营销经理数据分析模型

第一篇：营销经理数据分析模型

营销总经理的业绩数据分析模型－－营销总经理的工作模型

（一）前言

营销总经理这个职位压力大而且没有安全感——天气变化、竞品动态、本品产品质量、公司的战略方向、费用投入、经销商的突然变化、行业动荡、上游采购成本等等诸多因素影响业绩。营销行业没有常胜将军，但是这个行业以成败论英雄。

营销总经理这个职位事情多而且杂乱琐碎：营销总经理要遥控管理庞大的营销团队，服务于全国几千万家经销商和终端。工作千头万绪，哪怕每天干25个小时，工作还是俄罗斯方块一样堆积。

压力和杂务干扰之下，就容易迷失，做营销总经理需要热情、能力、经验、更需要固化的可复制的工作模型，帮助自己脱身庶务，联系市场实际，提升管理绩效。

营销总经理工作模型一：数据分析模型

一、营销总经理数据分析流程概述

数据分析好像“业绩体检报告”，告诉营销总经理哪里有问题。营销总经理要每天按照固定的数据分析模型对当日发货量、累计业绩进度、发货客户数、发货品项数、产品结构、区域结构等关键指标进行全方位多维次的实时监控。随时关注整体业绩达成的数量和质量。

如果公司整体业绩分析没问题就下延看区域业绩有没问题，没问题就结束分析。如果公司整体业绩有问题；就要思考有没有特殊原因——比如：天气下雨造成三天发货量下滑，天晴后业绩会恢复。公司上半月集中力量乡镇市场压货，所以低价产品业绩上升高价产品业绩下滑是计划内正常现象。如果没有特殊原因，确实属于业绩异常，就要立刻从这个指标着手深度分析：通常是从产品、区域、客户三条主线来研究。发现问题产品（哪个产品需要重点管理）、发现问题区域（哪个区域需要重点巡查）、发现问题客户（哪个重点零售ka系统重点经销商的业绩不正常）。除非问题非常严重，一般营销总经理的数据分析下延到直接下级（大区或者省区层面）即可，然后要求问题区域的大区经理做出解释，拿出整改方案。大区省区经理再做区域内数据分析，寻找问题产品、问题片区和问题经销商。

数据分析得出结论就找到了管理重点，接下来营销总经理要采取针对性有的放失的管理动作——比如立刻去巡检重点问题区域、要求问题区域限期改善、更改当月的促销投入或者产品价格、设立新的工作任务（比如乡镇铺货）等等，整个分析流程图示如下：

二、营销总经理数据分析的关键指标

具体分析报表各企业各行业有所不同，但关键指标和分析方法大同小异。

指标一：监控当日整体业绩，闻风而动

说明：营销总经理要从每月第一天开始到最后一天结束每天进行当天数据分析业绩管理，其一可以避免大家月初松懈，月底业绩好就踩刹车——销售团队月初松懈月底刹车是通病，带来的销量损失后面是补不上的，失去的销量永远不会再来，同时会伤害市场，给竞品制造机会。其二可以避免即时市场隐患：比如上半月业绩进度很好，下半月竞品攻击，本品业绩放缓，但是报表反映累计进度还不错（实际上市场已经出了问题）。

方法：

1、每天关注看昨日发货回款业绩是否达到当日业绩目标——用当月未完成的任务目标除以当月的剩余天数，就是公司当天应该达成的发货回款目标。前期业绩达成进度越差，后面每天要求完成的日发货回款量就越高。

2、分析每日业绩达成，无正常理由连续2天发货业绩不理想，就要立刻深挖原因（可能是下去走市场，或者进一步的数字分析，或者大区经理会议讨论业绩滞涨的原因等等）进行实时管理。避免贻误管理时机

作用：使总经理及时掌握每天各区域及整个公司的当日分品项/合计销售状况。

实际操作意义示例：

（1）跟进弱势区域

如：A区达成率落后于市场平均水平，但今天出货量还是极少？（A区当日出货15件）

（2）跟进弱势品项

如：品项3是这个月的推广重点，今天只有B出货，区域A、C的品项3今天为什么无销量？

（3）实时掌握销量

如：虽然这个月整体达成率超前，但最近连续两天出货率很低，出了什么问题？

指标二：监控截止昨日的当月“累计业绩达成”和“档期任务达成”。

说明：“月累计业绩达成”进度要和时间进度作对比。“档期任务达成”是指每个月的业绩管理不应该是平均分配业绩进度，而应该是“赶前不赶后”。

方法：

1、分析截至昨天全公司累计发货回款进度对比时间进度是否跟上或超前。

2、档期任务达成：

※周任务档期：事中管理是管过程，找问题及时补救。事后管理是管结果，死后验尸——等到月底再追进度已经来不及了。通常每月任务要分四周进行档期追踪，鼓励全公司各区域业绩往前赶，比如要求第一周达成当月任务量35%（而不是25%），第二周达成当月任务量60%（而不是50%），第三周达成当月任务量85%（而不是75%），第四周达成100%，对全月能达成任务，但是周任务档期不能达成的区域进行奖罚正负激励。

※特殊时段任务档期管理：这个方法尤其在销售拐点时运用（比如春节前后压货、旺季前压货、农村市场两收前压货等时段），“逼”大家把进度往前赶。比如：2月5号过年，元月份要鼓励大家提前压货，要求元月15号前必须完成当月任务70%，否则进行正负激励。

指标三：监控销售“大盘”有没有动摇

说明：什么是销售“大盘”？包括两个关键指标：“发货客户数”、“客户经营品项数”这两个指标很重要，但是很容易被忽略。业绩总量达成了，但是很多经销商没有发货——危险，这说明经销商活跃度下降，可能是业务人员没有对所有经销商进行拜访、可能是我们的市场区域在萎缩，也可能是冲货砸价造成大户吃小户。或者业绩总量达成了，经销商也很活跃都在进货，但是经销商合计进货品项数减少了——有问题，这说明经销商经营本公司的品项数在下滑，可能会出现单品销售现象（除非是公司策略性压缩品项）、价格秩序和通路利润可能即将混乱。

方法：

1、每天监控发货客户数和发货品项数：累计前n天看客户发货回款是否活跃？零发货客户零发货区域是否存在？累计前n天看累计客户发货品项数是否活跃？同期对比是否正常？

2、尤其是当月前十五天，如果“发货客户数”或“累计客户发货品项数”严重下滑，就说明“大盘”出问题了，要赶紧寻找原因进行管理（比如给经销商当月首次提货激励、给销售人员进行区域内零发货客户数处罚、零发货区域处罚、经销商活跃率奖励等等），后半月也许还能抢回来。

例表：可在企业原有销售报表基础上加一栏：“累计发货客户数”、“累计客户发货品项数”、并于去年同期数字作对比。（具体报表略）

指标四：监控销售质量

说明：销售质量通常看几个指标：产品结构有没有出现单品销售现象？渠道结构有没有问题？重点零售客户发货是否正常？区域结构有没有问题，谁在拖整个公司业绩的后腿？对利润中心考核制的企业，还要分析费用使用进度和销量达成进度的对比。

方法：

1.看产品结构：

※品类（或价格带）占比分析：通过分析各价格带产品或者各品类产品占整体销量的占比份额（比如每天监控高中低三个价格带产品的销售占比），看整个公司和各个大区的产品结构。哪个区域产品结构需要重点管理。

