全文约1300字
大家好，我是古老师，专注于PMC（生产计划与控制）领域的教学。今天我们要介绍的是PMC系列中的第24个表格模型——销售订单分析模型。在PMC的工作场景中，销售订单分析非常常见，通常涉及的分析方向包括产品型号、客户占比、数量占比、月度批次分布及各部分占比等。
通过对这些方面的分析，我们可以获得关键数据指标，为编制生产计划提供重要的决策依据。这样不仅有助于提高生产效率，还能更好地满足客户需求，优化库存管理。希望这个模型能为大家在实际工作中的数据分析带来帮助。
销售原表销售订单分析的源数据通常从ERP系统中导出。如果尚未使用ERP系统，也需要将数据格式标准化为一维格式。分析维度的数量决定了需要保留的标题字段列。最基本的字段包括：“下单日期”、“销售单号”、“项次”、“产品名称”、“下单数量”和“客户”等。这些字段构成了后续表格模型的基本分析数据。
接下来，我们以某工厂2023年的销售订单数据为例进行案例讲解。首先，在工作表中创建辅助列（从H列到M列），用于动态扩展A列到F列的数据。在H2单元格输入动态数组公式后，向下填充至M2：
H2=TOCOL(A2:A10000,3)
函数解释：
TOCOL 函数将A列中第2行至第10000行的数据转换为一列。
参数 3 表示忽略空值。
这样处理后的数据更加规整，便于后续的分析与处理。通过这种方法，可以有效地管理和分析大量销售订单数据，从而为生产计划提供有力支持。
型号聚合分析分析产品型号的下单数量对PMC生产计划至关重要，可以帮助快速识别畅销和滞销产品，为后续补货及生产计划编制提供强有力的数据支持。产品下单数量与下单金额的分析原理基本相同，都是基于数值进行分析。因此，这里的数量分析模型同样适用于金额分析。
录入动态数组公式如下：
=GROUPBY(源数据!K2#,源数据!L2#,HSTACK(SUM,COUNTA,AVERAGE,MAX,MIN,PERCENTOF),,,-2)
函数解释：
GROUPBY 函数用于对源数据进行聚合分析。
参数1：行标签（K列产品型号）。
参数2：值标签（对应订单数量）。
参数3：聚合分析方法，包括求和（SUM）、计数（COUNTA）、平均值（AVERAGE）、最大值（MAX）、最小值（MIN）和百分比占比（PERCENTOF)。
其他参数：空或0表示不显示标头或总计；-2 表示按第2列（即订单数量）降序排序。
通过上述设置，可以得到按下单数量汇总并排序的结果，从而更好地了解各产品型号的表现，为生产和补货决策提供有力支持。这样处理后的数据不仅更加直观，还能有效提升数据分析效率。
累计占比除了上述的聚合分析维度，还需要对型号的累计占比进行分析，以判断TOP 20产品占全部产品SKU下单数量的比例，从而验证产品的二八定律（即80%的销售额或订单量往往来自于20%的产品）。
首先，将上面的聚合结果定义为 A1#，然后使用以下动态数组公式计算累计占比：
=SCAN(,DROP(A1#,1,6),SUM)
函数解释：
SCAN 函数用于计算累积值。
参数1：初始值（此处为空，表示从零开始累加）。
参数2：数据源，使用 DROP 函数去除 A1# 中前1行（标题）和第6列之后的数据（前6列是其他聚合结果如求和、计数等，我们只需要占比数据）。
参数3：累积操作，这里使用 SUM 进行累加。
这样就得到每个型号的累计占比百分比。这样可以更直观地展示各型号的贡献度。
