供应商主数据的分析

供应商主数据

一、概述

在二十一世纪的今天，人们已经逐步认识到，企业之间的竞争已不完全是单个企业之间的竞争，而是企业所拥有的供应链之间的整体竞争。企业供应链的效率与质量如何，关系到企业在日益残酷的市场游戏中能否取得竞争优势。企业与供应商之间的关系，也不再是过去简单的买卖关系，而是越来越深入、紧密的合作伙伴关系。企业与自己的供应商之间既有不同利益的矛盾，也有共同利益的合作。

在企业的管理实践过程中，涉及“供应商”的管理信息系统的设计主要有两方面内容，一是与供应商在日常业务过程中的商务协同，包括供应商门户、订单协同、计划协同、询报价、招投标等等内容，通常归入SCM产品的范畴；二是供应商的生命周期与关系管理，包括供应商准入管理、资格认证、协议与合同管理、绩效考评等内容，通常归入SRM产品的范畴。这两方面的内容的连接点就是“供应商主数据”，前者涉及供应商主数据的使用，后者涉及供应商主数据的创建与维护。

二、供应商的分类概述

企业的供应商按所提供产品与服务的用途划分，可分为“生产供应商”与“非生产供应商”两大类。所谓“生产供应商”是指其提供的产品或服务，企业并非终端使用者，而是进入企业销售的产品或服务之中，最终提供给企业的客户使用，例如原辅材料供应商，为企业的产品提供运输、维修等服务的供应商等等；所谓“非生产供应商”，是指企业自身就是终端使用或消费者，例如企业所使用的办公用品、仪器设备供应商，以及为企业的日常运作提供服务的广告公司、软件提供商、咨询顾问公司等等。

按供应商提供的产品与服务的形态划分，则可以划分为“有形”实物类的供应商，与“无形”服务类的供应商；

按供应商与所提供产品的关系，可以分为“制造商、代理商”；

按供应商的组织形态划分，则可以划分为“公司供应商”与“个人供应商”;

按地域范围划分，则可以划分为“国内供应商与国外供应商”；

按供应商所处生命周期或合作关系划分，则可以分为“潜在供应商、一次性供应商、试用供应商、长期合作供应商”等等。

三、供应商主数据实体分析

供应商主数据有三个层面的数据

①一般数据：属于集团层面的数据（即所有公司代码都共享的数据），所有供

应商都要维护。供应商的无组织机构数据是存放于一般数据中，这些数据不会因为组织机构的变化而变动。主要包括三个部分：地址、科目控制、银行信息、税信息和参考数据。

②公司代码数据：属于公司层面的数据，即某公司代码下的会计数据，只要某

公司与供应商需要结算，都要维护此视图。主要包括四个部分：会计信息、支付交易、信函和预扣税。

③采购组织数据：属于采购组织层面的数据。主要包括两个部分：采购数据、

合伙人功能。

四、供应商主数据属性分析

五、结论

1.供应商主数据涉及的ERP模块：采购和财务

2.供应商主数据涉及的公共实体有：地址（PUBAddress），国家（GLDCountry），

货币（GLDCurrency），地区（CMTaxesRegionKey），邮政编码（ADPostalcode），省（GLDProvince），市（GLDCity），编号范围（PUBSerialNumberRange）

3.供应商主数据涉及的数据字典有：语言、称呼、洲

4.供应商主数据涉及的其他主数据：客户主数据，工厂主数据

六、主要问题

1.本分析中没有涉及到SCM的相关内容，因此有可能缺失与SCM相关的属性。

2.供应商有三个层面的数据，即一般数据、公司代码数据和采购组织数据，供

应商主数据是只管到一般数据还是三个层面都管

3.科目控制的业务含义是什么？

4.交货证明存在什么实体中？

主成分分析法总结

主成分分析法总结 在实际问题研究中，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。 因此，人们会很自然地想到，能否在相关分析的基础上，用较少的新变量代替原来较多的旧变量，而且使这些较少的新变量尽可能多地保留原来变量所反映的信息？ 一、概述 在处理信息时，当两个变量之间有一定相关关系时，可以解释为这两个变量反映此课题的信息有一定的重叠，例如，高校科研状况评价中的立项课题数与项目经费、经费支出等之间会存在较高的相关性；学生综合评价研究中的专业基础课成绩与专业课成绩、获奖学金次数等之间也会存在较高的相关性。而变量之间信息的高度重叠和高度相关会给统计方法的应用带来许多障碍。 为了解决这些问题，最简单和最直接的解决方案是削减变量的个数，但这必然又会导致信息丢失和信息不完整等问题的产生。为此，人们希望探索一种更为有效的解决方法，它既能大大减少参与数据建模的变量个数，同时也不会造成信息的大量丢失。主成分分析正式这样一种能够有效降低变量维数，并已得到广泛应用的分析方法。 主成分分析以最少的信息丢失为前提，将众多的原有变量综合成较少几个综合指标，通常综合指标（主成分）有以下几个特点： ↓主成分个数远远少于原有变量的个数 原有变量综合成少数几个因子之后，因子将可以替代原有变量参与数据建模，这将大大减少分析过程中的计算工作量。 ↓主成分能够反映原有变量的绝大部分信息 因子并不是原有变量的简单取舍，而是原有变量重组后的结果，因此不会造成原有变量信息的大量丢失，并能够代表原有变量的绝大部分信息。 ↓主成分之间应该互不相关 通过主成分分析得出的新的综合指标（主成分）之间互不相关，因子参与数据建模能够有效地解决变量信息重叠、多重共线性等给分析应用带来的诸多问题。 ↓主成分具有命名解释性 总之，主成分分析法是研究如何以最少的信息丢失将众多原有变量浓缩成少数几个因子，如何使因子具有一定的命名解释性的多元统计分析方法。 主成分分析的具体步骤如下： （1）计算协方差矩阵 计算样品数据的协方差矩阵：Σ=(s ij )p ?p ，其中 1 1()() 1n ij ki i kj j k s x x x x n ==---∑i ，j=1，2，…，p （2）求出Σ的特征值 i λ及相应的正交化单位特征向量i a Σ的前m 个较大的特征值λ1≥λ2≥…λm>0,就是前m 个主成分对应的方差，i λ对应的单 位特征向量 i a 就是主成分Fi 的关于原变量的系数，则原变量的第i 个主成分Fi 为：

