大数据是一个非常好的发展方向。科学的数据统计与分析上至国家、企业，下至个人，都能提供出莫大的帮助，“不怕乱如麻，只怕不调查”数据是反馈一个集体或者个人以往表现最有力的证明。沧桑话巨变，数据铸辉煌。数据能力的强弱也能决定发展方向是否客观真实，决定了未来的可能成就。本文主要讲述数据分析等级是根据哪些方面划分的以及数据分析的日常工作。

1、数据分析师的日常工作内容是什么？

数据分析师这个职位，不同的公司，不同的行业，对于它的理解和工作内容都有所不同。在有些传统行业，数据分析师工作重点是做行业报告等；在阿里巴巴等大型互联网公司，职位区分比较明确，数据分析师大部分时间只做产品和运营的分析工作，至于基础数据处理、搭建数据产品等等不涉及;在创业公司等相对小型公司，数据分析师要干的活可能要不仅仅是产品和运营分析，基础数据采集和处理，数据产品搭建都属于数据分析师的工作范围。

明确了数据分析师的工作范围，大概也就清楚了每天要做些什么，比如：

产品和运营的数据提供(正常分析师工作)

基础数据采集和处理(类似ETL工作)

数据产品的思考和搭建(类似数据产品经理工作)

数据价值的挖掘(类似数据挖掘工程师工作)

2、数据分析师需要会什么？

①、数据分析理论要求及对数字的敏感性，包括统计学知识、市场研究、模型原理等。

②、工具使用，包括挖掘工具、数据库、常用办公软件（excel、PPT、VBA、word、脑图）等。

③、业务理解能力和对商业的敏感性。对商业及产品要有深刻的理解，因为数据分析的出发点就是要解决商业的问题，只有理解了商业问题，才能转换成数据分析的问题，从而满足部门的要求。

④、汇报和图表展现能力。这是临门一脚，做得再好的分析模型，如果不能很好地展示给领导和客户，成效就大打折扣，也会影响到数据分析师的职业晋升。

3、数据分析师的成长阶段

①第一阶段（一般岗位叫数据专员）

基本学会excel（VBA最好学会；会做透视表；熟练用筛选、排序、公式），做好PPT。这样很多传统公司的数据专员已经可以做了

②第二阶段

这一阶段要会SQL，懂业务，加上第一阶段的那些东西。大多数传统公司和互联网小运营、产品团队够用了。

③第三阶段（数据分析师）

统计学熟练（回归、假设检验、时间序列、简单蒙特卡罗），可视化，PPT和excel一定要溜。这些技术就够了，能应付大多数传统公司业务和互联网业务。

④第四阶段（分裂）

数据分析师（数据科学家）、BI等：这部分一般是精进统计学，熟悉业务，机器学习会使用（调参+选模型+优化），取数、ETL、可视化啥的都是基本姿态。

4.数据分析师就业方向

数据分析师 – 偏向商业化的数据分析，运营广告等活动效果分析，销售额或利润预测，用户特征描述等，需要较好的统计知识，需要懂1-2门数据分析工具如SAS、R等；

咨询顾问 – 面向客户，为客户提供数据抓取、数据分析、出数据报表、改进建议落实等咨询服务，需要有较好的沟通能力，需要懂1-2门数据分析工具如SAS、R等（咨询顾问其实也分技术和非技术，技术类的主要是为客户搭建数据平台）

数据产品经理 – 一般是互联网公司独有，数据量大的公司会有自己的数据产品，如阿里巴巴的数据魔方等，主要是针对数据产品从产品立项、提开发需求、跟进产品开发、测试一直到产品上线等工作（相对来说并不需要对从业者要求很高的数据分析或统计能力，属于目前市场上为数不多但高工资的职位）

