《数据化管理》

书籍简介核心结构图

BOOK

数据化管理

★★★★★

8.0

黄成明电子工业出版社2014年07月9787121234064

内容简介

本书通过贴近真实业务的案例，讲解零售与电商场景中的数据意识与数据分析方法。作者将数据分析融入销售、商品、电商与运营管理中，构建可落地的数据化管理模型，帮助企业提升运营决策能力。

什么是数据化管理

• 数据化管理是指运用分析工具对客观、真实的数据进行科学分析，，并将分析结果运用到生产、营运、销售等各个环节的管理方法。
• 数据化管理的意义在于量化管理；最大化销售业绩、最大化生产效率；有效地节约企业各项成本和费用；组织管理、部门协调的工具；提高企业管理者决策的速度和正确性。
• 根据业务逻辑，数据化管理分为业务指导管理、营运分析管理、经营策略管理、战略规划管理。
• 数据化管理流程分为 8 个步骤，即分析需求 → 收集数据 → 整理数据 → 分析数据 → 数据可视化 → 应用模板开发 → 分析报告 → 模板应用。
• 数据化管理模板包括自定义区域、数据源区域、辅助分析区域、业务分析区域、报告展示区域。

寻找零售密码

周权重指数

• 要找出日销售数据的规律性，首先要剔除每个月的异常数据。异常的日销售数据包括法定节假日、法定假期的调休日、行业特殊日（情人节、儿童节等）、非正常销售日（天灾人祸、店庆日等）。
• 周权重指数是以某段销售周期内的历史日销售额数据为基础，以周为单位，进行权重分析处理的一种管理工具；周权重指数等于周一到周日每天的日权重指数相加，每个企业不尽相同，一般介于 7.0~14.0，值越大表示日销售额波动幅度越大。权重指数概念适用于传统零售业、各种专卖店、以普通消费者为对象的电子商务模式、售卖服务的业态。
• 企业标准周权重指数的计算步骤是收集企业每个完整店铺最近一个完整年度中的日销售额数据 → 将所有完整店铺的每日销售额数据对应相加得到每日销售额数据 → 对日销售数据进行预处理，剔除掉异常数据 → 将剩下的数据以周为单位整理，然后计算出平均日销售 → 找到平均销售中销售额最低一天的销售数据，设定它的日权重指数为 1.0，然后分别用其余六天的平均日销售额除以这个最低值，分别得到每天的日权重指数 → 将每日权重指数相加就是企业周权重指数。
• 各分店或分部的日权重指数计算步骤是收集最近两个月和去年同期月份的销售数据 → 对日销售数据进行预处理，剔除掉异常数据 → 将剩下的数据以周为单位整理，然后计算出周中每天平均日销售额和平均周销售额 → 星期 N 的日权重指数 = (星期 N 的平均日销售额 ÷ 平均周销售额) × 企业周权重指数。
• 特殊日期分为七天和三天假期、春节、促销档期三种情况。七天和三天假期要取三年历史数据，每年取 2～4 个标准周的销售数据作为参照 → 计算每年这段时期假期的日权重指数（日权重指数 = 日销售额 ÷ 单位权重 (销售) 值） → 计算假期每一天的平均日权重指数，取三年中假日第一天的日权重指数的平均值作为假期第一天的日权重指数，依此类推。春节和前述计算方法大体一样，但要选取三年 1~2 月的销售额数据作为数据源，同时计算春节周和春节前一周的日权重指数。促销档期参照风力等级进行量化处理，如 0 级促销即无促销，日权重指数为正常值，1 级促销为销售额增长 10%，日权重指数为 1.1，2 级促销为销售额增长 20%，日权重指数为 1.2，依此类推。
• 周权重指数的应用在于判断零售店铺销售规律辅助营运；分解日销售目标（日销售目标 = 月销售目标 × (日权重指数 ÷ 月权重指数)）；月销售预测（销售预测额 = ∑日销售额 ÷ (∑日权重指数 ÷ 月权重指数)）；销售对比（单位权重 (销售) 值 = ∑日销售额 ÷ ∑日权重指数）。

