销售数据收集与分析

2010季春夏
春装
18%
夏装
12% 2002 20.3 <25 25-35 35-45 45+
裤子
29% 2003 21.3 30% 60% 70% 40%
精品
10% 2004 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。
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

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）
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。
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

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。
象限分析要点：



4.
五个为什么
五个为什么
为什么？ 为什么？ 为什么？ 为什么？ 为什么？ Key根本原因
5.
获取第一手资料
销售数据分析的八大经验
1. 2. 3.
广阔的视野
以事实为依据 化繁为简
4.
5. 6. 7. 8.
找问题的能力是数据分析的第一能力
找重点 不断总结经验 三面镜子——消费者、客户、基层员工 重视数据也要重视直觉
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
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）
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；
象限分析的步骤：



确定划分象限的标准；
定义不同的象限内涵； 制定相应的策略方案。 将多个数据分析里考虑的因素集 中在一起； 圈的大小代表了产出多少，有时 是预估值（软数据）； 抓重点，制定最佳实施计划。
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。
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。
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
1. 2.
2.
百度文库
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
销售数据收集与分析
FM：刘艳君 DATE：2011-5-5
数据敏感度测试：从这些数据能看出写什么？
1. 2005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%
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。
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