CN1430758A - 利用统计分析来预测营业收入并管理销售人员 - Google Patents

Abstract

本发明涉及一种数据处理***及方法，该***包括用于存储数据的数据库，该数据定义了一个或多个商业机会以及与实现商业机会相关的状况；以及运行在计算机操作环境内的一软件统计引擎，用于分析数据库并计算第一概率集，第一概率集表示表示成功的完成商业机会的概率。其中数据库存储数据以定义具有多个相关对象的数学模型，相关对象表示商业机会和状况。该***进一步包括用于接收来自用户的输入数据的网络接口，该输入数据表示至少一个状况的状态，并且其中软件统计引擎自适应的调节模型以响应输入数据。其中来自用户的输入数据包括第二概率集，该输入数据提供了每个商业机会的估计概率以及状况的任何相关加权平均值。

Description

利用统计分析来预测营业收入并管理销售人员

技术领域

本发明涉及计算机可实现的用于预测营业收入并管理销售机构的方法。

背景技术

公司定期的对营业收入做详细的预测以便监测收入的进展并协助企业管理人员和高级负责人分配资源以使产生的收入最大化。然而，经常会产生不准确结果的收入预测是一件困难的且费用浩大的任务。

通常，收入预测是基于销售机构对当前交易机会的状况所表述的意见。例如，用于导出收入预测的数据的表格经常会询问一些主观的问题，例如“我们收益了吗？”，销售人员经常提供他或她的关于对象客户可“接收”产品或服务的程度的估计值。例如，通常销售人员给出了客户最终购买产品或服务的可信度。这些意见经常受到许多主观因素的影响，例如各个销售人员对机会的理解和判断。此外，销售人员经常给出已存偏见的意见以便为她或他的商业机会确保更多的公司资源。

发明内容

通常，本发明是指一***，该***用于在统计上定量销售机会且在数学上模造销售机会以便预测收入并产生面向解决方案的销售计划。

根据一方面，本发明是指一***，该***包括商业机会的数据库和相关状况。状况客观地表示由销售机构所执行的活动以及影响实现商业机会的其他实际情况。按照这种方式，本发明可避免传统的收入预测所依赖的主观输入。例如，对于给定的商业机会而言状况被定义以表征目标客户或竞争者所需要的技术。统计引擎在计算机的操作环境内执行以分析数据库并计算一概率集，该概率表示成功的实现商业机会的概率。在一结构中，数据库存储所接收的来自用户的估计概率，该概率表示事先认为的实现商业机会的概率。统计引擎使用贝叶斯定理的统计方法来计算成功概率以作为估计概率和所接收的来自销售机构的输入数据的函数。网络接口允许销售机构利用诸如个人计算机或个人数字助理(PDA)来远距离的更新状况的状态。市场引擎产生了一销售计划以作为第一概率集的函数。销售计划包括与实现商业机会有关的一系列活动。报告引擎产生了一收入报告以作为第一概率集的函数。

根据本发明的另一方面，本发明是指一种方法，在该方法中数学模型存储在数据库中，该模型具有多个用于表示商业机会以及相关状况的对象。所接收到的来自用户的第一概率集也存储在数据库中。接收来自销售机构的输入数据，输入数据表示与一个商业机会相关的状况的状态。计算第二概率集以作为输入数据和第一概率集的函数，第二概率集表示成功的实现商业机会的概率。

根据又一方面，本发明是指一计算机可读介质，该介质具有存储在其上的数据结构。该数据结构包括第一数据域以存储商业机会。第一组多个数据域存储状况，其中状况的子集表示销售机构所执行的活动。第二组多个数据域存储状况的状态。第三组多个数据域存储所接收到来自用户处的一概率集。第四组多个数据域存储了一概率集，该概率集表示成功实现每个商业机会的概率。在一结构中，计算第四组多个数据域以作为状态域和第三组多个数据域的函数。

