马红兵

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第九讲　价值状态

Thor问Lulu是否觉得Jane会对他们所做的工作满意。她为什么不满意呢？Lulu回答。我们做了所有她要求我们为市场和销售做的事情，但我有一种感觉，我们还可以做得更多。肯定可用我们利用我们收集的销售数据和我们生成的成本数据，提出一个表示每笔交易收益的指标，然后利用每笔交易的收益在收益层面考察客户。Lulu说，我想我们在谈论价值状态模型，这是一种随时间流逝观察销售和客户的有用方法，我刚参加一个关于这方面的课程。究竟什么是价值状态模型？Thor问。Lulu开始解释。
质量，Thor，不像死亡和税收，不是一个恒量，这对任何事情任何人都适用，不管是客户、产品、供应商、工人、还是经理。这一年是创利客户或产品，在另一年就可能是亏本的；一个季度内可信赖的供应商，在另一个季度就可能是不可信赖的。
既然质量在变化，随着时间跟踪实例的变化和并按照其质量或不变化的方式对事情或过程（不管它是什么，我们都可以测量其质量）进行归类就是可能的。归类和跟踪质量变化是创建任何一种原因因素分析必需的第一步，其要分析的原因因素导致质量随时间变化增加、降低或稳定。观察质量变化最系统的方..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第八讲　市场和销售的数据挖掘（续）

3）分配市场开支到产品销售
我们需要把所有的市场开支分配到foodcake产品的销售中去，Lulu说。你会怎么处理，Thor？我想把合并后的市场开支按产品和月份等级分配到商店，但我怀疑我漏掉了什么。你同意Thor吗？你怎么想？
Lulu回答，你很对，Thor。你确实遗漏了一些东西。遗憾的是，我们不能重用我们合并后的市场开支变量，合并后的市场开支变量的问题在于，确切地说，它是对产品类型相关（产品线）和产品无关（品牌和商店）市场开支的合并，相反，我们则需要分配这些成本到其各自的产品种类。我们不应该在计算蔬菜cake的市场开支时，把对fishcake的市场开支也计算进去。
同样，为了更清楚起见，给定我们市场开支数据的粒度等级之后，我建议我们在与产品线等级相当的每个产品基础上计算市场开支。这样，我们的结果将按照月份和产品类型——fishcake或蔬菜cake——显示每个商店平均的市场成本与产品销售的百分比。
Lulu说，我建议下面的公式，结果集显示在图7.8.1内。
“Marketing costs as a percentage of product sales”,
  Geog.store.,
  Foodcake.（Fish ＋..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第七讲　市场和销售的数据挖掘（续）

2）市场开支
传统上FCI在品牌、产品线和商店等级上进行市场活动。为了这一原型的有效性，Jane要求Lulu和Thor对现行的市场活动美元开支在每个产品的基础上做一个大概估计。Jane 已经提供了FCI的市场开支数据。由于市场开支数据的维是由与销售数据一样（虽然并不是所有的等级和成员都完全一致）的维所度量的，它也被载入到同一个立方体内。
你想如何载入数据？Lulu问。我们应该给每种类型的市场开支创建一个独立的变量吗？或者我们应该把所有不同的市场开支加载到同一个市场的开支变量中去？你怎么想？你如何决定？
Thor回答说他的决定依赖于是否存在不同市场开支不聚合在一起的情况。如果不管是为了聚合还是为了分配到产品线等级、品牌、产品线和商品的市场开支总是汇总在一起，那我更愿意把所有的市场开支加载到同一个变量内。Lulu问，但测量过程的差异性怎么办？如果FCI计算品牌市场开支的假定方式，与计算产品线市场开支的假定方式不一样怎么办？Thor回答，任何需要做的注解都可以在一个地区范围与地区范围的基础上的一个变量内做，中心问题是，Thor继续讲道，是否每种市场开支..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第六讲　市场和销售的数据挖掘（续）

3.1市场
Lulu和Thor很满意他们对FCI销售的分析，并且开始把注意力转移到FCI的市场分析上。他们想知道的第一件事情是FCI的市场份额是多少。你觉得我们应该如何达到这个目的？Thor问。他在市场分析方面只有有限的经验。你会怎么做？
1） 市场份额
Lulu回答道，我们要做的第一件事情是基于可用的数据源确定粒度，我们在此基础上定义市场。这包括地理、产品和时间。我们是在谈论国家市场、区域市场，还是本地市场？要区分fishcake和蔬菜cake的数据吗？存在低热量cake的数据吗？或者我们必须基于可用的一般食物馅饼的数据给我们每个foodcake产品线的市场规模建立接口呢？目前，我先假定我们可以利用已有的市场数据，如果我错了，我们也许不得不进行一次市场调研。
幸运的是，Lulu的假定是正确的。按地区分的fishcake和蔬菜cake的市场数据已经存在。下面的公式用来计算FCI蔬菜foodcake每个地区月度的市场份额。
“market size”{$},
      Foodcake.vegetarian.,
      Time.month.,
      Geography.region.,
  ..

阅读全文>>

各位读者，你们好。自从2年来对数据统计分析及数据挖掘的认识深入，通过一些数据挖掘项目的实践。我越来越感到挖掘数据为企业所带来的价值，哪怕是只在数据统计与分析层面也会为企业提供很多的有用的信息。另外，数据统计分析或挖掘工作如果能与CRM、ERP、财务滚动预测等结合的话，对企业的销售、服务、市场的作用和意义更大。不知那位读者可以帮我推荐一个这方面的工作？
我的联系方式：
Email:philde@sina.com
电话：13910524455

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第五讲　市场和销售的数据挖掘（续）

3．销售分析
现在Lulu和Thor已经建立了基本框架，他们想生成一些FCI高级管理层期望的典型聚合报表。给定基本框架之后，Lulu觉得这些聚合报表的定义是简单直接的，如图7.5.1至图7.5.7中的6个功能显示屏所示，其中包含查询的文字描述，相应的定位内容（LC）表达式和结果视图的例子。
1） 不同商店、月份和包类型的foodcakes总收入：
“Total_Revenue”{$},
Store., Time.month., package., Foodcake.all
2） 不同foodcake和月份的foodcake总收入：
“Total_Revenue”{$},
Foodcake., Time.month., package.all, Store.all
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
1） 月收入排名前5的商店，以及各自的月销售量：
“Store”, “Qty_sold”{Kg},
Foodcake.all, Time.month., Total_Revenue.Drank.(1 to 5)
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
4）4月份销售最好的前3个商店中销售最好的前5种foodcake：
“Store.（Total_Revenue, Foodcake.all）.Drank.（1 to 3）”,
“Foodcake.（Qty_Sold..

