节是定价环节，因为目前的定价和同行比，有点太低了，那么会不因为价格太低导致客户认为便宜没好货？对品质没有安全感？所以不愿意买呢？——还是那句话，猜，是不严谨的，我们需要借助专业工具进行分析。

这里我们推荐5why分析法。

5why分析法发源于日本丰田，是丰田前副社长大野耐一发现问题时惯用的一个分析方法：通过连续追问“为什么？”来找寻问题的真正原因和解决方法，适用于多个领域。

就本文举的案例来说，我们可以通过下列这些提问来�...

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。

一提到数据分析，很多人可能脑海中可能会浮现出各式各样的数据画面。

比如下图所示，这样的中国式复杂报表在企业中经常被使用，精密的复杂表格样式中蕴含着国人庞大的数据信息量。

再比如这样的数据Dashboard可视化，通常应用于展示KPI业务指标，例如销售额、毛利率、利润率等等，数据的可视化呈现形式清晰直观。

再就是目前火热的不行的可视化大屏，比如下图所示的双11全球天猫狂欢节当日的实时交易统计大屏，除了清晰直观地展示企业核心的KPI指标之外，狂拽炫酷是它至关重要的特征。

大道至简的数据分析方法

但无论是以上的哪一种，无论数据如何变换，所有看似神秘的数据分析过程都可以归纳总结为各种“维度+度量”的组合分析。

维度用于描述事物的属性信息，例如统计各个地区的交易数量时，地区就是维度。

度量（指标）是可以量化统计的数值，例如统计各个地区的交易数量时，交易数量就是度量。但是需要注意的是并不一定所有的数值都是度量，例如学生的学号虽然是数值类型，但是其实它是维度而非度量。

如此一来，我们对数据分析有了从整体上的解释。但是实际应用中，我们并非盲目地去进行各种维度和度量的拼凑组合，而是希望得出的数据分析结果能够指引业务进行决策，终而形成业务闭环效果的。

根据我自身的一些数据分析项目经验，90%以上的基本数据分析问题都可以套用我总结的这七步完成（深入的数据分析需涉及描述性统计分析、相关性分析等专业的统计分析技能）：

数据分析必然需要借助工具，Excel、BI或者R和Python语言都可以帮助实现。

这里为了帮大家更快速地理解数据清洗建模和数据差异分析环节的内容，借助比较简单的BI工具FineBI，为大家进行一个销售数据分析实例，加深大家对数据建模和数据分析过程的理解。感兴趣的可以到官网下载，个人完全免费。

一、确定分析目标

这是分析前的第一步，我们需要明确进行数据分析的对象，也就是需要确定分析目标。

通常来说我们会选取最关心的核心KPI指标，例如电商行业的销量、销售额、利润，制造行业的次品率，互联网行业的用户留存率等等。

一般来说，分析目标不要过多，如果实在是需要同时分析多个关键核心业务KPI指标，那么我们便可以将这些核心指标分解给对应业务负责人，例如销售总监负责提升公司销售业绩，运营总监负责降低成本花费。

二、核心目标拆解

确定好分析目标之后，通常来说我们需要再对核心目标进行子目标分解，这也符合企业各团队分工协作的特性。

核心目标拆解的过程中需要遵循MECE原则，也就是“完全穷举，相互独立”。例如下图所示的电子商务数据分析指标体系，就分别从网站运营指标、经营环境指标、销售指标、营销活动指标、客户价值指标几个方面进行了详尽的拆解，然后交由各个团队进行分工达成。

三、数据清洗和业务建模

确立和分解好数据分析目标之后，下一步就可以进入到数据清洗和业务建模环节了。

数据清洗方面，很多人可能会想到国外传统的一些ETL工具，但是这类工具过于庞大和复杂，国内真正成功落地的案例很少。FineBI商业智能工具其实就提供了轻量级的ETL功能可供用户对数据进行计算和处理，鼠标点击和拖拽操作即可完成轻量的ETL数据处理过程。

业务建模方面，FineBI也是提供了根据不同业务主题分类建立业务包的功能，一般来说按照维度表和事实表建立好关联关系即可，这样一来就为前端的数据差异分析准备好了数据模型。

