2分钟，带你走完企业经营分析全流程，更有通用分析框架直接套用

Posted 2022-08-10 Leo.yuan

推荐一套企业经营数据分析报告框架，以及实战案例（带过程分析），适用于零售电商等行业

目的：当前，不少零售公司的门店都正在全国高速扩张中，急需一张完整企业经营数据分析报告，让业务人员能从中知道自己业务最近及过去的数据情况，同时，也让公司管理层快速了解业务情况及数据波动原因，得出解决方案。部分分析报告如下↓↓，数据分析及可视化报告制作工具是FineBI

角色一：全国老大视角

下图全国老大的账号拥有所有省-市-区的权限，可以随意筛选到任意层级来查看情况。

[1.2]报表日期默认选最新的日期，用户可筛选回溯任何日期。[1.3]对整份报表的色系做了基本定义， 方便能快速识别是什么类型的指标，保证整份报表色系一致。

①本月总销售额分析

上图[1.1]3个KPI指标卡，可以非常情况看到本月销售情况比起环期没什么涨跌（[环比增长率]=-0.6%在-5%~5%这个小范围内认为是平的，是黄色）

上图[1.2]近一年的每月销售额变化情况，可以看到2月[同期]比起1月环比大幅度下降-17%，比起去年12月，也是下降的，所以2月本身表现就很差劲，[1.3]21年3月更是环比增长达46%,所以认为当前3月销售额情况其实应该并不好。

上图[1.4]近一年的销售额日历图，该图可以非常清楚的看到每日的销售额的规律(比如周六日卖的好,月底普遍卖得好，但是没有发现这个规律)，看当前3月，前2周高于平均水平，后2周低于平均水平拉低了整月。

结论：全国22年3月销售额看环比没变差，但是通过同比月份的环比情况，应该有些问题。且后2周的表现较差。

这时全国老大想知道是不是有2,3月就是有表现不好的规律,上图[1.5]老大筛选去年同时间’2021-03-26’,这整份报表就’回溯’到当时的情况。可以通过筛选回到任何时间的报表分析，而不用再找数据部门要，双赢。

上图[1.6]发现21年2月销售额也下降了，大概是春节的因素，但是只下降-12%，比22年2月下降-17%好很一些，且21年3月[环比增长率]足足上升了36%，[1.7]也没发现3月后2周会表现不好的规律。

结论：全国22年3月销售额确实有问题，特别是后2周

上图[1.8]老大再次筛选时间=‘2022-03-13’,为了看22年3月前两周的表现情况，再次回溯报表时间。发现果然，22年3月前2周的[环比增长率(同时段)]为44.8% ,甚至超过了去年36%。

结论：全国22年3月的销售额有变差，问题出在在3月的后2周。

②本月各省月销售额占比&环比变化分析

全国老大时间选回了最新的’2022-03-26’,继续探索本月情况。

上图[2.1]非常清楚的看到本月销售额的[环比增长率(同时段)]上升最多的省份是’江苏省’，足足272%,可以好好表扬下，回头让他们交一分报告上来看是怎么做到的。下降最最多的是’湖北省’，但销售额就那么一点，是个新市场，无足轻重，可以先不管。

上图[2.2]可以看到所有有业务的省份销售额几乎都是上升的，但是这对3月来说的意义不大，因为我们上面分析3月比2月就该大规模上升。

上图[2.3]非常重要，结合了各省[销售金额占比]（销售额贡献度）和环比变化情况，可以非常清楚的看到 '吉林省’是2月(同时段)足足贡献了全国的25%的销售额，但是3月却下降到了15%,销售额足足下降了40%，2月贡献了全国的11%销售额的’福建省’更是严重，销售额下降了57%。

结论：22年3月的异常主要出在了’吉林省’和’福建省’上

上图[2.4] 老大想要知道’福建省’的具体情况，使用了’联动+钻取’，看到’福建省’的沿海城市销售额都下降了。[2.5] 贡献了’福建省’2月的53%销售额的’福州市’ 环比下降了58%, 贡献了’福建省’2月的25%销售额的’莆田市’ 更是环比下降了87%,贡献第二的下降最多。[2.6]'福建省’也是22年3月的后2周表现得很差。

