|
Business Statistics，乍听到这个名字我已经有种想晕的感觉。不过，现在这门课已经顺利修完了，三个星期的过程就象经历了一场电影。紧张的学习生活也让我久违了亲切的CDer们。 本科没有学过统计学的我，对于这门MBA的必修课有种前摄的恐惧，尤其当看到这门课的名字出现在课程表第一项的时候，我甚至有种即将被顶尖商学院排斥的感觉。 Anyway,该来的就让它来吧，一直以来，我有个面对问题的原则“宁肯被打倒，不能被吓倒”。 回想当初在公司里做OEM生产的时候，曾经遇到过这样一个问题：为了加强对客户的服务以提升客户关系，我们管理层想向客户提出一个Offer，即针对客户销售过程中发现的次品，我们可以免费调换或是全额退款。这个提议无疑将会得到客户的大力欢迎，从而使合作关系大大加强；但是，最终这个提议还是被搁浅在老板的桌面上。原因很简单，我们无法回答老板的问题“如果真这样做了，你们能预算一下公司可能额外支付的成本吗？” 在公司的管理过程中，经常有这样的情况，一个看似很好的决策，却因为无法找到足够的科学依据而被搁置。有的人会说“这么简单的事儿，拍拍脑袋不就决定了吗？”，实际则不然，在一个小型企业里，如果决策不恰当，产生的直接损失也许并不显眼，而在一个大中型企业里，一个不谨慎的决策将可能导致巨大的财务损失。 对于一名资深的管理者而言，带领从生产到行政、从研发到销售的全体员工辛苦拼搏了一个月，最终没有获得应有的利润回报或是招致损失，这就意味着所有人做了一个月的无用功，这样的教训是惨痛的。 在当今社会形势下，各行各业都面对着激烈的市场竞争，多数常规OEM企业的利润已经低至一位百分数；因此，企业的决策是否能够保证成本与收益的平衡就显得至关重要。 回看如上Case，假如企业生产这批货物的纯利是7%，而调换或退款将导致额外8%的支出，那么，这个决策的结果就是企业的必然亏损。那么，如何能够做到一个好的决策：既向客户提出有竞争力的服务，又保证自己的利润？ 商务统计这门课基本上能够解决这种生产型企业的决策问题。 首先，企业需要建立次品的抽样检验数据库，这是进行统计学分析的基础。对于现代化的大规模生产而言，一个企业每天的生产量数以万计，做到对成品的100%检验在成本的局限下几乎是不可行的。因此，必须对批量的产品进行少量抽样。 其次，针对每个订单或每条生产线生产数量的不同，如何确定抽样的数量以保证即不额外浪费人力成本，又能够得到有代表性的数据信息？这个问题，可以通过特定的统计学理论模型来进行计算，并可以根据实际情况来进行检验分析，以确认抽样数量的合理性。 第三，根据统计学原理得到的抽样数量采集的抽样数据，运用相应的统计分析方法预测出成品总量中蕴藏的次品数量对管理决策具有现实意义。 最后，在上面Case的管理决策中，在95%的置信度情况下，如果统计预测的次品数量介于2%~3%之间，那么，管理者可能向客户提出的建议如下(仅为我的个人分析，根据不同人的思考还有提出更多建议的可能)：
(1)售价不变的情况下，如果客户发现的次品率大于2%，则大于2%的部分予以调换或退款；这样，这个Offer可能增加的成本大约是1%，在纯利润为7%情况下，损失最多1%的利润来换取更好的客户信任度和满意度。当然，实际中，如果执行这条规则的话，因为不是每个买到次品的消费者都会找客户来要求换货或退款，实际的成本支出应当小于1%。
(2)对客户增加2%的售价，而保证将所有发现的次品都调换或退款；这样，这个Offer看上去很吸引，其实增加的售价基本上可以抵消退款的成本，工厂的额外支出并不多，应该仍然小于1%。
(3)对于客户发现的次品，无条件予以打5折退款；这样，打折后退款引起的成本占总成本的比例应该不超过1%。 这样，一个看似抽象的决策问题，在统计学的帮助下得到了有科学依据的支持。懂得运用统计学工具的管理层作出的决策会比拍脑袋式的决策更合理、风险更低、更可控。 这些，都是我在学习了这门看似高深的商务统计学之后得到的决策工具。有了这个工具，我现在可以轻松地回答前Boss的问题了。 当然，统计学是门很实用的学科，也是门需要真正潜下心来钻研的学科；好在我这块木头在老师深入浅出的引导下，居然在三小时的课堂上顺利地理解了以前自学时感觉云里雾里的回归理论。我现在仍然清晰地记得运用回归原理解决课堂Case时难捺的惊喜。 不仅如此，我理解BiMBA将这门课安排为第一门课，也是有意向同学们说明商务统计学在现代商业中作为一个基础工具的广泛应用。 事实上，对于我个人的一个意外的收获是：这门课证明了一个上了商学院的我与没有上过商学院的我有本质的不同。
[此贴子已经被作者于2009/9/20 22:46:53编辑过] | 
京公网安备11010202008513号 京ICP证101109号 京ICP备12012021号
发表于 2009-9-20 22:45:00
楼主
