商业数据分析-思路总结

商业数据分析--思路总结⼀、概念什么是商业B2B/B2C/B2B2C/C2B/B2VC什么是商业运作供应链-产品/服务-销售渠道-（营销/风控）-⽤户-售后客服->财务表现+数据表现商业运作组织有哪些？前线（销售/渠道/业务）-中台管理（市场/运营/公关）-后台⽀持（客服/供应链/开发）-战略决策（总办）它们关⼼什么？前线（卖货收钱）-中台（品牌客户产品线助⼒营销）-后台（供应质量服务）-战略决策（往哪⾛⾛多远⾛多快）解决商业问题的能⼒？权⼒-魅⼒-创造⼒-协调⼒-执⾏⼒-数据分析能⼒什么是商业分析？⽤数据分析⽅法，解决产品、销售、运营、营销等数据问题。解读商业数据的步骤？找标准-做判断-业务含义-初步假设-预测⾛势-追踪标准-迭代假设-结论开展商业分析的步骤？清晰主体-明确概念-确定时间-了解原因-明确标准-审核现状-深⼊分析-输出结论怎么深⼊分析？梳理问题-明确标准-整体趋势-初步假设-关联业务-深⼊细节-迭代假设-总结结论理解商业模式的关键？业务模式-四⼤⾓⾊（产品/渠道/⽤户/运营）-部门-KPI什么是商业决策？战略类->战术类->创意类->执⾏类->⽀撑类策略类决策流程？⽅向->⽬标->内外部条件->关键⾏动->执⾏⼈->作战计划（数据要求⾼，关键是决定轻重缓急、先后顺序）创意类决策流程？⽬标->需求洞察->市场评估->原型设计->上线测试->效果评估->优化调整（数据要求中，关键是创造⼒）**执⾏类决策流程？**⽬标->任务分解->⼈⼒物⼒配置->技巧培训->⼲->结果评估（数据要求低，关键是执⾏⼒）⽀撑类决策流程？服务需求->任务计算->⼈⼒物⼒配置->技巧培训->⼲->记过评估（数据要求低，关键是执⾏⼒）判断流程？定⽅向->定⽬标->定责任⼈->定⽅案->定计划->执⾏，出问题后，从后往前研究统计学⽅法只是⼯具，不是⽬的：是多少->描述性统计；是什么->描述性统计、分组对⽐、⽅差分析；为什么->分组对⽐、相关分析、回归分析、决策树；会怎样->时间序列、回归分析、神经⽹络、回归树；⼜如何->层级分析、因⼦分析、神经⽹络、聚类、决策树数据分析的作⽤是多少->⽤数据描述现状（量化）；是什么->⽤数据标准判断好坏（标准）；为什么->⽤数据找出问题原因（定位问题容易，找出真实原因难）；会怎样->⽤数据预测未来趋势（信息越多越容易）；⼜如何->⽤数据做综合评价（决策层最需要，现状、标准、预测都做好才能评估好）数据分析不能解决什么？想不想（主观意愿问题是个⼈的事情）、能不能（客观限制问题需要研究政策⽽不是分析数据）、会不会（业务能⼒问题缺什么补什么，怎么销售怎么运营问销售问运营）怎么办？可以将问题进⾏转化：想不想->⽤数据⽀持/否定⽀撑想法的理由；能不能->⽤数据预测可能性；会不会->⽤数据量化过往⾏为，找标杆商业分析输出成果有哪些？取数-报表-专题分析-数据产品-数据模型⼆、思维-分析商业问题的思路数据指标是⽤数据表⽰的指数、规格、标准怎么制定指标？确定数据产⽣环节、确定数据产⽣系统还是⼈⼯记录、确定计算⽅式（指标包括：数据来源、时间范围、计算公式）交据采集的⽅式？⼈⼯来集（容户满意度、客户体验）、半⼈⼯采集（销售保单、库存出单表）、系统采集（系统订单）⼈⼯采集主观污染概率⼤看不懂指标怎么办？看指标是什么业务动作产⽣的，指标背后是具体业务动作与含义

