零售业如何进行数据分析.docVIP

零售业如何进行数据分析与策略调整 许多企业的生产活动都会产生大量的数据，而对这些数据的深层次挖掘所产生的数据分析报告，对企业的运营及策略调整至关重要。本文对数据的产生、归类、分析方法与关联的策略调整进行了有益的探讨。 在零售业中，连锁公司竞争的实质是管理的竞争。其管理的一个核心目标就是有目的、高效率的收集、处理、使用各种信息。而信息是建立在数据的基础上的，也就是说，对管理的对象进行量化处理。数据是对生产的直接记录，而信息则是在数据的基础上人为的反馈及判断，企业策略决策的依据。 对某一个行为的分析需要某一群数据组合，对另一个行为的分析又需要另一群数据组合，每一个不同行为分析所需要的数据组合都是不一样的。为了方便抽取数据，我们要对所有的数据进行分类。通常，我们把一些能直接反映商业行为表象的数据，如进货、销售、库存等数据作为直接数据; 把一些能影响商业行为的数据，如客流量、商品项数、费用成本等作为间接数据。我们不仅要分析进销存这些直接数据，更重要的是要分析间接数据，因为间接数据是改变直接数据质量的基础。 直接数据的分析 对直接数据进行分析，在现阶段的零售业已经非常普遍了，从中很容易找出数据分析的结果进而调整策略。下面我们来看几个表格和案例: 1． 销售额及各分类商品销售比例 ● 案例1: 某商场2004年可口可乐销售记录（见表1) 从这个表格可以看出在6、7、8月份可乐的销售呈大幅度上升的趋势，分析原因我们知道是因为夏季到来的缘故，根据这个直接数据模型我们对门店的指导策略是: 增大备货量，调整店面陈列，做好敏感商品的价格策略。 ● 案例2: 销售日报表（见表2) 在进行商品的品类管理时，我们都有一个初始的各类销售占比模型，根据这个表格我们就直接知道占比的差异，得到我们需要调整的类别 2． 促销商品的销售额和销售比例 ● 案例3: 销售日报表（见表3) 通过对促销商品的占比分析，我们可以判断一次促销策略的成功与否，有没有达到们我们预期的效果（零售促销策略认为促销品的销售占比应该在20%左右）。 3． 进货量与库存量 ● 案例4: 销售日报表（见表4) 通过对进货量和库存量的对比我们可以得出进货的合理性，对不合理进货需进行更正处理，以减少库存的积压。 4． 库存周转率（表格与案例） ● 案例5: 销售日报表(见表5) 如何来分析周转天数，也就是说，周转天数高和低哪个好？最合理的周转天数是多少？从商品库存周转率(次数)和周转天数两个效率指标中,可显示商品的“新鲜”程度。 商品周转率高(周转日数短)的好处是:每件商品的固定费用（成本）降低; 相对降低由损坏和失窃引起的亏损; 能提供新鲜的商品; 能顺应流行商品的潮流; 能有弹性地进货，应变自如; 能以少量的投资得到丰富的回报; 减少存货中不良货品的机会。 而周转率过高（天数太短）带来的危机是: 容易出现“断货”; 陈列不够丰满; 不容易获得大量进货的折扣优势; 进货次数增加使得进货程序和费用相应增加; 进货次数增加也使运送费用相应增加。 5． 毛利率与毛利额（表格与案例） ● 案例6: 销售状况表 以上的几个案例应用的是对直接数据的分析，在分析中大量地使用了比例分析法，通过对零售业的比例模型及竞争对手的比例模型，我们会很方便地得到需要进行调整和改进的策略。但对随之需要进行的精细调整、定位于调整哪一类中的哪一些商品、为什么要这么调整、应该如何调整等问题我们就显得有些茫然了。对于这些问题现在往往依靠业务人员的经验来处理，但解决这些问题的最有效方式是数字化运营分析。数字化运营分析也就是对间接数据的组合分析，建立数据钻取模型，在数据仓库中进行钻取，逐渐找到我们的问题点。 间接数据的组合分析 间接数据的组合分析就是将直接数据分析中得到的分析结果进行有效的组合和数据关联，并且在统一的数据模型下进行钻取以及进行关联交叉分析，逐渐发现并缩小分析的范围。 我们在间接数据的分析中常用到的是销售综合分析、库存分布分析、商品结构分析、ABC商品分布分析、商品毛利带分布分析、商品价格带分布分析、商品滞销与进货量分析、供应商盈利能力分析等，在这些分析中可以互相交叉和分析条件的传递。下面将通过销售综合分析及交叉分析的案例来展现间接数据组合分析的魅力。 1． 销售综合分析 销售综合分析的分析指标是销售额、毛利额、毛利率、交叉比率、库存（日均）; 分析条件是时间段（任意时间段、自然时间段）、经营方式; 分析层次是总部→门店→大类→中类→小类→单品。表6为开始分析时的报表入口。 这个报表的第一行是全公司的综合分析比率，可以作为对比数据分析的基点，在这里用到的是毛利率、交叉比率、日均库存。通过对毛利率的对比，发现门店2的毛利率偏低，偏离了制定的毛利率目标。要找出偏离的原因，