【案例分析】不了分析方法的业务管理系统分析及解决方案

【案例分析】不了分析方法的业务管理系统分析及解决方案

01

前言

基于硬件成本的不断降低、内存计算的不断成熟、企业业务管理系统应用的不断深入，流程驱动管理逐渐无法满足企业日新月异的发展需求，而数据驱动管理越来越受到企业的青睐。企业需要能够承载海量数据的高性能数据中心。无论企业应用什么样的业务管理系统，真正帮助企业经营者决策的都是数据。

02

常见的六种分析方法

实现各种结构化、非结构化、海量数据的标准化和信息化，提供业务绩效评估、业务决策支持等需求，首先需要进行数据分析。在这里笔者整理了一组6大类分析方法，分别用于不同的数据分析对象，每一类都包含各种小方法。常用的六种分析方法主要包括：分解主题分析、钻取分析、常规比较分析、大规模管理模型分析、财务与因子分析、专题大数据分析。

02-1

细分专题分析

所谓分解主题分析，就是针对不同的分析需求，我们可以先将其分为营销主题、金融主题、弹性主题等，然后将这些大主题逐步分解成不同的小方面进行分析。

1.1 营销主题

销售业务分析可分解为客户分析、品类分析、区域分析、消费频率、价值链分析、促销、渠道、经销商、门店分析、同比对比、社交大数据分析、行业市场分析、行业景气指数分析、市场占有率分析等。例如营销主题的单店分析可以分解为以下不同方面进行分析，如下图所示：

1.2 金融话题

金融业务分析可分解为成本费用分析、利润分析、历史比较、财务法定报告与分析、资本支出分析、财务预算分析、营销投入产出效率分析、会计分析、企业并购分析、偿债能力分析、盈利能力分析、经营现金流分析等。例如，财务专题预算分析可以分解为以下不同方面进行分析，见下图：

1.3 灵活的主题分析

包括价格分析、弹性区域分析、贡献分析、供应商管理分析、采购价格分析、采购返利分析、采购对标分析、仓储量流分析、库存分析、货损/质量分析、采购预测分析、产能分析、良率分析、EHS分析、价值链分析、供应链分析、运营成本分析、替代品分析与预测、销售渠道分析、员工薪酬福利分析、销售网络分析、招聘管理分析、培训管理分析、销售预测分析、下游物流分析、员工成本分析、采购员分析、员工绩效分析、终端退货分析、售后服务质量分析、劳动力竞争力分析等。例如，灵活的学科领域分析可以分解为以下不同的领域时间进行分析，见下例：

02-2

钻取分析

所谓钻透分析是指改变维度的层次，改变分析的粒度。按方向分为：向上钻取和向下钻取。向上钻取是将低层次的明细数据泛化为某一维度上的高层次汇总数据，或者减少维度的数量；它是一种自动生成汇总行的分析方法。下钻是一种从汇总数据下钻到详细数据以观察或增加新维度的分析方法。

根据钻取的维度属性，可以分为按组织树钻取、按类别树钻取、按其他维度钻取。通过钻取功能，用户可以更深入地了解数据，更容易发现问题，做出正确决策。

2.1 按组织树钻取

组织树可以按职能结构、层次结构、部门结构、权限结构来建立。了解权限相关的业务情况可以下钻分析权限的组织树，了解部门的销售业绩可以按部门下钻分析。一个大集团的组织树结构如下图所示：

2.2 按类别树钻取

所谓品类树，是指根据产品的特点划分的大、中、小分类结构。分类树是分类区分的基础，必须结合经营管理的实际情况来实施。例如，要了解物料大、中、小品类相关的业务情况利润敏感性分析法，可以通过品类树进行钻取分析。下图以大组的物料类别树为例：

2.3 其他尺寸钻孔

例如，对于每个地区和每年的销售额，可以生成地区和年份的总行（向上钻取）。例如，用户在分析“各地区各城市的销售额”时，可以将某城市的销售额细分为每年的销售额，再将某年的销售额进一步细分为每个季度的销售额（向下钻取） ）。

02-3

常规比较分析

所谓常规比较分析，是指常用的比较分析方法，如时间趋势分析、成分分析、相似比较分析、多指标分析、相关分析、分组分析、象限分析等。

3.1 时间趋势分析

所谓时间趋势分析，是指将某一现象和某一统计指标在不同时间的数值按时间顺序排列形成的序列。它是一种定量预测方法，也称为简单可拓法，作为一种常用的预测方法，在统计学中被广泛应用。例如，记录某个地区第一个月、第二个月、……、第N个月的降雨量，利用时间趋势分析方法可以预测未来每个月的降雨量。请参见下面的示例：