四、数据差异分析

终于到了数据差异分析这一步，这也是离发现问题原因和业务决策最近的一步。

所谓数据差异分析，自然是需要有差异，才能有分析。

例如今年某某企业7月份的销售额是600万，那么大家会觉得对于这个企业来说是好还是坏？如果只有这一个数据，自然是无所谓数据差异分析的。

如果这家企业的6月份的历史销售额是400万，那么7月份600万的销售额自然是非常好的了，可是如果这家企业的6月份历史销售额是800万，7月份600万的销售额明显是有问题的。

a.纵向对比

按照这个基础的数据差异分析逻辑，我们借助FineBI来初步分析一下某家企业今年各月度的销售额统计走势图：

如上图所示，通过纵向对比不难看出该企业在7月份销售额下降严重，环比6月份的企业销售额下降了22.47%，不是个好现象。老板看到这个数据自然会前来问责，说为什么7月份公司销售业绩下滑这么厉害。那么会是什么原因导致企业7月的销售业绩相对6月下滑这么多呢？我们需要更新一步地进行数据分析，以排查出导致产生问题的”真凶“。

b.横向对比

一般来说销售型企业都会在全国划分各个销售区域，那么这样一来我们除了对时间进行纵向对比之外，还可以结合销售大区维度进行横向比较，分析探索看看能不能发现一些问题。

果不其然，如上图所示，通过时间维度结合销售大区进行横向对比发现，企业的东南大区7月份的销售额相对6月份反而是增长的，看来问题主要出在北方区和中西区，特别是北方区7月份的销售业绩下滑更为严重，最终导致企业7月份总的销售额比6月份严重下滑。

数据分析的丰富度一定程度上依赖于分析工具的功能，比如Excel可能需要写VBA，R和Python需要写代码。

由于FineBI是一款商业智能工具，故而这边可以轻松通过其提供的OLAP联动分析功能，以更进一步的观察各个区域7月份的表现情况，直接点击饼图区域即可联动到月度销售额统计，非常方便。这边我们可以看出，中西区7月份销售额环比轻微下降17.86%，北方区下降严重到50.07%，而东南区则提高了6.06%，综合三个大区的总体销售状况，导致最终表现为7月份销售额环比下降了22.47%。

c.综合对比

上面分析了时间、区域维度相关的销售额结果统计，为了避免结论片面，我们尽量采用多维度的综合对比方式来观察数据，甚至可以是友商的销售情况对比进行差异分析（此处不单独举例说明）。

如上图所示，我们通过时间维度结合产品类型来进行销售额分析，观察7月份各个产品线的数据发现各个产品线在7月份销售额环比都是有所下降的，这说明企业7月份销售额下降和产品种类本身是没有关系的。

五、发现问题原因

综合北方区域和中西区域导致7月份销售额环比下降的各种影响因素，最终发现是由于6、7月份北方区域降雨严重，导致物流周转严重滞后，库存商品无法及时供应，最终导致北方区域7月份销售业绩严重下滑了50.07%。而中西区域本身仓库比较小，按照之前各区域商品物流周转的设计，中西区域的本土供应的差额商品主要是由北方区域供应，但是北方区域由于严重的降雨导致物流周转严重滞后，进而导致中西区域7月份销售业绩也同比下滑了17.86%。

六、制定业务决策

通过结合FineBI工具的OLAP多维数据综合分析方法成功定位到问题原因之后，企业及时调整仓库商品物流周转策略，北方区域物流模式调整为水运，同时将东南区域的部分商品通过物流周转到中西区域。

七、评估决策效果

企业领导决策层8月份通过及时调整北方区域和中西区域的物流策略，北方区域物流模式调整为水运，东南区域的部分商品通过物流周转到中西区域，补充了北方区域和中西区域的库存商品周转。最终8月份企业的总体销售额达到了943万，环比7月销售额提高到了37.32%。

后记

随着信息化的飞速发展，大数据产业呈指数式增长。在我们不断地积累着企业的历史数据的同时，如何利用和分析好这些数据，真正利用大数据分析驱动企业的业务增长也成为了一个很重要的难题。希望本文给大家分享的数据分析方法，结合FineBI商业智能分析工具的OLAP多维分析能力，能够让大家下次在面对企业业务数据分析时不再迷惑，做到步步为营，让数据分析真正释放出潜能，驱动业务快速增长，形成数据和业务之间的闭环

