1、销售指标分析：

 主要分析各项销售指标。比如毛利、毛利率、坪效、交叉比、销进比、盈利能力、周转率、同比、环比等等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又採用多级钻取，从而获得相当透彻的分析思路；同一时候依据海量数据产生预測信息、报警信息等分析数据；还可依据各种销售指标产生新的透视表。比如最常见的ABC分类表、商品敏感分类表、商品盈利分类表等。

这些复杂的指标在原来的数据库中是难以实现的，老总们尽管知道他们很实用，但因为无法得到，使得这些指标的地位也若有若无。

直到BI技术出现之后，这些指标才又一次得到了管理者和分析者们的宠幸。

 

2.销售量预測

依据以往销售数据以及影响销售相关的因素的分析，通过建模构建销售预測模型。能够单纯针对销售数据进行时间预測分析。也能够採用简单的移动平均预測。

在数据完好的前提下，还能够结核很多其它的影响因素。比方公司销售政策，竞争对手销售策略，公司产品公布，销售人员是否充足等因素构建复杂的神经网络系统，进行更完好的预測分析。

 

3.財务分析：

 1）分析企业的財务状况，了解企业资产的流动性、现金流量、负债水平及企业偿还长短期债务的能力。从而评价企业的財务状况和风险；

2）分析企业的资产管理水平，了解企业对资产的管理状况。资金周转情况。

3）分析企业的获利能力；

4）分析企业的发展趋势，预測企业的经营前景；

同一时候，系统还应该依照部门、人员、商品、供应商、时间等各个维度综合分析各项財务指标，如：成本、毛利、利润、库存、结算、盈亏平衡点、销售数量、销售金额、市场占有率等等。

 

4、商品结构分析：

商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。

主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整。加强所营商品的竞争能力和合理配置。

 

5、顾客细分：

顾客分析主要是指对顾客群体的购买行为的分析。比如，如果将顾客简单地分成富人和穷人，那么什么人是富人，什么人是穷人呢？实行会员卡制的企业能够通过会员登记的月收入来区分，没有推行会员卡的，可通过小票每单金额来如果。比方大于100元的我们觉得是富人，小于100元的我们觉得是穷人。

好了，如今老总须要知道非常多事情了，比方，富人和穷人各喜欢什么样的商品；富人和穷人的购物时间各是什么时候；自己的商圈里是富人多还是穷人多；富人给商场作出的贡献大还是穷人作出的贡献大。富人和穷人各喜欢用什么方式来支付等等。此外还有商圈的客单量、购物高峰时间和假日经济对企业影响等分析。

 

6、供应商分析：

通过对供应商在特定时间段内的各项指标。包含订货量、订货额、进货量、进货额、到货时间、库存量、库存额、退换量、退换额、销售量、销售额、所供商品毛利率、周转率、交叉比率等进行分析，为供应商的引进、储备、淘汰（或淘汰其部分品种）及供应商库存商品的处理提供根据。主要分析的主题有供应商的组成结构、送货情况、结款情况，以及所供商品情况。如销售贡献、利润贡献等。通过分析，我们可能会发现有些供应商所提供的商品销售一直不错。它在某个时间段里的结款也很稳定。而这个供应商的结算方式是代销。

好了，分析显示出。这个供应商所供商品销售风险较小，假设资金不紧张，为什么不考虑将他们改为购销呢？这样能够减少成本呵。

 

7、人员分析：

通过对公司的人员指标进行分析。特别是对销售人员指标（销售指标为主。毛利指标为辅）和採购员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩。提高员工积极性。为人力资源的合理利用提供科学根据的目的。主要分析主题有，员工的人员构成、销售人员的人均销售额、对于开单销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、採购人员分管商品的进货多少、购销代销的比例、引进的商品销量怎样等等。

 

8.客户维系挽留

通过以往客户的购买行为和记录，结合客户基本资料等信息，通过构建数据挖掘模型的方式。进行对用户进行流失预測，从中找出高流失用户，并结合客户的价值贡献，採取不同的 维持保留策略。提供一个稳定的收入，减少客户流失的目的。

版权声明：本文博客原创文章，博客，未经同意，不得转载。