阅读全文>>

隐性权力对企业管理的影响概述
———— 马红兵
一、什么是隐性权力
在企业管理范畴，除了根据组织结构的划分而赋予各职能岗位的显形权力之外，还有一种与组织结构无关的企业隐性权力存在。现在有越来越多的企业开始关注这种权力的存在，并且通过各种形式积极地在引导这种权力向正方向方面转化。那么什么是企业管理中的隐性权力呢？
隐性权力即：来自一些非制度性安排的，但又实际存在的非正式权力。之所以要研究隐性权力，是因为在现实中的正式组织与非正式组织，一种权力被正式、合法的授予后，便往往会在其周围衍生出一些隐性的权力，而且这种权力会对策略的执行产生很大的影响，因此，必须对之予以识别并进行有效约束。

　　隐性权力往往来自于机构中的非正式组织，例如由于个人的能力、知识、品德等在群体中所形成的威望，某人由于与权力高层所形成的某些特殊的关系而拥有的影响力等，这些影响力在制度上没有被承认，但却能左右决策与实施，因此也被普遍认为是权力的一种。

隐性权力主要来源于各种非正式组织，而非正式组织中的影响力能被人们所认可，主要是人们的心理判断发生了作用。这种权力在组织中主要表现为一下两个方面：

其一，是某个人在组织中形成的个..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第四讲　市场和销售的数据挖掘（续）

3）折扣{$}
各种类型的促销在商店详细交易记录的折扣中记录，如图7.1.1所示。
“Discount”{$},
  Time.leaf.,
  Foodcake.leaf.,
  Geog.leaf.,
  Scenario.actual ＜＜

              [ input transaction detail summed to the day level ]
此变量在除了方案维外的所有维上汇总，定义如下：
“Discount”{$},
  Time.leaf.above.,
  Foodcake.leaf.above.,
  Geog.leaf.above.,
        Sum（ Discount”{$}, Time.leaf., Foodcake.leaf., Geog.leaf., Scenario.actual ）
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
4）折扣比率{$}
为了跟踪为什么一个特定的折扣是有效的，并且跟踪如何在客户商店和FCI间分配折扣，客户商店要跟踪折扣比率。折扣比率的值是一个表示商店所承担的打折部分收入的比例，值为1表示商店承担所有的收入损失，值为0表示FCI承担所有的收入损失，两者之间的值表示双方的相对比..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第三讲　市场和销售的数据挖掘

3．每包的列表价{$/pkg}
每包的列表价是每包FCIfoodcakes的建议零售价。FCI非常在意其品牌形象，虽然它经常与其客户商店联合进行产品促销，但公司通常不允许零售商发起对其foodcakes的打折活动。
1） 管理价格变化
FCI在一个如图7.3.1所示的2维表中维护价格变化信息。
Foodcake
日期
批发价{$}（Wholesale_Price）
列表价{$}（List_Price）
海王星4包
1月2日
5.75
6.90
海王星4包
1月31日
5.60
6.55
海王星8包
1月2日
11.35
13.10
图7.3.1价格变化表
Thor立刻注意到要做一些转换才能把数据放入到立方体。你能看出问题之所在吗？Thor解释说，存在此问题是由于价格表中的包类型信息是项描述的一部分，这与把包类型定义为foodcake维的叶子成员是等价的。遗憾的是，关系和OLAP工具都不能很好地执行这类转换。

Thor指出他需要转置具有总销售（W）和列表（L）价格列的现存部分foodcake名字的包后缀，把以前的一列创建为两列。就这么简单吗？Lulu不这么认为。她告诉Thor他能否进行此转置取决于FCI是否会同时改变两种包类型的价格，为说明她的观点，她展示了如果按照Thor的设计进行转置FCI的..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第二讲　市场和销售的数据挖掘

1． 立方体维
销售和市场立方体有4个维，通过标准笛卡儿积关联：
l       时间

Lulu使用FCI的标准时间维，基于等级，从最低等级的日期开始，上卷到周、月、季度和年，此维覆盖了3年的日期。
l       地理

与以前的设计一致，Lulu用FCI维护的商店列表与FCI维护的基于国家的地理维的关联得到基于商店的地理维。
l       Foodcakes

目前，FCI销售的30种foodcakes分成3类：美味、低热和素食的。
l       场景

FCI的标准报表包含3个场景（Scenario）：计划的、实际的和变化的。
2． 立方体输入变量
在商店收集的将被传送到FCI的数据由下面描述的几部分输入变量组成。
1） 销售包的数量：Qty_Sols{pkg}
商店用包来跟踪销售。FCI生产两种不同类型的包：4个装和8个装。Lulu这时问，把4个装和8个装的差异作为变量的不同还是维的不同，哪种更有意义。你怎么认为？
维还是变量？
简短思考后，Thor说如果所有的foodcakes都是以4个装或8个装的包装销售的，并且只有一个销售数量变量，那么把包装类型作为变量的不同比作..

