Vassare informationsutvinning med data mining

Idag har detaljhandelsföretag ofta tillgång till stora mängder insamlade data, men metoderna för att skapa användbar information av det saknas. I detta projekt kommer forskarna att utveckla analysmetoder som stödjer handlarnas verksamhet.

I dagens stora butiker med stort kundunderlag är ofta kunskaperna om de individuella kunderna otillräckliga. Detaljhandelsföretagen är relativt duktiga på att samla in och lagra stora datamängder, men man saknar förmågan att skapa användbar information och beslutsstöd utifrån detta. Investeringar görs i system och processer för datainsamling, men den uppnådda effekten motsvarar sällan kostnaderna.

– Vår uppgift är att föreslå och implementera olika metoder för att ur tillgänglig data tillhandahålla verktyg för kundförståelse, som exempelvis kan öka träffsäkerheten i kampanjer, säger Ulf Johansson, Högskolan i Borås.

Framåtblickande lösningar

Även om handelsföretagen ofta använder sig av Business Intelligence (BI) för att bättre förstå sin verksamhet och omvärld så är dagens BI-lösningar begränsade, helt enkelt för att de inte är tillräckligt framåtriktade utan snarare presenterar enklare analyser av dagsläget.

– Detta kan vi avhjälpa med hjälp av data mining som genom avancerade algoritmer, främst från maskininlärningsområdet, söker efter värdefulla mönster i stora datamaterial, förklarar Ulf. Tekniskt sett syftar projektet därför till att designa och utveckla förbättrade algoritmer för data mining och big data analytics. Rent konkret fokuserar vi på de för handeln centrala frågorna försäljningsprognostisering och kampanjanalys, respektive konsumentförståelse och individuella erbjudanden. Kundförståelse är en förutsättning för att skapa framgångsrika program för kundvård.