定量分析导论

2022年，某连锁便利店品牌在华北地区开设了第200家门店。选址团队在拍板之前，并不是简单地"感觉这条街人流量不错"，而是调取了周边3公里内的人口密度、竞争对手数量、租金水平、目标客群消费能力等多维数据，建立了一套评分模型，最终才锁定了目标地块。这家门店开业首月销售额超过同期平均水平40%。数据，正在取代直觉，成为商业决策的核心工具。

定量分析（Quantitative Analysis，QA）研究的就是如何用数学方法和数据来支持复杂的商业决策。它不是要取代管理者的判断，而是给判断提供一套更可靠的依据。

定量分析在供应链与运营管理中尤其重要。当一家企业要在数百个城市同时协调生产、运输、库存和质量控制时，靠人工逐一判断早已力不从心。定量分析提供的，正是一套可以系统处理这种规模和复杂度的方法体系。

什么是定量分析

定量分析的核心出发点很简单：现实中的很多问题，可以用数字来描述，用数学来求解，从而得出更优的决策。

管理者每天面对大量问题——生产多少、库存备多少、定价定多少、配送路线怎么安排。这些问题的共同特点是：涉及的变量多，相互之间有约束，目标不止一个，而且数据量大到凭直觉无法处理。定量分析的价值就在于把这些复杂的现实问题转化为数学结构，让计算机帮助寻找最优方案。

区分"定量"与"定性"是理解定量分析的第一步：

两种方法不是对立的，而是互补的。一家饮料企业要决定是否进入一个新城市市场，定性分析负责判断当地消费文化是否匹配品牌调性；定量分析则负责计算在当前租金、人工、配送成本下，盈亏平衡需要达到多大的日均销售量。

以下是一个完整的盈亏平衡计算示例。某饮料品牌考虑在成都开设首家直营门店，固定成本与变动成本如下：

每售出一杯饮品，贡献毛利为 (28 - 8 = 20) 元。月度固定成本合计 (30000 + 25000 + 5000 = 60000) 元。盈亏平衡销售量为：

换算成每日约100杯。这个数字是决策的基准：周边人流量和同类门店的参照数据，能否支撑每天100杯以上的销量？定量分析将"能不能开"这个模糊的感受，转化成了"每天能否卖出100杯"这个可验证的具体命题。

为什么说"数据驱动"不等于"完全依赖数据"

数据是定量分析的原料，但数据本身不会自动产生答案。需要分析师选择合适的模型、设定合理的假设、对结果做出正确解读。2008年金融危机期间，华尔街大量使用的风险模型并非没有数据，而是模型假设与现实脱节——这个教训说明，定量分析的质量取决于模型与现实的契合程度，而不仅仅取决于数据量的多少。

定量分析的六步流程

定量分析不是一次性计算，而是一个系统性的分析过程。从发现问题到方案落地，通常经历六个步骤。用一个具体场景串联这六步：某快递公司发现旺季期间配送延误率持续上升，希望通过定量分析找到解决方案。

数学模型的两种类型

所有定量分析都依托于数学模型。根据模型中是否包含随机性，可以分为两大类：确定性模型与概率性模型。

确定性模型（Deterministic Model）

确定性模型假设所有输入参数都是已知且固定的，给定一组输入，就能得到唯一确定的输出。

以库存管理中的经济订货量（EOQ）模型为例：当年需求量 (D)、每次订货成本 (S) 和单件年持有成本 (H) 确定后，最优订货量 (Q^*) 就唯一确定：

输入确定，输出就确定。这类模型的优势是计算简洁、结论明确；局限是现实中很少有参数是完全固定的——需求会波动，成本会变化，完全确定的情况只存在于模型假设中。

概率性模型（Probabilistic Model）

概率性模型承认现实中存在不确定性，将关键参数处理为服从某种概率分布的随机变量，输出结果也是一个概率分布，而不是单一数值。

某零售商预测下个月某款电视机的销量，基于历史数据建立了一个概率模型：

这个模型告诉管理者：销量最可能在100台左右，但有15%的可能性只卖出50台，也有20%的可能性卖出130台。基于这个分布，管理者才能计算出不同备货量对应的预期利润和缺货风险。

两类模型的比较与选用

实际工作中，两类模型往往结合使用。先用确定性模型得出基准方案，再用概率性模型评估方案在各种不确定性场景下的表现，最终形成既有明确行动指引、又有风险预案的完整决策。

用一道简单例题感受两类模型的差别

某工厂每年消耗零件4800个，每次订购固定费用50元，每个零件年持有成本5元。

若使用确定性模型（EOQ），直接代入公式：

结论清晰：每次订310个，全年订货约15次。

但若这家工厂的零件年消耗量并非固定4800个，而是每年在4000～5500个之间随机波动，则需要引入概率性模型，分别计算不同需求情境下的最优订货量区间，再结合缺货成本确定最终策略——这就远比代一次公式复杂，但更贴近真实情况。

定量分析在供应链与运营管理中的应用

案例分析

小结

定量分析是供应链与运营管理领域最重要的思维工具之一，也是贯穿本课程的方法论基础。

本课程包含以下几个核心知识点：

• 什么是定量分析：用数学方法将复杂决策结构化、数字化、可计算化，目标是提供比直觉更可靠的决策依据。
• 六步分析流程：包括问题定义、模型建立、数据收集、模型求解、结果分析和实施，这一过程并非一次完成，而是持续循环迭代。
• 确定性模型：当参数已知且固定时，输出唯一确定，适用于需求相对稳定的场景，典型方法有EOQ、线性规划等。
• 概率性模型：参数为随机变量，输出为概率分布或期望值，适合不确定性较高的情况，代表方法有决策树、仿真等。
• 应用场景：涵盖需求预测、库存决策、资源分配、物流路径优化、项目管理、质量控制等运营管理的各个环节。

内容共分十个部分，每个部分对应一套具体的定量分析工具。以下是课程路线图，便于从整体上理解各部分之间的逻辑关系：

从第二部分起，每个部分都将聚焦于一套具体工具，结合实际案例和计算演练，帮助建立从"看懂概念"到"会用工具"的完整能力。定量分析的学习，从导论的框架认知出发，沿着这条路线图一步一步走下去。