Excel商业数据分析案例:产品销售市场选择决策实例分析

某海产品批发商每天需要采购500斤的海产品,一直在城市的A市场销售海,每天都能卖完,价格也基本不变,成本也相对固定为1000元,如下图所示:

现在管理部门为了方便市民,准备在另外一个地方设置B市场,老板雇佣了一名市场调查员对B市场做了一段时间的调研,发现新市场的该海产品的市场需求符合一定的概率分布,如下图所示,该海产品的价格是不固定的,但是价格的平均值基本在3.75元,并且基本符合标准差为3元的正太分布规律,同时新市场的固定成本为950元。

由于人手有限,该批发商只能在一个市场销售,老板希望通过以上的调研数据,对未来200天各市场的销售利润做分析,在考虑风险的情况下合理选择产品所在的销售市场。

下面是具体的操作步骤:

1、建立产品市场选择决策分析模型表格

在excel中产品市场选择决策模型表格,分为A地和B地市场利润分析2个板块,其中B市场利润分析是重点,主要有不同概率下的需求量、收益风险分析、B地价格分布、最大销量及固定成本、随机数产生区域这几个板块构成,以上的数据在上面的需求分析中都有讲到。具体如下图所示:

第二步:根据需求量概率分布生成需求量随机数,根据价格正太分布产生随机价格数。

1、根据不同概率下的需求量来随机生成不同天数的市场需求量

在【数据】菜单栏下选择“数据分析”工具,在“数据分析”工具中选择“随机数发生器”,在“随机数发生器”中具体设置和结果如下图所示。

这一步的目的是在市场研究的前提下,通过有条件限制的情况下,随机生成市场的需求量。虽然是随机的,但是是基于条件的,因此这些随机数其实是在模拟真实的发生场景的。

2、根据B地价格分布特点随机生成对应的市场价格

在【数据】菜单栏下选择“数据分析”工具,在“数据分析”工具中选择“随机数发生器”,在“随机数发生器”中具体设置和结果如下图所示。

同样的,这一步是在条件限制情况下,模拟真实的市场价格。

3、销量公式设计

由于每天的最大进货量是500斤,所以批发商最大的市场销量是500斤,如果市场需求是大于500斤,那销量只能为500斤;如果市场需求量小于500斤,那销量就是市场需求量;在excel中,用的是MIN函数来表示二者对比之后的最小值,所以销量的公司如下:

在D22中输入=MIN(C22,$B$19),并复制公式到D23:D221即可,其中$B$19是,最大销量所在单元格,完成后得到下图:

4、每天收益公式设计

我们知道收益=销量*价格-成本,所以在这里每天收益的计算公司是:D22*E22-$C$19,并且复制到剩余的单元格,即可得到如下图所示的结果。

5、A与B市场收益分析表中的公式设计

(1)A地收益的计算公司是销量*价格-减去成本,因此在每天收益的单元格中输入B3*C3-D3即可,结果如下图所示:

(2)B地的收益计算公司如下图所示:

其中求平均值、方差、标准差的函数都是相对来说比较好理解的,MAX()和MIN()函数分别是用来求所有数的最大值和最小值,countif()函数是用来计算满足某个条件的个数,T和ΔX都是比较常用的统计数值,round()函数是求取数值小数点的个数的。

B地收益最终计算结果如下图所示:

第三步:决策思路和决策选择

在做决策分析的时候,只要B地市场的平均收益(804.82)>A地市场的平均收益(625),就可以选择在B地市场销售,但是这样决策存在很多的风险。

从上图中可以看出B地的最小收益是-305.43,并且亏损的概率是4.5%,亏损的概率较低,这时决策的风险不大。

但是还必须考虑B地的收益情况,比如最小收益,以及大于A地市场收益的概率,从上图可知,B地市场收益大于A地市场收益的概率82.5%,这时候市场还是存在风险的,为此还要进一步研究B地的收益。

假设分析的置信度是95%,在此基础上计算出B地收益的置信区间为758.62-851.02,最小收益大于A地收益的625,这时基本确定可以选择B地市场,这时候风险就小的很多。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

还没体验过无人超市?手把手教你用计算机识别技术自己开一家!

2004
来自专栏杨熹的专栏

机器学习的技术栈及应用实例脑洞

之前写了一篇入门级的学习列表: 简单粗暴地入门机器学习 好多小伙伴觉得不太过瘾,今天补充一些脑洞! 本文结构: 机器学习技术栈 职位 项目实例 ---- 1. ...

3877
来自专栏ATYUN订阅号

【科技】豹变猫?实时场景转变?NVIDIA多模式图像转换技术都能实现

改变美洲豹身上的斑点似乎是个很有趣的想法,而这个想法也并非天方夜谭。通过NVIDIA新的加速GPU深度学习技术,无论是图片还是视频,甚至是实体美洲豹,都能使其变...

952
来自专栏大数据文摘

金融风控领域的工业级大数据应用: 如何跨越AI与业务经验结合前的鸿沟?

1702
来自专栏机器之心

学界 | 学术盛宴:微软亚洲研究院CVPR 2017论文分享会全情回顾

机器之心原创 作者:Smith 今年 7 月,世界顶级计算机视觉会议 CVPR(计算机视觉与模式识别会议)将在美国夏威夷举行。在此之前,「微软亚洲研究院创研论坛...

5056
来自专栏AI科技评论

澳门大学陈俊龙:颠覆纵向的「深度」学习,宽度学习系统如何用横向扩展进行高效增量学习?

AI 科技评论按:想必各位读者对深度神经网络及深度学习都不会感到陌生,不论是在数据处理或是应用层面,都取得了斐然的成绩。但囿于结构的复杂性及超参数的数量巨大,一...

42911
来自专栏钱塘大数据

【思维导图】机器学习基础之「统计篇」

本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识,是对之前系列文章做的一次完整的梳理,也是我至今为止所有与统计有关的学习笔记。众所周知,「统计学...

36813
来自专栏AI科技评论

赛后跟踪:如何在 ImageNet 比赛中获得冠军?

近两个月,国内团队先后在全球权威的人脸检测评测平台 FDDB 和全球自动驾驶算法公开排行榜 KITTI 以及 Cityscapes 上取得非常好的成绩,这在一定...

3715
来自专栏机器人网

17张思维导图,全面掌握机器学习的统计基础知识

原图下载:https://pan.baidu.com/s/1midnOSC 本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识,是对之前系列文章...

3528
来自专栏腾讯技术工程官方号的专栏

Fashion-MNIST 一周年 | Google NIPS最爱,还登上了Science

? 导语:本文回顾了Fashion-MNIST发布后的一年里在人工智能/机器学习学术圈和社区中所取得的进展。该数据集的初衷是替代MNIST,为机器学习提供一个...

1872

扫码关注云+社区

领取腾讯云代金券