队长：POI 成员：橙子 蔡蔡 初一 选手简介 团队名称：六六团队 队长介绍：POI，之前为电商专业，比较热爱数据分析工作，希望通过这次大赛可以结识更多小伙伴，多多交流和探讨，提升数据分析思维； 成员介绍： 橙子：参加过与数据分析相关的比赛，个人擅长做图表分析，通过这次活动，跟团队成员相互学习和交流，以提高自己的数据分析能力； 蔡蔡：擅长制作PPT，整理数据资料，希望可以与大家在数据分析及业务上共同进步； 初一：擅长做思维导图，希望在这次比赛中能和各位大神学习到一些BI及分析经验；   参赛初衷： (1) 希望通过参赛，学习BI大神们的分析思维，提高数据分析能力； (2) 通过比赛实践提升BI工具的使用方法和技巧，了解更多相关知识，顺带也评估下自己的BI段位，以便查漏补缺，不断进步； （3）充实自己，为工作做准备。   作品介绍 1.分析目的：为了使商城各区域销售管理体系更加完善，提高销售团队业绩与销售效率；进一步完善商城人才储备的战略规划，优化商城选品，进行精准化营销，从而提高商城营业额。   2.数据来源： 自选数据：来自和鲸社区的公开数据“商城详细销售数据”，原始数据字段包含：'行 ID', '订单 ID', '订单日期', '发货日期', '邮寄方式', '客户 ID', '客户名称', '细分', '城市', '省/自治区', '国家', '地区', '产品 ID', '类别', '子类别', '产品名称', '销售额', '数量', '折扣','利润'，共9960条数据。   3.分析思路   4.数据处理 数据处理 重复值、空白值处理 结论：无出现空白值，重复值，不进行相关处理。 异常值 问题1：城市和省份/自治区不匹配或一个城市在多个省份/自治区 结论：出现九条城市和省份/自治区不符数据 清洗过程：插入透视表→找出这九条不匹配数据并标记颜色→返回订单表，通过筛选标记的城市，修改为对应正确的省份 问题2：同一个省份/自治区在不同地区，与实际不符 结论：出现1条省份/自治区和地区不符的数据 清洗过程：在透视表中找出这一条不匹配数据并标记颜色→返回订单表，通过筛选标记的省份，修改为对应正确的地区 其他处理：创建自助数据集 第一步：导入数据表“订单”、“退货”、“销售人员” 第二步：创建自助数据集→选择“订单”→全选 第三步：左右合并→选择数据“销售人员”→点击“地区”、“地区经理”→并集合并 第四步：左右合并→选择数据“退货”→点击“订单ID”、“退回”→并集合并 第五步：命名表名为详细数据→保存并更新   5.可视化报告 商城发展情况总体概况： 商城KPI指标中，销售额26899372.36元；客户数量771；订单2770单，销量共为61386单；退货数量为7479件，退货率47.55%；利润额为3611516.16元，利润率达14.43%。 可以得出退货量及退货率是居高的，通过以上数据，我们可以对整个商城的各个发展区域从人、货两个方面进行分析，从而去提高商城的销售额与利润率，让商城发展更上一层楼。 （1） （人）区域业绩分析 结论：根据全国销售额分布图可知，大陆销售额最高地区为山东，总额为1533042.87元，最低为西藏地区，销售总额为10015.18元。可以看出，因地理位置、人口密度、居民生活水平、消费能力，又受物流运输等影响因素影响，发达的华中区销售额远高于发展较落后的西藏偏远地区。 ①结论：由图可知，各地区销售额由区域经理洪光负责的华东区销售额TOP1，由区域经理杨健负责的西北地区销售额位于最低。 ②结论：为了更好得出哪个地区的客流量最佳，分析各区域经理客户数可以看出。客户量TOP5分别为：洪光、范彩、楚杰、殷莲、白德伟、杨健。 ③由以上两图可知，华东区经理洪光不仅TOP1，销售额最高的客户是他所负责的，在客户贡献率TOP10中，洪光所跟接的四位客户，严珑占比50.00%，俞蔓楚占比49.99%，田武占比49.99%，白松占比49.80%；并且洪光所负责的销售额最高的客户及客户贡献率最高的客户不是同一批人 小结：可以得出洪光在销售技巧上，更致力于打造符合消费者需求的商品，可以通过买赠、优惠、返现等措施提高客户忠诚度。拥有客户数量TOP1的区域经理，可以进一步提高客户的忠诚度，可以做一份执行手册/方案提供给客户数量、销售额较低的区域经理进行学习，提供更为符合消费者需求的产品，提升销售额，扩大商城知名度。 