推荐一套企业经营数据分析报告框架,以及实战案例(带过程分析),适用于零售电商等行业
目的:当前,不少零售公司的门店都正在全国高速扩张中,急需一张完整企业经营数据分析报告,让业务人员能从中知道自己业务最近及过去的数据情况,同时,也让公司管理层快速了解业务情况及数据波动原因,得出解决方案。部分分析报告如下↓↓,数据分析及可视化报告制作工具是FineBI
角色一:全国老大视角
下图全国老大的账号拥有所有省-市-区的权限,可以随意筛选到任意层级来查看情况。
[1.2]报表日期默认选最新的日期,用户可筛选回溯任何日期。[1.3]对整份报表的色系做了基本定义, 方便能快速识别是什么类型的指标,保证整份报表色系一致。
①本月总销售额分析
上图[1.1]3个KPI指标卡,可以非常情况看到本月销售情况比起环期没什么涨跌([环比增长率]=-0.6%在-5%~5%这个小范围内认为是平的,是黄色)
上图[1.2]近一年的每月销售额变化情况,可以看到2月[同期]比起1月环比大幅度下降-17%,比起去年12月,也是下降的,所以2月本身表现就很差劲,[1.3]21年3月更是环比增长达46%,所以认为当前3月销售额情况其实应该并不好。
上图[1.4]近一年的销售额日历图,该图可以非常清楚的看到每日的销售额的规律(比如周六日卖的好,月底普遍卖得好,但是没有发现这个规律),看当前3月,前2周高于平均水平,后2周低于平均水平拉低了整月。
结论:全国22年3月销售额看环比没变差,但是通过同比月份的环比情况,应该有些问题。且后2周的表现较差。
这时全国老大想知道是不是有2,3月就是有表现不好的规律,上图[1.5]老大筛选去年同时间'2021-03-26',这整份报表就'回溯'到当时的情况。可以通过筛选回到任何时间的报表分析,而不用再找数据部门要,双赢。
上图[1.6]发现21年2月销售额也下降了,大概是春节的因素,但是只下降-12%,比22年2月下降-17%好很一些,且21年3月[环比增长率]足足上升了36%,[1.7]也没发现3月后2周会表现不好的规律。
结论:全国22年3月销售额确实有问题,特别是后2周
上图[1.8]老大再次筛选时间='2022-03-13',为了看22年3月前两周的表现情况,再次回溯报表时间。发现果然,22年3月前2周的[环比增长率(同时段)]为44.8% ,甚至超过了去年36%。
结论:全国22年3月的销售额有变差,问题出在在3月的后2周。
②本月各省月销售额占比&环比变化分析
全国老大时间选回了最新的'2022-03-26',继续探索本月情况。
上图[2.1]非常清楚的看到本月销售额的[环比增长率(同时段)]上升最多的省份是'江苏省',足足272%,可以好好表扬下,回头让他们交一分报告上来看是怎么做到的。下降最最多的是'湖北省',但销售额就那么一点,是个新市场,无足轻重,可以先不管。
上图[2.2]可以看到所有有业务的省份销售额几乎都是上升的,但是这对3月来说的意义不大,因为我们上面分析3月比2月就该大规模上升。
上图[2.3]非常重要,结合了各省[销售金额占比](销售额贡献度)和环比变化情况,可以非常清楚的看到 '吉林省'是2月(同时段)足足贡献了全国的25%的销售额,但是3月却下降到了15%,销售额足足下降了40%,2月贡献了全国的11%销售额的'福建省'更是严重,销售额下降了57%。
结论:22年3月的异常主要出在了'吉林省'和'福建省'上
上图[2.4] 老大想要知道'福建省'的具体情况,使用了'联动 钻取',看到'福建省'的沿海城市销售额都下降了。[2.5] 贡献了'福建省'2月的53%销售额的'福州市' 环比下降了58%, 贡献了'福建省'2月的25%销售额的'莆田市' 更是环比下降了87%,贡献第二的下降最多。[2.6]'福建省'也是22年3月的后2周表现得很差。
