零售業如何進行數據分析與策略調整

許多企業的生產活動都會產生大量的數據，而對這些數據的深層次挖掘所產生的數據分析報告，對企業的運營及策略調整至關重要。本文對數據的產生、歸類、分析方法與關聯的策略調整進行了有益的探討。

在零售業中，連鎖公司競爭的實質是管理的競爭。其管理的一個核心目標就是有目的、高效率的收集、處理、使用各種信息。而信息是建立在數據的基礎上的，也就是說，對管理的對象進行量化處理。數據是對生產的直接記錄，而信息則是在數據的基礎上人為的反饋及判斷，企業策略決策的依據。

對某一個行為的分析需要某一群數據組合，對另一個行為的分析又需要另一群數據組合，每一個不同行為分析所需要的數據組合都是不一樣的。為了方便抽取數據，我們要對所有的數據進行分類。通常，我們把一些能直接反映商業行為表象的數據，如進貨、銷售、庫存等數據作為直接數據; 把一些能影響商業行為的數據，如客流量、商品項數、費用成本等作為間接數據。我們不僅要分析進銷存這些直接數據，更重要的是要分析間接數據，因為間接數據是改變直接數據質量的基礎。

直接數據的分析 

對直接數據進行分析，在現階段的零售業已經非常普遍了，從中很容易找出數據分析的結果進而調整策略。下面我們來看幾個表格和案例: 

1． 銷售額及各分類商品銷售比例 

案例1: 某商場2004年可口可樂銷售記錄（見表1) 

從這個表格可以看出在6、7、8月份可樂的銷售呈大幅度上升的趨勢，分析原因我們知道是因為夏季到來的緣故，根據這個直接數據模型我們對門店的指導策略是: 增大備貨量，調整店面陳列，做好敏感商品的價格策略。 

● 案例2: 銷售日報表（見表2) 

在進行商品的品類管理時，我們都有一個初始的各類銷售占比模型，根據這個表格我們就直接知道占比的差異，得到我們需要調整的類別 

2． 促銷商品的銷售額和銷售比例 

案例3: 銷售日報表（見表3) 

通過對促銷商品的占比分析，我們可以判斷一次促銷策略的成功與否，有沒有達到們我們預期的效果（零售促銷策略認為促銷品的銷售占比應該在20%左右）。 

3． 進貨量與庫存量 

案例4: 銷售日報表（見表4) 

通過對進貨量和庫存量的對比我們可以得出進貨的合理性，對不合理進貨需進行更正處理，以減少庫存的積壓。 

4． 庫存周轉率（表格與案例） 

案例5: 銷售日報表(見表5) 

如何來分析周轉天數，也就是說，周轉天數高和低哪個好？最合理的周轉天數是多少？從商品庫存周轉率(次數)和周轉天數兩個效率指標中,可顯示商品的“新鮮”程度。 

商品周轉率高(周轉日數短)的好處是:每件商品的固定費用（成本）降低; 相對降低由損壞和失竊引起的虧損; 能提供新鮮的商品; 能順應流行商品的潮流; 能有彈性地進貨，應變自如; 能以少量的投資得到豐富的回報; 減少存貨中不良貨品的機會。 

而周轉率過高（天數太短）帶來的危機是: 容易出現“斷貨”; 陳列不夠豐滿; 不容易獲得大量進貨的折扣優勢; 進貨次數增加使得進貨程序和費用相應增加; 進貨次數增加也使運送費用相應增加。 

5． 毛利率與毛利額（表格與案例） 

● 案例6: 銷售狀況表 

以上的幾個案例應用的是對直接數據的分析，在分析中大量地使用了比例分析法，通過對零售業的比例模型及競爭對手的比例模型，我們會很方便地得到需要進行調整和改進的策略。但對隨之需要進行的精細調整、定位于調整哪一類中的哪一些商品、為什么要這么調整、應該如何調整等問題我們就顯得有些茫然了。對于這些問題現在往往依靠業務人員的經驗來處理，但解決這些問題的最有效方式是數字化運營分析。數字化運營分析也就是對間接數據的組合分析，建立數據鉆取模型，在數據倉庫中進行鉆取，逐漸找到我們的問題點?！?nbsp;

間接數據的組合分析 

間接數據的組合分析就是將直接數據分析中得到的分析結果進行有效的組合和數據關聯，并且在統一的數據模型下進行鉆取以及進行關聯交叉分析，逐漸發現并縮小分析的范圍。 

我們在間接數據的分析中常用到的是銷售綜合分析、庫存分布分析、商品結構分析、ABC商品分布分析、商品毛利帶分布分析、商品價格帶分布分析、商品滯銷與進貨量分析、供應商盈利能力分析等，在這些分析中可以互相交叉和分析條件的傳遞。下面將通過銷售綜合分析及交叉分析的案例來展現間接數據組合分析的魅力。 

1． 銷售綜合分析 

銷售綜合分析的分析指標是銷售額、毛利額、毛利率、交叉比率、庫存（日均）; 分析條件是時間段（任意時間段、自然時間段）、經營方式; 分析層次是總部→門店→大類→中類→小類→單品。表6為開始分析時的報表入口。 

這個報表的第一行是全公司的綜合分析比率，可以作為對比數據分析的基點，在這里用到的是毛利率、交叉比率、日均庫存。通過對毛利率的對比，發現門店2的毛利率偏低，偏離了制定的毛利率目標。要找出偏離的原因，需要對數據進行關聯的鉆取分析。將報表條件進行傳遞，得到鉆取到門店2的大類報表。通過對表7分析可以看出大類2的毛利偏低，我們可以一直鉆取到中類、小類、單品，還可以進一步地將報表條件傳遞給銷售—毛利帶的交叉分析。 

2． 交叉分析（銷售—毛利帶） 

在對整個低毛利的中類作毛利帶分析的基礎上，我們可以調整毛利帶的分布結構，把毛利帶進行偏移，來調整我們的價格策略。 

3． 關聯分析（同比/環比分析） 

將上一級分析的報表條件傳遞給同比分析，用同比分析的結果來檢驗我們對毛利調整策略的結果，看一下數據變化趨勢，以便進行下一階段的商品調整。 

通過上面的對銷售的綜合分析報表，層層數據鉆取后，對毛利的偏差已經可以精確的定位問題的所在，并通過數據分析來制定策略的調整。同時還可以將更多的報表進行傳遞展現，一層一層地深入，建立企業的經營數據模型，用比較分析法找出差異，做到數字化的運營管理，提升企業的競爭力。 

鏈接 

數據化管理 

數字化管理，要求用數據“說話”，實施數據化管理，必須尊重數據，每一個人都必須對數據負責。數據化管理的實質是用數據來反映實際發生情況與原定預算指標的差異。當預算匯總表所反映的情況與實際發生的情況有差異，也就是說明企業在總體上已偏離了所要實現的目標，這時，預算匯總表又成為采取糾正措施的指導。 

實際完成情況與原指標（Budget）有了偏差，就需要我們對原指標進行調整，進行新的一輪預測（Forecast）。數據分析是現代信息技術與現代管理技術結合的產物。