大數(shù)據(jù)財(cái)務(wù)決策 課件【ch07】收入預(yù)測(cè)與利潤(rùn)規(guī)劃

收入預(yù)測(cè)與利潤(rùn)規(guī)劃“大數(shù)據(jù)財(cái)務(wù)決策第七章01收入預(yù)測(cè)與利潤(rùn)規(guī)劃的業(yè)務(wù)場(chǎng)1.銷售預(yù)測(cè)銷售預(yù)測(cè)的方法（1）定性預(yù)測(cè)法定性預(yù)測(cè)法是指預(yù)測(cè)者依靠熟悉的業(yè)務(wù)知識(shí)、豐富的經(jīng)驗(yàn)和綜合分析能力，根據(jù)已掌握的歷史資料和直觀材料，對(duì)事物的未來發(fā)展做出性質(zhì)和程度上的判斷。（2）定量預(yù)測(cè)法

1）調(diào)查分析法：調(diào)查分析法是通過對(duì)某種商品在市場(chǎng)上的供需情況和消費(fèi)者的消費(fèi)取向的調(diào)查，來預(yù)測(cè)本企業(yè)產(chǎn)品銷售趨勢(shì)的一種方法。2）趨勢(shì)分析法：趨勢(shì)分析法是企業(yè)根據(jù)銷售的歷史資料，用一定的計(jì)算方法預(yù)測(cè)出未來銷售的變化趨勢(shì)的一種方法。收入預(yù)測(cè)與利潤(rùn)規(guī)劃的業(yè)務(wù)場(chǎng)這種方法適用于產(chǎn)品銷售比較穩(wěn)定、銷售變化有規(guī)律的企業(yè)。趨勢(shì)分析法是一種由歷史數(shù)據(jù)推測(cè)未來的引申法，主要有移動(dòng)平均法、指數(shù)平滑法和季節(jié)預(yù)測(cè)法等幾種具體的方法。

3）因果分析法在經(jīng)濟(jì)活動(dòng)中各種因素往往相互聯(lián)系、相互影響，彼此之間構(gòu)成一定的對(duì)應(yīng)關(guān)系，利用各種因素之間的關(guān)系進(jìn)行預(yù)測(cè)的方法就是因果分析法。收入預(yù)測(cè)與利潤(rùn)規(guī)劃的業(yè)務(wù)場(chǎng)利潤(rùn)規(guī)劃通過對(duì)企業(yè)未來一段期間內(nèi)應(yīng)達(dá)到的最優(yōu)化利潤(rùn)，即目標(biāo)利潤(rùn)，進(jìn)行科學(xué)預(yù)測(cè)、控制、規(guī)劃，掌握其影響因素及變化規(guī)律，為管理者提供決策信息。企業(yè)進(jìn)行利潤(rùn)規(guī)劃的主要方法是本量利分析法。它通過業(yè)務(wù)量、成本、利潤(rùn)之間的關(guān)系對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)進(jìn)行規(guī)劃和控制，是目標(biāo)利潤(rùn)管理的基礎(chǔ)方法。利潤(rùn)規(guī)劃收入預(yù)測(cè)與利潤(rùn)規(guī)劃的業(yè)務(wù)場(chǎng)企業(yè)產(chǎn)品銷售情況對(duì)企業(yè)是至關(guān)重要的，因此除了了解企業(yè)的銷售總額，常常還要對(duì)企業(yè)產(chǎn)品銷售的分布情況進(jìn)行統(tǒng)計(jì)分析，也就是對(duì)不同產(chǎn)品在不同地區(qū)的銷售情況進(jìn)行分析，從中尋找銷售不利的原因和進(jìn)一步擴(kuò)大市場(chǎng)份額的途徑。銷售情況分析收入預(yù)測(cè)與利潤(rùn)規(guī)劃的業(yè)務(wù)場(chǎng)02用Excel預(yù)測(cè)收入本節(jié)著重介紹需要一定數(shù)學(xué)方法進(jìn)行計(jì)算的定量預(yù)測(cè)法。常用的定量預(yù)測(cè)法有：移動(dòng)平均法、指數(shù)平滑法、回歸預(yù)測(cè)法等。下面以移動(dòng)平均法為例，介紹如何運(yùn)用Excel進(jìn)行收入預(yù)測(cè)。移動(dòng)平均法是一種簡(jiǎn)單平滑預(yù)測(cè)技術(shù)，它的基本思路是：根據(jù)時(shí)間序列資料逐項(xiàng)推移，依次計(jì)算包含一定項(xiàng)數(shù)的序時(shí)平均值，以反映長(zhǎng)期趨勢(shì)。