企业商品分析手册参考27页.docx
- 文档编号:25666745
- 上传时间:2023-06-11
- 格式:DOCX
- 页数:21
- 大小:154.99KB
企业商品分析手册参考27页.docx
《企业商品分析手册参考27页.docx》由会员分享,可在线阅读,更多相关《企业商品分析手册参考27页.docx(21页珍藏版)》请在冰豆网上搜索。
企业商品分析手册参考27页
企业商品分析手册(参考)
精品汇编资料
商品分析手册(试行版)
一、前言
二、基础知识篇
①商品分析之含义
②商品分析之基础概念
③商品分析之销售指标分析
三、方法篇
1商品分析之案例
2商品分析之常用表格
四、附加篇——采购计划的制作及订单评审
前言
数据是客观存在的,只要有行为发生,就会有量的变化(可能是负变化、零变化、或者是无穷变化),那么,这个量的变化的记录体现就是数据。
任何一个商业活动,都会产生许许多多的数据,我们首先要把这些数据全部储存、保管到数据库里(否则,随着活动的继续,这些已有的数据将会被包含和掩盖),然后,从数据库里抽取某些我们需要的数据,对某一个行为进行分析、加工成信息,用于管理决策,指导商业活动。
这个储存工作仅仅靠人脑是不够的,因为,人为的记录,往往是只把当前认为重要的数据进行记载,不会很全面,随着事物的发展,需要另外一些数据时,就再也找不到了。
因此,从真正意义上来说,只有建立商业管理信息系统后,才能谈得上数据分析、数字化管理。
对某一个行为的分析需要某一群数据组合,对另一个行为的分析又需要另一群数据组合,每一个不同行为分析所需要的数据组合都是不一样的(当然,其中有一些数据是会有共性的需要的)。
为了抽取数据的方便,我们要对所有的数据进行分类。
一般情况下,可以简单的分为直接数据和间接数据两个大类。
通常,我们把一些能直接反应商业行为表象的数据,如进货、销售、库存等实绩作为直接数据;把一些能影响商业行为实绩的数据,如客流量、费用成本等作为间接数据。
我们不仅要分析进销存这些直接数据,更重要的是要分析间接数据,因为间接数据是改变直接数据质量的基础。
我们每一个人都要学会数据分析,每一位管理人员都是数据分析员,虽然他们对数据的要求和标准不一样,这是分工决定的。
专职的数据分析人员是数字化管理深入和发达的产物,是为其他管理人员服务的。
基础知识篇
一、商品分析之含义
商品数据分析对企业信息化越来越重要。
业务系统给我们提供了大量的数据,但如何利用这些数据进行分析,并得到有价值的结果来指导企业的经营活动,是摆在所有企业面前的、需要不断探索的课题。
商品分析也就是依据业务系统提供的数据进行相关的项目分析进而产生有价值的结果来指导企业经营活动的工作。
二、商品分析之基础概念
我们首先需要确定零售企业在销售数据分析过程中适用的维度、指标和分析方法,在日常商品分析当中,我们需要做的就是将三者关联起来构造一个分析模型,依据分析模型得到有价值的结果。
要建立一个分析模型,有三个构成因素,即:
维度、指标和分析方法。
维度指明了我们要从什么样的角度进行分析,也就是分析哪方面的内容,比如商品、客户等。
指标指明了我们对于这个维度所要进行分析的点,比如数量、周转率、连带率、售罄率、毛利率等。
分析方法指明了我们用什么样的方法去分析处理这个维度的指标。
⑴、销售数据之维度
1、商品
商品是零售分析的最细维度之一,大部分的指标都依附商品来做明细的记录,同时很多维度也是通过商品进行交叉分析。
2、客户
客户是销售对象,包括会员。
客户所在地和区域有关联。
3、区域
区域是地理位置。
从全球视角看:
洲---国家---区;从国家视角看:
区---省/市---县/区—镇/乡/村,一般按正式行政单位划分。
4、时间
时间是进行数据分析非常重要的维度,分析的角度有公历角度和农历角度。
其中,公历角度:
年---季度---月---日---时段(每2小时为一个段);星期、公历节假日。
农历角度:
年---节气---日---时刻;农历节假日。