单位权重（销售）值曲线

• 单位权重（销售）值曲线是把每一天的销售额分别除以当日的权重指数形成的曲线，正常的权重曲线是一条围绕某个值变化的曲线。
• 月初放松和月末踩刹车现象一般出现在有店员辅助销售的品牌、专卖店、店中店等，特点是权重曲线数据向下突变，将权重曲线应用在销售追踪过程中，可预防这种现象的连续发生，提醒相关人员加以干预，从而促进销售额的最大化。
• 权重曲线可用于对销售不可控的特殊事件量化处理，如奥运会、异常天气状况等，如果对比不够直观，可将权重曲线换成黄氏曲线（即权重曲线同时间段的平均值）来增强时效性和可对比性。
• 黄氏曲线是和相邻的时间段进行权重值的对比，可利用其进行促销活动分析及评估。促销爆发度和促销衰减度是除以促销前的平均权重（销售）值得出的数字，促销爆发度体现促销活动立竿见影的程度，促销衰减度是用来判断促销活动是否有透支销售的情况发生，如果衰减度大于爆发度，则有销售透支的现象发生，如果衰减度大于两倍的爆发度，则活动彻底失败。
• 黄氏曲线也可以用于新产品上市的分析及评估，只需要做上市前和上市中的黄氏曲线图，同时分析新品占比以判断黄氏曲线的变化是否主要是新品影响的，还可根据黄氏曲线做爆发度和衰减度的分析。
• 黄氏曲线还可以用于突然的短缺货对销售的影响；商圈内或电子商务同业竞争分析；关键人物的离到任分析；店铺其他状态变化分析；电子商务网页改版分析等情况。

销售中的数据化管理

销售都是追踪出来

• 目标管理首先必须遵循 SMART 原则，即 S-Specific（具体而明确的）、M-Measurable（可量化的）、A-Attainable（可实现的）、R-Realistic（相关性）、T-Time Bound（时限性）。
• 数据间的对比就是销售追踪的标准，通过对比分析，找到差异，从而找到追踪的依据，包括时间标准（同比 / 环比 / 定基比）、空间标准（与相似空间 / 先进空间 / 扩大空间对比）、特定标准（与经验值 / 理论值 / 平均值对比）、计划标准（与公司计划 / 个体计划 / 第三方计划对比）。
• 利用数据来追踪主要包括数据对比（绝对值 / 相对值）；有效地利用极值来追踪销售；利用单位权重曲线来追踪销售；用预测值来追踪销售（月销售额预测 / 年销售额预测）几种形式。
• 销售追踪要注意追踪表格化，系统化；充分发挥人的追踪作用；利用销售会议来追踪；利用科技手段来追踪销售；将结果过程化更有利于追踪；追踪必须要有结果，只 “追” 不 “终” 没有意义。

常用的销售分析指标

• 人货场是零售业基本的思维模式。其中，人包括店铺员工、顾客和第三方人员等；货就是商品；场是指卖场、电子商务的销售平台、渠道等。基于人货场逻辑，零售业常用的分析指标见表 3-1。
• 确定指标的重要性的步骤是明确分析报告的受众点，找出所有受众可能关心的分析指标 → 了解需要分析的数据，剔除掉没有对应数据源的指标 → 界定需要分析的时间节点，继续剔除没有关系的指标 → 将剩下的指标用矩阵图排列 → 指标之间两两判断重要性，如果横轴比纵轴更重要的在交叉处填数字 1，否则填 0 → 计算各指标的总得分并排序，从而找到重要指标。

