邵芬娟,侯真威

(1.上海出版印刷高等?？茖W校 印刷包裝工程系,上海200093;2.東華大學 服裝與藝術設計學院,上海200051)

隨著入網設備價格的降低以及網絡速度的提升,互聯(lián)網的覆蓋人群日漸增加,相應的,人們在互聯(lián)網上活動所產生的數(shù)據(jù)數(shù)量也不斷增多。大數(shù)據(jù)是指通過非傳統(tǒng)技術對數(shù)據(jù)集進行有效地尋找獲取、存儲管理、分析利用的統(tǒng)稱[1]。在這樣的大數(shù)據(jù)時代背景之下,數(shù)據(jù)挖掘技術在各行各業(yè)中便油然而生[2]?，F(xiàn)如今數(shù)據(jù)挖掘技術已經應用在能源、教育、科研、制造、金融、電子政務、企業(yè)經營管理、信息管理等多個領域,同時數(shù)據(jù)挖掘技術在服裝行業(yè)的應用也有了很大的進展。

服裝行業(yè)作為我國優(yōu)勢產業(yè)和民生產業(yè),涉及范圍廣,供應鏈繁雜,參與人員也較多,互聯(lián)網早已潛移默化的滲入到服裝行業(yè)中,在國內經濟中占據(jù)不可動搖的地位。工業(yè)4.0時代的到來,為服裝快速發(fā)展提供了重大機遇。目前,服裝產品已從“單一簡單化”向“多元多方式、高效率高品質”的數(shù)字化生產方式發(fā)展。而“O2O、O2B、B2B、B2C、C2C”等互聯(lián)網方式正如火如荼地應用在服裝行業(yè)中,由此服裝在生產、包裝、調度、銷售、管理、庫存等各個過程中,都產生了大量數(shù)據(jù)[3]。

因此,為了充分利用這些數(shù)據(jù),用挖掘技術對服裝行業(yè)各個領域存在的潛在數(shù)據(jù)信息進行挖掘,創(chuàng)建各個環(huán)節(jié)數(shù)據(jù)庫數(shù)據(jù)集,以最小的時間成本,價格成本、運輸成本達到“供需、多方”的服裝行業(yè)實現(xiàn)共贏。文中對國內外相關文獻進行綜述,分析了數(shù)據(jù)挖掘在服裝的生產制造、銷售管理、客戶關系維護以及庫存管理4個方面的應用,以期為后續(xù)服裝行業(yè)對數(shù)據(jù)挖掘技術的應用提供依據(jù),提高企業(yè)的經濟效益。

1 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘[4](Data Mining,簡稱DM)就是從大量的、不完善的、模糊不清的、隨機亂序的數(shù)據(jù)中,對大家預先不了解,但存在有用信息且形成潛在知識規(guī)律數(shù)據(jù)的一個提取與發(fā)掘的過程。數(shù)據(jù)挖掘過程一般分為3步(圖1):第一步為數(shù)據(jù)的準備;第二步為數(shù)據(jù)的挖掘;第三步為結果的表達和解釋。不同領域根據(jù)行業(yè)特征不同,數(shù)據(jù)挖掘展現(xiàn)出來的技術、過程、方法也會有所差異。因此服裝行業(yè)中涉及的不同問題,挖掘技術也會隨之改變,研究過程也會因其變化[5]。

圖1 數(shù)據(jù)挖掘過程

其中數(shù)據(jù)挖掘任務主要分為描述型和預測性兩大類。前者主要包括預估預測、關聯(lián)分析、K-means聚類分析和概念分析;后者包括時序模式、回歸分析、偏差分析和歸納分類。

2 數(shù)據(jù)挖掘在服裝生產中的應用

2.1 基于數(shù)據(jù)挖掘技術的服裝號型體系制定

GB/T 1335-2008《服裝號型》中將服裝號型劃分成了5·4和5·2系列。號型是服裝企業(yè)大批量生產的依據(jù)與前提,而服裝號型歸檔是企業(yè)和消費者訂制生產的橋梁,根據(jù)現(xiàn)代人體號型數(shù)據(jù)進行服裝號型分檔,才會有針對性的對消費者所需樣板進行輸出,使企業(yè)處于JIT(Just In Time)狀態(tài)中。