结合下面的附图和描述，可提出本发明的各种实施例。根据描述、附图以及权利要求，本发明的其他特征和优点将变得显而易见。

附图说明

图1是一***的方框图，该***用于统计的定量销售机会且在数学上模造销售机会以便预测收入并产生面向解决方案的销售计划；

图2是用于实现统计的定量销售机会这样一个处理的流程图；

图3示出了由销售机构所使用的用于提供与商业机会有关的输入数据的一示例性数据登记表；

图4采用图解的形式示出了一示例性模型；

图5示出了一组示例性的估计概率，该概率是用户在从销售机构接收到数据之前由用户提供的；

图6示出了一个销售计划的样本；

图7示出了一个收入报告的样本；

图8是适于实现本发明各种实施例的计算机的方框图。

具体实施方式

通常，本发明是指一***，该***用于统计的定量销售机会且在数学上模造销售机会以便预测收入并产生面向解决方案的销售计划。与传统的***不一样，这里所描述的收入预测***统计分析与每个商业机会相关的一组状况。

图1是一***的方框图，该***用于统计的定量销售机会且在数学上模造销售机会以便预测收入并产生面向解决方案的销售计划。销售机构6与潜在的客户相互作用并利用通信设备16来报告他们的活动。通信设备16通过网络18将所接收到的来自销售机构6的数据传送到收入预测***30。此外，销售机构6也通过通信设备16接收来自收入预测***30的数据。例如，销售机构6可远程的检索并观看销售计划8和收入报告10。

通信设备16代表任何一种可用于接收来自销售机构6的输入数据并与网络18接口的通信设备。合适的通信设备16可以是个人数字助理(PDA)，例如由加利福尼亚的Santa Clara公司所生产的Palm^TM管理器。或者，通信设备16可以是运行网络浏览器的个人计算机，例如华盛顿的雷德蒙微软公司所生产的Internet Explorer^TM。另外，通信设备16可以是传统的或蜂窝式电话。通信设备16通过通信信号24与网络18进行通信。网络18表示任何通信网络，例如象国际互联网这样的基于数据分组的数据网。

收入预测***30包括网络接口32，状况集34，统计引擎36，销售人员自动化(SFA)数据库38，模型生成器40，市场引擎42以及报告引擎44。在一结构中，网络接口32包括一个或多个执行网络服务器软件的网络服务器以与通信设备16通信，例如由微软公司制造的国际互连网信息服务器。网络服务器安排网页就绪以响应通信设备16的访问。网页包括诸如文本和图形图像这样的静态介质和诸如文本入口框、单选按钮、下拉菜单这样的传统输入介质及类似的介质以接收来自销售机构6的与通信设备16有关的信息。

状况集34定义了一模型，该模型建立了商业机会与实现该机会所必须的“状况”之间的关系。在一结构中，状况集34是诸如关系数据库管理***(RDBMS)这样的数据库。状况集34根据特性、活动以及相应成本来定量每个商业机会。在状况集34内，每个状况具有一状态。例如，状态可标识是否出现了特定的销售活动。或者，状态可将活动定量为一个或多个诸如计划、进行以及完成这样的阶段。此外，状态可表示是否存在特定状况，例如，目标客户是否支持特定数据库。许多状况被用于客观的表征诸如SIC代码、收入、利润、主要企业部门、技术基本设施、决策人员、将被所提议的销售而替换的当前产品或服务这样的目标客户状况。其他的状况客观的表征诸如竞争商业机会的主要竞争者、他们各自的SIC代码、由竞争者所提供的产品或服务、他们各自的市场分额这样的竞争状况。另外的状况客观地表征诸如成功率和平均交易额这样的销售人员状况。此外的状况客观的表征已发生的销售活动，例如销售人员是否将市场信息传送给目标客户、是否提供了产品的技术概况，是否给出了完全的论证以及客户是否利用了评估方案。

网络接口23通过网络18接收来自通信设备6的输入数据并更新状况集34内的适当状况。在一结构中，状况集34利用运行在数据库服务器上的数据库引擎来执行，例如微软公司的SQL服务器。在该结构中，数据库服务器通过基于数据分组的局域网(LAN)而与网络接口23相耦合。在另一结构中，网络接口23是诸如中央PBX(专用分组交换机)这样的计算机电话通信设备，该设备通过传统的电话线接收来自传统电话机的输入数据。

统计引擎36利用逻辑操作以从状况集34中得到推断结果。统计引擎26分析状况集34内的每一个机会以及相关的状况并产生成功的实现商业机会的一概率。在一结构中，统计引擎36是具有自适应推断引擎的一专家***以根据所接收到的来自销售机构6的输入数据来修改推断结果。

