如何做好一份企业经营数据分析报告?BI大神带你一步步拆解思路!

开通VIP,畅享免费电子书等14项超值服

首页

好书

留言交流

下载APP

联系客服

2024.05.13浙江

1

项目背景

分析思路

拿到的数据进行表自身一致性和不同表间一致性的检查——进行数据清洗——分析表间隐藏的信息——总体数据分析——明细维度分析

2

官方数据提供了两个表:销售明细表,销售季度预算明细表。要去检查这两个表相同的数据(2019,2020年上半年的销售)是否一致,也要检查表自己本身内部的数据是否有一致性。(这是个好习惯)

销售明细表进行数据清洗

2、分组汇总检查

销售明细表和预算表一样的字段的有4个:含税销售额,不含税销售额,总成本,城建税。我们用仪表盘对销售明细表进行分组汇总,然后去和预算表做对比。

发现销售明细表的这4个数据全都是预算表的10000倍,两个表间的一致性有问题。由于:

(1)预算表一般不会出错,因为这是总数据,且表里的实际销售和预算销售差不多。

(2)预算表半年销售额是百万级别的合理;销售明细表是百亿级别,每单流水销售额在1亿级别不合理。

所以认定销售明细表因为一些问题导致所有的金额数据都是正常的10000倍,要进行数据调整。

3、数据清洗和清洗后检查

进入销售明细表:含税销售额,不含税销售额,总成本=(含税销售单价,不含税销售单价,单位生产成本高)*销售数量

这3个单价都处于合理的水平,反而销售数量过于大。所以认定是销售数量是正常的10000倍,所以处理销售数量/10000。进行数据清洗,在销售明细表原表上,对字段销售数量/10000。

销售季度预算明细表数据清洗

1、表内数据一致性检查

含税销售,销售收入,销售成本,税金及附加这些是确定的,且和调整后的销售明细表核对是完全对应的,要对下列信息进行试算平衡。

毛利=销售收入-销售成本,营销线净利润=销售收入-销售成本-变动费用-固定费,各明细列加起来等于总计列,预算进度,同比增长等。

核对后确认表内的信息是一致的。

2、数据清洗

预算表原来的格式不能用,在原表上进行删除和补充的调整。

3、清洗后检查

数据清洗后导入BI,根据原本去汇总后与原表对比。

检查汇总是完全一致的,明细数据也是一致的。

3

我们得到的明确信息是有限的,要用官方给的这两个表格去分析并结合常识,得出一些关键性的信息来帮助我们进行后续的业务分析。(现实情况可以直接去问业务部门)

原预算表、原销售明细表的解读

产品信息的分析

得出关键信息:

客户和销售人员维度去分析

得到关键信息:

销售人员和产品的维度去分析

(可见销售人员所卖的产品没有特定性)

4

1、含税销售额下降7.65%,而销售收入只下降了5.96%,这是因为2019年3月份增值税从16%调到13%,没有往下分析的必要。

3、毛利同比下降4.72%,比销售收入下降5.96%幅度低,毛利=销售收入-销售成本,说明是销售成本有所降低,要去分析销售成本的降低。

4、净利润不仅完成预算159%,且同比增长32.96%,净利润=毛利-变动费用-固定费用,要从变动费用和固定费的降低去分析。

总成本和费用-总毛利和利润

5、销售收入降低5.96%,而销售成本下降6.96%,再看毛利率0.59%的略微提升,说明成本真的有略微降低,可以从日期、厂家去分析。

7、税金及附加=(不含税销售单价-单位生产成本)*销售数量*增值税率*12=毛利*增值税率*12%。所以完全取决于毛利和增值税,不用往下分析。

8、现金产品折扣只用了预算的57.18%,且同比下降了38.43%,大幅度的降低了,这也是会影响销售的,但没有明细维度和明细数据,不做分析。

9、人力成本只用了预算的78.91%,且同比下降了10.5%,没有明细维度和明细数据,不做分析。

5

添加一些方便后面分析的列。如:销售年份,销售月份、销售季度。

各个维度的分析

添加新指标:

同比增长金额-月份表

20年的2,3月同比超大幅度下降是导致20年销售收入不好的重要原因,主要原因为每单的销售数量大幅度的下降,导致每单的销售金额大幅度下降。

2、产品归属部门-产品品类-产品

3&4、区域-客户分析-销售人员

建议:E客户重点维护,e销售人员可以评为最佳业绩。F客户潜力巨大,重点开发,f销售人员可评为最佳上升。

5、退货情况

定义:退货率=退货金额/发货金额

分析产品-厂家的退货率

子公司2有比较严重的退货问题:

在感冒药1上,子公司2退货率高达2.62%,而子公司1销售量更大的情况下,退货率只有0.06%;在胃药1上,子公司2退货率高达0.26%,而子公司1销售量更大的情况下,退货率只有0.06%。

