- ข้อความ
- ประวัติศาสตร์
Using Data Mining Techniques for Pr
Using Data Mining Techniques for Predicting Future
Car market Demand
DCX Case Study
Mouhib Al-Noukari
Arab International University
Damascus, Syria
m-noukari@aeu.ac.sy
Wael Al-Hussan
The Arab Academy for Banking and Financial Sciences
Damascus, Syria
w.alhussan@etqangroup.com
Abstract—Data mining techniques provide people with new
power to research and manipulate the existing large volume of
data. Data mining process discovers interesting information from
the hidden data which can either be used for future prediction
and/or intelligently summarizing the details of the data. There
are many achievements of applying data mining techniques to
various areas such as marketing, medical, financial, and car
manufacturing. In this paper, a proposed data mining
application in car manufacturing domain is explained and
experimented. The application results demonstrate the capability
of data mining techniques in providing important analysis such
as launch analysis and slow turning analysis. Such analysis help
in providing car market with base for more accurate prediction
of future market demand.
Keywords: Data mining; car market; launch analysis, slow turning
analysis, knowledge discovery.
I. INTRODUCTION
The aim of this paper is to provide a proposed data mining
solution that can be used for automotive market, as well as
many other areas. This solution can provide inventory
managers with important analysis such as launch analysis and
slow turning analysis. The use and benefits of these two
analyses will be identified, and explained. A DCX1 case study
will be presented in detail in order to demonstrate the
capability of data mining techniques in the field of car
manufacturing. Such techniques will help manufacturers
finding answers for questions like: which vehicle models sell
slowly? Which vehicle packages for a given body model sell
slower? Which packages and options for a body given model
sell slower?.
Launch analysis will provide manufacturers with
comparison analysis between “what the customer wants” and
“what supply chain is providing”.
II. THEORETICAL FRAMING
It is noted that the number of databases keeps growing
rapidly because of the availability of powerful and affordable
database systems. Millions of databases have been used in
business management, government administration, scientific
and engineering data management, and many other
1 DCX includes: DaimlerChrysler, Dodge, and Jeep.
applications. This explosive growth in data and databases has
generated an urgent need for new techniques and tools that can
intelligently and automatically transform the processed data
into useful information and knowledge, which provide
enterprises with a competitive advantage, working asset that
delivers new revenue, and to enable them to better service and
retain their customers [24].
Data mining application are characterized by the ability to
deal with the explosion of business data and accelerated market
changes, these characteristics help providing powerful tools for
decision makers, such tools can be used by business users (not
only statisticians) for analyzing huge amount of data for
patterns and trends. Consequently, data mining has become a
research area with increasing importance and it involved in
determining useful patterns from collected data or determining
a model that fits best on the collected data [7, 17, 21]. Different
classification schemes can be used to categorize data mining
methods and systems based on the kinds of databases to be
studied, the kinds of knowledge to be discovered, and the kinds
of techniques to be utilized [4, 15, 25].
A data mining task includes pre-processing, the actual data
mining process and post-processing. During the pre-processing
stage, the data mining problem and all sources of data are
identified, and a subset of data is generated from the
accumulated data. To ensure quality the data set is processed to
remove noise, handle missing information and transformed it to
an appropriate format [20].
A data mining technique or a combination of techniques
appropriate for the type of knowledge to be discovered is
applied to the derived data set. The last stage is post-processing
in which the discovered knowledge is evaluated and
interpreted.
Data mining techniques used in business-oriented
applications are known as Business Intelligence (BI). BI is a
general term to mean all processes, techniques, and tools that
gather and analyze data for the purpose of supporting enterprise
users to make better decisions [13]. The difficulty of
discovering and deploying new knowledge in the BI context is
due to the lack of intelligent and complete data mining system.
The measure of any business intelligence solution is its ability
to derive knowledge from data. The challenge is met with the
ability to identify patterns, trends, rules, and relationships from
volumes of information which is too large to be processed by
human analysis alone.
III. A PROPOSED DATA MINING APPLICATION IN
AUTOMOTIVE MANUFACTURING DOMAIN: DCX
CASE STUDY
Automotive manufacturing are markets where the
manufacturer does not interact with the consumer directly, yet
a fundamental understanding of the market, the trends, the
moods, and the changing consumer tastes and preferences are
fundamental to competitive.
The information gathered in order to produce DCX’s
automotive data mining solution are the following:
• Supply chain process (sales, inventory, orders,
production plan).
• Manufacturing information (car
configurations/packages/options codes and
description).
• Marketing information (dealers, business centers…
etc).
• Customers’ trends information (websites webactivities).
An enterprise data warehouse is built to hold web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning car production. Sales and marketing managers are
interested in better leveraging data in support of the enterprise
goals and objectives. Managers envision an analytic
environment that will improve their ability to support planning
and inventory management, incentives management, and
ultimately production planning, in addition to enable them to
meet the expectations of their decision-making process which
is supported by appropriate data and trends. Regardless of
functional boundaries and type of analysis needed, their
requirements focus on improving access to detailed data, more
consistent and more integrated information. Managers are
interested especially in integrated data spanning DCX’s
relationship with its customers and prospects regardless of
whether the systems are online or offline.
Having a data warehouse that combines online and offline
behavioral data for decision-making purposes is a strategic tool
which business users can leverage to improve sales demand
forecasting, improve model/trim level mix planning, adjust
body model/trim level mix with inventory data, and reduce
days on lot.
DCX wants to help the inventory managers to move
vehicles faster. In order to do this it needs to identify which
vehicles stay long in stock as well as which vehicles move
faster. DCX also wants to make early indication on which
vehicle configurations are likely to sell well during new
vehicles launching. These analyzes are related because they all
require gathering data, scrubbing it, storing it, mapping it and
finally aggregating it for the purpose of research and analysis.
Among different data mining methods, we used classification,
summarization, and dependency modeling methods in our
suggested analysis.
A. Launch Analysis
The basic idea of the Launch Analysis is to make the webactivity
of “Build and Price” facility (A tool provided at DCX
web site helping visitors building their own car models),
consider each configuration made and draw an early measure
of the customers’ interest for a specific vehicle(s) then compare
it to the production plan, inventory sales and dealers’ orders to
find out any possible issues in the supply chain. For example,
customers may have higher demands/capacity in configurations
for some models more than what dealers request or what
production plan offers.
