
8大数据看中国体育品牌的2014总利润达29亿
从安踏开始到李宁结束,五大中国运动品牌已经相继发布了自己2014年的财报(因为体育用品已经不是中国动向的主营业务,所以我们暂时把中国动向放在一边)。数据显示,五大运动品牌营收总和高达272亿,店铺数量总和为33681间,除亏损的李宁外,四大品牌利润总和为29亿。应该说,这些数据要比2013年好看很多,结合当下以足球为龙头的体育改革大幕开启,中国体育用品行业已经呈现出明显的复苏迹象。
以史为镜才能展望未来,对各家财报中直接显示运营效率的8个关键数据进行对比分析,帮助大家快速了解五大运动品牌2014年的运营成绩。
五大运动品牌的详细数据
数字1:营收
89.2亿,这是安踏2014年的营业收入,这个数字的难得之处是安踏在连续两年营收下滑后,不仅恢复增长,更是突破了2011年89亿的历史纪录,这一数字比行业老二多出22亿。而李宁67.3亿元的营收又较行业第三的特步47.8亿高出一截。有网友笑称李宁已经坐稳了行业老二的位置,这是对李宁这个曾经的行业霸主的调侃,也是怒其不争的一种无奈吧。此外,361度营收39.1亿,匹克营收28.4亿,五大运动品牌相互之间的差距开始慢慢拉开。
数据2:毛利率
从毛利率来看,体育用品行业绝对不是一个夕阳行业,2014年毛利率最高的是安踏,较2013年提高3.4个百分点达到45.1%,之后是李宁44.6%、特步40.8%、361度40.9%,垫底的匹克毛利率也提高至38%。高毛利影响投资人对企业的态度,按照巴菲特的选股方法,毛利率超过40%是选股标准。高毛利是巴菲特很看重的一个财务指标,他认为只有具备持续竞争力的公司,才能保持高毛利。从这一数据上看,体育用品行业仍然是一个“相当有钱途”的行业。
数据3:净利润
安踏赚了整整17个亿,比特步(4.8亿)、361度(3.9亿)和匹克(3.2亿)的利润总和还要高出5亿多,应该是坐稳了国内体育品牌第一的位置。丁世忠之前反复提及安踏得益于垂直整合供应链模式,这种模式让安踏深入到了整个供应链的所有环节,换言之即所有环节中的利润都被安踏拿走了一部分。
数据4:亏损
7.81亿元这是李宁在2014年亏损的金额,李宁是五大品牌中唯一一个亏损的,这已经是他连续第三年亏损,从2012年的巨亏20亿,到2013年亏损3.92亿,再到2014年亏损7.81亿,李宁公司在短短三年间亏损近32亿,这差不多等于2007年到2011年李宁公司的利润总和。不过好消息是,7.81亿较之前预计的8.2亿要低了一些,李宁先生在香港对媒体表示,2015年时将通过增加电商比重和产品降价来推动发展。
数据5:营销占比
19.3%,这是李宁公司2014年广告及宣传开支占比,高居五大运动品牌首位,比第二的特步(13.1%)高出6个百分点。值得一提的是,这个数字还比2013年下降了4.9个百分点,2013年李宁的广告及宣传开支占其营业额的1/4。主要原因是CBA和韦德这两个资源让李宁花费了太多的资金,据传CBA的签约费为5年20亿,韦德的签约费为10年1亿美元。仅仅为了这两项签约,李宁公司每年就得掏出超过4.5亿的真金白银(含运动装备),按照体育行业签约费比推广费1:2的常规标准计算,李宁还得花9亿去做推广才能取得一定效果。去年,缺钱的李宁砍掉了2014年韦德中国行,丢掉了大本营体操中心,可见李宁公司对于签约体育资源以及推广资源还处于“非常任性”的状态。好消息是李宁管理层已经准备面对现实,计划在2015年减少赞助资源及推广方面的投放,以减省经营开支务求转亏为盈。而安踏、361度和特步的广告宣传占比在10%-12%之间。
数据6:库存周转天数
109天,这是李宁2014年的存货周转天数,依然是五大运动品牌中时间最长的,比2013年增加了5天。存货周转天数是指企业从取得存货开始,至消耗、销售为止所经历的天数。周转天数越少,说明存货变现的速度越快。这个不令人愉悦的数字意味着该公司的销售不尽如人意。此方面表现最好的是安踏,58天。其次是361度和匹克,均为70多天。特步的91天排在倒数第二位。
数据7:应收款周转天数
167日,这是361度2014年的平均贸易应收款项周转日数,比2013年减少38天,但仍是五大运动品牌中时间最长的,是安踏35天的近5倍。平均贸易应收款项周转日数是指企业从取得应收账款的权利到收回款项、转换为现金所需要的时间。简单的说,361度把货物批发出去后,要等半年时间才能收到账款。李宁和特步在此方面相差不大,以71天和85天分列二、三位,匹克则是另外一个破百天的品牌,以114天列倒数第二。
数据8:店铺数量
5626间,这是李宁公司2014年的店铺数量,竟然是五大运动品牌中店铺数量最少的企业,比2013年减少了289间,和其2011年巅峰期的8255间相比,减少了2629间。其中直营店铺1202间,占总店数的21.4%,需要注意的是,按李宁公布的财报数据显示,2015年李宁品牌批发收入36.3亿,直营收入21.2亿,也就是21.4%的直营店铺,贡献了36.8%的业务收入,这一方面说明李宁的直营业务表现还不错,同时也说明其非自营渠道运营仍未转好。安踏、特步以及361度的店铺数量均维持在7000多间,匹克的6004间只比李宁稍多。
从以上几个数据看,安踏已经完成了从跟跑者到领跑者的角色转换,去年签约体操中心、NBA合作伙伴等一系列动作更可以看出安踏的野心。过去几年中安踏的经营风格稳健,但看不出进一步的战略调整和行动,如何在中国市场挑战国际品牌,还需要观望。
2014年李宁的表现也让一度有望成为行业老二的特步暂时打消了这个念头,2015年提出渠道直营化、定位年轻化、价格下调、加大电商占比、拥抱互联网等可以说是行业中变化最大也是最坚决的公司,不过达成这几个目标中的任何一个都需要非常强大的执行力,而执行力恰恰是现在李宁公司最欠缺的,如何改变这个顽疾是李宁先生复出后首先面临的问题。
特步的2014年表现不尽如人意,48亿的营收并非真实实力的体现,2015年特步定位回归专业体育,但是在国内体育资源被安踏和李宁瓜分殆尽的情况下,如何与体育产生核心关联,做到娱乐休闲市场和体育市场双管齐下将是丁水波首先要考虑的问题。
361是个人最不看好的一家企业,2014年的最大亮点当属与百度合作的儿童定位鞋,但是这款产品的噱头意义大于商业价值,尤其是与百度这样的互联网巨头的合作,难以获得产品以及市场的主导权。此外2014年赞助了青奥会和亚运会的工作人员和志愿者服装,2016年还将赞助里约奥运会工作人员和志愿者服装,大笔的赞助费也没有得到真切的商业回报,还不如赞助央视体育频道演播室来的直接。
作为五家中最小的一家,匹克一直坚持定位篮球市场,有不错的表现,但这也限制了其自身的发展,2014年最核心的体育资源NBA合伙伴被安踏夺走,很多人绝得这是个利空消息,但对匹克来说也许是一个逼出来的机会,匹克现在要做的是少讲国际化,全力从篮球向多品类市场拓展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13