注：品类或价格带占比权重变化会导致公司产品平均售价的变化，所以有些公司还导入“平均价”指标来分析“价格结构”，实际上是“产品结构”的另一种反映形式。需要提示的是对“价格结构”、“高价产品占比”的片面追求往往牺牲销量，造成“量跌价升”，所以必须“量价配套分析”。对“量价齐跌”的区域重点管理；对“平均价”或“高价产品”占比低于公司水平的区域要鼓励他改善产品和价格结构；而对“平均价”、“高价产品占比”已达标或高于公司均值的区域，不必在这个指标上持续加压力，避免误导。

※重点产品产品别分析：重点产品和占比相对大的几个主导产品，分每个产品看当日发货回款进度、累计发货回款进度、增长率（对比上月）、成长率（对比去年同期），尤其当月前十五天看重点产品发货回款客户数是否活跃？重点产品零发货客户零发货区域是否存在？重点产品业绩滞涨的问题区域和问题客户是哪里？

2、看区域结构：看大区别（对直辖管理的重点市场要单独分析）当日和累计业绩进度、累计发货客户数和总发货品项数、分析各区域增长率、成长率、分析区域销量占总体销量的占比，从而寻找到问题区域。

3、看重点客户和渠道结构：重点客户（比如全国前十大经销商、重点市场主力经销商、重点KA系统）要每天监控发货量、累计进度、成长率、增长率、产品结构。

作用：掌握当月各区域（及整个公司）累计销量达成情况、当月各区域（及整个公司）分品项的累计销量及品项占比

实际操作意义示例：

（1）跟进弱势区域如：区域A、C达成率低于整体水平也低于时间进度，整个公司达成率不容乐观，需采取应对措施！（7月10日整体达成40%，A区达成30%，C区达成25%）

（2）跟进弱势品项如：区域B止今日达成率超前，但品项2的出货比例太小，出了什么问题？（7月10日B区达成66%，但品项2出货占比仅16.7%，相对其他区域品项2的占比太低）

（3）品项3本月正值旺季前销售启动之际，但本月整个公司品项3的出货比例小，及时跟进品项3的销量、促成各区在品项3的推广上加大力度当是本月销量增长的机会点！（品项3仅占总销量的21.3%）。

三、数据分析结论的使用

1、“三维”数据分析法：数据分析的目的是为了找到问题，要逐层深挖“罪魁祸首”。首先看整个公司的达成率、成长率、增长率、产品结构，发货客户数是否健康，发现任何一个指标异常，立刻要从“区域、客户、产品”三条线往下深挖：①、业绩滞长是哪个产品造成的——这个产品业绩差是哪个区域造成的哪些客户造成的，最终锁定问题产品的产生原因——问题产品的问题区域和问题客户。②、业绩滞长是哪些区域造成的——这个区域的问题产品和问题客户是谁，最终锁定问题区域产生的原因——问题区域的问题客户和问题产品。③、哪些经销商业绩问题最严重——这个问题经销商业绩差是哪个问题产品造成的，层层抽丝剥茧找到最终原因，管理才会有的放失。2、6个月纵向分析法：对锁定的问题产品问题区域问题客户可以纵向深度分析6个月数据，该区域6个月内的总销量及主要品项的达成/增长/成长率是否稳定？发货客户数和发货品项数有无异常趋势？从6个月的纵向趋势分析更容易剔除当月偶然因素，做出完整结论。比如：

问题区域纵向分析示例：“该区域6个月以来连续4个月达成率小于100%，达长率近5个月低于公司水平，已经有三名经销商停止进货。高价产品A每月销量在减少（说明这个产品回转很差快死了），需要立刻去走访，尤其注意观察停止进货的经销商是什么原因？还有高价产品A的市场表现有什么异常？”

问题产品纵向分析示例：“整个公司的低价产品B，6个月以来全国发货客户已减少42个，产品成长率近3个月为负数，业绩累计比去年下滑两万多箱，是造成公司近几个月整体业绩下滑的主要原因，尤其山东、河南两省下滑最严重，需要立刻推出该产品的销售激励政策，重点走访乡镇市场，走访山东、河南，寻找原因，布署B产品的乡镇提升方案”。

3、区域分类分析法

把全国市场分为三类：管理类市场（如：市场波动大，成长率小于5%甚至负成长）；成长类市场（如：市场稳定成长率小于50%）；攻击类市场（如：市场空白较多，成长率大于50%甚至更多）。对不同类型的市场进行归类分析，除了所有市场都要求任务达成率之外，不同类型市场要关注不同指标：对管理类市场，由于市场不稳定，有负成长趋势，所以要重点关注“零发货客户”指标，小心市场萎缩。对攻击类市场，由于可开发空白较多（这类市场不应该有淡季，应该逐月增长，因为有很多空白网点待开发），所以要持续关注逐月增长率，同时成长率低于20%说明进攻速度放缓，应予关注。对成长类市场，重点关注成长率，保证市场稳定。

提示：①一个成长类市场可能由于每月数据波动当月数值变的好像是攻击类，所以要看该市场3~6个月走势，而非一个月。一旦该市场3~6个月走势确定已经进入另一个类型（如成长类变成攻击类）就要改变该区域的投入策略和数据分析方法。②总经理对各类型市场甚至各重点区域要给出明确并且连贯的目标和方向。如：“任何区域首先看达成率，其二价格低于公司水平的要持续提升价格和高价产品占比。攻击类市场的成长率必须高于50%，而且每月要环比增长等”，避免出现区域面对一堆指标，这个指标好，那个指标差，总是被批评，失去方向和积极性。

4、颜色管理

在分类分析的基础上做颜色管理，让销售内勤在制作报表时对优劣数字用不同颜色予以标注，方便总经理一眼发现问题。

1）颜色定义：红色代表达标和好消息，绿色代表不达标和坏消息。

2）明确标准，如：

任务达成率：超过时间进度且超过公司进度标红，反之标绿。

成长率和增长率：超过同类市场（成长类、管理类、进攻类）平均值，同时大于零，标红，反之标绿。

注：不同类型市场成长率增长率差异非常大，所以要和同类市场比较。

5、使用销售数据分析快报。每周出一期，把同类市场从多个关键指标对比指明优劣区域。这个方法的原理和档期任务考核相似，都是缩短考核周期，不同之处在于多维次综合分析。

例表：

说明：

①、把不同类型的市场放在一张报表分类比较才客观，所以是“分类分析快报”。

②、正常情况，该快报一周一次，业绩出问题时可以应实际需要机动截取时间段来分析。同时这张表要每次把前几次的报表套起来看，如：第一二周快报出现的问题区域，后面要持续关注第三周第四周有没有改善，有没有持续上“黑榜”。

③、不同指标在差值栏显示的内容不一样——达成率和重点产品达成率差值栏表示的是和时间进度的差值，成长率增长率显示的是与同类市场平均值的差值。

④、异常说明综合评价栏，表达的是这个区域的其他指标内容以及本表的综合评价，如：“广西区域成长率增长率达成率本期均上倒数三名黑榜，高价产品本月截止目前较去年下滑60%，平均价低于公司平均值又下滑0.03元，发货客户减少两名，请大区经理见报后立刻走访广西市场，一周内拿出诊断报告，整改方案，并看到日发货量的改善。

