说起帕累托最优,估计没接触过数据分析的人都听过,但是怎么用帕累托模型解决实际业务问题呢?今天老李带你盘清帕累托最优的来龙去脉。 最近,做酒店管理的小李很头疼,酒店最近一个月的损失成本明显升高,但是一直却没办法改善,为什么会这样呢? 原来虽然这家酒店的人气火爆,每天都有客人预定房间,但最终总有一小部分人会取消预定,这些被取消的房间最终就会空下来,给酒店造成了很大的损失。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 如果是你,你应该怎么解决这个问题呢?

什么是帕累托?

上面那个例子其实就是帕累托法则的最好体现,因为资源总是有限的,不同的渠道和用户会产生不同的效益,所以我们不能将所有的资源投入到全部渠道里,这就是帕累托法则所遵循的原则。 我们先看一下帕累托最优的定义: 帕累托分析依据的原理是20/80定律,80%的效益常常来自于20%的投入,而其他80%的投入却只产生了20%的效益,这说明,同样的投入在不同的地方会产生不同的效益。 什么意思呢? 首先我们举一个常见的例子: 一家人有A、B两兄弟,如果每个人分别去捕兔子,每个人每天都可以得到20斤食物;如果两兄弟合力去捕杀一只鹿,则可以得到100斤的食物;那么,那么如果你是这两个兄弟的父亲,你会怎么分配任务呢? 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 其实无非是三种分配方式: 两个人合力捕鹿:得到100斤食物; 两个人分别捕兔:得到40斤食物; A捕鹿、B捕兔:A不得到食物,B得到20斤食物 A捕兔、B捕鹿:A得到20斤食物,B不得到食物 想都不用想我们都会让两兄弟合力捕捉鹿,这就是帕累托模型的本质,也就是资源集中,我们要把资源投放到效益最高的渠道中,也就是“头部”渠道,而不应该将资源投放到剩下的“尾部”渠道中。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法

帕累托怎么操作?

我们换到一个实际的例子看一下: 某集团公司下属有十余种业务或产品,但是最近发现公司的营销成本很大,想要缩减一些业务,或者调整一下业务的投入成本。这就是典型的业务升级(资源分配)问题。 帕累托图的绘制过程非常简单,就是按照贡献度从高到低依次排列,并绘制累积贡献度曲线,当样本数量足够大时,贡献度通常会呈现20/80分布。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 这里面最大的难点就是如何表示某类产品的累积贡献度呢? 直接用每个产品的销售额比上总销售额?这显然是不可以的!所以我们要用到一个新的指标:累积销售额占比。 直接给大家演示一遍: 首先我们在finebi中从数据源开始上手,这是张销售明细表,其中包含每一笔销售订单的地区信息、商品的类别信息。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 首先基于该表,我们使用FineBI中的计算指标功能,进行数据的处理加工分析,先可以简单地写一个计算指标,求销售金额合计,将销售额按照商品进行汇总。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 然后我们想要计算累计销售额占比,首先就要计算出累计销售额,其公式为:累计销售额占比=累计销售额/总销售额。 我们先计算累计销售额,这里我们只需要在FineBI当中新建一列,选择“累计值/组内”,也就是按照从低到高计算累计值。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 然后我们再算出总销售额,我们再选择新建一列,点击“所有值/组内”,直接计算出所有销售额的总和。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 最后,我们根据公式计算出累计销售额占比,这里我们新建一列,将已经计算出的累计销售额和总销售额拖入进去,将字段类型设置为数值,即可得到占比。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 这时候我们就可以绘制帕累托图了,选择新建可视化组件,然后将【子品类】字段拖动到横轴,【总销售额】拖动纵轴,再按照由大到小降序排列。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 然后我们同样地将【累计销售额占比】字段拖入到纵轴,然后将其设置为折线类型,这时候基本的帕累托图就完成了。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 之后想要做ABC分类其实就是基于不同的累计金额百分比70%、20%、10%做判断区分,选择【图形属性】当中的【颜色】,然后选择【区域渐变】,渐变区间设置为自定义3个区间,然后将0-0.7设置为绿色,0.7-0.9设置为黄色,0.9-1设置为红色。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 按照A、B、C分组对产品进行了分类,根据产品的效益分为了三个等级,这样我们就可以投放不同程度的资源,来产出最优的效益。 帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法 这时候我们就可以针对不同的业务或者产品进行资源分配,优先集中我们的资源做大头,不要沉迷于后面的小头。

怎么解决问题?

我们已经学会了帕累托模型的本质和操作,那么文章开头的案例应该怎么解决呢? 按照帕累托最优的本质,我们可以对小李提出下面的解决方案: 1、根据平均每日取消订单量,适当提高可预定量,比如有10间房间,每天的可预定量就提高为12间,这样如果有客户取消预定,就可以保证房间最大利用。 2、如果当天没有人取消订单,这样需要给2位客户进行退款,那么应该给哪两个客户退款呢?需要建立帕累托图,将不同客户的累计订单额占比进行排序,对尾部的两个客户进行退款处理。 这样就可以用最小的损失,换来最优化的效益产出,这就是帕累托最优解。

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

帕累托最优解,帕累托最优案例,帕累托原则,帕累托分析法

行业:

地区:

特点:

免费获取FineDataLink产品解决方案

点击获取资料

用FineDataLink串联您的企业数据,数据成为生产力

加入标杆客户阵营,分享您所在企业的数据故事