下载文档原格式
购物篮分析购物篮分析是一种经济学上的方法，用于了解消费者在购物过程中的偏好和行为。
通过分析购物篮内的商品组合，我们可以揭示出消费者的购买习惯和决策过程，从而为商家提供参考和决策依据。
本文将通过介绍购物篮分析的概念、方法和应用，探讨其在商业决策中的作用和意义。
一、购物篮分析的概念和方法购物篮分析是一种基于数据挖掘的分析技术，通过对消费者购物篮内商品组合的统计和关联分析，寻找不同商品之间的关联关系和规律。
其基本思想是假设消费者购买商品的行为是有一定规律可循的，通过挖掘这些规律，可以了解消费者的购买动机、偏好和需求，帮助企业做出更好的决策。
购物篮分析的方法主要包括频繁项集挖掘和关联规则挖掘。
频繁项集挖掘是指在购物篮数据中找出频繁出现的商品组合，通过计算其出现的频率和支持度来衡量其重要性。
关联规则挖掘则是通过计算不同商品之间的关联度，寻找出消费者购买商品之间的关联关系，并生成相关的规则。
在购物篮分析中，我们还需要定义一些基本的概念和指标来衡量不同商品之间的关联关系。
支持度是指某个商品组合在所有购物篮中出现的频率，用来衡量商品组合的普遍程度；置信度是指在购买了一种商品的情况下，同时购买另一种商品的概率，用来衡量两种商品之间的关联程度；提升度是指购买了一种商品后，同时购买另一种商品的概率相对于两种商品独立购买的概率的比值，用来衡量两种商品之间的依赖关系。
二、购物篮分析的应用领域购物篮分析广泛应用于零售业、快消品行业和电商平台等领域。
通过分析消费者购物篮内的商品组合，企业可以了解消费者的购买习惯和决策过程，从而精准推荐商品、优化营销策略，提高销售额和顾客满意度。
在零售业，购物篮分析可以帮助商家了解消费者的购买偏好和需求，优化商品陈列和促销策略。
例如，通过挖掘频繁项集，商家可以发现某些商品之间的关联关系，进而将它们放在相邻的货架上，提高销售量。
关联规则挖掘可以帮助商家发现购买某种商品的顾客还经常购买什么其他商品，从而进行精准的个性化推荐，提高销售成功率。
购物篮分析工具管理制度一、引言购物篮分析是一种常用的市场营销分析方法，通过对顾客购物篮中商品的组合和消费行为进行统计和分析，帮助企业了解顾客的消费偏好、行为模式和购买动机，从而制定更有效的营销策略。
为了规范购物篮分析工具的使用，提高数据分析效率和准确性，本文旨在制定一套购物篮分析工具管理制度。
二、购物篮分析工具管理制度的目的和意义购物篮分析工具管理制度的目的是为了确保企业对顾客购物篮数据的收集、分析和利用具有规范性和科学性，以提高市场营销的效果和竞争力。
具体意义如下：1. 提高数据分析效率：通过建立规范的工具管理制度，加强数据采集的整合和精细化，提高购物篮分析的效率和准确性。
2. 客观洞察市场需求：利用购物篮分析工具深入了解顾客的消费喜好和行为习惯，为企业调整产品定位、推广策略提供客观依据。
3. 制定精准营销策略：通过购物篮分析工具，企业可以根据顾客的购物行为和消费组合制定个性化的促销方案，提高营销效果。
4. 高效资源配置：通过分析顾客购物篮数据，企业可以优化供应链、库存管理和商品陈列，实现资源的合理配置和运营流程的优化。
三、购物篮分析工具管理流程购物篮分析工具管理流程包括数据采集、数据清洗、数据分析和利用四个环节，具体如下：1. 数据采集（1）建立数据采集系统：企业应建立完善的数据采集系统，包括POS机、会员卡系统等，确保购物篮数据的准确获取。
（2）确定数据采集内容：企业应确定需要采集的数据内容，如购买商品信息、交易时间、购物篮编号等。
2. 数据清洗（1）数据清洗标准：制定针对购物篮数据的清洗标准，包括数据格式、缺失值处理、异常值处理等，以确保数据的准确性和一致性。
（2）数据清洗流程：明确数据清洗的具体流程，包括数据导入、数据预处理、异常值识别和处理等环节。
3. 数据分析（1）选择分析方法：根据需求选择适合的购物篮分析方法，如关联规则分析、聚类分析等，以提取有用的商业洞见。
（2）数据分析工具：确定购物篮分析工具的使用方法和使用频次，如Microsoft Excel、R语言、Python等。
