零售資料分析之操作篇10:銷售排名與TOP分析
各位資料的朋友,大家好,我是老周道資料,和你一起,用常人思維+資料分析,透過資料講故事。
上期回顧與作業解答
上一講講了如何透過歷史聚合與其他聚合一起使用的場景,包括歷史聚合+唯yi計陣列合以及歷史聚合+最大最小值組合的場景。還給大家出了兩道作業:1、如何得知某個商品的最早銷售日期?2、如何得到某個會員的最近消費日期?
這兩道其實非常簡單,使用 歷史聚合+最大最小值組合 就可以實現。我們直接進系統:
1、如何得知某個商品的最早銷售日期?
第一步,利用歷史聚合+最小值的組合計算累計最小值年月日。
點選【彙總】旁的【+】,勾選銷售的【年月日】,左下角選擇【最小值】,點選確定。這時就能在彙總項中生成一個【最小值_年月日】的指標。
點選【最小值_年月日】旁的【…】,點選【歷史聚合】,勾選【開啟歷史聚合】,點選確定。
第二步,增加商品篩選控制元件。
依次點選【+】、【篩選】、【公共篩選】,在新增篩選控制元件小彈窗中勾選【商品分類1】,左下角點選選擇【下拉(單選)】後點選確定。
第三步,在行維度中增加商品名稱指標。
點選【行維度】旁的【+】,勾選【商品名稱】後點選確定。
第四步,調整屬性。
這個時候其實就已經可以得到某個商品的最早銷售日期, 但預設的時間裡還有時分秒,顯得太複雜。這個時候就可以點選左側屬性的【表列】,在序列中選擇【累計最小值年月日】,在列格式下的值型別中選擇【日期(年-月-日)】。
2、如何得到某個會員的最近消費日期?
第一步,新建表格後,直接複用上一題表格的資料集進行操作。
新建表格後,點選【資料集】旁的【+】,選擇上一題所用的資料集。點選該資料集旁的【…】,點選【複製】即可。
第二步,將最小值改成最大值。
點選彙總項下【累計最大值年月日】旁的【…】,依次點選【聚合】、【最大值】。
第三步,刪除行維度下的商品名稱指標,新增會員卡ID指標。
點選【商品名稱】旁的【…】,點選【刪除】。點選【行維度】旁的【+】,勾選【會員卡ID】,點選確定。
第四步,調整屬性。
點選左側屬性的【表列】,在序列中選擇【累計最大值年月日】,在列格式下的值型別中選擇【日期(年-月-日)】。
點選左側屬性的【表列】,在序列中選擇【會員卡ID】,在列格式下的值型別中選擇【常規】。
作業講完了,本來我們計劃是講一下子查詢的應用。但考慮到子查詢這個應用場景有些複雜,還需要掌握一些其他操作,才有利於理解消化。所以,我們今天改為講 排名與TOP的場景 。
本期內容
排名,即按某個指標的高低,從1開始標識序號。比如按銷額高低,看哪個門店是第1名,哪個門店是第2名。
這個功能看上去非常簡單,但非常實用,特別是當我們同時按多個指標進行銷售排名時,應用的價值就變得更不簡單了。對我們管理者來說,最想看到的當然是每個指標都排名靠前,但事實上又很難做好。比如我們可以分別按銷額、客流量與客單價對門店進行排名,就會發現有的門店雖然銷額排名高,但客單價不高;或者按銷額、銷量、毛利率對商品進行排名,會發現有的商品雖然銷量不高,但毛利率非常高。
從管理學的木桶理論來說,短板決定了我們整體的管理水平,所以,我們就要發現長板與短板,發現長板大家一起進步,遇到短板吃個小灶補補課。
TOP,通俗點說就是排行榜。
對於管理者來說,精力是有限的,所以,要抓大放小。比如有100個門店,只需要關注最好的或最差的10個門店就可以了。
今天要講的 零售資料分析 場景很常見,操作也很簡單,我們透過以下幾個例子來實踐一下:
1、 分別按銷額、客流量與客單價對門店進行排名。
2、 看各品類在各門店的排名情況。
3、 賣的最好的前10種商品是什麼?
4、 賣的最差的前10種商品是什麼?
5、 行列TOP組合的舉例。
6、 賣的最好的前10%門店是哪些?
系統實操
1、分別按銷額、客流量與客單價對門店進行銷售排名。
銷額(收入):點選【彙總】旁的【+】,勾選【收入】後點選確定,獲得【收入】指標。
客流量:點選【彙總】旁的【+】,勾選【訂單號】,左下角勾選【唯yi計數】後點選確定。點選該指標旁的【…】,點選【重新命名】,將指標名稱改為【客流量】即可。
客單價:點選【彙總】旁的【+】,點選【fx】,勾選左下角【彙總區域】,然後在計算成員1裡輸入【客單價】,在自定義表示式中透過點選、鍵盤輸入的方式輸入計算公式:收入/客流量,點選確定即可。
在行維度中增加門店指標:點選【行維度】旁的【+】,勾選【門店】後點選確定。
針對收入、客流量、客單價進行銷售排名,方法是點選該指標旁的【…】,點選【排名】,點選【行總排名】。
2、看各品類在各門店的排名情況。
首先,在彙總項加入收入指標,正在行維度中加入門店、品類指標。
其次,在彙總中增加行父級排名、行總排名。
行父級排名:分析展示在該品類商品中的收入排名。點選【收入】旁的【…】,點選【排名】,點選【行父級排名】即可。
行總排名:分析展示該商品在整個公司所有商品收入中的排名。點選【收入】旁的【…】,點選【排名】,點選【行總排名】即可。
3、 賣的最好的前10種商品是什麼?
