数据挖掘在销售预测中的应用易飞南京信息工程大学职业技术学院，南京 210044摘要：销售量的预测对于生产和销售部门是极其重要的，面对销售部门日益增长的海量数据，给出一个完整的数据挖掘过程，包括数据选择，数据准备、数据调整、挖掘算法的实现等，通过销售预测，企业可以制定科学合理的原材料一采购计划、生产计划、人员配备计划、库存计划以及营销计划。
因此，销售预测决策支持系统对企业的经营决策具有重要的研究意义。
关键字：数据挖掘,销售预测,神经网络Application of Data Mining in Sales ManagementAbstract：Face to big number data which increase day after day of sales department, this paper presents an integrated data mining precession. It includes selection of data, preparation of data regulation of data, implementation of mining algorithms and so on. To the result of sale forecasting, enterprises can rational materials procurement plan, production schedule, staffing plan. Just make Stock planand marketing plan. So sale forecasting DSS used for supporting sale decision and other decisi are important for the development of enterprises.Key words:Data Mining; Sales Forecasting; Neural Network- 0 -目录摘要.................................................................................................................... 0Abstract........................................................................................................... .. 0第一章绪论 (2)1.1研究的背景及意义 (2)第二章数据挖掘技术介绍......................................................... (3)2. 1数据挖掘的定义与目的.............................................................. .. (3)2.2数据挖掘的处理过程.................................................... . (3)2.3数据挖掘的主要功能.................................................... . (4)2.4数据挖掘常用方法.......................................................... .. (5)2.5数据挖掘中适用于销售预测的方法及特点................... .. (6)第三章销售预测 (6)3.1销售预测的涵义 (6)3.2销售预测的作用和重要性............................................................... ............. .. (7)3.3预测误差与预测精度................................................................... .. (7)第四章销售预测数据挖掘模型的建立................................. .................................... .. 8 4.1 时间序列AR模型预测......................................... ................................... (8)4.2 BP网络预测............................................................... ................... . (9)第五章全文总结... ............................................... ................... . (11)5. 1总结............................................................... ................... ................... . (11)参考文献....................................................... .............. ................... ................... .. (11)第一章绪论1.1研究的背景及意义进入21世纪以来随着市场经济的发展和经济的全球化，世界的经济形势以及企业的生存环境发生了巨大的变化，经济活动全球化的趋势加速，顾客的需求日益多样化、个性化，企业面临着越来越残酷的市场竞争。
要想赢得竞争、赢得客户，在激烈的竞争中取胜，从事商品生产和销售的单位或个人必须就必须在最快的时间内，以最低的成本将产品提供给客户，这使得对市场的变化和本身业务的发展前景进行估计、进行正确及时的产品销售预测及由此产生的可靠的决策，成为现代企业成功的关键要素。
因为管理的关键是决策，而决策的前提是预测，在决策实施过程中，为使决策目标能顺利实现，就必须通过预测来减少不确定性，增强对未来的预见性。
也就是说，企业管理决策的正确性，关键在于预测的可靠性和科学性。
销售预测是企业供应链的关键环节，根据销售预测的结果，企业才可以制定合理的原材料采购计划、生产计划、人员配备计划、库存计划以及营销计划。
但是，在相当长的时间里，我国许多的企业，销售预测主要是靠个人经验来进行的，或者根本没有进行销售预测研究，生产完全脱离市场，造成产品大量积压，资源严重浪费。
如今，在市场经济条件下，尤其是我国加入世贸组织之后，企业管理者通过事实，或者说通过教训，已逐渐意识到，在市场竞争异常激烈的大环境下，那种仅凭经验或靠拍脑袋来做决策的方式是行不通的。
正确的政策、措施来源于正确的决策，正确的决策来源于对客观情况的科学了解和预测。
销售预测是在对影响市场供求变化的诸因素进行系统地调查和研究的基础上，运用科学的方法，对未来市场产品的供需发展趋势以及有关的各种因素的变化，进行分析、预见、估计和判断。
没有准确的市场销售预测，就不可能有正确的经营决策和科学的计划。
然而，准确的预测又是困难的，一方面因为产品销售量受到诸多因素的影响，对多因素、大量数据进行分析，己经超出了人脑所能解决的范围，必须借助于信息、技术;另一方面，因为销售预测要基于大量的数据，这些数据大部分来源于市场调研和销售过程的销售记录，因而一般具有较强的实效性和复杂性，因此有效地采集市场调研数据并对其进行处理、转换是对其进行分析的前提，对数据处理的及时性和产生规则的多样性也有较高的要求，传统的统计分析方法已经不能很好的满足销售预测的信息处理需要。
这主要表现在对大型数据库处理的速度较慢和产生的信息数量较少两个方面，从而造成了对数据的浪费。
因此，吸收新的数据处理方法成为销售预测的一个要求。
随着信息时代的到来，国际以及国内的信息科学取得了不断的发展，产生出了诸多新的成果和理论，这些成果和理论具有广泛的指导意义和价值。
如何将这些理论有机地与实践相结合，也成为一项十分有意义的研究课题。
目前国内大多数商业企业的信息系统一直停留在基本数据的收集层面，但决策支持系统还比较落后，甚至有些企业还没有意识到它的重要性。
有了信息不会分析，它就只是一种简单的原始数据，不能成为可供企业分析、支持决策的信息。
而且随着数据库、数据仓库、数据挖掘等技术的发展和完善以及在决策支持系统中的应用，基于数据挖掘的分析方法也应该服务于销售预测。
因此将数据挖掘技术、数据仓库技术、决策支持系统的研究成果与销售预测相结合是可实现的，应用数据挖掘方法对销售数据库进行分析，提高销售预测的准确率无疑是十分有意义的。
第二章数据挖掘技术2. 1数据挖掘的定义与目的无论是商业企业、科研机构或者政府部门，在过去若干年的时间里都积累了海量的、以不同形式存储的数据资料。
由于这些资料十分复杂，要从中发现有价值的信息或知识，达到为决策服务的目的，成为非常艰巨的任务。
数据挖掘方法的提出，让人们有能力最终认识数据的真正价值，即蕴藏在数据中的信息和知识。
数据挖掘(Data Mining, DM)。
一种比较公认的定义是W.J.Frawley，G.Piatetsky Shapiro等人提出的:数据挖掘，就是从大型数据库的数据中提取人们感兴趣的知识。
这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念(Concepts)、规则(Rules)、规律(Regularities)、模式(Patterns)等形式。
这种定义把数据挖掘的对象定义为数据库。
而更广义的说法是:数据挖掘意味着在一些事实或观察数据的集合中寻找模式的决策支持过程。
数据挖掘的对象不仅是数据库，也可以是文件系统，或其它任何组织在一起的数据集合。
数据挖掘确切地讲是一种决策支持过程，它主要基于人工智能、机器学习、统计学等技术，高度自动化地分析企业原有的数据，作出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，作出正确的决策。
数据挖掘的目的是从大量数据中发现知识，并把这些知识以某种形式表示出来。
知识的表示形式通常有:·概念(Concepts).规则(Rules)·规律(Regularities)·模式(Patterns)·约束(Constraints)·可视化(Visualizations)这些知识可以直接提供给决策者，用以辅助决策过程，或者提供给领域专家，修正专家已有的知识体系，也可以作为新的知识转存到应用系统的知识库中。