• 制造业销售数据分析


    志之所趋,无远勿届,穷山距海,不能限也。
    ——金缨《格言联璧》


    前言

    结合日常工作中的数据分析场景,以制造业公司为例,分享本人拉通、思考及分析的过程,供各位小伙伴参考。


    一、销售考虑的问题

    1. 要卖什么?
    2. 要卖多少钱消费者能接受?
    3. 在哪里卖?
    4. 如何推广?

    二、选用模型分析框架——营销理论模型 4P

    4P模型主要用于公司或其中某一个产品线的整体运营情况分析,通过分析结论,辅助决策近期运营计划与方案。

    • 产品(Product):能提供给市场,被人们使用和消费并满足人们某种需求的任何东西,包括有形产品、服务、人员、组织、观念和它们的组合。确定要卖什么。
    • 价格(Price):购买产品时的价格,包括基本价格、折扣价格、支付期限等。影响价格的主要因素有需求、成本和竞争。确定要卖多少钱消费者能接受。
    • 地点(Place):产品从生产企业流转到用户手上全过程所经历的各个环节。确定在哪里卖。
    • 推广(Promotion):企业通过销售行为的改变来激励用户消费,以短期的行为促进消费的增长,吸引其他品牌用户或导致提钱消费来促进销售增长。确定推广方式。
      在这里插入图片描述

    二、销售数据分析过程

    (一)前期调研

    • 了解公司具体的业务过程
    • 了解公司目标
    • 了解销售部门现存问题
    • 了解数据现存问题

    (二)数据源整理

    • 针对业务过程了解业务过程相应数据的来源
    • 试算数据,验证其关联关系

    (三)确定指标

    • 根据问题确定所需的指标
    • 构建相关的指标体系,一方面对外服务于业务方,统一指标的定义,另一方面服务于分析师和大数据开发人员,统一指标计算逻辑。

    (四)报表构建

    • 有数仓直接从数仓获取数据关联取数
    • 没有数仓则接入数据,构建数仓后取数

    (五)数据呈现

    • 将报表数据做可视化展示
    • 将数据做成数据集供用户直接使用
    • 将数据清洗、汇总后落表,供其他部门开发使用

    (六)驱动业务

    1. 产品

    分析哪个产品卖得好,哪个产品利润高。

    2. 价格

    分析成本、毛利、友商等情况。

    3. 地点

    分析现有哪个渠道卖得好,有无新渠道可以尝试。

    4. 推广

    (1)数字营销生态组成
    • 网站/APP
    • 搜索引擎(例如,百度、Google、Bing…)
    • 社交媒体(例如,微博、Facebook、Twitter…)
    • 电子邮件(例如,QQ邮箱、Gmail…)
    • 内容网站(例如,小红书、BillBill、YouTube…)
    • 电商平台(例如,淘宝、Amazon…)
    (2)各生态推广方式及适用范围
    • 网站/APP,网站/APP内部广告及内部搜索。
    • 搜索引擎,搜索引擎优化,SEO/SEM,海外一般为Google搜索引擎优化。
    • 社交媒体,微信朋友圈广告/公众号,海外一般为Facebook、Twitter,海外2B也常用linkedin。
    • 电子邮件,海外常用邮件沟通,较合适,如Gmail。
    • 内容网站,小红书打卡动态,抖音直播,抖音矩阵。
    • 电商平台,淘宝天猫、京东等广告。

    三、案例分享

    (一)前期调研

    1. 案例公司业务情况

    (1)案例公司属于制造业,大部分产品自研。业务范围包括2C和2B,有线上销售也有线下服务商实体店销售,销售地区有国内也有海外。
    (2)公司当前的目标是盈利。
    在这里插入图片描述

    2. 现有业务痛点

    (1)销售部门主管统计的数据与财务管报数据对不上
    (2)一线销售无法知道自己目标达成情况
    (3)不知道哪个产品利润高
    (4)不知道哪个产品评价好
    (5)不知道应收款逾期情况,客户信用额度安排是否合理
    (6)无法判断哪些属于优质客户

