服裝營(yíng)銷過程中數(shù)據(jù)挖掘算法分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了服裝營(yíng)銷過程中數(shù)據(jù)挖掘算法分析范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

摘要：當(dāng)今信息化發(fā)展速度驚人，大數(shù)據(jù)、云計(jì)算、人工智能技術(shù)應(yīng)用于各行各業(yè)，給社會(huì)的發(fā)展帶來了很多便利，也為我國(guó)經(jīng)濟(jì)的快速發(fā)展注入了新的血液。在服裝行業(yè)中，我國(guó)是一個(gè)紡織服裝生產(chǎn)大國(guó)，又是一個(gè)紡織服裝消費(fèi)與出口大國(guó)，將大數(shù)據(jù)技術(shù)應(yīng)用于紡織服裝生產(chǎn)與銷售中可以給紡織服裝產(chǎn)業(yè)帶來更大的利潤(rùn)，本文主要研究在眾多的數(shù)據(jù)挖掘算法中，適合服裝營(yíng)銷的挖掘算法。

關(guān)鍵字：服裝營(yíng)銷；數(shù)據(jù)倉(cāng)庫(kù)；數(shù)據(jù)挖掘；算法分析

近年來，大數(shù)據(jù)技術(shù)成為各行各業(yè)走向信息化的一個(gè)標(biāo)志，很多企業(yè)都采用大數(shù)據(jù)技術(shù)來規(guī)范自身的管理，大數(shù)據(jù)技術(shù)也給企業(yè)帶了新的發(fā)展機(jī)遇，使企業(yè)具有更多的贏利點(diǎn)。在服裝銷售中，往往出現(xiàn)生產(chǎn)的服裝因不流行而賣不出去，有的產(chǎn)品因?yàn)樯a(chǎn)量過小而市場(chǎng)上缺貨，這種局面不是服裝企業(yè)想要的。服裝企業(yè)要想有很大的盈利空間，必須按照市場(chǎng)的發(fā)展規(guī)律來生產(chǎn)銷售，也就是說市場(chǎng)需要啥我們就生產(chǎn)啥，需要投放多少件，我們就投多少件。這樣庫(kù)存積壓就不會(huì)出現(xiàn)過多，企業(yè)的資金鏈才能快速流轉(zhuǎn)，從而盈利。我們利用服裝銷售系統(tǒng)中歷史數(shù)據(jù)搭建一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，通過對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行挖掘分析，最終獲得隱藏才數(shù)據(jù)倉(cāng)庫(kù)中的知識(shí)，能夠幫助企業(yè)進(jìn)行決策。那么要進(jìn)行數(shù)據(jù)挖掘，數(shù)據(jù)挖掘的算法非常之多，針對(duì)服裝銷售數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行挖掘分析哪種算法合適呢？這就是本文研究的一個(gè)課題。

1服裝銷售數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)

在信息化世界里，服裝企業(yè)已經(jīng)實(shí)現(xiàn)通過服裝銷售系統(tǒng)進(jìn)行在線預(yù)訂服裝，在線購(gòu)買服裝，在線對(duì)訂單的管理以及客戶的管理，通過服裝銷售系統(tǒng)中顧客交易的歷史數(shù)據(jù)記錄，搭建數(shù)據(jù)倉(cāng)庫(kù)，通過對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行挖掘分析，最終得出來對(duì)我們有用的信息，幫助服裝企業(yè)進(jìn)行服裝生產(chǎn)和銷售決策。在服裝銷售過程中，要在數(shù)據(jù)倉(cāng)庫(kù)中選擇三個(gè)主題進(jìn)行分析，這三個(gè)主題分別是：服裝、顧客、時(shí)間。第一、使用一個(gè)數(shù)據(jù)倉(cāng)庫(kù)，就要面向主題。根據(jù)事物的判斷方向，對(duì)數(shù)據(jù)進(jìn)行分析，挖掘。將一些數(shù)據(jù)進(jìn)行組合，并按照要求進(jìn)行分析，分析出的內(nèi)容可以幫助企業(yè)進(jìn)行決策。第二、將不完整的垃圾數(shù)據(jù)和重復(fù)的數(shù)據(jù)，對(duì)我們沒有價(jià)值的數(shù)據(jù)都統(tǒng)統(tǒng)刪除，重新整理。第三、收集一些可靠的數(shù)據(jù)，比較穩(wěn)定的。這些數(shù)據(jù)如果真的保存到數(shù)據(jù)倉(cāng)庫(kù)中，那不是一天兩天就刪除了，恐怕要保存相當(dāng)長(zhǎng)的時(shí)期。最后，在數(shù)據(jù)倉(cāng)庫(kù)里，要是能夠發(fā)現(xiàn)數(shù)據(jù)之間的規(guī)律，還是歷史數(shù)據(jù)有效。所以我們?cè)趯?duì)待歷史數(shù)據(jù)收集的問題上應(yīng)該保持安全、可靠、穩(wěn)定。

