英国GUS公司
出自 MBA智库百科(https://wiki.mbalib.com/)
英国GUS Home Shopping 零售公司是英国第二大零售商 Great Universal Stores 的目录销售分部，每年寄出1千4百万件时装目录。
为了在竞争日益激烈的环境下继续保持盈利能力、市场份额和客户忠诚度，GUS Home Shopping 必须精确评估客户对商品目录内容的需求。在每一个销售旺季到来之前做出更精确的预测可以使公司：降低存货过量造成的费用订购足够数量受欢迎的目录 提供更好的客户服务。
GUS Home Shopping 用 Clementine 建立模型，对目录中每一个商品的需求情况进行预测，并确定和每一项预测相联系的风险等级。如今，他们可以提前知道那一些商品需求旺盛，并做出相应的订单调整。
和其他零售商一样，GUS Home Shopping 很清楚未来的成功取决于在合适的时间、以合适的数量订购合适的商品。如果客户想要的商品不在货架上，他们就会去其他的商店，这样很快就会造成收入和市场份额的降低。
为收集预测需求数据，公司在每一个销售季节开始前三个月向 6 万个客户邮寄时装目录草样， 这些客户可以得到为期两周的折扣奖励。分析师用收集到的信息对每一种商品的最终需求进行预测。 销售计划经理依靠这些预测来分配 25% 左右的预算，大约 2 亿英镑。
多年来，公司用多元回归分析和大型机系统软件进行预测，但这些评估经常过于保守。流行商品短缺导致订单被退回，并使客户非常不满意。相反，需求预测过于乐观则更糟，这会造成大量的商品 积压。于是，GUS Home Shopping 预测和商业分析部高级项目分析师 Matthew Biddle 需要寻找一种更精确的方法进行这些预测。他们还咨询了 Gap Gemini 的顾问，Gap Gemini 很快就推荐了 SPSS 快 速、可视化建模的数据挖掘工作平台：Clementine。
Clementine 强大的功能马上给 GUS Home Shopping 留下了深刻的印象。根据 Biddle 的说法， "在大型机上，我们无法以图形的方式看到模式和趋势。Clementine 使我们可以探察新的变量，并快速建立新的模型。在这个过程中，我们也形成了更深的商业认知。"
"直接使用了 Clementine 以后，我们发现它可以为我们提供大量的帮助。它很容易启动和运行，为我们提供了分析数据的新方式，并得出一些了令人印象深刻的结果。"Biddle 说。
分析重复进行了几个销售季节，Biddle 和其他咨询师对两个系统的预测结果进行比较。使用相同的输入变量，他们用 Clementine 的神经网络和大型机系统的多元回归分析进行预测。他们用前三个销售季节的历史数据为大约 6500 个商品建立预测模型。
针对每一个季节，GUS Home Shopping 发现 Clementine 的神经网络模型所作的预测比较出色，均值绝对误差降低了 4%，标准差则降低了 10%。而且，通过 Clementine 的规则归纳技术，GUS Home Shopping 在预测的风险等级分配的正确性方面提高了 20%。
现在，Clementine 的预测和风险评估报告已经取代了大型机系统的多元回归报告，开始出现在 销售计划经理的报告中。而且这些数字成为经理们最终的采购决策的基础。
提高了预测精度，比前一销售季节节约了 3.8% 的项目费用
由于 GUS Home Shopping 现在可以作出更好的需 求预测，它对以合适的数量订购合适的商品非常有信 心。根据 Biddle 的说法，在最近刚刚结束的销售季节，相对前一个采用回归分析进行预测的季节来 说，项目费用节约了3.8%。而且，经过对模型的精细调整，未来节约的费用还会更多。
向客户更好的服务，减少积压，增加了客户忠诚度
GUS Home Shopping 通过 Clementine 不仅节约了费用，还维持了更多的回头客。流行商品货源充足，客户对 GUS 的服务非常满意。结果，客户更加忠诚，可获利性更好。
未来展望：展现模型，丰富商业认知
为从 Clementine 和数据挖掘投资中得到更多的回报，GUS Home Shopping 正在考察 Clementine Solution Publisher。使用这种来自 SPSS 的新的展现工具，一旦模型建立之后，就可以自动完成整个预测过程。现在，在把新的预测加入由大型机系统产生的现有报告中的时候，还需要 一些手工干预。而 Clementine Solution Publisher 可以把 Clementine 建立的预测流导出为 C 代 码，保存到大型机或 UNIX 系统，这些系统可以自动执行并在夜间作出报告，这样销售计划经理就可以尽早得到这份重要的决策支持信息。
未来几个月，Biddle 和他的同事还计划用 SPSS 产品对利润和特殊商品的需求趋势进行预测。 SPSS 向 GUS Home Shopping 提供了大量的分析能力，使它可以保持并显著提高市场份额。