指标类别？过程指标和结果指标（越接近终极结果，含义越清晰），正向（与结果指标正相关，如商品⽑利）、负向（负相关，如成本）、⽆偏向（⽆必然联系，如活跃率，不⼀定是越⾼收⼊越⾼）如何进⼀步读懂数据？计算增长率（发展趋势），计算分解指标后的组成指标的结构（确定重点），计算两相关指标的⽐值（看是否有相关关系）什么是指标体系？解释⼀个问题需要的多个指标（杜邦分析法），指标间有关系（并⾏-如加减关系，串⾏-如购买漏⽃）怎么判断数据好坏？找标准，数据+标准=判断标准要符合什么条件？容易识别、界限清晰、区分度⾼如何找标准？趋势法、对标对⽐确定、⾃带标准（增长率、结构分析法（⽑利率、成本率）、投产⽐）如何找结论？梳理指标->构建指标体系->找标准->单维度判断->综合判断->结论看趋势怎么下结论？找数据背后的驱动因素（周期性因素、周中周末因素、业务因素等）分析维度和指标变多怎么办？先梳理商业模式，确认业务流程，然后运⽤分析⽅法进⾏分析分析⽅法有哪些？漏⽃分析法，但会⽣更多指标，如多个渠道如何评价好坏，可以引⼊整体⽔平做参考；结构分析法，如投⼊结构与产出结构进⾏对⽐，可以判断ROI、效率，结构是否可以改变、流程是否可以优化、流量是否可以增加分析完怎么提建议？先了解现状、清晰问题⽬标、探索可⾏空间、推算ROI、提供渠道评级和流程数据、提出具体业务动作建议什么叫单维度分类？在某个维度上进⾏范围切割，如年龄段什么是两维度分类？就是矩阵法或分组对⽐法，即列联表什么是商业含义标签？虽然只有时间，但是可以根据场景分为⼯作⽇休息⽇、上下班⾼峰期等，赋予数据商业标签，因此要利⽤社会⽣活常识进⾏分析，才能给出更多建议分析时要按什么顺序？先看宏观再看细节多维度、多时间下怎么提建议？从⼤到⼩、从尾（结果）到头（供给需求）->观测整体形态、再联系具体时间；多个信息结合才能更深⼊理解问题⾼级分析⽅法是什么？构建分析思路的基本⽅法：先解析题⽬，确定需要我们解决什么问题（常见问题：是多少、是什么、为什么、会怎样、⼜如何、想不想、能不能、会不会），然后找到常规⽅法（家⼈、要钱、优化流程），然后拆分成单维度进⾏分析（涉及部门越少越容易落地）销售分析基本原理是什么？⼀是加⼈加客（因为销售不能定价），但是新员⼯能⼒不⾜，新客源质量参差，因此要监控转化率；⼆是提⾼转化率，提⾼客源质量，提⾼销售能⼒⽤户分析基本原理是什么？找优质⽤户（需求强烈，价格不敏感，买了还买），不同渠道挖掘，但是要考虑渠道增长瓶颈

促销分析基本原理是什么？以利润换数量（薄利多销），但是要预防薄利不多销情况，促销可以提⾼⽤户购买积极性（转化率）、提⾼⽤户数量、但是减低了客单价；分为全员促销和精准营销；精准营销需要条件（封闭的信息渠道、即时响应、个⼈参与，更适合互联⽹应⽤内开展，APP、会员券）；促销敏感型⼈群综合性策略建议的基本原理是什么？如果预测了四种⽅案，按投产⽐挑选；基于此还可以提综合性⽅案（可同步执⾏的融合性⽅案）如何梳理问题现状？5w2h分析⽅法，标准的核⼼是共识如何找原因？构建分析逻辑（逻辑树法），将假设归类，形成判断逻辑（如内部问题or外部问题），排除顺序（从宏观到微观、从外到内、从⼤到⼩），找到⽀撑/否定假设的数据如何分析宏观因素？趋势分析法，宏观因素影响巨⼤（pest，特别是p和t），数据表现有断崖式下跌和温没式下跌（缓慢）；时间发⽣顺序⾮常重要，如果是在数据下跌滞后，可能还有其它因素；从局部看应该⼤家都下跌，如果不是，则宏观因素不是唯⼀或最重要的因素，找到不下跌的对象进⾏学习研究多因素下如何解析内部原因？外部因素的挑战在于难以量化其对内部的影响，因此主要从粗粒度的⽅向来判断，也拒绝⽤宏观因素作为借⼝；内部的挑战主要是因素相互叠加。