【正文】 本科畢業(yè)論文（設(shè)計）題目 數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域中的應(yīng)用研究 系 別 信息管理系 專 業(yè) 信息管理與信息系統(tǒng) 年 級 2007 級 學(xué) 號 222007602063096 姓 名 X X X 指 導(dǎo) 教 師 X X 成 績 _____________________ 2011年5月18日目 錄西南大學(xué)本科畢業(yè)論文（設(shè)計）任務(wù)書 I文獻綜述 i西南大學(xué)本科畢業(yè)論文（設(shè)計）開題報告 1正文 1摘要 1第1章 引 言 2 論文研究的背景 2 論文研究的意義 2 國內(nèi)外相關(guān)領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢 2第2章 數(shù)據(jù)挖掘技術(shù)及關(guān)聯(lián)規(guī)則算法概述 5 數(shù)據(jù)挖掘技術(shù)介紹 5 關(guān)聯(lián)規(guī)則算法概述 13第3章 零售業(yè)現(xiàn)狀分析 20 零售業(yè)的業(yè)務(wù)特點 20 零售業(yè)信息化現(xiàn)狀 21 零售業(yè)運用數(shù)據(jù)挖掘技術(shù)的可行性分析 22第4章 數(shù)據(jù)挖掘技術(shù)在零售業(yè)中的應(yīng)用 24 數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域中的應(yīng)用形式 24 零售業(yè)實施數(shù)據(jù)挖掘的步驟 25 零售業(yè)實施數(shù)據(jù)挖掘的相關(guān)問題 27 基于數(shù)據(jù)挖掘的零售業(yè)管理系統(tǒng) 30 Apriori算法在零售業(yè)中的應(yīng)用實例 35第5章 結(jié)論 43 總結(jié) 43 進一步的工作 43參考文獻 44附錄 45致謝 51本科畢業(yè)論文（設(shè)計）指導(dǎo)教師評閱表 a本科畢業(yè)論文（設(shè)計）交叉評閱表 b本科畢業(yè)論文（設(shè)計）答辯記錄 c51西南大學(xué)本科畢業(yè)論文（設(shè)計）任務(wù)書論文（設(shè)計）題目 數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域中的應(yīng)用研究 系別、專業(yè) 信息管理系信息管理與信息系統(tǒng) 學(xué)生姓名 XXX 學(xué)號222007602063096 指導(dǎo)教師姓名 X X 開題日期 2010年12月03日 論文（設(shè)計）的主要內(nèi)容（技術(shù)指標）與要求：本論文主要講述了數(shù)據(jù)挖掘技術(shù)在零售業(yè)運用的基本思想、運用形式和運用過程等等，并且在深入了解數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上提出建立基于數(shù)據(jù)挖掘技術(shù)的零售業(yè)管理系統(tǒng)。論文重點研究了關(guān)聯(lián)規(guī)則算法中的Apriori算法在零售業(yè)中的運用，從理論到實際，更深入了解和掌握Apriori算法。進 度 安 排系意見：注：任務(wù)書由指導(dǎo)老師填寫。 任務(wù)書必須在第七學(xué)期13周前下達給學(xué)生。文獻綜述數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域中的應(yīng)用研究 XXX西南大學(xué)榮昌校區(qū)信息管理系 402460摘要：如何快速有效地從海量的信息中挖掘出潛在的有價值的信息，使之有效地在零售業(yè)管理和決策中發(fā)揮作用，是我國零售業(yè)亟待解決的問題之一。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際運用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。