收入預(yù)測(cè)模型【例7-1】已知2009年到2018年公司的銷售收入如圖7-1所示，試預(yù)測(cè)該公司2019年的銷售收入。收入預(yù)測(cè)模型1.TREND()函數(shù)語法：TREND(known_y's,l<nown_x's,new_x's,const)。功能：使用最小二乘法對(duì)已知數(shù)據(jù)進(jìn)行最佳直線擬和，并返回描述此直線的數(shù)組。即找到適合給定的數(shù)組known_y's和known_x's的直線(用最小二乘法)，并返回指定數(shù)組new_x's值在直線上對(duì)應(yīng)的值。2.FORECAST.LINEAR()函數(shù)語法：FORECAST.LINEAR(x,known_y's,known_x's)。功能：已知*值和*值，利用線性回歸對(duì)未來值進(jìn)行預(yù)測(cè)?？梢允褂迷摵瘮?shù)對(duì)未來銷售額、庫(kù)存需求或消費(fèi)趨勢(shì)進(jìn)行預(yù)測(cè)。預(yù)測(cè)函數(shù)【例7-2】已知2009—2018年的銷售收入如圖7-7所示，試用TREND()函數(shù)預(yù)測(cè)該公司2019年的銷售收入。預(yù)測(cè)函數(shù)【例7-3］釆用【例7-2】資料，試用FORECAST.LINEAR()函數(shù)預(yù)測(cè)該公司2019年的銷售收入。預(yù)測(cè)函數(shù)3.GROWTH()函數(shù)語法：GROWTH(known_y's,known_x's,new_x's,const)。功能：通過擬合滿足現(xiàn)有X值和y值的指數(shù)曲線預(yù)測(cè)未來值。4.LINEST()函數(shù)語法:LINEST(known_y's,known_x'sJconst,stats)。功能：使用最小二乘法對(duì)已知數(shù)據(jù)進(jìn)行最佳直線擬合，并返回描述此直線的數(shù)組。因?yàn)榇撕瘮?shù)返回?cái)?shù)值數(shù)組，所以必須以數(shù)組公式的形式輸入。5.LOGEST()函數(shù)語法:LOGEST(known_y's,known_x's,constJstats)。功能：在回歸分析中，計(jì)算最符合數(shù)據(jù)的指數(shù)回歸擬合曲線，并返回描述該曲線的數(shù)值數(shù)組。因?yàn)榇撕瘮?shù)返回?cái)?shù)值數(shù)組，所以必須以數(shù)組公式的形式輸入。預(yù)測(cè)函數(shù)【例7-4】釆用【例7-2】資料，試用GROWTH。函數(shù)預(yù)測(cè)該公司2019年的銷售收入。預(yù)測(cè)函數(shù)03利于PowerBI進(jìn)行收入預(yù)測(cè)相比Excel,PowerBI可以處理更加龐大的數(shù)據(jù)，它的邏輯更加簡(jiǎn)潔、清晰，同時(shí)由于其強(qiáng)大的可視化與交互功能，對(duì)收入預(yù)測(cè)結(jié)果可以進(jìn)行更加豐富的呈現(xiàn)及動(dòng)態(tài)調(diào)整。本節(jié)將介紹通過PowerBI進(jìn)行收入預(yù)測(cè)的幾種方法。案例基本情況首先引入一家沙發(fā)制造銷售企業(yè)的案例，并介紹其基本情況。案例基本模型中共包含四張表，分別為該企業(yè)的銷售數(shù)據(jù)表、產(chǎn)品表、門店信息表和日歷表，如圖7-11所示。銷售數(shù)據(jù)表中的“數(shù)量”（產(chǎn)品銷量）體現(xiàn)公司的業(yè)務(wù)發(fā)展?fàn)顩r，是我們關(guān)注的核心指標(biāo)。但為了對(duì)數(shù)據(jù)進(jìn)行不同維度與不同顆粒度的分析，我們同時(shí)引入其他三張表與銷售數(shù)據(jù)表相關(guān)聯(lián)構(gòu)建分析模型。其中，產(chǎn)品表列示該企業(yè)在售產(chǎn)品的不同風(fēng)格、樣式、產(chǎn)品名稱及各自的單價(jià)，該表通過相同的“產(chǎn)品ID”字段與銷售數(shù)據(jù)表相關(guān)聯(lián)。