零售系统BI应用

http://blog.csdn.net/foxnet2003/archive/2005/09/15/481825.aspx 零售系统BI应用

从决策的内容分类

一 品种决策

 

决策方向：决定经营品种；

 

 

分析内容：商品周转率

 

 

二 库存决策

 

决策方向：决定库存水平；

 

 

分析内容：库存周转率、周转天数

 

 

三 价格决策

 

决策方向：决定商品的售价；

 

 

分析内容：商品价格带分析

 

 

四 进货决策

 

决策方向：决定进货厂家和数量；

 

 

分析内容：供应商的综合评分

 

 

五 资金决策

 

决策方向：决定付款的方式和数量。

 

 

       分析内容：

从分析和评价的角度分类

一 顾客购买行为分析

 

☆会员结构分析

 

 

如年龄、性别、收入、与商场的距离、月购买量、每次购买平均单等

 

 

☆会员购买行为分析

 

 

如每次购买平均单价、各类商品比重、购买时间、退货次数、退货金额、受促销活动影响的购买额等

 

 

☆购买行为相关分析

 

 

商品各类别购买量，按年龄、性别、收入、与商场距离的分布等

 

 

☆顾客忠诚度分析

 

 

连续30天未购买的顾客占总顾客的百分比等

 

 

二 供货商行为评价

 

☆供应商供应能力

 

 

分析品种数、平均日供应量、平均月供应量、最大日供应量、供货期等

 

 

☆供应商的经营结构

 

 

分析供应品种的进、销情况等

 

 

☆供应商的运营状况

 

 

分析销售额、销售额排名、毛利额、费用收入、促销次数、促销让利、赠品金额、返厂笔数、返厂金额、周转天数等

 

 

☆供应商的结算条件

 

 

分析经营方式、借用资金利息、单位销售额占用利息等

 

 

☆供应商的综合评分

 

 

三 人员业绩评价

 

☆营业员考核

 

 

销售、退货、交易次数、平均客单价等

 

 

☆合同员、物价员考核

 

 

新品笔数、合同笔数、供应商笔数、定价笔数、调价笔数等

 

 

四 部门经营状况评价

 

☆部门业绩考核

 

 

销售、库存、毛利、人均销售、地均销售

 

 

☆计划指标考核

 

 

买手、营业员、部门完成计划的百分比

 

 

五 企业财务分析

 

六 商品结构分析

 

各大类品种数

各大类平均价格

各大类平均库存

各大类平均库存时间

各大类平均毛利

非正常商品分析

 

超保本期或保利期商品

连续无销售商品

超保质期商品

超退换期商品

市场需求分析

 

分大类销售

分大类销售平均价

分类销售同比变化和环比变化

六 商品经营价值分析

 

销售、毛利、贡献度、交叉比率

 

 

七 商品促销效果分析

 

促销毛利、促销销售增加、促销前后销售下降费用

 

 

八 商品价格定位分析

 

九 商品布局和陈列效果分析

 

归结起来就有：商品聚类分析、竞争格局分析、消费趋势分析、商品淘汰分析、商品引进分析等。

商品聚类分析

竞争格局分析

消费趋势分析

商品淘汰分析

商品引进分析

从应用的手段分类

一 指标分析（总量指标、比率指标）

 

指标分析是指对企业不同的业务流程和业务环节的指标，如：利润率、应收率、销售率、库存量、单品销售情况及所占营业比例、风险采购和库存评价指标等进行搜集和分析。但这些指标只能反映局部的经营状况。为了解企业的整体经营状况，还需对这些指标进行科学的组织和分析，利用智能管理技术，形成一个能反映企业整体情况的数学模型。这样通过观察总指标并设置告警，才能获得整个企业的经营状况。

 

 

二 趋势分析（同比、环比）

 

对于某一指标的发展趋势进行分析，计算该项指标的同比、环比，移动平均数、平滑指数等趋势信息，结合相关模型对该项指标进行预测。

同比分析：本期（年、月、周）数据与往年同期（年、月、周）数据比较

环比分析：本期（月、周）数据与上期（上月、上周）数据比较

 