本文主要介紹數(shù)據(jù)挖掘的發(fā)展歷史，及其在零售業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀和未來發(fā)展前景，指出數(shù)據(jù)挖掘技術(shù)在應(yīng)用過程中存在的問題和缺陷，從而提高人們對數(shù)據(jù)挖掘技術(shù)的了解和認識，為零售業(yè)發(fā)展提供參考。關(guān)鍵詞：數(shù)據(jù)挖掘、零售業(yè)、商業(yè)信息近年來我國零售行業(yè)發(fā)展十分迅速，大多數(shù)零售企業(yè)都部署了先進的前臺銷售時點信息系統(tǒng)（POS系統(tǒng)）和后臺管理信息系統(tǒng)（MIS系統(tǒng)），隨著交易的不斷進行，數(shù)據(jù)量劇增，海量的數(shù)據(jù)使得用戶很難找出其中存在的關(guān)系和規(guī)律，無法根據(jù)現(xiàn)有的數(shù)據(jù)預(yù)測未來的發(fā)展趨勢，也無法改變企業(yè)現(xiàn)有的經(jīng)營模式。另外，市場環(huán)境日益成熟，營銷競爭趨向白熱化，不管是產(chǎn)品或是服務(wù)，都試圖在這個信息爆炸的年代找到更大的發(fā)展空間，然而在產(chǎn)品供應(yīng)大于消費需求的情況下，如何將各式各樣的產(chǎn)品找到不同需求的消費者是零售企業(yè)最關(guān)心的問題之一。零售行業(yè)是最早利用數(shù)據(jù)挖掘技術(shù)的領(lǐng)域之一，經(jīng)過幾十年的研究和發(fā)展，數(shù)據(jù)挖掘技術(shù)進入了一個更高級的階段，數(shù)據(jù)挖掘算法也基本穩(wěn)定成熟，數(shù)據(jù)挖掘技術(shù)的靈活運用給企業(yè)帶來的效益也日益凸顯，企業(yè)期待著更好地利用數(shù)據(jù)分析和數(shù)據(jù)挖掘這種新的技術(shù)來獲得知識或洞察力，促使企業(yè)做出更有利的決策，帶來更大的商業(yè)價值。如被業(yè)界傳誦的經(jīng)典WalMart的 “啤酒和尿布”，就是數(shù)據(jù)挖掘透過數(shù)據(jù)找出人與物之間規(guī)律的典型案例。2. 數(shù)據(jù)挖掘技術(shù)的發(fā)展歷史 數(shù)據(jù)挖掘技術(shù)始于20世紀80年代，是隨著科學(xué)技術(shù)的迅速發(fā)展、數(shù)據(jù)庫規(guī)模的日益擴大以及人們對數(shù)據(jù)庫中潛在信息資源的需求而迅速發(fā)展起來的。它是數(shù)據(jù)庫技術(shù)、人工智能、機器學(xué)習(xí)、統(tǒng)計分析、模糊邏輯等學(xué)科相結(jié)合的產(chǎn)物，是人們長期對數(shù)據(jù)庫技術(shù)進行研究和開發(fā)的結(jié)果，是一個逐漸演變的歷史過程。其中，數(shù)據(jù)挖掘的核心模塊技術(shù)經(jīng)歷了數(shù)十年的發(fā)展，其中包括數(shù)理統(tǒng)計、人工智能、機器學(xué)習(xí)等，現(xiàn)在這些成熟的技術(shù)，加上高性能的關(guān)系數(shù)據(jù)庫引擎以及廣泛的數(shù)據(jù)集成，讓數(shù)據(jù)挖掘技術(shù)在當前的數(shù)據(jù)倉庫環(huán)境中進入了實用的階段。電子數(shù)據(jù)處理的初期,人們就試圖通過某些方法來實現(xiàn)自動決策支持,當時機器學(xué)習(xí)成為人們關(guān)心的焦點。機器學(xué)習(xí)的過程就是將一些已知的并已被成功解決的問題作為范例輸入計算機,機器通過學(xué)習(xí)這些范例總結(jié)并生成相應(yīng)的規(guī)則,這些規(guī)則具有通用性,使用它們可以解決某一類的問題。隨后,隨著網(wǎng)絡(luò)神經(jīng)技術(shù)的形成和發(fā)展,人們的注意力轉(zhuǎn)向知識工程,知識工程不同于機器學(xué)習(xí)那樣給計算機輸入范例，讓它生成規(guī)則，而是直接給計算機輸入已被代碼化的規(guī)則，而計算機是通過使用這些規(guī)則來解決某些問題。