秋1
销量
消化比
381 575 279 857 515 477 1661 4745
67% 74% 58% 80% 89% 74% 67% 72%
存量
184 202 204 219 66 164 823 1862
w1 w2 w3 ... wn 1
二、加权平均数，加权算术平均数法是简单算术平均数法的改
进。它根据观察期各个时间序列数据的重要程度，分别对各个数 据进行加权，对于越近的数据，可以赋予越大的权重
n
x x1 x2 x3 ... xn i1 xi
n
n
描述性分析
均值分析（average analysis)
第三节 数据传递的方式 图表传递的目的
将报表所传递的信息，更清晰、更直观的表达出 来，使受众很容易理解，从而达到和受众沟通的 目的
第四节 数据分析之目的
过往业绩评估、认识规律、发现不足与问题 销售现状监控与评估、发现问题、解决问题 销售预测，战略规划、为决策提供量化依据
第五节 数据分析的基本流程
差异比较分析
差异比较分析（difference compare analysis)
差异性分析核心：将性质接近的数据尽可能放在一起做比较， 不一致的数据分开。 从而为我们执行差异化的各项政策提供量化依据。
如：…………
单位：万元
03-05终端每月销售比较分析 2500
2000
03年
1500
05年
04年
日常销售中，根据上面的定义，我们可以知道销售额是一个因变量，而产品价 格、投产数量、设计成本、门店装修费、店铺数量、店铺面积、店员数、推广费 用、VIP数量及消费金额等等都是自变量，我们可以通过长期数据的积累，进行 回归分析，从而确定那些因素是影响销售额的关键因素，那些是非关键因素。进 而采取行动解决实际问题
如：………
频数分析案例:10月销售区间关系
销售区间
43.75~ 37.5~43.75 31.25~37.5 25~31.25 18.75~25 12.5~18.75
~12.5 合计
目标数量(家)
13 4 8 7 10 5 5
52
2005年10月
占比
实际数量(家)
25%
17
8%
7
15%
2
13%
6
19%
界定分析的问题
确定分析的时间段
确定分析拟达到之目的
最
终
解
分析方法之选择
决
问
题
分析结果论证
提出解决问题整体方案
跟踪反馈
第六节 数据分析方法及应用
描述性分析
推断性分析
频数分析（frequency）
数
据
均
排
值
序
描述性分析
分
及
析
分
布
描述性分析
数据排序(Rank)
数据排序是按一定顺序将数据排列，以便研究 者通过浏览数据去发现一些明显的特征趋势及 解决的线索； 在这里，我们要注意排序与排名的区别 前者可以重复 后者不可以重复
第一节 数据的定义及分类
定义：数据是对客观现象进行计量的结果 特征：没有规律，比较凌乱，不便于阅读、也不 便于理解和分析
第一节 数据的定义及分类
数据的分类
A：定类尺度 B：定序尺度 C：定距尺度 D：定比尺度
第二节 数据的表现形式
绝对数
时期数
时点数
时期数反映现象在某一时期内的总量，特征是可以累加 时点数反映现象在某一瞬间时刻上的总量，特征是不可以累加
推断性分析
回归分析的基本步骤如下： 第一步：判断变量之间是否存在有相关关系 第二步：确定因变量与自变量 第三步：建立回归预测模型 第四步：对回归预测模型进行评价 第五步：利用回归模型进行预测，分析评价预测值
如：…………
以下是秋装价格、销量与销额之间的关系，我们可以以价格、销量为自变量，销额 为因变量来进行回归分析
2 i1 N
我们可以利用这个指标来做预测和计划的差异合理化检验，也可以用它来衡量 各个地区销售波动大小
描述性分析
数据分组和频数分析（frequency）
根据分析需要将数据按照某种特征或标准分成不 同组数，同时可以计算各组的频数或频率，形成 频数分布表。根据数据的分组我们还可以根据研 究的需要做各种各样的图表 在这里，向大家推荐一个数据分组的经验公式： 组数=K=1+LgN/Lg10 组距=（最大值-最小值）/K
1、假定事物的过去趋势会延伸到未来； 2、预测所依据的数据具有不规则性； 3、撇开了市场发展之间的因果关系。
推断性分析
时间序列分析（time series analysis)