货（商品分析） ①订单量分析（分时段分析） ①因促销力度产生的差异。例如在2016年6月，“618”大促期间，销售额是日常的数倍；再如2每年的11月，“双11”的到来，再聚划算促销期间使销售额达到最高点。 ②因消费者自发需求产生的差异。例如临近春节放假期间，人们对于上班办公用品的需求量不大，如2015年2月，跌入销售额最低点。 ②品类分析 通过折扣与销量的对比分析，以美术产品为例，折扣力度最大的是美术办公用品，但对比销量这边，销量最大的却是装订机办公用品。 对策建议为取消美术办公用品的折扣，或者与销量好的产品进行捆绑销售，从而促进订单量提高利润率。 ③子类别产品分析 图中可知，书架、椅子、和器具为销售额最高的子类别产品。 在电商模式下的销售，绝大多数商品会分为爆款和长尾款，而此商城的爆款为家具类的书架，是商城售卖的主力占据了店铺80%的销售量，而如美术、配备等80%的品类只贡献了20%的销售。 对策建议：可以完善产业供应链，进行精准化营销，把受欢迎的产品高端化、经济化，增加书架的库存量、做好发货准备，提升物流效率等措施从而提高销售量与利润率。 ④波士顿矩阵分析 销售额超过平均值，利润也超过平均值的产品为明星产品，需要重点关注。销售额未达到平均值，但是利润超过平均值的产品为问题产品，有希望转化为明星产品，但是存在潜在问题，销售额不高，需要重点跟进和长期跟踪。销售未达到平均值，利润也未达到平均值属于瘦狗产品，不需要投入重点维系。 ⑤以数量为单位进行分析 为了更直观地反映商品之间占比的关系，得出上图，由此可以清晰分辨出来，办公用品在总销量里占52.38%；家具占比23.03%；技术类占比20.59%。可知，办公用品类更符合消费者需求，建议是可在办公用品类投入更多的销售费用，增加营业额。 ⑥以利润率单位进行分析 通过以上子类别产品利润率的统计分析，可以清晰的看到每个产品在总体销售额上的贡献，办公用品类贡献最大，总体占比147.35%。消费者的购买偏好为办公用品类产品，通过分析我们可以对销售结果进行量化，明确产品的销售目的，取得最优值。 ⑦以退货率为单位进行分析 由图可知，家具的退货率占比最高，退款率过高的产品，不建议作为主推款，需要对退款的原因进行分析，产品原因就是改进产品，价格原因就是修改合适的价格。 ⑧同比环比分析 同比：同比增长率在2018年七月达到最高，在2017年1月达到最低 环比：销售额逐年增加，环比增长率每年都有正向增加。 ⑨退货理由分析 根据各类别退货数量top10，退货量偏高的产品属性（收纳,装订机,椅子)易于在快递的过程中产生不可控因素导致损坏，接近50%的退货率也有可能是顾客到手后觉得货不对板，质量参差。公司的家具产品可能尺寸没有一个更为详细的数值，导致客户到手后并不能匹配自家的尺寸。 同比：退货率在2017年3月达到最低，同比16年3月增长率为-98%，退货率在2018年3月达到最高，同比17年3月增长率为3947%。 环比：退货率在2016年达到最高，对比15年环比增长率为47%。 总结： 该公司利润稳定发展，利润率为13.43%。明星产品很多，瘦狗产品也不少，应当加强明星产品的推广，而打折也卖不出去的瘦狗产品应当合理放弃。不需要再给美术产品高额折扣。 目的建议： 退货率偏高：可以通过更换物流公司，抓紧品控，更新详细数据来减少退货率。 利润率提高：为优秀经理（洪光）提升待遇留住人才，可让其对其他地区的经理进行培训，传递优质决策，改善销售团队质量，人才战略培养，精准化营销，优化商品货品，合理的奖励与惩罚。 客户数量提高：公司内部优秀经理通过培训让其他地区经理学习经验。以用于提高客户数量。通过老带新的策略帮助业绩不足的地区经理提高相应的经理水平。 仪表全局展示   三、参赛总结 1.FineBI工具 容易上手，工具敏捷性强 可视化操作方便，做图美观 没有团队功能，效率较低，工作单一 对电脑配置较高，识别不出细节，没有提供搜索键不太方便   2.总结 遇到的困难： 由于不熟悉数据分析，在找数据时耗费时间长，工作没有效率，起步初期执行力较差；数据找到时分析思路较难打开，进度滞后。 FineBI工具作图简易明晰，能直观对图进行剖析，得到分析目的。 通过两个星期的团队合作，大家对商城的可视化有了进一步的了解。 感谢队友的付出，成员间的积极配合使比赛有一定成果。