通过单维度观测，看群体间的差异（⽤户、促销、渠道）；要看整体发展趋势。什么是假设检验与趋势预测？分组做测试，但是测试效果是哪⼀⽅带来的效果？解决办法：不纠结⼀个点的效果，⽽是看整体⽬标是什么。假设越简单，越容易验证清楚。进⼀步解决⽅法：从⼤到⼩，确认测试输出（排除法）。第三步：设定⽬标。第四部：观察结果，推动决策。综合性汇报的⽅法是什么？⾸先回答是多少、是什么；然后回答为什么；第三回答⼜如何（打算什么⽅向）；第四回答会怎样（怎么做）最⾼级的分析是什么？是体系化作战。最好的商业分析是简单的（⽬标确定、⽅法清晰、结果明确）；要掌握每次⾏动后的变化；要找到合适的标准来源（推翻难度⾼：KPI考核法、⽼板期望法、整体⽬标分解法，推翻难度低：环⽐趋势法（季节因素）、⾛势分析法（会反弹）、同⽐趋势法（今年都差）、同类相⽐法（城市结构不同），推翻难度中：投⼊反推法（城市成本不同）、投⼊产出⽐法（整体成本提⾼））整体总结：看什么指标：什么维度细分；什么时间周期观测：树⽴什么标准；做出判断后怎么⾏动：记录哪些关键结果；常见的问题原因积累。三、⼯具篇-分析商业问题的六种⼯具内部数据如何分析？内部数据是⾮常有限的，⽬前问题的原因可能有周期性波动（看趋势线）、⾏业问题（⾏业研究）、竞品问题（竞品研究）、⽤户问题（⽤户调研）、产品问题（看产品⽤户的饱和度）怎么寻找问题原因？⼀般可以从内部、外部、态度、⾏为等⽅向进⾏研究；内部⾏为（数据报表、专题分析、数据模型），外部⾏为（⾏业研究、定性定量研究），内部态度（定性访谈定量调研）⼀六⼤⼯具什么是数据报表？报表的基本要素是指标、维度（时间等），常见趋势（⽣命周期、⾃然周期、突发事件）：⽤途是监控情况、发现问题、简单分析，看是计划内（正常变化、检查过程）还是计划外（持续观察、解决问题）什么是专题分析？专题分析往往是⼀问⼀答的形式（问题是什么以及针对问题回答），题⽬往往是“⾏业+业务名+分析内容”，常见的三种形式：⽆假设（定位问题找假设），有假设但不确定（论证先验假设），有确定的假设（直接验证真伪）什么是定性访谈？就是有⽬的有规矩地问问题，是快速找到原因、快速形成思路的最好办法。分为内部访谈（掌握内部动向、数据背后的真实情况、驱动业绩的真正原因）和外部访谈（掌握竞品动向、找到参考样本、掌握⽤户需求、找到痛点场景、找到解决灵感）；访谈步骤：了解数据->明确对象->设计问题->回收反馈->建⽴假设->验证假设怎么做好⽤户访谈？访谈前先做好⽤户分群（控制分群数量，8类是极限）、贴好标签，按照标签建⽴假设，保证每个群体有代表性⼈物（经验数据表明每群⼈数3-9⼈即可）；设计问题时候开始以⼀个具体事件⼊⼿，不提概念（如你玩过xx游戏没有），然后深⼊问题（先讲事实再讲感受最后讲评价）；回收反馈时尽量多打标签（如果没有年龄标签，可以考虑通过渠道识别）；建⽴假设（通过⼈群标签建⽴假设，按照标签进⾏验证，⽐如年龄⼤的⽤户⽐年轻⽤户更可能在xx关卡失败，渠道来源⼀般为xx）；数据验证，⽤数据情况验证假设是否正确，访谈的⽤户是个案还是⼤多数情况。⽤户访谈注意事项：不把⾃⼰当⽤户、不把想象当⽤户、不随便捞个⼈当⽤户：不做数据分析就去问，没有做分类，把所有⼈当成⼀类⽤户；提问不具体，不统⼀名词，不具象化形容词；提问预设⽴场，诱导回答；听到什么信什么，不做验证；验证不拆标签，数据⼀锅炖。如何通过访谈收集竞品信息？如店铺分布、产品、活动等素材，最终分析竞品对我们的影响；研究⽬的：竟品是不是最⼤影响？