销售数据 分析模型
产品经理必会的五大数据分析模型
▌推荐理由：在这个数据为王的时代，作为一个产品经理或者增长黑客，数据分析是必修课之一。
提到数据分析，肯定要提到数据分析模型，在进行数据分析之前，先搭建数据分析模型，根据模型中的内容，具体细分到不同的数据指标进行细化分析，最终得到想要的分析结果或结论。
一、数据分析模型要进行一次完整的数据分析，首先要明确数据分析思路，如从那几个方面开展数据分析，各方面都包含什么内容或指标。
是分析框架，给出分析工作的宏观框架，根据框架中包含的内容，再运用具体的分析方法进行分析。
数据分析方法论的作用：•理顺分析思路，确保数据分析结构体系化•把问题分解成相关联的部分，并显示他们的关系•为后续数据分析的开展指引方向•确保分析结果的有效性和正确性二、五大数据分析模型1.PEST分析模型政治环境：包括一个国家的社会制度，执政党性质，政府的方针、政策、法令等。
不同的政治环境对行业发展有不同的影响。
关键指标政治体制，经济体制，财政政策，税收政策，产业政策，投资政策，专利数量，国防开支水平，政府补贴水平，民众对政治的参与度。
经济环境：宏观和微观两个方面。
宏观：一个国家国民收入，国民生产总值以及变化情况，以通过这些指标反应国民经济发展水平和发展速度。
微观：企业所在地区的消费者收入水平、消费偏好、储蓄情况、就业程度等因素，这些因素决定着企业目前以及未来的市场大小。
关键指标GDP及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
社会环境：包括一个国家或地区的居民受教育程度和文化水平、宗教信仰、风俗习惯、审美观点、价值观等。
文化水平营销居民的需求层次，宗教信仰和风俗习惯会禁止或抵制某些活动的进行，价值观会影响居民对组织目标和组织活动存在本身的认可，审美观点则会影响人们对组织活动内容、活动方式以及活动成果的态度。
关键指标人口规模、性别比例、年龄结构、出生率、死亡率、种族结构、妇女生育率、生活方式、购买习惯、教育状况、城市特点、宗教信仰状况等因素。
PEST分析模型及案例
PEST分析模型及案例在当今竞争激烈的商业世界中，企业要想取得成功并保持竞争优势，就必须对其所处的宏观环境有深入的理解。
PEST 分析模型是一种广泛使用的工具，它可以帮助企业全面地评估政治（Political）、经济（Economic）、社会（Social）和技术（Technological）等方面的因素对其业务的影响。
一、PEST 分析模型的概述PEST 分析模型是一种结构化的方法，用于对企业外部环境进行综合分析。
这四个方面的因素相互作用，共同影响着企业的战略决策和运营。
政治因素包括政府政策、法律法规、政治稳定性等。
政府的政策和法规可以直接影响企业的经营成本、市场准入和竞争环境。
例如，税收政策的调整可能会影响企业的盈利能力，环保法规的加强可能会增加企业的运营成本。
经济因素涵盖了经济增长、利率、汇率、通货膨胀率、消费者收入水平等。
经济的繁荣或衰退会直接影响消费者的购买能力和市场需求。
例如，在经济衰退期间，消费者可能会减少非必需品的消费，而在经济繁荣时期，他们可能更愿意购买高端产品和服务。
社会因素包含人口结构、文化价值观、生活方式、教育水平等。
社会的变化会影响消费者的需求和偏好。
比如，随着人口老龄化，对医疗保健产品和服务的需求可能会增加；而环保意识的提高可能会促使消费者更倾向于购买绿色产品。
技术因素涉及到技术创新、技术进步的速度、新技术的应用等。
技术的发展可以创造新的市场机会，也可能对现有企业构成威胁。
例如，互联网和电子商务的兴起改变了许多企业的销售和营销模式。
二、PEST 分析模型的应用步骤首先，需要确定分析的范围和目标。
明确是针对整个行业还是特定的企业，以及希望通过分析解决的问题。
