數據挖掘技術在連鎖超市經營企業的應用

[摘 要] 以決策樹算法為例，從算法和實例兩方面介紹了數據挖掘技術在連鎖經營領域的應用，展示了數據挖掘技術在提高連鎖超市決策水平、提升核心競爭力方面的重大價值。

[關鍵詞] 連鎖超市 數據挖掘 決策樹 ID3

近年來，國內大型連鎖超市都建立起以進銷存系統為核心的信息系統，積累了海量經營數據，但其中蘊含的商業規律卻很少得到開發和利用。將這些寶貴的資料轉化為決策信息，需要借助于數據挖掘技術。

一、有關數據挖掘

數據挖掘是從海量數據中發現規律的過程。常用的挖掘算法有決策樹、樸素貝葉斯等。決策樹算法具有理解方便等優點，Quinlan提出的ID3算法是最具影響力的決策樹算法。本文以ID3為例，介紹數據挖掘技術在連鎖超市的應用。

1.ID3算法思想

設：每個樣本由多個訓練屬性AK(K=1，2，…，k)和一個預測屬性組成，N個樣本按照預測屬性取值Ci(i=1，2，…，c)的不同，劃分成c個不同的樣本集合，類別Ci中的樣本個數為Ni。決策樹的構造過程為：

(1)決策樹的初始信息量為：。

(2)選擇一個訓練屬性作為分類節點：①設每個訓練屬性AK(K=1，2，…，k)有JK個不同的取值akj，按akj將N個樣本分為JK個樣本集。設akj樣本集的樣本數為nkj；②對于每個分支的nkj個樣本，屬于類別Ci的樣本數目是nkji，則以訓練屬性AK為根的期望熵為：；③計算由訓練屬性AK引起的信息增益，即Gain(AK)=I(C1，C2，…，Cc)－E(I，AK)；④選擇產生最大信息增益的訓練屬性Ak0作為決策樹的根，即Ak0滿足Gain(k0) >Gain(k) (k=1，2，…，K；且k≠k0)；

(3)按訓練屬性Ak0將樣本分成Jk0個樣本集。對每個葉節點上的樣本子集依次利用上面的方法，選擇一個訓練屬性作為該葉節點的下一級節點。

(4)按照上述步驟不斷構造決策樹，直至各樣本子集只有一個類別。

2.ID3算法應用分析。下表是某超市所作的關于客戶購買某商品意向的調查報告，下面以“年齡”、“性別”、“經濟狀況”為訓練屬性、“是否購買”為預測屬性，構造一棵決策樹，揭示年齡、性別、經濟狀況等因素對購買行為的影響。

在16個樣本中，只有4個樣本計劃購買該商品，則根分支的初始信息量為：

如按“年齡”屬性分類，6位小于35歲的樣本中有1位計劃購買，10位大于35歲的樣本中有3位計劃購買，故按“年齡”分類的期望熵為：

同理，可得E(性別)=0.7142、

E(經濟狀況)= 0.7937。

由“年齡”屬性引起的信息增益為：Gain(年齡)=I(4，12)-E(年齡)= 0.0167；

同理，可得Gain(性別)= 0.0971、

Gain(經濟狀況)=0.0176。

Gain(性別)最大，故根節點按“性別”屬性分類。按照上述算法繼續分類，得到圖1所示決策樹。

二、數據挖掘實例

下面采用微軟的Analysis Services平臺，分析連鎖超市Foodmart的經營數據，考察“性別”、“婚姻狀況”、“年收入”等訓練屬性與預測屬性“會員卡類型”之間的關系，得到圖2所示的決策樹。

根據圖2，第一層分支以“年收入”為分類標準，說明年收入是決定客戶辦理何種會員卡的首要因素。年收入最高（150K以上）的分支顏色最深，說明此類客戶辦金卡的概率最高。

根據圖3，在年收入達150K的客戶分支上，分類標準為“婚姻狀況”，表明婚姻狀況是決定該分支客戶是否辦金卡的首要因素，即已婚客戶辦金卡的概率遠大于單身客戶。

三、結束語

上例揭示的規律對連鎖超市提高廣告的針對性、開發優質客戶具有重要意義。目前，數據挖掘技術還被國際連鎖巨頭廣泛用于防止客戶流失、商品擺放布局等方面的決策。國內連鎖超市經營企業應該重視數據挖掘技術的應用，以提高決策的科學性，在激烈的競爭中求得生存和發展。

參考文獻:

[1]Quinlan J R．Induction of decision trees[J]．Machine Learning，1986，(1):81～106

[2]沈兆陽:SQL Server 2000 OLAP解決方案——數據倉庫與Analysis Services[M]．北京：清華大學出版社，2001.9：8～9，13～14，87，104～10