各位数据的朋友，大家好，我是老周道数据，和你一起，用常人思维+数据分析，通过数据讲故事。

　　每逢月末、季末、年终，运营部的同事又要开始做年终总结分析。那么，对零售连锁企业来说，应该把精力放在哪些运营指标、从哪些维度来分析，才能快速察觉缺陷、分析原因呢？光说不做假把式，接下来，零售数据分析师小阳将以奥威BI零售标准方案中的零售门店经理驾驶舱为例，聊聊零售运营数据总结分析那些小门道，分享分享多年累积的零售运营数据总结的心得经验。

　　提前总结一下：总结分析零售运营情况主要要从销额情况、盈利情况、客户消费力、会员消费情况、门店效率指标、库存指标，以及人、货、场、时间维度等入手。因此在本文中，我们也将从这样一些方面进行总结分析，还原过去一年里的零售经营情况。

　　通过本年销额与去年的对比，可以看到有大约1%的下滑。这是因为本例中模拟的销售目标与销售预测的数据都有异常，所以导致看上去完成率异常。在真实的应用中，我们可以通过与销售目标的对比来看目标完成情况，也可通过与销售预测的对比来发现目标、预测与实际值之间的偏差。

　　在本例中可以看到毛利有18%的增长，非常不错。主要是因为毛利率有近5个点的增长，保证了销额下降1%的情况下，仍然取得了大幅的利润增长。

　　从另一个角度来看，客户的消费能力也代表着市场消费能力，是一个需要重点关注的内容，主要通过以下方面做总结分析：

　　客流量出现了15%的大幅下滑，但客单价却出现了16%的增长，能够正常的看到，主要是因为客品数出现了54%的大幅增长，即客户每次购买了更多的商品；品单价也出现了25%的下滑，说明客户选择了更多低价格的商品去消费。这些对品类管理都提出了新的挑战。

　　会员粘性高，消费相对稳定，是零售经营中的一个相对稳定的基本盘，所以在总结分析零售经营情况时，必然不能略过会员消费情况。在会议消费情况分析中，会员的销额、小额占比、消费会员数是了解零售企业会员消费情况的重要窗口。

　　在本文的例子中，会员销额同比出现2%的微幅增长，会员的占比也出现了2个百分点的增量，同期来看，消费的会员数下降明显，降幅达24%。这说明有比较大的会员流失风险，同时说明平均每个会员的消费能力是增强的，这也就越发证明了会员的价值，应该加强会员的经营。

　　人效和坪效是了解门店效率的两大关键，所以在本文的例子中，能够最终靠以下两点来掌握门店效率指标：

　　在本文的例子中，人效出现了58%的大幅下滑，坪效也出现了61%的大幅下滑，这说明规模的扩张，还需要提高质量，提高人效与坪效应该成为明年的重点工作。

　　说到库存和零售经营，那就得从库存金额、周转率、动销率以及同比等入手做分析总结：

　　在本文的例子中，库存增长了56%，周转率下滑，也应该因为扩张规模的原因，导致库存有积压的风险。从动销率来看，虽然增加了7个百分点，略有好转，但离80%的行业平均水平还相差较大，要提升品类管理水平。

　　在本文的例子中，我们主要通过品类销售构成、商品TOP10这两个商品维度来展开分析总结。

　　我们再从品类的角度来看销额的构成，能够正常的看到其中两个品类就贡献了近80%的收入。那么，我们是不是该引进新的品类来增长收入，这也是一个值得思考的问题。另外，与去年对比来看，有部分品类的变化还是比较明显的，可以尝试做一些深入的对比分析，找到品类销售的机会点。

　　能够正常的看到销售贡献最多的10款商品，同时还可以通过柱子的颜色看到每个商品或门店和去年相比是好还是不好，如果柱子颜色是蓝色的，则代表同比是增长，而如果柱子颜色是橙色的，则代表同比是下降。由此可以看到，全部都实现了正增长。

