采购最终的目的就是在贩卖获利，所以采购是否有绩效，最终的表现就显示在数据上，而数据是很现实的，没有达到既定的目标，效率就会被判定为“差”。因此，在采购的数据管理上，现提出几种管理数据作为分析判断的工具：
01 四大工具
一、进销存的数据资料掌握
要能明确算出每个部门，每个中分类，每月的进销存数据，而利用POS系统及EOS系统较能很快掌握公司的销售资料及进货资料。换言之，如能以较科学的方式来获取进销存的资料，较能给经营带来大的助益。
二、分类的构成比分析
管理一个公司的商品，不能只是知道全店的营业额和利益，也不能只顾及部门的营业额及利益。例如：不但要知道饮料类这个中分类的营业额及利益是多少，对于它所占的构成比也要了解，才能知道销售的弱点在那里，以及如何加以改善。
三、毛利率分析
毛利率=毛利率/营业额×100
对于每一个分类也要能将毛利率计算出来，了解哪一个分类的获利能力好，哪一个分类的获利能力差，而调整商品结构或强化弱的分类。
四、商品回转率分析
商品回转率=营业额/初期存货+期末存货/2×100
商品回转天数=365天/年商品回转率
超市的经营决窍之一，就在求取快速的商品回转率，所以对于每一分类的回转率须予以计算出来，回转率愈快愈好。因回转率愈快，商品鲜度愈佳，资金回收速度也快；如此形成一个良性的循环，经营才会杰出。
一般来说，超市的回转次数，一年应保持在20—22次以上才合乎标准，经营者可以检查一下自己公司的回转次数，是否在标准之内，若在标准之外，可就要好好努力了。
采购部门是超市创造业绩的部门，所以如果没有完备的采购组织存在，超市根本不可能存在，更不用说想赚钱了，因此超市在谈利润的第一步就是要先组织一支战斗力十足的 采购 战斗队伍，如此严密地把守住货物进出的第一关，才有可能使超市真正立于不败之地。
采购部门就如同制造业的生产部门一般，是创造利润的单位，此关若把守得当，只进一些会赚钱的货，自然就可以确保超市的基本业绩。一般而言， 采购组织可分为分权式采购组织及集权式 采购 组织两类，这两类组织模式各有利弊，业者可视个人的规模、目标而选定适合自己的模式。
在采购过程中，数据分析具有极其重要的战略意义，是优化供应链和采购决策的核心大脑。因此做好数据分析，是采购过程中最重要的环节之一。
那么如何做好数据分析呢？以下梳理出数据分析的8步流程，以及常见的7种分析思路。在启动数据分析前，最好跟主管或数据经验较丰富的同事确认每一步的分析流程。
02 数据分析八大流程
为什么要分析
首先，你需要知道为什么分析？弄清楚此次数据分析的目的。比如，什么类型的客户交货期总是拖延。你所有的分析都围绕这个为什么来回答。避免不符合目标反复返工，这个过程会很痛苦。
分析目标是谁
要牢记清楚的分析因子，统计维度是金额，还是产品，还是供应商行业竞争趋势，还是供应商规模等等。避免把金额当产品算，把产品当金额算，算出的结果是差别非常大的。
想达到什么效果
通过分析各个维度产品类型，公司采购周期，采购条款，找到真正的问题。例如这次分析的薄弱环节供应商，全部集中采购，和保持现状，都不符合利益最大化原则。通过分析，找到真正的问题根源，发现精细化采购管理已经非常必要了。
需要哪些数据
采购过程涉及的数据，很多，需要哪些源数据？采购总额？零部件行业竞争度？贷款周期？采购频次？库存备货数？客户地域因子？客户规模？等等列一个表。避免不断增加新的因子。
如何采集
数据库中供应商信息采集,平时供应商各种信息录入,产品特性录入等,做数据分析一定要有原料,否则巧妇难为无米之炊。
如何整理