然后，收集相关的信息和数据。
这可以通过查阅政府报告、行业研究、统计数据、新闻报道等多种渠道来完成。
接下来，对收集到的信息进行整理和分类，分别归入政治、经济、社会和技术四个方面。
最后，对每个方面的因素进行分析，评估其对企业的潜在影响，包括机会和威胁。
数据分析常用的八个分析模型
数据分析常⽤的⼋个分析模型1、AARRR模型AARRR模型⼜叫海盗模型，这个模型把实现⽤户增长拆分成了 5 个指标：获客、激活、留存、收益、传播。
分别对应“⽤户如何找到我们？”、“⽤户的⾸次体验如何？”、“⽤户会回来吗？”、“如何赚到更多的钱？”、“⽤户会转介绍，告诉其他⼈吗？”这五个问题。
⼤家在做⽤户增长的时候可以通过指标数据问⾃⼰对应的问题，找到转化低的环节进⾏优化。
只有找到合适的渠道，在合适的时间，把合适的产品，推给合适的⽤户，才能实现精准的⽤户增长。
2、转化漏⽃模型转化漏⽃模型，主要是通过转化率分析整个业务流程中的转化和流失情况。
通过转化数据，对每个环节的流失⽤户再进⾏精准营销。
举个例⼦：⼀个⼿机公司同时在抖⾳和⼩红书投放了⼴告，通过转化漏⽃发现⼩红书带来的最终购买⽐较低，那么此时就找到了解决问题的抓⼿，可以就提⾼⼩红书渠道的转化去做优化。
3、RFM模型RFM 模型也是⼀种实⽤的客户分析⽅法，主要是通过对R（最近⼀次消费时间）、F（最近⼀段时间内消费频次）以及M（最近⼀段时间内消费⾦额）这三个关键指标对客户进⾏观察和分类，从⽽得出每类细分⽤户的价值，根据不同的⽤户价值去做不同的营销动作。
这个模型对于实现精准营销和节约成本有很⼤作⽤。
4、波⼠顿矩阵波⼠顿矩阵主要是通过销售增长率（反映市场引⼒的指标）和市场占有率（反映企业实⼒的指标）两个指标来对公司的产品进⾏四象限分类，得出每⼀个产品所处的时期和特征，便于确定公司整体产品布局，合理投资。
5、购物篮分析购物篮分析是通过研究⽤户消费数据，将不同商品进⾏关联，并挖掘⼆者之间的联系。
举个营销学上经典的“啤酒+尿布”案例，超市在统计数据的时候发现⼀般买尿布的男性顾客也会买啤酒，因此在尿布购物架的旁边放置了各种啤酒。
果然，两者销量都显著提升。
可见，购物篮分析能够找出⼀些被忽略的关联，帮助进⾏产品组合，增加销售额。
6、KANO模型KANO模型和波⼠顿矩阵有⼀些类似，都是利⽤四象限。
销售数据分析【范本模板】
前言营销总经理这个职位压力大而且没有安全感—-天气变化、竞品动态、本品产品质量、公司的战略方向、费用投入、经销商的突然变化、行业动荡、上游采购成本等等诸多因素影响业绩。
营销行业没有常胜将军,但是这个行业以成败论英雄。
营销总经理这个职位事情多而且杂乱琐碎：营销总经理要遥控管理庞大的营销团队,服务于全国几千万家经销商和终端。
工作千头万绪，哪怕每天干2５个小时,工作还是俄罗斯方块一样堆积。
压力和杂务干扰之下，就容易迷失,做营销总经理需要热情、能力、经验、更需要固化的可复制的工作模型，帮助自己脱身庶务,联系市场实际,提升管理绩效。
营销总经理工作模型一:数据分析模型一、营销总经理数据分析流程概述数据分析好像“业绩体检报告"，告诉营销总经理哪里有问题。
营销总经理要每天按照固定的数据分析模型对当日发货量、累计业绩进度、发货客户数、发货品项数、产品结构、区域结构等关键指标进行全方位多维次的实时监控。
随时关注整体业绩达成的数量和质量。
如果公司整体业绩分析没问题就下延看区域业绩有没问题，没问题就结束分析。
如果公司整体业绩有问题；就要思考有没有特殊原因——比如:天气下雨造成三天发货量下滑，天晴后业绩会恢复。
公司上半月集中力量乡镇市场压货，所以低价产品业绩上升高价产品业绩下滑是计划内正常现象。