阅读全文>>

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第一讲　概述

概要

【在这一课中，我们将学习如何把OLAP解决方案应用到市场和销售中去。通过追随Lulu和Thor争论应把包裹类型建模为一个维还是一个变量，我们将看到各种聚合变量的方法，这些方法并不仅仅是把变量在所有维上汇总。我们将学习输入存在空缺数据的不同方法，看到在多个维上为销售进行的混合变量分析；我们将学习为捕获不同粒度层次上源费用的市场开支变量建模的最佳方法，如何对市场开支进行聚合，以及如何将其分配给不同的产品等级并与销售进行比较；我们还将学习如何建立一个客户价值状态模型。】



Foodcakes国际（FCI）需要了解其产品的销售如何依时间、商店、客户类型和产品种类的不同而变化，以及变化的原因。公司知道，要想实现这一目标，需要对产品最终消费者进行观察。毕竟FCI并不向消费者直接销售其产品，而是先把foodcakes销售给商店，然后再由商店买给消费者。为了有机会分析其最终消费者，FCI提议建立一个商店端的企业间供应链应用作为其数据仓库项目的一部分。几乎所有的客户商店都同意FCI下面的提议，把客户商店的foodcake交易数据以最小的延迟提供给FCI。通过适当的安全控制，每个客户..

阅读全文>>

商业保险市场的春秋战国时代
——评商业保险的新营销模式
随着国内保险市场人们对保险的认识提高，随着保险市场本身的逐步完善及各类保险产品的逐渐丰富，保险市场的份额也在逐年快速递增和扩大。再加上保险行业的对外开放及准入制度的完善，不但国内企业踊跃加入到保险行业中来，国外大量的保险企业也纷纷而来，都想在中国的保险市场开拓一片天地，瓜分中国这块2007年保费达到7035.8亿元，并保持每年以25%的速度增长的保险蛋糕。

根据保监会的统计资料，全国共有69家保险公司，其中有37家外国保险公司在华开展业务。保险代理机构有1684家，保险经纪机构有357家，其中外资有5家。

一、保险公司的营销模式

1.     中资公司的营销模式

中国保险行业几十年来在发展过程中固定下来了一种业务模式，就是所谓的店面模式，即投保人到保险公司的受理大厅去办理相关的保险事宜。但随着保险代理人及保险经纪人的出现，这种模式尽管被保留了下来，但是目前国内更多的保险业务却是用另外一种模式完成的。中资保险公司目前大多普遍采用的保单销售方法还是传统的一对一销售或叫面对面销售法，保险代理人通过销售保单提取佣金。只是随着保险市场的成熟与发展，这种营销模式..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第十二讲　成本（续）

Thor仍在考虑此问题，这时Lulu说，即使他们不能访问活动级的数据，他们仍可以近似得到鱼的每天存储成本。这可以通过这样得到，把库存成本分配到每天，然后把每天存储成本与天吞吐量合并来估计每天存储一公斤鱼的美元成本。然后，他们可以利用此数据，基于年龄维计算出每天每种鱼的此种鱼在仓库内待几天的总成本。
显然，只需存储一天鱼的每公斤库存成本比还要存储6天的鱼的每公斤库存成本要小。即使员工的所有时间都花在了鱼的接收和送出上，我们仍然能通过设施、维护和能源帐单得到一些存储成本。这里假定地点的三分之一贡献给装载和卸载，余下的部分贡献给存储，Lulu说，我们可以创建一个粗糙的基于时间的存储增长成本的计算公式：
[ Cost ]: “Cost per kilo of fish processed in inventory”{$/Kg},
  Geog.site.,
  Time.day. ＝
        （ 2/3 （Cost, Asset.all ）/ [ Throughput ]:（Quantity sent
        ＋ Quantity received）/ 2, Age.all,Material.all
不错，Thor说，然而，我不认为你已经正确地捕捉到了库存的总成本。..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第十一讲　成本

库存成本计算方法在粒度上的两种主要差别是按时间聚合的地点成本和雇员——任务层的成本。前一种跟踪成本方法的基本框架，包括一个两维的时间地点结构及所有相关的成本变量，比如能源、金融、维护和人力。一旦采用这种方法，就可以按时间和地点把成本与完成的库存吞吐比较，进而计算出库存的每单位鱼的成本，以及鱼到达生产设施时其真正的基于活动的成本。
后一种跟踪成本的方法需要测量每一个仓库雇员在某一特定时刻的工作，实际上，就是把库存过程当成一个项目来管理。时间维将不得不分解到小时甚至分钟等级，每个地点的雇员在任一时刻都将必须与一特定的任务联系起来，比如装载或卸载鱼。一旦应用后，这将允许FCI计算每个雇员组损失的鱼，也许能够发现具有某种特征的雇员更容易或不容易丢弃鱼或错误判断损失的鱼。
虽然此信息可能会被证明很有用，但FCI认为它不如创建一个雇员等级的对生产的理解更重要。因此，按照优先顺序，FCI对其正在创建的覆盖整个公司的性能指标采用广度优先的策略，并希望把详细的库存雇员映射项目留到以后再做。
1． 时间层次的地点成本
好吧，Thor说，我们从哪里开始？Lulu回答说，库存..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第十讲　库存吞吐立方体（续）

7．审核
Lulu说，相对于基本库存的跟踪而言，审核是简单直接的。虽然我们计算手头鱼的数量是基于物流输入和输出的测量，但我们可以通过测量手头上任一个数量和所有数量的方法来审核这些数字。FCI决定在年底审核之外，还进行随机抽样审核。所有审核都具有如下形式：
“Quantity on hand audited”{Kg},
  Time.day.,
  Site.leaf.,
  Foodsource.fish.leaf.,
  Age.leaf. ＜＜ input


“Reconciliation”{Kg},
  Time.day.,
  Site.leaf.,
  Foodsource.fish.leaf.,
  Age.leaf. ＝ “Quantity on hand” － “Quantity on hand audited”
8．派生变量
Thor说，现在我们已经把无年龄库存立方体上的基本变量都映射到了年龄——跟踪立方体上，我已经准备好有分析意义的派生变量。于是Lulu和Thor开始依次写出下面的分析公式及其结果的例子视图（见图6.9.1至图6.9.4）
1） 送去生产的最老的鱼和最新的鱼：
（“Fish”,Age.min）,( “Fish”,Age.max),
      Foodsource.all
      Time.Day...

