统计分析资料

统计分析及预测常用方法一、 统计常用EXCEL函数及功能1、 单元格格式的设定。由于从查询系统中拷贝出来的资料都是常规形式，但是我们的款号中存在首位是“0”的情况，因此，在拷贝资料之前首先应将首位数字要求是“0”的单元格设置成文本形式。同样，其余的销售资料要求是常规或数值形式，所以千万不能将其它单元格改变格式2、 数据透视表。创建数据透视表的第一步首先要列出数据清单（数据清单中资料的收集见资料收集），再单击“资料”菜单中的“数据透视表和图表报告”。 在“数据透视表和数据透视图向导”的步骤 1 中，遵循下列指令，并单击“所需创建的报表类型”下的“数据透视表”，按照向导操作。注意：在第三步中需要确定版式；数据透视表完成后，必须进行数值性粘贴后方能对数据透视表进行改动。3、 查找函数。在分析中常会用到一些查找功能，最简单的是：Ctrl+F，进行简单的查找；另外，还有还有一些常用的函数，如：lookup、vlookup、hlookup等，具体用法见EXCEL中的帮助。4、 条件函数。常用的条件函数有：IF、SUMIF、COUNTIF5、 资料汇总。在工具栏“资料”下有一个分类汇总，按提示操作。6、 文件加密。选择“另存为”中的常规选项，按提示操作。7、 对文件进行保护。有时候遇到报价，或者一些公文性的文件不允许别人改动或看到是如何计算时，可以对文件进行保护，可以先在“设定单元格格式”的“保护”中选择“隐藏”，然后在“工具”中选择“保护”，可以加密。8、 常用函数：MIN、MAX、MID、LEFT、RIGHT、SUM、AVERAGE、COUNT、LEN、SQRT、INT、CEOMEAN、ROUND、HYPERLINK等二、 资料收集统计分析的第一步就是收集资料，收集资料的常有方法有普查、重点调查、抽样调查。在我们现在要做的销售分析中，资料来源主要是查询系统，在熟悉了查询系统的基础上即可以运用不同的查询方法收集不同的销售资料。另一方面的资料来源一些销售指标和计划。三、 统计图表一般情况下统计资料需要用表格和图像来整理和反映，目的是从大量的原始资料资料中浓缩信息，使之可以提供概要信息，并且能够反映统计资料的基本特征。1、 统计表制作统计表是销售分析中最常用的统计方法，也是整理大量原始资料的第一步，使许多杂乱无章的资料变成能够直接传达成有用信息的形式。现统计表一般都是用EXCEL来完成。具体表格形式可根据分析要达到的不同目的来进行设计。可参考第五大标题。2、 统计图整理资料的第二步就是用某种图形形式来直观的反映统计资料。这对迅速、简洁、直观的传达信息是特别有用的。这种图视表达方式具有相当的效果，正如通常所说“一幅图可抵千句话”，但大体上图形只是描述和揭示统计资料特征的一种方法，而不能替代统计分析。常用的统计图有：A、 折线图。折线图的横轴常表示时间，反映时间随时间变化数据的改变；B、 柱形图。柱形图常用来表示几不同大类，或不同区域的对比；C、 饼形图。饼形图中的各部分常用来表示不同组成部分的重要性； D、 对数图。对数图经常是在原图的基础上自动生成的，对数图显示了成比例的变化，可以观察到变量是以固定的速率变化的还是以低于或高于固定的速率变化。相同的斜率代表相同的变化率。四、 统计综合指数在许多情况下，特别是为了便于比较，把统计资料浓缩成一个或多个综合性数字将更有用。这种综合性数字称为描述性统计指数，可通过两类描述性指数概括地进行说明：1、 度量中心趋势的指数l 算术平均数l 众数l 中位数l 几何平均数2、 度量离散性或者变动度的指数l 全距l 平均差l 标准差l 方差五、 销售分析中常用的分析指数，这些指数在销售分析中经常都要考虑到1、 比重分析比重等于个体标志值除以总体标志值，它从个体与总体的对比中表示个体的重要程度，是营销体系的分析必备项。 比重（个体标志值总体标志值）100%如果只说192685款销售800件，我们是难以知道此款在总销售中的地位，如果说此商品销售占总销售的89%，则此款的重要性就非常突出了。如果我们把一段时间的比重排成比重数列，会发现比重数列有更为重要的作用。