面向现代企业营销的数据挖掘技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景、意义 | 第10-11页 |
| 1.2 现状研究 | 第11-14页 |
| 1.2.1 数据挖掘中的预测分析 | 第11-13页 |
| 1.2.2 数据挖掘在预测中实践应用 | 第13-14页 |
| 1.3 本论文章节安排 | 第14-16页 |
| 第二章 企业数据采集与处理 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 数据采集及存储 | 第16-18页 |
| 2.2.1 内部数据采集 | 第16-17页 |
| 2.2.2 外部数据采集 | 第17-18页 |
| 2.3 海量数据简化 | 第18-19页 |
| 2.3.1 数据量分析 | 第18-19页 |
| 2.4 使用MapReduce简化海量数据 | 第19-24页 |
| 2.4.1 MapReduce计算模型 | 第19-21页 |
| 2.4.2 MapReduce工作流程 | 第21-24页 |
| 2.5 本章总结 | 第24-25页 |
| 第三章 基于品牌关联度模型构建 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 关联规则 | 第25-29页 |
| 3.2.1 基本理论知识 | 第25-26页 |
| 3.2.2 关联规则算法研究 | 第26-29页 |
| 3.3 算法分析与优化 | 第29-34页 |
| 3.4 两种算法对比分析 | 第34-35页 |
| 3.5 本章总结 | 第35-36页 |
| 第四章 销售预测分析模型的研究与建立 | 第36-57页 |
| 4.1 引言 | 第36页 |
| 4.2 基于时间序列的销售预测模型 | 第36-41页 |
| 4.2.1 时间序列分析 | 第36-37页 |
| 4.2.2 ARIMA基本理论知识 | 第37-38页 |
| 4.2.3 建立基于ARIMA的销售预测模型 | 第38-41页 |
| 4.3 基于多指标分析的销售预测模型 | 第41-54页 |
| 4.3.1 影响因素分析 | 第41-44页 |
| 4.3.2 指标筛选 | 第44-48页 |
| 4.3.3 卷烟销量预测模型的建立 | 第48-50页 |
| 4.3.4 实验验证 | 第50-54页 |
| 4.4 两种预测结果对比分析 | 第54-56页 |
| 4.5 本章总结 | 第56-57页 |
| 第五章 营销平台设计与实现 | 第57-68页 |
| 5.1 平台概述 | 第57页 |
| 5.2 平台技术架构 | 第57-62页 |
| 5.2.1 平台架构 | 第57-60页 |
| 5.2.2 服务器负载设计 | 第60-62页 |
| 5.3 系统主要功能设计 | 第62-64页 |
| 5.3.1 数据抽取处理 | 第63页 |
| 5.3.2 品牌关联度 | 第63-64页 |
| 5.3.3 销量预测 | 第64页 |
| 5.4 系统展示 | 第64-67页 |
| 5.5 本章总结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74页 |
