业务背景

3W咖啡店是一家连锁餐饮品牌，以咖啡（coffee）、冰品（ice cream）、软饮（soft drink）、茶（Tea）、美食（Pastry）等商品零售为主业，目前在北京有8家分店。现提供本店最近1年至今的经营数据，包括如下字段：

商品：种类，定价和总销量
订单：订单id，会员信息，交易时间，交易门店id和订单中的商品数量
门店：门店名称，店长姓名，销售额目标

请协助该地区的营运负责人评估各门店的经营状况。你的任务是：

设计一个表格，追踪各门店本月每日的销售额目标完成进度
根据本月1~15号的销售数据，试预测各个门店本月是否能完成销售任务

计算周权重和日权重指数

首先观察历年全店销售额数据，按星期汇总后得到如下曲线图。可以看出，3W咖啡店的销售额呈现以周为单位变化的趋势，符合线下零售的特点。每周销售峰值出现在周四/周五，推测可能是由线下会员日促销活动引起的。据此，可以尝试使用权重指数分析法对各门店销售情况进行分析。

1. 数据清洗和特殊日期筛选

对原始数据进行清洗（去重、一致化、异常值排除），然后按日期进行排序，并汇总各店每日销售数据得到企业的每日销售额。

由于计算周权重指数时需要排除特殊日期（节假日），因此以国务院假日办公布的放假日期为准，制作假日表。

相应地，在销售数据大表中添加“假日标志”字段，可使用IF+COUNTIF查表判断当前日期是否为假日，公式如下

IF(COUNTIF(假期表’!A:A,[@日期])=0,0,1)

2. 计算周权重指数

使用上一年（2019年）的销售数据计算周权重指数。将汇总后的企业销售数据除去节假日，然后以周为单位分别计算各星期数的平均销售额。取其中的最小值（6888.8）为基准，对应星期二的权重指数记为1.0；其余星期数对应的权重指数按下式计算：

星期N的权重指数 = 星期N的周均销售额 / 星期二的周均销售额 × 1.0

计算结果如下图所示（注意图中由于篇幅限制省略了第4~第50周数据），取各星期数对应的权重指数之和即为周权重指数（又称为企业标准），计算值为10.58。

3. 计算各分店的日权重指数

考虑到分店的销售规律受时效性影响较大，因此取最近3个月数据（2020.6 - 2020.8）计算分店的日权重指数。同样地，首先利用假日表排除掉特殊日期的销售数据以免影响常规日期的销售规律，然后按周计算各星期数的平均销售额。

各分店的日权重指数统一根据企业的周权重指数来导出，以便于数据的标准化应用，具体计算公式如下。

分店日权重 = 星期N的销售额平均值 / 周平均销售额 × 企业周权重

需要注意的是，由于过滤掉了节假日的销售数据，因此周平均销售额的值应取星期N销售额平均值之和，以确保日权重之和等于企业周权重。即

周平均销售额 = ∑星期N的销售额平均值

此外，可以使用数据透视表+筛选器来处理各门店的数据，提高工作效率：

最后将各门店的日权重计算结果汇总为一张表，以便于后续分析使用。

销售追踪与预测

目标追踪是促进销售最大化的有力手段，而高质量的目标追踪离不开科学的销售目标设置和任务分解。结合各门店的月销售额目标数据和销售日权重值，可以将销售目标分解到日，按天追踪各分店的目标完成进度，并能据此预测当月的销售水平。

月销售目标的分解

销售目标的分解主要依据销售规律来进行，根据销售日权重指数占月权重值的比例将月度销售目标分解到日，计算式如下

第n日销售目标 = 本月销售目标 ×（第n日权重指数 / ∑本月的日权重指数）

这里需要注意，若当月有特殊日期，则相应日期的权重数据应当替换为特殊日期的日权重值。由于2020年9月份没有节假日和促销活动，因此本例中省略了特殊日期指标的计算，直接查找上述日权重计算表的结果代入公式即可。

以西单店为例展示计算结果，如下图所示。西单店9月的销售目标为38353元，截至本月15号共销售19824.4元，每日销售目标的完成度主要分布在71%~129%之间，整体呈现上升趋势。

月度销售额的预测

在累积了一定本月销售数据的基础上（通常需要在10天以上），可以通过日权重指数预测当月的销售额。其原理是利用销售的周期性，假定每天的销售进度与本月历史销售目标完成度相同，从而根据目前实际达成的销售额，反求本月累计销售额，具体计算式如下

n日累计销售额预测值 = ∑n日销售额 ÷ (∑n日权重指数 / ∑本月的日权重指数 )
*式中，n>=10

同样地，使用日权重指数计算月销售额的预测值时也需要考虑特殊日期的影响，将相应日期的权重数据替换为特殊日期的日权重值。另外，由于历史销售完成情况是一个累计值，因此需要每日更新预测值。