門店信息表介紹不同城市分店的具體信息，包括店長(zhǎng)姓名、年齡、銷售目標(biāo)值等，通過相同的“門店”字段與銷售數(shù)據(jù)表相關(guān)聯(lián)。日歷表是根據(jù)銷售期間制作的一張2015.1.1至2016.12.31的日期信息表，并提取相應(yīng)的年份、季度、月份等信息，通過日歷表的“日期”字段和銷售數(shù)據(jù)表的“訂單日期”兩張表產(chǎn)生關(guān)聯(lián)。各表的基本結(jié)構(gòu)如圖7-12所示。案例基本情況首先引入一家沙發(fā)制造銷售企業(yè)的案例，并介紹其基本情況。案例基本模型中共包含四張表，分別為該企業(yè)的銷售數(shù)據(jù)表、產(chǎn)品表、門店信息表和日歷表，如圖7-11所示。銷售數(shù)據(jù)表中的“數(shù)量”（產(chǎn)品銷量）體現(xiàn)公司的業(yè)務(wù)發(fā)展?fàn)顩r，是我們關(guān)注的核心指標(biāo)。但為了對(duì)數(shù)據(jù)進(jìn)行不同維度與不同顆粒度的分析，我們同時(shí)引入其他三張表與銷售數(shù)據(jù)表相關(guān)聯(lián)構(gòu)建分析模型。其中，產(chǎn)品表列示該企業(yè)在售產(chǎn)品的不同風(fēng)格、樣式、產(chǎn)品名稱及各自的單價(jià)，該表通過相同的“產(chǎn)品ID”字段與銷售數(shù)據(jù)表相關(guān)聯(lián)。門店信息表介紹不同城市分店的具體信息，包括店長(zhǎng)姓名、年齡、銷售目標(biāo)值等，通過相同的“門店”字段與銷售數(shù)據(jù)表相關(guān)聯(lián)。日歷表是根據(jù)銷售期間制作的一張2015.1.1至2016.12.31的日期信息表，并提取相應(yīng)的年份、季度、月份等信息，通過日歷表的“日期”字段和銷售數(shù)據(jù)表的“訂單日期”兩張表產(chǎn)生關(guān)聯(lián)。各表的基本結(jié)構(gòu)如圖7-12所示。案例基本情況我們以總體銷售額變化為主要分析對(duì)象，進(jìn)行收入預(yù)測(cè)分析。首先需注意的是，由于在本案例中，第一例業(yè)務(wù)發(fā)生于2015.1.26,最后一筆業(yè)務(wù)發(fā)生于2016.12.30,相應(yīng)日期表的時(shí)間跨度為2015.1.1至2016.12.31,因此，為方便接下來的一系列時(shí)間預(yù)測(cè)，應(yīng)當(dāng)先建立一張包含未來時(shí)間段的日期表。假設(shè)需要預(yù)測(cè)未來一年的收入，那么應(yīng)新建一張2015.1.1至2017.12.31的日期表，具體代碼如下：基于企業(yè)周期的預(yù)測(cè)方法首先假設(shè)下一年銷售數(shù)據(jù)與上一年完全相同，這可利用SAMPLEPERIODLASTYEARO函數(shù)或DATEADDO函數(shù)實(shí)現(xiàn)。代碼如下：基于企業(yè)周期的預(yù)測(cè)方法標(biāo)準(zhǔn)版的PowerBI實(shí)際上可以直接通過鼠標(biāo)操作實(shí)現(xiàn)自動(dòng)預(yù)測(cè)，而無須編輯DAX代碼，但該功能目前僅可在折線圖中實(shí)現(xiàn)，同時(shí)，預(yù)測(cè)功能的實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)的趨勢(shì)性有一定要求。在本案例中，如果在日數(shù)據(jù)基礎(chǔ)上進(jìn)行預(yù)測(cè)，由于個(gè)別極端數(shù)據(jù)的存在，系統(tǒng)會(huì)提示由于數(shù)據(jù)不規(guī)則導(dǎo)致無法預(yù)測(cè)，如圖7-21所示。PowerBI的自動(dòng)預(yù)測(cè)功能①預(yù)測(cè)長(zhǎng)度及單位：本例中“點(diǎn)”與“月”相同，圖7-24和圖7-25分別為預(yù)測(cè)長(zhǎng)度“3"個(gè)“點(diǎn)"和“12”個(gè)“月”的結(jié)果。PowerBI的自動(dòng)預(yù)測(cè)功能②忽略最后N個(gè)月：如果歷史數(shù)據(jù)存在默認(rèn)，可以通過忽略最后R個(gè)月的數(shù)據(jù)來保證趨勢(shì)的完整性。