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第九讲　库存吞吐立方体（续）

5）重定义手头数量
那么，Lulu说，手头数量最新的定义是怎样的呢？Thor回答，让我们首先回忆一下剥夺了损失鱼不同源的复杂性的旧定义：
“Qty on hand”{Kg},
      Site.,
      Food_source.fish.leaf.,
      Time.day.first.after. ＝

              （ “Qty on hand”,Time.day.this-1 ）＋

              （ “Qty received” －

              （ “Qty lost for any reason” ＋ “Qty sent to production” ）,
                Time.day.this-1 ）

“Qty on hand”{Kg},
      Site.,
      Food_source.fish.leaf.,
      Time.day.first ＜＜ input

所有你要做的，Thor说，就是把年龄维加入到这两个公式，如我下面已经做的，确保对Age.leaf的引用，因为还存..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第八讲　库存吞吐立方体（续）

3）重定义请求数量
他们要重定义的下一个变量是请求数量，也就是请求从仓库中送出用于生产的鱼的数量。回忆一下，老库存模型那里请求数量可以比手头数量多，这时产生库存短缺。请求数量应该连接到年龄立方体的哪个成员呢？Lulu很想说把它像接收数量一样连接到Age.1，但她知道这不是很正确的。毕竟，仓库中存在可以送出的鱼可以具有1到6天之间任何可能的年龄，Thor也在考虑此问题。你怎么想？
Thor最后说请求数量不能连接到年龄维的任何成员，因为年龄维这里有一个错误，它缺少一个总成员。当生产部门的人请求鱼时，他们不会要求具有特定年龄的鱼，在FIFO的库存管理原则下，生产部人员并不用年龄划分其请求的鱼。因此，修正了年龄维以表示所有成员之后，Thor写下了如下请求数量的定义：
“Qty requested”,
      Time.day.,
      Geog.site.,
      Food_source.fish.leaf.,
      Age.all ＜＜ input
4）重定义送出数量
下一个要重定义的变量是送出数量。现在FCI要系统地跟踪鱼的年龄，他们需要确定每一批送出生产的鱼里..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第七讲　库存吞吐立方体（续）

6．系统性的年龄跟踪
很显然Lulu和Thor需要找到一种更好的系统地跟踪鱼老化的方法，并且这种方法会包含FCI业务过程的改变和随之发生的多维模型的改变。如果运气好的话，Jane也会同意他们对需求的评估。再看一下库存立方体。你会如何系统地跟踪老化情况？FCI已经给每一批接收的鱼赋予了一个达到日期，但此信息只被包装工人用来进行FIFO的库存实践和丢弃过期的鱼。如何更好地利用这一信息呢？给库存立方体添加一个日期变量？考虑一下。
1） 改变立方体
Lulu指出，不管采用何种方法，手头数量变量都必须按照年龄加以区分。也就是说，FCI需要的不仅仅是知道库存中有多少鱼，更要知道每个年龄的鱼分别有多少库存。Thor建议，并且Lulu同意这个建议，他们需要定义一个老化年龄维，并将其添加到库存立方体内。添加和使用年龄维需要三个步骤：
<1> 定义维度并将其添加到现有的结构中，不考虑数据。
<2> 做一切需要的工作把老数据映射到新的结构中。
<3> 在新的年龄跟踪库存立方体中加入适当的公式。
他们认为年龄维本身是简单的，应该定义为基数类型，并且叶子等级实例数目与鱼老化直至腐..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第七讲　库存吞吐立方体（续）

6．系统性的年龄跟踪
很显然Lulu和Thor需要找到一种更好的系统地跟踪鱼老化的方法，并且这种方法会包含FCI业务过程的改变和随之发生的多维模型的改变。如果运气好的话，Jane也会同意他们对需求的评估。再看一下库存立方体。你会如何系统地跟踪老化情况？FCI已经给每一批接收的鱼赋予了一个达到日期，但此信息只被包装工人用来进行FIFO的库存实践和丢弃过期的鱼。如何更好地利用这一信息呢？给库存立方体添加一个日期变量？考虑一下。
1） 改变立方体
Lulu指出，不管采用何种方法，手头数量变量都必须按照年龄加以区分。也就是说，FCI需要的不仅仅是知道库存中有多少鱼，更要知道每个年龄的鱼分别有多少库存。Thor建议，并且Lulu同意这个建议，他们需要定义一个老化年龄维，并将其添加到库存立方体内。添加和使用年龄维需要三个步骤：
<1> 定义维度并将其添加到现有的结构中，不考虑数据。
<2> 做一切需要的工作把老数据映射到新的结构中。
<3> 在新的年龄跟踪库存立方体中加入适当的公式。
他们认为年龄维本身是简单的，应该定义为基数类型，并且叶子等级实例数目与鱼老化直至腐..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第六讲　库存吞吐立方体（续）

2）库存管理
考虑过库存问题吗？Thor问。你怎么知道什么时候库存短缺？有足够的信息来判断在一个地方库存短缺的一种食物源在其他地方是否还有库存，以及这种情况发生的频率吗？这是非常罕有的情况，还是发生频率足够多到需要采取一些措施的情况？好问题，Lulu说。只要我们还在这个话题上，我也想知道哪些食物源将要用完，可以使我们在库存用光之前能做必要的调整。
Thor建议使用如下库存短缺变量：
“Out of stock”,
      L.,
      “Qty on hand” － “Qty requested”
这对你有意义吗？对Lulu没有什么意义。她指出库存短缺的概念是表达了手头数量与请求数量之间特殊关系的一种情况，即后者比前者要大。因此，应该把库存短缺作为一种条件或二值变量：当手头数量相等或小于请求数量时为真，否则为假。
Out of stock.true = （ Qty on hand － Qty requested ＜ 0 ）
Out of stock.false = （ Qty on hand － Qty requested ≥ 0 ）
Thor问，你如何计算什么时候在一个地方库存短缺的鱼在其他地方还有呢？这个查询很难，Lulu回答。我需要先考虑一下如图6.6.1所..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第五讲　库存吞吐立方体（续）