题目大型超市“购物篮”问题分析摘要本文对于大超市商品的关联度以及商品最频繁同时购买问题进行分析，构建合理的数学模型，并给出可操作的商品销售方案。
问题一要求统计处理4717个顾客对999中商品的购买记录数据，建立数学模型，定量表达超市中多种商品间的关联关系的密切程度。
首先建立遗传算法，利用SPSS统计得出各个商品购买数量，并计算出标准差。
再对影响关联度的另一度量指标进行分析，将数据分类利用Matlab处理数据，得出商品间的欧氏距离。
最后加上实际影响因素，建品572，商品797，购买次数最高,102次，组合利润最高1485.399，总利润最高151510.698。
因此，将这组商品作为最优组合。
问题三要求根据问题1、问题2中建立的模型，对附件2中999种商品的利润进行分析，给出一种初步的促销方案。
对数据运用Matlab进行拟合，得出商品利润与商品之间的关联度符合线性关系。
对附件2中利润数据分类，分别计算结果。
最后，给出促销方案。
关键词遗传算法欧氏距离关联度贪婪算法一、问题背景和重述1.1问题背景超市购物属于日常生活，而每天来超市购物的顾客和购买的商品都具有不稳定性。
商品的销量会因顾客的喜好或时间的影响不断变化，又因商品购买存在随机性、多元性等特点，必须估测好每种商品的需求量。
如处理不当，很可能造成仓库囤积量增多，甚至造成超市利润损失过大。
商品购买是不确定的，但某种或某些商品会获得大多数人的认可，被顾客频繁购买。
在大型超市中，商品繁多、复杂，正确分析并估算顾客对某种或某些商品的喜好，将为超市经理合理设计进货方案、处理仓库、获得最大利润、搞推销、促销活动和购物赠送活动等提供理论依据。
商品市场分析和顾客购物习惯分析，作为超市一项基础性任务，不仅可以确定超市进货合理模式及合理促销方式，还可以为各大型超市确定今后整体规划、超市规模、商品购买后评估等提供更为科学的理论依据。
1.2问题重述现给出超市进一个星期的所有顾客购买物品的清单和相应商品的价格，分析所给数据，研究以下问题，并建立合理的数学模型：1、附件1 中的表格数据显示了该超市在一个星期内的4717 个顾客对999 种商品的购买记录，表格中每一行代表一个顾客的购买记录，数字代表了其购买商品的超市内部编号。
购物篮分析事物的概念购物篮分析是一种通过对顾客购买商品的数据进行统计和分析，来揭示顾客购买行为和商品关联性的方法。
购物篮分析的原理是基于关联规则挖掘的技术，通过发现商品之间的关联关系，可以帮助商家制定更有效的市场策略，提升销售额和顾客满意度。
购物篮分析的概念是基于购物篮的思想，将顾客购物行为与商品的交互关系进行综合分析。
购物篮可以视为一张清单，记录了每个顾客在一个购物事务中购买的商品。
购物篮分析通过分析大量的购物篮数据，可以发现不同商品之间的关联性，从而了解顾客的购买习惯和偏好。
例如，购物篮分析可以揭示出“购买尿不湿的顾客也经常购买奶瓶”的规则，这就表明了尿不湿和奶瓶之间的关联性，商家可以通过这个发现来制定相应的市场推广策略。
购物篮分析的基本原理是关联规则挖掘。
关联规则是衡量商品之间关联性的一种方法。
购物篮分析通过计算支持度和置信度来评估关联规则的重要程度。
支持度（support）指的是同时购买两个商品的顾客数量占总顾客数量的比例，置信度（confidence）指的是购买了一个商品之后，购买另一个商品的顾客数量占购买第一个商品的顾客数量的比例。
购物篮分析会计算所有可能的关联规则，并筛选出具有较高支持度和置信度的规则作为有效的关联。
购物篮分析的应用非常广泛。
首先，购物篮分析可以帮助商家优化商品陈列和促销策略。
商家可以根据购物篮分析的结果，将购买关联性较强的商品放在一起陈列，引导顾客进行多样化的购买，从而提升销售额。
其次，购物篮分析可以帮助商家进行精准化的市场推广。
商家可以通过购物篮分析的结果，向顾客推荐他们可能感兴趣的其他商品，提高顾客购买的满意度和忠诚度。
再次，购物篮分析还可以帮助商家进行库存管理。
通过了解顾客的购买组合，商家可以合理安排库存，避免过度或不足。
最后，购物篮分析也可以用于顾客细分和个性化营销。
通过购物篮分析可以识别出某些特定的购买组合，从而对顾客进行细分。
