数据挖掘技术在零售企业成本分析中的应用

申请免费试用、咨询电话：400-8352-114

数据挖掘技术在零售企业成本分析中的应用1

1、前 言

近年来，零售业特别是连锁超市发展迅速，行业竞争不断加剧，行业整体利润下降。因此，在现有的市场条件下，零售企业必须在保证产品质量与服务品质的同时，大力加强成本管理，使商品在质优价廉的情况下获取适当的利润，以增强企业的市场竞争力。

通过将先进的数据挖掘技术引入到零售企业成本管理领域，可以从大量的销售历史数据中获得潜在的规律和发展趋势，以指导采购、库存、促销及核定商品销售价格等。这些潜在的信息包括：为什么某一种商品的利润较低是由于库存量过大还是物流的费用过高或是损耗较大引起；哪些商品库存较大利润较低适合作为促销商品；哪几种商品的销量较大利润较高应给予重视等。

2、零售企业成本分析数据集市的建立

数据挖掘和决策支持需要将来自各种异种源的数据统一，产生高质量、纯净和集成的数据。不能简单地在一般事务数据库上进行数据挖掘，需要建立为数据挖掘和决策分析提供支持的数据集市或数据仓库。

数据集市按照某一特定部门的决策支持需求组织起来，是针对一组主体的应用系统；数据仓库是面向主体的、集成的、稳定的、时间各异的数据集合。数据集市和数据仓库相比，数据仓库实施周期长、成本巨大、见效慢；而数据集市则是一种更小、更集中的数据仓库，它是为企业提供一条部门级的分析商业数据的廉价途径。

2.1 零售企业的成本分析

零售企业的问题都要围绕着如何控制成本来思考。如何控制成本呢？成本通常由三部分构成：成本＝采购成本＋经营成本＋销售成本。

采购成本是零售业成本控制的关键，要取得较低的采购成本，必须大批量进货、大批量销售，享受价格上的批量折扣优惠，充分发挥现代大商业的规模效应。经营成本主要在于物流配送和库存控制，快捷的信息反馈和高效的物流管理系统，可以使商品库存量大大降低，减少库存成本，加快资金周转速度，企业成本自然降低。销售成本包括管理费用和商品损耗等，应努力提高管理水平，引入科学的管理体系，开源节流尽可能的减少管理费用。损耗是不可避免的，损耗的高低直接影响到商品的销售成本，但是可以通过管理上的措施将其控制在正常的或较低的水准。

由于采购成本的控制涉及到企业规模的问题，不在本文分析之列。本文主要通过建立成本分析数据集市，对不同的商品类别的库存及损耗对商品利润的贡献差异进行数据挖掘。

2.2 数据集市的实现过程

零售企业成本分析数据集市模型采用星型关系模式，星型关系模式的关键是确定事实表和各数据维之间的联系，并针对各个维做了大量的预处理，如按照维进行预先的统计、分类、排序等。分析零售企业成本核算的相关信息，确定通过商品信息事实表将各数据维联系起来，维表主要有商品类别、库存、商品损耗、销售信息、利润分析、门店信息、时间等。

无论是数据仓库还是数据集市都是服务于数据挖掘和决策支持，因此从数据源抽取数据时，一般都要经过清理、转换、集成等处理。在构建零售企业成本分析数埃集市的过程中，主要包括对数据源的数据进行聚集、转换、导入和最后装人数据集市等几个过程。

数据聚集简单地说就是对原始数据进行汇总，在聚集的过程中要考虑到数据集市的划分粒度，粒度的划分将直接影响数据仓库中的数据量和所适合的查询类型。数据仓库的主要功能是面向决策支持，绝大部分查询都是基于一定综合程度之上，只有极少的查询涉及到细节。