So, this analysis can provide the brand managers and
inventory managers with metrics during the launch of a new
vehicle by using the “Build and Price” activity as the early
indication of future customer demand.
Launch analysis is getting their base data for analysis from
DCX data warehouse which integrates multiple data sources
including supply chain data (Order, Production Plan, Inventory
and Sale) and web click-stream “Build and Price” data (Car
configuration).
This analysis provides DCX with important knowledge
about:
• Early indicator of the customers’ interest of newly
launched vehicles (“what the customer wants”).
• Comparison analysis between “what the customer
wants” and “what supply chain is providing” by
comparing websites web-activity to inventory, order,
sale and production plan.
DCX uses this knowledge to predict consumer purchasing
behavior, and provide actionable vehicle launch, sales and
inventory insight.
B. Slow Turn Analysis
This analysis aims to identify vehicles which do not sell in
fast way (as a result we can also know the vehicle that sell
faster).
We can identify the vehicles at different levels of the
vehicle configuration hierarchy. In other words we answer
questions like: Which vehicle models sell in slow way? Which
vehicle packages for a given body model sell slower? Which
packages and options for a body given model sell slower?.
C. Solution Overview
DCX data mining solution starts by processing
Stock/Sale/Order data, web data, dealer data and GAQ (Get a
Quote) data and store them in a data warehouse named
“Vehicle Demand Data Warehouse”. The data warehouse was
designed in order to support analysis that aim to use web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning
Car market Demand
DCX Case Study
Mouhib Al-Noukari
Arab International University
Damascus, Syria
m-noukari@aeu.ac.sy
Wael Al-Hussan
The Arab Academy for Banking and Financial Sciences
Damascus, Syria
w.alhussan@etqangroup.com
Abstract—Data mining techniques provide people with new
power to research and manipulate the existing large volume of
data. Data mining process discovers interesting information from
the hidden data which can either be used for future prediction
and/or intelligently summarizing the details of the data. There
are many achievements of applying data mining techniques to
various areas such as marketing, medical, financial, and car
manufacturing. In this paper, a proposed data mining
application in car manufacturing domain is explained and
experimented. The application results demonstrate the capability
of data mining techniques in providing important analysis such
as launch analysis and slow turning analysis. Such analysis help
in providing car market with base for more accurate prediction
of future market demand.
Keywords: Data mining; car market; launch analysis, slow turning
analysis, knowledge discovery.
I. INTRODUCTION
The aim of this paper is to provide a proposed data mining
solution that can be used for automotive market, as well as
many other areas. This solution can provide inventory
managers with important analysis such as launch analysis and
slow turning analysis. The use and benefits of these two
analyses will be identified, and explained. A DCX1 case study
will be presented in detail in order to demonstrate the
capability of data mining techniques in the field of car
manufacturing. Such techniques will help manufacturers
finding answers for questions like: which vehicle models sell
slowly? Which vehicle packages for a given body model sell
slower? Which packages and options for a body given model
sell slower?.
Launch analysis will provide manufacturers with
comparison analysis between “what the customer wants” and
“what supply chain is providing”.
II. THEORETICAL FRAMING
It is noted that the number of databases keeps growing
rapidly because of the availability of powerful and affordable
database systems. Millions of databases have been used in
business management, government administration, scientific
and engineering data management, and many other
1 DCX includes: DaimlerChrysler, Dodge, and Jeep.
applications. This explosive growth in data and databases has
generated an urgent need for new techniques and tools that can
intelligently and automatically transform the processed data
into useful information and knowledge, which provide
enterprises with a competitive advantage, working asset that
delivers new revenue, and to enable them to better service and
retain their customers [24].
Data mining application are characterized by the ability to
deal with the explosion of business data and accelerated market
changes, these characteristics help providing powerful tools for
decision makers, such tools can be used by business users (not
only statisticians) for analyzing huge amount of data for
patterns and trends. Consequently, data mining has become a
research area with increasing importance and it involved in
determining useful patterns from collected data or determining
a model that fits best on the collected data [7, 17, 21]. Different
classification schemes can be used to categorize data mining
methods and systems based on the kinds of databases to be
studied, the kinds of knowledge to be discovered, and the kinds
of techniques to be utilized [4, 15, 25].
A data mining task includes pre-processing, the actual data
mining process and post-processing. During the pre-processing
stage, the data mining problem and all sources of data are
identified, and a subset of data is generated from the
accumulated data. To ensure quality the data set is processed to
remove noise, handle missing information and transformed it to
an appropriate format [20].
A data mining technique or a combination of techniques
appropriate for the type of knowledge to be discovered is
applied to the derived data set. The last stage is post-processing
in which the discovered knowledge is evaluated and
interpreted.
Data mining techniques used in business-oriented
applications are known as Business Intelligence (BI). BI is a
general term to mean all processes, techniques, and tools that
gather and analyze data for the purpose of supporting enterprise
users to make better decisions [13]. The difficulty of
discovering and deploying new knowledge in the BI context is
due to the lack of intelligent and complete data mining system.
The measure of any business intelligence solution is its ability
to derive knowledge from data. The challenge is met with the
ability to identify patterns, trends, rules, and relationships from
volumes of information which is too large to be processed by
human analysis alone.
III. A PROPOSED DATA MINING APPLICATION IN
AUTOMOTIVE MANUFACTURING DOMAIN: DCX
CASE STUDY
Automotive manufacturing are markets where the
manufacturer does not interact with the consumer directly, yet
a fundamental understanding of the market, the trends, the
moods, and the changing consumer tastes and preferences are
fundamental to competitive.
The information gathered in order to produce DCX’s
automotive data mining solution are the following:
• Supply chain process (sales, inventory, orders,
production plan).
• Manufacturing information (car
configurations/packages/options codes and
description).
• Marketing information (dealers, business centers…
etc).
• Customers’ trends information (websites webactivities).
