如何分析销售数据与报表
主要内容（key content)
目标
第一 第二 建立对数据及报表的认识； 加强对数据分析的重视程度；
第三
第四
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 数据的定义及分类； 数据表现形式
第三
第四 第五 第六
05年 04年
03年
商品数据分析现有应用
地区累计进销存报表
秋1 区域名称 地区 进量 销量 消化比 存量
哈尔滨 长春 沈阳 济南 北区 青岛 郑州 北京 合计
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！
推断性分析
时间序列分析（time series analysis)
长 期 趋 势
季 节 变 动
循 环 变 动
不 规 则 变 动
03-05年全国每月销售趋势分布 2500 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
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
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Biblioteka 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
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 销量 3552 实际销额 4959796 预测 4677031
1498
1598 1698 1798 1898 1998
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 1500 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
占比 33% 13% 4% 12% 13% 19%
~12.5
合计
10%
100%
6%
100%
52
52
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
x w 1 x 1 w 2 x 2 w 3 x 3 ... w n x n w 1 w 2 w 3 ... w n 1
800,493
737,777 699,084 680,216 578,036 570,238
5
6 7 8 9 10
数据的分布特征探索 数据主要有两个分布特征，一是数据的集中趋势；二是数据的离散趋势 1、前者的测定指标主要有众数、中位数、平均值 2、后者的测定指标主要有极差、方差、离散系数等 我们在这里主要介绍一下我们在工作中可能要用到的方差，其公式如下：
如：………
频数分析案例:10月销售区间关系
2005年10月 销售区间 目标数量(家) 43.75~ 37.5~43.75 31.25~37.5 25~31.25 18.75~25 12.5~18.75
13 4 8 7 10 5 5
占比 25% 8% 15% 13% 19% 10%
实际数量(家)
17 7 2 6 7 10 3
从上面的关系中，我们通过回归分析，得到以下结论：
回归分析结论
显著 性 模型 1 系数 截距 销量 价格 -97299. 2 1273.818 108. 780 标准 误 217152.8 75.916 70.683 1. 000 .092 Beta t检验 -. 448 16.779 1. 539 检验 .658 .000 .135
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 排 序 及 分 布
描述性分析
均 值 分 析
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
通过预测，我们发现此回归模型具有一定的准确性
推断性分析
时间序列分析（time series analysis) 时间序列预测法是一种定量分析方法，它是在时间序列变量分析 的基础上，运用一定的数学方法建立预测模型，使时间趋势向外 延伸，从而预测未来市场的发展变化趋势，确定变量预测值。 时间序列预测法也叫历史延伸法或外推法。 时间序列预测法的基本特点是： 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
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
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 a0

a2 a1

a3 a2
...
an a n 1

n
an a0
如…………
均值分析案例：平均单价趋势
报表 图表
第三节 数据传递的方式 报表传递的目的
报表是将杂乱的数据有条理的的组织在一张简明的表格内， 充分利用和绘制好统计表是做好数据分析的基本要求，也是 基础数据分析的最基本技能！
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
上面为2003年6月到2005年9月各月销售额走势，从中我们可以到明显的周期波动趋势
时间序列分析的任务之一就是把影响时间序列波动的四个因素进行分析， 从而出现出其原来的走势，再对下个月的销售进行预测，下图是分离了四种影响因素的 销售走势，其走势比没有提出季节波动要平稳得多，我们就在此基础上再用上面的回归 分析建立模型进行预测
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。
如：10月全国店铺排名前10位的店有……
排序分析案例：10月店铺销售前10名
店铺 北京崇光百货 武汉新世界百货 济南贵和中心店 广州天河城
销售额 1,573,397 1,061,241 951,650 886,138
排名 1 2 3 4
北京国贸商场
杭州大厦 大连百年城 上海中信泰富 昆明柏联广场 西安世纪金花广场
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
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 分析方法之选择 分析结果论证 提出解决问题整体方案 跟踪反馈 最 终 解 决 问 题
03年 05年
04年
单位：万元
03-05单店销售对比 45 40 35 30 25 20 15 10 5 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月
04年
05年
03年
单位：元
03-05终端平均单价比较 1600 1400 1200 1000 800 600 400 200 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
1853
2821 1349 1280 1097 1174
2775594
4506361 2290602 2299643 2082106
2523522
3767553 1903224 1826201 1603952 1712922
2298
2368
910
80
1409242
359504
在相应的价格和销量下预测的销售额
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