一、案例背景

业务方：最近半年，公司11月的销售额非常低，我们不知道问题出在哪里，没有思路定位问题！
分析师：不着急，这次我用5w2h法帮你去定位问题，找到销售额下降的真正原因！

二、分析目标

三、分析方法介绍

5W2H多个维度，不是单独存在，而需要彼此之间相互组合。

四、数据准备

数据源.zip
分析工具：FineBI
将数据源导入FineBI，2种方法
- 创建-添加excel数据集

数据准备-添加分组-添加业务包-上传数据表

注意事项：系统会自动将所有数字的字段都判定为“数值”的字段类型，但ID等字段不需要计算，所以需要手动调整为“文本类型”，如下图所示：

关联视图

按各表字段进行关联

关联完成后，点击“业务包更新”，关联才能更新使用

五、数据处理与加工

对销售额进行拆解

有3个角度查看

从订单角度：销售额 = 订单量 x 订单金额
从产品角度：销售额 = 单价 x 销售量
从用户角度：销售额 = 客户数 x 购买金额
分析1：从订单角度，利用what&when
提出假设：11月的订单量发生了下滑
验证假设：基于表“订单详细页”的“订单日期”字段，对6-11月的订单量进行可视化，得到下图

结论：2020年11月的订单量出现断崖式下滑！

分析2：从产品角度，利用what&how much

提出假设：11月的某些产品的销售量出现大幅下滑
验证假设：对11月份异常的产品取数，对产品的销售额和销售量进行建立波士顿矩阵分布图。
具体方法：

创建自助数据集，选择字段如下图

新建组件
- 横轴：销售量（求和）
- 纵轴：金额（求和）
- 颜色：产品ID-类别_类别名称
- 标签：产品ID-类别_类别名称

得到下图

结论：从上图可知，特制品、谷类/麦片、调制品的销售量和金额都不理想。

分析3：产品类别库存情况，利用what&how much

提出假设：影响产品销量和销售额的因素可能有很多，其中包括价格、市场份额、产品质量、库存等因素，这里我们只分析其中的库存。
验证假设：
具体方法：

新增列：自助数据集中，新增三列
- 订单量=金额/单价
- 总订购量=订购量+再订购量
- 库存情况=库存量-总订购量
新建组件
- 横轴：产品ID-类别_类别名称
- 纵轴：总订单量
- 颜色：库存情况

得到下图

柱状图高度表示产品分类的进货量；
柱状图颜色表示产品分类是否存货紧张，其中红色说明订购量>库存量；

结论：谷类/麦片虽然销售量和销售额都比较低，但是进货量却很大，而且货存是明显不足的，说明是因为谷类产品的货存未能及时满足需求导致订单大量下降，11月公司紧急大量进货谷类产品已经为时已晚！

分析4：产品情况，利用what&how much

与产品类别同理，我们同样把产品作为分类依据放入矩阵图当中，从而找到异常产品所在

分析5：产品库存情况，what&how much

提出假设：影响产品销量和销售额的因素可能有很多，其中包括价格、市场份额、产品质量、库存等因素，这里我们只分析其中的库存。
验证假设：这里我们创建了两张表，分别表示进货量最高和最低的10个产品，并用颜色表示其货存情况

结论：整个11月份，所有销量高的产品都出现了紧急货存紧张的情况，很有可能是导致11月销售额降低的原因！

分析6：地区情况，利用where&who

提出假设：地区维度可以进行下钻，比如省份、城市、街道门店等，一般与地区维度搭配的指标是销量变化情况、利润变化率、毛利率等
验证假设：这里我们创建区域地区，并且设置了时间过滤组件，通过对比不同月份的数据进行对比

结论：11月份，作为重要客户区域的山东省和北京市直接清零！整个华南地区和西南地区都全部清零！问题十分严重！