大数据环境下企业销售数据处理方法与市场感知研究

徐东辉

DOI：10.19392/j.cnki.16717341.201720169

摘要：本文大致描述了大数据环境下企业销售数据的处理方法和途径，对大数据环境下企业市场预测和感知方法进行了研究，分析了大数据环境下企业进行营销需要采取的方法和策略。

关键词：大数据；企业销售数据；市场感知

在信息技术快速发展，大数据技术普遍应用的前提下，任何一个行业都已经离不开数据的影响。对企业来说，如何利用销售数据对未来的市场进行预测和市场感知，进而制定有效的营销策略是当前最为重要的事情。企业需要通过一定的技术手段对销售数据进行处理，获得对未来市场预测的能力，为提升市场占有率奠定良好的基础和前提，使得企业在激烈的市场竞争中获得一席之地。

一、大数据环境下企业销售数据处理方法概述

第一，分类分析。简单的说，分类分析就是将数据按照一定的分类规则划分到相应的数据组之中去的过程。分类分析建立在一般的分类算法的基础上，每当获取一条新的数据，系统都会按照分类规则对数据进行分类。分类分析在市场预测中具有至关重要的地位，它可以在分析历史数据的基础上对数据未来的走向进行预测。比如，分类分析可以预测产品在未来一段时间内的销售趋势，便于企业进行生产安排、物流协调和促销活动的计划。

第二，关联规则分析。关联规则分析的目的在于找出数据之间的关联关系和派生关系。当一些数据信息和另外一些数据信息相伴相神出现的时候，二者之间可能就存在着某种关联关系。在数据挖掘之中，关联规则分析可以划分为相关关系分析和函数关系分析两种。相关关系是描述的是变量和因变量之间存在着一定的规律，但是二者之间不存在着一一对应的确定性关系的状态；函数关系描述的是变量的变化由因变量变化唯一确定的一种确定关系状态。

第三，回归分析。回归分析是一种建立在统计分析上的数据挖掘技术，是对联系变化的变量进行分析的主要方法，通过数学方程式来对自变量和因变量之间的关系进行模拟从而找到其中的关系，发现数据之间隐藏的规律。在发现数据之间规律之后，可以对数据未来的变化趋势进行预测。在运用回归分析进行数据预测时候，只要给出自变量和时间的值，就可以运用已经建好的模型得到预测值。

第四，时间序列分析。时间序列分析是进行大难度和综合性课题研究的主要方法和工具，时间序列分析提供的预测技术和评估技术是非常完善的。在通过参数模型分析和处理观测到的有序随机数据的。时间序列分析一方面可以对某事物的发展规律进行解释，从而达到认识客观世界的目的；另一方面则可以通过模型来预测和控制事件未来的行为。

二、大数据环境下企业进行销售数据处理和市场感知的方法与对策

在时间的推移中，企业积累的销售数据会日益庞大，如何安全有效地存储这些销售数据并将之运用到未来的市场预测之中去是企业营销的重中之重。市场预测结果不仅仅关乎到企业营销的成败，还和企业制定的发展战略和发展策略有着直接的关系。如果不能针对销售数据制定有效的数据处理方法，一些重要的信息就会淹没在噪音和干扰之中。

企业可以借助市场感知模型的建立来进行市场预测，在实践之中，企业经常通过ARIMA模型和灰色模型的结合来达到市场预测的目的。在数据挖掘的基础上，将各项数据输入到市场感知模型之中来，比如将各地区数据、某个零售商的销售走势和存销比趋势、重复购进比率、铺货比率等等信息纳入到市场感知模型指中国来，这些数据可以在模型建立和预测中发挥较大的效果，能够帮助企业预测市场动向和未来的销售趋势。在市场感知预测中大多使用时间序列分析方法来预测市场发展动向，为企业管理层提供决策可以依靠的数据，便于企业根据市场环境做出相应的反应，进而提升市场占有率，积极地抢占市场资源，并适时地根据市场预测结果做出相应的促销活动，在市场竞争中赢得先机。市场预测也可以让企业减少不必要的存货储备，降低企业的运营成本，实现盈利的最大化和最优化，将损失降低到最小化的程度。

ARIMA模型可以在大数据环境下准确地预测短期内的数据走势，灰色模型则可以在数据量不大的情况下准确地预测出数据在长时间内的走势和趋势。通过这两个模型可以根据企业过往的销售数据和销售量分析和预测出未来的销售量和销售趋势。模型的应用范围还可以拓展到某一个零售商乃至某一个地级市范畴。ARIMA模型和灰色模型提供了预测序列分析结果，决策者可以有效地得到感知参考数据，对未来的市场走向有精准的把握。

三、大数据环境企业营销策略改进方法

第一，市场营销需更加精准。在市场预测和感知能力提升的基础上，企业应该意识到消费者的个性化特点，通过分析销售商和零售商的偏好可以分析出消费者的消费行为、消费偏好。企业应该意识到市场需求是个性化营销的基础和前提，对市场进行感知和预测是企业发展必不可少的环节。大数据的应用成为必不可少的环节，在此基础上进行的数据归纳整理和得出的分析结论将会是最具参考价值的。任何一个市场营销行为都要以客户至上为原则。客户的需求就是市场的方向，市场预测便于企业进行促销、产品、价格和渠道等营销策略的选择，使得企业能够获得量身定做的营销方案。营销组合的组合方法非常多样，影响因素也异常之多，只有精准地进行市场预测，才能将支付方式、支付价格、付款期限等具体问题落实下去，也才能便于企业将存货地点、覆盖区域等具体情况安排妥当。

第二，客户关系管理需放在更加重要的位置上。大數据的时代背景和经济全球化的时代条件使得很多企业发展都面临着严重的产品同质化问题，这也给企业管理带来很大的困扰。如果企业在大数据环境下能够建立和维护良好的客户关系，那么在搜集和洞察客户动态的时候能够更加获得更加准确的信息。当前，很多企业都已经意识到了客户管理的重要性，从客户关系管理中挖掘重要的客户资源。在激烈的市场竞争环境下，长期的客户关系将会是影响企业市场预测准确性的重要因素。

参考文献：

[1]陈怀涛，邹欣，李继峥.大数据背景下市场营销方式变革探讨[J].现代商贸工业，2015，09：1113.

[2]赵从容.移动互联时代的移动数据业务市场营销策略[J].通信与信息技术，2014，03：6164.

[3]林杰，赵冬梅，赵强.基于数据仓库的市场营销决策支持系统的研究[J].管理工程学报，2016，11：34.