基于关联规则应用的零售业核心竞争力分析
［摘 要］ 本文对数据挖掘的关联规则进行了阐述，探讨了如何利用它来进一步提高零售业核心竞争力，并结合案例分析了如何利用数据挖掘对超市出售的商品进行关联性分析来提高客户的满意度。
［关键词］ 数据挖掘；关联规则；零售业；核心竞争力
［中图分类号］F270.7；TP391［文献标识码］A［文章编号］1673-0194（2008）23-0077-03
一、 关联规则概述
数据挖掘(Data Mining)，又称数据库中的知识发现(Knowledge Discovery in Database)，在最近几年里已被数据库界所广泛研究，其中关联规则(Association Rules)的挖掘是一个重要的问题。
在1993年，R.Agrawal等人首次提出了关联规则的概念。支持度(support)和置信度(confidence)两个阈值是描述关联规则的重要概念，支持度反映关联规则在数据库中的重要性，置信度衡量关联规则的可信程度。如果某条规则同时满足最小支持度(min-support)和最小置信度(min-confidence)，则称它为强关联规则。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。它在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。关联规则挖掘的一个典型例子是购物篮分析。关联规则研究有助于发现交易数据库中不同商品(项)之间的联系，找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。分析结果可以应用于商品货架布局､货存安排以及根据购买模式对用户进行分类。
Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，之后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样､并行的思想等，以提高算法挖掘规则的效率，对关联规则的应用进行推广。
二､ 我国零售业核心竞争力分析
(一)零售业核心竞争力内涵
核心竞争力最早由两位美国战略管理学家...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
