在开始进行销售数据分析之前，需要思考分析的用途以及希望传达给查看者的信息。

进行数据分析时，明确分析目的才能直观展示分析结果。所以，掌握清晰、逻辑性强的数据分析思路就非常重要：

七种常用的销售数据分析基本思路

1、随着时间的改变来分析数据：使用时间段来说明一个趋势。

可用于采购降本分析，供应商采购金额分析查看时间趋势下的单价数据情况。

2、下钻查询：设置上下文，以便查看者更好地了解更细粒度特定类别下的数据信息。

可用于营销组织销售分析，从小组绩效下钻查询到个人绩效得分情况。

3、缩小：描述查看者关注的内容与大局的关系，某个具体内容对大局的影响。

可用于客户数下滑分析，分析哪些客户类型和层级的大量下滑影响了总客户数。

4、对比：表明两个或多个主题的差异。

可用于客户数下滑分析，对比分析两个年度（2018、2019）客户类型和层级的下滑情况。

5、十字路口：当一种类别超过另一种类别时，分析应突出重要的转变。

6、因素：通过将主题分成不同类型或类别来解释主题。

可用于营销组织销售分析经营报告，从销售额、毛利率、费用及人力成本三个方面分析全年的经营状况。

7、离群值：显示异常或事件的特别异常之处。

可用于毛利率异常分析，通过定位异常毛利月份、异常门店、异常商品/类别、异常订单明细找出问题。

之后，则需要进行对数据分析指标的拆解。

1、明确要分析的目标。

2、确定问题。在明确分析目标后，就需要确定为了达成该目标，需要提出围绕该目标需要解决的问题，可以使用思维脑图，写出在看到该目标后产生的问题。

3、拆解问题（确定计算公式）。在确定问题后，就需要找到能够数值化衡量这些问题的指标，以及它们的计算方式。

4、 拆解指标&拓展维度布局

计算方式确定，就可通过分析组成这些计算公式的指标来探究影响其的原因，比如销售额=单价*数量，那么就可从「单价」、「数量」来分析销售额变动，以一个指标为定量，分析对比其他指标变化。

同时以计算公式结果为指标，拓展维度（比如地区、时间、品类等等）来探究不同维度下的指标差异。

举个例子：某公司18-19年，销量下滑严重，分析原因。

我们可以从这组数据图表里得出：在1月的销售员工流失严重，出现了大批的离职，员工数也是两年最低水平。且在18年流失客户中，有70.16%的都是1月离职员工原有负责的客户，那么这是造成流失客户增长的主要原因。

销售离职直接带走一小部分的客户，但更多的是在销售离职后3个月后仍有订单，然后才逐渐流失的。销售离职时进行了交接，大部分客户都交接到了老员工手上，但是老客户对于交接客户关系维护不够重视，交接后的销售对于交接过来的客户拜访频次下降，尤其是第一个月和第二个月很低，导致了客户的流失。

经线下调查，北京市销售部门出现大的人员变动，主要是因为营销经理A离职，带走一批老部下；而销售经理B提拔后存在管理缺陷：B侧重于新客户的开发，忽视了这一批交接客户的维护，造成了流失现象非常严重。

因此应该加强离职员工交接后的客户的维护工作，提升客户的拜访频次，让客户重新与新的销售建立信任，从而降低客户流失。

营销组织销售分析再举个例子：某公司8月销售额环比提升了12.31%，总毛利额却下降了11.9%，总毛利率更是下降了21.55%，分析原因。

在毛利率数据地图上，发现长沙市毛利率严重异常，点击红色异常省份并下钻查询，可以下钻至城市级别数据，并点击按照毛利额/销售额进行联动，显示长沙市的数据。

点击异常门店-长沙梅溪湖店并联动，继续排查异常。

通过波士顿四象限图的划分，在毛利率警戒线以下的零食品类会通过闪烁动画进行异常提醒，点击异常品类零食并联动后，发现异常商品为闪烁的某巧克力。

点击某巧克力并联动，以进行下一步的分析。

通过日期-毛利额折线图，发现2018.8.17日毛利率异常明显，在折线图中点击该日期进行联动。下方的异常订单明细表显示了所有的异常名单，并将毛利额为负的订单标红。

审计核实发现，8月17日当天为七夕节，巧克力大量异常销售。内部员工空买空卖，集中使用优惠券套取利益。

很显然在目前的信息时代，借助类似于FineBI的这些工具，可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多，选择时必须要结合实际的情况。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软BI软件——FineBI。

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo