如何分析销售数据？_技术分析

首先还是要明确分析销售数据的目的。漫无目的，分析得再漂亮，对决策没有指导意义，领导也不在意。

1、分析销售指标有什么意义？

从两个层面上来讲，一个是对销售情况的整体把控商品销售数据分析，将重要的指标呈现在一张报表中，通常看的就是销售日报或周报，用于监控数据异常以便及时发现问题。另一个是特定性问题分析，通过数据的展现触发对业务思考，来挖掘原因和解决措施。比如为了提升销售额做的产品对分析，渠道对比分析，退货量对销售的影响等。

所以分析什么指标，不妨找销售经理深度了解其需求，特定问题特定分析。

抑或是参考下面销售数据分析体系，来寻求分析的思路。

2、销售分析追踪哪些指标？

以电商零售企业为例。主流的销售额、订单量、完成率、增长率、重点商品的销售占比、各平台销售占比。更多的也可以跟踪利润、成交率（转化率）、人均产出等。

基本业绩分析：

建设销售分析体系，以渠道组织、商品体系实时监控、统计销售业绩。

指标追踪：

根据数据间逻辑，从汇总数据的异常，从时间、品牌系列、地区纬度进行钻取识别问题。

商品价值分析：

根据商品的销量、利润等指标分析商品价值

价格带分析：

分析价格带利润、价格带销量。

3、怎样分析这些指标？

可以从下面三个层面来跟踪这些指标。

3.1 指标的监控

一般都会对这些指标进行监控，有比较传统的：邮件报送（虽然数据的整合处理要花费业务人员很长时间，但也是要比没有好的）；也有比较高端的：led屏幕实时监控。不管怎样的方式，也都是为了这一目的。现在很多公司已实现了指标监控的自动化，以及多平台整合与移动化监控等。

这儿举例用 FineReport 搭建的数据报表：

上面的图表是针对上一天销售指标的监控，最重要的两个指标（销售额与订单量）通过仪表盘展示出来，同时展示目标达成率，可以非常醒目的掌握最重要的信息。不达标？根据此信息就可以找到负责人进行责问了。

其他几个主要是订单分布情况，分别为各个价位的订单数量：体现客单价分布，若某一天的数据异常，比如发现客单价150的数量突然增加，则可能是店铺促销带来的效应（如果客单价下滑，但是销售额并没怎么增加，则非常明显的这次活动并不成功），也可能是某新品上线带来的冲击。总之，通过观察客单价的分布，是能够掌握很多信息的。

商品销量与平台销量的分布：主要是对销售分布的掌握，这类信息要说只通过这一天的数据来看出问题来，还是有些困难的，需要连起来看。下面会有提到。

订单时段分布：分析各个时间段的订单集中情况，例如上图中可以看出用户消费高峰期在晚上9点和10点左右。通过这些信息可以有针对性的调整销售策略。当然，如果突然某一天的订单分布有了很大的变动，也值得深入分析原因。

不止是每天的销售指标值的追踪，累计起来的数据可以产生不同的感觉，如下图所示。

一是累计销售额达成率，从图中可以看出整体的业绩表现。右边图表可以与该图形成联动，当数据异常时，可以进一步查看各月份的明细数据。

销售指标的累计值监控，是对整体销售业绩的掌控，而日报则关注与最近的数据，两者应更多的是结合起来使用，既要掌控全局，也要关注眼前。

3.2 指标的规律分布

很多事请，独立的去看，很难发现有什么异样，但是将时间维度拉开，扩大观察的视野之后，就会有很多新的发现。正如前面所说的产品销售分布与平台销售分布。

上图展示了各平台订单的占比分布情况。仔细浏览可以发现：在2月份（春节）期间，总体上天猫平台的订单占比很高；而京东平台上两个旗舰店，随着时间占比越来越高。这些信息会有助于帮助公司调整销售策略。

当数据出现异常变动，可以进一步浏览月份明细数据，可以获知店铺订单量占比的下降，是因为该店铺的业绩下滑，还是其他店铺的业绩提高，这类报表，不仅是对数据的跟踪，也是对各负责人对追踪。

3.3 指标的对比分析

比如从地区维度出发，从多个角度对比地区之间的差异，通过数据来给相关的团队以无形的压力，提醒各团队的异常情况并及时处理。

上图中，通过地图对各地区的销售情况进行直观的展示，可以选择不同的对比标准来展示。而右侧两个图表与地图形成联动，分别展示该地区的目标完成情况、同比环比情况。

通过上图中可以看出，2月份之前实际销售情况是优于计划值，而在2月份之后有些疲软，5月份的累积完成额已经落后于计划额。需要进一步分析销售情况不佳的原因。这时选择计划完成率对比指标，如果所有地区的完成率都偏低，那或许是大环境的问题，如果是大部分仅少部分地区的完成率偏低，那或许更多的是地区团队的问题。

通过这样的布局，可以对地区的销售情况进行较全面的展示，不能通过单一标准的好坏来展示团队的业绩。

比如，从商品维度出发，对比不同商品的价值贡献度，给到品牌负责人压力，以及为调整商品策略提供参考。

上图中，核心为左上角的商品利润分布图，通过该图对各商品的价值进行体现，这种图表适合商品数量较多的情况，可以很直观的显示出各商品的份量。

右侧两个折线图可与该气泡图实现联动，我们分别介绍一下：

权重曲线图：显示商品的权重分布情况商品销售数据分析，权重值＝销售额／周权重系数，周权重系数在上一篇已经介绍过，是根据一周中每天的销售情况，对每天进行权重比例分配，例如周一到周日分布为：1.1，1，1.3，1.2，1.5，1.6，1.4。这样计算后得到的值应该是一个较为平缓的曲线，但是我们从图中看出，6月18日的销售额明显高于正常值，我们可以推断这一天是活动日，通过下面的图中我们可以发现6月18日的单价较低，也可以侧面证明该商品在6月18日属于活动促销期间。

同时，在6月17日的销售情况比正常值要低，很可能是因为第二天活动造成的。而月初偏低、月末偏高，则有可能是营运团队在月初有一定的懈怠，月末有追赶业绩的情况。

当然，上面的结论都是根据数据推测出的，若要对结论进行验证，还需其它方法，比如进行ab测试等。

4、操作层面，如何做数据分析

上述展示的分析都是基于FineReport(报表工具)制作的。更快速方便的方法，可以通过BI商业智能

搭建数据分析平台来做一个全局业务的分析，或者你自己拿BI做数据分析也可以。

以下举例用 FineBI 搭建销售数据分析系统。

demo地址：销售数据分析

账号：sale

密码：123

指标体系：

方案计划：

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。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。

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。