数据挖掘在零售行业的应用

发布时间：2017-09-13 09:51

  本文关键词：数据挖掘在零售行业的应用

  更多相关文章： 数据挖掘 关联分析 聚类分析 便利店

【摘要】：在这个经济飞速发展的时代,人们的需求日益广泛、增长迅速,以前的商业模式已渐渐落伍,如何满足广大消费者的真实需求是一个尚待解决的问题,连锁零售企业对服务要求也正不断提高,与此同时,越来越多的零售业接踵而来,并且生成了越来越多的消费数据,但是在如此众多的数据里面找寻有意义的信息于人类来说迫不及待。在这样一个背景下就诞生了数据挖掘这门学科,它是指在大型数据库中自动找寻有用资源信息的这样一个过程,其中,数据挖掘——关联分析的Apriori算法最早被应用于超市营销里面,之后超市的许多销售数据、信息资源均在数据挖掘里得到广泛的应用。然而在我国,许多零售行业即便累积了一定的顾客信息、销售数据,但是却没有针对这些数据做相应的分析,也不能很好地运用数据挖掘方法为企业决策时做贡献。文中通过收集之佳便利店10个门店一个月的真实交易的数据运用关联与聚类分析在便利店的营销决策里面的应用展开研究。文中首先简单讲述便利店的一些简要知识还有一些数据挖掘的相关理论,其次在充分学习理论的基础上应用excel及SAS软件针对便利店的数据进行预处理和简单的描述性分析,以便了解之佳便利店总体的市场销售情况;其次利用预处理得到的数据集,应用SAS软件中的数据挖掘模块EM,对便利店中的商品购买进行关联分析。在商品购买的关联分析中,本文首先研究商品品类之间的关联规则分析,解决了传统的利用支持度和置信度以及各类商品交叉销售所产生的利润来评价关联规则价值,进而来研究各类货物的货架置放问题。然后再对各商品进行关联分析,方便进行优化商品布局、设计促销方案和快速商品推荐业务的应用：紧接着运用系统聚类研究不同品类随着时间的变动其销量的变动情况,本文提供的方法具有一定的合理性和优越性,并且在市场营销中具有实际意义,在推广过程中可以加大力度。
【关键词】：数据挖掘 关联分析 聚类分析 便利店
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F724.2;TP311.13
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 绪论9-13
• 1.1 课题研究背景9
• 1.2 国内外发展趋势9-10
• 1.3 课题研究目的10
• 1.4 课题研究意义10-11
• 1.5 课题研究方法11-12
• 1.6 课题研究内容与结构安排12-13
• 第二章 理论知识13-32
• 2.1 便利店13-18
• 2.1.1 便利店是什么13
• 2.1.2 便利店的优势13
• 2.1.3 将商品进行分类13-15
• 2.1.4 商品的摆放及商品结构的调整15-16
• 2.1.5 库存管理16-17
• 2.1.6 便利店促销17-18
• 2.2 数据挖掘的产生、原理及应用18-23
• 2.2.1 数据挖掘概念19
• 2.2.2 数据挖掘的技术19-20
• 2.2.3 数据挖掘的过程20-22
• 2.2.4 数据挖掘的相关工具22-23
• 2.2.5 数据挖掘应用领域23
• 2.3 SAS关联规则挖掘23-25
• 2.3.1 关联规则的起源23-24
• 2.3.2 关联规则的基本思想24
• 2.3.3 Apriori算法24-25
• 2.4 聚类分析25-32
• 2.4.1 基本概念25-26
• 2.4.2 算法概述26
• 2.4.3 聚类的应用26-27
• 2.4.4 常用的距离27-28
• 2.4.5 kmeans算法28-29
• 2.4.6 层次聚类算法29-32
• 第三章 数据挖掘在零售行业的应用32-50
• 3.1 背景介绍及分析思路32-33
• 3.1.1 商业案例背景介绍32
• 3.1.2 数据来源32-33
• 3.2 数据处理33
• 3.3 销量与销售额变化趋势的描述33-36
• 3.3.1 销售量增长趋势33-35
• 3.3.2 销售金额增长趋势35-36
• 3.4 调用SAS/企业数据挖掘36-37
• 3.5 关联分析37-41
• 3.5.1 中类商品关联分析37-38
• 3.5.2 小类商品关联分析38-40
• 3.5.3 关联性促销40-41
• 3.5.4 更为深刻的顾客定制41
• 3.6 层次聚类41-50
• 3.6.1 中类商品在不同时间的销售相似性41-46
• 3.6.2 小类商品的销售相似性46-48
• 3.6.3 各种商品的销售相似性48-50
• 第四章 结论与不足50-51
• 附录51-54
• 参考文献54-56
• 致谢56

，

本文编号：842977