CN102117464A - 具有动态层级的营销投资优化器 - Google Patents
具有动态层级的营销投资优化器 Download PDFInfo
- Publication number
- CN102117464A CN102117464A CN2011100216479A CN201110021647A CN102117464A CN 102117464 A CN102117464 A CN 102117464A CN 2011100216479 A CN2011100216479 A CN 2011100216479A CN 201110021647 A CN201110021647 A CN 201110021647A CN 102117464 A CN102117464 A CN 102117464A
- Authority
- CN
- China
- Prior art keywords
- level
- variable
- grade
- relation
- dimension
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
提供了具有动态层级的营销投资优化器。通过存储与销售和投资相关的信息来生成保持数据之间的关系的层级化视图。该信息包括维度,每个维度包括等级,每个等级由变量来描述。还存储变量之间的关系。接收对层级的请求。所请求层级包括来自已存储维度的维度集合、该集合中每个维度的等级以及该层级中维度或等级的顺序。计算机系统使用可应用于等级的变量的已存储关系来计算所请求层级的等级中的变量的值。生成该层级的视图,其包括所计算的值。该视图还包括按照针对所请求层级而指定的顺序的所请求层级的维度或等级。
Description
技术领域
本发明的实施方式涉及一种具有动态层级的营销投资优化器。
背景技术
对于大部分公司而言,参与营销活动以维持和提高市场份额是非常关键的。很多大型公司在营销上花费上百万美元。然而,尽管在大型营销活动上花费了大笔金钱,但是通常花费非常少的资源用于优化营销活动以最大化实现商业目标的效用。
用于分析营销活动的一些典型工作包括生成表明正在营销的产品的销量的报告。然而,生成初级报告仅仅给出对营销活动在提高销售中有效程度的最基本的了解。而且,这些报告对于不同的用户优化营销活动可能不是非常有益,并且可能不是对营销活动效用的最准确的度量。
例如,通常,很多不同用户在公司的营销部门具有不同的角色,并且取决于他们的角色,他们可能需要以不同方式查阅营销数据。负责整个亚洲部门的主管可能想看在亚洲销售的所有产品的所有销售数据。然而,负责特定城市的特定产品的销售经理可能仅想看在该城市中该产品的销售数据。在典型的场景中,可以为主管和销售经理创建提供所需销售量的不同静态报告,并且这些报告可以以批量作业每晚或每周地运行,从而可供主管和销售经理使用。
这些报告没有为用户提供任何以不同方式查阅数据的能力,并且其不允许用户运行仿真以确定如何优化他们的营销工作和投资。例如,主管可能希望根据产品系列来细分销售数据。这就必须生成并继而运行新的报告以获得所请求的数据。之后,主管可能希望查阅根据城市细分的数据。再次,必须生成和运行新的报告。每次需要生成报告时,可能要求用户与信息技术(IT)或数据库管理员联络以创建该报告。而且,IT人员可能需要确定该用户是否有对用于此报告的数据的数据访问权限,并且最后,该报告可能需要过些时间进行运行或调度以运行。因此,需要执行很多任务以创建和运行报告,这是非常低效的。而且,这种报告没有运行如果-那么(if-then)仿真的能力,而这种仿真可以允许用户改变营销投资以确定其是否积极地影响销售。
此外,通常通过周期性的批量作业而创建的静态报告不能捕捉和保持数据之间的不同关系。例如,可能给予销售经理在其城市营销多个产品的预算。销售经理的职责之一是分配用于不同营销活动的资金。该销售经理可以从报告中识别出某个产品销量下降,并继而可以决定将大部分预算分配用于营销该产品。然而,销售经理不知道并且报告也不能识别出不同的营销活动之间存在协同关系,其不需要花费大部分预算来提高销售。在不知道这些关系的情况下,很难有效地为某些营销活动分配资金以提高销售。
发明内容
本发明的一个方面涉及一种用于生成动态的、投资相关的数据层级的方法,所述数据层级利用该层级中的多个等级的投资变量并且还利用描述所述多个等级的变量之间的关系的一个或多个函数,其中所述函数还描述在所述层级被修改为包括不同等级的变量时的关系,所述方法包括:存储与销售相关的信息,其中所述信息包括维度,并且每个维度包括至少一个等级,每个等级由变量来描述;存储至少部分所述变量之间的关系;接收对层级的请求,其中所请求层级包括来自已存储维度的维度集合、所述集合中每个维度的至少一个等级以及所述层级中所述维度或等级的顺序;由计算机系统使用可应用于所述等级中的变量的所述存储的关系来计算针对所请求层级的等级中的变量的值;以及生成包括所计算的值的所述层级的视图,其中所述视图包括按照针对所请求层级而指定的顺序的所请求层级的所述维度或等级。
本发明的另一个方面涉及一种配置用于生成动态的、投资相关的数据层级的系统,所述数据层级利用该层级中的多个等级的投资变量并且还利用描述所述多个等级的变量之间的关系的一个或多个函数,其中所述函数还描述在所述层级被修改为包括不同等级的变量时的关系,所述系统包括:数据存储设备,存储与销售相关的信息,其中所述信息包括维度,并且每个维度包括至少一个等级,每个等级由变量来描述;并且所述数据存储设备存储至少部分所述变量之间的关系;处理器,接收对层级的请求,其中所请求层级包括来自已存储维度的维度集合、所述集合中每个维度的至少一个等级以及所述层级中所述维度或等级的顺序;所述处理器使用可应用于所述等级中的变量的所述存储的关系来计算针对所请求层级的等级中的变量的值;以及用户界面,提供包括所计算的值的所述层级的视图,其中所述视图包括按照针对所请求层级而指定的顺序的所请求层级的所述维度或等级。
本发明的另一个方面涉及一种存储计算机代码的计算机可读存储介质,当由计算机系统执行所述计算机代码时,其执行一种方法,包括:存储与销售相关的信息,其中所述信息包括维度,并且每个维度包括至少一个等级,每个等级由变量来描述;存储至少部分所述变量之间的关系;接收对层级的请求,其中所请求层级包括来自已存储维度的维度集合、所述集合中每个维度的至少一个等级以及所述层级中所述维度或等级的顺序;计算机系统使用可应用于所述等级中的变量的所述存储的关系来计算针对所请求层级的等级中的变量的值;以及生成包括所计算的值的所述层级的视图,其中所述视图包括按照针对所请求层级而指定的顺序的所请求层级的所述维度或等级。
附图说明
在下文描述中将参考附图详细地描述本发明的实施方式。
图1示出了根据一个实施方式的系统;