⑵、销售数据之指标
1、销售数量
客户消费的商品的数量。
2、含税销售额
客户购买商品所支付的金额。
3、毛利
毛利=实际销售额-成本。
4、净利
净利=去税销售额-去税成本。
5、毛利率
销售毛利率是毛利占销售收入的百分比,也简称为毛利率,其中毛利是销售收入与销售成本的差。
毛利率=(毛利/实际销售额)×100%。
6、周转率
周转率和统计的时间段有关。
周转率=(销售吊牌额/库存金额)×100%。
7、促销次数
促销次数有宏观概念上的,也有微观概念上的。
宏观上,是指一个销售单位中一段时间内发动促销的次数,或某个供应商的商品在一段时间内参与促销的次数;微观层面上,是表示一个单品在一段时间内参与促销的次数。
8、交易次数
客户在POS点上支付一笔交易记录作为一次交易。
9、客单价
客户在一次交易中支付的金额总和称为客单价。
客单价=销售额/交易次数
10、周转天数
周转天数=库存金额/销售吊牌额。
周转天数越长,表示经营效率越低或存货管理越差;周转天数越短,表示经营效率越高或存货管理越好。
11、退货率
退货率=退货金额/进货金额(一段时间);用于描述经营效率或存货管理情况的指标,与时间有关。
12、售罄率
售罄率=销售数量/进货数量
13、库销比
库销比=期末库存金额/(本期销售牌价额/销售天数*30)
(只有在单款SKU计算中可用数量替代金额。
)
14、连带率
连带率=销售件数/交易次数
15、平均单价
平均单价=销售金额/销售件数
16、平均折扣
平均折扣=销售金额/销售吊牌额
17、SKU(深度与宽度)
英文全称为stockkeepingunit,简称SKU,定义为保存库存控制的最小可用单位,例如纺织品中一个SKU通常表示一个规格,颜色,款式),即货号,例:
AMF80570-1
18、期货
所谓期货,一般指期货合约,就是指由期货交易所统一制定的、规定在将来某一特定的时间和地点交割一定数量标的物的标准化合约。
服装行业上具体指订货会上所订购且分期交付的货品。
19、坪效
就是指终端卖场1平米的效率,一般是作为评估卖场实力的一个重要标准。
坪效=销售金额/门店营业面积(不包含仓库面积)
20、促销商品
指促销活动期间指定的商品,其价格低于市场同类的商品。
包括DM商品,开店促销,普通促销货(特价),不包含正常降价。
⑶、销售数据之分析方法(详见方法篇)
1、直接数据的分析
2、间接数据的组合分析
三、商品分析之销售指标分析
1、销售状况分析:
主要分析本月销售情况、本月销售指标完成情况、与去年同期对比情况。
通过这组数据的分析可以知道同比销售趋势、实际销售与计划的差距。
2、销售毛利分析:
主要分析本月毛利率、毛利额情况,与去年同期对比情况。
通过这组数据的分析可以知道同比毛利状况,以及是否在商品毛利方面存在不足。
3、营运可控费用分析:
主要是本月各项费用明细分析、与去年同期对比情况,有无节约控制成本费用。
这里的各项费用是指:
员工成本、能耗、物料及办公用品费用、维修费用、存货损耗、日常营运费用(包括电话费、交通费、垃圾费等),通过这组数据的分析可以清楚的知道门店营运可控费用的列支,是否有同比异常的费用发生、有无可以节约的费用空间。
4、坪效:
主要是本月坪效情况、与去年同期对比。
“日均坪效”是指“日均单位面积销售额”,即:
日均销售金额/门店营业面积。
5、人均劳效(人效):
主要是本月人均劳效情况、与去年同期对比。
“本月人均劳效”计算方法:
本月销售金额/本月总营业人数。
6、盘点损耗率分析:
主要是门店盘点结果简要分析,通过分析及时发现门店在商品进、销、存各个环节存在的问题。
7、门店商品库存分析:
主要是本月平均商品库存、库存结构、库龄情况、周转天数,与去年同期对比分析。
通过该组数据的分析可以看出门店库存是否出现异常,特别是否存在库存积压现象。
8、特价商品业绩评估:
主要是特价商品品种数执行情况,特价商品销售情况、占比情况及与前期销售对比情况分析。