5．更多分析型派生变量
计算损失与吞吐的百分比是相当简单直接的，Thor说。给我印象最深的是，Lulu回答道，你怎么计算每个地点各个年份相对损失最多的鱼种？Thor给出如下回答（见图6.5.1）：
“Fish”{N},
      Site.,
      Time.year.,
      Food_source.Fish.all.,
      （ Qty rejected + Qty damaged + Qty spoiled + Qty over aged ）/
      （ Qty received ）.max


1）   手头的数量
你如何计算手头的数量？Lulu问。这很容易，Thor回答，手头数量是流入与流出的差，我已经写出了如下公式。你同意Thor的意见吗？考虑一下。
“Qty on hand”{Kg},
        L.leaf. =
              Qty received －

              （ Qty rejected ＋

                Qty over aged ＋

        &nb..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第四讲　库存吞吐立方体（续）

4．查看基本聚合
现在你已经看到基本的维和变量，让我们看几个简单的聚合，对库存吞吐立方体有些认识。
图6.4.1和图6.4.2显示的是几个基本聚合的结果。图6.4.1展示的是一个典型显示不同地点、不同季度接收到的所有鱼数量的聚合视图。公式如下：
“Qty received”,
    Geog.site.,
    Time.quarter.,
    Foodsource.all
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
图6.4.2显示的是下面公式的结果：
“Qty sent to production”{Kg},
      Geog.all,
      Time.quarter,
      Foodsource.fishtypes.
这些简单的东西已经足够了，Thor说。让我们做些有挑战性的东西。别太快，Lulu回答。即使只用基本的输入内容，也有很多有意义的聚合类型查询现在就能得到答案，而且这些答案能帮助我们理解FCI怎样才能改善其原来的库存吞吐过程。你会对库存立方体提出哪些聚合类型的查询呢？考虑一下。
'800')this.width='800';if(this.height>'600')this.height='600'..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第三讲　库存吞吐立方体

3. 输入内容
有10个来自不同数据源的内容输入到库存立方体。相对于前面描述的库存维，下面的部分描述了其中的7个，模式如下：
( Foodsource. USite. UTime. )
1） 内容源声明
输入变量在定义中按照它们所来源的外部表进行分组。
“Qty received” {Kg},
“Qty rejected at receipt” {Kg},
L.leaf.<< Food_source shipment arrival table
  “Qty over age” {Kg},
  “Qty sent to production” {Kg},
  “Qty spoiled” {Kg},
    L.leaf.<< Food_source sent to production table
  “Qty damaged” {Kg},
    L.leaf.<< Unexpected Food_source damage table
  “Qty counted at audit” {Kg},
    L.leaf.<< Annual reconciliation table
2）基本聚合声明
除了Qty counted at audit不在时间上汇总之外，所有的内容都要在所有层次结构上汇总。
“Qty counted at audit”.,
    Geog.Site.above.,
    Food_source.leaf.above.,
    Time.day. =
  &nb..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第二讲　库存吞吐立方体

1.     数据源
库存立方体的4个主要数据源是从到达存储点的食物原材料收集的数据，用于满足生产需求运出的食物原材料的数据，来自异常损坏报告的数据，以及稽核仓库时得到的数据。这些数据源的例子如图6.2.1、6.2.2、6.2.3、6.2.4所示。
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
与采购数据一样，FCI在其数据仓库中保存库存数据，并添加诸如地点这类损失的维。
2．维
Thor想用3个维来给库存建模：食物源、时间和地点。食物源和时间与你在采购立方体中见到的版本完全一样。由于地点又是一个地理类型维，Thor将其定义为分离的单一层次名词列表，然后把它的成员作为国家层次的儿子添加到国家地理维中，如图6.2.5所示。
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
Lulu问，进行采购但没有仓库的国家怎么办？FCI在超过50个国家采购鱼，她说，为什么不在一个新的地理维上跟踪它们呢？这样难道不使在进行库存立方体和其他FCI业务过程立..

阅读全文>>

《国内企业应重视预算管理探讨》
一、国内目前企业预算管理的现状
全面预算是企业加强集权管理，实现企业内部控制的重要手段，并被越来越多的企业作为开展集团化管理行之有效的突破口。但在实际工作中，预算管理特别是全面预算管理的推进却是困难重重，很少听到国内有典型的成功案例，这项工作往往成为企业管理者眼中的鸡肋——食之无味、弃之可惜，最终难免失败的结局。
国内企业的预算目标目前多采用的是“多元化”的，包括规模、利润、保值增值、效绩评价，以及其它一些非经济指标。其中规模、利润等指标难以反映企业财务状况全貌，片面追求单一指标可能损害企业整体财务状况和长远经济利益。保值增值、效绩评价虽然与单一指标相比更加科学，但由于缺乏资本市场的依托和验证，也不能给股东带来最直接的利益。一些与企业经营无关的非经济指标与股东权益最大化存在矛盾。预算目标的多元化与目标之间的内在矛盾势必在某种程度上造成预算目标混乱，使预算失去方向。
另外由于管理体制原因，国内企业下达的预算目标往往与资源分配不挂钩，这就造成企业在制定预算目标时偏于保守。预算管理作为企业的一种内部控制手段，需要有企业文化的支撑才能取得理想效果，然而国内企业..