仍以西单店为例，根据9月1-15日的销售数据预测当月的销售额。首先计算出1-15日的销售额合计值为19824.4元，截至15日的累计权重指数为22.5，本月权重指数之和为44.4（无特殊日期），代入计算式可得当月销售额预测值为39194.6元，有希望超额完成本月销售目标（38353元）。

为了提高计算效率，减少重复计算各门店数据的工作量，可以利用函数根据门店名称获取计算所需要的数据。本例中使用了SUMIFS从销售订单表中获取了日销售额数据，使用VLOOKUP从权重表中获取日权重值，使用OFFSET查找门店目标表中的月度目标销售额。通过数据有效性设置下拉列表，即可轻松查看各门店的日销售完成度与最新的月目标预测值。
（此处有一张gif，待补）

小结

本文以连锁咖啡店销售数据为基础，采用权重指数法计算了企业的周权重指数以及各门店的日权重指数，并据此将各门店的月销售目标分解到日，实现了销售情况的实时追踪。同时，利用历史销售数据结合日权重指数进行了月度销售额的预测，有助于提升对各店运营状态的掌控。上述计算通过Excel数据透视表和函数完成，实现了各门店指标计算的模板化，减少了繁琐的重复计算，有利于提高工作效率以及线下门店的推广使用。

使用周权重指数追踪及预测咖啡店销售数据相关推荐

power bi 日期计算_PowerBI 动态计算周内日权重指数
在很多行业,尤其是零售业,其销售规律在一周内呈现一定的特点. 例如:平时有一种购买特点:周末有一种购买特点. 故而一周内的星期一到星期日呈现一定的权重分布. 周内日权重分布 1 到 12 表示月序号: ...
Python 时间序列建模：用指数平滑法预测股价走势
指数平滑方法适用于非平稳数据(即具有趋势和/或季节性的数据),其工作方式类似于指数移动平均线.预测是过去观察的加权平均值.这些模型更加强调最近的观察结果,因为权重随时间呈指数级变小.平滑方法很受欢迎, ...
大数据报告：十一国庆黄金周全民出行交通情况预测
9月21日,高德地图联合长安马自达发布了<十一全民出行大数据预测报告>.本次报告首次公布了景区驾车适宜指数,并揭露了选择不同档次.车型人群的假期出行偏好,从多个维度提供了国庆黄金周出行服务 ...
R语言时间序列（time series）分析实战：简单指数平滑法预测
R语言时间序列(time series)分析实战:简单指数平滑法预测目录
matlab 二次指数平滑法预测
二次指数平滑法预测 clc,clear ://清空命令行,工作区 load pre1.txt %原始数据以列向量的方式存放在纯文本文件中 yt=pre1; n=length(yt); alpha=0. ...
思科全球云指数：2010-2015预测报告
2019独角兽企业重金招聘Python工程师标准>>> 思科全球云指数:2010-2015预测报告思科全球云指数:2010-2015预测报告思科公司最近公布了<全球云指数&g ...
眼球追踪如何预测头部追踪
眼球追踪如何预测头部追踪我将于本周末访问DC州的神经科学学会会议,而且能够看到一些关于眼球追踪方面的最新进展. 很多时候,人们问为什么眼睛追踪对促进研究和为残疾人提供用户界面是很有帮助的. 一个有趣 ...
大数据早报：MongoDB申请IPO 十一国庆黄金周全民出行交通情况预测报告出炉（9.23）
数据早知道,上36dsj看早报! 来源36大数据,作者:奥兰多『MongoDB』MongoDB申请IPO 开源数据库 MongoDB 的开发商向美国证券交易委员会递交了 IPO 申请. 文件显示,M ...
基于人工智能深度学习技术的高速公路路段安全指数分析与预测
基于人工智能深度学习技术的高速公路路段安全指数分析与预测保障交通运输安全平稳运行! 保障交通运输安全平稳运行! 保障交通运输安全平稳运行! 对滴,重要事情一定要说三遍加强道路安全与畅通是促进交通 ...
TensorFlow 模型和权重的保存及预测
TensorFlow模型和权重的保存因为大肥狼在使用保存的模型和权重进行预测时遇到了一些问题,所以本文将介绍如何在TensorFlow中保存模型和权重,并如何使用保存的模型和权重来进行预测. 1.代 ...

使用周权重指数追踪及预测咖啡店销售数据