Sunteți pe pagina 1din 37

Academia de Studii Economice.

Facultatea de Ciberneticã,
Statisticã şi Informaticã Economicã

PROIECT PACHETE SOFTWARE


Kraft Foods Romania

Ionascu Cosmin
Ivaşcu Claudia
Grupa 1046
An III, C.S.I.E.

Bucuresti 2011
Diverse probleme din cadrul firmei Kraft Foods Romania si rezolvarea lor prin
intermediul pachetelor software

Kraft Foods Romania este o filiala a Kraft Foods Inc, a doua mare companie din lume in
domeniul produselor alimentare.
Compania mama situata in Chicago USA da libertate de decizie sucursalelor astfel incat
acestea sa isi adapteze produsele si serviciile pentru a satisface nevoia locala
După o atenta analiza a conditiilor economice, politice si legale existente pe teritoriul
Romaniei si a pietelor locale, a concurentei si a perspectivelor de crestere pe aceste piete si luand
in considerare resursele de care dispune firma, precum si avantajele pe care le are, s-a hotarat ca
marca Kraft Foods sa se implementeze si in Romania.
Compania a intrat pe piata romaneasca in 1994, odata cu achizitionarea pachetul majoritar de
actiuni al Fabricii de Produse Zaharoase Poiana din Brasov.

Printre principalele produse ce apartin de Kraft Foods Romania sunt nume deja cunoscute
pe piata locala (care pana acum au fost importate si distribuite de companiile locale):
 Produse de ciocolata : (3 linii de produse)
 Smash,
 Milka,
 Toblerone
 Produse de cafea:
 Jacobs
 Nova Brasilia
 Branzeturi :
 crema de branza Philadelphia.
Totodata, se fabrica si produse adaptate pietei romanesti:
 produse de ciocolata : Africana , Poiana, Suchardine
 bomboane : Silvana si Sugus.
Kraft Foods România urmareste aceeasi directie ca si Kraft Foods International: mentinerea unui
nivel calitativ cat mai inalt, plus un proces continuu de inovare a produselor existente.
Tot ceea ce se intreprinde in firma decurge din telul propus. Nu este doar o companie care
vinde produse alimentare, ci aceste produse sunt insasi esenta.
Folosirea pachetului software EXCEL

1. Functii matematice :

Pentru fiecare dintre produsele comercializare de firma avem pretul fara TVA. Sa
se calculeze atat pretul cu TVA 19% cat si cu TVA-ul 24% - folosind adersarea absoluta.
Apoi sa se calculeze pretul pachetelor standard si promo avand urmatoarele informatii:
a. Pachetul standard contine 1000 de bucati din urmatoarele produse : Smash,
Poiana, Africana, Toblerone, Jacobs si branza Philadephia , calculate cu TVA
24%.
b. Pachetul promo se calculeaza la pretul produselor cu TVA 19% si contine
urmatoarele produse : 1000 de bucati din Milka si Nova Brasilia , 2000 din
Suchardine si 3000 din Sugus si Silvana.

Avem preturile in tabelul de mai jos :

Metode de calcul :

- Coloana C se calculeaza folosind formula : Ci=Bi*$B$19 cu i de la 3 la 16 exceptand 9


12 si 15
- Coloana D se calculeaza folosind formula : Di= =Bi*$B$20 cu i de la 3 la 16 exceptand 9
12 si 15
- Coloana E se calculeaza folosind formula: Ei= =Bi+Di cu i de la 3 la 16 exceptand 9 12 si
15
- Pentru pachetul standard calculam coloana H astfel : Hi=1000*Ei unde i este numele
produsului
-H8= SUM(H2:H7)
- Pentru pachetul promo calculam coloana K astfel : Ki=x* (Bi+Ci) unde i este produsul iar
x cantitatea din fiecare produs (cantitate data in problema).

In urma aplicarii formulelor obtinem urmatoarele rezultate :

In urma calculelor rezulta un pret al pachetului Standard de 30.380 RON in timp ce un pachet
standard atinge 54.740 RON.