销售人员自动化(SFA)数据库14是一关系数据库管理***(RDBMS)，该***用于保存诸如连缀信息这样的销售信息以及包括有标准工业代码(SIC)、规模和产品的公司特性。SFA数据库14为状况集34提供了每个商业机会的各种信息，该信息包括大量的潜在商品和包含在交易中的服务以及通常的相关销售人员的折扣率。

被称为模型设计器的模型生成器32允许用户采用图解的方式为给定的产品或服务定义一模型。该过程一般包括调查历史销售数据并确定诸如平均交易额和每一工业区的销售额这样的实际情况。模型设计器与销售机构6以及其他高级负责人一起工作以确定商业机会和完成商业机会所必须的状况。如下所述，根据该输入数据，模型设计器与模型生成器32相互协作以确定一数学模型。模型生成器32按照关系数据库的样式产生了状况集34。

在一结构中，统计引擎36利用贝叶斯规则来预测收入。在该结构中，状况集34被创建成一贝叶斯模型，该模型具有由所确定的关系而互连的多个对象。模型中的每个对象与状况集34内的一个状况相对应。在一执行过程中，模型生成器32根据目标客户的标准工业代码(SIC代码)来选择商业机会的缺省属性。

在一结构中，利用统计引擎36的贝叶斯建模方法需要用户在接收到来自销售机构6的实际数据之前，对在模型的未知状况下的销售做出估计。模型生成器32提示用户对每个状况的概率作出估计并对状况作任何相关的平均加权。模型生成器32将该估计值和他们各自的加权值存储在状况集34内以作为第一概率集。

在统计引擎36接收到数据之后根据模型设计器所提供的两个估计分布和所接收到的来自销售机构6的实际数据利用贝叶斯规则而获得状况的“后验分布”。根据该后验分布，统计引擎36计算将来观测值的预测分布。

例如，给定一组数据D和一模型M，该数据D是所接收到的来自销售机构6的数据，该模型M存储在状况集34内，贝叶斯基本定量表达如下： $P\left(M\right|D)=P\left(M\right)\left[\frac{P\left(D\right|M)}{P\left(D\right)}\right]$

P(M)表示存储在状况集34中的模型本身。P(D|M)是按照模型M的数据D的似然性并表示先前的估计值和由模型设计器所提供的加权平均值。分母P(D)是一标准数值，因此可计算不同模型对同一数据所产生的相对概率。探测不同的概率度非常有益于收入预测，允许对不同的“怎么办”方案进行分析。根据这些数值，统计引擎36通过估计按照模型M的数据D的似然性即P(D|M)来计算P(M|D)，P(M|D)表示按照数据D的模型M的“后验概率(posterior probability)”。

下述等式说明了怎样用贝叶斯规则来计算诸如均值、变量б这样的模型参数的后验概率，该后验概率是作为参数的数据D似然性，参数的先前估计值以及标准常量的函数。 $P(\mathrm{\μ},\mathrm{\σ}|D,M)=\left[\frac{P\left(D\right|\mathrm{\μ},\mathrm{\σ},M)P(\mathrm{\μ},\mathrm{\σ}|M)}{P\left(D\right|M)}\right]$

根据给定的值μ，б可明确的估算数据D的似然性。先前的估计值是所假定的给定模型参数上的联合概率分布。该参数是由模型设计器或模型设计人员(model engineer)输入的并存储在状况集34中。归一化数值P(D|M)是由第一个公式所计算的所关注的量，并可通过针对模型参数所有可能的值在左手边进行积分来从第二个等式中求取。

因为对所有事件上的分布进行积分可给出单一的值，并且因为上述等式的分母与μ，б无关，因此可由下面的等式确定P(D|M)的值。 $P\left(D\right|M)=\underset{\mathrm{\μ},\mathrm{\σ}}{\∫}P\left(D\right|\mathrm{\μ},\mathrm{\σ},M)P(\mathrm{\μ},\mathrm{\σ}|M)$

