营业数据分析报表
随着大数据的发展，越来越多的企业开始重视数据的应用，都说数据能创造价值，但在数据应用的过程中，面临着诸多问题。比如零售行业，其在数据应用的过程中面临着以下问题：
1、数据存储在多地，数据孤岛林立
2、业务复杂导致数据融合困难
3、缺乏数据规划导致数据质量不一致
4、数据分析维度单一致使数据利用率不高
......
尽管零售行业有统一的业务系统管理店面业务，也积累了大量的客户、交易等经营数据，但由于这些系统偏向于记录型，无法进行灵活的数据分析，导致导致分析效率低下，在面对海量的数据处理与深度分析时往往心有余而力不足。而商业智能BI在避免重复建设数据仓库的同时，通过内置的智能ETL工具便可以对接来自不同业务系统的数据源，实现经营数据的快速分析与展现。
例如，零售行业的销售数据分析，假设管理层想从多维度了解零售的销售数据情况，那怎么做销售数据分析？
当借助合适的BI工具后，我们便可以轻松做出灵活的销售数据分析，比如众多门店、区域数据一目了然：
如图所示，管理者可总览销售收入、成本、毛利、订单数等核心销售数据，且该分析图表直观展示了各区域收入占比、门店收入排名、商品销售明细情况等。管理层可灵活通过不同维度对销售数据进一步的分析，让这些销售数据可以快速有效的指导管理决策。
那具体如何借助BI工具做零售行业的销售数据分析呢？其实很简单，这里我们大致将其分析分为三步骤：取数、建模、图表设计。
取数，大概是很多零售行业数据应用中遇到的最多的难题了，业务数据获取不到或难以获取的心酸，大概很多报表人深有感触。但随着数据时代的发展，借助BI其内置的ETL便可将不统一的业务数据抽取到统一的数据仓库中，方便了分析者随时随地调用数据，建模拖拽设计，完成所需的数据分析图表，如下BI架构图所示：
当数据获取变得比之前容易时，数据的准确性与安全性也变得更加重要了，借助BI我们可以通过层层权限的管控，将销售数据分析图表准确高效地分享给相关的浏览者分析查看。
关于具体的销售数据分析图表的设计实现步骤，感兴趣的用户可以参考我们之前分享的采购分析报表怎么做等相关内容，其图表工具的设计操作步骤类似，这里不再赘述。
如何分析销售数据与报表为什么要做销售数据分析？
企业的业务数据涉及销售数据、财务数据、人力数据、产品数据等多种类型，而销售数据在所有数据中的重要性毋庸置疑。通过分析销售数据，将有助于发现经营问题，降低销售成本，最终提高企业销售利润。
关键指标提取
不同行业对销售指标的侧重各有不同，本文将以建材行业为例进行说明。
其中涉及的销售数据指标包括：销售数量、销售单价、销售收入、单位成本、销售成本、销售毛利等，原始数据中还会涉及月份、城市、分类、计量单位、对应客户等信息。
图表与看板制作
提取完重要数据指标后，您就可以根据需求制作相关看板与图表。在此之前，用户必须对需要监控的指标做到心中有数。
一般来说，制作看板时，根据目的不同可以分为三类：
1. 基础数据看板：总览全局
这类看板大家都比较熟悉，主要是由包括地图、条形图、饼图等一系列的基础图表组成，用于查看不同地区、时间、类别的销售收入、销售成本等基础数据。下图是根据建材行业的示例数据生成的一个看板：
从这个看板中我们可以读出这个公司的基础销售信息：吉林省是销售大省，上半年总收入3千多万，3月份销售效果最好，多层复合类的常规系列销量最好。
需要说明的是，此看板均以销售收入为度量，企业业务人员可以根据自己的需求或者汇报对象进行调整。
2. 问题分析看板：寻找原因
基础看板满足的是用户查看数据的需求，如果想要利用数据解决问题，则需要具体问题具体分析，建立针对性看板，并根据数据分析工具（DataHunter）提供的功能进行探索式分析。
假如您想查看不同类别商品的销售收入、成本与毛利之间的关系，就可以新建一个看板，生成双轴图：
可以看出，多层复合类销售收入明显大于成本，对应的毛利也特别高。
如果想进一步了解多层复合里面哪个省市、在什么时间毛利最高，则可以在原有看板的基础上，以毛利作为度量新建一个图表，如下图：
接下来对毛利一览表，分别从城市和时间维度进行钻取：
▲按城市维度进行钻取
▲按日期维度进行钻取
▲钻取结果显示
最后知道：瑞安市4月份的销售毛利最大。
以上就是一个简单的探索式分析的过程。
3. 预警监控看板：迅速反应
销售类数据的监控预警有多种应用场景：比如对表现好的商品做重点监控，如果发现异常，立即查看原因，防止造成重大损失；又比如对商品的库存做重点监控，如果某地区库存不足，及时调整。
举个简单例子：根据不同类别产品的成本和利润生成散点图，并分别用利润平均值和成本平均值设立两条参考线，这样就将整个图形分成了四个象限，可以对高成本低利润或者高利润低成本的产品进行重点监控，针对变动及时查找原因，并作出反应。
（以上图表使用DataHunter制作）