提高销售额的杜邦分析图

• 杜邦分析法是利用几种主要的财务比率之间的关系来总和分析企业财务状况的一种方法，见图 3-1，各项指标的影响因素见表 3-2。

图 3-1表 3-2

表 3-2 销售额杜邦分析图中各指标的影响因素

指标	影响因素
路过人数	● 路过人数和店铺所处的商圈以及店铺在商圈的位置等 ● 百货商场中专卖店的路过人数和店铺是否在主动线有关 ● 邻居搞促销活动也能提升路过人数 ● 提高广告宣传力度也可以提高路过人数
进店率	● 门头、水牌、橱窗陈列、门店的灯光、播放的音乐甚至台阶等直接影响进店率 ● 扩大商圈的做法也能提升进店率 ● 有些科技手段也能提升进店率 ● 提供一些例如 Wi-Fi 等特殊服务项目
成交率	● 人：店员的销售技巧与服务态度、新员工比例、员工数量满编率、是否适当给到顾客压力 ● 货：刺激消费者购买的促销活动、赠品、缺货情况、商品是否应季、是否有抵扣券或礼品卡等 ● 场：试用装或试衣间等、支付设备与支付方式、专卖店距离收银台是否近、店铺氛围
平均零售价	● 宏观因素：消费者的收入、消费水平、消费结构、消费习惯 ● 微观因素：定价策略、采购策略、买货水平、商品结构
销售折扣	● 人：店员是否喜欢卖特价商品、顾客消费习惯、VIP 顾客的价格策略、管理层促销决策 ● 货：促销活动的价格策略、促销活动频率、商品配合、库存结构是否合理 ● 场：卖场的定位、品牌定位、销售目标
连带率	● 人：电源的销售技巧与新员工比率、是否有刺激店员的策略、顾客的消费能力 ● 货：商品的广度宽度深度是否合理、是否有刺激消费者的促销活动、主推商品是否缺货 ● 场：商品的关联陈列是否合理、动线设计、销售辅助工具是否缺失、卖场气氛

促销中的数据化管理

• 影响冲动购买的因素包括人（促销员推荐 / 朋友推荐 / 从众心理 / 情感因素 / 感觉尊贵）、货（商品陈列 / 商品包装及商品描述 / 货币因素 / 限量销售）、场（卖场氛围 / 店内广告 / 支付方式 / 促销因素 / 闭店信号）、时间（节假日 / 生日 / 销售截止日期前）。
• 零售业常用的促销方式包括会员驱动（办卡首单优惠 / 购物双倍积分 / 专属会员日 / 特殊日期回馈 / 会员专享价）、商品驱动（买赠捆绑 / 样品试用 / 加量不加价 / 加量减价 / 商品组合促销 / 反季商品促销）、价格驱动（直接降价 / 折上折 / 阶梯价 / 调价差促销 / 涨价促销 / 团购）、服务驱动（以旧换新 / 无理由退换 / 装修前促销 / 免费服务）、节日驱动（店庆周庆促销 / 法定节假日促销 / 固定日期促销）、增值促销（满额返券 / 满额抽奖 / 预存增值 / 指定对象促销 / 推荐有礼 / 名人签售）、跨界驱动（银行卡联动折扣 / 异业优惠券 / 走秀活动 / 有奖征集 / 公益活动 / 事件营销）、利润驱动（新品推荐 / 新品独家上市 / 预购有礼 / 饥饿促销）。
• 促销活动执行和评估包括促销前分析（目标预测 / 促销三度）、业绩分析（时间对比 / 与目标比 / 与历史促销比 / 关联度分析）、财务分析（单元产出 / 费销比 / 增量费销比 / 利润分析）、消费者分析（客流分析 / 销售单分析 / 会员回购率）。

商品中的数据化管理

常用的商品分析指标

• 人货场是零售分析的基本思维模式，而商品分析基本模式是进销存。人货场是平行关系，基于业务的分析管理；而进销存是具有先后顺序三角关系，基于商品的流程管理。常用的商品分析指标见表 4-1。

