【2022BI数据分析大赛】销售点位分析

一、选手简介

团队名称：一路向北

队长：邱文

成员：朱泽星、陈慧超、宋江义

 

二、作品介绍

2.1数据来源

业务数据包为某一家商场的销售统计数据，包含2个数据集，分别命名为“数据源”、“梯位客流量”，其中：

（1）“数据源”数据集共10个字段，包括月份、销售时点、商品编码、商品分类、商品名称、销售点位、店面编码、店面名称、销售数量、销售笔数，共计2131条记录。

（2）"梯位客流量"数据集共4个字段，包括月份、时点、梯位、客流量，共计560条数据。

 

2.2明确问题

如何提升商城整体运营效率并降本增效

 

2.3分析思路

通过对商城销售点位分析，明确各点位的效率高低，找寻影响得原因，针对分析结果采取有效措施达到提升运营效率并降本增效的目的。

 

2.4数据处理

1. 列重命名：将英文字段统一转换中文字段描述。
2. 删除空值：对数据集各字段列进行检查，删除空值。
3. 删除重复值：未发现重复值。
4. 读取明细数据与主数据进行匹配关联，同时按照日期、时间等字段进行必要的group by汇总处理后再行脱敏，供前端模板使用。

 

2.5可视化报告

1. 利用KPI指标卡展示商城总销量、日均销量、总笔数、日均笔数、笔均销量等重要运营指标。

1. 通过点位效率热力图分析，发现商城A区点位整体效率较高，其次为商城B区，商城C区点位整体效率偏低。假设由商品类别布局不均衡导致，或客流量不均衡导致。通过商品类别筛选，发现各区域类别均衡，假设由商品类别布局不均衡导导致不成立。通过梯位客流图分析，发现东一梯和客梯客流量较大，均在A区，其次是中一梯和中二梯，均在B区，西一梯和西二梯客流量最差，均在C区，假设由客流量不均衡导致成立。

1. 通过分时销售柱状图分析，发现8点至21点这个时段为销售高峰期，22点至次日7点为销售低谷期。

1. 通过分时销售矩阵图，发现商品A-1全时段全区域销售低迷，其余商品均有销售高峰期。商品A-2、B-1、B-2在A区和B区的8点至21点存在高峰期，商品A-2、B-1、B-2在C区全时段销售低迷。

1. 通过销售明细表的单一点位效率和商品点位效率进一步验证了分时销售矩阵图的结论。

 

2.6分析结论

1. 商城A区点位整体效率较高，其次为B区、C区，原因为客梯客流量不均衡导致。
2. 商城8点至21点为销售高峰期，22点至次日7点为销售低谷期。
3. 商品A-1全时段全区域销售低迷。
4. 商品A-2、B-1、B-2在A区和B区的8点至21点销售较好，商品A-2、B-1、B-2在C区全时段销售低迷。

 

2.7决策建议

1. 在8点至21点销售高峰时段，在商城入口处设立引导牌或引导人员，将客户分流到B区和C区，提升商城整体运营效率，缓解A区高峰期销售压力。
2. 在22点至次日7点销售低估时段，关停B区和C区，降低水电人员等运营成本，达到降本增效的目的。
3. 优化调整商品A-1，寻找替代的新商品或强化商品A-1的引流宣传，为商城带来新的利润增长点。

 

附：仪表板全局图

案例打卡：
嘿嘿，一路向北，好名字，只要向着一个方向，肯定能达到学习的彼岸，一起加油。
图表做的很成功，一下子就看到A区位置好啊，D08和C10最好，下次我也做一个这个给同事看看。图表不多，点位传达简单明了。
设置引导人员和引导牌后，再附图照片就更棒了。

案例打卡:整体很简洁，要是能够在仪表板里增加一些分析的文字，整体会更优秀

案例打卡：分析思路很有意思，以实际图片搭配热力图的分析也很有参考意义，这是一份与众不同的数据分析报告，虽然没有具体的以统计方式验证，但是确实能看出一部分细节和内容，仍有提升空间，加油~

表格排布，仪表盘的排布都可以更加美观~

案例打卡：分析的内容比较直接，觉得最有意思的是点位效应热力图，让我联想到之前前辈介绍网页点击热力图对商品点击率的影响分析。包括分时销售矩阵和明细也是有让人眼前一亮的感觉，相信实际场景下结合更精准的营销策略，一定会产生不错的效果

难得看到自定义图片的热力图，很不错呢~整个作品直接明了，分析合理，点个赞