基于數據包絡分析的整車銷售網格資源配置效率評估

（浙江農業商貿職業學院 汽車技術系，浙江 紹興 312088）

1 引言

資源總是有限的，如何最大程度的發揮有效資源是企業必須認真思考的問題。中國是世界第二大汽車消費國，合理的配置整車銷售資源對整車銷售企業來說有著重要的意義。一方面，企業可以最大程度的發揮資源的利用效率，實現投入產出的最佳比例；另一方面，企業還可以在保證正常運行的情況下節省開支，將資源投入到更需要的地方去。本文應用銷售網格的方法來為整車銷售企業提供科學合理的資源配置方式，實現提高企業資源配置合理性和資源應用效率的目的。

2 整車銷售網格資源配置效率評估系統的流程

2.1 整車銷售的網格維度劃分

整車銷售網格可以劃為四個維度，分別為客戶基本特征、行為特征、客戶價值和客戶生命周期。

客戶基本特征包括購買汽車客戶的地理因素、人口統計因素（如性別、年齡、職業、學歷、收入等因素）、心理特征因素（如生活方式、社會階層、個性表現等因素）。客戶基本特征因素對整車銷售的數量、時間分布和發展趨勢都有著重要的影響。

行為特征包括客戶購買車輛的用途、使用環境、保養頻率、維修頻率、使用頻率等因素，這些環境影響著客戶購買和選擇車輛的意向，對整車銷售資源配置產生影響。

客戶價值是指整車銷售企業通過客戶購買汽車的行為獲得企業效益，是企業進行整車銷售的根本目的。客戶價值可以分為客戶當前價值和客戶潛在價值兩個層次：客戶當前價值包括整車購買數量、毛利潤、服務成本等指標；客戶潛在價值包括未來購買力、購買水平預測和引入新客戶能力等因素。

客戶生命周期可以分為考察期、形成期、穩定期和退化期這四個階段，在不同階段客戶的購買意愿不同，對資源配置產生影響。

2.2 整車銷售效率的網格資源配置評估流程

評估整車銷售網格資源配置的效率，主要包括以下幾個流程：

（1）明確配置預期效果。企業按照自身發展戰略明確整車銷售資源的配置目標，以此為依據對四個網格維度中適合的影響因素進行選擇，同時確定整車銷售企業銷售網格組織的構建方式，逐步擬定銷售網格與資源的互動影射方式。

（2）篩選劃分依據。根據整車銷售企業的銷售網格劃分目標選擇特定客戶，明確目標市場的特征，同時參考現有客戶的具體情況，綜合這些因素選擇網格的劃分模式。對不同維度的網格進行編號，見表1。

表1 不同維度的網格編號

在進行網格劃分時，首先根據四個維度劃分，再進行細化。例如根據A維度中的a1因素進行網格劃分后，再根據B維度中的b3因素進行劃分，然后根據C維度中的c2因素進行細化。利用多維度變粒劃分方法不斷劃分，直到實現目標。

（3）數據處理。根據確定的銷售網格劃分采集相關數據，在采集數據時應保持數據的真實性、可持續性、可重復性和完整性。采集后的數據應去除無關及缺值數據，再利用回歸、聚類等方式對數據進行加工處理，最后應用聚類算法、發現分類算法等方式進行數據處理。

（4）建立銷售網格。在建立整車銷售網格時需要同時考慮網格劃分細致程度這個影響因素。一方面粗略的網格無法指導整車銷售企業進行物流資源配置，也就無法有效發揮作用；另一方面，過度細化的網格使有效的資源過度分散化，也無法有效發揮作用。為達到最適合的網格劃分效果，網格劃分也應該找到適合的細致程度，根據企業銷售目標和銷售可用資源的實際情況進行劃分。

3 基于數據包絡分析的整車銷售網格資源配置效率評估系統的構建

3.1 整車銷售網格資源配置的流程

整車銷售網格資源配置及流程如圖1所示。

圖1 整車銷售網格資源配置流程

（1）需求信息系統。需求信息系統的運行中樞是銷售管理中心，可為多個外部銷售網格提供統一化和標準化的對接窗口。在收集各個網格內部的整車客戶需求信息后進行需求評價，將信息進行匯總和分析，成為決策依據。

（2）資源配置協同系統。資源配置協同系統的運行中樞是資源調度中心，該中心可以獲取客戶需求與企業資源進行對比，形成映射關系，同時協調整車銷售企業內部各個部門進行任務發布，通過需求預測、審核和匹配最終提出合理的資源配置方案。

3.2 數據包絡分析在整車銷售資源配置上的應用

（1）數據包絡分析方法。數據包絡分析方法（DEA）已經在系統預測和預警方面得到了廣泛的應用[1]，本文將這種方法應用在整車銷售資源配置上。

數據包絡分析方法是建立在C2R模型上的，該模型假設存在有n個決策單元（DMU），這些決策單元的輸入向量表示為xj=(x1j,x2j,…,xmj)T＞0（m表示輸入個數）；輸出向量分別為yj=(y1j,y2j,…,ysj)T＞0（s表示輸出個數）[2]。最優的整車銷售資源配置應該是滿足配置情況下的最小解，即求DMU的最小值。對于固定的j0(1≤j0≤n)來說，其表達式為：