常用的商品分析方法

• 商品自然分类方法包括线分类法和面分类法。其中，线分类法（层次分类法）是将商品按照层次逻辑分成若干个类别，上层次和下层次间是隶属关系，同层次间是并列关系，且同层次间的分类不重复无遗漏，其表现形式一般为大类、中类、小类、品种、细类，但不是每种分类都需要分成五个层次；面分类法（平行分类法）是将所有商品分成若干个面，每个面都是独立的类目，呈平行关系，相互之间没有从属关系，但不能有重复的面。
• 商品销售分类方法是根据销售属性进行分类的方法，包括八法则分类法、ABC 分类法和平均值分类法。其中，二八法则分类法是根据二八原则，将所有商品分为重点商品和非重点商品；ABC 分类法是根据商品的进销存状况，将商品分为重要、一般重要、不重要三类；平均值分类法是利用产品的平均销售量作为分割线将商品分为五类甚至更多，见图 4-1。
• 商品的价格是消费者决定购买与否的关键因素。价格带是指同一类商品的最低价和最高价之间的区域；价格带宽度是价格带中最高价和最低价的差值；价格带深度体现在价格带中的品牌数或 SKU 数；价格带广度体现在价格带中不重复销售价格的数量，每个不重复价格叫作一条价格线；价格点是指价格带中最易被顾客接受的某一条价格线；价格区是指价格带中包含价格点的一个顾客主要购买的价格区间，见图 4-2。
• 商品价格带管理的步骤是确定需要分析的商品类别 → 分析价格带宽度（市场调查法 / 竞争对手调查法 / 销售数据分析法）→ 确定价格点 → 确定价格带广度和价格线 → 确定价格区 → 确定价格带深度。
• 商品的价格弹性是指商品的价格发生变化时，该商品的需求量变化的幅度，弹性越大，需求量的变化越大。价格弹性系数 = 销售变动比率 / 价格变动比率，大于 1 说明价格变化能够带来销售数量的大幅变化，适合做促销活动；等于 1 说明销售数量变动幅度与价格变动幅度相同；0~1 说明弹性不大，价格变化幅度大于销售数量变化的幅度；等于 0 表明商品需求没有弹性，不适合做降价的促销活动。
• 影响消费者价格敏感度的因素包括产品自身的因素、零售商的价格策略、消费者自身的原因。差异化商品定价方法包括成本定价法、需求定价法、竞争定价法等，见表 4-2。

图 4-1图 4-2表 4-2

表 4-2 差异化定价方法

方法	指标
成本定价法	1. 成本加成定价法： ● 顺加法：单位商品价格 = 商品的单位成本 × (1 + 商品的加价率) ● 倒扣法：单位商品价格 = 商品的单位成本 × (1 - 商品的毛利率) 2. 目标利润定价法：单位商品价格 = 总成本 × (1 + 目标利润率) ÷ 预计销售数量
需求定价法	● 需求差异定价法：需求差异体现在时间、地点、消费对象之间 ● 习惯定价法：根据消费者对商品的购买习惯来定价 ● 数字游戏定价法：尾数定价法、弧形数字定价法、奇/偶数定价法 ● 价格陪衬法：适当引进低单价或高单价，衬托主力商品价格的合理性 ● 歧视定价法：不同顾客采用不同价格，如 1 件原价，2 件 9 折，3 件 8 折 ● 拍卖定价法：常用于拍卖行对古玩交易、土地交易等大宗商品交易时
竞争定价法	● 高于竞争对手：适用于商品位置非常好；具有稀缺性的商品或资源等情形 ● 低于竞争对手：主动进攻的定价法，适用于价格敏感度高的商品 ● 平均定价法（随行就市定价法）：根据竞争对手的平均价格制定价格
其他定价法	● 捆绑定价法：将两种及以上商品组合在一起定价 ● 支付方式定价法：通过不同的支付方式获得不同的价格或折扣 ● 短期特价法：利用价格弹性大的商品短期降价，使价格在高-低-高循环

