2分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用

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

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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。

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

[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

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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。

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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。

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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。

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

[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:

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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。

分钟,带你走完企业经营分析全流程,更有通用分析框架直接套用"

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。