Power BI业绩杜邦分析

通过Power BI,使用杜邦分析法对门店零售业务的业绩进行分析。

 

一、分析数据源

数据源包括销售明细表、产品信息表及客流数据表。

销售明细表

Power BI业绩杜邦分析_第1张图片

产品信息表

Power BI业绩杜邦分析_第2张图片

 

客流量数据表

Power BI业绩杜邦分析_第3张图片

 

思路:根据杜邦分析法,业绩=成交笔数 x 客单价 ,成交笔数 = 客流数 x 成交率 ,客单价 = 件单价 x 客单量 , 件单价 = 平均零售价 x 平均销售折扣。

零售价一般在短期内难以发生改变,所以从成交率、销售折扣、客单量三方面入手进行分析,分别查看这三个数据的便会对业绩的影响。

 

二、数据处理

1,建立关系,产品信息表(货号)-销售明细(货号),客源数据(日期)-销售明细(货号)。

Power BI业绩杜邦分析_第4张图片

2,新建各指标度量值。
 

业绩 = SUM('销售明细'[销售额])

销售数量 = SUM('销售明细'[销量])

件单价 = DIVIDE([业绩],[销售数量])

成交笔数 = DISTINCTCOUNT('销售明细'[销售单编号])

客单价 = DIVIDE([业绩],[成交笔数])

客单量 = DIVIDE([销售数量],[成交笔数])

客流数 = SUM('客流数据'[客流数量])

成交率 = DIVIDE([成交笔数],[客流数])

销售零售额 = SUMX('销售明细','销售明细'[销量]*RELATED('产品信息'[零售价]))

平均零售价 = DIVIDE([销售零售额],[销售数量])

销售折扣 = DIVIDE([业绩],[销售零售额])

3,新建参数,成交率_假设,客单量_假设,销售折扣_假设。

Power BI业绩杜邦分析_第5张图片

Power BI业绩杜邦分析_第6张图片

Power BI业绩杜邦分析_第7张图片

 

 

4,新建其他假设度量值。

成交笔数_假设 = ROUND([客流数]*[成交率_假设 值],0)

件单价_假设 = [平均零售价]*[销售折扣_假设 值]

客单价_假设 = [件单价_假设]*[客单量_假设 值]

业绩_假设 = [客单价_假设]*[成交笔数_假设]

业绩变化% = DIVIDE([业绩_假设]-[业绩],[业绩_假设])

5,报表制作。

Power BI业绩杜邦分析_第8张图片

 

三、结果分析

使用杜邦分析法能将业绩拆解为可执行的步骤,结合门店自身状况找到业绩提升的发力点。将可改变的因素设置为参数,调整参数可以看到业绩可能发生的改变程度,将该参数设置为目标从而撬动业绩。

确定参数目标后,再次进行分解确定行动计划。比如,客单量低可能是由于新员工较多,销售技巧不足,就需要安排对新员工进行培训;也可能是商品陈列不合理,无法很好的产生关联销售,需要陈列人员做出陈列改善方案。成交率低的原因可能是促销活动不够吸引人,或者新品款式欠缺或等。

你可能感兴趣的:(power,BI,数据分析)