数据分析——利用Excel分析某电商企业销售状况(干货)

Posted 2023-05-05

参考技术A

分析某电商企业销售趋势，找到影响销售 增长的因素 。同时分析不同 市场 产品销售状况，找到不同市场的销售差异。挖掘不同 产品 的销售状况，找到不同产品的销售差异。对用户群体进行分析，对企业 用户的画像 和 价值 进行挖掘。从上述分析中得出结论，并根据分析结果，提出自己对此企业未来发展的一些想法和建议。

本项目数据为某电商平台 2017 年1月-2017 年 12月每日订单详情数据和用户信息数据，包括两个数据表，销售订单表和用户信息表。其中销售订单表为每个订单的情况明细，一个订单对应一次销售。这两个表的表结构分别为：

销售订单表结构：

用户信息表结构：

本项目主要分为三个维度，分别是用户画像，针对用户群体进行分析，找出平台的主力军特点有哪些；商品维度上，找出商品在不同市场的销售差异等；用户价值维度上，主要根据用户的消费行为，挖掘出其内在的规律。分析的详细思路，如下：

我们上面已经学会了各种重复值的处理，那么在实际业务中，通常会删除重复值。选中全部数据——点击——菜单栏里【数据】——【删除重复项】，如下

一般可以接受的缺失值的标准是在10%以下。通常的处理方式如下：

实现如下效果，选中要转换的数据——右键，复制——选择空白单元格——【开始】——【粘贴】——【选择性粘贴】——选中【转置】——完成

点击【文件】——【选项】——【自定义功能】——在【不在功能区中的命令】中找到【数据透视表和数据透视图向导】并选中——在右侧的【数据】选项卡下面添加【新建选项卡】并选中它——【添加】——确定，最终，在【数据】里出现了"数据透视表和数据透视图向导"，如下：

点击【数据透视表和数据透视图向导】——选择【多重合并计算数据区域】——【创建单页字段】——下一步——选定将要操作的区域——下一步——选择【新工作表】——完成——双击【总计】的值——即实现二维表转为一维表，如下：

可视化图形大多数比较简单，相信大家都能轻而易举的实现。那么，一些特殊的图形，因为也很重要。

图表说明：平台的主力军的特征主要是：女性用户；90后人群单身人群‘’学历主要是中专、博硕；地域集中在天津地区。女生购买偏好饮料、日用品，男性购买偏好是饮料、海鲜产品。

图表说明：整体的销售额处于下降趋势，从10月份开始慢慢回升。根据二八法则，可以看出天津、南京、北京占总销售额的43%，可以考虑作为重点投放市场。最受欢迎的品类是饮料、日用品、肉/家禽。

(注：因为上面的数据集里用户量有限，做同期群后不明显。所以这里是一个新的用户数据集。)

图表说明：通过RFM模型已经对用户做好分类，可以针对不同类型用户采取相应的运营策略；重点维护消费频率在82~100之间的用户。同期群分析，我们可以看出平台的新用户是逐渐递增的，但是留存率较低。

数据获取方式：关注"Python之每日一课"，后台回复"excel电商项目"。
希望本文的内容对大家的学习或者工作能带来一定的帮助，每天进步一点点，加油♥。

零售行业分析主题

随着大数据时代的到来，数据分析已经成为了零售业非常重要的一环，也是精细化运营的基础。零售业数据分析包括：

• 财务分析
• 销售分析
• 商品分析
• 顾客分析
• 供应商分析
• 人员分析

本文将对这6个方面逐一解读。

1 财务分析

1）分析企业的财务状况，了解企业资产的流动性、现金流量、负债水平及企业偿还长短期债务的能力，从而评价企业的财务状况和风险；

2）分析企业的资产管理水平，了解企业对资产的管理状况，资金周转情况；

3）分析企业的获利能力；

4）分析企业的发展趋势，预测企业的经营前景；

同时，系统还应该按照部门、人员、商品、供应商、时间等各个维度综合分析各项财务指标，如：成本、毛利、利润、库存、结算、盈亏平衡点、销售数量、销售金额、市场占有率等等。

2 销售分析

主要分析各项销售指标，例如毛利、毛利率、坪效（坪效是台湾经常拿来计算商场经营效益的指标, 指的是每坪的面积可以产出多少营业额(营业额÷专柜所占总坪数，以百货公司为例, 店里不同的位置, 所吸引的客户数也不同。一楼入口处, 通常是最容易吸引目光的地方, 在这样的黄金地段一定要放置能赚取最大利润的专柜, 所以你会发现百货公司的一楼通常都是化妆品专柜）、交叉比、销进比、盈利能力、周转率、同比、环比等等；

而分析维度又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；

同时根据海量数据产生预测信息、报警信息等分析数据；

还可根据各种销售指标产生新的透视表，例如最常见的ABC分类表、商品敏感分类表、商品盈利分类表等。

这些复杂的指标在原来的数据库中是难以实现的，老总们虽然知道他们非常有用，但由于无法得到，使得这些指标的地位也若有若无。直到BI技术出现之后，这些指标才重新得到了管理者和分析者们的宠幸。

3 商品分析

商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

4 顾客分析

顾客分析主要是指对顾客群体的购买行为的分析。例如，如果将顾客简单地分成富人和穷人，那么什么人是富人，什么人是穷人呢？实行会员卡制的企业可以通过会员登记的月收入来区分，没有推行会员卡的，可通过小票每单金额来假设。比如大于100元的我们认为是富人，小于100元的我们认为是穷人。好了，现在老总需要知道很多事情了，比如，富人和穷人各喜欢什么样的商品；富人和穷人的购物时间各是什么时候；自己的商圈里是富人多还是穷人多；富人给商场作出的贡献大还是穷人作出的贡献大；富人和穷人各喜欢用什么方式来支付等等。此外还有商圈的客单量、购物高峰时间和假日经济对企业影响等分析。

5 供应商分析

通过对供应商在特定时间段内的各项指标，包括订货量、订货额、进货量、进货额、到货时间、库存量、库存额、退换量、退换额、销售量、销售额、所供商品毛利率、周转率、交叉比率等进行分析，为供应商的引进、储备、淘汰（或淘汰其部分品种）及供应商库存商品的处理提供依据。主要分析的主题有供应商的组成结构、送货情况、结款情况，以及所供商品情况，如销售贡献、利润贡献等。通过分析，我们可能会发现有些供应商所提供的商品销售一直不错，它在某个时间段里的结款也非常稳定，而这个供应商的结算方式是代销。好了，分析显示出，这个供应商所供商品销售风险较小，如果资金不紧张，为什么不考虑将他们改为购销呢？这样可以降低成本呵。

6 人员分析

通过对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，为人力资源的合理利用提供科学依据的目的。主要分析主题有，员工的人员构成、销售人员的人均销售额、对于开单销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。