面向经济效益分析的商贸流通业总量数据统计方法

刘滨

内容摘要：研究商贸流通业总量数据的变化趋势，对于流通企业经济效益的提高及管理层的经营决策具有重要戰略指导意义。本文针对当前商贸流通业总量数据统计方法的缺陷与不足，提出基于BP神经网络的商贸流通业总量数据统计方法研究;构建一种商贸流通总量数据分析模型，并利用BP神经网络强大的数据处理和分析能力，将采集到的海量待处理总量数据分别进行预处理与分割;基于神经元节点建立输入向量与输出向量之间的函数关系，并确定出输入数据向量之间的权重比例关系，之后提取出流通业总量数据的数据流平均值、数据流均方差等关键特征向量，实现对商贸流通业总量数据之间关系的深度挖掘，为流通企业经济效益分析提供强有力的数据支撑。

关键词：经济效益   商贸流通业   总量数据   BP神经网络

从狭义上讲，我国的商贸流通业主要包括从事商流媒介相关的产业，如商品批发和零售业、货物存储及运输业等。但随着我国国民经济的快速发展及产业结构的不断优化升级，商贸流通业无论是从内涵还是外延都有了较大程度的扩展。目前，广义上的商贸流通业除了包含原有的商业、物流业等还涵盖了信息产业、金融业、和部分服务业。我国商务部流通产业主管部门将批发、零售、住宿、餐饮、仓储、租赁、美容美发、家庭服务等18个行业都纳入了商贸流通业总量的数据统计范围。商贸流通产业在国民经济中的地位和作用不断加强，业务范围和业务量也在持续地扩大化和复杂化，新的产业形态不断出现，在这样的背景下原有的针对商贸流通业的总量数据统计方法，已经很难适应现有的商贸流通产业业务发展需要。

随着我国商贸流通业的发展，行业竞争的压力也在不断地增强，对于所有从事商贸流通产业的企业主体而言，当前所面临的最大问题就是如何提高企业的经济效益和行业竞争力。信息资源是企业所拥有的最为重要的资源之一，对现有商贸流通产业中的总量数据进行分析和研究，从中揭示出行业的长期走向和隐含于其内部的经济规律，并对企业未来的战略做出适应性调整，可以显著地提高商贸流通企业的经济效益和行业整体竞争力。因此，本文从商贸流通行业的总量数据统计研究出发，基于BP神经网络数据统计方法，对流通产业的大数据进行采集、预处理、分类和特征提取，立足于现代信息处理技术，挖掘出商贸流通总量数据间的内在联系，为流通企业管理者的决策提供数据支持，最终目的是要提高商贸流通业的整体竞争力和经济效益。

商贸流通业总量数据统计分析对经济效益的拉动作用

受计算机网络技术和通信技术的影响和推动，目前已经进入了一个全新的信息时代，各行各业之间的市场竞争从某种程度上就表现为行业信息采集能力和数据统计分析能力之间的竞争。商贸流通业是一个以数据信息为主要驱动力的产业，因此流通产业的总量数据统计分析对于流通企业的经营决策成本和经济效益高低都会产生十分重要的影响。商贸流通企业要想在激烈的市场竞争中占得先机，就必须做好总量数据的统计分析工作，商贸流通业总量数据的统计对于行业效益的拉动作用主要表现为协助企业的管理层做好经营决策工作、有助于规避各类的风险和企业经营效益的提高。

第一，利于商贸流通企业制定科学的经营战略。商贸流通企业是以盈利为目的的企业法人，企业要想获得年度经济效益的提高和未来期间的发展，就必须制定出切实可行的年度经营计划和未来长期的发展规划。从事商贸流通业务的企业由于不直接生产制造产品，主要在商品的流转中获得价值的增值，因此对于行业数据信息的依赖程度更高。流通企业在制定经营计划和远景规划时，主要依据行业近几年的总量数据和未来的发展趋势，对于总量数据的统计分析将决定经营计划是否科学、可行。依据对商贸流通业总量数据统计和分析，能够深度挖掘出企业经营管理的规律，更容易把握流通企业市场发展的趋势和方向，降低流通企业管理层决策的盲目性和滞后性。由此可见，对商贸流通业总量数据的分析与控制，能够为企业的经济效益分析带来积极的影响。