“特价商品与前期销售对比分析”即将本档期特价商品的销售情况与特价执行前相同天数的销售情况进行对比分析,通过以上这组数据的分析可以看出门店特价产生的效果以及门店在特价商品经营中存在的问题。
9、客流量、客单价分析:
主要指本月平均每天人流量、客单价情况,与去年同期对比情况。
这组数据在分析门店客流量、客单价时特别要注重门店开始促销活动期间及促销活动前的对比分析,促销活动的开展是否对于提高门店客流量、客单价起到了一定的作用。
10、售罄率:
指货品上市后特定时间段销售数量占进货数量的百分比。
它是衡量货品销售状况的重要指标。
在通常情况下,售罄率越高表示该类别货品销售情况越好,但它跟进货数量有着很大的关系。
通过此数据可以针对货品销售的好坏进行及时的调整。
11、库销比:
指库存金额同销售牌价额之比例。
通常情况下,销售牌价额为1个月的时间,也可以说库销比是以月为单位的。
简单的来说就是某一时间点的库存能够维持多长时间的销售。
它是衡量库存是否合理的重要指标,合理的标准在3-5左右。
在销售数据正常的情况下,存销比过高或过低都是库存情况不正常的体现。
通过该组数据的分析可以看出门店库存是否出现异常,特别是否存在库存积压现象。
方法篇
一、商品分析之案例
⑴、直接数据的分析
对直接数据进行分析,在现阶段的零售也已经非常普通了,从中很容易找出数据分析的结果进而调整策略,下面看几个表格和案例:
1、销售周报表
案例1:
某公司2009年2月某周销售记录
在进行商品的款式管理时,我们都有一个初始的各款式的销售比例模型,根据这个表格我们就很直接的知道各款式直接的差异,得到我们需要调整的款式。
2、促销商品的销售额和销售比例
案例2:
销售周报表
通过对促销商品的占比分析,我们可以判断一次促销策略的成功与否,有没有达到我们预期的效果。
3、销售金额占比和库存金额占比
案例3:
销售月报
通过对销售金额占比和库存金额占比的对比我们可以得出库存的合理性,对不合理库存需进行处理,以减少库存的积压。
4、库存周转天数/率
案例4:
销售周报
如何来分析周转天数,也就是说,周转天数高和低哪个好?
最合理的周转天数是多少?
从商品库存周转率(次数)和周转天数两个效率指标中,可显示商品的“新鲜”程度。
商品周转率高(周转天数短)的好处是:
每件商品的固定费用(成本)降低,相对降低有损坏和失窃引起的亏损;能提供新鲜的商品,能有弹性的进货,应变自如,能以少量的投资得到丰富的回报,减少存货中不良货品的机会。
商品周转率过高(天数太短)带来的危机是:
容易出现断货,陈列不够丰满,进货次数增加使得进货程序和费用相应增加;进货次数增加也使运送费用相应增加。
5、毛利率与毛利额
案例:
周销售状况表.
通过对毛利额及毛利率的数值我们可以清晰的知道本周各款式商品给公司带来的实质性的收益,针对毛利额为亏损的商品进行及时的调整。
以上的几个案例应用是对直接数据的分析,在分析中大量地使用了比例分析法,通过对零售的比例模型及竞争对手的比例模型,我们会很方便地得到需要进行调整和改进的策略。
但是对随之需要进行的精细调整、定位于调整哪一类中的哪一些商品,为什么要这么调整、应该如何调整等问题我们就显得有些茫然了。
对应这些问题现在往往依靠业务人员的经验来处理,但解决这些问题的最有效方式是数字化运营分析,数字化运营分析也就是对间接数据的组合分析,建立数据钻取模型,在数据仓库中进行钻取,逐渐找到我们的问题点。
二、间接数据的组合分析
间接数据的组合分析就是将直接数据分析中得到的分析结构进行有效的组合和数据关联,并且在统一的数据模型下进行钻取以及进行关联交叉分析,逐渐发现并缩小分析的范围。
我们在间接数据的分析中常用到的是销售综合分析,库存分布分析、商品结构分析、商品毛利带分布分析、商品价格带分布分析、商品畅滞销分析等,在这些分析中我们可以互相交叉进行组合分析。
下面我们将通过以下案例来展现间接数据组合分析的魅力。
1、销售综合分析