如果没有特殊原因,确实属于业绩异常,就要立刻从这个指标着手深度分析:通常是从产品、区域、客户三条主线来研究.发现问题产品(哪个产品需要重点管理)、发现问题区域(哪个区域需要重点巡查）、发现问题客户（哪个重点零售ka系统重点经销商的业绩不正常)。
除非问题非常严重,一般营销总经理的数据分析下延到直接下级（大区或者省区层面）即可，然后要求问题区域的大区经理做出解释,拿出整改方案。
大区省区经理再做区域内数据分析,寻找问题产品、问题片区和问题经销商。
数据分析得出结论就找到了管理重点，接下来营销总经理要采取针对性有的放失的管理动作——比如立刻去巡检重点问题区域、要求问题区域限期改善、更改当月的促销投入或者产品价格、设立新的工作任务(比如乡镇铺货)等等，整个分析流程图示如下:二、营销总经理数据分析的关键指标具体分析报表各企业各行业有所不同,但关键指标和分析方法大同小异。
销售数据分析模型
销售数据分析模型销售数据分析模型是一种用于分析和预测销售业绩的工具。
它能够帮助企业更好地了解市场需求、有效管理库存、优化销售策略，从而提升销售业绩和利润水平。
在这篇文章中，我们将详细介绍销售数据分析模型的定义、作用、要点和应用，帮助读者深入了解和应用这一重要工具。
首先，我们来定义什么是销售数据分析模型。
销售数据分析模型是一种基于统计学和数学算法的分析工具，用于研究销售数据、揭示销售规律，并通过建立预测模型来预测未来销售趋势。
它通过对大量销售数据的收集、整理、清洗和分析，帮助企业进行市场预测、制定销售策略和优化销售管理。
那么，销售数据分析模型的作用是什么呢？首先，它能够帮助企业了解市场需求。
通过分析销售数据，企业可以了解产品的销售状况、市场份额和竞争对手的表现，从而判断市场需求的变化趋势，并及时调整产品组合和销售策略，以满足消费者的需求。
其次，销售数据分析模型可以帮助企业进行库存管理。
通过分析销售数据，企业可以了解产品的销售速度和销售季节性变化，从而合理安排生产计划、设置库存目标和优化供应链管理，降低库存成本、减少滞销和过期产品。
此外，销售数据分析模型还能够帮助企业优化销售策略。
通过分析销售数据，企业可以了解不同产品在不同市场和不同时段的销售表现，从而制定个性化的销售策略，如定价策略、促销策略和渠道策略，提高销售转化率和市场竞争力。
那么，如何使用销售数据分析模型呢？首先，企业需要明确目标和指标。
明确要分析的销售数据指标，如销售额、销售量、销售渠道、销售区域等，以及预测的时间范围，如月度、季度或年度。
其次，企业需要收集和整理销售数据。
销售数据可以来自不同渠道，如销售系统、POS系统、CRM系统等，需要将其整合到一个数据仓库中，并确保数据的准确性和完整性。
接着，企业需要进行数据清洗和处理。
对于大量数据，可能存在一些缺失值、异常值或重复值，需要进行清洗和去重处理，以保证分析结果的准确性。
然后，企业可以选择合适的分析方法和模型。
基于多元回归模型的销售数据分析
基于多元回归模型的销售数据分析销售数据分析是企业常用的一种分析方法，可以有效地了解产品销售情况、市场需求变化以及竞争对手状况等重要因素，以便在经营决策方面作出正确的策略选择。
本文将以多元回归模型为基础，来分析销售数据及其相关因素。
1. 数据来源和处理首先，我们需要从相关的销售记录中提取数据。
这些数据可以包括销售量、销售额、价格、成本、广告费用、季节、区域等多个方面。
对销售数据进行整理、清洗和补充是不可或缺的。
数据处理的目的是使得数据更加准确和全面，这有助于后续的分析。
2. 建立多元回归模型多元回归模型是一种广泛使用的统计分析方法，它可以帮助我们探究不同变量之间的相互关系。
在销售数据分析中，我们可以将销售量或销售额作为因变量，将价格、成本、广告费用、季节、区域等多个自变量作为解释变量，建立起一个多元回归模型。
