基于數(shù)據(jù)挖掘的零售業(yè)銷(xiāo)售預(yù)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著信息技術(shù)的迅速發(fā)展和廣泛使用，零售業(yè)已經(jīng)積累了大量的業(yè)務(wù)數(shù)據(jù)，如何運(yùn)用數(shù)據(jù)挖掘等相關(guān)計(jì)算機(jī)技術(shù)，通過(guò)對(duì)企業(yè)長(zhǎng)時(shí)間積累的經(jīng)營(yíng)數(shù)據(jù)進(jìn)行分析，獲取有用的知識(shí)和潛在的模式，已成為許多零售業(yè)所關(guān)注的問(wèn)題。為了保持合理的庫(kù)存，制定有效的銷(xiāo)售策略，減少企業(yè)運(yùn)作成本，從而增加利潤(rùn)，零售業(yè)越來(lái)越認(rèn)識(shí)到銷(xiāo)售預(yù)測(cè)的重要作用。 本文以零售企業(yè)銷(xiāo)售預(yù)測(cè)為切入點(diǎn)，重點(diǎn)研究數(shù)據(jù)倉(cāng)庫(kù)的構(gòu)建、多維數(shù)據(jù)集和聯(lián)機(jī)分析處理以及用于銷(xiāo)售預(yù)測(cè)的數(shù)據(jù)挖掘算法，并對(duì)提出的

2、算法進(jìn)行測(cè)試。首先介紹了數(shù)據(jù)挖掘所用到的相關(guān)技術(shù)，包括數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、聯(lián)機(jī)分析處理等相關(guān)技術(shù)，基于某連鎖超市的銷(xiāo)售歷史數(shù)據(jù)，根據(jù)需求分析，構(gòu)建了以銷(xiāo)售預(yù)測(cè)為決策主題的數(shù)據(jù)倉(cāng)庫(kù)，確定邏輯模型并建立了相應(yīng)的事實(shí)表和維表，在SQLServer2005中創(chuàng)建數(shù)據(jù)倉(cāng)庫(kù)的物理模型，設(shè)計(jì)了實(shí)現(xiàn)數(shù)據(jù)提取、轉(zhuǎn)換等方案，并在此基礎(chǔ)上設(shè)計(jì)了用于OLAP的多維立方體，研究了.NET平臺(tái)下怎樣用ADOMD.NET以及MDX訪問(wèn)多維數(shù)據(jù)集進(jìn)行多維數(shù)據(jù)的查詢(xún)、分析和處

3、理，有效的解決了數(shù)據(jù)挖掘能夠利用的復(fù)雜數(shù)據(jù)的存儲(chǔ)和查詢(xún)問(wèn)題。同時(shí)，研究了銷(xiāo)售預(yù)測(cè)基本方法和算法以及與其相關(guān)的統(tǒng)計(jì)學(xué)方法，針對(duì)目前各種方法所存在的不足，綜合利用灰色預(yù)測(cè)算法、時(shí)間序列方法和傳統(tǒng)的加權(quán)平均算法，定義了加權(quán)平均權(quán)值學(xué)習(xí)方法，很大程度上提高了模型對(duì)不同數(shù)據(jù)集的適應(yīng)性和預(yù)測(cè)能力。 本文在解決了多維數(shù)據(jù)的存儲(chǔ)和查詢(xún)問(wèn)題以及設(shè)計(jì)和實(shí)現(xiàn)了具體的挖掘模型的基礎(chǔ)之上，基于Visual Studio2005開(kāi)發(fā)了三層C/S模式的零售企