图2示出了根据一个实施方式的响应曲线示例,其中x轴为投资,y轴为收益/盈利;
图3示出了根据一个实施方式的、可以通过界面生成的屏幕截图示例,该界面允许用户选择某个层级的期望维度和等级;
图4A-4B示出了根据一个实施方式的、示出层级视图的屏幕截图示例;
图5示出了根据一个实施方式的、示出层级视图的屏幕截图示例,该视图包括仿真器所仿真的变量;
图6示出了根据一个实施方式的、用于存储用于仿真的数据之间的关系的方法;
图7示出了根据一个实施方式的、用于生成层级的视图的方法;
图8示出了根据一个实施方式的、用于仿真不同的营销条件的方法;以及
图9示出了根据一个实施方式的、配置用于为图1所示的系统提供硬件平台的计算机系统。
具体实施方式
出于简化和示例目的,主要通过参考实施方式的示例来描述实施方式的原理。在下文描述中,为了提供对实施方式的透彻理解,阐述了众多特定细节。然而,本领域普通技术人员将会理解,实施方式可以在不限制于这些特定细节的情况下实施。在有些实例中,为了避免不必要地混淆实施方式,未详细描述公知的方法和结构。此外,下面描述不同的实施方式。这些实施方式可以以不同组合一起使用或执行。
1.系统
图1示出了根据一个实施方式的营销投资优化器(MIO)系统100。MIO系统100包括MIO界面101、数据存储102、仿真器103、关系定义器104以及视图生成器105。数据存储102包括数据存储设备,其存储以允许容易检索所期望数据的方式进行组织的数据。例如,数据存储102可以包括关系数据库或用于检索数据的在线分析处理(OLAP)系统的一部分,或者包括提供类似功能性的其他类型的平台。
数据存储102存储营销投资信息以及营销投资信息的层级。这些层级包括维度、维度的等级以及每个维度的变量。维度的一个例子是地理。维度的等级可以包括国家、州、城市、邮编、街道等。维度的另一个例子是产品类别,而等级可以是不同的产品系列以及每个产品系列中不同的产品。维度的又一例子是营销活动的类型,其等级可以包括不同的渠道,诸如电视、互联网、广播、直销,等等。层级可以由指定顺序的不同维度和等级来组成。同样,每个维度和等级的特征在于描述用于维度的营销信息的变量。变量的例子可以包括为不同营销活动花费的金额、销量、营销驱动的销售增长、投资盈利(ROI)等。
维度之间相互关联,使得一个维度的变化可能导致另一维度的变化。例如,如果修改了一个维度中的第一变量,则另一维度中的第二变量按照其与第一变量的关系发生改变。关系定义器104确定变量之间的关系。关系可以包括描述变量之间的关系的函数。描述关系的函数可以是描述两个变量之间的任何关系的数学表达式。例如,函数可以描述示出变量之间的非线性关系的曲线。在另一示例中,函数可以是描述变量之间的线性关系的比率。
关系定义器104所确定的关系可以描述不同维度的变量之间或同一维度的变量之间的关系。这些变量可以处于维度中的同一等级或者不同等级。
MIO界面101可以是用户界面,诸如图形用户界面(GUI),其允许用户以期望的顺序查阅某些维度和等级。例如,一个用户可能期望查阅针对特定区域、特定产品系列的所有营销活动。该用户可以选择包括三个维度的层级,按顺序分别为:产品维度、地理维度和营销活动维度。用户还选择每个维度的等级。用户可以为产品系列A选择产品维度的等级,以及选择东北部作为地理维度的等级。用户可以选择营销活动维度的所有等级。该层级经由MIO界面1O 1进行选择。
视图生成器105从用户接收选择并生成所请求层级的视图。例如,视图生成器105从数据存储102中识别用于不同等级的变量。视图生成器105还确定这些变量的值。例如,视图生成器105确定在每个州、针对产品系列A的每个营销活动的投资。这些值也可以存储在数据存储102中,并且视图生成器从数据存储102取回在每个州、针对产品系列A的每个营销活动的投资。有些值可能需要计算。例如,如果数据存储102存储针对每个州的总计营销活动投资,则视图生成器105将针对东北部的州的所有营销活动投资求和以确定针对东北部的总计营销活动投资。
视图生成器105还确定变量之间是否存在任何关系。例如,视图生成器105将层级的诸等级的变量列表以及有关该层级结构的指示传递给关系定义器104。关系定义器104使用此变量列表来识别变量之间是否存在任何关系。关系定义器104可以确定数据存储102中是否存储了描述关系的任何函数。用于任何所识别关系的函数被用于计算相关的变量的值。可以向视图生成器105发送或标识出函数,视图生成器105使用这些函数来计算变量的值。计算可以包括:如果关系定义了两个变量的增长,则确定增长。增长可以是对营销活动中每一美元投资的销量的估计。另一计算可以是累计,诸如累计某个地区或国家中针对每个州的销量。
视图生成器105生成包括诸变量的层级的视图,其中一些变量可以基于其与其他变量之间的关系来计算。该层级视图可以经由MIO界面101向用户显示。
MIO界面101允许用户选择不同的维度和等级,以及查阅不同层级的顺序。这完全不同于不能进行操纵的传统静态报告。使用MIO界面101,不同用户可以查阅不同层级,从而以特定用户最期望以及最有效地提取做出决策的必要信息的方式向用户呈现营销投资信息和对应的销售增长。而且,当用户选择某个层级的维度和等级时,视图生成器105可以确定该用户是否有查阅这些维度和等级的数据访问权限。该用户仅能够选择授权其进行访问的维度和等级。
仿真器103估计维度和等级中的变量的值。例如,通过MIO界面101,用户可以查阅由产品系列A、所有营销活动和美国东北部的州组成的上述层级。用户的一个目的可能是增加产品系列A的ROI。用户提供输入,其识别对不同营销活动的值的修改。例如,用户可以改变在线营销或其他营销类型的支出金额。给定在线营销的新支出金额,仿真器103估计ROI。MIO界面101允许用户查阅该层级以及输入对该层级中显示的不同变量的改变。向仿真器103提供这些输入以及该层级,以确定层级中受这些输入影响的某些变量的新值。
层级的等级中的变量可以分类为输入变量和输出变量。输入变量是可以由用户改变以用于仿真的变量。输出变量是通过运行仿真而确定的变量。输入变量可以包括影响销售的任何变量,诸如不同营销活动的支出金额、独立的经济因素等。输入变量还可以包括约束,其可以被修改以用于仿真。输出变量可以包括受输入变量影响的任何变量,诸如销量、收益、利润或其他ROI变量。
当仿真器103做出其估计时,其保持变量之间的关系。例如,仿真器103与关系定义器104通信以确定特定变量之间是否存在用于计算这些变量的值的任何关系。用于这些变量的函数被用于计算这些变量。
仿真器103可以使用通过回归分析和历史数据分析所确定的模型,从而基于这些模型来估计输出变量的值。模型可以包括不同输出变量基于输入变量值的概率分布。回归分析可以包括用于建模和分析若干变量的传统技术。例如,线性回归或普通的最小二乘回归可以用来确定描述两个变量之间的关系的函数。
