销售统计分析资料.docx
《销售统计分析资料.docx》由会员分享,可在线阅读,更多相关《销售统计分析资料.docx(20页珍藏版)》请在冰豆网上搜索。
![销售统计分析资料.docx](https://file1.bdocx.com/fileroot1/2022-12/30/649f043e-9551-4a5e-8677-19f136becd3b/649f043e-9551-4a5e-8677-19f136becd3b1.gif)
销售统计分析资料
销售统计分析及预测常用方法
一、统计常用EXCEL函数及功能
手机微信关注公众号ID:
datadw学习数据挖掘,研究大数据,关注你想了解的,分享你需要的。
1、单元格格式的设定。
由于从查询系统中拷贝出来的资料都是常规形式,但是我们的款号中存在首位是“0”的情况,因此,在拷贝资料之前首先应将首位数字要求是“0”的单元格设置成文本形式。
同样,其余的销售资料要求是常规或数值形式,所以千万不能将其它单元格改变格式
2、数据透视表。
创建数据透视表的第一步首先要列出数据清单(数据清单中资料的收集见资料收集),再单击“资料”菜单中的“数据透视表和图表报告”。
在“数据透视表和数据透视图向导”的步骤1中,遵循下列指令,并单击“所需创建的报表类型”下的“数据透视表”,按照向导操作。
注意:
在第三步中需要确定版式;数据透视表完成后,必须进行数值性粘贴后方能对数据透视表进行改动。
3、查找函数。
在分析中常会用到一些查找功能,最简单的是:
Ctrl+F,进行简单的查找;另外,还有还有一些常用的函数,如:
lookup、vlookup、hlookup等,具体用法见EXCEL中的帮助。
4、条件函数。
常用的条件函数有:
IF、SUMIF、COUNTIF
5、资料汇总。
在工具栏“资料”下有一个分类汇总,按提示操作。
6、文件加密。
选择“另存为”中的常规选项,按提示操作。
7、对文件进行保护。
有时候遇到报价,或者一些公文性的文件不允许别人改动或看到是如何计算时,可以对文件进行保护,可以先在“设定单元格格式”的“保护”中选择“隐藏”,然后在“工具”中选择“保护”,可以加密。
8、常用函数:
MIN、MAX、MID、LEFT、RIGHT、SUM、AVERAGE、COUNT、LEN、Σ、$、£、SQRT、INT、CEOMEAN、ROUND、HYPERLINK等
二、资料收集
统计分析的第一步就是收集资料,收集资料的常有方法有普查、重点调查、抽样调查。
在我们现在要做的销售分析中,资料来源主要是查询系统,在熟悉了查询系统的基础上即可以运用不同的查询方法收集不同的销售资料。
另一方面的资料来源一些销售指标和计划。
三、统计图表
一般情况下统计资料需要用表格和图像来整理和反映,目的是从大量的原始资料资料中浓缩信息,使之可以提供概要信息,并且能够反映统计资料的基本特征。
1、统计表
制作统计表是销售分析中最常用的统计方法,也是整理大量原始资料的第一步,使许多杂乱无章的资料变成能够直接传达成有用信息的形式。
现统计表一般都是用EXCEL来完成。
具体表格形式可根据分析要达到的不同目的来进行设计。
可参考第五大标题。
2、统计图
整理资料的第二步就是用某种图形形式来直观的反映统计资料。
这对迅速、简洁、直观的传达信息是特别有用的。
这种图视表达方式具有相当的效果,正如通常所说“一幅图可抵千句话”,但大体上图形只是描述和揭示统计资料特征的一种方法,而不能替代统计分析。
常用的统计图有:
A、折线图。
折线图的横轴常表示时间,反映时间随时间变化数据的改变;
B、柱形图。
柱形图常用来表示几不同大类,或不同区域的对比;
C、饼形图。
饼形图中的各部分常用来表示不同组成部分的重要性;
D、对数图。
对数图经常是在原图的基础上自动生成的,对数图显示了成比例的变化,可以观察到变量是以固定的速率变化的还是以低于或高于固定的速率变化。
相同的斜率代表相同的变化率。
四、统计综合指数
在许多情况下,特别是为了便于比较,把统计资料浓缩成一个或多个综合性数字将更有用。
这种综合性数字称为描述性统计指数,可通过两类描述性指数概括地进行说明:
1、度量中心趋势的指数
●算术平均数
●众数
●中位数
●几何平均数
2、度量离散性或者变动度的指数
●全距
●平均差
●标准差
●方差
五、销售分析中常用的分析指数,这些指数在销售分析中经常都要考虑到
1、比重分析
比重等于个体标志值除以总体标志值,它从个体与总体的对比中表示个体的重要程度,是营销体系的分析必备项。