例如，通过购物篮分析可以发现有些顾客经常购买健身食品和运动装备，这些顾客可以被划分为运动人群，商家可以根据这个分类，进行专门的促销活动或个性化推送。
实验二Clementine12 购物篮剖析（关系规则）一、 [实验目的 ]设计关系规则剖析模型，经过模型演示怎样对购物篮剖析，并依据细分结果对采纳不一样的营销策略。
体验以数据驱动的模型计算给科学决议带来的先进性。
二、 [知识重点 ]1、购物蓝剖析观点；2、管来呢规则算法原理；3、购物蓝剖析工具；4、关系规则剖析流程。
三、 [实验要乞降内容 ]1、初步认识使用工作流的方式建立剖析模型；2、理解智能数据剖析流程，主假如CRISP-DM 工业标准流程；3、理解关系规则模型原理；4、设计关系规则分流；5、运转该流，并将结果可视化展现；6、得出模型剖析结论7、运转结果进行有关营销策略设计。
四、 [实验条件 ]Clementine12.0 发掘软件。
五、 [实验步骤 ]1、启动软件；2、在工作区设计管来呢规则发掘流；3、履行模型，剖析计算结果；4、撰写实验报告。
六、 [思虑与练习 ]1、为何要进行关系规则剖析？它是怎样支持客户营销的？实验内容与步骤一、序言“啤酒与尿布”的故事是营销届的神话，“啤酒”和“尿布”两个看上去没有关系的商品摆放在一同进行销售、并获取了很好的销售利润，这种现象就是卖场中商品之间的关系性，研究“啤酒与尿布”关系的方法就是购物篮剖析，购物篮剖析以前是沃尔玛秘而不泄的独门武器，购物篮剖析能够帮助我们在门店的销售过程中找到拥有关系关系的商品，并以此获取销售利润的增添！“啤酒与尿布”的故事产生于20 世纪90 年月的美国沃尔玛商场中，沃尔玛的商场管理人员剖析销售数据时发现了一个令人难于理解的现象：在某些特定的状况下，“啤酒”与“尿布”两件看上去毫没关系的商品会常常出此刻同一个购物篮中，这种独到的销售现象惹起了管理人员的注意，经事后续检查发现，这种现象出此刻年青的父亲自上。
在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年青的父亲前往商场购置尿布。
父亲在购置尿布的同时，常常会趁便为自己购置啤酒，这样就会出现啤酒与尿布这两件看上去不相关的商品常常会出此刻同一个购物篮的现象。
大型超市购物篮分析数学建模近年来，随着人们消费水平的提高，大型超市的购物篮成为了人们生活中不可或缺的一部分。
购物篮的设计对于提高超市的运营效率和顾客购物体验至关重要。
因此，对购物篮进行数学建模和分析，能够帮助超市优化购物篮的设计和使用。
首先，我们可以从购物篮的大小和容量入手。
购物篮的大小应当适中，既方便顾客携带，又能容纳其购买的商品。
在数学建模中，我们可以通过统计超市的顾客购买商品的重量和体积数据，确定购物篮的最佳尺寸和容量。
这个问题可以转化为一个多元线性回归问题，通过拟合顾客购买商品的重量和体积与购物篮大小之间的关系来找到最佳的购物篮尺寸和容量。
其次，我们可以从购物篮的构造材料和结构入手。
购物篮应该具备足够的强度和稳定性，以承受顾客购买商品的重量和保证商品不会倒塌或损坏。
在数学建模中，我们可以考虑购物篮的材料强度和结构设计对购物篮的影响。
这个问题可以转化为一个结构力学问题，通过建立购物篮的有限元模型和应力分析，来确定购物篮的最佳构造材料和结构设计。
此外，我们还可以从购物篮的堆叠和存放方式入手。
购物篮的堆叠和存放方式应当便于顾客取放和超市管理。
在数学建模中，我们可以考虑购物篮的堆叠高度和存放方向对超市运营效率的影响。
这个问题可以转化为一个运筹学问题，通过建立购物篮堆叠和存放模型，来确定最佳的堆叠高度和存放方向，以提高超市运营效率。
最后，我们还可以从购物篮的预测和配备入手。
购物篮的预测和配备应当能够满足顾客购物的需求，避免购物篮紧张或闲置过多。
在数学建模中，我们可以利用统计学方法和时间序列分析，通过分析历史购物篮使用数据，来预测未来购物篮的需求。
这个问题可以转化为一个预测问题，通过建立购物篮需求预测模型，来确定最佳的购物篮配备方案。
综上所述，大型超市购物篮的分析数学建模可以从购物篮的大小和容量、构造材料和结构、堆叠和存放方式以及预测和配备等方面入手。
