营销数据分析指标

Ⅰ 药品销售数据分析有哪些常用指标和分析方法

药品销售数据分析常用的指标：
1.动销率＝销售商品品种数量÷有库存的商品品种数量
说明：比率越高，表示经营效率越高或品种结构越好、比较适应目标消费群；比率越低，表示经营效率越低或品种结构越差、不适应目标消费群。
2.库存周转率＝销售额÷[（期初库存金额＋期未库存金额）／2]（以零售价计）
说明：比率越高，表示每件商品的固定费用（成本）减低、相对降低由损坏和失窃引起的亏损、能适应流行商品的潮流、能以少额的投资得到丰富的回报、减少存货中不良货品的机会、容易出现“断货” 、陈列不够丰满、进货次数的增加，进货程序和费用相应增加。
3.存货周转期间＝平均存货÷销货净额／365
说明：期间越长，表示经营效率越低或存货管理越差；期间越短，表示经营效率越高或存货管理越好。
4.配送中心退货率分析＝配送中心退货金额÷配送中心进货金额
说明：比率越高，表示存货管理控制越差，定货不合理；比率越低，表示存货管理控制越好，定货合理。
5.销售毛利率＝毛利÷销售额
说明：比率越高，表示获利的空间越大；比率越低，表示获利空间越小。对于我们经营的商品而言，毛利率不是越高越好 ，它应该是一个合适的区间。
6.销售净利率＝净利÷销售额
说明：比率越高，表示净利率越高、费用控制合理；比率越低，表示净利率越低、费用开支过大。
7.品效分析＝营业收入÷品项数目
说明：品效越高，表示商品开发及淘汰管理越好；品效越低，表示商品开发及淘汰管理越差。
8.面积效率分析（坪效）＝营业收入÷营业面积
说明：面积效越高，表示卖场（全场）面积所创造的营业额越高，面积能够合理使用；面积效越低，表示卖场（全场）面积所创造的营业额越低，卖场使用不合理。
9.来客数＝通行人数×入店率×交易率
说明：来客数越高，表示客源越广；来客数越低，表示客源越窄
10.客单价分析＝营业额÷来客数
说明：客单价越高，表示一次平均消费额越高，消费者购买能力强，商品宽度能够满足消费者一站式购物心理、商品陈列的相关性和连贯性能够不断激发消费者的购买欲望；客单价越低，表示一次平均消费额越低，消费者购买能力弱，商品宽度不能够满足消费者一站式购物心理、商品陈列的相关性和连贯性没有能够不断激发消费者的购买欲望。
11.大分类构成比＝大分类销货净额÷总销货净额
说明：分析各大分类产品占销售净额的比例

Ⅱ 数据分析系列-零售数据指标

对零售行业最重要的是卖货，也就是销售，说到销售就会需要有人买也有人卖、有货卖、和有卖的渠道，也就是我们所熟悉的“人”“货”“场”三大概念，这里再补充一个零售数据分析很重要的指标体系：“钱”-财务，卖了还得有得赚才行。