比重=(个体标志值÷总体标志值)×100%
如果只说192685款销售800件,我们是难以知道此款在总销售中的地位,如果说此商品销售占总销售的89%,则此款的重要性就非常突出了。
如果我们把一段时间的比重排成比重数列,会发现比重数列有更为重要的作用。
A、分析经营业绩
区域
1月
2月
3月
4月
系统
2000
2400
2800
3800
某区域
1000
1100
1200
1500
某区域比重
50%
45.8%
42.9%
39.5%
上表为某年某区域和系统的销售,单从某区域的销售来看,系统销售和某区域的销售都呈上升趋势,但是从销售比重上来看却每月在下降,可能存在多方面的问题,如:
某区域店铺的拓展开始减缓;或者某区域店铺的销售能力下降,需再做单店销售能力的分析等等,或还存在其它问题需予以诊断。
B、分析销售推广的重点
上表为某时期,连续四周裤类的销售情况,从上面的销售比重和销售额来分析,前三周时的裤类销售明显很高,但是后面销售下降,前一周时销售虽然比前四周时高,但销售比重下降,分析其原因,有可能是:
裤类的货量明显减少,没有配发,或总仓无货;另一方面原因可能是天气的问题等,还需要再做详细的分析。
C、分析销售季节的推移
类别
商品名称
前4周
前3周
前2周
上周
销量
短袖T恤
100
1000
5000
8000
长袖T恤
15000
12000
8000
1000
比重
短袖T恤
0.7%
7.7%
38.5%
88.9%
长袖T恤
99.3%
92.3%
61.5%
11.1%
上表和图为T恤类的销售变化趋势图。
短袖T恤是夏季销售的主款,长袖T恤是春季销售的主款,它们的此消彼涨预示着季节的推移,关注的重点应尽快转移到夏装上,春装销售已到尾声。
从上图看出,短袖T恤的销售比重持续上升,长袖T恤销售比重持续下降,说明夏季已经到来,各一线销售部门的工作重心要转移到夏装上来。
2、累配率分析
累配率等于累计配发量除以到货量,它是一方面反映大家对该款货品的重视程度,是否进行配发和推广,如果将货品放在仓库,不上货场肯定是不会产生销售,那么将影响到下面“动销率”和“产销率”的分析;另一方面是反映客户是否对该款货品反映很好,及时补货的指数。
累配率=(累计配发量÷到货量)×100%
如下例:
款号
到货量
累计配发量
周销售量
累配率
动销率
库存量
备注
1115100
15000
10000
4000
66.7%
40.00%
11000
1115101
12000
5000
100
41.7%
2.00%
11900
1115102
500
300
210
60.0%
70.00%
290
1115103
5000
10
7
0.2%
70.00%
4993
商标可以看出“1115103”款虽然从“动销率”上看很高,但是从“累配率”上明显可以看出还有大量的货品没有配发出去,及时“动销率”再高,也不能解决库存问题。
3、动销率分析
动销率等于销售除以配发,它从商品自身的对比中反映市场对商品的敏感程度。
在商品上市之初,运用动销率分析能在一定程度上消除因配发不足而导致销售不佳的虚象,从而正确、迅速地判断商品销售前景,作出加单,或加大配发的决定。
动销率=(销售量÷配发量)×100%
如下例:
款号
到货量
配发量
周销售量
动销率
库存量
备注
1115100
15000
10000
4000
40.0%
11000
1115101
12000
5000
100
2.0%
11900
1115102
500
300
210
70.0%
290
1115103
5000
10
7
70.0%
4993
如果仅从销售量看,似乎1115100款的销售量高于1115102款;但从动销率来看,1115102款远高于1115100款。
此时就必须仔细进行分析,广泛听取意见,帮助我们正确解决。
出现此类问题有4种可能:
1商品确实很好,但因专卖店首期货量极大,导致短期内动销率需减,如1115100款,按目前的销售速度,现有库存只够销售两周,建议补单。
2商品本身不好,但因专卖店首期配货量较大,顾客却不接受,导致动销率低。
如1115101款,对此款可建议加大铺店数。
3商品确实很好,但因货量很少,导致专卖店配发少,所以尽管销售量不大,但动销率高,如1115102款,可查明原因,如果的确货量少可建议加单,如果还有货没有发出,赶快跟进厂家出货。
