高效商业分析

作者：数据观 来自：数据观 https://shujuguan/?from=

［摘要］：看似复杂的库存体系，可以通过简明的数据可视化还原全貌！

［主文］：一直以来，库存管理都是影响企业盈利能力的重要因素之一。对库存管理不当可导致货品大量积压，占用现金流，延误生产计划与销售订单。使用数据观对库存进行可视化分析，可以实现：1、分析现有的库存体系，还原库存体系原貌，为决策提供数据支持；2、通过对问题的挖掘分析，对现有的库存体系进行优化；3、衡量、传递合理库存信息，保障采购、生产、销售的正常运行。

所需数据：

以上数据是基本的仓储数据，一般的连锁门店都有；为避免储存数据的方式不同，我们还为您列出了所需全部字段：

除了两个标红的指标需要我们处理一下之外，其它字段都是现有的。为什么要额外计算这两个指标呢？因为，累计出仓金额占比（累计出仓金额／总金额）可以帮助我们审视商品SKU是否符合“二八贡献结构“，即80%的销售额是由20%的商品带来的。

数据处理：

如何计算“累计出仓金额”？听起来像要对每种SKU的销售额做求和，然后要按照降序排列，最后还要加上上一个项目的金额，不算小的工作量！不过，使用数据观的在线ETL工具，可以很迅速地对繁琐的数据进行排列计算。首先，将两个“输入”按钮拖入中央画布，并分别选择为“商品报表”与“销售列表”，将其关联起来，并通过“选择列”剔除无关信息，就得到每件商品的销售状况了。选择“分组聚合”，统计出每件商品的销售额。接下来，使用“排序和累计”，让商品销售额按照降序排列，且累加销售额。此时，我们已经有了“累计出仓金额”（且按照降序排列），再添加一个“常量列”，将值设置为总销售额，就可以计算“累计出仓金额占比”了！

ETL流程示意图

可视化分析：

现在，我们已经有了充足的字段和干净的数据，允许我们从以下四个角度来分析库存状况：

商品概况库存情况库存周转及安全库存库存盘点

（一）、商品概况：

指标说明：SKU数为商品编号，不重复计数，可计算出本店一共有多少个SKU；类别数为类别，不重复计数。从以上两个KPI可以看出，库存中的商品一共8类，总共28个SKU。而下面的“柱＋面积”组合图，就是我们说的“二八贡献图”了。每条柱子代表每个SKU的出仓金额，柱子越高表示出仓金额越高；而面积图则使用的“累计出仓金额占比”（即累计出仓金额／总金额），面积图上的80%点位应当出现在柱图的前20%最佳。通过分析我们看到，库存商品的累计出货金额贡献比例和“二八贡献结构”有一定差距，TOP1商品突出，但TOP2至最差出货额商品差别不大。

（二）、库存情况：

指标说明：以上各指标的金额计算都为“数量*成本价”得出的成本金额；平均库金额为（期初库存金额+期末库存金额）/2。两个分组柱图，主要看的是各类商品的期初、期末库存金额，与进仓、出仓金额分布。而分组条图，除了可以看到库存排名之外，还可以看平均库存占比（蓝条）与出仓金额占比（褐条）是否相当。从库存结构对比出货结构上看，各类商品的比例相当，表面库存比例结构合理。

（三）、库存周转及安全库存：

指标说明：本期周期为一个月，周转天数为周转次数*30天（请根据店铺实际情况进行调整）；根据设置的最佳周转天数（60~90天）可看出耳机类和充电宝类不在最佳周转天数内，图中已标红；根据设置的安全库存，图中显示电脑耗材类中有2个SKU，充电宝类1个SKU处于安全库存值以下，需进行进货。具体低于安全库存值多少、是什么型号的商品需要进货，可以通过下钻来查询。

（四）、库存盘点：

指标说明：盘点金额计算方式为误差数量*零售价。期初的盘点盈亏金额总计为盘盈202.5元，通过条图我们可以看到，各类商品的盈亏金额都在正负500元内，差异主要出自U盘、电脑耗材和耳机类。通过气泡图，我们可以看到，28个SKU中无差异的有4个（蓝色表示），盘亏的有15个（红色表示），剩余9个盘盈（黄色表示），鼠标移动其上还可显示商品的具体编号与盈亏数量。就这样，本来各自分散的库存数据，变成了一份领导能读懂、合作伙伴也能读懂的看板。赏心悦目之余，各种问题水落石出，大大提升了日常管理效率，为企业的高效运转添薪加火。

来自：数据观 https://shujuguan/?from=

识别核心客户最简单的方法就是通过历史的交易信息评估客户对公司贡献的价值，进而排出先后名次进行分层管理。然而，当面对企业海量的历史交易信息时，你是否感到无从下手呢？今天，我们就和大家分享一个简单的方法：通过数据可视化分析，充分利用数据过滤的功能，快速识别核心客户。接下来我们以某物流公司统计的交易信息为例，分享一下具体操作方法。

第1步：锁定关键信息

一般的交易信息中会包含很多指标，而我们首先要做的是根据公司业务特性，锁定关键点，比如在我们这个例子中，需要关注不同客户的运输次数和运输费用。我们将这些关键信息进行统计后，就可开始简单的数据分析，如下图：

由上图中，我们可以看到该物流公司共有运输记录8037次，涉及770个客户，总运输费用达10万元。然后我们选取各个客户对应的运输费用，以柱图的方式展现并排序。

第2步：缩小范围

此时，我们会发现客户太多，对我们筛选核心客户造成了干扰，在这里我们选择使用数据过滤功能缩小识别的范围。如下图，我们过滤掉运输费用小于400的客户，使每个客户的运输次数和运输总费用清晰可见：

至此，通过过滤运输费用，我们共筛选出20个客户，并能较为清晰地看出不同客户间运输费用和次数的状况。

第3步：划分群落

接下来，可以进一步对筛选出的20个客户从运输费用和运输次数角度划分群落，更直观更精确地锁定核心客户，我们以气泡图的方式呈现：

上图中，X轴代表运输的总次数，Y轴代表运输的总费用，每个点代表一个客户。从这张图表中，我们很容易就可以将客户分为3个群落：运费高、次数少的客户群，运费高、次数多的客户群，以及运费低、次数少的客户群。

第4步：挑出典型，展开分析

假设运费高、次数少的客户是我们的理想型客户，就可以单独过滤出客户张子良，追加一些其他数据进来对其进行综合评价，比如运输方式、顶点的重要等级、订单时间这些数据：

在气泡图中，X轴为订单时间，Y轴为运输费用，颜色区分运输方式，气泡的大小代表订单的重要等级。可以看出，张子良客户主要以公路运输和一般空运为主，且大部分订单的重要等级高。在饼图中，对张子良客户所有订单的重要程度进行了统计：50%的订单都是最高等级，19%的订单也是相对重要的。从折线图中再看该客户的持续消费情况：一年中大部分月份都有消费记录。

只需四步，我们就可以识别出张子良是该物流公司的核心客户，并对其进行了更深入的了解。最后，我们再次回顾一下这一方法：

第1步：锁定关键信息——确定核心客户的筛选标准第2步：缩小范围——使用其中一个标准，通过数据过滤，实现初步筛选第3步：划分群落——添加标准，进一步过滤第4步：挑出典型，展开分析——追加次要信息，进行更加深入的分析