过去的十几年中,随着互联网技术的发展和智能手机的崛起,电子商务高速增长,越来越多人喜欢在网上购物,网上购物跨越了地域、时间等限制,给消费者带来一定的价格优势和消费体验,也给商家带来了传统零售店下不可能有的客户群体、行业信息和海量数据,但是发展多年的电子商务领域,用户群体的增长已经逐渐放缓,互联网公司开始寻求新的增长模式,针对这一问题2016年给出了一个可行的思路:“新零售”,新零售也给多年来受到电子商务冲击的传统零售行业带来了新的增长点。在这种双赢的驱动下,新零售两年之内遍地开花,也使得零售行业不断通入了大数据、人工智能、物联网等概念及其应用。而销售额是零售业的核心考核指标,如何通过大数据分析实现销售额监控是一个需要研究的重要问题。销售额监控分析主要以新零售商店的历史数据为样本,从销售额的影响因素和销售额的回归预测两个方面进行分析,清晰的影响因素分析结果和良好的回归模型建立在商家核心因素监控优化以及未来销售预测监控等方面都有非常重要的意义。针对这一研究目的,本文选取专家建议并且通过自己多次检验选定的10个关键影响因素进行分析。首先,针对单一因素进行分析,由于样本中某些影响因素存在非正态分布和方差不齐问题,本文采用方差分析和非参数检验相结合的方法。其次,进行多因素分析,选取有研究意义的组合通过多因素方差分析和多独立样本参数检验,结合均值图、个案数等描述信息提取一些有效信息。最后,由于选定的影响因素有数值型、分类型变量,加之数据量很大,分别选取时间序列模型和各方面支持和性能比较好的随机森林模型进行回归,得出各因素影响的重要程度,拟合效果良好,可以用于销售额的监控分析。实证表明:选定的影响因素对销售额的影响显著,并且各因素的不同水平有显著差异,随机森林拟合效果更好,因此主要采用随机森林模型,从因素分析和回归预测两个方面对销售额进行监控分析。