商品的关联销售分析

• 商品的关联度分析包括品类间的关联、单品（SKU）之间的关联、品类和单品间的关联；商品间的关联关系包括强关联、弱关联、排斥关系；商品的关联分析必须有三度的概念，支持度是指在所有交易中同时出现关联商品的概率，可信度是指在购买 A 商品的交易中购买商品 B 的概率，提升度是指商品 A 对商品 B 销售提升的影响程度。关联度必须需结合业务背景分析，并在实际场景中验证结果。
• 购物篮系数是指顾客平均购买数量，其公式是 指定商品购物篮系数 = 某段时间含指定商品购物篮的销售总数 / 某段时间含指定商品的的购物篮总数，通过此可找到高连带销售商品。通过单品的购物篮数量 - 购物篮系数四象限图可看出，第一象限应促销重点商品（双高）；第二象限需强化关联销售；第三象限是边缘商品（双低）；第四象限应提升顾客购买频次。
• 提高商品关联度的方法包括以关联度来设计卖场的陈列、促销、推广等，关联度高的商品在销售中特殊对待，如交叉陈列、联合促销、关联展示等；建立商品的人气指数档案，及时更新；利用特殊日期、特殊事件等进行关联销售；建立关联推荐机制；有效地利用数据挖掘来提高关联销售。

商品的库存管理

• 库存分析的步骤是切割库存 → 量化库存 → 库存结构分析 → 预估销售 → 特殊库存分析。
• 异常库存有销售异常和库存数字异常两种情况。其中销售异常是指因销售不正常而产生的过高、过低等异常库存，应界定异常库存数量，算出异常库存占总库存的比重，最后将异常库存的趋势和预测报告给管理层；库存数字异常是通过盘点、查看销售报告、核对销售单据等发现系统中的库存和实际库存不相符的现象，应严格按规章制度执行。
• 设计库存预警条件包括时间、对象、指标三方面以及它们之间的各种组合，串联它们的是逻辑条件，预警信息要进行必要的处理，包括过滤垃圾预警、预警分级管理、预警提醒。

商品的利润管理

• 如图 4-3 所示，销售部决定左半部分，商品或采购部决定右半部分，销售部通过提高销售额来提升利润额；采购部通过降低采购价格、提高周转率、控制商品销售折扣来提高利润额。
• 商品现值是指商品再某个时间节点被消费者认可的价值，制定商品的价值是为了指导商品的实际销售价格。使用商品现值时，要注意零售价格必须和现值一致；每月末或月初固定时间根据三要素对商品现值进行调整；服装行业每季末转型前的上一个月是调整现值的重要时间窗口；商品现值确定后，实际零售价就是现值价，不能因促销活动调整现值；品牌商不能为扣点低或费用低的零售商单独调整现值。商品现值和三要素间存在定性关系，商品现值和售罄率成正比，和货龄以及 DOS 成反比。

图 4-3

电子商务中的数据化管理

数据分析是电商营运的指路明灯

• 电子商务和传统零售的区别在于传统零售利用二八法则生存，电商是靠长尾理论积累销售；传统零售是小数据，电商是大数据；传统零售是物流，零售过程是商品流动，电商是信息流，顾客通过搜索、比价、评论、分享产生信息，实现购买；传统零售注重体验感，电商注重服务和效率；传统零售是做加法，通过门店开发来扩大影响力，电商是做乘法，通过资金的投入迅速抢占市场；传统零售主要成本是房租和人工，电商主要成本是物流和营销。
• 电商数据分析需要的数据包括营销数据、流量数据、会员数据。其中，营销数据包括营销费用、覆盖用户数、到达用户数、打开或点击用户数；流量数据包括浏览量（PV）、访客数（UV）、登录时间、在线时长等；会员数据包括会员姓名、出生日期、真实性别、网络性别、地址、手机号、微博号、微信号等基础数据，以及登录记录、交易记录等行为数据；交易及服务数据包括交易金额、交易数量、交易人数、交易商品、交易场所、交易时间、供应链服务等；行业数据包括行业的关键字搜索、店铺排名、销售、会员等。
• 电商数据来源及分析工具包括百度统计、谷歌分析、Crazy egg 热力图、CNZZ 数据专家等。

