零售行业数据分析—帕累托分析

Part 1:帕累托与ABC分类法   很多人都知道80/20帕累托法则(20%的人掌握着80%的财富),而ABC分类法可以说是该法则的衍生,目的是把握关键,分清主次。 比如一共有100件商品, 10件商品占销售总额的 …

标签:28分析 帕托累 数据分析 趣分析 | 发布时间: 2020-06-30 14:39:29

Part 1:帕累托与ABC分类法

 

很多人都知道80/20帕累托法则(20%的人掌握着80%的财富),而ABC分类法可以说是该法则的衍生,目的是把握关键,分清主次。

零售行业数据分析—帕累托分析插图

比如一共有100件商品,
10件商品占销售总额的70%;
20件商品占销售总额的20%;
还有70件商品仅占销售总额的10%。

零售行业数据分析—帕累托分析插图1

于是你可以按照70%,20%,10%的销售额比重把产品分为ABC三类,然后把重点的管理资源放在A,把较少的资源分配给C或者砍掉部分C商品,以达到资源管理的最优状态。(下图是我使用案例数据做的一个样例

其中柱状图为对应商品的销售额,折线图为将销售额按顺序相加后的累计销售额占比,可以看到所有商品的销售额累计占比之和就是100%,而颜色则按照累计销售额占比,10%,20%,70%来进行区分。含义为红色的A类商品销售额之和占总体的70%,而深蓝色的C类商品加在一起只占了销售总额的10%。

 

零售行业数据分析—帕累托分析插图2

 

1879年,自伟大的帕累托创造了该法则后,该方法不断地应用在管理的各个方面,从库存管理、质量管理、销售管理甚至到社会分析,成为企业提高效益的普遍管理方法。只不过在没有计算器的年代,人民群众应该是用纸笔按照下面的步骤来计算的。

 

零售行业数据分析—帕累托分析插图3

 

现在有了Excel,完成此类计算并不是什么难事,而且Excel2016以后的版本还集成了帕累托分析图。

 

零售行业数据分析—帕累托分析插图4

 

然而,随着经济的发展,数据量增加,维度不断丰富。比如公司的连锁店开遍全国各地,喝杯咖啡有几十个品种供你选择,到超市里买瓶啤酒大多数都叫不出名字...在繁多的维度和数据体量下,制作一张静态图表已经满足不了分析需求。

比如我们想快速的做出2019年1/2/3月,北京/杭州/上海地区,工具、衣物、饮品类别商品的业务员销售额帕累托图,并且知道ABC级销售员都是谁?C级销售员的占比每个月是上升了还是下降?

仅仅是刚刚提到的这几个时间、地点、商品种类维度,就可以组合出27种不同的可能,难道我们要像上面填表的方法重复制作27遍?如果维度更多,定期制表,这个工作量简直是难以想象!

 

零售行业数据分析—帕累托分析插图5

 

Part 2:解决之道

 

我还是直接来揭晓答案吧,解决这种问题,需要的是动态ABC分析,而不是基于某一张静态表来计算,比如达到下图的效果,点击不同选项就可以快速得到分析结果。当然对于我们使用的工具趣分析,当数据源有更新,所有图表只要一键刷新即可。

 

零售行业数据分析—帕累托分析插图6

 

当你的领导第一次看见这样的分析,很有可能是心潮澎湃,内牛满面。

而传统的Excel是满足不了这样的数据分析需求的。这时候,我们的工具也需要进化了,趣分析应运而生。

趣分析利用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。听起来很高端,但使用起来却并不难,这里我们就来为大家讲解如何使用趣分析实现这个动态分析。

我们从数据源开始上手,这是张销售明细表,其中包含每一笔销售订单的地区信息(省份、城市、门店),商品的类别信息(商品品类),相关数据和教程可以在文章结尾处下载到。

 

零售行业数据分析—帕累托分析插图7

 

首先基于该表,我们使用FineBI中的计算指标功能,进行数据的处理加工分析。先可以简单地写一个计算指标,求销售金额合计,将销售额按照商品进行汇总。

 

零售行业数据分析—帕累托分析插图8

 

使用聚合函数-SUM_AGG,该函数可以保证当维度发生变化时,汇总数据的维度也跟着变化。比如当前端的维度为省份时,使用SUM_AGG函数计算出的总额就是按照省份汇总的销售总额。当维度为城市时,计算结果会自动切换为按照城市汇总的销售总额,再也不需要手动调整了,一切都是这么轻松~