首先,正在彙總項加入收入指標,在行維度加入商品指標。
然後,對收入指標進行排序。
點選【收入】旁的【…】,點選【排序】,點選【降序】。即可看到所有商品收入從高到低的排序。
之後,針對收入或商品指標進行top 十設定。
以商品指標為例,點選【商品】旁的【…】,點選【顯示行TOP】,點選【10】,即可。
4、 賣的最差的前10種商品是什麼?
只需要在上一題的基礎上進行修改即可。
找到排序項中的收入,點選其旁邊的【…】,點選【排序】,點選【升序】,即可實現從收入低到高的排序。
5、 行列TOP組合的舉例。
在上一題的基礎上,修改排序為降序、增加列維度指標門店、增加列TOP 十。
增加列維度指標:點選【列維度】旁的【…】,勾選【門店】,點選確定。
增加列TOP十:點選【行維度】中【商品】指標旁的【…】,點選【顯示列TOP】,點選【5】。
6、 賣的最好的前10%門店是哪些?
操作思路:先新建一個表格,在彙總中加入銷售金額指標並進行降序,在行維度中增加門店名稱指標。然後做行TOP設定。
增加銷售金額指標並降序:點選【彙總】旁的【+】,勾選【銷售金額】,點選確定。點選【銷售金額】指標旁的【…】,點選【排序】,點選【降序】。
在行維度增加門店名稱指標:點選【行維度】旁【+】,勾選【門店名稱指標】,點選確定。
做行TOP設定:點選行維度中【門店名稱】旁的【…】,點選【顯示行TOP】,點選【10%】
敲黑板 , 講重點
1、 EXCEL資料來源沒有TOPN%。
2、 TOPN%僅僅是所有滿足條件記錄數的TOPN%,比如總記錄數是100條,則此時選擇TOP十%,則顯示100*10%=10條。
3、 關於行列TOP組合,可能你是想看的是行也是TOP最好,列也是TOP最好,但實際結果並不是這樣,列TOPN只是保留N列,與指標的大小無關。後面我們講到子查詢時,會講到這種想同時看到行列最好的組合如何實現。
最後,給大家出兩道作業:1、如何按不同指標進行綜合排名?2、想查詢哪些門店給公司貢獻了80%的銷額?
下一講,我們會講一下 佔比相關的記憶體計算場景,敬請期待。
老周道資料,和你一起,用常人思維+資料分析,透過資料講故事,我們下一講再見!
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70024013/viewspace-2942378/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- 零售資料分析之操作篇11:銷售佔比分析
- 零售資料分析操作篇15:用總聚合做銷售分析
- 零售資料分析操作篇14:利用記憶體計算做銷售篩選分析記憶體
- 零售資料分析操作篇7:分析售罄率,決定何時做促銷
- 零售資料分析之操作篇9:用歷史聚合計算歷史銷售SKU數
- 零售資料分析之操作篇12:子查詢的應用
- 零售資料分析之操作篇8:用歷史聚合巧算庫存
- 零售資料分析指導銷售:促銷時機看售罄率
- BI零售資料分析:以自身視角展開分析
- 1電商平臺零售資料分析
- 2021年美國零售電子商務銷售份額TOP10(附原資料表)
- Python資料分析之Pandas篇Python
- BI零售資料分析方案,看了就想擁有
- 對這套BI零售資料分析方案心動,是零售人天性
- BI零售資料分析,當代零售企業的核心競爭力
- 智雲通CRM:如何用銷售思維分析銷售資料?
- 星圖資料:2020.11.11全網銷售直播資料分析
- 用Python爬蟲分析演唱會銷售資料Python爬蟲
- 分享 | BI零售資料分析模板,視覺化,更易懂視覺化
- 點選、拖曳,15分鐘搞定BI零售資料分析
- 大資料分析對新零售的作用是什麼?大資料
- 【Kaggle入門級競賽top5%排名經驗分享】— 分析篇
- 中國大學排名資料分析與視覺化視覺化
- 乘聯會:2021年10月北京汽車銷售資料及11月銷售分析
- 乘聯會:2023年10月各品牌零售銷量排名快報
- 讓BI自動生成零售資料分析報表?用模板
- 零售資料分析做得好的BI軟體有哪些?
- 2022資料分析: 電商天貓維生素類藥品銷售分析
- Python資料分析與展示之『Numpy』Python
- 零售資料分析報表這樣做,老闆狂點贊!
- Python資料分析 | Numpy與1維陣列操作Python陣列
- HEDNA:2018年酒店分銷資料管理與分析
- 零售資料分析師熬夜整理:人、貨、場、供、財這樣做
- 自動計算零售資料分析指標?BI軟體表示可行指標
- 提升線下零售企業的市場競爭力--資料分析!
- IC Insights:2020上半年全球半導體銷售額排名Top10廠商
- 資料結構與演算法分析——開篇以及複雜度分析資料結構演算法複雜度
- 資料分析之tableau