云平台
在线体验
免费下载

零售数据分析复盘|怎么知道哪些品类增长有望,哪些门店需关停?

各位数据的朋友,大家好,我是老周道数据,和你一起,用常人思维+数据分析,通过数据讲故事。

 

每到年终之类的日子,各行各业的企业们都需要对过去一年的经营管理活动进行一个复盘分析,累积经验、寻求突破。比如说在零售数据分析的年终复盘中,就需要透过销售增长情况去看看哪些品类在下一年里有望提高销售额,带来更大的利润;通过门店绩效来看看哪些门店需要关停。那,我们可以通过哪个图表来获得这些数据信息?怎么获得?别走开,我们接着往下看。

大家可能都听说过波士顿矩阵(BCG Matrix),又称市场增长率-相对市场份额矩阵、四象限分析法、产品系列结构管理法等。我们可以借助散点图、泡泡图来将理论变为行动(数据分析),判断哪些品类有望突破,哪些门店需要关停。

传统的波士顿矩阵是用市场占有率与销售增长率来进行组合分析,但在接下来的示例我们会将市场占有率替换为其他更多的指标来进行组合分析。

 (以下分析将使用BI零售数据分析报表进行)

一、通过散点图来评估品类绩效,看哪些品类能继续增长

从品类的维度入手,针对销额及增长率、毛利及增长率、毛利率及增长率、销量及增长率、件单价及增长率等多个关键指标进行对比分析,识别出品类的管理是否合理。

首先,通过不同指标的散点图来解读一下:

通过销额增长率散点图可以看到,内衣不但是销额最高的,同时也是增长最快的排名第二的家居服,增长也不错,小裤的增长也很好;

奥威BI零售数据分析

 

从毛利增长率散点图来看,内衣的增长率与毛利最高,而鞋类则是最差的;

奥威BI零售数据分析

 

从毛利率增长散点图来看,绝大多数的品类毛利率都出现了下滑,需要引起足够重视。

奥威BI零售数据分析

 

从毛利泡泡图来看,内衣贡献最多毛利,家居服毛利贡献排名第二,毛利率处于居中的水平。

奥威BI零售数据分析

 

从销量增长率散点图来看,家居服、内衣与小裤的增长也仍然是领先的;

奥威BI零售数据分析

 

从件单价增长率散点图来看,床上用品和成衣的增长遥遥领先,而内衣与小裤的增长也还不错,但家居服却几乎没有增长;

奥威BI零售数据分析

 

然后,综合分析各品类的各指标:

Ø 内衣:公司的销额与毛利最大贡献者,销额、销量与毛利的增长都非常好,保持即可;

Ø 家居服:公司的销额与毛利第二名,销额与销量的增长也都非常好,特别是销量的增长最快,但是因为毛利率的下滑,导致毛利也出现了负增长,看件单价基本没变,是否可以通过涨价来提升毛利率;

Ø 成衣:提高件单价24%,导致销量下降13%,在毛利率微降3%的情况下,销额与毛利都实现了正增长,说明提价政策是成功的。

Ø 小裤:销额与销量的增长领先,毛利贡献排在第四,毛利率下滑6%的情况下,毛利仍然取得了7%的正增长;

Ø 文胸:虽然毛利率是最高的,但销量、销额与毛利都下降明显,考虑到文胸是公司毛利贡献的第三名,需要引起足够重视,改善品类的竞争力;

Ø 床上用品:与成衣类似,件单价的大幅提升24%,虽然销量下降12%,但销额与毛利都取得了较好的增长。

Ø 袜子:销量虽然是最大的,但销额出现了1%的下滑,好在毛利率的增长也是最大的,导致毛利取得了6%的增长;

Ø 鞋类:销量、销额、毛利、毛利率都出现了不同程度的下滑,这个品类是否继续保留,都可以拿来商讨。如果继续保留,那么就要优化商品品种,砍掉与家居属性不符的品种。

 

综合来看,如果公司想在营收或毛利上获得更高的增长,那么可以从以下四点入手:

1、可以尝试提高家居服的价格;

2、在文胸的商品管理上,引进更受欢迎的新品牌或品种;

3、降低小裤的采购成本;

4、优化鞋类商品,砍掉与家居属性不符的品种。

 

二、通过散点图来评估门店绩效,看哪些门店需关停

我们再来看看同样用BI散点图来进行门店的分析:我们从门店的维度,针对销额及增长率、毛利及增长率、毛利率及增长率、客流量及增长率、客单价及增长率等多个关键指标进行对比分析,识别出门店的经营是否健康,甚至据此来决定哪些门店是否该关停。

从下图中可以看到,有许多的门店都处于指标值低且增长率为负的区域。

奥威BI零售数据分析

 

那么,我们就需要一个一个的来看一下,这些门店是不是各项指标都不好呢?比如A16001这个门店,销额仅3万多,且下降81%,那么,这个店还是不是需要继续营业呢?我们来综合看一下该门店主要的业绩指标:可以看到,该门店客流量、毛利也大幅下滑,基本上各项指标都处于不佳的位置,所以,该门店关停的必要性非常大。

 

奥威BI零售数据分析

 

 

敲黑板讲重点

一个指标(如销额)+该指标的增长率+上一个分析的维度(如品类),就可以构成一个散点图通过这个散点图,可以快速识别出哪些品类或门店属于指标好增长率高,或者指标不好增长率为负等四个不同的象限区域。

在上文中,我们就是利用这一方法来快速识别哪些品类未来增长有望,哪家门店需关闭。希望以上内容能给大家带来一些BI数据分析总结上的启发帮助。

 

老周道数据,和你一起,用常人思维+数据分析,通过数据讲故事,我们下一讲再见!