基于關聯(lián)規(guī)則應用的零售業(yè)核心競爭力分析

［摘 要］ 本文對數(shù)據(jù)挖掘的關聯(lián)規(guī)則進行了闡述，探討了如何利用它來進一步提高零售業(yè)核心競爭力，并結合案例分析了如何利用數(shù)據(jù)挖掘對超市出售的商品進行關聯(lián)性分析來提高客戶的滿意度。

［關鍵詞］ 數(shù)據(jù)挖掘；關聯(lián)規(guī)則；零售業(yè)；核心競爭力

［中圖分類號］F270.7；TP391［文獻標識碼］A［文章編號］1673-0194（2008）23-0077-03

一、 關聯(lián)規(guī)則概述

數(shù)據(jù)挖掘(Data Mining)，又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Database)，在最近幾年里已被數(shù)據(jù)庫界所廣泛研究，其中關聯(lián)規(guī)則(Association Rules)的挖掘是一個重要的問題。

在1993年，R.Agrawal等人首次提出了關聯(lián)規(guī)則的概念。支持度(support)和置信度(confidence)兩個閾值是描述關聯(lián)規(guī)則的重要概念，支持度反映關聯(lián)規(guī)則在數(shù)據(jù)庫中的重要性，置信度衡量關聯(lián)規(guī)則的可信程度。如果某條規(guī)則同時滿足最小支持度(min-support)和最小置信度(min-confidence)，則稱它為強關聯(lián)規(guī)則。

數(shù)據(jù)關聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。若兩個或多個變量的取值之間存在某種規(guī)律性，就稱為關聯(lián)。關聯(lián)分析的目的是找出數(shù)據(jù)庫中隱藏的關聯(lián)網(wǎng)。有時并不知道數(shù)據(jù)庫中數(shù)據(jù)的關聯(lián)函數(shù)，即使知道也是不確定的，因此關聯(lián)分析生成的規(guī)則帶有可信度。關聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關聯(lián)或相關聯(lián)系。它在數(shù)據(jù)挖掘中是一個重要的課題，最近幾年已被業(yè)界所廣泛研究。關聯(lián)規(guī)則挖掘的一個典型例子是購物籃分析。關聯(lián)規(guī)則研究有助于發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品(項)之間的聯(lián)系，找出顧客購買行為模式，如購買了某一商品對購買其他商品的影響。分析結果可以應用于商品貨架布局#65380;貨存安排以及根據(jù)購買模式對用戶進行分類。

Agrawal等于1993年首先提出了挖掘顧客交易數(shù)據(jù)庫中項集間的關聯(lián)規(guī)則問題，之后諸多的研究人員對關聯(lián)規(guī)則的挖掘問題進行了大量的研究。他們的工作包括對原有的算法進行優(yōu)化，如引入隨機采樣#65380;并行的思想等，以提高算法挖掘規(guī)則的效率，對關聯(lián)規(guī)則的應用進行推廣。

二#65380; 我國零售業(yè)核心競爭力分析

(一)零售業(yè)核心競爭力內涵

核心競爭力最早由兩位美國戰(zhàn)略管理學家帕拉哈德和哈默于1990年提出來的。零售企業(yè)核心競爭力是企業(yè)多方面技能和企業(yè)運行機制的有機融合，是不同技術系統(tǒng)#65380;管理系統(tǒng)及技能的有機結合，是企業(yè)在特定經營環(huán)境中的競爭能力和競爭優(yōu)勢的合力。核心競爭力通常體現(xiàn)為整合企業(yè)內部資源，例如:提高生產效率#65380;控制成本和質量#65380;研發(fā)新產品#65380;拓展新市場#65380;調整組織結構#65380;升華企業(yè)文化#65380;提高管理能力等。

(二)利用關聯(lián)規(guī)則提高零售業(yè)核心競爭力

利用數(shù)據(jù)挖掘技術有助于企業(yè)在關鍵的領域建立獨特競爭優(yōu)勢，是企業(yè)取得核心競爭力的關鍵，數(shù)據(jù)挖掘技術主要從以下幾個方面提升企業(yè)的核心競爭力。

1. 提供優(yōu)質的產品和服務。利用數(shù)據(jù)挖掘技術對企業(yè)數(shù)據(jù)倉庫中的大量數(shù)據(jù)進行處理#65380;分析和推斷，可以發(fā)現(xiàn)那些隱藏在數(shù)據(jù)中的模式關聯(lián)#65380;規(guī)則和趨勢，利用這些模式#65380;關聯(lián)#65380;規(guī)則和趨勢能夠幫助企業(yè)創(chuàng)造出獨有的新產品和服務，避免與同類企業(yè)在成本上的競爭。

2. 分析內部經營信息。利用數(shù)據(jù)挖掘技術#65380;數(shù)據(jù)倉庫技術和聯(lián)機分析技術，管理者能夠充分利用企業(yè)數(shù)據(jù)倉庫的海量數(shù)據(jù)進行分析，并根據(jù)分析結果找出企業(yè)經營過程中出現(xiàn)的各種問題，如:經營不善#65380;觀念滯后#65380;戰(zhàn)略決策失誤等內部因素引起企業(yè)人#65380;財#65380;物的相對平衡體遭到重大破壞，對企業(yè)的生存#65380;發(fā)展構成嚴重威脅的信息，及時作出正確的決策，調整經營戰(zhàn)略，以適應不斷變化的市場需求。

3. 尋找最佳商品分組布局。分析顧客的購買習慣，考慮購買者在商店里所穿行的路線#65380;購買時間和地點，掌握不同商品一起購買的概率;通過對商品銷售品種的活躍性分析和關聯(lián)性分析，建立商品設置的最佳結構和商品的最佳布局。

4. 最優(yōu)店址選擇。利用數(shù)據(jù)挖掘技術可分辨出成功的商店或分店的特性，并協(xié)助新開張的商店選擇恰當?shù)牡乩砦恢谩?/p>

三#65380; 實例分析

本例是利用關聯(lián)分析來尋找事件中出現(xiàn)的不同項的關聯(lián)性，在大型數(shù)據(jù)庫中，這種關聯(lián)規(guī)則是很多的，需要進行篩選，一般用支持度(SUPPORT)與置信度(CONFIDENCE)兩個閾值來篩去那些無用的關聯(lián)規(guī)則。

(一)探索性數(shù)據(jù)分析

論文的統(tǒng)計分析是使用AC Nielsen提供的數(shù)據(jù)集，數(shù)據(jù)來源于意大利南部大型超級市場的交易數(shù)據(jù)，這個數(shù)據(jù)集合只是一個大型數(shù)據(jù)庫的一部分，這個大型數(shù)據(jù)庫存放了意大利一個超級市場的37家連鎖店的交易數(shù)據(jù)，每家連鎖店中的全部事物記錄是持有連鎖優(yōu)惠卡的人購買商品的事物記錄。優(yōu)惠卡使得分析人員可以追蹤卡持有者的購物行為，在指定的時間內到超市購物幾次，購買了什么，促銷對他們購物是否有影響等，這里只考慮商品的交易數(shù)據(jù)，以便挖掘商品間的關聯(lián)，所以不考慮人數(shù)變化的影響和促銷的效果。

為了認識20種選定的商品間的關聯(lián)，使用了190個二向列表，每一個表對應一對商品。表1就是一張列聯(lián)表，這張表可以用來研究冰淇凌和可樂之間的關聯(lián)。

列聯(lián)表中每個單元都存放了行列屬性對應的絕對頻率#65380;相對頻率(百分比)和條件頻率。表下面列出關聯(lián)測量#65380;兩個變量間的優(yōu)勢和相應的置信度區(qū)間。由于整個例子空間是很大的，有46 727個事物記錄，所以即使很小的優(yōu)勢率也是很重要的。

