数据挖掘服装销售研究

摘要：服装产品销售信息化程度的高低决定服装企业利润的高低，销售得越好，利润越高，资金回收越快，企业发展就越好。笔者通过数据挖掘将隐藏在数据仓库中的不易被发现的数据挖掘出来，及时提供给服装企业，使企业快速掌握市场上哪个季节、哪个月份、哪种款式、哪种颜色的服装销售得好，根据销量进行生产活动，这样可以有效降低库存，准确合理配送，使企业按需生产，按市场需求定价格，防止出现供过于求或者供不应求的局面，最终使企业利润最大化。

关键词：服装营销；数据挖掘；决策

系统服装是每个人必需的产品，也是我国的支柱产业，对国家经济的发展有重大的意义。服装产业的发展有着明显的特点：季节性很强，周期很短，而且是一种时尚的产品，受时间段流行性影响[1]。总体来说，服装产业的发展呈现不稳定性的特点，那么如何有效抑制不稳定性因素呢？这就需要提高信息化程度，采用信息化的方法，调整服装销售、生产环节，缩短资本周转周期，迎来发展机遇。

1服装销售概述

服装不同于其他产品，有些商品销售可以一年四季款式不变、型号不变，而服装产品季节性比较强，受穿衣指数、天气气候以及人们的审美观等影响，变化非常大。有些服装与区域也有关系，可能南方卖不出去，而在北方卖得就比较好。针对这种情况，一些服装企业就出现产出过剩或者供不应求的现象。这两种情况，对服装企业来说都不利。比如，今年流行什么颜色、什么款式、什么风格、哪种类型、哪种款式、哪种色系、哪种型号，在哪一个区域、哪一个时间段卖得最好，应生产多少件，价位应定多高合适。这些靠服装企业进行市场预测，得出的数据不能有效指导企业的生产，而且数据准确性得不到保证。每个服装企业都有一套基于信息化的服装销售系统，可以根据服装销售系统中的数据库，对服装销售过程中的数据记录进行挖掘分析，从中挖掘出隐藏在数据库仓库中的数据，来指导服装销售。

2服装销售中的数据挖掘

数据挖掘也被称为数据库的知识发现[2]。现在数据挖掘技术被应用于各行各业中，比如用在汽车销售中，能够挖掘出汽车在一年当中黄金销售期为9月、10月、11月、12月，销售量最少的季节为每年的2月、3月、4月，其次为5月、6月、7月、8月。那么这就给汽车生产企业提供决策依据，每年上半年生产、下半年卖，才不会导致库存积压。同时也能挖掘分析出来哪个地域、哪种价位、哪种型号的商品卖得好，可以指导销售供货。数据挖掘技术应用于服装销售中能够快速、准确、有效地挖掘出来隐藏在数据库中的数据，为服装企业生产销售提供决策依据[3]。服装销售数据挖掘流程图如图1所示。图1服装销售数据挖掘流程图从图1可以看出，数据挖掘全过程大致如下。（1）跟进服装销售系统中的后台数据库，创建数据库仓库，并对数据仓库中的数据进行清洗。消除有噪音的、不完整的、不一致的数据，识别孤立点，纠正数据中不一致的数据[4-5]。数据仓库中的数据也有被污染的数据，这些数据是指没有经过数据预处理而直接被接收的数据，就是处于原始状态的数据，这种数据是不能用的，我们称之为脏数据。（2）数据集成与数据转换。将多个数据源中的数据存放到一处，再合并转换为用户满意的数据。有些数据测量值和实际值之间存在误差，不完整、不准确、重复的较多，也有些数据不一致，这样的数据是要进行转换的，将它们变成符合数据挖掘标准的数据。（3）数据挖掘。选择适合的数据挖掘算法，将前期经过清洗的数据进行分析、建模，采用多维度算法进行分析，按照季节、服装类型、销售时间、销售区域、天气情况等因素进行分析，从中分析出来，哪一款衣服，在哪一个季节，在哪个区域，多少价位卖出去合适。那么明年这个时候，进行服装销售时，就可以参照今年的情况进行生产和配货。（4）对挖掘的结果进行评估，选择能够接受的评估结果交给服装生产企业，为企业提供决策依据。在数据仓库中存有海量的数据，需要分析和挖掘的时间比较长，要按照规则将挖掘出来的数据进行评估，最终得出能够指导企业决策的数据。

