Анализ рыночной корзины Текст научной статьи по специальности «Компьютерные и информационные науки»

Секция «Информационно-экономические системы»

УДК 669.713.7

И. А. Кондрашова Научный руководитель - Е. А. Бежитская Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск

АНАЛИЗ РЫНОЧНОЙ КОРЗИНЫ

Определена суть понятия «потребительская корзина», ее основные функции, «ассоциативные правила», их задачи, а также рассматривается современное состояние потребительской корзины. На основании подробного анализа ассоциативных правил даны рекомендации по использованию в сфере определения потребительской корзины.

Анализ рыночной корзины - процесс поиска наиболее типичных шаблонов покупок в супермаркетах. Он производится путем анализа баз данных транзакций с целью определения комбинаций товаров, связанных между собой. Иными словами, выполняется обнаружение товаров, наличие которых в транзакции влияет на вероятность появления других товаров или их комбинаций. Анализ рыночной корзины основывается на ассоциативных правилах.

Результаты, полученные с помощью анализа рыночной корзины, позволяют оптимизировать ассортимент товаров и запасы, размещение их в торговых залах, увеличивать объемы продаж за счет предложения клиентам сопутствующих товаров. Например, если в результате анализа будет установлено, что совместная покупка макарон и кетчупа является типичным шаблоном, то разместив эти товары на одной и той же витрине можно «спровоцировать» покупателя на их совместное приобретение [1].

Некоторые из наиболее популярных приложений анализа данных были в области маркетинг и продажи. Это области, в которые компании вкладывают большое количество средств для структурирования и кластеризации этих данных. Объемы точно записанных данных, является чрезвычайно ценным. Для многих предприятий розничной торговли это единственный источник информации о продажах, который доступен для использования [2].

Задачей анализа рыночной корзины заключается в нахождении всех наборов товаров, которые часто приобретаются совместно.

Для решения задачи анализа рыночной корзины используются ассоциативные правила вида «если..., то...». Например, «если клиент купил молоко, то он купит и хлеб». Каждая покупка именуется «транзакцией», на основании большего набора таких транзакций и строят исследования поведения клиента. Существует возможности определить индивидуальными покупки определенного покупателя, его предпочтения, истории его покупок. Скидочные карты позволяют выявить все покупки, которые каждый отдельный клиент совершает. Это персональные данные является гораздо более ценным, чем денежная стоимость скидки.

Каждый из шаблонов поведения покупателей, выявленных благодаря такому анализу, описывается перечнем входящих в набор товаров и числа транзакций, содержащих эти наборы. Сами наборы классифицируются для более удобного поиска информации

в базе данных и обобщения сведений о совершаемых покупках. Торговые компании могут использовать эти шаблоны для того, чтобы более правильно разместить товары в магазинах или изменить структуру страниц товарных каталогов и web страниц.

Ассоциативные правила являются очень простой и удобной формой записи знаний. Еще раз хочу уточнить, что информация о транзакциях является исходными данными, а вот полученные ассоциативные правила являются теми знаниями, которые помогли в 80-х большим супермаркетам сэкономить большие деньги.

Регистрируя все бизнес-операции в течение всего времени своей деятельности, торговые компании накапливают огромные собрания таких транзакций. Одна из самых распространенных задач, решаемых при проведении анализа подобных баз данных, состоит в поиске товаров или наборов товаров, которые одновременно встречаются во многих транзакциях.

Анализ данных используется во многих отраслях: розничная торговля, финансовый сектор, здравоохранение. Анализ данных позволяет выявить значимые факты, взаимосвязи, тенденции, исключения и аномалии, которые иначе останутся незамеченными.

Для бизнеса анализ данных даёт возможность найти в сырых данных такие закономерности, знание которых позволяет руководителю быть более уверенным при принятии решений. Анализ данных позволяет выявлять тренды продаж, разрабатывать более эффективные маркетинговые кампании, точно предсказывать потребности клиентов. Анализ данных используется для следующих прикладных задач:

• сегментация рынка - идентификация общих черт клиентов, которые покупают у вашей компании одни и те же продукты;

• уход клиентов - прогнозирование того, кто из клиентов уйдёт от вашей компании к конкуренту;

• обнаружение мошенничества - определение транзакций, которые, скорее всего, являются подложными;

• прямой маркетинг - определение того, какие материалы должны быть помещены в почтовую рассылку для максимизации отклика;

• анализ потребительской корзины - понимание того, какие товары или услуги часто приобретаются вместе;

• анализ тенденций - оценка различий между типичными покупателями прошлого и текущего месяцев.

