2019服装行业销售数据收集与分析-PPT文档资料
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
③
周期指数
原理:参考过往各年各周期的变动,设定各周期的调整系数 重点举例说明
行业的保守增长率 或考核指标
5.
流程—结构分析
总结:数据处理的5种主要方法的综合运用
对比(找问题)
成分对比 项类对比 时间对比 频率分布
统计分析法(抓重点)
80/20
相关性分析(找联系) 时间序列分析(预测)
有些事情还不能认为是事实,直到它真的发 生
软数据
观点、态度和感觉—有时作为数据或观点来 收集
常识,经验,评估值总 结
预测(根据历史,对将来的推断)
结合硬数据的预测
销售数据分析的结构
优化数据结构
意义:有数据、有正确的数据、有正确形式的数据,对于管 理者意义完全不同; 目的:为进行高质量的分析打下基础
长期趋势 基本对比
流程—结构分析(展观全局、找主要矛盾)
各种图表的应用总结
销售数据分析的洞察
洞察力:从信息到见解的过程(5种途径)
1. 2. 3. 4.
合理的表达形式(即对各种图表的合理运用) 差异分析 象限分析 五个为什么
5.
获取第一手资料
2.
差异分析
差异分析即诊断问题,是对差距本身的深入分析,从而得到 更有针对性的对策。
3.
象限分析
象限分析的作用:
是三维比较分析的方法; 象限的划分与定义很重要。 明确对比的目的; 选择适当的对比指标;
销售数据分析的三种视野
生 意 全 局 视 野(TSR模型)
业 绩 驱
动
视
野
我们的 KPI
客户的 KPI
业绩驱动视野
根据产品市场定位定义渠道及KPI; 制定网点拓展计划,设定KPI; 执行并定期回顾
按渠道分析网点拓展进度; 分析网点拓展市场机会
网点覆盖
根据产品市场定位确定各类型门 店的产品组合; 制定产品分销计划,设定KPI; 执行并定期回顾
消费者信息。
建议: 报表体系建成之后建议主推一张报表,层级越往下,可以加大 报表更新反馈的频率,以利于分析的及时、准确。
•三变一不变
销售数据分析的方法
1. 2. 3.
对比分析法 统计分析法 相关性分析法
4.
5.
时间序列分析法
流程—结构分析法
1.
对比分析
四种常用的对比类型
2.
统计分析方法
80-20法则
2019季春夏
春装
18%
夏装
12% 2019 20.3 <25 25-35 35-45 45+
裤子
29% 2019 21.3 30% 60% 70% 40%
精品
10% 2019 22.0
总计
29%
(样本数:20)
数据敏感度测试:这张表格说明哪些问题?
销售数据分析设计思路
一切要以业务和管理需求/目的为出发点,以能否满足业务和管理需 求作为唯一衡量标准; 产品/行业的特点决定了数据分析的准度、销售和市场策略的基本方 向; 以满足客户需求为根本出发点和归宿。当遇到困难和迷惑的时候, 最终只有从客户\消费者\基层员工找答案。
目标: 销量增长! 单店产出
门店管理8要素; 制定单店产出计划,设 定KPI; 制定并定期回顾
产品分销
按渠道分析分销数量; 分析产品分销的市场 机会
数据分析总体业务表现: 总体达成 门店拓展 SKU分销推进 客户需求
按8要素分析门店表现 分析改善8要素的市场 机会
单店产出(门店管理8要素)
整体而言,是优化整个销售系统的基础数据结构(即完整 的数据清单),并最终以报表体系出现。 个案而言,是将复杂的数据简单化。
原则:建立数据清单、建立报表体系、三变一不变
•建立报表体系
5类信息的收集:
1. 2. 3. 4. 5.
厂商信息; 客户信息; 竞争品牌; 市场环境;
信息收集 一定要目 的明确, 有可挖掘 的空间, 或制定应 对措施。
销售数据收集与分析
DATE:2019-5-5
数据敏感度测试:从这些数据能看出写什么?
1. 2019年某城市 服装的市场份额
2. 某产品的销售 增长率 3. 销售额连年的成长数字 -中国的生意在不断增长 4. 有多少%的消费者喜欢 GT服装(按年龄统计)
公司
A 18% B 12% C 39% D 10% E 29%
1. 2.
2.
3.
时间趋势:如系列产品的逐年增长; 基本对比:过去、现在以及目标之间的对比(循环变动、季节变 动、不规则变动等)
时间序列分析:时间趋势
时间趋势的3种主要方法: ① 移动平均
原理:用连续若干的平均值代替当期实际值 操作:添加趋势线,选移动平均
②
拟合趋势线
原理:可以用拟合直线或者拟合曲线来模拟时间序列的走势,从而得出预测值 操作:添加趋势线,选拟合直线/拟合曲线
主要应用于数据优化,集中于主要问题或关键信息。
3.
相关性分析
4.
1.
时间序列分析
时间序列数据
通过观察某一变量在某一常规时间段内的变化而得的一组数值数 据; 时间本身可以看做是特殊的一组递增的数据,但没一个单独的数 据没有数量意义,只有相对的顺序含义; 时间数据本身具有独特的周期性,如年、月。 时间序列分析方法
SAWS模型的应用
这张表能够说明什么问题?生意的重点在哪里? 如果你关心销量,下一步哪些品种应该在什么渠道着重发展?为什么? 如果你关心毛利,下一步应该在什么渠道发展哪些品种?为什么? 如果销量和毛利都关心,下一步重点?为什么? 假如标杆市场销量和毛利均是我们的1.2倍。这张表又能说明什么问题,分别按下属问题重新分析。
将问题进行更透 彻的分析,得到 针对性的策略
差异分析—SAWS模型
以财务指标(TSR)为导向
产品
过程性指标
渠道
时间
区域
竞争对手 标杆 对比方式
大小、 成分、 趋势、 分布 等
从独立的对比参数分别找出主 要产品及发展机会,再综合起 来看最关键的机会!
标杆市场:销量、市场容量(人口 基数、GDP等),投入资源、消费 习惯等跟本公司/市场差异不大, 基本高于20%左右最合适。
量化8要素:单店管理检查表
抓主要品类
抓主要矛盾
可应用于督导对单店的考核
我们的KPI & 客户的KPI
案例:
结论:主→客的转换,站在客户的立场、角度考虑问题,在客户需求的核心指标上作文章,达成 双赢。
Fra Baidu bibliotek
销售数据分析的结构
软数据和硬数据
描述
类型
来源
事实—通常作为数据收集。大多是历史数据
硬数据
公司内部数据 零售数据-POS