銷售的大數據分析及對生產計劃的影響的研究

張龍 仲梁維

摘? 要：文章主要研究銷售的大數據分析，以及客戶需求對往后生產計劃的影響。以VB.net和SQL還有Excel為平臺，通過程序實現對銷售數據的統計，銷售數據的保存，銷售數據的預測、產品生產過程中的故障與分析、成本優化等。銷售數據可以通過SQL保存，可以通過Excel產出折線圖從而對產品數據分析，銷售數據也可以通過Excel進行周期性預測，生產過程的故障也可以通過檢索相關信息達到檢測目的;對上季度客戶需求多的產品可以在下季度實現生產。

關鍵詞：VB.net;SQL;大數據分析;生產計劃;故障分析;數據預測;成本優化

中圖分類號：TP31? ? ?文獻標識碼：A

Abstract： This paper studies the big data of sales and the impact of customer demand for production planning. Using VB.net， SQL and Excel as platforms， sales data is collected， preserved and used to make sales predictions， for fault analysis and cost optimization of the production process. Sales data can be saved in SQL relational database， line chart can be produced in Excel to analyze product data， sales data can be periodically predicted in Excel， and faults in production process can be detected by retrieving relevant information. The products that the customers demand high in the previous quarter can be timely produced in the following quarter.

Keywords： VB.net; SQL; big data analysis; production planning; fault analysis; data forecasting; cost optimization

1? ?引言（Introduction）

大數據分析指的是對規模巨大的數據進行分析。特別是在企業中，對于分析每一季度的銷售數據的變化，從而可以找出產品銷售的規律性[1]，如哪種產品更受歡迎、不同地區對不同產品的需求量從而對該地區需求產品重點投放等。正是因為數據量大、類型大等特點，如何從眾多數據中尋找規律是大數據分析的重中之重[2]。

本文通過對企業本年度銷售數據、生產成本數據、故障檢測數據進行分析，從而實現對銷售數據保存，以及基于上一季度銷售數據從而預測處下一季度的銷售數據;也可以通過分析生產成本數據從而簡單進行生產成本的優化;當然通過對生產過程的故障檢測數據分析，從而給出故障部位的監測數據等[3]。

2? ?數據分析流程圖（Data analysis flow chart）

整個數據分析包括五個步驟，銷售數據的初步分析、銷售數據的預測、故障分析與檢測、成本優化、需求產品的影響。其中各個模塊的數據都是由VB通過編程產生的，各個模塊的功能就在于對隨機產生的數據進行分析從而給出分析的結果。而后是對這些數據的保存，以期以后的分析和提取。因數據分析的數據量大的特性，所以本文的數據承繼此特性對其進行分析。

3? ?數據庫的創建（Database creation）

數據庫是保存產品銷售數據及生產數據重要軟件，其內的數據表的格式可以起到分類數據的作用，所以在進行大數據分析之前，應先創建數據庫及數據表。本文數據庫創建名為“數據分析”。數據庫創建的代碼如下：

通過提示“執行完成”對話框來顯示數據庫創建完成。

4? 銷售數據的排序及保存（Sorting and saving of sales data）

本文中銷售數據包括月利潤及每個型號的月利潤，所以對銷售數據的排序就涉及這兩組利潤的排序，其中月利潤只是單純的升序以及降序排列，一般采取降序排序，便于觀察的個月份的利潤較高些，下面給出降序排列的程序：

myExcel.ActiveWorkbook.Worksheets（"Sheet1"）.Sort.SortFields.Clear（） myExcel.ActiveWorkbook.Worksheets（"Sheet1"）.Sort.SortFields.Add（Key：=myExcel.Range（"B1"）， _ SortOn：=xlSortOnValues， Order：=xlDescending， DataOption：=xlSortNormal）

至于升序只需將xlDescending改為xlAscending即可。

再就是型號利潤的排序，因為每種型號每月皆有銷售利潤，須將每種型號的月利潤提取出來再相加排序即可。圖2為各產品型號月利潤排序圖。

而數據保存包括EXCEL表的保存和數據庫的保存，本文給出數據庫的保存截圖以及保存過程圖。本文數據庫的保存是通過OpenFileDialog打開外部保存的EXCEL文件從而存儲到數據庫，并在VB的Datagridview中顯示數據，當跳出導入成功的對話框就表示數據庫保存成功。

5? ?銷售數據的預測與保存（Forecast and storage of sales data）

銷售數據的預測是基于上一季度的數據，通過設定周期從而給出下一季度的銷售數據預測。其預測可以通過Python中的回歸算法、ARIMA算法、BP神經網絡模型等[4]實現，但本文就簡單通過EXCEL中的 “預測工作表”功能進行實現。通過選取月份及月總利潤從而預測出下一年月份與月總利潤的數據。預測周期設定為7。圖2為銷售數據預測圖。

