数据化运营（一）-概念

销售业绩是追踪出来的,尽量图表化

常用工具

Excel， SPSS ， SAS， R， python， Matlab

游戏：车牌号24点

销售层级

店长，销售主管，城市经理

同比与环比

同比，就是跟去年同期比；环比，就是跟上一个周期比。

例如，去年3月的价格指数是100，今年3月的价格指数是105，那么今年3月价格同比增长5%。

例如，今年2月的价格指数是105，今年3月的价格指数是105，那么今年3月价格环比增长为0.

举个例子，假设5月份生产2000；4月份生产1000；环比增长速度＝（本期数－上期数）/上期数*100％；则环比增长速度为100%

退款率（各个公司不一样）

退款率=近30天成功退款笔数/近30天支付宝交易笔数*100%；

计算周期：每天计算近30天成功退款的数据，数据延迟2天；

计算举例：假设卖家小王在6月16日到6月30日交易125笔，成功退款10笔；7月1日到7月13日交易112笔，成功退款15笔；7月14日到7月15日无交易，无退款，则小王在7月17日的退款率计算方式为：6月16日到7月15日成功退款笔数/6月16日到7月15日交易笔数=（10+15）/（125+112）=10.5%。

退货率

退货数量/总出货数量（换货补货不包含).

数据化排班表

是否符合销售规律

排班的公平性

上报上级审核，张贴供员工审核

5W2H

who,where,when,what,why,how,how much

数据化管理流程

分析需求-收集数据-整理数据-分析数据- 数据可视化- 应用魔板开发- 分析报告-魔板应用

在分析报告阶段，不要面面俱到，不同层级的人的关注点是不一样的，给他们最需要的指标，建议不要超过三个KPI

周权重指数

周权重指数是以某段销售周期内的历史日销售数据为基础，以周为单位，进行权重分析处理的一种管理工具，是一个相对的概念，一般介于7-14之间，值越大表示该企业的日销售额波动越大。

周权重指数等于周一到周日每天的日权重相加。为了标准化管理，没个零售企业都应有统一的周权重系数，各个分店的日权重系数可以不一样，但都由统一的周权重系数推导

电信运营商的营业厅可能不产生销售额可以以日客流量计算，呼叫中心以电话接通次数，电子商务网站可用访问量等数据计算

分部日权重指数=（星期N的平均日销售额/平均周销售额）* 企业周权重指数。 测试数据去今年前两月以及去年同期数据即可。当然节假日等特殊时期需要特殊处理

有了日和周权重指数，需要将销售目标分解到最小的可执行单元。试想，如果一个销售团队连日目标都没有会很可怕

单位权重(销售)值=∑日销售额/∑日权重指数。意义在与计算在某个销售时期内平均单位权重指数值的销售额，这就解决了时间标准没有可比性的问题。 例如周日销售330万，周一销售200万，星期一的权重值是0.9，星期日的权重是1.7，相除得到的结果，周日194万，周一222万，明显的，周一相对销售好于周日

月销售预测值=∑日销售额/(∑日权重指数/月权重指数)， 月权重指数等于全月日权重指数之和

目前很多购物中心和商户的合同是租金和扣点取最高值，所以有些商户在销售额达到二者平衡点时就转移了销售

总结：

寻找零售规律的企业标准，就是企业周权重指数

找到各个分布的零售规律，就是根据企业标准来计算各个分布的日权重指数，建议每月一次

每日计算当日的日目标，也可以月初一次性计算出来

根据每日的销售计算当月的销售预测值，需要每天进行一次

计算每天的单位权重值，进行销售追踪，发现销售是否有异常

促销评估，新品上市等事件量化处理

排班评估每月进行一次

经常需要自问的问题

退货率最高的店铺

最近一个月所负责店铺的退货率是多

最近一个月会员的销售占比

会员消费占比最高的店铺是哪些

最后一次抽查退货单或者会员销售单是什么时候

零售行业的销售周期是以周为单位，其他行业呢。传统行业一般周末是销售高峰，电子商务反而周末一般

在分析零售规律之前，需要剔除掉异常值，如法定假日，法定假日的调休日，行业特殊日，非正常销售日