销售综合分析的分析指标是销售额、毛利额、毛利率、库销比、售罄率;分析条件是时间段(任意时间段、自然时间段)、经营方式;分析层次是总部-门店-大类-款式-价位带-单品。
案例:
销售综合报表
上述的报表是整个公司各门店的销售综合报表,可以作为对比数据分析的基点,在这里用到的是毛利率、库销比、售罄率。
通过对毛利率的对比,发现门店5及门店7毛利率为负值,严重偏离了制定的毛利率目标;同时也可以对库销比及售罄率进行数据分析;发现门店2和门店4的库销比已经超出标准,要找出偏离的原因,需要对数据进行关联的钻取分析。
我们将报表进行传递,得到门店5及门店7的大类报表。
通过对大类报表的分析,可以得出具体哪个大类的毛利低,我们可以进一步钻取到款式、价位带、单品,进一步的明确是哪个方面的原因造成毛利额低。
2、关联分析(同比/环比分析)
将上一级分析的报表条件传递给同比分析,用同比分析的结构来检验我们对毛利调整策略的结果,看一下数据变化趋势,以便进行下一阶段的商品调整。
通过对上面的销售综合分析报表和关联分析,层层数据钻取后,对毛利的偏差已经可以精确的定位问题的所在,并通过数据分析来制定策略的调整。
同时还可以将更多的报表进行传递展现,一层一层地深入,建立企业的经营数据模型,用比较分析法找出差异,做到数字化的运营管理,提升企业的竞争力。
3、顾客数与客单价
案例:
销售日报表
有效提升销售额的两个途径是:
提高实现消费的顾客人数、提高每位顾客购买的金额数。
有效顾客(即实现消费的顾客)数高,说明你的商品、价格和服务能吸引、满足消费者的需求,客单价高,说明你的商品宽度能满足消费者的一站式购物心理、商品陈列的相关性和连贯性能不断地激发消费者的购买欲望。
二、商品分析之常用表格
1、单店业绩报表
单店业绩报表主要是体现所有门店销售业绩的报表,从中可以体现各门店的销售业绩、大类销售占比、销售折扣、库销比、店铺经营情况(坪效、毛利和利润)及了解竞争品牌同期业绩,是了解店铺经营状况及调整店铺大类占比的参考报表之一。
表格样本:
2、售罄率报表
售罄率报表是指商品上市后特定时间段销售数量占进货数量的百分比。
它是衡量货品销售状况的重要指标,在通常情况下,售罄率越高表示该类别货品销售情况越好,但它跟进货数量有着很大的关系。
表格样本:
3、月份生意总结报表
月份生意总结报表是对店铺月份大类(鞋类、服装、配件)销售、大类库存(库销比、库龄)情况、分公司整体销售和库存的滚动预测、畅滞销款及店铺(开店、整改及关店)计划进行相关分析的报表。
表格样本:
1月份大类销售
②、大类库存情况报表
③、库龄情况报表
④、销售前十后十
⑤、销存滚动预测表
数字化管理,要求用数据“说话”,实施数据化管理,必须尊重数据,每一个人都必须对数据负责。
数据化管理的实质是用数据来反映实际发生情况与原定预算指标的差异。
当计划所反映的情况与实际发生的情况有差异,也就是说明企业在总体上已偏离了所要实现的目标,这时,销存滚动预测表又成为采取纠正措施的指导,当实际完成情况与原预算指标有了偏差,就需要我们对原指标进行调整,进行新的一轮预测(如下表):
通过上表我们就可以很清晰的知道我们前期的计划是否和实际情况相符,当计划和实际发生偏差时,我们要做的就是在接下来的时间里对偏差的部分进行及时的调整,然后进行新一轮的预测。
附加篇—采购计划的制作及订单评审
一、采购计划的制作(年度、季度)
⑴、根据公司未来发展的计划确定本季店铺的开店、关店及整改计划表
①、确认店铺计划(开店、关店及整改)的时间点
②、确认店铺性质
③、确认店铺面积、租金或扣率
⑵、确定店铺的销售业绩预测
①、整理过往两年的销售数据为本年度、季度业绩的预测做参考。
②、业绩预测当中整改店铺年度、季度业绩增长率要求达到25%及以上,已开店铺年度、季度业绩增长率要求达到15%及以上。
③、关闭店铺在关闭前的时间段的销售预测
④、确定本年度季度所有店铺销售业绩预测
⑶、确定采购金额计划(OTB)