S4客户主数据配置描述

SAP S4客户与供应商主数据配置 一、S4与ECC 客户主数据与供应商主数据的差异 . S4版本把客户主数据、供应商主数据、信贷管理主数据、业务员集于一身，都用BP创建、修改，显示于一体。如下图1 分组如下图2 说明： l 业务伙伴角色中创建： 选择 1）FLCU000 FI客户，表示创建客户公司代码视图, 2）FLCU01 客户：表示创建客户主数据的基本视图和销售围视图。 3）FLVN00 FI 供应商，表示创建供应商财务视图， 4) FLVN01 供应商基本视图和采购组织视图。 分组：表示创建指定类别的客户或供应商，如上图所示可理解是不同编号围或类别的客户或供应商。 二、配置说明 2.1）定义业务伙伴角色

A．路径：跨应用组件-- SAP 业务伙伴--业务合作伙伴--基本设置--商业伙伴角色--定义业务伙伴角色如下<图3> 用系统默认的客户与供应商BP角色。显示明细如下《图4》 <图5>

《图6》

图7 2.2定义应用程序事务 A．路径：跨应用组件-- SAP 业务伙伴--业务合作伙伴--基本设置--商业伙伴角色--定义应用程序事务 B．作用：可把客户、供应商通过不同事务码来分开创建、修改、查看功能。（一般不建议使用不同事务码，就用BP好了，可通过权限控制来限制不同用户的权限）,可用系统默认配置不需要修改（如下图8）。 详细配置如下图9

2.3维护供应商分组及编号围 路径：A. 路径：跨应用组件-- SAP 业务伙伴--业务合作伙伴--基本设置--编号围和分组--定义编号围 如下图<图10> 2.4定义分组和分配围 路径：A. 路径：跨应用组件-- SAP 业务伙伴--业务合作伙伴--基本设置--编号围和分组--定义分组和分配围如下图11

主成分分析法PCA的原理

主成分分析法原理简介 1.什么是主成分分析法 主成分分析也称主分量分析，是揭示大样本、多变量数据或样本之间内在关系的一种方法，旨在利用降维的思想，把多指标转化为少数几个综合指标，降低观测空间的维数，以获取最主要的信息。 在统计学中，主成分分析（principal components analysis, PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 2.主成分分析的基本思想 在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 对同一个体进行多项观察时必定涉及多个随机变量X1，X2，…，X p，它们之间都存在着相关性，一时难以综合。这时就需要借助主成分分析来概括诸多信息的主要方面。我们希望有一个或几个较好的综合指标来概括信息，而且希望综合指标互相独立地各代表某一方面的性质。

基于大数据的能力开放平台解决实施方案

基于大数据的能力开放平台解决方案

————————————————————————————————作者：————————————————————————————————日期：

基于大数据的能力开放平台解决方案 1 摘要 关键字：大数据经分统一调度能力开放 运营商经过多年的系统建设和演进，内部系统间存在一些壁垒，通过在运营商的各个内部系统,如经分、VGOP、大数据平台、集团集市等中构建基于ESB 的能力开放平台,解决了系统间调度、封闭式开发、数据孤岛等系统问题，使得运营商营销能力和效率大大提高。 2 问题分析 2.1 背景分析 随着市场发展，传统的开发模式已经无法满足业务开发敏捷性的要求。2014 年以来，某省运营商经营分析需求量激增，开发时限要求缩短，业务迭代优化需求频繁，原有的“工单-开发”模式平均开发周期为4.5 天，支撑负荷已达到极限。能力开放使业务人员可以更便捷的接触和使用到数据，释放业务部门的开发能力。 由于历史原因，业务支撑系统存在经分、VGOP、大数据平台、集团集市等多套独立的运维系统，缺乏统一的运维管理，造成系统与系统之间的数据交付复杂，无法最大化 的利用系统资源。统一调度的出现能够充分整合现有调度系统，减少运维工作量，提升维护质量。 驱动力一：程序调度管理混乱，系统资源使用不充分

经分、大数据平台、VGOP、集团集市平台各自拥有独立的调度管理，平台内程序基本是串行执行，以经分日处理为例，每日运行时间为20 个小时，已经严重影响到了指标的汇总展示。 驱动力二：传统开发模式响应慢，不能满足敏捷开发需求 大数据平台已成为一个数据宝库，已有趋势表明，只依赖集成商与业务支撑人员的传统开发模式已经无法快速响应业务部门需求，提升数据价值。 驱动力三：大数据平台丰富了经分的数据源，业务部门急待数据开放 某省运营商建立了面向企业内部所有部门的大数据平台，大数据平台整合了接入B域、O 域、互联网域数据，近100 余个数据接口，共计820T 的数据逐步投入生产。大数据平台增强了传统经分的数据处理的能力，成为公司重要的资产，但是传统经分数据仓库的用户主要面向业支内部人员，限制了数据的使用人员范围和数据的使用频度，已经无法满足公司日益发展的业务需求，数据的开放迫在眉睫。 2.2 问题详解 基于背景情况分析，我们认为主要问题有三个： 1、缺乏统一的调度管理，维护效率低下 目前经分系统的日处理一般是使用SHELL 脚本开发的，按照串行调度的思路执行。进行能力开放后，目前的系统架构无法满足开发者提交的大量程序执行调度的运维需求。如果采用统一调度的设计思路则基于任务的数据表依赖进行任务解耦及调度，将大大简化调度配置工作和提高系统的

数据分析中常见问题的解决方案及心得体会(优.选)

