[发明专利]一种基于大数据的商场门店评价方法

说明书

本发明公开了一种基于大数据的商场门店评价方法，通过对收集的营业数据进行统计分析，并筛选出关键特征参数，引入熵权法来获取特征权重，熵权法赋权步骤：(1)数据标准化，(2)求各指标的信息熵，(3)确定各指标权重Wj(4)通过关联性分析，我们发现单面积日租金、单面积日客流、单面积日销售额的关联性不高，通过对收集的营业数据进行统计分析，并筛选出关键特征参数，引入熵权法来获取特征权重，从而构建出商场店铺经营状况的评价模型，对店铺的经营状况进行综合评价，并找出一些店铺经营的优势和不足，为商场的整体经营提供建议，有理论依据，相对主观赋权具有较高的可信度和精确度。算法简单，实践起来比较方便。

技术领域

本发明涉及大数据应用于商场门店评价领域，尤其涉及一种基于大数据的商场门店评价方法。

背景技术

现有的商场门店评价系统中，所用的指标繁杂，一般包括客流，月租金，日销售额，以及推算出来的租售比(月租金与月销售额之比)，坪效(日销售额与店铺面积之比)，和广义客单价(日销售额和日客流之比)等。上述指标中，有些指标关联性较强，比如总客流，总租金，总销售和门店面积的关联系数接近1，意味着门店面积越大，该门店比如总客流，总租金，总销售都会比较高。如果直接用总客流，总租金，总销售作为指标，会导致商场管理者只注重门店总量而不注重门店效率不良后果。

熵最先由香农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。按照信息论基本原理的解释，信息是系统有序程度的一个度量，根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响(权重)越大。比如样本数据在某指标下取值都相等，则该指标对总体评价的影响为0，权值为0。因此，可利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据。熵权法的基本思路是根据指标变异性的大小来确定客观权重。一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。熵权法仅依赖于数据本身的离散性，是一种客观赋权法，因此在构建评价体系中的应用很多。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于大数据的商场门店评价方法，熵权法是一种客观赋权法，能客观地强调指标的区分能力，进而确定权重,相对主观赋权法可以提出人的主观偏见，算法实现简单，实践起来比较方便。

为了达到上述发明目的，本发明采用的具体方案为：

一种基于大数据的商场门店评价方法，通过对收集的营业数据进行统计分析，并筛选出关键特征参数，引入熵权法来获取特征权重，熵权法赋权步骤：

(1)数据标准化，假设个了m个指标，每个指标有n个样本数据，那用xij表示第j个指标下第i个样本的数值，其中i和j满足下式：1≤i≤n,1≤j≤m，假设对各指标数据标准化之后的数值是Y_ij,那么

(2)求各指标的信息熵，根据信息论中信息熵的定义，第j组数据的信息熵Ej可以写成其中如果p_ij＝0，则定义

(3)确定各指标权重Wj

(4)通过关联性分析，我们发现单面积日租金、单面积日客流、单面积日销售额的关联性不高，所以视为不相关的数据来进行权重计算，店铺的经营状况评价模型为：在实际应用中，可以将现有的份转化为百分制得分：Mi就是我们给出的门店百分制得分，最后的分数展现可以根据具体的展示需求来更改标准化的公式。

本发明的有益效果为：