A、 分析经营业绩区 域1月2月3月4月系 统2000240028003800某 区 域1000110012001500某区域比重50%45.8%42.9%39.5% 上表为某年某区域和系统的销售，单从某区域的销售来看，系统销售和某区域的销售都呈上升趋势，但是从销售比重上来看却每月在下降，可能存在多方面的问题，如：某区域店铺的拓展开始减缓；或者某区域店铺的销售能力下降，需再做单店销售能力的分析等等，或还存在其它问题需予以诊断。B、 分析销售推广的重点 上表为某时期，连续四周裤类的销售情况，从上面的销售比重和销售额来分析，前三周时的裤类销售明显很高，但是后面销售下降，前一周时销售虽然比前四周时高，但销售比重下降，分析其原因，有可能是：裤类的货量明显减少，没有配发，或总仓无货；另一方面原因可能是天气的问题等，还需要再做详细的分析。C、 分析销售季节的推移类别商品名称前4周前3周前2周上周销量短袖T恤100100050008000长袖T恤150001200080001000比重短袖T恤0.7%7.7%38.5%88.9%长袖T恤99.3%92.3%61.5%11.1%上表和图为T恤类的销售变化趋势图。短袖T恤是夏季销售的主款，长袖T恤是春季销售的主款，它们的此消彼涨预示着季节的推移，关注的重点应尽快转移到夏装上，春装销售已到尾声。从上图看出，短袖T恤的销售比重持续上升，长袖T恤销售比重持续下降，说明夏季已经到来，各一线销售部门的工作重心要转移到夏装上来。2、 累配率分析 累配率等于累计配发量除以到货量，它是一方面反映大家对该款货品的重视程度，是否进行配发和推广，如果将货品放在仓库，不上货场肯定是不会产生销售，那么将影响到下面“动销率”和“产销率”的分析；另一方面是反映客户是否对该款货品反映很好，及时补货的指数。 累配率（累计配发量到货量）100%如下例：款号到货量累计配发量周销售量累配率动销率库存量备注11151001500010000400066.7%40.00%11000111510112000500010041.7%2.00%11900111510250030021060.0%70.00%290111510350001070.2%70.00%4993 商标可以看出“1115103”款虽然从“动销率”上看很高，但是从“累配率”上明显可以看出还有大量的货品没有配发出去，及时“动销率”再高，也不能解决库存问题。3、 动销率分析动销率等于销售除以配发，它从商品自身的对比中反映市场对商品的敏感程度。在商品上市之初，运用动销率分析能在一定程度上消除因配发不足而导致销售不佳的虚象，从而正确、迅速地判断商品销售前景，作出加单，或加大配发的决定。 动销率（销售量配发量）100%如下例： 款号到货量配发量周销售量动销率库存量备注11151001500010000400040.0%1100011151011200050001002.0%11900111510250030021070.0%2901115103500010770.0%4993如果仅从销售量看，似乎1115100款的销售量高于1115102款；但从动销率来看，1115102款远高于1115100款。此时就必须仔细进行分析，广泛听取意见，帮助我们正确解决。出现此类问题有4种可能： 商品确实很好，但因专卖店首期货量极大，导致短期内动销率需减，如1115100款，按目前的销售速度，现有库存只够销售两周，建议补单。 商品本身不好，但因专卖店首期配货量较大，顾客却不接受，导致动销率低。如1115101款，对此款可建议加大铺店数。 商品确实很好，但因货量很少，导致专卖店配发少，所以尽管销售量不大，但动销率高，如1115102款，可查明原因，如果的确货量少可建议加单，如果还有货没有发出，赶快跟进厂家出货。 商品本身不好，但因专卖店配发极少，所以尽管销售量小，动销率也需增，如1115103款，对此款这种现象首先建议各专卖店加大配发，没有配发到货货场上的货品是永远销售不出去的。由于动销率受很多因素的制约，所以多在商品上市之初，分析资料不够充分，单个店铺销售分析时利用，从以上4方面考虑的同时还要考虑其它的销售指数，如：增长率、产销率等。4、 产销率分析产销率是“累配率”和“动销率”的综合反映，产销率等于销售量除以到货量，该指数主要反映整体的动销情况，如动销率低相对库存的比例就很大，动销率高库存的比例就小，压力就小。