通过建立合适的数学模型，可以帮助超市优化购物篮的设计和使用，提高超市的运营效率和顾客购物体验。
数据挖掘分析方法——购物篮分析
数据挖掘分析方法——购物篮分析购物篮分析(Market Basket Analysis)最主要的目的在于找出什么样的东西应该放在一起？商业上的应用在藉由顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品，找出相关的联想（association）规则，南京宝云OCP课程火热报名中！企业藉由这些规则的挖掘获得利益与建立竞争优势。
举例来说，零售店可藉由此分析改变置物架上的商品排列或是设计吸引客户的商业套餐等等。
购物篮分析基本运作过程包含下列三点：
（1）选择正确的品项：这里所指的正确乃是针对企业体而言，必须要在数以百计、千计品项中选择出真正有用的品项出来。
（2）经由对共同发生矩阵（co-occurrence matrix）的探讨挖掘出联想规则。
（3）克服实际上的限制：所选择的品项愈多，计算所耗费的资源与时间愈久（呈现指数递增），此时必须运用一些技术以降低资源与时间的损耗。
购物篮分析技术可以应用在下列问题上：
（1）针对信用卡购物，能够预测未来顾客可能购买什么。
（2）对于电信与金融服务业而言，经由购物篮分析能够设计不同的服务组合以扩大利润。
（3）保险业能藉由购物篮分析侦测出可能不寻常的投保组合并作预防。
（4）对病人而言，在疗程的组合上，购物篮分析能作为是否这些疗程组合会导致并发症的判断依据。
第29卷第1期2013年2月哈尔滨商业大学学报(自然科学版)Journal of Harbin University of Commerce (Natural Sciences Edition )Vol．29No．1Feb．2013收稿日期：2012－06－30．作者简介：李敏（1964－），女，教授，硕士生导师，研究方向：数据挖掘．基于自律计算的市场购物篮分析李敏1，姚昕1，李红2（1．哈尔滨商业大学计算机与信息工程学院，哈尔滨150028；2．中石油辽河油田公司钻采院，辽宁盘锦124010）摘要：提出了一种基于自律计算的购物篮分析模型，以商业流程为基础，建立优化的数据库结构，把自律计算算法作为研究核心，以仿真实验验证，结合购物篮分析决策模型完成自律计算及其在购物篮分析中的应用研究，对其中的购物篮分析方法进行了优化．在商业系统中，数据通过DB 接口到达至购物篮中，然后对这些数据进行清理并通过挖掘算法对之进行决策，随之通过自律计算单元来判断该数据是否符合要求，若符合，则通过I /O 接口到达商业用户;若不符合则返回购物篮继续进行数据清理，直到数据符合条件为止．关键词：自律计算;市场购物篮分析;应用模型中图分类号：TP311文献标识码：A文章编号：1672－0946（2013）01－0076－03Market basket analysis based on autonomic computingLI Min 1，YAO Xin 1，LI Hong 2（1．School of Computer and Information Engineering ，Harbin University of Commerce ，Harbin 150028，China ；2．Drilling and Oil Production Technology Research Institute ，Panjin 124010，China ）Abstract ：A basket analysis model based on autonomic computing was proposed to establish optimized database structure in this paper．It based on bussiness process and treated auto-nomic computing algorithm as a research core．