3.2 成分分析

在统计分组的基础上计算结构指标以反映被研究人群的构成的方法。运用构成分析方法，可以从不同角度研究投资构成及其变化趋势，观察投资构成与产业结构构成和社会需求的适应关系，以及变化的具体过程。从定量到定性的事情都可以被揭示出来。例如，要了解一家公司每个季度的销售收入，可以使用成分分析，如下例所示：

3.3 相似比较分析

通过比较分析揭示相似事物之间的差异，从而产生新知识的方法。在实际研究中，人们经常会遇到一些表面上相同但实际上并无不同的现象。这些现象如果不仔细比较研究，就有可能以假乱真，或以真为假。因此，在分析研究中，对新发现的现象不能轻易归类，要认真反复进行比较研究，特别是不能忽视那些细微的差异。类似的比较分析常应用于竞争对手的分析，如食品行业同类型食品的销售额比较，

3.4 多指标分析

它是一种统计方法，包括多种方法，最基本的是单指标，然后扩展到多指标分析。统计数据中存在多个指标时的统计分析是统计的一个重要分支，是单指标统计的发展。例如，一个公司的综合经营可以使用多指标分析，见下面的例子：

3.5 相关性分析

指对两个或多个相关变量元素进行分析，以衡量两个变量因素之间的相关程度。在进行相关性分析之前，相关性的元素之间需要存在一定的关系或概率。例如，某年中国各城市人均GDP与商品房平均成交价格的相关性分析，见下例：

3.6 群体分析

是指根据研究要求对对象（问卷、特征、现实）进行分类和分组的方法，使同一组对象之间的差异小于各个对象之间的差异，然后进行分析研究。它的特点是不依赖于原始数据分布的正态性假设，可以按照任何规律进行分布，这在分析包括定量数据和定性数据的混合数据时尤为重要。例如，某公司上半年月销售额和收入的分析，见下例：

3.7 象限分析

所谓象限分析，是时间管理理论的一个重要概念，就是把主要精力和时间集中在处理那些重要但不紧急的任务上，做到未雨绸缪，防患于未然。在人们的日常工作中，往往有机会好好计划和完成某件事。但往往没有及时完成，导致工作质量随着时间的推移而下降。因此，要把主要精力集中在这个“象限”中重要但不紧急的事情上。要将精力集中在重要但不紧急的事情上，您需要安排好时间。一个很好的方法是安排约会。通过预约，您的时间不会被其他人占用，因此您可以有效地工作。在数据处理工作中，将事情按照紧急、不紧急、重要、不重要的排列组合分为四个象限，从而有效地开展工作。详情见下图：

02-4

大型管理模式分析

所谓大规模管理模型分析，是指基于各种成熟和实践证明的大规模管理模型分析问题的方法。这些管理模式有的由大学研究机构建立，有的由大型企业或管理咨询机构建立。他们在长期的企业管理理论研究和实践中，将企业管理中一些经典的相关关系合二为一。固定模型的描述方式揭示了企业系统内部的许多本质关系，可供企业分析自身的经营管理状况。针对企业管理中的不同问题，往往可以采用最有效的模型分析，达到事半功倍的效果。

4.1 RCV 模型

从资源（R）、能力（C）、价值（V）三个方面建立的价值链分析体系。例如，了解一家大型制造企业的一系列情况，从供应商采购到物流中心再到干线运输和门店，我们可以分析人员数量、设备成本、替代供应商总数、活跃供应商数量、采购量、新品引进量等了解供应商采购情况；从成交面积、建设成本、收货能力、收货量、周转量等了解物流中心情况；从车辆数量、总吨位、油量、运力、运量等了解干线运输情况；从店铺数量来看，

4.2 阿米巴管理

把整个公司分成若干个叫做阿米巴的小组织，每个小组织作为一个小企业独立运作，小店作为一个独立的利润中心。这种将整体分割并逐步细化的思想也适用于数据分析。同时，对于产品生命周期的分析，我们可以参考产品线阿米巴，如下图所示。

4.3 品类管理

公司基于产品品类的品牌管理包括高效的产品组合、货架管理、定价和促销、补货和新品推出。例如，通过品类管理，我们可以分析哪些品类最受消费者欢迎，谁是购买某个品类的消费者，消费者如何购买，消费者喜欢在哪里购买等等。在品类管理的过程中，我们需要对这些方面进行分析和理解，如下图所示：

02-5

财务和因素分析

所谓财务与因子分析，主要是指因子分析在财务信息分析中的广泛应用。因子分析的概念起源于20世纪初对智力测验的统计分析。在信息损失最少的前提下，将很多原始变量整合成几个综合指标，可以大大减少数据建模的参与度。同时不会造成大量信息丢失，实现有效的降维。比较常用的财务和因子分析方法有杜邦分析、EVA分析、财务指标、财务比率、平方效率公式、类别公式、流量公式等。