数据分析中常见问题的解决方案及心得体会 论坛君：在数据分析实践中，你遇到过这样的问题吗？你们的标准误差算对了吗？回测过程中的过度拟合问题怎 么解决？聚类分析时的极端值又该怎么处理呢？快来看今 天的文章吧，马上告诉你答案。 你们的标准误差（standarderror）算对了吗？（附程序） 大家都知道，当残余相是独立同分布（iid）时，OLS的标准误差是无偏的（unbiased），但是当残余相与观测值相关时，此标准误差就不再无偏了，需要做相应的调整。 这里向大家介绍一篇Northwestern大学教授MitchellPeterson在顶级权威刊物ReviewofFinancialStudies 上发表的文章（EstimatingStandardErrorsinFinancePanelDataSets：ComparingApproaches，2009），专门探讨标准误差在不同面板数据结构中的调整。据他统计，即使是在专业刊物上发表的文章： '42%的文章没有对标准误差进行必要的调整。 '剩下的58%的文章做了调整。 1.其中，34%用了Fama-MacBeth方法， 2.29%用了虚拟变量（dummyvariable）， 3.7%用OLS计算回归系数但用Newy-West方法对标准误差

做调整， 4.23%则报告了群集标准误差（clusteredstandarderror） 那么，到底哪种处理方法是正确的呢？本篇文章给出了指导意见。简单来说，在二维的面板数据里包含了'企业固定效应'（firmfixedeffect）和'时间效应'（timeeffect）。 '在只具有'企业固定效应'的面板数据中，OLS和 Fama-MacBeth方法的标准误差都会被低估，建议使用群集标准误差（clusteredstandarderror）。 '在只具有'时间效应'的面板数据中，建议使用Fama-MacBeth 方法。 最新文件---------------- 仅供参考--------------------已改成word文本--------------------- 方便更改

SAP采购主数据维护流程

【最新资料，Word版，可自由编辑！】

业务流程名称:采购主数据维护 流程编号及版本号 编号：BPD-MM03 版本：V1.0 业务流程定义文件签署表 业务流程定义文件是描述未来在SAP R/3中处理业务的详细流程定义，其定义的业务流程及其中所涉及的SAP功能已得到以下项目组成员的接受并已签署。

1. 业务流程目的： 采购主数据维护主要指采购价格的维护，以及系统中的货源清单和配额分配的维护。 2. 业务流程的相关原则： 2.1采购主数据存储了进行采购业务所需用的数据。包含以下三种数据： （1）信息记录–主要包含采购价格、价格条件（交货费用、关税等）、交货提前期及一些采购控制字段； （2）货源清单–主要指物料的合格供应商清单，指定哪些供应商或者框架协议是可用的； （3）配额分配–主要维护采购物料时的不同供应商的订单分配的配额比例； 2.2采购主数据维护的组织级别： （1）信息记录–在采购组织级别，根据不同的采购组织，为不同的工厂维护信息纪录； （2）货源清单–维护在工厂的级别，即对同一物料，可以在不同的工厂维护不同的货源清单； （3）配额分配- 在工厂级别维护，同一物料在不同的工厂可以维护不同的供应商配额分配； 2.3采购主数据维护的范围： 本流程中采购主数据维护的范围是：进行库存采购的物料的采购主数据、进行外协加工采购的物料的采购主数据及供应商寄存采购的物料的采购主数据。 2.4 采购主数据维护的注意事项： （1）采购主数据的维护应由各公司采购部门专门的维护员负责，保证维护权限的集中； （2）采购主数据的维护必需由采购员提交申请表，经过采购部门主管系统外审核签字后才能录入系统；

主成分分析法介绍(高等教育)

主成分分析方法 我们进行系统分析评估或医学上因子分析等时，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地想到，能否在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处理这种问题的一种强有力的方法。 第一节 主成分分析方法的原理 主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。假定有n 样本，每个样本共有p 个变量描述，这样就构成了一个n×p 阶的数据矩阵： 111212122212.....................p p n n np x x x x x x X x x x ?? ? ?= ? ? ??? (1)

如何从这么多变量的数据中抓住事物的内在规律性呢？要解决这一问题，自然要在p 维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息，同时它们之间又是彼此独立的。那么，这些综合指标（即新变量)应如何选取呢？显然，其最简单的形式就是取原来变量指标的线性组合，适当调整组合系数，使新的变量指标之间相互独立且代表性最好。 如果记原来的变量指标为p x x x ,,21 ，它们的综合指标——新变量指标为 21,z z ，m z （m≤p)。则 )2.........(..........22112222121212121111??? ??? ?+++=+++=+++=p mp m m m p p p p x l x l x l z x l x l x l z x l x l x l z 在（2)式中，系数l ij 由下列原则来决定： （1)z i 与 z j （i≠j；i ，j=1，2，…，m)相互无关； （2)z 1是x 1，x 2，…，x p 的一切线性组合中方差最大者；z 2是与z 1不相关的x 1，x 2，…，x p 的所有线性组合中方差最大者；……；z m 是与z 1，z 2，……z m-1都不相关的x 1，x 2，…，x p 的所有线性组合中方差最大者。

SAP供应商主数据

供应商主数据 1.供应商主数据的概念 供应商主数据用于物料管理MM和财务管理FI模块，主要用于采购、发票确认以及付款等业务中，集中存储并可以在相应组织级别上维护和使用。 2.供应商主数据的结构 3.供应商主数据屏幕字段的属性控制 3.1. 属性值级优先顺序 隐藏>显示>必输>可选

3.2. 影响因素 （1）供应商账户组 （2）事务代码 （3）采购组织 4.供应商主数据的关键字段4.1. 科目组 （1）号码范围 （2）是否一次性供应商 （3）供应商屏幕字段属性 （4）业务合作伙伴方案 4.2. 贸易伙伴 贸易伙伴中的值为公司，出具合并报表。

