多店数据散落多表,异常门店靠主观判断,改进建议缺数据闭环
本页展示的是「应该怎么跑、每一步看什么、交付什么」,用的是真实业务格式的脱敏构造数据, 不宣称已接入客户生产系统,也不承诺任何效率提升百分比。 案例设定:某快餐品牌「鲜锋食客」7 月 1-9 日,8 家门店。区域经理把 9 天营业数据(含天气列)扔进来 —— 内含 1 家零外卖门店、1 家数据缺失门店、1 家高波动门店,7/6 大雨叠加周一,复盘会下午要开。
注意这份材料的构成 —— 它只是 8 家门店 9 天的日营收流水加一列天气,没有任何「分析」字段。这个场景的价值,很大一部分就来自把流水变成指标、排序和归因。
短是因为「字段归一化、7 项指标口径、三维评分权重、天气归因规则、双层建议结构」都在 Skill 规格里。区域经理只要把数据扔进来。
区域经理把 9 天数据全部扔进来 —— 报告的价值在「警惕门店清单附核心问题一句话」,不在总营收本身。
| 指标 | 数值 | 怎么读 |
|---|---|---|
| 覆盖门店 / 统计天数 | 8 家 / 9 天 | 7/1-7/9 全周期 |
| 总营收 | ¥91,490 | — |
| 门店日均 | ¥1,271 | 基准线,低于 70% 触发预警 |
| 堂食 / 外卖占比 | 78.3%(¥71,634)/ 21.7%(¥19,856) | 外卖仍有结构空间 |
| 全品牌平均波动率 | 19.2% | 高于此值的门店进观察名单 |
指标卡的意义是定基准 —— 没有 ¥1,271 这条基准线,「宝安店两天特别差」就只是感觉。
| 门店 | 日均 | 波动率 | 核心问题 |
|---|---|---|---|
| S03 宝安店 | ¥874 | 28.0% | 最低日仅 ¥407 —— 高波动,需排查低谷日成因 |
| S05 罗湖店 | ¥729 | 27.0% | 全品牌最低日均 + 零外卖门店 —— 结构性短板 |
| S07 光明店 | ¥963 | 23.2% | 仅 4 天有效数据,完整性 44% 存疑 —— 先补数据再下结论 |
注意 S07 被纳入的理由是「数据完整性」—— 它可能不是经营差,是数据缺;把它标出来恰恰是为了防止误判,这就是完整性占 20% 权重的意义。
| 建议 | 数据依据 |
|---|---|
| ① 会员日加码 | 7/2、7/9 会员日增量约 6%,建议提升折扣 30%+ 提前 1 天推送 |
| ② 周一专项应对 | 7/6 大雨叠加周一,设立「周一特惠日」引流单品拉进店 |
| ③ 外卖渠道深挖 | S05 零外卖,建议开通并推「雨天外卖补贴」 |
| ④ 波动管控机制 | 低于日均 70% 自动推送预警,24h 内排查原因 |
7/6 的下滑归天气(系统性),S05 的低迷归结构(零外卖)—— 归因分开,建议才不会把「等雨停」和「开外卖」混为一谈。
答不上来的问题,比答得漂亮的问题更能决定这场演示的结果
回到场景引入,看这个场景的痛点、做法与边界