建议:在子公司1产能足够的的情况下,将感冒药1的生产全部移交给,子公司1,并加强子公司2对药品的管控,药品的品质问题不容忽视。

THE END
1.分享一些成功的电商数据清洗案例对标记的异常交易数据进行人工审核,区分真正的异常交易(如高端定制商品的高价交易)和疑似刷单数据。对于确认的刷单数据进行删除处理,共清理了约 2% 的异常交易数据,有效净化了交易数据环境。 三、清洗效果 数据分析准确性提升 在进行数据清洗后,企业对销售数据的分析更加准确。例如,在计算商品的平均售价和销量趋势时,https://www.jianshu.com/p/1ed5b1a7088c
2.一文带你看懂数据清洗的六大问题!(附工具推荐)数据清洗重复数据这个环节通过将重复、多余的数据筛选清除,将缺失的数据补充完整,将错误的数据纠正或去除,从而提升数据质量,提供给上层应用调用。它可以有效处理数据的常见问题:数据缺少值、数据值不匹配、数据重复、数据不合理、数据字段格式不统一、数据无用。 数据清洗步骤 https://blog.csdn.net/m0_59164520/article/details/142602189
3.数据清洗是什么?盘点5款常见的数据清洗工具!一句话概括:适合初学者和简单数据处理任务,但在处理大规模数据和复杂任务时有限制。 说到Excel ,大家都不陌生,可以说是最基础最简单最小白的数据清洗工具,尤其是对于初学者或者进行简单数据处理的任务来说,是一个很好的工具。例如,在处理一些小型的销售数据统计时,Excel 可以方便地进行数据的排序、筛选和简单的计算。https://www.fanruan.com/bw/doc/180958
4.如何高效整合吉客云销售数据到MySQL数据库综上所述,通过合理配置API请求参数、实现分页抓取、进行数据清洗转换以及设计完善的异常处理机制,我们可以高效稳定地从吉客云·奇门系统中获取销售单信息,并为后续的数据写入做好准备。这一步骤不仅是整个集成流程的重要环节,也是保证数据质量和完整性的关键所在。 https://blog.51cto.com/u_17075337/12736119
5.大数据分析对企业营销有哪些帮助2.数据清洗 数据清洗是指对收集到的数据进行处理,去除无用数据、纠正错误数据、填充缺失数据等,以确保数据的质量和一致性。在进行数据清洗时,需要使用各种工具和技术,如数据挖掘、机器学习、自然语言处理等。 3.数据处理 数据处理是指对清洗后的数据进行加工,以便进行后续的分析和挖掘。数据处理包括对数据进行转换、聚https://www.linkflowtech.com/news/2697
6.数据资产企业内部数据价值如何挖掘?焦点企业内部数据价值挖掘是指通过分析和处理企业内部积累的大量数据,提取有价值的信息,以支持决策制定、优化业务流程、提高运营效率和创造新的商业机会。以下是企业内部数据价值挖掘的几个关键步骤和实践: 一、数据整合与清洗: 首先,企业需要整合来自不同来源的数据,如销售、财务、人力资源、客户关系管理(CRM)等系统。 http://www.databanker.cn/info/354128
7.Prompt用得好,增长工作下班早1.数据清洗 你是一位资深数据分析师,具备深厚的数据分析技能与行业经验。你擅长应用各种数据分析工具和技术,对数据进行挖掘、整合、分析,现在我有一份销售数据,是jason格式的,帮我把数据处理一下,直接输出表格。 2.找数据分析思路 你是一位XX行业的市场营销分析专家,请根据这份数据集合,给出4个不同方向的分析主题https://www.niaogebiji.com/article-645093-1.html
8.python分析每月销售数据如何用Python分析销售数据.pdfpython分析每月销售数据-如何用Python分析销售数据.pdf,python分析每?销售数据_如何?Python分析销售数据 数据分析的基本过程分为五个部分 :提出问题、理解数据、数据清洗、构 模型、数据可视化。下?我以前四部分为基础,对?个销售数据 进?分析。 1 提出问题https://m.book118.com/html/2023/0717/8136125107005111.shtm
9.“武陟县域就业岗位每周送”武陟县人社局2023年05月01日收集1、负责公司医疗器械产品的销售出库、开票申请等相关工作; 2、负责销售产品的资料、合同的准备和管理; 3、负责已发货物的跟踪,已发快递/物流的登记; 4、负责下游商业客户的对账、销售数据分析、业务费用初审工作; 5、负责公司来访客户的接待工作。 任职要求: https://wzjob.jzggjy.com/news/detail/304033.html
10.DataBand:DataBand(数据帮),快速采集清洗,任务管理,实时流和批DataBand数据帮 轻量级一站式大数据分析平台 项目启动于2020-10-26,持续更新中。 完整开发使用文档 详情开发使用介绍 介绍 DataBand(数据帮),快速采集清洗,任务管理,实时流和批处理数据分析,数据可视化展现,快速数据模板开发,ETL工具集、数据科学等。是轻量级的一站式的大数据平台。我们致力于通过提供智能应用程序、数https://gitee.com/475660/databand