4.3. 总部 4.4. 客户及结算客户 实际业务中，某外部公司既是本公司的客户，又是本公司供应商，往来账需要将此外部公司应收和应付对冲（SAP中的清账）。如果没有启用既是客户又是供应商功能，就需要在FI中做转账凭证；如果启用此功能，F-44或F-32清账时，应收和应付就可以直接对请，此时需要分别在供应商和客户主数据中进行以下维护： 1.供应商主数据 （1）客户字段维护客户主数据 （2）勾选结算客户 2.客户主数据 （1）供应商字段维护供应商主数据 （2）勾选结算供应商 4.5. 检查双重发票 勾选勾选供应商公司代码层数据中的检查双重发票，在发票校验时，系统会检查以下6个项目，若都相同时系统消息提示有相同发票。消息号：M8 462请检查是否发票已按后勤发票凭证编号&输入，该消息号属性可配置。 （1）供应商 （2）货币

（3）公司代码 （4）发票总金额 （5）发票日期 （6）参考凭证 4.6. 工厂 STO业务中供应商对应的发货工厂。 5. 一次性供应商

主成分分析法介绍教学文稿

主成分分析法介绍

主成分分析方法 我们进行系统分析评估或医学上因子分析等时，多变量问题是经常会遇到的。变量太多，无疑会增加分析问题的难度与复杂性，而且在许多实际问题中，多个变量之间是具有一定的相关关系的。因此，我们就会很自然地想到，能否在各个变量之间相关关系研究的基础上，用较少的新变量代替原来较多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信息？事实上，这种想法是可以实现的，本节拟介绍的主成分分析方法就是综合处理这种问题的一种强有力的方法。 第一节 主成分分析方法的原理 主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法，从数学角度来看，这是一种降维处理技术。假定有n 样本，每个样本共有p 个变量描述，这样就构成了一个n×p 阶的数据矩阵： 11121212221 2 .....................p p n n np x x x x x x X x x x ?? ? ? = ? ? ??? (1)

如何从这么多变量的数据中抓住事物的内在规律性呢？要解决这一问题，自然要在p 维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需要进行降维处理，即用较少的几个综合指标来代替原来较多的变量指标，而且使这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息，同时它们之间又是彼此独立的。那么，这些综合指标（即新变量)应如何选取呢？显然，其最简单的形式就是取原来变量指标的线性组合，适当调整组合系数，使新的变量指标之间相互独立且代表性最好。 如果记原来的变量指标为p x x x ,,21 ，它们的综合指标——新变量指标为 21,z z ，m z （m≤p)。则 )2.........(..........22112222121212121111??? ?? ? ?+++=+++=+++=p mp m m m p p p p x l x l x l z x l x l x l z x l x l x l z 在（2)式中，系数l ij 由下列原则来决定： （1)z i 与 z j （i≠j；i ，j=1，2，…，m)相互无关； （2)z 1是x 1，x 2，…，x p 的一切线性组合中方差最大者；z 2是与z 1不相关的x 1，x 2，…，x p 的所有线性组合中方差最大者；……；z m 是与z 1，z 2，……z m-1都

1.2供应商主数据

供应商主数据 为了促进采购流程,企业在实际运行过程中要为供应商创建供应商主数据。供应商主数据中包含企业的供应商信息,除了供应商的名称地址等常规数据外,供应商主数据还应该包括与供应商交易时所用的货币,付款条件,重要联系人的姓名等采购数据。处于会计目的，供应商主数据中还应该包含财务数据，例如总帐会计核算中用的统御科目。 业务示例： 为了促进采购流程，某公司已经决定为蓝天科技公司创建供应商

主数据代码3334。 Step1:XK01在初始界面输入公司代码3334，公司1000，采购组织1000。 输入供应商3334表示需要维护供应商一般数据，公司代码1000表示需要维护供应商的财务数据，采购组织1000表示需要维护供应商的采购数据，如果不输入公司代码在物料主数据的创建过程中不会出现财务数据，采购组织同理。在企业运行过程中有时候物料主数据是分开维护的采购数据由采购部维护，财务数据财务部维护，也可以用VK01，FK01实现分别维护。 账户组在后台的设置决定了: 1.供应商的编码范围 2.是否为一次性供应商 3.字段状态 4.是否可以使用子域功能

Step2：在一般视图中输入供应商蓝天科技有限公司，检索项ZJU，国家DE等一些供应商的基本信息。 Step3:在财务视图输入统御科目160000，现金管理组A1。

在创建采购订单的时候会根据统驭科目决定该供应商的应付帐款记在哪个科目下面。 Step4:在采购视图输入订单货币CNY，选中基于收货的发票验证。

关于基于收货的发票验证这个字段会在发票部分做详细介绍。Step5:点击保存即可.

供应商主数据维护和查询培训教材

供应商主数据(维护和查询)培训教材 作者：董梅 日期：2000/8/25 审核：张建飞

目录 流程介绍 (3) 基本概念 (6) 系统操作步骤 (7) 系统操作方法 (2) 供应商主数据的查询……………………………. 供应商主数据的创建 (7) 供应商主数据的更改 (19) 供应商主数据的冻结 (21) 供应商主数据的删除 (24)

一、维护供应商主数据流程介绍: Legend Print - To Be Business Processes - DRAFT - P-020 供应商主数据维护流程00-08-25

一、流程描述： 为了向供应商下达采购申请，完成采购任务。需要在系统中创建并维护供应商的主数据。如果供应商主数据发生变更，需要及时更改有关数据。 主要活动： 供应商主数据维护流程主要包括以下内容。 一、产生维护新的供应商主数据的需求。 1、在系统中查找是否存在该供应商的编码； 2、如果新的供应商在集团范围内已经存在，扩展维护公司代码数据和采购组织数据； 3、如果新的供应商在集团范围内不存在，在SAP系统中创建供应商的一般数据、公 司代码数据和采购组织数据。 二、产生供应商主数据变更需求。 1．如果需要在集团范围内变更供应商的一般数据，通知相关平台后，在系统中更改有关数据； 2．如果需要在公司范围内变更供应商的公司代码数据和采购组织数据，在系统中更改有关数据。 三、需要冻结/删除供应商记录时，在系统中进行冻结/删除供应商主数据。 二、基本概念： 供应商主数据包括三个层次：一般数据、公司代码数据、采购组织数据。 一般数据：是集团公司内部各子公司共同使用的数据。包括供应商的地址、电话、与其进行联系所使用的语言、以及供应商的银行信息、税务信息等。 公司代码数据：是公司一级的有关供应商的会计信息。包括统驭科目、付款条款等。 采购组织数据：是存在于采购组织一级的与采购运作有关的数据。包括定单货币、付款条款、合伙人功能等。 三、系统操作步骤： 1、在SAP系统中查询供应商编码。 2、在SAP系统中创建供应商主数据。 3、在SAP系统中查询已经维护了的供应商主数据。 4、对SAP系统中的供应商主数据进行更改。 5、对SAP系统中的供应商主数据进行冻结。 6、对SAP系统中的供应商主数据进行删除。