It was verified by a simulation experiment ，combining basket analysis decision to complete autonomic computing and its applied research on the market basket analysis and optimized the basket analysis method．In commercial sys-tems ，data arrived to basket by DB interface ，and then cleaned up these data and make deci-sion by the mining algorithm．And then autonomic computing unit was used to determine whether the data was required．If it met the conditions ，it could reach bussiness users through the I /O interface ；If not ，it should return to basket to continue cleaning data until it satisfied the condition．Key words ：autonomic computing ；market basket analysis ；application model在市场的竞争日趋激烈以及顾客消费的心理日趋成熟的今天，充分了解顾客的购物需求已经成为商家成功经营至关重要的一个因素．大部分的零售企业认识到这一点，并在这一方面做了不少的努力，如各种常客登记分析、计算机辅助销售、人口统计分析以及我们本文提到的最普遍的购物篮分析等方法．但是我们这些方法依然存在很多的缺陷．因此，本文提出了一种基于自律计算的购物篮分析模型，对其中的购物篮分析方法进行了优化，使得自律计算在购物篮分析中占有非常重要的位置．2001年，IBM 公司首次提出了有关于自律计算的概念，是“一种能够以最少的人工干预实现系统的自我管理的技术”，可以解决日益复杂的计算环境中所面临的成本与管理问题，其最终目的是系统能够自动的对自身进行管理，并维持其可靠性．自律计算为解决计算机系统构造和管理的复杂性提供了新的思路，迅速成为研究热点［1］．根据IBM 公司的自律计算的定义标准，一个自律计算系统要具有自我配置、自我恢复、自我优化和自我保护4个基本特征．这4个特征并不是相互独立的，每个属性都能改变系统的配置，实现自我管理的特性［2］．由于应用领域的不同，这4个特征在具体实现过程中有不同的实现机制和内涵解释［3］．购物篮分析是指在顾客同一次购物活动中，对其所购买商品组成的相关性进行研究的方法学．购物篮分析首先要把每个购物篮中的商品分类，然后再分析各个商品所占的比例．假设设定一个阈值，如果购物篮中某一类商品的比例超过了该阈值，那么就可以认为该类商品是流行的．市场购物篮分析最常见的应用是用来实现更有效的价格促销策略．潜在的假设是：有关联的产品表现出积极的交叉价格弹性，换一种说法就是，价格的促销对于有关联的产品的销售产生了积极的影响．市场购物篮分析常常去选择那些对全额利润的相关产品的销售有着有利影响的产品进行价格促销．“企业管理人员或分析人员可以通过市场购物篮分析去发放优惠券或指定打折优惠等策略”．把两种顾客可能会同时购买的商品一起进行促销就不是一个很好的方法，我们可以选择通过对一种物品进行促销来带动另一种物品的销售量．但是目前在国内还没有通过自律计算来优化购物篮分析的案例．1模型的提出1．1市场购物篮分析市场购物篮分析是购物篮分析应用于市场的最常见类型之一，它确定了顾客会同时购买哪些物品．该算法的名称取自于顾客在购物时把所购的商品放在购物车（一个“购物篮”）中．知道人们会同时购买哪些物品，对零售商或者其他企业是有意义的．商店可以利用这些信息在同一商店中摆放经常同时售出的物品［4］．我们可以通过关联规则来确定消费者所购买的不同产品之间的关联．关联规则挖掘的一个典型例子是购物篮分析．该过程通过发现顾客放入其购物篮中不同商品之间的联系，分析顾客的购买习惯．