仿真器103和视图生成器105还可以执行曲线拟合以确定必要等级的曲线。曲线拟合是构建曲线或数学函数的过程,其是对有可能受到一定约束的一系列数据点的最佳拟合。
仿真器103可以运行诸多仿真,诸如各种如果怎么样(what-if)场景,由此用户改变一个或多个营销投资以观察其如何影响盈利,除此之外,仿真器103还配置用于确定实现最大盈利的最优营销投资。例如,仿真器103使用模型来估计出:某些营销活动中的一定投资金额将最大化销量、利润等。这是仿真器103可以执行的一种优化形式。此优化可以基于用户提供的约束而运行。
2.系统保持的关系和约束的示例
如上所述,关系定义器104、视图生成器105和仿真器103保持用于仿真和显示层级的不同变量之间的关系。这些关系可以包括变量之间的线性或非线性关系以及其他类型的关系。其他类型关系的一个示例包括企业支出。企业支出是在层级的较高等级做出的投资,其可能横跨若干较低等级。例如,公司可能提供多种不同服务或者销售多种不同类型的产品,但是公司可能投资金钱用于营销公司品牌而不是任何特定的服务或产品。这可以不同地影响各种产品和服务的销售。将企业支出在不同维度的不同等级上的这种影响确定并保存为关系。例如,企业支出与每个产品的销量之间的关系存储在数据存储102中。若这些关系可应用于特定层级,则其可以由规则定义器104来识别,并被用于计算该层级中诸变量的值。
关系还可以描述用于基于层级的组织或结构来确定较低等级或较高等级中的变量值的规则。例如,如果国家在某个层级中处于比产品更高的维度,则国家的针对产品的营销活动的总计投资等于针对该国家的所有营销活动的所有投资之和(例如,针对该国家的所有营销活动所花费的美元数额)。如果用户将产品改变成较高维度,则产品总计投资应当等于在所有国家、针对该产品的所有营销投资之和。其他规则可以用于仿真。例如,如果投资在较高维度发生改变,则在历史支出比例中该投资被分配在叶片等级(leaf level)。如果投资在叶片等级发生改变,则支出被累计起来给层级中的最高维度。进一步地,如果用户在任意维度改变投资,则重新计算指示该投资的变量以维持支出比例和固有结构。
系统100所保持和应用的其他类型的关系包括与光环效应、蚕食效应和协同效应相关联的关系。光环效应是指针对一个产品的动作正面影响其他产品,诸如提高第二产品的销售。例如,针对一个产品的广告可以正面影响与所广告的产品有关或联合使用的另一产品的销售。蚕食效应是指存在负面影响。例如,如果某公司销售两种类型的清洁剂。一种类型的清洁剂价格下降可能导致另一清洁剂销量减小。协同效应是针对营销活动而非产品。协同效应是同期营销活动的组合或互补效应。例如,如果两个不同营销活动中每个活动的支出金额都增加了2%,则协同效应导致产品销售提高10%而不是4%。确定针对这些效应而识别的关系,并可以将其存储为由关系定义器104和仿真器103使用的函数或曲线。
变量之间的关系可以由响应曲线来描述。例如,可以生成指示针对特定城市的每单位营销投资的销量(也即,增长)的响应曲线。可以针对一个州的多个城市生成多个响应曲线。响应曲线可以在关系定义器104中存储为函数。如果用户期望查阅针对整个州的每单位营销投资的销量,则关系定义器104将针对每个城市的曲线累计成针对整个州的单个曲线。此累计曲线可以用于生成视图或用于仿真。曲线可以在公共变量上进行累计。例如,如果所有曲线将美元销量作为一个轴,则这些曲线沿着该轴进行累计。
系统100除了保持变量之间的关系之外,还允许用户在层级的不同等级处应用约束。可以经由MIO界面101接收约束并存储在数据存储102中。视图生成器105或仿真器103可以执行这些约束。约束可以是变量的最小值和/或最大值。例如,可以有针对特定营销活动的投资数额的最小值或最大值的约束。这些约束存储在数据存储102中。
在一个示例中,如果用户试图修改仿真变量,使得违反约束,则向该用户生成消息,其指示该变量不能被修改为特定值,因为可能导致违反约束。约束可以经由MIO界面101向用户显示,并且可以防止用户输入该值进行仿真。在另一示例中,对于仿真,允许用户修改约束以观察修改如何影响输出变量。仿真器103还配置用于确定实现最大盈利的最优营销投资。例如,仿真器103使用模型来估计出:某些营销活动中的一定投资金额将最大化销量、利润等。可以运行此优化以满足所有约束。
约束也可以分解。在较高等级的约束与较低等级的约束之间可能存在某些冲突。例如,较高维度或等级具有约束范围50%-120%,而较低维度或等级具有约束范围80%-150%。将重叠部分,例如80%-120%选择作为约束范围并施加该范围。如果没有重叠,则可以生成指示该层级生成了“不可行的解决方案”的消息,并请求改变约束或层级。
3.屏幕截图示例
图2示出了两个变量的响应曲线200示例,其中收益增长为y轴,投资为x轴。收益增长是给定某个投资金额下收益的增量式增加。在进行了一定投资金额,例如15百万之后,接着是缩小的盈利,因为收益增长在该点处开始变平坦。曲线200可以表示和存储为函数,并且由仿真器103用于仿真以估计不同投资的收益增长。该函数也可以用于确定最大化盈利的最优投资。
图3-图5示出了可以通过MIO界面101生成的屏幕示例。图3示出了允许用户选择某个层级的期望维度和等级以进行查阅的屏幕300。用户可以通过在场景名称框(标记为301)中输入名称来为该层级指派名称。用户还可以选择更新年度302,其指示用于运行仿真或优化的历史数据集合。例如,用户可以选择从最近数据开始的数据集合,或者从更早年度的数据开始的数据集合。响应曲线选项303允许用户选择基于对历史数据的分析的响应曲线或函数,也即,在未来查阅之前,或者选择未来查阅之后的数据,其为例如基于经理或其他专家的经验、或者未来要发生的事情而进行了调整的响应曲线。例如,专家可以调整盈利的响应曲线,以将经济增长在未来12个月将提高并且消费者支出将增长这一估计纳入考虑。
使用可用维度304和选定维度305来选择层级的维度。在此示例中,针对该层级的选定维度是地理、产品和驱动(也即,营销活动)。维度顺序如所示。
也可以使用选定维度306、选定等级307和排除等级308来选择维度的等级。例如,在选定维度306中,用户选择驱动维度。在选定等级307下选择该驱动维度中要包括的等级,诸如驱动类别和驱动总计,以及在排除等级308下选择该驱动维度中不包括的等级。
选择了等级之后,用户可以选择筛选器以应用于诸等级。例如,在地理下,提供了州的列表。选择在该层级的视图中要包括的和不包括的州。
同样,可以选择参考层级。例如,前一层级可以存储起来。用户可以将前一层级的变量值与新的层级进行比较。前一层级就是参考层级,或称参考场景。如下文所描述的,约束可以基于参考层级的变量。
图4A示出了显示层级(诸如通过图3的屏幕300选择的层级)的视图的屏幕400的示例。通过屏幕400,用户可以查阅该层级以及用于仿真的不同变量的变化值。