回顾：

营销总经理要运筹帷幄决胜千里之外，靠什么？首先靠数据分析模型和敏感度。

※每天监控“当日业绩数据”，让你闻风而动，不放过一丝危机，团队不敢有一天松懈。

※每天监控“累计进度”和“档期任务达成”，再使用“销售数据分类分析快报”让你做到管理业绩进度而不是被业绩进度管理。

※随时关注“进货客户数”、“客户经营品项数”、“产品结构”、“区域结构”、“客户结构”，让你可以敏感的发掘销售质量的异常动向，并做事前管理。

※“颜色管理”、“三维分析法”、“6个月纵向分析法”、“区域分类分析法”，让你能够对不同类型的市场针对性分析，而且最终找到罪魁祸首，有的放失进行管理。

营销总经理分析数据，仅仅靠经验肯定会丢三落四，要使用固定的数据分析模型。这是营销总经理的基本功，必修课。刚开始会很难，难度会随着对模型的习惯和熟练而降低，你会从中找到“稳坐军中，而知天下大事”的乐趣。

企业薪酬结构的选择方法

2011-10-27 09:34 来源：中国医药营销联盟 作者：舒化鲁 点击： 196637 核心提示：在企业内部，薪酬结构的设计和确立不能笼统地套用一种统一模式，必须根据各个职类的劳动过程特征，对应设计相应的薪酬结构。因为只有对应各个职类的劳动过程特征的薪酬结构，才能充分反映不同职类的劳动贡献的差距。在企业内部，薪酬结构的设计和确立不能笼统地套用一种统一模式，必须根据各个职类的劳动过程特征，对应设计相应的薪酬结构。因为只有对应各个职类的劳动过程特征的薪酬结构，才能充分反映不同职类的劳动贡献的差距。否则，必然造成一部分职类岗位角色的特定要求和特别贡献被轻视或埋没。有差别不能体现，也就是大锅饭，因而必然会影响其积极性和能动性的发挥，进而使企业花了钱买不来效益，使劳动投入效益降低，甚至无效，并因此而制约企业的市场竞争能力。

企业内部的各个岗位角色，因为其对能力要求和工作过程的特点的不同，可以分为六大职类：经营管理类、专业技术类、销售业务类、办公文员类、现场操作类和辅助服务类。每一个职类都必须对应其能力条件要求和工作过程特点，设计其薪酬结构。其思路如下：

第一职类：经营管理类薪酬结构的选择确立方法

这一职类又可以分为四小类，即高层直线主管、中层直线主管、职能主管、现场主管。

高层直线主管。

高层直线主管的心理能力要求高，所承担的责任也最大，但对知识的要求只是一般，也没有特殊的技能要求。不过身体必须健康，工作环境变化比较大。这是高层直线主管岗位的能力条件要求和岗位工作的基本特征。在工作过程上，因为不可能整天坐在办公室上班，其工作地点相对不固定，所以，对他们的工作过程是不可能进行全面控制的。因为在办公室之外的什么地方去完成与他职责相关的工作是很不确定的。

对他们的薪酬结构可以选择相对较低的基础工资，以岗位等级工资的形式核定，其比例以不高于薪酬总额的25％为宜；奖励工资可采取目标锁定法核定，其比例可以超过薪酬总额的65％；附加工资和福利保险两者可保持相对的稳定，但两者的比例总和以不超过薪酬总额的10％为宜。

在年薪制工资中，月发工资的比例最高就不能高于全年薪酬总额的30%为宜，即25%÷(65%＋25%)＝27.82%。否则与年度业绩目标挂钩的年终结算工资就会降低激励作用。中层直线主管。相比高层直线主管，中层直线主管的心理能力的要求降低了，承担的责任也降低了，在工作过程上，其工作地点的流动性也降低了。其它特点要求与高层直线主管大体相同。

所以，他们的基础工资可选择薪点工资形式，其比例以不高于薪酬总额的45％为宜；奖励工资的核定仍可采取目标锁定法核定，其比例可以控制在薪酬总额的30％左右；附加工资和福利保险两者要保持相对的稳定，两者的比例总和以不超过薪酬总额的25％为宜。职能主管。

对职能主管的心理能力要求比直线主管低，因为他们所面对的工作主要是常规性的职责，不确定性因素比较小。他们的责任要求也比直线主管较低，因为他们所承担的责任都是专业性的。但其知识要求却比直线主管高，他们必须是这个专业的行家里手。对他们的技能要求也比较高，对他们而言，单有一套美妙的理论是不够的，必须能自己动手实践。对这类岗位，在体能和环境上都没有过多的限制，因为上班主要是呆在办公室，工作环境肯定比较好，因而对身体能力的要求也不高。他们的工作过程是可以控制的，因为他们的工作场所相对比较固定，主要是在办公室。

对他们的薪酬结构，可以考虑用岗位薪点工资来核定其基础工资，其比例相对可以高一些，占薪酬总额的60％以上都可以。其奖励工资可相对低一些，其比例可控制在15％以内，并可通过综合绩效考核来确定，因为职能主管承担的职责相对比较多。其附加工资和福利保险不能太高，其比例总额可控制在薪酬总额的25％左右。现场主管。

现场主管的工作主要是在一线负责现场作业的管理和协调，工作目标比较单一。所以，对他们的心理要求和责任要求都相对较低。相比前三类，对知识要求也不高，但对技能要求比较高，他们必须能够做现场操作人员的师傅，以便能随时提供指导。其体能要求比较高，因为现场管理对劳动强度的要求比较高，其工作环境也可能不太好，因为生产现场的环境总赶不上办公室，甚至还可能有噪音和空气的污染存在。他们的工作过程是可控的，他的工作场地就是现场，不能随便离开。

现场主管的薪酬结构和职能主管的薪酬结构可以大体相当。其基础工资可通过岗位薪点工资核定，其比例可占薪酬总额的50％左右；奖励工资可相对高一些，占薪酬总额的25％左右，其核定方法可选择目标锁定法或问题清算法、问题查寻统计法；附加工资和福利保险两项加总可占薪酬总额的25％，其中附加工资的比例可以高一些。

第二职类：专业技术类薪酬结构的选择确立方法 这类岗位的心理要求和责任要求相对较低，因为其工作内容比较单一，面对的现实也比较稳定。但对知识要求高，他必须是这个行业的专家。在技能要求上也比较高，必须能够动手操作和实验。对体能要求不高，但必须能够按照其专业技术特点进行实验。环境状况尽管不比在办公室，但也是比较好的。其工作过程不容易控制，因为他们的工作主要是一种脑力的投入，并且其工作方式、工作内容变化性都很大，不能仅仅依据他们是否在工作现场来判断是否在工作。他们即使坐在工作现场也可以完全不工作。

他们的薪酬结构在基础工资这个部分，其核定方式可采用岗位等级制，其比例可相对较小一些，以控制在30％左右为宜；奖励工资的比重可以高一些，以控制在40%左右为宜，也可根据其专业贡献的大小来获取奖励工资，其核定办法可考虑贡献提成法。附加工资和福利保险可以相对稳定性，使之免除后顾之忧，这两项的比例加总以控制在30％左右为宜。第三职类：销售业务类薪酬结构的选择确立方法

