数据可视化 | 如何通过分析商品数据,得出企业经营优化点
公司主要做toB业务(经销商销售模式)。因属于定制家居行业,合适的ERP系统不多。因此过去为找到合适的系统,公司平均每2年更换一次系统。
系统更换频繁,系统之间的业务流程和底层结构不同,导致历史数据之间存在严重的信息壁垒,数据提取和处理困难。业务部门人员难以获取完整的历史数据来做业商品分析。
️数据来源
数据来源为企业数据(已脱敏)。
源表有2张:返修订单明细表、订单基础信息表。
返修订单明细表:包含了所有返修订单的必备信息,因字段拆分技行列转换原因,该表存在数据重复情况。
订单基础信息表:包含所有正单订单的必备信息。
️商品分析分析思路
核心指标,包括返修费用、返修单价等;
商品发布分析,包括返修单价分布和返修单产生周期分布;
商品趋势分析,包括一次性达交率商品趋势分析、订单量商品趋势分析以及费用费率商品趋势分析;
问题诊断,包括对内影响因素与对外影响因素。
–
数据处理
主要通过自助数据集来处理。
因数据内容不规范,脏数据较多,在此基础上做数据脱敏,工作繁琐。因此为了提高工作效率,也为了方便数据脱敏,我们先对数据进行清洗,最后数据脱敏使用。
–
可视化分析商品数据
借助FineBI,团队进行了如下可视化分析商品数据:
趋势分析;
分布探索;
经销商分析。
–
结论和建议
返修订单大多在交付期出现;
公司费用下降主要来自客户责任、NTF、物流费用下降;
需要重点关注公司承担费率高和近半年返修道数高的经销商,在品控管理上,对经销商分级管理。