从屏幕的左上方开始,选择优化标准401。在此示例中,401是销量,但是其他示例可以包括收益、利润等。仿真器103运行优化,其估计最大化销量的最优总计投资。优化的输出可以包括响应曲线,诸如下文结合图4B进一步详细描述的曲线420。
屏幕400还显示了层级名称,其示出为场景名称403。该名称可能已通过屏幕300提供。约束格式402指示用于代表约束的单位,在此示例中是相对于参考的百分比。
屏幕400还包括列在投资400下的输入变量以及输出变量,诸如销量405。其他输出变量可以包括收益和利润。
还示出了维度406。维度包括地理、产品和驱动。所示地理是巴西和日本。所示产品是产品A-C,而所示驱动是电视,其归入特定驱动类别下。
现在描述每一栏。“显示曲线”允许用户显示选定维度的响应曲线。在此示例中,为巴西和日本选择响应曲线。示出了所选择的响应,诸如图4B所描述的。“点约束”代表是否应用约束。例如,如果选择了“点约束”,则不将约束应用于优化和仿真。
“最小约束”和“最大约束”是对输入变量的约束,在此示例中是与参考的差值的最小百分比和最大百分比。例如,约束指示对巴西的营销投资不能减少超过参考的80%,或者相对于参考(或者相对于输入投资,取决于用户是否已创建具有应用于投资的约束的场景)不能超过120%。输入变量是针对每个维度的营销投资。在进行优化时,如果应用约束,则在确定最大化销量的最优投资时,营销投资不会在约束之外变化。
“最小经验范围(Min Exp Range)”和“最大经验范围(Max ExpRange)”指示针对该数据集合曾经做过的投资的最高值和最低值。“参考”是针对该数据集合的当前投资数额,“场景”是当前数额改变的数额。例如,用户可以改变对巴西的所有投资输入以进行仿真,而“场景”识别改变后的投资输入,这就是已改变的输入变量。“反向差额(Inv Difference)”和“反向差额百分比(%Inv Difference)”显示输入变量相对于参考的改变量,在此示例中是0。
对于输出变量,“增量”是增长,诸如每美元支出产生的超出基数数额的销量。基数是没有营销时销售的销量。“总计”是基数和增量之和。还示出了“平均RIO”和“边际RIO”。
在此示例中,将销量示出为针对参考的输出变量。尽管未示出,但是系统100也可以示出针对场景的销量,其为针对已改变输入变量的经过仿真器103的估计销量。同样,也可以示出其他输出变量。
图4B示出了为图4A所示层级生成的响应曲线的示例。对于这些响应曲线,X轴是营销投资,Y轴是增加的销量。也可以针对其他输出变量生成响应曲线。
响应曲线420是在图4A所示参考上运行优化的结果。系统100检查每个响应曲线以确定响应曲线420所代表的最优方案。响应曲线420显示出:如果针对所有地理范围的总计投资增加,则对应的增加的销量也增加直到曲线变平坦。例如,随着总计投资接近600百万,销量开始变平坦,因此增加总计投资超过600百万可能益处不大。
可以运行优化以满足诸约束。响应曲线421是在满足约束时的优化的结果。点422示出了当前投资总计。
在屏幕400中,选择了针对巴西和日本的响应曲线。图4B中示出的响应曲线430和431分别是针对巴西和日本的。响应曲线430和431示出了针对该数据集合支出的每一美元的销量的增量式增长。数据集合可以通过图3中示出的“更新年度”输入来进行选择。点432是针对巴西的当前总计,点433是针对日本的当前总计。尽管未示出,但是还可以显示代表最小约束和最大约束以及经验范围的点。
图5示出了显示某些输入变量已被修改以用于仿真的屏幕500的示例。例如,总计营销投资的输入变量(示出为501)从参考数额115.113百万增加至207.203百万。如502所示,这代表相对于基准参考数额增加了80%。继而,针对该新的营销投资运行仿真。仿真器103基于对应的响应曲线来估计输出变量。所估计的输出变量示出为507-510,这些输出变量可以与针对基准的输出变量(示出为503-506)进行比较。例如,增加在巴西的营销投资的结果是,增量销量和总计销量(如507和508所示)估计会超过基准销量(如503和504所示)。然而,估计的平均ROI和边际ROI(如509和510所示)估计会低于基准平均ROI和边际ROI(如505和506所示)。
4.方法
图6示出了根据一个实施方式的、用于存储用于仿真的数据之间的关系的方法600。结合图1所示的系统、作为示例而不是限制性地对方法600-800进行描述,并且这些方法也可以在其他系统中执行。
在步骤601,采集影响销售的所有数据。这可以包括用于诸维度中的各变量的数据。变量包括上述输入变量和输出变量。采集的数据可以包括营销投资、销量、收益、利润等,以及独立于公司的工作的因素,诸如经济是否处于萧条阶段。可以针对层级的部分或所有等级来采集数据。例如,维度是地理,并且该维度的等级可以包括国家、州、城市、邮编、街道等。针对每个等级采集销售和营销数据。在另一示例中,针对图4A和图5中示出的不同产品和驱动类别来采集数据。除了内部部门之外,可以使用外部代理来采集数据。可以仅针对部分等级采集数据,并且未采集的等级的变量值可以从采集的数据计算。
在步骤602,确定变量的关系。关系定义器104可以通过回归分析来确定这些关系。
在步骤603,将关系存储在数据存储设备102中。关系可以存储为识别两个或多个变量如何联系起来的函数。除了函数之外,每个存储的关系识别通过该函数联系起来的变量以及每个变量的维度和等级。例如,通过回归分析,生成代表特定邮编的销量与在该邮编中对电视营销的美元营销投资这两变量之间的关系的曲线。该曲线表示为函数,并且存储为该地理维度的邮编等级中的销量与对电视营销的营销投资这两变量的关系。可以生成不同的关系,并且为不同邮编中的那些变量进行存储。类似地,确定和存储其他变量的关系。随着在步骤601处捕获新数据而周期性重复步骤601-603。
图7示出了根据一个实施方式的、用于生成层级的视图的方法700。在步骤701,在系统100处接收所请求层级的维度和等级。例如,向用户呈现用于通过MIO界面101选择各种维度的选项。用户选择层级的维度和等级。该层级的维度和等级的顺序也可以由用户选择并且在系统100处接收。用户还能够选择每个等级的变,量或者至少部分变量对于每个等级是固定的。
在步骤702,确定每个等级的变量的关系。例如,关系定义器104识别要查阅的该层级中变量的所有关系。这些关系基于选定的层级。关系还可以针对所请求层级的等级中的至少部分变量进行存储。
在步骤703,使用这些关系来生成该层级的视图。例如,视图生成器105基于变量的关系来计算其值。例如通过MIO界面101为该层级中的每个变量显示其值。