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！

本文是天善智能签约讲师 陈老师 的课程 迈进战略发展部，数据驱动业绩增长——经营分析实战攻略 课件，未经允许，禁止转载。

分享内容： 加直播管理员： xtechday ，进入直播交流。

集团战略发展部，其实就是这些事！解密看似高大上的经营分析思路，初窥商业精英、企业领导们思考方式。

数据驱动业绩增长，方法在这里！通过经营分析，找到业绩增长的短板，挖掘潜在机会，见证业务部门在数据指引下不断进步。

陈老师携8年咨询公司实战经验，不谈理论，不放空炮，案例为王，实战导向。带大家快速浏览经营分析思路，掌握经营分析入门技能。尽在《经营分析实战攻略》

加直播管理员： xtechday ，进入直播交流。

感谢关注天善智能，走好数据之路↑↑↑

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

每周2-3场免费数据领域公开课，每月线下活动，欢迎关注！

这是陈老师《做一个人见人爱的数据分析师》长篇连载第一篇

FBI Warning

——本文会引起某些数据分析师的不适——

——2年以下经验的新兵请在家长陪同下观看——

坐

好

扶

稳

飙

车

开

始

数据分析师1：日报显示昨天业绩没达标

销售部门：早知道了*1

数据分析师2：周报显示昨天业绩没达标

销售部门：早知道了*2

数据分析师3：月报显示昨天业绩没达标

销售部门：早知道了*3

数据分析师4：月度分析表明不达标是因为客户到店少

销售部门：早知道了*4

数据分析师5：所以我们要加强客户到店

销售部门：早知道了*5

销售部门：你丫废话不废话啊！老子天天守在门店啊！到店人多不多我看不到啊！你当我是瞎子吗！加强到店，说的轻巧，你给老子加强个试试看啊！

数据分析师6：可以推出爆款产品吸引客户，你看XXX就卖的很好

销售部门：早知道了*6

销售部门：卖的好我当然知道啊，调货都调不到啊，库存不够你倒是帮老子想想办法啊！

数据分析师7：那客户数少，客单价提起来也行，你们可以推XX+XX组合

销售部门：早知道了*7

销售部门：但是对谁推啊！我们能促成一单已经很不容易了好吧！还TM推大单，用你的直筒子脑袋想想，单价上去了，成交率肯定会往下跌啊，还作分析的呢！

数据分析师8：从数据上看，性别女（58%），年龄25-30（42%）推成功率最高（58%）

销售部门：扯淡！

销售部门：你到门店看看，有几个性别女且年龄25-30的会买这个。况且我们怎么知道人家年龄25-30，我还查户口啊！

数据分析师9：你们没有数据思维！怎么能做到精准销售！都给我收集数据去！客户基本资料必须补完！做不到扣钱！

销售部门：哦，知道了

销售部门：那好办，今天谁的业绩最低，谁受处罚，就罚填这些顾客信息表，随便填填满为止，哈哈哈

数据分析师10：o(╯□╰)o，填回来的顾客全叫丁一，王二，算了算了，认真填有奖励！每份给20块！

销售部门：哦，知道了，大家填起来！

销售部门：呦呦，切克闹，管他成交不成交，资料先得来一套！七大姑啊八大姨，各个都得往上交，20块钱不会少，轻轻松松捞到饱啊，捞！到！饱！

——正经讨论的分割线——

上边这些事情估计做过销售日报月报季度报的同学都经历过。我们常说数据驱动业绩，分析提升效益。可以在最能直接驱动业绩，提升效益的销售领域，数据反而显得最无能为力。大部分时候我们给出的结论不是被说成：“早知道了”就是被视为：“站着说话不腰疼”。至于日报月报没人看，专题分析被人喷，对经验不足的分析师则是家常便饭的事。特别在线下销售企业和B2B类销售企业，这种现象更常见。

导致这个问题的有三大原因：

一：因果倒置

我们看到的数据大部分是结果。客户已经成单以后，我们可以看到交易记录，顾客信息，但是这是已经成交的情况。成交的过程是什么样子？为了促成交易销售做了哪些动作？不深入一线，只是就数论数的话，根本猜不到原因。而销售们往往对真实情况了如指掌，当然看不起只靠用户数*活跃率*付费率*付费金额这种简单公式推测出的分析结果。

二：指向不明

我们习惯性给概率，平均值，而销售最讨厌的就是这些。因为没有一个客户叫比例，也没有客户叫平均。他们需要的是很明确的：到底要做谁！要理解这些销售的心情，他们可不是坐在办公室吹着空调喝着咖啡打着ppt的市场部策划。他们要做大量基础销售动作，还要承担丢单的挫折感，哪有闲工夫听理论。

