请上传宽度大于 1200px,高度大于 164px 的封面图片
    调整图片尺寸与位置
    滚轮可以放大缩小图片尺寸,按住图片拖动可调整位置,多余的会自动被裁剪掉
取消
Lohchyi(uid:595883)
未雨绸缪 逆势而上 职业资格认证:FCP-FineBI | FCA-FineBI | FCA-业务分析理论 | FCA-数据分析理论
【2022BI数据分析大赛】某跨境电商店铺销售分析
一、选手简介 1.1.选手介绍 社区用户名:Lohchyi 职业简介:hello大家好,我是现就职于广东某电商行业公司,就职部门于财务部现任财务,主要的工作是对电商平台店铺的销售、财务进行核算分析,在今年4月的时候接触了Finebi,通过Finebi实现数据清洗和快速汇总分类,快速设计出可视化图表,从而提高工作统计和汇报的效率。   1.2.参赛初衷 在如今电商盛行的时代中,公司的快速扩张发展到各个电商平台多达几十个个站点、店铺,我以往的工作方式是通过Excel来处理大量的原始数据,机缘巧合的情况下认识到了FineBi,在公司内部已经推动了Bi进程,预计在今年年中将公司的生产、销售、采购、行政各个业务、职能部门的数据上线到系统中进行运作,通过多种维度分析处理从而可以给予到管理层及时的公司数据。希望能够通过本次比赛得到评委和同行们的指点或认可,从而能解决当下在数据展示查漏补缺。   二、作品介绍 业务背景/需求痛点 1)电商平台在日常的店铺经营中会产生大量的数据,例如订单明细、流水明细、营销明细等原始数据,财务部门在处理此类数据的时候大多数是通过Excel进行汇总整理,由于各个内容数据繁杂需要进行数据清洗,通常会通过函数公式进行简单的数据处理,在此期间电脑运算大量的数据时可能会花费许多的时间,也有更多财会人员会使用人工的调整会造成数据的丢失或异常,可能就会出现财务汇报给管理层不准确性。 2)Finebi能够更好地通过电商平台的原始数据快速地进行数据清洗,到分类,再到汇总,再到图表的展现,能够直观地通过周期、品类、店铺等维度了解到数据所反映出来的情况,减少了在数据处理的工作时间和出错的环节。 3)本报告来自于公司在跨境电商平台其中一个店铺的2021年的销售数据、财务数据和退货数据,由此分为3个模块:销售、财务、退货进行数据整合,可以通过国家、收入、退款联动图表。 数据来源 一个目前比较主流的跨境电商平台我司店铺2018年后台数据: 订单明细:该份数据主要体现订单主要下单的国家及销售额; 结算明细:该份数据主要体现店铺经营的各项收入、退款和费用; 退货明细:该份数据主要体现退货的货物情况和退货原因。 分析思路 分为三个原始数据模块进行部分解读: 订单明细: 退货明细: 结算明细: 按照我站在财务角度的电商平台认识来看,结合对电商运营的所了解到的,从订单这一块可以看出店铺的一个客单价,订单的来源;从退货明细可以看出退货后的货物状态是否可二次销售,以及买家退货的原因;从结算明细可以看出一个周期内各个国家实际到账的收入或实际支出的退款以及店铺在经营情况下所生产的各项费用,这也是管理层每个月较为关注的一个节点,由此来开展下一步的店铺经营计划。 数据处理 重点处理的是在结算明细这一块的内容,主要是在区分收入、退款、费用项的时候因平台的结算规则和格式不同,所以在这一块会花费一些时间在逻辑设置mode,划分好销售收入、销售退款、营销费用、亚马逊费用、促销返点和赔偿款进行自助数据集的规化。 1. 销售类的自助数据集规化: 首先在原始结算明细表中勾选必要的内容项,以区分销售收入和销售退款; 其次过滤这两个条件作为收入和退款的判断节点; 最后整合一个结算明细-销售类的自助数据集。 2. 费用类(营销费用)的自助数据集规化: a.同样是在原始结算明细中进行勾选必要的内容项,与销售类不同的在于它用一个条件不相同; b.由于费用这一块在原始表格内没有直接能体现出“营销费用”的类别,所以在这里会新增一列; c.在“商品详情”这一条件下进行筛选出“广告费用”的情况作为汇总数值。 d.最后整合好一个结算明细-营销类的自助数据集。 在整理好上述小自助数据集后整合为一个汇总数据集,由此可视为一个数据中心,通过上下合并将每个小自助组数据集合并在一块,便整理好在结算明细中所有的汇总数据。 可视化报告 店铺驾驶舱/国家净收入/数据比例: 由此可以快速地看出周期中销售收入、退款和费用的汇总金额,各个国家净收入(收入-退款-费用)的情况,和订单量、客单价、退款比例、营销比例、促销返点比例和平台费用比例。 