01销售数据的分析重点

销售数据分析，最关注的无非是两个点：1.卖了多少货（产品）；2.挣了多少钱。因此在分析销售数据时只要解答清楚四个问题，你的任务就算圆满完成。

①本年度目标完成了多少？

②如未完成目标，哪个环节出了问题？

③如已完成目标，预计超额完成多少？

④明年的销售目标，可以定为多少？

接下来看看具体做法

02 销售目标分解

请注意：大部分商品的销售，都会随时间变化自然波动，比如：

啤酒瓜子这种零食，在没有促销时，大部分人就是周末才有空买；

雪糕冷饮暖宝宝这种季节性产品，就是夏天/冬天才会畅销；

婚庆、娱乐、旅游、电影，就是逢年过节周末生意才好。

这些也被称作：自然周期。做销售数据分析，首先要找到业务的自然周期，具体找法，参照周期性分析法。在分解销售目标的时候，一般会把年度目标，按照自然周期做拆分，落实到每一季度/每一月/每一周/每一天（如下图）。

03 销售数据差时，如何做原因分析

销售数据有可能好/不好，不好的时候领导们会更重视。毕竟钱挣得少了，搁谁都难受。

如果已经做了自然周期分析，就能排除自然波动。下一步就是看：哪个环节卖得少了。这里需要用到结构分析法。

举个简单例子，一个公司有线上/线下两大销售渠道，整体销售业绩如下图所示。在业绩不达标的时候，应该先看：线上/线下，哪个是不达标主要原因。如果发现线下是主要原因，就再看线下的结构，线下一共有5大大区，进一步看（如下图）。

这样一路看下来，很容易就能找到问题发生的关键点。

有很多时候，销售不佳是受大环境影响，比如直观的天气恶劣，人们都不出门，门店没生意。或者干脆遇到疫情，封城了。这些原因不会直接反应在数据上，但确实是影响销售的直接原因，因此想做好销售分析，掌握第一手情况非常重要。作为数据分析师，一定要和一线保持密切接触。

大数据分析师入门学习大礼包（免费）

当然，也能用数据的手段，做进一步分析。这里就需要用到：指标拆解法和漏斗分析法

3.1 指标拆解法示例

这个方法一般用于线下销售。比如将门店业绩拆分为：客户数/消费率客单价，之后可以看到：到底是因为来消费的客人少了，还是客户消费力下降了(如下图)。

3.2 漏斗分析法示例

这个方向一般用于线上销售，比如将店铺业绩拆分为：UV/转化率/客单价，之后可以进一步看到：店铺流量少了，还是转化率跌了（如下图）。

通过细节分析，能找到销售不佳的更深层原因，从而进一步思考对策。

04 销售数据可观时，后期走势分析

有时候销售业绩会完成得很好，大大超过进度。此时要评估后期走势。因为销售不止是销售部的事，还关系到市场部要不要做投放，供应链要不要备货等一系列问题。如果只看眼前销售很好，放任不管，很有可能导致缺货；如果盲目备货，也有可能造成积压。这都不是好事。

因此，要解决2个问题：

问题一：到底超额了多少？

问题二：这种超额是短期的，还是长期的？

如果是问题一相对容易解决。最简单的方法，长期内（以周/月为单位），可以计算累计完成率，对比目标，看整体超额幅度。短期内（以天为单位），可以用时间序列预测，推演销量走势，关注库存是否会在短期内耗尽。

问题2就很复杂了。一般来说，短期的暴涨，可能来自于：

05 明年的目标如何定

销售目标，受公司领导们发展意愿的影响很大。因为销售目标的达成，完全可以靠砸钱堆人力实现。比如制定一个激进的扩张计划，大量砸钱买流量，从竞争对手那里直接挖现成的销售大咖等等。

因此，在预计明年目标的时候，不推荐用算法模型（都不准！），而是推荐用业务模型预测，把所有假设条件写下来，再做推演（如下图）。

来看看一个优秀的数据分析是怎么给老板交上一份满意的数据分析答卷的吧。

06 数据分析师利用Tableau进行销售数据可视化分析（实例）

手里有一份某商场2014-2016年的销售收入数据，本文利用Tableau对该数据进行探索性（可视化）分析。

分析前先观察数据，了解数据特征，共包含统计月份、层数、店铺名称、销售额、客流量、店铺业态、店铺合同等信息，然后对数据进行清洗，包括缺失值、异常值处理、格式转换、数据标准化等。本文旨在对数据进行探索性可视化分析，所以数据清洗流程不在赘述，下面进入分析环节。

6.1 提出问题

6.2可视化分析

（1）2014-2016年销售额及客流量分布图

（2）销售额与客流量关系图

（3）各业态销售额分布及占比图

（4）各楼层销售额分布图

（5）累计销售额排名前十商铺

（6）销售额帕雷托图

6.3 数据总结

07 数据分析师必学课程

大数据分析师入门学习大礼包（免费）

后续还会更新数据分析师更多学习资料包，点赞关注收藏不迷路，后续还会更新数据分析师更多学习资料包，大家记得来看噢~