基于数据包络分析的整车销售网格资源配置效率评估

（浙江农业商贸职业学院 汽车技术系，浙江 绍兴 312088）

1 引言

资源总是有限的，如何最大程度的发挥有效资源是企业必须认真思考的问题。中国是世界第二大汽车消费国，合理的配置整车销售资源对整车销售企业来说有着重要的意义。一方面，企业可以最大程度的发挥资源的利用效率，实现投入产出的最佳比例；另一方面，企业还可以在保证正常运行的情况下节省开支，将资源投入到更需要的地方去。本文应用销售网格的方法来为整车销售企业提供科学合理的资源配置方式，实现提高企业资源配置合理性和资源应用效率的目的。

2 整车销售网格资源配置效率评估系统的流程

2.1 整车销售的网格维度划分

整车销售网格可以划为四个维度，分别为客户基本特征、行为特征、客户价值和客户生命周期。

客户基本特征包括购买汽车客户的地理因素、人口统计因素（如性别、年龄、职业、学历、收入等因素）、心理特征因素（如生活方式、社会阶层、个性表现等因素）。客户基本特征因素对整车销售的数量、时间分布和发展趋势都有着重要的影响。

行为特征包括客户购买车辆的用途、使用环境、保养频率、维修频率、使用频率等因素，这些环境影响着客户购买和选择车辆的意向，对整车销售资源配置产生影响。

客户价值是指整车销售企业通过客户购买汽车的行为获得企业效益，是企业进行整车销售的根本目的。客户价值可以分为客户当前价值和客户潜在价值两个层次：客户当前价值包括整车购买数量、毛利润、服务成本等指标；客户潜在价值包括未来购买力、购买水平预测和引入新客户能力等因素。

客户生命周期可以分为考察期、形成期、稳定期和退化期这四个阶段，在不同阶段客户的购买意愿不同，对资源配置产生影响。

2.2 整车销售效率的网格资源配置评估流程

评估整车销售网格资源配置的效率，主要包括以下几个流程：

（1）明确配置预期效果。企业按照自身发展战略明确整车销售资源的配置目标，以此为依据对四个网格维度中适合的影响因素进行选择，同时确定整车销售企业销售网格组织的构建方式，逐步拟定销售网格与资源的互动影射方式。

（2）筛选划分依据。根据整车销售企业的销售网格划分目标选择特定客户，明确目标市场的特征，同时参考现有客户的具体情况，综合这些因素选择网格的划分模式。对不同维度的网格进行编号，见表1。

表1 不同维度的网格编号

在进行网格划分时，首先根据四个维度划分，再进行细化。例如根据A维度中的a1因素进行网格划分后，再根据B维度中的b3因素进行划分，然后根据C维度中的c2因素进行细化。利用多维度变粒划分方法不断划分，直到实现目标。

（3）数据处理。根据确定的销售网格划分采集相关数据，在采集数据时应保持数据的真实性、可持续性、可重复性和完整性。采集后的数据应去除无关及缺值数据，再利用回归、聚类等方式对数据进行加工处理，最后应用聚类算法、发现分类算法等方式进行数据处理。

（4）建立销售网格。在建立整车销售网格时需要同时考虑网格划分细致程度这个影响因素。一方面粗略的网格无法指导整车销售企业进行物流资源配置，也就无法有效发挥作用；另一方面，过度细化的网格使有效的资源过度分散化，也无法有效发挥作用。为达到最适合的网格划分效果，网格划分也应该找到适合的细致程度，根据企业销售目标和销售可用资源的实际情况进行划分。

3 基于数据包络分析的整车销售网格资源配置效率评估系统的构建

3.1 整车销售网格资源配置的流程

整车销售网格资源配置及流程如图1所示。

图1 整车销售网格资源配置流程

（1）需求信息系统。需求信息系统的运行中枢是销售管理中心，可为多个外部销售网格提供统一化和标准化的对接窗口。在收集各个网格内部的整车客户需求信息后进行需求评价，将信息进行汇总和分析，成为决策依据。

（2）资源配置协同系统。资源配置协同系统的运行中枢是资源调度中心，该中心可以获取客户需求与企业资源进行对比，形成映射关系，同时协调整车销售企业内部各个部门进行任务发布，通过需求预测、审核和匹配最终提出合理的资源配置方案。

3.2 数据包络分析在整车销售资源配置上的应用

（1）数据包络分析方法。数据包络分析方法（DEA）已经在系统预测和预警方面得到了广泛的应用[1]，本文将这种方法应用在整车销售资源配置上。

数据包络分析方法是建立在C2R模型上的，该模型假设存在有n个决策单元（DMU），这些决策单元的输入向量表示为xj=(x1j,x2j,…,xmj)T＞0（m表示输入个数）；输出向量分别为yj=(y1j,y2j,…,ysj)T＞0（s表示输出个数）[2]。最优的整车销售资源配置应该是满足配置情况下的最小解，即求DMU的最小值。对于固定的j0(1≤j0≤n)来说，其表达式为：