三：行动不清

我们习惯性给建议，而销售们需要的是动作。一个具体的销售动作，由迎客+询问+引导+FAB+促销推荐+促单至少5步完成。B2B类销售还需要至少6次持续跟进。在这个复杂的链条里，单纯的说“提高客单价”“增加交叉销售”这种空话是没有意义的，销售们需要的是具体的我可以说什么，我可以做什么。

归根到底，是因为业绩是做出来的，不是算出来的。如果仅仅是给一个数字，就无法体现数据分析师的意义，上一套自动BI就可以炒了你们全组人。如果不想只给数字，就得深入到业务中，理解销售的工作特点，输出可以帮助到他们的结论。

这就需要分析师们不能沉迷于自己的数字游戏，沉迷于加减乘除算法模型之间，而是要设身处地的思考：

1. 如何发现机会，提示方向；

2. 如何找到标杆，提炼经验；

3. 如何量化行为，清晰考核；

把那些Ace级销售的行为标准化，武装给销售团队的每一个人；

把那些习以为常中忽视的问题暴漏出来，及时纠正方向，提升效率。

真正让数据分析起到分析应用的作用，而不是简单跑个数了事

陈老师会在后续文章中逐步展示具体做法，敬请期待哦！

当然，这里也有成体系的攻略，戳：https://edu.hellobi/course/179 看销售，市场，产品，营运四大部门如何利用数据，看领导们如何基于数据分析做决策

然而，你觉得这些和身处基层的自己隔得太远，戳：https://edu.hellobi/course/216 看基层专员如何突破障碍，快速积累经验

本文作者：天善智能社区专家陈文。8年经验数据分析师，资深业务顾问。观客CRM数据运营总监，在金融，零售，家居，美容等行业有丰富经验。负责超过25个数据运营，CRM，精准营销项目落地，参与5个以上数据产品设计与运营。在业务部门最懂数据，在数据部门最懂业务，在数据业务两个交叉领域吐槽最凶猛。

原文链接：https://ask.hellobi/blog/chenwen/9498

天善学院svip正限时特惠火爆报名中！包含业务知识一站通、Excel BI商业智能、七周成为数据分析师、对话大数据系列技术、R语言15案例、Python3网络爬虫实战案例、Python机器学习、Python数据科学家精华实战课程、深度学习模型和实战课程、数据分析报告共10套课程，其他课程只需五折即可，欢迎大家关注报名。https://hellobi/svip

中商情报网讯：3月30日晚间，苏宁发布2017年年报。财报显示，2017年，该公司商品销售规模为2433亿元，同比增长近30%；实现营业收入1879亿元，同比增长26.46%；归属于上市公司股东的净利润42.13亿元，同比增长498.09%。

数据来源：公司公告、中商产业研究院整理

数据来源：公司公告、中商产业研究院整理

投资收益

苏宁易购取得如此好成绩，投资收益功不可没。

年报显示，报告期内，公司基于整体发展战略安排,出售了部分阿里巴巴（阿里）股份,在扣除初始购股本金以及股份发行有关成本及相关直接费用后,实现净利润约人民币 32.85 亿元。

此外，苏宁易购及子公司开展投资理财,亦获得不菲投资收益。 年报显示，其投资收益（包括出售阿里股份）达43亿元，占到利润总额比例99.27% 。苏宁易购2017年实现利润总额43.32 亿元，同比增长 380.86%。

线上销售比过半

此番财报，另一大看点，是苏宁线上平台获得高增长。年报显示，2017 年公司实现线上平台实体商品交易规模为1266.96 亿元(含税),同比增长 57.37%,其中，自营商品销售规模974.60亿元(含税),同比增长 57.52%;开放平台自四季度起发展较快,全年商品交易规模达到 292.36 亿元(含税)。

此外，截至2017年12月31日,苏宁易购零售注册用户数 3.45 亿。截至2017年12月,苏宁易购 APP月活跃用户数较年初增长105.73%,2017年12月，苏宁易购 APP订单数量占线上整体比例提升至 89%。