2算法的選取

在數(shù)據(jù)倉(cāng)庫(kù)中，算法是非常多的，有聚類算法、相似度算法、回溯算法等。在服裝銷售系統(tǒng)中，搭建數(shù)據(jù)倉(cāng)庫(kù)進(jìn)行數(shù)據(jù)挖掘分析，要根據(jù)服裝銷售的特點(diǎn)進(jìn)行搭建數(shù)據(jù)倉(cāng)庫(kù)。在服裝銷售系統(tǒng)中，服裝收季節(jié)影響比較大，所以我們要根據(jù)時(shí)間維度進(jìn)行劃分，每一個(gè)季節(jié)中有分為很多個(gè)周，在一周中又分為周內(nèi)或者周末周內(nèi)的銷售情況就沒有周末好，在周末中是周六銷售的好還是周天銷售的好，周上午還是下午，上午那幾個(gè)時(shí)間段、下午那幾個(gè)時(shí)間段。對(duì)服裝維度來說，那種色系、那種顏色、那種品牌賣的比較好，在那個(gè)區(qū)域賣的比較好，我們要通過這些進(jìn)行細(xì)分。對(duì)顧客來說就是人群，消費(fèi)者年齡層次，是年輕人還是年齡大的中老年人，我們要根據(jù)人群年齡結(jié)構(gòu)梯隊(duì)進(jìn)行分析研究，最終通過分析建立立方體模型，通過算法對(duì)立方體模型中的數(shù)據(jù)進(jìn)行分析，最得到我們想要的信息。從而很好的指導(dǎo)服裝銷售和生產(chǎn)。那么對(duì)于服裝數(shù)據(jù)倉(cāng)庫(kù)的特點(diǎn)，我們選擇相關(guān)性算法比較占優(yōu)勢(shì)，因?yàn)榉b銷售中主題比較多，而且相對(duì)比較復(fù)雜，所以我們選擇微軟的相關(guān)性算法可以實(shí)現(xiàn)算法的分析。數(shù)據(jù)挖掘算法有：回歸分析算法、聚類算法、數(shù)據(jù)變小的分類算法、關(guān)聯(lián)規(guī)則算法、神經(jīng)網(wǎng)絡(luò)算法、Web數(shù)據(jù)挖掘算法等，我們使用的算法就是關(guān)聯(lián)規(guī)則算法，該算法適合維度相對(duì)較多，比較復(fù)雜的情況下。

3結(jié)束語(yǔ)

算法的選擇，要根據(jù)研究對(duì)象的特點(diǎn)進(jìn)行，在服裝銷售系統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)中進(jìn)行數(shù)據(jù)挖掘，可以使用的算法是非常的多，但是服裝數(shù)據(jù)倉(cāng)庫(kù)中要選擇的維度相對(duì)比較多，要研究的相對(duì)其它產(chǎn)品也比較復(fù)雜。我們將9中算法進(jìn)行比較對(duì)比發(fā)現(xiàn)微軟的相關(guān)性算法適合維度比較多的情況進(jìn)行分析研究。所以我們就在對(duì)數(shù)據(jù)倉(cāng)庫(kù)中國(guó)的數(shù)據(jù)進(jìn)行分析挖掘時(shí)，采用了微軟的相關(guān)性算法，該算法實(shí)現(xiàn)起來比較簡(jiǎn)單，操作難度不是很大，比較適合針對(duì)服裝銷售數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)挖掘分析。

參考文獻(xiàn)：

[1]郝建軍，翟歲兵，劉冬，等.數(shù)據(jù)挖掘技術(shù)識(shí)別可疑洗錢交易行為模式研究[J].電腦知識(shí)與技術(shù)，2016，12（14）:204-205.

[2]郝建軍，劉斌.基于數(shù)據(jù)挖掘的服裝銷售決策系統(tǒng)研究[J].信息與電腦（理論版），2018（1）.

[3]郝建軍.數(shù)據(jù)挖掘在服裝客戶關(guān)系管理中的運(yùn)用——評(píng)《服裝市場(chǎng)營(yíng)銷》[J].印染助劑，2018（2）.

[4]萬(wàn)錚.基于數(shù)據(jù)倉(cāng)庫(kù)的OLAP系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西南交通大學(xué)，2015.

[5]任天亮.數(shù)據(jù)挖掘在現(xiàn)代服裝行業(yè)中的應(yīng)用[J].山東紡織科技，2016，50（4）:40-42.

[6]劉小燕.數(shù)據(jù)挖掘算法基于關(guān)聯(lián)規(guī)則的分析和應(yīng)用[J].課程教育研究，2017（11）.

[7]張凱斐，劉繼華，張菊芳.大規(guī)模高維數(shù)據(jù)集中局部異常數(shù)據(jù)挖掘算法[J].微電子學(xué)與計(jì)算機(jī)，2018（3）.

作者：郝建軍 單位：陜西服裝工程學(xué)院