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。

提供系统的销售数据分析的思维模式

请关注，需要源文件私信“源文件”

珠宝销售技巧：想把业绩做好，必须细化分析这个主要渠道的转化率。

珠宝销售案例：

我们每天的业绩统计，都是按当天卖出什么货，成单多少业绩。没有详细到每个销售接待几个顾客，所以转化率这些也不知道怎么算。

珠宝销售技巧1：货品销量统计

大部分门店做的业绩统计，主要是围绕货品登记。

比如，

当天成交1单钻戒5000，1单K金吊坠3000，2单素金10000，当天非素业绩8000，当天素金业绩10000，总业绩18000。

每个月统计，只知道成交多少订单，镶嵌类和素金类各自卖了多少货品，做了多少业绩，最后有没有完成当月业绩任务。

这种统计方式的好处，

能知道店面的货品走势，哪些品类比较热销，每月备货应该补哪些货品为主。

如果想知道哪个款式比较好卖，还要细化统计货品的款式类别。

其实，这种方式只能算是，每月货品销量统计，不是业绩统计。

每月业绩统计，更多的应该是围绕三个方面：

进店量、转化率、客单价。

这三个版块，直接影响店内的业绩高低。

而且，如果你想提高业绩，也是从这三个版块入手。

另外，每月业绩统计的主体，应该是销售人员，而不是货品。

比如，

A员工，自然进店，接待50人，成交10单，订单金额8万，转化率20%，客单价8000。

这种统计方式包括：

客源渠道、接待数、成交订单数、订单金额、转化率、客单价。

珠宝销售技巧2：渠道业绩分析

客源渠道可以分为很多种：

自然进店、老顾客、网络预约、异业合作、团购活动、外展，等等。

比较成熟的珠宝品牌，会多渠道开发客源，但是一般珠宝门店的客源渠道，就只有两个：

自然进店和老顾客。

但是，每个门店至少有一个主要客源渠道，最常见的就是自然进店。

想把业绩做好，

必须细化分析这个主要渠道的转化率。

很多门店并没有统计转化率的习惯，每个进店顾客能成交就成，有意向但又不能成交的，也只是填一张潜在单。

填完潜在单，后期跟进情况也不太理想。

针对那些进店，又没成交的，管理层最多也就问一下员工情况，简单一笔带过，没有深入分析接待过程。

主要客源渠道的业绩分析，包括每个销售当月：

总接待人数多少？

成交订单数多少？

订单总金额多少？

转化率多少？

客单价多少？

渠道业绩占比多少？

当你把渠道业绩做细化统计，就能清楚看到每个销售的业绩情况，并且找出员工某方面的能力欠缺。

后期再做对点培训，就能提高他们的销售能力，从而带动全店业绩。

珠宝销售技巧3：转化率和客单价

对于销售个人来说，虽然不能决定当天进店顾客数量。

但是，

在转化率和客单价这两个版块，可以通过个人努力提高业绩。

A、转化率

一个顾客，不管是现场成交还是后期跟进成交，主要取决于对需求信息的了解是否完善，

以及第一次接待时，以什么方式谈单。

这就涉及到，挖掘顾客需求的能力和谈单技巧。

想知道自己哪方面的能力欠缺，

就只有通过每次接待后，复盘整个接待过程。

B、客单价

全店的客单价高低，能看出这个门店的顾客消费水平；

而销售的客单价高低，能看出一个人的能力水平。

提高客单价，最常见的两种方式：

一是，增加产品销售件数；

二是，提高产品成交金额。

增加销售件数，可以通过连带销售来实现，而连带销售又要结合货品调整。

提高成交金额，比较考验销售的谈单能力，中间还会涉及到如何判断顾客的实际购买力。

小结：

想提高销售业绩，先从转化率和客单价入手。

我是罗宾，专注于珠宝销售技巧的深入研究与实操。本人原创作品，转发请备注出处【卖钻石的罗宾】。

