商业智能(BI)中如何实现因素变化分析

企业管理者在做决策的时候，可能需要回答问题：当产品销售价格增加10%，对于企业在利润影响有多大？这可不是简单的原来利润加一个10%而已。因为销售价格提升10%之后，可能会导致销售量的下降。为此实际对利润的影响，往往会低于10%。那么到底是多少呢？这就是企业的管理者需要回答的问题。

在手工分析阶段，要得出这个答案有一定的难度。因为其涉及到多个因素之间的相互影响。而在BI系统中，要实现这个因素分析，则相对来说要简单许多。

商业智能(BI)中如何实现因素变化分析：一、BI系统中因素变化的模型

因素分析说简单是简单，说复杂也很复杂。如在文章一开始就提到的价格、利润与小手量之间的关系。价格提高，会导致企业销售量的降低。但是并不一定会使得企业利润的降低。因为价格上去了，销售额就增加了，则企业的利润就有可能增加。这就是说，销售价格的提高，与利润之间并没有直接的关系。其中间还牵涉到销售量的问题。那么是不是说，无法预测销售价格与利润之间的关系呢？这也不是。

根据企业以前的销售记录，可以分析出销售量、利润、与价格之间的关系。简单的说，这只是一个函数的关系，就相当于是y=kx函数。其中Y表示收入，X表示价格，K是一个系数表示销售价格对销售的影响。如果根据以前的销售情况，能够得到K这个系数，那么一切就好办了。

而其难点就在于如何确定这个系数K。在实际工作中，有很多种方法。如连环替代法、差额分析法等等。这些分析方法就组成了BI系统中因素分析的基本模型。由于这些内容更加的偏向于管理，为此不是笔者这里阐述的重点。笔者这里需要强调的是，在实施BI系统项目的过程中，如果要采用这因素分析模型，那么需要向用户预先确认其想要采用的模型，即如何来确定系数K的问题。项目管理员毕竟不是神仙，无法掌握所有的知识。所以这只需要与企业用户有一个确认的过程即可。

商业智能(BI)中如何实现因素变化分析：二、因素的相关性

在BI中实现因素分析的过程中，一定需要注意因素的相关性。也就是说，某一个因素变化之后，可能会导致其它因素发生连锁反应。这直接导致最后的结果与这个因素之间没有成比例的变化。这就直接增加了因素分析的复杂性。如上面这个案例，销售价格提高了10%，企业收入并没有成比例的提高10。因为销售价格的提高会降低企业的销售量。所以最后企业的销售收入是否会增加，这还是一个未知数。

那么在BI系统中还如何反映这种相关性呢？笔者认为可以从如下几个方面出发。

一是假设某个因素不变。这是一种简化了的分析模型。如收入=价格*销售量这个模型中。当价格增加时，我们假设销售量没有变化。此时收入的增加就等于价格的增长率。或则和说，当价格降低时，我们假设销售量也没有提升，此时的收入与数量就有一种成比例的关系。这是一种比较早的分析思路。这种分析方法，得到的结果并不是很科学。在Bi系统中，为了满足部分用户的需求，仍然有这种方法。不过在使用这个方法时，还是要谨慎。因为其最终得到的价格，与实际结果可能有比较大的误差。

二是采用连环替代法。这中方法无论是在BI系统中，还是在实际工作中，用到的都比较广泛。如上图所示，企业的净利润可能与库存、价格、成本三个因素相关。我们在分析时，往往将一个分析指标M是由相互联系的A、B、C三个因素相乘得到，即M=A*B*C。并将这个指标分为预期指标（M0）与实际指标（M1）。然后采用连环替代的方法（这种方法的工作原理，请大家参考相关的经济管理书籍），可以到达某个因素的变化对指标的影响。即价格变化对利润有多大的影响、企业成本降低1个百分点对企业的利润有多少的贡献等结果。

通过采用连环替代的方法，就可以知道各个因素的变动对于某个指标的影响。如上图所示，用户可能需要知道价格、库存、成本的变化对于最后的利润或者销量的影响。此时用户可以分别在上面三个指标上移动指针来设置预期的变化值。然后系统就会根据连环替代法的工作原理，分析出其可能的预计数量。在实际操作中，我们可以看到当价格下降了10%之后，销售数量并没有成比例的增加或者销售收入并没有成比例的降低。从这里就可以知道，其在分析最后的结果时考虑了多个因素变化的可能性。并根据一定的运算规则计算出可能的结果。

商业智能(BI)中如何实现因素变化分析：三、可以去掉不关键的因素

在实际工作中，某个因素的变化，引起的连锁反应会非常的复杂。如企业库存的增加，有劣势也有优势。劣势是导致企业的库存成本（库存会占用资金）和管理成本的增加。而优势是可以缩短交货周期从而扩大销量、扩大市场占用率等等。也就是说，一个因素的变化会导致五个甚至更多的因素的变化。而且这些因素的变化最终都会影响最后的计算结果。

那么在分析中，我们需要考虑所有的因素吗？这是没有必要的，也是不可能完成的任务。无论是在实际工作中，还是在BI系统中，我们主要关注的仍然是一些关键的因素。如对于销售价格的变化分析，我们只考虑销售数量这个因素，而不考虑违约成本等等次要的因素。如果将所有的因素都考虑进去，从实际工作来看成本太高。而从BI系统的角度来看，可能会导致死循环。总之，在BI系统中设计、开发、实施因素分析模块时，我们可以去掉那些不关键的因素。具体的说，需要做到以下几点。

一是分析某一因素对分析指标的影响时可以家电高其他因素不变必须要求各个因素之间没有显著的相关性。即在考虑因素之间的连锁反应时，先考虑各个因素之间的相关性。如果他们之间没有显著的相关性，或者说中间隔了好几座山，此时可以认为这个因素与需要分析的因素之间不存在必然的联系。这就是说，在考虑因素分析时，不需要考虑进去。

如企业需要提高利润，必须要提高销售价格或者降低生产成本。但是实际工作中，信用条件、库存数量等等也会影响其最终的利润。而且不同的企业其影响程度有所不同。如对于生产企业来说，库存数量比较多，则库存对于利润的影响就比较大。为此在分析利润时，可能需要将其考虑进去。而对于商品流通企业来说，其库存的压力往往是在其前家，即生产企业。此时库存数量并不会对其利润产生很大的影响。所以在分析利润这个指标时，不需要考虑库存成本这个因素。由于企业之间存在着这种差异性，这就要求BI实施顾问在实施这个模型时，需要跟用户确认在分析时所采用的因素。

二是需要因素之间顺序。如销售收入=销售价格*销售数量=销售数量*销售价格。从理论上看，这是正确的。但是如果在因素分析这个背景下，则其往往是不等价的。在采用连环替代法的时候，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。

不好的地方就是如果要得到一个正确的结果，必须根据因素与指标的相关性或者重要性程度来确定各个因素的顺序。一般来说，需要分析指标的内涵来确定各个因素的逻辑顺序、需要确保相邻两个因素之间的相关性等等。要确认这一点有一定的困难。在实际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。