2. Functia financiara :

Am realizat o investitie de 200 000 RON ce sa platesc in cursul unui an. In urma acestei
investitii se obtin venituri de: 65 000 RON, 75 000 RON, 83 000 RON si 79 000 RON pe
parcursul a 4 ani. Daca rata anuala a inflatiei este de 7,6% care va fi valoarea prezenta neta a
investitiei?

Metoda de calcul :

- Pentru a calcula valoarea prezenta neta a investitiei am folosit functia NPV, definita astfel:
NPV(rata,val1, val2,…), unde parametrii functiei au urmatoarele semnificatii:
rata-rata anuala a inflatiei
val1, val2,… - reprezinta sumele platite/veniturile obtinute. (investitiile se trec in lista de
parametrii a functiei ca valori negative).
In urma aplicarii functiei pentru datele noastre s-a obtinut :

Cu datele de intrare din problema data ne rezulta o rata prezenta neta a investitiei de 47.165,01
RON.

3. Functia definita de utilizator :

Pentru fiecare agent de vanzari cunoastem pentru fiecare saptamana numarul de pachete
vandute (atat standard cat si promo).
Sa se calculeze valoarea vanduta de fiecare dintre agenti (folosind informatii din Sheet-ul
Date).
Stiind ca salariul de baza este 800 RON si ca fiecarui agent i se adauga un commission in
functie de numarul de pachete vandute pe luna sa se calculeze salariul primit de fiecare
dintre agenti .

Comisionul se calculeaza astfel :

- 0% din valoarea vanduta pentru 0-10 pachete standard sau 0-5 pachete promo
- 0.03% din valoarea vanduta pentru 11-15 pachete standard sau 6-10 pachete promo
- 0.05% din valoarea vanduta pentru 16-20 pachete standard sau 11-15 pachete promo
- 0.07% din valoarea vanduta pentru 21-25 pachete standard sau 16-20 pachete promo
- 0.09% din valoarea vanduta pentru 26-30 pachete standard sau 21-25 pachete promo
- 0.1% din valoarea vanduta pentru >=31 pachete standard sau >=26 pachete promo.
Metode de calcul :

- Coloanele L si M se calculeaza folosind date din sheet-ul Date astfel :


Li= =Ji*Date!$H$8 iar Mi= =Ki*Date!$K$8 unde i este de la 3 la 12
- Totalurile se calculeaza folosind functia matematica SUM.
- Pentru calculul comisionului folosim functia definita de utilizator :
In Visual Basic scriem urmatorul cod :

Function Comision(pStandard, pPromo, valVanduta)

If pStandard <= 10 Or pPromo <= 5 Then


Comision = 0 * valVanduta
Else
If pStandard >= 11 And pStandard <= 15 Or pPromo >= 6 And pPromo <= 10 Then
Comision = 0.03 * valVanduta
Else
If pStandard >= 16 And pStandard <= 20 Or pPromo >= 11 And pPromo <= 15 Then
Comision = 0.05 * valVanduta
Else
If pStandard >= 21 And pStandard <= 25 Or pPromo >= 16 And pPromo <= 20 Then
Comision = 0.07 * valVanduta
Else
If pStandard >= 26 And pStandard <= 30 Or pPromo >= 21 And pPromo <= 25 Then
Comision = 0.09 * valVanduta
Else
Comision = 0.1 * valVanduta
End If
End If
End If
End If
End If
End Function

In urma folosirii formulelor obtinem urmatoarele rezultate :

In urma calculelor observam ca agentul Hirsu Andrei obtine cel mai mare comision in
valoare de 2.183,20 RON in urma unor vanzari de 2.425.780 RON, urmat de Tanase Adrian cu
un comision de 1.289,58 RON si de Toba Cosmin, al carui comision atinge suma de 936.18
RON.

Valoarea totala a vanzarilor este de 16 932 580 RON , din care 36.26% e datorata celor 3.