因此，统计引擎36可利用上述等式来产生P(D|M)，于是可利用该P(D|M)来解决上述第一个等式并产生状况的后验分布P(D|M)，即实现商业机会的概率。根据所形成的先前估计值，该积分需要相当多的计算资源。在另一情况下，可通过如下所述的对离散模型的概率求和来粗略估计该积分，例如，D.MacKay：神经计算，1992年第4卷，第3期，第415-472页，以及第5期，第698-714页，通过对其参考而引入整个内容。按照这种方式，统计引擎36计算后验分布P(M|D)，P(M|D)表示根据客观状况的当前状态来实现商业机会的概率，因此P(M|D)可用于客观的预测收入。

状况集34存储P(D|M)，作为第一概率集的P(D|M)基于由模型设计器所提供的预想的加权平均值。如上所述，统计引擎36分析状况集34内的机会和状况以产生另外的概率集。例如，统计引擎36利用诸如上述贝叶斯方法这样的统计分析技术来产生并存储后验分布P(M|D)以作为第二概率集。因为对“如果…怎么办”进行了分析，因此统计引擎36产生并保存另外的概率集。这允许诸如销售管理人员这样的用户改变状况集34内的状况并产生新的概率集。例如，销售管理人员希望产生一新的概率集，如果新的竞争者进入市场那么该新的概率集可预测输入。

根据概率集的结果，市场引擎130产生销售计划8以及相应的市场材料。销售计划32包括实行商业机会的优先表以及实现每个商业机会所必须执行的一系列活动。此外，每个活动的花费也被列表并提供了实现每个商业机会的总花费。

报告引擎44产生了多种收入报告10，该报告通常提供了与收入预测和销售相关的各种信息。例如，报告引擎允许高级负责人产生各种格式的收入报告10，例如：(1)机会的实现概率；(2)机会的资源需求；以及(3)机会的投资回收率(ROI)。

图2是用于实现统计的定量销售机会这样一个处理的流程图。开始，模型设计器与模型生成器相互作用以开发并存储状况集34，该状况集34是商业机会和相关状况的数据库，状况集34被创建并与形成统计模型有关(42)。模型内的每个状况与一对象有关。一组对象表示与销售机构6的销售活动有关的状况。另外一组对象与商业机会本身的特性有关。模型生成器40与销售人员自动化数据库38相互作用以提取客户和相应联系人的列表，因此可容易的开发并保存状况集34。在一结构中，数学模型是贝叶斯模型。

接下来，收入预测***30通过网络接口32接收来自销售机构6的输入数据(44)。更具体的说，销售机构6与客户相互作用并提供输入数据，该输入数据标识了每个商业机会的一个或多个状况的状态。诸如个人数字助理这样的通信设备6通过网络18传送数据，网络18可以是国际互联网这样的基于数据分组的网络。例如，销售机构6可通过利用运行在通信设备6上的网络浏览器而存取网络接口2内的网络服务器以提供数据。网络接口2接收数据并更新当前保存在状况集34内的状态(46)。

统计引擎36分析状况集34并产生一组概率，该组概率表示成功实现每个商业机会的概率。在一结构中，如下所示，统计引擎36利用贝叶斯方法来产生概率。

在对所接收到的来自销售机构6的数据进行分析之后，统计引擎36执行趋势分析并自适应的调节模型(50)。例如，统计引擎36通过将已预测的成功概率与实际成功率相比较来对状况集32内的状况进行加权。另外，模型设计器对所估计的概率进行修改，该估计概率是基于所接收的来自销售和市场的新的输入数据而提出的。模型设计器还向状况集32增加状况或从状况集32移去状况。

基于所产生的实现商业机会的概率，市场引擎42从SFA数据库中提取信息并产生一销售计划以作为概率集的函数(52)。报告引擎44从状况集34中提取信息并产生收入报告10(54)。

图3给出了由销售机构所使用的用于提供与商业机会有关的输入数据的一示例性数据登记表。网络接口32将数据登记表格60传送到通信设备16以输入数据。例如，按照超级文本标志语言(HTML)来定义数据登记表格60以通过网络浏览器来捕获数据。

