2011服装行业销售数据收集与分析.pptVIP

销售数据收集与分析 数据敏感度测试：从这些数据能看出写什么？ 数据敏感度测试：这张表格说明哪些问题？ 销售数据分析设计思路 销售数据分析的三种视野 业绩驱动视野 单店产出（门店管理8要素） 量化8要素：单店管理检查表 我们的KPI 客户的KPI 案例： 销售数据分析的结构 软数据和硬数据 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 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 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。 差异分析—SAWS模型 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在什么渠道着重发展？为什么？ 如果你关心毛利，下一步应该在什么渠道发展哪些品种？为什么？ 如果销量和毛利都关心，下一步重点？为什么？ 假如标杆市场销量和毛利均是我们的1.2倍。这张表又能说明什么问题，分别按下属问题重新分析。 象限分析 象限分析的作用： 是三维比较分析的方法； 象限的划分与定义很重要。 象限分析的步骤： 明确对比的目的； 选择适当的对比指标； 确定划分象限的标准； 定义不同的象限内涵； 制定相应的策略方案。 象限分析要点： 将多个数据分析里考虑的因素集中在一起； 圈的大小代表了产出多少，有时是预估值（软数据）； 抓重点，制定最佳实施计划。 五个为什么 五个为什么 获取第一手资料 销售数据分析的八大经验 广阔的视野 以事实为依据 化繁为简 找问题的能力是数据分析的第一能力 找重点 不断总结经验 三面镜子——消费者、客户、基层员工 重视数据也要重视直觉 * * DATE：2011-5-5 公司 2005年某城市 A B C D E 服装的市场份额 18% 12% 39% 10% 29% 2010季春夏 某产品的销售 春装 夏装 裤子 精品 总计 增长率 18% 12% 29% 10% 29%