在步骤704,接收对新层级的请求。该请求包括针对该新层级的维度和等级以及维度和等级的顺序。新层级可以包括第一请求层级的所有相同维度和等级,或者第一请求层级的至少部分相同维度和等级,但是相同维度和等级的顺序是不同的。
在步骤705,确定变量的关系。顺序的改变可能导致应用不同的关系来确定至少部分变量的值,即使这些变量与第一请求层级相同。例如,第一请求层级可以包括处于该层级的最高等级的国家,以及处于该层级的较低维度的产品。关系表明:需要针对每个产品、每个州来累计营销投资以确定针对该国家、所有产品的产品营销投资。新层级可以包括处于最高等级的产品,因此通过在不同州或国家对该产品进行累计来确定针对该产品的产品营销投资。
在步骤706,使用这些关系来生成新层级的视图。例如,视图生成器105基于变量的关系来计算其值。例如通过MIO界面101为该新层级中的每个变量显示其值。
图8示出了根据一个实施方式的、用于仿真不同的营销条件的方法800。在步骤801,生成层级的视图。步骤801可以通过执行方法700的步骤701-703来执行。
在步骤802,接收对变量的改变。例如,变量显示在层级的视图中。用户可以经由MIO界面101改变某个变量的值。层级中的输入变量的值可以由用户改变以进行仿真,如下文所描述的。例如,增大特定营销投资的变量以确定该改变如何影响输出变量。输入变量可以包括影响销售的任何变量,诸如针对不同营销活动支出的金额,独立的经济因素,等等。输出变量可以包括与销售和ROI有关的信息,诸如由营销投资带来的增量销售增长。
在步骤803,利用改变的变量对层级进行仿真。例如,仿真器103可以与关系定义器104通信以基于该层级中的变量来确定用于仿真的关系和模型。模型可以包括不同输出变量基于输入变量值的概率分布。回归分析可以包括用于建模和分析若干变量的传统技术。仿真器103基于改变的输入变量而计算输出变量,其可以包括对销量、利润或其他ROI变量等的估计值。
在步骤804,生成仿真结果。结果包括基于模型、关系和输入变量对输出变量的估计(例如,预期盈利)。例如,仿真器103运行仿真并且结果是经由MIO界面103显示的层级视图。新视图包括针对受已改变变量所影响的任何输出变量的新计算的值。例如,如果修改的变量包括增加对特定城市的营销支出,则仿真器103可以估计该城市的新销量。
可以重复方法800的步骤以找出实现某些目标的最优营销投资。例如,可以改变不同变量并继而进行仿真,基于仿真的结果,可以再次改变这些变量或者改变其他变量,直到仿真生成的结果与目标相符。例如,可能允许经理在营销预算上增加15%,但是需要达到产品系列的利润增长20%的目标。经理使用仿真器103来仿真对营销活动的不同增加,但是不超过15%的约束,从而识别将实现此产品系列的利润增长20%的、针对不同营销活动的支出增加。
6.用于执行软件的计算机系统
此处所描述的一个或多个步骤和功能以及此处所描述的系统的一个或多个部件可以实现为计算机代码,其存储在计算机可读存储设备上,诸如存储器或其他类型的存储设备上。计算机代码在计算机系统上执行,例如由处理器、专用集成电路(ASIC)或其他类型的电路来执行。代码可以以软件程序形态存在,软件程序包括源代码、目标代码、可执行代码或其他形式的程序指令。
图9示出了可以用作系统100的硬件平台的计算机系统900。计算机系统900可以用作用于执行此处所描述的、可以具体化为存储在一个或多个计算机可读存储设备(其为硬件存储设备)上的软件的一个或多个步骤、方法和功能的平台。
计算机系统900包括处理器902或处理电路,其可以实施或执行用于执行此处所描述的部分或全部方法、功能以及其他步骤的软件指令。来自处理器902的命令和数据通过通信总线904进行传送。计算机系统900还包括计算机可读存储设备903,诸如随机访问存储器(RAM),在运行时,其可以驻留用于处理器902的软件和数据。存储设备903还可以包括非易失性数据存储器。计算机系统900可以包括用于连接网络的网络接口905。对于本领域普通技术人员而言很显然,其他公知的电子部件也可以添加至或替换至计算机系统900中。
尽管参考示例描述了实施方式,但是本领域技术人员能够对所描述的实施方式做出各种改变而不偏离所请求保护的实施方式的范围。而且,此处所描述的系统和方法总体上是针对为营销和销售数据进行仿真和生成层级化视图而描述的。然而,系统和方法能够应用于为其他类型的数据进行仿真和生成层级化视图。
Claims (20)
1.一种用于生成动态的、投资相关的数据层级的方法,所述数据层级利用该层级中的多个等级的投资变量并且还利用描述所述多个等级的变量之间的关系的一个或多个函数,其中所述函数还描述在所述层级被修改为包括不同等级的变量时的关系,所述方法包括:
存储与销售相关的信息,其中所述信息包括维度,并且每个维度包括至少一个等级,每个等级由变量来描述;
存储至少部分所述变量之间的关系;
接收对层级的请求,其中所请求层级包括来自已存储维度的维度集合、所述集合中每个维度的至少一个等级以及所述层级中所述维度或等级的顺序;
由计算机系统使用可应用于所述等级中的变量的所述存储的关系来计算针对所请求层级的等级中的变量的值;以及
生成包括所计算的值的所述层级的视图,其中所述视图包括按照针对所请求层级而指定的顺序的所请求层级的所述维度或等级。
2.如权利要求1的方法,还包括:
接收对所述变量中的变量的值的修改;
使用所述修改以及与所述变量相关联的模型来运行仿真;以及
基于所述仿真来估计部分所述变量的值。
3.如权利要求1的方法,还包括:
接收对所述层级的维度和等级的顺序的改变以生成新层级的视图;
从所述存储的关系中识别可应用于所述新层级的新存储的关系,其中所述新存储的关系不同于用于计算所述层级的所述存储的关系;
使用所述新存储的关系来重新计算所述等级中的至少部分所述变量;以及
使用所述重新计算的变量来生成所述新层级的视图。
4.如权利要求1的方法,其中所述关系中的至少一个是所述等级中两个变量之间的固定比率。
5.如权利要求1的方法,其中所述关系中的至少一个是代表定义所述等级中两个变量之间的关系的曲线的函数。
6.如权利要求1的方法,其中所述关系中的至少一个代表所述等级中两个变量之间的光环效应、蚕食效应或协同效应。
7.如权利要求1的方法,其中所述关系中的至少一个描述企业支出对所述层级中的变量的影响。
8.如权利要求1的方法,其中所述关系中的至少一个描述用于基于所述层级的组织来确定较低等级或较高等级中的变量的值的规则。
9.如权利要求1的方法,还包括:
确定是否存在对所述层级的不同等级的约束;
如果对所述不同等级存在多个约束,则确定所述约束之间是否存在冲突;以及
确定所述冲突是否可解决。
10.如权利要求9的方法,还包括:
如果所述冲突确定为可解决,则解决所述冲突;以及
如果所述冲突确定为不可解决,则提供所述冲突不可解的指示。
11.如权利要求10的方法,其中解决所述冲突还包括:
确定所述多个约束的范围;