主成分分析在STATA中的实现以及理论介绍

主成分分析在S T A T A 中的实现以及理论介绍 文件编码（TTU-UITID-GGBKT-POIU-WUUI-0089）

第十二章 主成分分析 主成分分分析也称作主分量分析，是霍特林(Hotelling)在1933年首先提出。主成分分析是利用降维的思想，在损失较少信息的前提下把多个指标转化为较少的综合指标。转化生成的综合指标即称为主成分，其中每个主成分都是原始变量的线性组合，且各个主成分互不相关。Stata 对主成分分析的主要内容包括：主成分估计、主成分分析的恰当性（包括负偏协方差矩阵和负偏相关系数矩阵、KMO(Kaiser-Meyer-Olkin)抽样充分性、复相关系数、共同度等指标测度）、主成分的旋转、预测、各种检验、碎石图、得分图、载荷图等。 p j n i b a y ij j i ij ,,2,1,,2,1,' ==+=ε 主成分的模型表达式为： p p j i i i i diag v v v v i p V V C λλλλλλλ≥≥≥=∧='' ==∧=∑ 2121),,,,(0 1 其中，a 称为得分，b 称为载荷。主成分分析主要的分析方法是对相关系数矩阵（或协方差矩阵）进行特征值分析。

Stata中可以通过负偏相关系数矩阵、负相关系数平方和KMO值对主成分分析的恰当性进行分析。负偏相关系数矩阵即变量之间两两偏相关系数的负数。非对角线元素则为负的偏相关系数。如果变量之间存在较强的共性，则偏相关系数比较低。因此，如果矩阵中偏相关系数较高的个数比较多，说明某一些变量与另外一些变量的相关性比较低，主成分模型可能不适用。这时，主成分分析不能得到很好的数据约化效果。 Kaiser-Meyer-Olkin抽样充分性测度也是用于测量变量之间相关关系的强弱的重要指标，是通过比较两个变量的相关系数与偏相关系数得到的。KMO介于0于1之间。KMO越高，表明变量的共性越强。如果偏相关系数相对于相关系数比较高，则KMO比较低，主成分分析不能起到很好的数据约化效果。根据Kaiser（1974），一般的判断标准如下：不能接受（unacceptable）;非常差（miserable）；，勉强接受（mediocre）；可以接受（middling）；，比较好（meritorious）；非常好（marvelous）。 SMC即一个变量与其他所有变量的复相关系数的平方，也就是复回归方程的可决系数。SMC比较高表明变量的线性关系越强，共性越强，主成分分析就越合适。

关于 维护供应商主数据 的一点经验

长使英雄泪满襟，光贵一条真难受。 维护供应商主数据 1、目的：创建、修改供应商主数据 2、适用范围：集团所有供应商 3、文件内容概述： ⑴供应商类型（即帐户组）分为五类： ?一般数据：属于集团层面的数据（即所有公司代码都共享的数据），所有供应商都要维护。主要包括三个部分：地址、控制和支付交易。 ?公司代码数据：属于公司层面的数据，即某公司代码下的会计数据，只要某公司与供应商需要结算，都要维护此视图。主要包括四个部分：会计信息、支付交易、信函和预扣税。

?采购组织数据：属于采购组织层面的数据。主要包括两个部分：采购数据、合伙人功能。 ⑶维护供应商主数据的事务码： ?创建供应商主数据的事务码： o创建一般数据：FK01、MK01或XK01。创建时选择“帐户组”即可 o创建公司代码数据：FK01、XK01。（同时维护了“一般数据”） o创建采购组织数据：MK01、XK01。（同时维护了“一般数据”） o集中创建供应商主数据：XK01。（可以维护供应商所有层面的数据：一般数据、公司代码数据和采购组织数据） o员工供应商、财务供应商：只要维护“一般数据”和“公司代码数据”，不需维护“采购组织数据”。FK01或XK01。 ②修改供应商主数据的事务码： o修改一般数据：FK02、MK02或XK02。 o修改公司代码数据：FK02、XK02。 o修改采购组织数据：MK02、XK02。 o集中修改供应商主数据：XK02。 ③显示供应商主数据的事务码： o显示一般数据：FK03、MK03或XK03。 o显示公司代码数据：FK03、XK03。 o显示采购组织数据：MK03、XK03。 o集中显示供应商主数据：XK03。 （4）如果供应商属于集团采购供应商，则sap系统中在“免税号”中输入公司代码，协同网供应商主数据在“计息周期”中填入公司代码。注意：只要子公司提交的供应商主数据中“计息周期”内填入了公司代码，则必须要公司层审核人提供采购合同，否则不能维护。 （5）采购组织：江中药业、江中医贸和江中小舟的采购组织为1000，其他公司的采购组织与公司代码一致。 （6）可以参照供应商24008，公司代码1200创建供应商，但有些内容需根据实际情况修改。 4、创建供应商主数据流程操作步骤: （以集中创建供应商主数据为例） ⑴创建员工供应商

SAP供应商主记录维护流程

SAP-FI-供应商主记录维护流程1 大连重工〃起重集团有限公司ERP项目 业务名称：供应商主记录维护流程 文档号：TB-FI-100 版本号：1.0 作者：李雪梅保存日期：2013年10月8日参考资料：状态： 交付签字：发布日期：2013年10月8日 大连重工·起重集团有限公司ERP项目— 文档修改记录 确认和批准 该文档需要以下人员确认： 该文档需要以下人员批准： 存档 该文档存档在大连重工〃起重集团有限公司，神州数码管理系统有限公司保留复印件。 大连重工〃起重集团有限公司ERP实施项目 将来流程综述

