部门的业务分析是什么？
业务分析通常由财务部门牵头。通过对企业的资产负债、经营成果、盈利能力等方面的分析，可以诊断当前的经营状况，发现经营问题，保障企业的良性运行。
经营分析和企业的经营分析是一样的，目的是保证业务的顺利进行和业绩的上升。它可以分为以下五个部分:
目标:业务方有自己的绩效任务和相应的战略战术。作为业务风向标，需要每天监控任务完成情况，如果进展不理想，可以及时分析原因。诊断:只关注大指标，缺乏全面性。除了关注部门整体运营情况外，还需要细分到各个维度进行分析，从而全面诊断运营情况，发现问题或机会。原因:发现的问题和机会不一定是源头，准确定位才能有效解决问题，拓展机会。方案制定:通过定位的理由和可利用的资源，制定并实施一个方案。方案验证:方案是否有效需要业务数据来验证，一个成功的方案会进一步促进目标的完成。经营成果的需求者包括:部门负责人、业务端、数据分析师。
设置业务分析看板的流程
1.梳理指标，建立指标体系。
经营分析看板的目的是发现问题，不一定要包含大而全的指标。而快速定位问题是经营分析的更深层次需求，指标体系的建立成为必要前提。
阐明指标在业务分析中的作用。a .反映当前业务状况和波动情况，定位波动的影响因素。b .根据常规的指标水平判断异常。c .探索指标之间的关系，提高经营分析的全面性。
收集业务方的业务分析需求，获取业务方关心的指标和维度。a .获取业务方关心的指标和维度。b .了解业务方影响指标变化的方式。
结合以下两种方法构建指标体系。a .商业逻辑法从AARRR模型入手，从新奇、激活、留存、获得、传播等方面定义用户的关键行为，提出促成用户关键行为的问题，从问题中梳理出相关指标和维度。b .指标分解法借鉴财务分析中的杜邦分析法，将核心指标通过乘法或加法分解成各种因子，直至无法再分解。
2.计划看板的结构和内容。
计划看板遵循两个原则:
原则:先整体，再细分；内容:核心指标在前，说明性指标在后。
设置Tableau业务分析看板
1.案例数据描述
案例数据来自Tableau自己的带有超市数据的订单。为了使业务分析更加全面，将超市数据视为一个网上超市，添加目标表单、用户表单和流量表单，形成图关系。
2.计划看板的结构和内容。
看板从整体到细分由六部分组成。
销售:展示最能反映部门业绩的数据，包括目标达成率和整体销售额；流量:流量是销量的相关指标。这部分既包括DAU，也包括购买用户数和转化率来衡量DAU的质量，这归因于销售的变化；地区:无论是从用户的角度还是从企业的角度，地区之间都有很大的差异。从用户角度来看，不同地区的风俗习惯、生活节奏、人口构成、经济水平、购物偏好不同，直接导致不同地区需要不同的商品选择和运营模式；从企业管理的角度看，不同地区的运营成本、投资收益、战略定位不同；用户:这部分主要看新客户，也就是拉新效果。新客户不仅影响日常销售变化，更是长期销售增长的源泉；品类:这部分包括品类销售分布和销售相关指标的变化，从而定位引起销售变化的主要品类；商品:这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，还是对整体销售变化的影响。3.设置Tableau看板和分析
此看板构建的报告日期为20年12月31日，报告中使用了一些衍生指标，定义如下:
实际付款金额=销售金额*毛利金额=实际付款金额-商品成本毛利率=毛利金额/实际付款金额=客户单价=销售金额/订单数量转化率=买家数量/DAU平均单价=销售金额/商品数量，单笔平均销售金额=销售数量/订单数量。
1)销售分析
达成率:对比日期进度，如果达成率低，不再期待，就要探究分析原因。销售指标:12月31日，7日销量和订单量最低。考虑到即将到来的元旦，可能会受到节假日的影响。需要查看同期数据才能确定是否存在这种现象。毛利率意味着对用户的优待，一般与销售额负相关。销售趋势:趋势图用来观察①数据长期处于什么趋势，②趋势是否发生了变化，③昨天的数据是否是趋势中的异常值。比如，如果是12月31日的异常值，即使因为元旦导致同期销量下降，也不应该直接归因于假期。
2)流量分析
用户流量指数:12月31日用户数和DAU均较低，上图用户数和订单量相差较小，说明某用户一天下单多次，销量下滑是因为买家数减少，而买家数减少是因为DAU和转化率降低。值得注意的是，转化率连续五天下降，需要结合用户线上行为分析找出原因。趋势:用户数的趋势也看三个方面，①长期趋势②趋势变化③昨天的数据是流量转化趋势异常:DAU反映市场热度，与外送有关；转化率反映了用户的购买意向，与商家端动作有关。
3)区域分析
区域分布:销售分布用于观察整体销售的变化是否由区域变化引起；订单数量分配消除了客户单价因素。通过分析订单数量和销售额的分布或分布变化是否相同，可以判断归属是在订单方向还是用户方向还是商品方向或者品类方向。城市分布:从“城市指标筛选”中交替点击销售额和订货量。通过观察地图中城市和泡沫大小的变化，可以得到更深层次的归属，比如泡沫大的城市是否是认知中的高销量城市？销量突然增加的地区是分散在很多城市还是集中在个别城市？有没有销售泡沫大但订单泡沫小的城市？
4)用户分析
新增客户趋势:案例趋势图显示新增客户占比持续下降到几乎为零，说明后期没有外送或自然增长。需要进一步分析，是新访客流量的问题，还是转化率的问题。渠道新增客户比例及新增客户数量:12月底几乎没有新增客户，所以数据按月显示。①新增客户比例用于了解客户的主要来源。如果有渠道uv，就要计算渠道转化率，衡量渠道质量，通过分析用户的上网行为来优化空房间。②渠道新增客户数用于了解新增客户数，衡量新增客户占比参考值。比如2012年12月，知乎新增客户数为67%，但新增客户数只有2个，并不能说明渠道的重要性增加。Cohort:Cohort翻译为“同期群”，用于分析未来某一时期新客户在同一时期之后的留存率的差异。比如发现12月30日的新客户留存率明显高于或低于12月31日的其他日子，就要深入分析是什么原因造成了这种现象。
5)类别分析
品类销售分布:用于定位哪些品类导致了整体销售的变化。类别销售指标值:该表可以上滚至类别，也可以下钻至子类别，可以通过销售的相关指标定位分析方向。品类昨天的销售分布:通过销售和订单的四个象限，以及单个平均销售额的泡沫，分析子品类在销售中的作用。销量高意味着销售贡献大，订单量高意味着需求大或者流量撬动大，比如图中的“椅子”。订单量中等偏上，但销量远高于其他品类，说明客单价高，组合泡沫比较大，说明其高销量受单量影响。我们可以进一步分析这种现象是否正常，如果是，是否能扩大用户群。
6)商品分析
销售量/订单量TOP10:前四个表用于查找当天销售中最畅销的产品。要注意“长期畅销书”和“新畅销书”。前者是用户最认可的口碑产品，后者是有增长潜力的产品。环比增长TOP10:后两个表用于定位环比变化最大的产品，重点关注单个产品变化对整体销售变化的影响程度，变化是否异常，是什么原因造成的，好的原因是否可以推广，不好的原因是否可以避免。
#数据分析#