确定所述多个约束的重叠范围;以及
将所述重叠范围应用为约束。
12.一种配置用于生成动态的、投资相关的数据层级的系统,所述数据层级利用该层级中的多个等级的投资变量并且还利用描述所述多个等级的变量之间的关系的一个或多个函数,其中所述函数还描述在所述层级被修改为包括不同等级的变量时的关系,所述系统包括:
数据存储设备,存储与销售相关的信息,其中所述信息包括维度,并且每个维度包括至少一个等级,每个等级由变量来描述;并且
所述数据存储设备存储至少部分所述变量之间的关系;
处理器,接收对层级的请求,其中所请求层级包括来自已存储维度的维度集合、所述集合中每个维度的至少一个等级以及所述层级中所述维度或等级的顺序;
所述处理器使用可应用于所述等级中的变量的所述存储的关系来计算针对所请求层级的等级中的变量的值;以及
用户界面,提供包括所计算的值的所述层级的视图,其中所述视图包括按照针对所请求层级而指定的顺序的所请求层级的所述维度或等级。
13.如权利要求12的系统,其中所述处理器接收对所述层级的维度和等级的顺序的改变以生成新层级的视图;
所述处理器从所述存储的关系中识别可应用于所述新层级的新存储的关系,其中所述新存储的关系不同于用于计算所述层级的所述存储的关系;并且
所述处理器使用所述新存储的关系来重新计算所述等级中的至少部分所述变量;以及
所述用户界面使用所述重新计算的变量来提供所述新层级的视图。
14.如权利要求12的系统,其中所述处理器接收对所述变量中的变量的值的修改;
所述处理器使用所述修改以及与所述变量相关联的模型来运行仿真;以及
所述处理器基于所述仿真来预测部分所述变量的值。
15.如权利要求14的系统,其中所述用户界面提供包括所述预测的值的所述层级的视图。
16.如权利要求12的系统,其中所述处理器确定是否存在对所述层级的不同等级的约束;
如果对所述不同等级存在多个约束,则所述处理器确定所述约束之间是否存在冲突;
所述处理器确定所述冲突是否可解决,以及如果所述冲突可解决,则解决所述冲突。
17.如权利要求16的系统,其中所述处理器通过下列来解决所述冲突:
确定所述多个约束的范围;
确定所述多个约束的重叠范围;以及
将所述重叠范围应用为约束。
18.一种存储计算机代码的计算机可读存储介质,当由计算机系统执行所述计算机代码时,其执行一种方法,包括:
存储与销售相关的信息,其中所述信息包括维度,并且每个维度包括至少一个等级,每个等级由变量来描述;
存储至少部分所述变量之间的关系;
接收对层级的请求,其中所请求层级包括来自已存储维度的维度集合、所述集合中每个维度的至少一个等级以及所述层级中所述维度或等级的顺序;
计算机系统使用可应用于所述等级中的变量的所述存储的关系来计算针对所请求层级的等级中的变量的值;以及
生成包括所计算的值的所述层级的视图,其中所述视图包括按照针对所请求层级而指定的顺序的所请求层级的所述维度或等级。
19.如权利要求18的计算机可读存储设备,其中所述方法还包括:
接收对所述变量中的变量的值的修改;
使用所述修改以及与所述变量相关联的模型来运行仿真;以及
基于所述仿真来估计部分所述变量的值。
20.如权利要求18的计算机可读存储设备,还包括:
接收对所述层级的维度和等级的顺序的改变以生成新层级的视图;
从所述存储的关系中识别可应用于所述新层级的新存储的关系,其中所述新存储的关系不同于用于计算所述层级的所述存储的关系;
使用所述新存储的关系来重新计算所述等级中的至少部分所述变量;以及
使用所述重新计算的变量来生成所述新层级的视图。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN34/CHE/2010 | 2010-01-06 | ||
IN34CH2010 | 2010-01-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102117464A true CN102117464A (zh) | 2011-07-06 |
CN102117464B CN102117464B (zh) | 2015-07-22 |
Family
ID=43858411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110021647.9A Active CN102117464B (zh) | 2010-01-06 | 2011-01-05 | 包括关系数据库或在线分析处理系统的装置、系统及相关方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8401944B2 (zh) |
EP (1) | EP2343683A1 (zh) |
CN (1) | CN102117464B (zh) |
AU (1) | AU2010257410B2 (zh) |
CA (1) | CA2724876A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480188A (zh) * | 2017-07-11 | 2017-12-15 | 中国建设银行股份有限公司 | 一种审计业务数据处理方法和计算机设备 |
CN108389104A (zh) * | 2018-01-31 | 2018-08-10 | 口碑(上海)信息技术有限公司 | 一种网络活动的仿真验证方法以及装置 |
CN109214840A (zh) * | 2017-06-30 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 一种数据相关性分析方法及装置 |
CN113850611A (zh) * | 2021-08-02 | 2021-12-28 | 上海画龙信息科技有限公司 | 一种基于响应面的营销任务执行方法、装置和电子设备 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150006579A1 (en) * | 2013-06-26 | 2015-01-01 | Boris Kovacevic | Custom grouping of multidimensional data |
CN105630986A (zh) * | 2015-12-25 | 2016-06-01 | 中国航天系统工程有限公司 | 一种从数据库中获取多维度数据网格化展示的方法 |
