2018服装行业销售数据收集与分析教学案例.pptVIP

销售数据收集与分析 DATE：2011-5-5 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 目标： 销量增长！ 网点覆盖 产品分销 单店产出 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 按渠道分析分销数量； 分析产品分销的市场机会 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 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 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 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 类型 描述 来源 硬数据 事实—通常作为数据收集。大多是历史数据 有些事情还不能认为是事实，直到它真的发生 公司内部数据 零售数据-POS 软数据 观点、态度和感觉—有时作为数据或观点来收集 预测（根据历史，对将来的推断） 常识，经验，评估值总结 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 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 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。 5类信息的收集： 厂商信息； 客户信息； 竞争品牌； 市场环境； 消费者信息。 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。 三变一不变 销售数据分析的方法 对比分析法 统计分析法 相关性分析法 时间序列分析法 流程—结构分析法 对比分析 四种常用的对比类型 统计分析方法 80-20法则 主要应用于数据优化，集中于主要问题或关键信息。 相关性分析 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 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： 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 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 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 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） 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） 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 获取第一手资料 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。 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 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。 以财务指标（TSR）为导向 产品 渠道 区域 过程性指标 时间 竞争对手 标杆 对比方式 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！ 大小、成分、趋势、分布等 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