- 相關推薦
商業智能軟件在汽車銷售中的應用
畢業論文
[摘要] 本文利用商業智能軟件IBM DB2 Intelligent Miner建立汽車市場營銷分析的數據倉庫模型，并利用決策樹分類技術，對汽車銷售企業的調查問卷數據進行分析，挖掘出最近1年內有購車意愿的客戶的特征。企業針對這些特征，采取相應營銷策略，從而提高營銷的針對性和成功率。
[關鍵詞] 商業智能軟件 數據挖掘 決策樹
1、 引言
在激烈的市場競爭環境中，1個企業如果要生存和發展，就必需了解市場，了解客戶，樹立“以市場為導向，以客戶為中心”的經營理念。汽車銷售企業作為服務業尤其如此，面對瞬息萬變的市場，多變的客戶，應用信息技術為營銷服務，建立客戶關系管理系統等不失為有效途徑。而數據挖掘技術在客戶分析方面有優勢。在營銷過程中市場調查是10分重要的，市場調查將為營銷策略，廣告的投放提供依據，面對市場調查取得的大量紛雜、無序的數據，利用商業智能軟件的數據挖掘技術進行處理，將會起到良好的結果。
2、商業智能軟件
商業智能(BI，Business Intelligence)，又稱商務智能，就是1種將數據轉變為信息、信息轉變成知識的工具，并且這種工具能夠在恰當的時候通過恰當的方式把恰當的信息傳遞給恰當的人。商業智能定義為下列軟件工具的集合。
1.簡單的查詢和報告工具。專門用來支持初級用戶的原始數據訪問，不包括適用于專業人士的成品報告生成工具。在這1層次，商業智能僅僅是把信息進行粗加工。
2.在線分析處理。提供多維數據管理環境，其典型的應用是對商業問題的建模與商業數據分析。
3.經理信息系統。這類系統的用戶希望能夠在不太費力的情況下，從系統中獲取大多數信息。
4.數據集市和數據倉庫產品。包括數據清洗、數據抽取、轉換、載入、數據管理和數據存取等方面的軟件。
5.數據挖掘（Data Mining）軟件。使用諸如決策樹、神經網絡、規則歸納等技術，用來發現數據之間的關系，做出基于數據的推斷。數據挖掘是通過仔細分析大量數據來揭示有意義的新的關系、模式和趨勢的過程。它使用模式認知技術、統計技術和數學技術。 數據挖掘的目的是為決策建模，即根據過去活動的分析預測將來的行為。比較常見的數據挖掘算法有：聚類分析、決策樹、神經網絡、規則歸納。1般比較好的數據挖掘工具都會支持這幾種算法。
3、決策樹與IBM DB2 Intelligent Miner
決策樹方法起源于概念學習系統，然后發展了ID3 方法并達到高峰，最后又演化為能處理連續屬性的C4.5。
決策樹構造的輸入是1組帶有類別標記的數據，構造的結果是1棵2叉或多叉樹。2叉樹的內部節點（非葉子節點）1般表示為1個邏輯判斷，如形式為(ai=vi)的邏輯判斷，其中ai是屬性，vi是該屬性的某個屬性值；樹的邊是邏輯判斷的分支結果。多叉樹的內部節點是屬性，邊是該屬性的所有取值，有幾個屬性值，就有幾條邊。樹的葉子節點都是類別標記。
構造決策樹的方法是采用自上而下的遞歸構造。以多叉樹為例，它的構造思路是:如果訓練數據集合中的所有數據是同類的，則將之作為葉子節點，節點內容即是該類別標記，否則，根據某種策略選擇1個屬性;按照屬性的各個取值，把數據集合劃分為若干子集合，使得每個子集上的所有數據在該屬性上具有同樣的屬性值;然后再依次遞歸處理各個子集。這種思路實際上就是“分而治之”（Divide－and－conquer）的道理。2叉樹的原理與此的差別僅在于要選擇1個好的邏輯判斷。
在生成的決策樹中可以建立1個規則基。1個規則基包含1組規則，每1條規則對應決策樹的1條不同路徑，這條路徑代表它經過節點所表示的條件的1條連接。
IBM的Intenlligent Miner是市場上最強大和最有可伸縮性的工具之1，正在競爭數據挖掘工具市場的領導地位，它提供了最廣泛的數據挖掘技術和算法，在數據規模和計算性能方面具有非常高的可伸縮性；Intellligent Miner支持分類、預測、關聯規則、聚類、順序模式偵測和時間序列分析的算法。Intenlligent Miner支持DB2關系數據庫管理系統，并集成了大量復雜的數據操縱函數。
根據IDC的統計，Intelligent Miner目前是數據挖掘領域最先進的產品。大多數算法是由IBM研究所研發出的，是IBM的專有技術，并只存在于Intelligent Miner中。決策樹使用的是CAU算法的2種變種，用以產生1個分類模型并且能夠處理離散和連續數據。
4、決策樹技術在汽車銷售中的應用