首先是人这部分，包括销售人员和顾客

针对销售员的指标主要围绕的是销售和管理

销售指标包括了：

成交率=成交顾客数/客流量*100%

完成率=销售网成熟/目标书*100%

平均成交时长=每一位顾客成交时间总和/顾客数

平均接待时长=接待每位顾客时间总和/接待顾客数

投诉率=投诉的顾客总数/顾客总数*100%

管理指标包括：

定编满足率=实际员工总数/标准配置人数*100%

员工流失率=某时间段内流失的员工总数/（（期初员工总数+期末员工总数）/2）*100%

工资占比=企业支付的员工工资总额/销售额*100%

对于顾客分普通顾客和会员

普通顾客最主要的指标是：

客单价=销售总额/有交易的顾客总人数，就是平均每位顾客的消费额

件单价=销售总金额/销售总数量，就是每单卖出了多少钱

连带率=销售总数量/成交总单数，就含枝是每单卖出了多少件的意思

连带率包括单品连带率的和品类连带率，分开看看就好

会员的指标包括：

新增会员数=期末会员数-期初会员数

会员增长率=某段时间新增会员/期初有效会员数*100%

会员贡献率=会员销售总金额/销售总金额*100%

有效会员数=有效会员/累计会员数*100%，所谓有效会员和行业有关，可以根据自己的实际业务看在有效时间内是否有消费记录的会员来判断

会员回购率=时间段内有交易的老会员数/期初有效会员总数*100%

会员流失率=某段时间内流失掉的会员数/期初有效会员总数*100%

会员回购频率=某时间段内所有老会员消费次数/（期初有效会员+期中新增会员）*100%

会员基础属性=如平均年龄、性别比例等

以上是针对人的分析

接着是场，分析这个销售场所的质量和发展前景，主要指标包括：

销售额=总的售出金额，会分月、季度、年等时间范围看是否达到阶段性的销售目标

进店率=进店人数/路过人数*100%

接触率=接触商品人数/进店人数*100%

成交率=成交顾客数/进店人数*100%

完成率=完成数/目标数*100%

大宗交易占比=大宗购买订单/总销售额*100%

增长率=增长数/基础数*100%，基础数可以是同期也可以是上一个周期的数据，简单来说就是自己和自己的哪个时间段比较

坪效=销售额/店铺面积

人效=销售额/店铺员工数

还有一些看大区域的指标包括：

市场占有率=这一般需要通过市场调研才能获得的数据

竞品指数=（本公司销售额/量）/（竞争对手销售额/量）

平均排名=也是通过市场调研获得的参陆老拦考数据

净开店率=（开店数-关店数）/期初店铺数*100%

卖场经常会搞活动，所以也会关注促销指标，例如

费效比=促销费用金额/促销期间产生的销售额*100%

促销的目标完成率=促销期间销售完成数/促销目标数*100%

品牌参活度=参与促销活动的品牌数/卖场所有品牌数*100%

会员参与率=参与促销活动的会员数/有效会员数*100%

针对货部分

分了三个部分分析：入货、销售、存货

入货就是采购，需要分析商品的广度，也就是所含的品类有多少

广度比=采购的商品品类数/可采购的商品总品类数 * 100%

分析商品的宽度，就是采购多少的sku

宽度比=采购的sku数/可采购的sku数 *100%

分析商品的深度，使用广度和宽度的对比

商品深度分析=采购的商品总数量/采购的sku总数

也就是看每个sku有多少的货，通过深度看缺货可能性和压货的风险

销售看的货品指标有：

货龄=商品的年龄，从生产日期开始算，主要是以防商品过期

售罄率=某段时间内的销售数量/（初期库存数量+其中进货数量）*100%

售罄率是个分阶段追踪的数值，早胡一是评判商品的受欢迎程度另一个是为了防止缺货，这是个非常重要的指标

折扣率=商品实收金额/商品标准零售价*100%

动销率=某段时间内销售过的商品sku/（期初有库存的商品sku数+期中新进商品sku数）*100%

缺货率=某段时间登记缺货的商品数/（初期有库存的商品数+期中新进商品数）*100%

品类销售的结构占比=某品类销售额/总销售额*100%

正价销售占比=正价商品销售额/总销售额*100%

还有畅销及滞销商品排行，均按销售额/销售量排行

退货率=某个周期内商品的退货数/总销售数*100%

残损率=残损商品数/商品总数*100%

特殊服务率=特殊服务的顾客数/总销售顾客数*100%

存货部分的数据指标包括：

平均库存=（期初库存-期末库存）/2

库存天数=期末库存金额/（某个销售期的销售金额/销售期天数），库存天数是衡量库存滚动变化的量化标准，也是衡量库存可销售时间的追踪指标，是一个对库存管理来说非常重要的指标

库销比=期末库存金额/某个销售期的销售金额*100%，一般看月库销比比较多

有效库存比=有效库存金额/总库存金额*100%，所谓有效库存指给门店带来销售价值的商品库存，也就是有销售产能的商品库存。

针对钱部分主要看以下指标：

毛利率=（销售收入-营业成本）/销售收入*100%

纯利率=（销售收入-营业成本-费用）/销售收入*100%

交叉比率=商品毛利率*商品周转率，商品周转率=销售收入/（（期初库存值+期末库存值）/2）

回款达标率（客户）=回款客户/欠款客户*100%

回款达标率（金额）=回款金额/欠款金额*100%

以上是对零售行业比较基础的数据指标总结，希望对从事此方面行业的朋友有帮助，实际还会有更深层的分析方法和权重指数，但这部分的复杂程度已经到了管理工具层面了需要更深入的学习，有机会再探讨。