结论:'福建省'的22年3月后2周表现很差,符合全国22年3月后2周的异常,主要是'福州市'和'莆田市'影响巨大。
全国视角结束说明
至此,其实全国老大在这份报表可以继续'筛选 联动 钻取'去分析'吉林省',且目前只用报表分析的2个版块,下面还有4个版块可以深入分析这2个省的问题。
但是为了让篇幅不会过长,且介绍这份报表满足[各层级所有人员]的特性,我们将切换角色继续往下分析。
全国老大说:'我累了,让东北三省的负责人交一份报告上来说明'吉林省'的情况'
角色二:东北三省总监
该账号只能看到这3个省的数据,也只能筛选到这3个省,体现[可视化]的[层级管理性]:各层级所有人只能看到自己该看的东西
上图[0.6] 报表变成了默认就是'市'为主要分析的维度,不用辛苦的每次'钻取'这个常看的维度。
①本月销售额&环比变化情况分析
上图[1.1] '东北三省总监'要和'全国老大'汇报'吉林省'本月的异常情况,所筛选了 省='吉林省',接下来整份报表都是'吉林省'的内容。
上图[1.2] 吉林省22年3月26日当月[环比增长率]足足下降了40.2%, [1.3][1.4]21年3月(全月)可是足足上升了43%,本月业绩下降就非常离谱了。[1.5]22年3月后2周表现得很差是主要原因。
结论:'吉林省'的22年3月后2周表现得很差,符合全国22年3月的后2周的异常。
②本月各市月销售额占比&环比变化分析
上图[2.2]可以看到'吉林省'的只有'白山市'是正常上涨的。[2.3] 贡献了吉林省2月的34%销售额的'长春市' 环比下降了55%, 贡献了吉林省2月的11%销售额的'长春市' 更是环比下降了86%,全省下降最多。
结论:'吉林省'的22年3月表现得很差,主要是'长春市'和'吉林市'影响最大。
③市场扩张情况:总门店数对比& 新增门店数情况
由于市场一直在高速扩张中,也就是一直在新开门店。所以本月[环比增长率]-40.2%甚至还要再减去上图[3.1]的[总门店数环比多(同时段)]的1.7%,才是同样门店数的一个对比情况。 [3.1][3.2]都在说明这个,可以看到2月3月的门店数增幅下降了,但是增幅下降得严不严重,看斜率是不容易看出来的。
所以需要[3.3][3.4][3.5]这个来知道市场扩张的速度具体放缓了多少,可以看到 1,2,3月放缓速度在持续增加,3月[新增门店数环比增长率]甚至是-50%, 而21年3月[新增门店数环比增长率]是115.8%。
结论:'吉林省'的21年下半年市场扩张的速度就放缓,22年市场扩张的速度更是大幅度的连续下降,当前3月份尤其严重。
④有销量门店数&门店有销率 变化情况
[销售额]=[有销量门店数]*[店均销售额], [有销量门店数]是非常重要的,但因为门店在一直新开,所以直接对比上月会受到新开门店的影响。所以引入的[门店有销率]=[有销量门店数]/[总门店数(当时)] ,同时这个率也能知道门店的活跃情况,一举两得。
上图[4.1] [本月有销率环比增加]为-15.5%,[4.2] 同比(同时段)的[门店有销率]也有72.4% ,每个月的有销率也比较平滑,所以[本月有销率]55.4真的很异常。
上图 [4.3] 条形图粗细代表[销售额占比],表示对全局的影响度,影响度最高的还是'长春市',不过'长春市'上月的[门店有销量率]本来就偏低,只有69%,环比减少了了-15.5%。 变化最大的依然是'吉林市'从上月很高的77% 减少了-31% 到46% 变化巨大。
上图[4.5]对比了当月,同期,环期的[每日门店有销率],定位问题到天。发现本月从3月8号开始脱离正常值下滑,到3月21日到达了最低点2.4%,并一直在3%上下徘徊。
