2011服装行业销售数据收集与分析.ppt

数据敏感度测试：从这些数据能看出写什么？,公司 2005年某城市 A B C D E 服装的市场份额 18% 12% 39% 10% 29%,2010季春夏 某产品的销售 春装 夏装 裤子 精品 总计 增长率 18% 12% 29% 10% 29%,销售额连年的成长数字 2002 2003 2004 -中国的生意在不断增长 20.3 21.3 22.0,数据敏感度测试：这张表格说明哪些问题？,销售数据分析设计思路,一切要以业务和管理需求/目的为出发点，以能否满足业务和管理需求作为唯一衡量标准； 产品/行业的特点决定了数据分析的准度、销售和市场策略的基本方向； 以满足客户需求为根本出发点和归宿。当遇到困难和迷惑的时候，最终只有从客户消费者基层员工找答案。,销售数据分析的三种视野,生 意 全 局 视 野（TSR模型）,业 绩 驱 动 视 野,我们的 ,客户的 ,业绩驱动视野,单店产出（门店管理8要素）,量化8要素：单店管理检查表,抓主要品类,抓主要矛盾,可应用于督导对单店的考核,我们的KPI & 客户的KPI,案例：,结论：主客的转换，站在客户的立场、角度考虑问题，在客户需求的核心指标上作文章，达成双赢。,销售数据分析的结构,软数据和硬数据,销售数据分析的结构,优化数据结构 意义：有数据、有正确的数据、有正确形式的数据，对于管理者意义完全不同； 目的：为进行高质量的分析打下基础 整体而言，是优化整个销售系统的基础数据结构（即完整的数据清单），并最终以报表体系出现。 个案而言，是将复杂的数据简单化。 原则：建立数据清单、建立报表体系、三变一不变,建立报表体系,建议： 报表体系建成之后建议主推一张报表，层级越往下，可以加大报表更新反馈的频率，以利于分析的及时、准确。,三变一不变,销售数据分析的方法,对比分析法 统计分析法 相关性分析法 时间序列分析法 流程结构分析法,对比分析,四种常用的对比类型,统计分析方法,80-20法则 主要应用于数据优化，集中于主要问题或关键信息。,相关性分析,时间序列分析,时间序列数据 通过观察某一变量在某一常规时间段内的变化而得的一组数值数据； 时间本身可以看做是特殊的一组递增的数据，但没一个单独的数据没有数量意义，只有相对的顺序含义； 时间数据本身具有独特的周期性，如年、月。 时间序列分析方法 时间趋势：如系列产品的逐年增长； 基本对比：过去、现在以及目标之间的对比（循环变动、季节变动、不规则变动等）,时间序列分析：时间趋势,时间趋势的3种主要方法： 移动平均 原理：用连续若干的平均值代替当期实际值 操作：添加趋势线，选移动平均 拟合趋势线 原理：可以用拟合直线或者拟合曲线来模拟时间序列的走势，从而得出预测值 操作：添加趋势线，选拟合直线/拟合曲线 周期指数 原理：参考过往各年各周期的变动，设定各周期的调整系数 重点举例说明,行业的保守增长率或考核指标,流程结构分析,总结：数据处理的5种主要方法的综合运用,对比（找问题） 成分对比 项类对比 时间对比 频率分布 统计分析法（抓重点） 80/20 相关性分析（找联系） 时间序列分析（预测） 长期趋势 基本对比 流程结构分析（展观全局、找主要矛盾）,各种图表的应用总结,销售数据分析的洞察,洞察力：从信息到见解的过程（5种途径） 合理的表达形式（即对各种图表的合理运用） 差异分析 象限分析 五个为什么 获取第一手资料,差异分析,差异分析即诊断问题，是对差距本身的深入分析，从而得到更有针对性的对策。,差异分析SAWS模型,标杆市场：销量、市场容量（人口基数、GDP等），投入资源、消费习惯等跟本公司/市场差异不大，基本高于20%左右最合适。,以财务指标（TSR）为导向,从独立的对比参数分别找出主要产品及发展机会，再综合起来看最关键的机会！,大小、成分、趋势、分布等,SAWS模型的应用,这张表能够说明什么问题？生意的重点在哪里？ 如果你关心销量，下一步哪些品种应该在什么渠道着重发展？为什么？ 如果你关心毛利，下一步应该在什么渠道发展哪些品种？为什么？ 如果销量和毛利都关心，下一步重点？为什么？ 假如标杆市场销量和毛利均是我们的1.2倍。这张表又能说明什么问题，分别按下属问题重新分析。,象限分析,象限分析的作用： 是三维比较分析的方法； 象限的划分与定义很重要。 象限分析的步骤： 明确对比的目的； 选择适当的对比指标； 确定划分象限的标准； 定义不同的象限内涵； 制定相应的策略方案。 象限分析要点： 将多个数据分析里考虑的因素集中在一起； 圈的大小代表了产出多少，有时是预估值（软数据）； 抓重点，制定最佳实施计划。,五个为什么,五个为什么,获取第一手资料,谢谢你的阅读,知识就是财富 丰富你的人生,