Давайте рассмотрим реальный пример визуализации данных о продажах интернет-магазина с помощью продукта Microsoft Power BI.
Легенда
Пусть объект изучения – интернет-магазин, допустим, бензопил и бензо-косилок (на этом месте могла быть Ваша ниша). Для каждого из типов продукции в нем продается несколько продуктов, каждый из которых имеет свою маржу. В магазине работают 3 менеджера по продажам (Миша, Маша, и, к примеру, Ибрагим Оглы). В магазин поступают заказы из различных источников (органический поиск и контекстная реклама), источники делятся на рекламные кампании, а заказы приходят из различных городов. Как и в любом другом магазине, в нашем есть фейковые заказы и скидочная система. В нашем магазине клиенты оставляют заказы на различные продукты, а менеджеры далее закрывают продажи по телефону.
Все эти данные достаточно просто собрать практически для любого магазина и , конечно, эти категории и их значения условны. В реальности можно использовать любые другие характеристики и параметры, применяющиеся в какой-либо отрасли.
Итак, мы попробовали связать все эти параметры и построить визуализацию на случайных значениях, которая бы наглядно отражала ситуацию в продажах интернет-магазина и давала бы инсайды о возможных изменениях в его работе.
Как всем этим пользоваться?
Отчет по продажам, который мы построили, состоит из набора отдельных диаграмм (визуализаций). Все данные связаны между собой и могут поступать в отчет из абсолютно разных источников (CRM, exel-файлы, документы google, напрямую из рекламных систем, google analytics и прочие) в данном случае используется несколько связанных таблиц в экселе.
- В отчете представлено несколько фильтров:
- По типу заказа – заказ может быть реальный или фейковый (спам, ошибки в заполнении);
- По наличию оплаты – заказ в результате привел к продаже или нет;
- По менеджеру, который обрабатывал заказ;
- По месяцу (январь, февраль и март).
Эти фильтры можно накладывать друг на друга и все данные будут сразу пересчитываться. Достаточно приятно, что даже при большом количестве разных визуализаций на одном листе отчет, перестраивается очень быстро.
- Делать срезы данных только по параметрам представленным выше было бы не очень интересно. Поэтому все данные можно дополнительно сегментировать по любому показателю из отчетов, к примеру, по типу продукции или по источнику заявки (но только по одному – это основное отличине накладываемых друг на друга фильтров и сегментов). Для этого достаточно кликнуть на него и данные снова перестроятся.
- На отчетах по типу продукции и по источнику можно провалиться на уровень ниже, тут уместно использовать модный термин drill down (детализация по-русски). Для этого необходимо зажать стрелку вниз в верхнем правом углу визуализации и кликнуть на какую-либо категорию.
Две стрелки вниз раскроют сразу все подкатегории, а стрелка вверх поднимет на уровень выше.
4. Каждую визуализацию можно просмотреть одельно, развернув ее на весь экран (режим фокусировки – находится в правом верхнем углу каждой визуализации). В этом режиме можно перейти к просмотру данных в привычном табличном виде, что достаточно удобных, если просматриваемых категорий очень много (к примеру ключевых слов) и они не умещаются все на визуализации.
Что же мы можем почерпнуть из этих данных?
I. Конечно, общие данные о количестве заказов, оплат, сумме заказов, количеству проданных единиц каждого продукта, сумму продаж и скидок, но эти данные можно получить из стандартных систем, поэтому они не так интересны.
Различным способом меняя значения фильтров, можно вытащить следующие инсайды. Кстати, мы использовали абсолютно случайные значения, поэтому некоторые тренды не так остро заметны, а на Ваших реальных данных, все будет, наверняка, интереснее.
II. Выбираем фейковые заявки в фильтре и посмотрим на источники заявок:
Большая часть фейковых заявок поступает из органического поиска, а если провалиться глубже – из Яндекса:
Хотя для реальных заявок наоборот:
III. Рассмотрим реальные заявки за январь и выделим среди них те, оплата по которым не состоялась:
Мы потеряли 73 заказа с оборотом около 4х миллионов и доходом около 2х миллионов — 1584 тысячи, если быть точнее (точную сумму можно увидеть наведя на каждый из графиков курсором).
Рассмотрим глубже:
Половина этой суммы была потеряна Ибрагимом, из них большая часть на бензокосах (651 тысяча):
Достаточно хороший повод начать распредять заявки между менеджерами в соответствии с их лучшими компетенциями в продажах.
IV. Если рассмотреть отдельно несостоявшиеся продажи у Ибрагима за март, видно, что основной причиной отказа его клиентов является проблема с доставкой:
В то время, как у других менеджеров это не явялется такой распространенной причиной:
Возможно, причина в том, что Ибрагим не знает о последнем обновлении списка городов доставки.
V. Легко заметить, что Маша сильно выбивается по выданным скидкам на бензопилы в марте:
При этом основную часть ее скидок получают либо партнеры, либо клиенты по акции:
Будем надеяться, что у Маши нет коммерческого интереса в занижении цен и предоставлении скидок.
VI. Несмотря на то, что сумма заказов бензопил выше:
Реальный доход (с учетом маржи и скидок) по ним отличается более чем в два раза:
Самую плохую доходность показывает бензопила Дружба:
VII. Кстати, потеря в доходе только потому что менеджеры не успели связаться составила 259т.р.:
Я думаю, что вы и сами сможете найти массу инсайдов, поигравшись с фильтрами и сегментами, а, если данные будут реальны, то инсайды могут быть куда интереснее.
Что дальше?
- Для данного отчета можно настроить ежедневный сбор данных из всех источников и в реальном времени наблюдать за изменением показателей.
- Для данного отчета можно подключить функцию Q&A, с помощью которой можно задавать вопросы к интерфейсу на своем языке и получать графики и значения без знания Power BI. Об этой функции мы расскажем позже.
- Для данного отчета можно настроить систему оповещений при изменении какого-либо показателя ниже или выше пикового значения.
- Можно добавить целевые значения для объемов продаж и заказов – общие или отдельно по менеджерам.
Пример визуализации подготовлен компанией myBI.