这类岗位的心理要求比较高，不仅要求具有随机应变的能力，而且要求能经得往失败的考验。其责任要求相对较低，但对知识要求却不能太低，他们必须懂得与所销售的产品相关的所有知识。技能要求是能将所销售的产品进行简单的拆装。其体能要求比较高，必须经受得往长期的旅途劳顿。工作环境是多变的，远没有坐在办公室上班舒服。其工作过程是不可控的，因为其工作地点转移大，并且工作业绩与意志努力的程度关系紧密。

他们的薪酬结构可考虑以奖励工资为主，其比例可控制在60％左右，其核定方法可选择佣金提成法；其基础工资比例可以较小，在25％左右即可，其核定办法可采用最低生活费用限制的平均基础工资。为了保持其相对的人员稳定，给予一定的附加工资和福利保险是必要，两者加总，其比例以控制在薪酬总额的15％左右为宜。

第四职类：办公文员类薪酬结构的选择确立方法

办公文员的工作是协助各类主管承担相应职责，其心理要求和责任要求都不高，有什么变故和不测事件，都有相应主管面对和负责任。但他们必须具备相应的理论知识，以便为相应主管提供一些参考性建议。对他们的技能要求一般比较少，体能要求也不高，工作环境应该说都比较好，其工作过程也容易控制，除了常规性的职责外，就是他的主管交付的一个一个的独立的事。

他们的薪酬结构可考虑较选择高比例的基础工资，其比重可占薪酬总额的70％左右，其核定办法可选择岗位薪点计算法。奖励工资比重可相对较小，占10％左右即可，其核定方法可选择问题清算法，或者综合绩效考核法。附加工资可以没有，福利保险的比重可控制在20％左右。因为这类员工在劳动市场上的供求状况大多处于供大于求，这种人员一般都比较好招聘。第五职类：现场操作类薪酬结构的选择确立方法 这类岗位员工都是从事具体的业务工作，并且工作内容相对单一。所以，在心理要求、责任要求、知识要求三个方面都不高。但对技能要求比较高，必须对自己所承担的业务工作能够熟练地操作。对体能要最高，一般都有相当的劳动强度。工作环境也比较差，他们只能整天呆在操作现场，现场任何形式的噪音污染和空气污染都无法逃避。他们的工作过程是完全可以控制的，不仅工作场地稳定，而且工作业绩与他们的身体行为也密切相关。

他们的薪酬结构可考虑选择中等比例的基础工资，即让基础工资所占比重与奖励工资所占比重相当，都可控制在40％左右。基础工资可通过岗位薪点法来确定，奖励工资可通过目标锁定法来确定。另外再适当地给予附加工资和福利保险，但其比重加总不能太高，以20％为宜。

第六职类；辅助服务类薪酬结构的选择确立方法

这类岗位是为其它相应岗位工作提供辅助服务，没有特别的心理要求，责任要求、知识要求、技能要求三者都很低。体能要求一般，工作环境也是一般状态。其工作过程是可以控制的，是否在履行其工作职责，通过简单地观察，是否在工作场所执行他的工作职责一目了然。

其薪酬结构可参照办公文员类设计。因为这两类岗位工作的差别只存在于知识、体能和工作环境上，而这种差别又可直接通过岗位薪点工资所核定的岗位基础工资来体现。

以上对企业的六个职类所做的分析，仅仅是提供了一个分析的思路和框架。不同企业各个职类的特征也许与上述所列特征存在差别，这就要求联系自己企业的实际进行详细分析。在这里的分析是粗线条的，不同行业、不同规模的企业，可能要求做出不同的细分，包括同一职类的层次细分，比如专业技术和销售业务两个职类，在大型企业中其层次差别就很大。高层专业技术人员和业务人员其工作条件要求与低层相比也可能存在较大的差距。要明确这些差距，都只能是一个企业，一个企业地分析来完成。

第二篇：服装营销数据分析

服装营销数据的报表分析 服装分析报表是一个创造性的工作，没有完全统一的分析模式，需要数据分析人员结合企业发展需要，灵活选择各种数据分析方法，在业务数据中挖掘数据规律，指导企业实践。

建立全面、有效的业务数据库是进行数据分析的前提。服装企业的业务数据库的结构，应根据分析的需要和企业的经营实力来定。数据库越复杂分析的信息量越大，但原始数据的收集成本就越高，对数据维护与管理的要求也越高。

采集每笔销售数据时，应包含如下内容：店铺、销售时间、款式、颜色、尺码、每单件数、折扣、销售额、气温、天气、销售人员、销售人员提成比例、促销方式、真实折扣、减值成本、VIP、收费方式、附加费明细、操作人员、操作时间等销售特征参数，这些特征参数用来描述市场销售特征，在后面的数据分析中将发挥重要作用。

销售汇总报表是指企业管理层出于了解整体市场销售情况及计划完成情况，制定管理措施的需要而编制的服装数据分析报表，按照时间的长度分为年报、月报、日报，按照销售额汇总使用的分类变量不同，分为地区报表、店铺报表、产品报表、款式报表、颜色报表、尺码报表等。通过这些服装数据分析报表，有助管理层了解销售计划完成情况及市场构成特征与变化，制定相应的管理措施和营销措施。地区报表是汇总各地区年、月、日销售额，主要作用是及时了解不同地区的销售情况及销售计划的执行或完成情况，同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力，以便制定相应的促销措施或调整地区销售计划。地区报表也是企业划分重点销售区或非重点销售，制定有区别的销售战略的主要依据。

产品分类报表可按照年、月、日不同时段分别汇总，旨在了解各个产品在不同时段的销售情况，以便及时了解各产品销售变动，对各个产品的市场销路变化进行评价，以便对不同的产品进行存货决策或促销决策。要利用原始销售数据库生成产品分类销售报表，需要考虑以下几个参数：按款式、汇总销售额或销售量、指定汇总时间段。按产品不同时段的汇总报表与地区报表的操作方法完全相同，只是将汇总分组变量改为产品编码变量即可。

市场差异化分析报表是指企业管理层出于了解各个细分市场特征及其差异性，以便制定差异化营销方案的需要而编制的一定时期的（通常用一年、一个季度或一个月）服装数据分析报表。进行市场差异化分析首先必须选择合理的市场细分标准及描述这些细分析市场的特征参数，然后比较不同子市场在这些特征参数方面的差异，并给出相应的营销建议。比较常用的确定市场细分参数包括地区、性别、款式、颜色、尺码、销售时段（如季、月、星期等）、气候、店铺面积、开店时间等。

如：地区款式差异性分析给出了不同款式、不同地区横向与纵向对比数据。按照年或月、对地区和款式两个变量交叉汇总销售额或销售量，根据这些数据，可以分析同一地区不同款式的销售比重及同一款式在不同地区的销售表现，从而了解不同地区的主打款式及各个款式的主要销售地区，为企业对不同地区的款式差异性配货提供依据。要利用原始销售数据明细生成地区款式差异性报表，需要考虑以下几个参数：按款式和地区、汇总销售额或销售量、指定汇总时间段。

类似地区款式差异表，还可以生成地区尺码差异表，只是将款式改为尺码即可。该报表给出了不同尺码、不同地区横向与纵向对比数据。根据这些数据，可以分析同一地区不同尺码的销售比重及同一尺码在不同地区的销售表现。

