零售业数据分析的媒介

当你需要从一堆复杂庞大的数据中分析出有用的信息和结论的时，想必你一定觉得力不从心；数据的冗余使得你分析起来困难重重，怎么办呢？今天我们就来讲一下使数据分析变得简单有效的“手段”。

对于当今的中国零售行业来说，市场的竞争日趋激烈，电商的发展对传统实体店带来了新一轮的冲击，成本费用的高涨，利润持续走低；关于零售行业的其他方面在这里就不详谈了，现在我们主要从KPI的几个指标通过BI工具来看下零售行业的数据分析

一张图能看出什么东西？销额？毛利？库存？远远不止这些，我们来看下面一个例子：

如上图所示，我们可以看到不仅有销额，毛利，库存，还有毛利率、周转率、销额占比、毛利贡献率与交叉比率几个不常用的指标。不仅如此，还可以同时看到各指标去年同期（或上期）的值以及同比（或环比）的情况；

在使用BI工具的情况下，对商品的种类，时间，品牌等不同的维度属性进行上述指标的计算与分析；这样我们就可以更加直观的对公司的销售情况进行一个分析。

除此之外，我们还可以通过BI工具对门店的运营情况做一个分析，评价门店运营水平的KPI指标非常多，评效、人效、任务完成率等，这些指标更多的是体现结果，而不体现过程，现在我们用BI工具对如何提升销额这一块做一个分析：

从上图我们可以看出，将销额的构成，分解成几个体现过程，又环环相扣的指标来看，一个门店运营水平的好与坏就显而易见了，那么我们从中看出了什么问题呢？

我们可以很明显的的看出当期的销额环比下降了9.2%，为什么会造成这种情况呢？

我们顺着这个业绩数展开来看，发现客流量是微增了1.8%的，主要是因为客单价下降10.8%给拖累的。那为什么客单价为下降这么明显呢？这就需要我们有更多的数据去分析了，如果我们能再从各品类的维度去分析，就可以快速找到哪个品类客单价下降最快，然后再层层展开到各中类，小类，甚至可以定位到某个明细商品；我们还需要从门店的角度，去看是不是所有的门店都遇到同样的问题，还是因为几个占比较高的门店才有这样的问题？或者，我们还可以从时间的维度来看，去年同期是不是也有同样的趋势？

仅从这些数字上来看，可以大概得到这样的一个结论：虽然客流量微增，但因为品单价快速下降导致客单价明显下降，所以，造成销额下滑明显。

数据能告诉我们什么？通过数据挖掘，我们可以得到有效的信息以便更好的服务于公司，利用BI工具对数据进行一个多维角度的分析，并且对数据进行有效的整合，快速准确的提供图表并找出问题所在和提出决策依据，这是BI工具相比于其他数据分析手段的优势，选择BI工具去分析数据，能让数据分析做到事半功倍，这也是在数据分析中，BI工具使用的大势所趋。