基于上述数据，苏宁方面提出，其线上销售规模比例上升至52.06%。年报则指出，苏宁易购线上销售占主营业务收入比重提升至 45.02% 。

线上业务飘红的另一面，是毛利率微跌。苏宁在年报中坦承，公司一方面有效实施商品价格管控提升日常销售毛利,优化商品供应链,加强单品运作,改善毛利水平，另一方面,线上销售占主营业务收入比重提升至 45.02%,且由于公司在重大促销节点实施积极的竞争策略,线上毛利保持较低水平,对整体毛利率有影响。此外,开放平台、物流、金融方面的增值服务收入增加,有助于毛利提升。综合来看,公司综合毛利率水平基本保持稳定。

年报显示，2017年，苏宁易购主营业务毛利率为13.08% ，同比下跌0.31% ，受此影响，苏宁易购综合毛利率同比下降0.24% ，为14.33% 。

广发证券研报认为，参考同行毛利率及费用率水平,测算得出，苏宁易购线上全年自营亏损约40亿元，其盈利更多靠第三方平台收入及线下回暖。“2017年苏宁线上第三方平台交易规模约292亿元,同比增长56.8%。考虑3%左右佣金及广告收入, 对应8-10亿元第三方平台业务收入。此外，2017年线下营收约996亿元(税后,含海外),同比增长8%。整体净利率达到4-5%(含金融&物流),贡献40亿以上净利润,线下门店盈利能力已回到历史高点水平。 ”

同时，广发分析师还预测，苏宁易购线上GM 将继续保持高速增长。线下门店输血、阿里流量支持、苏宁集团支持都将是重要推动因素。“苏宁集团体育、文娱、酒店等资源丰富,有望集合集团资源支持上市公司发展。以苏宁易购超级会员权益为例,除免运费、购物返利、会员特价等常规优惠之外,苏宁易购超级会员还包含两项特殊福利:PP影视180天免费会员资格、苏宁PP体育31天足球通会员资格。考虑2018-2019赛季开始(2018年 下半年开赛)，苏宁将获得包括英超在内的欧洲五大足球联赛及中超转播权,对体育迷用户吸引力可见一斑。 ”

此外，三四线城市和乡镇市场亦将是苏宁的重要突破口。Questmobile监测数据,苏宁App整体月活用户仅为京东22.8%,在北京(11.9%)、广东(16.3%)、天津(17.6%)、上海(18.6%)等电商发达区域两者差距更大,但山东(26.5%)等网购相对落后区域两者差距则明显缩小(极端如在苏宁大本营江苏,苏宁App用户数达到京东的34.3%)。且苏宁直营服务站及零售云门店渗透至乡镇级别,既是苏宁线下渠道下沉重要举措,更是承载苏宁品牌推广和电商服务&物流节点作用。同时，淘宝完成初次网购教育,苏宁亦可抢占品质网购成长空间。依据淘数据平台监测,2017年苏宁天猫旗舰店贡献约210亿GMV,同比翻倍以上增长。

基于上述种种因素，广发分析师预计，苏宁易购线上自营规模仍将保持快速扩张 ，伴随自营品类由3C向家电、母婴等品类扩张、规模效应带来费用率持续摊销以及开放平台佣金收入贡献,预计线上经营亏损率有望持续收窄。由于苏宁在线下 、物流、金融等板块优势，广发证券预计，今年苏宁业绩将继续向好。

苏宁易购2018年一季度业绩预告显示，预计2018年一季度商品销售规模同比增长超过40%，实现归属于上市公司净利润为1亿元-1.5亿元，同比增长27.79%-91.69%。

大数据在2017年是感到幸福的！在一个以消费者为中心的世界里，一种能够整体获取并利用客户数据来塑造产品、找出解决办法并改善购买体验的能力显得至关重要。消费者大数据分析的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。研究告诉我们，能够利用客户行为洞察力的那些公司，在销售增长上要比同伴高出85%，在毛利润上要高出25%。但是，延伸遗留系统、孤立的数据库以及发散性的自动操作都会对全数据分析造成阻碍。而企业除了打破数据孤岛之外，还得花时间梳理出关键的模型，才能发挥数据的价值。

