[摘 要] 在信息化飞速发展的今天，各行各业都将信息化应用作为自己企业标准化、规范化的标志。在服装企业中，也大量采用信息化技术来提高服装生产销售的效率。文章主要研究在服装企业中，利用服装销售中的历史数据，创建一个数据仓库，通过对数据仓库中的历史数据进行挖掘分析，从中将隐藏在数据仓库中一些不容易被人们发现而且又非常重要的知识挖掘出来。而这些数据主要能够为服装企业生产和销售提供决策帮助，从而使服装企业按市场需求生产，有效提高了企业资金的运转，为企业节省了成本，最终使企业获得更多的利润。

[关键词] 服装营销；数据仓库；数据挖掘；OLAP；应用研究

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 15. 027

[中图分类号] F270.7 [文献标识码] A [文章编号] 1673 - 0194（2018）15- 0076- 02

0 前 言

随着人们生活水平的不断提高，穿衣不再是为了简单的保暖，而是在保暖的前提下，还要追求美观时尚，冬季要求衣服薄而暖和，夏季要求衣服厚而凉快，穿衣美已经是当今人们的基本目标。然而服装作为一种时尚产品，每一个时间段流行的颜色，款式都不一样，季节的变化，对人们的穿着也有很大的影响。针对服装企业来说，不掌握市场上的潮流，不掌握市场上的需求，将会造成生产的大量衣服卖不出去，导致库存积压过大，给企业的发展带来障碍。将数据仓库技术引入服装企业中，可以通过对服装销售中的历史数据分析挖掘，最后将隐藏在数据仓库中的信息挖掘出来，运用挖掘出来的信息来帮助服装企业进行生产销售决策，最终使企业利润最大化。

1 国内外现状

在国内数据仓库技术发展还处于初级阶段，虽然在一些行业得到了应用，也获得了效益，但是应用还不够广泛，没有形成产业化。目前我国的企业基本都是利用数据仓库技术解决自己企业发展中的一些问题，没有形成标准。在十二五期间，发展大数据技术及“互联网+技术”被写进政府工作报告，随后几年大数据技术得到了很快的发展，数据仓库技术也迎来了一个发展春天，被国内很多行业看好，都在不断的应用于研究大数据技术，应用于自身企业。可以说，十二五期间大数据技术在我国从无到有，全国出现了应用大数据技术的热潮，行业应用得到了快速的增长。十三五期间，“国家大数据战略”被写入十三五规划，并提出了发展目标，到2020年大数据技术发展成技术先进、应用繁荣、保障有力的大数据产品体系基本形成。大数据各种产品及服务收入将达到1万亿元。建成一批国际性的大平台。可见大数据技术在我国得到政府的肯定，发展速度不言而喻。

根據互联网数据中心显示（ICD），全球每年增长40%，2017年底总收入达到530亿美元。其中美国一直走在世界前列，大数据产业排名第一。政府也非常重视。从2012年起每年都投资不少于2亿美元资金用于发展研究大数据技术。英国政府将大数据技术列为政府战略性技术，非常重视，2012年5月，建立了世界首个非营利的“开放数据研究所”ODI（The Open Data Institute），英国政府在数据仓库的应用方面非常有潜力，政府曾经专门为公共部门以及学术机构，提供“孵化环境”。在后来英国政府还专门为创新技能方面发布了《英国数据能力发展战略规划》。日本、新加坡、韩国等国家也非常重视大数据技术的研究与发展，它们将大数据技术作为国家战略性技术，划拨专门资金研究发展大数据技术，也提倡各个行业各使用大数据技术的研发与应用。我们最早知道或者听说大数据技术、数据挖掘技术的就是美国的沃尔玛超市在超市货物摆放中采用了数据挖掘技术，通过数据挖掘技术了解到啤酒和尿不湿放在一起卖得比较好，果酱和面包放一起卖得比较好。这是因为他们通过超市后台数据仓库挖掘和分析出来，在美国，年轻的爸爸下班的第一件事情就是到超市去给孩子买一片尿不湿，买尿不湿的同时总喜欢给自己捎一瓶啤酒，这样一个购物习惯，通过数据挖掘发现，为沃尔玛超市的管理层决策提供了科学合理的依据，使超市的营业额很快提升，得到了比较好的效果。那么在美国数据挖掘技术很早就被应用，也得到了很多行业的认可，理论相对我国成熟，应用比较广泛。

2 数据挖掘技术在服装营销中的应用

在服装销售中，我们很难把握准市场的运行规律，作为服装企业，有的时候不能很好地掌握市场运行情况，盲目生产很多服装，反而卖不出去，压在库房中，而有的时候，生产的少了，市场需求又很大，造成无货可卖；给一个地方的市场上投入的服装产品多了，卖不出去，而另外一个地方投入的过少卖空了，像以上情况每个企业都遇到过，也是服装企业最难解决的问题，那么如何才能解决好此类问题的出现呢？将数据挖掘技术应用在服装销售和生产上，可以有效地指导企业的生产和销售，给企业带来活力，具体过程如下。