An enterprise data warehouse is built to hold web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning car production. Sales and marketing managers are
interested in better leveraging data in support of the enterprise
goals and objectives. Managers envision an analytic
environment that will improve their ability to support planning
and inventory management, incentives management, and
ultimately production planning, in addition to enable them to
meet the expectations of their decision-making process which
is supported by appropriate data and trends. Regardless of
functional boundaries and type of analysis needed, their
requirements focus on improving access to detailed data, more
consistent and more integrated information. Managers are
interested especially in integrated data spanning DCX’s
relationship with its customers and prospects regardless of
whether the systems are online or offline.
Having a data warehouse that combines online and offline
behavioral data for decision-making purposes is a strategic tool
which business users can leverage to improve sales demand
forecasting, improve model/trim level mix planning, adjust
body model/trim level mix with inventory data, and reduce
days on lot.
DCX wants to help the inventory managers to move
vehicles faster. In order to do this it needs to identify which
vehicles stay long in stock as well as which vehicles move
faster. DCX also wants to make early indication on which
vehicle configurations are likely to sell well during new
vehicles launching. These analyzes are related because they all
require gathering data, scrubbing it, storing it, mapping it and
finally aggregating it for the purpose of research and analysis.
Among different data mining methods, we used classification,
summarization, and dependency modeling methods in our
suggested analysis.
A. Launch Analysis
The basic idea of the Launch Analysis is to make the webactivity
of “Build and Price” facility (A tool provided at DCX
web site helping visitors building their own car models),
consider each configuration made and draw an early measure
of the customers’ interest for a specific vehicle(s) then compare
it to the production plan, inventory sales and dealers’ orders to
find out any possible issues in the supply chain. For example,
customers may have higher demands/capacity in configurations
for some models more than what dealers request or what
production plan offers.
So, this analysis can provide the brand managers and
inventory managers with metrics during the launch of a new
vehicle by using the “Build and Price” activity as the early
indication of future customer demand.
Launch analysis is getting their base data for analysis from
DCX data warehouse which integrates multiple data sources
including supply chain data (Order, Production Plan, Inventory
and Sale) and web click-stream “Build and Price” data (Car
configuration).
This analysis provides DCX with important knowledge
about:
• Early indicator of the customers’ interest of newly
launched vehicles (“what the customer wants”).
• Comparison analysis between “what the customer
wants” and “what supply chain is providing” by
comparing websites web-activity to inventory, order,
sale and production plan.
DCX uses this knowledge to predict consumer purchasing
behavior, and provide actionable vehicle launch, sales and
inventory insight.
B. Slow Turn Analysis
This analysis aims to identify vehicles which do not sell in
fast way (as a result we can also know the vehicle that sell
faster).
We can identify the vehicles at different levels of the
vehicle configuration hierarchy. In other words we answer
questions like: Which vehicle models sell in slow way? Which
vehicle packages for a given body model sell slower? Which
packages and options for a body given model sell slower?.
C. Solution Overview
DCX data mining solution starts by processing
Stock/Sale/Order data, web data, dealer data and GAQ (Get a
Quote) data and store them in a data warehouse named
“Vehicle Demand Data Warehouse”. The data warehouse was
designed in order to support analysis that aim to use web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning
0/5000
ใช้เทคนิคเหมืองข้อมูลเพื่อคาดการณ์อนาคต
รถตลาดอุปสงค์
DCX กรณีศึกษา
Mouhib Al-Noukari
มหาวิทยาลัยนานาชาติอาหรับ
ดามัสกัส ซีเรีย
m-noukari@aeu.ac.sy
Wael อัล-Hussan
ออสการ์อาหรับธนาคารและการเงินวิทยาศาสตร์
ดามัสกัส ซีเรีย
w.alhussan@etqangroup.com
นามธรรม — เทคนิคเหมืองข้อมูลให้คนใหม่
พลังงานวิจัย และจัดการจำนวนมากที่มีอยู่ของ
ข้อมูล กระบวนการทำเหมืองข้อมูลพบข้อมูลน่าสนใจจาก
ข้อมูลที่ซ่อนอยู่ซึ่งอาจจะใช้สำหรับคาดเดาอนาคต
และ/ หรือฉลาดสรุปรายละเอียดของข้อมูล มี
มีความสำเร็จในการใช้เทคนิคเหมืองข้อมูลการ
พื้นที่ต่าง ๆ เช่นการตลาด แพทย์ เงิน และรถ
ผลิต ในเอกสารนี้ การทำเหมืองข้อมูลเสนอ
อธิบายการใช้โดเมนการผลิตรถยนต์ และ
เบื้อง ผลแอพลิเคชันแสดงให้เห็นถึงความสามารถ
เทคนิคเหมืองข้อมูลในการให้ความสำคัญวิเคราะห์เช่น
เปิดวิเคราะห์ และช้าเปิดวิเคราะห์ ช่วยวิเคราะห์เช่น
ให้ตลาดรถยนต์มีการทำนายที่แม่นยำมากขึ้น
ของความต้องการของตลาดในอนาคต
คำสำคัญ: การทำเหมืองข้อมูล ตลาดรถยนต์ เปิดตัววิเคราะห์ เปิดช้า
วิเคราะห์ ค้นพบความรู้ด้วย
แนะนำ I.
