執行資料採礦在分銷鏈伊始對大資料應用預測分析

在本文中，瞭解如何應用預測分析改善批發分銷企業的多個職能部門的業務運營，並瞭解 IBM 產品集，包括對HTTP://www.aliyun.com/zixun/aggregation/13568.html"> 大資料技術的研究，以及隨著技能和資料在未來的增長而對大資料技術的早期應用。

本文重點介紹預測分析及其相關分析流程，您可能已在其他論壇瞭解了許多這類內容。 這些文章也並不只限于枯燥的技術討論。 您可以在 IT 和技術雜誌及網站、業務運營和分銷行業雜誌，甚至在普通的新聞雜誌中都可以閱讀有關預測分析（對資料採礦 進行更新和擴展後的術語）。

儘管預測分析在批發分銷業並不算主流方法，但是，這種方法的應用會越來越廣泛。 和許多其他技術一樣，這種方法首先在一些大型企業中得到採用，隨後遍及到一些中等規模的企業。 隨著採用的增加，同時也衍生出許多商業和開源工具。 這類工具的數量非常龐大，如果不是該領域的專家能手，那麼在挑選工具集時很可能會不知所措。

預測分析的定義

首先，讓我們來瞭解一下預測分析的定義不包括 哪些內容：

不是報告功能。 從事務資料庫提供匯總後的資訊是非常有用的功能，但是這不屬於預測分析。 預測分析使用統計流程為企業使用者提供無法通過傳統報告收集的資訊。
不是線上分析處理 (OLAP)、多維資料集 (data cube) 或記憶體資料庫。 儘管非關係資料存儲技術的出現推動了資訊向企業使用者的交付，然而它仍然不是預測分析。 這並不是貶低記憶體資料庫和 OLAP 引擎的性能的進步，而是因為僅僅將歷史資訊放到這些格式中並不會為企業決策者提供更多的洞察力。
不是試算表。 這一點屬於待定內容。 最流行的試算表應用程式的確提供了比普通的求最大值 (max)、最小值 (min)、求和 (sum) 和求平均數等計算更豐富的統計功能。 （但是，很少有人知道如何使用更加高級的統計功能）。 這種試算表可以執行多種迴歸分析，對於預測未來趨勢很有用。 然而，試算表在可以處理的資料量、處理速度和應用預測的能力（即對新資料進行預測並將預測結果通知給其他方）方面具有很大的局限性。
至於什麼是預測分析，則取決於您的交談物件。 我對於它的一般定義是：預測分析 是指使用自動化的統計流程分析資料並將結果匯總為有用資訊的過程。 有用資訊的形式多種多樣，但是對於分銷商來說，有用資訊應當可以由業務決策者操作，或者可以編碼為應用程式，從而自動包含到基於企業資源規劃 (ERP) 的業務邏輯中。

預測分析非常有用，這是因為在您的 ERP 系統和其他非 ERP 資料庫中，每個人都需要理解、分析大量資料並進行處理。 訂單歷史資料、客戶關係管理 (CRM) 資料以及採購和庫存資料將按照一定的速度進入到 ERP 系統並不斷累積，並且這種速度不會超出伺服器的處理能力。 您將通過報告對這些資訊進行匯總，公司主管和業務線 (LOB) 使用者將經常查看這些報告。 然而，這些歷史資訊本身並不能提供可預測的或規範性建議。 而這正是預測分析學發揮其作用的地方。

大型分銷商使用的概念、技術和工具可以成功地應用到中等規模分銷商的運營和資料中。 讓我們瞭解一下您通過預測分析可以在 ERP 應用程式的哪些位置利用資料。 然後，瞭解一些用於執行和部署預測分析和大資料技術的工具，以及如何對非結構化或半結構化資料使用大資料技術的工具和概念。

預測分析在分銷領域中的示例

在互聯網上快速搜尋相關的術語，您會發現在不同職能部門應用預測分析的許多示例。 下面是一些我比較喜歡的示例。

採購

預測分析在採購優化方面的應用已經有很長的歷史了。 中等規模的分銷商通常安裝一些系統來觀察各種產品的庫存和訂單歷史記錄，從而提供建議的採購量和採購時程表。 這樣做的實際效果就是降低庫存水準。

季節性波動通常是造成存貨過多的一個隱性原因。 預測分析可以顯示季節性波動趨勢。 更令人印象深刻的是，一些分銷商使用預測分析來識別連續的季節性波動。 例如，節日裝飾品分銷商通過預測分析流程可以發現，人造聖誕樹和裝飾燈的銷售顯示出相同的季節性趨勢，但是銷售高峰與銷售連續期之間間隔 5 天。

金融

客戶信用一直都是一個不易處理的領域。 當您的公司在構建歷史資料時，您可以向您的 CRM 和應收帳款 (AR) 檔應用預測分析來監視個別客戶和客戶群。 通常，對於公司的新客戶，將根據外部代理的客戶報告提高該客戶的信用。 該報告很少有人流覽，除非客戶在逾期未完成支付或信貸總額增加時 AR 出現問題。 預測分析模型可以查看走勢變壞的客戶的歷史記錄並找出警示跡象。 一些分銷商在預測模型中結合了 AR 和 CRM 檔，併發現客戶回電延遲是一個重要的警示信號。

市場行銷

將客戶分組是大多數企業進行規劃和定位的常見手段。 雖然啟發式的客戶分組非常易於實現，但是應用預測分析技術可以創建一種更加優化的劃分系統。 這種分組模型將應用於潛在客戶和新客戶。 具體使用辦法包括將新客戶的訂單模式與同一分組中長期表現良好的客戶的模式進行快速匹配。

在分銷領域中，客戶分組模型的另一個出色應用是用於客戶生命週期管理。 瞭解客戶如何經過不同的階段才成為您的客戶，這將有助於您的公司制定計畫和激勵措施來保留這些客戶。

銷售

在市場行銷中使用預測分析的一些概念也可以直接應用於銷售部門。 瞭解客戶生命週期有助於銷售人員找出分銷商在哪些領域正在逐漸失去業務。

預測分析在銷售部門還有許多其他的潛在應用。 我最喜歡的一個應用就是交叉銷售模型，這是一個自動化或半自動化系統，可以顯示出客戶最有可能購買但還未購買的產品。 增加訂單額是分銷商直接提高利潤的最佳方法之一。 真正的預測分析不僅僅是顯示某個部門用於交叉銷售的熱門產品 (top product)。 客戶通常已經購買了這些產品。 最佳交叉銷售模型幾乎可以充當個人購物助手，推薦一些具有正向關聯但並不明顯的產品。

交叉銷售模型還可以説明將低價值客戶轉換為高價值客戶。 想像一下，該模型可以使銷售人員增加某個客戶一次性購買的商品數量。 這種方法非常微妙且效果很好。