整理数据是门技术活。不得不承认EXCEL是个强大工具，数据透视表的熟练使用和技巧，作为支付数据分析必不可少，各种函数和公式也需要略懂一二，避免低效率的数据整理。Spss也是一个非常优秀的数据处理工具，特别在数据量比较大，而且当字段有特殊字符的时候，比较好用。
如何分析
整理完毕，如何对数据进行综合分析，相关分析？这个是很考验逻辑思维和推理能力的。同时分析推理过程中，需要对产品了如指掌，对供应商很了解，对采购流程很熟悉。
看似一个简单的数据分析，其实是各方面能力的体现。首先是技术层面，对数据来源的抽取－转换－载入原理的理解和认识；其实是全局观，对季节性、公司等层面的业务有清晰的了解；
最后是专业度，对业务的流程、设计等了如指掌。练就数据分析的洪荒之力并非一朝一夕之功，而是在实践中不断成长和升华。一个好的数据分析应该以价值为导向，放眼全局、立足业务，用数据来驱动增长。
如何展现和输出
数据可视化也是一个学问。如何用合适的图表表现？每一种图表的寓意是什么？下面列举下常用的8个图表：
（1）折线图：合适用于随时间而变化的连续数据，例如随时间收入变化，及增长率变化。
（2）柱型图：主要用来表示各组数据之间的差别。主要有二维柱形图、三维柱形图、圆柱图、圆锥图和棱锥图。
（3）堆积柱形图：堆积柱形图不仅可以显示同类别中每种数据的大小，还可以显示总量的大小。
（4）线-柱图：这种类型的图不仅可以显示出同类别的比较，还可以显示出趋势情况。
（5）条形图：类似于横向的柱状图，和柱状图的展示效果相同，主要用于各项类的比较。
（6）饼图：主要显示各项占比情况。饼图一般慎用，除非占比区别非常明显。因为肉眼对对饼图的占比比例分辨并不直观。而且饼图的项，一般不要超过6项。6项后建议用柱形图更为直观。
（7）复合饼图：一般是对某项比例的下一步分析。
（8）母子饼图：可直观地分析项目的组成结构与比重图表不必太花哨，一个表说一个问题就好。用友好的可视化图表，节省阅读者的时间，也是对阅读者的尊重。
有一些数据，辛辛苦苦做了整理和分析，最后发现对结论输出是没有关系的，虽然做了很多工作，但不能为了体现工作量而堆砌数据。在展现的过程中，请注明数据的来源，时间，指标的说明，公式的算法，不仅体现数据分析的专业度，更是对报告阅读者的尊重。
03 数据分析七大思路
简单趋势
通过实时访问趋势了解供应商及时交货情况。如产品类型，供应商区域（交通因子），采购额，采购额对供应商占比。
多维分解
根据分析需要，从多维度对指标进行分解。例如产品采购金额、供应商规模（需量化）、产品复杂程度等等维度。
转化漏斗
按照已知的转化路径，借助漏斗模型分析总体和每一步的转化情况。常见的转化情境有不同供应商及时交货率趋势等。
用户分群
在精细化分析中，常常需要对有某个特定行为的供应商群组进行分析和比对；数据分析需要将多维度和多指标作为分群条件，有针对性地优化供应链，提升供应链稳定性。
细查路径
数据分析可以观察供应商的行为轨迹，探索供应商与本公司的交互过程；进而从中发现问题、激发灵感亦或验证假设。
留存分析
留存分析是探索用户行为与回访之间的关联。一般我们讲的留存率，是指“新供应商”在一段时间内“重复行为”的比例。通过分析不同供应商群组的留存差异、使用过不同功能供应商的留存差异来找到供应链的优化点。
A/B测试
A/B测试就是同时进行多个方案并行测试，但是每个方案仅有一个变量不同；然后以某种规则优胜劣汰选择最优的方案。数据分析需要在这个过程中选择合理的分组样本、监测数据指标、事后数据分析和不同方案评估。不单是供应商及时交货的数据分析，其他的数据分析流程和思路也一样适用，只是维度重点很多，以及组合的维度也非常多，因此就需要更清晰的思路和大局观，避免陷入到数据海洋中。
文章来源：公众号超市人商学院
|