5、 增长率分析服装销售是以时间为自变量的序时动态数列，每时每刻都在变化，为了反映这种变化，有必要对增长率进行分析。 增长率（现期/本期销售基期/上期销售）100%1款号上周销量本周销量增长率备注115150080060.0%115250070040.0%1153510100.0%上表为1151、1152、1153款本周比上周销售量的增长情况，从公式就可以看出，增长率受基期销售水平的影响比较大，即增长率高的并不一定说明商品畅销，从上表分析可得出以下结果： 1151款比1152款的销售前景要好一些。由于1151、1152款的基期销售量均为500件，基期销售水平一样，但本周1151款的增长率为60%，而1152款只有40%，如不存在其它特殊原因（如1151款本周有团购、1152款配发的货量不足等原因），1151款明显好于1152款。 1152款比1153款销售要好一些，1152款上周的销售量为500、而1153款的上周销售量仅有5件，虽然1153款的增长率高达100%，但基期的销售量相差太大。分析其原因：是不是1153款已经过季，或者的确很滞销等。由于增长率受基期水品影响很大。所以必须要与比重分析、因素分析、动销率分析、增长量等一起考虑配套使用。6、 指数分析从理论上说，单位不用的经济现象是不能直接相加的，如A国一周出口苹果100吨，汽车10辆。我们就能不能说共出口了110。但是我们可以用价值量作同度量因素将可量化的指数转化为金额在汇总。如苹果每吨1万元，汽车每辆10万元，我们就可以所1天共出口200万元，再把这周的出口与前期的出口进行分析，看其变动方向和出口量、单价对出口金额的影响程度。这种利用同度量因素，把不同性质的不能直接相加的事物变成能加在一起的一个综合指数值，然后分析这个综合数值的变动程度的方法，叫指数分析法。 销售额价格销量 销售额指数价格指数销量指数价格指数（报告期价格报告期销量）（基期价格报告期销量）销量指数（基期价格报告期销量）（基期价格基期销量）销售额指数1销售额增长率价格指数1价格增长率销量指数1销量增长率由于我们服装商品价格只在调价促销时才会变动，所以指数分析多用于对促销效果的评估。如下例：本周开始对商品降价销售，价格、销售、销售额见下表，要求分析促销活动中价格、销售量的变动与销售额变动之间的关系，并对促销活动予以评估。款号单价销售量销售额备注促销前促销后促销前促销后促销前促销后11519075150210135001575011521651351202501980033750合计2704603330049500 价格指数（报告期价格报告期销量）（基期价格报告期销量） （75210135250）（90210165250） 82.29% 受价格变动影响的差额（75210135250）（90210165250）10650 即由于价格下降，销售额下降100%82.29%17.71%，金额10650元 销量指数（基期价格报告期销量）（基期价格基期销量） （90210165250）（90150165120） 180.63% 受销量影响的差额（75210135250）（90210165250）26850元 即由于销售量上升，销售额上升18.63%100%80.63%，金额26850元 销售额指数价格指数销量指数82.29%180.63%148.64%变动金额价格影响金额销量影响金额106502685016200即降价后由于销售增大，销售额也上升48.64%，增长16200元。 综合评估本次促销活动，调价后的价格是调价前的82.29%，价格下降了17.71%，从而使销售收入下降了10650元，即让利给顾客10650元。由于价格的下降，销售量的上升幅度是调价前的18.63%，销售量上升80.63%，使销售收入增加了26850元。因此，此次促销活动是有效果的，即减少了库存，又回笼了资金，薄利多销，基本达到了促销的目的。