制造企业使用数据分析的典型应用场景大全

通常在统计学领域，我们把企业的数据都可以叫商业数据，不管这个数据是来自于市场部门、质量部门、服务部门、供应链部门、研发部门还是人资部门。对应的一门学科就叫商业统计学。基于如上的定义，我们来探索一下数据分析在不同场景中的应用可能是怎样的？

① 营销：

我们分三个主要的场景来说明。

第一个是线下营销场景，使用到商业统计分析的主要是产品怎么组合带来的销售额最大、该给哪些消费者寄礼物和卷能够加大其消费概率、哪里选店最合理、区域销售因素主要是哪些因素决定的、销售预测、折扣多少比例能达到最大销售额/销售利润率、哪些产品的反馈更好、应该开发哪些产品、不同产品在不同区域和人群应该怎么投放/陈列等。

第二个是线上场景，在这里使用商业统计分析和机器学习的组合方法较多，包含人群圈选和分类、千人千面的营销 策略 、推送策略、自然语义相关的评论分析等。

第三个是营销管理相关的场景，更多是营销活动费用的最大化投入产出、营销策略的好坏及效果、不同区域的营销策略制定、销售预算的有效性/广告有效性、营销团队的分析。

在如上三个主要场景中，牵扯的算法比较多，传统的商业统计分析方法较多，包含假设检验，回归，DoE，机器学习，方差分析， 时间序列分析  等，使用的工具可以是Excel、Qlik、Minitab、Tableau、SPSS等，也可以结合一些BI平台的分析工具，比如慧都的商业智能BI分析工具，具体要看场景来进行选择。

② 研发：

这里我们分为两个主要场景来讲，即一个是偏重于研究和 产品开发 场景，另一个是工艺。

在研究和产品开发领域，除了学科领域内的算法，在研发过程中，物理集成/配方的开发、最优组合或参数或者配方对应某一效果/性能/成本/质量/服务/效率的最佳组合、可靠性分析和预测、公差分析、寿命预测等。

在工艺场景也类似于研发，比如工艺参数优化、工艺过程控制、工艺开发等。算法上，用到传统的算法比较多，DoE、回归、方差、假设检验等，有特殊场景尤其是比较复杂的超多因素场景，机器学习和 神经网络  也会有不少应用。在这个部分，常见的数据分析工具有Excel、
免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删