Co powinien zawierać raport sprzedaży
Raport sprzedaży nie jest zbiorem wszystkich dostępnych wykresów. To uzgodniony zestaw wskaźników, które zespół handlowy czyta co tydzień i na podstawie których podejmuje decyzje. W handlu, a zwłaszcza w modzie, zestaw ten jest dość stały.
- Sprzedaż netto w wartości i w sztukach, z porównaniem do planu i do tego samego okresu rok wcześniej.
- Marża kwotowa i procentowa, najlepiej z podziałem na sprzedaż w pełnej cenie i w obniżce.
- Sell-through od początku sezonu na poziomie kategorii i modelu.
- Zapas i pokrycie zapasu w tygodniach.
- Średnia cena sprzedaży i udział obniżek w przychodzie.
- Zwroty, szczególnie w e-commerce, gdzie potrafią istotnie zmienić wynik tygodnia.
Każdy wskaźnik musi mieć jedną definicję zapisaną w modelu danych, a nie w pojedynczym wizualu. Dzięki temu sell-through na stronie kategorii jest tym samym sell-through co na stronie przeglądu, a finanse i zespół handlowy nie spierają się o liczby.
Przykład dashboardu sprzedażowego w Power BI: strona przeglądu
Pierwsza strona raportu to przegląd dla kierownictwa. Zawiera kilka kart z najważniejszymi liczbami i jeden–dwa wykresy trendu. Czas potrzebny na przeczytanie tej strony nie powinien przekraczać minuty.
| Element strony | Co pokazuje | Pytanie biznesowe |
|---|---|---|
| Karty KPI | Sprzedaż, marża %, sell-through, pokrycie zapasu | Czy tydzień był lepszy od planu? |
| Wykres liniowy | Sprzedaż tygodniowa w tym i ubiegłym roku | Czy trend się poprawia? |
| Wykres słupkowy | Odchylenie od planu według kategorii | Która kategoria ciągnie wynik w dół? |
| Fragmentator | Sezon, kanał, kraj | Czy problem dotyczy całej sieci czy jednego kanału? |
Przykład dashboardu Power BI dla przeglądu kategorii
Druga strona służy kierownikom kategorii. Pokazuje kategorie i modele w tabeli z formatowaniem warunkowym, a kliknięcie kategorii filtruje listę najlepszych i najsłabszych modeli. Tabela poniżej pokazuje, jak może wyglądać jej główna część.
| Kategoria | Sprzedaż tygodnia (tys. zł) | Zmiana rok do roku | Sell-through | Pokrycie zapasu (tyg.) |
|---|---|---|---|---|
| Sukienki | 128 | 12% | 46% | 6,5 |
| Spodnie | 96 | -4% | 38% | 9,2 |
| Dzianina | 74 | 3% | 29% | 11,4 |
| Okrycia | 152 | 18% | 22% | 14,8 |
| Akcesoria | 31 | -9% | 51% | 5,1 |
Z takiej tabeli od razu widać, że okrycia rosną, ale mają niski sell-through i długie pokrycie zapasu, więc wymagają obserwacji przed szczytem sezonu. Akcesoria spadają rok do roku, a pokrycie zapasu jest krótkie – to może oznaczać braki, a nie słaby popyt.
Dashboard Power BI na koniec sezonu
Trzecia strona jest używana kilka razy w roku, przy podsumowaniu sezonu i planowaniu obniżek. Pokazuje krzywą sell-through tydzień po tygodniu, zapas pozostały na koniec sezonu w wartości i sztukach, marżę przed i po obniżkach oraz modele, które warto powtórzyć w kolejnej kolekcji.
- Krzywa sell-through sezonu na tle planu i poprzedniego roku, z zaznaczonymi tygodniami obniżek.
- Zapas końcowy według kategorii i wieku towaru, żeby oddzielić bieżącą kolekcję od starszych sezonów.
- Marża zrealizowana w porównaniu z marżą początkową – różnica pokazuje koszt obniżek.
- Lista modeli do powtórzenia i do wycofania, z sell-through, marżą i zwrotami w jednym wierszu.
Ta strona odpowiada na pytanie, czy sezon zakończył się zgodnie z planem, i dostarcza danych do budżetu zakupów na kolejny sezon. Dlatego warto zachować jej wersję z zamkniętymi danymi, zamiast nadpisywać ją przy każdym odświeżeniu.