7、 因素分析在上面的指数分析中，如果以商品平均价格为商品单价，公式可简化为：销量指数（报告期销量基期价格）（基期销量基期价格） 报告期销量基期销量 （基期销量报告期增长量）基期销量 1报告期增长量基期销量把等式右边的1移到等式左边，则：销量指数1报告期增长量基期销量总增长率 报告期增长量基期销量总增长率 （各款报告期增长量基期销量）如：影响度 本款增长量基期销量故：总增长率各款影响度影响度从各款增长量与前期总销量的对比中揭示各款在销售变动中所起的作用，透视总销售量变动的原因，并根据主要因素的发展趋势描绘出总销售量在后期的变动方向，这对销售分析与预测有着非常重要的作用，是计划分析必备项。因素分析的数学模型举例说明它的使用：款号上周销量本周销量增长量影响度115116026010021.3%115213070-60-12.8%1153210240306.4%合计5005707014.9% 从上表可知，本周总销量比上周增长70，增长率14.9%，但如果只给出销量指数、增长率指数别人一则会认为各款商品都在增长，二则不知道各款到底增长多少，因此有必要分析各款对总增长率的影响程度。1151影响度本款增长量基期销量11050021.3%1152影响度本款增长量基期销量-60500-12.8%1153影响度本款增长量基期销量305006.4%总增长率各款影响度21.3%-12.8%6.4%14.9%分析： 本周总销售量比前周增长14.9%，1151款对销售增长起到至关重要的作用，由于它销售增长100件而导致销售量增长了21.3%，要对1151款增长原因进一步分析，确保销售持续增长。 1153款与前周基本持平，不是分析重点。 在1151、1153两款都增长的情况下，1152款销售却下降了60件，导致总销售量下降12.8%，要从1152款质量、货量、价格等诸多方面挖掘原因，抑制其继续下滑。8、 ABC分析众多社会经济领域中存在着”关键的少数和次要的多数”的现象。 如美国级少数人拥有绝大数财富，而极少部分财富却被大多数人占有。公司里一台网络服务器值10万元，而几百万张纸只值几千元。因此，为了不平均使力，以免把大部分精力花在级不重要的商品上，有必要把“关键的少数和次要的多数”分离开来，对“关键的少数”重点分析，对“次要的多数”可粗略分析或不分析，这就是ABC管理法，计划分析必须熟练运用ABC分析法，举例说明：款号销量销售累计销售比重级别115140040040.0%A115235075075.0%A115314089089.0%B其它10款1101000100.0%C合计1000第一步：按销售量递减排序，分别是400、350、140、110第二步：计算销售累计，分别是400、750、890、1000第三步：计算累计比重，用销售量累计除以合计销售量，即分别用400、750、890、1000除以1000，得到累计比重40%，75%、75%、89%、100%。第四步：将累计比重80%的为A类；90%的为B类，100%的为C类。在分析的时候，A类重点分析，B类简要分析，C类可不予以分析。要注意的是，如果从纯粹统计的角度说，A类品的项数不得超过总项数的15%，但由于我们分析时商品分类很细，一类商品可能只有8、9个款，按15%算A类最多1个款，分析范围太小，所以本公司分析时，对A类品项数可在上述第四步规定范围内人为调整，从落差大的地方分割，如：款号销量销售累计销售比重级别1151383838.0%A1152327070.0%A115397979.0%B115488787.0%B115579494.0%C11566100100.0%C合计100 上表中共有6款，按15%计，A类只应有1个款，但1151、1152款差距很小，如果把1151纳入A类重点分析，而把1152纳入B类粗略分析，有些不合适，同时它的累计比重为70%，符合A类商品标准，故1152款可列入A类。 到1153款的累计比重才79%、但它的销售量只有9件，与1152款的32件差距很大，故把它列入B类，而不纳入A类。9、 时间序列分析顾名思义，时间序列是在不同的时点记录的一些列资料。比如：周销量、月销量、周销售额、月销售额、年销售量等等，由于服装的销售受季节，时间的变化影响特别大，研究时间序列主要就是分析这些序列变化的性质及规律。由此获得的信息可以详细地反映有关销售变化的特征，有助于预测时间序列的未来值。时间序列资料被认为是四个组成部分结合的结果。