从0到1搭建日常经营分析看板（含Tableau案例）

一、业务部门的经营分析是什么？

企业经营分析通常由财务部门主导，通过企业资产负债、经营成果、盈利能力等方面的分析，诊断经营现况，发现经营问题，保证企业良性运转。

业务经营分析与企业如出一辙，目的也是保证业务的顺利推进、业绩的节节攀升。具体可以分为以下五个部分：

目标监控：业务侧有自己的业绩任务，也有相应的战略打法。作为经营风向标，任务完成情况需要每天监测，如果进度不理想也可及时分析原因。
经营诊断：只关注大指标缺乏全面性，除了关注部门整体经营情况，还需细分到各维度分析，全面诊断经营、发现问题或机会。
原因定位：发现的问题和机会都不一定是源头，准确定位才能有效解决问题、扩大机会。
方案制定：通过定位的原因和掌握的资源，制定并实施方案。
方案验证：方案是否有效需要通过经营数据进行验证，成功的方案会进一步促进目标完成。

经营分析结果的需求方包括：部门领导、业务侧、数据分析师。

二、搭建经营分析看板的流程

1. 梳理指标，建立指标体系
经营分析看板的目的是能看出问题，不必包含大而全的指标，但快速定位问题是经营分析更深层次的诉求，建立指标体系也就成为必要前提。
详细的建立方法，可以参考《从0到1，四步搭建高价值指标体系》，以下为流程及关键点：

明确指标在经营分析中的作用

• 反映经营现况及波动，定位波动影响因素
• 根据指标常规水平，判断异常
• 探索指标间关系，提升经营分析全面性

收集业务方经营分析需求，获取业务方关心的指标和维度

• 获取业务方关心的指标和维度
• 了解业务方影响指标变动的方式

综合以下两种方法，搭建指标体系

• 业务逻辑法
  从AARRR模型入手，定义拉新、激活、留存、增益、传播方面的用户关键行为，结合业务方影响用户的方式，提出促成用户关键行为的问题，从问题中梳理相关指标和维度。
• 指标拆解法
  借鉴财务分析中的杜邦分析法，把核心指标通过乘法或加法拆解为各项因子，直到无法再拆分为止。
  补全指标和维度埋点，保证数据获取

2. 规划看板结构和内容
规划看板遵循两个原则：
结构原则：先总体，后细分；
内容原则：核心指标在前，解释指标在后。

三、搭建Tableau经营分析看板

1. 案例数据说明
案例数据源于Tableau自带超市数据的《订单表》，为使经营分析更全面，将超市数据当做是线上超市，增加《目标表》、《用户表》和《流量表》，形成如图表关系。

2. 规划看板结构和内容
看板从总体到细分包括六部分。

销售：展示最能体现部门业绩情况的数据，包括目标达成率及总体销售；
流量：流量是销售的相关指标，此部分既包括DAU也包括衡量DAU质量的购买用户数和转化率，为销售变动归因；
区域：无论从用户角度还是企业经营角度，区域间都具有很大差异。从用户角度，不同区域有着不同的风俗习惯、生活节奏、人口构成、经济水平、购物偏好，直接导致了不同区域需要不同的商品选择和运营方式；从企业经营角度，不同区域的经营成本、投资收益、战略定位都不同；
用户：此部分主要看新客，即拉新效果。新客不仅影响每天的销售变动，更是长期销售增长的源泉；
品类：此部分包括品类销售分布及销售额相关指标的变化，以定位引起销售额变动的主要品类；
商品：此部分需要找出影响最大的商品，无论是在整体销售中的权重，还是对整体销售变动的影响。

3. 搭建Tableau看板及分析
此看板搭建的报告日期为20年12月31日，报告中使用了部分派生指标，定义如下：

实际支付金额=销售额*(1-商品折扣-首单折扣)
毛利额=实际支付金额-商品成本
毛利率=毛利额/实际支付金额
客单价=销售额/订单量
转化率=购买人数/DAU
平均单价=销售额/商品数量
单均销量=销售数量/订单量

