168大数据

标题: 零售业数据化管理工具（一）：周销售指数 [打印本页]

作者: 乔帮主 时间: 2014-12-26 17:30
标题: 零售业数据化管理工具（一）：周销售指数
本帖最后由乔帮主于 2014-12-26 17:33 编辑

如果你是零售业（包括超市、百货、品牌专营店等）的一个管理者，你是否有如下烦恼：

1、旗下门店太多，没有办法实现标准化和差异化管理；

2、销售数据混乱，不能形成管理模型帮助决策；

3、销售系统的数据只有基本的趋势、占比等分析功能，不能告诉你问题的原因所在，也不能进行剥洋葱式的管理；

4、销售高峰的时候公司来货了，卖的不好的时候，店长却安排了一堆人上班

......

其实，这些问题不能简单的归为公司或店长不懂销售，实际上他们缺乏一个简单的管理工具来辅助他们。零售业是一个规律非常强的行业。他的规律性体现在销售额有规律，促销活动有规律，人流/客流有规律等。

从经验的角度来讲：零售店铺周末的销售一定好于周初的销售，周六日的销售是最高的。大部分店铺都符合这个规律，当然我也见过广州的一家百货商场，永远是周三的销量是最大的。从数据化的角度，我会问：具体到周末三天，是周六的销售最大，还是周日销售最高？大多少？高几何？能否量化？这个时候很多人就回答不出来了。

零售业既然有规律，那一定可以找出这种规律，并且建立一套模型来进行数据化管理。有没有某种工具或模型？有！目前部分服装企业在运用一个周销售份数的概念。它是通过对历史数据的统计分析，得出一个量化的周销售指数，有的企业是8.0，有的是9.0，还有的是9.5等等。每个企业不尽一样。这是一个非常好且量化的概念，并且这种概念还可以推广到诸如零售百货、超市等行业去运用。当然作为数据化管理方面的专家，我把它提炼并深化了。

下面是几个企业的周销售指数的具体数据：

这就是周销售指数，看到这个，大家就非常清楚的知道这几个企业的销售规律了。非常简单。

如何计算的？它实际上就是销售百分比的权重处理结果：

第一步：准备公司全年的日销售数据，以周为单位统计；

第二步：剔除掉一些含异常销售的周数据，比如春节、十一等法定节假日周，店庆周，地震等非可控影响的销售周等。这样的目的是找出正常销售时间段的规律；然后计算总销售额，假定为A；

第三步：计算周中每日的销售百分比。星期N百分比=Σ(星期N)销售/ A，结果假定为B1～B7；

第四步：取最小B值为1.0，假定叫C，然后根据其它B值和最小B值之间的倍数关系，可以依次确定所有日期的C值；

第五步：根据7个C值求和最终确定企业的周销售指数μ 。

这个时候，各企业或品牌公司就可以根据这个周销售指数来对总部的数据进行建模了。这就是一个标准化管理模型。那差异化管理如何实现？因为连锁企业的各个大区/城市/门店和总部的规律有很大可能会不一样的。他们也是按照上面的步骤来分析吗？不是，如果按照上面的步骤分析，你会发现周销售指数μ就会各式各样了，不利于标准化管理。所以我们统一：各个大区/城市/门店等的μ和总部一致。各区域只需要确定每日的销售指数就可以了。

各大区/城市/门店的日销售指数计算公式：

星期n指数=(Σ(星期n)销售/ Σ 周期销售)*μ

销售周期可以取2、4、8周，甚至取半年、一年等。如果目的是为了分析区域的周销售规律，建议销售周期取一年；如果是为了做销售预测，目标分解等，建议销售周期取4周。

周销售指数μ是非常有用的零售量化管理指数，甚至可以说它是零售企业数据化管理的核心，是一个核武器！而这个核武器在部分服装企业的使用也仅仅是表面文章，远远没有发挥它的巨大威力！

周销售指数有如下的用途：

1、确定区域/店铺等的差异化管理类型；

2、精确制定区域/店铺的日销售目标；

3、月销售预测（呵呵，这个是本人的专利哟！根据以往的实战经验，误差率在5%以内）；

4、建立辅助管理模型（呵呵，这个又是本人发明的！），比如科学排班，送货安排等等；

5、特殊事件的销售评估（唉，又是我的专利！），比如评估促销效果，量化突发事件（比如奥运会）对销售的影响幅度，甚至可以评估区域或店铺关键人物离职/到位后对销售影响度；

欢迎光临 168大数据 (http://www.bi168.cn/)