模型的公式可以如下所示：Y = β0 + β1X1 + β2X2 + β3X3 + … + βnXn + ε其中，Y代表因变量，X1到Xn代表自变量，β0到βn代表模型系数，ε代表误差项。
我们可以使用各种统计工具来拟合这个模型，从而得到每个自变量对因变量的影响程度。
3. 模型的诊断和优化建立完多元回归模型后，我们需要对这个模型进行诊断和优化。
通过分析模型残差、R方值和显著性水平等指标，可以判断模型是否有显著性意义和是否存在偏差。
如果模型存在问题，我们可以通过增加变量、减少变量、转换变量等方法来进行优化。
4. 分析结果及决策建议通过多元回归模型的分析，我们可以得出不同自变量对销售量或销售额的影响程度。
例如，我们可能会发现价格对销售量的影响很大，广告费用对销售量的影响也很显著。
通过这些分析结果，我们可以获得更深刻、更全面的销售数据信息，从而做出更加科学、客观、有效的决策建议。
5. 总结综上所述，基于多元回归模型的销售数据分析是一种非常重要的数据分析方法。
通过正确处理和利用销售数据并建立合理的多元回归模型，可以得到更明晰、更精确的分析结果，这有助于企业在制定销售策略和决策方面更加有效地运用销售数据分析。
数据分析师常用商业模型（一）
数据分析师常⽤商业模型（⼀）数据分析少不了商业分析思维，以及对业务的理解。
很多时候觉得思维不够健全，或者分析没有思路，其实都可以借助思维模型的学习来不⾜，来加速分析的成功。
之前分享了⼤V空⽩⼥侠的35个经典模型中的15个《数据分析师需要掌握的35个商业模型（⼀）》。
沿着她的思路，笔者⼜整理了10个⼈认为很常见很实⽤的模型，所有模型更新完毕后，我会将⽂稿资料（PDF形式）分享给⼤家！⼀、波特五种竞争⼒模型波特五⼒模型是企业制定竞争战略时常⽤的战略分析⼯具，任何产业的竞争规律会体现在波特五⼒模型的五种竞争作⽤⼒上。
战略的分析和制定听起来离我们的⽣活很遥远，但实际上企业新开⼀家门店，开发⼀个新产品，都可以⽤到这个模型。
波特五⼒模型是将⼤量不同的因素汇集在⼀个简便的模型中，以此分析⼀个⾏业的基本竞争态势。
五种⼒量模型确定了竞争的五种主要来源，即供应商的讨价还价能⼒、购买者的讨价还价能⼒、潜在进⼊者的威胁、替代品的威胁、来⾃同⾏的竞争。
供应商的讨价还价能⼒：供⽅主要通过其提⾼投⼊要素价格与降低单位价值质量的能⼒，来影响⾏业中现有企业的盈利能⼒与产品竞争⼒。
购买者的讨价还价能⼒：购买者主要通过其压价与要求提供较⾼的产品或服务质量的能⼒，来影响⾏业中现有企业的盈利能⼒。
新进⼊者的威胁：新进⼊者可能会与现有企业发⽣原材料与市场份额的竞争，最终导致⾏业中现有企业盈利⽔平降低，危及现有企业的⽣存。
替代品的威胁：同⾏业或不同⾏业中的企业⽣产的产品互为替代品，它们之间就产⽣相互竞争⾏为，替代品之间的竞争会以各种形式影响⾏业中现有企业的竞争战略及市场份额。
同⾏企业间竞争威胁：现有企业之间的竞争常常表现在价格、⼴告、产品介绍、售后服务等⽅⾯，其竞争强度与许多因素有关。
案例：假设你在⼀个新⼩区附近开了⼀家便利店，⼀开始⽣意不错，但随着沿街店铺逐渐⼀个个开设出来，你感觉到了危机。
⽐如斜对⾯那家⽔果店因为价格便宜⽣意也很⽕爆。
路⼝新开的百货超市货品齐全，深受⼥性顾客青睐。
销售数据分析模型
销售数据分析模型销售数据分析模型是指通过对销售数据的收集、整理、分析和预测，以帮助企业更好地了解其销售情况，并制定相应的销售策略和决策。
本文将从定义销售数据分析模型的概念开始，进而探讨其优势和应用场景，并介绍一些常见的销售数据分析模型，最后对其未来发展进行一些展望。
销售数据分析模型是指在销售过程中对所产生的各类数据进行收集、整理、分析和预测的一种方法。
它可以帮助企业更好地了解其销售情况，从而更准确、更全面地制定销售策略和决策。
销售数据分析模型可以帮助企业分析销售趋势、销售地域、销售渠道等相关信息，还可以通过挖掘潜在客户和市场需求，提供决策支持，提高企业的销售效率和市场竞争力。
