導語：數據挖掘服裝銷售研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：服裝產品銷售信息化程度的高低決定服裝企業利潤的高低，銷售得越好，利潤越高，資金回收越快，企業發展就越好。筆者通過數據挖掘將隱藏在數據倉庫中的不易被發現的數據挖掘出來，及時提供給服裝企業，使企業快速掌握市場上哪個季節、哪個月份、哪種款式、哪種顏色的服裝銷售得好，根據銷量進行生產活動，這樣可以有效降低庫存，準確合理配送，使企業按需生產，按市場需求定價格，防止出現供過于求或者供不應求的局面，最終使企業利潤最大化。

關鍵詞：服裝營銷；數據挖掘；決策

系統服裝是每個人必需的產品，也是我國的支柱產業，對國家經濟的發展有重大的意義。服裝產業的發展有著明顯的特點：季節性很強，周期很短，而且是一種時尚的產品，受時間段流行性影響[1]。總體來說，服裝產業的發展呈現不穩定性的特點，那么如何有效抑制不穩定性因素呢？這就需要提高信息化程度，采用信息化的方法，調整服裝銷售、生產環節，縮短資本周轉周期，迎來發展機遇。

1服裝銷售概述

服裝不同于其他產品，有些商品銷售可以一年四季款式不變、型號不變，而服裝產品季節性比較強，受穿衣指數、天氣氣候以及人們的審美觀等影響，變化非常大。有些服裝與區域也有關系，可能南方賣不出去，而在北方賣得就比較好。針對這種情況，一些服裝企業就出現產出過剩或者供不應求的現象。這兩種情況，對服裝企業來說都不利。比如，今年流行什么顏色、什么款式、什么風格、哪種類型、哪種款式、哪種色系、哪種型號，在哪一個區域、哪一個時間段賣得最好，應生產多少件，價位應定多高合適。這些靠服裝企業進行市場預測，得出的數據不能有效指導企業的生產，而且數據準確性得不到保證。每個服裝企業都有一套基于信息化的服裝銷售系統，可以根據服裝銷售系統中的數據庫，對服裝銷售過程中的數據記錄進行挖掘分析，從中挖掘出隱藏在數據庫倉庫中的數據，來指導服裝銷售。

2服裝銷售中的數據挖掘

數據挖掘也被稱為數據庫的知識發現[2]。現在數據挖掘技術被應用于各行各業中，比如用在汽車銷售中，能夠挖掘出汽車在一年當中黃金銷售期為9月、10月、11月、12月，銷售量最少的季節為每年的2月、3月、4月，其次為5月、6月、7月、8月。那么這就給汽車生產企業提供決策依據，每年上半年生產、下半年賣，才不會導致庫存積壓。同時也能挖掘分析出來哪個地域、哪種價位、哪種型號的商品賣得好，可以指導銷售供貨。數據挖掘技術應用于服裝銷售中能夠快速、準確、有效地挖掘出來隱藏在數據庫中的數據，為服裝企業生產銷售提供決策依據[3]。服裝銷售數據挖掘流程圖如圖1所示。圖1服裝銷售數據挖掘流程圖從圖1可以看出，數據挖掘全過程大致如下。（1）跟進服裝銷售系統中的后臺數據庫，創建數據庫倉庫，并對數據倉庫中的數據進行清洗。消除有噪音的、不完整的、不一致的數據，識別孤立點，糾正數據中不一致的數據[4-5]。數據倉庫中的數據也有被污染的數據，這些數據是指沒有經過數據預處理而直接被接收的數據，就是處于原始狀態的數據，這種數據是不能用的，我們稱之為臟數據。（2）數據集成與數據轉換。將多個數據源中的數據存放到一處，再合并轉換為用戶滿意的數據。有些數據測量值和實際值之間存在誤差，不完整、不準確、重復的較多，也有些數據不一致，這樣的數據是要進行轉換的，將它們變成符合數據挖掘標準的數據。（3）數據挖掘。選擇適合的數據挖掘算法，將前期經過清洗的數據進行分析、建模，采用多維度算法進行分析，按照季節、服裝類型、銷售時間、銷售區域、天氣情況等因素進行分析，從中分析出來，哪一款衣服，在哪一個季節，在哪個區域，多少價位賣出去合適。那么明年這個時候，進行服裝銷售時，就可以參照今年的情況進行生產和配貨。（4）對挖掘的結果進行評估，選擇能夠接受的評估結果交給服裝生產企業，為企業提供決策依據。在數據倉庫中存有海量的數據，需要分析和挖掘的時間比較長，要按照規則將挖掘出來的數據進行評估，最終得出能夠指導企業決策的數據。