第二，有助于流通企业防范各种经营风险。企业在运营过程中不可避免地会遇到各种各样的经营风险，鉴于商贸流通企业的特殊性，其面临的经营风险会更大。市场风险的产生和爆发都会具有一些征兆，从事商贸流通的企业可以通过对行业总量数据变化的分析识别出市场中的潜在风险因素，从而降低行业风险对企业经济效益所带来的不利影响。做好商贸流通业总量数据的统计分析工作，是防范和处理各类市场风险的有效手段之一，通过对风险数据的研究就能够构建一种相对完善的风险预警机制，使市场风险对流通企业经营效益的影响降到最低。同时对于从事商贸流通的企业而言，做好流通产业总量数据信息的统计分析工作，也可以为危机到来之后的企业制定应对方案提供数据支持。

第三，直接增加企业年度收益。对商贸流通企业的部分关键数据信息的统计和分析，不仅能够对企业未来的经营决策带来十分积极的影响，还能够直接增加企业的年度经济效益。例如，对客户的偏好和消费习惯进行统计分析，进而有针对性地做好精准营销工作，就可以增加产品的销售额和经营效益。还有，对其商贸流通业总量数据中的财务数据进行分析，可以降低财务风险、排查财务管理漏洞;能够充分地利用企业财务杠杆的作用，降低资金的使用成本，增加企业收益;同时对于商贸流通企业而言，对行业总量数据进行统计分析，更能够明确本企业在行业中所处的位置，以便能够深度地挖掘出企业的行业竞争优势，为经济效益的提高提供数据支撑。

尽管对商贸流通业总量数据的统计分析与处理工作十分重要，但目前现有行业总量数据的统计分析方法仍旧存在缺陷和不足。首先，对一手行业数据的采集与获取不准确，这主要由于各个政府管理部门的职能取向不同，很难获得口径统一的行业总量数据。其次，许多商贸流通业相关的总量数据都是从其他的行业统计数据中剥离出来，实际操作的难度巨大，这不仅需要先进的统计分析技术，更需要对行业属性进行准确的定义和定位。再次，用于商贸流通总量数据分析与推算的基础数据的准确性和可信度不足，这些基础性数据大多数来源于各类经济普查数据和年鉴统计数据，可操作性和准确性都会受到限制。此外，由于电子商务等大量新型经济业态的出现，也加剧了行业总量数据统计的难度，主要包括基础数据缺失和部分数据指标重复统计等问题，如对于一些连锁企业的数据统计存在较大的指标统计误差。最后，用于商贸流通总量数据统计的方法陈旧落后，无法适应新的历史条件下行业总量数据的统计需求。一些现有的总量数据统计方法，难以满足数据统计随机性的要求，对于海量流通数据信息统计的准确性较低。

为克服传统商贸流通业总量数据统计方法的弊端和缺陷，并充分发挥出行业总量数据统计工作对于流通企業经济效益分析的积极影响，本文设计了一种基于BP神经网络的商贸流通业总量数据统计方法研究。依托于BP神经网络方法在数据采集、预处理和分类计算方面的突出优势，深度挖掘出行业总量数据中所蕴藏的经济规律，为企业的年度经济效益提高提供基础性条件。

基于BP神经网络的商贸流通业总量数据统计方法研究

商贸流通业的总量数据首先具有海量性的特征，因此对采集到的总量数据进行分类处理和统计分析的难度极大，而BP神经网络模型在对大数据进行分类、分割和特征提取中具有独特的优势。由于BP神经网络模型是一种典型的复杂运算模型，该模型模拟人脑的工作原理，由海量的神经元相互连接而组成，每一个基础神经元都能够参与计算，并且各个神经元之间还能够进行密切的协作，共同完成商贸流通产业总量数据的统计分析工作。基于BP神经网络模型对流通产业总量数据的统计流程。

（一）流通业总量数据统计建模

基于BP神经网络方法构建的总量数据统计模型主要通过数据信息的观测、采集、分析和检测等多个步骤完成，再基于科学的数据统计思维，最终识别出总量数据之间的逻辑关系，进而基于这些行业内部经济发展规律做出合理的企业决策。基于BP神经网络方法构建数据统计模型的基础性步骤如下：首先对各渠道采集到的真实、完整的总量数据进行基础性分析，以确定出总量数据之间的基础性关系;优化模型参数，提高BP神经网络模型的适用性;基于数学统计模型进行仿真状态下的测试与数据分析。BP神经网络模型的基础性结构主要由输入层、输出层和中间隐含层组成。