日前，国家统计局提供统计数据显示，2011年上半年，国内市场销售稳定增长，社会消费品零售总额达85833亿元，同比增长16.8%。其中，服装鞋帽与针纺织品6月份零售总额为575亿元，同比增长24.6%，1~6月零售总额为3727亿元，同比增长23.9%。

随着中国服装行业的迅猛发展，服装行业的产业结构也日趋成熟也会让供求火爆的服装才市愈发强劲。

深圳人才需求增长超七成，设计类人才为主流

联旗下最新统计数据显示，截至2011年6月30日，北京服装行业人才需求较去年同期相比增长17.9%，呈现平稳增长趋势;上海服装行业人才需求同比增长20.3%，增长幅度平稳，且略高于北京;深圳服装行业人才招聘需求同比增长77.1%，人才需求增长迅猛，且已经远高于北京和上海的人才需求增长幅度。

日前，深圳第十一届中国国际品牌服装交易会圆满落幕。深圳市服装行业协会发布信息称，截至到2010年，深圳全行业实现产值1500多亿元，出口近百亿美元。

联就业指导专家指出，中国服装行业正在飞速发展中，行业处于由劳动密集型产业转型为以品牌和设计为竞争点的关键阶段。深圳在这一点上成为了行业内的领航者，自然引发了高增长的人才招聘需求。

深圳市服装行业协会会长沈永芳表示，目前，75%以上的深圳服装企业将销售额的5%~15%作为设计、创新、研发经费。设计、原创和自主创新为深圳的品牌和产业带来了源源不断的动力，深圳的服装设计师群体已成为提升深圳“设计之都”知名度的重要力量。

这一点也体现在的最新统计数据上。数据显示，截至2011年6月30日，深圳首席设计师一职的人才招聘需求较去年同期相比增长105.0%，增长翻一倍;深圳图案设计师一职的人才招聘需求较去年同期相比增长150.0%，增长1.5倍;深圳男装设计师一职的增长幅度也很强劲，与去年同期相比增长144.4%，紧跟图案设计师的增长幅度。

天津人才需求增长近三倍，销售职位需求强劲

最新统计数据显示，截至2011年6月30日，杭州服装行业上半年人才招聘需求与去年同期相比增长94.3%，增幅接近一倍;南京服装行业上半年人才招聘需求与去年同期相比增长幅度超一倍，达140.2%;天津服装行业上半年人才招聘需求与去年同期相比增长幅度最大，达273.1%，增幅接近三倍。从数据上可以明显看出，天津服装行业上半年人才招聘需求与去年同期相比增长幅度远超于杭州和南京等二三线城市。

另外，最新统计数据显示，服装行业销售经理一职在杭州上半年人才招聘需求与去年同期相比增长15.8%，基本达到平稳增长;该职位在南京上半年人才招聘需求与去年同期相比增长75.0%，与杭州拉开一定距离;在天津，服装行业的销售经理一职在上半年人才招聘需求与去年同期相比增长迅猛，达到200.0%，增长幅度远超于该职位在南京与杭州的增长幅度。

联就业指导专家表示，二三线城市的服装行业发展相对于一线城市而言，更倾向于以销售为竞争主线的产业模式，对于不断发展的中国服装行业而言，二三线城市自然以销售人才为人才需求主流。

未来几年，二三线城市的服装行业也会紧跟一线城市的脚步，充分利用我国巨大的市场资源，产业结构逐步优化升级，使得服装行业人力资源得到充分发挥，让行业人才为服装行业发展提供无可替代的推动力。

第三篇：营销数据分析学习心得

如何让数字说话

——营销数据分析学习心得

引言：

当前社会，市场变化纷繁芜杂，竞争无处不在，需要处理的信息以海量计，公司发展受市场制约，任何决策都如履薄冰，因此科学决策必须打破原有的定性感觉而依赖于信息支持，这些信息相当程度上，又必须以一种狭义的数据形式，给决策者一种量化的直观体现。

关于数据处理的技术性的问题，不在此讨论，通过学习，本文主要从思路和视角的角度对公司现存的数据采集、管理和分析进行探讨。主要着眼点在于营销版块，对于公司其它版块所需要的数据分析的普遍原理也会略有涉及，权作抛砖引玉。

一、数据分析思路缺乏创新，数据管理责权混乱

在获得海量的数据之初，我们首先要解决的是认知问题，即在现有市场条件下，销售面对的主要问题是什么，知道我们需要解决的目标是什么？我的对策是哪些？我们关注的要点在哪里？我们决策需要的依据是什么？而这些都是传统的销售收入、回款、毛利率以及应收账款等关键KPI（关键绩效指标法）指标所无法解释的。我们不应该仅仅满足于传统指标的比大小，我们更需要基于我们的业务理解去分解分析我们的微指标，让大而全的冰冷的数字细化的活跃起来。比如说我们的客户成长率、产品的实际使用周期和客户采购率的关系、整体的市场占有率和分区域分行业的市场占有率、价格水平以及定价与销售量的关系„„

扩展到其他部门或者管理版块，KPI指标分解同样适用。只有知道我们要什么才能够知道我们应该收集什么。

一方面，销售管理部基于自身流程性业务的操作层面，对于企业本身的诸如订货、发货、开票、回款等业务数据能够第一手掌握，对于企业营销的描述现阶段大致能够做到迅速、直观、正确、全面。另一方面，这种流程性业务也限制了部门对于行业数据的获取，在寻找参照系上，只能与自身比较而缺乏对行业、对

竞争对手的比较。而这样的的比较在某种程度上是没有任何意义的。

二、业务版块理解不够，精确营销有待加强

营销分析到底应该分析什么？各种流派的各种学说侧重不一，但有一种说法得到大家的普遍认同的就是：销售不等于市场！

虽然我们公司设立了水泥销售部和市场开发部，实际上仅仅是行业的划分和名称的区别，极端的说，我们公司并没有真正意义上的市场分析。一方面，销售人员直接接触市场，掌握第一手数据和市场的直观感受，在各个区域经理和部门经理心里，对市场有一种自我的经验判断和分析，比如说投标报价是高是低，市场容量是大是小，行业发展是好是坏„„另一方面这种判断分析仅仅只是个人的感性判断，对于业务人员个体的业务水平和素质依赖极大，业务的纠偏能力较弱。

这样的一种定性判断，实际就是我们对业务的理解还不够深刻，没有把握到这种市场变化的内在联系。

例如上面所说的，投标报价，涉及到行业的平均价格、我们主要竞争对手的价格预测、客户的关系把握、客户本身的预算、客户销量展望和预估、我们的成本及利润空间、上下游产业链的影响、我方采购与竞争对手采购的差异等等。

比如我们所做的大客户营销。现阶段我们实际更关注真实的销售事件，换一个思路，其实此类大客户的预算在上一已经基本分配完毕了。那么扩大我们的销售额完全可以而且应该从客户的预算里面挖掘。再比如除了同产品竞争，完全可以进行同质化竞争。电厂检修用可塑料替代定型砖，水泥窑的喉部预制件，用不定形材料抢占定型制品市场就是一个同质化竞争的案例。

„„

应该说，在营销分析上，我们的理解还没跟上时代发展，很多的诸如竞争分析、市场分析、客户细分和精确营销、数据规划和数据收集等等很多工作要不就是相当初级，要不就是完全空白。