其中θ表示該模型的最優值；λj(j=1,2,…,n)是n個DMU組合權重中的某一個，是該權重組合的虛擬DMU投入向量和產出向量；xij0與ykj0是在評價第j0個DMU的投入量和產出量。該DMU模型是假設整車銷售資源投入總量減少，但是配置產出量不發生改變的角度進行設計的。

該模型也可以進一步表達為：

其中s-、s+為松弛變量

（2）DEA有效性的判斷。對DEA有效性的判斷可以分為以下幾種情況：

①如果最優值θ*=1，則第j0個DMU為弱DEA有效；

②如果最優值θ*=1且所有的s-*=0、s+*=0（所有分量為0），則第j0個DMU為DEA有效；

③如果最優值θ*＜1，則第j0個DMU為非DEA有效。

（3）整車銷售資源配置效率的數據包絡分析算法。假設整車銷售企業擁有n個銷售網格（j=1,2,…,n），每個整車銷售網格都有m項輸入（i=1,2,…,m）（如物流費用、管理費用、宣傳費用等），則任意銷售網格都有s項輸出（r=1,2,…,s）（如整車銷售數量、宣傳效果、客戶滿意等）。產生的網格如圖2所示。

圖2 整車銷售網格DEA模型

在建立整車銷售網格DEA模型后，可利用投影分析法來計算DEA有效銷售網格的投入/產出的投影值。

以x0和y0表示原非最優DMU中的輸入向量和輸出向量，則有：

最優解為λ、s-、s+、θ。可推斷出數據包絡分析方法下有效的輸入及輸出期望值分別為：

4 基于數據包絡分析的整車銷售網格資源配置效率評估系統的實例研究

本文以湖北省FH整車銷售公司為例，應用數據包絡法對其銷售資源配置效率進行分析。

（1）客戶信息整理。首先采集FH公司客戶情況并進行整理，具體情況見表2。

表2 FH公司客戶情況

應用SPSS13.0中的K-means對表2中的數據進行聚類劃分，初始值見表3。

表3 客戶聚類劃分初始值

應用SPSS軟件計算得出的最終聚類結果見表4。

表4 客戶聚類劃分最終值

每種聚類案例數目見表5。

表5 每種聚類案例數目

（2）需求方數據處理。采集FH整車銷售公司近三年來各項資源需求及對應費用，見表6。

表6 FH整車銷售公司2013-2016年資源需求及對應費用

應用MATLAB軟件對表6進行分析，利用神經網絡以2013-2015年數據為輸入樣本，以2016年數據為輸出樣本，經過103次運算后誤差低于10-7，說明該數據具有可用性。再用2013-2016年的各項費用作為預測輸入項，對2017年預測需求量進行計算，得到結果見表7。

表7 FH公司2017年各項費用需求量預測

在13個項目中篩選出8個具有代表性的項目作為FH公司DEA模型的投入，將整車銷售數量和銷售額作為DEA模型的輸出，其投入產出比見表8。

表8 FH公司整車銷售輸入與輸出狀況

通過MATLAB軟件對各銷售網格效率進行計算，同時得到指標松弛變量的取值，結果見表9。

表9 FH公司整車銷售的DEA運算

從表9可以看出，銷售網格中的A、E、G、H這4個項目得分等于1，其輸入/輸出的松弛變量皆為0，因此可以判斷這4個銷售網格的DMU模型有效。其他4個銷售網格的得分都＜1，因此可以判斷其銷售網格的DMU模型無效。利用投影分析法對無效DMU模型進行進一步分析，計算出無效模型中各決策單元的輸入/輸出實際值及投影值，結果見表10。

表10 B、C、D、F銷售網格的輸入/輸出實際值及投影值

通過對表10各銷售網格中輸入/輸出的實際值與投影值之間的對比可以發現，無效模型的得分均低于1，很多輸入項目的實際值高于投影值。以銷售網格B為例：一方面，該網格中工資發放、辦公用品、運輸費用、差旅費用、廣告費用、倉儲費用實際值均大幅高于投影值，說明這些項目的配置資源過高或存在浪費現象，應適度削減人員工資、降低相關費用投入。另一方面，雖然銷售網格B完成了銷售量，但是其銷售額卻較投影值低，說明該網格定價較低，應通過適度提高定價來保證銷售利潤。

通過數據包絡分析方法，對整車銷售網格資源進行重新評價，使企業找到合理的資源配置方案，最大程度的應用資源，發揮企業的最大競爭力。

[1]嚴大鵬,杜學東.網格資源分配算法的研究[J].計算機工程與應用,2008,44(29):135-137.

[2]丁箐.網格環境下資源管理的研究[D].合肥:中國科學技術大學,2002.