煙草在線專稿　　大數據即巨量數據集合，指不采用隨機分析法這樣的捷徑，對所有的數據進行分析處理。隨著信息化的發展，大數據概念逐步深入人心，大數據如何運用、如何分析處理成為需要思考的問題。筆者以為，大數據不是寬泛的概念問題，也不是宏觀的政策問題，而是可以細化到每一項工作中去的手段，比如貨源投放中就存在形式多樣的數據，如果進行聚類分類，數據分析，或許會得到思路不一樣的結論。

　　一、傳統的貨源投放數據分析

　　直分式貨源投放已運行多年，投放的大致模式為從全市層面，通過對市場類型、客戶類別等維度的考量，進行投放對象的區分和分類，針對同一類對象制定同樣的貨源標準，從而做到全市統一投放的模式。

　　基于直分式貨源投放模式，傳統的貨源投放數據運用局限于貨源投放量、實際訂購量、現有商業庫存量等較為籠統的數據，數據分析也只是利用貨源投放量和實際訂購量之間的數據關系，結合現有商業庫存推測一周投放量能發生多少實際銷售量，通過對貨源投放量的變化粗略估算出投放量對銷售量的影響。

　　傳統的貨源投放數據分析較為粗略，數據分析集中在總銷量或是具體卷煙規格銷量的變化上，分析方法簡單，分析結論單一，雖然有大量的數據支撐，但運用的較少，受統計方式的限制，還不足以構成大數據的運用。

　　二、貨源投放數據的探索分析

　　隨著行業政策、市場需求的不斷變化，貨源投放模式不再是作為貨源供應的工具和手段，而是逐步顯露出自身其他價值。貨源投放的歷史數據、貨源投放的過程數據，經過篩選和分析，也逐步體現出它跳出銷量以外的價值。

　　以2013-2015年數據為例，在保證四五類煙貨源投放基本充足的情況下，四五類煙的訂購量呈現出每年以20%以上的速度下降的趨勢，其中以盛唐吉祥軟盒與黃山一品（新）硬盒降幅最為明顯。四五類煙的連續降幅體現出市場對四五類煙需求的下降，也在一定程度上反應市場銷售結構發生了改變，低檔卷煙市場將會越來越小。

　　探索二：新品接受度情況

　　以下以黃鶴樓（天下名樓）品牌導入階段為例，進行數據的簡單分析。

　　黃鶴樓（天下名樓）為2015年引入新品，于2015年2月23日起正式投放市場，投放初期標準為針對屯溪市場一、二類客戶進行投放。

　　經過一個月的投放階段，新品的市場訂購率一直處于20%以上的水平，說明在屯溪一、二類戶中已有一定的接受群體。

　　隨后，投放標準改為全市一類客戶，并進行為期三周的投放觀察。

　　經過三周的投放，訂購率也一直穩定在20%以上的水平，說明在全市范圍的一類客戶中有一定的接受群體。

　　直到2015年7月起，投放標準變更為全市范圍所有客戶，經過數據查詢，面向全市客戶投放后，每周客戶訂購率一直保持在2%左右，處于較低水平。針對7-10月期間的訂購情況，從客戶類別角度進行了了解。

　　從客戶分類情況來看，一至四類客戶的訂購量占到了總訂購量的90%左右，起到了主導作用，而訂購率也一直維持在20%左右。可以認為黃鶴樓（天下名樓）的主要接受群體集中在一至四類客戶，在今后進行同價位同類型品牌培育時也可作為參考數據。

　　探索三：投放滿足的了解

　　由于貨源投放系統缺少可以根據歷史訂購率和需求率測算需求量的運算模塊，因而在做精準投放時往往需要進行大量的手工運算，從而得出下一步貨源投放的參考依據。根據目前的投放現狀，單規格卷煙的歷史訂購率可以反射出投放過程中的需求滿足情況。以中華軟盒為例。

　　2016年春節前夕，為保證市場貨源供應充足，滿足市場節前銷售需求，對日常緊俏品牌，如中華、利群等加大貨源供應量。

　　由上表可知，在1.18-1.22一周訪銷結束后，對中華軟盒訂購情況進行數據調取和分析。一類至四類客戶以及六類訂購率與其他類別相比較高，在節前盡量滿足市場需求的貨源投放原則上，可以對這幾個類別客戶增加貨源投放量。根據這一數據分析，在接下來一周對前六類客戶加大了貨源投放量。數據顯示，前六類客戶實際訂購量明顯上升，有的類別甚至增幅高達50%左右，而訂購率卻有所下降，降幅大致在10%-15%。這兩組數據可大致推測出前六類客戶的貨源需求量得到了進一步滿足，但增加的投放量可能過多，因而導致訂購率有所下降。

　　三、貨源投放數據分析的建議

　　以上為筆者嘗試在傳統直分式貨源投放模式的基礎上，拓寬思維的一些見解。在貨源投放的大量數據下，我們做的數據分析可以不僅僅局限于卷煙結構變化、品牌培育導向、需求滿足了解這三個方面，我們可以做的也不僅僅是簡單的數據分析和推測，因此筆者就貨源投放數據分析提出了一些自己的建議。

　　建議一：增加貨源投放運算模塊

　　傳統的直分式貨源投放模式是基于商業庫存數量、客戶訂購數量、客戶需求數量等維度得出的，其過程需要大量的數據推測和運算，在每一次的貨源投放標準制定前期需要大量的人工計算準備，不僅耗時耗力，更是容易產生數據誤差。而現有的貨源投放系統中僅有策略制定和生成作用，缺少數據運算模塊，不能將這些相關性數據以科學合理的數據統計方式作為貨源投放的預測參考。從精準投放的角度，增加貨源投放運算模塊是一項利大于弊的工作。

　　建議二：建立數據運用分析系統

　　由于科學營銷系統是基于信息采集的基礎進行市場分析和預測的，雖然市場狀況是真實的市場需求，但信息采集的過程容易導致數據缺失或失真，因而并不能有效的運用起來。而基于貨源投放相關數據的分析，可以真實的反應客戶的實際訂購情況和真實需求。除卻品牌培育等工作做出的人為努力，大量的卷煙訂購量數據通過客戶類別、市場類型等多重維度的分析，是可以相互佐證，反應出一定的市場需求變化和品牌市場表現的，因而建議嘗試建立基于貨源投放和訂購情況的數據運用分析系統。

　　建議三：探索新的貨源投放模式

　　長期使用傳統的直分式貨源投放，容易固化思維，同時也束縛了數據的運用。如果能嘗試探索新的貨源投放模式，例如四級貨源分配模式即由營銷中心統一分配貨源總量，逐級分配到市場經理，制定統一的客戶評價標準后由客戶經理進行具體客戶的貨源分配，諸如此類的新模式，或許也會給貨源投放帶來新鮮血液和新思路，使貨源投放更接近市場。