4. Functii logice:

Pentru fiecare client cunoasteam cantitatea cumparata din fiecare produs. Pentru a stimula
clientii in a cumpara o cantitate mai mare de produse, vrem sa oferim un discount pentru fiecare
produs, in functie de cantitatea achizitionata din acesta, dupa cum urmeaza:
- Milka – discount de 0.105% daca s-a achizitionat o cantitate mai mare de 5000 buc
- Poiana – discount de 0.1% daca s-a achizitionat o cantitate mai mare de 3000 buc
- Africana – discount de 0.102% daca s-a achizitionat o cantitate mai mare de 2500 buc
- Smash – discount de 0.11% daca s-a achizitionat o cantitate mai mare de 2000 buc
- Toblerone – discount de 0.15% daca s-a achizitionat o cantitate mai mare de 3000 buc
- Suschardine – discount de 0.07% daca s-a achizitionat o cantitate mai mare de 3000 buc
- Jacobs – discount de 0.05% daca s-a achizitionat o cantitate mai mare de 3000 buc
- Nova Brasilia – discount de0.072% daca s-a achizitionat o cantitate mai mare de 2000buc
- Silvana – discount de 0.03% daca s-a achizitionat o cantitate mai mare de 1500 buc
- Sugus – discount de 0.085% daca s-a achizitionat o cantitate mai mare de 2500 buc
- Branza Philadelphia – discount de 0.045% daca s-a achizitionat o cantitate mai mare de
1500 buc.

Folosind functia logica IF determinati de ce discount va beneficia fiecare client pentru fiecare
produs in parte.
Cantitatea din fiecare produs pe care a cumparat-o fiecare client

Metode de calcul :

Folosim functia IF astfel : (unde i este clientul)


-pentru discount-ul produsului Milka : IF(Bi>5000,0.105,0)
-pentru discount-ul produsului Poiana : IF(Ci>3000,0.1,0)
-pentru discount-ul produsului Africana : IF(Di>2500,0.102,0)
-pentru discount-ul produsului Smash : IF(Ei>2000,0.11,0)
-pentru discount-ul produsului Toblerone : IF(Fi>3000,0.15,0)
-pentru discount-ul produsului Suchardine : IF(Gi>3000,0.07,0)
-pentru discount-ul produsului Jacobs: IF(H4>3000,0.05,0)
-pentru discount-ul produsului Nova Brasilia : IF(Ii>2000,0.072,0)
-pentru discount-ul produsului Silvana : IF(Ji>1500,0.03,0)
-pentru discount-ul produsului Sugus : IF(Ki>2500,0.085,0)
-pentru discount-ul produsului branza Philadelphia : IF(Li>1500,0.045,0)

Rezultatele se pot observa in tabelul de mai jos:

Clientul cu cel mai mare discount este Selgros (0.664).


5. Pivot table :

Folosind datele anterioare sa se faca un raport privind atat cantitatea din fiecare
produs comandata cat si cantitatea totala comandata de fiecare. Filtrati datele astfel incat
sa cuprinda numai clientii care au o comandat o cantitate mai mare decat 25 000 de
bucati.

Metoda de calcul :
- Se realizeaza un pivot table care arata in felul urmator :

Pentru a vedea care clienti au comndat mai mult de 25 000 de bucati folosim filtrul cantitate
totala. Obtinem urmatorii clienti :
6. Subtotaluri :

Calculati cantitatea totala din fiecare produs cumparat si cantitatea totala a


produselor comandate.

Metoda de calcul :

-Folosim Subtotals si obtinem :


7. Scenarii :

Presupunand ca nu mai comercializam branza Philadelphia, cum se modifica


valoarea vanzarilor?

Metoda de calcul :
- Folosim Scenario din pachetul Excel si modificam cantitatea de branza comandata
din cat este in zero

Obtinem:

Totalul bucatilor vandute se reduce de la 180 600 la 169 200 ceea ce determina o
scadere a profitului (o pierdere) de 82 305 RON.
8. Goal seek :

In ipoteza ca nu mai comercializam branza si nu mai oferim discount-uri, cate


bucati de ciocolata Milka trebuiesc vandute pentru a avea un profit de 1 200 000 RON?

Metoda de calcul :

-Folosim Goal seek-ul .

