大数据咨询

我们提供的是软件，不是 PowerPoint

对于大部分的使命，我们交付的是进行了自定义并且已付诸实现的软件应用程序，以帮助您的企业解决运营问题。我们无意于提供人工和 PowerPoint 幻灯片。每个使命都是从明确定义问题以及定义量化解决方案性能所采用的标准开始的。

开源项目

• 在智能手机上处理大型零售网络。请参阅 白皮书和项目网站。
• 大数据平台。捕捉、存储并利用贵公司生成的数据。请参阅幻灯片和项目网站。
  

高冲击力、高度复杂的商业问题

我们不是出于自身的利益而执行数据分析，而是专注于以下情形：

1. 明确定义的商业问题或项目目标
2. 预测性的分析探索（大量）数据可以解决该问题
3. 对利润具有直接影响，可确保稳健的 ROI
   

我们所解决的问题往往可以通过下面这些简单的问题来体现：

• 项目的最佳价格是多少？
• 最有利的库存水平是多少？
• 缺货成本是多少？
• 促销的 ROI是什么？
• 未售出某种产品的可能性是多少？
• ...
  

零售业是 Lokad 的核心业务所在，但我们在生物科技、银行、能源和电信领域也成功完成了许多项目。

数据灵活性、高维统计和商业头脑

大数据的灵活性指的是处理大量数据的速度和成本。许多公司宣称能够传输、存储和清理大量数据。但问题是：会以怎样的成本进行？我们的解决方案将低成本/高科技的数据分析融于一体，并且利用了云计算，因此我能实现非常低的 IT 成本。

高维统计往往是将数据转化为真正智能的解决方案的关键。从数据集生成各种各样的指标非常容易，但也大多无用，因为员工时间才是最稀缺的资源。最佳数据应该是任何人都不曾需要去查看的数据。

商业头脑不可或缺。我们组建了一支由具有创业思维的专家组成的团队，他们学识渊博。此外，我们还将咨询作为对核心业务的补充：如果在进行初步评估后发现我们无法创造足够的价值，那么我们会勇于说“不”。

早期数据挖掘

我们的大部分项目主要是对您的数据进行分析，根据经验，对数据进行初步、快速的挖掘将提高项目规划和项目进度的准确性。之后一般会进行

开放式的业务探讨，目的是抓住问题所在，

数据提取，然后再进行快速的数据挖掘分析。

这样我们就可以检验项目初步目标的可行性，有时还可以挖掘出替代性的目标，例如当我们发现意料之外的'容易实现的目标'时。

在项目的初步阶段，我们会经常与客户碰面。之后的大部分工作将远程完成。出于工作效率和安全的缘故，我们只在我们专有的云计算环境中运作。

专业领域

需求预测

我们是大型零售、批发和制造领域的需求预测专家。我们了解这些行业的具体问题所在，并且开发出了一项强大的技术和一套解决方案来解决这些问题。请看下面的示例：

• 周转缓慢的产品/产品组合的长尾效应。电子商务、零售（尤其是销售点）以及硬件批发领域的一个典型问题就是数据稀疏，也即产品售出的频率很低。传统的‘平均数‘预测理论不适合此类数据，为了解决这个问题，我们付出了巨大努力。我们针对这个难题给出的解决方案就是分位数预测。在统计研究领域分位数预测已存在数十年之久，但我们是第一个认识到它对于库存优化的价值的。
  

• 面向大型零售网络的销售点预测。在销售点级别，由于数据量大和数据稀疏，使得情况非常复杂。现如今，尽管有半数以上零售商的存货是存放在店中的，但只有极少数的零售商在这个级别实施了复杂预测。我们有幸在这个领域与欧洲的主流零售商进行了合作，并开发出了尤其适合店面补给特征的销售点预测技术。
  

库存优化

在与客户合作的过程中我们认识到预测只是挑战的一部分，要想转化为智能的库存策略，还需要使用分析工具和流程以优化再订货点和订货数量。

优化库存最终不仅要可行，而且要解决平衡存货成本与缺货成本的财务问题。构建块包括再订货点、订货数量和补充策略。

流动资本优化

存货可能导致大量现金冻结。好消息是大部分企业存在巨大的优化潜力。如果加以灵活利用，可以将棘手的问题转变为强大的竞争优势。下面列举了一些示范性的项目：

• "库存回报率"优化：最大限度利用可投入于存货的流动资本并且最大化流动资本的周转，或者针对指定的服务水平释放流动资本。
• 库存决策：尤其是对于长尾产品（周转较慢的产品），是库存产品还是依赖于越库或供应商代发货难以权衡，这就要求对稀疏的需求进行可靠预测，此外还要结合对基本经济效果的透彻分析。
  

定价优化

我们可以帮助您优化产品组合的定价。不论是正价销售、促销还是大减价，都可以使用我们的软件解决方案，在对您的销售数据进行透彻分析后，将提出详尽的收益和盈利能力优化结果。

忠诚卡数据

客户忠诚度数据的信息量异常丰富，也是我们见过的最有利的分析之一。客户忠诚度举措、促销、交叉销售、优惠券等等都可以构建忠诚度数据 。

缺货监测

我们从库存优化实践中开发出了一种针对货架有货率的强大技术。我们的解决方案 Shelfcheck 性能强大，在这个领域，我们已建立起广泛的专业技能。

专家感言

Andreas Köpf 几个礼拜前，我偶然发现了 Lokad-Cloud开源项目，终于找到了我期待已久的源代码。这个库的质量彻底震撼了我。

@arwakatungu 我喜欢 @lokad。 它让 #azure 云端存储变得如此简单，代码简洁多了。

@TechBubble 针对 #Azure 的 @Lokad.Cloud 对象-云端映射令人映像深刻 http:// dnn.am/csAE3W。

@roblyndon 在一夜酣睡过后最适合做什么？当然是去处理 lokad.cqrs 了！

Chris Martin. 真不知该怎么感谢 Lokad，因为你们出色的工作，我们在刚开始使用 Lokad 时节省了无数时间！

@browniepoints 我会经常查看 Lokad.Cloud，它这里有许多云端托管的应用程序（它们获得了年度“Azure 合作伙伴奖”）http://bit.ly/9zZj8g

@henrikwh 我得更仔细地了解了解 #lokadcloud。它肯定会有面向 #Azure、 开源的模式。http://bit.ly/e3Z2nu

@tomconte 密切留意这个项目，马上就会发布 v2.0 了！Lokad.CQRS for Windows Azure: Roadmap http://bit.ly/mF1t6X #CQRS /cc @abdullin @lokad