基于数据挖掘技术的电脑零售业中的商业分析
经济全球化的发展、金融危机的冲击、行业微利时代的到来使得目前的电脑零售业面临巨大挑战,激烈竞争中如何生存已是电脑零售业面临的迫切问题。
准确的决策是企业生存与发展的生命线。对于竞争激烈到残酷的电脑零售行业来说,尤其需要的是进行科学、有效的商业分析,这使得其行业的深度信息化诉求空前迫切。数据挖掘技术为实现这一愿景提供了强有力的支持。通过对海量的经营数据实施数据挖掘,可以发现其中潜在的有用模式和商业规律,为管理者提供决策上的技术支持,从而使数据获得第二次生命,实现信息的增值利用。
利润始终是企业运营的核心,是决定任何零售企业赢利及发展的关键因素。分析利润,了解利润来源,获取利润增长点,对于调整运营策略,及时把控市场先机有着至关重要的作用。本文即利用数据挖掘技术,立足于一个新的分析视点--电脑零售业中基于商品利润贡献度的销售利润来源分析,采用非监督学习下的K-means聚类分析和关联规则中经典的Apriori算法,利用高效的数据挖掘工具SPSS Clementine,着重于思路分析,将精力集中在要解决的问题本身,探索了一个联合数据挖掘过程模型,实现对电脑零售业中的商业分析。
具体完成了两个方面的任务:
1.利用聚类分析中的K-means算法,实现电脑零售业中的基于利润贡献度的商业分析。
2.采用关联规则中分层搜索的经典算法Apriori算法,获取了基于利润贡献度的最佳销售盈利模式。
通过所确立的最佳盈利模式(即所获取的利润增长点),电脑零售业者可以适时调整其销售方案,使经营达到利润最大化,从而在激烈的市场竞争中,提升自身的竞争力。
数据挖掘;商业分析;利润贡献度;聚类分析;关联规则;电脑零售业;最佳盈利模式
华东师范大学
硕士
系统分析与集成
江红
2010
中文
TP311.131;F713.52
59
2010-12-22（万方平台首次上网日期，不代表论文的发表时间）