不管一家公司成立的时间是长是短，实际上每一家公司都有珍贵的客户数据资源，这些资源能够被更好、更有效地利用起来。虽然每一个战略性倡议的基础依然适用——阐明一个顽强的、凝聚力强的数字策略；保证强有力的领导班子；保证正确的资源，并且优先推出一到两个高影响力的试验项目——公司无需等到他们“完美”的系统和科技全部到位。只要有这两个基本步骤，就能够打开机会的源泉。

利用客户数据来个性化外展服务，通过整合丰富的客户档案以及严格地追踪应答率，市场营销人员就能够精确地知道，在关键区段和微小区段里，什么频道上用哪种格式的哪些内容比较有可能产生最大的影响。十年之前，还没有工具能够做到这些。而现在有了。几乎所有的公司都可以从中受益。

华兴力拓创始合伙人华晓亮先生3月10日主题为“赋能新消费、新零售、新认知、新成长”的IBM华兴力拓新经济业务创新论坛举了一个关于数据驱动运营的案例，以下是他的原话：

一个真实的项目，深交所上市的某时尚女鞋品牌。这家企业有2000多家直营门店，一年的销售规模是20多亿，一年卖400多万双鞋，但是三年的时间只累积了80万的会员，这是我们进场前的客观事实。未来要做多渠道协同，需要什么样的思路？首先是对于客群的认知，企业经验性的认知跟真实的认知往往可能不一样。在我们最早的访谈中，其品牌主管认为主力消费人群是四五十岁的女性人群；我们通过对80多万会员去分析，发现事实上这是一个偏正态的分布，80后是其主力客群。既然线下有一波很年轻的人是主力人群，到底线上线下的人群是否是一拨人？这是其从高管到CEO都很关心的问题。我们将线上订单数据和线下的VIP会员及消费数据做了一个验证分析，可以看到交叉率非常低。如果这样的结论是真实的，那会让很多人如释重负，因为如果线上、线下是两拨不同的客群，那很多事情都好解决。但事实真的如此吗？我们接着去做了交叉验证，在热力图里我们可以看到，一线城市水滴是门店位置，热力代表的是线上的购物人群；我们将线上客户和线下门店的位置做完热力图后，发现其实是两者高度贴近，这意味着很多消费者之所以会到线上买，很可能是因为工作或生活的附近有该品牌的门店，大家有产品认知后才去买货，也就是说印证了“线下看货线上下单”。为了检验这个判断，我们又从SKU角度来验证，线上线下的SKU重合度是非常高的，线下有6000多个SKU, 其中有3700多款都是跟线上重合的。如果看爆款，线上线下的爆款重合度更高，这意味着机会成本有一个亿。因为鞋的线上毛利大约15%，线下毛利近一半，线上卖得多亏得更多。后面两张图给他们很大的震撼，过去没有人能够说清楚线上线下的交叉度是怎样的，但是现在能够看到是有挺大的问题，一方面是客户都有捡便宜的心理，另一方面是内部电商部门为了业绩想要多卖线下同款，管理层看到这个问题后，明确说能否做到多渠道协同？是否通过数据洞察来做多渠道协同增长？后来华兴力拓进一步对每个主要渠道，基于大数据进行洞察。举个例子来说，电商我们怎么入手？阿里全网占到了线上女鞋销售的90%，将阿里全网的市场趋势看清楚就足够了，所以我们聚焦在阿里。我们看天猫旗舰店在时尚女鞋的价格带分布，女鞋真正的爆款是300元以下，意味着主要是PU鞋。而类似像百丽和百丽的竞争对手都是真皮女鞋，不可能卖到300元以下。如果要走量，做爆款，对于这家品牌而言，是否要做PU鞋？第二点对于300元以上的鞋，不走量怎么去做?会找到一个特色人群，保持利润。结合这一块，给他一个清晰的认知，如何更好地定位线上的产品，从品类到SKU。我们做个举例，女孩都知道马丁靴很火，这个品牌的设计师认为马丁靴要遵循传统，是比较男性化气质的，而线上爆款是比较偏女性化的、经过改良的，比如说头是很多女性更喜欢的圆头。它的爆款逻辑是完全不一样的。包括我们说当年的雪地靴，因为Iphone6的的玫瑰金带火了雪地靴的粉色款等等。从SKU、品类、产品的爆款打造、定价等等，在进行综合的定位之后，这家公司线上和线下已经不再做线上和线下的同款，真正找到了线上线下的差异化思路。从去年来跟踪大数据方案落地之后11个月的销售业绩变化，销售均价提高了约5%，销量却提高了20%。比如如果对比另一家广州的真皮女鞋品牌，柯玛妮克，2015年它拿到IDG约 1亿元的投资，相较于投资之前价格下降销量反而下降更多。资本助推现在对很多企业固然很重要，但通过这个对比可以看到，如果对当前动态的市场没有清晰的认识并形成有效的经营策略，即使用资本去做叠加本质上依然没法带动业务成长。

