零售資料分析之操作篇11:銷售佔比分析
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。
上期內容和作業
上一講講了排名與TOP的場景,排名是以排序為基礎,從1開始標識其排名的序號;而TOP則是以排序為基礎,僅顯示N行或N%行記錄。上一講還給大家出了兩道作業,我們這就來解答一下。
第1題: 如何按不同指標進行綜合排名?
這一題主要要理解什麼是綜合排名?所謂綜合排名,就是按某些指標分別排名,然後再按特定的權重將排名相加,得到綜合排名。這和我們從小評定的三好學生類似,只是我們是用了量化的方法去計算。
我們舉一個具體的例子:比如我們想根據收入、客單價、毛利三個指標來給門店進行綜合排名,其中,收入佔50%,客單價與毛利各佔25%的權重,加權彙總就可以得到一個綜合排名值。
接下來我們直接在系統中操作:
第一步,彙總收入、毛利、客單價三指標
新增收入、毛利指標:點選【彙總】旁的【+】,勾選【收入】、【毛利】,點選確定。
要計算客單價,首先要新增客流量,然後根據公式:客單價=收入/客流量,來進行計算。
客流量:點選【彙總】旁的【+】,勾選【訂單號】,左下角選擇【唯yi計算】,點選確定。點選該指標旁的【…】,點選【重新命名】,修改為【客流量】。
客單價:點選【彙總】旁的【+】,點選【fx】,在【計算成員1】中輸入【客單價】,點選左下角【彙總區域】,在【自定義表示式】中輸入計算公式:收入/客流量,點選確定。
第二步,在行維度中增加門店指標
點選【行維度】旁的【+】,勾選【門店】,點選確定。
第三步,進行排名設定
收入排名:點選【收入】旁的【…】,點選【排名】,點選【行總排名】。
毛利、客單價的排名設定同上。
最後,增加一個綜合排名:
點選【彙總】旁的【+】,點選【fx】,勾選左下角【彙總區域】,在【計算成員1】中輸入【綜合排名】,在【自定義表示式】中,輸入計算公式:收入航總排名x0.5+毛利行總排名x0.25+客單價行總排名x0.25,點選確定。
點選右側【表列】屬性,在【序列】中選擇【綜合排名】,將列格式下的【值小數位】修改成【2】,即可得到以下效果:
之後點選圖表中的【綜合排名】進行組內排序,將獲得更加直觀清晰的展示效果。
第2題: 查詢哪些門店給公司貢獻了80%的銷額?
根據我們上節講過的內容,大家一定會想到用TOPN%來實現。但事實上,用TOPN%是實現不了的。為什麼?
我們先審一下題目:哪些門店給公司貢獻了80%的銷額?這裡的重點是80%的銷額是怎麼計算的?它是先將各門店的銷額從高到低進行排序,然後依次相加,再除以總銷額得到的(我們稱之為累計佔比)。藉此分析出 這個累計佔比 在什麼情況下達到80%,又是由哪幾個門店的銷額相加得到的。這樣就得到了我們這道作業的答案了。
也就是說,我們不是隨便從10個門店中找到8個門店(80%),也不是隨便找幾個門店讓其累計的銷額佔比超過80%即可(需要按銷額從高到低進行排序)。
聽到這裡,大家應該明白,上一講的TOPN%是沒辦法實現這個需求的,而這個需求,恰好是今天要講的內容。
本期內容
今天要講的內容就是與銷售佔比相關的記憶體計算。包括三部分的內容:
1、 佔比:
比如各門店收入佔公司總體收入的比重?比如計算A門店的收入佔比,就是將A門店的收入/所有門店的收入得到的值。這個佔比還要區分另外一種情況,就是根據不同的層級來計算與父級彙總的佔比。比如我們在看各門店各品類的收入時,想看某個門店各品類的收入佔公司總體收入的比重(行總佔比),也可能想看某個門店各品類的收入佔當前門店總收入的比重(行佔比)。如果只有一個層級,那麼,行總佔比與行佔比計算得到的結果相同。
2、TOP佔比:
當我們在進行TOPN分析時,如果用普通的佔比,得到的仍然是某個門店佔父級或總計的比重,但如果想看門店銷售TOP十中每個門店在前10中的比重,而非在所有門店中的比重時,就得用TOP佔比了。
TOP佔比與普通佔比的區別在於,TOP佔比就是匹配TOP N使用的,TOP佔比的除數為顯示出來的TOP N的總計,而普通佔比則是所有行的總計。
3、累計佔比:
在講累計佔比前,我們要先講一下累計,所謂累計值,就是逐行累加或者逐列累加,加到最後的值,就是總計的值。而累計佔比即當前行或列的累計值佔總計的比例,同時也是逐行累加或者逐列累加,加到最後的佔比,就是百%。
這裡給大家普及一個小知識,用到累計與累計佔比最為典型的一個場景就是柏拉圖(排列圖),這裡的柏拉圖不是大家熟知的那個哲學家柏拉圖,柏拉圖是美國品管大師朱蘭博士運用義大利經濟學家柏拉圖(Pareto又譯帕累託)的統計圖加以延伸所創造出來的,多用在質量管理中。
比如下圖中,X軸的ABCD是指質量缺陷的種類,而左側的Y軸記錄的是質量缺陷出現的次數,而右側Y軸記錄的是各缺陷種類的累計百分比,將各累計佔比的點連成的線就是帕累託曲線。如果在累計百分比這裡畫出一條80%的分隔線,就可以直觀的看到,哪幾種缺陷佔到了出現總次數的80%,即關鍵的少數;而80%-百%這個區間的缺陷種類稱之為微不足道的多數。它的靈感就來自義大利經濟學家帕累託關於社會財富狀況中“關鍵的少數和微不足道的多數”現象。