其中每一个神经网络节点都代表一种特殊的函数关系。神经元节点之间通过信号权重连接，可以实现对输入的商贸流通产业的总量数据的分析、预处理及特征提取。节点之间的信号权重相当于人工神经网络的记忆，数据分类的结果输出由具体的权重值、激励函数及数据的连接方式决定。BP神经网络用于商贸流通总量数据处理的神经元模型。

（二）商贸流通总量数据统计的预处理

BP神经网络模型是一个具有梯度的多层网络，具有十分强大的数据容纳能力，由于商贸流通业的总量数据庞大，需要首先将这些采集到的原始数据输入神经网络进行预处理，识别出数据之间的规律性。经BP神经网络预处理后的总量数据的变化趋势及数据之间的关系，能够更为清晰地展现在数据的使用者面前。本文将预处理前后的总量数据分别进行了线性拟合，其中对于总量数据的预测方法选用迭代预测的方式，即先采用单步预测的模式，再将商贸流通总量数据的输出结果反馈给BP神经网络模型，数据迭代预处理的执行步骤，如表1所示。

调整之后的商贸流通总量数据集合为Pt，可以表示为：

其中，Mt为趋势项、St为周期项，再将经BP神经网络预处理后的总量数据，进行数据分割和特征提取，识别出海量商贸流通产业总量数据之间的内在联系。

（三）基于BP神经网络的商贸流通总量数据分割与特征提取

经过预处理的商贸总量数据流中蕴涵着大量的信息，可以用来作为经济效益分析和企业管理者智能决策的依据。对商贸流通总量动态数据流的分割与特征提取，就是要识别出商贸流通总量数据之间的信息变化，以达到为商贸流通企业经济效益分析服务的目的。定义预处理后的商贸流通总量数据流为Yt：

本文利用BP神经网络模型的参数向量和最小二乘法，对得到的多元线性回归矩阵的特征向量求解，由于在对商贸流通业总量数据的分割与数据点的定位中，数据点的横、纵坐标难以确定，这时再采用最小二乘法进行数据拟合，以提高总量数据特征提取和趋势分析的拟合精度。基于BP神经网络方法得到的总量数据的动态数据流变化趋势，利用各数据分割点及数据分割点之间特征变化关系，提取出总量数据之间的参数变化，流通业总量数据变化的平均上升斜率avgXi、平均下降斜率avgXd、数据流平均值Y及数据流均方差σ等特征向量可以分别表示为：

（四）案例验证

依据商贸流通总量数据的特征向量能够识别出行业数据变化中的规律性，进而为商贸流通企业经济效益的分析提供依据。以从事生鲜制品流通的H企业为例，验证本文提出的基于BP神经网络的流通总量数据统计方法的实际应用效果，相关的样本数据来源于2016年-2017年的中国流通产业网络数据中心。

H流通企业从2017年年初开始实行对流通行业的总量数据进行大数据分析，与2016年相比H流通企业由于基于行业总量数据的统计分析，能够为本企业的经济效益分析、年度计划制定提供更完整的数据支撑，因此在年度计划的达成率方面更具有优势，统计了2016年和2017年H流通企业的月度计划达成率，如表2所示。表2中的对比数据显示，H物流企业在2016的月度计划达成率能够达到87.23%，而在2017年采用了更为系统和完善的行业总量数据分析方法后，月度计划达成率有了10.34%的提高。

对于商贸流通总量数据的统计和系统分析，最直观的作用就是为流通企业的效益分析提供佐证，进而提高和改善企业的经济效益，提取2016年和2017年数据库中的相关财务数据，对比分析了不同数据统计分析方法下，H流通企业的年度经济效益的变化情况，并将数据拟合成曲线。H企业4个季度的净利润数据变化情况显示出，基于BP神经网络的数据统计方法对于企业的经济效益的提高具有明显的拉动作用，2017年H流通企业的季度利润由第一季度的986万元增加到年末的2384万元，行业总量数据统计分析的作用表现十分明显。由此可以证明，准确地把握行业和市场的动态变化，再基于此做出年度计划及战略计划的调整，能够显著提高商贸流通企业的经济效益。