จุดประสงค์ของเอกสารนี้คือการ ให้การทำเหมืองข้อมูลเสนอ
โซลูชันที่สามารถใช้สำหรับตลาดยานยนต์ เป็น
อื่น ๆ วิธีนี้สามารถให้สินค้าคงคลัง
ผู้จัดการกับวิเคราะห์สำคัญเช่นวิเคราะห์เปิด และ
ช้าเปิดวิเคราะห์ได้ การใช้และประโยชน์ของสอง
วิเคราะห์จะระบุ และอธิบาย DCX1 กรณีศึกษา
จะนำเสนอในรายละเอียดเพื่อแสดงให้เห็นถึงการ
ความสามารถเทคนิคเหมืองข้อมูลในเขตข้อมูลของรถ
ผลิต เทคนิคดังกล่าวจะช่วยให้ผู้ผลิต
หาคำตอบสำหรับคำถามเช่น: ขายโมเดลรถที่
ช้า แพคเกจสำหรับแบบจำลองร่างกายกำหนดรถที่ขาย
ช้า ซึ่งแพคเกจและตัวเลือกสำหรับกำหนดรูปร่างกาย
ขายช้า
เปิดตัววิเคราะห์จะทำให้ผู้ผลิตมี
วิเคราะห์เปรียบเทียบระหว่าง "สิ่งที่ลูกค้าต้องการ" และ
"โซ่อะไรให้"
II เข้ากรอบทฤษฎี
ตั้งข้อสังเกตว่า จำนวนของฐานข้อมูลยังคงเติบ
อย่างรวดเร็วเนื่องจากความมีประสิทธิภาพ และราคาไม่แพง
ระบบฐานข้อมูล ล้านของฐานข้อมูลใช้ใน
บริหารธุรกิจ การบริหารราชการ วิทยาศาสตร์
และวิศวกรรมการจัดการข้อมูล และอื่น ๆ อีกมากมาย
1 DCX รวม: DaimlerChrysler หลบ และรถจี๊ป
โปรแกรมประยุกต์ นี้เจริญเติบโตในข้อมูลและฐานข้อมูลมี
ต้องการด่วนใหม่เทคนิคและเครื่องมือที่สามารถสร้าง
ฉลาด และโดยอัตโนมัติแปลงข้อมูลประมวลผล
เป็นข้อมูลที่เป็นประโยชน์และความรู้ ให้
องค์กร มีความได้เปรียบการแข่งขัน ทำสินทรัพย์ที่
ส่งรายได้ใหม่ และเปิดใช้งานการบริการที่ดีกว่า และ
รักษาลูกค้าของพวกเขา [24] .
โปรแกรมประยุกต์การทำเหมืองข้อมูลมีลักษณะ โดยความสามารถในการ
เรื่องการกระจายของข้อมูลธุรกิจ และการตลาดเร่ง
เปลี่ยนแปลง ลักษณะเหล่านี้ช่วยให้เครื่องมือที่มีประสิทธิภาพสำหรับ
ผู้ตัดสินใจ เครื่องมือดังกล่าวสามารถใช้ได้ โดยผู้ใช้ทางธุรกิจ (ไม่
statisticians เท่านั้น) สำหรับการวิเคราะห์จำนวนมากของข้อมูล
รูปแบบและแนวโน้ม ดังนั้น เป็นการทำเหมืองข้อมูลเป็น
พื้นที่วิจัยกับเพิ่มความสำคัญและเกี่ยวข้องกับ
กำหนดรูปแบบที่มีประโยชน์จากข้อมูลที่รวบรวม หรือกำหนด
แบบที่เหมาะกับส่วนข้อมูลที่รวบรวม [7, 17, 21] แตกต่าง
สามารถใช้แผนงานการจัดประเภทเพื่อจัดประเภทการทำเหมืองข้อมูล
ระบบและวิธีการขึ้นอยู่กับชนิดของฐานข้อมูลจะ
ศึกษา ประเภทของความรู้ที่ค้นพบ และชนิด
ของเทคนิคจะใช้ [4, 15, 25] .
มีงานการทำเหมืองข้อมูลก่อนประมวลผล เก็บข้อมูลจริง
กระบวนการทำเหมืองและการประมวลผลหลังการ ในระหว่างการประมวลผลก่อน
stage ปัญหาการทำเหมืองข้อมูล และแหล่งข้อมูลทั้งหมด
ระบุ และมีสร้างชุดย่อยของข้อมูลจากการ
สะสมข้อมูล ให้คุณภาพชุดข้อมูลจะถูกประมวลผลเพื่อ
เอาเสียง จัดการข้อมูลขาดหายไป และแปลงให้
รูปแบบที่เหมาะสม [20] .
เทคนิคเหมืองข้อมูลหรือชุดของเทคนิค
เหมาะสมสำหรับชนิดของความรู้ที่ค้นพบคือ
กับชุดข้อมูลได้รับการ เป็นการประมวลผลขั้นสุดท้าย
ในซึ่งเป็นประเมินความรู้ที่พบ และ
แปล.
เทคนิคเหมืองข้อมูลที่ใช้ในด้านธุรกิจ
โปรแกรมประยุกต์เป็นที่รู้จักเป็นข่าวกรองธุรกิจ (BI) BI จะเป็น
ระยะทั่วไปจะหมายถึง ทั้งกระบวน การ เทคนิค และเครื่องมือที่
รวบรวม และวิเคราะห์ข้อมูลเพื่อสนับสนุนองค์กร
ผู้ใช้ให้ตัดสินใจได้ดี [13] ความยากของ
ค้นหา และปรับใช้ความรู้ใหม่ในบริบท BI
เนื่องจากมีระบบเหมืองข้อมูลอัจฉริยะ และสมบูรณ์.
ข่าวกรองธุรกิจวิธีการวัดคือ ความสามารถใน
สามารถรับความรู้จากข้อมูล ตรงตามกับความท้าทาย
ความสามารถในการระบุรูปแบบ แนวโน้ม กฎ และความสัมพันธ์จาก
ไดรฟ์ข้อมูลที่มีขนาดใหญ่เกินไปที่จะประมวลผลโดย
มนุษย์วิเคราะห์คนเดียวกัน
III A นำเสนอข้อมูลทำเหมืองแร่แอพลิเคชันใน
โดเมนผลิตยานยนต์: DCX
กรณีศึกษา
ผลิตยานยนต์เป็นตลาดที่การ
ผลิตไม่โต้ตอบกับผู้บริโภคโดยตรง ยัง
เข้าใจพื้นฐานของตลาด แนวโน้ม
อารมณ์ และการเปลี่ยนแปลงรสนิยมผู้บริโภค และกำหนดลักษณะ
พื้นฐานการแข่งขัน
รวบรวมข้อมูลการผลิตของ DCX
โซลูชันข้อมูลยานยนต์เหมืองแร่เป็นต่อไปนี้:
•กระบวนการโซ่อุปทาน (ขาย สินค้าคงคลัง ใบ สั่ง,
แผนผลิต) .
•ข้อมูลผลิต (รถ
รหัสตั้งค่าคอนฟิกแพ็คเกจ/ตัว และ
อธิบาย) .
•ข้อมูลการตลาด (ตัวแทนจำหน่าย ธุรกิจศูนย์...