①、依据过往两年的销售数据预测本年度、季度新品销售平均折扣
②、依据年度、季度库存降解计划测算出库存商品占年度、季度销售的占比
③、依据库存销售占比测算出本年度、季度的新品销售占比
④、确认新开店第一个月的铺货金额
⑤、综合上述几点确定本年度、季度采购金额计划
⑷、项目销售预测
在进行各项目销售预测时,我们要结合往年同期的销售数据和各项目的进销差异、售罄率和折扣率进行交叉分析,预测出最合理的销售业绩及占比,具体预测项目有如下几点:
①、大类销售预测:
依据去年同期鞋服配三大类的相关进销数据分析预测本季销售金额及占比情况
②、系列销售预测:
依据去年同期鞋服配各系列的相关进销数据分析预测本季销售金额及占比情况
③、款型销售预测:
依据去年同期鞋服配各款型的相关进销数据分析预测本季销售金额及占比情况
④、价位带销售预测:
依据去年同期鞋服配各价位带的相关进销数据分析预测本季销售金额及占比情况
⑤、大类性别销售预测:
依据去年同期鞋服男女性别的相关进销数据分析预测本季销售金额及占比情况
⑥、上市日期销售预测:
依据去年同期鞋服配各上市日期的相关进销数据分析预测本季销售金额及占比情况
综合上述四点,年度、季度的采购计划就制作完成了,接下来的工作就是依据这个框架进行期货的采购了,当然这个框架不是一成不变的,我们要结合每季度品牌公司提供的产品结构进行适当的调整,同时这个采购计划也将是最后订单的评审依据,故前期在制作过程当中我们就要做到细心谨慎,确保数据的准确性,这样计划和实际之间的落差才不会太大。
二、订单评审
在每次期货的采购当中除了选样、下量之外,我们还有一个非常重要的工作那就是对最后订单的评审,所谓订单评审就是依据前期制作的采购计划对期货订单的合理性进行审核的过程。
审核的重要关键点有:
采购SKU的深度和宽度、采购的平均零售价、服装上下装比例、男女性别占比、价位带、各项目的采购金额及占比等。
下面我们就订单评审的程序做如下简单的说明:
第一步:
确认订单大类(鞋、服、配)的金额及占比是否合理
第二步:
确认订单分大类采购SKU的深度和宽度及平均零售价是否合理
第三步:
确认订单分大类各系列的SKU、金额及占比是否合理
第四步:
确认订单分大类各款型的SKU、金额及占比是否合理
第五步:
确认订单分大类男女性别SKU、金额及占比是否合理
第六步:
确认订单分大类各价位带的SKU、金额及占比是否合理
第七步:
确认订单分大类各上市日期的SKU、金额及占比是否合理
经过上述七个步骤的审核之后,订单在大的方向基本上是合理的状态了,为使订单更加的趋于合理,我们要运用商品分析当中常用到的数据的组合分析方法进行评审,简单的说就是我们要把系列、款型、性别、价位带、上市日期等相关数据进行组合交叉分析,如各款型当中各性别的金额及占比是否合理,又如各系列当中各款型的各价位带金额及占比是否合理等等,总之就是依据各自的需求进行数据的组合分析即可。
表格样本:
一、采购计划样表
①、采购金额计划表(表一)
②、大类采购计划(表二)
③、大类性别采购计划(表三)
④、鞋类款型采购计划(表四)
⑤、服装价位带采购计划(表五)
⑥、上市日期采购计划(表六)
二、订单评审样表
订单评审(表七,1)
订单评审(表七,2)
结束语
数据分析是现代信息技术与现代管理技术结合的产物。
数据分析的题材和范围相当广泛,一个重要的内容是对人的行为的分析,人的行为对“指标”是有明显的趋向性的,我们在管理上,就要测算一个激进而又合理的、极富挑战而又不是高不可攀的指标,指导和引导、规范和规划人的行为,以达到最终目的。
当然,如果是不科学的指标,是会扭曲人的行为的。
管理对数据分析的需求是无止境的。
我们需要更多的学习,需要掌握更多的办法。
销售管理中心
物流部-商品分析组
罗兴桂
2009-3-10
欢迎下载交流谢谢!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 企业 商品 分析 手册 参考 27