根據(jù)目前國內對各區(qū)域人體數(shù)據(jù)收集表明,國內各區(qū)域人體尺寸不盡相同,國標中間體型是根據(jù)全國人體數(shù)據(jù)類型而制定的,不一定對國內其他區(qū)域都適合,經調查國標中人體體型劃分符合比例僅接近60%,甚至有的區(qū)域體型符合比例不到50%。而且,隨著國民經濟的提升,出現(xiàn)了一些特殊群體,現(xiàn)行的國標體型數(shù)據(jù),已不能完全覆蓋我國各地區(qū)體型規(guī)律[6]。在一定程度上國家制定的號型標準無法全滿足服裝企業(yè)在實際生產中的要求,因此企業(yè)會依據(jù)實際生產情況對服裝號型標準進行適當調整或細化,從而形成自己的“企業(yè)號型表”。服裝企業(yè)批量生產中,服裝號型是根據(jù)某一地區(qū)或者企業(yè)標準進行推擋、放碼進而投入生產,主觀性較強,仍然無法滿足國民體型規(guī)律,會在銷售過程中導致服裝斷碼、堆積的現(xiàn)象,影響企業(yè)效益[7]。因此利用數(shù)據(jù)挖掘技術,制定“少號型、大覆蓋”的服裝號型系列,實現(xiàn)MTM(Made to Measurement)生產模式,可以降低生產成本,提高企業(yè)收入,提高服裝企業(yè)的快速生產能力,實現(xiàn)大批量訂制。

到目前為止,數(shù)據(jù)挖掘技術在服裝號型體系制定上的應用一般采用以下思路。

2.1.1 人體數(shù)據(jù)的采集

人體數(shù)據(jù)采集是制定服裝號型體系的第一步,而進行大量人體數(shù)據(jù)的采集則是數(shù)據(jù)挖掘技術應用的前提。量體數(shù)據(jù)是服裝企業(yè)非常重要的數(shù)據(jù)信息資源[7]。對于數(shù)據(jù)挖掘技術而言,盡管理論上數(shù)據(jù)量越多越好,但考慮到設備處理能力的限制,不可能對每個人都進行測量,因此一般采用分層抽樣的方式進行數(shù)據(jù)采集工作,在保證數(shù)據(jù)特征可靠的同時,又能使采集數(shù)量可控。

2.1.2 數(shù)據(jù)的預處理

在進行數(shù)據(jù)挖掘之前,要先對人體尺寸的各項數(shù)據(jù)進行預處理,保證數(shù)據(jù)挖掘出來的信息是有價值的。數(shù)據(jù)預處理目標就是盡可能消除噪聲數(shù)據(jù),提高所選數(shù)據(jù)質量,進而把大量的數(shù)據(jù)集成知識價值倉庫,被人們利用或為服裝企業(yè)提供有價值的信息。數(shù)據(jù)預處理主要應用數(shù)理統(tǒng)計理論來研究數(shù)據(jù)特征,同時借助現(xiàn)代化信息技術,通過計算機軟件輔助數(shù)據(jù)分析,例如采用SPSS統(tǒng)計軟件可以分析數(shù)據(jù)位置特征、分散程度、分布形態(tài)等,是后續(xù)數(shù)據(jù)挖掘的基礎。