电商数据分析指标

• 电商数据分析指标见表 5-1。
• 电商分析的核心指标要根据不同的阶段、时间和职位来划分。在阶段上，导入期重点关注流量指标，成长期重点关注销售指标，成熟期重点关注营运指标；在时间维度上，每日追踪指标，周分析指标，月绩效考核指标；在职位上，执行人员侧重过程指标，管理层侧重结果指标。

流量及会员数据分析

• 漏斗图就是一个细分和溯源的过程，通过不同的层次分解从而找到转化的逻辑，直观反映用户在各阶段的转化与流失情况，见图 5-1。漏斗图主要反映一条转化路径的形态，稍加修改即可实现漏斗图的对比功能，从而找出影响转化率的关键节点。
• 流量的质量分为质和量两个方面，可通过四象限分析图来对比分析流量的质量，第一象限（高量 × 高质）应重点维护与投入；第二象限（低量 × 高质）多来自搜索渠道，可适度扩大；第三象限（低量 × 低质）无需重点关注，任其自然发展；第四象限（高量 × 低质）常见于站外购买。
• 电商销售额诊断可通过杜邦分析图，从值（图中红色）和率（图中蓝色）两个方面，订单、新客、老客三个维度将销售额拆分为五个层次，每个层次间具有加或乘的逻辑关系，见图 5-2。电商销售额诊断图的分析应在对比和细分的基础上加入各指标趋势的判断，发现数据的突变，从而通过溯源找到问题；还可以做成仪表盘，每日生成每个指标的值以及同比或环比值。

图 5-1图 5-2

零售策略中的数据化管理

渠道策略的数据化管理

• 将渠道分类是渠道分析的前提条件，渠道的划分一定要有前瞻性、稳定性。代理商、批发商、零售商渠道的划分标准包括按代理 － 批发 － 零售三级标准分类、按行政区域分类、按销售性质分类。
• 渠道拓展的数据化管理办法包括拓展新城市、拓展新商圈、拓展新店铺。其中，拓展新城市包括 PEST 分析法、连锁比率法（年城市容量 = 城市人口总数 × 目标顾客占比 × 平均年消费额）、购买力指数法（区域购买力占全国比重 = 权重 1 × 区域人口占全国总人口比重 + 权重 2 × 区域消费品零售总额占全国比重 + 权重 3 × 区域个人可支配收入占全国比重）、类比法（和相似区域对比）、专家预估法；扩展新商圈的步骤是确定商圈的大小（雷利法则 / 哈夫吸引力模型）→ 确定商圈的容量（年商圈容量 = 意向人口总数 × 目标顾客占比 × 平均年消费额）→ 确定商圈的层次（顾客调查法 / 顾客记录法 / 顾客活动法）→ 确定商圈的饱和度（某类商品零售饱和度指数 = 商圈某类商品容量 ÷ 某类商品营业面积）；扩展新店铺的公式是销售额 = 路过人数 × 进店率 × 成交率 × 零售价 × 销售折扣 × 连带率，新开店铺的研究要分析路过人数和进店率。
• 渠道的管理指标既有量化指标，也有主观的评价指标，见表 6-1。

会员策略的数据化管理

• 每天每周的数据以追踪为主、分析为辅，侧重于分析发生什么的层面；每月每季的数据以分析为主，侧重于研究趋势，找到关键问题；年末的会员数据分析以研究为主，用来指导下一年的策略制定。
• 会员价值分析指标包括忠诚度（最近一次消费时间 / 消费频率）、购买力（消费金额 / 最大单笔消费额）、价格容忍度（特价商品消费占比 / 高单价商品消费占比）。
• 会员的生命周期分为消费者 → 顾客 → 新会员 → 活跃会员 → 沉默会员 → 睡眠会员 → 流失会员七个环节，一般以消费时间作为标准来界定会员的各个阶段，行业不同时间标准也不同。不同的生命周期阶段有不同的转化率指标，见图 6-1。
• 消费者购买行为分析常用的是 5W2H 分析法，即 What（顾客想买什么，需求是什么，受哪些因素影响？）、Who（谁想买？谁在收集需要购买的产品信息？谁决定购买？）、When（何时购买？何时使用？何时重复购买？产品使用期限？）、Where（在哪购买，购买的渠道与场所有何特点？）、How much（购买数量、频率、人均购买量及购买价格？）、How to do（如何购买，如何到达购买场所及购买流程？）、Why（购买原因、渠道选择及消费者动机？）