阅读全文>>

数据分析讲堂

第六课 TM1应用实例（2）

第一讲　原料库存分析

在本讲中，在原料库存分析中，我们将跟随Lulu和Thor学习如何对库存和物流建模，如何为立方体添加一个新维，如何把源立方体的数据映射到添加了新维的立方体中，如何计算随着原料的老化（一个两维递归函数）而变化的手中原料的数量，如何计算什么时候一个中心的短缺无法被另一个中心的库存过剩抵消，如何处理仓库稀少，如何创建一个应用范围限制的变量，以及如何计算单位重量和时间段的存储原料的成本和生产力。Foodcakes国际（FCI）在其生产中心同一地点有一个具有冷藏设施的食物原材料仓库，公司目前在3个大陆上的7个国家拥有10个生产中心。每天鱼和其他食物原材料从各个FCI的采购市场运到这里。作为一般的法则，从各个不同源头获得的原料会运往最近的库存中心，当然，内容会随着生产需求的不同而变化。虽然FCI历史上曾把所有库存成本归入企业一般管理费用来处理，但由于Jane承担的这个令人厌恶的工作的目的正是找出侵蚀FCI收益的主要原因，因此她要求Lulu和Thor测算并分析基于活动的库存成本，以了解其随地点、鱼、雇员或其他重要因素的变化水平——以最终做出恰当的决策来影响成本（和质量）。食物原材料以..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第十讲　合并采购和汇率

Lulu和Thor要做的第一件事是定义一个相对总成本变量，以反映当地价格和有效汇率的变化。此变量应该属于哪个——采购立方体内、汇率立方体内、两个地方都存在，还是其他地方？你想把它放在哪？
Thor指出，从逻辑的角度来看，你应该把变量放在具有适当维度的立方体内，如果源立方体已经具有新派生变量所需的所有维，那么此变量就属于此立方体。但Lulu很快补充道，新派生的变量所需的维并不与任何源立方体匹配也是很常见的。如果是这种情况，她说，最好定义一个新的派生立方体作为新变量的模式。无论哪种情况，大多OLAP工具都强迫你必须选择其一。
既然美元价格是按照时间、地理、市场和食物源这些维来展现的，那么就应该属于采购立方体。为了说明得清楚些，Thor说他喜欢在等式的左边给所定义变量的前面加上立方体的名字，如下所示：
[ Purchasing ]：“Dollar price” {$},
  Time.day.,
  Geog.Market.,
  Foodsource.leaf. =
        “Local price”{Lcurr} ×

        [ Currency Exchange ]：“Effective Rate” {$/Lcurr}, Geog.Co..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第九讲　汇率立方体（三）

2． 派生内容
回想起FCI最终想比较跨时间、国家、鱼种的成本波动，并且成本波动是当地价格改变和汇率改变的函数，Lulu和Thor需要定义一些相对汇率公式。与采购立方体中的相对价格类似，下面的两个公式计算任意一天汇率和当年汇率均值的比率。
“Relative local currency per dollar”{D},
    Time.Day.,
    Geography.bank.,
      “Local currency per dollar”{Lcurr} ＋

      “local currency per dollar”{Lcurr/$},Time.Year
“Relative dollars per local currency”{R},
    Time.day.,
    Geography.bank. =
      “Dollars per local currency”{$/Lcurr} ＋

      “Dollars per local currency”{$/Lcurr},Time.Year
如在本讲开头所述的，FCI知道当地货币的实际成本并不是由采购原料当天的汇率决定的，而是由购买支付用的货币时的购买汇率决定的。到目前为止，模型表达的是FCI在采购的同时调用货币交换函数，但实际上，如FCI经理所说，他们在每一个国家..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第八讲　汇率立方体（二）

1． 输入内容和聚合
看到Thor提出的模式之后，Lulu也不得不承认这是更有益的模式，有两个变量他们都同意需要银行每天输入。在这一点，你应该能够很容易地定义其相关的聚合公式。
“Dollars per local currency”{$/Lcurr},

  Time.day.,
  Geography.bank. << source.,
“Dollars per local currency”{$/Lcurr},

  Time.day.above.,
  Geog. ( bank.above and Country.atunder ). =
  Avg ( “Dollars per local currency”{$/Lcurr}, Time.day.,Geog.bank. )
“Local currency per dollar”{Lcurr/$},

  Time.day.,
  Geography.bank. << source.
“Local currency per dollar”{Lcurr/$},

  Time.day.above.,
  Geog. ( bank.above and Country.atunder ). =
  Avg ( “Local currency per dollar”{Lcurr/$}, Time.day.,Geog.bank. )
Lulu基本上表示同意，但指出Thor的模型还不够明确。她问：银行应该每天输入什么——平均汇率，开盘价，还是收盘价？银行每天应该在什么时间提交他们的信息——一天开始，当天的..

阅读全文>>

问：企业实施信息化如何选型？
答：系统性地总结信息化在建设和实施过程中的效益及效率问题，或更直接地说信息化建设的成功与失败问题，就目前我还没有看到比较客观的文章和资料。信息化实施成功，信息化系统发挥了某些特定的作用，提供商会大吹大擂，实施企业也会沾沾自喜，并不去深究所谓成功的必然，而信息化实施一旦陷入所谓失败的陷阱，似乎每一个信息化系统提供商以及实施企业都会刻意回避。当然，最坏的结果是双方不欢而散，其次是修修补补，勉强使用，效益及效率先不去谈，首要目标是能够先运行起来。对于信息化建设或实施的失败，这里面除了不负责任之外，我看不出还有什么问题。
企业实施信息化，选型是极为重要的一项工作。只可惜在我们的日常操作中，这个问题不是被忽略掉了，而是被所谓的关系给侵蚀掉了。针对某些特定的信息化系统，未必是非要选择那些所谓的知名信息企业提供的系统。居于国内的现状，其实国内有很多中小型信息化系统提供商，他们所开发的某些产品或系统具有更好的性能价格比。应为开发这些系统的人员，首先有许多都来自一线，具有丰富的实践经验及对所要解决的问题的理解。
可惜的是这些中小信息化提供商，由于自身规模和产能的限制，其发..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第七讲　汇率立方体（一）

