零售业数据仓库开发过程中数据挖掘模型的设计和应用

第25卷第4期河北工业科技Vol.25,No.42008年7月Hebei Journal of Industrial Science and TechnologyJ uly 2008 文章编号:100821534(2008)0420241203零售业数据仓库开发过程中数据挖掘模型的设计和应用谷海兰(河北科技大学纺织服装学院,河北石家庄　050018)摘　要:伴随着企业数据量的不断增加,客观上要求为高层管理者提供集成化和历史化的数据。

如何利用各部门信息系统中的数据,帮助高层管理者进行相关的决策分析,这个问题变得日益重要。

以零售业管理平台系统为实例,介绍了在传统的数据库管理系统基础上,在构建数据仓库及相关的决策分析模型中,如何进行数据挖掘对象的分析,数据挖掘模型和数据的准备,以及数据挖掘模型的应用。

关键词:决策支持;数据仓库;数据挖掘技术中图分类号:TP319 文献标识码:ADesign and application of data mining model in establishment of retail trade data warehouseGU Hai 2lan(College of Textile and G arment ,Hebei University of Science and Technology ,Shijiazhuang Hebei 050018,China )Abstract :With the constant increase of enterprise ’s data quantity ,senior administrators demand the integrated and historicaldata.How to make use of each section information data in the system ,and help high administrators proceed the related decision analyses ,becomes increasingly important.Taking Super Market Management System as example ,we discussed in detail how to build data warehouse f rom the traditional DBMS ,and how to analyze the object of data mining and prepare the data mining mod 2el.We also discussed the application of the data mining model.K ey w ords :decision support ;data warehouse ;data mining收稿日期:2007212225责任编辑:陈书欣作者简介:谷海兰(19752),女,河北石家庄人,讲师,硕士,主要从事计算机应用技术方面的研究。

当今世界是一个信息化的世界,所有行业都面临激烈的竞争环境,及时做出正确决策是企业生存与发展的重要环节。

随着竞争越来越激烈,利润的降低使得很多企业必须从粗放经营转变到集约经营。

经营决策需要尽可能多的定量分析,而不是似是而非的定性分析;经营决策还需要尽可能快的速度,所有这些都需要技术上的支持。

对中国各领域和许多企业而言,如何在现有的数据库上建立数据仓库,怎样建立数据仓库,如何使数据仓库真正成为决策的基础系统等问题就显得日益突出[1]。

笔者将数据仓库的思想和方法引入到企业信息管理系统的应用中,针对零售业信息管理系统中大量的数据不能有效利用这一现状,提出了一种基于数据仓库,对现有数据进行整理、抽取、净化和转化,能够为决策支持系统提供快速、有效的数据响应的解决办法。

1　数据挖掘对象的分析零售业数据仓库中,管理者的主要任务是分析各种营销策略对不同商品销售的影响,以便在适当的时机,采用相应的销售策略,向特定的客户销售最多的商品,以达到企业利润的最大化。

超市营销策略评价主要通过门市、商品、营销策略、日期、客户和供应商6个维度进行。

要分析的则是商品的销售量、销售额、商品的成本和商品销售的利润这样几个度量信息[2]。

在对超市销售商品促销策略的评价中仅有这样几个信息并不能完整细致地反映出促销策略的价值。

管理者可能还关心下面一些参数指标。

1)商品销售量增长率=(实施促销策略后商品销售量/实施促销策略前商品销售量-1)×100%;2)商品销售额增长率=(实施促销策略后商品销售额/实施促销策略前商品销售额)×100%;3)商品利润增长率=(实施促销策略后商品利润/实施促销策略前商品利润)×100%;4)商品促销策略门市影响率=不同门市相同促销策略下商品利润增长率之比;5)商品促销策略时间影响率=不同时间相同促销策略下商品利润增长率之比。

这些指标可以客观描述促销策略的影响力,而且还可能从中寻找到一些对评价对象影响力更大的变量因素。

除了对这样一些新变量进行评价以外,管理者还希望能够对客户的一些特性进行分析,然后有针对性地实施促销方案。

例如:对重点会员顾客进行分类分析,通过分析结果确定会员卡的发放对象和发放策略等工作。

2　数据挖掘模型和数据的准备确定了挖掘对象以后,就需要准备相关的数据挖掘模型和相关数据,并在数据挖掘模型中确定影响因素变量和评价目标变量,利用目标变量反映数据挖掘结果。

1)挖掘模型的确定　超市许多业务问题最终都需要通过数据挖掘的结果来辅助决策,不是所有的问题都可以映射成数据挖掘模型来得到解决。

这种映射通常需要从业务问题是否能转化为多维的、可比较的、区域或者时间的问题入手。

具体地说,可能包括这样一些问题:在过去的若干年中的业务趋势;在业务的不同分类中最活跃的因素是什么;不同的元素之间是否存在相关性;最感兴趣的分类存在什么地方;不同的分类有哪些层次。