那么，问题来了：

我们能够获得哪种类型的外部数据？想要创造出数据驱动的价值，我们需要和什么样的第三方合作？

我们需要有什么样的技能组合与能力？又能在哪里找到并发展它们？

日前，新疆金风科技股份有限公司发布了2017年第三季度业绩报告。公司第三季度营业收入71.67亿元，归属于上市公司股东的净利润11.63亿元；2017年1-9月实现营业收入170.07亿元，净利润22.96亿元，分别同比增加0.25%和7.26%；基本每股收益0.6307元。

截至9月30日，公司待执行订单总量为9623.3MW，中标未签订单5760.05MW，合计在手订单计15383.35MW，包括海外订单 980.5MW，为未来业绩打下牢固基础。公司流动资产中的预付款项和存货同比有所增加，但仍处于近5年的平均水平。由于子公司北京天润新能完成了向苹果运营公司分别出售其持有巧家天巧风电有限公司、南阳润唐新能源有限公司、朔州市平鲁区斯能风电有限公司、淄博润川新能源有限公司30%股权的股权转让，持有待售资产从年初的17.93亿元降低到0，同时划分为持有待售的负债也从6.50亿降低到0。笔者认为，本次转让使双方取得共赢，金风科技通过本次交易，使上述四家全资孙公司转变为联营企业，共有374MW的装机容量不再纳入集团合并报表范围，降低了资产负债，产生了接近5亿元的投资收益，同时公司这374MW的设备往来款转化为应收账款，从非流动资产转化为长期应收账款，造成资产负债表的巨大变化。报告期内，公司在建工程同比和环比均有所增加，意味着新一轮风电场项目正式开始建设。

现金流量方面，经营活动产生的现金流量没有太大变化；投资活动产生的现金流量净额略微增加了10亿元，主要是出售股权使收到投资的现金大幅增加，同时，上半年先后收购了澳大利亚和阿根廷风电场，导致取得子公司和营业单位支付的现金同比增加了1261.95%。

利润方面，公司营业总收入同比持平，但是营业总成本有所增加，主要来自销售费用、管理费用和财务费用。若非出售股权产生了投资收益，公司净利润可能有20%左右的跌幅。

或许是这个原因，造成了花旗银行对金风科技的评级有所下调。花旗银行认为，公司2017年风电机组销量同比下跌，对2018年预测也不容乐观，但是通过关注三季度的行业数据，笔者认为风电整机行业复苏在即。众所周知，国家能源局对2016年上网电价的调整触发了2015年风电场建设的抢装潮，因此2014年风电机组招标达到28GW，抢装潮过后行业陷入了暂时调整当中，并且受北方地区弃风限电影响，2015年招标仅有15GW。但是在2016年，风电招标有所复苏，超过了30GW，2017年前三季度，国内公开招标容量为21.3GW，尽管招标容量较2016年有所下滑，但仍远远高于2015年，这表明今后两年新增并网容量将比2016年有所提升。

事实上三季度风电整机销售的回稳已经体现在金风科技财报当中。公司风电场发电收入同比大约有30%的增加，但风电场业务营收占比尚小，无法解释第三季度单季度的营业收入有18%的同比增幅，营收增加的部分有不少是来自风机的销售。同理，公司销售费用在二季度时同比还是减少的，但是三季度是有所增加的，同样可以佐证这一点。据国家能源局透露，全国2017年前三季度新增并网容量9.70GW，上半年新增并网容量6.01GW，三季度增加了3.69GW并网容量；2016年上半年，全国风电新增并网容量7.74GW，前三季度新增并网容量10GW，即2016年第三季度新增2.26GW，因此三季度并网容量同比增加了1.13GW，可以说是加快了不少。