图 6-1

竞争对手分析

• 竞争对手可以从人（夺同一类型的人力资源 / 顾客资源）、货（销售同品类商品或服务 / 扩大品类的商品或服务 / 销售互补品类的商品或服务）、场（卖场商业资源的竞争）、财（营销资源 / 生产资源 / 物流资源）四个部分来界定，可通过线上渠道、线下渠道（年报或新闻）、网络工具等收集竞争对手的经营数据、营销数据、媒体数据、工厂数据、组织数据。
• 竞争对手分析的步骤是收集可能的竞争对手资料 → 找出竞争对手 → 收集数据 → 产品策略分析（产品竞争力 / 品牌影响力 / 产品实用性） → 渠道策略分析（经营能力 / 拓展能力 / 掌控度 / 渠道四度） → 价格策略分析（定价策略 / 价格稳定性 / 议价能力） → 营销策略分析（媒体策略 / 促销策略 / 资源分析） → 客户服务能力分析（信息化 / 服务效率 / 投诉分析） → 综合竞争力分析（波特五力模型 / SWOT 分析模型） → 竞争力分析报告。

营运策略的数据化管理

• 常用的销售预测方法包括定性预测（专家意见法 / 德尔菲法 / 市场调查法 / 业务人员预估法）和定量预测（时间序列法 / 回归分析法）。
• 制定年度销售目标的步骤是收集数据（宏观数据 / 微观数据） → 制定策略（产品策略 / 渠道策略 / 价格策略 / 促销策略 / 人员策略 / 推广策略 / 生产计划 / 财务策略） → 设置目标 → 验证目标 → 沟通目标 → 确认目标（将策略变成可执行的行动方案、目标执行操作手册）。

数据分析方法

• 数据分析的立体化有两种途径，一是由小到大，由局部到整体的立体化，各维度间是包含关系；二是通过增加不同维度的方法实现立体化，各维度间是平行关系。在数据分析立体化过程中，“三维” 是数据分析立体化的最基本结构，包括点 — 线 — 面、时间 — 对象 — 指标、人 — 货 — 场、广度 — 宽度 — 深度。
• 可对比性的 “一致” 原则包括对象一致；时间属性一致；定义和计算方法一致；数据源一致。同比是本期和去年同期的对比，环比是本期和上一期的对比，在实际业务中经常被滥用，数据分析必须在业务中灵活应用才有意义，零售业遵循星期几对比星期几的原则、节日原则、假日放假规则。“率” 是判断数据相对值的方法，使用时要注意标准的统一；结合相对值和绝对值一起判断。
• 数据分析方法要讲究实用，并结合业务背景。设定指标的权重的方法包括主观意见法、历史数据法、矩阵对比法、专家打分法。二八法则是一种不平衡法则，即 20% 的对象产生 80% 的效果，其作用在于找到对象中的重点因素，将对象分为重点和非重点两个部分，一般使用双轴图来展示。ABC 分析法将对象分为三类，先排序再找对应节点，一般使用柱状图 + ABC 曲线来展示。排行榜分析方法有单维度排行和多维度排行，其中单维度排行包括直接求和法、加权求和法、两次排名法三种方法。平均值分析方法用于代表被分析对象的中等水平，包括算术平均值、几何平均值、加权平均值、滚动平均值（滑动平均 / 移动平均）。
• 数据展示也是一种分析方法，规范的图表应该符合表 7-1 的分类。Excel 图表展示要注意明确图表展示目的，图表应该为目的服务；选 “对” 的图表，而不是选好看的图表；和时间序列相关的图表，最好按照受众的读图习惯排列；成分和排序相关的图表务必按照由大到小或由小到大的逻辑排列；简单就是美，不要给一张图赋予太多的分析点，否则会干扰主题；要有重点，可以适当地利用颜色差进行标记，从而将重点突出出来；尽量不要用立体图表，立体图表会让受众产生视觉差，从而影响判断。
• 雷达图的优势是可以同时展示多个指标，从而判断同一对象指标间的强弱或不同对象相同指标的对比，其关键是指标间的标准化，标准化的方法包括评分制、排名制、相对值、极值法。K 线图的红色代表完成目标，绿色代表未完成目标，柱体的长度代表超出目标或距离目标的大小，一般用 Excel 图表的股价图中 “开盘-盘高-盘低-收盘图” 制作，将盘高和盘低作为辅助数据，盘高等于开盘，盘低等于收盘。热力图利用不同的色块把对象分成不同的等级区间，数据展示直观，可结合地图等进行展示，如全国客单价热力图、某城市客单价热力图、商场楼层坪效图。四象限图以横轴（X 轴）和纵轴（Y 轴）组成一个坐标系，在 XY 坐标轴上按照某种标准进行切分，组成四象限，用于切割四象限的标准包括平均值、目标值、行业值、指定值等，如波士顿矩阵、时间四象限分析（紧迫性－重要性）。