ฯลฯ)
•ลูกค้าของแนวโน้มข้อมูล (เว็บไซต์ webactivities)
คลังสินค้าข้อมูลองค์กรถูกสร้างขึ้นเพื่อเก็บข้อมูลเว็บ,
สินค้าคงคลังข้อมูล ข้อมูลความต้องการรถ และข้อมูลการขายจะดีขึ้น
วิเคราะห์ และคาดการณ์การขายรถยนต์ การจัดการสินค้าคงคลังรถ และ
วางแผนผลิตรถยนต์ ผู้จัดการฝ่ายขาย และการตลาดเป็น
สนใจดีกว่าใช้ข้อมูลสนับสนุนองค์กร
เป้าหมายและวัตถุประสงค์ ผู้จัดการวาดภาพเป็นคู่
สภาพแวดล้อมที่จะปรับปรุงความสามารถในการสนับสนุนการวางแผน
และ บริหารสินค้าคงคลัง การจัดการสิ่งจูงใจ และ
สุดผลิตที่วางแผน นอกจากจะช่วยให้คุณ
พบปะความคาดหวังของการตัดสินใจดำเนินการซึ่ง
ข้อมูลที่เหมาะสมและแนวโน้ม ไม่ว่า
ขอบเขตหน้าที่และชนิดของการวิเคราะห์ที่จำเป็น การ
ต้องเน้นการปรับปรุงการเข้าถึงข้อมูลรายละเอียด เพิ่มเติม
สอดคล้อง และบูรณาการเพิ่มเติมข้อมูล ผู้จัดการมี
สนใจโดยเฉพาะอย่างยิ่งในข้อมูลรวมรัฐของ DCX
ความสัมพันธ์กับลูกค้าและลูกค้าไม่ว่า
ว่าระบบจะออนไลน์ หรือออฟไลน์.
มีคลังข้อมูลที่รวมออนไลน์ และออฟไลน์
พฤติกรรมข้อมูลสำหรับการตัดสินใจเป็นเครื่องมือเชิงกลยุทธ์
ผู้ใช้ทางธุรกิจสามารถใช้ประโยชน์เพื่อเพิ่มอุปสงค์
คาดการณ์ ปรับปรุงการวางแผนผสมรูป/ตกแต่งระดับ ปรับ
ตัวคละรุ่น/ตกแต่งระดับ ด้วยข้อมูลสินค้าคงคลัง และลด
วันบนมาก
DCX อยากช่วยผู้จัดการสินค้าคงคลังย้าย
รถเร็วได้ ไม่ต้องระบุที่
ยานพาหนะที่พักระยะยาวในหุ้นและยานพาหนะที่ย้าย
เร็ว DCX ยังต้องการให้ระบุช่วงที่
โครงรถมักจะขายดีช่วงใหม่
เปิดตัวยานพาหนะ เหล่านี้วิเคราะห์เกี่ยวข้องเนื่องจากพวกเขาทั้งหมด
ต้องรวบรวมข้อมูล ขัดมัน จัดเก็บ การแมปมัน และ
สุดท้าย รวบรวมเพื่องานวิจัยและวิเคราะห์
ระหว่างวิธีการทำเหมืองข้อมูลแตกต่างกัน เราใช้จัดประเภท,
สรุป และวิธีการในการสร้างแบบจำลองอ้างอิงของเรา
แนะนำวิเคราะห์การ
A. เปิดวิเคราะห์
ความคิดพื้นฐานของการวิเคราะห์เปิดจะทำให้การ webactivity
ของสิ่งอำนวยความสะดวก "สร้างและราคา" (เครื่องมือให้ DCX
ช่วยสร้างโมเดลรถตนผู้เข้าชมเว็บไซต์),
พิจารณาแต่ละโครงแบบทำ และวาดเป็นวัดต้น
ความสนใจของลูกค้าสำหรับ vehicle(s) เฉพาะแล้วเปรียบเทียบ
ให้แผนการผลิต ขายสินค้าคงคลัง และใบสั่งของดีลเลอร์
หาปัญหาใด ๆ ได้ในห่วงโซ่อุปทาน ตัวอย่าง,
ลูกค้าอาจมีความต้องการสูง / กำลังการผลิตในการกำหนดค่า
สำหรับบางรุ่นที่มากกว่าตัวแทนจำหน่ายขอหรือ
เสนอแผนผลิตได้
ดังนั้น การวิเคราะห์นี้สามารถให้ผู้บริหารแบรนด์ และ
ผู้จัดการกับการวัดของสินค้าคงคลังในระหว่างการเปิดตัวของใหม่
รถ โดยกิจกรรม "สร้างและราคา" เป็นช่วง
บ่งชี้ความต้องการของลูกค้าในอนาคต
วิเคราะห์เปิดจะได้รับข้อมูลพื้นฐานสำหรับการวิเคราะห์จาก
DCX คลังข้อมูลซึ่งแหล่งข้อมูลหลายแหล่งรวม
รวมข้อมูลโซ่อุปทาน (ใบสั่ง การวางแผนการผลิต สินค้าคงคลัง
และขาย) และเว็บข้อมูลกระแสข้อมูลคลิก "สร้างและราคา" (รถ
โครง) .
วิเคราะห์นี้ให้ DCX ความรู้สำคัญ
เกี่ยวกับ:
•ชี้ต้นน่าสนใจของลูกค้าของใหม่
เปิดตัวยานพาหนะ ("สิ่งที่ลูกค้าต้องการ")
วิเคราะห์เปรียบเทียบระหว่าง "ลูกค้าอะไร
ต้อง" และ "โซ่อะไรให้" โดย
เปรียบเทียบกิจกรรมเว็บไซต์สินค้าคงคลัง ใบสั่ง,
ผลิตและขายแผนการ
DCX ใช้ความรู้นี้เพื่อทำนายว่า ผู้บริโภคที่ซื้อ
พฤติกรรม ให้เปิดตัวรถมุม ขาย และ
สินค้าคงคลังเข้าใจได้
วิเคราะห์เปิดช้า B.
วิเคราะห์นี้มีจุดมุ่งหมายเพื่อระบุยานพาหนะที่ไม่ได้ขายใน
อย่างรวดเร็วทาง (ดังนั้น เราสามารถยังรู้ว่ารถที่ขาย
เร็ว) .
