合影
这次学习，收获颇多，又是一次knowing unknows的历程。这里所有的技术层面都不谈，也不列提纲，纯粹是映像比较深的感受。
一：最重要的不是数据，不是工具，是思路。
就像别人常说的，决定一个人会不会做生意的不是学历，不是家庭条件，而是有没有生意头脑。
懂业务的人，学数据挖掘只要几个月，如果不懂业务，统计学水平再高，也不知道从什么角度来挖掘数据。
二：工具产生效率，工具产生频率
如果有了数据挖掘的思路，你就知道自己需要看什么。但是没有工具，别人10秒做出来的结果，你要一整天。这不仅仅是效率低。效率低最大的问题是是数据挖掘的频率降低。而商场如战场，沃尔玛一个小时获取一次全球数据，如果频率低，决策就慢，就会贻误战机。
三：先有需求，再有数据，看结果，更要看过程。
挖掘数据不能盲目，要搞清楚自己需要这样的数据是为了做什么决策，让业务上的同事提出自己需要了解的数据，然后再让负责数据的同事挖掘，才能有的放矢。
有的时候数据的结果是会骗人的，不要盲目相信结果，一是要搞清楚，这个数据的来源可信度高不高，印度的考试数据，就尽量不要采纳。
四：预测要有人为因素，剔除干扰数据
分析汽车销量的时候，要剔除86年叶剑英去世，89年学潮，92邓小平南巡的影响。直接从有稳定趋势的数据开始挖掘，太古老的数据无需考虑
五：未来计划
I：做出客户分析模型，根据不同的客户分类，安排不同的维护策略。
销售量，销售次数，公司规模，毛利，采购品种.可通过这些维度做出四象限泡图。比如销量大，次数多的客户都是经理负责，而单笔销量大，频率小的客户，就要业务经理主动联系。
II：分析商品在不同地区的销售情况，是否有被竞争。
如果某个商品某阶段在上饶景德镇地区集体哑火卖不动，肯定说明有竞争对手在做我们的客户。这时候要有针对性的摸底和报价。
III：分析商品模式，处于怎样的地位。不同商品的营销策略是不一样的。改变以往所有商品都分析的做法，而是先把商品分类。对于主打商品，必须高频分析，高频做出对策。
III：分析商品的销量是否有关联。如果有关联可以利用，没关联也可以利用。
如果有的商品属于和其他商品关联的多，属于带动效果的商品，则要不惜代价做销量。如果有商品和其他商品关联小，则报价要更有弹性。
IV：分析发货方式的分类，更合理的分析仓库的压力是来自发货量还是来自管理。
如果是发货量的增加，则必须增加工人和仓管，叉车。如果只是槽车直送造成仓库装卸货压力大，则是因为管理上的缺陷，无需增加人手。
V：建立自动的预警，包括财务的欠款额度，库存的不足，呆滞。销售的报价与行情价差距。
简单的预警直接可以通过财务系统实现，但是功能要求多的话，可能就要用到一些分析工具。
VI：分析客户的拿货周期，比客户更早备货。
有的客户拿货频率还是可以预测的，这样的客户我们就要提前把库存备齐。
VII：预测，下周价格，下周销量
直接预测下周价格和直接预测下周销量都是不靠谱的，但是如果可以通过本周价格预测下周销量，或者通过本周销量，预测下周价格，也许准确率还能高一些
网友评论