Ⅲ 销售数据分析的内容一般有哪些

销售数据分析一般包括：

1、营运资金周转期分析销售收入结构分析

2、销售收入对比分析

3、成本费用分析

4、利润分析

5、净资产收益率分析

销售数据分析，主要用于衡量和评估经理人员所制定的计划销售目标与实际销售之间的关系，它可以采用销售差异分析和微观销售分析两种方法。

(3)营销数据分析指标扩展阅读：

针对同一市场不同品牌产品的销售差异分析，主要是为企业的销售策略提供建议和参考。

针对不同市场的同一品牌产品的销售差异分析，主要是为企业的市场策略提供建议和参考。

微观销售分析，主要分析决定未能达到销售额的特定产品、地区等。

销售分析法的不足是没有反应企业相对于竞争者的状况，它没有能够剔除掉一般的环境因素对企业经营状况的影响。

销售分析可以决定一个企业或公司的生产方向 。

Ⅳ 数据分析指标有那些

用户行为类指标

用户行为指标是互联网行业和传统行业最大区别。传统行业，用户行为发生在门店里，极难用数字化手段记录，因此只有在发生交易时，才能记录数据。

传统企业的大部分数据都是交易数据。而互联网行业依托小程序/H5/APP，能记录用户在每个页面的点击，相当于在网上店铺的每一步动作都有记录，因此能分析很多东西。

具体到指标上，可以套用AARRR模型，分模块展开：

拉新：主要用于分析拉新的转化效率与质量。拉新是很多互联网公司最重要的任务，拉新成本是很多互联网公司最大的成本支出，因此拉新关注度极高。

通过这些指标的分析，能让负责商品运营的同事直观看到商品畅销/滞销情况，从而调整商品进销存计划，避免商品积压/缺货。

注意，虚拟商品原则上是没有库存的（或者说库存想设多少设多少）。但是滥发虚拟商品，又会引发互联网中通货膨胀与商品贬值。比如游戏里稀有皮肤卖的贵，是因为稀有才贵，为了短期收入搞大优惠，一但烂大街，反而大家都不稀罕了。

所以控虚拟商品的库存，不是看商品动销率或者在库时间，而是看GMV整体目标。在达成GMV整体目标情况下，高中低端商品保持一个稳定的库存结构，避免烂大街。

Ⅳ 销售数据分析指标有哪些

1、售罄率

计算公式：售罄率=(一个周期内)销售件数/进货件数

售罄率是指一定时间段某种货品的销售占总进货的比例，是根据一批进货销售多少比例才能收回销售成本和费用的一个考核指标，便于确定货品销售到何种程度可以进行折扣销售清仓处理的一个合理尺度。

2、库存周转率

计算公式：存货周转率=(一个周期内)销售货品成本/存货成本

库存天数=365天÷商品周转率

存货周转率是对流动资产周转率的补充说明,是衡量企业销售能力及存货管理水平的综合性指标。它是销售成本与平均存货的比率。

3、库销比

计算公式：库销比=(一个周期内)本期进货量/期末库存

是一个检测库存量是否合理的指标,如月库销比,年平均库销比等,计算方法:月库销比,月平均库存量/月销售额年平均库销比, 年平均库存量/年销售额,比率高说明库存量过大,销售不畅,过低则可能是生产跟不上。

4、存销比

计算公式：存销比=(一个周期内)库存/周期内日均销量

存销比是指在一个周期内，商品库存与周期内日均销量的比值，是用天数来反映商品即时库存状况的相对数。而更为精确的法则是使用日均库存和日均销售的数据来计算，从而反映当前的库存销售比例。

5、销售增长率

计算公式：销售增长率=(一周期内)销售金额或数量/(上一周期)销售金额或数量-1%

类似：环比增长率=(报告期-基期)/基期×100%

销售增长率是企业本年销售收入增长额同上年销售收入总额之比。本年销售增长额为本年销售收入减去上年销售收入的差额，它是分析企业成长状况和发展能力的基本指标。

6、销售毛利率

计算公式：销售毛利率=实现毛利额/实现销售额*100%

销售毛利率是毛利占销售净值的百分比，通常称为毛利率。销售毛利是销售净额与销售成本的差额，如果销售毛利率很低，表明企业没有足够多的毛利额，补偿期间费用后的盈利水平就不会高;也可能无法弥补期间费用，出现亏损局面。通过本指标可预测企业盈利能力。

