北京朝阳2018年销售数据分析及预测

摘要，全部文章在资源中，自行下载免费观看,有相应的代码实现该系统.可以咨询我

本文开发一个北京朝阳医院销售数据挖掘平台，分析2018年的销售情况并进行数据可视化展示，继而进行数据挖掘研究其内在的运行规律建立营销预测模型，实现对未来营销的预测支持。先进行数据清洗，然后通过Canopy聚类分析算法得出噪声数据，研究了用簇内随机一点的值，或随机一个簇的均值，或所有点的均值补值插值方法，最终选用距离最近簇的平均值（均值法）替换得到相对完善的数据集。从药品和消费者两个角度分析了药品月度销售数量变化趋势，2,4,7月销售数量变化趋势，药品月度销售额变化趋势，客单价月度变化趋势，药品整体销售情况，不同类别药品销售量和不同类别药品平均订单销售量、销售差异情况，热销药品销售单价变化率，月均消费次数，月均消费金额，客单价及药品复购率，药品整体复购情况，消费者情况，并实现了可视化报告输出。选择数据集的五分之四做训练集，五分之一做测试集，构建ARMA(p,q)模型或ARIMA（p，1，q）模型进行时序序列分析和预测，实现了接下来一个月销售数据的预测。

1. 引言

二十世纪九十年代，随着科技的发展数据库系统被广泛的应用，网络技术进入发展快车道，而数据库技术迈入了一个新的次元，从之前仅仅管理一些简单的数据类型到现在管理各种各样的数据类型，如图形，图片，声音，视频，电子文档，前端界面等复杂数据类型，当然数据量的规模也越来越庞大，这些数据在给我们提供多姿多彩的信息，也体现出明显的海量信息特征[1]。在这个信息大爆炸的年代，大量的信息会带来数不清的负面影响，最明显的特征就是——有效的信息无法快速有效的提炼[1]。大量无效的信息必然会产生信息距离(the Distance of Information-state Transition,信息状态转移距离,是对一个事物信息状态转移所遇到障碍的测度,简称DIST或DIT)和有用知识的丢失,这也就是约翰·内斯伯特(John Nalsbert)称为的“信息丰富而知识贫乏"窘境[1]。在这样的时代背景之下，对大量数据进行深层次研究，发现冥冥之中的规律以便更好使用这些数据成为迫在眉睫的问题，令人无奈的是，目前仅仅根据数据库的增删改查等功能，