เราสามารถระบุยานพาหนะในระดับต่าง ๆ ของ
ลำดับชั้นโครงแบบของยานพาหนะ ในคำอื่นๆ เราตอบ
คำถามเช่น: ซึ่งรถรุ่นที่ขายในทางช้า ซึ่ง
ขายรถแพ็คเกจสำหรับแบบจำลองร่างกายให้ช้าลง ซึ่ง
แพคเกจและตัวเลือกสำหรับกำหนดรูปร่างกายขายช้า
ภาพรวมโซลูชัน C.
DCX ข้อมูลเหมืองโซลูชันเริ่มต้น โดยการประมวลผล
หุ้นขาย/สั่งข้อมูล เว็บข้อมูล ข้อมูลตัวแทนจำหน่าย และ GAQ (ได้รับการ
ข้อมูลอ้างอิง) และจัดเก็บในคลังข้อมูลชื่อ
"คลังสินค้าข้อมูลรถต้อง" คลังสินค้าข้อมูลถูก
ออกแบบมาเพื่อรองรับการวิเคราะห์ที่ใช้เว็บข้อมูล,
สินค้าคงคลังข้อมูล ข้อมูลความต้องการรถ และข้อมูลการขายจะดีขึ้น
วิเคราะห์ และคาดการณ์การขายรถยนต์ การจัดการสินค้าคงคลังรถ และ
วางแผน
รถตลาดอุปสงค์
DCX กรณีศึกษา
Mouhib Al-Noukari
มหาวิทยาลัยนานาชาติอาหรับ
ดามัสกัส ซีเรีย
m-noukari@aeu.ac.sy
Wael อัล-Hussan
ออสการ์อาหรับธนาคารและการเงินวิทยาศาสตร์
ดามัสกัส ซีเรีย
w.alhussan@etqangroup.com
นามธรรม — เทคนิคเหมืองข้อมูลให้คนใหม่
พลังงานวิจัย และจัดการจำนวนมากที่มีอยู่ของ
ข้อมูล กระบวนการทำเหมืองข้อมูลพบข้อมูลน่าสนใจจาก
ข้อมูลที่ซ่อนอยู่ซึ่งอาจจะใช้สำหรับคาดเดาอนาคต
และ/ หรือฉลาดสรุปรายละเอียดของข้อมูล มี
มีความสำเร็จในการใช้เทคนิคเหมืองข้อมูลการ
พื้นที่ต่าง ๆ เช่นการตลาด แพทย์ เงิน และรถ
ผลิต ในเอกสารนี้ การทำเหมืองข้อมูลเสนอ
อธิบายการใช้โดเมนการผลิตรถยนต์ และ
เบื้อง ผลแอพลิเคชันแสดงให้เห็นถึงความสามารถ
เทคนิคเหมืองข้อมูลในการให้ความสำคัญวิเคราะห์เช่น
เปิดวิเคราะห์ และช้าเปิดวิเคราะห์ ช่วยวิเคราะห์เช่น
ให้ตลาดรถยนต์มีการทำนายที่แม่นยำมากขึ้น
ของความต้องการของตลาดในอนาคต
คำสำคัญ: การทำเหมืองข้อมูล ตลาดรถยนต์ เปิดตัววิเคราะห์ เปิดช้า
วิเคราะห์ ค้นพบความรู้ด้วย
แนะนำ I.
จุดประสงค์ของเอกสารนี้คือการ ให้การทำเหมืองข้อมูลเสนอ
โซลูชันที่สามารถใช้สำหรับตลาดยานยนต์ เป็น
อื่น ๆ วิธีนี้สามารถให้สินค้าคงคลัง
ผู้จัดการกับวิเคราะห์สำคัญเช่นวิเคราะห์เปิด และ
ช้าเปิดวิเคราะห์ได้ การใช้และประโยชน์ของสอง
วิเคราะห์จะระบุ และอธิบาย DCX1 กรณีศึกษา
จะนำเสนอในรายละเอียดเพื่อแสดงให้เห็นถึงการ
ความสามารถเทคนิคเหมืองข้อมูลในเขตข้อมูลของรถ
ผลิต เทคนิคดังกล่าวจะช่วยให้ผู้ผลิต
หาคำตอบสำหรับคำถามเช่น: ขายโมเดลรถที่
ช้า แพคเกจสำหรับแบบจำลองร่างกายกำหนดรถที่ขาย
ช้า ซึ่งแพคเกจและตัวเลือกสำหรับกำหนดรูปร่างกาย
ขายช้า
เปิดตัววิเคราะห์จะทำให้ผู้ผลิตมี
วิเคราะห์เปรียบเทียบระหว่าง "สิ่งที่ลูกค้าต้องการ" และ
"โซ่อะไรให้"
II เข้ากรอบทฤษฎี
ตั้งข้อสังเกตว่า จำนวนของฐานข้อมูลยังคงเติบ
อย่างรวดเร็วเนื่องจากความมีประสิทธิภาพ และราคาไม่แพง
ระบบฐานข้อมูล ล้านของฐานข้อมูลใช้ใน
บริหารธุรกิจ การบริหารราชการ วิทยาศาสตร์
และวิศวกรรมการจัดการข้อมูล และอื่น ๆ อีกมากมาย
1 DCX รวม: DaimlerChrysler หลบ และรถจี๊ป
โปรแกรมประยุกต์ นี้เจริญเติบโตในข้อมูลและฐานข้อมูลมี
ต้องการด่วนใหม่เทคนิคและเครื่องมือที่สามารถสร้าง
ฉลาด และโดยอัตโนมัติแปลงข้อมูลประมวลผล
เป็นข้อมูลที่เป็นประโยชน์และความรู้ ให้
องค์กร มีความได้เปรียบการแข่งขัน ทำสินทรัพย์ที่
ส่งรายได้ใหม่ และเปิดใช้งานการบริการที่ดีกว่า และ
รักษาลูกค้าของพวกเขา [24] .