数据挖掘的主要方法有分类、估计、关联分组、聚类、细分或者预测等[3]。

顾客分类模型可以根据客户的不同特征分成若干个不同类别,如果已经了解了这些不同类别对不同促销策略的接受程度,就可以用分类模型来预测某位新顾客是否会接受某一促销策略。

顾客对超市促销策略的接受程度分类,可以根据顾客对促销方案的接受情况,将顾客分成“欢迎”、“反感”、“无所谓”3个分类。

有些分类可以是带有预测性质的分类,例如,为什么同样的产品今年和去年销售量会有不同;哪些因素会导致顾客购买某种商品;哪些因素会导致老顾客的流失。

关联分组主要用于识别那些在某种情况下极有可能共存的情况,超市中典型的关联分组就是顾客购买的关联商品分析,用于了解哪些系列商品极有可能成为顾客一次性购买的对象,比如牙膏和牙刷、牛奶和鸡蛋等。

聚类和细分挖掘是将一组对象分解成若干个小的类别。

聚类内相似性大,聚类间相似性小。

例如:将客户分成3个不同的聚类,它们的特征分别有哪些?销售额排行前10个商品聚类是什么?它们彼此之间有哪些不同之处?有时为了解决一些较大的业务问题,可能还需要对业务问题进行分解,将业务问题分解成多个较小的问题。

如果这些问题能够使用分类、估计、关联分组、聚类、细分或预测等挖掘方法来解决,那么这一较大的问题也就可以用数据挖掘方法解决。

在确定了数据挖掘模型以后,就需要确定挖掘模型的分析目标或挖掘成功的度量值。

利用这些度量值可以说明数据挖掘是否成功。

例如:在超市数据挖掘中经常进行度量的指标有购买商品的客户比例、对促销策略响应的客户数、客户购买商品的平均量、某一时间段购买商品的总量或总金额、商品销售的利润率。

在确定了度量值以后,还要确定这些度量值的当前值,以便在数据挖掘以后,采取相应对策后进行比较。

2)挖掘数据的准备　确定数据挖掘模型以后,就要建立数据挖掘库,过程包括选择业务数据、转换业务数据、验证业务数据。

首先,将所识别出的业务问题映射到业务系统中的原始表和字段上。

对所识别出的数据集,需要利用各种工具进行评估,驱动采用哪些数据。

如果这些数据已经进入到数据仓库,则需要利用OL A P 工具对数据进行观察、评估。

确定了挖掘数据以后,再把这些数据抽取出来,复制到数据挖掘库中。

然后根据挖掘任务的需要,对挖掘数据进行必要的格式转换,以扩展数据所包含的信息量,纠正数据中的偏差。

这些转换主要有加权数据处理、时间序列数据处理、特殊格式处理等[4]。

在完成了挖掘数据库的准备和必要的数据转换后,还需要进行挖掘数据的验证,确认挖掘数据的正242河　北　工　业　科　技 第25卷　确性,保证没有将错误和偏差引入到挖掘数据库中。

为此,要验证数据挖掘库的数据抽取工作是完整准确的,然后验证数据转换的完整准确性。

接着,要为数据挖掘工作准备训练数据集与数据验证集:确定数据质量、准备适当的数据、为目标变量确定初值、确定数据挖掘变量的格式。

在数据挖掘之前,还需要对数据挖掘模型中的目标变量设置初始值,目的是为数据挖掘模型准备验证数据集合。

这些初始值将会影响到模型的正确程度,所以设定必须符合实际情况。

变量格式的确定,是为了使数据挖掘表或者挖掘模型能够适应挖掘模型的需要。

3　数据挖掘模型的应用Analysis Services中提供的数据挖掘工具主要有2种:决策树模型和数据聚集模型。

下面以决策树模型为例,通过5个步骤,完成对超市会员客户的数据挖掘分析[5]。

1)选择挖掘数据源　在Analysis Manager中,右击“挖掘模型”节点,在弹出菜单中选择“新建挖掘模型”,就可以建立新的数据挖掘模型。

在接下来的“挖掘模型向导”对话框中,点击“下一步”按钮,出现“选择数据源”对话框,在这里,笔者选择“关系数据”,建立一个基于关系型数据源的挖掘模型,用于查询Analysis Services所支持的任意关系数据源中的数据。

2)选择挖掘事例表　在完成第1步后,将进入“选择事例表”选择窗口。

在这里笔者选择“单个表包含数据”,然后从可用的列表框里选择需要的表u_customer。

3)选择数据挖掘技术　在“选择数据挖掘技术”对话框中选定“Microsoft决策树”后,单击下一步,进入“选择键列”对话框,选择可以唯一确定分析事例的关键字“帐号”。

4)挖掘参数的选择　“可用的列”列出了dbo. u_customer所有可以使用的列,此时需要确定在数据挖掘模型中用哪些列数据作为输入列,对哪些列进行预测。

这里选择“卡类别”作为预测列,学历、年收入、婚姻状况和孩子总数作为输入列。

到这里,就可以完成数据挖掘模型的定义。

在“挖掘模型向导”的“完成”对话框中,需要确定模型的名称并决定是否对模型进行处理。