本流程主要描述供应商主记录维护业务处理流程，包括业务部门提出供应商主记录维护申请、财务部审核申请、在SAP系统内创建供应商代码及维护其相关信息。 一期一波上线产品的供应商三个视图由采购人员统一维护，其余采购供应商及其他费用类供应商皆由财务维护。财务维护供应商主数据包括一般数据视图和公司代码数据视图。 对现有流程的改变 1．规范供应商管理，上线产品涉及的供应商，形成统一维护口径，由外协采购人员统一维护三个视图(一般数据视图、公司代码数据视图及采购数据视图)。 2．单独建立了供应商主数据，主数据包含采购供应商、付款方的基本信息、财务信息、业务信息等多方面信息，便于业务未来的查询。 3．通过对供应商进行统一编号，保证了供应商编号的一致性。便于财务部统一维护与帐务有关数据。4．供应商主数据不再是简单的平面化结构，而是从多维多角度解构供应商的网络关系，包括供应商层次结构、供应商合作伙伴功能。 大连重工〃起重集团有限公司ERP 实施项目 流程编号及名称：TB-FI-100供应商主数据维护流程 业务流程图 制作人员：李雪梅制作时间：2003/12/22

主成分分析分析法

第四节 主成分分析方法 地理环境是多要素的复杂系统，在我们进行地理系统分析时，多变量问题 是经常会遇到的。 变量太多， 无疑会增加分析问题的难度与复杂性， 而且在许多 实际问题中， 多个变量之间是具有一定的相关关系的。 因此，我们就会很自然地 想到，能否在各个变量之间相关关系研究的基础上， 用较少的新变量代替原来较 多的变量，而且使这些较少的新变量尽可能多地保留原来较多的变量所反映的信 息？事实上， 这种想法是可以实现的， 本节拟介绍的主成分分析方法就是综合处 理这种问题的一种强有力的方法。 第一节 主成分分析方法的原理 主成分分析是把原来多个变量化为少数几个综合指标的一种统计分析方法， 从数学角度来看， 这是一种降维处理技术。 假定有 n 个地理样本， 每个样本共有 p 个变量描述，这样就构成了一个 n ×p 阶的地理数据矩阵： 如何从这么多变量的数据中抓住地理事物的内在规律性呢？要解决这一问 题，自然要在 p 维空间中加以考察，这是比较麻烦的。为了克服这一困难，就需 要进行降维处理， 即用较少的几个综合指标来代替原来较多的变量指标， 而且使 这些较少的综合指标既能尽量多地反映原来较多指标所反映的信息， 同时它们之 间又是彼此独立的。那么，这些综合指标（即新变量 ） 应如何选取呢？显然，其 最简单的形式就是取原来变量指标的线性组合， 适当调整组合系数， 使新的变量 指标之间相互独立且代表性最好。 如果记原来的变量指标为 x 1， 为 x 1，x 2，?， zm （m ≤p ） 。则 x 2 ，?， x p ，它们的综合指标——新变量指标

在（2）式中，系数l ij 由下列原则来决定： （1）z1 2与z j（i ≠j ；i ，j=1 ，2，?，m）相互无关； （2）z 1是x1，x2，?，x p的一切线性组合中方差最大者；z2是与z1不相关的x1，x2，?，x p的所有线性组合中方差最大者；??；z m是与z1，z2，??z m-1 都不相关的x1，x2，?，x p的所有线性组合中方差最大者。 这样决定的新变量指标z1，z2，?，zm分别称为原变量指标x1，x2，?，x p 的第一，第二，?，第m主成分。其中，z1在总方差中占的比例最大，z2，z3，?，z m的方差依次递减。在实际问题的分析中，常挑选前几个最大的主成分，这样既减少了变量的数目，又抓住了主要矛盾，简化了变量之间的关系。 从以上分析可以看出，找主成分就是确定原来变量x j（j=1 ，2，?，p）在诸主成分z i （i=1 ，2，?，m）上的载荷l ij （i=1 ，2，?，m；j=1 ，2，?，p），从数学上容易知道，它们分别是x1，x2，?，x p的相关矩阵的m个较大的特征值所对应的特征向量。 第二节主成分分析的解法 主成分分析的计算步骤 通过上述主成分分析的基本原理的介绍，我们可以把主成分分析计算步骤归纳如下：在公式（3）中，r ij （i ，j=1 ，2，?，p）为原来变量x i与x j的相关系数，其计 算公式为 因为R是实对称矩阵（即r ij =r ji ），所以只需计算其上三角元素或下三角元素即可。 1 计算相关系数矩阵 2 计算特征值与特征向量

MM创建供应商主数据流程

第六章-MM06_创建供应商主数据流程 1.流程说明 此流程适用于公司内部供应商及外部供应商系统主档创建。 内部供应商主档基本资料创建由市场处执行，外部生产类供应商主档基本资料创建由采购部执行，外部总务类供应商主档基本资料创建由总务部执行，财务部统一进行所有类别供应商的财务资料创建。 采购部之供应商原则上必须经过新厂商考核合格（MM09新厂商评核流程），并经物流处主管签核后，方可在系统中进行资料创建。若为顾客指定且非我方正式供应商，则在系统中以一次性供应商方式执行资料创建，以利执行系统采购作业。 一次性供应商创建不需要执行财务资料创建，由申请部门自行执行维护及管控作业。 若需在系统中进行供应商主档创建，必须填写《SAP供应商维护申请单》（如附件），采购部、总务部及市场处必须确定基础资料的完整和正确并必须经相关主管签核后，方可由专人输入系统。 采购部、总务部及市场处相关人员完成供应商主档基本资料创建后，将系统供应商号码登录到申请单上，并转财务部执行供应商财务数据的系统创建作业。财务部接获申请单后，先由专人手工填写财务数据，如统驭科目、account group等，经财务主管确认签字后，方可在系统中执行创建作业。在所有系统作业完成后，财务人员执行最终记录并签字归档。 因业务需求，所有供应商主档建立作业，要求在8个工作小时内完成，业务单位及财务部各在接单后4小时内完成签核及系统作业。 2.流程图 3.系统操作 3.1.操作范例 例一：在FPOO（总部及华东区生产采购组织）下新建一个国内生产性供应商 3.2.系统菜单及交易代码 1）采购数据 后勤物料管理采购主数据供应商采购创建 交易代码：MK01

