数据挖掘技术在零售业中的应用——以沃尔玛为例

课题：数据挖掘技术在零售业中的应用——以沃尔玛为例

第一章 数据挖掘概论

1.1数据挖掘技术的概念

数据挖掘是一个萃取和展现新知识的流程.通过分析具体数据，发现确定有效的、新颖的、有潜在使用价值的、以往不为人知的、最终可理解的信息，为企业良好运营和决策部门作出重要决策提供帮助

1.2常见的算法与模型

（1）传统统计方法：主要用于知识总结和关系型数据挖掘。

（2）决策树：是建立在信息论基础之上，对数据进行分类的一种方法，结果易于理解。

（3）逻辑回归算法：是通过具有已知值的变量来预测其他变量的值。

（4）神经网络：是一种仿照生理神经网络结构的非线性预测模型，它通过学习进行识别。

（5）遗传算法：借用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体适应性的提高。它良好地整合了神经网络，其结果是可以解释的且应用简单，它能够处理广泛范围的数据类型，使其不断进化到最佳解决法案。

（6）关联规则挖掘算法：能够发现大量数据中项集之间有趣的关联或相关联系。

（7）可视化技术：用图表等方式把数据特征直观的表达出来。

1.3数据挖掘技术的分类

（1）关联分析：关联分析的目的是找出数据库中值的相关性。

（2）聚集：是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异。

(3)分类：是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示。

(4)预测：是利用历史数据找出变化规律，建立模型，并由此模型对未来数据的种类及特征进行预测。预测关心的是精度和不确定性，通常用预测方差来度量。

（5）时间序列：是指通过时间序列搜索出的重复发生概率较高的模式。与回归一样，它也是用己知的数据预测未来的值，但这些数据的区别是变量所处时间的不同。

1.4数据挖掘工具

(1)以工作原理的不同划分

a．基于神经网络的工具

b．基于规则和决策树的工具

c．基于模糊逻辑的工具

（2）以工作对象的不同划分

a．纯数据挖掘工具

b．文本挖掘工具

（3）以使用单位不同划分

a．企业型工具

b．小型工具

第二章 数据挖掘技术在零售业中的应用

2.1 零售业的概念及其特征

零售业是处于生产者与消费者或批发企业与消费者之间的中间环节，面对的对象是广大的消费者。这一定义决定了零售业主要有以下几个特点：

（1）就顾客而言，以个人消费者为主，这一群体数量庞大，消费水平参差不齐，主要聚集在商场消费，与零售商的关系是断续的。

(2)就商品而言，零售商采取的销售方式有经销、代销、联销等，与其联系的供应商数目也十分大.

(3)就利润而言，零售商的毛利为销售额减去已售商品的货物成本，比起制造商的毛利率要低.

(4)还有一个十分重要的特点是，零售业是一种销售活动，不仅受到季节、节假日以及其他外部影响因素较大，而且自身的促销、降价等行为也会起很大作用.

2.2 零售业的现状及其发展趋势

2.2.1零售业的行业现状

(1)资金来源和投资方向结构较为单一

2003年业内人士对8家外国零售商和3家排名前列的国内零售企业的长短期借款对比中发现:国内企业的短期负债率大大超过国外企业，而几乎没有长期负债，而且，在国内企业的长短期负债的加总也明显高于国外企业。由于竞争激烈，多数零售企业为了不断扩大规模，不惜血本改建、扩建，甚至新建大商场。新建、扩建资金多来源于银行贷款，还本付息的负担很重。加上投入大，工期长，建筑成本攀升。很多城市大型商场比例过高，竞争加剧，经营失败者大有人在。

(2)规模小、网点分布不尽合理

现在国内零售企业形成了一个企业多、规模小的局面。2003年统计资料显示:国内较大的50家零售企业的零售总额还不到全国零售业销售总额的5%，而且没有任何一家的规模可以对国外零售商形成有力的竞争。

(3)经营管理水平尚处于低层次

作为市场竞争主体的大型零售企业经营品种没有特色，千店一面，各大型商家竞相将眼光盯住人数不多的高收入阶层，近几年发展起来的各种专业商店\\专卖店也以高收入者为目标市场.这种市场定位错置，导致经营失败是在所难免的。企业内部管理不规范，零售企业的内部管理水平近些年虽有所提高，但对连锁经营的本质未作深入分析，配送中心的作用和功能不被重视，难以形成真正的连锁经营体系，因而难以发挥连锁经营的优势。