3數據挖掘算法選取

數據挖掘算法比較多，選擇一個適合的數據挖掘算法進行服裝銷售中的數據挖掘主要參照以下幾方面因素。第一，算法預測的準確性。第二，執行速度、健壯性。第三，可伸縮性以及可解釋性。根據上面幾方面因素，將服裝銷售系統數據倉庫中的服裝銷售記錄進行建模，創建一個水立方模型，進行多維度的分析[6-7]。服裝分為女裝、男裝、童裝、老年裝、情侶裝等，每個類別又被細分，例如女裝中，今年裙子哪一款流行，上衣哪一款流行，哪種顏色賣得好，哪種顏色賣得差，在哪一個季節、哪一個月，哪一天的上午還是下午，在哪一個地區是西安還是上海，在西安賣多少錢賣得好，在上海賣多少錢賣得好等。同一款、同一型號、同一品牌、同一面料的衣服，在不同區域應有不同的價格，例如一件西裝，在夏季在西安可能賣500元，但是到了春天、秋天在西安可能賣到1000元。在開元商城能賣1000元，可能在專賣店能賣800元，在二線、三線城市可能賣600元左右。有一款衣服可能在西安賣不出去，有可能在咸陽賣得非常火爆，出現供不應求的現象。通過數據挖掘明確，同一種衣服哪個區域賣得好就多投放，哪個區域賣得不好就少放，這樣才不至于出現庫存積壓或者供不應求的現象。通過這些信息的挖掘分析，能夠為服裝企業提供比較準確的生產銷售指導[8]，企業明白明年這個地域、這個季節該生產哪種款式的、哪種顏色的、哪種類型的衣服、多少件。這樣可以優化企業的生產、銷售環節，使企業的利潤最大化。

4結語

總之，在信息化高度發展的今天，傳統的營銷模式已不能適應經濟社會的發展，同時對服裝企業的發展也有巨大的影響。將數據挖掘技術應用于服裝銷售中，可以更加有效地提高服裝銷售水平，同時也能積極預測市場的變化，可以有效指導企業的生產。可以有效分析出服裝銷售過程中存在的風險，避免出現供不應求以及供過于求的現象，使服裝生產銷售環節緊貼市場需求，市場需要什么款式，就生產什么款式，哪種品牌賣得快、流行就多生產，哪種品牌賣得不好就少生產。同時也可合理指導庫存，避免出現庫存積壓過大的情況，導致資金流通不暢，或者庫存過少不供不應求。將數據挖掘引入服裝企業中，為服裝企業提供決策依據，使服裝企業按需生產、按市場定價，使服裝企業更加穩定健康地發展。

參考文獻

[1]朱愛國.數據挖掘在L服飾公司銷售管理中的應用[D].上海:東華大學,2014.

[2]張鈺.面向服裝企業市場預測的數據挖掘技術研究[D].西安:西安工程大學,2015.

[3]崔寅舟.關聯規則和時序模式挖掘技術在服裝專賣店中應用的研究[D].上海:上海交通大學,2012.

[4]黃娜.數據挖掘在服裝企業庫存管理中的應用研究[J].城市建設理論研究(電子版),2012(34).

[5]胡爾江.數據挖掘在服裝CRM中的應用[D].廣州:華南理工大學,2010.

[6]郝建軍,翟歲兵,劉冬,等.數據挖掘技術識別可疑洗錢交易行為模式研究[J].電腦知識與技術,2016,12(14):204-205.

[7]郝建軍,翟歲兵,甘霖.數據挖掘在洗錢交易中的識別研究[J].中國新通信,2016,18(14):97-98.

[8]郝建軍.洗錢交易中的異常數據挖掘原理[J].信息與電腦,2016(8):109-110.

作者:郝建軍 劉斌 單位:1.陜西科技大學 2.陜西服裝工程學院