分析判断数据的目的是了解数据报表、商业报告的背后的含义，以及这些过往行为发生的动机和原因。通过这组数据的分析可以知道同比毛利率状况，以及是否在商品毛利方面存在不足。通过这组数据的分析，可清楚地知道门店营运可控费用后的列支，是否有同比异常的费用发生，有无可以节约的费用空间。
零售行业数据分析有哪些指标?随着移动互联网十年红利期的结束，线上流量成本越来越贵，许多企业纷纷将线上业务转移至线下，如大家耳熟能详的三只松鼠等品牌；同时传统零售中也出了现象级的品牌，比如周黑鸭、名创优品等他们的背后都反应了零售行业哪些规律呢？有哪些值得我们借鉴和学习？今天我们就来说说零售行业的数据分析，下面我们就来说一说关于零售行业数据分析有哪些指标?我们一起去了解并探讨一下这个问题吧!
零售行业数据分析有哪些指标
随着移动互联网十年红利期的结束，线上流量成本越来越贵，许多企业纷纷将线上业务转移至线下，如大家耳熟能详的三只松鼠等品牌；同时传统零售中也出了现象级的品牌，比如周黑鸭、名创优品等。他们的背后都反应了零售行业哪些规律呢？有哪些值得我们借鉴和学习？今天我们就来说说零售行业的数据分析。
一、数据分析对零售的重要性
经历了十几年的信息化高度发展，企业积攒了大量的宝贵数据。但面对数据这个“金矿”，各家企业由于经营模式、管理风格、重视程度、资金投入等不同，对于这个“金矿”的挖掘程度有极大的不同，零售数据的分析应用均处在不同的阶段，甚至出现的“两极分化”的局面。
如今，中国零售业所面临最大挑战就是顾客和市场需求复杂多变，比起人的经验主义来做决策，只有实时的数据分析和反馈才能适应更快的变化。零售的本质离不开人、货、场这三个核心，并围绕这三个核心提升运营的效率，也就是线上线下的成功融合，并对数据进行收集、整理、分析，实现可预测、可指导的“数据化管理”。
二、零售数据应用的4个阶段
1.描述性分析统计阶段
这个阶段零售企业利用ERP搜集和整合企业的数据，形成一个完整的数据流，把企业内不同来源的数据信息集中到单一的仓库中来。使各个职能在自己需要时通过图表看板、计分板的形式看到自己所需要的数据。
这个图标看板展现决策者最为关注的运营要素—关键绩效指标，如销售额、坪效、利润率、客单价、进店率、转化率、目标完成率、同比增长率等等，最终以“商业报告”的形式出现，反应过去发生了什么”以及“正在发生什么”。
2.分析判断
在第一阶段整合了数据来源后，零售业决策者关心的重点发生了转移，从“发生了什么”转向“为什么发生”。分析判断数据的目的是了解数据报表、商业报告的背后的含义，以及这些过往行为发生的动机和原因。这需要对更加详细的数据进行多维度的分析，同时这种分析判断更多的是建立在对于零售业务逻辑的理解之上，一般会采用简单有效的分析方法和简便的分析工具对数据进行处理（下文会详细讲解这一部分）。
3.预测未来
企业在有了前两个阶段的基础之后，关注点会进一步超越当前，开始思考更贴近经营上的问题：“将来会发生什么”。
从本质上说预测就是根据零售企业所过去发生的事件以及当前实时的影响因素，对于销售额、利润率、成本等未来的取值做出自动化和智能化的估计。简单的分析对于估算畅销概率的作用有限，在大多数复杂的应用中，需要建立数学模型来还原零售的业务规律。例如7-Eleven零售门店通过卫星云图了解到两天后气温将上升两度，会提前订购比平常销量多30%的矿泉水。
4.指导决策
这一阶段侧重于对业务、营运、经营、战略的决策指导，解决的是：“我应该做什么”才能达到最佳的状态。前三个阶段都不是终极目的，关键是做了预测以后能给企业的决策行为带来什么样的帮助。
