|
相信大家都有做过这样的数学题应用题，某商品原价600元，11月份售价1000元，月销量500件，12月迎新年大促销，半折出售。那么月销量需要达到多少净利润才可以大于11月份的净利润？ 俗话说，买的没有卖的精。商场打折对于商家来说，的确是降低了商品的单件利润值，但是却能让消费者以为是捡到大便宜了，于是疯狂购置……当销量超过了某个值，则商家可以收获更大的总利润。 但是商场策略又不如数学题这般简单，商品的价格究竟浮动多少可以带来最大的利润？这是企业决策者必须面临的考验。 BI商业智能系统可以通过分析历史销售数据帮助企业建立规律模型，从而帮助企业管理者做出更加合理正确的判断。 仍然用商品销售举例。上面已经提过，商品的销售利润主要由商品原价，售价以及销售量决定。于是我们就可以将这些销售数据导入BI商业智能系统，通过大数据量的积累和迭代，通过各种方法（连环替代法、差额分析法等）去寻找计算出单件售价与总利润的关系。 由于在实际场景中，和售价相关的因素还有销量和其他不可预测的因素，因此售价和总利润的关系不会是一个单纯的比例函数关系，无法用一个系数K来表示。针对这种情况，我们有三种解决方案。 一是假设某个相关的因素不变。但是这种方法存在较大的误差，使用需谨慎。
二是连环替代法。这个方法在BI系统和实际工作中都经常用到。连环替代法是根据因素之间的内在依存关系，依次测定各因素变动对经济指标差异影响的一种分析方法。
三是去掉不关键的因素。所谓牵一发而动全身。某个因素的变动可能造成项目中其他一系列模块的变动。所以我们需要在进行商业智能分析的时候将所有的因素都考虑进来吗？答案是否定的。如果眉毛胡子一把抓，很可能导致BI项目走入死胡同。因此在实际的BI系统设计、开发、实施过程中，决策者要会去掉一些不那么重要的次要因素。
如何去掉，又是一项技术活。
技巧1.根据企业类型来确定分析因素与指标的相关性强弱，从而进行取舍。
技巧2.确定因素之间的顺序。如果我们采用连环分析法来进行分析，则因素之间的顺序影响很大。各个因素的顺序不同，最后得到的价格会有明显的差异。 这有好处，也有不好的地方。好处是对不同时期的数据的分析，分别根据不同顺序进行分析，可以知道哪个因素对指标更加敏感。即是提高销售价格对利润的影响大还是降低销售数量对利润的影响大。 实际BI项目的部署过程中，往往是一个持续改善的过程。即在刚开始的时候，需要不断的对这个模型进行调整。从不同的结果中得到一个与实际比较相符合的结果。只有如此，才能够最终确认所需要采用的模型.
| 
发表于 2015-1-1 08:48:04