80年代人們又在新的神經(jīng)網(wǎng)絡(luò)理論的指導(dǎo)下，重新回到機器學(xué)習(xí)的方法上，并將其成果應(yīng)用于處理大型商業(yè)數(shù)據(jù)庫。80年代末，用知識發(fā)現(xiàn)（Knowledge Discovery in Databases,簡稱KDD）來描述整個數(shù)據(jù)發(fā)掘的過程，而用數(shù)據(jù)挖掘（Data Mining，簡稱DM）來描述使用挖掘算法進行數(shù)據(jù)挖掘的子過程。但是最近人們卻逐漸開始使用數(shù)據(jù)挖掘，并認為最好的策略是將統(tǒng)計方法與數(shù)據(jù)挖掘有機的結(jié)合起來。另外，數(shù)據(jù)倉庫技術(shù)的發(fā)展與數(shù)據(jù)挖掘技術(shù)密切相關(guān)，數(shù)據(jù)倉庫的發(fā)展是促進數(shù)據(jù)挖掘越來越熱的原因之一，但是，數(shù)據(jù)倉庫并不是數(shù)據(jù)挖掘的先決條件，因為有很多數(shù)據(jù)挖掘可直接從操作數(shù)據(jù)源中挖掘信息。隨著經(jīng)濟的快速發(fā)展和計算機科學(xué)技術(shù)的不斷進步，數(shù)據(jù)挖掘技術(shù)已經(jīng)得到了越來越廣泛的運用，數(shù)據(jù)挖掘的技術(shù)和理論也在不斷趨向成熟。3. 零售業(yè)應(yīng)用數(shù)據(jù)挖掘的背景 在零售業(yè)中，通過條形碼、銷售管理系統(tǒng)、客戶資料管理系統(tǒng)(像會員卡)等各種途徑獲得關(guān)于商品信息、客戶信息、供應(yīng)商信息及店鋪信息等大量的數(shù)據(jù)信息，而這些信息數(shù)據(jù)開始時并沒有引起人們的注意，但是隨著信息系統(tǒng)的日益龐大，積聚了大量的數(shù)據(jù)，如何利用這些海量數(shù)據(jù)分析出哪些商品好賣、哪些商品不好賣、哪些客戶適宜哪些商品、商品之間如何搭配，是令零售商頭疼的問題。利用數(shù)據(jù)挖掘工具對這些數(shù)據(jù)進行分析，可以幫助零售商進行科學(xué)的決策。例如對商品進行購物籃分析，分析哪些商品是顧客最有希望一起購買的，從而將這些商品擺放在一起；分析商品的銷售趨勢，進而幫助零售商進貨提供建議；分析購買商品的人員信息，以幫助零售商選擇店鋪的所在位置等等。隨著銷售數(shù)據(jù)的激增，只是依靠人積累的經(jīng)驗是很難解決這些問題的，數(shù)據(jù)挖掘則可以更好的解決這些海量數(shù)據(jù)的問題。4. 數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域中的應(yīng)用研究現(xiàn)狀 隨著支持數(shù)據(jù)挖掘技術(shù)的不斷成熟和完善，數(shù)據(jù)挖掘技術(shù)的應(yīng)用也越來越廣泛，目前主要運用于零售業(yè)、制造業(yè)、財務(wù)金融保險、通訊及醫(yī)療服務(wù)等，由于鮮明的實用性和可操作性，吸引了越來越多的企業(yè)和研究人員從事其研究和開發(fā)，一些公司運用數(shù)據(jù)挖掘的成功案例，顯示了數(shù)據(jù)挖掘的強大生命力。目前，國外數(shù)據(jù)挖掘的發(fā)展趨勢及研究方面主要有:對知識發(fā)現(xiàn)方法的研究進一步發(fā)展，如近年來注重對貝葉斯(Bayes)方法以及Boosting方法的研究和提高；傳統(tǒng)的統(tǒng)計學(xué)回歸法在KDD中的應(yīng)用；KDD與數(shù)據(jù)庫的緊密結(jié)合。在應(yīng)用方面包括:KDD商業(yè)軟件工具不斷產(chǎn)生和完善，注重建立解決問題的整體系統(tǒng)，而不是孤立的過程。用戶主要集中在大型銀行、保險公司、電信公司和銷售業(yè)。國外很多計算機公司非常重視數(shù)據(jù)挖掘的開發(fā)應(yīng)用，IBM和微軟都成立了相應(yīng)的研究中心進行這方面的工作，此外，一些公司的相關(guān)軟件也開始在國內(nèi)銷售，如Platnium、BO以及IBM。