有這樣一個案例：

某零售集團13年跨入中國市場，并在電商新零售快速增長的背景下快速擴張，在全國各地開設門店。但隨著開店持續(xù)增加，但毛利額怎增速卻明顯下降，于是總經(jīng)理發(fā)問：如何提升生意？

如果你是一個產(chǎn)品經(jīng)理，你也許會說，上新品，增加吸引力。

如果你是一個大區(qū)經(jīng)理，你大概會說，給員工獎勵，激勵他們多賣。

如果你是一個營銷總監(jiān)，你大概會說，我們要擴大營銷，擴大知名度，找網(wǎng)紅帶貨。 

如果你是一個通路行銷人員，你大概會說，產(chǎn)品組合賣、加促銷，搞會員制。

你覺得總經(jīng)理會聽誰的呢？貌似誰都有立場，但誰都沒有說服力。

此時，就需要一個站在全局角度不在乎部門區(qū)隔的人來分析，可以是商業(yè)分析師，也可以是財務分析師，也有可能是經(jīng)營部的人，但都需要借助數(shù)據(jù)分析的手段。

如果是數(shù)據(jù)分析師：

首先，定位問題，毛利額增速下降了幾個點，同比環(huán)比多少，是否在正常波動區(qū)間內(nèi)？

其次，關聯(lián)查看其他連帶指標，毛利潤下降和哪些指標有關？銷售額？成本？數(shù)據(jù)情況如何，需要有一個全局的了解。

然后，確定了不正常，則要從不同業(yè)務維度來分析。比如，產(chǎn)品層面有無異常、銷售是否有明顯下滑……一步步定位。

這樣的問題其實在業(yè)務作業(yè)中很常見，就像這個利潤下降的大話題，牽扯因素復雜，一方面需要依靠分析師對業(yè)務的理解，另一方面也需要通過數(shù)據(jù)分析的手段來探索和求證。

下面就以上面那個案例，來實際看看如何分析。即使不是專業(yè)的分析師，按照以下思路，也能分析出一二來。

前期準備

首先，有了基本的分析思路，下面需要收集數(shù)據(jù)，并借助工具來分析。

因為更多是業(yè)務層面的數(shù)據(jù)探索，不涉及模型等，且具有大量的不確定性，所以適合用BI這種可視化探索工具來操作，能聯(lián)動下鉆關聯(lián)分析，全局觀察業(yè)務。以FineBI操作為例。

一、數(shù)據(jù)準備與數(shù)據(jù)處理

1、數(shù)據(jù)導入

本案例中，集團的IT部門每個季度會提供一張商品銷售表，因此這里新建一個數(shù)據(jù)連接，連接到報表所在數(shù)據(jù)庫。

創(chuàng)建業(yè)務包，對數(shù)據(jù)進行門別類的管理：

這里我們新建一個商品銷售業(yè)務包，并把IT數(shù)據(jù)庫中的數(shù)據(jù)表導入至業(yè)務包中

這樣就成功將集團IT數(shù)據(jù)庫中的數(shù)據(jù)導入至FineBI中，下一步開始進行數(shù)據(jù)處理。

2、數(shù)據(jù)關聯(lián)

所要的數(shù)據(jù)都在不同表甚至不同數(shù)據(jù)庫中。數(shù)據(jù)包講不同數(shù)據(jù)庫中的表整合到一起，數(shù)據(jù)關聯(lián)則可以將不同表通過鍵關聯(lián)起來。

在許多系統(tǒng)中，為了保證數(shù)據(jù)的安全性以及性能，往往會將一張非常大的數(shù)據(jù)表拆分成事實表和維度表進行存儲，事實表和維度表中一般通過字段ID來進行關聯(lián)。在關聯(lián)時也存在多種關聯(lián)關系，例如1：N，N：1，1：1等等。

以往我們都是通過寫SQL來合并表，這里FineBI有關聯(lián)視圖功能，可以直接自動將同名的字段關聯(lián)對應起來。并且由于一個門店可以賣出非常多的商品，也就是對應N條訂單，因此需要按照門店-商品銷售=1：N的關系，將數(shù)據(jù)關聯(lián)起來

