哈尔滨网站建设服务 百讯科技

数据分析讲堂

第七课 TM1应用实例（3）——市场和销售

第七讲　市场和销售的数据挖掘（续）

2）市场开支
传统上FCI在品牌、产品线和商店等级上进行市场活动。为了这一原型的有效性，Jane要求Lulu和Thor对现行的市场活动美元开支在每个产品的基础上做一个大概估计。Jane 已经提供了FCI的市场开支数据。由于市场开支数据的维是由与销售数据一样（虽然并不是所有的等级和成员都完全一致）的维所度量的，它也被载入到同一个立方体内。
你想如何载入数据？Lulu问。我们应该给每种类型的市场开支创建一个独立的变量吗？或者我们应该把所有不同的市场开支加载到同一个市场的开支变量中去？你怎么想？你如何决定？
Thor回答说他的决定依赖于是否存在不同市场开支不聚合在一起的情况。如果不管是为了聚合还是为了分配到产品线等级、品牌、产品线和商品的市场开支总是汇总在一起，那我更愿意把所有的市场开支加载到同一个变量内。Lulu问，但测量过程的差异性怎么办？如果FCI计算品牌市场开支的假定方式，与计算产品线市场开支的假定方式不一样怎么办？Thor回答，任何需要做的注解都可以在一个地区范围与地区范围的基础上的一个变量内做，中心问题是，Thor继续讲道，是否每种市场开支的值可以自由合并。总市场开支与品牌、产品线和商店市场开支的总和相等吗？如果答案是否，那么不管开支数据在一个变量内，还是在三个变量内，无论哪一种为了能够进行开支数据的聚合而进行的转换都仍然需要。你同意Thor吗？
Lulu不同意，说道，你忽略了一些东西，Thor。如果你把所有的输入数据映射到一个变量内，在聚合时会出问题的。让我们假定你把所有的数据载入到一个变量的不同位置范围内，如下所示：
“Marketing expenses”{$},
    Geog.store.,
    Foodcake.all.,
    Time.month.＜＜ [ input from store by month store marketing data ]
“Marketing expenses”{$},
    Geog.region.,
    Time.month.,
    Foodcake.all ＜＜ [ input from store by month store marketing data ]
“Marketing expenses”{$},
    Geog.region.,
    Time.month.,
    Foodcake.（vegetarian ＋ fish）. ＜＜ [ input from store by month store marketing data ]
现在开始聚合，你也许试图写出类似下面的公式：
“Marketing expenses”,
    Geog.store.above.,
    Time.month.above.,
    Foodcake.（vegetarian ＋ fish）.atabove.＝

        Sum（Marketing expenses,Geog.store.,Time.month.,
            Foodcake. （vegetarian ＋ fish））
问题是，你并不能真正地聚合市场开支变量，因为高层的输入——这里是品牌——接口妨碍了底层数据的聚合——这里是商店和产品线。（映射不同的源到一个OLAP变量的不同部分，只有当位置范围不是层次相关时才是有效的）。任何聚合函数都希望把商店和产品线汇总的数据放到所有产品单元的地区内，除非在这些单元内存在品牌开支的输入数据。你不妨把品牌层的数据作为其他开支的手工覆盖，或索性覆写品牌层的数据，但如果品牌数据也在同一个变量内，就没有办法把商店和产品线数据在适当的地区按照月份和所有产品层次与品牌数据进行合并。Thor承认道，你是对的，Lulu。我猜我确实在市场数据方面没有什么经验。
那么让我们这次正确地进行，Lulu说，我们需要把每种类型的数据输入到不同的变量内，如下所示：
“Store_Marketing expenses”,
    Geog.store.,
    Foodcake.all.,
    Time.month.＜＜ [ input from store by month store marketing data ]
“Brand_Marketing expenses”
    Geog.region.,
    Time.month.,
    Foodcake.all ＜＜ [ input from store by month store marketing data ]
“Product line_Marketing expenses”,
    Geog.region.,
    Time.month.,
    Foodcake.（vegetarion ＋ fish）＜＜

[ input from store by month store marketing data ]
然后我们需要合并这些变量，最简单的方法就是对每个变量独立地定义聚合，然后在任一聚合层次合并这些变量，如下所示：
“Store_Marketing expenses”,
    Geog.store.above,
    Time.month.above.,
Foodcake.all.＝
        Sum（Store_Marketing expenses,Geog.store.,Foodcake.all,Time.month.）
“Brand_Marketing expenses”
    Geog.region.above,
    Time.month.above,
    Foodcake.all ＝

Sum（Brand_ Marketing expenses,Geog.store., Time.month., Foodcake.all）
“Product line_Marketing expenses”,
    Geog.region.above,
    Time.month.above,
    Foodcake.all＝

Sum（Product line_ Marketing expenses,Geog.store., Time.month., Foodcake. （vegetarion ＋ fish）.）
  现在我们可以定义合并后的市场开支如下：
“Combined marketing expenses”,
    Geog.store.,
    Time.month.atabove.,
    Foodcake.（vegetarian ＋ fish）.atabove.＝

    Sum（Store_Marketing expenses ＋

        Brand_marketing expenses ＋

        Product ling_Marketing expenses ）