制鞋行业大数据研究内容分析

制鞋行业的数据可以从三个维度上进行研究：销售终端维度、消费者消费行为维度和产品维度。销售终端维度是指销售量、时间、成交价、区域等营销属性，该维度可以通过ERP系统进行数据提取；消费行为维度是指消费者年龄、性别、收入区间、职业、购买时间、关注热点等特征参数，可以结合视频拍摄或是问卷调查的方法对该维度数据进行采集；产品维度则是指跟高、色彩、款式、材料、价格、展示位置等特征参数，该维度可以通过人工结合计算机图像自动识别来进行数据采集。最后将数据类型进行定义和分类并存储在服务器数据库中，详细研究方法如图3-5和图3-6所示。

图3-5 数据采集技术路线图

图3-6 数据库构架图

根据数据挖掘的基本原理和方法，首先采用探索模型构建所有特征参数的箱图，并识别奇异值；同时绘制特征参数的分布图，明确各参数的分布属性；然后对数据流、视频数据和图片数据进行归一化处理，统一度量，并对各数据类型进行集成；最后，分别对数据进行描述性分析和预测性分析，并针对销售终端维度、消费者消费行为维度和产品维度之间的关系问题建立数学模型，并对数学模型进行求解和解释。数据挖掘的技术路线如图3-7所示。

（1）数据清理和集成

根据数据挖掘的基本原理和方法，首先采用探索模型构建所有特征参数的箱图，并识别奇异值；同时绘制特征参数的分布图，明确各参数的分布属性。

图3-7 数据挖掘的技术路线(www.xing528.com)

（2）数据挖掘

分别对数据进行描述性分析和预测性分析，描述性分析主要针对不同维度不同特征参数的分布、频数、相关性等内容进行研究；预测性分析方面，首先建立销售终端维度、消费者消费行为维度和产品维度神经网络模型（图3-8），然后采用回归、聚类分析模型和关联性算法对终端-消费行为-产品的相互关系进行研究。

图3-8 终端-消费行为-产品维度神经网络模型

（3）数据评估和表示

首先整理出销售终端维度、消费者消费行为维度和产品维度的关系问题，然后建立数学语言来对问题进行描述，通过适当的假设和模型设计，来对终端-消费行为-产品的关系进行阐释；销售终端维度、消费者消费行为维度和产品维度之间的相关结果采用散点图、趋势图等进行描述。

将终端-消费行为-产品之间的数学模型分别实际应用于营销策略制定、销售终端展示设计、产品开发上，制定对应的营销策略、商品展示方案和开发方案，实现理论研究和实际的结合。