假設(shè)本例中最后一個(gè)月的數(shù)據(jù)不完整，選擇“忽略1個(gè)月"，預(yù)測(cè)結(jié)果如圖7-26所示。PowerBI的自動(dòng)預(yù)測(cè)功能置信區(qū)間：可以看到在預(yù)測(cè)線上除了折線，還包括上下陰影部分構(gòu)成的扇形部分，給出了預(yù)測(cè)數(shù)據(jù)的上下限。扇形面積的大小是由置信區(qū)間決定的，置信度越高，扇形面積越大，前例中默認(rèn)的置信度為95%,我們分別將置信度更改為75%與99%,預(yù)測(cè)結(jié)果分別如圖7-27和圖7-28所示。PowerBI的自動(dòng)預(yù)測(cè)功能季節(jié)性設(shè)置：在前例中，系統(tǒng)根據(jù)歷史數(shù)據(jù)明顯的增長(zhǎng)趨勢(shì)，形成逐月遞增的預(yù)測(cè)線。然而從實(shí)際數(shù)據(jù)觀測(cè)看，盡管該企業(yè)處于高速增長(zhǎng)的階段，但銷售數(shù)據(jù)也存在明顯的季節(jié)性特征。例如，銷售額每年年初較低，然后持續(xù)上漲，同時(shí)在每年的10月份左右又會(huì)出現(xiàn)一個(gè)低谷，然后繼續(xù)增長(zhǎng)，每年12月達(dá)到年內(nèi)最高。圖7-29的預(yù)測(cè)折線不再是一條嚴(yán)格單調(diào)向上的曲線，如2017年1月銷售額低于2016年12月的，同時(shí)在2017年10月左右也出現(xiàn)了階段性低谷。PowerBI的自動(dòng)預(yù)測(cè)功能第一種是基于ARIMA模型（AutoregressiveIntegratedMovingAverageModeL自回歸移動(dòng)平均模型）的預(yù)測(cè)方法。第二種是基于神經(jīng)網(wǎng)絡(luò)（neuralnetwork）的預(yù)測(cè)方法。神經(jīng)網(wǎng)絡(luò)是一種模仿生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能的數(shù)學(xué)模型。它通過建立非線性統(tǒng)計(jì)性數(shù)據(jù)建模工具，輸入歷史數(shù)據(jù)對(duì)機(jī)器進(jìn)行重復(fù)訓(xùn)練，形成自適應(yīng)系統(tǒng)，以預(yù)測(cè)未來數(shù)據(jù)。借助R語言的收入預(yù)測(cè)04Excel利潤(rùn)規(guī)劃【例7-5】利民公司是一家生產(chǎn)化工產(chǎn)品的公司，該公司生產(chǎn)和銷售甲、乙兩種產(chǎn)品。在生產(chǎn)研討會(huì)議之后，預(yù)計(jì)每月可使用的原料總額為1200千克，可占用的人工工時(shí)為800個(gè)小時(shí)。以制造部門目前的生產(chǎn)效率來看，每生產(chǎn)1千克的甲產(chǎn)品，需要消耗人工工時(shí)2小時(shí)，耗用原料4.5千克，并能獲得260元的毛利；而每生產(chǎn)1千克的乙產(chǎn)品，需要消耗人工工時(shí)3小時(shí)，耗用原料3.5千克，并可獲得300元的毛利。那么利民公司若要獲得最大利潤(rùn)，每個(gè)月應(yīng)各生產(chǎn)多少千克的甲產(chǎn)品和乙產(chǎn)品？分析規(guī)劃求解問題規(guī)劃求解的目標(biāo)可以是使目標(biāo)值越大越好，也可以是使目標(biāo)值越小越好或者等于某特定的數(shù)值。進(jìn)行規(guī)劃求解，首先是確定規(guī)劃求解的目標(biāo)，設(shè)置好變量單元格與條件限制式，再根據(jù)所設(shè)置的目標(biāo)，運(yùn)用規(guī)劃求解為目標(biāo)單元格找一個(gè)最符合求解目標(biāo)的值。建立規(guī)劃求解模型接【例7-5】，現(xiàn)擬將投入的原材料由1200千克增加到1500千克，人工工時(shí)由800小時(shí)增加到1000小時(shí)，如圖7-39所示。