数据模型在企业决策中的应用——预测损失的销售额案例分析

张 晶，邓海燕

(武钢财务公司，湖北 武汉430080;武钢集团经营财务部，湖北 武汉430080)

一个企业长远的成功在很大程度上取决于是否能够预测未来并制定合适的策略。合适的判断、直觉和了解，可以使管理者对将来的态势有一个概略的认识或“看法”，但是，将这些看法转化为数量，用于预测下一个季度的销售量或下一年的原材料价格等就不那么容易了。如果要得到较为准确的预测，我们往往要根据现有的数据，选择合适的数据模型，才能使我们的预测更加科学、合理，从而为企业的决策提供支持。

本文选取Carlson 百货公司在飓风中遭受袭击就保险公司应向其赔偿多少损失的典型案例，介绍如何利用数据模型进行预测以及如何根据预测结果进行决策。

一、案例介绍

Carlson(卡尔森)百货公司在2003 年8 月31日飓风侵袭时，遭受了严重的损失，公司被迫关闭了4 个月(2003 年9 -12 月)。现在，Carlson 公司现在正与其保险公司就公司关闭期间损失的销售总额进行谈判。目前可以获取Carlson 百货公司在飓风前48 个月的销售额资料(表1)。

二、案例分析

从上可知，目前卡尔森百货公司面临的关键问题是应该以多少损失向保险公司索赔。那么如何确定公司的损失至关重要，估计的损失低了，无疑加重自身的灾难;过高的估计损失，在与保险公司的谈判中肯定不予采信。

表1 卡尔森百货公司1999 年9 月-2003 年8 月的销售额(百万美元)

卡尔森百货公司的保险单包括实物财产，还包括由于正常商业经营被打断而遭受的经济损失。确定实物财产在飓风中的损失，在受理保险索赔中比较简单。但是确定卡尔森百货公司在2003 年9 -12 月关闭期间内的经营损失则是一件相当复杂的事情，涉及卡尔森公司与保险公司之间的谈判。

三、预测

1.卡尔森百货公司无飓风情况下销售额预测

根据卡尔森百货公司1999 年9 月-2003 年8 月的销售额数据(表1)绘出散点图(图1):

图1 卡尔森公司销售额(百万美元)与时间的散点图

根据卡尔森百货公司1999 年9 月-2003 年8 月销售额数据所形成的散点图来看，该时间序列存在明显的线性趋势和季节成分，因此，预测卡尔森百货公司在无飓风情况下的销售额应采用乘法模型:

Y=T* S* I。

其中:Y-时间序列值;T -趋势成分;S -季节成分;I-不规则成分。

(1)首先需要剔除季节成分和不规则成分，见表2:

(2)利用消除季节影响的时间序列确定趋势

图2 消除影响后的数据的时间序列图

从图2 可以看出消除影响后的卡尔森百货公司销售额数据有着较为明显的直线趋势，因此可以拟定模型:

Tt=b0+b1t

Tt:t 期卡尔森百货公司销售额的趋势值;b0:趋势线的截距;b1:趋势线的斜率;利用Mintab 拟合趋势方程为:Tt= 2.1483 + 0.0114* t

各项准确度量数据较小，该模型拟合较好。

拟合图形如图3:

根据趋势预测模型得到如下趋势预测值(表4):

经过建立乘法模型以及趋势方程，最终得到了表5，预测2003 年9 -12 月在无飓风的情况下卡尔森百货公司销售额为12.35 百万美元。

表2 卡尔森百货公司消除季节影响后1999 年9 月-2003 年8 月销售额(百万美元)

表3 准确度度量

图3 消除影响后的销售额y 的趋势分析图

表4 卡尔森公司消除季节影响后的销售额趋势预测

(3)利用季节指数调整趋势预测值

表5 卡尔森公司在无飓风情况下销售额(百万美元)预测

四、卡尔森公司销售损失预测报告

卡尔森公司遭受飓风袭击，造成4 个月之久的停业，这给公司带来了较大的销售损失。根据公司停业之前48 个月即1999 -2003 年8 月份销售数据分析，无飓风情况下估计卡尔森公司2003年9 -12 月可能会实现12.35 百万美元的销售收入。通过上述分析，我们认为卡尔森百货公司2003 年9 -12 月的销售损失为12.35 百万美元。卡尔森百货公司完全可以以该数据向保险公司索赔。第一，这个预测数据考虑了飓风对公司的影响，尊重客观事实;第二，该数据对于公司的损失估计比较保守，没有夸大数据。用科学的方法进行预测，而不是简单的估计，经得起检验。

灾难常常无法预知，但是我们可以居安思危。我认为卡尔森公司应将这次飓风事件立案，建立数据和飓风应急预案，一方面保证在今后的突发事件中企业能准确估计企业的经济损失;另一方面保证飓风来临时，公司依然能够正常营业，从而能够从正常销售的收入中得到补偿。

通过对历史数据建立数据模型挖掘潜在规律，会给我们更加放心的答案。从上面的案例中，我们看到数据模型在企业的数量预测中是一个很好的工具，是一种科学的预测方法。但是，我们针对不同的数据，我们选择的模型则不同，还有，同样的数据，有多个模型适合的时候，我们要根据客观实际情况去选择最佳的模型。预测并不是仅仅只考虑数据本身，很多时候，为了预测，还要寻找相关数据。

数据模型将佐证我们的直觉和判断，让我们的决策更加准确。