步骤：建⽴假设->收集信息->业务判断->验证假设（证伪更容易）。本质上不是关注产品，⽽是要关注⽤户需求。更⼴泛的宏观影响因素，⽤排除法证伪，找到短期内逆势的标杆。什么是定量分析？定量问卷《市场研究⽅法实务》，⽬前埋点数据可以取代很多定量问卷的⽤途；问卷本⾝的问题：样本数不够、代表性不够、抽样维度不够。所以要做问卷，先与想看结果的⼈⼀起谈好⽅案。⽤户有可能乱填。执⾏问题，填的⼈样本有偏，不能代表真实总体情况。什么时候⽤问卷？问卷更适合在采集不到数据的场景：⽤户（潜在⽤户、竞品⽤户、流失⽤户、潜⽔⽤户）、产品（概念收集、新产品测试、改版测试）、渠道（线下商品铺货、线下门店陈列、线下销售执⾏、服务流程监督）。问卷不适合⽤于探索性分析（⽤内部数据做较好）。能⽤系统数据不⽤调研数据、能⽤产品测试不做调研。⼀般只有没数据的传统零售企业⼤量依赖问卷。调研问卷更多是拿来背书⽤的。什么是⾏业研究？⾏业研究难度⼤，主要考虑的是如何利⽤⾏业研究报告数据。⾏业研究⼀般是政府机关、第三⽅机构、券商等发布的，有关整体⾏业发展情况信息。⾏业研究最核⼼问题：数据来源（⼀是⾃上⽽下，把⾏业⾥企业数据加总：⼆是⾃下⽽上抽样调研、反推整体情况）；弊端（⾃上⽽下可能造假，未上市难以统计；⾃下⽽上可能抽样数据量⼩，反推可能过于夸张、幸存者偏差）。常见⾏业数据发布者的数据来源是什么？国家统计局：汇总⼤规模企业，中⼩企业抽样统计；券商：上市企业⽤财报，未上市凭经验估算；BAT：汇总⾃⼰产品的数据，补充调研数据：第三⽅机构：⼤企业财报汇总，从⾃⼰的样本库⾥抽样。

⾏业数据的价值是什么？对整体趋势的判断。做⾏业基础情况的了解（⽤户、政策、环境）；做整体发展趋势的判断（发展空间，速度）；做竞争关系的了解。参考意义⼤于实战价值。⼀般只有⼤型垄断企业、⼤型⾦融机构有精⼒⾃⼰做⾏研（⼀⽅⾯有能⼒搞到内部数据，另⼀⽅⾯本⾝对政策敏感）。如果内部数据分析不出来，也不⽤指望⾏业研究能解决问题。什么是数据模型？逻辑模型（PEST，SWOT），经营分析模型（杜邦分析法拆解指标），查询模型（RFM，AARRR，按固定逻辑从数据库查询指标），算法模型（时间序列-基于统计原理计算，机器学习-真正的算法模型）算法模型类别有哪些？有监督（预测（回归，神经⽹络）、分类（决策树，相似度）、⼆元响应（逻辑回归）），⽆监督（分类（K均值聚类），关联关系（关联分析））；模型的最⼤⽤处不是分析，⽽是替代⼈⼯劳动，替代⼤量重复劳动（图像识别：安防、医疗影像、⾃动驾驶；语义识别：智能客服、⾃动翻译；推荐系统、搜索系统、风险等级评估等等）。特点：特征多、评估标准客观、⼈⼯判断未必⽐机器准。如何应⽤算法模型到商业分析上？局限⾮常⼤，商业分析的特点是数据少、评估标准不确定、结果受⼈影响⼤。本质上商业发展是⼈做出来的，不是算出来的。算法模型有哪些应⽤场景？有监督：预测/分类-业绩预测，逻辑回归-外呼/短信/推送响应/风险评分卡；⽆监督：分类/关联关系-找分类的感觉；统计⽅法：相关（相关系数/回归分析）-需进⼀步验证因果关系，时间序列-需假设业务保持不变如何正确使⽤模型？事前：探索性分析，⽐如⽤户聚类，商品聚类，找业务规律事中：⼈⼒⽆能为⼒/已经尽⼒的条件下，再做优化（⼈⼒管控⾜够的情况下）事后：总结经验，形成固定套路。如时间序列预测业绩，客服外呼响应模型。六种⼯具的适⽤场景是什么？1、报表更适合发现问题；2、专题分析“专”在⼀问⼀答；3、模型适合特殊场景，固化经验；4、访谈适合深度分析，但要结合数据验证得到⽀持，否则是个案；5、定量分析不好⽤，除⾮特别缺数据，⼈⼒资源耗费不必建模低；6、⾏业研究基本少⽤，⼀般是已有结论后⽤来背书。