Avem situatia initiala :

In urma aplicarii metodei obtinem situatia ipotetica :

Se observa ca in situatia in care nu mai comercializam branza Philadelphia, pentru a ajunge la un


profit de 1 200 000 RON trebuie sa vindem 78 747 bucati de ciocolata Milka, vanzare ce aduce
un profit de 292 940 RON.
9. Grafice :

a. Realizati un grapfic care sa evidentieze evolutia vanzarilor de pachete standard si


respective promotionale, pe saptamana.

Metode de rezolvare :

-Alegem un folosirea unui line chart. Obtinem :

Din grafic observam ca in prima saptamana vindem cele mai multe pachete standard (61),
in timp ce minumul de pachete standard vandut se atinge in saptamana 3 (43 pachete). Tot in
saptamana 3 se vad si cele mai putine pachete promo , 34 pachete. Cele mai multe pachete
promo sunt vandute in saptamana 2 (61).
b. Creati un grafic care sa prezinte produsele cumparate si cantitatile comandate din
fiecare produs, de fiecare client.

Metoda de rezolvare :
-Folosim un grafic cu bare vertical.
c. Creati un grafic care sa evidentieze structura produselor in totalul cantitatii
comandate.

Metoda de rezolvare :
-Se alege un grafic de tip pie :

Se observa ca in totalul cantitatii vandute Milka detine locul 1, cu 29 400 de bucati vandute
(16%) , urmata de cafeaua Jacobs care detine o pondere de 13% , iar pe locul 3 se afla
bomboanele de ciocolata Suchardine care au fost vandute intr-o cantitate de 21 900.
Folosirea pachetului software WinQSB

1. Programare liniara :

Fabricarea a celor 4 tipuri de ciocolata (Mika,Poiana,Africana si Smash) necesita prelucrari


successive pe 4 utilaje U1,U2,U3,U4. In tabelul de mai jos sunt date consumurile unitare de timp, fondul
de timp disponibil al utilajelor precum si profiturile unitare.

Milka Poiana Africana Smash D (ore)


Matrita 3 ore 3 ore 2 ore 2 ore 1450
Copresor 2 ore 2 ore 1 ore 1 ore 1080
Aerograf 4 ore 0 ore 2 ore 0 ore 600
Dehidrator 0 ore 2 ore 0 ore 1 ore 300
PU 120 RON 100 RON 65 RON 45 RON

Sa se det structura optima corespunzatoare profitului maxim.

Inputul in WinQSB este urmatorul :

Outputul este urmatorul :


Firma trebuie sa produca doar Poiana si Africana in cantitatile de 150 bucati si 300 bucati, Smash si
Milka nu sunt rentabile.

Profitul maxim este de 34.500 RON iar aportul Poianei este de 15 000 RON iar cel al Africanei de
19.500 RON.

Daca urmarim ultima iteratie a tabelului Simplex observam ca raman nefolosite 400 si 480 de unitati de
timp (ore) la matrita si compresor, iar intregul fond de timp pentru aerograf si dehidrator este folosit.

2. Problema de transport.

Pachetele promotionale Kraft se afla in 4 depozite: Militari, Berceni, Pipera si Rahova si sunt solicitate de
hypermarket-urile Cora, Carrefour, Kaufland, Real, Auchan si Metro. In tabelul de mai jos sunt cantitatile
disponibile existente in depozite, cantitatile solicitate de consumatori si costul transportului unei unitati de
marfa de la depozit la hypermarket.

Cora Carrefour Kaufland Auchan Real Metro Cantitati


(RON) (RON) (RON) (RON) (RON) (RON) Disponibile
(pachete)
Militari 30 27 15 42 25 10 2200
Berceni 20 22 20 17 12 22 2000
Pipera 25 14 10 24 34 8 1000
Rahova 18 25 28 30 21 28 1300
Cantitati 1200 800 700 1300 1000 1500 6500
Solicitate
(pachete)

Sa se determine solutia care asigura aprovizionarea consumatorilor cu cheltuieli de transport minime.

