浅谈零售业中的数据挖掘应用.docVIP

浅谈零售业中的数据挖掘应用 龚玲玲 （东华理工大学长江学院数学与信息管理系 1座机电话号码2） 摘要：现如今，零售业正在大大影响这我们的日常生活，超市、百货等各种活动骚动着我们的消费欲望，致使许多人都认为零售业是主动的一方，而消费者却是被动的一方。其实不然，消费者才是零售业的上帝，是零售业苦心钻研的对象。在信息膨胀的今天 ， 如何快速有效地利用数据挖掘技术“淘”出潜在的有价值的信息 ， 使之有效地在零售业管理和决策中发挥作用，是零售业待解决的重要问题之一。本文对数据挖掘过程进行了介绍 ， 着重分析了该技术在零售业中的应用。 关键词：数据挖掘、零售业、应用技术与方法 零售业与数据挖掘 零售业是把商品或者劳务直接出售给最终消费者的销售活动，该行业的对象更多的是消费者而不是批发商或者生产厂家，这也就决定了零售业主要有一下特点：1、就顾客而言，他们是来消费的，与零售商之间的关系是断续的。2、就商品而言，零售商采取的销售方式有经销、代销和联销等，与其联系的供应商数目也十分大。3、就利润而言，零售商的毛利和制造商相比，毛利率要低一些。4、还有一个重要的特点是，零售业是一种销售行为，销售活动，不仅受季节、节假日以及其他外部影响因素较大，而且自身的促销、降价等行为也会硬气很大的作用。 而数据挖掘（Data Mining）是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的，担忧潜在有用的信息和知识的过程。从商业的角度看，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。简而言之，数据挖掘其实是一种深层次的数据分析方法。数据分析本身已经有很多年的历史，过去数据收集和分析的目的是用于科学研究，现在随着科学技术的发展，它更主要的是为商业决策提供真正有价值的信息，进而获得利润。但所有企业面临的共同问题是，企业的数据量非常大，而其中真正有价值的信息却很少。因此，类似于淘金是“数据挖掘”应运而生。所以，数据挖掘又可以描述为：一种按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化得先进有效的方法。 数据挖掘在零售业中的应用分析 1、关联规则是数据挖掘中一个重要的问题，它主要研究交易数据库中不同商品之间的联系，根据这些联系规则找出顾客购买行为模式。由于条形码技术的发展，零售部门可以利用前端收银机收集存储大量的售货数据。因此，如果对这些历史事务数据进行分析，则可以对顾客的购买行为提供及有价值的信息。例如，商品摆放、购买推荐和商品参照。通过对顾客购买记录的分析，从中挖掘出商品间的关联规则，将关联规则中的商品在同一货架上摆放，也可以挖掘出商品季节性的消费数据，在商品销售旺季季节，采取商品推荐等进行促销活动，在这方面，典型代表有“啤酒和尿布”、“蛋挞和飓风”。 2、客户关系管理：客户关系管理（CRM）是企业与客户之间建立的管理双方接触活动的信息系统，它主要是告诉企业谁是对他有利的客户，并激发其指定保留老客户，吸引新客户的市场策略。关于CRM中的数据挖掘技术科方法的研究有很多，不同行业不同环境的企业有很大的差异。在这点上，个人觉得“银泰百货”做得非常好。 3、促销活动的有效性分析：零售业经常通过广告、优惠券和各种打折及组合购买等让利的方式搞促销活动，以达到促销产品，吸引顾客的目的。认真分析促销活动的有效性，有助于提高企业利润，多维分析也可以满足这方面分析的需求，方法是通过比较促销期间的销售量和交易数量与促销活动前后对比等有关情况。此外，关联分析可以找出哪些商品可能随降价商品一同购买，特别是与促销活动前后的销售比较。 4、市场定位和趋势分析：利用数据挖掘工具盒统计模型对数据库信息仔细研究以分析顾客的消费习惯，广告成功率及其他重要信息。通过对这些信息的挖掘及其分析，预测商品的需求量，库存趋势，确定商品价格等。 结束语 数据挖掘是一门涉及到多个领域的的交叉学科， 需要由数据库技术、人工智能技术、数理统计、并行计算等各方面的专家共同参与合作解决问题； 其又是一个新兴学科 ， 内容繁复．从数据特征化到挖掘数据的关联规则、数据分类、聚集和偏差检测 ，每个都有不同的需求。因此数据挖掘语言的设计又是一个巨大的挑战，当然它也会带来一些社会问题如个人隐私、非法数据交易、数据价值评估等问题, 这些深层问题会随着数据挖掘技术的不断发展而越来越突出, 这还需要商家的自律、法规的完善和客户的共同努力。 Introduction to data mining application in retail East China Institute of Technology ,the Yangtz