数据挖掘在零售行业的应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究背景 | 第9页 |
| 1.2 国内外发展趋势 | 第9-10页 |
| 1.3 课题研究目的 | 第10页 |
| 1.4 课题研究意义 | 第10-11页 |
| 1.5 课题研究方法 | 第11-12页 |
| 1.6 课题研究内容与结构安排 | 第12-13页 |
| 第二章 理论知识 | 第13-32页 |
| 2.1 便利店 | 第13-18页 |
| 2.1.1 便利店是什么 | 第13页 |
| 2.1.2 便利店的优势 | 第13页 |
| 2.1.3 将商品进行分类 | 第13-15页 |
| 2.1.4 商品的摆放及商品结构的调整 | 第15-16页 |
| 2.1.5 库存管理 | 第16-17页 |
| 2.1.6 便利店促销 | 第17-18页 |
| 2.2 数据挖掘的产生、原理及应用 | 第18-23页 |
| 2.2.1 数据挖掘概念 | 第19页 |
| 2.2.2 数据挖掘的技术 | 第19-20页 |
| 2.2.3 数据挖掘的过程 | 第20-22页 |
| 2.2.4 数据挖掘的相关工具 | 第22-23页 |
| 2.2.5 数据挖掘应用领域 | 第23页 |
| 2.3 SAS关联规则挖掘 | 第23-25页 |
| 2.3.1 关联规则的起源 | 第23-24页 |
| 2.3.2 关联规则的基本思想 | 第24页 |
| 2.3.3 Apriori算法 | 第24-25页 |
| 2.4 聚类分析 | 第25-32页 |
| 2.4.1 基本概念 | 第25-26页 |
| 2.4.2 算法概述 | 第26页 |
| 2.4.3 聚类的应用 | 第26-27页 |
| 2.4.4 常用的距离 | 第27-28页 |
| 2.4.5 kmeans算法 | 第28-29页 |
| 2.4.6 层次聚类算法 | 第29-32页 |
| 第三章 数据挖掘在零售行业的应用 | 第32-50页 |
| 3.1 背景介绍及分析思路 | 第32-33页 |
| 3.1.1 商业案例背景介绍 | 第32页 |
| 3.1.2 数据来源 | 第32-33页 |
| 3.2 数据处理 | 第33页 |
| 3.3 销量与销售额变化趋势的描述 | 第33-36页 |
| 3.3.1 销售量增长趋势 | 第33-35页 |
| 3.3.2 销售金额增长趋势 | 第35-36页 |
| 3.4 调用SAS/企业数据挖掘 | 第36-37页 |
| 3.5 关联分析 | 第37-41页 |
| 3.5.1 中类商品关联分析 | 第37-38页 |
| 3.5.2 小类商品关联分析 | 第38-40页 |
| 3.5.3 关联性促销 | 第40-41页 |
| 3.5.4 更为深刻的顾客定制 | 第41页 |
| 3.6 层次聚类 | 第41-50页 |
| 3.6.1 中类商品在不同时间的销售相似性 | 第41-46页 |
| 3.6.2 小类商品的销售相似性 | 第46-48页 |
| 3.6.3 各种商品的销售相似性 | 第48-50页 |
| 第四章 结论与不足 | 第50-51页 |
| 附录 | 第51-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56页 |