7、老顾客贡献率

以销售额为例，计算公式=老顾客贡献的销售额/总体顾客的销售额 x 100%，分子分母也可以换成企业关心的其他指标，比如订单数、利润等。

8、品类支持率

计算公式：品类支持率=某品类销售数或金额÷全品类销售数或金额×100%

反应该品类对整体的贡献程度，越大说明对整体的贡献越大。

9、客单价

计算公式：客单价=总销售金额÷总销售客户数

是指店铺每一个顾客平均购买商品的金额，也即是平均交易金额。

10、坪效

计算公式： 平效 = 销售业绩÷店铺面积。

就是指终端卖场1平米的效率，一般是作为评估卖场实力的一个重要标准。

11、 交叉比率

计算公式： 交叉比率=毛利率×周转率

交叉比率通常以每季为计算周期，交叉比率低的优先淘汰商品。交叉比率数值愈大愈好，因它同时兼顾商品的毛利率及周转率，其数值愈大，表示毛利率高且周转又快。

Ⅵ 零售行业企业营销数据分析（篇章三：数据分析方法）

续上篇，本章进行数据分析方法介绍，供参考。

1、ABC分析   

ABC分析法又称帕雷托分析法，也叫主次因素分析法。

ABC分析通过对一段时间内商品销售情况的分析，可以为商品管理提供依据。评估一个商品的销售情况好坏的指标有以下三种：销售额、销售数、毛利。单一用哪个指标进行分析都不够准确，所以对这三个指标同时进行分析，也就是给这三个指标一定的权重。

例如销售额占x%；销售数占y%；毛利占z%。则综合值=销售额*x%+销售数*y%+毛利*z%；x%+y%+z%=1；分类结果显示A\B或者C。按照所计算的综合值进行排序，观察累计综合值%的变化情况，将累计额百分数为20%以前的这些商品标记为A类，进行重点管理，采取的策略为对相关品的引进；将累计额百分数在20~90%之间的商品标记为B类，进行一般管理；将最后的累计额为10%的商品进行淘汰管理。        

根据货品管理及销售的情况，还可对ABC理论进行一定的变化，这样对零售业的商品管理来说更具有操作性。     

2、比较分析 

比较分析，也称为对比分析。是将同一个指标在同一类对象的不同实体或同一实体在不同维度上进行对比，从而得出有价值的决策信息的一种方法。

同比，也叫同期比，表示和去年同一时间段的比较。 

环比，表示本月和上月的比较。

3、比率分析

同一实体、同一指标，在不同时间的比率丛春册。如销售额增长率等。

同一类实体、同一指标，在同一时间的比率。如毛利贡献度、销售额占比等。计算方法是单一实体的指标除以所有实体的指标之和。 

同一实体、不同指标，在同一时间的比率。如毛利率，周转率等。这类比率都有特定的商业含义。

4、20/80原则

20-80分析来源于“二八原则”。意思是在任何一组东西中，最重要的只占其中一小部分，约20%；其余80%尽管是多数，却是次要的。

在零售业中，可以根据同一类实体在同一指标间进行二八分析，从而选出需要重点管理的对象（20%部分）。一般应用比较广泛的分析对象包括：库存商品（按库存金额进行分析）、商品（按销售额或者毛利进行分析）、供应商（按销售额或毛利进行分析）、客户（渗宏按销售额或毛利进行分析）。 

5、排序分析 

排序分析方法是在销售数据分析中常用的一种方法，就是将某一指标或某几个指标按照从大到小或者从小到大的顺序排列，这种分析方法的好处在于，可以让分析者清晰地知道最多或最少的实体情况。排序分析一般应用在以下4种情况： 

同一实体、同一指标在不同时间的排序情况，如：某一商品在一个月内的销售额排序情况。

同一类实体、同一指标在同一时间的排序情况，如：小类中所有商品在某一天的销售额排序。 

同一实体、同一时间、多个指标的排序情况（由主次排序因素组成），如：商品先按销售额排序，再按毛利排序。

分组排序分析，如：按照供应商分组，对供应商所供应商品的销售额进行排序。

6、动态分析  

动态分析法是根据在一段时间内的数据变化，通过计算各种动态分析指标来描述现象发展变化的过程和结果，进而揭示现象发展变化的速度、趋势及规律性，并依此对现象的未来发展做出预测的统计分析方法。 

