干货来了！一文解答电商供应链数据分析应该怎么做？

今天专门给大家讲讲供应链数据分析，包含5大重要指标体系和分析工具，全是干货！

供应链的构成包括供应商、制造商、分销商零售商以及消费者五大部分，具体的供应链流程如下：

那能否做好供应链分析，直接影响企业净利润水平。换句话说：供应链做不好，别想赚钱。

下面带大家从采购、生产、仓储、销售、运输这五个板块，搭建供应链指标分析体系。

1、采购管理指标

2、生产管理指标

3、销售管理指标

4、仓储管理指标

5、运输管理指标

一般来说，数据分析会用基本的Excel数据透视表，图表可视化等基本操作即可。如果你想做一些进阶的数据分析，不会spss、Python之类的，那可以把BI工具用起来，一个是可以进行大数据分析，第二个是上手难度小。

下面用FineBI给大家介绍一下，BI功能的一些功能，大家在分析供应链数据的时候可以试一试。

1、对已有数据的可视化展示
通常情况下，企业的数据是复杂的，无法一眼识别信息的。而BI则是将企业日常经营过程中产生的数据或者预先制好的报告用柱状图、折线图、漏斗图等可视化的方式表现出来，能够让业务人员识别重要信息。另外，通过钻取、联动、跳转等功能，能够进一步根据指标维度去查看进一步信息，找到产生问题的根源。

从上图的仪表盘中可以看出，分析的内容和业务部门的日常工作是紧密结合的，比如销售人员关心销售金额、回款额，HR关心离职率、入职时限，市场人员关心市场开拓率、合作客户数等，每个业务部门的分析基本上都会涉及复杂的计算逻辑以及深刻的业务指标知识，光靠IT人员进行固定报表制作或者业务人员查看业务系统数据是完不成的，这里也进一步强调了BI是给业务人员和数据分析人员自助分析的工具。

如上图这样一张仪表盘，不仅是可视化展现，更是一种业务分析思路，业务人员能够对业务有明确、直接的认识，也能更合理地依据数据进行决策。

2、对当前数据的监控预警

通常情况下，我们会通过颜色变化或者预警线设置的方式来进行“异常”检测。当业务人员从可视化图表中发现数据异常的时候，就需要有目的性的进行分析，通过关联报表的检查、不同维度报表的钻取查找可能存在的问题。

如上图，某产品三包费用发生异常，通过地图进行钻取之后，发现是江苏省、无锡市、锡山区的三包费用发生了异常，这时候我们可以再通过这个区域的三包费用情况，去探究是因为这个批次的产品质量都有问题，还是因为这个地区的特定使用场景导致的。

最终业务人员通过一次或者多次的维度和指标图表构建，逐步形成了一种比较可靠的、固化的分析模型。这个阶段的业务人员不再是被动接受来自图表中反映的信息，而是通过"异常"数据来定位到背后的一个业务问题，数据和业务在这个层次开始有了直接对应关系，这时可以利用数据图表之间的逻辑性关系寻找解决方法，提高企业的经营效率。

3、对未来业务的科学预测
预测未来业务通常是通过建模分析实现，精通业务变化的业务人员通过制作合适的可视化模型找出业务中潜在的问题或者实现更优解的调整方式，接着反哺业务决策，形成良性过程。业务建模更加讲究自主性和探索性，能够最大程度发挥BI的作用。

①购物篮分析模型

通过研究用户消费数据，将不同商品之间进行关联，并挖掘不同产品之间的关联关系。经典的案例有：啤酒和尿布

②杜邦分析模型

杜邦分析法通过将企业净资产收益率逐级分解为多项财务比率乘积，深入分析比较企业经营业绩。

③帕累托分析模型

根据事物在技术或经济方面的主要特征，进行分类排队，分清重点和一般，从而有区别地确定管理方式。比如找到能够带来80%的收益的20%的产品种类，从而进行不同的营销策略排布。

④AARRR分析模型

通过实现用户增长的 5 个指标：获客、激活、留存、收益、传播，追踪用户运营过程中流失的情况，形成从获客到传播推荐整个用户全生命周期的闭环模式，不断扩大用户规模，实现持续增长。