常见的⼯作开展⽅法是什么？⼀是由表及⾥：报表发现问题，进⾏定性分析，然后开展专题分析，利⽤⾏业报告和定量分析辅助，输出结论，通过模型固化经验。⼆是由内⽽外：定性发现问题，分别通过报表和专题分析进⾏验证，可能还要⾏业报告和定量分析，伪命题则持续监控，真命题则深⼊分析，⽤模型固化经验。商业分析的要点是什么？掌握真实情况，将所有内外部信息⽤数据表现出来。影响分析的铁三⾓：时间、成本、质量如何利⽤⼯具分析？利⽤报表监控过程，不要⼲等专题分析，在具体场景下谈模型，把数据融⼊定性访谈中，收集定量问卷和⾏业研究但不依赖于此。透过数据看本质。四、套路篇-常⽤商业分析指标与分析套路什么是商业分析体系？就是企业的导航：锁定⽬标->提供多种⽅案->提供合理预测->及时跟踪⾏程->⽤上就忘不了。⽬标：⽤数据量化⽬标，验证⽬标可⾏性；现状：数据量化现状，发现问题/机会点；战术：数据指导战术设计，促成⽬标；预测：预测⾛势，选择合适战术；监控：监控执⾏进度，发现问题；

复盘：数据总结、沉淀经验，指导后续⼯作。传统企业如何设计？杜邦分析法拆解，基于眼前和长远，风险和收益来设计整体战略。基于⾏为分析、基于特征（固定属性）分析、基于模型分析。互联⽹企业如何设计？AARRR。重要的是增长率和发展态势（我明天能挣钱）。中介模式就是供需匹配成功率。明确核⼼指标（北极星指标），明确⽅向（增长or收益）。活跃指标、付费指标等。经营分析的含义？对经营状况宏观指标进⾏的分析。关注的是：⽬标、趋势、策略、责任、结果。核⼼是轻急缓重、⼤多少。关键点：部门KPI。销售分析的含义？对销售状况进⾏的分析，辅助销售。销售的分类主要靠“谁来卖”（销售主体）区分。销售⽬标层层分解。监控最重要。明确流程，分解流程定位问题。从产品、⽤户、对⼿、运营等⾓度进⾏深⼊对⽐分析。确定是否宏观问题、是否市场营销运营配合活动⽀持、是否价格问题、是否门店问题、推哪个产品线哪个组合更容易达标（先⼤到⼩，先外再内，先看战术再看细节）。应对⽅法是从⼀线队伍⾥找标杆，复制战术。⽤户运营分析的含义？⽤户（拉新、促活、留存、转化）问题进⾏分析。输出成果：⽬前现状如何、哪⾥有问题、能做什么去改善。对于转化，互联⽹企业与产品有关，传统企业与销售有关。⽤户分析两层意义：⽤户运营本⾝的需求，了解⽤户活跃留存转化状况，为制定⽤户运营计划，会员规则等提供⽀持；作为基础分析，⽀持其它⼯作，如活动设计、⽂案创作、销售策略等。掌握业务基础运营数据（RFM）、定义核⼼⽤户/核⼼场景（特征、⾏为、消费，确定后引导⽤户向核⼼迁移）、识别业务发展阶段&主要问题（不同阶段关注的指标不同：孵化期（产品体验、种⼦⽤户）、扩张期（新增⽤户、⽤户活跃）、补贴退出期（⽤户转化、⽤户活跃）、常规运营期（⽤户留存、核⼼⽤户））、关注核⼼指标组合、控制⾮关键指标、先判断轻重缓急再考虑对策、掌握业务动向形成预判、重点问题深⼊分析（优先把控⾃⼰可以控制的，防范其它⽩犀⽜问题；事件型波动⼤、系统型可把控、持续型要持续积累和关注）、活跃留存流失联合观测。活动分析的含义？针对短期活动（促销、推⼴、拉新等）进⾏分析，输出成果：活动效果、⽤户有什么问题、能改善什么怎么办？快速理解营销活动的三个核⼼问题：是否考核销售（是则品牌类）、是否全公司参与（是则⼤促类）、是否封闭信息（是则精准营销类）、服务对象（商品、⽤户）。