服裝營銷過程中數據挖掘算法分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了服裝營銷過程中數據挖掘算法分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：當今信息化發展速度驚人，大數據、云計算、人工智能技術應用于各行各業，給社會的發展帶來了很多便利，也為我國經濟的快速發展注入了新的血液。在服裝行業中，我國是一個紡織服裝生產大國，又是一個紡織服裝消費與出口大國，將大數據技術應用于紡織服裝生產與銷售中可以給紡織服裝產業帶來更大的利潤，本文主要研究在眾多的數據挖掘算法中，適合服裝營銷的挖掘算法。

關鍵字：服裝營銷；數據倉庫；數據挖掘；算法分析

近年來，大數據技術成為各行各業走向信息化的一個標志，很多企業都采用大數據技術來規范自身的管理，大數據技術也給企業帶了新的發展機遇，使企業具有更多的贏利點。在服裝銷售中，往往出現生產的服裝因不流行而賣不出去，有的產品因為生產量過小而市場上缺貨，這種局面不是服裝企業想要的。服裝企業要想有很大的盈利空間，必須按照市場的發展規律來生產銷售，也就是說市場需要啥我們就生產啥，需要投放多少件，我們就投多少件。這樣庫存積壓就不會出現過多，企業的資金鏈才能快速流轉，從而盈利。我們利用服裝銷售系統中歷史數據搭建一個數據倉庫，通過對數據倉庫中的數據進行挖掘分析，最終獲得隱藏才數據倉庫中的知識，能夠幫助企業進行決策。那么要進行數據挖掘，數據挖掘的算法非常之多，針對服裝銷售數據倉庫中的數據進行挖掘分析哪種算法合適呢？這就是本文研究的一個課題。

1服裝銷售數據倉庫的特點

在信息化世界里，服裝企業已經實現通過服裝銷售系統進行在線預訂服裝，在線購買服裝，在線對訂單的管理以及客戶的管理，通過服裝銷售系統中顧客交易的歷史數據記錄，搭建數據倉庫，通過對數據倉庫中的數據進行挖掘分析，最終得出來對我們有用的信息，幫助服裝企業進行服裝生產和銷售決策。在服裝銷售過程中，要在數據倉庫中選擇三個主題進行分析，這三個主題分別是：服裝、顧客、時間。第一、使用一個數據倉庫，就要面向主題。根據事物的判斷方向，對數據進行分析，挖掘。將一些數據進行組合，并按照要求進行分析，分析出的內容可以幫助企業進行決策。第二、將不完整的垃圾數據和重復的數據，對我們沒有價值的數據都統統刪除，重新整理。第三、收集一些可靠的數據，比較穩定的。這些數據如果真的保存到數據倉庫中，那不是一天兩天就刪除了，恐怕要保存相當長的時期。最后，在數據倉庫里，要是能夠發現數據之間的規律，還是歷史數據有效。所以我們在對待歷史數據收集的問題上應該保持安全、可靠、穩定。

2算法的選取

在數據倉庫中，算法是非常多的，有聚類算法、相似度算法、回溯算法等。在服裝銷售系統中，搭建數據倉庫進行數據挖掘分析，要根據服裝銷售的特點進行搭建數據倉庫。在服裝銷售系統中，服裝收季節影響比較大，所以我們要根據時間維度進行劃分，每一個季節中有分為很多個周，在一周中又分為周內或者周末周內的銷售情況就沒有周末好，在周末中是周六銷售的好還是周天銷售的好，周上午還是下午，上午那幾個時間段、下午那幾個時間段。對服裝維度來說，那種色系、那種顏色、那種品牌賣的比較好，在那個區域賣的比較好，我們要通過這些進行細分。對顧客來說就是人群，消費者年齡層次，是年輕人還是年齡大的中老年人，我們要根據人群年齡結構梯隊進行分析研究，最終通過分析建立立方體模型，通過算法對立方體模型中的數據進行分析，最得到我們想要的信息。從而很好的指導服裝銷售和生產。那么對于服裝數據倉庫的特點，我們選擇相關性算法比較占優勢，因為服裝銷售中主題比較多，而且相對比較復雜，所以我們選擇微軟的相關性算法可以實現算法的分析。數據挖掘算法有：回歸分析算法、聚類算法、數據變小的分類算法、關聯規則算法、神經網絡算法、Web數據挖掘算法等，我們使用的算法就是關聯規則算法，該算法適合維度相對較多，比較復雜的情況下。

3結束語

算法的選擇，要根據研究對象的特點進行，在服裝銷售系統數據倉庫中進行數據挖掘，可以使用的算法是非常的多，但是服裝數據倉庫中要選擇的維度相對比較多，要研究的相對其它產品也比較復雜。我們將9中算法進行比較對比發現微軟的相關性算法適合維度比較多的情況進行分析研究。所以我們就在對數據倉庫中國的數據進行分析挖掘時，采用了微軟的相關性算法，該算法實現起來比較簡單，操作難度不是很大，比較適合針對服裝銷售數據倉庫中的數據挖掘分析。

參考文獻：

[1]郝建軍，翟歲兵，劉冬，等.數據挖掘技術識別可疑洗錢交易行為模式研究[J].電腦知識與技術，2016，12（14）:204-205.

[2]郝建軍，劉斌.基于數據挖掘的服裝銷售決策系統研究[J].信息與電腦（理論版），2018（1）.

[3]郝建軍.數據挖掘在服裝客戶關系管理中的運用——評《服裝市場營銷》[J].印染助劑，2018（2）.

[4]萬錚.基于數據倉庫的OLAP系統的設計與實現[D].西南交通大學，2015.

[5]任天亮.數據挖掘在現代服裝行業中的應用[J].山東紡織科技，2016，50（4）:40-42.

[6]劉小燕.數據挖掘算法基于關聯規則的分析和應用[J].課程教育研究，2017（11）.

[7]張凱斐，劉繼華，張菊芳.大規模高維數據集中局部異常數據挖掘算法[J].微電子學與計算機，2018（3）.

作者：郝建軍 單位：陜西服裝工程學院