其中θ表示该模型的最优值；λj(j=1,2,…,n)是n个DMU组合权重中的某一个，是该权重组合的虚拟DMU投入向量和产出向量；xij0与ykj0是在评价第j0个DMU的投入量和产出量。该DMU模型是假设整车销售资源投入总量减少，但是配置产出量不发生改变的角度进行设计的。

该模型也可以进一步表达为：

其中s-、s+为松弛变量

（2）DEA有效性的判断。对DEA有效性的判断可以分为以下几种情况：

①如果最优值θ*=1，则第j0个DMU为弱DEA有效；

②如果最优值θ*=1且所有的s-*=0、s+*=0（所有分量为0），则第j0个DMU为DEA有效；

③如果最优值θ*＜1，则第j0个DMU为非DEA有效。

（3）整车销售资源配置效率的数据包络分析算法。假设整车销售企业拥有n个销售网格（j=1,2,…,n），每个整车销售网格都有m项输入（i=1,2,…,m）（如物流费用、管理费用、宣传费用等），则任意销售网格都有s项输出（r=1,2,…,s）（如整车销售数量、宣传效果、客户满意等）。产生的网格如图2所示。

图2 整车销售网格DEA模型

在建立整车销售网格DEA模型后，可利用投影分析法来计算DEA有效销售网格的投入/产出的投影值。

以x0和y0表示原非最优DMU中的输入向量和输出向量，则有：

最优解为λ、s-、s+、θ。可推断出数据包络分析方法下有效的输入及输出期望值分别为：

4 基于数据包络分析的整车销售网格资源配置效率评估系统的实例研究

本文以湖北省FH整车销售公司为例，应用数据包络法对其销售资源配置效率进行分析。

（1）客户信息整理。首先采集FH公司客户情况并进行整理，具体情况见表2。

表2 FH公司客户情况

应用SPSS13.0中的K-means对表2中的数据进行聚类划分，初始值见表3。

表3 客户聚类划分初始值

应用SPSS软件计算得出的最终聚类结果见表4。

表4 客户聚类划分最终值

每种聚类案例数目见表5。

表5 每种聚类案例数目

（2）需求方数据处理。采集FH整车销售公司近三年来各项资源需求及对应费用，见表6。

表6 FH整车销售公司2013-2016年资源需求及对应费用

应用MATLAB软件对表6进行分析，利用神经网络以2013-2015年数据为输入样本，以2016年数据为输出样本，经过103次运算后误差低于10-7，说明该数据具有可用性。再用2013-2016年的各项费用作为预测输入项，对2017年预测需求量进行计算，得到结果见表7。

表7 FH公司2017年各项费用需求量预测

在13个项目中筛选出8个具有代表性的项目作为FH公司DEA模型的投入，将整车销售数量和销售额作为DEA模型的输出，其投入产出比见表8。

表8 FH公司整车销售输入与输出状况

通过MATLAB软件对各销售网格效率进行计算，同时得到指标松弛变量的取值，结果见表9。

表9 FH公司整车销售的DEA运算

从表9可以看出，销售网格中的A、E、G、H这4个项目得分等于1，其输入/输出的松弛变量皆为0，因此可以判断这4个销售网格的DMU模型有效。其他4个销售网格的得分都＜1，因此可以判断其销售网格的DMU模型无效。利用投影分析法对无效DMU模型进行进一步分析，计算出无效模型中各决策单元的输入/输出实际值及投影值，结果见表10。

表10 B、C、D、F销售网格的输入/输出实际值及投影值

通过对表10各销售网格中输入/输出的实际值与投影值之间的对比可以发现，无效模型的得分均低于1，很多输入项目的实际值高于投影值。以销售网格B为例：一方面，该网格中工资发放、办公用品、运输费用、差旅费用、广告费用、仓储费用实际值均大幅高于投影值，说明这些项目的配置资源过高或存在浪费现象，应适度削减人员工资、降低相关费用投入。另一方面，虽然销售网格B完成了销售量，但是其销售额却较投影值低，说明该网格定价较低，应通过适度提高定价来保证销售利润。

通过数据包络分析方法，对整车销售网格资源进行重新评价，使企业找到合理的资源配置方案，最大程度的应用资源，发挥企业的最大竞争力。

[1]严大鹏,杜学东.网格资源分配算法的研究[J].计算机工程与应用,2008,44(29):135-137.

[2]丁箐.网格环境下资源管理的研究[D].合肥:中国科学技术大学,2002.