2.1.3 人體尺寸模型的建立

有學者[8]利用灰色系統(tǒng)模型的優(yōu)勢結合數(shù)據(jù)挖掘技術,以人體的各項尺寸建立灰色其他人體尺寸預估模型,運用已建立的模型隨其他人體尺寸部位進行預估,然后對整個樣本的推薦號型結果進行總體分析,從而為企業(yè)不同號型的投產決策提供指導性建議;有學者[7]利用數(shù)學模型建立地域性服裝號型表,為服裝投產號型提供技術方案。目前構建的體型判別模型可大致歸為3 類:一是以貝葉斯判別以及基于核方法的Fisher判別等的統(tǒng)計判別模型;二是基于核方法的支持向量機KSVM 兩類淺層學習模型;三是基于淺層神經網絡構造的判別模型。

2.1.4 模型的驗證

結合數(shù)據(jù)挖掘技術的聚類分析方法,探究服裝號型與人群體型數(shù)量配比規(guī)則并結合服裝企業(yè)號型進行歸類,建立起人體特征數(shù)據(jù)-服裝號型-服裝生產決策之間的定量關系,進而制定科學合理的服裝號型表。然后采用定性評價法將理論分析的推薦號型和企業(yè)實際的推薦號型進行比較,從而檢驗模型的合理性。

可見,數(shù)據(jù)挖掘技術在服裝號型體系制定上的應用已經初步形成體系,具有一定的理論基礎,這預示著數(shù)據(jù)挖掘技術在這一領域將有很大的用武之地。但在當前階段,這些模型多偏向于理論化和理想化,與實際情況有一定的偏差,還很難大規(guī)模進行推廣應用。一些有條件的企業(yè)盡管借助數(shù)據(jù)挖掘技術完成了一些服裝號型的匹配計算,但由于數(shù)據(jù)量大,計算速度還無法滿足實用化的要求。一些學者在人體體型的細分和服裝號型的推薦上取得了階段性成果,但并未延伸至企業(yè)號型配比投產決策環(huán)節(jié)。

這一階段的課程目標在保留“雙基”的基礎上增加了“過程與方法”及“情感態(tài)度與價值觀”?！耙痪S”到“三維”的變化體現(xiàn)了對“雙基”的繼承與發(fā)展，“三維”目標不僅強調知識與技能的獲取，更強調獲取知識與技能的途徑與方法，同時強調在過程中培養(yǎng)學生的學習興趣，激勵、調動學生學習的動機，完善學生的價值判斷，培養(yǎng)其形成科學的認知態(tài)度。

2.2 基于數(shù)據(jù)挖掘技術的服裝制作標準工時制定

GB/T 14163-2009《工時消耗分類、代號和標準時間構成》中對服裝制作中基本時間、輔助時間、作業(yè)寬放、休息時間、車間管理時間等進行了規(guī)定。企業(yè)中標準工時是整個生產流水線的生命線,也是考核工作人員的重要指標。但在實際操作中,員工的技術能力、服裝結構差異、工藝復雜度、工作環(huán)境等都會影響生產工時,從而標準工時在實際生產中具有一定的不完整性[9]。此時面對龐大工時數(shù)據(jù),使用數(shù)據(jù)發(fā)掘的方法對其剖析,探索影響生產工時的其他因素,提出標準工時制定中不完善的情況,可使其更加科學合理,增強企業(yè)營業(yè)能力。

當前,服裝制作標準工時的制定一般都是以傳統(tǒng)的GSD(General Sewing Data)為基礎的,GSD 的基本思路是將某工序細分為若干基礎動作,并對各個基礎動作進行標準工時計算,最后再進行總的加和運算,得到工序級別的標準工時預測值。該方法在制衣行業(yè)得到廣泛應用。然而,實踐證明,GSD 也有著很多缺陷,主要是因為它預先為每個操作預設了時間標準而非直接觀測,在員工熟練度不同、預設標準不一致、生產工藝不同的情況下,很容易得出脫離實際的數(shù)據(jù)。

在此背景下,許多學者開始探索利用大數(shù)據(jù)分析的方法來提高標準工時計算的合理性,通過對大量原始數(shù)據(jù)進行挖掘分析,探究生產工時的影響因素并提出恰當?shù)男拚椒?提高標準工時的準確性。通過大量的文獻分析,總結出數(shù)據(jù)挖掘技術在服裝制作標準工時制定中的一般應用思路如下。