國內(nèi)從事數(shù)據(jù)挖掘研究的人員主要在大學(xué)，也有部分在研究所或公司。所涉及的研究領(lǐng)域很多，一般集中于學(xué)習(xí)算法的研究、數(shù)據(jù)挖掘的實際應(yīng)用以及有關(guān)數(shù)據(jù)挖掘理論方面的研究，主要側(cè)重于數(shù)據(jù)倉庫這一方面。總體來說，目前國內(nèi)數(shù)據(jù)挖掘可以分為三大領(lǐng)域：一是數(shù)據(jù)挖掘方法(包括頻繁集、Apriori、入侵檢測、灰色理論、可視化、聚類、決策樹、分類、關(guān)聯(lián)規(guī)則、遺傳算法、時間序列、神經(jīng)網(wǎng)絡(luò)、粗糙集、預(yù)測、故障診斷等)；二是數(shù)據(jù)挖掘的應(yīng)用(包括電子商務(wù)、醫(yī)學(xué)、軍事、教育、空間數(shù)據(jù)挖掘、金融、通信等)；三是Web數(shù)據(jù)挖掘【11】。數(shù)據(jù)挖掘技術(shù)從產(chǎn)生到現(xiàn)在己經(jīng)應(yīng)用在多種行業(yè)中，尤其是在零售業(yè)領(lǐng)域，并且數(shù)據(jù)挖掘目前已經(jīng)成為零售業(yè)的熱點話題。一種新的技術(shù)要在商業(yè)市場上受歡迎，必須具備兩個基本條件：一是技術(shù)可行性，一是商業(yè)必需性。技術(shù)可行性體現(xiàn)在三方面：首先，業(yè)務(wù)處理的計算機化使得生成大量的現(xiàn)有數(shù)據(jù)；第二，數(shù)據(jù)存儲技術(shù)和計算處理速度的更新；第三，如神經(jīng)網(wǎng)絡(luò)這樣的先進新算法的產(chǎn)生。大量數(shù)據(jù)的存在為數(shù)據(jù)庫市場銷售和數(shù)據(jù)挖掘提供了必需的原料，新算法的生成擴大了商業(yè)數(shù)據(jù)處理的能力，并且，新算法開辟出了挖掘數(shù)據(jù)的新方法。這三方面的發(fā)展使得數(shù)據(jù)挖掘在零售業(yè)實施更有意義和更可行。還有一個使數(shù)據(jù)挖掘技術(shù)在零售業(yè)領(lǐng)域得以順利實施的重要原因是激烈的外部商業(yè)競爭。零售業(yè)的競爭能力增加了企業(yè)對高效競爭的需要，其中，更好地了解客戶就是有效競爭的一個重要方面,從數(shù)據(jù)中挖掘出的信息可以幫助企業(yè)了解市場的動態(tài)，及時針對如今快速變化的環(huán)境做出確認和回應(yīng)，并抓住新出現(xiàn)的商機。數(shù)據(jù)挖掘也可通過更透徹地了解企業(yè)的客戶和活動為企業(yè)爭取到競爭優(yōu)勢。最后，通過合理使用企業(yè)的數(shù)據(jù)資源，企業(yè)還可以通過數(shù)據(jù)挖掘來提高自身的生產(chǎn)力。數(shù)據(jù)挖掘技術(shù)作為零售業(yè)應(yīng)用中的一種工具，在具體實施的過程中勢必會出現(xiàn)這樣或那樣的問題和缺陷，主要包括以下幾個方面：（1）數(shù)據(jù)挖掘分析變量的選擇。數(shù)據(jù)挖掘的基本問題就在于數(shù)據(jù)的數(shù)量和維數(shù),數(shù)據(jù)結(jié)構(gòu)顯得非常復(fù)雜,數(shù)據(jù)分析變量即是在數(shù)據(jù)挖掘技術(shù)應(yīng)用中產(chǎn)生的,選擇合適的分析變量,將提高數(shù)據(jù)挖掘的效率。（2）數(shù)據(jù)抽取方法的選擇。數(shù)據(jù)抽取的目的是對數(shù)據(jù)進行濃縮,給出它的緊湊描述,如求和值、平均值、方差值等，或者用直方圖、餅狀圖等圖形方式表示,更主要的是它從數(shù)據(jù)泛化的角度來討論數(shù)據(jù)總結(jié)，數(shù)據(jù)泛化是一種把最原始、最基本的信息數(shù)據(jù)從低層次抽象到高層次上的過程。（3）數(shù)據(jù)趨勢的預(yù)測。