基于报童模型对某电商平台商家订货策略研究

摘要

如今是被数据包裹着的时代，对于数据的利用将会是社会目前以及未来的时期内需要重视的一个关键环节，虽然大数据给各行各业带来了全新的发展视角，但也受限于之前所使用工具发展的局限性，从而使得大量的数据停留在表面看上去“无序”、“无关联”的离散状态，从而不能产生可利用的价值。应运而生的数据挖掘技术可以很好的解决这类问题，从表面并无交互影响或交互影响微弱的庞杂信息内，寻得价值含量较高的信息，为市场参与主体奠定数据挖掘的技术基础。在最近几年中，电子商务行业依托大数据技术有了跨越式发展，数据已经成为电商眼中的能创造经济利益价值的重要商业资本。其中，激增的网络消费者产生了海量的电子商务销售数据，电子商务企业可引入先进的信息收集、分析技术，确保所得资料具备商务利用参考价值，对商业决策提供有力帮助。　　本文研究的对象是一家淘宝女装原创品牌店A，该电商积累了多年销售记录数据，但是在数据的运用这一方面的发展程度较低，当前数据运用仍然停留在最基础的操作上。随着当前电商A销售数据的不断增长，若无法突破传统数据运用能力的局限性，将会对电商的发展产生严重的阻碍作用，因此可以通过对历史数据的分析看出电商A的发展历程，也可以为公司解决现在的实际问题。公司为保证物流决策的准确性，就必须要对当前的销售数据进行有效的分析和预测，因此，目前该淘宝店需要解决销售数量预测需求与预测技术之间的脱节问题。经过对上述问题的研究，决定选取适合的数据挖掘理论结合电商A的销售数据，搭建出一套完整的理论模型，对电商A的运营管理提供有效的支持，保证所获得的销售数据的总体价值，可以从以下几个方面入手：　　1）首先对现阶段的数据进行处理，然后分析得出时间序列模型作为本论文的预测模型，并介绍其优点。之后介绍论文采取的数据挖掘软件SPSS的理论支持及使用方法。　　2）将时间序列分析中的季节分解、指数平滑和ARMIA模型分别与电商A的销售数据相结合进行预测，同时总结和归纳各项实验结果，并结合数据时间序列图针对实验结果反映出电商实际销售的情况。　　3）考虑到电商A销售的女装均是短周期的网红产品，产品销售周期时长不超过一个月，并会以“处理价格”对当月销售剩余产品进行处理，符合“报童模型”的研究范围。因此根据得到的预测结果再结合“报童模型”对电商A的进货量提出指导性意见，同时能帮助电商A解决一直存在的“订货量”与实际“销售量”之间产生的差额较大的问题，对其运营管理决策提供新的解决思路，提高运营效率。以数据驱动下较准确的“订货量”模式代替之前简单的“拍脑袋”粗糙的进货模式，基本达到用于辅助电商A进行有效决策的要求。

目录

声明

1 绪论

1.1研究背景

1.1.1近年电子商务发展概述

1.1.2技术发展背景

1.2 研究的意义

1.2.1理论意义

1.2.2 实际意义

1.3 研究的方法

1.4研究的内容

1.5 研究的框架

2 文献综述及相关理论

2.1电子商务研究现状

2.1.1国外研究现状

2.1.2国内研究现状

2.1.3销量影响因素

2.2数据挖掘算法研究现状

2.3指数平滑与ARIMA模型研究现状

2.4报童模型研究现状

2.5基于数据驱动的决策研究现状

2.6销售预测的基本理论

2.6.1销售预测的概念

2.6.2销售预测的原理

2.6.3销售预测的方法

2.7预测模型介绍

2.7.1时间序列模型概念

2.7.2时间序列模型的类型

2.8 单周期商品与报童模型

2.8.1单周期商品

2.8.2报童模型

3 预测模型的构建

3.1电商背景介绍

3.2数据分析

3.2.1数据的特点

3.2.2训练数据粒度

3.2.3预测提前期

3.2.4自相关分析

3.3数据的清洗

3.3.1异常值甄别

3.3.2异常值修正

3.4模型的选择

3.4.1时间序列分解

3.4.2指数平滑模型预测表现

3.4.3ARIMA模型预测表现

3.5模型预测结果的对比

4报童模型订货量的实现

4.1电商A的订货模式

4.2基于报童模型的订货量模式

4.3报童模型的评价

4.3.1期望销售损失

4.3.2期望销售

4.3.3期望售后剩余库存

4.3.4期望利润

4.3.5订单完成率

4.4预测结果总结

4.4.1原订单模式总结

4.4.2报童模型订单模式总结

4.4.3运用报童模型的改进

5结论与展望

5.1研究的结论

5.2研究的不足与展望

参考文献

致谢