结论与建议

行业总量数据的统计分析工作是提高企业年度经济效益的有效手段之一，对于商贸流通业而言，由于行业的特点所限有时需要囤积较多的商品，这就显著地增加了流通企业的经营风险。要想降低企业在运营和决策中的风险，就需要重视数据信息的统计分析工作，充分利用行业总量数据的变化趋势而做出有助于企业利润提高和未来发展的经营决策。但目前就我国商贸流通企业的发展而言，对于行业总量数据的利用水平还较低，还有很大的提升空间，可以从以下三个方面进行提高和改善：

成立专业的数据统计部门。随着我国商贸流通产业的发展及行业竞争的白热化趋势，企业数据统计工作将会成为一项常态化的工作，因此企业有必要设置一个专门的数据统计部门，独立地负责行业总量数据的采集和统计工作。企业的管理层和财务部门就可以在该数据统计部门的信息支持下，相对准确地编制年度计划及做出相应的战略规划布局与调整。商贸流通企业对于行业总量数据的分析与研究，可以为企业各部门的决策与合作提供数据支持和指导，以便实现本期和未来会计期间经济效益的提高。

做好流通企业日常相关总量数据统计归档工作。企业近期的历史数据对于企业的经营决策也具有十分重要的指导意义，因此对于行业总量数据的统计分析也包括对于本企业相关历史数据的统计与应用。流通企业本身所面临的市场信息量十分庞杂，尤其是销售部门和财务部门的数据量巨大，同时对于企业的经济效益分析也具有很高的价值。数据的整理和归档工作任务繁重，不能够仅依靠数据统计部门来完成，因此各部门特别是销售和财务部门要及时地将各类历史数据、原始记录进行分类和归档，尽量做成电子文档或录入企业的EPR系统，以便需要时能够快速地调用。当前流通产业的竞争从某种程度上就表现为数据信息的竞争，数据统计工作与企业的经济效益密切相关，如果企业管理层对关键的数据处理不当，会增加企业蒙受损失的风险。基础信息的采集和整理工作有基本的质量要求，即要剔除不完整的、虚假的、和无用的信息;保证总量数据信息的连贯性、层级性，逐步建立起较为完备的企业级数据库;要每半年对企业现有数据的有效性和适用性进行评估，及时地更为企业的数据库，以便持续地为企业管理层提供数据支持。

简化数据统计流程、降低数据统计成本。提高商贸流通企业对行业总量数据的利用效率和效果，也需要改变当前的数据采集与统计的方式，目前企业对市场数据的采集与分析多为一种被动模式，即企业的管理层在制定年度计划和战略决策之前，才要求相关的部门去采集和整理行业相关的总量数据。在这样的条件下获取的数据往往是不准确的、不完整的。因此要进一步规范企业的数据统计和使用流程，使企业的数据信息统计分析变为一种常态化的管理方式，并逐步简化数据的采集和统计流程。传统自上而下的数据统计方式，已经不能够适应市场竞争的要求，数据统计的成本过高，不利于企业经济效益的提高。现代流通企业要更加充分地发挥出数据信息资源的优势，不断地节省数据核实与上报的时间与效率，增强总量数据的时效性。目前我国的信息技术发展十分迅猛，流通企业可以依托于现代信息技术，实现行业总量数据的信息化与数据库管理，不断地降低数据采集、统计与使用的成本，提高年度经济效益。

参考文献：

1.麦琼丹.我国各地区批发零售业竞争力评价与思考[J].商业经济研究，2016（8）

2.刘昊，王志平，李桃迎.多渠道供应链定价策略——基于强势制造商为零售商提供网络渠道指导价格视角[J].中国流通经济，2017，31（6）

3.崔玉蕾.区域物流能力对商品流通格局的影响[J].商业经济研究，2016（4）

4.王晓东，王诗.中国商品流通效率及其影响因素测度——基于非线性流程的DEA模型改进[J].财贸经济，2016，37（5）

5.成福伟.农产品流通信息渠道的农户好感度评价[J].商业经济研究，2016（10）

6.许良.物联网金融在大宗商品電子交易市场中的应用[J].中国流通经济，2016（1）

7.陈晓暾，侯鹏艳.基于大数据的商贸流通环节平台建设[J].中国统计，2018（2）

8.周婷，许坚.新常态下商贸流通业对区域经济增长的影响研究[J].价格月刊，2017（10）

9.宋效中，孟丽.财务杠杆作用下企业社会责任与盈余管理的关系[J].财会月刊，2016（3）

10.周罗琳.营销投入、财务杠杆与企业绩效[J].财会通讯，2018（2）