卷王同事的大作！熬夜3周做出满足各层级人员的BI自助分析报表！
一、概述
1、背景
在零售门店疯狂扩展的背景下，全国-省-市-区的各层级业务管理人员都急需一张能查看的报表，能从中知道自己所管辖内的业务最近或过去的情况，公司管理层也需要一套能考核所有人的KPI指标体系。因此，作者通过搭建一套有可探索性，使用广泛性，层级管理性，实时性/可回溯性的满足各层级人员的BI自助分析报表来帮助管理人员和业务人员自助查用数据。
2、思路
二、具体介绍
1、本月销售额&环比变化分析
作者分析了’东北三省总监’要和’全国老大’汇报’吉林省’本月的异常情况，所筛选了 省=’吉林省’，接下来整份报表都是’吉林省’的内容。吉林省22年3月26日当月[环比增长率]足足下降了40.2%, [1.3][1.4]21年3月(全月)可是足足上升了43%，本月业绩下降就非常离谱了。[1.5]22年3月后2周表现得很差是主要原因。
结论：
‘吉林省’的22年3月后2周表现得很差，符合全国22年3月的后2周的异常。
2、本月各市月销售额占比&环比变化分析
上图[2.2]可以看到’吉林省’的只有’白山市’是正常上涨的。[2.3] 贡献了吉林省2月的34%销售额的’长春市’ 环比下降了55%, 贡献了吉林省2月的11%销售额的’长春市’ 更是环比下降了86%,全省下降最多。
结论：’吉林省’的22年3月表现得很差，主要是’长春市’和’吉林市’影响最大。
3、市场扩张情况:总门店数对比& 新增门店数情况环比变化分析
由于市场一直在高速扩张中,也就是一直在新开门店。所以本月[环比增长率]-40.2%甚至还要再减去上图[3.1]的[总门店数环比多(同时段)]的1.7%，才是同样门店数的一个对比情况。 [3.1][3.2]都在说明这个，可以看到2月3月的门店数增幅下降了，但是增幅下降得严不严重，看斜率是不容易看出来的。
所以需要[3.3][3.4][3.5]这个来知道市场扩张的速度具体放缓了多少，可以看到 1，2，3月放缓速度在持续增加，3月[新增门店数环比增长率]甚至是-50%, 而21年3月[新增门店数环比增长率]是115.8%。
结论：
‘吉林省’的21年下半年市场扩张的速度就放缓，22年市场扩张的速度更是大幅度的连续下降，当前3月份尤其严重。
4、有销量门店数&门店有销率 变化情况
作者分析得[本月有销率环比增加]为-15.5%,[4.2] 同比(同时段)的[门店有销率]也有72.4% ，每个月的有销率也比较平滑，所以[本月有销率]55.4真的很异常。
分析得条形图粗细代表[销售额占比]，表示对全局的影响度，影响度最高的还是’长春市’，不过’长春市’上月的[门店有销量率]本来就偏低，只有69%，环比减少了了-15.5%。 变化最大的依然是’吉林市’从上月很高的77% 减少了-31% 到46% 变化巨大。作者对比了当月,同期,环期的[每日门店有销率]，定位问题到天。发现本月从3月8号开始脱离正常值下滑，到3月21日到达了最低点2.4%，并一直在3%上下徘徊。
结论：
‘吉林省’的门店有销量率减少了-15.5%，主要是在3月8日后大幅度连续下滑，符合’吉林省’3月后2周销售额表现差，但还不足全部以解释 -40%的业绩下滑。
5、月店均销售额 & 店均销售天数 & 店日均销售额
[月店均销售额]代表了门店的平均销量水平,作者找到了-40%销售额剩下的原因，是 [月店均销售额] 的 环比下降了 -24.8%。[5.5]可以很清晰进一步分析下降的主要原因是 [店均销售天数]大幅度下降了， 而[店日均销售额]只有略微下降，[5.6]可以看出 到3月20日才有略微的下降。
结论：
‘吉林省’的门店[月店均销售额]减少了-24.8%，主要是在[店均销售天数]大幅度减少，加上这个因素可以基本解释 -40%的业绩下滑的原因。
6、分析洞察
但是真的证明问题还是需要下面的[专题分析报表]补充：
上图这是一份简单分析22年各城市受疫影响[销售额]的[专题分析报表]，筛选到’吉林市’，可以看到3月份确实有疫情。这份[专题分析报表]采用了[新增本土确诊病例]作为判断是否有疫情的标准，因为收集所有城市的封管控等信息非常困难，有主观性，口径不一致。目前政府,商家,消费者的决策其实也是以[新增本土确诊病例]为基准在做判断,都是在关心[本土新增]。
上图筛选2022-03-01~2022-03-26 ，和我们的[日常可视化报表]一致。
[2]是通过22年无疫情日算出的日均销售额为9084，这个是不会被筛选日期影响的，如果通过筛选里的算无疫情日算出的日均销售额，天数太少，离疫情太近，有很多偶然性。
[3]销量和本土新增折线图可以看到 3月3日就开始有[新增本土确诊病例]，月头几天销售额就已经收到了影响，小于22年无疫情日算出的日均销售额的9084。且在3月7日疫情开始持续爆发的时候，销量明细大规模下滑。
[4] (3月疫情天数）24× （疫情影响日均销售额）-8125 =（本月因疫情总损失销售额） -194,991 ，
[5]从而推断（无疫情预期销售额）为227,393， 因疫情损失为 -85.8%.
我们回顾下[日常可视化报表]的’吉林市’足足-85%的下滑，上述这个[专题分析报表]就能非常好的解释清楚。
结论：
‘吉林省’的22年3月份[月店均销售额]下滑-85%是疫情导致的，（上图）’长春市’用同方法去推断也是发现一样的情况,所以’吉林省’的门店[月店均销售额]减少了-24.8%完全可以用疫情解释。
三.参赛总结
BI自助分析报表(全国看省)
城市受到疫情影响分析（长春）
BI自助分析报表(吉林省看市)
以上分析依托的都是FineBI工具，文末免费体验指路！
立即沟通