5.1 杜邦分析

利用几大财务比率之间的关系，综合分析企业的财务状况。具体来说，它是一种经典的方法，用于评估公司的盈利能力和股东权益回报率，并从财务角度评估公司业绩。其基本思想是将企业的净资产收益率逐步分解为多个财务比率的乘积，有助于深入分析和比较企业的经营业绩。请参见下面的示例：

5.2 财务指标分析

是指总结和评价企业财务状况和经营成果的分析指标，包括偿付能力指标、经营能力指标、盈利能力指标和发展能力指标。公司财务报表的分析和评估通常由报告分析师完成。如下图所示，常用财务指标分析项目内容：

5.3 财务比率分析

根据同期财务报表中两个或多个项目之间的关系计算该比率，以评价企业的财务状况和经营成果。财务比率可以评估一项投资的收益逐年变化，也可以比较某个行业的不同公司在某个时间点。财务比率分析可以消除规模的影响，可以用来比较不同公司的收益和风险，从而帮助投资者和债权人做出明智的决策。

5.4 EVA分析方法

EVA是经济增值（EcoNomic Value added）的缩写，是由斯特恩斯图尔特咨询公司开发的一种新的价值分析工具和绩效评价指标。EVA分析法的具体公式：附加经济价值（EVA）=息税前利润-总资本成本。

此外，ping效率还有常用公式：总毛利（元/月）=平均ping效率（元/坪/月）*面积（坪）*毛利率（%）；类别公式：总毛利（元/月）=∑单价（元/个）*单价体积（个/平）*入住率（平）*周转率（次/月）*毛利率（%）；流量公式：总毛利（元/月）=坪流量（次/坪/月）*面积（坪）*转化率（%）*客单价（元/次）*毛利率（%）。

02-6

专题大数据分析

所谓专题大数据分析，是指对某些大规模数据的分析。大数据常用于描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展和创新。共同特点是数据量大、类型多、价值密度低、速度快、时效性低。比较常见的专题大数据分析包括：购物篮分析、引力模型、推荐算法、价格敏感度分析、客户群分析等分析方法。

6.1 市场篮子分析

通过购物篮/购物车中显示的信息研究客户的购买行为。购物篮分析最著名的案例之一是“啤酒和尿布”：1990 年代，美国沃尔玛超市在分析销售数据时发现，在某些特定案例中，“啤酒”和“尿布”是两个项目. 看似无关的产品通常出现在同一个购物篮中。经调查发现，在美国有婴儿的家庭中，妈妈通常在家照顾婴儿利润敏感性分析法，年轻的爸爸则去超市买尿布。我父亲买尿布的时候，经常给自己买啤酒。后来，沃尔玛开始尝试将啤酒和尿布放在店内同一个区域，让年轻爸爸们可以同时找到这两种产品，快速完成购物；而沃尔玛超市还可以让这些顾客一次购买两件产品，而不是一件，而是获得了不错的销售收入，这就是“啤酒和尿布”故事的由来。

6.2 重力模型分析

最广泛使用的“旅行分配模型”之一。它以表达形式和牛顿万有引力定律命名。该模型确定两路段的出行次数与出发区的出行次数成正比，与两路段的交通阻力的一定幂成正比。

6.3 推荐算法

它是计算机专业中的一种算法。通过一些数学算法，可以推断出用户可能喜欢的东西。目前推荐算法应用最好的地方主要是互联网，其中淘宝做得比较好。所谓推荐算法，就是利用用户的一些行为，通过一些数学算法来推断用户可能喜欢什么。

6.4 敏感性分析

是指从诸多不确定因素中找出对投资项目经济效益指标有重要影响的敏感因素，分析衡量对项目经济效益指标的影响程度和敏感性，进而判断项目的经济效益。承担风险的能力。一种不确定性分析方法。见下文：

6.5 客户群体分析

根据用户的属性数据分析，对用户进行分组分类进行分析。它实际上是常规比较分析中的分组分析，但主要针对客户群体。例如，某年对小镇青年和都市青年最喜欢的购物APP进行分组分析得出的结论如下：

03

结束语

基于硬件成本的不断降低、内存计算的不断成熟、企业业务管理系统应用的不断深入，流程驱动管理逐渐无法满足企业日新月异的发展需求，而数据驱动管理越来越受到企业的青睐。企业需要能够承载海量数据的高性能数据中心。无论企业应用什么样的业务管理系统，真正帮助企业经营者决策的都是数据。