4商品本身不好,但因专卖店配发极少,所以尽管销售量小,动销率也需增,如1115103款,对此款这种现象首先建议各专卖店加大配发,没有配发到货货场上的货品是永远销售不出去的。
由于动销率受很多因素的制约,所以多在商品上市之初,分析资料不够充分,单个店铺销售分析时利用,从以上4方面考虑的同时还要考虑其它的销售指数,如:
增长率、产销率等。
4、产销率分析
产销率是“累配率”和“动销率”的综合反映,产销率等于销售量除以到货量,该指数主要反映整体的动销情况,如动销率低相对库存的比例就很大,动销率高库存的比例就小,压力就小。
5、增长率分析
服装销售是以时间为自变量的序时动态数列,每时每刻都在变化,为了反映这种变化,有必要对增长率进行分析。
增长率=(现期/本期销售÷基期/上期销售)×100%-1
款号
上周销量
本周销量
增长率
备注
1151
500
800
60.0%
1152
500
700
40.0%
1153
5
10
100.0%
上表为1151、1152、1153款本周比上周销售量的增长情况,从公式就可以看出,增长率受基期销售水平的影响比较大,即增长率高的并不一定说明商品畅销,从上表分析可得出以下结果:
11151款比1152款的销售前景要好一些。
由于1151、1152款的基期销售量均为500件,基期销售水平一样,但本周1151款的增长率为60%,而1152款只有40%,如不存在其它特殊原因(如1151款本周有团购、1152款配发的货量不足等原因),1151款明显好于1152款。
21152款比1153款销售要好一些,1152款上周的销售量为500、而1153款的上周销售量仅有5件,虽然1153款的增长率高达100%,但基期的销售量相差太大。
分析其原因:
是不是1153款已经过季,或者的确很滞销等。
由于增长率受基期水品影响很大。
所以必须要与比重分析、因素分析、动销率分析、增长量等一起考虑配套使用。
6、指数分析
从理论上说,单位不用的经济现象是不能直接相加的,如A国一周出口苹果100吨,汽车10辆。
我们就能不能说共出口了110。
但是我们可以用价值量作同度量因素将可量化的指数转化为金额在汇总。
如苹果每吨1万元,汽车每辆10万元,我们就可以所1天共出口200万元,再把这周的出口与前期的出口进行分析,看其变动方向和出口量、单价对出口金额的影响程度。
这种利用同度量因素,把不同性质的不能直接相加的事物变成能加在一起的一个综合指数值,然后分析这个综合数值的变动程度的方法,叫指数分析法。
∵销售额=价格×销量
∴销售额指数=价格指数×销量指数
价格指数=(∑报告期价格×报告期销量)÷(∑基期价格×报告期销量)
销量指数=(∑基期价格×报告期销量)÷(∑基期价格×基期销量)
销售额指数-1=销售额增长率
价格指数-1=价格增长率
销量指数-1=销量增长率
由于我们服装商品价格只在调价促销时才会变动,所以指数分析多用于对促销效果的评估。
如下例:
本周开始对商品降价销售,价格、销售、销售额见下表,要求分析促销活动中价格、销售量的变动与销售额变动之间的关系,并对促销活动予以评估。
款号
单价
销售量
销售额
备注
促销前
促销后
促销前
促销后
促销前
促销后
1151
90
75
150
210
13500
15750
1152
165
135
120
250
19800
33750
合计
270
460
33300
49500
1价格指数=(∑报告期价格×报告期销量)÷(∑基期价格×报告期销量)
=(75×210+135×250)÷(90×210+165×250)
=82.29%
受价格变动影响的差额=(75×210+135×250)-(90×210+165×250)=-10650
即由于价格下降,销售额下降=100%-82.29%=17.71%,金额10650元
2销量指数=(∑基期价格×报告期销量)÷(∑基期价格×基期销量)
=(90×210+165×250)÷(90×150+165×120)
=180.63%
受销量影响的差额=(75×210+135×250)-(90×210+165×250)=26850元
即由于销售量上升,销售额上升18.63%-100%=80.63%,金额26850元
3销售额指数=价格指数×销量指数=82.29%×180.63%=148.64%
变动金额=价格影响金额+销量影响金额=-10650+26850=16200
即降价后由于销售增大,销售额也上升48.64%,增长16200元。
4综合评估
本次促销活动,调价后的价格是调价前的82.29%,价格下降了17.71%,从而使销售收入下降了10650元,即让利给顾客10650元。