3数据挖掘算法选取

数据挖掘算法比较多，选择一个适合的数据挖掘算法进行服装销售中的数据挖掘主要参照以下几方面因素。第一，算法预测的准确性。第二，执行速度、健壮性。第三，可伸缩性以及可解释性。根据上面几方面因素，将服装销售系统数据仓库中的服装销售记录进行建模，创建一个水立方模型，进行多维度的分析[6-7]。服装分为女装、男装、童装、老年装、情侣装等，每个类别又被细分，例如女装中，今年裙子哪一款流行，上衣哪一款流行，哪种颜色卖得好，哪种颜色卖得差，在哪一个季节、哪一个月，哪一天的上午还是下午，在哪一个地区是西安还是上海，在西安卖多少钱卖得好，在上海卖多少钱卖得好等。同一款、同一型号、同一品牌、同一面料的衣服，在不同区域应有不同的价格，例如一件西装，在夏季在西安可能卖500元，但是到了春天、秋天在西安可能卖到1000元。在开元商城能卖1000元，可能在专卖店能卖800元，在二线、三线城市可能卖600元左右。有一款衣服可能在西安卖不出去，有可能在咸阳卖得非常火爆，出现供不应求的现象。通过数据挖掘明确，同一种衣服哪个区域卖得好就多投放，哪个区域卖得不好就少放，这样才不至于出现库存积压或者供不应求的现象。通过这些信息的挖掘分析，能够为服装企业提供比较准确的生产销售指导[8]，企业明白明年这个地域、这个季节该生产哪种款式的、哪种颜色的、哪种类型的衣服、多少件。这样可以优化企业的生产、销售环节，使企业的利润最大化。

4结语

总之，在信息化高度发展的今天，传统的营销模式已不能适应经济社会的发展，同时对服装企业的发展也有巨大的影响。将数据挖掘技术应用于服装销售中，可以更加有效地提高服装销售水平，同时也能积极预测市场的变化，可以有效指导企业的生产。可以有效分析出服装销售过程中存在的风险，避免出现供不应求以及供过于求的现象，使服装生产销售环节紧贴市场需求，市场需要什么款式，就生产什么款式，哪种品牌卖得快、流行就多生产，哪种品牌卖得不好就少生产。同时也可合理指导库存，避免出现库存积压过大的情况，导致资金流通不畅，或者库存过少不供不应求。将数据挖掘引入服装企业中，为服装企业提供决策依据，使服装企业按需生产、按市场定价，使服装企业更加稳定健康地发展。

参考文献

[1]朱爱国.数据挖掘在L服饰公司销售管理中的应用[D].上海:东华大学,2014.

[2]张钰.面向服装企业市场预测的数据挖掘技术研究[D].西安:西安工程大学,2015.

[3]崔寅舟.关联规则和时序模式挖掘技术在服装专卖店中应用的研究[D].上海:上海交通大学,2012.

[4]黄娜.数据挖掘在服装企业库存管理中的应用研究[J].城市建设理论研究(电子版),2012(34).

[5]胡尔江.数据挖掘在服装CRM中的应用[D].广州:华南理工大学,2010.

[6]郝建军,翟岁兵,刘冬,等.数据挖掘技术识别可疑洗钱交易行为模式研究[J].电脑知识与技术,2016,12(14):204-205.

[7]郝建军,翟岁兵,甘霖.数据挖掘在洗钱交易中的识别研究[J].中国新通信,2016,18(14):97-98.

[8]郝建军.洗钱交易中的异常数据挖掘原理[J].信息与电脑,2016(8):109-110.

作者:郝建军 刘斌 单位:1.陕西科技大学 2.陕西服装工程学院