通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略．例如，在通一次去超级市场，如果顾客购买牛奶，他也购买面包（和什么类型的面包）的可能性有多大？通过帮助零售商有选择的经销和安排货架，这种信息可以引导销售．1．2自律计算自律计算是一门新兴的学科，目前还处于发展的初级阶段．在商业系统中，数据通过DB 接口到达至购物篮中，然后对这些数据进行清理并通过挖掘算法对之进行决策，随之通过自律计算单元来判断该数据是否符合要求，若符合，则通过I /O 接口到达商业用户；若不符合则返回购物篮继续进行数据清理，直到数据符合条件为止．本文以商业流程为基础，建立优化的数据库结构，把自律计算算法作为研究核心，以仿真实验验证，结合购物篮分析决策模型完成自律计算及其在购物篮分析中的应用研究．技术路线模型如图1所示．2基于自律计算的购物篮分析本文从一家实际的小型超市入手，通过对顾客所购买的商品交易数据进行分析，通过挖掘布尔关联规则频繁项集的算法找到强关联规则，最后通过自律计算进行自我管理、自我优化等等．通过这些可以使得零售商们准确的把握顾客的消费心理，并对此制定一系列的销售策略（见图1）．表1为商品交易表格．图1技术路线模型图·77·第1期李敏，等：基于自律计算的市场购物篮分析表1商品交易表格A尿布B面包C矿泉水D啤酒E牛奶F毛巾ID1010110 ID2101001 ID3111010 ID4011011 ID5101100 ID6001110 ID7010100 ID8101000从表1可以看出：ID1=｛B、D、E｝；ID2=｛A、C、F｝；ID3=｛A、B、C、E｝；ID4=｛B、C、E、F｝；ID5=｛A、C、D｝；ID6=｛C、D、E｝；ID7=｛B、D｝；ID8=｛A、C｝；假定最小事务支持计数为2（即min_sup=2/8 =0．25），由Apriori算法可以找出满足min_sup= 0．25的最大频繁项集，过程如下：1）在算法的第一次迭代，每个项都是候选1－项集的集合C1的成员，算法简单的扫描所有的事务，对每个项的出现次数计数：C1：候选项集项集覆盖度｛A｝0．5｛B｝0.5｛C｝0.75｛D｝0.5｛E｝0.5｛F｝0.25→L1：频繁项集项集覆盖度｛A｝0.5｛B｝0.5｛C｝0.75｛D｝0.5｛E｝0.5｛F｝0.252）为发现频繁2－项集的集合L2，算法使用L1⊕L1产生候选项2－项集C2，如下所示．C2：候选项集项集覆盖度｛A，B｝0.125｛A，C｝0.5｛A，D｝0.125｛A，E｝0.125｛A，F｝0.125｛B，C｝0.25｛B，D｝0.25｛B，E｝0.25｛B，F｝0.25｛C，D｝0.25｛C，E｝0.375｛C，F｝0.25｛D，E｝0.25｛D，F｝0｛E，F｝0.125→L2：频繁项集项集覆盖度｛A，C｝0.5｛B，C｝0.25｛B，D｝0.25｛B，E｝0.375｛C，D｝0.25｛C，E｝0.375｛C，F｝0.25｛D，E｝0.253）令C3=L1⊕L2，根据Apriori性质，“频繁项集的所有子集必须是频繁的”，我们删除其中不是频繁项集的候选集，注意：Apriori算法使用逐层搜索技术，给定k－项集，只需要检查它们的（k－1）－子集是否频繁，其结果如下．C3：候选项集项集覆盖度｛B，C，D｝0｛B，C，E｝0.25｛B，D，E｝0.125｛C，D，E｝ 1.125→L3：频繁项集项集覆盖度｛B，C，E｝0.25算法使用L3⊕L3产生候选4－项集的集合C4．计算得C4=Φ，因此算法终止，找出了所有的频繁项集．Apriori算法的第1步找出频繁1－项集的集合L1．随后使用Apriori性质删除那些具有非频繁子集的候选，一旦产生了所有的候选，就扫描数据库．对于每个事务，使用subset函数找出事务中是候选的所有子集，并对每个这样的候选累加计数．最后，所有满足最小支持度的候选形成频繁项集L．然后，调用一个过程，由频繁项集产生关联规则．根据本例，如果最小置信度阈值为60%，那么只有三条规则可以输出，即B，C→E；B，E→C；E，C→B，因为只有这些是产生的强规则．