由于价格的下降,销售量的上升幅度是调价前的18.63%,销售量上升80.63%,使销售收入增加了26850元。
因此,此次促销活动是有效果的,即减少了库存,又回笼了资金,薄利多销,基本达到了促销的目的。
7、因素分析
在上面的指数分析中,如果以商品平均价格为商品单价,公式可简化为:
销量指数=(∑报告期销量×基期价格)÷(∑基期销量×基期价格)
=∑报告期销量÷∑基期销量
=(∑基期销量+∑报告期增长量)÷∑基期销量
=1+∑报告期增长量÷∑基期销量
把等式右边的1移到等式左边,则:
销量指数-1=∑报告期增长量÷∑基期销量
总增长率=∑报告期增长量÷∑基期销量
总增长率=∑(各款报告期增长量÷∑基期销量)
如:
影响度=本款增长量÷∑基期销量
故:
总增长率=∑各款影响度
影响度从各款增长量与前期总销量的对比中揭示各款在销售变动中所起的作用,透视总销售量变动的原因,并根据主要因素的发展趋势描绘出总销售量在后期的变动方向,这对销售分析与预测有着非常重要的作用,是计划分析必备项。
因素分析的数学模型举例说明它的使用:
款号
上周销量
本周销量
增长量
影响度
1151
160
260
100
21.3%
1152
130
70
-60
-12.8%
1153
210
240
30
6.4%
合计
500
570
70
14.9%
从上表可知,本周总销量比上周增长70,增长率14.9%,但如果只给出销量指数、增长率指数别人一则会认为各款商品都在增长,二则不知道各款到底增长多少,因此有必要分析各款对总增长率的影响程度。
1151影响度=本款增长量÷∑基期销量=110÷500=21.3%
1152影响度=本款增长量÷∑基期销量=-60÷500=-12.8%
1153影响度=本款增长量÷∑基期销量=30÷500=6.4%
总增长率=∑各款影响度=21.3%+-12.8%+6.4%=14.9%
分析:
1本周总销售量比前周增长14.9%,1151款对销售增长起到至关重要的作用,由于它销售增长100件而导致销售量增长了21.3%,要对1151款增长原因进一步分析,确保销售持续增长。
21153款与前周基本持平,不是分析重点。
3在1151、1153两款都增长的情况下,1152款销售却下降了60件,导致总销售量下降12.8%,要从1152款质量、货量、价格等诸多方面挖掘原因,抑制其继续下滑。
8、ABC分析
众多社会经济领域中存在着”关键的少数和次要的多数”的现象。
如美国级少数人拥有绝大数财富,而极少部分财富却被大多数人占有。
公司里一台网络服务器值10万元,而几百万张纸只值几千元。
因此,为了不平均使力,以免把大部分精力花在级不重要的商品上,有必要把“关键的少数和次要的多数”分离开来,对“关键的少数”重点分析,对“次要的多数”可粗略分析或不分析,这就是ABC管理法,计划分析必须熟练运用ABC分析法,举例说明:
款号
销量
销售累计
销售比重
级别
1151
400
400
40.0%
A
1152
350
750
75.0%
A
1153
140
890
89.0%
B
其它10款
110
1000
100.0%
C
合计
1000
第一步:
按销售量递减排序,分别是400、350、140、110
第二步:
计算销售累计,分别是400、750、890、1000
第三步:
计算累计比重,用销售量累计除以合计销售量,即分别用400、750、890、1000除以1000,得到累计比重40%,75%、75%、89%、100%。
第四步:
将累计比重≤80%的为A类;≤90%的为B类,≤100%的为C类。
在分析的时候,A类重点分析,B类简要分析,C类可不予以分析。
要注意的是,如果从纯粹统计的角度说,A类品的项数不得超过总项数的15%,但由于我们分析时商品分类很细,一类商品可能只有8、9个款,按15%算A类最多1个款,分析范围太小,所以本公司分析时,对A类品项数可在上述第四步规定范围内人为调整,从落差大的地方分割,如:
款号
销量
销售累计
销售比重
级别
1151
38
38
38.0%
A
1152
32
70
70.0%
A
1153
9
79
79.0%
B
1154
8
87
87.0%
B
1155
7
94
94.0%
C
1156
6
100
100.0%
C
合计
100