Fereastra principal unde au fost introduse datele este urmatoarea:


Graful aferent problemei este urmatorul:

Output-ul problemei este urmatorul:

Costul minim asociat transportului este de 94 700 unitati monetare.

Conform acestei solurii Kaufland si Metro primesc intreaga cantitate din depozitul Militari, Auchan
primeste 1100 de pachete din deozitul Berceni iar restul de 200 din Pipera. De asemenea 900 dintre
unitatile cerute de Real sunt aprovizionate din Berceni, iar restul de 100 de pachete din Rahova. Intreaga
cantitate ceruta de Cora este furnizata din depozitul Rahova.
3. Analiza drmului critic

Conducerea Kraft se confrunta cu problema construirii unui nou depozit. Operatiile necesare
pentru construirea acestuia cat si timpul necesar fiecareia este sunt date in tabelul urmator:

Nr. Crt. Denumire activitate Cod act Act prec Durata(luni)


1 Proiectarea depozitului P - 7
2 Obtinerea avizelor de constructie A P 2
3 Comenzi utilaje CU P 3
4 Organizare santier OS P 3
5 Livrari utilaje LU CU 6
6 Executie retele termice R A,OS 10
7 Executie drumuri interioare D R 5
8 Lucrari, constructii, montaje C LU,R 14
9 Instruire personal E P 10

In calitate de project manageri pe acest proiect trebuie sa determinam daca depozitul poate fi terminat in
mai putin de 40 de luni ca si drumul critic al activitatilor.

Input-ul problemei este urmatorul:

Output-ul problemei este:


Grafic:

Timpul minim de executie este de 35 luni.


Dupa cum se observa din grafic drumul critic este format din activitatile P->OS->R->C.
Folosirea pachetului software SysStat

Conducerea departamentului de vanzari doreste o analiza a influentei vanzarii de pachete


standard asupra vanzarii de pachete promo.

Vom volosi pachetul software SysStat pentru a determina existenta unei legaturi.

In SysStat avem variabilele STADARD si PROMO:

Input-ul problemei este:

Datele introduse reprezinta vanzarile de pachete Standard si Promo in primele 10 saptamani ale
anului.

Incercam sa determinam un model valid si semnificativ statistic. Pentru asta vom folosi analiza
disperionala, regresie, teste statistice.

Vom nota cu y- vanzarile de pachete promo si cu x- vanzarile de pachete standard.

Modelul econometric este unul unifactorial de forma :


ŷ=α+β*x+εi
a. Testarea validitatii modelului – testul Fisher
In urma introducerii datelor in program, din analiza de regresie si analiza dispersionala am obtinut un
model de forma:
ŷ=15.157+0.211*x
Avand rezultatele afisate de program se constata ca Fc=1.913<Ft= 5,117355 (calculate in Excel cu FINV)
de unde rezulta ca modelul nu este semnificativ statistic.
b. Testarea semnificatiei parametrilor
ŷ=15.157+0.211*x
Testam semnificatia parametrilor prin intermediul lui tα/2;8=2.306 (calculate in Excel prin functia TINV)
α -> ta=4.507 > tα/2;8 => α semnificativ
β -> tb1=1.383 < tα/2;39 => β nesemnificativ

sau :
α -> sig a = 0.002<0.05 => α semnificativ
β -> sig b=0.204> 0.05 => β nesemnificativ

c. Calitatea modelului

R2=0.193=> 19.3% din variatia lui y este explicata de model .

In urma acestei analize s-a constatat ca volumul vanzarilor de pachete promo nu este influentat de
vanzarea pachetelor standard.
Folosirea pachetului SAS-Enterprise

1. Importul de fisiere non-SAS si crearea tabelelor de date SAS

Din fisierul de date .xlsx (fig1) am obtinut urmatoarea tabela SAS (fig2):

Fig 1.

Fig 2.
2. Interogari :

 Sa se creeze un raport care sa afiseze toate produsele cu un TVA(24%) mai mare de 0.5. Se
vor afisa doar numele produselor, TAV(24%) si pretul total. Produsele vor fi ordonate
alfabetic.

Dupa selectarea datelor si impunerea conditiilor, am obtinut o tabela cu urmatoarele date (fig3):

Fig 3.