据金风科技介绍，截止2016年底，我国已核准未建设的风电项目容量合计84.0GW，而在7月28日国家能源局公布2017年将新增核准项目30.7GW，合计114.6GW的装机容量，将有望在2020年前开工。为什么这么说呢？根据国家发改委在2016年底对陆上风力上网电价的相关通知，2018年1月1日以后核准的陆上风电项目上网电价将按照每度0.44/0.47/0.51/0.58的价格执行，并且必须在核准后2年内开工建设，所以2018年之前风电场不会有抢装潮。按照上述政策，84GW的风电场项目将在明年年底前开工，114.6GW的项目在2020年前开工，以获得0.47-0.60元/千瓦时的上网电价，否则上网电价将被调整为0.44-0.58元/千瓦时，并且每年都会有所下调，于是就有了金风科技的说辞。

据金风科技预测，至2020年底，将有115GW的新增装机容量并网，并且有110GW装机容量的风电场获得核准，每年新增并网容量将超过30GW。这个数字甚至还不包括海上风电、特高压配套电源和分布式风力发电的装机容量。而国家能源局最新发布的数据显示，平均利用小时数1386小时，同比增加135小时;风电弃风电量295.5亿千瓦时，比去年同期减少103亿千瓦时，弃风限电情况明显好转，三季度风电红色预警省份只剩下新疆和甘肃。随着特高压线路的贯通，上述两个省份弃风率将会继续下降。

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。

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。

从主营范围分析业绩好坏

一个上市公司的未来发展到底好不好我们看的不是他一时的盈利能力，而是看他的持续性，一个上市公司的股票能不能持续走牛或者说这只股票的涨幅空间还要多大，一般都是由公司市值空间决定的，而决定市值大小的判定就是公司的发展前景好不好以及能不能持续发展，一个公司要能持续发展靠的就是他的主营业务，这也就是我们今天要讲的核心内容，怎么从财务报表的主营构成来分析公司未来发展的前景。

一个好的上市公司或股票他要能持续发展下去靠的一定是公司的主营业务，也就是说这个公司是做什么行业的，那么你的主营构成和公司的主要来源一定是要从这个行业所赚取来的，如果你发现一个公司明显是做食品的，结果他的主营构成却是靠食品包装，卖地，租地，等等，，都是靠的一些与公司主营不相关的业务来赚钱维持公司，那么这种财务报表我们就可以把他判定为非常不好的报表数据，也就是我们常说的公司业绩能力不行的公司

以上截图是斯莱克的财务报表的主营构成，斯莱克是属于专业设备制造板块的股票，看财务报表的主营构成时大家要先看他的经营范围是什么，如这只股票的经营范围是，研发，生产，加工，以及易拉罐制造设备，从这里我们就知道 这个公司主要是干什么的了。

接来下我们在来看他的主营构成，由于图片的大小原因，我只截图了3个季度的数据，从这3个季度的数据可以看出，斯莱克这只股票的主要盈利是靠易拉罐生产设备，然后在看他的地区内类里，还有标明有外销，也就证明这公司所生产的易拉罐设备制造还要出口订单，营业收入也是一直保持盈利水平，这种财务报表数据就也就告诉我们，斯莱克这个公司的股票是非常健康和稳定的。

在来看一个财务报表不好的案例

分析方法同上

首先看他的主营范围是什么，在范围标识内我们看到这只股票是做机械设备，仪器仪表相关行业的。

在来看他的主营构成，从主营构成中我们能看到他的主营构成中根本没有出现和他经营范围有关的收入，而是靠一些其他（补充）项目来盈利维持公司发展。

相信说到这里大家都应该知道怎么分辨一个公司到底能不能持续发展下去，或者说一只股票的业务到底好不好，您只需要从这个角度入手就可以了。你其他项目经验的再好，如你公司的特长没发挥出来我相信你在未来也会被淘汰。

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。