动态分析的指标按其分析应用的情况和计算方法不同可分为两大类，一类是通过将各期发展水平进行平均所形成的指标，包括平均发展水平、平均增长量、平均发展速度和平均增长速度；另一类是通过发展水平之间的对比计算形成的指标，包括增长量、发展速度和增长速度等。 

发展趋势分析方法是动态分析中的一种，它又可分为中短期趋势分析与预测方法、长期趋势分析与预测方法、季节变动分析与预测方法。

7、图形分析  

图形分析的方法是利用图形的直观效果来展现查询结果数据，分析图形包括：饼状图、 柱森尘状图、折线图、区域图等。从图形分析的方法来说，一般有以下三种方法：

对比图示法 通过用图形表现出数据之间的比较关系。 

曲线图示法 一般用曲线图示法来表明某一实体、某个指标的数据发展趋势。

因果图示分析法 用因果图示分析法把影响分析问题的诸多因素用图形表现出来，这样就很容易看出主次要因素。 

8、相关分析  

相关分析是分析两组随机变量间线性密切程度的统计方法，是两变量间线性相关分析的拓展。其方法是通过某一变量，衡量预测另一主要变量，通过衡量这两个随机变量之间“直线关系”的方向与强弱程度来判断这两个变量间的相关性。在零售业中，相关分析可以应用于以下3种情况： 

同一实体、不同指标间进行相关分析，如：供应商的销售额与费用的关系、商品的数量与销售额的相关关系。 

同类实体的同一指标的相关关系，如：供应商相互间彼此销售额的影响关系。 

不同实体、不同指标的相关关系，如：员工数量与企业销售额的关系。 

9、回归分析

回归分析是研究一个变量Y与其它若干变量X之间相关关系的一种数学工具，它是在一组实验或观测数据的基础上，寻找被随机性掩盖了的变量之间的依存关系。通过回归分析，可以把变量间的复杂的、不确定的关系变得简单化和规律化。回归分析一般有线性回归分析、非线性回归分析、多元线形回归分析，一般最常用的就是一元线形回归分析。回归分析作为相关分析的研究方法，在零售业可以对以下情况进行分析： 