数据登记表格60包括多个数据区以客观的从销售机构6中捕获状态信息。例如，在输入区62中，销售人员标明主要竞争者，销售人员与该竞争者在特定的商业机会上进行竞争。在输入区64中，销售人员通过选择客户所需要的一个或多个平台来报告目标客户的技术基础设施。例如，销售人员标明操作***的类型以及目标客户所需要的数据库引擎。在输入区66，销售人员标明影响并最终同意在诸如执行部门这样的目标客户处购买货物的个体。可很容易的对数据登记表格60进行扩展以捕获诸如销售活动的状态这样的其他数据。

图4采用图解的形式给出了存储在状况集34内的一示例性模型70。模型70具有一商业机会对象72用于存储与个体商业机会相关信息。每个商业机会对象72与多个状况对象72A至72E相关。每个状况对象72对应一状况并存储表征相关机会或成功的实现该机会所必需的活动的信息。同样，每个状况对象具有一个或多个信息域以及相应的状态。例如，竞争者状况70A具有四个信息域74，这四个信息域标识了机会的主要竞争者。

图5给出了一组示例性的初始概率76，该组概率基于在从销售机构6接收到数据之前所预设的估计值。同样，这些概率相应于上述贝叶斯分析中所使用的P(D|M)。每个概率与一个状况有关，该状况被定义在模型中并利用相关的概率可描述预测的结果。例如，第一概率表示公司A是竞争者，并且公司A企图通过目标客户中的IT支持者来启动该销售的概率是95％。

图6给出了由市场引擎42所产生的一销售计划8的样本。对于每个商业机会80而言，销售计划8提供了由销售机构6所输入的数据的概要信息82。接下来，销售计划8提出了一分析部分，在对上述状况集34进行分析之后，该分析部分提出了统计引擎36的结果。最后，对于每个商业机会80而言，销售计划8提出了一建议部分86，该建议部分提供了可直接增加客观的实现该商业80的概率的简明行动方式。

例如，概要信息82标明了销售人员已进入了作为商业机会80主要竞争者的公司A。同样，统计引擎确定公司A将提高其产品的技术力量以及击败任何竞争者的技术力量的概率很高，如分析部分84所提出的。因此，统计引擎36提出了建议部分86，该部分包括多个作用方式以增加实现商业机会的概率。

图7给出了由报告引擎44所产生的收入报告10的样本。输入报告10列有多个商业机会和每个商业机会的潜在收入以及由统计引擎36所确定的实现每个机会的计算概率。根据这些概率，收入包括10提出了总的收入预测。这里所描述的本发明的收入预测可由数字电子电路实现，或由计算机硬件、固件、软件实现，或由这些组合实现。例外，本发明可由可触知的包含在机器可读存储介质上的计算机程序来实现，该计算机程序由可编程***的操作环境中的可编程处理器来执行。

图8给出了可编程的计算***100，该***提供有适于实现上述技术的操作环境。***100包括一处理器112，在一实施例中的微处理器是由加利福尼亚的英特尔公司所制造的PENTIUM^微处理器系列。然而，本发明也可由基于其他微处理器的计算机实现，例如由SiliconGraphics公司所制造的MIPS^微处理器系列，由摩托罗拉和IBM公司所制造的POWERPC^微处理器系列，由Hewlet-Packard公司所制造的PRECISION ARCHITECTURE^微处理器系列，或由康柏计算机公司所制造的ALPHA^微处理器系列。在各种结构中，***100表示任何服务器、个人计算机、膝上计算机，或甚至是电池供电的、袖珍的、以手提式PC而著称的便携式电脑或个人数字助理(PDA)。

***100包括***存储器113，该***存储器包括有只读存储器(ROM)114和随机存取存储器(RAM)115，随机存取存储器(RAM)115通过***数据/地址总线116与处理器112相连。ROM114是指电可擦可编程只读存储器、闪速存储器等等这些主要的只读设备中的任何一种。RAM115是任何一种诸如同步动态随机存取存储器这样的随机存取存储器。

在***100内，输入/输出总线118通过总线控制器119与数据/地址总线116相连。在一实施例中，输入/输出总线118用作标准的外设部件互连(PCI)总线。总线控制器119检查来自处理器112的所有信号以将这些信号路由到合适的总线。微处理器112和***存储器113之间的信号仅仅通过总线控制器119。然而，来自处理器112的信号是用于设备的而不是用于存储器113的，则被路由到输入/输出总线118。