1上表中共有6款,按15%计,A类只应有1个款,但1151、1152款差距很小,如果把1151纳入A类重点分析,而把1152纳入B类粗略分析,有些不合适,同时它的累计比重为70%,符合A类商品标准,故1152款可列入A类。
2到1153款的累计比重才79%、但它的销售量只有9件,与1152款的32件差距很大,故把它列入B类,而不纳入A类。
9、时间序列分析
顾名思义,时间序列是在不同的时点记录的一些列资料。
比如:
周销量、月销量、周销售额、月销售额、年销售量等等,由于服装的销售受季节,时间的变化影响特别大,研究时间序列主要就是分析这些序列变化的性质及规律。
由此获得的信息可以详细地反映有关销售变化的特征,有助于预测时间序列的未来值。
时间序列资料被认为是四个组成部分结合的结果。
他们是:
●时间趋势
●季节因素
●周期变化
●不规则(随机)变化
六、营销体系的统计预测
§.1预测方法
1、简单算术平均法
将各单位指数值相加得指数总量,再除以单位总项数。
如总体的标志总量等于各个体标志值之和,可用算术平均数作粗略估算。
公式:
X=∑x÷n∑x是各单位标志值之和,n是单位个数。
近3周T恤销售如下表,用平均法预测下周销量。
时间
前3周
前2周
前1周
合计
销售
400
500
510
1410
由于总销量1410是由3周销售量相加而来,所以可用算术平均数。
预测下周销量=1410÷3=470(件)
这种方法过于简单,将各期销量差异平均化,特别是没考虑近期的变化趋势,因而预测准确度低,多适用于短期预测,适用于处在销售平稳期中的商品。
2、加权算术平均法
在上例中,我们把各周的销售对下周的预测的影响程度看成是一样的。
但服装的销售季节性很强,受天气、气候的影响很大,而从天气等角度说,前1周的天气对下周的天气影响最大,前2周的天气次之,前3周再次,前4周更次,前5周即一个月前的天气几乎没有影响,这就是我们常常只分析近4周销售的根本原因,他同时表明,上例中把各周对下周的影响程度看成一样的作法是不够客观的。
因此我们有必要在算平均数时把这个影响程度加上去,这种方法就是加权平均法,这个影响程度就是权数。
将各标志值乘一权数后相加求得标志总量,再除以权数之和。
权数表示该标志值对总体标志值的影响程度。
当权数相等时,加权算术平均法就变成简单算术平均法了。
加权平均法多用于非线性变化的趋势。
公式:
X=∑xf÷∑f,∑xf为各标志值乘以权数后相加求得标志总量,∑f为权数之和。
近3周T恤销售如下表,用加权平均法预测下周销售量。
时间
前3周
前2周
前1周
合计
权数
0.5
0.8
1.2
2.5
销量
400
500
600
1500
加权
200
400
720
1320
平均
=1320÷2.5=528
值得注意的是,按400、500、600的趋势,下周应该是700才对,但通过加权平均法预测仅为528,明显偏低,无论怎样加大近期权数,预测值都滞后于实际趋势的发展,即在销售上升的时候,预测值比实际值低,在销售下降的时候,预测值比实际值高。
3、季节分析法
服装销售受气候影响较大,一年中有春夏秋冬四季,各年大致差不多,气候变化的规律性导致销售的规律性,我们可以参考往年同类商品销售规律并结合本年与往年的发展速度,对销售进行预测。
计划部在建立众多数据模型并予以测试后,认为从平均发展趋势的角度进行季节预测的误差较小。
第一步:
计算今年各期几何平均数;
第二步:
计算去年同期的几何平均数;
第三步:
今年几何平均数除以去年几何平均数得今年与去年的发展速度;
第四步:
用发展速度乘以往年销售量即得今年预测销售量。
年别
4月
5月
6月
7月
2000年
500
700
800
900
2001年
800
1300
1500
1160
12001年4至6月几何平均数1160
22000年4至6月几何平均数654
3发展速度=1160÷654=1.77
4预测值=900×1.77=1593(件)
另有一种方法是,直接计算出每月的增长率,再求出每月增长率的几何平均数即为发展速度。
4、指数平滑法
在没有明显长期预测资料的情况下,可以根据本期实际值、以往对本期的预测值及它们相应的权数来确定下期预测值的方法叫指数平滑法。
下期预测值=权数×本期实际值+(1-权数)×本期预测值(0权数≦1)
当权数越接近0时,下期预测值越接近本期预测值;
当权数越接近1时,下期预测值越接近本期实际值;
如下例分别取0.1、0.9作为权数计算:
如上周原实际销售20件,预测销售25件,预测下周销售。
1当权数为0.1时:
下周预测销量=0.1×20+(1-0.1)