面向零售行业的数据挖掘技术的研究及应用

论文摘要

随着信息技术的快速发展,联机事务处理（OLTP）、数据仓库、联机分析处理（OLAP）和数据挖掘技术已经构成了企业决策支持系统的新框架,使决策支持系统（DSS ）进入了实用化阶段。近年来作为企业实现商业智能核心技术的数据挖掘技术得到了学术界和相关应用领域的广泛关注,如何让数据挖掘的研究成果能转化成实实在在的生产力已成为学术界和企业界关注的热点问题;另一方面,随着国内企业管理思想的进一步提升和管理水平的提高,企业信息化工作的推进已达到一定程度,这就需要对积累的数据做进一步的利用。再有就是由于市场竞争的加剧,企业从自身的发展出发,要求在投资回报率上进行测算、交叉营销上进行努力、以及对客户进行细分、加强与重要客户的沟通等等,这些都需要利用企业已积淀下来的数据对客户和品种进行分析。针对这一系列问题,本文分析了零售行业需要解决的商业问题,以及解决这些问题所使用的技术。通过研究现有数据挖掘系统结构和国内外的数据挖掘工具及国内企业的实际应用的情况,提出了一种面向零售行业应用主题的数据挖掘系统设计思想。其主要设计思想就是吸收数据挖掘理论的最新成果,借鉴国内外先进数据挖掘工具的实现方式,结合国内企业的计算机应用实际,面向零售行业业务第一线的经营以及管理者所关心的主题进行系统软件设计。通过对常用的数据挖掘技术及方法的分析和研究,提出了基于FP-tree的频繁项集挖掘的改进算法FP-FIMA,加快了频繁项集生成的速度,从而整体上提高了关联规则的生成速度。通过对主要数据挖掘算法及零售行业应用主题的研究,整合了目前较流行的数据挖掘算法及改进算法FP-FIMA,设计和开发出应用于零售行业的数据挖掘系统软件,该系统可以进行客户、购物篮及库存等的知识挖掘。应用该系统软件能够使企业的经营者、管理者快速、准确地根据市场的变化作出正确的判断。因为现代企业面对的是世界范围的竞争,市场的变化首先反应在我们的业务经营数据中,利用数据挖掘系统可以很好地满足企业现有的经营管理需要,为企业的商业决策提供及时、准确可靠的服务。因此,该软件具有重要的实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 论文研究的背景
• 1.2 论文研究的意义
• 1.3 国内外研究现状与发展趋势
• 1.4 论文研究的内容
• 1.5 本章小结
• 第二章 数据挖掘技术
• 2.1 数据挖掘介绍
• 2.2 数据挖掘常用技术
• 2.3 数据挖掘流程
• 2.4 数据挖掘工具
• 2.5 数据挖掘的研究热点
• 2.5.1 网站的数据挖掘（Web site data mining）
• 2.5.2 生物信息或基因的数据挖掘
• 2.5.3 文本的数据挖掘（Textual mining）
• 2.6 本章小结
• 第三章 主要算法及具体应用
• 3.1 分类算法－决策树
• 3.2 改进的关联规则算法——FP-FIMA
• 3.3 回归分析
• 3.4 聚类算法——EM
• 3.5 本章小结
• 第四章 数据挖掘在零售行业中的应用
• 4.1 零售业业务特点及数据挖掘应用现状
• 4.2 客户分析
• 4.2.1 客户流失分析
• 4.2.2 满意度研究
• 4.2.3 客户价值最大化
• 4.2.4 客户细分
• 4.3 购物篮分析
• 4.3.1 什么是购物篮分析
• 4.3.2 理论基础
• 4.3.3 意义
• 4.4 库存管理
• 4.5 本章小结
• 第五章 零售行业数据挖掘系统的设计及实现
• 5.1 系统设计的目标及所面向的客户
• 5.2 设计的原则及开发方法
• 5.2.1 系统设计原则
• 5.2.2 系统开发方法
• 5.3 系统的功能
• 5.4 系统软件的设计及开发
• 5.4.1 逻辑架构
• 5.4.2 开发环境
• 5.5 严格控制项目的范围
• 5.6 系统评价
• 5.7 本章小结
• 第六章 系统应用及结果
• 6.1 系统需要处理的数据
• 6.2 数据清洗、数据组织和准备数据字典
• 6.3 主要应用结果
• 6.3.1 客户流失分析应用
• 6.3.2 客户细分应用
• 6.3.3 购物篮分析应用
• 6.3.4 库存管理应用
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 论文总结
• 7.2 进一步的工作
• 参考文献
• 个人简历、在学期间发表的学术论文与研究成果