建立数据化管理模型

• 一个完整的数据化管理模板应该包括自定义区域、数据源区域、分析辅助区域、业务预警区域、业务分析区域、报告展示区域六个部分。
• 必须要掌握的日期函数包括 day、month、year、date、today、weekday、weeknum；数学函数包括 product、rand、randbetween、round、sum、sumif、sumifs、sumproduct；统计函数包括 large、small、max、min、median、mode、rank、count、countif、countifs、average、averageif、averageifs；查找和引用函数包括 choose、match、index、indirect、column、row、vlookup、hlookup、lookup、offset、getpivotdate；文本函数包括 find、search、text、value、concatenate、left、right、mid、len；逻辑函数包括 and、or、false、true、if、iferror。
• 数据透视表具有自动计算字段间的分类汇总、计数、平均数、最大值、最小值等；自动排序、自动筛选、自动分组；可分析占比、同比、环比、定基比等各种对比；可根据业务逻辑自定义公式进行个性化分析；数据源发生变化时，只需要刷新即可变成新的报表，省时省力等功能。
• 自动排名需要利用 RANK 和 VLOOKUP 函数，通过辅助列消除重复值并动态提取对应数据。
• 四象限图常用于策略分析，具有 XY 两个相关联的维度，同时利用分割线将若干元素分割成四个区域，每个区域代表一种状态，可以差异化管理，一般用散点图或气泡图来展示。
• 通过文字与公式结合（使用 & 符号）实现动态智能提醒，公式结果可随单元格数据变化自动更新。
• 在 Excel 中复制图表后于 PPT 中右键点击 选择性粘贴 > 粘贴链接，实现 PPT 随 Excel 图表自动更新。如果 PPT 中的图表数据没有变化，也可选择 PPT 中的图表后单击右键点击 更新链接。
• 密码保护包括保护整个文件、保护工作表的全部或部分区域、允许多用户编辑工作表不同的区域。
• 宏用于将重复性的动作程序化，规范用户的动作，代替一些函数、透视表等不能完成的功能；控件用于通过控件来运行宏代码，通过控件来修改单元格的值，从而实现图表的互动性。
• 名称管理器用于解决那些不能跨工作表引用的功能，如条件格式；简化公式，如 SUM(Sheet4!A2:F58) 可简化为 SUM(南区销售)；和某些查找和引用函数（如 OFFSET、INDEX、INDIRECT 等）联合使用，用于图片引用或图表自动化引用。
• 隐藏数据的方法包括局部隐藏数据、隐藏工作表、隐藏工具表标签、深度隐藏工具表。