如何分析销售数据培训课件(48页）.pptxVIP

如何分析销鲁数据与报表;

⑩0第一建立对数据及报表的认识；

⑩第二加强对数据分析的重视程度；

⑩0第三熟悉分析工具的使用；

⑩0第四形成理性分析的思维；;

数据的定义及分类；

数据表现形式

数据传递的两种方式数据分析之目的；

数据分析之基本流程数据分析方法及应用;

第一节数据的定义及分类

定义：数据是对客观现象进行计量的结果

特征：没有规律，比较凌乱，不便于阅读、也不便于理解和分析;

第一节数据的定义及分类

数据的分类

A:定类尺度

B:定序尺度

C:定距尺度D:定比尺度;

绝对数

时期数时点数;

相对数

比例(Proportion)比率(Ration);

第三节数据传递的方式

报表

图表;

第三节数据传递的方式

报表传递的目的

报表是将杂乱的数据有条理的的组织在一张简明的表格内，充分利用和绘制好统计表是做好数据分析的基本要求，也是基础数据分析的最基本技能!;

第三节数据传递的方式

图表传递的目的

将报表所传递的信息，更清晰、更直观的表达出来，使受众很容易理解，从而达到和受众沟通的目的;

第四节数据分析之目的;

过往业绩评估、认识规律、发现不足与问题

销售现状监控与评估、发现问题、解决问题

销售预测，战略规划、为决策提供量化依据;

第五节数据分析的基本流程;界定分析的问题

确定分析的时间段;

描述性分析

推断性分析;

频数分析(frequency)

描述性分析;

数据排序是按一定顺序将数据排列，以便研究者通过浏览数据去发现一些明显的特征趋势及解决的线索；

在这里，我们要注意排序与排名的区别

前者可以重复

后者不可以重复;

店铺;

数据的分布特征探索

数据主要有两个分布特征，一是数据的集中趋势；二是数据的离散趋势

1、前者的测定指标主要有众数、中位数、平均值

2、后者的测定指标主要有极差、方差、离散系数等

我们在这里主要介绍一下我们在工作中可能要用到的方差，其公式如下：;

描述性分析

数据分组和频数分析(frequency)

根据分析需要将数据按照某种特征或标准分成不同组数，同时可以计算各组的频数或频率，形成频数分布表。根据数据的分组我们还可以根据研究的需要做各种各样的图表

在这里，向大家推荐一个数据分组的经验公式：组数=K=1+LgN/Lg10

组距=(最大值-最小值)/K

如：....;

销售区间;

描述性分析

均值分析(averageanalysis)

均值是全部数据的平均。可以分为三种：

一、简单算术平均数，各项数据的简单平均，应用最广泛;

描述性分析

均值分析(averageanalysis)

三、几何平均数，它主要是用于计算比率或速度的平均。

如可以计算1996年例外成立以来到2005年，终端销售额的年平均增长速度，或一年中1-12月销售的平均增长速度公式如下：;

均值分析案例：平均单价趋势

2005年1-10月平均单价;

回归分析

(regressionanalysis)

推断性分析;

推断性分析

1、回归分析以因果关系为前提，应用统计方法寻找一个适当的回归模型，对未来市场的变化进行预测。

2、回归分析具有比较严密的理论基础和成熟的计算分析方法；回归预测分析是回归分析在预测中的具体运用。

3、在回归预测分析中，预测对象称为因变量，相关的分析对象称为自变量。

回归分析根据自变量的多少分为一元回归分析、二元回归分析与多元回归分析，4、但有时候二元回归分析被并入到多元回归分析之中；回归分析根据回归关系可分为线性回归分析与非线性回归分析。

日常销售中，根据上面的定义，我们可以知道销售额是一个因变量，而产品价格、投产数量、设计成本、门店装修费、店铺数量、店铺面积、店员数、推广费用、VIP数量及消费金额等等都是自变量，我们可以通过长期数据的积累，进行回归分析，从而确定那些因素是影响销售额的关键因素，那些是非关键因素。进而采取行动解决实际问题;

推断性分析

回归分析的基本步骤如下：

第一步：判断变量之间是否存在有相关关系

第二步：确定因变量与自变量

第三步：建立回归预测模型

第四步：对回归预测模型进行评价

第五步：利用回归模型进行预测，分析评价预测值

如：;

价格;

模;

价格;

推断性分析

时间序列分析(timeseriesanalysis)

时间序列预测法是一种定量分析方法，它是在时间序列变量分析的基础上，运用一定的数学方法建立预测模型，使时间趋势向外延伸，从而预测未来市场的发展变化趋势，确定变量预测值。

时间序列预测法也叫历史延伸法或外推法。

时间序列预测法的基本特点是：

1、假定事物的过去趋势会延伸到未来；