[4.6] 点击'吉林市'交互看到[4.7]也是从月8号左右脱离增增长值下滑
结论:'吉林省'的门店有销量率减少了-15.5%,主要是在3月8日后大幅度连续下滑,符合'吉林省'3月后2周销售额表现差,但还不足全部以解释 -40%的业绩下滑。
⑤月店均销售额 & 店均销售天数 & 店日均销售额
[月店均销售额]代表了门店的平均销量水平,上图[5.1]找到了-40%销售额剩下的原因,是 [月店均销售额] 的 环比下降了 -24.8%。[5.5]可以很清晰进一步分析下降的主要原因是 [店均销售天数]大幅度下降了, 而[店日均销售额]只有略微下降,[5.6]可以看出 到3月20日才有略微的下降。
结论:'吉林省'的门店[月店均销售额]减少了-24.8%,主要是在[店均销售天数]大幅度减少,加上这个因素可以基本解释 -40%的业绩下滑的原因。
结论和专题分析报表补充分析
上述展示的[日常可视化报表]将有可探索性,使用广泛性,层级管理性,实时性/可回溯性,都充体现到了,可以知道这份报表能再自助分析探索的地方还有非常多。不过就像开头说的,比起[专题分析报表]确实会在深度的分析上有所缺失,我们下面就补充一个和本次有关的[专题分析报表]。
'吉林省'-40%的业绩下滑中,'吉林市'足足-85%的下滑。大家一般都会清楚应该是受到疫情影响。但是这个应该很不会,是怎么个个影响法,具体影响了多少,真的全是疫情的原因?上述的[日常可视化报表]并不能无法证明。
[日常可视化报表]更多的让大家知道都发生了什么,并能探索锁定出问题的范围, 就像我们的探索发现的路径:
全国22年3月销售额环比好像没下降–全国22年3月后2周的销售额异常—主要问题出自在'福建省'和'吉林省'的后2周—'吉林省' 的长春市和吉林市3月后2周确实有问题—问题主要是门店有销率(后2周) 和 门店销售天数。
但是真的证明问题还是需要下面的[专题分析报表]补充:
上图这是一份简单分析22年各城市受疫影响[销售额]的[专题分析报表],筛选到'吉林市',可以看到3月份确实有疫情。这份[专题分析报表]采用了[新增本土确诊病例]作为判断是否有疫情的标准,因为收集所有城市的封管控等信息非常困难,有主观性,口径不一致。目前政府,商家,消费者的决策其实也是以[新增本土确诊病例]为基准在做判断,都是在关心[本土新增]。
上图[1] 筛选2022-03-01~2022-03-26 ,和我们的[日常可视化报表]一致。
[2]是通过22年无疫情日算出的日均销售额为9084,这个是不会被筛选日期影响的,如果通过筛选里的算无疫情日算出的日均销售额,天数太少,离疫情太近,有很多偶然性。
[3]销量和本土新增折线图可以看到 3月3日就开始有[新增本土确诊病例],月头几天销售额就已经收到了影响,小于22年无疫情日算出的日均销售额的9084。且在3月7日疫情开始持续爆发的时候,销量明细大规模下滑。
[4] (3月疫情天数)24× (疫情影响日均销售额)-8125 =(本月因疫情总损失销售额) -194,991 ,
[5]从而推断(无疫情预期销售额)为227,393, 因疫情损失为 -85.8%.
我们回顾下[日常可视化报表]的'吉林市'足足-85%的下滑,上述这个[专题分析报表]就能非常好的解释清楚。
结论:'吉林省'的22年3月份[月店均销售额]下滑-85%是疫情导致的,(上图)'长春市'用同方法去推断也是发现一样的情况,所以'吉林省'的门店[月店均销售额]减少了-24.8%完全可以用疫情解释。
(篇幅限制,没时间更严谨的证明了,但其实已经非常明确了,这里主要是思路)
同款工具回复“BI”即可获取,个人版免费哦~~~
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。