假设服装销售管理者想对公司所售卖的服装商品进行调整，为了让商品更好地适应市场，更好卖，以达到服装商品的最大售罄率，需要对各项指标数据进行分析。在分析过程中，如何能直观知道各个门店的服装销售情况？哪些门店收入情况最好？哪些门店最差？历史的销售趋势如何......
如图所示，管理者可快速掌握公司的收入、毛利、数量、订单数等数据指标情况，且还能从时间、区域、门店等维度对商品进行进行交叉分析，帮助管理者更深入了解服装商品的销售情况，以便对服装商品进行调整。
1、时间维度
时间维度是进行商品数据分析的一个重要维度，包括年、月、季度、周、天等。我们可以透过时间维度的筛选分析该某个时期内的服装商品售卖趋势是上升还是下降了，并进一步通过筛选查看上升或下降的原因。
2、客户维度
客户最为销售的对象，对其分析，可以进一步的分析不同客户的销售贡献，并可对客户划分明细等级，以采取不同的销售策略。（比如我们之前分享的客户价值分析模型-RFM模型分析）
3、区域维度
例如，省、市、区、商圈（门店）等，可以通过不同区域或门店的筛选查看公司的销售情况，帮助管理者更好地掌握不同地区、门店的销售数据情况，哪些区域、门店销售情况理想，哪些不理想等等。
4、商品维度
销售分析的最细维度之一，很多维度可以通过商品这一维度进行交叉分析。比如，通过时间分析不同服装商品的售卖情况，通过门店看服装商品的销售状况等等。
1、趋势分析
例如，分析服装商品年度、月度的销售额趋势走向。
2、对比分析
例如，通过同种商品不同时期的对比分析，更能了解该商品对公司销售收入的贡献程度。
3、结构（占比）分析
例如，可以分析不同区域的销售收入占比、不同服装品类的销售结构等等。
4、比率分析
例如，可以计算销售业绩达标率、业绩增长率、毛利率等比率的情况，并通过不同维度进行分析。
......
更详细的分析方法，可参考我们之前分享的财务报表分析方法。