数据挖掘技术在小微企业销售决策中应用研究.docVIP

数据挖掘技术在小微企业销售决策中应用研究 　　摘 要 当前，小微企业所面临的市场竞争越来越激烈，如何将生产、销售、客户管理等方面的数据这些数据去粗取精、去伪存真，使其能够帮助企业及时作出正确的销售决策，就需要数据挖掘技术的支持。文章主要阐述数据挖掘的相关概念及理论，分析数据挖掘技术在小微企业销售决策中的应用。 　　关键词 数据挖掘；小微企业；销售决策 　　中图分类号：TP393 文献标识码：A 文章编号：1671-7597（2014）09-0118-02 　　对广大小微企业来说，正确的销售决策是确保企业可持续发展的关键环节。很多小微企业保存了大量的销售业务数据，急需对丰富的原始数据开展挖掘和分析工作，让这些数据真正发挥在企业销售决策中的作用。在这一背景下就出现了数据挖掘技术。 　　1 数据挖掘及相关内容概述 　　1）数据挖掘的概念定义。广义的数据挖掘指的是针对大量信息不完整、内容不规则、用途不清晰、干扰项过多、随机排列的原始数据，通过特定的信息技术和手段进行去粗取精、去伪存真的挖掘和提炼，从而保留出那些原本隐藏着的对使用者有特定价值的信息。 　　2）数据挖掘的体系结构。数据挖掘系统通常被分为三层结构：首先是数据源，通常由数据库、数据仓库两部分构成，数据仓库的作用是提高挖掘效率；然后是数据挖掘工具，主要有分类特征提取、关联分析、序列分析、聚类分析、偏差检测分析；最后是用户界面，队在上面分析后得到数据以某种形式呈现出来以供用户使用。具体结构如图1所示。 　　图1 数据挖掘的主要结构 　　3）数据挖掘的主要实现形式。一是决策树，是以树枝形式展示训练资料受各变量影响的预测模型，通过将大量数据有目的分类，从中找到一些潜在的，有价值的信息，再利用信息论中的互相信息（信息增益）找到数据库中具有最大信息量的字段；二是分类和特征提取，对原始数据进行不同的维度分类及特征提取，通过分类数据的发现和特征化数据提取为企业销售决策提供支持；三是关联分析，发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式，帮助制定销售决策；四是序列分析，建立事件之间在时间轴上的某些高概率联系，根据客户当前的行为来预测客户下一阶段的高概率行为；五是聚类分析，对于无法界定参数的数据，可以依据实践经验现对数据进行分组处理，然后按组别进行分析，根据结构调整企业的销售业务；六是偏差检测分析，定期找出那些出现异常状况、明显不符合规律和常理的信息，并找出其出现差错和偏离正常范围的原因，以便及时开展事先预警和事后补救工作。 　　4）数据仓库。这是近年来才出现的新概念，是一种存储海量复杂数据的技术。主要是对不同区域、不同用途的数据源进行集合汇总、加工处理，然后统一到数据仓库中进行存储的过程。与一般的信息处理技术相比，它所分析的数据更为复杂、更具针对性，主要是为管理者、决策者提供参考依据。从数据库到数据仓库的演变，实际上反映了企业从简单的满足生产方式自动化到更为复杂的信息系统支持企业经营分析决策的需求。是企业数据处理、信息处理技术不断进步的结果，能够使用当今市场经济条件下各类数据迅猛增长的形势，从而对企业的发展产生不可估量的效益。数据仓库的存储方式有2种：关系表方式和多维表方式。在关系表结构中，对于某项数据的查询必须要逐条检索，找到所有符合要求的选项后再在逐条累加；而在多位表结构中，对于某项数据的查询可以直接按行或者按列累加，能大幅提升统计和检索速度，还能节约存储空间。相比之下，多维表方式在数据仓储上要明显优于关系表方式。 　　2 企业销售中数据挖掘的实现种类 　　研究企业销售决策中数据挖掘技术的应用，主要的影响因素就是客户，开展以客户为中心的销售决策数据挖掘分析，主要从客户特征、产品关联、消费行为这三个方面进行分析。 　　1）客户特征分析。购买行为是由人或者组织、购买需求、购买能力以及购买意愿等要素组成，这几个要素缺一不可。对客户的细分就是对这几个属性采用数据挖掘的常用方法进行特征提炼和归并，主要依据2个维度：一是个人特征维度，例如客户的性别因素、年龄区段、工作性质、薪资水平等；二是社会属性维度，例如地理区域的差异、企业属性的不同、家庭生命周期的因素等。 　　2）产品关联分析。在当今的市场竞争环境中，很少有企业只生产和销售一种产品，产品的组合和关联销售能更多的满足用户的需求，从而提高企业的竞争力。从对产品属性参数的分解上看，可以从产品的深度、产品的宽度两个纬度来考量。通过数据挖掘，对同一类产品深入细化，提供差异服务，对存在隐性关联的产品进行组合销售，拓宽产品的宽度，以满足各种维度下进行细分的群体。从而提升产品的竞争力。 　　3）消费行为分析。对消费行为进行细分，是在客户产生消费行为时，根据其消费特征进行归纳和分析，来定义这类亚群体的特征，从而展开针对