โปรแกรมประยุกต์การทำเหมืองข้อมูลมีลักษณะ โดยความสามารถในการ
เรื่องการกระจายของข้อมูลธุรกิจ และการตลาดเร่ง
เปลี่ยนแปลง ลักษณะเหล่านี้ช่วยให้เครื่องมือที่มีประสิทธิภาพสำหรับ
ผู้ตัดสินใจ เครื่องมือดังกล่าวสามารถใช้ได้ โดยผู้ใช้ทางธุรกิจ (ไม่
statisticians เท่านั้น) สำหรับการวิเคราะห์จำนวนมากของข้อมูล
รูปแบบและแนวโน้ม ดังนั้น เป็นการทำเหมืองข้อมูลเป็น
พื้นที่วิจัยกับเพิ่มความสำคัญและเกี่ยวข้องกับ
กำหนดรูปแบบที่มีประโยชน์จากข้อมูลที่รวบรวม หรือกำหนด
แบบที่เหมาะกับส่วนข้อมูลที่รวบรวม [7, 17, 21] แตกต่าง
สามารถใช้แผนงานการจัดประเภทเพื่อจัดประเภทการทำเหมืองข้อมูล
ระบบและวิธีการขึ้นอยู่กับชนิดของฐานข้อมูลจะ
ศึกษา ประเภทของความรู้ที่ค้นพบ และชนิด
ของเทคนิคจะใช้ [4, 15, 25] .
มีงานการทำเหมืองข้อมูลก่อนประมวลผล เก็บข้อมูลจริง
กระบวนการทำเหมืองและการประมวลผลหลังการ ในระหว่างการประมวลผลก่อน
stage ปัญหาการทำเหมืองข้อมูล และแหล่งข้อมูลทั้งหมด
ระบุ และมีสร้างชุดย่อยของข้อมูลจากการ
สะสมข้อมูล ให้คุณภาพชุดข้อมูลจะถูกประมวลผลเพื่อ
เอาเสียง จัดการข้อมูลขาดหายไป และแปลงให้
รูปแบบที่เหมาะสม [20] .
เทคนิคเหมืองข้อมูลหรือชุดของเทคนิค
เหมาะสมสำหรับชนิดของความรู้ที่ค้นพบคือ
กับชุดข้อมูลได้รับการ เป็นการประมวลผลขั้นสุดท้าย
ในซึ่งเป็นประเมินความรู้ที่พบ และ
แปล.
เทคนิคเหมืองข้อมูลที่ใช้ในด้านธุรกิจ
โปรแกรมประยุกต์เป็นที่รู้จักเป็นข่าวกรองธุรกิจ (BI) BI จะเป็น
ระยะทั่วไปจะหมายถึง ทั้งกระบวน การ เทคนิค และเครื่องมือที่
รวบรวม และวิเคราะห์ข้อมูลเพื่อสนับสนุนองค์กร
ผู้ใช้ให้ตัดสินใจได้ดี [13] ความยากของ
ค้นหา และปรับใช้ความรู้ใหม่ในบริบท BI
เนื่องจากมีระบบเหมืองข้อมูลอัจฉริยะ และสมบูรณ์.
ข่าวกรองธุรกิจวิธีการวัดคือ ความสามารถใน
สามารถรับความรู้จากข้อมูล ตรงตามกับความท้าทาย
ความสามารถในการระบุรูปแบบ แนวโน้ม กฎ และความสัมพันธ์จาก
ไดรฟ์ข้อมูลที่มีขนาดใหญ่เกินไปที่จะประมวลผลโดย
มนุษย์วิเคราะห์คนเดียวกัน
III A นำเสนอข้อมูลทำเหมืองแร่แอพลิเคชันใน
โดเมนผลิตยานยนต์: DCX
กรณีศึกษา
ผลิตยานยนต์เป็นตลาดที่การ
ผลิตไม่โต้ตอบกับผู้บริโภคโดยตรง ยัง
เข้าใจพื้นฐานของตลาด แนวโน้ม
อารมณ์ และการเปลี่ยนแปลงรสนิยมผู้บริโภค และกำหนดลักษณะ
พื้นฐานการแข่งขัน
รวบรวมข้อมูลการผลิตของ DCX
โซลูชันข้อมูลยานยนต์เหมืองแร่เป็นต่อไปนี้:
•กระบวนการโซ่อุปทาน (ขาย สินค้าคงคลัง ใบ สั่ง,
แผนผลิต) .
•ข้อมูลผลิต (รถ
รหัสตั้งค่าคอนฟิกแพ็คเกจ/ตัว และ
อธิบาย) .
•ข้อมูลการตลาด (ตัวแทนจำหน่าย ธุรกิจศูนย์...
ฯลฯ)
•ลูกค้าของแนวโน้มข้อมูล (เว็บไซต์ webactivities)
คลังสินค้าข้อมูลองค์กรถูกสร้างขึ้นเพื่อเก็บข้อมูลเว็บ,
สินค้าคงคลังข้อมูล ข้อมูลความต้องการรถ และข้อมูลการขายจะดีขึ้น
วิเคราะห์ และคาดการณ์การขายรถยนต์ การจัดการสินค้าคงคลังรถ และ
วางแผนผลิตรถยนต์ ผู้จัดการฝ่ายขาย และการตลาดเป็น
สนใจดีกว่าใช้ข้อมูลสนับสนุนองค์กร
เป้าหมายและวัตถุประสงค์ ผู้จัดการวาดภาพเป็นคู่
สภาพแวดล้อมที่จะปรับปรุงความสามารถในการสนับสนุนการวางแผน
และ บริหารสินค้าคงคลัง การจัดการสิ่งจูงใจ และ
สุดผลิตที่วางแผน นอกจากจะช่วยให้คุณ
พบปะความคาดหวังของการตัดสินใจดำเนินการซึ่ง
ข้อมูลที่เหมาะสมและแนวโน้ม ไม่ว่า
ขอบเขตหน้าที่และชนิดของการวิเคราะห์ที่จำเป็น การ
ต้องเน้นการปรับปรุงการเข้าถึงข้อมูลรายละเอียด เพิ่มเติม
สอดคล้อง และบูรณาการเพิ่มเติมข้อมูล ผู้จัดการมี
สนใจโดยเฉพาะอย่างยิ่งในข้อมูลรวมรัฐของ DCX
ความสัมพันธ์กับลูกค้าและลูกค้าไม่ว่า
ว่าระบบจะออนไลน์ หรือออฟไลน์.
