[摘 要] 以決策樹算法為例，從算法和實(shí)例兩方面介紹了數(shù)據(jù)挖掘技術(shù)在連鎖經(jīng)營領(lǐng)域的應(yīng)用，展示了數(shù)據(jù)挖掘技術(shù)在提高連鎖超市決策水平、提升核心競爭力方面的重大價(jià)值。

[關(guān)鍵詞] 連鎖超市 數(shù)據(jù)挖掘 決策樹 ID3

近年來，國內(nèi)大型連鎖超市都建立起以進(jìn)銷存系統(tǒng)為核心的信息系統(tǒng)，積累了海量經(jīng)營數(shù)據(jù)，但其中蘊(yùn)含的商業(yè)規(guī)律卻很少得到開發(fā)和利用。將這些寶貴的資料轉(zhuǎn)化為決策信息，需要借助于數(shù)據(jù)挖掘技術(shù)。

一、有關(guān)數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律的過程。常用的挖掘算法有決策樹、樸素貝葉斯等。決策樹算法具有理解方便等優(yōu)點(diǎn)，Quinlan提出的ID3算法是最具影響力的決策樹算法。本文以ID3為例，介紹數(shù)據(jù)挖掘技術(shù)在連鎖超市的應(yīng)用。

1.ID3算法思想

設(shè)：每個(gè)樣本由多個(gè)訓(xùn)練屬性AK(K=1，2，…，k)和一個(gè)預(yù)測屬性組成，N個(gè)樣本按照預(yù)測屬性取值Ci(i=1，2，…，c)的不同，劃分成c個(gè)不同的樣本集合，類別Ci中的樣本個(gè)數(shù)為Ni。決策樹的構(gòu)造過程為：

(1)決策樹的初始信息量為：。

(2)選擇一個(gè)訓(xùn)練屬性作為分類節(jié)點(diǎn)：①設(shè)每個(gè)訓(xùn)練屬性AK(K=1，2，…，k)有JK個(gè)不同的取值akj，按akj將N個(gè)樣本分為JK個(gè)樣本集。設(shè)akj樣本集的樣本數(shù)為nkj；②對于每個(gè)分支的nkj個(gè)樣本，屬于類別Ci的樣本數(shù)目是nkji，則以訓(xùn)練屬性AK為根的期望熵為：；③計(jì)算由訓(xùn)練屬性AK引起的信息增益，即Gain(AK)=I(C1，C2，…，Cc)－E(I，AK)；④選擇產(chǎn)生最大信息增益的訓(xùn)練屬性Ak0作為決策樹的根，即Ak0滿足Gain(k0) >Gain(k) (k=1，2，…，K；且k≠k0)；

(3)按訓(xùn)練屬性Ak0將樣本分成Jk0個(gè)樣本集。對每個(gè)葉節(jié)點(diǎn)上的樣本子集依次利用上面的方法，選擇一個(gè)訓(xùn)練屬性作為該葉節(jié)點(diǎn)的下一級節(jié)點(diǎn)。

(4)按照上述步驟不斷構(gòu)造決策樹，直至各樣本子集只有一個(gè)類別。

2.ID3算法應(yīng)用分析。下表是某超市所作的關(guān)于客戶購買某商品意向的調(diào)查報(bào)告，下面以“年齡”、“性別”、“經(jīng)濟(jì)狀況”為訓(xùn)練屬性、“是否購買”為預(yù)測屬性，構(gòu)造一棵決策樹，揭示年齡、性別、經(jīng)濟(jì)狀況等因素對購買行為的影響。

在16個(gè)樣本中，只有4個(gè)樣本計(jì)劃購買該商品，則根分支的初始信息量為：

如按“年齡”屬性分類，6位小于35歲的樣本中有1位計(jì)劃購買，10位大于35歲的樣本中有3位計(jì)劃購買，故按“年齡”分類的期望熵為：

同理，可得E(性別)=0.7142、

E(經(jīng)濟(jì)狀況)= 0.7937。

由“年齡”屬性引起的信息增益為：Gain(年齡)=I(4，12)-E(年齡)= 0.0167；

同理，可得Gain(性別)= 0.0971、

Gain(經(jīng)濟(jì)狀況)=0.0176。

Gain(性別)最大，故根節(jié)點(diǎn)按“性別”屬性分類。按照上述算法繼續(xù)分類，得到圖1所示決策樹。

二、數(shù)據(jù)挖掘?qū)嵗?/p>

下面采用微軟的Analysis Services平臺，分析連鎖超市Foodmart的經(jīng)營數(shù)據(jù)，考察“性別”、“婚姻狀況”、“年收入”等訓(xùn)練屬性與預(yù)測屬性“會員卡類型”之間的關(guān)系，得到圖2所示的決策樹。

根據(jù)圖2，第一層分支以“年收入”為分類標(biāo)準(zhǔn)，說明年收入是決定客戶辦理何種會員卡的首要因素。年收入最高（150K以上）的分支顏色最深，說明此類客戶辦金卡的概率最高。

根據(jù)圖3，在年收入達(dá)150K的客戶分支上，分類標(biāo)準(zhǔn)為“婚姻狀況”，表明婚姻狀況是決定該分支客戶是否辦金卡的首要因素，即已婚客戶辦金卡的概率遠(yuǎn)大于單身客戶。

三、結(jié)束語

上例揭示的規(guī)律對連鎖超市提高廣告的針對性、開發(fā)優(yōu)質(zhì)客戶具有重要意義。目前，數(shù)據(jù)挖掘技術(shù)還被國際連鎖巨頭廣泛用于防止客戶流失、商品擺放布局等方面的決策。國內(nèi)連鎖超市經(jīng)營企業(yè)應(yīng)該重視數(shù)據(jù)挖掘技術(shù)的應(yīng)用，以提高決策的科學(xué)性，在激烈的競爭中求得生存和發(fā)展。

參考文獻(xiàn):

[1]Quinlan J R．Induction of decision trees[J]．Machine Learning，1986，(1):81～106

[2]沈兆陽:SQL Server 2000 OLAP解決方案——數(shù)據(jù)倉庫與Analysis Services[M]．北京：清華大學(xué)出版社，2001.9：8～9，13～14，87，104～10