在此数据仓库项目开始之前，FCI只在HQ保存了一张当前汇率表供财务使用，因此，建立汇率立方体是一项新的努力。粗略看来，汇率立方体的维应该是采购立方体的子集——也就是地理和时间。毕竟汇率不应该是一个随采购原料的变化而变化的函数。
然而，由于FCI在很多国家与不同的机构讨价还价以获得最好的汇率，所以汇率立方体的地理维应该有一个由金融机构组成的叶子等级。当然，基于同样的原因，如果汇率立方体的地理维包含一个由金融机构组成的叶子等级，那么采购立方体的地理维不应该也包含由原料供应商构成的叶子等级吗？在这种情况下，应该存在一个或两个不同的地理维吗？考虑一下。
Thor是爱因斯坦轶事的痴迷者，尤其认为模型应该尽可能地简单。他说金融机构和渔夫之间并没有什么本质的区别——都是供应商。因此，只应该存在一个供应商_地理维包含所有的供应商。
Lulu也是爱因斯坦的崇拜者，但认为Thor的解决办法虽然在维定义的角度看来是简单的，但会导致极度复杂的公式，因为金融公式不能应用在原材料供应者上，原材料采购公式也无法应用在金融机构上。这意味着每个公式将不得不包含地理位置限制，如下所示..

阅读全文>>

6）企业信息化何为失败
严格意义上来说，企业信息化建设似乎不应该以成功或失败来定义其结果。企业信息化首先是一个系统性的工作，需要有一套可行的、严格的方法论指导。在企业信息化实施之前，需要提出企业信息化的需求报告，企业信息化的建设，应该说是从企业需求角度出发的，并且在需求的基础上，从技术和功能层面做适当的扩充，使其可以支持、满足企业在未来若干时间内的实际需要。
我不赞成企业信息化成功、失败的提法，何为成功？何为失败？成功、失败在我看来应该有一套严格的指标体系来加以评定，满足指标多少，或达到指标多少即为成功，否则为失败。但是即使这样，信息化系统的建设成功不代表信息化应用就一定可以成功，否则皆然。
在一个不太完善，或者甚至说有重大缺陷的信息化系统上，应用就一定开展不起来吗？信息化系统的作用就得不到发挥吗？谁又敢这样说呢？
信息化系统应用作用的强、弱，（即人们所说的成功或失败）其实更多影响因素在于人们对系统作用的认识程度，和使用系统的自觉性上，包括各岗位、各部门工作之间的协同。信息化系统发挥的作用弱、功能差、效率低，首先应该提高全员对信息化系统作用的认识，其二要检查业务流程及操作步骤的合理性，..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第六讲　采购和货币交换（五）

有两个公式需要范化。首先，在地理维的所有等级上计算相对价格的公式要范化为在叶子等级以上的任何等级的计算，如下所示：
“Relative price”{D},
  Foodsource.fish.leaf.,
      Time. =
  Sum (
  ( “Relative price”{D},Grog.leaf. ) ×

  ( “Quantity purchased”{Kg}, Geog.leaf. )
  ) ＋

  “Quantity purchased”{Kg}
然后，查找具有最大相对价格波动的鱼的公式需要用同样的方法范化。最终的结果，如下所示，将列出任何市场层次上地理区域的具有最大价格波动的鱼。查询结果显示在图5.6.1中。
'800')this.width='800';if(this.height>'600')this.height='600';" border="0" />
“Fish”{N},
  Grog.leaf.above.,
  ( ( Relative price,Time.year.this ).max －

  ( Relative price,Time.year.this ).min ).Drank. ( 1 to 5 )
虽然Lulu和Thor意识到，他们需要分析汇率立方体才能完整地回答他们的开支波动问题，但是还存在一些采购立方体特定的派生，其结果有助于他们的分析。
FCI知道稳定其输入开支结..

阅读全文>>

企业信息化道路经历了20年的坎坷，实属不易。企业信息化发展现状我并不敢恭维。针对企业信息化建设，我愿和你交流看法。但是对企业其实最有帮助的是根据企业现状及发展战略，依据企业自身的条件和能力进行企业信息化发展及建设规划。
1）什么是企业信息化
我们总说起企业信息化问题，那什么是企业信息化呢？在这里我们不妨给企业信息化下一个定义：所谓企业信息化就是——运用企业管理的成熟理念，应用计算机及网络技术去整合企业现有的组织结构、设计、生产、销售、服务、市场、制造、及人员，最大限度地充分运用企业的财务资源、人力资源、物力资源、产能资源、客户资源、市场资源等，及时地为企业的“三层决策”系统(战术层、战略层、决策层)提供准确而有效的信息，以便对市场需求做出迅速的反应，其根本上是加强企业的“核心竞争力”。
2）什么是企业信息化指标体系
中国企业信息化指标体系由基本指标、效能指标和评议指标三部分组成。它参考了国内外数十个方案的优长，集中了专家的智慧和心血，创造性地提出了从效能上评估企业信息化水平的新方法。该指标体系第一次将“建设有效益的信息化”的要求以评价指标的形式落到实处，第一次提出从效能角度，从适宜度、灵敏..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第五讲　采购和货币交换（四）

3．基本派生
2）其他计算
Thor最近的聚合成功激励了他，他想继续建立一些有意义的分析型派生。首先，让我们定义一个计算来找出所有支出的钱与声明的价格和采购数量不一致的采购事件。Lulu提出了一个她称之为Data_check的公式，如果每件事都一致则值为0，否则为1，如下所示（注意赋值运算符|=的使用）：
“Data_check” =
    If (
    “Local currency spent” ( Lcurr ) ＋

    ( “quantity bought” ( Kg)　×
　　　）＝１
　　　　|＝０
　　　 Else |= 1
现在很容易统计采购数据可能含有错误的次数，例如，用下面的公式：
Cnt(Data_check.1)
如果你想找出哪些市场具有最大数目的不一致，如下的公式片断可以完成：
Market.(Cnt(Data_check.1).Drank.(1to5)
此公式定位出在所有鱼和时间上具有最大不一致总数的市场．
现在该怎么寻找源的不稳定性？Lulu建议用下面的查询公式计算年内价格波动最大的鱼（实际是鱼名，｛Ｎ｝代表名称或名词）：
“Fish”{N},“Country”{N},
( ( “Local Price”{Lcurr},Time.year.this).min).Drank . (1to5)
这将返回５条具有最..

