一、研究目的

在当前严峻的竞争环境下，电商对实体零售业造成了很大的冲击。利用数据挖掘技术，我们能对未来的商品需求量进行准确地预测，从而高效管理实体商店，做好库存管理和供应链管理，降低运营成本。同时，在如今的企业与客户关系中，建立起与客户的紧密联系，以客户的需求为中心，进行经营策略的调整，更是提高部门业绩最有效的途径。美国大型超市沃尔玛，曾为了更加高效的管理，按照商品的种类划分部门，将每个超市分别按照商品种类属于各部门，不同部门之间通过销量分析进行管理。本文的目的便是利用数据挖掘技术，从公司存储的销售数据中挖掘出可供公司发展使用的数据信息，为商店的营销分析和库存管理提供支持。本文希望以某实体商店历史销售情况为例，通过不同维度的特征分析，对比分析不同销售预测模型，对某商品的销量做出预测。

二、本文的实践意义

1、对于企业管理者而言，有助于经营者了解各类商品的未来时间销售数量，从而进行预期工作方案调整，制定相应的工作计划（物流计划，库存计划，市场营销，财务管理等）,能够进一步提高决策的精准度。

2、 商店的货物摆放合理化，针对性的对货架商品位置进行调整，满足大多数客户的购物习惯。分析商品的关联性，刺激消费者的购买欲望。库存管理智能化，精准的预测商店的商品销量，有针对性地进行库存管理，做好提前存货备货，防止因缺货而导致销量降低的风险。

3、有利于公司合理调整生产和采购策略。在适当的时间进行生产和采购，有利于优化库存，防止因货物积压严重，而导致供应链水平降低，资金链断却。

4、通过合理有效的优惠政策引进客户流量。超市管理者需要通过设置一些优惠政策，提高客流量。例如在商品预测销量过低的时候，通过引进促销方案，进行商品降价销售、商品促销策略、商品组合销售策略等进行销售，增加客流量。

总的来说，经过使用数据挖掘相关工具，一方面将企业存储的各类数据进行分析，并通过模型挖掘出相关有用信息，以便后来为管理者提供相关决策支持，并为后续的运营做主导；与此同时，这种运行模式，能够将通过数据挖掘的各类有用知识和信息运用到企业管理运用中去，有利于形成合理有效的运行模糊，有利于企业朝着高层次地方向运营和向更高的竞争力的方向努力。

三、研究现状分析

张钠，殷哲 等人，在面向连锁零售业的时间序列预测方法研究中[8]，针对快消食品研究，通过运用动态加权平均和自适应指数平滑等方法，发现企业的实际订货量与预测量存在明显的差异，指出在实际的公司运营中，仅仅通过经验或者简单的辅助工具，而设计的预测模型，缺乏科学依据， 在现实经营中，会给企业带来很大的负面效果。