大數據環(huán)境下企業(yè)銷售數據處理方法與市場感知研究.pdf

1、隨著企業(yè)信息化的推進與發(fā)展，銷售數據急聚增加，由于銷售數據在企業(yè)決策中的重要作用，挖掘銷售數據中的有用信息是亟待公司解決的問題。研究出能夠在大數據環(huán)境下挖掘銷售數據有效信息的數據處理方法，正確地使用海量數據中挖掘出來的有效信息也是企業(yè)的迫切需求。本文利用海量銷售數據中包含的銷售數據走勢預測未來銷售數據的趨勢，感知市場狀況，掌握市場動向，給企業(yè)銷售決策者提供有效的銷售數據動向參考信息，為生產、營銷，以及判斷市場狀況提供決策依據。圍繞以上問

2、題，本文對于大數據環(huán)境下的企業(yè)銷售數據挖掘算法和企業(yè)市場的預測模型做了一下主要研究:
　　(1)運用Hadoop平臺存儲大數據，并且運用Hadoop的MapReduce抽取需要處理的數據，并導入到關系型數據庫中，根據數據挖掘算法中對數據結構的需求，針對數據中的不同的數據異常對數據使用不同的清洗策略進行清洗與數據規(guī)范，再將處理后的數據交付給關系型數據庫。
　　(2)針對傳統的大數據挖掘算法存在的問題，本文提出了基于分塊后重疊k

3、-means聚類的KNN分類算法，算法通過給傳統KNN算法增加一個訓練過程的方式讓KNN算法能夠運用于大數據環(huán)境，并且能夠快速準確地對數據進行分類，大大提升了分類算法的效率。并且通過新算法，對零售戶數據中的幾個規(guī)格卷煙的銷售詳情進行分類，統計其分類結果，與實際的數據進行了對比，驗證了算法的可行性與準確性。
　　(3)分析各類預測模型對于本文的研究內容的適用性，根據本文的數據特點以及預期的預測結果數據特點選擇了適合的預測模型:差分自

4、回歸滑動平均模型(ARIMA(p，d，q))與灰色模型，作為本文的市場感知模型的基礎。
　　(4)以企業(yè)的零售數據為實驗數據，建立結合ARIMA差分自回歸滑動平均模型與灰色模型的市場感知模型。根據ARIMA自回歸移動平均模型能夠準確地預測未來短期的銷售數據，但是，由于隨著預測時間越長預測的準確率越低的特點，在ARIMA模型的基礎上使用灰色拓撲模型進行長期的銷售數據預測，讓企業(yè)能夠看到的不僅僅是未來半年或者一年內的銷售數據的預測，而