为什么要做销售数据分析？
企业的业务数据涉及销售数据、财务数据、人力数据、产品数据等多种类型，而销售数据在所有数据中的重要性毋庸置疑。通过分析销售数据，将有助于发现经营问题，降低销售成本，最终提高企业销售利润。
关键指标提取
不同行业对销售指标的侧重各有不同，本文将以建材行业为例进行说明。
其中涉及的销售数据指标包括：销售数量、销售单价、销售收入、单位成本、销售成本、销售毛利等，原始数据中还会涉及月份、城市、分类、计量单位、对应客户等信息。
图表与看板制作
提取完重要数据指标后，您就可以根据需求制作相关看板与图表。在此之前，用户必须对需要监控的指标做到心中有数。
一般来说，制作看板时，根据目的不同可以分为三类：
1. 基础数据看板：总览全局
这类看板大家都比较熟悉，主要是由包括地图、条形图、饼图等一系列的基础图表组成，用于查看不同地区、时间、类别的销售收入、销售成本等基础数据。下图是根据建材行业的示例数据生成的一个看板：
从这个看板中我们可以读出这个公司的基础销售信息：吉林省是销售大省，上半年总收入3千多万，3月份销售效果最好，多层复合类的常规系列销量最好。
需要说明的是，此看板均以销售收入为度量，企业业务人员可以根据自己的需求或者汇报对象进行调整。
2. 问题分析看板：寻找原因
基础看板满足的是用户查看数据的需求，如果想要利用数据解决问题，则需要具体问题具体分析，建立针对性看板，并根据数据分析工具（DataHunter）提供的功能进行探索式分析。
假如您想查看不同类别商品的销售收入、成本与毛利之间的关系，就可以新建一个看板，生成双轴图：
可以看出，多层复合类销售收入明显大于成本，对应的毛利也特别高。
如果想进一步了解多层复合里面哪个省市、在什么时间毛利最高，则可以在原有看板的基础上，以毛利作为度量新建一个图表，如下图：
接下来对毛利一览表，分别从城市和时间维度进行钻取：
▲按城市维度进行钻取
▲按日期维度进行钻取
▲钻取结果显示
最后知道：瑞安市4月份的销售毛利最大。
以上就是一个简单的探索式分析的过程。
3. 预警监控看板：迅速反应
销售类数据的监控预警有多种应用场景：比如对表现好的商品做重点监控，如果发现异常，立即查看原因，防止造成重大损失；又比如对商品的库存做重点监控，如果某地区库存不足，及时调整。
举个简单例子：根据不同类别产品的成本和利润生成散点图，并分别用利润平均值和成本平均值设立两条参考线，这样就将整个图形分成了四个象限，可以对高成本低利润或者高利润低成本的产品进行重点监控，针对变动及时查找原因，并作出反应。
AI+销售预测
更进一步，如何通过数据分析指导实际的销售工作？
如何定价才可以获得最大的销售收入和利润？
这其中就涉及到了AI的部分：在已有的数据工具中内置出价-销售收入-销售利润等多种计算模型。用户可以导入历史数据，然后随意拖拽一个出价，便可查看系统给出的预测销售收入及利润。
网友评论