2.2.2零售业的发展趋势

（1）零售业市场高度集中化、规模化

从市场份额上来看，零售业近几年来在亚洲出现了相当的集中度，少数大的零售商掌握当地市场，占有垄断意义的市场份额。

（2）传统零售形式优势逐渐减弱，新型零售形式蓬勃发展

首先，总体上亚太地区传统零售业形式在各个国家和地区仍占有主导地位，传统零售店数量全部超过当地零售店总数的50%。其次，虽然传统零售业仍占相当大的份额，不可忽视的是以自动超市、便利店为代表的新兴零售店正在兴起。

（3）大型、超大型量贩店及货仓商店迅猛增加

近年来，亚洲各国及地区大型、超大型量贩店和货仓商店的数量不断增加。

（4）企业的拓展

20世纪90年代以来，欧美从事零售业的大型企业由于种种原因，加大了在亚洲

市场的开拓力度。

2.3 零售业中的数据挖掘

通过条形码、编码系统、销售管理系统、客户资料管理及其它业务数据中，可以收集到关于商品销售、客户信息、货存单位及店铺信息等的信息资料.数据从各种应用系统中采集，经条件分类，放到数据仓库里，允许高级管理人员、分析人员、采购人员、市场人员和广告客户访问，利用数据挖掘工具对这些数据进行分析，为他们提供高效的科学决策工具.

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、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，用主成分分析方法，建立商品设置的最佳结构和商品的最佳布局.

降低库存成本通过数据挖掘系统，将销售数据和库存数据集中起来，通过数据分析，以决定对各个商品各色货物进行增减，确保正确的库存.

市场和趋势分析利用数据挖掘工具和统计模型对数据仓库的数据仔细研究，以分析顾客的购买习惯、广告成功率和其它战略性信息.

有效的商品促销可以通过对一种厂家商品在各连锁店的市场共享分析、客户统计以及历史状况的分析，来确定销售和广告业务的有效性.

第三章 个案分析——数据挖掘技术在沃尔玛的应用

3.1 沃尔玛的介绍

沃尔玛百货有限公司由美国零售业的传奇人物山姆·沃尔顿先生于1962年在阿肯色州成立。经过四十多年的发展，沃尔玛公司已经成为美国最大的私人雇主和世界上最大的连锁零售企业。目前，沃尔玛在全球15个国家开设了超过8,000家商场，下设53个品牌，员工总数210多万人，每周光临沃尔玛的顾客2亿人次。

1991年，沃尔玛年销售额突破400亿美元，成为全球大型零售企业之一。据1994年5月美国《财富》杂志公布的全美服务行业分类排行榜，沃尔玛1993年销售额高达673．4亿美元，比上一年增长118亿多，超过了1992年排名第一位的西尔斯(Sears)，雄居全美零售业榜首。1995年沃尔玛销售额持续增长，并创造了零售业的一项世界纪录，实现年销售额936亿美元，在《财富》杂志95美国最大企业排行榜上名列第四。事实上，沃尔玛的年销售额相当于全美所有百货公司的总和，而且至今仍保持着强劲的发展势头。至今，沃尔玛己拥有2133家沃尔玛商店，469家山姆会员商店和248家沃尔玛购物广场，分布在美国、中国、墨西哥、加拿大、英国、波多黎各、巴西、阿根廷、南非、哥斯达黎加、危地马拉、洪都拉斯、萨尔瓦多、尼加拉瓜等14个国家。它在短短几十年中有如此迅猛的发展，不得不说是零售业的一个奇迹。

3.2 数据挖掘技术沃尔的玛的应用

总部位于美国阿肯色州的世界著名商业零售连锁企业沃尔玛（Wal Mart）拥有世界上最大的数据仓库系统。为了能够准确了解顾客在其门店的购买习惯，沃尔玛利对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用NCR数据挖掘工具对这些数据进行分析和挖掘。一个意外的发现是：\"跟尿布一起购买最多的商品竟

是啤酒！\"

这是数据挖掘技术对历史数据进行分析的结果，反映数据内在的规律。那么这个结果符合现实情况吗？是否是一个有用的知识？是否有利用价值？

于是，沃尔玛派出市场调查人员和分析师对这一数据挖掘结果进行调查分析。经过大量实际调查和分析，揭示了一个隐藏在\"尿布与啤酒\"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。

既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就在其一个个门店将尿布与啤酒并排摆放在一起，结果是尿布与啤酒的销售量双双增长。

按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。

参考文献：

沃尔玛百货有限公司 http://baike.baidu.com/view/93.htm

沃尔玛超市CRM实施案例应用 作者：刘凌 来源：eNet硅谷动力

《数据库营销》 作者：王方华 陈洁