邵濤　何湘竹　張智志

摘要：以XX市煙草公司為例，探討了數(shù)據(jù)挖掘技術(shù)在企業(yè)貨源投放系統(tǒng)中的應(yīng)用。“行政區(qū)劃”作為企業(yè)零售客戶的屬性之一，在以往貨源投放中一直未得到很好利用。本文首先應(yīng)用相關(guān)性分析和回歸分析技術(shù)，挖掘出“行政區(qū)劃”對(duì)應(yīng)的人口和經(jīng)濟(jì)與客戶數(shù)量及客戶規(guī)模之間的關(guān)系，之后采用K-Means算法從貨源投放的角度建立新的“行政區(qū)劃”分類模型，聚類后的“行政區(qū)劃”屬性作為貨源投放的一個(gè)重要指標(biāo)，可以指導(dǎo)企業(yè)實(shí)現(xiàn)合理貨源投放。

關(guān)鍵詞：數(shù)據(jù)挖掘；相關(guān)性分析；回歸分析；聚類算法；貨源投放

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）27-0182-02

1 引言

合理貨源投放對(duì)于企業(yè)維持市場(chǎng)穩(wěn)定，提高客戶滿意度和服務(wù)水平至關(guān)重要[1]。但某市煙草公司貨源投放系統(tǒng)存在以下問(wèn)題：其一，“棋盤式”貨源投放指標(biāo)龐雜無(wú)法實(shí)現(xiàn)自動(dòng)投放因而實(shí)用性不強(qiáng)。其二，星級(jí)貨源投放方式因指標(biāo)的設(shè)定人為主觀過(guò)多、缺乏科學(xué)依據(jù)，投放效果也不理想。

本研究發(fā)現(xiàn)，目前“行政區(qū)劃”仍采用區(qū)域劃分方式，在貨源投放系統(tǒng)中未很好利用。采用數(shù)據(jù)挖掘技術(shù)進(jìn)行相關(guān)性和回歸分析后發(fā)現(xiàn)，“行政區(qū)劃”對(duì)應(yīng)的人口、經(jīng)濟(jì)和該區(qū)域零售客戶的數(shù)量和規(guī)模十分相關(guān)，若能從貨源投放的角度重新分類，會(huì)對(duì)貨源投放有重要指導(dǎo)意義。

因此，本文首先對(duì)該市原有“行政區(qū)劃”過(guò)濾，之后采集鄉(xiāng)鎮(zhèn)一級(jí)的人口、經(jīng)濟(jì)、客戶數(shù)量和客戶規(guī)模數(shù)據(jù)，并對(duì)其進(jìn)行相關(guān)性和回歸分析，找到影響該區(qū)域貨源投放的重要屬性，最后采用K-Means聚類算法建立新的“行政區(qū)劃”分類模型。

2 數(shù)據(jù)挖掘技術(shù)

2.1 相關(guān)性分析和回歸分析

相關(guān)性分析是研究?jī)勺兞烤€性相關(guān)程度強(qiáng)弱的常用方法，常通過(guò)計(jì)算Pearson樣本相關(guān)系數(shù)r來(lái)對(duì)連續(xù)變量之間是否存在顯著線性關(guān)系進(jìn)行檢驗(yàn)。Pearson樣本相關(guān)系數(shù)計(jì)算如式所示，其中N為樣本個(gè)數(shù)，xi和yi為兩個(gè)檢測(cè)變量的值，r為相關(guān)系數(shù)[2]。

回歸分析是探索變量之間規(guī)律性的數(shù)據(jù)挖掘方法，若變量為數(shù)值型，則回歸模型可有效揭示因變量和自變量之間的變化規(guī)律，首先假定已知函數(shù)擬合樣本數(shù)據(jù)，爾后采用誤差分析法選擇與目標(biāo)數(shù)據(jù)擬合最好的函數(shù)。但當(dāng)因變量為分類型變量時(shí)，則無(wú)法直接借助回歸模型進(jìn)行研究，常采用Logistic回歸分析法[3]。

2.2 K-Means聚類算法

聚類是數(shù)據(jù)挖掘技術(shù)重要應(yīng)用之一，目的是將數(shù)據(jù)對(duì)象劃分為若干類，使同一類中的對(duì)象相似度較大，而不同類中的對(duì)象盡可能不同[4]。與分類不同，由于聚類前類別的個(gè)數(shù)未知，因此聚類實(shí)際上是通過(guò)度量相似性，使對(duì)象聚成若干簇的過(guò)程，而相似性的度量一般通過(guò)距離來(lái)實(shí)現(xiàn)，距離越小說(shuō)明兩個(gè)對(duì)象間越相似，常用距離類型有四種：歐氏距離，曼哈頓距離，切比雪夫距離和馬氏距離[2]。

K-Means是典型的聚類算法，核心思想是：把對(duì)象劃分為X類，使每個(gè)類中的對(duì)象到該類中心點(diǎn)的距離平方和為最小。其中，聚類中心通過(guò)計(jì)算聚類點(diǎn)的均值獲得，類的個(gè)數(shù)X在開始時(shí)未知，可在多次嘗試之后，選一個(gè)使得距離平方和最小的值作為類別數(shù)[5]，算法流程見圖1。K-Means算法在對(duì)象密集且對(duì)象簇之間的差異較為顯著的情況下聚類效果較好，且一般適用于連續(xù)變量的聚類分析，鑒于此特點(diǎn)與本文中數(shù)據(jù)對(duì)象特性吻合，因此選擇該算法來(lái)對(duì)“行政區(qū)劃”進(jìn)行聚類分析。