结论：'福建省’的22年3月后2周表现很差，符合全国22年3月后2周的异常，主要是’福州市’和’莆田市’影响巨大。

全国视角结束说明

至此，其实全国老大在这份报表可以继续’筛选+联动+钻取’去分析’吉林省’，且目前只用报表分析的2个版块，下面还有4个版块可以深入分析这2个省的问题。

但是为了让篇幅不会过长，且介绍这份报表满足[各层级所有人员]的特性，我们将切换角色继续往下分析。

全国老大说:‘我累了，让东北三省的负责人交一份报告上来说明’吉林省’的情况’

角色二：东北三省总监

该账号只能看到这3个省的数据，也只能筛选到这3个省，体现[可视化]的[层级管理性]:各层级所有人只能看到自己该看的东西

上图[0.6] 报表变成了默认就是’市’为主要分析的维度，不用辛苦的每次’钻取’这个常看的维度。

①本月销售额&环比变化情况分析

上图[1.1] '东北三省总监’要和’全国老大’汇报’吉林省’本月的异常情况，所筛选了 省=‘吉林省’，接下来整份报表都是’吉林省’的内容。

上图[1.2] 吉林省22年3月26日当月[环比增长率]足足下降了40.2%, [1.3][1.4]21年3月(全月)可是足足上升了43%，本月业绩下降就非常离谱了。[1.5]22年3月后2周表现得很差是主要原因。

结论：'吉林省’的22年3月后2周表现得很差，符合全国22年3月的后2周的异常。

②本月各市月销售额占比&环比变化分析

上图[2.2]可以看到’吉林省’的只有’白山市’是正常上涨的。[2.3] 贡献了吉林省2月的34%销售额的’长春市’ 环比下降了55%, 贡献了吉林省2月的11%销售额的’长春市’ 更是环比下降了86%,全省下降最多。

结论：'吉林省’的22年3月表现得很差，主要是’长春市’和’吉林市’影响最大。

③市场扩张情况:总门店数对比& 新增门店数情况

由于市场一直在高速扩张中,也就是一直在新开门店。所以本月[环比增长率]-40.2%甚至还要再减去上图[3.1]的[总门店数环比多(同时段)]的1.7%，才是同样门店数的一个对比情况。 [3.1][3.2]都在说明这个，可以看到2月3月的门店数增幅下降了，但是增幅下降得严不严重，看斜率是不容易看出来的。

所以需要[3.3][3.4][3.5]这个来知道市场扩张的速度具体放缓了多少，可以看到 1，2，3月放缓速度在持续增加，3月[新增门店数环比增长率]甚至是-50%, 而21年3月[新增门店数环比增长率]是115.8%。

结论：'吉林省’的21年下半年市场扩张的速度就放缓，22年市场扩张的速度更是大幅度的连续下降，当前3月份尤其严重。

④有销量门店数&门店有销率 变化情况

[销售额]=[有销量门店数]*[店均销售额]， [有销量门店数]是非常重要的，但因为门店在一直新开，所以直接对比上月会受到新开门店的影响。所以引入的[门店有销率]=[有销量门店数]/[总门店数(当时)] ，同时这个率也能知道门店的活跃情况，一举两得。

上图[4.1] [本月有销率环比增加]为-15.5%,[4.2] 同比(同时段)的[门店有销率]也有72.4% ，每个月的有销率也比较平滑，所以[本月有销率]55.4真的很异常。

上图 [4.3] 条形图粗细代表[销售额占比]，表示对全局的影响度，影响度最高的还是’长春市’，不过’长春市’上月的[门店有销量率]本来就偏低，只有69%，环比减少了了-15.5%。 变化最大的依然是’吉林市’从上月很高的77% 减少了-31% 到46% 变化巨大。

上图[4.5]对比了当月,同期,环期的[每日门店有销率]，定位问题到天。发现本月从3月8号开始脱离正常值下滑，到3月21日到达了最低点2.4%，并一直在3%上下徘徊。