点击查看更多

相关阅读：

零售行业企业营销数据分析（篇章二：数据指标）

零售行业企业营销数据分析（篇章一：数据维度）

Ⅶ 电商数据分析需要统计哪些指标

数据指标
1.电商总体运营指标
数据指标
电商总体运营整体指标主要面向的人群电商运营的高层，通过总体运营指标评估电商运营的整体效果。电商总体运营整体指标包括四方面的指标：
（1）流量类指标
独立访客数（UV），指访问电商网站的不重复用户数。对于PC网站，统计系统会在每个访问网站的用户浏览器上“种”一个cookie来标记这个用户，这样每当被标记cookie的用户访问网站时，统计系统都会识别到此用户。在一定统计周期内如（一天）统计系统会利用消重技术，对同一cookie在一天内多次访问网站的用户仅记录为一个用户。而在移动终端区分独立用户的方式则是按独立设备计算独立用户。
页面访问数（PV），即页面浏览量，用户每一次对电商网站或着移动电商应用中的每个网页访问均被记录一次，用户对同一页面的多次访问，访问量累计。
人均页面访问数，即页面访问数（PV）／独立访客数，该指标反映的是网站访问粘性。
（2）订单产生效率指标
总订单数量，即访客完成网上下单的订单数之和。
访问到下单的转化率，即电商网站下单的次数与访问该网站的次数之比。
（3）总体销售业绩指标
网站成交额（GMV），电商成交金额，即只要网民下单，生成订单号，便可以计算在GMV里面。
销售金额。销售金额是货品出售的金额总额。
注：无论这个订单最终是否成交，有些订单下单未付款或取消，都算GMV，销售金额一般只指实际成交金额，所以，GMV的数字一般比销售金额大。
客单价，即订单金额与订单数量的比值。
（4）整体指标
销售毛利，是销售收入与成本的差值。销售毛利中只扣除了商品原始成本，不扣除没有计入成本的期间费用（管理费用、财务费用、营业费用）。
毛利率，是衡量电商企业盈利能力的指标，是销售毛利与销售收入的比值。如京东的2014年毛利率连续四个季度稳步上升，从第一季度的10.0％上升至第四季度的12.7％，体现出京东盈利能力的提升。
2.网站流量指标
数据指标
（1）流量规模类指标
常用的流量规模类指标包括独立访客数和页面访问数，相应的指标定义在前文（电商总体运营指标）已经描述，在此不在赘述。
（2）流量成本累指标
单位访客获取成本。该指标指在流量推广中，广告活动产生的投放费用与广告活动带来的独立访客数的比值。单位访客成本最好与平均每个访客带来的收入以及这些访客带来的转化率进行关联分析。若单位访客成本上升，但访客转化率和单位访客收入不变或下降，则很可能流量推广出现问题，尤其要关注渠道推广的作弊问题。
（3）流量质量类指标
跳出率（Bounce Rate）也被称为蹦失率，为浏览单页即退出的次数/该页访问次数，跳出率只能衡量该页做为着陆页面（LandingPage）的访问。如果花钱做推广，着落页的跳出率高，很可能是因为推广渠道选择出现失误，推广渠道目标人群和和被推广网站到目标人群不够匹配，导致大部分访客来了访问一次就离开。
页面访问时长。页访问时长是指单个页面被访问的时间。并不是页面访问时长越长越好，要视情况而定。对于电商网站，页面访问时间要结合转化率来看，如果页面访问时间长，但转化率低，则页面体验出现问题的可能性很大。
人均页面浏览量。人均页面浏览量是指在统计周期内，平均每个访客所浏览的页面量。人均页面浏览量反应的是网站的粘性。
（4）会员类指标
注册会员数。指一定统计周期内的注册会员数量。
活跃会员数。活跃会员数，指在一定时期内有消费或登录行为的会员总数。
活跃会员率。即活跃会员占注册会员总数的比重。
会员复购率。指在统计周期内产生二次及二次以上购买的会员占购买会员的总数。
会员平均购买次数。指在统计周期内每个会员平均购买的次数，即订单总数/购买用户总数。会员复购率高的电商网站平均购买次数也高。
会员回购率。指上一期末活跃会员在下一期时间内有购买行为的会员比率。
会员留存率。会员在某段时间内开始访问你的网站，经过一段时间后，仍然会继续访问你的网站就被认作是留存，这部分会员占当时新增会员的比例就是新会员留存率，这种留存的计算方法是按照活跃来计算，另外一种计算留存的方法是按消费来计算，即某段的新增消费用户在往后一段时间时间周期（时间周期可以是日、周、月、季度和半年度）还继续消费的会员比率。留存率一般看新会员留存率，当然也可以看活跃会员留存。留存率反应的是电商留住会员的能力。

Ⅷ 网络营销人进行数据分析要点有哪些

1、懂的做数据，非常的重要。
也就是如何把数据做好，这里的好，是指：把有效的数据展示出来。那么，什么叫做有效的数据。根据核心数据指标倒推出来的关键数据指标。
例如：GMV=销售额+取消订单金额+拒收订单金额+退货订单金额。那么整个数据中，核心指标即：GMV。关键数据指标：销售额、取消订单金额、拒收订单金额、退货订单金额。通过对每个关键数据指标的观察，发现他们对于GMV影响的大小。
看懂数据的要求非常基础，就是知道核心指标，关键指标的算法是什么，如何计算出来的。然后在对应的表格内，记录出来。这里，只要求记录出来就好了。
2、分析数据，是一个执行者网上晋升的一项必备能力。
例如：产运的小伙伴，时长关注的一个数据：留存。次留、三留、七留、十四留这些数据。月末复盘工作时，把整个用户的留存数据导出来看。会发现，有些渠道拉新过来的用户，留存质量很高，但是有些渠道过来的，留存质量就很差。那么，到底是因为渠道拉新的质量问题呢?还是这个月内，App的版本、内容等做了优化更新呢?这个就是需要思考的，但是只是单纯的思考，很难找到原因。面对老板的灵魂拷问，也没办法很有力的结束出来。但是通过分析数据，得出最终的结论，就很容易找到原因。
3、看懂数据
这个要求其实就是把1和2结合在一起。我记得我之前的领导说过一句话：对任何数据都要存疑。好就要找出好的地方，好的原因，坏就要找出为什么坏，如何改进优化。