他们是： 时间趋势 季节因素 周期变化 不规则（随机）变化六、 营销体系的统计预测.1预测方法1、 简单算术平均法将各单位指数值相加得指数总量，再除以单位总项数。如总体的标志总量等于各个体标志值之和，可用算术平均数作粗略估算。公式：Xxn x是各单位标志值之和，n是单位个数。近3周T恤销售如下表，用平均法预测下周销量。时间前3周前2周前1周合计销售4005005101410由于总销量1410是由3周销售量相加而来，所以可用算术平均数。预测下周销量14103470（件）这种方法过于简单，将各期销量差异平均化，特别是没考虑近期的变化趋势，因而预测准确度低，多适用于短期预测，适用于处在销售平稳期中的商品。2、 加权算术平均法在上例中，我们把各周的销售对下周的预测的影响程度看成是一样的。但服装的销售季节性很强，受天气、气候的影响很大，而从天气等角度说，前1周的天气对下周的天气影响最大，前2周的天气次之，前3周再次，前4周更次，前5周即一个月前的天气几乎没有影响，这就是我们常常只分析近4周销售的根本原因，他同时表明，上例中把各周对下周的影响程度看成一样的作法是不够客观的。因此我们有必要在算平均数时把这个影响程度加上去，这种方法就是加权平均法，这个影响程度就是权数。将各标志值乘一权数后相加求得标志总量，再除以权数之和。权数表示该标志值对总体标志值的影响程度。当权数相等时，加权算术平均法就变成简单算术平均法了。加权平均法多用于非线性变化的趋势。公式：Xxff, xf为各标志值乘以权数后相加求得标志总量，f为权数之和。近3周T恤销售如下表，用加权平均法预测下周销售量。时间前3周前2周前1周合计权数0.50.81.22.5销量4005006001500加权2004007201320平均=13202.5=528值得注意的是，按400、500、600的趋势，下周应该是700才对，但通过加权平均法预测仅为528，明显偏低，无论怎样加大近期权数，预测值都滞后于实际趋势的发展，即在销售上升的时候，预测值比实际值低，在销售下降的时候，预测值比实际值高。3、 季节分析法服装销售受气候影响较大，一年中有春夏秋冬四季，各年大致差不多，气候变化的规律性导致销售的规律性，我们可以参考往年同类商品销售规律并结合本年与往年的发展速度，对销售进行预测。计划部在建立众多数据模型并予以测试后，认为从平均发展趋势的角度进行季节预测的误差较小。第一步：计算今年各期几何平均数；第二步：计算去年同期的几何平均数；第三步：今年几何平均数除以去年几何平均数得今年与去年的发展速度；第四步：用发展速度乘以往年销售量即得今年预测销售量。年别4月5月6月7月2000年5007008009002001年800130015001160 2001年4至6月几何平均数1160 2000年4至6月几何平均数654 发展速度=1160654=1.77 预测值=9001.77=1593（件）另有一种方法是，直接计算出每月的增长率，再求出每月增长率的几何平均数即为发展速度。4、 指数平滑法在没有明显长期预测资料的情况下，可以根据本期实际值、以往对本期的预测值及它们相应的权数来确定下期预测值的方法叫指数平滑法。下期预测值权数本期实际值(1权数) 本期预测值 (0权数1)当权数越接近0时，下期预测值越接近本期预测值；当权数越接近1时，下期预测值越接近本期实际值；如下例分别取0.1、0.9作为权数计算：如上周原实际销售20件，预测销售25件，预测下周销售。 当权数为0.1时： 下周预测销量0.120(10.1) 2524.5，接近于本期预测值25 当权数为0.9时：下周预测销量0.920(10.9) 2520.5，接近于本期实际值20 在使用指数平滑法注意两个问题：A、 由于权数在预测中有至关重要的作用，所以要多取一些权数测试，取预测值与实际值离差平方和最小的权数。B、 由于下期预测值是在本期实际值与本期预测值得来的，那么，本期预测值则是由上期实际值及上期预测值得来的，依次类推，归根到底，是由第1期的实际值及其预测值计算出来的，因此第1期的预测值的确定很重要。当基础数据比较多时，因为以后还有机会修正，可用第1期实际值作为它的预测值。当基础数据不多时，因为以后修正机会不多，故可用其平均值作为第1期预测值。