2.1 数据仓库创建

要想进行数据挖掘，挖掘出有用的数据，就必须搭建数据仓库，根据服装销售系统中的历史数据搭建一个数据仓库，然后对数据仓库中的数据进行分析挖掘，才能获得想要的信息。

2.1.1 数据预处理

在服装销售系统中将一些空缺的、重复的、完整性不好的、识别有困难的数据，想办法进行清理，然后将得到的新数据进行组合。这些新的数据格式不同，类型各异，要采用一定的标准进行处理才能被正常使用。对系统中的数据进行清理主要是针对有空缺值的、有噪音的、数据不一致的、格式不是标准化的、无法识别的具有孤立点数据要进行统一处理，使其这些数据能够合理科学确保有意义，能够有用。最后将这些清理过的数据进行集成合并。

2.1.2 维度建模

在服装销售数据仓库中有很多表，每一个表中有很多属性，从这些属性中选择几个代表作为具体的研究对象，就是所说的确定维度，根据维度合理的确定粒度、最终设计出数据仓库中实际的表结构。

（1）确定主题。在数据仓库中，保存有大量的数据，而这些数据都系统交易得来的历史数据，从历史数据中找到与研究有关的数据，比如说在服装销售数据集中，客户、服装、企业这三个实体是非常重要的，而这三个实体中主要是想提高企业的销售效果，那么就得把目标移到服装上来，影响服装销售的因素有时间、商品、客户这三个比较重要，那就可以将时间、商品、客户三个确定为研究对象。

（2）粒度划分。确定好主题，对主题进行分析，由于主题比较具体，需要对时间、商品、客户进一步细化分析，才能从中获得想要的东西，这就是所说的粒度的划分。粒度的划分不能过小也不能过大，要科学合理。时间可以划分为季度，季度又可以分化为月，月又可以划分为周，周又可以划分为周内和周末，周又可以划分为天，天又可以划分为具体的小时。商品指的是服装产品，分为男装，女装，夏装，冬装，秋装等，每一类衣服中有包括品牌，颜色，尺码、面料等因素。客户细化也可按年龄段、性别、城市人、农村人等进行划分。这就划分得比较细。

（3）事实表和维表。将细化出来的这些信息按照表格的形式保存在数据仓库中，就是事实表，也是研究的对象。表中的属性就是所说的维。

2.1.3 构建数据仓库

将进行标准化的这些可用数据，进行集成组合，保存在一起。这些数据往往很多占的空间也很大，而且形式不是一种可能有图形数据、声音、文字等，数据库也不相同，将这些数据按照一定要求进行统一，使它们成为标准化的数据，对这些数据进行集成，使它们成为一个集体的过程就是数据仓库的构建过程。

2.2 数据挖掘技术

2.2.1 数据挖掘

普通的数据库一般就是完成数据的存储工作，实现基于互联网的查询功能。在数据库中存储的数据都是很直观的。但是对于数据仓库存储的都是历史数据，看起来好像没有一点用处，因为有用的东西是发现不了的，正好可以将这些有用的东西找出来，来帮助人们进行一些决策，预测市场的一些变化，这就是数据挖掘。

2.2.2 数据挖掘技术过程

①对服装销售系统中的历史数据进行整理，依据历史数据设计一个数据仓库，做好了挖掘前的准备工作。②从建立的数据仓库，去按照不同的维度选取数据。③把选取的数据中格式不对的，不规范的，很难被识别的数据，想办法处理成有用的。④将数据挖掘能用上的数据挑选出来，作为本次的目标对象保存。⑤将进行数据挖掘的目的搞明白，确定一个很具体的目标，这就是我们挖掘的价值所在。⑥目标明确之后，就要确定如何干的问题或者说干的方法问题，那就是研究使用哪个算法。⑦一切准备好了，接下来就是挖掘的实施。⑧对挖掘出来的结果进行模式解释。⑨将前面挖掘出来的结果进行综合评价，判断挖掘结果的合理性，最终交给企业使用。

2.2.3 数据挖掘在服装销售中的应用

通过搭建的服装销售系统中的数据交易记录，将系统后台数据库中收集到的服装销售数据以及网站上统计出来的访问记录进行分析、挖掘。通过建立各种维度比较、采用OLAP及数据挖掘分析工具进行挖掘分析，最终得出隐藏在销售系统后台数据库中的一些有用信息，这些信息对服装生产、销售有很大的帮助，可以帮助服装企业进行服装生产、销售等决策，使服装企业根据市场需求生产，有效降低库存服装积压，科学合理地将服装产品按照时间、区域、季节等进行销售调配，使企业利润更大。

3 结 语

总之数据挖掘技术应用于服装销售生产中是社会发展的必然趋势，同时也为服装企业的发展注入了新的活力。使服装企业能够更加科学合理的根据市场的需求生产销售产品，从而使企业利润最大化。

主要參考文献

[1]万铮. 基于数据仓库的OLAP系统的设计与实现[D].成都：西南交通大学，2015.

[2]任天亮. 数据挖掘在现代服装行业中的应用[J]. 山东纺织科技， 2009，50（4）：40-42.

[3]郝建军， 翟岁兵， 刘冬，等. 数据挖掘技术识别可疑洗钱交易行为模式研究[J]. 电脑知识与技术，2016，12（14）：204-205.

[4]郝建军，刘斌. 基于数据挖掘的服装销售决策系统研究[J]. 信息与电脑：理论版，2018（1）：120-121.

[5]郝建军. 数据挖掘在服装客户关系管理中的运用——评《服装市场营销》[J]. 印染助剂， 2018（2）：68.