实施销售数据分析模型可以带来多方面的优势。
首先，它能够帮助企业更好地了解客户需求和行为，在销售过程中及时捕捉到客户的态度和反馈，从而及时调整销售策略和产品设计。
其次，通过分析销售数据，企业可以发现销售团队的优势和不足，进而针对性地培训和激励销售人员，提升整个销售团队的绩效。
此外，销售数据分析模型还可以帮助企业识别市场机会和潜在客户，预测市场趋势，为企业未来的市场拓展提供重要依据。
销售数据分析模型适用于各种规模的企业和各行各业。
对于大型企业而言，销售数据的规模庞大且复杂，需要借助数据分析模型进行处理和分析，以帮助企业更好地了解其销售情况。
对于中小型企业而言，销售数据也是宝贵的资产，通过对数据的分析和挖掘，可以为企业提供决策支持，帮助其在激烈的市场竞争中取得优势。
下面我们将介绍几种常见的销售数据分析模型。
首先是销售趋势分析模型，它通过对历史销售数据的分析，揭示销售的长期趋势和季节性变化，帮助企业预测未来的销售情况，为制定销售策略提供依据。
其次是客户细分模型，它通过对客户属性和行为的分析，将客户划分为不同的细分市场，有针对性地进行营销活动，提高销售转化率和客户满意度。
再次是销售渠道优化模型，它通过对各种销售渠道的分析，确定最佳的销售渠道组合，提升企业的销售效率和市场竞争力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
具体分析方法
3 区域分类分析法：
把全国市场分为三类： 管理类市场（如：市场波动大，成长率小于5%甚至负成长）； 成长类市场（如：市场稳定成长率小于50%）； 攻击类市场（如：市场空白较多，成长率大于50%甚至更多）。 对不同类型的市场进行归类分析，除了所有市场都要求任务达成率之外，不同类型市场要关注不同指标： 对管理类市场，由于市场不稳定，有负成长趋势，所以要重点关注“零发货客户”指标，小心市场萎缩。 对攻击类市场，由于可开发空白较多（这类市场不应该有淡季，应该逐月增长，因为有很多空白网点待开发）， 所以要持续关注逐月增长率，同时成长率低于20%说明进攻速度放缓，应予关注。 对成长类市场，重点关注成长率，保证市场稳定。
借鉴 3. 对增长或者下跌明显的区域予以重点分析，总结经验教训,以期避免潜在的威胁或者抓住机会 4. 将重点区域中的产品结构进行时间上的横向对比，进行多要素复合分析
整体销售分析
销售额/销售量
通过对销售额和销售量的增长趋势的把握， 可以找出客户增长或下滑的本质；如销售额增 长大于销售量增长，说明增长主要来源于产品 平均价格价格的提高，它反映了市场平均价格 的提高或者是客户产品结构升级,即结构性增 长；反之，为容量性增长。
1. 分析企业的销售区域及各区域的表现，检索重点区域、发现潜在市场,提出下阶段区域布局策略 2. 对重点区域的营销状况予以重点分析，解析该区域的发展走势和结构特点,为未来在重点区域的发展提
供借鉴 3. 对增长或者下跌明显的区域予以重点分析，总结经验教训,以期避免潜在的威胁或者抓住机会 4. 将重点区域中的产品结构进行时间上的横向对比，进行多要素复合分析
依据行业销售淡旺季规 律，与销售数据中的销 售行程进行对比，分析 淡旺季发展规律；可以 为客户提供渠道压货规 划及生产运做规划
•产品线
•价格体系
通过总体产品结构分析， 了解整体产品结构分 布和重点产品表现
通过总体价格结构分析， 了解企业的优势价位 区间，提供价格结构 调整的合理性建议
区域、产品、价格分析
1. 分析产品系列和单产品结构分布，检索重点产品发展趋势及新产品的市场表现 2. 针对重点产品进行分析，发现存在的问题，提供产品改进意见 3. 通过对产品的销售区域品,为产品线的
划分和进一步细化提供参考