Pentru a realiza acest lucru am folosit Query Builder-ul SAS. Acesta a folosit o procedura SQL, expusa in
figura 4.

Fig 4.
 Sa se importe in SAS datele despre clientii Kraft. Sa se creeze un raport care sa contina clientii ce
au o cantitate totala comandat mai mare de 25000 precum si o valoare/ produs de cel putin 7000
RON. Tabela va fi ordonata descrescator in functie de pret.

Din fisierul de date 4SAS va fi importata in SAS foaia de lucru 2. Vom apela Query Builderul SAS si
vom crea interogarea dorita (fig 5).

Fig 5.
Codul SQL apelat de SAS pentru obtinerea datelor poate fi observat in figura 6, iar datele obtinute in
tabelul 1.

Fig 6.

Nume Client Produs Comandat Cantitate Cantitate Totala Pret


Metro Jacobs 5500 25000 68200
Auchan Jacobs 4300 25400 53320
Kaufland Suchardine 4300 23400 42656
Selgros Suchardine 4300 34400 42656
Kaufland Jacobs 3200 23400 39680
Carrefour Jacobs 3100 26500 38440
Real Jacobs 2900 21300 35960
Selgros Nova Brasilia 4500 34400 33480
Cora Jacobs 2700 24600 33480
Auchan Suchardine 3200 25400 31744
Metro Suchardine 3200 25000 31744
Selgros Jacobs 2300 34400 28520
Selgros Sugus 4600 34400 28520
Carrefour Suchardine 2500 26500 24800
Auchan Branza Philadelphia 3200 25400 23808
Cora Suchardine 2300 24600 22816
Cora Milka 6000 24600 22320
Real Suchardine 2100 21300 20832
Real Milka 5500 21300 20460
Carrefour Milka 5400 26500 20088
Metro Sugus 3200 25000 19840
Cora Nova Brasilia 2500 24600 18600
Selgros Branza Philadelphia 2500 34400 18600
Auchan Nova Brasilia 2300 25400 17112
Real Nova Brasilia 2300 21300 17112
Selgros Toblerone 3400 34400 16864
Carrefour Sugus 2700 26500 16740
Auchan Milka 4300 25400 15996
Real Toblerone 3200 21300 15872
Carrefour Toblerone 3200 26500 15872
Metro Milka 3800 25000 14136
Carrefour Nova Brasilia 1800 26500 13392
Cora Branza Philadelphia 1800 24600 13392
Cora Toblerone 2700 24600 13392
Auchan Sugus 2100 25400 13020
Kaufland Sugus 2100 23400 13020
Kaufland Milka 3200 23400 11904
Cora Sugus 1900 24600 11780
Kaufland Branza Philadelphia 1500 23400 11160
Metro Poiana 4100 25000 10168
Kaufland Toblerone 1800 23400 8928
Real Branza Philadelphia 1200 21300 8928
Carrefour Branza Philadelphia 1200 26500 8928
Selgros Africana 4300 34400 7998
Kaufland Nova Brasilia 1000 23400 7440
Selgros Silvana 2900 34400 7192
Tabelul 1.

Dorim restrangerea datelor astfel incat sa afisam doar numele clientilor, produsele comandate si pretul
total/produs, pentru clientii ce au o cantitate totala comandata mai mare de 25000 bucati.

Pentru a realiza acest lucru vom mai crea o interogare pentru datele obtinute mai sus. Rezultatele obtinute
precum si codul SQL pot vi observate in figura 7.
Fig 7.
3. Jonctiune interna si externa

Pentru clientii Kraft, am dori sa aflam care ar fi fost valoarea achizitiilor in conditiile in care TVA-ul
ar fi ramas de 19%.

Pentru a realiza acest lucru, vom folosi o jonctiune interna prin intermediul Query Builder-ului, unde
legatura dintre tabele va fi data de numele produselor (fig 8).

Fig 8.

In continuare vom adauga 2 coloane calculate (folosind expresii avansate) pentru a calcula pretul unui
produs folosind TVA-ul vechi, iar apoi vom calcula suma totala pentru fiecare achizitie (fig 9).

