在财务分析的实践中，一个显著的误区便是仅提供分析结果，而缺乏具体的后续建议，或给出的建议过于宽泛，缺乏实际操作性。经过深入的财务剖析，我们不难发现，若要改善某一关键指标，通常需要从最基础的维度着手进行调整。以销售额的分析为例，我们应当将其细化至产品维度进行深度剖析。接下来，我们将以天猫/淘宝平台为例，介绍如何用Finebi搭建一个具有实用性的选品分析模型。
1、数据来源
①天猫平台后台-【交易】-【已卖出宝贝】-【宝贝销售明细报表】，涉及数据指标【商品标题】、【商品价格】、【购买数量】、【订单状态】、【订单创建时间】、【商品ID】、【买家实付金额】、【发货时间】
②天猫平台后台-【商品】-【我的商品】，涉及数据指标产品【创建时间】
③ERP系统产品【成本】、【期初存货】、【期末存货】
④生意参谋或其他第三方平台：【链接访客数】、【链接UV价值】、【搜索引导访客数】、【链接访客占比】
⑤练习数据：雷达图.xlsx (22.58 K)
2、汇总以上数据作为导入Finebi的原始数据表
3、数据清洗：
(1) 字段设置：【宝贝id】从数字转化成文本
(2) 增加【产品上架时间差】列：选择【时间差】，【当前时间差】-【产品创建时间差】，统计单位【天】
(3) 【增加公式列】，添加【盈利分级】
IF(${毛利率}>0.3,"S",${毛利率}>0.15,"A",${毛利率}>0.05,"B",${毛利率}>0,"C","D")
(4) 【增加公式列】，添加【盈利加权分】
IF(${盈利分级}="S",25,${盈利分级}="A",20,${盈利分级}="C",15,${盈利分级}="D",10,5)
(5) 【增加公式列】，添加【销量分级】
IF(${购买数量}>10000,"S",${购买数量}>5000,"A",${购买数量}>1000,"B",${购买数量}>500,"C","D")
(6) 【增加公式列】，添加【竞争力加权分】
IF(${销量分级}="S",5,${销量分级}="A",4,${销量分级}="C",3,${销量分级}="D",2,1)
(7) 【增加公式列】，添加【售卖时长分级】
IF(${已售卖时长}<90,"S",${已售卖时长}<180,"A",${已售卖时长}<360,"B",${已售卖时长}<480,"C","D")
(8) 【增加公式列】，添加【产品生命周期加权分】
IF(${售卖时长分级}="S",20,${售卖时长分级}="A",16,${售卖时长分级}="C",12,${售卖时长分级}="D",8,0)
(9) 【增加公式列】，添加【库存分级】
IF(${库存周转天数}>200.3,"S",${库存周转天数}>100,"A",${库存周转天数}>30,"B",${库存周转天数}>10,"C","D")
(10) 【增加公式列】，添加【库存加权分】
IF(${库存分级}="S",20,${库存分级}="A",16,${库存分级}="C",12,${库存分级}="D",8,4)
(11) 【增加公式列】，添加【链接访客加权】
${链接访客数}/100*0.25+${链接UV价值}/6*0.25+${搜索引导访客数}/30*0.25+${搜索访客占比}/0.3*0.25
(12) 【增加公式列】，添加【访客分级】
IF(${链接访客指数}>15,"S",${链接访客指数}>10,"A",${链接访客指数}>1,"B",${链接访客指数}>0.5,"C","D")
(13) 【增加公式列】，添加【市场热度加权分】
IF(${访客分级}="S",25,${访客分级}="A",20,${访客分级}="C",15,${访客分级}="D",10,5)
(14) 【增加公式列】，添加【分级】
${盈利分级}+${销量分级}+${售卖时长分级}+${库存分级}+${访客分级}
(15) 【增加公式列】，添加【总分】
${产品生命周期加权分}+${成长性加权分}+${库存加权分}+${市场热度加权分}+${盈利加权分}
(16) 【增加公式列】，添加【产品建议】
IF(${总分}<40,"长尾产品，财务bp不建议运营",${总分}<60,"问题产品，财务bp建议解决库存或价格问题",${总分}<80,"重点产品，财务bp建议重点关注","理想产品，财务bp建议可控范围亏损投入")
4、添加组件
【添加组件】-【折线雷达图】，拖拽【列字段】到【横轴】，【值字段】到【纵轴】
【添加组件】-【指标卡】，拖拽【产品建议】至【文本】
5、添加仪表盘
增加【过滤组件】-【文本下拉】，选择【宝贝ID】
最后完成展示
