商务智能在零售行业的应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
零售业中的数据挖掘
在零售业应用领域,利用数据挖掘技术在很多方面都有卓越表现: 1 了解销售全局 通过分类信息,按商品种类、销售数量、商店地点、价格和日期等了解每天的运营和财政情 况,对销售的每一点增长、库存的变化以及通过促销而提高的销售额都可了如指掌。 2 商品分组布局 分析顾客的购买习惯,考虑购买者在商店里所穿行的路线、购买时间和地点、掌握不同商品 一起购买的概率;通过对商品销售品种的活跃性分析和关联性分析,建立商品设置的最佳结 构和商品的最佳布局。 3 降低库存成本 通过数据挖掘系统,将销售数据和库存数据集中起来,通过挖掘分析,以决定对哪些商品货 物进行增减,确保正确的库存。 4 市场和趋势分析 利用数据挖掘工具和统计模型对零售数据仓库的数据仔细研究,以分析顾客的购买习惯、广 告成功率和其它战略性信息。 5 有效的商品促销 通过对一种厂家商品在各连锁店的市场共享分析,客户统计以及历史状况的分析,来确定销售 和广告业务的有效性。通过对顾客购买偏好的分析,确定商品促销的目标客户,以此来设计 各种商品促销的方案,并通过商品购买关联分析的结果,采用交叉销售和向上销售的方法, 挖掘客户的购买力,实现准确的商品促销。
啤酒AND尿布 尿布 啤酒
在美国或世界其他国家,超市的管理者会津津乐道尿布与啤酒的 故事。这个故事的主角就是沃尔玛。利用数据仓库技术,沃尔玛 对商品进行市场类组分析,即分析哪些商品顾客最有希望一起购 买。沃尔玛数据仓库里集中了各个商店一年多详细的原始交易数 据。在这些原始交易数据的基础上,沃尔玛利用自动数据挖掘工 具(模式识别软件)对这些数据进行分析和挖掘。一个意外的发 现就是:跟尿布一起购买最多的商品竟是啤酒!按常规思维,尿 布与啤酒风马牛不相及,若不是借助于数据仓库系统,商家决不 可能发现隐藏在背后的事实:原来美国的太太们常叮嘱她们的丈 夫下班后为小孩买尿布,而丈夫们在买尿布后又随手带回了两瓶 啤酒。既然尿布与啤酒一起购买的机会最多,沃尔玛就在它的一 个个商店里将它们并排摆放在一起,结果是尿布与啤酒的销售量 双双增长。由于这个故事的传奇和出人意料,所以就在业界和商 界流传开来。
案例一:信息化管理为沃尔玛插上腾飞的翅膀 案例一 信息化管理为沃尔玛插上腾飞的翅膀
美国的沃尔玛(Wal一Mart)是世 界上最大的零售商,2002年4月, 该公司跃居《财富》500强企业排 行第一。沃尔玛建立了基于NCR Tera – data数据仓库的决策支持系 统,它是世界上第二大数据仓库系 统,总容量达到170TB 以上。沃尔 玛成功的重要因素是与其充分地利 用信息技术分不开的。也可以说, 对信息技术的成功运用造就了沃尔 玛。
商务智能在零售行业的应用
陈亚淞
在零售业中,通过条形码、编码系统、销售管理系统、 客户资料管理及其它业务数据中,可以收集到关于商 品销售、客户信息、货存单位及店铺信息等信息资料。 数据从各种应用系统中采集,经分类整理,放到数据 仓库里,允许高级管理人员、分析人员、采购人员、 市场人员和广告客户访问,利用数据挖掘工具对这些 数据进行分析,可以帮助管理者进行科学的决策。例 如对商品进行购物篮分析,分析哪些商品是顾客最有 希望一起购买。
结论
数据挖掘通过分析具体数据,发现确定有效的、新颖 的、有潜在使用价值的、以往不为人知的、最终可理 解的信息,为产品的良好销售和决策部门作出重要决 策提供帮助。数据挖掘一方面将数据转化为信息和知 识,在此基础上作出正确的决策;另一方面提供一种 机制,将知识融入到运营销售系统中,进行正确的运 作。 零售行业是众多行业中较为复杂的行业,有效合理的 数据挖掘分析可以使零售更加智能化,同时发现零售 行业中的种种规律,并驾驭规律,从而赢得未来。
沃尔玛凭借强大的数据仓库系统将世界4000 多家分店的每一笔业务数 据汇总到一起,让决策者能够在很短的时间里获得准确和及时的信息, 并作出正确和有效的经营决策。而沃尔玛的员工也可以随时访问数据仓 库,以获得所需的信息,而这并不会影响数据仓库的正常运转。如今, 沃尔玛利用NCR 的Teradata 对超过7 . STB 的数据进行存储,这些数据 主要包括各个商店前端设备(POS 、扫描仪)采集来的原始销售数据 和各个商店的库存数据。Teradata 数据库里存有196 亿条记录,每天要 处理并更新2 亿条记录,要对来自6000 多个用户的48 000 条查询语句 进行处理。Βιβλιοθήκη Baidu售数据、库存数据每天夜间从4000 多个商店自动采集过 来,并通过卫星线路传到总部的数据仓库里。沃尔玛数据仓库里最大的 一张表格(table )容量已超过300GB 、存有50 亿条记录,可容纳65 个星期4000 多个商店的销售数据,而每个商店有5 一8 万个商品品种。 利用数据仓库,沃尔玛在商品分组布局、降低库存成本、了解销售全局、 进行市场分析和趋势分析等方面进行决策支持分析。
案例二
一个小型的超市的收银台数据库中导出的数据:
数据挖掘的基本流程: 数据挖掘的基本流程:
结果应用
了解销售全局
商品分组布局 结果应用 降低库存成本
市场和趋势分析
有效的商品促销
不足之处
数据挖掘虽然是近年来计算机领域的研究热点, 但客户的行为是与社会环境相关联的,数据挖 掘本身也受社会背景的影响。所以挖掘的结果, 没有人们想象中神秘,它不可能是完全正确的。 需要反复验证它的可靠性。
6 最优店址选择 利用数据挖掘技术可分辨出成功的商店或分店的特性,并协助新开张的商店选择恰当的地理 位置。 7 客户群体分类 通过数据挖掘技术把大量的客户分成不同的类,每个类里的客户具有相似的属性,而不同类 里的客户的属性尽量不相同。例如把所有客户分成VIP、一般客户和最差客户。企业可以针 对不同类的客户提供针对性的产品和服务来提高客户的满意度。 8 客户的获得与保持 零售业的增长和发展壮大需要不断获得新的客户并维持老的客户。现在各个零售企业的竞争 都越来越激烈,企业获得新客户的成本正在不断上升,通常吸收一个新客户的成本是留住一 个老客户的成本的6-7倍,因此保持原有客户就显得越来越重要。通过数据挖掘技术可以帮 助发现打算离开的客户,以使企业采取适当的措施挽留这些客户。 9 交叉销售 现代零售业和客户之间的关系是经常变动的,一旦—个人或—个团体成为企业的客户,就要 竭力使这种客户关系趋于完善,需要对现有的客户进行交叉销售,为原有客户销售新的产品 和服务。交叉销售是建立在双赢原则上的,对客户来讲,要得到更多更好满足其需求的服务 且从中受益,对企业来讲,也会因销售额的增长而获益。数据挖掘可以帮助分析出最优的合 理的销售匹配。 10 客户诚信度分析 数据挖掘中的差异性分析可用于发现客户的欺诈行为,分析客户的诚信度,从而获得诚信较 好的客户。