基于具有BLU特性DB2的全国销售终端价值挖掘与多维决策分析

发布时间：2020-05-28 03:45

【摘要】：一直以来,销售终端作为消费者直接接触产品的重要场所,是产品销售的最重要的末端环节,也是企业激烈竞争的战场,终端对企业来说存在许多直接价值和间接价值。首先,渠道销售价值是终端最基本也是最重要的价值,反映出终端的客观销售能力,是衡量终端能否创造效益并持续发展的最根本的因素,利用好终端的渠道销售价值可以高效实现企业计划销售目标和提升产品结构。其次,终端作为消费者直接接触品牌、了解品牌、尝试品牌,进而产生消费体验、树立品牌意识、建立品牌忠诚的重要媒介,可以引导市场消费,展现出其品牌推广价值,企业通过开发更加生动丰富的终端柜台产品陈列方式等措施,可以提高企业品牌知名度,产品推广。最后,终端能够为企业提供动态而完整的商品零售信息、数据,这些数据科学客观地反映行业市场及品牌发展变化情况,对企业信息决策具有重要战略、战术指导意义的价值。现在烟草行业内采集终端信息已经全部实现,基于终端相关数据进行市场分析是可行的也是必要的,从而实现工商协同到工商零消一体化行业运营模式的变化。在市场竞争如此激烈的环境下,谁能够对终端价值有效识别和充分挖掘,正确判断终端的客观销售能力,就意味着谁占有了商业主动权,在终端竞技场处于优势地位。目前,行业全国范围内终端客户已经超过了900万家,每天都会产生大量订单数据,随着时间的推移,订单数据已经达到TB级别。如何高效存储与处理这些海量数据?如何对这些数据搭建适用的分析模型?如何从这些数据中高效正确地挖掘终端价值是企业面临的各种亟需解决的问题。本文结合全国终端客户不断剧增的订单数据与现有大数据存储处理技术,提出了基于具有BLU特性DB2的全国销售终端价值决策分析系统的数据分析核心架构,并且详细研究了DB2的BLU特性,实现了海量数据的存储与处理。基于实际业务情况,提出了合适的数据抽取方案以及数据校验机制,设计与搭建了适用于终端分析的多维分析模型,并且对该模型进行了效果评估,实现了多种维度的交叉分析。基于搭建的多维数据模型,借鉴关联规则中的Apriori算法实现终端数据维间关联性挖掘,从而企业指导终端柜台摆放提供参考意见。具体研究内容如下:1)根据数据抽取流动结构以及实际业务情况,提出了使用具有BLU特性DB2数据库来进行存储和处理全国终端订单数据,解决了海量数据存储与分析负载问题。2)研究了DB2的BLU特性,并根据数据的实际使用情况,提出了适用的数据抽取方案以及数据校验机制,保证了一致的数据源,为后续的工作奠定了数据基础。3)充分了解了订单数据的含义及存在的问题,提出了适用的数据清洗方案并且实施效果较佳,解决了数据不一致、业务逻辑不合理等问题,为后续的分析提供了干净的数据。4)根据企业对全国终端订单数据的业务需求,确认了多维数据模型应该包含哪些维及度量,应该让数据保证在哪个粒度上才能满足用户的分析需求,设计和搭建了多维数据模型,分析终端客户订购情况以及市场变化情况,实现市场精益化运作。5)基于搭建的多维数据模型,借鉴关联规则中的Apriori算法实现了维间数据关联性挖掘;结合客户终身价值理论和实践为终端客户针对企业、品牌、单品的价值提出了定量衡量公式,从而挖掘终端价值实现客户价值分类,为决策人员标准化客户服务、规范终端维护、实施市场精益化运作提供数据支撑依据,进而凝聚合力培育品牌,提升企业经营能力。
【图文】：

加速技术,技术特点,技术,用户学习

图 2.3 BLUAcceleration 突破性的技术有四大关键的技术特点：存技术可以把整个的数据尽可能利用内存来存放；的压缩的方式减少数据处理量，提高处理效率并减低性加速整个分析过程；忽略技术（Data Skipping）技术，能够在海量数据里。速器增加了一个额外的存储引擎，并在运行时直接组织的表进行存储和分析。该处理与基于行的传统系统中处理基于行和基于列的表。使用具有 BLU 特提高的性能、大量节省的存储空间，以及可轻松地对进行实施和管理。BLU 加速器的表能够与传统的数据合而不需增加用户学习成本。

界面图,增量数据,下载,订单

数据中心业务系统1-结构化数据业务系统N-结构化数据···向下集成、整合数据图 2.7 行业数据中心作用结构图行业为各企业提供订单增量数据下载平台，每日数据抽取与整合工作完成后，生成压缩包 zip 文件，，其中主要包括业务增量数据、基础信息全量数据、校验文件等。企网站通过 CA 验证后自行下载。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F274;TP311.13

【相似文献】