Актуальные проблемы авиации и космонавтики - 2014. Информационные технологии

Одним из алгоритмов, решающих задачу анализа рыночной, корзины алгоритм Арпоп. В настоящий момент существует также множество программных продуктов, которые решают задачу анализа рыночной корзины. Однако то, что эти продукты являются коммерческими, делает использованные в них алгоритмы недоступными широкой общественности, а сами системы часто не предназначены для работы на персональных компьютерах [4].

Арпоп - масштабируемый алгоритм поиска ассоциативных правил. Современные базы данных имеют очень большие размеры, достигающие гига- и терабайтов, и тенденцию к дальнейшему увеличению [4]. И поэтому, для нахождения ассоциативных правил требуются эффективные масштабируемые алгоритмы, позволяющие решить задачу за приемлемое время. Одним из таких алгоритмов является алгоритм Арпоп.

В данной статье были рассмотрены ассоциативные правила, как один из инструментов анализа рыночной корзины, позволяющие эффективно обрабатывать большие объемы данных и находить необходимую информацию. Как было сказано, задача поиска ассоциативных правил впервые была представлена для анализа рыночной корзины. Ассоциативные правила эффективно используются в сегментации покупателей по поведению при покупках, анализе предпочтений

клиентов, планировании расположения товаров в супермаркетах, кросс-маркетинге, адресной рассылке. Однако, сфера применения этих алгоритмов не ограничивается лишь одной торговлей. Их также успешно применяют и в других областях: медицине, для анализа посещений веб-страниц (WebMining), для анализа текста (Text Mining), для анализа данных по переписи населения, в анализе и прогнозировании сбоев телекоммуникационного оборудования и т. д.

Библиографические ссылки

1. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP.

2. Witten, Frank - Data Mining Practical Machine Learning Tools and Techniques 3rd Edition-Mantesh, 2011. Р. 26-27.

3. Барсегян А. А., Куприянов М. С., Степаненко В. В., Холод И. И. Методы и модели анализа данных: OLAP И Data Mining.

4. Agrawal R., Imielinski T., Swami A. Mining Associations between Sets of Items in Massive Databases. In Proc. of the 1993 ACM-SIGMOD Int'l Conf. on Management of Data, 1993. Р. 207-216.

© Кондрашова И. А., 2014

УДК 539.374

А. В. Кондрин Научный руководитель - С. И. Сенашов Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск

НАХОЖДЕНИЕ УПРУГО-ПЛАСТИЧЕСКОИ ГРАНИЦЫ ДЛЯ СТЕРЖНЕЙ ПРЯМОУГОЛЬНОГО И ТРЕУГОЛЬНОГО СЕЧЕНИЯ С ПОМОЩЬЮ ЗАКОНОВ СОХРАНЕНИЯ

Для решения задачи используются законы сохранения. Написаны программы, позволяющие с любой точность строить пластические и упругие области в скручиваемом стержне. Тестирование на известных решениях дало совпадение результатов.

Рассмотрим упруго - пластическое кручение прямого стержня, поперечное сечение которого ограничено выпуклым контуром Г. На рис. 1 показано, что при достаточно большом значении крутящего момента в стержне образуется пластическая область Р. Она начинает образовываться на внешнем контуре Г. Предположим, что пластическая область полностью охватила контур. Тогда в поперечном сечении возникают две области - пластическая Р и упругая Б, Ь -граница раздела областей.

Рис. 1. Возникновение пластической и упругой областей в поперечном сечении стержня ограниченным выпуклым контуром Г

Пусть - единственные ненулевые компоненты тензора напряжений. Тогда в упругой области они удовлетворяют уравнениям

дтz дтy

■ = 0, F2 =-

дт z дт y

--a = 0.

дх ду ду дх

где а = -209 - постоянная, не равная нулю.

Требуется найти границу раздела Ь. Назовем вектор (А, В) сохраняющимся током, тогда закон сохранения для уравнений = 0, = 0, описывающих упруго - пластическое состояние можно записать формулой д хА + дуВ = Д^ + Д2 = 0 [2].

Рассмотрим область Б с границей Г. Пусть Г -гладкая ориентированная кривая, т. е. непрерывно дифференцируемая кривая без особых точек.

Наша задача найти такую область ^ принадлежащую, вместе с ее границей Ь области Б , в которой выполняется неравенство %2х +т2у < 1.

На рис. 2 слева показано решение, приведенное в книге Б. Д. Аннина [1] для стержня треугольного