如何善用數據提升業績?比 Excel 更高效準確的自動化機器學習

productive

善用數據能提升業績的 3 大原因

哈佛商業評論(Harvard Business Review)中提到:在 2020 年,消費者與企業的互動有 85% 都會在網路平台上。消費者在平台上的行為提供了企業非常寶貴的資料,可惜的是多數的公司都沒有好好利用這些大數據更加了解這些消費族群,錯失了增加企業業務營收的機會。

研究報告更指出 79% 的公司對於銷售預測的誤差超過 10% 以上。為什麼準確的銷售預測對於企業是非常重要的?

第一,企業執行長 (CEO) 可以衡量未來的產品需求,進而做相應的庫存準備。由於每個地區的人口組成都不同,對企業產品的需求也不盡相同,如果每個地區都用同一套的庫存管理預測模式是非常不具經濟效益的。

第二,財務長 (CFO) 需要準確的銷售預測來規劃公司的成長策略。大於 10% 的預測誤差會直接影響整個企業的財務資源分配。

第三,人力資源的配置完全是需要搭配精準的需求預測來做判斷。如果某些地區或店舖的需求量未來會大幅提升,應該多配置些人力去最大化這個機會得到最大的營收。相反的,如果預測不準確,會無法察覺某些地區是否有快速成長或是變緩的趨勢,導致人員配置無法反應現實消費需求,冗員或是人力不足都會影響公司整體營運。

由此可知,公司的各種策略都需要準確的銷售預測才能達到最佳化,並且當未來業績有可能下降時,行銷部門必須設法提高特定族群或區域的市場行銷,防止未來營收下降。

那麼,什麼才是一個好的銷售預測呢?

好的銷售預測如何實現?

根據 SiriusDecisions,銷售預測誤差 +/- 10% 是非常差,+/- 5~10% 是可接受,+/- 5% 以內是非常好。如何使用數據分析 (data analysis) 與機器學習 (machine learning) 來達到可接受,甚至是非常好的銷售預測便是企業高階主管的重要課題。


或許有人會說,「Excel 也可以做到同樣的事情啊! 我已經用 Excel 好多年了」。的確,Excel 這 類的試算表 (Spreadsheet) 提供便利的快速計算,不過夏威夷大學的研究卻顯示近 9 成 (88%) 的試算表都有錯誤,且這些都是可避免的人為錯誤。美國的摩根大通銀行 (JP Morgan Chase) 的“倫敦鯨 (London Whale) “ 事件造成了 60 億美元的損失,其中部分原因是因為交易員 Excel 操作錯誤所造成。此外,英國的巴克萊銀行 (Barclays) 也因為“隱藏”而非“刪除”試算表裡面的不該有的生意合約失誤,多買了 179 項雷曼兄弟 (Lehman Brothers) 的資產。

因為需要人去手動操作的緣故,Excel 這些試算表本身就存在著人為疏失的因素,例如複製錯誤欄位或是手動輸入的方程式錯誤等等。除此之外,Excel 更是耗費大量的時間跟人力資源。

有更好的解決方法嗎?

比 Excel 更高效準確的自動化機器學習

一個解決方法是:盡量降低人為手動操作分析,改為用機器學習的預測方式。更好的方法則是自動化機器學習 (AutoML) 來排除任何人為疏失的可能性,進而利用機器學習模式圖形識別 (Pattern recognition) 的優勢來更全面且更準確快速地預測未來銷售數字,優化整體企業營運,穩固競爭優勢。

讓我們來試試看用 Decanter AI 自動化機器學習 (AutoML) 來快速產出未來銷售預測。只要三個步驟,便可以在最低人為干預下得到銷售預測結果。以下使用 Kaggle 上的 Walmart Store Sales Forecasting資料集為例:

第一步:上傳訓練以及測試資料集。

第二步:點擊訓練模型. 只需不到 10 分鐘即可產出模型。

第三步:檢視哪些特徵對於銷售預測影響最大。並且左邊欄位顯示訓練使用的參數與演算法。由 Feature Importance 圖中可以看到,影響銷售最大的變因為 Dept,即為店內不同的販賣區。

簡單三步驟,Decanter 就可以自動訓練一個銷售預測模型。之後企業可以使用這個模型來做銷售預測,且只要使用滑鼠即可輕鬆得重新訓練新的預測模型。

如貴公司有相關的需求,歡迎聯繫 MoBagel 團隊,讓我們協助您更好地使用您的企業資料。