今天跟大家分享一个经典的数据分析模型：EOQ模型，虽然原理很简单，但是建模的思路很值得学习哦。

EOQ是economic order quantity（经济订货）听着很玄乎，其实原理非常简单。就是把订货带来的成本，分为采购成本和持有成本两部分。

采购成本：每次订货时发生的，谈判、签约、物流等成本

持有成本：货物入仓后发生的，保管、存放、损失等成本

总成本（TC）就等于采购成本加上持有成本

显然，采购成本和持有成本是有关系的，在年度总需求量一定的情况下：

每次采购得越多，采购次数就越少，采购成本就越低，但持有成本就高

每次采购得越少，采购次数就越多，采购成本就越高，但持有成本就低

因此，假设：

1、总需求量D

2、每次采购量是Q

3、每单位持有成本是HC

4、每单位采购成本是PC

那么总成本的公式可以写成：

TC=D/Q*PC+1/2*Q*HC

还记得高数的小伙伴会发现：只要对TC求Q的一阶导数，得到的就是最优采购量啦。因此可以求得理论上的最优采购量是：

Q=sqrt（2D* PC/HC）搞掂！

计算看起来很简单，不过有先决条件

1、对需求量有估计

2、对采购成本、持有成本有核算

这里，需求量，可以从年度销售计划反推，计算一个能达成销售任务的保底需求量。先不考虑万一卖得很好，再补货的场景（或者说：真要是卖爆了，收入超预期，再申请费用追加采购也不是难事）。

采购成本，则需考虑采购过程中物流、招投标工作，保证金的资金占用等成本。持有成本，则是存货的资金成本、仓库成本等。

这些核算过程，是很多数据分析师不喜欢用EOQ的原因，因为他们不懂业务，不知道到底采购流程是啥，商品是啥，资金使用情况是啥，所以根本没法算。

注意，这样核算出的，都是理论上的理想状态数值，所以这个方法很适合在做预算的时候用。相当于根据绩效目标，反推出商品量和采购成本，作为保底目标下发给业务。这样平时根据销售情况做调整的时候，也可以有个参照物，比单纯拍脑袋好用。

EOQ模型真正有价值的地方，在于其巧妙的解决思路：

1、先剔除各种复杂情况，对最基础的逻辑建模

2、不考虑概率，假设参数都是定值，简化计算

3、找到相互制衡的两个关键因素，求解最优值

这种从简单到复杂，从固定参数到概率，抓关键因素的做法，是非常值得学习的。因为现实工作中，很多人喜欢一上来就用概率来衡量问题。比如采购的时候，跑来问：“小熊妹，你预测一下下个月销售量是多少，我好下采购单，要99%准就行，不用100%”

开什么玩笑！我要有这本事，我去预测股价，赚他几百万好不好。要知道，只有大量、重复发生的事件，才可以被记录，观察概率。

月销量这种每个月情况都不一样的事，概率本身就是不靠谱的。而且这里还有干扰因素，比如临时做个促销，刮风下雨断物流之类的，用概率很难一一解释。

反而是，处理成固定参数以后，既可以顺利获得观察历史数据积累经验，又可以给业务方划定工作目标，督促他们完成最低限额要求，一举两得。这不比赌命猜概率要靠谱得多。

这种思路，可以广泛运用到商业分析领域，比如经典的价格敏感性模型，任务指派模型，最短路径模型，都是沿着这个思路展开的，以后有机会再和大家慢慢分享。