數(shù)據(jù)是海量的,那么數(shù)據(jù)中就會隱含一定的變化趨勢,在零售業(yè)中對數(shù)據(jù)趨勢的預(yù)測尤為重要,特別是對客戶信息以及商品信息合理的預(yù)測,有利于企業(yè)有效的決策,獲得更多地利潤。但如何對這一趨勢做出合理的預(yù)測,現(xiàn)在還沒有統(tǒng)一標準可尋,而且在進行數(shù)據(jù)挖掘過程中大量數(shù)據(jù)形成文本后格式的非標準化,也給數(shù)據(jù)的有效挖掘帶來了困難。（4）數(shù)據(jù)模型的可靠性。數(shù)據(jù)模型包括概念數(shù)據(jù)模型、邏輯數(shù)據(jù)模型和物理模型【11】。數(shù)據(jù)挖掘的模型目前也有多種,包括采集模型、處理模型及其他模型,但無論哪種模型都不是很成熟，都存在缺陷,對不同數(shù)據(jù)模型采用不同的方式，可能產(chǎn)生不同的結(jié)果,甚至差異很大,因此這就涉及到數(shù)據(jù)可靠性的問題。（5）數(shù)據(jù)挖掘涉及到數(shù)據(jù)的私有性和安全性。大量的數(shù)據(jù)存在著私有性與安全性的問題,這給數(shù)據(jù)挖掘造成了一定的阻礙,如何解決這一問題成了數(shù)據(jù)挖掘技術(shù)在應(yīng)用中實施的關(guān)鍵。（6）數(shù)據(jù)挖掘結(jié)果的不確定性。數(shù)據(jù)挖掘結(jié)果具有不確定性的特征,因為挖掘的目的不同，所以最后挖掘的結(jié)果自然也會千差萬別,因此這就需要我們與所要挖掘的目的相結(jié)合,做出合理判斷,得出企業(yè)所需要的信息,便于企業(yè)的決策選擇。進而達到提高企業(yè)經(jīng)濟效益,獲得更多利潤的目的。7. 結(jié)束語數(shù)據(jù)挖掘是一門新興的具有廣泛應(yīng)用的科學(xué)，在包括零售業(yè)的各個行業(yè)都有廣泛的運用，如何對大量數(shù)據(jù)進行深層次的分析，并將其轉(zhuǎn)化為有用的價值和商機，數(shù)據(jù)挖掘為其提供了良好的方法，它廣闊的應(yīng)用前景吸引了眾多的研究人員和商業(yè)公司。但是，數(shù)據(jù)挖掘在實際運用中還存在許多問題和缺陷，它只是一個工具，不是萬能的【17】，數(shù)據(jù)挖掘的成功，要求對期望解決問題的領(lǐng)域有更深刻的理解，了解其過程，才能對數(shù)據(jù)挖掘的結(jié)果找出合理的解釋，才能適應(yīng)市場和信息化的要求。 參考文獻：[1] 陳京民. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)[M]. 電子工業(yè)出版社,2002[2] 李雄飛，李軍．數(shù)據(jù)挖掘與知識發(fā)現(xiàn)[M]．北京：高等教育出版社，2003[3] 邵峰晶，于忠清．數(shù)據(jù)挖掘原理與算法[M]．北京 ：中國水利水電出版社，2003[4] 韓耀,張春法,楊鳳召. 零售業(yè)客戶關(guān)系管理及數(shù)據(jù)挖掘技術(shù)的應(yīng)用研究[J]. 哈爾濱商業(yè)大學(xué)學(xué)報，2005 (3)[5] Jiawei Han，Micheline Kamber，范明，孟小峰.數(shù)據(jù)挖掘概念與技術(shù)（第二版）機械工業(yè)出版社，[6] 韓秋明,李微,李華鋒,紀希禹.數(shù)據(jù)挖掘應(yīng)用實例. 機械工業(yè)出版社，[7] 呂曉玲，謝邦昌.數(shù)據(jù)挖掘方法運用. 中國人民大學(xué)出版社，[8] 張喆. 數(shù)據(jù)挖掘及其在客戶管理關(guān)系中的應(yīng)用. 復(fù)旦大學(xué)出版社 [9] 朱洪前,劉長生,桂衛(wèi)華,鄧星涯,胡志坤. 數(shù)據(jù)挖掘技術(shù)及其在森工企業(yè)中的應(yīng)用[J]． 森林工程， [10] 孫杰,黃金芳. 第三只眼不要忘了數(shù)據(jù)挖掘[J ]. 信息系統(tǒng)工程,2003[11] 張紅梅，夏南強. 數(shù)據(jù)挖掘技術(shù)在零售業(yè)中的應(yīng)用. 經(jīng)濟師，2006[12] 劉芳，王璐鑫. ，2009