对于零售企业而言，销售预测以后紧接着的行为就是补货，补货过程中就会涉及到多级库存管理。而补货行为又驱动了后续的采购、生产、物流、仓储等行为，同时企业的决策层可以根据未来的预测来做出是否要开设渠道、建立工厂、购买仓库等重要战略决策，这些行为的决策都是建立在前三个阶段之上的。中国零售行业对于数据的分析应用都处在第一或者第二阶段，也有少数企业如京东、华为处在第三甚至初步进入第四阶段。
虽然不少企业所处的阶段还比较低，但是很多企业的数据基础都很不错，积累了大量的数据。这些企业对于自身的业务也非常的精通，只是受制于算法、人才、技术等。对于如何把业务和数据结合在一起产生价值还不甚清楚，但是这些未来都不会成为中国零售企业对于数据追求的障碍，因为会有像大量的第三方数据分析公司，来提供专业的数据分析、建模和优化服务，帮助企业迈入数据驱动决策阶段。
三、零售行业数据指标体系
销售数量：客户消费的商品的数量
含税销售额：客户购买商品所支付的金额
毛利：实际销售额－成本
净利：去税销售额－去税成本
毛利率：是毛利占销售收入的百分比，也简称为毛利率，其中毛利是销售收入与销售成本的差，毛利率=（毛利/实际销售额）×100%
周转率：（销售吊牌额/库存金额）×100%（周转率和统计的时间段有关）
促销次数：有宏观概念上的，也有微观概念上的。宏观上，是指一个销售单位中一段时间内发动促销的次数，或某个供应商的商品在一段时间内参与促销的次数；微观层面上，是表示一个单品在一段时间内参与促销的次数
交易次数：客户在POS 点上支付一笔交易记录作为一次交易
客单价：客户在一次交易中支付的金额总和称为客单价（销售额/交易次数）
周转天数：库存金额/销售吊牌额
退货率：退货金额/进货金额（一段时间）
售罄率：销售数量/进货数量
库销比：期末库存金额/（本期销售牌价额/销售天数*30）
连带率：销售件数/交易次数
平均单价：销售金额/销售件数
平均折扣：销售金额/销售吊牌额
坪效：销售金额/门店营业面积（不包含仓库面积）
促销商品：指促销活动期间指定的商品，其价格低于市场同类的商品
四、零售数据指标背后的含义
1.店铺经营管理数据分析
（1）销售指标：主要指对销售目标达成，增长等指标进行分析。销售指标是个结果指标，一旦出现目标未达成，或者增长偏低，需要结合其他维度来进行综合分析。销售业绩是追踪出来，所以要针对销售业绩达成和提升，形成对应的销售管理报表，如销售日报，周报，月报。销售日报重在业绩追踪。销售周报，月报偏重分析，以分析驱动行动。
（2）毛利：主要分析本月毛利率、毛利率情况，与去年同期对比情况。通过这组数据的分析可以知道同比毛利率状况，以及是否在商品毛利方面存在不足。
（3）运营可控费用：主要是本月各项费用明细分析，与去年同期对比情况，有无节约控制成本费用，这里的各项费用是指：员工成本、能耗、物料及办公用品费用，维修费用，房租，存货损耗，日常营运费用(电话费、交通费、卫生费、税收、工商费)。通过这组数据的分析，可清楚地知道门店营运可控费用后的列支，是否有同比异常的费用发生，有无可以节约的费用空间。
（4）评效：主要是本月评效情况，与去年同期对比“日均评效”是指“日均单位面积销售额”，即日均销售额/门店营业面积。
（5）人均劳效：主要是本月人均劳效情况，与去年同期对比，“本月人均劳效”计算方法：本月销售额/本月工资人数。
（6）盘点损耗率：主要是门店盘点结果简要分析，通过分析，及时发现门店在药品进、销、存各个环节存在的问题。