3、數(shù)據(jù)加工

在這個部分，需要明確分析的指標。零售生意拆分的方式有很多種，我就不贅述了。本次往簡單了說，主要指標就是銷量、銷售額、成本額。在此基礎上還有毛利額=銷售額-成本額，我們在數(shù)據(jù)準備階段就可以使用FineBI的自助數(shù)據(jù)集功能，直接在數(shù)據(jù)層面將毛利額計算出來，方便接下來前端的分析工作

二、可視化探索式分析

數(shù)據(jù)已經(jīng)準備處理好，下面就是可視化業(yè)務分析。

1、集團總體數(shù)據(jù)分析

現(xiàn)在我們著手探究毛利額下降的問題，從哪里開始呢？手頭有前兩個季度的數(shù)據(jù)，因此先查看一下總體銷售數(shù)據(jù)，看看毛利額的下降是否是由于總體銷售額下降導致的。

使用自主數(shù)據(jù)集處理好的數(shù)據(jù)創(chuàng)建可視化組件，通過簡單的拖拽，將時間字段拖動至橫軸，將銷售額拖動至縱軸，就可以生成按日期維度聚集的銷售額數(shù)據(jù)了。

在此基礎上，使用FineBI快速計算自動計算出銷售額環(huán)比，并設置顏色依據(jù)銷售額環(huán)比區(qū)分，環(huán)比為負的顯示紅色以示警告，環(huán)比為正的顯示為綠色。還可以添加銷售額平均值預警線作為參考指標

按照這個思路繼續(xù)分析，我們可以發(fā)現(xiàn)8月銷售額環(huán)比提升了12.31%，總毛利額卻下降了11.9%，總毛利率更是下降了21.55%，因此問題應該出在成本控制上。

2、各區(qū)域/門店毛利率分析

定位到了成本的問題，我們需要確認5H1W中的問題發(fā)生的地點（Where），因此使用地圖組件。在FineBI中，通過地理角色的轉化，可以自動將城市名和經(jīng)緯度對應起來，從而將城市名稱與地理信息關聯(lián)展示。同樣的操作，將轉換后的經(jīng)緯度拖入橫軸和縱軸，將毛利額字段拖入顏色字段，就可以按地域顯示毛利額數(shù)據(jù)了?？梢钥匆姾鲜〉拿麛?shù)據(jù)是存在異常的。

3、異常品類商品分析

進一步分析，使用FineBI的聯(lián)動功能，制作一個門店毛利率柱狀圖組件，可以通過點擊地圖組件中的湖南省，聯(lián)動至門店組件，從而至只展示問題省份的門店數(shù)據(jù)。

通過地圖下鉆，我們發(fā)現(xiàn)了湖南省長沙市銷售存在問題，而進一步通過聯(lián)動我們發(fā)現(xiàn)了具體的門店-長沙梅溪湖店是問題之源，而通過波士頓矩陣圖，我們定位到了銷售異常的商品為零食類-德芙巧克力

4、異常訂單明細

在發(fā)現(xiàn)了異常商品后，最后的一步就是訂單的排查。通過日期-毛利率折線圖和訂單明細表，異常訂單一覽無余。在8月17日七夕節(jié)當天，德芙巧克力出現(xiàn)了大量異常訂單?？赡苁菃T工使用優(yōu)惠券進行套現(xiàn)行為，需要交由審計部進一步跟蹤追查。

三、分析報告分享

數(shù)據(jù)分析師的使命并不僅僅是定位問題，在問題得到定位后，也應當推動問題的解決。因此需要將我們的發(fā)現(xiàn)傳達給集團的其他團隊。我們可以將分析結果以公開鏈接的形式進行展示，也可以導出成PDF分享給他人。

結語

通過一次簡單的問題定位，相信大家已經(jīng)體會到了數(shù)據(jù)的力量。數(shù)據(jù)分析的價值，可能不像銷售那樣成果顯著，但是能通過這樣的手段支撐業(yè)務，快速的解決業(yè)務問題，提供更為隱形的優(yōu)質(zhì)體驗，對公司的發(fā)展有著巨大的價值。掌握數(shù)據(jù)分析技能，也是提升我們解決問題能力的有效方式。