阅读全文>>

《OLAP解决方案：创建多维信息系统》是我举办这个讲堂的主要讲义，之所以选择这本书作为讲义，是因为这本书贯穿了许多TM1的思想和精华，而我们也在运用TM1给企业做数据分析与挖掘的解决方案。特别是在企业的滚动预测方面及企业财务预算管理、库存周转及LIFO分析、企业收益性分析、企业KPI管理等方面。特此说明，讲课内容不是我的知识版权。只是让大家有一个学习、谈论、交流的园地。
如果有想和我讨论的同志，请给我邮件。mahongbing@jupiterst.com

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第四讲　采购和货币交换（三）

3．基本派生
1）聚合
定义好维和输入变量后，Thor开始定义聚合。在输入源定义上应用公式，现在就有了等式的右侧。Thor在继续以相同的格式书写公式的过程中，要每一行放一个右侧变量表达式（也就是一个可带任何位置限定符的内容），并将其相对于左侧位置缩进一个制表符。例如，当地价格的聚合如下定义：
“Local_price”{Lcurr/kg},
  L.leaf.above. =
      Sum{price{Lcurr/kg},L.leaf.}
这是说当地价格是在所有维上汇总得到的，这是在大多数OLAP产品中的典型情况。图5.4.1展示了一个聚合价格的典型视图。比较图5.4.1和图5.3.1你发现了什么?
幸运的是，Lulu仍然是清醒的，并意识到在Jane的分析员看到此视图之前什么地方出了差错。她告诉Thor他把第一个聚合弄乱了，聚合的价格需要做平均，而不是汇总。再者，她指出不能把当地价格在不同货币间做平均，因此，当地价格不能应用到地理维的国家层次之上。最后，对当地价格进行平均之后，他们需要通过所购食物源的相对数量进行表现或进行加权。你认为当地价格的聚合公式应该是怎样的呢？考虑一下！
Lulu重新写了如下的当地价格聚合..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第三讲　采购和货币交换（二）

采购立方体

由于FCI是从一个事实表开始，一个明显的供定义采购立方体的TM1结构已经存在。如你在采购事实表中所见到的，其中存在3个定位维：时间、市场和食物源。3个度量维是采购量、当地货币形式的每千克价格和花费的当地币值。
1． 定位维
1） 时间
虽然时间是自然的基数序列类型，但对FCI来说还有很多与时间关联的层次和属性不是公式化的（因此需要明确地存储），比如假日日期和财务周期的划分（各个国家都不相同），因此FCI把时间作为显示维在各个粒度层次上按照实际的时间实例存储。这使FCI能够在传统的时间维属性表内存储不规则属性。FCI还选择用具有公式扩展能力的日期数据类型来显示时间，而不是字符串，这使其能够定义基于时间的公式，以利用时间固有的基数特性。
会计总部负责维护所有的财务周期定义。（FCI的一些收购仍然作为全资子公司运行的业务，有其自己的财务周期。）公司人力资源（同样，与适当的当地分支机构合作）负责维护假期周期。
2） 地理
由于地理维是由位置的名称而不是纬度和经度组成，FCI将其表示为一个按各个名次排序的维，称为Grog.Market。图5.3.1列出了FCI几个与其地理..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第二讲　采购和货币交换（一）

实例背景

Foodcakes国际（FCI）在20个国家超过100个市场内购买鱼，鱼用当地货币购买，并建立当地的银行账号。目前，开支以当地货币每月报告一次，并在总部依据月平均汇率转换成美元。虽然本地采购代理依据每天的价格波动来采购鱼和其他原材料，但FCI公司管理者意识到鱼的总采购成本是当地价格和美元相对汇率的函数，并且每天的汇率波动可以同本地货币标识的原料价格的日波动一样大。而且，他们还注意到本地采购代理使用的本地货币银行账号对美元的成本更应该是用此货币标识的价格的函数，而不是此货币支出时当天汇率的函数。因此，FCI想添加货币交换模型以区别汇率和货币成本。本地银行所用的和FCI采购代理交易时所用的应该是同一汇率。模型实现后，此模型应允许公司管理者比较各国家、市场的相对原料价格，从而制定每一天的在不同地区提高或减低购买量的公司决策。
1． 采购
采购数据有两个来源：纪录实际采购交易的销售单据和纪录官方汇率的汇率表。由于FCI启动了数据仓库项目，它可以把销售单据从一堆交易头表和细节表换成采购事实表和关联的维表，如图5.2.1所示。
'800')this.width='800';if(this.h..

阅读全文>>

数据分析讲堂

第五课 TM1应用实例

第一讲　实例介绍

Foodcakes国际（FCI）是一个纵向集成的私有公司，它生产和销售两个产品线的foodcakes：鱼和蔬菜。FCI从20多个国家购买原材料，并在3块大陆上设有生产工厂，然后通过75个国家的300个分销中心销往超过10000个商店。去年，FCI年收入第一次达到了5亿美元。公司具有广泛闻名的良好品牌形象，在大多数运作地区都有很强的市场渗透力。FCI愿意通过公开发售股票公开招股。
然而，产品的质量却不太稳定，公司对市场变化响应缓慢，盈利相对其他较小规模的包装食品生产商来说在萎缩。公司已经受到警告：如果公司不提高业务一致性的话，公众将不可能去支持一个IPO。
为了在公开发售股票之前努力提高业务运作一致性，公司启动了一个数据仓库项目。数据仓库涉及公司的各个方面，诸如采购、原料及产品存储、生产、分销、人力资源、销售和市场、客户关系、财务管理等，各个业务系统的数据都按部就班地添加到了FCI的数据仓库中。
数据仓库需要支持的一些查询及其相应得主题域包括：
采购

l       每个时间周期内购买了多少原材料？
l       每个市场购买了多少原材料？
原料存储

l     ..

阅读全文>>