建议应该组织业务部门和市场人员就现存的市场探讨，以头脑风暴的方式，提炼出我们最关心、最影响我们决策的信息概念，去芜存菁。一方面我们要知道销售人员需要我们提供的支撑信息是什么，另一方面销售人员要知道为了后期信息支撑他们需要收集的信息有哪些。只有通过互动才能加深各自环节对整个流程的理解，从而为我们在恶劣市场条件下得发展保驾护航。

同时，公司的人资考核、技术创新、库存管理、CD降成本等等也完全可以采用此方法提出自己管理的KPI指标。

三、数据采集架构不明，采集执行考核无力

数据分析是基于营销原始数据的技术处理。因此营销原始数据的全面、准确和维度也就决定了分析结果的准度和深度。我们无法想象只有销售总额和回款总额就能分析出我们那块销售区域出了问题；同样我们也无法仅仅凭借自身的发货、发票数据等业务数据就能做全行业的大客户分析。因此营销分析最为基础的就是数据的科学采集。

现在公司协同管理软件，原料库存管理软件，财务的用友软件，再加上曾经使用现已淘汰的客易通软件从本质上讲都属于业务流程采集的数据库管理软件，但由于架构缺乏统一性，造成各业务流程数据的脱节，使得几个系统同时运行，加大了运行成本，也加大了相关操作人员的工作量，自然降低了对软件的认同度。而且由于依附于业务流程，几个系统更加关注的是业务流程的合理性，对于基础“数据字典”的管理几乎为零。

首先就是对于客户的管理尺度无序：由于没有专人管理，在协同系统、财务系统以及原来的客易通里面同一个客户由于不同的原因，其客户名称和编码并非唯一，有简称有全称还有错误名称。换而言之，我们对客户的管理，实际上还掌握在具体的业务经理手里而不是真正的转为公司资源。随着业务的转手或者客户本身的收购、名称变更等行为，我们对客户的管控必然失序。当然由于业务的复杂性、业务经理的责任心以及普遍的人性，对于客户信息的管理在什么级别管理到什么层次，在现阶段如何来要求和考核业务经理的客户信息的填报率，这属于管理范畴，就不在此探讨。由此还可以引申到技术部门，尤其是开发部门的新产品的实验数据的管理是否做到了公司化。

其次，像发货、开票、回款等业务数据的管理是表格和系统共存，甚至是有表格无系统，且各流程岗位和部门各自为战，只关心各自业务口的合理性，在公司层面缺乏整体关注，对于实际发生业务的是否与系统或者表格匹配没有校核机制，更谈不上管理考核了。

对于我们自身的数据尚且管理不到位，营销分析中所涉及的竞争分析，供应链分析、市场分析所需要的数据要求就更是形同虚设或者是一片空白。例如我们要求在投标报销中要填写竞争对手信息，又例如我们要求业务经理在差旅费报销中填写相关客户完整信息。但是，这样的填报信息是否有人去检验校核，同时按照预设目标进行提炼分析，还是只是单纯的作为业务应付了事。

结语：

以上只是结合公司现存问题单纯的探讨了营销数据的分析目标和前景，但是任何的美好展望落实到实际，更多的是管理上的执行问题，同时数据分析工作的开展与企业资源的投入和大力支持有着必然联系。

最后，我们要依赖数据但不迷信数据，数据的规划预测和目标的制定没有必然的因果联系，它只体现在在指导我们具体业务的实际操作中。在种种数字游戏中，不管我们选用多么正确的数学模型推导出的多么无限于接近事实真相的数据推论，与真正的事实都是有差异的。

第四篇：零售企业销售数据分析模型

零售企业销售数据分析模型

数据分析对企业信息化越来越重要。业务系统给我们提供了大量的数据，但如何利用这些数据进行分析，并得到有价值的结果来指导企业的经营活动，是摆在所有企业面前的、需要不断探索的课题。

零售企业对销售数据进行分析时经常采用的分析方法和分析内容，以及对方法和内容的一些详细解释。其中，分析方法对采购数据、库存数据的分析同样适用。这些方法犹如一把把钥匙，可以用来打开数据分析的神秘大门。

首先需要确定零售企业在销售数据分析过程中适用的维度、指标和分析方法，并通过简单的实例展示，阐述如何将三者关联起来构造一个分析模型。

要建立一个分析模型，有三个构成因素，即：维度、指标和分析方法。维度指明了我们要从什么样的角度进行分析，也就是分析哪方面的内容，比如商品、供应商等。指标指明了我们对于这个维度所要进行分析的点，比如数量、成长率等。分析方法指明了我们用什么样的方法去分析处理这个维度的指标。

一、销售数据模型之维度

1、商品

商品是零售分析的最细维度之一。大部分的指标都依附商品来做明细的记录，同时很多维度也是通过商品进行交叉分析，并且商品的层级只有一层。

2、供应商

商品是由供应商提供的，在不同内部组织同一商品可能存在不同的供应商。同一商品在不同的时间也可能存在不同的供应商。供应商所在地和区域有关联。

3、内部组织

对于连锁企业，组织架构一般是：总部---事业部（业态）---区域公司---子公司---门店。内部组织所在地和区域有关联。

门店的关键属性有：面积、员工数、所在地。

公司及总部的关键属性有：员工数、所在地。

配送中心的关键属性有：面积、员工数。

4、商品类别

一般的分类有：大类---中类---小类---细类。商品类别直接和商品关联。

5、客户

客户是销售对象，包括会员。客户所在地和区域有关联。

6、区域

区域是地理位置。从全球视角看：洲---国家---区；从国家视角看：区---省/市---县/区。一般按正式行政单位划分。

7、时间

时间是进行数据分析非常重要的维度，分析的角度有公历角度和农历角度。其中，公历角度：年---季度---月---日---时段（每2小时为一个段）；星期、公历节假日。农历角度：年---节气---日---时刻；农历节假日。

8、品牌

品牌的层次有：品牌层次---品牌，品牌直接和商品进行关联。一个品牌只能属于一个厂商，一个厂商可以有多个品牌。

9、采购员

采购员也称为买手，层次有：采购组---采购员。中小型企业，一般都是统一采购，所以采购员可以直接和商品进行关联。大型企业，一般按区域公司采购，这时采购员需要和区域公司、商品同时进行关联。

10、营业员

营业员在专卖、百货类的销售分析中非常重要，而在自由选购的卖场中，基本没有固定的营业员。层次有：销售部门---营业员。

11、收银员

层次有：门店－收银组－收银员。

12、厂商

一个商品只有唯一一个厂商。厂商的层次就是自己。

二、销售数据模型之指标

1、销售数量客户消费的商品的数量。

2、含税销售额

客户购买商品所支付的金额。

3、销售税额

客户购买商品后应上交的税额。

4、去税销售额

去税销售额＝含税销售额－销售税额。

5、含税成本

销售出去的商品的含进项税的成本额，计算成本有不同的算法。

6、成本税额

销售出去的商品的进项税额。

7、去税成本

去税成本＝含税成本－去税成本。

8、毛利

毛利＝含税销售额－含税成本。

9、净利

净利＝去税销售额－去税成本。

10、场效

指单位营业面积产生的销售额。

11、退换量

客户购买后退换商品的数量。

12、退换额

客户购买后退换商品的销售额。

13、毛利率

毛利率＝（毛利/含税销售额）×100%。

14、周转率

周转率和统计的时间段有关。周转率＝（平均含税销售额÷平均含税库存成本）×100%。

15、交叉比率

交叉比率＝毛利率×周转率。

16、促销让利额

促销让利额＝正常售价额－促销额。

17、促销次数

促销次数有宏观概念上的，也有微观概念上的。宏观上，是指一个销售单位中一段时间内发动促销的次数，或某个供应商的商品在一段时间内参与促销的次数；微观层面上，是表示一个单品在一段时间内参与促销的次数。

