1、观察历史数据：历史数据包括：总的销售额和利润、不同类别产品的销售成本和利润、不同省份的销量及利润、平均利润的变化趋势、各品类库存数据、市场活动数据等。“看到数据”，是利用大数据进行分析并获得数据价值的前提。借助DataHunter，用户可以将各业务系统的数据打通，进而将这些数据图表化、看板化，轻松实现“看数据”的需求。
2、固定分析框架，找到关键影响因素快消品由于分销渠道复杂、产品类别繁多等原因，当销售出现问鞑民略锈题时，往往很难立即发现原因。所以固定分析框架，找到关键影响因素就很有必要。固定分析框架，大概恝依在绌来讲就是分品牌、分系列，分单品的时间序列分析，分区域、分渠道、分门店的时间序列分析或者按照某一指标进行多维度的探索式分析。借助多维分析找到出货最多的门店、销量最大和利润最大的产品，并将其作为重点观察对象。这样当销量出现骤增或骤降的时候，一般可以通过观察重点门店、品牌、产品等，定位到问题所在。
3、建立销售预测模型当然如果想给出最优销量预测，仅仅通过观察分析销售部门的历史数据肯定不够，将销售、供应链以及产品、财务等多个部门的数据打通，并引入公共数据（汇率、天气、互联网）或者产品的生命周期等理论模型，针对每个企业的实际情况，建立适合自身的销售预测模型才是解决之道。DataHunter可以根据每个企业的具体情况，在尊重一线销售人员经验的情况下，帮助其建立更精准的销售预测模型。