 

 

 

移动平均数：利用移动平均预测方法

 

 

 

 

平滑指数：利用平滑指数预测方法

 

 

 

 

 

 

三 排序分析

 

对于查询获得的供应商、顾客、买手、部门、营业员等数据，可以进行正向、反向的排序，可以对查询结果中的任一项目进行排序。

四 相关分析（相关系数分析）

 

应用统计学中的相关系数方法计算两个指标之间的相关系数，从而得知两个指标之间的关联度。

对两个不同的经济变量进行相关性判断，确定经济变量之间是否存在相关关系。相关分析是进行因果分析的基本工具，通过相关分析可以判断经济指标之间的替代关系和关联度。

 

 

 

 

 

 

 

 

 

五 模型分析（季节模型、回归模型、指数模型）

 

 

通过计算时间序列的回归系数，得出某一指标变化的规律，建立起数学模型，描述其预测方法，为人们的决策提供支持。

建立模型就是根据实际应用的需要，采用一定的模式模型来模拟数据的相互关系和数据发展趋势。有些模型可能是没有实际意义或者没有使用价值的，也有可能不能准确的反映数据的真实意义，甚至在某些情况下是与事实相反的，因此，如何建立模型、建什么样的模型是建立模型的关键，常用的模式包括以下几类：

A．分类模式

分类模式是一个分类函数（分类器），能够把数据集中的数据项映射到某个给定的类上。分类模式往往表现为一棵分类树，根据数据的值从树根开始搜索，沿着数据满足的分支往上走，走到树叶就能确定类别。

B．回归模式

回归模式的函数定义与分类模式相似，它们的差别在于分类模式的预测值是离散的，回归模式的预测值是连续的。如给出某种动物的特征，可以用分类模式判定这种动物是哺乳动物还是鸟类；给出某个人的教育情况、工作经验，可以用回归模式判定这个人的年工资在哪个范围内，是在6000元以下，还是在6000元到1万元之间，还是在1万元以上。

C．时间序列模式

时间序列模式根据数据随时间变化的趋势预测将来的值。这里要考虑到时间的特殊性质，像一些周期性的时间定义如星期、月、季节、年等，不同的日子如节假日可能造成的影响，日期本身的计算方法，还有一些需要特殊考虑的地方如时间前后的相关性（过去的事情对将来有多大的影响力）等。只有充分考虑时间因素，利用现有数据随时间变化的一系列的值，才能更好地预测将来的值。

D．聚类模式

聚类模式把数据划分到不同的组中，组之间的差别尽可能大，组内的差别尽可能小。与分类模式不同，进行聚类前并不知道将要划分成几个组和什么样的组，也不知道根据哪一（几）个数据项来定义组。一般来说，业务知识丰富的人应该可以理解这些组的含义，如果产生的模式无法理解或不可用，则该模式可能是无意义的，需要回到上阶段重新组织数据。

E．关联模式

关联模式是数据项之间的关联规则。关联规则是如下形式的一种规则：“在拥有金卡的人当中，60％的人的月收入在3000元以上。”

F．序列模式

序列模式与关联模式相仿，而把数据之间的关联性与时间联系起来。为了发现序列模式，不仅需要知道事件是否发生，而且需要确定事件发生的时间。例如，在购买彩电的人们当中，60％的人会在3个月内购买影碟机。

在解决实际问题时，经常要同时使用多种模式。分类模式和回归模式是使用最普遍的模式。分类模式、回归模式、时间序列模式也被认为是受监督知识，因为在建立模式前数据的结果是已知的，可以直接用来检测模式的准确性，模式的产生是在受监督的情况下进行的。一般在建立这些模式时，使用一部分数据作为样本，用另一部分数据来检验、校正模式。聚类模式、关联模式、序列模式则是非监督知识，因为在模式建立前结果是未知的，模式的产生不受任何监督。

 

 

 

六 图形分析（直方图、饼图、折线图）

 

       能够以直方图、饼图、折线图、散点图等图形表达各个指标之间在同一时间或不同时间的相互关系，让人们直观地掌握数据之间的内在关系。（如图）