3 基于數(shù)據(jù)挖掘技術(shù)的分類模型研究

3.1 數(shù)據(jù)準(zhǔn)備

XX市現(xiàn)有行政區(qū)劃取值十分離散，對(duì)貨源投放無(wú)任何指導(dǎo)價(jià)值，將其過(guò)濾為76個(gè)鄉(xiāng)鎮(zhèn)。采集到的樣本數(shù)據(jù)包括轄區(qū)面積、人口數(shù)量、工業(yè)總產(chǎn)值、財(cái)政收入、人均總產(chǎn)值、經(jīng)濟(jì)實(shí)力、客戶個(gè)數(shù)等7個(gè)屬性。

3.2 相關(guān)性分析和回歸分析

3.2.1相關(guān)性分析

各指標(biāo)之間的相關(guān)性見表1，分析可知，人口數(shù)量很大程度決定客戶個(gè)數(shù)，且人口數(shù)量和經(jīng)濟(jì)實(shí)力相關(guān)性很強(qiáng)。

3.2.2人口數(shù)量和客戶個(gè)數(shù)回歸分析

（1）人口數(shù)量與客戶個(gè)數(shù)的關(guān)系

以人口數(shù)量和客戶個(gè)數(shù)為坐標(biāo)對(duì)其擬合，當(dāng)采用二次函數(shù)可達(dá)到最好效果，擬合方程如式所示。

[y=2.2808x2+16.5648x+0.2321]

以上分析說(shuō)明：某一“行政區(qū)劃”客戶個(gè)數(shù)與人口數(shù)量成正比關(guān)系。由此可從市場(chǎng)角度推斷，人口基數(shù)越大，卷煙需求總量越大。

（3）客戶個(gè)數(shù)與人口及經(jīng)濟(jì)的回歸分析

以人口數(shù)量和經(jīng)濟(jì)實(shí)力為輸入，以客戶個(gè)數(shù)為結(jié)果，建立回歸模型，擬合方程如式所示。

[z=0.3067+9.2899x-0.0136y+0.0376xy]

式中，x代表人口數(shù)量，y代表經(jīng)濟(jì)實(shí)力，z代表客戶個(gè)數(shù)。由回歸方程可知：人口數(shù)量和經(jīng)濟(jì)實(shí)力可以決定客戶個(gè)數(shù)。

4 K-Means聚類算法建立分類模型

4.1 屬性選取

以客戶個(gè)數(shù)為輸出，對(duì)其他各屬性按相關(guān)系數(shù)從大到小排列（表2）。

考慮到聚類變量間不應(yīng)有較強(qiáng)的線性相關(guān)性，最終選取的屬性為“人口數(shù)量”，“工業(yè)生產(chǎn)總值”和“人均面積”。

4.2 聚類結(jié)果

采用SPSS Clementine工具[6]，選取K-Means聚類算法，多次嘗試后將聚類數(shù)目設(shè)置為2。

聚類后的兩類“行政區(qū)劃”，其樣本數(shù)量及各變量的均值如表3所示。

分析可知，類別1特點(diǎn)為人口數(shù)量較少且工業(yè)總產(chǎn)值也較小，人均面積較大，屬于人口較少經(jīng)濟(jì)相對(duì)落后的鄉(xiāng)鎮(zhèn)。類別2特點(diǎn)是人口數(shù)量較多，人均面積雖小但工業(yè)總產(chǎn)值較大，屬于人口比較集中，經(jīng)濟(jì)較為發(fā)達(dá)的城鎮(zhèn)。

為了驗(yàn)證聚類效果，將類別2的“行政區(qū)劃”和企業(yè)銷售數(shù)據(jù)比對(duì)后發(fā)現(xiàn)聚類結(jié)果是可行和有意義的。

5 結(jié)論

“行政區(qū)劃”在企業(yè)貨源投放中未得利用，本文應(yīng)用數(shù)據(jù)挖掘技術(shù)，首先采用相關(guān)性和回歸分析，挖掘出“行政區(qū)劃”對(duì)應(yīng)的人口和經(jīng)濟(jì)對(duì)于該處貨源需求有直接影響。之后采用K-Means算法，從貨源投放的角度建立了“行政區(qū)劃”分類模型，聚類后的“行政區(qū)劃”作為貨源投放一個(gè)重要指標(biāo)，可指導(dǎo)企業(yè)科學(xué)合理地投放貨源。

參考文獻(xiàn)：

[1] 彭暉，何剛，魏小波.巴中煙草貨源投放最新探索與實(shí)踐[J].技術(shù)與市場(chǎng)，2013，20（12）：258-259.

[2] 元昌安等. 數(shù)據(jù)挖掘原理與 SPSS Clementine 應(yīng)用寶典[M].子工業(yè)出版社，2009.

[3] 孟曉東， 袁道華， 施惠豐. 基于回歸模型的數(shù)據(jù)挖掘研究[J].機(jī)與現(xiàn)代化，2010（1）：26-28.

[4] 賀玲， 吳玲達(dá)， 蔡益朝. 數(shù)據(jù)挖掘中的聚類算法綜述[J].算機(jī)應(yīng)用研究，2007，24（1）：10-13.

[5] 張建萍，希玉.于聚類分析的 K-means 算法研究及應(yīng)用 [J].算機(jī)應(yīng)用研究，2007，4（5）：166-168.

[6] 薛薇，歡歌.基于 Clementine 的數(shù)據(jù)挖掘[M].國(guó)人民大學(xué)出版社，2012.