包括硬盘驱动器120、软盘驱动器121，光盘驱动器122的各种设备都与输入/输出总线118相连。软盘驱动器121用于读取软盘151，诸如CD-ROM这样的光盘驱动器122用于读取光盘152。视频显示器和其他类型的显示器通过视频适配器125与输入/输出总线118相连。

用户通过利用键盘140和/或诸如鼠标142这样的指示器将命令和信息输入到***100中。鼠标142通过输入/输出端口128与总线118相连。其他类型的指示器(未给出)包括跟踪板、跟踪球、操纵杆、数据手套(data gloves)、头部***(head trackers)，以及适于对视频显示器124上的光标进行定位的其他设备。

***100包括一调制解调器129。尽管图示的调制解调器129在***100之外，但是对于本领域普通技术人员来说可迅速确定该调制解调器129也可位于***100之内。通常调制解调器129被用于在诸如全球国际互连网这样的广域网(未给出)上进行通信。利用有线或无线连接可将调制解调器129与网络相连。

通常应用软件136和数据存储在一个存储器中，存储器包括硬盘120、软盘151、CD-ROM152并被拷贝到RAM115中以执行。在一实施例中，应用软件136存储在ROM114中并被拷贝到RAM115中以执行或直接从ROM114执行。

一般，操作***135执行应用软件136并执行由用户所提出的指令。例如，当用户想装入一应用软件136时，操作***135解释该指令并使处理器112将应用软件136从硬盘120或光盘152装入到RAM115。一旦一个应用软件136被装入到RAM115，它可被处理器112使用。在应用软件136很大的情况下，处理器将所需的程序块的各部分装入到RAM115。

***100的基本输入/输出***(BIOS)117是一组基本的可执行例程，这些例程有助于在***100的计算资源之间进行信息传输。操作***135或其他应用软件136使用这些低级别的服务例程。在一实施例中，***100包括一注册表(未给出)，该注册表是一***数据库用于保存***100的配置信息。例如，由华盛顿的雷德蒙微软公司所生产的操作***Windows将注册表保存在被称为USER.DAT和SYSTEM.DAT的两个隐藏文件中，这两个文件位于诸如内部磁盘这样的参数存储设备中。

Claims (42)