6? ?故障分析與檢測及存儲（Fault analysis， detection and storage）

故障數據的獲取是由傳感器所得，我們對數據的分析取決于數據的類型，不同數據類型可能會對數據分析產生不同的結果。本文對故障進行編碼，對設備同樣進行編碼。不同的設備由多個不同的部件組成，故障就有可能在這些部件中產生，所以對故障進行編碼就可以快速對應出部位。然后對這些故障編碼進行統計就可以找出發生最多的故障部位[5]。本文列出了10中設備，每種設備由四個部件組成，所以產生了40中故障編碼。而不同的故障又屬于不同的系統，本文列出了5中傳動系統，分別為“送片系統”“支架系統”“機械系統”“電氣系統”“傳動系統”。當然，在進行統計時，若對應的設備出錯，則需精細到每個組成部件，如編碼為“3”的設備出現問題，那么故障編碼只能是設備“3”下屬的組成部件對應的編碼。

對故障分析的數據包括眾數所屬的故障編碼、設備編碼、設備型號、故障型號等。最后是故障分析過程數據的存儲。同上述存入雷同，差別只是要將故障編碼表及設備編碼表和產品故障清單全部導入數據庫。因其都在一個EXCEL文件內，只需將下列代碼相應部位更改即可：

7? ?成本優化及存儲（Cost optimization and storage）

類似于故障分析里面的數據類型，一個產品由四個部件組成，但就成本模塊來說，每個模塊會有多個廠家進行生產，本文對成本優化的目的就是對零部件生產廠家的篩選，根據成本最少從而實現優化（注：此成本與銷售數據中的預設成本不同）。雖成本可以從更多方面實現優化，但本文只通過價格進行了優化，表明成本優化是完全可以通過數據分析完美實現的[6]。實際上也可以對供應商進行篩選，采用關聯規則的裝備制造業供應商質量評價模型，從而指導企業選擇供應商[7]。

根據價格最低實現篩選，如零件1有四個生產廠家，其價格各不相同，則選取其中價格最低就能實現優化目的。其具體的篩選程序如下：

8? 需求對產品的影響（Impact of demand on products）

當公司在上一季度的產品銷售過程中，若有客戶需要本公司未開發過的產品，則需要根據總客戶需求來評判是否在下一季度將客戶需求產品加入生產計劃當中。所以在上一季度開始就要對需求產品進行統計記錄，當達到一定數據后就允許加入生產計劃當中。本文對需求產品的數據要求假定為100，當對需求統計達到100后，會加入銷售數據中，但本身是沒有銷售數據的，只是為下一季度添加生產。對需求產品的篩選及導入的代碼如下：

不同的需求影響可以運用不同的算法或者不同的方向切入分析，比如將大數據分析方法綜合應用到經銷商的客戶價值分析中[8]，或是采用關聯規則算法從而影響生產計劃[9]等。

9? ?結論（Conclusion）

大數據意為需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產[10]。雖然本文只通過簡單的編程從而實現對百組數據的整理，但通過本文的程序整理也可以看出，企業了解客戶從而調整生產計劃以求達到客戶需求;客戶了解企業，通過企業公布的部分數據，客戶可以選擇滿意的企業。大數據分析對一企業意義正在于此，鎖定資源，規劃生產，以及開展服務，企業所遇到的問題基本能在數據中找到。

參考文獻（References）

[1] Harding J A，Shahbaz M，Srinivas，et al.Data Mining inManufacturing：A Review[M].VDM：Verlag Dr. Muller，2006：969-976.

[2] 陳承貴.基于數據挖掘技術倉庫管理系統的應用與研究[D].成都：電子科技大學，2009.

[3] 譚軍，余紹軍.數據挖掘在制造業中的應用[C].全國電子信息技術與應用學術會議，2011.

[4] 王鵬鵬，廖小平，鄧建新.ERP環境下銷售決策支持的研究與實現[J].機械設計與制造，2008（5）：219-221.

[5] 辛旭明.基于過程監控的數據挖掘系統及其應用[D].上海：東華大學，2004.

[6] 周明.基十數據挖掘的制造業采購DSS理論及方法研究[D].天津：天津大學，2009.

[7] 宋建聰.數據挖掘在裝備制造業質量管理中的應用研究[D].廣州：廣東工業大學，2013.

[8] 李燁.數據挖掘技術在卡車制造商的客戶價值分析應用研究[D].柳州：廣西科技大學，2013.

[9] 汪奇，黃洪，鄭曉群.筆記本電腦 BTO生產計劃中兲聯觃則挖掘的應用研究[J].商場現代化，2007（36）：30-31.

[10] 劉瑋.企業的變革思維——大數據時代的來臨[J].辦公自動化，2014（15）：44-45.