文 献 综 述

一、论文的研究背景与意义

随着互联网技术的发展，信息技术的突飞猛进，”第三次工业革命”时代的到来与发展，全球性数据呈现爆发式的增长，大数据已经成为新时代的主题词，在各个领域的应用十分广泛。著名管理咨询公司麦肯锡称：”数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素，人们对于大数据的挖掘和应用，预示着新一波生产力增长和消费盈余浪潮的到来”。国际数据公司（IDC）的数字宇宙研究报告称：”2011年全球被创建和被复制的数据总量超过1.8ZB,且增长趋势遵循新摩尔定律（全球数据量大约每两年翻一番），预计2020年将达到35ZB”。在大数据的背景下，企业与顾客之间的关系更加注重沟通交流，形成互惠互利模式，更加趋向于互动，平等，相互影响。由互联网用户创造的信息和数据成为互联网海量数据的重要来源。

为了使企业得到更好地发展，就必须通过预测来减少不确定性，增强对未来的预见性。销售预测是一个分析和报告信息的过程, 用以解决某一特定的市场问题, 其主要作用是提供信息分析和研究市场, 并在此基础上进行经营决策, 其重要性是无法替代的。

二、国内外研究现状

目前，精准销售预测的研究主要是研究预测模型和方法，到目前已经研究出了许多预测模型和方法，还在不断利用新的理论研究新的预测模型和方法。在国外，大数据用于企业的研究工作开展的较早，学术界也有大量的文献。在分析预测精度上，例如比较单变量时间预测精度的措施中，提出了建议平均绝定定标误差成为用于比较多个时间序列预测精度的标准，研究不同预测方法存在差异的原因，提出了预测性能的不确定性的概念[1~2]。在企业上，主要是针对客户和商品，其中较大部分应用到销售预测，库存需求，价格分析上。产品销售受到诸多因素的影响，我们需要对多因素，大量数据进行分析，人为操作起来存在很大的困难。另一方面，精准销售预测需要大量的数据支撑，但是大数据的这些数据会存在各种错误和误差，有很大的时效性和复杂性，需要采取有效的方法对其进行处理，提高数据的有效性。IDC ( International Data Corporation，2011） 对大数据概念的描述为: 大数据是一个看起来似乎来路不明的大的动态过程; 但是实际上，大数据并不是一个新生事物，虽然它确确实实正在走向主流并引起广泛的注意; 大数据并不是一个实体，而是一个横跨很多 IT 边界的动态活动[3]。国外权威机构的统计表明，美国企业信息系统中 1% ～30%的数据存在各种错误和误差美国医疗信息系统中13.6% ～81%的关键数据不完整或陈旧,国际著名科技咨询机构Gartner的调查显示,全球财富1000强企业中超过25%的企业信息系统中的数据不正确或不准确[4]。

与国外相比，我国企业在大数据的研究上起步较晚，但在学术上也取得了大量的研究成果，多篇文献提出了销售预测模型以及大数据在销售预测中的应用，并逐渐的将大数据应用到企业的管理与销售决策中。李金昌[5]在文献中认为大数据是一切可以通过现代信息技术记录和量化的数据，不仅所蕴含的信息量巨大，而且不受各种框框的限制#8212;#8212;#8212;任何种类的数据都来者不拒、也无法抵拒，不难发现，大数据相比于样本数据的最大优点是，具有巨大的数据选择空间，可以进行多维、多角度的数据分析。目前，企业普遍都有自己的数据分析系统，利用大数据分析客户关系和商品销售系统。

电子收银机，条形码，ERP系统等信息系统的日益庞大积聚了大量的销售数据，但是，戴亮等[6]人认为目前对于这些数据除了进行传统的查询统计操作，或是进行一些基于统计的销售预测等得到一些表层信息之外，并没有获得隐藏在数据之中的、深层次的、关于数据整体特征描述和数据发展趋势的预测信息。怎样有效地利用这些数据得到准确的预测知识，以帮助零售企业作出正确的决策，提高零售业管理的有效性和科学性，是当前零售业亟待解决的问题。

精准销售预测是企业预算管理的基础，对企业的发展和正常生产非常重要。陈日进[7]认为销售预测对于企业的运作有重要的意义，企业在日常的生产经营活动中必须制定各方面的预算,以便使企业充分利用现有资源,提高生产经营效率,这些预算都是以销售额为前提和依据的。销售预测关系着企业的运营决策，是现代企业成功的重要因素之一。

一般来讲，零售业的销售预测包括客户和商品两个方面，在商品的销售预测方面传统的商品销售预测模型有季节分析模型、马尔科夫预测模型等，但这些模型都是基于简单的统计技术，利用历史数据，仅从商品的销售量方面来得出商品过去、现在及将来的销售状态和销售量。目前，席裕庚[8]等人在文献中简要综述了近年来预测控制研究和应用领域发展的新动向, 提出需要加强预测控制的科学性、有效性、易用性和非线性研究，并指出了研究大系统、快速系统、低成本系统和非线性系统的预测控制对进一步发展预测控制理论和拓宽其应用范围的意义。王方顺[9]等人根据汽车销售特点引入了组合预测的理论，提出了一种改进的变权重组合预测模型并给出了变权重系数的求取方法。倪冬梅[10]以快速消费品为研究对象，分析其需求影响因素，建立了时间序列分析与多元回归整合的需求预测综合模型; 将此预测模型引入到库存决策中，构建了基于库存成本最小的需求预测与库存决策集成模型，提出需要加强预测控制的科学性、有效性、易用性和非线性研究。

三、总结

随着全球化，信息化进程的加速扩展，零售企业将面临着来自世界范围内的巨大竞争压力，迫切需要利用有价值的商业信息和知识来应付日益激烈的市场挑战，如何有效的开发利用信息资源，迎接挑战，是我国零售企业工作的重点。