卖场数据分析与销售策略调整.docVIP

卖场数据分析与销售策略调整 2.10.1数据的分类与采集 2.10.1.1数据的分类与控制 2.10.1.2 IT在超市中的功能 2.10.2直接数据的分析与策略制定 2.10.2.1销售额及各分类商品销售比例 2.10.2.2促销商品的销售额和销售比例 2.10.2.3进货量与库存量 2.10.2.4库存周转率 2.10.2.5毛利率与毛利额 2.10.3间接数据的分析与策略制定 2.10.3.1顾客数与客单价 2.10.3.2商品品项数与适销率 2.10.3.3零销售与零库存 2.10.3.4负库存与负库存管理 2.10.3.5亏损与亏损率 2.10.3.6促销与变价 2.10.3.7人员成本与费用成本 2.10.3.8商品质量与顾客投诉反馈 2.10.3.9人均劳动效率 2.10.4数据化管理与人性化管理的结合 典型案例 小结 复习思考题 卖场数据分析与销售策略调整 从二十世纪80年代末到90年代初，正当零售商开始注意到较新的销售规划原理的时候，市面上最常见的应用系统就是进销存计划。这些计划过去（现在还是）常常用电子表格开发，用以确保能够编制出预定销量和所需存货水平之间的适当关系。虽然随着计算能力的飞速发展使得在技术上可以顺序地处理这些计划，甚至能够处理到存货单位（SKU）层次，但是目前这些计划还是运作在概要的层次，比如说在商品目录层次。 上述计划系统的主要输出数据是一个被称作（所有计划系统的）许购定额（Open to Buy）。一个许购定额控制系统使用计划销售预测（Planned Sales Forecasts）和存货周转需求（Stock Turn Requirements）两个因素来决定最优的所需存货水平。 存货周转需求一般用周预期销售存货数(Weeks Forward Sales Cover)来表示。周预期销售存货数是指为了保证未来若干周内的销售，我们需要库存的商品数。周销售存货数（Weeks Cover）和年存货周转数（Annual Stock-turn）之间有一个直接的联系。比如说，在一个包含52周的年度里，26个周销售存货数就产生2个年存货周转数。当系统基于周期数据或月数据的时候，也许就会使用周期销售存货数和月销售存货数了。 使用这个方法计算存货需要量就能确保预测销量中的时变性（Volatility）能够在周期性的存货量上反映。反过来，就能确保在销售潜力发挥最大化的同时最大限度地减少因降价所带来的损失，从而使得运营资本能够有效使用。…… 连锁公司竞争的实质是管理的竞争。连锁公司管理的一个核心是有目的的、高效率的收集、处理、使用各种信息。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。 严格地讲，数据与信息是有区别的，数据是客观事物的量的记录，对管理而言，是管理对象变化的量的记录；信息是对数据的解释，表明了数据的因果关系。今天我们要讲的就是如何对数据进行加工（分析），把各种各样的数据提炼成我们所要的信息的过程。 一、数据的分类与采集 一）数据的分类与控制 数据是客观存在的，只要有行为发生，就会有量的变化（可能是负变化、零变化，或者是无穷变化），那么，这个量的变化的记录，就是数据。 任何一个商业活动，都会产生许许多多的数据，我们首先要把这些数据全部储存、保管到数据库里（否则，随着活动的继续，这些已有的数据将会被包含和掩盖），然后，从数据库里抽取某些我们需要的数据，对某一个行为进行分析、加工成信息，用于管理决策，指导商业活动。 这个储存工作仅仅靠人脑是不够的，因为，人为的记录，往往是只把当前认为重要的数据进行记载，不会很全面，随着事物的发展，需要另外一些数据时，就再也找不到了。因此，从真正意义上来说，只有建立商业管理信息系统后，才能谈得上数据分析、数字化管理。 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（当然，其中有一些数据是会有共性的需要的）。为了抽取数据的方便，我们要对所有的数据进行分类。 一般情况下，可以简单的分为直接数据和间接数据两个大类。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、库存等实绩作为直接数据；把一些能影响商业行为实绩的数据，如客流量、商品品项数、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。我们每一个人都要学会数据分析，每一位管理人员都是数据分析员，虽然他们对数据的要求和标准不一样，这是分工决定的。专职的数据分析人员是数字化管理深入和发达的产物，是为其他管理人员服务的。 二）IT在超市中的功能 如果我们仅仅需要直接数据，也许简单的POS系统就能完成。既然我们说是IT，那么就不应该是