在｛面包B、矿泉水C、牛奶E｝三种商品中，在购买其中两个商品的前提下，购买另外一个商品的概率是很高的．根据算法所推出的结果，该小型超市把｛面包、矿泉水、牛奶｝这三种不同类的商品摆放在一起或非常临近的位置．最终可以看出，三种商品的销售额都提高了．而自律计算则使系统从整体上表现出一种自我管理的特点．由此看出，基于自律计算上的购物篮分析给商家带来了极大的经济效益［4－5］．3结语自律计算的概念源于人类复杂的自主神经系统，换句话说，在任何不需要人工干预的情况下，它能够“自我配置”、“自我优化”、“自我修复”和“自我保护”，终极目标是“用技术进行管理技术”．这可以在计算机环境中解决我们面对的管理和成本问题，本文中零售商可以通过自律计算去判断哪些商品是流行的，然后根据它制定一个计划，以便赚取更高的利润．（下转88页）表2指标相对重要度判断C41C42C43C44 C4110．160．30．5 C426155 C4330．213 C4420．20．31表3指标重要度模糊判断B1B2B3B4 B110．251110．33210．3543 B22120.25 3130.34140.5 B30．250．2510.30.30.310.30.10.510.5 B40．32210．53311431FCE模块得出综合评价结果见表4.表4指标综合评价结果C11 0．1126C120．6126C130．1874C140．0874C21 0．0941C220．7059C230．2C240．0C31 10．1265C320．6743C330．1196C340．0806C41 0．186C420．673C430．11C440．031系统中FCE的评价集为V=｛优，良，一般，稍差｝，其相对应的评价分数为100、85、70、55．最后企业信息化绩效的综合得分为：80．21分，介于一般与良好之间．说明企业信息化实施的较好，但仍有一定的提升空间．对于表4中综合评价值相对较低的指标，企业应在下一步信息化建设中加大关注力度．实验结果表明了评估系统的可行性，有效性．3结语信息化绩效评价在信息化建设过程中尤为重要，绩效评价系统的实现不仅丰富了绩效评价体系的内容，也为企业再次信息化建设提供了帮助．但是，模型的灵活性有待于进一步的研究，具体表现为模型指标体系的固定化．如果能解决这一问题，系统的灵活性将大大提高．参考文献：［1］郭磊，李云峰，盛晓萍．平衡计分卡在我国电网企业绩效评估的应用分析［J］．能源技术经济，2010，22（8）：50－54．［2］朱建军．层次分析法的若干问题研究及应用［D］．沈阳：东北大学，2005．［3］许树柏．层次分析法原理［M］．天津：天津大学出版社，1986．［4］侯伦，唐小我．企业信息化及其指标体系探讨［J］．电子科技大学学报，2001（3）：38－44．［5］吴小丽．浅谈企业信息化［J］．科技情报开发与经济，2007（1）：86－87．［6］张新香．基于三角模糊数的中部地区电子政务绩效评估［J］．情报杂志，2008（6）：91－93．［7］韩郁君．AHP－FCE模型在企业绩效评价中的应用研究［D］．武汉：武汉理工大学，2008．［8］董世成，马丽心，宫运启.信息技术在大型医疗设备流程化管理中的应用［J］.哈尔滨商业学学报：自然科学版，2012，28（3）：320－323.（上接78页）参考文献：［1］张海涛，王慧强，刘洪刚，等．自律计算评估技术研究［J］．小型微型计算机系统，2009，30（9）：1791－1795．［2］杜海涛，陈定方，张波．一种基于关联规则的超市购物篮分析方法［J］．湖北工业大学学报，2008，23（2）：53－55．［3］薛红，聂规划．基于关联规则分析的“购物篮分析”模型的研究［J］．北京工商大学学报：自然科学版，2008，23（4）：1－5．［4］［加］HAN J W，KAMBER M．数据挖掘概念与技术［M］．2版．范明，孟小峰，译．北京：机械工业出版社，2007：146－155．［5］李敏，潘祥光，曲云波，基于数组的关联规则挖掘算法的研究［J］.哈尔滨商业大学学报：自然科学学报，2011，27（5）：705－708.。