如果你有珠宝销售技巧或管理的相关问题，欢迎关注。

文 | 帆软数据应用研究院 李培鑫

谈到销售流向数据，必然离不开营销模式，纵观多数工业型药企，采用的药品经典销售模式大概总结为两种：自营和代理。

医药公司分销渠道中，准确的产品流向数据就成为了企业决策与管控的依据。基于产品流向数据的重要性，甚至有的销售公司专门分立出一个流向数据管理岗位。对这些数据进行归类、建档、统计、核算，就是我们说的数据管理。有人说，流向数据管理好比是医药企业营销体系的心脏，其它相关管理好比是营销体系的躯干，没有心脏来驱动，营销体系则行同僵尸，毫无生气。

基于流向数据分析，下面主要针对三方面来谈谈：销售流向数据分析的目的、如何推动流向数据分析项目及项目的难点、如何落地流向数据分析项目。

一、销售流向数据分析的原因

销售流向数据庞大而且复杂，企业为什么还要在流向数据的分析上下足功夫呢？

1、了解市场真实销量的需要，有助于正确、快速的做出市场决策。

企业营销管理者通过流向数据了解每月渠道中的库存以及市场终端的真正销量这样才能对企业产品的营销数字有个清醒的认识。在营销的过程中，只有及时掌握了销售及市场顾客需求情况及变化规律，才能根据消费者对营销方案的反应，迅速调整产品组合及库存能力，调整产品价格能改变促销策略，抓住商机，提高商品周转力、速度，减少商品积压。

举个简单例子：我们看数据分析平台的全国本年度纯销汇总统计分析表如下，通过流向数据汇总出全国各个地区的纯销金额、纯销数量以及相应的贡献率，横向分析全国各个省区的对比情况，列出市场较好的，销售金额较高的前几个省区，根据本年的纯销汇总情况、市场情况，快速的针对每个省区做出销售决策，提高企业高销售额省区的市场占有率，低销售额省区的销售能力。

2、制定销售计划的需要。

没有流向就没有计划，企业营销管理者必须要通过收集和了解详细的流向数据来制定企业未来的销售计划。销售计划的制定，必须有所依据，也就是要根据实际情况制定相关的销售计划。凭空想象、闭门造车、不切实际的销售计划，不但于销售无益，还会对销售活动带来负面影响。根据实际的销售流向数据，进行一系列销售工作的安排，包括确定销售目标、销售预测、分配销售配额和编制销售预算等。销售计划可以从市场区域来分，分为整体销售计划、区域销售计划，区域一般按大区或省区、地市、县市、乡镇等行政区域来划分，也可以根据公司的实际销售范围和统计区域来划分，这一系类的销售计划都离不开销售流向基础数据的支撑。

3、管理渠道的需要。

主流OTC产品倒货、窜货现象时有发生，严重捣乱了渠道次序，通过流向中的批号能协助监管人员查找窜货源头，从而达到优化渠道的目的。

4、销售人员提成的需要。

强大的激励作用，充分调动销售人员的主动性。能体现代表业绩的就是客户的进货量，而这些进货量均来自于流向数据，只有根据进货量准确的核算代表的绩效才能提高他们的积极性。首先是销售人员是区域或者终端经销权力使用者，实际上是为自己打工，多劳多得，积极性自不必说，同时各级销售人员都要对所属区域下达的销售指标负责，这样一来业绩岂能不好。

5、费用管理的需要。

企业庞大的营销体系需要巨额的营销费用来支撑，企业管理者需要根据流向中终端的销量数据来制定对应的费用投入计划

二、企业如何推动流向数据分析项目及项目的难点

项目难点：

1．销售流向数据采集困难

关于数据采集，企业往往都做出了框架，但是没有人往里面填数据，也没有往上上传数据，怎么办？如果希望用户自发上传，但是用户有什么动力来上传他的数据呢？最后企业尝试为用户提供更多的基于数据服务来驱动他上传数据，成本非常高。所以数据采集是目前一个非常大的难点。

