储扣数据分析维度梳理

一、数据源说明

主表：lq_kd_deductinfo（开单扣减信息表）

• 核心字段：
  • F_Amount：储扣金额
  • F_DeductType：扣减类型（"储值卡"、"品项"）
  • F_BillingId：关联开单ID
  • F_BillingTime：开单时间
  • F_ItemId：品项ID
  • F_ItemName：品项名称
  • F_ItemCategory：品项分类
  • F_ProjectNumber：项目数量
  • F_UnitPrice：单价

关联表：lq_kd_kdjlb（开单记录表）

• 关联字段：F_BillingId = lq_kd_kdjlb.F_Id
• 可获取字段：
  • djmd：门店ID
  • kdhy：开单会员ID
  • kdrq：开单日期
  • zdyj：整单业绩
  • sfyj：实付业绩
  • qk：欠款
  • ckfs：储扣方式
  • fkfs：付款方式
  • khly：客户来源
  • sfskdd：是否首开订单
  • jsj：金三角
  • gjlx：顾客类型
  • F_ActivityId：营销活动ID

关联表：lq_xmzl（品项资料表）

• 关联字段：F_ItemId = lq_xmzl.F_Id
• 可获取字段：
  • qt1：品项一级分类
  • qt2：品项二级分类（生美/医美/科美/产品等）
  • pxmc：品项名称

关联表：lq_khxx（会员信息表）

• 关联路径：lq_kd_kdjlb.kdhy = lq_khxx.F_Id
• 可获取字段：
  • 会员基本信息（姓名、手机号、注册时间等）
  • 会员等级、标签等

---

二、基础统计维度

1. 时间维度

• 月度统计：按月份汇总储扣金额和次数
• 周度统计：按周汇总
• 日度统计：按日期汇总
• 时段统计：按小时统计（分析储扣发生的高峰时段）
• 趋势分析：近12个月/近6个月趋势

2. 门店维度

• 单门店统计：指定门店的储扣情况
• 多门店对比：门店间储扣金额/次数对比
• 门店排名：按储扣金额/次数排序
• 门店分类：按门店类型（新店/老店、旗舰店等）统计

3. 金额维度

• 总储扣金额：SUM(F_Amount)
• 平均储扣金额：AVG(F_Amount)
• 单笔储扣金额分布：按金额区间分组（0-1000、1000-5000、5000+等）
• 储扣金额占比：储扣金额 / 整单业绩（zdyj）或 / 实付业绩（sfyj）

4. 次数维度

• 储扣总次数：COUNT(*)（明细次数）
• 有储扣的开单数：COUNT(DISTINCT F_BillingId)（开单次数）
• 平均每单储扣次数：明细次数 / 开单次数
• 储扣渗透率：有储扣的开单数 / 总开单数

---

三、业务分析维度

5. 储扣类型维度

• 按扣减类型分组：
  • 储值卡类型：F_DeductType = '储值卡'
  • 品项类型：F_DeductType = '品项'
• 各类型金额占比：分析哪种储扣方式更常用

6. 品项维度

• 按品项分类统计（通过 lq_xmzl.qt2）：
  • 生美储扣金额/次数
  • 医美储扣金额/次数
  • 科美储扣金额/次数
  • 产品储扣金额/次数
• Top N 品项：按储扣金额排序，找出最常用的储扣品项
• 品项储扣占比：各分类储扣金额占总储扣金额的比例

7. 会员维度

• 储扣会员数：COUNT(DISTINCT kdhy)（去重会员数）
• 人均储扣金额：总储扣金额 / 储扣会员数
• 会员储扣频次：按会员分组，统计每个会员的储扣次数
• 新客/老客储扣：结合 sfskdd 字段分析首开订单的储扣情况
• 会员等级分析：按会员等级统计储扣情况

8. 开单维度

• 储扣与整单业绩关系：
  • 储扣金额 / 整单业绩（zdyj）
  • 储扣金额 / 实付业绩（sfyj）
• 储扣与欠款关系：
  • 有储扣的开单中，欠款金额分布
  • 储扣是否影响欠款（高储扣是否对应低欠款）
• 首开/升单储扣对比：首开订单 vs 升单订单的储扣情况

9. 支付方式维度

• 按储扣方式分组（ckfs字段）：
  • 不同储扣方式的金额/次数统计
• 按付款方式分组（fkfs字段）：
  • 分析储扣与付款方式的关系

10. 客户来源维度

• 按客户来源统计（khly字段）：
  • 不同来源客户的储扣金额/次数
  • 分析哪些来源的客户更倾向于使用储扣

11. 营销活动维度

• 按活动分组（F_ActivityId字段）：
  • 不同营销活动下的储扣情况
  • 分析活动对储扣的影响

12. 金三角维度

• 按金三角分组（jsj字段）：
  • 不同金三角战队的储扣情况
  • 分析金三角对储扣的影响

13. 顾客类型维度

• 按顾客类型分组（gjlx字段）：
  • 不同顾客类型的储扣情况

---

四、高级分析维度

14. 储扣效率分析

• 储扣渗透率：有储扣的开单数 / 总开单数
• 储扣金额占比：储扣金额 / 整单业绩
• 储扣替代率：储扣金额 / (储扣金额 + 实付业绩)