（7）门店商品库存：通过这组数据分析，看门店库存是否出现异常，特别是否有库存积压现象。库存与周转率，则体现该品类的资金利用效率，如果库存高，周转慢，则说明资金利用率低，此时，对于零售企业来说，就意味着高成本。
2.商品经营数据分析
（1）经营商品目录：主要是本店执行商品目录情况、经营业态主力商品情况、新品引进情况、淘汰商品请退情况。通过这组数据，可以了解门店是否按照商品目录的调整进行了门店的商品结构调整。
（2）商品动销率：商品动销率计算公式：动销品种/门店经营总品种数*100。滞销品种数：门店经营总品种数-动销品种数。通过此组数据及具体单品的分析，可以看出门店在商品经营中存在的问题及潜力。
（3）商品品类：主要是本店本月各品类销售比重及与去年同期对比情况，门店本月各品种类毛利比重及与去年同期对比情况，门店需对本月所有品类销售与毛利情况，特别是所有销售下降及毛利下降的品类进行全面分析，并通过分析找出差距，同时提出改进方案。
（4）本月商品引进：主要是引进商品产生销售、毛利分析，这时的引进商品需要门店日常对新引进商品建档，并跟踪分析引进商品的动销率、适销率、销售额以及毛利状况，同时分析这些引进商品是否对门店销售业绩的提升作了贡献，是否有引进不对路的商品存在，并在以后的工作中不断优化调整。
（5）特价商品业绩评估：主要是特价商品品种数执行情况，特价商品销售情况，占比情况与前期销售对比情况分析，“特价商品与前期销售对比分析”，即将本档期特价商品的销售情况与特价执行前相同天数的销售情况进行对比分析（特价档期后执行天数为14天或21天），通过以上这组数据的分析可以看出门店特价产生的效果以及门店的特价商品或经营中存在的问题。
（6）客流量、客单价分析：主要是指本月平均每天人流量、客单价情况与去年同期对比情况，这组数据在分析时，要特别注意门店开始促销活动期间及促销活动前后对比分析，促销活动的开始是否对于提高门店客流量、客单价起一定的作用。
（7）售罄率：指货品上市后特定时间段销售数量占进货数量的百分比。它是衡量货品销售状况的重要指标。在通常情况下，售罄率越高表示该类别货品销售情况越好，但它跟进货数量有着很大的关系。通过此数据可以针对货品销售的好坏进行及时的调整。
3.顾客消费行为分析
（1）主要分析商圈的消费人群结构。商场里的服装、日用品、电子产品等品类，决定了客流及消费者侧重，同时必须了解到我们品牌与其的关联性，数据的采集可以通过商场或购物中心了解情况。
（2）主要分析自身品类，例如女装分析大淑装、少淑装、快时尚等影响；
（3）主要分析同质品，竞品品牌优劣情况，掌握稳定优势，撬动劣势（转化客户，从细节上客情服务、科技导入截流、时刻记录客户反馈的不足点及竞品的优点，有效与后台部门联动）
（4）定时分析VIP销售数据、反馈数据、客情互动的感情数据及商场着装情况，了解客户的衣食住行，准确识别目标客户，并清晰了解客户的需求、购买行为特征及消费者自身属性等因素。通过上述各种分析，知道顾客所想，所需，所动，实施精细化营销和会员管理，提高顾客粘性。
（5）定期了解竞品客户情况、品类情况
以上内容看似简单，但由于受各种原因影响（如管理意识，工具等），真正将其形成固化模板，落地到每家门店的企业并不多见。我们认为，要真正推动数据和门店管理结合起来，建立数据驱动型的门店，可以围绕以下做改善：①统一意识，用数据说话；②站在门店管理场景进行报表设置，各维度数据整合，形成统一模板，避免从单一角度来看数据；③所有报表通过系统平台，以统一格式，固定时间点推送到相关员工工作邮箱，或手机端，不需要人工处理数据，提高效率；④统一数据指标定义，数据标准参考值，通过实际和目标的差异对比，来驱动改善行动
