基于数据挖掘的实体店销售预测模型开题报告

 2020-02-20 10:02

1. 研究目的与意义(文献综述)

一、研究目的

在当前严峻的竞争环境下,电商对实体零售业造成了很大的冲击。利用数据挖掘技术,我们能对未来的商品需求量进行准确地预测,从而高效管理实体商店,做好库存管理和供应链管理,降低运营成本。同时,在如今的企业与客户关系中,建立起与客户的紧密联系,以客户的需求为中心,进行经营策略的调整,更是提高部门业绩最有效的途径。美国大型超市沃尔玛,曾为了更加高效的管理,按照商品的种类划分部门,将每个超市分别按照商品种类属于各部门,不同部门之间通过销量分析进行管理。本文的目的便是利用数据挖掘技术,从公司存储的销售数据中挖掘出可供公司发展使用的数据信息,为商店的营销分析和库存管理提供支持。本文希望以某实体商店历史销售情况为例,通过不同维度的特征分析,对比分析不同销售预测模型,对某商品的销量做出预测。

二、本文的实践意义

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

一、研究的基本内容与目标

(1)基本内容

根据获得的某商店 2013年1月至2015年10月的每日历史销售数据,尝试用不同的方法构建模型,首先根据数据特征尝试进行支持向量回归的基础预测模型,再应用arima时间序列分析或者神经网络建立模型,将获得的结果进行交叉对比验证,对比研究两种不同模型的适用情况以及准确度,同时通过数据挖掘查找商品之间的销售情况是否存在某种关联关系。最后搭建一个预测系统,嵌入算法,实现交互界面以达到数据挖掘结构可视化的目的。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

3.25—3.31 清洗数据/降噪

4.1— 4.7 分析数据原本特点,多维度建模分析

4.8—4.28 建支持向量机模型和时间序列模型

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1] 侯璐.大型连锁超市部门层销售预测方法研究[d].江苏:江苏科技大学,2016

[2] allaway a,mason j b,brown g .an optimal decision support model for department-level promotion mix planning[j]. journal of retailing, 1987,63(3):215-224

[3] um fayyad,g piatetsky-shapiro ,p smyth ,r uthurusamy.advances in knowledge discovery and data mining :aaai press ,1996,40(40):xviii

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。