SQL: تحلیل کسبوکار و عملکرد فروش
تحلیل فروش آنلاین و حضوری با SQL Server و دادههای AdventureWorks در بازهٔ ۲۰۱۱ تا ۲۰۱۴.
متن اصلی به زبان انگلیسی نگاشته شده و نسخهٔ فارسی، توسط هوش مصنوعی ترجمه شده است.
با SQL Server دادههای فروش پایگاه نمونهٔ AdventureWorks را بررسی کردم و فروش آنلاین و حضوری را از سال ۲۰۱۱ تا ۲۰۱۴ با هم سنجیدم. میخواستم به پرسشی ساده پاسخ دهم: عملکرد فروش بین سالهای ۲۰۱۱ و ۲۰۱۴ چطور تغییر کرد و فروش آنلاین و حضوری چه تفاوتی داشت؟
پرسوجوی SQL
SELECT YEAR(OrderDate) AS Year, COUNT(*) AS TotalOrders, COUNT(CASE WHEN OnlineOrderFlag = 1 THEN 1 END) AS OnlineOrders, COUNT(CASE WHEN OnlineOrderFlag = 0 THEN 1 END) AS OfflineOrders, SUM(TotalDue) AS TotalRevenue, SUM(CASE WHEN OnlineOrderFlag = 1 THEN TotalDue END) AS OnlineRevenue, SUM(CASE WHEN OnlineOrderFlag = 0 THEN TotalDue END) AS OfflineRevenue, SUM(CASE WHEN OnlineOrderFlag = 1 THEN TotalDue END) / COUNT(CASE WHEN OnlineOrderFlag = 1 THEN 1 END) AS AverageValueOnlineOrders, SUM(CASE WHEN OnlineOrderFlag = 0 THEN TotalDue END) / COUNT(CASE WHEN OnlineOrderFlag = 0 THEN 1 END) AS AverageValueOfflineOrders, SUM(Freight) AS TotalFreight, SUM(CASE WHEN OnlineOrderFlag = 1 THEN Freight END) AS TotalOnlineFreight, SUM(CASE WHEN OnlineOrderFlag = 0 THEN Freight END) AS TotalOfflineFreight, ROUND(SUM(Freight) * 100.0 / SUM(TotalDue), 2) AS FreightPercentage, SUM(TotalDue) / COUNT(*) AS AverageOrderValue, SUM(CASE WHEN OnlineOrderFlag = 1 THEN TotalDue END) / COUNT(CASE WHEN OnlineOrderFlag = 1 THEN 1 END) AS AverageOnlineOrderValue, SUM(CASE WHEN OnlineOrderFlag = 0 THEN TotalDue END) / COUNT(CASE WHEN OnlineOrderFlag = 0 THEN 1 END) AS AverageOfflineOrderValueFROM Sales.SalesOrderHeaderGROUP BY YEAR(OrderDate)ORDER BY YEAR(OrderDate) ASC;یافتهها
تعداد کل سفارشها از سال ۲۰۱۱ تا ۲۰۱۴ حدود ۷٫۳ برابر شد. بزرگترین جهش بین ۲۰۱۲ و ۲۰۱۳ رخ داد؛ حجم سفارشها تقریباً ۳٫۶ برابر شد. اما در سال ۲۰۱۴، تعداد کل سفارشها حدود ۱۷ درصد افت کرد.
سفارشهای آنلاین از ۱٬۲۰۱ مورد در سال ۲۰۱۱ به ۱۱٬۱۳۱ مورد در سال ۲۰۱۴ رسید؛ بیش از ۹ برابر. مسیر سفارشهای حضوری متفاوت بود: ابتدا افزایش یافتند، اما حجم سالانهشان در ۲۰۱۴ بسیار به سطح ۲۰۱۱ نزدیک شد.
مسیر درآمد شگفتانگیزتر بود. از ۲۰۱۱ به ۲۰۱۲ رشد چشمگیری داشت، در ۲۰۱۳ حدود ۳۰ درصد بالا رفت و در ۲۰۱۴ نزدیک به ۵۴ درصد کاهش یافت. افت درآمد بسیار شدیدتر از افت تعداد سفارشها بود و همین، سال ۲۰۱۴ را برای بررسی بیشتر جالب میکرد.
تفاوت دیگری میان حجم سفارش و درآمد دو کانال دیده شد. تعداد سفارشهای آنلاین بسیار بیشتر بود، اما فروش حضوری در هر سال بررسیشده درآمد بالاتری ایجاد کرد. درآمد حضوری در ۲۰۱۴ حدود ۱٫۴ برابر درآمد آنلاین بود؛ درحالیکه این نسبت در ۲۰۱۳ حدود ۳٫۱ برابر بود.
این تفاوت در میانگین ارزش سفارش هم دیده میشد. میانگین ارزش سفارشهای حضوری در تمام دوره بهمراتب بیشتر از سفارشهای آنلاین بود، هرچند در سال ۲۰۱۴ میانگین هر دو کانال کاهش یافت.
هزینهٔ حملونقل بُعد دیگری به مقایسه اضافه کرد. هزینهٔ کل حملونقل برای سفارشهای حضوری در همهٔ سالها از سفارشهای آنلاین بیشتر بود، اما این فاصله تا ۲۰۱۴ بهطور محسوسی کمتر شد. بررسی این روند در کنار رشد سفارشهای آنلاین و کمشدن فاصلهٔ درآمدی ارزش داشت.
بینشهای کلیدی
۱. رشد فروش آنلاین میتواند به کاهش فاصلهٔ درآمدی دو کانال کمک کند.
فرضیهٔ من این است که سرمایهگذاری بیشتر روی کانال آنلاین، همراه با تلاش برای افزایش میانگین ارزش هر سفارش، میتواند به نزدیکشدن درآمد آنلاین به درآمد آفلاین کمک کند. برای این کار، تمرکز نباید فقط بر جذب سفارشهای آنلاین بیشتر باشد، بلکه باید ارزش ایجادشده از هر سفارش نیز افزایش یابد.
۲. فرصت رشد به اقتصاد هر کانال بستگی دارد.
فروش آفلاین در مجموع هزینهٔ حملونقل بیشتری داشت، اما این موضوع لزوماً به این معنا نیست که هزینهٔ تأمین و ارسال هر سفارش آنلاین کمتر است یا فروش آنلاین سودآوری بیشتری دارد. برای بررسی این موضوع، ساختار کامل هزینههای هر دو کانال را تحلیل میکنم تا مشخص شود آیا رشد فروش آنلاین، همراه با کنترل هزینههای پردازش و ارسال سفارشها، میتواند سودآوری شرکت را بهبود دهد یا خیر.
۳. افت درآمد در سال ۲۰۱۴ به بررسی دقیقتری نیاز دارد.
تفاوت میان میزان افت درآمد و کاهش کمتر تعداد سفارشها نشان میدهد که تعداد سفارشها بهتنهایی نمیتواند این تغییر را توضیح دهد. گام بعدی من بررسی فروش در سطح محصولات، قیمتگذاری، تخفیفها و میانگین ارزش سفارشها خواهد بود تا عوامل مؤثر بر این افت مشخص شوند و بتوان بررسی کرد که آیا این تغییر ناشی از تغییر رفتار مشتریان بوده است یا تغییر در ترکیب محصولات فروختهشده.
این پروژه فرصتی بود تا SQL را در زمینهای کسبوکاری تمرین کنم، الگوهای دادههای تراکنشی را پیدا کنم و آنها را به پرسشهایی برای تحلیل بیشتر تبدیل کنم.