Fig 9.
Coloanele ce vor fi adaugate in Query Builder se pot obserca in figura 10, iar acestea vor fi ordonate
alfabetic dupa numele clientului.

Fig 10.

In final se obtin datele prezentate in tabelul 2, iar codul SQL folosit pentru a genera datele respective se
poate vedea in figura 11.

Fig 11.
Nume Client Produs Comandat Cantitate TVAVechi PretTotal
Auchan Branza Philadelphia 3200 7.14 22848
Auchan Africana 700 1.785 1249.5
Auchan Suchardine 3200 9.52 30464
Auchan Jacobs 4300 11.9 51170
Auchan Sugus 2100 5.95 12495
Auchan Toblerone 1200 4.76 5712
Auchan Nova Brasilia 2300 7.14 16422
Auchan Milka 4300 3.57 15351
Auchan Silvana 1200 2.38 2856
Auchan Poiana 2100 2.38 4998
Auchan Smash 800 1.19 952
Carrefour Africana 1200 1.785 2142
Carrefour Toblerone 3200 4.76 15232
Carrefour Smash 1000 1.19 1190
Carrefour Milka 5400 3.57 19278
Carrefour Branza Philadelphia 1200 7.14 8568
Carrefour Silvana 2100 2.38 4998
Carrefour Suchardine 2500 9.52 23800
Carrefour Nova Brasilia 1800 7.14 12852
Carrefour Sugus 2700 5.95 16065
Carrefour Jacobs 3100 11.9 36890
Carrefour Poiana 2300 2.38 5474
Cora Toblerone 2700 4.76 12852
Cora Sugus 1900 5.95 11305
Cora Branza Philadelphia 1800 7.14 12852
Cora Nova Brasilia 2500 7.14 17850
Cora Smash 1200 1.19 1428
Cora Jacobs 2700 11.9 32130
Cora Poiana 1000 2.38 2380
Cora Suchardine 2300 9.52 21896
Cora Milka 6000 3.57 21420
Cora Africana 800 1.785 1428
Cora Silvana 1700 2.38 4046
Kaufland Toblerone 1800 4.76 8568
Kaufland Sugus 2100 5.95 12495
Kaufland Nova Brasilia 1000 7.14 7140
Kaufland Smash 1500 1.19 1785
Kaufland Milka 3200 3.57 11424
Kaufland Jacobs 3200 11.9 38080
Kaufland Poiana 1300 2.38 3094
Kaufland Suchardine 4300 9.52 40936
Kaufland Branza Philadelphia 1500 7.14 10710
Kaufland Africana 1200 1.785 2142
Kaufland Silvana 2300 2.38 5474
Metro Sugus 3200 5.95 19040
Metro Nova Brasilia 0 7.14 0
Metro Smash 3200 1.19 3808
Metro Poiana 4100 2.38 9758
Metro Jacobs 5500 11.9 65450
Metro Milka 3800 3.57 13566
Metro Suchardine 3200 9.52 30464
Metro Africana 1000 1.785 1785
Metro Branza Philadelphia 0 7.14 0
Metro Silvana 0 2.38 0
Metro Toblerone 1000 4.76 4760
Real Sugus 900 5.95 5355
Real Poiana 2300 2.38 5474
Real Smash 0 1.19 0
Real Nova Brasilia 2300 7.14 16422
Real Milka 5500 3.57 19635
Real Jacobs 2900 11.9 34510
Real Africana 0 1.785 0
Real Suchardine 2100 9.52 19992
Real Branza Philadelphia 1200 7.14 8568
Real Toblerone 3200 4.76 15232
Real Silvana 900 2.38 2142
Selgros Sugus 4600 5.95 27370
Selgros Milka 1200 3.57 4284
Selgros Poiana 2100 2.38 4998
Selgros Smash 2300 1.19 2737
Selgros Nova Brasilia 4500 7.14 32130
Selgros Jacobs 2300 11.9 27370
Selgros Africana 4300 1.785 7675.5
Selgros Suchardine 4300 9.52 40936
Selgros Branza Philadelphia 2500 7.14 17850
Selgros Toblerone 3400 4.76 16184
Selgros Silvana 2900 2.38 6902
Tabelul 2.
4. Folosirea Parametrilor

