数据挖掘案例分析

1、学习数据挖掘的理论知识，理解数据挖掘的目的和意义。

2、熟悉SPSS CLEMENTINE 12.0的软件功能，并学习该软件对数据的分析作用。

3、根据软件提供的数据G00dsln,2n数据进行网络神经分析，哪些营销策略适合做促销。

二、实验环境

系统环境：windows XP

软件环境：SPSS CLEMENTINE 12.0

软件简介：作为一个数据挖掘平台，CLEMENTINE结合商业技术可以快速建立预测性模型，进而应用到商业活动中，帮助人们改进决策过程。强大的数据挖掘功能和显著的投资回报率使得在业界久负盛誉。同那些仅仅着重于模型的外在表现而忽略了数据挖掘在整个业务流程中的应用价值的其它数据挖掘工具相比，CLEMENTINE其功能强大的数据挖掘算法，使数据挖掘贯穿业务流程的始终，在缩短投资回报周期的同时极大提高了投资回报率。

三、实验数据

本实验使用的数据软件中SPSS CLEMENTINE 12.0提供的数据G00dsln,2n，包含4个字段分别是Class（产品类别）cost（成本）promotion (促销费) before (促销前销售额)

主要步骤：

采用SPSS CLEMENTINE 12.0，利用神经网络对事先准备好的数据进行分析挖掘。

（1）在Demos中找到数据，新建工作区域，在工具栏点击数据原中，从var.file中导入文件。

（2）建立Neuralnet模型，名为increase。

（3）分析Class（产品类别）cost（成本）promotion (促销费) before(促销前销售额)这四个变量在Neuralnet模型的重要性程度

（4）根据所得的数据分析出哪些营销策略适合做促销，做模型预测。

本实验所建立的数据流如图所示

分析Class（种类）、Cost（费用）、Promotion(促销)、Before(在之前)这四个变量在Neuralnet模型的重要性程度

制得图形如下图：

从这张图中初步可以看出：这四个变量的重要性，Before(在之前)的最低，Cost（费用）次之，Promotion(促销)比Class（种类）低一点，Class（种类）的重要性最高。这说明商家主要根据商品的种类来做营销，再以节假日的促销的辅之，才能提升公司的业绩。

增加一个increase字段，即输出字段，产品促销后的销量增加比例。

从表中可以看出:产品促销后的比例增加的最多的是Drink（饮料）12.077，其次是confection（糖果）、luxury（奢侈品）。

模型分析：

从表中可以看出:估计的准确性92.877。输入层为7个神经元，隐藏层为1：3的神经元，输出层为1个神经元。

模型预测应用：           

从derive2中Drink（饮料）的系数是逼近于1.000，confection（糖果）的系数在0.995和1.000之间，而luxury（奢侈品）也在0.960之间。对饮料的促销效果最大，饮料是出行的必需品，也是低消费中一种必需品，商家一搞促销，对绝大多数的人来说就更加消费的起，就拉动了消费。对糖果而言，主要是针对妇女和孩子，当商家搞促销活动时，父母一方面给孩子准备零嘴，另一方面也可以自己当零嘴。对奢侈品而言，工薪阶层的人在生活中就购买必需品，当商家对奢侈品搞促销的时候，这部分的人平时对奢侈品接触的少，一方面为了满足对品牌的追求，另一方面，也满足了高消费的支出时的虚荣心。

同时，对现有产品数据进行预测，根绝预测的销量增长比例倒序排列，排在前面的产品促销效果较好。所谓三分数据，七分业务，得出这样一个结果，还要业务部门多沟通，根据具体的业务情况选择促销产品。

四、结束语

本文通过使用Neuralnet模型来说明如何利用CLEMENTINE在超市信息管理系统中发现可用于促销的商品，神经网络模型对商品促销效果预测具有较高的准确性，对商家进行市场决策有很好的参考价值。