1、一种方法包括：

在数据库中存储商业机会和相关的状况；

接收来自多个用户的输入数据，其中输入数据标识了与一商业机会相关的至少一个状况的状态；

产生了作为输入数据函数的一概率集，该概率表示成功的实现商业机会的概率。

2、如权利要求1的方法，其中接收数据的步骤包括通过基于数据分组的网络来接收来自销售机构的数据。

3、如权利要求2的方法，其中基于数据分组的网络是国际互联网。

4、如权利要求1的方法，其中接收输入数据的步骤包括接收来自个人数字助理(PDA)的输入数据。

5、如权利要求1的方法，其中接收输入数据的步骤包括通过存取网络服务器来接收来自网络浏览器的输入数据。

6、如权利要求1的方法，进一步包括访问销售人员自动化程序来提取客户和相应联系人的列表。

7、如权利要求1的方法，其中数据库表示一数学模型，其中每个状况与该模型内的一对象有关。

8、如权利要求7的方法，其中产生概率集的步骤包括利用统计引擎来分析数学模型。

9、如权利要求7的方法，其中数学模型是一贝叶斯模型，并且其中产生概率集的步骤进一步包括利用贝叶斯统计分析来产生概率集。

10、如权利要求1的方法，进一步包括自适应的调节模型以响应所接收到的来自用户的输入。

11、如权利要求1的方法，进一步包括产生作为概率集函数的一销售计划。

12、如权利要求1的方法，进一步包括产生作为概率集函数的一收入报告。

13、如权利要求1的方法，其中状况的子集表示由销售机构所执行的活动。

14、如权利要求1的方法，其中状况的子集表征商业机会的目标客户的技术基础设备。

15、如权利要求1的方法，其中每个商业机会是具有一目标客户的销售机会。

16、如权利要求1的方法，其中状况包括下列一个和多个项：

一销售人员；

销售人员的成功率；

销售人员的平均交易额；

目标客户；

目标客户的SIC代码；

目标客户的收入；

目标客户的利润；

目标客户的主要商业区；

目标客户的技术基础设施；

目标客户的决策者；

目标客户的产品或服务，该产品或服务将被所实现的商业机会转移；

目标客户的一个或多个竞争者；

竞争商业机会的一个或多个供应商；

由供应商所提供的竞争产品或服务；

由供应商所提供的产品或服务的市场分额；以及

一个或多个运作的状态，该运作包括将市场信息传送到目标客户，为目标客户提供产品技术概观，为目标客户提供演示，并为目标客户提供一评估方案。

17、一种方法包括：

在数据库中存储一数学模型，其中数学模型包括多个用于表示商业机会和相关状况的对象；

存储所接收到的来自用户的第一概率集；

接收来自销售机构的输入数据，其中输入数据标识了与一商业机会相关的至少一个状况的状态；并且

计算作为输入数据和第一概率集的函数的第二概率集，其中第二概率集表示成功实现商业机会的概率。

18、如权利要求17的方法，其中计算第二概率集的步骤包括利用贝叶斯统计分析。

19、如权利要求17的方法，进一步包括自适应的调节第一概率集以响应所接收到的来自用户的输入或第二概率集。

20、如权利要求17的方法，其中接收输入数据的步骤包括通过存取互连网上的网络服务器来接收来自网络浏览器的输入数据。

21、如权利要求17的方法，进一步包括访问销售人员自动化程序来提取客户和相应联系人的列表。

22、如权利要求17的方法，进一步包括产生作为概率集函数的一销售计划。

23、如权利要求17的方法，进一步包括产生作为概率集函数的一收入报告。

24、如权利要求17的方法，其中状况的子集表示由销售机构所执行的活动。

25、具有包含在其上的指令的计算机可读介质，所述指令可使可编程处理器执行权利要求1的方法。

26、具有包含在其上的指令的计算机可读介质，所述指令可使可编程处理器执行权利要求2-16的方法。

27、具有包含在其上的指令的计算机可读介质，所述指令可使可编程处理器执行权利要求17的方法。

28、具有包含在其上的指令的计算机可读介质，所述指令可使可编程处理器执行权利要求18-24的方法。

29、具有包含在其上的数据结构的计算机可读介质，所述数据结构包括：

第一数据域，用于存储商业机会；

第一多个数据域，用于存储与商业机会有关的状况，其中那个状况的子集表示由销售机构所执行的活动；

第二多个数据域，用于存储状况的状态；

第三多个数据域，用于存储所接收到的来自用户的第一概率集；以及

第四多个数据域，用于存储第二概率集，第二概率集表示成功的完成商业机会的概率。

30、如权利要求29的计算机可读介质，其中第二概率集被计算以作为输入数据和第一概率集的函数。

31、如权利要求29的计算机可读介质，其中状况的子集与实现商业机会的活动的相关。

32、一种***包括：

商业机会和相关状况的数据库；以及

运行在计算机操作环境内的一统计引擎，用于分析数据库并计算第一概率集，第一概率集表示表示成功的完成商业机会的概率。

33、如权利要求32的***，其中数据库存储所接收到的来自用户的第二概率集。

34、如权利要求32的***，其中统计引擎利用贝叶斯统计方法来计算第一概率集以作为输入数据和第二概率集的函数。

35、如权利要求32的***，网络接口将来自多个用户的输入数据传送到数据库，其中输入数据表示至少一个状况的状态。

36、如权利要求30的***，进一步包括一销售人员程序(SAP)以保存客户和联系信息。

37、如权利要求32的***，其中数据库表示具有多个对象的一数学模型，该对象表示商业机会和状况。

38、如权利要求32的***，其中状况子集表示由销售机构所执行的活动。

39、如权利要求32的***，其中统计引擎自适应的调节模型以响应所接收到的来自用户的输入数据。

40、如权利要求32的***，进一步包括一市场引擎，用于产生销售计划以作为第一概率集的函数，其中销售计划包括与实现商业机会相关的活动列表。

41、如权利要求32的***，进一步包括一报告引擎，用于产生收入报告以作为第一概率集的函数。

42、如权利要求32的***，进一步包括一模型生成器，用于接收来自用户的第二概率集并将第二概率集存储在数据库中。

Images