1）销售分析
达成率：对比日期进度，如果达成率偏低且不再预料中，则需要下探分析原因。
销售指标：12月31日销售额和订单量均为7日最低，考虑即将元旦，可能受假期影响，需要查看同期数据确定是否存在此现象。毛利率中隐含着给用户的优惠，与销售额一般呈负相关。
销售趋势：趋势图用于观察①数据长期处于何种趋势②趋势是否发生变化③昨日数据在趋势中是否属于异常值，比如12月31日如果属于异常值，即使同期销售因为元旦下降，也不应直接归因于假期。

销售分析

2）流量分析
用户流量指标：12月31日呈现用户数与DAU均低的现象，同时用户数与上图中的订单量差异较小，说明一个用户每天多次下单的情况较少，销售下降是由购买人数下降导致，购买人数下降是由DAU及转化率共同下降所致。值得注意的是，转化率连续5天下降，需要结合用户线上行为分析找出原因。
用户趋势：用户数趋势同样看三个方面，①长期趋势②趋势变化③昨日数据是否异常
流量转化趋势：DAU反映了市场热度，和对外投放力度相关；转化率反映了用户购买意愿，和业务侧动作相关。

流量分析

3）区域分析
区域分布：销售额分布用于观察整体销售的变化是否由区域变化导致；订单量分布剔除掉了客单价因素，通过分析订单量与销售额的分布或分布变化是否相同，判断归因是往订单或用户方向还是往商品或品类方向。
城市分布：从「城市指标筛选」中交替点击销售额和订单量，通过观察地图中城市和气泡大小的变化，可以获得更深层次的归因，比如气泡大的城市是否是认知中的高销售城市？销售突然增高的区域是分散于多个城市还是集中于个别城市？是否有销售额气泡很大但订单量气泡很小的城市？

区域分析

4）用户分析
新客占比趋势：案例趋势图显示，新客占比持续下降至几乎为0，说明后期已无外部投放也无自然增长，需要进一步分析是新访客流量的问题还是转化率的问题。
渠道新客占比及新客数：12月底几乎无新客，因此数据按月展示。①新客占比用于了解主要获客来源，如有渠道uv，则应计算渠道转化率，衡量渠道质量，并结合用户线上行为分析优化空间。②渠道新客数用于了解新客体量，并衡量新客占比的参考价值，比如12年12月知乎新客占比67%，但新客数仅2人，无法说明该渠道重要程度增加了。
渠道新客Cohort：Cohort译为“同期群”，用于分析某一时期的新客数在未来相同时间段后的留存率差异。比如发现12月30日的新客在12月31日的次日留存率明显高于或低于其他日期的次日留存率，就需要深入分析是哪些原因导致这一现象。

用户分析

5）品类分析
品类销售额分布：用于定位哪些品类导致整体销售额的变化。
品类销售指标值：此表可上卷到类别，也可下钻到子类别，通过销售额的相关指标定位分析方向。
品类昨日销售分布：通过销售额和订单量的四象限及单均销量的气泡，分析子类别在销售中所起的作用。高销售额代表销售贡献大，高订单量代表需求大或者流量撬动大，比如图中的“椅子”，订单量属于中上但销售额远高于其他品类，说明客单价高，结合气泡相对较大，说明其销售额高受一单多量的影响，可以进一步分析这一现象是否正常，如果正常，是否能扩大用户群。

品类分析

6）商品分析
销售额&订单量TOP10：前4个表用于定位哪些商品在当日销售中属于畅销品，需要关注「长期霸榜品」和「新晋畅销品」，前者是最受用户认可的口碑商品，后者是具有增长潜力的商品。
环比增幅TOP10：后2个表用于定位环比变化最大的商品，关注单品变化对整体销售变化的影响程度、变化是否异常、由哪些原因导致，好的原因是否可以推广，坏的原因是否可以避免。

商品分析