首先,以大型服裝制造企業(yè)為研究對象,獲取大量的生產工時數(shù)據(jù);然后采用數(shù)理統(tǒng)計的方法對這些數(shù)據(jù)進行挖掘分析,建立一套理論預測模型。模型的構建也有許多思路,其中最經典的是基于神經網絡的預因素按照重要程度進行排序;然后,為了分析因素之間的內在關系,再運用大數(shù)據(jù)分析技術,建立一套基于關聯(lián)規(guī)則的分析模型,對標準工時進行修正。經過理論分析、實際對比、模型修正之后得到的標準工時數(shù)據(jù)將更加科學合理。

數(shù)據(jù)挖掘技術在服裝制作標準工時制定中已經取得一定的應用成效,對實際生產起到了一定的指導作用。但是,由于大數(shù)據(jù)技術本身仍不成熟,各種數(shù)學理論和分析工具也處于頻繁的更新中,因此數(shù)據(jù)挖掘要想在服裝制作標準工時制定中得到真正客觀、合理、準確的數(shù)據(jù),仍任重道遠。

3 數(shù)據(jù)挖掘在服裝銷售管理中的應用

拉爾夫和羅伯特在《銷售管理》中一致認為銷售管理是對人員推銷活動的計劃決策、組織指揮和控制監(jiān)督[10]。服裝不同于其他產品,有些商品銷售可以一年四季款式不變、型號不變,而服裝產品季節(jié)性比較強,受穿衣指數(shù)、氣候以及人們審美觀等影響,變化非常大,而且銷售形勢在南北方也會有差異。針對這樣的情況,服裝企業(yè)就會出現(xiàn)供大于求或者供不應求的情況。流行預測、市場預測等方法得出的數(shù)據(jù)都不能有效指導企業(yè)的生產,而且準確性也無法得到保證。利用計算機技術和功能強大的數(shù)據(jù)挖掘技術對企業(yè)銷售數(shù)據(jù)進行分析,可以為企業(yè)整理出更多有價值的信息,從而幫助企業(yè)決策者進行服裝銷售決策,使服裝企業(yè)根據(jù)市場需求進行生產,有效降低庫存服裝積壓,科學合理地將服裝產品按照時間、區(qū)域、季節(jié)等進行銷售調配,使企業(yè)的利潤最大化。

圖2 服裝銷售數(shù)據(jù)挖掘流程圖

數(shù)據(jù)挖掘技術在服裝銷售的應用過程如圖2 所示。對服裝銷售系統(tǒng)中的歷史數(shù)據(jù)進行整理,整理成為一個數(shù)據(jù)庫,按照不同的維度選取數(shù)據(jù);對數(shù)據(jù)庫中不規(guī)范、格式不對的數(shù)據(jù)進行剔除或將其合理化,轉換成符合數(shù)據(jù)挖掘標準的數(shù)據(jù);選擇合適的數(shù)據(jù)挖掘算法,將數(shù)據(jù)庫中的數(shù)據(jù)進行分析,從而對挖掘結果進行綜合評價,判斷結果的合理性,最終傳遞給服裝企業(yè)。同時,銷售管理系統(tǒng)根據(jù)各類用戶的需求,在銷售數(shù)據(jù)的基礎上,統(tǒng)計出許多與銷售相關的數(shù)據(jù)報表,系統(tǒng)可以根據(jù)各自的需求查詢及生成數(shù)據(jù)報表,以用作分析[11]。包括簡單的產品單日銷售分析、季度銷售、年度銷售及業(yè)務員銷售分析等[12],嵌入數(shù)據(jù)挖掘的算法找出其中的關聯(lián)規(guī)則,幫助企業(yè)制定銷售策略,可以了解客戶的購物習慣,增加服裝的銷售量。