时间序列是指同一变量按事件发生的先后顺序排列起来的一组观 察值或记录值。构成时间序列的要素有两个：其一是时间，其二 是与时间相对应的变量水平。实际数据的时间序列能够展示研究 对象在一定时期内的发展变化趋势与规律，因而可以从时间序列 中找出变量变化的特征、趋势以及发展规律，从而对变量的未来 变化进行有效地预测。
析
推断性分析
1、回归分析以因果关系为前提，应用统计方法寻找一个适当的回归模型，对未 来市场的变化进行预测。 2、回归分析具有比较严密的理论基础和成熟的计算分析方法；回归预测分析是 回归分析在预测中的具体运用。 3、在回归预测分析中，预测对象称为因变量，相关的分析对象称为自变量。 回归分析根据自变量的多少分为一元回归分析、二元回归分析与多元回归分析， 4、但有时候二元回归分析被并入到多元回归分析之中；回归分析根据回归关系 可分为线性回归分析与非线性回归分析。
通过回归分析，因此，我们得到模型为：
Y=1273.918*X1+108.780*X2 其中Y为销额，X1为销量、X2为价格
模型建立后，我们就运用它来进行在不同销量上销额的预测
价格 1398 1498 1598 1698 1798 1898 1998 2298 2368
销量 3552 1853 2821 1349 1280 1097 1174 910
800 600 400 200 -
2005年1-10月平均单价
1,340
1,103 1,041 961
846
764
726
713
921
1,192
1月
2月
3月
4月
5月
6月
7月
8月
9月
10月
第六节 数据分析方法及应用
回归分析 （regression analysis)
时
差
间
异
序 列
推断性分析
比 较
分
分
析
三、几何平均数，它主要是用于计算比率或速度的平均。 如可以计算1996年例外成立以来到2005年，终端销售额的 年平均增长速度，或一年中1-12月销售的平均增长速度公 式如下：
x n a1 a2 a3 ... an n an
a0 a1 a2
an1
a0
如…………
均值分析案例：平均单价趋势
1,600 1,400 1,200 1,000
03-05年剔除季节波动每月销售趋势
2000
1500
1000
500
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
通过回归分析我们建立模型为：
Y=1410.82+1.59*T，其中：T表示时间 通过计算，预测到10月、11月的销售额1919、1925、 10月份的实际销售为2040，可见预测具有一定的准确性！
7
10%
10
10%
3
100%
52
占比
33% 13% 4% 12% 13% 19% 6% 100%
描述性分析
均值分析（average analysis)
均值是全部数据的平均。可以分为三种： 一、简单算术平均数，各项数据的简单平均，应用最广泛
n
x w1x1 w2 x2 w3x3 ... wn xn wi xi i 1
价格 1198 1298 1398 1498 1598 1698 1798 1898
销量 4364 2332 3552 1853 2821 1349 1280 1097
销额 5224481.00 3024342.00 4959796.00 2775594.00 4506361.00 2290602.00 2299643.00 2082106.00
从上面的关系中，我们通过回归分析，得到以下结论：
模型 1
截距 销量 价格
回归分析结论
系数 -97299.2 1273.818 108.780
标 准误 217152.8
75.916 70.683
Beta
1.000 .092
t检 验 -.448
16.779 1.539
显 著性 检验 .658
.000
.135
如content)
目标
➢ 第一 ➢ 第二 ➢ 第三 ➢ 第四
建立对数据及报表的认识； 加强对数据分析的重视程度； 熟悉分析工具的使用； 形成理性分析的思维；
主要内容（key content)
内容
➢第一 ➢第二 ➢第三 ➢第四 ➢第五 ➢第六
数据的定义及分类； 数据表现形式 数据传递的两种方式 数据分析之目的； 数据分析之基本流程 数据分析方法及应用
1000
500
0 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
单位：万元
03-05单店销售对比 45
40
35
30 25
05年
04年