3个案例讲清如何构建“What-if分析”，教你轻松玩转动态参数

在一般的数据分析中，我们用到最多的就是筛选、聚合、排序、对比这些常规分析方法。然而在某些情况下，我们也会遇到一些需要通过调参来实现数据的动态调整，进而根据不同结果来采取最优决策的分析场景。

有一个专有的名词用来描述这类分析场景——What-if分析。

假设分析是一种评估的程序，假设如果采取不同的策略方案会产生何种结果，以便作最佳的决策。例如若更改实际预测、生产计划和存货水准会有什么结果，再根据不同的结果选择一种最合适的方案。
——智库百科

在企业日常的运营中，善用What-if分析将对决策分析起到十分重要的帮助。而在观远BI中，我们可以使用动态参数功能，来轻松构建What-if分析。所以接下来，我们将通过几个案例，来教大家如何通过灵活使用参数功能，来实现What-if分析的强大功能！

案例一：利润假设分析

某超市想分析一下如果能降低采购成本，能给自己带来多大的利润提升。由于降低成本本身就是一种假设，分析师希望将“成本下降百分点”作为一个外部参数来做为分析的一个输入。

通过观远数据构建的利润假设分析模型，最终分析人员只需调整“成本下降百分点”这个参数，便可马上得到各年份利润提升数据，以此作为参考来制定下一个周期内的成本控制计划。

在这个案例中，我们需要在计算“节约成本后利润”这个字段时引入“成本下降百分点”参数，如下所示：

如此一来，我们把新建的字段添加到图表中后，我们便能在图表属性区域内设置参数的默认值。

保存卡片后我们可以在页面上选择将参数以卡片的形式透出，这样我们就可以直接在页面上调整参数来实现What-if分析了。最终效果图如下：

成本控制对利润的影响从以上分析结果中我们可以得出，成本下降1个百分点，整体利润可能就有6个点以上的增幅；若是成本能下降5个百分点，利润提升大致在30%以上，由此可见成本控制对利润增长影响之大。

案例二：促销分析

零售数据化管理大师黄成明老师在他的《数据化管理—洞悉零售及电子商务运营》一书中提出了黄氏曲线的概念，用来对促销活动做分析及评估。简单来讲就是对促销前、促销期间、促销后三个时间区间段的单位权重销售值（剔除周一到周日销售额不均衡现象的影响）进行对比，评估促销活动是否成功。

如上所示，我们把促销期间销售额单位权重值的增长值称为促销爆发度，促销结束后的销售额单位权重衰减值称为促销衰减度。促销爆发度体现了促销活动立竿见影的程度，而促销衰减度则可用来判断促销活动是否有透支销售额的情况。一般情况下，衰减度大于爆发度则有销售透支的现象发生，而如果衰减度大于两倍的爆发度（上图便是这种情况），那基本可认为促销活动是彻底失败的。

借助观远数据的动态参数功能，我们构建了某零售门店促销分析模型。分析师只需要调整分析周期与活动开始、截止日期，便能轻松分析活动是否达到预期。

这个案例里面，我们利用日期选择器来做分析周期的选定，利用日期类型的动态参数来对活动时间进行圈定，最终实现促销活动完成情况的动态分析。

最终效果如下：

以上分析中我们可以看到商家在2017-10-19~2017-11-19期间做的促销活动促销爆发度高于促销衰减度，可见促销效果比较不错，甚至还带来一些正面的持续效果。

案例三新增会员销售分析

一般情况下，商家的订单数据来自业务系统，会员数据来自CRM系统，汇总到数据仓库以后也经常是放在不同的数据表中。那么如果要对新增会员进行销售数据的分析，就需要关联订单表与会员表。而一般情况下，如果先做全表关联，然后再对会员进行筛选，则中间结果的计算会相当耗时且没有意义（因为新增会员一般只占到全部会员的一小部分而已）。那怎么更高效而优雅地完成此类分析呢？

这就要用到观远数据动态参数的第二种使用方式：在直连数据集的SQL中添加参数。例如，我们可以用以下SQL创建直连数据集：

这样，我们用这个数据集创建图表的时候，就可以捕捉到“注册日期”这个参数。用户在页面端调整这个参数，系统会把参数值一直传递至底层数据集SQL中去，最终推送至数据库执行。如此一来，便可以轻松高效地分析任意日期至今的新会员销售数据了。

目前观远数据支持文本、数值、日期三种类型的参数，支持默认值、备选项设置。您可以在管理员设置页添加、管理企业数据分析所需的参数。通过灵活使用参数功能，除了What-if分析，您还可以实现其他复杂的图表动态分析，比如：分析维度切换、分析指标切换、跨表动态查询、阈值调整分析等等，可谓是数据分析的一个重要利器。