把握消费趋势 完善预测体系.docxVIP

把握消费趋势完善预测体系 　　自从国家局推行订单供货以来，如何准确有效地把握本地市场的真实需求成了企业研究的重要课题。因此需求预测当前面对的主要任务是：建立有效的市场预测体系和积极的货源组织保障机制。对于如何建立有效的市场预测体系，我们借鉴数据挖掘技术，以及基于这个平台展开数据挖掘的过程，思考出一套针对吴忠市场卷烟需求的预测体系。一、数据挖掘技术运用的原因卷烟需求预测体系建设是“订单供货”得以顺利开展的前提和基础，需求预测的准确程度是有效组织货源、最大限度满足消费者需求的关键环节，因此，随着计算机技术、网络技术、通讯技术的发展以及B6系统的应用，企业内产生了上百GB计的大量业务数据，这些数据和由此产生的信息是企业的财富，它如实地记录着企业运作的本质状况。但是面对如此海量的数据，迫使我们不断寻找新的“工具”，来对企业的运营规律进行探索，为领导决策提供有价值的知识，使企业获得利润。能满足企业这一迫切需求的强有力的工具就是数据挖掘。二、数据挖掘技术概述数据挖掘是一种知识发现的过程，它主要基于统计学、人工智能、计算机等技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在的模式，并对未来情况进行预测，以辅助决策者评估风险，做出正确的决策。下面就是数据到知识的演化过程图数据→数据库管理→数据库→数据挖掘→数据分析解决方案对于公司而言，数据挖掘有助于发现卷烟需求预测的趋势，揭示已知的事实，预测未知的结果。从这个意义上讲，知识是力量，数据挖掘是财富。在实际应用中，数据挖掘主要采用以下几种方法进行模式的发现。相关分析和回归分析。相关分析主要分析变量之间联系的密切程度，而回归分析主要基于观测数据建立变量之间适当的依赖关系，相关分析是回归分析的基础。时间序列分析。与相关分析类似，目的也是为了挖掘出数据之间的联系，但时间序列分析更加侧重于数据在时间先后上的因果关系。分类分析。分类分析首先为每一个观测赋予一个标记，然后检查这些被标记的观测，描述出这些观测的特征。这种描述可以是一个数学公式??者模型，利用它可以分类新的观测。常用的几种典型的分类模型有线性回归模型、决策树模型、基于规则模型和神经网络模型等。聚类分析。与分类分析不同，聚类分析的输入是一组未标定的记录，目的是根据一定的规则，合理地划分记录集合。聚类分析和分类分析是一组互逆的过程，因此在很多分类分析中适用的算法也同样适用于聚类分析。三、数据挖掘在需求预测工作中的应用在需求预测工作中，数据挖掘的前提是必须建立各分公司的数据库，能够把各类别、各规格的卷烟销售数据聚集在一起，提供一个正确、完整和单一的数据环境。1.数据库的建立数据库作为数据挖掘的基础，不同于86系统，它具有面向需求预测工作的、集成的、不可更新以及随时间变化的特性，数据库通过ETL过程处理这些接四文件，并且按不同的预测模型组织、存储和管理这些历史数据，通过数据库接口，对数据库中的数据进行联机分析和数据挖掘。数据库的体系结构主要由数据库、分公司级数据库和预测模型3个部分组成。2.数据挖掘的运用在建立完成分公司的数据库之后，可以基于这个数据库平台进行数据挖掘工作，应用到以需求预测为中心的预测分析工作中：卷烟分类分析。我们将所有在吴忠市场投放的卷烟，选取占市场份额80%的卷烟晶牌作为我们的研究对象，这些品牌占据了吴忠烟草大部分市场，以08年的市场为例，占市场份额80%的卷烟品牌有15种，我们将其作为重点预测牌号；剩余的43种规格由于销量只占20%左右，因此，按照80、20法则，对于他们的需求预测，我们根据经验和简单的公式得出。通过数据挖掘技术的应用节省预测人员的时间，提升预测效率。卷烟订单满足率分析。我们利用分类分析法和聚类分析法对卷烟订单满足率进行分析，将所有预测卷烟的订单满足率计算出来，并以80%和60%为界限进行归类，订单满足率高于80%的品牌作为“高满足率品牌”，订单满足率介于80%和60%之间的品牌作为“稍紧类品牌”，订单满足率低于60%的作为“偏紧类品牌”。“订单稳定性”分析对于“高满足率品牌”，客户的需求基本上能反映市场需求，可以直接选取客户最近3个月的预测量，充分考虑到客户红、白喜事，节日等的因素，配置相应的权数，得到月度平均订单的需求预测数。通过对订单数据的多维分析、聚类分析和孤立点分析可以建立预测模型。在实际工作中，我们是如何运用的？预测高满足率品牌壹枝笔6月份的需求量，我们运用08年三月的销量183.4件，四月销量128.7件，五月销量137.4件，根据客户的习惯，五月初的节日会在四月后期备库存，而三月和五月比较稳定，我们设置四月的权数为0.2，三月和五月的权数各为0.4，则根据三四五连续三个月的销量，可以预测六月份壹枝笔的销量为183.4*0.4+128.7*0.2+137.4*0.4=154.1件，这与六月的