4 數(shù)據(jù)挖掘在客戶關系管理中的應用

現(xiàn)如今,國內經濟快速發(fā)展,產業(yè)經濟結構也在不斷發(fā)生變化,服裝企業(yè)的競爭焦點已從產品技術層面中成本競爭、物流競爭轉移到客戶關系層面的客服競爭、創(chuàng)新競爭。從消費者看來,他們追求的不再僅僅是商品的品質,更多顧客看重商家為其提供服務的態(tài)度、質量與及時程度。Patricia B Seybold提出“客戶經濟時代”[20]已經到來,他認為以客戶經濟為軸心的三大原則是支撐企業(yè)長久生存之道。早在30年前,客戶關系管理的概念就被Gartner Group提出,客戶關系管理就是對客戶遇到的所有問題,系統(tǒng)針對性的進行處理與解決[21-22]。為吸引更多的新顧客,留住老客戶,通過提高服務質量,為企業(yè)帶來更多利潤。

數(shù)據(jù)挖掘技術可以對客戶需求進行研究,將處理客戶所遇問題進行深度解析,如客戶細分、客戶維持、客戶消費、客戶來源等[23-25]。有學者[26]將數(shù)據(jù)挖掘與CRM(Customer Relationship Management)系統(tǒng)結合,針對性解決中小型企業(yè)CRM 存在的問題,并對數(shù)據(jù)挖掘幾種經典的決策樹分類算法進行了詳細分析,通過比較與深入研究,提出了新的優(yōu)化算法;有學者[27]基于數(shù)據(jù)挖掘模型的八大功能模塊設計并應用多種算法對服裝電子客戶關系管理系統(tǒng)進行改進,達到數(shù)據(jù)挖掘效率大大提高的效果;還有學者[28]在客戶關系產品營銷方案中應用數(shù)據(jù)挖掘技術進行研究,針對男裝終端客戶關系管理提出了相關優(yōu)化建議。

5 數(shù)據(jù)挖掘在庫存管理中的應用

服裝業(yè)庫存產生的主要原因為:(1)信息數(shù)據(jù)獲取的非共享性和非時效性,導致企業(yè)不能全面徹底了解市場動向,造成企業(yè)決策遲緩,造成供應鏈上的“牛鞭效應”;(2)服裝行業(yè)流行周期短、受天氣、價格、宣傳等因素影響,時常導致庫存堆積。因此企業(yè)需要利用數(shù)據(jù)挖掘技術,預測市場需求,及時投入生產,降低庫存成本,提高企業(yè)競爭力[29-30]。

因此,可利用數(shù)據(jù)挖掘技術中的BP 神經網絡方法,結合企業(yè)積累的歷史銷售數(shù)據(jù),找到市場需求與國民經濟間數(shù)據(jù)關系,運用科學信息搜集方法,收集行業(yè)供應鏈間生產、調度、銷售、庫存和物流等信息,通過模型計算預測結果,使企業(yè)實現(xiàn)快速反應,為企業(yè)決策層提供及時、可靠、高效的庫存管理系統(tǒng)。

6 結語

數(shù)據(jù)挖掘技術在服裝制造領域已經得到了較為廣泛的應用,取得了一定的理論和應用成果。當前研究主要集中在服裝號型體系制定、服裝制作標準工時制定、客戶關系管理和庫存管理等方面,這些應用都有著一定的理論基礎,形成了初步的理論體系,例如Kmeans聚類、關聯(lián)分析、神經網絡、灰色系統(tǒng)模型和貝葉斯方法等。不同的理論從不同的側面對服裝行業(yè)的大數(shù)據(jù)進行分析,可以為服裝行業(yè)的發(fā)展提供有價值的指導,為服裝企業(yè)創(chuàng)造更大效益。但我國大多服裝企業(yè)信息化技術起步不久,數(shù)據(jù)挖掘技術應用還不夠成熟,數(shù)據(jù)挖掘結果的準確性仍有待提升,離實用化還有一定的距離。因此,數(shù)據(jù)挖掘技術在服裝領域有著廣闊的應用前景。