2．销售流向数据质量差

流向数据上报种类多，所需的信息量大，工作强度大，很多基于流向数据分析的指标数据很难获取。销售人员，客户等用户录入的数据不规范，数据存储的形式不规范，导致终端数据，和部分二级、三级商业公司数据无法直接分析，需求花费极大的精力对这部分数据进行清洗、加工。

对策：数据来源整合，同一口径。

我们讲销售流向数据分析，销售流向数据从哪里来？可能来源于系统、来源于一些线下excel表格。那么这些数据的管理需要注意哪些方面呢？

1、数据源的广度

比如说，医药零售企业客户，分析成交单数、客单价，成交单数是进店人数乘以成交率。进店人数呢，又是路过人数乘以进店率，那么路过人数、进店人数就属于数据广度这一块儿，数据足够全面，未来支撑分析的维度就会更多。

2、数据源的深度

比如看某个订单的时候，需要知道该订单的批次信息，经销商信息，时间信息、物料信息等。数据源整体数据质量如果不够的话，未来是不足以支撑细化的数据分析的。我们做的第一件事情就是把所有数据全部收集起来，并实现“一键接入，随需更新”，提升数据源的广度和深度。

需要对数据源的质量进行一个管理，要保障数据需要足够广、足够深；数据需要整合到一个统一的管理平台上。例如企业在开会，当销售出现问题的时候，A部门拿出一个销售数据，B部门拿出一个销售数据，但是对不上号，来回推诿扯皮，无法解决问题，这样对于企业的发展是非常不利的。这个问题我们认为需要企业把数据管理起来，例如，我们在设立数据指标框架的时候，要定义的核心指标是什么？是成本、利润还是营收？以营收为例，又拆分成客户数和客单价等等，这些数据分别来源于哪些数据源、哪些系统？系统数据录入人员，录入是否规范？我们对数据指标的定义是否一致？所以需要我们整体从数据管理的角度，定义出一致的指标，将数据治理做好，然后在统一的平台上统一输出数据，这样确保了统一的数据口径。

三、企业如何落地流向数据分析项目

1.确定流向数据分析项目的总体目标

为了进一步改进医药企业的营销体系和经营管理水平，满足企业参与市场竞争的需要，搭建一个全面的销售流向分析决策系统，保证整个企业内的营销决策，并且能够随时了解和查询企业内的销售管理状况。通过对流向数据的分析和平台的搭建，优化业务流程和资源配置，降低运营成本，从而维系更密切的客户关系，全面提高内部协调力度，整体营销能力和获利能力。

2.数据的准备

面对销售流向数据的准备，一般可以用几个问题来概括，如何理解企业的基础管理档案；基础数据存在哪些问题，超时，不准确，没有具体负责人；企业的编码（产品编码，供应商编码，客户编码）有无主数据；什么情况下不能导入数据。基本上能够完整的解答以上问题，数据准备也基本完成了。

3.具体的销售流向数据（部分举例介绍）

①在招商代理模式下，区域代理与企业之间实质是利益纽带关系，代理商在“利益优先”的原则下，对产品供货价格敏感，极为关注自己可能的利润空间，对盈利空间小的或者所谓长线产品都不太重视。部分区域代理商仅仅对自身的发展感兴趣，不太重视市场品牌的积累，缺乏大市场运作意识。那么，生产型药企又该如何控制代理商质量，控制销售渠道，打造优势供应商资源。如下图，帆软数据分析平台中的分销层级渠道分析：

通过对销售渠道的各层级利润和规模精确的掌控，从经营资质、营销能力、网点数量、商业信誉等多方面遴选优质的医药批发企业作为经销商，签订特约经销合同，由经销商完成对终端单位的药品配送，从而筛选出优质经销商，打造成最优质、最可信赖的经销商渠道价值链。

②充分发挥省级管理单元的作用。也就是很多企业所说的“省总负责制”，省区是一个销售及市场指标落实单元、销售管理单元。 通过员工个人销售能力分析，可及时了解和掌握每个员工的工作能力和工作心态，以便对症下药，提高个人销售业绩。帆软数据分析模版示例如下：

以省区部门为管理单元，分析指标完成率最高的部门，并且通过部门，联动到部门的销售额走势，部门内部的业务员销售额统计以及该部门下各个业务员的指标完成率。

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

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。