零售系统BI应用

零售系统BI应用

从决策的内容分类

一 品种决策

决策方向：决定经营品种；
分析内容：商品周转率

二 库存决策

决策方向：决定库存水平；
分析内容：库存周转率、周转天数

三 价格决策

决策方向：决定商品的售价；
分析内容：商品价格带分析

四 进货决策

决策方向：决定进货厂家和数量；
分析内容：供应商的综合评分

五 资金决策

决策方向：决定付款的方式和数量。
分析内容：

从分析和评价的角度分类

一 顾客购买行为分析

☆会员结构分析
[/b]如年龄、性别、收入、与商场的距离、月购买量、每次购买平均单等
☆会员购买行为分析
[/b]如每次购买平均单价、各类商品比重、购买时间、退货次数、退货金额、受促销活动影响的购买额等
☆购买行为相关分析
[/b]商品各类别购买量，按年龄、性别、收入、与商场距离的分布等
☆顾客忠诚度分析
[/b]连续30天未购买的顾客占总顾客的百分比等

二 供货商行为评价

☆供应商供应能力
[/b]分析品种数、平均日供应量、平均月供应量、最大日供应量、供货期等
☆供应商的经营结构
[/b]分析供应品种的进、销情况等
☆供应商的运营状况
[/b]分析销售额、销售额排名、毛利额、费用收入、促销次数、促销让利、赠品金额、返厂笔数、返厂金额、周转天数等
☆供应商的结算条件
[/b]分析经营方式、借用资金利息、单位销售额占用利息等
☆供应商的综合评分
[/b]

三 人员业绩评价

☆营业员考核
[/b]销售、退货、交易次数、平均客单价等
☆合同员、物价员考核
[/b]新品笔数、合同笔数、供应商笔数、定价笔数、调价笔数等

四 部门经营状况评价

☆部门业绩考核
销售、库存、毛利、人均销售、地均销售
☆计划指标考核
买手、营业员、部门完成计划的百分比

五 企业财务分析

六 商品结构分析

各大类品种数 各大类平均价格 各大类平均库存 各大类平均库存时间 各大类平均毛利

非正常商品分析

超保本期或保利期商品 连续无销售商品 超保质期商品 超退换期商品

市场需求分析

分大类销售 分大类销售平均价 分类销售同比变化和环比变化

六 商品经营价值分析

销售、毛利、贡献度、交叉比率

七 商品促销效果分析

促销毛利、促销销售增加、促销前后销售下降费用

八 商品价格定位分析

九 商品布局和陈列效果分析

归结起来就有：商品聚类分析、竞争格局分析、消费趋势分析、商品淘汰分析、商品引进分析等。商品聚类分析竞争格局分析消费趋势分析商品淘汰分析商品引进分析

从应用的手段分类

一 指标分析（总量指标、比率指标）

指标分析是指对企业不同的业务流程和业务环节的指标，如：利润率、应收率、销售率、库存量、单品销售情况及所占营业比例、风险采购和库存评价指标等进行搜集和分析。但这些指标只能反映局部的经营状况。为了解企业的整体经营状况，还需对这些指标进行科学的组织和分析，利用智能管理技术，形成一个能反映企业整体情况的数学模型。这样通过观察总指标并设置告警，才能获得整个企业的经营状况。

二 趋势分析（同比、环比）

对于某一指标的发展趋势进行分析，计算该项指标的同比、环比，移动平均数、平滑指数等趋势信息，结合相关模型对该项指标进行预测。同比分析：本期（年、月、周）数据与往年同期（年、月、周）数据比较环比分析：本期（月、周）数据与上期（上月、上周）数据比较

移动平均数：利用移动平均预测方法

平滑指数：利用平滑指数预测方法

三 排序分析

对于查询获得的供应商、顾客、买手、部门、营业员等数据，可以进行正向、反向的排序，可以对查询结果中的任一项目进行排序。

四 相关分析（相关系数分析）

应用统计学中的相关系数方法计算两个指标之间的相关系数，从而得知两个指标之间的关联度。对两个不同的经济变量进行相关性判断，确定经济变量之间是否存在相关关系。相关分析是进行因果分析的基本工具，通过相关分析可以判断经济指标之间的替代关系和关联度。

五 模型分析（季节模型、回归模型、指数模型）
通过计算时间序列的回归系数，得出某一指标变化的规律，建立起数学模型，描述其预测方法，为人们的决策提供支持。建立模型就是根据实际应用的需要，采用一定的模式模型来模拟数据的相互关系和数据发展趋势。有些模型可能是没有实际意义或者没有使用价值的，也有可能不能准确的反映数据的真实意义，甚至在某些情况下是与事实相反的，因此，如何建立模型、建什么样的模型是建立模型的关键，常用的模式包括以下几类：A．分类模式分类模式是一个分类函数（分类器），能够把数据集中的数据项映射到某个给定的类上。分类模式往往表现为一棵分类树，根据数据的值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。B．回归模式回归模式的函数定义与分类模式相似，它们的差别在于分类模式的预测值是离散的，回归模式的预测值是连续的。如给出某种动物的特征，可以用分类模式判定这种动物是哺乳动物还是鸟类；给出某个人的教育情况、工作经验，可以用回归模式判定这个人的年工资在哪个范围内，是在6000元以下，还是在6000元到1万元之间，还是在1万元以上。C．时间序列模式时间序列模式根据数据随时间变化的趋势预测将来的值。这里要考虑到时间的特殊性质，像一些周期性的时间定义如星期、月、季节、年等，不同的日子如节假日可能造成的影响，日期本身的计算方法，还有一些需要特殊考虑的地方如时间前后的相关性（过去的事情对将来有多大的影响力）等。只有充分考虑时间因素，利用现有数据随时间变化的一系列的值，才能更好地预测将来的值。D．聚类模式聚类模式把数据划分到不同的组中，组之间的差别尽可能大，组内的差别尽可能小。与分类模式不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪一（几）个数据项来定义组。一般来说，业务知识丰富的人应该可以理解这些组的含义，如果产生的模式无法理解或不可用，则该模式可能是无意义的，需要回到上阶段重新组织数据。E．关联模式关联模式是数据项之间的关联规则。关联规则是如下形式的一种规则：“在拥有金卡的人当中，60％的人的月收入在3000元以上。”F．序列模式序列模式与关联模式相仿，而把数据之间的关联性与时间联系起来。为了发现序列模式，不仅需要知道事件是否发生，而且需要确定事件发生的时间。例如，在购买彩电的人们当中，60％的人会在3个月内购买影碟机。在解决实际问题时，经常要同时使用多种模式。分类模式和回归模式是使用最普遍的模式。分类模式、回归模式、时间序列模式也被认为是受监督知识，因为在建立模式前数据的结果是已知的，可以直接用来检测模式的准确性，模式的产生是在受监督的情况下进行的。一般在建立这些模式时，使用一部分数据作为样本，用另一部分数据来检验、校正模式。聚类模式、关联模式、序列模式则是非监督知识，因为在模式建立前结果是未知的，模式的产生不受任何监督。

六 图形分析（直方图、饼图、折线图）

能够以直方图、饼图、折线图、散点图等图形表达各个指标之间在同一时间或不同时间的相互关系，让人们直观地掌握数据之间的内在关系。（如图）