Sales Performance Dashboard af kat12

Anonim
Skabt af: kat12

Salgsydelse: - Hver virksomhed har et produkt, de har brug for at sælge det for at øge forretningen og returnere virksomhedens udgifter. Så salget spiller en meget vigtig rolle for at øge forretningen, og derfor var vi nødt til at fokusere på deres præstationer. I sidste ende, når salget forbedres, vil virksomheden vokse.

Salgspræstationsdashboard er nyttigt til at analysere salgsresultater. Ved at bruge dashboardet til salgspræstationer kan vi se den individuelle ydelse og forbedre ydelsen på grundlag af data, det vil hjælpe os med at forudsige den næste vision om mål og præstationer og styre tingene som hvordan vi kan forbedre salget og hvordan vi kan generere indtægter osv.

Objektiv: Formålet med instrumentbrættet er at forstå visuelt, salget, filtreret (efter faktorer som region, sælger osv.) Og grupperet (efter faktorer som år, kunde osv.).

Dataene:

=> De originale data var ikke særlig beskrivende. Jeg har givet gyldige navne til 'Salgspersoner', 'Produkter' og 'Kunder'.

=> Hver 'sælger' har foretaget et bestemt salg. For at foretage en meningsfuld sammenligning har jeg taget det maksimale salg til 1500 og beregnet procentdelen af ​​hvert salg foretaget mod det. Jeg har fordelt dataene i 3 kategorier:

1. 10 % til 40 % - Under gennemsnittet (vist med brun farve)

2. 41 % til 80 % - Ok. Kan gøre det bedre (vist med lysorange farver)

3.> 80 % - Tæt på det faktiske mål på 1500 (vist med grøn farve)

Dashboard: Instrumentbrættet bruges til at hjælpe brugeren med at ”bore-down” (hvad angår salgspersoner, kunder og produkter) og finde antallet (i henhold til kategorier) med hensyn til antal og farve.

Instrumentbrættet blev oprettet ved hjælp af en 17-tommer skærm. Brugeren skal muligvis rulle ved visning på en mindre skærm.

Dashboardet:

Visuelle komponenter i instrumentbrættet.

1.Slicers: Skærerne hjælper med at analysere dataene efter 4 kategorier - 'Region', 'Salgsperson', 'Produkt' og 'Kunde'.

2. Gitteret: Når du klikker på en udsnit eller vælger den kolonne, du vil have de sorterede data vist, ændres gitteret i overensstemmelse hermed.

Under gitteret ser du firkantede kasser i farverne brun, lysorange og grøn. Tallene i disse er, hvad du får efter at have klikket på et eller flere elementer i udskæreren (og/eller valgt den kolonne, du vil have dataene sorteret mod.

Når du har valgt den kolonne, der skal sorteres efter, vises kolonnerne i bunden, og totalerne for de værdier, der er valgt i udsnittet til kolonnen, beregnes i 3 kategorier (10 % til 40 %, 41 % til 80 % og> 80 % og gitteret afspejler disse tællinger med farverne)

3.Sorter efter kolonne

Du har mulighed for at præsentere den sortering, dataene fik, efter at du har valgt emner i skiverne. Dette er en drop -down med værdier. Mulige værdier er:

Eksempler på brug:

1. For 'Region 1', for sælger 'Courtney', find mængden af ​​salg af mandler, brød og cookies foretaget til kunde Cindy og sorter efter produkt først og derefter efter år 2011

Efter produkt

Efter år

Analyse: Salgsfolkene har for det meste været over gennemsnittet i deres salg af produkter til kunder.

2. For ‘Region 2’, for salgspersoner (undtagen Amber og Barbera), for produkter (Donut, æg og mel) på tværs af kunder efter år 2011 og 2012.

efter år 2011

I år 2012


Analyse: Salgsfolkene har for det meste været over gennemsnittet i deres salg af produkter til kunder, med et par ‘højere’ salg angivet med grøn farve.

3. Når vi analyserer data for Region 3, sorterer dataene efter sælger, ser vi nedenstående

Bemærk:

1. Når du klikker på en 'Slicer', efter at gitteret er vist, hviler fokus i celle B2.
2. Når du vælger en værdi fra rullelisten, efter at gitteret er vist, hviler fokus på celle AR2.

Undtagelse

Gitteret kan vise salgstællinger op til 81. Skulle du vælge flere regioner, går antallet over 81. I dette tilfælde ser vi en fejlmeddelelse, og gitteret ryddes for færdigmalet farve.


Vi fravælger derefter alle regioner og vælger en region og underfiltre i andre udsnit. Derefter analyserer vi dataene.
Data for region 1

Data for region 3

Data for region 4