講到這裡,再通俗一點講,就是我們大家都知道的2-8定律,而我們上一講留的那道作業題,想知道哪些門店給公司貢獻了80%的收入?就是要用到累計佔比這個功能。
好的,講到這裡,想必大家已經有些暈了,我們透過一些示例來實踐一下 。
系統實操
1、計算分析 各門店的收入佔比
首先,製作一個將【收入】放到彙總中,將【門店】放到行維度中的表格,然後進行佔比分析。
增加收入指標:點選【彙總】旁的【+】,勾選【收入】,點選確定。
增加門店指標:點選【行維度】旁的【+】,勾選【門店】,點選確定。
收入行佔比:點選【收入】旁的【…】,點選【佔比】,點選【行佔比】。
2、各品類在各門店的佔比情況
在上題的基礎上,先把【品類】放到行維度中,然後做行總佔比分析。
增加品類指標:點選【行維度】旁的【+】,勾選【品類】,點選確定。
收入行總佔比:點選【收入】旁的【…】,點選【佔比】,點選【行總佔比】。
點選右側【表列】屬性,在【序列】中選擇【收入行佔比】,在【值型別】中選擇【百分比】,在【值小數位】中選擇【2】,即可獲得以下報表效果:
3、 賣的最好的前10種商品佔比情況如何?
新建將【收入】放到彙總中,將【商品】放到行維度的表格,然後做以下操作:
對收入進行降序:依次點選【收入】旁的【…】、【排序】、【降序】。
對商品進行top 十設定:依次點選【商品】旁的【…】、【顯示行TOP】、【10】。
這個時候看到的是各個品類商品佔到整個公司商品收入的佔比。如果我們要看到各個品類佔到top十中的收入佔比是多少,就需要做top佔比分析:
依次點選【收入】旁的【…】、【TOP佔比】、【行TOP佔比】。
4、分析某月各門店的佔比,以及,同一個門店每個月的佔比
新建一個表格,把【收入】放彙總,把【門店】放行維度,再把【時間年】、【時間月】放列維度。
篩選2010年的資料:點選【篩選】旁的【+】,勾選【時間年】後並開啟勾選【2010】,點選確定。
分析每個月各個門店的佔比:依次點選【收入】旁的【…】、【佔比】、【行佔比】。
分析同一個門店不同月份的佔比:依次點選【收入】旁的【…】、【佔比】、【列佔比】。
5、找出 給公司貢獻了80%收入的門店?
新建一個以【收入】為彙總指標,以【門店】為行維度,並對收入指標進行降序的表格。
降序:依次點選【收入】旁的【…】、【排序】、【降序】。
收入行累計:依次點選【收入】旁的【…】、【累計值】、【行累計】。
收入行累計佔比:依次點選【收入】旁的【…】、【累計佔比】、【行累計佔比】。點選右側【表列】屬性,在序列中選擇【收入行累計佔比】,在值型別中選擇【百分比】,在值小數位中選擇【2】。
敲黑板 , 講重點
1、 今天講的內容,大家最好是將製作出來的表格匯出到EXCEL中,根據自己的理解在EXCEL中計算驗證一下。
2、 今天講的內容都有行/列,以及是與總計計算還是與父級小計計算的區別,大家在實際場景中理解消化。
最後,給大家出一道作業:
如何畫出一個帕累託的統計圖,來看品類銷售是否符合2-8定律?
下一講,我們會講之前擱置的 子查詢的應用場景,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-2943607/,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10:銷售排名與TOP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
- tableau 對比銷售額分析
- 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
- 2022-2026年美國零售電子商務銷售額佔零售總額比預測(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
- 2023年-2027年全球零售電子商務銷售額及佔比預測(附原資料表)
- 智雲通CRM:如何用銷售思維分析銷售資料?
- 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
- 資料分析 | Numpy實戰(三) - 分析各類使用者佔比
- 乘聯會:2021年10月北京汽車銷售資料及11月銷售分析
- 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
- 點選、拖曳,15分鐘搞定BI零售資料分析
- 分享 | BI零售資料分析模板,視覺化,更易懂視覺化
- 大資料分析對新零售的作用是什麼?大資料
- 星圖資料:2019雙11全網網購銷售直播資料分析報告(附下載)
- 2022資料分析: 電商天貓維生素類藥品銷售分析
- 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?
- 零售資料分析報表這樣做,老闆狂點贊!
- 大資料分析師,比資料分析師厲害在哪大資料
- 自動計算零售資料分析指標?BI軟體表示可行指標
- 零售資料分析師熬夜整理:人、貨、場、供、財這樣做
- 提升線下零售企業的市場競爭力--資料分析!
- 資料分析之tableau
- 資料分析之matplotlib
- 分析快、易操作的資料分析工具推薦
- 如何成為資料分析師之基本素質篇