服装销售预测技术的新发展.pdfVIP

改 2005年 第12期 革 S I L K Reform and Management 理 管 服装销售预测技术的新发展 蔡丽玲 季晓芬 方 靖 浙江理工大学服装学院 浙江 杭州 310018 摘要 在分析了服装销售预测领域现状的基础上 阐述了数据挖掘技术对该领域的推动作用 并通过实例说明了基于数据挖掘的 服装销售预测流程 关键词 服装销售预测 数据挖掘 发展 中图分类号 TS941.13文献标识码 C 文章编号 10017003200512 000602 零售商通常将服装产品分为两类 基本款和时尚 法和回归预测法 但是 基于常规的统计预测工具仅仅 款 基本款因为有相对稳定的需求和较长的生命周期 依据历史数据并且倾向于将问题线性化[2] 其更是难以顾 所以应用那些基于销售历史数据的常规方法 如时间序 及多因素的影响 同时 由于服装行业属传统产业 模型 列分析法和指数平滑法 便可以进行有效的定量预测 的建立很大程度是依赖于预测人员对服装销售的了解程度 相反 对时尚产品的需求进行预测却要难得多 由于它 和预测方面的经验 难免出现误用 服装管理者们迫切 们的销售情况存在高度不确定性 再加上产品生命周期 需要一种熟练的预测工具 以便能够考虑各种外在因素 相对较短 零售商很难准确地把握订货量和库存量 这 如服装的尺寸 价格 颜色 气候数据 价格变化 导致了其在销售过程中常出现缺货 而在季末又可能导 市场策略 以及外在因素如时间 致库存积压 因此 零售商需要收集更全面的信息 从 而数据挖掘正在采用人工智能领域中一些较为成熟的 市场 客户 供货商 竞争对手等各环节 进行更深入 算法和技术 如人工神经网络 遗传算法 决策树方法 邻 的分析 不可局限在历史数据上 最终才能对时尚服 近搜索算法 规则推理 模糊逻辑 公式发现等来进行数 装进行更准确的销售预测 据的挖掘 其中某些算法如神经网络 可以很好地模拟非 然而 服装在销售过程中常常受到某些异常因素的影 线性关系 适合多变量场合的预测 运用这些成熟的技术 响 如气候突然变冷 消费者可能停止购买夏季的新款 这 加上高性能的关系数据库引擎以及广泛的数据集成 数据 就造成了销售数据的不完整 最终 服装零售组织常常陷 挖掘技术可以在服装销售预测领域发挥高效的功能[3] 入 数据丰富 但信息贫乏 的局面 以致很难通过数据 为了降低库存和减少供货不足 国外的服装零售商 分析进行准确的销售预测 在这样的背景下 数据挖掘DM [4] 们需要特殊和准确的销售预测系统 最近 Thomassey (Data Mining)的出现引起了服装销售领域的广泛关注 运用模糊逻辑技术和人工神经网络 两者结合 等学者 数据挖掘是通过从海量的数据中提取隐含的 潜在的 以 之后能够高效地模拟销