[4.6] 点击’吉林市’交互看到[4.7]也是从月8号左右脱离增增长值下滑

结论：'吉林省’的门店有销量率减少了-15.5%，主要是在3月8日后大幅度连续下滑，符合’吉林省’3月后2周销售额表现差，但还不足全部以解释 -40%的业绩下滑。

⑤月店均销售额 & 店均销售天数 & 店日均销售额

[月店均销售额]代表了门店的平均销量水平,上图[5.1]找到了-40%销售额剩下的原因，是 [月店均销售额] 的 环比下降了 -24.8%。[5.5]可以很清晰进一步分析下降的主要原因是 [店均销售天数]大幅度下降了， 而[店日均销售额]只有略微下降，[5.6]可以看出 到3月20日才有略微的下降。

结论：'吉林省’的门店[月店均销售额]减少了-24.8%，主要是在[店均销售天数]大幅度减少，加上这个因素可以基本解释 -40%的业绩下滑的原因。

结论和专题分析报表补充分析

上述展示的[日常可视化报表]将有可探索性，使用广泛性，层级管理性，实时性/可回溯性，都充体现到了，可以知道这份报表能再自助分析探索的地方还有非常多。不过就像开头说的，比起[专题分析报表]确实会在深度的分析上有所缺失，我们下面就补充一个和本次有关的[专题分析报表]。

‘吉林省’-40%的业绩下滑中，'吉林市’足足-85%的下滑。大家一般都会清楚应该是受到疫情影响。但是这个应该很不会，是怎么个个影响法，具体影响了多少，真的全是疫情的原因？上述的[日常可视化报表]并不能无法证明。

[日常可视化报表]更多的让大家知道都发生了什么，并能探索锁定出问题的范围， 就像我们的探索发现的路径：

全国22年3月销售额环比好像没下降–全国22年3月后2周的销售额异常—主要问题出自在’福建省’和’吉林省’的后2周—‘吉林省’ 的长春市和吉林市3月后2周确实有问题—问题主要是门店有销率(后2周) 和 门店销售天数。

但是真的证明问题还是需要下面的[专题分析报表]补充：

上图这是一份简单分析22年各城市受疫影响[销售额]的[专题分析报表]，筛选到’吉林市’，可以看到3月份确实有疫情。这份[专题分析报表]采用了[新增本土确诊病例]作为判断是否有疫情的标准，因为收集所有城市的封管控等信息非常困难，有主观性，口径不一致。目前政府,商家,消费者的决策其实也是以[新增本土确诊病例]为基准在做判断,都是在关心[本土新增]。

上图[1] 筛选2022-03-01~2022-03-26 ，和我们的[日常可视化报表]一致。

[2]是通过22年无疫情日算出的日均销售额为9084，这个是不会被筛选日期影响的，如果通过筛选里的算无疫情日算出的日均销售额，天数太少，离疫情太近，有很多偶然性。

[3]销量和本土新增折线图可以看到 3月3日就开始有[新增本土确诊病例]，月头几天销售额就已经收到了影响，小于22年无疫情日算出的日均销售额的9084。且在3月7日疫情开始持续爆发的时候，销量明细大规模下滑。

[4] (3月疫情天数）24× （疫情影响日均销售额）-8125 =（本月因疫情总损失销售额） -194,991 ，

[5]从而推断（无疫情预期销售额）为227,393， 因疫情损失为 -85.8%.

我们回顾下[日常可视化报表]的’吉林市’足足-85%的下滑，上述这个[专题分析报表]就能非常好的解释清楚。

结论：'吉林省’的22年3月份[月店均销售额]下滑-85%是疫情导致的，（上图）'长春市’用同方法去推断也是发现一样的情况,所以’吉林省’的门店[月店均销售额]减少了-24.8%完全可以用疫情解释。

(篇幅限制，没时间更严谨的证明了，但其实已经非常明确了，这里主要是思路)

同款工具回复“BI”即可获取，个人版免费哦~~~