论文部分内容阅读
随着我国宏观经济进入“新常态”,许多企业面临更为激烈的市场竞争,销售风险的随机性、破坏性显著加大,企业需要尽量快速、准确地获取预警信息,进而采取针对性措施。为此,本文提出了基于海量市场数据的采集、处理和分析系统架构,采集了全国市场数据,包括批发和零售数据、品牌信息、客户基础数据等,完成对市场数据的存储、加工处理以及挖掘分析。在此基础上,针对企业销售预警实际需求,构建基于海量数据的企业销售预警模型,对企业潜在的销售风险进行预警分析,并提出针对性策略实施,具体研究内容如下:1)多途径市场感知信息采集,借助市场走访,终端实时采集,系统录入等方式进行企业大规模数据信息的采集,对采集后的海量数据进行清洗,加工,规范化,通过实际数据需求建立不同的数据降维模型,对数据进行加工处理,引入关系型数据库与Hadoop技术协同工作机制来处理海量基础数据,实现企业数据体系架构,数据同步共享,业务数据展现等。2)针对企业销售预警业务需求研究供求预警模型,提出存销比与投放预警模型,监控市场产品投放与库存风险,预先对存销情况进行预测与预警分析,从企业到市场层面把控销售预警,并在此基础上提出构建基于决策树算法与k-means算法的预警知识库,从预警知识规则的装载与匹配上支持预警决策。3)研究价格预警模型。从市场层面扩充企业销售预警模型,提出基于改进灰狼优化算法的Holt-Winters价格预警模型,对企业产品的市场价格异常波动与特殊状态进行预警分析,并使用价格预警模型分析结果对供求模型进行模型参数修正与警情辅助分析。4)研究客户流失预警模型。从客户层面扩充企业销售预警模型,在整体上实现了对企业销售预警基于企业、市场、客户角度串行分析,提出基于改进PSO-BP神经网络的客户流失预警模型,对企业客户流失进行预警分析,降低企业客户流失,使企业销售实现可持续性,并在上述预警模型基础上利用客户流失预警分析结果对供求模型预测效果进行修正。5)基于上述研究成果,搭建企业销售预警集成平台,从企业实际需求出发,将包含价格预警、存销比与投放预警、客户流失预警的销售预警体系在预警平台上实现并在企业中应用,对企业潜在异常状态开展实时预警。