Pentru tabela clientilor, dorim sa creem un raport care sa ne afiseze profitul total obtinut in urma
cumpararii produselor catre fiecare client in parte. Acestia vor fi grupati dupa nume si cantitatea totala
comandata.
Pentru acest lucru vom folosi din meniul Describe Summary Statistics Wizard. Vom selecta ca
variabila de analiza pretul produselor si drept variabile de grupare nume si cantitatea totala. Vom calcula
media si suma pentru fiecare. Raportul creat este afisat in figura 12.

Fig 12.

In urma acestui raport se poate observa ca Selgros este cel mai important client, aducand un profit de
196354 lei , urmat de Auchan - care plateste un cost de 171430 RON si Metro – cu produse achizitionate
in valoare de 154876. Pe ultimul loc se afla Real cu un aport de 132680 lei.
5. Raport

Dorim sa realizam un raport care sa ne grupeze clientii in functie de produsul comandat. Pentru acestia
vom afisa pretul produsului, cantitatea cumparat din acesta si respectiv numele clientului.

Vom folosi tabela SAS ce contine datele referitoare la clienti. Vom folosi din meniul Describe functia
List Data. Dupa care vom selecta optiunile necesare (vezi figura 13).
Raportul obtinut se gaseste in Anexa 1.

Fig 13.

6. Grafic si prelucrare statistica

Sa se realizeze un grafic pentru fiecare client in parte care sa afiseze produsele comandate grupate dupa
cantitatea comandata din fiecare, expuse in functie de ponderea pe care au avut-o fiecare in pretul total al
achizitiei.

Vom volosi tabela Clienti importata din Excel. Din meniul Graph vom selecta Bar Chart si vom alege 3D
Grouped Colored Vertical Chart. Rolurile fiecaror variabile pot fi observate in figura 14. Graficele
rezultate sunt atasate in Anexa 2.

Fig 14.
Pentru a previziona salariile angajatilor pentru luna urmatoare, vom face o analiza de regresie pentru
tabela salariatilor importata din excel (datele pot fi observate in figura 15).

Fig 15.

Pentru a realiza regresia din meniul Analyze selectam din Regression functia Linear Regression. Date
introduse pentru a realiza regresia sunt expuse in figura 16.

Fig 16.
Rezultatele regresiei sunt expuse mai jos:

Iar raportul total al regresiei este in anexa 3.

Din rezultate putem observa ca totalul vanzarilor explica variatia salariilor in proportie de 89.5% (R-
Square = 0.8950), iar ecuatia modelului este:

Y=-580.26603 + 0.00138*X

Aceasta ecuatia explica variatia salariului astfel:

La un nivel ipotetic zero al vanzarilor totale, salariul angajatului va fi de -580.26603.


La fiecare modificare cu o unitate a vanzarilor totale, salariul angajatului se va modifica cu 0.00138
unitati.

Folosind aceasta ecuatia dorim sa previzionam ce salariu va obtine Hirsu Andrei daca pe luna viitoare ca
inregistra vanzari (X) in valoare de 2,850,953 RON.

Y= -580.26603 + 0.00138 * 2,850,953

Y= 3354.04911 (3354) RON.


7. Formate definite de utilizator

Pentru tabela SAS folosita anterior pentru analiza de regresie, dorim sa restrangem valorile coloanei
Total Valoare Vanduta, folosind un format definit de utilizator.
Vom defini formatul astfel: din meniul Data selectam Create Format. Vom crea un format pentru a reduce
valoarea Coloanei Total Valoare Vanduta. Vom inlocui valoarile din coloane cu unul din cele 3 intervale:
0-1 Milioane RON, 1-2 Milioane RON, 2-3 Milioane RON. (vezi figura 16).

Fig 16.

Dupa inlocuirea datelor vom obtine urmatorul rezultat (figura 17):

Fig 17.