18、促销销售额

（所销）所购商品为促销商品，并因此产生的销售额。

19、交易次数

客户在POS点上支付一笔交易记录作为一次交易。

20、客单价

客户在一次交易中支付的金额总和称为客单价。

21、销售价商品正常销售的价格。

22、促销价

商品在促销时的销售价格。

23、进货价

商品进货和供应商的结算价格。

24、成本价

按不同的核算体系计算出来的，用于库存额统计和毛利计算用的价格。

25、周转天数

周转天数=平均存货÷平均销货净额。周转天数越长，表示经营效率越低或存货管理越差；周转天数越短，表示经营效率越高或存货管理越好。

26、退货率

退货率=退货金额÷进货金额（一段时间）；用于描述经营效率或存货管理情况的指标，与时间有关。

27、平衡点

平衡点用于表示达到某点的快慢；平衡点＝总费用÷毛利率。

28、安全力

经营安全力＝１－（损益平衡点÷营业额）；用于表示获利情况的指标。

三、零售数据模型之分析方法

1、ABC分析

ABC分析法又称帕雷托分析法，也叫主次因素分析法。它是根据事物在技术或经济方面的主要特征，进行分类排队，分清重点和一般，从而有区别地确定管理方式的一种分析方法。由于它把被分析的对象分成A、B、C三类，所以又称为ABC分析法。

ABC分析通过对一段时间内商品销售情况的分析，可以为商品管理提供依据。评估一个商品的销售情况好坏的指标有以下三种：销售额、销售数、毛利。单一用哪个指标进行分析都不够准确，所以对这三个指标同时进行分析，也就是给这三个指标一定的权重。比如销售额占x%；销售数占y%；毛利占z%。则该报表的显示形式如表1：

其中综合值=销售额*x%+销售数*y%+毛利*z%；x%+y%+z%=1；分类结果显示AB或者C。

按照所计算的综合值进行排序，观察累计综合值%的变化情况，将累计额百分数为20%以前的这些商品标记为A类，进行重点管理，采取的策略为对相关品的引进；将累计额百分数在20~90%之间的商品标记为B类，进行一般管理；将最后的累计额为10%的商品进行淘汰管理。

根据货品管理及销售的情况，还可对ABC理论进行一定的变化，这样对零售业的商品管理来说更具有操作性。

2、比较分析

比较分析，也称为对比分析。就是将同一个指标在同一类对象的不同实体或同一实体在不同维度上进行对比，从而得出有价值的决策信息的一种方法。这种方法非常简单，但直观易懂，在实际中应用非常普遍。

同比，也叫同期比，表示和去年同一时间段的比较。

环比，表示本月和上月的比较。一般比较分析会结合图形分析，使得结果更加明显。

3、比率分析

从形式上看，比率分析是指两个指标相除。按指标和实体范围的不同，常用的有以下3种类型：

（1）同一实体、同一指标，在不同时间的比率。如销售额增长率等。

（2）同一类实体、同一指标，在同一时间的比率。如毛利贡献度、销售额占比等。计算方法是单一实体的指标除以所有实体的指标之和。

（3）同一实体、不同指标，在同一时间的比率。如毛利率，周转率等。这类比率都有特定的商业含义。

4、20-80分析

20-80分析来源于“二八原则”，也叫二八定律或20/80原则。意思是在任何一组东西中，最重要的只占其中一小部分，约20%；其余80%尽管是多数，却是次要的。

在零售业中，可以根据同一类实体在同一指标间进行二八分析，从而选出需要重点管理的对象（20%部分）。一般应用比较广泛的分析对象包括：库存商品（按库存金额进行分析）、商品（按销售额或者毛利进行分析）、供应商（按销售额或毛利进行分析）、客户（按销售额或毛利进行分析）。

5、排序分析

排序分析方法是在销售数据分析中常用的一种方法，就是将某一指标或某几个指标按照从大到小或者从小到大的顺序排列，这种分析方法的好处在于，可以让分析者清晰地知道最多或最少的实体情况。

排序分析一般应用在以下4种情况：

（1）同一实体、同一指标在不同时间的排序情况，如：某一商品在一个月内的销售额排序情况。

（2）同一类实体、同一指标在同一时间的排序情况，如：小类中所有商品在某一天的销售额排序。

（3）同一实体、同一时间、多个指标的排序情况（由主次排序因素组成），如：商品先按销售额排序，再按毛利排序。

（4）分组排序分析，如：按照供应商分组，对供应商所供应商品的销售额进行排序。

6、动态分析

动态分析法是根据在一段时间内的数据变化，通过计算各种动态分析指标来描述现象发展变化的过程和结果，进而揭示现象发展变化的速度、趋势及规律性，并依此对现象的未来发展做出预测的统计分析方法。

动态分析的指标按其分析应用的情况和计算方法不同可分为两大类，一类是通过将各期发展水平进行平均所形成的指标，包括平均发展水平、平均增长量、平均发展速度和平均增长速度；另一类是通过发展水平之间的对比计算形成的指标，包括增长量、发展速度和增长速度等。

发展趋势分析方法是动态分析中的一种，它又可分为中短期趋势分析与预测方法、长期趋势分析与预测方法、季节变动分析与预测方法。

7、图形分析

图形分析的方法是利用图形的直观效果来展现查询结果数据，分析图形包括：饼状图、柱状图、折线图、区域图等。从图形分析的方法来说，一般有以下三种方法：

（1）对比图示法

通过用图形表现出数据之间的比较关系。

（2）曲线图示法

一般用曲线图示法来表明某一实体、某个指标的数据发展趋势。

（3）因果图示分析法

用因果图示分析法把影响分析问题的诸多因素用图形表现出来，这样就很容易看出主次要因素。

一般来说，图形分析应与其它分析结合起来进行分析，这样可使读者更加清晰、易懂

8、相关分析

相关分析是分析两组随机变量间线性密切程度的统计方法，是两变量间线性相关分析的拓展。其方法是通过某一变量，衡量预测另一主要变量，通过衡量这两个随机变量之间“直线关系”的方向与强弱程度来判断这两个变量间的相关性。

在零售业中，相关分析可以应用于以下3种情况：

（1）同一实体、不同指标间进行相关分析，如：供应商的销售额与费用的关系、商品的数量与销售额的相关关系。

（2）同类实体的同一指标的相关关系，如：供应商相互间彼此销售额的影响关系。

（3）不同实体、不同指标间的相关关系，如：员工数量与企业销售额间的关系。

9、回归分析

回归分析（Regression Analysis）是研究一个变量Y与其它若干变量X之间相关关系的一种数学工具，它是在一组实验或观测数据的基础上，寻找被随机性掩盖了的变量之间的依存关系。通过回归分析，可以把变量间的复杂的、不确定的关系变得简单化和规律化。回归分析一般有线性回归分析、非线性回归分析、多元线形回归分析，一般最常用的就是一元线形回归分析。