US10438247B2 (en) * | 2016-08-08 | 2019-10-08 | Oath (Americas) Inc. | Systems and methods associated with adaptive representation of a control/volume relationship for a tactic group |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003032125A2 (en) * | 2001-10-11 | 2003-04-17 | Visualsciences, Llc | System, method, and computer program product for processing and visualization of information |
EP1308852A1 (en) * | 2001-11-02 | 2003-05-07 | Cognos Incorporated | A calculation engine for use in OLAP environments |
US20060129976A1 (en) * | 2004-11-29 | 2006-06-15 | Christian Brand | Modeling editor |
CN1867909A (zh) * | 2003-08-12 | 2006-11-22 | 甲骨文国际公司 | 用于在线分析处理和多维规划应用中通过维分离的交叉属性分析和操纵的系统和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030065571A1 (en) * | 1999-10-14 | 2003-04-03 | Rabindranath Dutta | System, method, and program for determining the jurisdiction of a product delivery location by using the ip address of the client while selling items via electronic commerce over the internet |
US6665715B1 (en) * | 2000-04-03 | 2003-12-16 | Infosplit Inc | Method and systems for locating geographical locations of online users |
US20020023000A1 (en) * | 2000-08-16 | 2002-02-21 | Bollay Denison W. | Displaying as a map and graphs on a web page the geographical distribution of visitors that click on banner ads in cyberspace |
US6944626B2 (en) * | 2001-11-26 | 2005-09-13 | Microsoft Corp. | Dynamically generated schema representing multiple hierarchies of inter-object relationships |
US20040138943A1 (en) * | 2002-10-15 | 2004-07-15 | Brian Silvernail | System and method of tracking, assessing, and reporting potential purchasing interest generated via marketing and sales efforts on the internet |
US7716233B2 (en) * | 2007-05-23 | 2010-05-11 | Business Objects Software, Ltd. | System and method for processing queries for combined hierarchical dimensions |
US20100017286A1 (en) * | 2008-07-10 | 2010-01-21 | Factor TG, Inc. | Marketing Performance Model and Management Platform |
-
2010
- 2010-03-30 US US12/749,756 patent/US8401944B2/en active Active
- 2010-12-10 CA CA2724876A patent/CA2724876A1/en not_active Abandoned
- 2010-12-23 EP EP10016043A patent/EP2343683A1/en not_active Ceased
- 2010-12-23 AU AU2010257410A patent/AU2010257410B2/en not_active Ceased
-
2011
- 2011-01-05 CN CN201110021647.9A patent/CN102117464B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003032125A2 (en) * | 2001-10-11 | 2003-04-17 | Visualsciences, Llc | System, method, and computer program product for processing and visualization of information |
EP1308852A1 (en) * | 2001-11-02 | 2003-05-07 | Cognos Incorporated | A calculation engine for use in OLAP environments |
CN1867909A (zh) * | 2003-08-12 | 2006-11-22 | 甲骨文国际公司 | 用于在线分析处理和多维规划应用中通过维分离的交叉属性分析和操纵的系统和方法 |
US20060129976A1 (en) * | 2004-11-29 | 2006-06-15 | Christian Brand | Modeling editor |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214840A (zh) * | 2017-06-30 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 一种数据相关性分析方法及装置 |