1. 分析企业的销售区域及各区域的表现，检索重点区域、发现潜在市场,提出下阶段区域布局策略 2. 对重点区域的营销状况予以重点分析，解析该区域的发展走势和结构特点,为未来在重点区域的发展提供
关键数据： 月累计业绩达成”进度要
和时间进度对比 档期任务达成 注意： 特殊时段任务档期管理
关键数据： 发货客户数量 发货次数 重点关注： 当月前15天上面两项数据
情况 下半月及时跟进
关键数据： 产品结构 区域结构 重点客户和渠道结构 衍生指标： 平均价 重点产品占比率
分析步骤
1
整体销售分析
2
区域分析
具体分析方法
2 6个月纵向分析法：
对锁定的问题产品问题区域问题客户可以纵向深度分析6个月数据， 该区域6个月内的总销量及主要品项的达成/增长/成长率是否稳定？ 发货客户数和发货品项数有无异常趋势？ 从6个月的纵向趋势分析更容易剔除当月偶然因素，做出完整结论。比如： 问题区域纵向分析示例：“该区域6个月以来连续4个月达成率小于100%，达长率近5个月低于公司水平，已经有三名 经销商停止进货。高价产品A每月销量在减少（说明这个产品回转很差快死了），需要立刻去走访，尤其注意观察停止 进货的经销商是什么原因？ 还有高价产品A的市场表现有什么异常？
很多的消费品行业存在明显的季节 性趋势；根据行业规律，为企业提出 生产运做及渠道供货的的合理性规划
整体销售分析
从产品结构看主导产品和产品成长合理性， 企业的利润源和销售量是否对应，初步判断 企业未来产品规划的调整方向。
7000 6000 5000 4000 3000 2000 1000
0
2004
2005
3
产品线分析
销售额/销售量、季节性分析、产品结构、价格体系 区域分布、重点区域分析、区域销售异动分、区域—产品分析 产品（系列）结构分布、产品—区域分析
4
价格体系分析
5
销售数据总结及建议
价格体系构成、价格-产品分析、价格-区域分析
整体销售分析
•销售额/销量
•季节因素
分析近几年的总体销售 额、销售量，与行业标 准相比较。从而分析企 业的业绩状况并判断企 业的业绩变化类型
从区域内的产品动态来看区域内产品的组成 变化，即区域的产品适应性，从而发现潜力 产品、老化产品等。
从区域的价格分布来看产品的提升空间，即不同 区域的价格构成合理性，从中分析市场提升的空 间和方向。
具体分析方法
1 “三维”数据分析法：
数据分析的目的是为了找到问题，要逐层深挖“罪魁祸首”。 首先看整个公司的达成率、成长率、增长率、产品结构，发货客户数是否健康，发现任何一个指标异常，立刻要从 “区域、客户、产品”三条线往下深挖： 业绩滞长是哪个产品造成的——这个产品业绩差是哪个区域造成的哪些客户造成的，最终锁定问题产品的产生原因— —问题产品的问题区域和问题客户。 业绩滞长是哪些区域造成的——这个区域的问题产品和问题客户是谁，最终锁定问题区域产生的原因——问题区域的 问题客户和问题产品。 哪些经销商业绩问题最严重——这个问题经销商业绩差是哪个问题产品造成的，层层抽丝剥茧找到最终原因，管理才 会有的放失。
销售数据 分析模型
目录 CONTENTS
主线&指标 分析思路 整体分析 分析方法
分析主线
•分析销售数据通常是从产品、区域、客户三条主线来研究。
数据指标分解
当日整体业绩
累计业绩达成
发货情况
销售质量
关键数据： 当日业绩达成率 销售数据构成分析 实际操作意义： 跟进弱势区域 跟进弱势产品 实时掌握销量
2006
从价格结构看产品分布合理性，也可以判断目前企业现状与企 业的战略发展方向是否一致；
整体销售分析
企业的销售区域分布看企业市场分布的 合理性；企业区域布局与整体战略目标 的一致性；明确下阶段企业区域布局的 规划方向；
通过对数据的分析，发现存在异动的产品或区域； 并分析异动发生的原因；
整体销售分析