五、零售行业的数据分析方法
零售行业的核心的就是人、货、场。这三个字能化解零售行业遇到的绝大多数的问题，例如：怎么能去提高销售额？影响销售额的因素非常多，在我们运营的每个环节都可能影响到销售额，不是一个简单的几点因素就可以判断。它需要一个立体化的思维才能找到影响销售额的因素。我们可以把销售额简化为如下的公式：
这时为了提高销售额，我们就可以思考如何提高这几个指标中的一个或几个，如成交率、零售价、连带率的提升都会提升销售额，当然我们需要注意的是零售价与成家率是相互影响的。
1.流量
与店铺的选址有关，是否在商业中心，周围是否有学校、医院等有关系，同时也可以店铺的品牌知名度有关。
2.进店率
进店率我们可以通过科技手段来进行数据采集，如红外、视频或者wifi等技术来统计。进店率的影响因素有门头、水牌、橱窗的陈列、门店的灯光、播放的音乐，甚至台阶。例如麦当劳统计过，五级以下的台阶不会影响快餐店的进店率，当超过五级台阶的时候，每增长一级台阶进店率就会下降6%。
3.成交率
影响成交率的因素很多，比如店员的技巧、商品是否宽度、广度、深度、是否有正品、是否缺货，或者足够的试衣间，都会影响到成交率在里面。支付手段也影响成交率，例如很多百货门店是集中收银的，当顾客打算买一件店里的衣服，除了收款环节之外，其他动作全部做完了，这时候因为最后环节太复杂最终影响了成交率。
4.零售价
零售价这个零售价指的平均零售价，很多店长或城市经理没办法影响零售价，因为是企业统一制定的价格，和采购策略有关系，但是我们也可以进行分析，实际上不同的店员的零售价是不一样的，和商品的配货有关，比如这个店本来是非常好的场所，配的都是低端的货，说明这里面就会有问题，调配商品的价格，去研究价格带，从而找到提升销售的机会。
5.销售折扣
影响销售折扣的因素和人的因素有关，有些店员就喜欢卖折价商品，有些顾客总是喜欢买新品，有的顾客喜欢促销的时候来购买，不同的店员、不同顾客、不同对待方式。
折扣中人的因素还有和企业领导有关，有些企业的领导迫于销售的压力，每年的促销活动都比去年低折扣，搞得折扣越来越低；销售折扣和货的因素有关，包括促销活动的价格策略有关，你促销活动什么方式参加，参加的力度多大，和频率有关；当然和商品的配货有关，你配的货是折扣高的还是折扣低的，库存合理不合理，库存不合理的话，库存太多，意味着不但清除死库存，也会降低。
6.连带率
连带率和人、场有关。和人的关系包括店员的销售技巧、新员工的比例，比如有些公司通过刺激店员的手段去提高连带率。影响连带率还有“场”的因素，包括你的设计是否合适，跟设计有关，和销售辅助工具有关，快餐公司买第二杯半价，服装行业两件八折也都是一样的道理。
这些指标我们可以各个击破，从而去提升销售额。
六、小结
1.中国零售业由于顾客和市场需求的复杂多变，只有实时的数据分析和反馈才能更快的适应变化。
2.零售的本质离不开人、货、场这三个核心，并围绕这三个核心提升运营的效率，也就是线上线下的成功融合，并对数据进行收集、整理、分析，实现可预测、可指导，即“数据化管理”。
3.零售数据应用的的四个阶段：描述性分析统计阶段、分析判断、预测未来、指导决策。
4.建立数据驱动型的门店 ①统一意识，用数据说话；②站在门店管理场景进行报表设置，各维度数据整合；③所有报表通过系统平台，以统一格式；④统一数据指标定义，通过实际和目标的差异对比，来驱动改善行动。
－DataHunter,让你爱（AI）上看数据－