某酒店前台数据分析解决方案

上海某酒店管理有限公司 ABC连锁酒店前台数据分析系统 解决方案草案 目录 §1需求分析与解决方案 (2) §1.1需求描述 (2) §1.2需求解决方案 (3) §1.2.1酒店前台数据分析模型说明 (3) §1.2.2权限管理 (3) §1.2.3数据仓库与分析模型建立 (4) §1.2.4Flash数字地图 (4) §1.2.5房型营业额分析 (6) §1.2.6节假日营业额分析 (10) §1.2.7协议客户营业额分析 (11) §1.2.8入住率分析 (15) §1.2.9RFM分析 (16) §1.2.10其他样式 (19) §2系统实施 (21) §3奥威智动优势 (21)

需求分析与解决方案 §1.1需求描述 ABC作为法国YG酒店管理集团旗下的经济型酒店品牌，在中国的发展正处于快速发展的初期，为了更好的对酒店前台销售数据的分析，以辅助决策，特提出本需求： 1、数据已经集中在集团总部，数据库为SQL Server。 2、数据范围：前台系统的数据。 经过前期的初步沟通，以及奥威智动专业的经验，特制作本解决方案（草案），以便于上海YG了解Power-BI可以实现哪些分析模型，而这些分析型是不是可以帮助上海YG进行决策分析，同时了解项目大概预算及实施周期。因为时间较为仓促，难免存在许多不足或理解有偏差的地方，还望斧正！

§1.2需求解决方案 §1.2.1酒店前台数据分析模型说明 §1.2.2权限管理 可通过严格灵活的权限管理，让所有的分店与总部一起共享这个分析平台，使信息化价值最大化。

§1.2.3数据仓库与分析模型建立 奥威智动有着丰富的基于SQL Server数据库平台的数据仓库与分析模型构建经验，同时，也有一定的酒店分析模型构建经验，上述分析模型的截图，即是在我们以前的经验基础上，快速搭建的。通过奥威智动现有的数据仓库与分析模型，可以快速的实现从宜必思的前台系统中进行ETL，以实现快速部署，快速应用，快速见效。 §1.2.4Flash数字地图 可通过该地图，轻松看到全国各地的ABC酒店的营业额、预算值及相应的完成情况，如果完成预算，则显示为绿色，否则，显示为红色，未开发地区显示为棕色。

数据分析解决方案案例集

数据分析解决方案案例集 这些数据分析解决方案案例于kaggle网站，网站让参与竞赛的人根据一系列的数据提交预测运算法则，并且将预测结果与实际的历史数据进行对比。假设你想知道价格上涨5%之后会导致多少顾客流失，或者是预测市场对大量抛售股票的反应，又或者是估算一下借款人拖欠还款的可能性，这些都可以通过数据分析建模来寻找最优解决方案。 以下是那些数据分析捣鼓者处理的部分难题。 预测保险索赔情况 好事达保险公司(Allstate)希望能更好地预测与汽车相关的伤害 索赔情况，以便更精确地制定价格。竞争者们根据xx年到xx年的数据(包括具体的汽车情况、以及每辆车相关的赔偿支出次数和数量) 进行建模，并将它们应用到xx年至xx年的数据上。 澳大利亚悉尼的保险精算顾问卡尔(MatthewCarle)使用决策树形 式的运算法则来告诉计算机如何进行学习，借此获得了6,000美元的头等奖。它的精确程度比好事达保险公司的模型要高出340%。 测量医院病人流 根据美国卫生保健研究与质量管理处(AgencyforHealthcareResearchandQuality)的数据，美国医疗保健 体系在可预防的住院医疗上要烧掉300亿美元。 HPN(HeritageProviderNetwork)是一家位于加利福尼亚州的医疗保 健机构，它希望能够帮助医生们更快速地确诊，从而控制成本。

它赞助的竞赛内容是，根据36个月内的一系列数据来预测哪些病人将会需要住院治疗。该项竞赛的头奖金额为300万美元(卡歌网上奖金额最高的项目)。比赛从xx年5月份开始，将在xx年4月份结束。截至目前，已经有1,400支队伍提交了近1万份运算法则。 对旅游业进行预测 航空公司高管、旅馆经营者以及餐馆经营者都迫切想知道他们需要多少燃料、食品和员工才能让顾客们感到满意。xx年，《国际预测杂志》(InternationalJournalofForecasting)赞助了一场竞赛，挑战一个已经发表的基于不同时期和不同地点旅游活动的预测公式。 获胜者是霍华德(JeremyHoward)和贝克(LeeBaker)。他们开发的模型可以精确地考虑到一次性事件的影响，例如恶劣的暴风雨。他们获得了500美元的奖金，以及发表建模结果的机会。霍华德本人之后继续努力，还赢得了卡歌网组织的其他竞赛，如今成为了该公司的总裁兼首席科学家。 对国际象棋手进行排名 所谓的伊诺排名算法(Eloratingsystem)，根据国际象棋手过去的表现来分析对弈两人的实力强弱。卡歌网组织了两场竞赛，旨在对该算法进行改进。其中一场竞赛的赞助人是国际棋联组织(WorldChessFederation，FIDE)和专业咨询服务机构德勤公司(Deloitte)，在这场竞赛中，组织方向参赛者提供5.4万人在11年里近200万局国际象棋比赛的情况，然后将他们的预测模型应用于此后进行的10万局比赛，以验证预测结果的精确性。