CN107480188A (zh) * | 2017-07-11 | 2017-12-15 | 中国建设银行股份有限公司 | 一种审计业务数据处理方法和计算机设备 |
CN107480188B (zh) * | 2017-07-11 | 2020-12-04 | 中国建设银行股份有限公司 | 一种审计业务数据处理方法和计算机设备 |
CN108389104A (zh) * | 2018-01-31 | 2018-08-10 | 口碑(上海)信息技术有限公司 | 一种网络活动的仿真验证方法以及装置 |
CN108389104B (zh) * | 2018-01-31 | 2021-06-25 | 口碑(上海)信息技术有限公司 | 一种网络活动的仿真验证方法以及装置 |
CN113850611A (zh) * | 2021-08-02 | 2021-12-28 | 上海画龙信息科技有限公司 | 一种基于响应面的营销任务执行方法、装置和电子设备 |
CN113850611B (zh) * | 2021-08-02 | 2023-01-13 | 上海画龙信息科技有限公司 | 一种基于响应面的营销任务执行方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
AU2010257410A1 (en) | 2011-07-21 |
CN102117464B (zh) | 2015-07-22 |
US20110166980A1 (en) | 2011-07-07 |
US8401944B2 (en) | 2013-03-19 |
EP2343683A1 (en) | 2011-07-13 |
CA2724876A1 (en) | 2011-07-06 |
AU2010257410B2 (en) | 2012-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11663493B2 (en) | Method and system of dynamic model selection for time series forecasting | |
US10896203B2 (en) | Digital analytics system | |
You et al. | A decision-making framework for precision marketing | |
Bai et al. | Determining and applying sustainable supplier key performance indicators | |
Fildes et al. | Forecasting and operational research: a review | |
Hu et al. | Using BPNN and DEMATEL to modify importance–performance analysis model–A study of the computer industry | |
EP2290594A1 (en) | Adaptative analytics multidimensional processing system | |
CN102117464A (zh) | 具有动态层级的营销投资优化器 | |
EP2273431A1 (en) | Model determination system | |
Javan et al. | A hybrid advertising media selection model using AHP and fuzzy-based GA decision making | |
CN104346698A (zh) | 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统 | |
AU2014201264A1 (en) | Scenario based customer lifetime value determination | |
Kumar et al. | Analysis of demand risks for the Indian automotive sector in globally competitive environment | |
Azis et al. | ‘Monte Carlo’Simulation Predicting on the Movement of Investments–During the Covid Pandemic in Indonesia | |
CN107844874A (zh) | 企业营运问题分析系统及其方法 | |
CN113590692A (zh) | 一种三阶段人群挖掘条件优化方法及系统 | |
CN114418736A (zh) | 一种银行零售信贷客户分层方法、存储介质和服务器 | |
Kamphake | Digitization in Controlling | |
Arora et al. | Optimizing Software Pricing: AI-driven Strategies for Independent Software Vendors | |
Şerbănescu et al. | Organizational Optimization of a Company Through the Implementation of Business Intelligence Solution | |
Denkena et al. | Linking total costs and benefits of ownership (TCBO) and process chain simulation for integrated assessment of manufacturing technologies and processes | |
CN102890710A (zh) | 一种基于excel的一种数据挖掘方法 | |
CN117668712B (zh) | 基于人工智能和九宫筛选法的品类优化方法及相关装置 | |
Pinto et al. | An intelligent financial management system for optimal resource allocation in an organisation | |
AU2012254863B2 (en) | Adaptive analytics multidimensional processing system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |