1. 研究目的与意义（文献综述）

一、研究目的

在当前严峻的竞争环境下，电商对实体零售业造成了很大的冲击。利用数据挖掘技术，我们能对未来的商品需求量进行准确地预测，从而高效管理实体商店，做好库存管理和供应链管理，降低运营成本。同时，在如今的企业与客户关系中，建立起与客户的紧密联系，以客户的需求为中心，进行经营策略的调整，更是提高部门业绩最有效的途径。美国大型超市沃尔玛，曾为了更加高效的管理，按照商品的种类划分部门，将每个超市分别按照商品种类属于各部门，不同部门之间通过销量分析进行管理。本文的目的便是利用数据挖掘技术，从公司存储的销售数据中挖掘出可供公司发展使用的数据信息，为商店的营销分析和库存管理提供支持。本文希望以某实体商店历史销售情况为例，通过不同维度的特征分析，对比分析不同销售预测模型，对某商品的销量做出预测。

二、本文的实践意义

2. 研究的基本内容与方案

一、研究的基本内容与目标

（1）基本内容

根据获得的某商店 2013年1月至2015年10月的每日历史销售数据，尝试用不同的方法构建模型，首先根据数据特征尝试进行支持向量回归的基础预测模型，再应用arima时间序列分析或者神经网络建立模型，将获得的结果进行交叉对比验证，对比研究两种不同模型的适用情况以及准确度，同时通过数据挖掘查找商品之间的销售情况是否存在某种关联关系。最后搭建一个预测系统，嵌入算法，实现交互界面以达到数据挖掘结构可视化的目的。

3. 研究计划与安排

3.25—3.31 清洗数据/降噪

4.1— 4.7 分析数据原本特点，多维度建模分析

4.8—4.28 建支持向量机模型和时间序列模型

4. 参考文献（12篇以上）

[1] 侯璐．大型连锁超市部门层销售预测方法研究[d]．江苏：江苏科技大学，2016

[2] allaway a，mason j b，brown g ．an optimal decision support model for department-level promotion mix planning[j]. journal of retailing, 1987,63(3):215-224

[3] um fayyad，g piatetsky-shapiro ，p smyth ，r uthurusamy．advances in knowledge discovery and data mining :aaai press ,1996,40(40):xviii