大数据背景下新零售销售额的监控分析

发布时间：2020-07-05 09:50

【摘要】：过去的十几年中,随着互联网技术的发展和智能手机的崛起,电子商务高速增长,越来越多人喜欢在网上购物,网上购物跨越了地域、时间等限制,给消费者带来一定的价格优势和消费体验,也给商家带来了传统零售店下不可能有的客户群体、行业信息和海量数据,但是发展多年的电子商务领域,用户群体的增长已经逐渐放缓,互联网公司开始寻求新的增长模式,针对这一问题2016年给出了一个可行的思路:“新零售”,新零售也给多年来受到电子商务冲击的传统零售行业带来了新的增长点。在这种双赢的驱动下,新零售两年之内遍地开花,也使得零售行业不断通入了大数据、人工智能、物联网等概念及其应用。而销售额是零售业的核心考核指标,如何通过大数据分析实现销售额监控是一个需要研究的重要问题。销售额监控分析主要以新零售商店的历史数据为样本,从销售额的影响因素和销售额的回归预测两个方面进行分析,清晰的影响因素分析结果和良好的回归模型建立在商家核心因素监控优化以及未来销售预测监控等方面都有非常重要的意义。针对这一研究目的,本文选取专家建议并且通过自己多次检验选定的10个关键影响因素进行分析。首先,针对单一因素进行分析,由于样本中某些影响因素存在非正态分布和方差不齐问题,本文采用方差分析和非参数检验相结合的方法。其次,进行多因素分析,选取有研究意义的组合通过多因素方差分析和多独立样本参数检验,结合均值图、个案数等描述信息提取一些有效信息。最后,由于选定的影响因素有数值型、分类型变量,加之数据量很大,分别选取时间序列模型和各方面支持和性能比较好的随机森林模型进行回归,得出各因素影响的重要程度,拟合效果良好,可以用于销售额的监控分析。实证表明:选定的影响因素对销售额的影响显著,并且各因素的不同水平有显著差异,随机森林拟合效果更好,因此主要采用随机森林模型,从因素分析和回归预测两个方面对销售额进行监控分析。
【学位授予单位】：对外经济贸易大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F724.6;F274
【图文】：

图 1.1 本文研究框架1.4 本文创新点和不足1.4.1 主要创新点(1) 研究对象及研究视角上的创新。新零售是一个较新的销售模式，以新零售的销售额监控为研究对象的文献较少。新零售大型超市融合了线上零售数据和

图 2.1 ARIMA 建模流程型主要从四个方面介绍，包括：随机森林概述、随过程和随机森林的优缺点，其中随机森林理论部和平均投票决策原则，具体说明如下：

【参考文献】

相关期刊论文 前1条

1 董师师;黄哲学;;随机森林理论浅析[J];集成技术;2013年01期

相关博士学位论文 前1条

1 孙轶轩;基于数据挖掘的道路交通事故分析研究[D];北京交通大学;2014年

相关硕士学位论文 前10条

1 李海燕;两种不同的城市需水量预测方法[D];河北工程大学;2018年

2 丁月芝;基于时间序列模型的房价预测与波动分析[D];山东大学;2018年

3 李书娴;区域差异化视角下人口老龄化对房价的影响研究[D];湘潭大学;2018年

4 陈涛;我国外汇储备影响因素的线性与半参数回归模型对比及实证研究[D];江西财经大学;2018年

5 解银亚;防晒品牌“确美同”营销策略研究[D];上海外国语大学;2018年

6 刘才雄;基于多元统计方法的航空公司客户价值研究[D];浙江理工大学;2018年

7 吴存兰;大数据背景下吉林省服装企业发展策略的研究[D];吉林大学;2017年

8 刘晶;基于跨境电商进口商品购买力的分析研究[D];对外经济贸易大学;2017年

9 李桂玲;我国IPO抑价及其影响因素的实证研究[D];对外经济贸易大学;2017年

10 于扬红雪;出租车需求量预测模型的研究[D];大连海事大学;2017年

本文编号：2742446