零售业如何进行数据分析与策略调整概要

1、零售业如何进行数据分析与策略调整许多企业的生产活动都会产生大量的数据，而对这些数据的深层次挖掘所产生的数据分析报告，对企业的运营及策略调整至关重要。本文对数据的产生、归类、分析方法与关联的策略调整进行了有益的探讨。在零售业中，连锁公司竞争的实质是管理的竞争。其管理的一个核心目标就是有目的、高效率的收集、处理、使用各种信息。而信息是建立在数据的基础上的，也就是说，对管理的对象进行量化处理。数据是对生产的直接记录，而信息则是在数据的基础上人为的反馈及判断，企业策略决策的依据。对某一个行为的分析需要某一群数据组合，对另一个行为的分析又需要另一群数据组合，每一个不同行为分析所需要的数据组合都是不一样案

2、例:灵巧电气公司为何在投标中失败 灵巧公司的天津市区域营销经理李开心收到本市一家超市老大福满多公司营销副总林的来电：灵巧公司已经入围其超市连锁零售点电子收银系统（简称EPOS ）的第一轮投标。EPOS系统在零售业是一次重大的突破，使销售交易速度大大加快，收银误差也减少到了最低程度，此外还可以编制出许多报告，如产品销售速度报告以及库存报告。有助于商店更密切地计划和监督零售活动、减少库存。灵巧公司是德国一家电子产品巨头在中国的下属合资子公司，他们认为，自己生产的EPOS 在技术上要优于其他三家对手的产品，到目前为止，灵巧公司只向当地两家小型连锁公司销售过这种产品，如果向福满多公司销售成功，就可能产

3、生200多万的销售收入，并为其他客户提供了样板。其他三家较大的竞争对手，第一家是中国本土民营企业A 公司，第二家是中美合资B 企业，第三家是本地C 企业。福满多公司三位副总（财务副总周，管理信息技术副总陈和经营副总林）负责EPOS 项目。接到林的来电后，李经理马上拜访林总，在林办公室看到了一些其他公司的EPOS 说明书。李告诉他的。为了方便抽取数据，我们要对所有的数据进行分类。通常，我们把一些能直接反映商业行为表象的数据，如进货、销售、库存等数据作为直接数据;把一些能影响商业行为的数据，如客流量、商品项数、费用成本等作为间接数据。我们不仅要分析进销存这些直接数据，更重要的是要分析间接数据，因为

4、间接数据是改变直接数据质量的基础。直接数据的分析对直接数据进行分析，在现阶段的零售业已经非常普遍了，从中很容易找出数据分析的结果进而调整策略。下面我们来看几个表格和案例:1 销售额及各分类商品销售比例 案例1: 某商场2004年可口可乐销售记录（见表1从这个表格可以看出在6、7、8月份可乐的销售呈大幅度上升的趋势，分析原因我们知道是因为夏季到来的缘故，根据这个直接数据模型我们对门店的指导策略是: 增大备货量，调整店面陈列，做好敏感商品的价格策略。 案例2: 销售日报表（见表2在进行商品的品类管理时，我们都有一个初始的各类销售占比模型，根据这个表格我们就直接知道占比的差异，得到我们需要调整的类别

5、2 促销商品的销售额和销售比例 案例3: 销售日报表（见表3通过对促销商品的占比分析，我们可以判断一次促销策略的成功与否，有没有达到们我们预期的效果（零售促销策略认为促销品的销售占比应该在20%左右）。3 进货量与库存量 案例4: 销售日报表（见表4通过对进货量和库存量的对比我们可以得出进货的合理性，对不合理进货需进行更正处理，以减少库存的积压。4 库存周转率（表格与案例） 案例5: 销售日报表(见表5如何来分析周转天数，也就是说，周转天数高和低哪个好？最合理的周转天数是多少？从商品库存周转率(次数 和周转天数两个效率指标中, 可显示商品的“新鲜”程度。商品周转率高(周转日数短 的好处是:每件

6、商品的固定费用（成本）降低; 相对降低由损坏和失窃引起的亏损; 能提供新鲜的商品; 能顺应流行商品的潮流; 能有弹性地进货，应变自如; 能以少量的投资得到丰富的回报; 减少存货中不良货品的机会。而周转率过高（天数太短）带来的危机是: 容易出现“断货”; 陈列不够丰满; 不容易获得大量进货的折扣优势; 进货次数增加使得进货程序和费用相应增加; 进货次数增加也使运送费用相应增加。5 毛利率与毛利额（表格与案例） 案例6: 销售状况表以上的几个案例应用的是对直接数据的分析，在分析中大量地使用了比例分析法，通过对零售业的比例模型及竞争对手的比例模型，我们会很方便地得到需要进行调整和改进的策略。但对随之

7、需要进行的精细调整、定位于调整哪一类中的哪一些商品、为什么要这么调整、应该如何调整等问题我们就显得有些茫然了。对于这些问题现在往往依靠业务人员的经验来处理，但解决这些问题的最有效方式是数字化运营分析。数字化运营分析也就是对间接数据的组合分析，建立数据钻取模型，在数据仓库中进行钻取，逐渐找到我们的问题点。间接数据的组合分析间接数据的组合分析就是将直接数据分析中得到的分析结果进行有效的组合和数据关联，并且在统一的数据模型下进行钻取以及进行关联交叉分析，逐渐发现并缩小分析的范围。我们在间接数据的分析中常用到的是销售综合分析、库存分布分析、商品结构分析、ABC 商品分布分析、商品毛利带分布分析、商品价

8、格带分布分析、商品滞销与进货量分析、供应商盈利能力分析等，在这些分析中可以互相交叉和分析条件的传递。下面将通过销售综合分析及交叉分析的案例来展现间接数据组合分析的魅力。1 销售综合分析销售综合分析的分析指标是销售额、毛利额、毛利率、交叉比率、库存（日均）; 分析条件是时间段（任意时间段、自然时间段）、经营方式; 分析层次是总部门店大类中类小类单品。表6为开始分析时的报表入口。这个报表的第一行是全公司的综合分析比率，可以作为对比数据分析的基点，在这里用到的是毛利率、交叉比率、日均库存。通过对毛利率的对比，发现门店2的毛利率偏低，偏离了制定的毛利率目标。要找出偏离的原因，需要对数据进行关联的钻取分

9、析。将报表条件进行传递，得到钻取到门店2的大类报表。通过对表7分析可以看出大类2的毛利偏低，我们可以一直钻取到中类、小类、单品，还可以进一步地将报表条件传递给销售毛利带的交叉分析。2 交叉分析（销售毛利带）在对整个低毛利的中类作毛利带分析的基础上，我们可以调整毛利带的分布结构，把毛利带进行偏移，来调整我们的价格策略。3 关联分析（同比/环比分析）将上一级分析的报表条件传递给同比分析，用同比分析的结果来检验我们对毛利调整策略的结果，看一下数据变化趋势，以便进行下一阶段的商品调整。通过上面的对销售的综合分析报表，层层数据钻取后，对毛利的偏差已经可以精确的定位问题的所在，并通过数据分析来制定策略的调整。同时还可以将更多的报表进行传递展现，一层一层地深入，建立企业的经营数据模型，用比较分析法找出差异，做到数字化的运营管理，提升企业的竞争力。链接数据化管理数字化管理，要求用数据“说话”，实施数据化管理，必须尊重数据，每一个人都必须对数据负责。数据化管理的实质是用数据来反映实际发生情况与原定预算指标的差异。当