    3. 现有系统问题

    (1)财务ERP系统,财务管报数据来源,销售数据和销售部门绩效依据,部分数据也由其他系统同步而来。
    (2)CRM系统,2B客户数据来源,与其他系统无外键关联关系。
    (3)电商订单系统,电商订单数据源,会同步给财务系统数据,内部自研。
    (4)领星系统,海外亚马逊数据来源,数据源更新频率低。
    (5)低代码平台,手工录入数据,用户可以随意删除数据,且数据库为硬删除。
    (6)主数据平台,用于公用维度数据统一。

    (二)数据源整理

    1. 业务过程相应数据的来源

    • 财务系统数据位于财务系统云,非私有化部署,现阶段只能接口接入。
    • 其他系统分布于各云端关系型数据库,不同云,云间未打通。

    2. 试算数据

    • 因销售数据权威性由财务决定,计算口径来源财务统计口径,销售数据取自财务系统和领星系统,财务系统因接口接入,无直接表示数据更新的字段,接入较麻烦。
    • 为避免公司内部对产品信息等公用维度的定义有差异,通过外键关联主数据平台统一维度,但部分维度无法通过主数据平台统一。

    (三)确定指标

    1. 根据问题确定所需的指标

    原子指标衍生指标
    销售额毛利额
    同比销售额毛利率
    销售量销售目标达成率
    同比销售量复购率
    成本销售额同比增长额
    销售目标销售额同比增长率
    客单价销售量同比增长量
    应收款金额销售量同比增长率
    已核销金额
    未核销金额

    2. 构建相关的指标体系

    (1)指标的类型
    • 指标简单分两类:原子指标和衍生指标
    • 衍生指标为原子指标计算而来,除衍生指标外其他为原子指标。
    (2)指标的等级
    • 确定北极星指标(核心指标),公司今年的目标是盈利,北极星指标就是利润。
    • 从北极星指标细分出我们当前业务相关的指标,比如本文是销售数据分析,根据北极星指标利润,细分出销售相关的指标有销售额、销售量等。
    (3)指标体系的血缘
    • 每个指标列明指标类型、指标定义和具体计算逻辑。
    • 每个指标列明用于哪个Tableau报表,解决哪个业务痛点。

    其中部分设计如下
    在这里插入图片描述

    (四)离线数仓架构及模型报表设计样例

    在这里插入图片描述

    • ODS:业务系统贴源接入订单、出库、客户等数据
    • DWD:以系统为主题域,形成订单、出库等事实表
    • DWS:以系统为主题域,初步汇总DWD数据,分表存储指标
    • ADS:需求导向,直接用于下游数据可视化,导出到关系型数据库
    • DIM:部门维度、公司员工维度、产品物料维度、客户维度等

    (五)数据呈现样例

    • Tableau报表展示,从日期、部门、产品物料分类、产品、销售员、客户、销售地区等维度联动分析数据。
      在这里插入图片描述

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述


    总结

    志之所趋,无远勿届,穷山距海,不能限也。出自清代学者金缨编著的《格言联璧》,意为志向所趋,没有不能达到的地方,即使是山海尽头也不能限制,意志所向,没有不能攻破的壁垒,即使是精兵坚甲也不能抵抗。
    希望本文可以给小伙伴们一点启发,也希望自已可以不忘初心,在数据分析的道路上一路走下去。

  • 相关阅读:
    「Spring Boot 系列」02. Spring Boot的目录结构和启动方式
    【数据结构】二叉树顺序存储:堆详解!(图解+源码)
    DHorse v1.3.0 发布,基于k8s的发布平台
    [微前端实战]---021软件设计原则与分层
    QT打包圆心识别
    docker-compose 搭建 kafka 集群
    使用docker-compose部署Redis(单机部署)
    Haproxy集群与常见的Web集群调度器
    js亮瞎你眼的日期选择器
    LeetCode:342. 数位和相等数对的最大和(C++)
  • 原文地址:https://blog.csdn.net/zhangliushi/article/details/127638977