(完整版)SAP主数据维护管理办法

备件主数据维护管理办法 第一章总则 第一条备件主数据是ERP系统中备件管理、备件供应的集成信息，是进行备件物料管理的基本条件，为了保证及时、准确地收集和维护备件主数据，满足ERP系统正常运行和备件业务运转对数据的需求，特制定本办法。 第二条本办法中主数据是指ERP系统(SAP/R3)中支持系统有效运行的备件静态数据，主要包括：物料主数据、供应商主数据、货源清单、采购信息记录。 第三条备件主数据维护原则： 一、唯一性：相同的主数据在系统中要求有唯一编码，唯一的描述，避免存在数据冗余； 二、完整性：主数据信息保持完整，要能够满足相关部门的业务运作需求； 三、准确性：主数据要符合相应的编码规则和技术规范，能

够清楚准确地表达主数据的含义； 四、时效性：主数据申请维护过程中，要充分体现时效性原则，提高工作效率，及时满足申请部门的需求。 第四条本办法适用于xxERP项目上线的总公司、xx公司、xx公司有关部门和生产厂。 第二章应用主数据内容和信息收集维护职责分工 第五条备件应用主数据内容： 一、模块内主数据（MMBJ模块）：货源清单、采购信息记录、 二、跨模块主数据（MM；MMBJ；SD模块）：物料主数据、供应商主数据。 第六条备件模块内和跨模块主数据由XX总公司设备部备件处负责组织收集相关信息，并进行系统维护。 第七条模块内主数据信息收集维护职责分工： 一、货源清单由设备部备件处计划科负责组织收集相关信息，并进行系统维护； 二、采购信息记录由设备部备件处价格科负责组织收集相关信息，并进行系统维护。 第八条跨模块主数据信息收集维护职责分工：

一、物料主数据由设备部备件处计划科负责组织收集基本视图、分类视图、销售视图、采购视图、库存视图、财务成本视图中的相关信息。 二、供应商主数据由设备部备件处质量管理科负责组织收集采购视图中供应商的相关信息； 第三章备件物料主数据维护管理 第九条备件物料主数据维护工作流程： 一、各单位备件员根据生产现场备件变化情况，做以下主数据维护工作： （一）对新投产设备、更新改造设备增加的新的备件项目；对在用设备发生的备件项目，按标准机械备件、非标准机械备件（其中：天车备件、皮带机备件、偶合器要与其它非标专用件分开）、小型机械备件、电气备件、计控备件、机车备件、汽车备件、生产工具专业（以下简称各专业）分别提出新增备件物料主数据项目明细； （二）对新投产设备、更新改造设备增加的新的备件项目，在收集物料主数据时，要避免同一物料，多个图纸编号造成的物料不唯一性；

主成分分析法概念及例题

主成分分析法 主成分分析（principal components analysis，PCA）又称：主分量分析，主成分回归分析法 [编辑] 什么是主成分分析法 主成分分析也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。 在统计学中，主成分分析（principal components analysis,PCA）是一种简化数据集的技术。它是一个线性变换。这个变换把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标(称为第一主成分)上，第二大方差在第二个坐标(第二主成分)上，依次类推。主成分分析经常用减少数据集的维数，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。 [编辑] 主成分分析的基本思想

在实证问题研究中，为了全面、系统地分析问题，我们必须考虑众多影响因素。这些涉及的因素一般称为指标，在多元统计分析中也称为变量。因为每个变量都在不同程度上反映了所研究问题的某些信息，并且指标之间彼此有一定的相关性，因而所得的统计数据反映的信息在一定程度上有重叠。在用统计方法研究多变量问题时，变量太多会增加计算量和增加分析问题的复杂性，人们希望在进行定量分析的过程中，涉及的变量较少，得到的信息量较多。主成分分析正是适应这一要求产生的，是解决这类题的理想工具。 同样，在科普效果评估的过程中也存在着这样的问题。科普效果是很难具体量化的。在实际评估工作中，我们常常会选用几个有代表性的综合指标，采用打分的方法来进行评估，故综合指标的选取是个重点和难点。如上所述，主成分分析法正是解决这一问题的理想工具。因为评估所涉及的众多变量之间既然有一定的相关性，就必然存在着起支配作用的因素。根据这一点，通过对原始变量相关矩阵内部结构的关系研究，找出影响科普效果某一要素的几个综合指标，使综合指标为原来变量的线性拟合。这样，综合指标不仅保留了原始变量的主要信息，且彼此间不相关，又比原始变量具有某些更优越的性质，就使我们在研究复杂的科普效果评估问题时，容易抓住主要矛盾。上述想法可进一步概述为：设某科普效果评估要素涉及个指标，这指标构成的维随机向量为。对作正交变换，令，其中为正交阵，的各分量是不相关的，使得的各分量在某个评估要素中的作用容易解释，这就使得我们有可能从主分量中选择主要成分，削除对这一要素影响微弱的部分，通过对主分量的重点分析，达到对原始变量进行分析的目的。的各分量是原始变量线性组合，不同的分量表示原始变量之间不同的影响关系。由于这些基本关系很可能与特定的作用过程相联系，主成分分析使我们能从错综复杂的科普评估要素的众多指标中，找出一些主要成分，以便有效地利用大量统计数据，进行科普效果评估分析，使我们在研究科普效果评估问题中，可能得到深层次的一些启发，把科普效果评估研究引向深入。 例如，在对科普产品开发和利用这一要素的评估中，涉及科普创作人数百万人、科普作品发行量百万人、科普产业化（科普示范基地数百万人）等多项指标。经过主成分分析计算，最后确定个或个主成分作为综合评价科普产品利用和开发的综合指标，变量数减少，并达到一定的可信度，就容易进行科普效果的评估。 [编辑] 主成分分析法的基本原理 主成分分析法是一种降维的统计方法，它借助于一个正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的p 个正交方向，然后对多维变量系统进行降维处理，使之能以一个较高的精度转换成低维变量系统，再通过构造适当的价值函数，进一步把低维系统转化成一维系统。 [编辑] 主成分分析的主要作用