福佳是R药店的店长，数据分析是她必须面对的事。只是，福佳觉得公司例会时的数据大而广，营业额与毛利额阶段增长率、环比、占比等分析，虽然对自己门店有指导性，有压迫感，但并不完全，也不够细。比如，自己店里面的止咳化痰类别药到底卖得好不好？其相关产品关联销售怎样？福佳说出了数据分析的难点。

其实，在多数连锁运营药店的数据分析中，对比分析最多，门店当下与前期或历史对比、门店间对比、区域间对比、平均线对比等。对比的目的是为了让门店清楚自己处在什么位置，但却没告诉门店为什么处在这个位置，只有具体的商品与品类分析才能明示，而这些数据需要总部人员与门店一起从POS机里寻找。

哪些数据能真正说明业绩好坏的根源呢？

(1)品类数据。从大分类、中分类到小分类的具体数据中找差距，才能知道门店在哪一个类别里是落后的。比如，以止咳化痰类别来说，因受季节因素影响，这一种类某些阶段在各店都是增长的，要看出门店问题就要看哪家门店在增长中偏离，如增长过少或者此类虽增长但毛利很低，这些都需矫正。这是类别里的数据，需要公司将传回的销售数据进行整理分析，给门店参考。

大分类是处方药、非处方药、便利品、季节性商品等，中分类对药店来说则是五官、感冒、清热解毒或者抗感染用药等，而小分类则进一步细化到抗感染药中的β—内酰胺类，这里面的数据很值得细细品味与挖掘。

(2)商品关联数据。这一数据可以从两方面来开展，一是顺推，一是倒推。顺推是从现成数据中分析员工的导购习惯与顾客的消费习惯，比如，在分析小票数据时，发现A商品与F商品出现在一起的次数较多，像乳酸菌素片与健胃消食片。因此，在导购时要主动告知顾客：有较多顾客在购买A商品的同时买F商品。顺着大众消费习惯进行推动，就好比设计公园的小人行道时，先不规划，待人们“踩”出路来后才按路线铺路，这一方式虽显被动但也不失机智。

另一种是倒推，也就是从销售数据中去找寻那些按“常理”可以关联的产品。但是在销售中，我们却发现一些门店只是单独卖了其中某一种产品。举个例子，我们在POS机里面看到治疗足癣的外用软膏卖了10支，但是棉签的销售量却为零，这是不合情理的，也就是说，员工在导购时没有推荐。因而，从具体的商品关联缺失中可以看出员工的销售能力与态度。

笔者也曾以此分析某一线品牌的男性功能产品，发现做得好的门店会有相关的高单价产品销售，而有差距的门店则是顾客来点名要则只卖该产品，数据说明了一切。

(3)新商品与潜力分析。当我们以销售数量进行POS机里面的销售排序，可以看出新商品、季节商品的数量变化，也可以看出顾客消费趋势。具有同类性质的产品在某个时段销售集中说明是流行因素或者是时节特性的影响，从中可以发现可培育的新品或者是找到更适合门店当下销售的重点产品。

类似的数据还有，说起来虽易，但是对于即使只有几十家门店的连锁店来说，要分析、融合、转换成门店管理人员与员工看得懂，并可变成行动的数据，却极需功夫。商品部的人真不容易！需要注意的是，“福佳”们不能只是等待总部的数据结果，也要从POS机中直接去发掘信息。