京公网安备 11010802034615号
经营许可证编号:京B2-20210330
药店从业者,不能不知的数据分析方法
药店精细化管理管理实务技术倡导“按流程做事,用数据说话”。数据来源于流程,也正是因为有了流程,我们才有了数据分析。
定期进行科学的数据分析,是门店掌握经营方向的重要手段。但无论哪方面数据,分析只是一个开始,然后是计划、执行、考核。
数据分析的关健是能够找出门店存在的问题及可以挖掘的潜力,指导如何开展下一步工作才是最重要的。
日常数据分析要点
门店日常经营数据主要包括品项数、销售额、毛利额、毛利率、来客数、客单价、库存金额、库存天数、动销率、会员消费占比、各品项销售毛利占比、各货区商品进销存分析。
销售指标分析:
主要分析本月销售情况、本月销售指标完成情况、与去年同期对比情况。通过这组数据的分析可以知道同比销售趋势、实际销售与计划的差距。
销售毛利分析:
主要分析本月毛利率、毛利额情况,与去年同期对比情况。通过这组数据的分析可以知道同比毛利状况,以及是否在商品毛利方面存在不足。
客单价:
顾客单次购买商品的总价格。客人来得再多,可是每次总是购买廉价低档的商品,一样无法实现赢利,让营业员学会怎么去引导顾客去消费。
来客数:
进入店面的目标顾客的多少。零售讲求的是人气。这取决于店面的集客引客能力,与该店位置、定位、装修及连锁总部的营销策划能力密切相关。
商品动销率分析:
主要是本月商品动销品种统计。动销率分析,与上月对比情况。
商品动销率计算公式:动销品种/门店经营总品种数*100,滞销品种数:门店经营总品种数-动销品种数。
通过此组数据及具体单品的分析,可以看出门店在商品经营中存在的问题及潜力。
商品品类分析:
主要是本店本月各品类销售比重及与去年同期对比情况。
门店本月各品种类毛利比重及与去年同期对比情况,门店需对本月所有品类销售与毛利情况,特别是所有销售下降及毛利下降的品类进行全面分析,
并通过分析找出差距,同时提出改进方案。
心脑血管品类销售数据分析
我们先看一个门店心脑血管类销售数据的初步表单(见门店数据表1)。
在Excel中用饼图或仪表盘图示更为直接地显示本月门店销售情况。
根据这些数据,自然可以得出该门店的优势和不足,据此给经营决策提供有力的支持,让门店及时调整商品结构。
由门店数据表2和门店数据表3两个表的数据得知销售数、毛利数、品项数重点是调节血压类和活血化瘀类。
心脑血管类总品项数706,总业绩467738.99元,毛利额39659.22元,其中79个品项销售占80%业绩,35个品项占80%毛利额,166个盈利品项,其中高毛利品项28个,283个零毛利,257个负毛利品项。
药品是特殊商品,某品项数是否增加及增加哪个价格带与毛利带的商品,需要考虑疾病用药链接属性,脑血管用药、降血脂用药、心脏用药。
无论是化学药还是中成药都有先天不足,这也决定了这三个品项中的商品属性链接明显低于调节血压和活血化瘀。
调节血压的分类:
① 、中枢性降压药。可乐定、珍菊降压片、甲基多巴。
② 、肾上腺素受体阻断药。阻断药普萘洛尔(心得安)α1阻断药哌唑嗪、α及β阻断药拉贝洛尔。
③ 、影响交感神经递质的药物。利血平、肼曲嗪、氢氯噻嗪。
④ 、神经节阻断药美加明。
⑤ 、钙拮抗药硝苯地平。
⑥ 、周围血管扩张药肼曲嗪、硝普钠。
⑦ 、血管紧张素转换酶抑制药及血管紧张素Ⅱ受体阻断药卡托普利、氯沙坦、洛沙坦、缬沙坦、伊贝沙坦。
⑧ 、钾离子通道开放剂吡那地尔。
⑨ 、利尿降压药氢氯噻嗪。
⑩ 、其他吲哒帕胺、酮色林。
这些代表药物自然是需要从销售数据中得出门店联合用药有不足之处,因为药品的联合是基于疾病联合的。
比如糖尿病和冠心病等,糖尿病患者并发高血压只能应用普利和地平类。具体如下图4。
结论:
由于心脑血管用药是客流性品类,品牌性很强。
但是仍然有机会去强化第二品牌,但过度强化会造成商品销售的减低,结构不合理,调整替代品牌应取代无效益的品牌。
动销数据组案例分析
我们再看一个门店数据,此数据重点是动销品项、动销率、存销比、周转天数。
这些数据是相互关联的,如动销品项数据的变动,走低来客数也走低,周转天数加长,库存金额增加,客单价呈上升趋势(见门店数据表5)。
数据中反映出的问题警示我们,关注品项数及动销情况,主要是本月商品动销品种统计,动销率分析,与上月对比情况。
商品动销率计算公式:
动销品种/门店经营总品种数*100。
滞销品种数:
门店经营总品种数-动销品种数。
通过此组数据及具体单品的分析,可以看出门店在商品经营中存在的问题及潜力。
从存销比可以反映门店库存的合理程度,其合理范围是小于或等于1.75,如果大于或等于2必须调整。
来客数衰退时,一定是商品问题和管理问题。店长主要是管理者,是次要的销售者,要思考提高来客数,与居委会建立友好关系,掌握详细的商圈顾客信息。
可以从小区名称、小区户数、可否投递、来店频率、预估渗透率、预估来客数进行分析。
影响来客数还有价格问题,要注意促销价格、价格政策商品、商品定价的程度,商圈内来客数很多的,价格是敏感因素。
促销在来客数下滑时就不再是有效的经营改善措施,要懂得建立会员的目的到底是为什么?
其目的就是潜在销售量。
提升来客数,重点是提高商圈内知名度的定向活动、多频次的促销活动扩大商圈宣传范围、考虑相关商品品种、商品结构不能满足该商圈需求的因素、考虑是否商品价格过高的因素等。
透过以上简单的十个数据,再做商圈研究分析,看看商圈户数,在观察分析各品类的销售占比。
把这些数据展开来分析,看看到底是什么影响的,然后做SWOT分析表,最后的行动方案就出来了。将来客数按照优势、劣势、机会、威胁列出来,按月整理。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21