15. 异常分析

• 高储扣低实付订单：储扣金额高但实付金额低的订单
• 储扣金额异常：单笔储扣金额过大或过小的订单
• 储扣次数异常：单笔开单中储扣次数过多的订单

16. 关联分析

• 储扣与消耗关系：储扣后是否及时消耗
• 储扣与复购关系：使用储扣的会员复购率
• 储扣与退卡关系：有储扣的订单退卡率

17. 对比分析

• 门店间对比：不同门店的储扣情况对比
• 时间对比：同比/环比分析
• 分类对比：不同品项分类的储扣对比

---

五、门店驾驶舱建议的储扣分析指标

基础指标（必须）

1. 储扣总金额：SUM(deduct.F_Amount)
2. 储扣次数：COUNT(DISTINCT deduct.F_BillingId)（推荐：按开单计数）
3. 储扣明细次数：COUNT(deduct.F_Id)（可选：明细次数）

分析指标（建议）

1. 储扣渗透率：有储扣的开单数 / 总开单数
2. 储扣金额占比：储扣金额 / 整单业绩
3. 平均储扣金额：储扣总金额 / 储扣次数
4. 储扣会员数：COUNT(DISTINCT billing.kdhy)

分类指标（可选）

1. 按品项分类统计：
   • 生美储扣金额
   • 医美储扣金额
   • 科美储扣金额
   • 产品储扣金额
2. 按储扣类型统计：
   • 储值卡类型金额
   • 品项类型金额

---

六、SQL查询示例

基础统计（门店+月份）

SELECT 
    billing.djmd as StoreId,
    COUNT(DISTINCT deduct.F_BillingId) as DeductCount,
    COUNT(deduct.F_Id) as DeductDetailCount,
    COALESCE(SUM(deduct.F_Amount), 0) as DeductAmount,
    COUNT(DISTINCT billing.kdhy) as DeductMemberCount,
    AVG(deduct.F_Amount) as AvgDeductAmount
FROM lq_kd_deductinfo deduct
INNER JOIN lq_kd_kdjlb billing ON deduct.F_BillingId = billing.F_Id
WHERE deduct.F_IsEffective = 1
    AND billing.F_IsEffective = 1
    AND billing.djmd = '{StoreId}'
    AND COALESCE(deduct.F_BillingTime, billing.kdrq) >= '{startDate}'
    AND COALESCE(deduct.F_BillingTime, billing.kdrq) <= '{endDateTime}'
GROUP BY billing.djmd

按品项分类统计

SELECT 
    COALESCE(item.qt2, '其他') as Category,
    COUNT(DISTINCT deduct.F_BillingId) as DeductCount,
    COALESCE(SUM(deduct.F_Amount), 0) as DeductAmount
FROM lq_kd_deductinfo deduct
INNER JOIN lq_kd_kdjlb billing ON deduct.F_BillingId = billing.F_Id
LEFT JOIN lq_xmzl item ON deduct.F_ItemId = item.F_Id AND item.F_IsEffective = 1
WHERE deduct.F_IsEffective = 1
    AND billing.F_IsEffective = 1
    AND billing.djmd = '{StoreId}'
    AND COALESCE(deduct.F_BillingTime, billing.kdrq) >= '{startDate}'
    AND COALESCE(deduct.F_BillingTime, billing.kdrq) <= '{endDateTime}'
GROUP BY COALESCE(item.qt2, '其他')

按储扣类型统计

SELECT 
    COALESCE(deduct.F_DeductType, '未知') as DeductType,
    COUNT(DISTINCT deduct.F_BillingId) as DeductCount,
    COALESCE(SUM(deduct.F_Amount), 0) as DeductAmount
FROM lq_kd_deductinfo deduct
INNER JOIN lq_kd_kdjlb billing ON deduct.F_BillingId = billing.F_Id
WHERE deduct.F_IsEffective = 1
    AND billing.F_IsEffective = 1
    AND billing.djmd = '{StoreId}'
    AND COALESCE(deduct.F_BillingTime, billing.kdrq) >= '{startDate}'
    AND COALESCE(deduct.F_BillingTime, billing.kdrq) <= '{endDateTime}'
GROUP BY COALESCE(deduct.F_DeductType, '未知')

---

七、建议实现优先级

第一阶段（核心指标）

1. ✅ 储扣总金额
2. ✅ 储扣次数（按开单计数）
3. ✅ 储扣渗透率

第二阶段（分析指标）

1. ✅ 储扣金额占比
2. ✅ 平均储扣金额
3. ✅ 储扣会员数

第三阶段（分类分析）

1. ✅ 按品项分类统计（生美/医美/科美/产品）
2. ✅ 按储扣类型统计（储值卡/品项）

第四阶段（高级分析）

1. 储扣趋势分析（近12个月）
2. 储扣时段分析
3. 储扣异常分析

---

八、注意事项

1. 时间字段：优先使用 deduct.F_BillingTime，如果为空则使用 billing.kdrq
2. 有效性过滤：必须同时过滤 deduct.F_IsEffective = 1 和 billing.F_IsEffective = 1
3. 门店过滤：使用 billing.djmd 字段
4. 金额处理：使用 COALESCE(deduct.F_Amount, 0) 处理空值
5. 当月处理：如果是当月，endDateTime 应该使用 DateTime.Now，与门店驾驶舱其他指标保持一致