平台费用比例 举例说明:先使用SUM_AGG筛选出“类型”字段内含“FBA费用”的数值,得出“FBA费用”后再除以“销售收入”+“销售退款”的总收入得出比例,为了美观不体现比例中的负号可以使用ABS公式。 【季度】平台店铺销售指标看板 由此可以看出季度中各项收入、退款、费用的具体情况,该看板通过交叉表可以引用整合好的自助数据集直接生成。 【季度】平台销售指标往期环比 由此可以看出一定周期(季度)环比往期的涨跌率,在上述2)的内容里在“金额”进行设置环比增长率即可展示。 【季度】店铺各国家往期环比 由此可以看出一定周期(季度)各国家环比往期净收入的涨跌率,步骤与3)相同。 平台各国家周期退款率 由此可以看出各个国家在每个月的退款率,这个是运营在每个月经营店铺中重要的绩效考核之一,所以展示的方式以月份为标准。 在指标的形状增加了公司的相应退款率指标,在20%以下设置为合格状态,20-25%区间设置为较低状态,25-28%区间设置为较高状态,超过28%区间设置为超高状态,也是相应可以得出哪个国家的退款率同比其他国家在同一周期会失衡。 平台国家销售占比 数据来自于订单明细,由此会再按照国家定义其所属的洲区域,分为北美和欧洲,从而可以体现出产品购买更侧重于哪一块的客户更多。 在“国家”这个类别进行自定义分组归类“北美”和“欧洲”即可。 SKU&国家销售图 由此可以体现出哪一类的SKU在哪一些国家销售属于热销产品,横轴用“金额”数值体现,纵轴用“国家”体现。 第三方仓退货货物状态 数据来自于退货明细,体现出发生退货时货物的状态,可售状态则意味着产品回仓后仍可二次销售。 季度销售金额趋势图/季度第三方退货状态趋势图 由此可以看出销售和退货率是呈正比的情况,退货的各个状态在季度周期内均与销售呈折线上升趋势。 第三方仓退货买家原因情况 由此可看出买家因什么原因从而发生退货的情况,累计体现一定周期内的数据反馈予以售后或运营应及时调整策略。 综上所有数据情况,做此份报告最后的总结可以得出以下几点: 周期分析:整体店铺呈上升趋势,Q3季度下降原因由于产品所处行业均为淡季所致小幅下降,Q4季度上升原因是西方国家的黑5活动节促进销量; 区域分析:北美占总销售额49.34%,其中美国占北美92.00%,欧洲占总销售额50.65%,其中西班牙占欧洲51.65%,由此可以得出美国和西班牙占各自洲是主要销售来源; 退款分析:21年店铺整体平均退款率在26.58%,其中加拿大是相较于该水平高出6.11%,由此应注意关注加拿大客户在产品适配和体验感的问题; 费用分析:在销售额上升的同时,促销返点和营销费用也呈正比上升趋势,由此可以得出品类的销售额上涨有一部分的因素来自于在运营推动优惠活动的情况下所产生的; 品类分析:可以看出西班牙的SKU 1GxxxxLX1 JVxxxxMPS UFxxxxB9Z、美国的SKU QNxxxxZ3N 0ZxxxxJR2是主要热销的Top5产品,应注意继续维护热销产品的情况。 参赛总结    3.1.我对BI的看法: 节省了许多之前要在Excel里面处理的数据,能够代替一大部分的人工进行数据汇总,提高了不少的效率; 数据分析能够很直观地通过Bi进行展现、发现问题所在,便捷地筛选进行自定义多维度地体现多样化的数据; Bi工具的使用也是实现个人价值技能的一个体现,在现如今大数据的环境下也是必备的一项工作工具。      3.2. 个人总结: 首先感谢帆软BI团队的支持,在使用期间遇到的问题能及时地进行反馈,在此特别鸣谢 金展鹏 工程师邀请本次比赛,能够有机会与大家一起互相交流在使用Bi中遇到的环节进行经验互通; 在企业正式上线FineBi前也想通过本次比赛进行证明通过Bi能够实现它的价值,为公司能反馈出高效的讯息从而能帮助业务部门查找问题、提升业绩。 在这个学习和使用FineBi的过程中不是很长,但大概的逻辑和设置的思维因为有前期做数据分析和财务的铺垫,相较使用起来会更为的简单,在FineBi的帮助文档里也能得到平时出现问题的解决方案,在电商这个行业内运用起这个工具是具有非常的帮助意义,从而可以体现出财务在使用Bi的工作情况下能得到质的飞跃。实现个人的价值在于是否能突破原有的工作方式,寻找新的高效的代替方式来去解决,在每个人的工作中都应该积极地主动学习,才能为公司实现更大的价值。   公共链接:https://bisolutions.fanruan.com/webroot/decision/link/rn0B  
个人成就
内容被浏览12,875
加入社区3年322天
返回顶部