下面將就某汽車銷售公司，在汽車展上的調查問卷進行分析。潛在客戶的數據主要有年齡、性別、職業、收入、教育程度、是否結婚，是否有房等，調查客戶是否會在1年內買車。數據表格式如下：
數據清洗試圖填補訓練集中的空缺值、識別孤立點、消除噪聲、糾正數據中的不1致。對于空缺值的處理，通常有忽略元組、人工填寫空缺值、使用全局常量填充、使用屬性平均值填充、使用與給定元組同1類的樣本平均值填充、使用最可能的值填充等方法。
調查問卷中，有部分沒有填寫的選項，如年齡屬性，對于這1部分記錄采用的是使用屬性平均值填充的方法。
在進行數據挖掘工作之前，需要進行前期的數據整理工作，比如根據直觀經驗去除數據中的冗余信息或不相關信息，對于上面的數據集中的屬性，像序號等，可以在正式開始數據挖掘前去除，因為客戶是否近期內買車是我們最關心的信息，我們把屬性“是否1年內買車”即buy作為類標簽屬性。
2.生成決策樹，產生規則。整理后的數據導入到DB2關系數據庫表中,使用IBM的Inten1igent Miner提供的數據挖掘工具生成決策樹，并剪枝后如下圖。
在得到決策樹之后,可以由其中提取分類規則,在該例中,可以提取的規則如下:If Salary =2750～6500 and age=31.5～40.5then buy=y。
也就是說,在剪去1些噪聲枝節之后，在決策樹的每1條支路上，都可以形成1條分類規則�？梢圆捎眠@些分類規則，對潛在的客戶數據進行分類，由此得出哪些客戶最近有購車的意愿，然后可以主動地向客戶推銷汽車，并且給予1定的優惠政策，由被動營銷轉變為主動營銷。
3.決策樹結果分析理解。需要說明的是這203份問卷是在車展中獲取的，來參加車展接受問卷調查的自然多數是有買車想法的，因此31.2%愿意買車，這個比例在普通人群中是達不到的。下面我們從產生的決策樹規則分析1下是否在1年內買車與客戶的因素之間的關系。
(1)收入直接決定了1個人的購買力。salary即月薪在低于2550元的客戶中，汽車是奢侈品，在近期1年內沒有購車的意愿;月薪在高于6500元的客戶中，1年內也沒有購車的意愿，可以想象高收入人群大多已經有車了。
(2)年齡也是導致買車的1個因素。在接受調查的人群中都在22歲～65歲之間。年輕人中愿意買車的較多，年齡小于31.5歲的人，可能是由于婚姻與購房所困，1年內沒有購車的意愿;年齡在31.5歲～40.5歲之間（占82.3%），1般來說這1部分高收入人群不受房子與婚姻狀況所困擾，孩子大多在上中小學，而目前大多數是獨生子女，社會治安又不太好，在經濟條件許可的情況，會考慮買車來接送孩子。因此有近期買車的打算。
(3)愿意買車的多為男性。在低收入的女性中沒有考慮購車問題，但男性如果收入還可以的情況下有近期買車的可能性。
(4)從目前這些數據來看，受教育情況、婚否、工作性質與是否愿意近期買車影響也不大。
客戶的購買行為還要從多方面進行考慮，我們僅從這幾方面挖掘出外部環境與客戶的購買行為之間的關系。在計劃購車的人群中，購車的價位，車的排氣量、車的顏色等也可以進行挖掘；在不打算購車的人群中，不買的原因，也值得分析。
5、結論
采用決策樹分類算法，通過對調查數據挖掘，得到1系列的分類規則，然后利用此分類規則，對潛在客戶進行分析，采取主動營銷，可以降低營銷成本，從而可以提高營銷的成功率。隨著多方面大量數據的獲得，商業智能的數據挖掘工具可以挖掘出更有參考價值、易于理解，并具有很高的分類準確度的規則為生產實踐服務。決策樹數據挖掘技術在汽車銷售中也有著廣闊的應用前景，值得我們進1步的研究。
參考文獻:
[1]鄭曉紅:商業智能提升管理信息化[J].商場現代化,2005,(12)
[2]羅海蛟劉顯:數據挖掘中分類算法的研究及其應用[J].微機發展,2003,6
[3]白菲孟超英:數據挖掘技術在高校人事信息建設中的應用[J].教育信息化,2005,(09)
[4]譚旭王麗珍卓明:利用決策樹挖掘分類規則的算法研究[J].云南大學學報，2002,6,415～419
[5]潘珩:汽車營銷決策支持系統數據倉庫的設計與實現[J]. 石河子大學學報(自然科學版),2005,(05)
【商業智能軟件在汽車銷售中的應用】相關文章：
淺析商業智能在稅收管理中的應用03-24
LonWorks及其在智能小區中的應用03-21
ZigBee在智能照明中的應用研究03-07
紅外遙控在汽車中的應用03-19
綜合智能控制技術在電網規劃中的應用03-26
探析代理記賬中商品軟件的應用03-17
現代控制技術在中藥智能配藥系統中的應用03-18
iFIX軟件在計算機中的應用03-18
漢語分詞在中文軟件中的廣泛應用03-18