活动要素：规则（⽬标群体、参与条件、达标要求、奖励⼒度）、组织（礼品选择、物料准备、系统上线、活动运作、物流售后）、宣传（宣传渠道、宣传主体、发布节奏、内容制作、落地页⾯、转化路径）、费⽤（预算范围、成本使⽤、效益估算、投产⽐）。活动分析类重点：为了特定⽬标开展的、短期、⼤⼒度的⾏动，整个分析围绕⽬标展开（是否达成⽬标、未达成原因、达成的话是否效率可以优化、达成⽬标后对整体经营有何影响）。活动分析，定好⽬标是成功的⼀半、做好监控是另⼀半。活动分析步骤？步骤：⽬标达成率（达成总结经验、未达成找原因）->先复盘活动执⾏过程（设定⽬标、洞察⽤户需求->选择产品->包装卖点->设计传播内容->选择投放渠道->投放⽤户响应->响应后服务跟进，分析时从后往前看，先看执⾏问题（上线时间问题、系统问题等等）、再看投放策略问题（渠道优化等））->后复盘活动策略问题（事前Abtest或者事后同类活动对⽐）->多活动叠加分析（分散计算剥离每个活动的效益是不切实际的，将活动按⽬的分类，观测对宏观指标的影响）->关注整体效果（除了单次活动分析，要关注整体营销费⽤投⼊产出⽐，业绩是否过度依赖营销，隐藏的其它经营问题是更深⼊分析的起点）。内容分析的含义？

针对公司发布内容（公众号、短信）回收（客服、评论）的内容。输出成果：主动推送-是否达成⽬标、被动接收-说明了什么问题。推送信息：推哪些内容关注点⾼、哪些内容吸引⼈注册、哪些内容带货效果好。接收信息：反映了客户、产品、品牌出现了什么问题。分析关键：打标签、分类别。内容如何打标签？硬推：主体、产品/⾏动、奖励、转化链接；软推：主题、内容、奖励；接收：咨询（产品信息、活动信息、门店地址）、建议、投诉（产品质量、售后服务、业务流程）。主动推送如何分析？第⼀步：清晰⽬标：硬推：信息到达多少⽤户、多⼤⽐例响应、转化率；软推：信息到达多少⽤户、引发⼆次传播、⼝碑。量化⽬标是分析的关键。第⼆步：检讨⽬标：是否达成⽬标？利⽤漏⽃分析法判定是否达成⽬标，哪⼀个环节出问题。第三步：贴标签，分类深度分析问题（拆解标签：时间、卖点、内容、产品）。被动接受如何分析？第⼀步：将信息数量与业务⾏为关联（本质上被动接受的信息是由各种业务⾏为产⽣的客户意见，单看信息难以区分是个案还是普遍问题，⼀定要联系业务）；第⼆步：整体解读信息，形成假设（先看整体、再归纳假设）；第三步：分类验证，输出结论（孤证不⽴）。重点：从⼤到⼩的多级分类商品分析的含义？商品的进销存。输出成果：有没有货卖、有多少库存还要卖。服装：SKU多,换季速度快，库存压⼒⼤（⽣命周期6-8周）；⼿机/电⼦产品：单价⾼、资⾦占⽤多、降价速度快；⽣鲜：SKU多、库存成本⾼、腐败速度快；医药：同⽣鲜。商品⽣命周期：导⼊期（铺货）、成长期（⾛量赚利润）、成熟期（控制库存、逐步退出）、尾货期（甩货、清库存、减少库存损失）。产品类别：未来爆款（培育）、防守型产品（⼈有我有）、交叉类（和爆款交叉销售）、引流类（⼊门级销量⼤、利润薄）。不同分级决定了⽣命周期不同。管理基本原则是什么？畅销品不断货、不畅销少积压、资⾦动起来——基本做不到。往往是争取眼前⽑利最⼤化+全⽣命周期价值最⼤化。常规监测、积累经验（对关键指标进⾏监控：商品⽣命周期、热销成都排⾏、补货周期、库龄、售罄率、库销⽐、周转率）。根据经验为每⼀类产品的指标设置预警值。问题预警，提⽰风险（进：针对新品产品评级如何、如何配货，针对⽼品⽣命周期如何、进货节奏是否要控制；销：热销还能持续多久，对其它品类是否有帮助，滞销商品是否有细分市场机会、进货/库存得控制在什么⽔平