　　从本文例子可看出，主要消费者是31-40岁及60岁以上的人群，除60岁以上男性较多外，其他年龄段中，女性消费者都相对较多，如果想深入对比分析一下，不同年龄或性别的客户，其购买的商品有什么不同，那么，还可钻到其他报表中进行分析。

　　可以看到销售贡献最多的10个门店，同时还能够最终靠柱子的颜色看到每个商品或门店和去年相比是好还是不好，如果柱子颜色是蓝色的，则代表同比是增长，而如果柱子颜色是橙色的，则代表同比是下降。由此能够正常的看到，门店TOP10中，有8个是同比下降的，仅有两个门店是同比增长。

　　在本文的例子中，我们设立了两个时间维度来进行分析，一个是近12月销售情况，另一个则是时段销售情况。从这两个时间维度分析去进行总结分析，即可快速获知今年与去年的同期销售情况变化，能够正常的看到一天中不同时间段的消费峰谷变化，从而对一年、一天之内的消费趋势有总体上的了解，为下一年的销售计划提供切实的数据支撑。

　　还能够正常的看到近12个月的销售情况中，不同月份与去年同期对比的情况，能够正常的看到今年除了10月份与12月份超过去年同期外，其他月份都是比去年同期低的；

　　同时，还可通过时段对比，来洞察客户消费时段的峰谷有没有发生变化，能够正常的看到今年的14点变成了一个高峰，并且是全天最高。

　　分析的第一步，不仅仅是描述结果，更重要的是，识别结果是不是异常？而第二步，则是在发现异常的情况下，基于多个指标的变化，来分析影响因素是哪些，并且要从不同的维度来展开分析，以便寻求颗粒度更维的异常原因。

　　只有将问题定位清楚，并且能分析到其异常的原因，才有机会对明年的运营重心提出较为合理的建议，并且，在后续的运营中，对比各指标的变化来验证所采取的措施有没有达到预期，以实现数据运营管理的闭环：始于数据，终于数据。

　　那么，怎么样才可以快速识别问题呢？如果我们仅知道今年的销售是1.5亿，是没办法判断这个值是否有问题的，一般我们会与其他标准做比较，才能对比出是否有问题：一种是与目标或预测对比，看完成情况；一种是与同期对比，如同比或环比，看增长情况。

　　今天的举例仅限于一张报表，主要是让大家能做到识别问题这一步。虽然从多个指标也能做一些简单的分析，但事实上，在针对某个异常进行深入分析时，还会要使用到其他的报表，比如品类分析或会员消费行为分析等。

　　传统的年终总结分析都是将数据底稿从POS或ERP系统中导出，然后在EXCEL中处理。因为要要消耗大量的时间去手工整理数据，到最后就没有时间去深入分析，所以，最终的年终总结，就变成了一个简单的年终统计，却没时间去分析。

　　传统的EXCEL虽然功能强大，也可以方便的进行图表可视化，但是，它有几个严重的缺点：

　　1、 需要我们手工导入数据底稿，才可能进行相应的分析，而我们稍微有一定规模的连锁企业，如果想将两年以上的交易明细数据底稿导出，数据量就可能已经超出了EXCEL单表可以承受的极限；

　　2、 导出再导入，再整理，需要花费大量的时间，并且假设我们每天都要进行数据分析，那么每天都需要花费同样的时间，90%的时间浪费在获取数据上，根本没时间去分析，最终沦为报表统计，就没有办法挖掘数据价值，对于我们自己来说，加班加点是常态，工作却没有一点附加值。

　　所以，对于运营管理人员，要想实现数据化运营，进行工具升级是必须走出的第一步。奥威BI软件+零售标准方案，最快1周部署见效，还可免费体验！

　　老周道数据，和你一起，用常人思维+数据分析，通过数据讲故事，我们下一讲再见！返回搜狐，查看更加多