有了计算指标你可以尝试着去构造一张ABC模样的表。把【商品名称】字段拖动到横轴,【销售总额】拖动纵轴,再按照由大到小降序排列。

 

零售行业数据分析—帕累托分析插图9

 

接下来是最核心的部分,求累计销售额,它的计算公式是:

 

零售行业数据分析—帕累托分析插图10

 

这个公式是怎样工作的呢?刚刚已经讲解了SUM_AGG函数的用法,接下来我用到了ACC_SUM公式,这个公式的含义为,把按照维度汇总过的销售总额从上至下累加,这样就求出了累计销售额。而0代表将所有值累计,1则代表将组内值累计。

计算结果如图:

 

 

如果你理解了这条公式,恭喜你已经掌握了该模板最困难的部分。接下来要做的就是使用TOTAL函数计算出所有维度相加的销售总额,之后使用一个简单的除法,算出每个商品的累计销售额占比,之后将他们累加

零售行业数据分析—帕累托分析插图11

之后想要做ABC分类其实就是基于不同的累计金额百分比70%,20%,10%做判断区分。比如写一个计算指标ABC

零售行业数据分析—帕累托分析插图12

我们使用本地小白菜为例子,这里的IF函数将根据累计销售额占比进行判断,它的累计金额百分比是61.99%,满足<=70%的条件,所以该函数将返回1(即A)

 

零售行业数据分析—帕累托分析插图13

 

B和C也会同样按照此判断条件进行分类

至此,把建立好的度量值拖动到纵轴中即可制成ABC分类表。

最后,制作一张帕累托分析图,它其实就是一张折线与柱形图。只再利用指标的排序功能按照销售额由大到小降序排列。

 

Part 3:动态帕累托

 

直到现在,都和使用Excel制作的没什么区别,只是一张静态的帕累托图,下面我们就来讲解一下实现按照不同维度过滤的动态帕累托图,实现多维度的帕累托分析~

添加文本下来过滤组件,可以将城市、省份、商品类别等维度拖入组件,实现不同维度的过滤操作

 

零售行业数据分析—帕累托分析插图6

 

在此基础上,还可以制作时间、树过滤、滑块过滤等不同的组件,全方位满足分析需求

至于求商品个数和占比,以及添加其他各种图表来展现分析结果,使用FineBI都可以非常轻松的实现,我不在这里做特别说明了(图为趣分析多种多样的分析图表)

 

零售行业数据分析—帕累托分析插图14

 

Part 4:为什么是最实用

 

既然大胆地使用了“最实用”这个标题,我不得不自圆其说一下为什么。有三点主要原因:

第一,这个方法并不复杂,任何趣分析的初学者都可以学习掌握,即使不懂你也可以把该模板直接复制使用。所谓“大道至简”就是最简单的才是最牛逼的,这个模板可以被很多人拿去使用,但没有它,对于业务分析人员想要实现这类动态帕累托分析,几乎是不敢想象的事情。

 

零售行业数据分析—帕累托分析插图15

 

第二,本篇文章,案例数据和模板都是免费的,就连使用工具趣分析个人版也是免费的。但如果没有它,很多公司想要实现这类分析是通过漫长的IT部门建设项目或者掏出高昂的咨询费用。现在你可以自助式地使用趣分析完成此项任务。

第三, 帕累托分析的应用极为广泛,从数据输出的分析结果非常清晰,并且将直接影响资源的分配。

  • 如果你是图书馆管理人,发现80%的人都在阅读经济类书籍,可以把有限的预算更多的花在该类图书上;
  • 如果你负责仓库管理,发现有10%数量的货品占据了所有货品价值的80%,可能由此设定对该部分货品每周盘点,而其他的货品可以每个月或者每个季度做一次盘点;
  • 如果你来自质量检查部门,发现80%的残缺品是因为设备供电不足原因导致,自然是把工作重点和预算放在解决电力方面;
  • 如果你在为一家医院做分析,发现近期的80%的患者是呼吸道类疾病并且来自同一个地区,从而推测该地区可能存在空气污染源...

我相信在广大的读者中,一定有人将立刻掌握这个模板并应用到实际工作中,创造出不可估量的决策价值!

 

Part 5:数据下载

 

-戳我下载- 操作教程数据,跟着教程操作学习更快哦~

 



上一篇:
下一篇: