基于关联规则应用零售业核心竞争力分析.docVIP

基于关联规则应用零售业核心竞争力分析 　　［摘 要］ 本文对数据挖掘的关联规则进行了阐述，探讨了如何利用它来进一步提高零售业核心竞争力，并结合案例分析了如何利用数据挖掘对超市出售的商品进行关联性分析来提高客户的满意度。 　　［关键词］ 数据挖掘；关联规则；零售业；核心竞争力 　　［中图分类号］F270.7；TP391［文献标识码］A［文章编号］1673-0194（2008）23-0077-03 　　 　　一、 关联规则概述 　　 　　数据挖掘(Data Mining)，又称数据库中的知识发现(Knowledge Discovery in Database)，在最近几年里已被数据库界所广泛研究，其中关联规则(Association Rules)的挖掘是一个重要的问题。 　　在1993年，R.Agrawal等人首次提出了关联规则的概念。支持度(support)和置信度(confidence)两个阈值是描述关联规则的重要概念，支持度反映关联规则在数据库中的重要性，置信度衡量关联规则的可信程度。如果某条规则同时满足最小支持度(min-support)和最小置信度(min-confidence)，则称它为强关联规则。 　　数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品(项)之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局#65380;货存安排以及根据购买模式对用户进行分类。 　　Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，之后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样#65380;并行的思想等，以提高算法挖掘规则的效率，对关联规则的应用进行推广。 　　 　　 　　二#65380; 我国零售业核心竞争力分析 　　 　　(一)零售业核心竞争力内涵 　　核心竞争力最早由两位美国战略管理学家帕拉哈德和哈默于1990年提出来的。零售企业核心竞争力是企业多方面技能和企业运行机制的有机融合，是不同技术系统#65380;管理系统及技能的有机结合，是企业在特定经营环境中的竞争能力和竞争优势的合力。核心竞争力通常体现为整合企业内部资源，例如:提高生产效率#65380;控制成本和质量#65380;研发新产品#65380;拓展新市场#65380;调整组织结构#65380;升华企业文化#65380;提高管理能力等。 　　(二)利用关联规则提高零售业核心竞争力 　　利用数据挖掘技术有助于企业在关键的领域建立独特竞争优势，是企业取得核心竞争力的关键，数据挖掘技术主要从以下几个方面提升企业的核心竞争力。 　　1. 提供优质的产品和服务。利用数据挖掘技术对企业数据仓库中的大量数据进行处理#65380;分析和推断，可以发现那些隐藏在数据中的模式关联#65380;规则和趋势，利用这些模式#65380;关联#65380;规则和趋势能够帮助企业创造出独有的新产品和服务，避免与同类企业在成本上的竞争。 　　2. 分析内部经营信息。利用数据挖掘技术#65380;数据仓库技术和联机分析技术，管理者能够充分利用企业数据仓库的海量数据进行分析，并根据分析结果找出企业经营过程中出现的各种问题，如:经营不善#65380;观念滞后#65380;战略决策失误等内部因素引起企业人#65380;财#65380;物的相对平衡体遭到重大破坏，对企业的生存#65380;发展构成严重威胁的信息，及时作出正确的决策，调整经营战略，以适应不断变化的市场需求。 　　3. 寻找最佳商品分组布局。分析顾客的购买习惯，考虑购买者在商店里所穿行的路线#65380;购买时间和地点，掌握不同商品一起购买的概率;通过对商品销售品种的活跃性分析和关联性分析，建立商品设置的最佳结构和商品的最佳布局。 　　4. 最优店址选择。利用数据挖掘技术可分辨出成功的商店或分店的特性，并协助新开张的商店选择恰当的地理位置。 　　 　　三#65380; 实例分析 　　 　　本例是利用关联分析来寻找事件中出现的不同项的关联性，在大型数据库中，这种关联规则是很多的，需要进行筛选，一般用支持度(SUPPORT)与置信度(CONFIDENCE)两个阈值来筛去那些无用的关联