5、 移动平均法销售数据是以时间为自变量的动态数列,但如果我们把时间段分得很短，会发现销售变动很大，销售图多呈锯齿状，变动趋势并不明显。相反，如果我们用科学的方法适当拉长时间，计算逐期移动平均数，通过这些平均数修匀销售曲线，勾勒出长期趋势，这种方法就叫移动平均法。 每次取一定数量（n）的数据平均，每计算一次向后推移一个数据同时舍去前一组数据的第一项再求平均数，直到全部数据处理完毕，最后得到一个由移动平均值组成的新的时间序列，它销弱了偶然因素引起的变动，从而勾勒出长期趋势。如：时间123456789101112实际值1012131619232630291816143期移动121416192326282621165期移动1417192325252421我们可以看出，移动平均后的曲线比没有移动平均的曲线要平滑一些，更能表现长期趋势。3期移动平均与5期移动平均有2个特点： 5期移动平均的曲线比3期移动平均的曲线要平滑一些，更能代表长期趋势。 3期移动平均曲线趋势比5期移动平均曲线趋势更接近实际曲线，灵敏度更高。所以在实际操作中，更多用几期平均值比较，选择即能较好表现长期趋势，又有较好灵敏度的平均值。经验表明，移动期熟在3至20为宜。在数据受近期影响较大时，算每个平均值时还可用加权平均数。如简单平均值=（10+12+13）3=12，加权平均值=（102+125+1310）（2+5+10）=12.35。目前计划部建立的数学模型就是通过加权计算得来的。6、 一次多项式拟合法一次多项式拟和法是预测方法中累计法的一种，先设定一次方程，通过自变量和函数的拟和，求得各系数，进而求得拟和方程，再运用拟和方程进行预测的方法。当销售呈直线趋势时可用此方法。 具体方法如下：第一步：将所有数据排成一列或一行；第二步：选中全部数据，此时数据被黑色方框覆盖，方框的末端出现一个很小的正方形，叫拖移柄；第三步：将鼠标移到拖移柄上，当其变为小十字时，拖移鼠标（如数据是一列，则向下移；是一行，则向右移），预测几期拖几期。7、 直线趋势预测法销售一般不是很有规律的，表现在销售图上是一些分散的点，如果把这些点用平滑的曲线连接起来，主要有直线趋势、抛物线趋势和S型趋势。当销售增长速度接近时呈直线趋势；当销售先上升，后下降时呈抛物线趋势；当销售先上升，有下降，再上升，再下降时程S型趋势。 在散点图中，我们能画很多条曲线（直线是曲线的一种），其中总有一条曲线，各点到这条曲线的离差和最小，即这条曲线最能代表销售趋势。要找到这条曲线，就得用最小二乘法原理，对参数求导。 直线趋势预测运用最小二乘法原理，为散点图配置最优直线，使得各点到直线的离差平方最小，即它是最适合实际情况的直线。直线方程是：y=a+bx(a为直线的起点值，b为直线斜率，即每当x变动一个单位，预测值的响应增长量，y预测值)令Q=(y- y)2=(y- a-bx)2，要Q最小，对a、b的偏导数应等于0，则： a= y bx， b=(nxy-xy) (nx2-(x)2) n为数值项数。据近4周预测第5周销售时间12345销售112125140155y用上述公式解得y等于169（件），趋势如下图：8、 抛物线趋势预测法服装是季节性很强的商品，都有上市、旺销、下市的过程，它的销售曲线从总体上说是一条抛物线，因此对他们的分析要配置抛物线，即y=a+bx+cx2。由于公式较为复杂，用它的多是计划部，而计划部已将此数据模型编入分析软件，所以不再祥述。据下列数据预测第8期销售。时间12345678销售111518201916137经预测，Y=7，标准值为1。9、 “S”型趋势预测法 服装销售受款式、质量、价格、天气等诸因素影响，销售曲线总是波动的，先是上升、又下降、再上升、再下降对这类数据的分析，如果简单地用抛物线趋势法是不够准确的，为了更贴近实际，计划部在对10多个数据模型进行求导并计算标准差后，确立了较为标准的一元三次方程，y=a+bx+cx2+dx3，此模型已编入分析软件，公式不再祥述。据下列数据预测第12期销量 时间123456789101112销量150180200190170120145160175210195预测值为271，标准差21七、 预测误差的