經過計算，那些最大的關聯(lián)出現(xiàn)在罐頭肉和金槍魚#65380;罐頭肉和意大利干酪#65380;冷凍魚和冷凍蔬菜之間，這幾對商品都屬于速食品。其次，關聯(lián)較大的是兩種飲料:可樂和啤酒。

有190條線的圖很難可視化，所以這里只畫出優(yōu)勢率遠大于2的正關聯(lián)規(guī)則，這樣就減少了圖中的連線(如圖1所示)。可以根據(jù)圖1中的連線對商品進行分組。

對數(shù)線形模型是描述數(shù)據(jù)挖掘的好方法;它們從指定的變量中發(fā)現(xiàn)關聯(lián)。從圖1可以看出牛奶#65380;小點心#65380;水#65380;咖啡和酸乳酪這5個孤立點的存在。因此為了確定探測性分析的結果是否正確，建立其他15個節(jié)點的圖示對數(shù)線性模型(略)。

(二)關聯(lián)規(guī)則應用

進行購物籃分析的最常用方法就是關聯(lián)規(guī)則，由于篇幅有限，從一個簡單的設置開始，僅考慮冰激凌和可樂，由于不用考慮順序，所以在研究兩個商品間的關聯(lián)時，數(shù)據(jù)集合可以表示成二向列聯(lián)表。這張表顯示了規(guī)則“ifice cream then coke”:

Support(ice cream→coke)=170/46 727=0.003 6。

這個規(guī)則的支持度很低，說明這兩個商品只是偶爾一起出售。關聯(lián)規(guī)則是具有對稱性的，所以規(guī)則“if coke then ice cream”的支持度也是0.36%。

Confidence(ice cream→coke)=170/769=0.22。

Confidence(coke→ice cream)=170/4 949=0.034。

第一個例子說明買了冰激凌的顧客購買可樂的比例，第二個例子說明買了可樂的顧客購買冰激凌的比例。由支持度與置信度的高低#65380;是否符合強關聯(lián)規(guī)則決定兩種商品是否可以放在一起出售。

該例是對購物行為間是否關聯(lián)的研究。分析方法同樣可用在主要目標是用交叉銷售提高某個經濟單位的商品銷售數(shù)量的問題上，如超市#65380;銀行#65380;旅行社，或更廣泛地指提供多種商品或服務的公司。在商品促銷活動中會出現(xiàn)同類問題:希望促銷的商品最少，但是可以從最多的商品中獲益。可以將商品以最有效率的方式排列，將那些關聯(lián)最大的商品放在一起以達目的。零售商在經營過程中要尋找重要的購物模式，也就是哪些商品會被顧客一起購買。

主要參考文獻

[1] 〔美〕 R#8226;格羅斯. 數(shù)據(jù)挖掘構筑企業(yè)競爭優(yōu)勢[M]. 楊非，等，譯. 西安:西安交通大學出版社，2001.

[2] 韓家煒，孟小峰，王靜，等. Web挖掘研究[J]. 計算機研究與發(fā)展，2001，38(4).

[3] 朱明. 數(shù)據(jù)挖掘[M]. 合肥:中國科學技術大學出版社，2002.

[4] 何潤宇，蘇玲. 核心競爭力與投機競爭力[J]. 中外管理，2003(8).

[5] 李鋒. 數(shù)據(jù)挖掘提高企業(yè)核心競爭優(yōu)勢[M]. 西安:西安交通大學出版社，2001.

[6] 方家平. BI商業(yè)智能——管理信息化的熱點[M]. 北京:中國統(tǒng)計出版社，2002.

[7] 李雷，李海霞. 客戶關系與企業(yè)核心競爭力研究[J]. 科技管理研究，2002(3).

[8] 章建賽. 零售業(yè):借鑒和思考[J]. 商貿經濟，2003(4).