Raport tygodniowy dla zespołu handlowego
Raport tygodniowy to rytm pracy działu handlowego. Dane z zamkniętego tygodnia powinny być gotowe w pierwszy dzień roboczy nowego tygodnia, zanim odbędzie się spotkanie handlowe. Dobrze działa stały układ:
- Podsumowanie tygodnia w trzech–czterech zdaniach, pisane przez analityka, a nie generowane z wykresów.
- Wynik względem planu i roku ubiegłego dla całej marki, kanałów i krajów.
- Najlepsze i najsłabsze modele tygodnia z informacją o zapasie i pokryciu.
- Lista działań: uzupełnienia, przesunięcia towaru między sklepami, propozycje obniżek.
- Status działań z poprzedniego tygodnia.
Porównanie rok do roku w handlu robi się tydzień do tygodnia, a nie data do daty. Tydzień z tym samym układem weekendów daje uczciwe porównanie, dlatego tabela kalendarza w modelu powinna mieć kolumny roku handlowego i numeru tygodnia.
Projekt dashboardu Power BI krok po kroku
- Krok 1. Zebranie decyzji, a nie wykresów: jakie decyzje zespół podejmuje co tydzień i jakich liczb do tego potrzebuje.
- Krok 2. Słownik wskaźników: nazwa, wzór, źródło danych i właściciel każdej definicji.
- Krok 3. Model danych w schemacie gwiazdy: tabele faktów sprzedaży i zapasów oraz wymiary produktu, sklepu i kalendarza.
- Krok 4. Miary DAX dla wszystkich wskaźników ze słownika, zamiast kolumn obliczeniowych.
- Krok 5. Szkic stron na papierze lub w PowerPoincie i akceptacja układu przez użytkowników.
- Krok 6. Budowa stron, testy z danymi z zamkniętego tygodnia i porównanie z dotychczasowym raportem.
- Krok 7. Harmonogram odświeżania, uprawnienia (np. RLS dla krajów) i krótka instrukcja dla zespołu.
Najwięcej czasu zajmują kroki 1–3. Dashboard zbudowany na niespójnych definicjach wygląda dobrze, ale po kilku tygodniach zespół wraca do Excela, bo liczby nie zgadzają się z innymi raportami.
Źródła danych w handlu są zwykle trzy: system kasowy i sklep internetowy (sprzedaż i zwroty), system magazynowy lub ERP (zapasy i dostawy) oraz plik z planem, często w Excelu. Plan warto trzymać w tym samym układzie co dane rzeczywiste – kategoria, kanał, tydzień – bo inaczej porównanie z planem wymaga ręcznych przeliczeń.
Zasady czytelnego dashboardu sprzedaży w Power BI
- Jedna strona – jedno pytanie. Strona, która próbuje odpowiedzieć na wszystko, nie odpowiada na nic.
- Najważniejsze liczby w lewym górnym rogu, szczegóły niżej i po prawej.
- Zawsze punkt odniesienia: plan, rok ubiegły albo średnia. Sama liczba sprzedaży nic nie mówi.
- Kolor tylko dla odchyleń: zielony i czerwony zarezerwowane dla wyniku względem planu, reszta w neutralnych barwach.
- Te same filtry w tym samym miejscu na każdej stronie.
- Nazwy wskaźników ze słownika, bez skrótów zrozumiałych tylko dla autora raportu.
Miary DAX do raportu sprzedaży w Power BI
Poniższe miary tworzą podstawę raportu. Porównanie rok do roku używa funkcji SAMEPERIODLASTYEAR, która wymaga tabeli kalendarza oznaczonej jako tabela dat; przy kalendarzu handlowym zastępuje się ją filtrem po numerze tygodnia i roku handlowym.
Sprzedaż netto = SUM ( Sprzedaz[WartoscNetto] )
Sprzedaż rok temu =
CALCULATE ( [Sprzedaż netto], SAMEPERIODLASTYEAR ( Kalendarz[Data] ) )
Zmiana rdr % =
DIVIDE ( [Sprzedaż netto] - [Sprzedaż rok temu], [Sprzedaż rok temu] )
Sell-through % =
DIVIDE (
SUM ( Sprzedaz[Sztuki] ),
SUM ( Zapasy[ZapasPoczatkowy] ) + SUM ( Dostawy[Sztuki] )
)Jeśli chcesz uporządkować raport sprzedaży w Power BI dla swojego zespołu, umów konsultację – odpowiadam w ciągu jednego dnia roboczego.