基于差转计算的大型连锁超市白酒销售管理知识挖掘

李明宇

（辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105）

0 引言

采用数据科学的方法，从生产及经营过程的数据记录中发现管理学新课题、新知识，创新决策理念及管理范式，优化生产及经营过程，是现代管理学发展的主要形式。FAYYAD等[1]研究指出，知识挖掘是从数据中识别出有效、新颖、潜在有用以及最终可理解的模式的非平凡过程。知识挖掘，也可以表示为基于数据挖掘的知识发现。因素空间是人工智能的数学基础，是描述事物的普适性框架[2]。1982年至今，因素空间在知识表示、模糊控制与推理、数据科学与智能科学论域，形成了因素神经网络、因素分析法、差转计算以及足码置换等一系列知识挖掘算法，并应用于大数据处理、物联网、智造金融等方面。差转计算是因素空间理论体系中有效的数据挖掘算法[3]。差转计算算法与决策树算法类似，为产生式推理算法，以决定度为基本统计度量，属于有监督的统计学习算法。与决策树算法比较，差转计算具有统计计算简单、知识生成机理直观、学习过程不产生冗余知识的优点。根据文献中的算法测试案例[3-4]，差转计算的泛化错误率与决策树相当，学习用时明显比决策树少。

当前白酒消费环境已发生重大变化，对销售渠道提出了更专业、更精细的要求。大型连锁超市是线上与线下销售渠道的结合点，是中高端白酒的集散地，更是品牌建设的重地[5]。因此，选择差转计算为知识挖掘工具，分析大型连锁超市白酒销售业绩评价因素与各门店促销贡献评价结果之间的关联性并进行数据挖掘，以便于探究改进商超白酒销售管理的有效途径。……