中图分类号：F062.5 文献识别码：A 文章编号：1001-828X（2015）015-000-02
一、引言
现代社会是信息的社会，对于现代的企业而言能否及时掌握最准确，最充分的数据将是影响企业未来收益和发展的关键因素。而数据仓库和数据挖掘技术便可以从各个业务有效地收集和组织海量的数据，存放在一个集成的存储区内，并且从中找出有价值的数据，将这些数据转换成为有用的信息和知识。
二、企业未来产品市场需求预测系统的设计
（一）提出问题
当今的社会，由于科技的飞速发展是的信息也是高速发展，时时刻刻都在不断的改变与更新这。作为以营利为目的的各个企业，效益更应该是第一位的问题，尤其是销售型企业市场。必须运用有效的工具及时、快速的存储历史数据，并且随时对这些数据进行更新、删除等操作，确保信息的有效性与及时性。利用合适的方法对这些历史数据进行挖掘，找出企业所要的信息和价值的东西，能够帮助企业的决策层据此做出高效的决策与预测。
对于Adventure Works Cycls公司而言，现在想要提高产品销量的市场份额，首先遇到的问题便是：根据顾客长期以来的购买记录，得出他们的购买习惯或者偏好倾向，于是我们便可以预测到各种产品的未来市场需求量。
（二）需求分析
需求分析就是要了解客户的购买习惯，从而得出各种产品的需求量。本系统数据仓库的用户需要得到有关产品需求的详细统计信息，包括客户，时间，地理，网上销售四个主要的维度。而其中的每一部分又包含有详细的资料信息，如客户维度又包含性别，年龄，国籍，联系电话等等。
（三）数据库的设计
创建产品销售记录数据表，在数据库中创建表，将产品销售记录数据表中的信息输入到表中。创建数据库。
（四）数据库关联规则模型的设计
依次创建Analysis Services项目；创建数据源；创建数据源视图；创建关联挖掘结构，设置关联规则挖掘的参数设置参数为：MInIMUM-SUPPORT=0.01，MInIMUM-PROBABILITY=0.1。MInIMUM -SUPPORT指定了在该算法生成规则之前必须包含项集的事例的最小数目。将该值设置为0.01，将指定最小事例作为事例总计的百分之一。值该值默认为0.03。MInIMUM-PROBABILITY指定规则为True的最小概率。默认值为0.4，此时将该值设置为0.1，就是指定了不生成概率小于10%的规则；建立关联规则挖掘模型。
（五）查看挖掘结果
（六）预测结果的分析
图1显示的结果就是是本次设计所挖掘到的频繁集。可以清楚地看到客户对哪些项集所产生的关联规则感兴趣，换言之，从中我们可以看出客户对我们的哪些产品感兴趣。如Sport-100=现有的的支持度是最高的，为6171，接着Water Bottle=现有的、Patch Kit=现有的、Mountain Tire Tube=现有的、Mountain-200=现有的、Road Tire Tube=现有的、Cycing Cap=现有的、Fender Set-Mountain=现有的、Mountain Bottle Cage=现有的、Road Bottle Cage=现有的等这些项集的支持度都是很高的。也就是这些项集产生的关联规则为企业提供了进行决策的依据。因为这些关联规则显示出顾客对那些产品的更高的偏好，以及哪些产品是畅销的产品，据此企业的相关人员便可以进行之后产品数量的调整，以及哪些产品应该进行捆绑销售等等行为。
图2显示的结果是是本次设计挖掘出来的关联规则。其中也很明显的反映出了各个关联规则的支持度和可信度，也就是反映出了哪些产品的组合更加受到客户的青睐，哪些产品的组合并不受客户的喜欢。从结果我们可以看到其中关联规则Touring Tire=现有的―>Touring Tire Tue=现有的的重要性是最高的，为1.437，但它的概率并不是最高的，为0.860.综合考虑之后，我们可以发现规则Touring Tire=现有的，Sport-100=现有的―>Touring Tire Tube=现有的的概率最高，为1.00，并且它的重要性同样很高。从中说明了该项关联规则是客户所最感兴趣的，那么它也说明了项集Touring Tire=现有的，Sport-100=现有的，若在一项交易中出现，则会导致项集Touring Tire Tube=现有的，按照概率1.00也会在同一交易中出现。
根据本系统可以很准确的预测出该企业未来市场的产品的需求量，预测出哪些产品是客户所最感兴趣的，哪些产品之间存在着密切的关系。从而为企业的决策层提供了很好地依据，为企业将来增加市场销售份额增加了更大的可能性。
三、总结
关联规则反映了各个事物之间存在的某些关系或依赖性。本系统就是根据某些产品之间所存在一定的关联关系，根据关联规则， 我们若想要预测其中一个事物的数量，便可以通过其他与之有关联关系的事物预测到。这次设计是对企业各个产品的销售量数据进行分析，然后挖掘，通过发现客户购买的不同商品数量之间的关系，得出一些规律性的信息。
我们要经过一次次的不断重复，不断更新。然后找出最合适的挖掘方法和工具；设置最恰当的算法参数，来使我们最终的结果会趋于准确。使得挖掘的结果基本是我们想要了解的东西与信息。
本次设计比较成功的预测出了该企业的各种产品的未来市场需求数量。其中Sport-100=现有的在市场是客户所最喜爱的。并且关联规则Touring Tire=现有的，Sport-100=现有的―>Touring Tire Tube=现有的是顾客所最感兴趣的。从中我们也发现了它们之间的关系，以便企业准确的做出下一步的销售计划。