變更規(guī)劃求解條件運(yùn)算結(jié)果報(bào)告會(huì)列出目標(biāo)單元格及其變量單元格的初值、終值及參數(shù)限制式的公式內(nèi)容，如圖如44所示。1.運(yùn)算結(jié)果報(bào)告輸出規(guī)劃求解報(bào)表敏感性報(bào)告提供有關(guān)目標(biāo)單元格的公式或約束中微小變化的敏感信息，如圖7-45所示。2.敏感性報(bào)告輸出規(guī)劃求解報(bào)表極限值報(bào)告列出目標(biāo)單元格和變量單元格的數(shù)值、上下限，以及對(duì)應(yīng)的目標(biāo)值，如圖7-46所示。3.極限值報(bào)告輸出規(guī)劃求解報(bào)表05浪潮大數(shù)據(jù)平臺(tái)的量本利分析S公司是國(guó)有控股大型上市公司，資產(chǎn)總額57.3億元，主要經(jīng)營(yíng)純堿的生產(chǎn)和銷售，屬于化學(xué)原料及化學(xué)制品制造公司，處于國(guó)內(nèi)純堿生產(chǎn)企業(yè)的領(lǐng)軍位置。目前，S公司的銷售市場(chǎng)覆蓋全國(guó)多個(gè)省、市、自治區(qū)，并遠(yuǎn)銷亞、非、拉美、澳四大洲30多個(gè)國(guó)家和地區(qū)。量本利分析，也叫本量利分析，簡(jiǎn)稱CVP分析，是在成本性態(tài)分析和變動(dòng)成本計(jì)算模式的基礎(chǔ)上，通過研究企業(yè)在一定期間內(nèi)的成本、業(yè)務(wù)量和利潤(rùn)三者之間的內(nèi)在聯(lián)系，找出變量之間的內(nèi)在規(guī)律，為企業(yè)預(yù)測(cè)、決策、規(guī)劃和業(yè)績(jī)考評(píng)提供必要財(cái)務(wù)信息的一種定量分析方法。量本利分析主要包括保本分析、安全邊際分析、目標(biāo)利潤(rùn)分析和利潤(rùn)的敏感性分析。案例進(jìn)行量本利分析的前提是確定成本和單價(jià)。量本利分析工具以應(yīng)用指引為指導(dǎo)和依據(jù)，以成本性態(tài)劃分為基礎(chǔ)，分析量本利等因素之間的依存關(guān)系，搭建量本利分析模型，有利于企業(yè)更好地運(yùn)用量本利分析方法支持決策。公司安排財(cái)務(wù)人員孫權(quán)用財(cái)務(wù)大數(shù)據(jù)系統(tǒng)建立模型，該模型建立后，直接系統(tǒng)內(nèi)取數(shù)，數(shù)據(jù)處理過程也更簡(jiǎn)單，最終結(jié)果在計(jì)算機(jī)端生成演示看板。演示看板中表格、伏壓圖、折線圖相結(jié)合。表格展現(xiàn)量本利分析結(jié)果，即顯示具體的保本點(diǎn)、保利點(diǎn)及保凈利點(diǎn)；伏壓圖展現(xiàn)目前銷量的安全程度；折線圖展現(xiàn)基于既定固定成本、單位變動(dòng)成本、單價(jià)下銷售量與銷售額的關(guān)系。案例①了解大數(shù)據(jù)環(huán)境下企業(yè)量本利分析的應(yīng)用場(chǎng)景，了解企業(yè)管理者對(duì)量本利的關(guān)注點(diǎn)；②通過分析維度、分析頻率、展示形式等梳理工作，掌握量本利大數(shù)據(jù)分析的思路；③通過實(shí)驗(yàn)?zāi)M，掌握量本利分析大數(shù)據(jù)建模的方法。教學(xué)目標(biāo)(1)案例分析①分析維度。本實(shí)驗(yàn)按業(yè)務(wù)維度分析產(chǎn)品的量本利情況，指標(biāo)包括固定成本、變動(dòng)成本、單價(jià)、銷售量、銷售額、利潤(rùn)。②分析頻率。按照分析需求及企業(yè)慣例，本實(shí)驗(yàn)的分析頻率為當(dāng)期量本利數(shù)據(jù)。③分析報(bào)表。為了向高層領(lǐng)導(dǎo)展示公司當(dāng)期量本利情況，本實(shí)驗(yàn)從量本利分析、產(chǎn)銷量安全程度等方面進(jìn)行分析，包括以下分析報(bào)表：?產(chǎn)銷量安全程度情況；?量本利基本情況；?量本利分析。④指標(biāo)。分析報(bào)表確定之后需對(duì)每個(gè)報(bào)表涉及的指標(biāo)進(jìn)行梳理，明確每個(gè)分析報(bào)