回归分析作为相关分析的研究方法，在零售业可以对以下情况进行分析：

（1）同一实体、不同指标间进行相关分析，如：供应商的销售额与费用的关系、商品的数量与销售额的相关关系。

（2）同类实体的同一指标的相关关系，如：供应商间销售额的影响关系。

（3）不同实体、不同指标间的相关关系，如：员工数量与企业销售额间的关系。

10、方差分析

一个复杂的事物，其中往往有许多因素互相制约又互相依存。由于各种因素的影响，研究中的数据呈现波动状。造成波动的原因可分为两类，一类是不可控的随机因素，另一类是研究中施加的、对结果形成影响的可控因素。方差分析的思想就是通过数据分析找出对该事物有显著影响的因素、各因素之间的交互作用、以及显著影响因素的最佳水平等。

11、平衡分析

所谓平衡就是各个互相联系的因素之间，在数量上保持一定的、合理的对应关系。平衡分析法是分析事物之间相互关系的一种方法。它分析事物之间的发展是否平衡，揭示事物间的不平衡状态、性质和原因，指引人们去研究积极平衡的方法，促进事物的发展。统计平衡分析的主要方法有编制平衡表和建立平衡关系式。

零售业中一般应用的指标包括：

损益平衡点＝门店总费用÷毛利率，损益平衡点越低，表示获利时点越快；损益平衡点越高，表示获利时点越慢。

损益平衡点与销货额比＝损益平衡点÷销货净额

比率若小于１，表示有盈余，比率越小，盈余越多；比率越大于１，表示有亏损，比

率越大，亏损越多。

12、因素分析

因素分析法是用来测定受多种因素影响的某种经济现象，在其总变动中，各个影响因素对它的影响方向和影响程度的一种统计分析方法。常见的因素分析方法有3种：

（1）相关联因素分析法

本方法不是借助于数字模型，而是根据相关因素的性质，表明其数量变化对所研究现象变动的影响关系与制约关系，从本质上讲属于经验方法。比如员工的努力程度正向影响商品的销售额。

（2）相乘因素分析法

通过数据间相乘关系来测定各影响因素对某种经济现象总变动的方向和程度所产生的影响；一般采用通过固定一个因素，来观察另一个因素对结果的影响程度。比如：销售收入=销售数量*商品单价。

（3）相加因素分析法

对于某一经济现象的影响，往往是其总体内部的各个组成部分（或构成因素）发生变动的结果。如：商家的销售额=门店1销售额+门店2销售额+„+门店n销售额。

13、结构分析

结构分析法又称为组分析法，是在统计分组的基础上，计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构依时间推移而表现出的变化规律性的统计方法。结构分析法的基本表现形式，就是计算结构指标。结构指标就是总体各个部分占总体的比重，因此，总体中各个部分的结构相对数之和，即等于100%。

通过结构分析，首先，可以认识总体构成的特征。如：在某超市的销售额中，食品大类占比36%，非食品大类占比45%，非食品销售占比19%。第二，可以揭示总体各个组成部分的变动趋势，研究总体结构的变化过程，揭示现象总体由量变逐渐转化为质变的规律性。如：某超市的食品销售额在第一年占30%，第二年占32%，第三年占36%，表明当地顾客群对食品的偏好越来越大，说明超市食品引进应该更加多一些。第三，可以揭示现象之间的依存关系，如：研究某商业企业中商品销售额与供应商的依存关系，可按商品销售额分组，计算每个组相应的供应商情况。例如，某超市年销售额300万元以上的供应商占15%，说明该企业的商品销售额更多地依赖于那些比较大的供应商的商品。

四、销售数据模型之建立

有了销售数据分析的纬度、分析的指标及对指标的分析方法，就可以通过这三者组建销售数据的分析模型。按照这样的方法可以出现以下多种数据分析模型

我们假设纬度有X个，指标有Y个，分析方法有Z个；则：

1、单一纬度、单一指标与分析方法的组合比如，选择纬度为商品、指标为销售额、分析方法为ABC分析，那么，组建出来的模型就为商品销售额的ABC分析，按照这种方法，可以组建X*Y*Z个数据分析模型。

2、多纬度、单一指标与分析方法的组合；

比如，纬度选择商品、供应商、指标为销售额、分析方法为排行分析，那么组建出来的模型就为供应商商品按销售额的排行分析，按照这种方法，可以组建X*X*Y*Z个数据分析模型。

通过这种方式的组建，虽可以建立很多数据分析模型，但由于是组合而成，不见得每个数据分析模型都很有效，故要排除无效的分析模型，选择对企业的业务分析有力度的分析方法来提升企业的业务。

第五篇：外呼销售精准营销数据挖掘模型

• OB实现精准营销需要建立的数据挖掘模型

第一：模型横向

1、会员定性：通过对会员姓名，性别，年龄，购买商品，购买时间，购买金额，商品品类等数据。得出客户的购买习惯，购买能力，会员粘稠度。得出会员属性列表。

2、商品定位：通过同纬度得出商品销售生命周期，商品毛利，商品消费群等。通过此信息策划OB商品。建立商品地图。

3、行销：根据现有销售数据库，分析各维度数据。得出针对不同时间，客户，商品使用不同行销活动对营销的影响，参考此模型制定行销策略并预估营销效果。

第二：纵向：

1、业务需求分析：分析客户购买特性和购买记录，支撑营销策划。根据现有公司销售要求，针对什么客户进行营销。包括“促销方案分析及评估”，“个性化商品”，“营销方案及有效化”，“促销敏感性和目标”等

2、数据准备和转化：为支撑相关业务要求，销售和客户数据能准确，全面精准与业务匹配；另外能将相关数据按照数据库要求及时归类。

3、会员属性选择：根据业务要求能精准找到会员属性。符合相关方案要求。

4、建立会员模型：按照会员姓名，性别，年龄，购买商品，购买时间，购买金额，商品品类，行销活动使用等数据等维度建立会员模型。包括客户模型，客单模型，积分模型，销售明细模型，商品模型，付款模型。

5、模型评估：在建立会员模型之后需要测试业务需求分析，数据转化，会员属性定义，商品和行销模型匹配。能进行精准的市场定位,包括“客户价值及趋势”，“客户潜在价值及忠诚度”，“客户流失倾向”，“行销活动敏感度”，“客户消费倾向及消费周期”，“客户基本信息”评估。

第三：数据挖掘逻辑

1、分类问题：对数据进行分类，预测问题类别。通过对多个数据源进行分类，能够将数据进行归类，并能通过数据分析发现问题同时对问题也能进行分类。

2、聚类问题：解决一群对象划分不同类别的问题。通过对不同的类型数据能统一和整理成一个类别。这是分总概念，通过汇总不同类别数据和问题找到集中式解决方案。

3、关联性问题：upsell中的upsell和cross-sell。通过模型分析，帮助客户寻找商品，为商品寻找合适客户。分析出客户的购买周期和购买特点找出客户潜在需求针对性做关联销售和交叉销售。

4、预测问题：预测变量数据是否为连续型的情况。通过分类和聚类，能将数据模型中的数据和相关问题进行串联。找到问题的发展和变化趋势，预测问题以帮助改进销售方案最终实现精准营销。

OB-TEAM