มีคลังข้อมูลที่รวมออนไลน์ และออฟไลน์
พฤติกรรมข้อมูลสำหรับการตัดสินใจเป็นเครื่องมือเชิงกลยุทธ์
ผู้ใช้ทางธุรกิจสามารถใช้ประโยชน์เพื่อเพิ่มอุปสงค์
คาดการณ์ ปรับปรุงการวางแผนผสมรูป/ตกแต่งระดับ ปรับ
ตัวคละรุ่น/ตกแต่งระดับ ด้วยข้อมูลสินค้าคงคลัง และลด
วันบนมาก
DCX อยากช่วยผู้จัดการสินค้าคงคลังย้าย
รถเร็วได้ ไม่ต้องระบุที่
ยานพาหนะที่พักระยะยาวในหุ้นและยานพาหนะที่ย้าย
เร็ว DCX ยังต้องการให้ระบุช่วงที่
โครงรถมักจะขายดีช่วงใหม่
เปิดตัวยานพาหนะ เหล่านี้วิเคราะห์เกี่ยวข้องเนื่องจากพวกเขาทั้งหมด
ต้องรวบรวมข้อมูล ขัดมัน จัดเก็บ การแมปมัน และ
สุดท้าย รวบรวมเพื่องานวิจัยและวิเคราะห์
ระหว่างวิธีการทำเหมืองข้อมูลแตกต่างกัน เราใช้จัดประเภท,
สรุป และวิธีการในการสร้างแบบจำลองอ้างอิงของเรา
แนะนำวิเคราะห์การ
A. เปิดวิเคราะห์
ความคิดพื้นฐานของการวิเคราะห์เปิดจะทำให้การ webactivity
ของสิ่งอำนวยความสะดวก "สร้างและราคา" (เครื่องมือให้ DCX
ช่วยสร้างโมเดลรถตนผู้เข้าชมเว็บไซต์),
พิจารณาแต่ละโครงแบบทำ และวาดเป็นวัดต้น
ความสนใจของลูกค้าสำหรับ vehicle(s) เฉพาะแล้วเปรียบเทียบ
ให้แผนการผลิต ขายสินค้าคงคลัง และใบสั่งของดีลเลอร์
หาปัญหาใด ๆ ได้ในห่วงโซ่อุปทาน ตัวอย่าง,
ลูกค้าอาจมีความต้องการสูง / กำลังการผลิตในการกำหนดค่า
สำหรับบางรุ่นที่มากกว่าตัวแทนจำหน่ายขอหรือ
เสนอแผนผลิตได้
ดังนั้น การวิเคราะห์นี้สามารถให้ผู้บริหารแบรนด์ และ
ผู้จัดการกับการวัดของสินค้าคงคลังในระหว่างการเปิดตัวของใหม่
รถ โดยกิจกรรม "สร้างและราคา" เป็นช่วง
บ่งชี้ความต้องการของลูกค้าในอนาคต
วิเคราะห์เปิดจะได้รับข้อมูลพื้นฐานสำหรับการวิเคราะห์จาก
DCX คลังข้อมูลซึ่งแหล่งข้อมูลหลายแหล่งรวม
รวมข้อมูลโซ่อุปทาน (ใบสั่ง การวางแผนการผลิต สินค้าคงคลัง
และขาย) และเว็บข้อมูลกระแสข้อมูลคลิก "สร้างและราคา" (รถ
โครง) .
วิเคราะห์นี้ให้ DCX ความรู้สำคัญ
เกี่ยวกับ:
•ชี้ต้นน่าสนใจของลูกค้าของใหม่
เปิดตัวยานพาหนะ ("สิ่งที่ลูกค้าต้องการ")
วิเคราะห์เปรียบเทียบระหว่าง "ลูกค้าอะไร
ต้อง" และ "โซ่อะไรให้" โดย
เปรียบเทียบกิจกรรมเว็บไซต์สินค้าคงคลัง ใบสั่ง,
ผลิตและขายแผนการ
DCX ใช้ความรู้นี้เพื่อทำนายว่า ผู้บริโภคที่ซื้อ
พฤติกรรม ให้เปิดตัวรถมุม ขาย และ
สินค้าคงคลังเข้าใจได้
วิเคราะห์เปิดช้า B.
วิเคราะห์นี้มีจุดมุ่งหมายเพื่อระบุยานพาหนะที่ไม่ได้ขายใน
อย่างรวดเร็วทาง (ดังนั้น เราสามารถยังรู้ว่ารถที่ขาย
เร็ว) .
เราสามารถระบุยานพาหนะในระดับต่าง ๆ ของ
ลำดับชั้นโครงแบบของยานพาหนะ ในคำอื่นๆ เราตอบ
คำถามเช่น: ซึ่งรถรุ่นที่ขายในทางช้า ซึ่ง
ขายรถแพ็คเกจสำหรับแบบจำลองร่างกายให้ช้าลง ซึ่ง
แพคเกจและตัวเลือกสำหรับกำหนดรูปร่างกายขายช้า
ภาพรวมโซลูชัน C.
DCX ข้อมูลเหมืองโซลูชันเริ่มต้น โดยการประมวลผล
หุ้นขาย/สั่งข้อมูล เว็บข้อมูล ข้อมูลตัวแทนจำหน่าย และ GAQ (ได้รับการ
ข้อมูลอ้างอิง) และจัดเก็บในคลังข้อมูลชื่อ
"คลังสินค้าข้อมูลรถต้อง" คลังสินค้าข้อมูลถูก
ออกแบบมาเพื่อรองรับการวิเคราะห์ที่ใช้เว็บข้อมูล,
สินค้าคงคลังข้อมูล ข้อมูลความต้องการรถ และข้อมูลการขายจะดีขึ้น
วิเคราะห์ และคาดการณ์การขายรถยนต์ การจัดการสินค้าคงคลังรถ และ
วางแผน
การแปล กรุณารอสักครู่..
Using Data Mining Techniques for Predicting Future
Car market Demand
DCX Case Study
Mouhib Al-Noukari
Arab International University
Damascus, Syria
m-noukari@aeu.ac.sy
Wael Al-Hussan
The Arab Academy for Banking and Financial Sciences
Damascus, Syria
w.alhussan@etqangroup.com
Abstract—Data mining techniques provide people with new
power to research and manipulate the existing large volume of
data. Data mining process discovers interesting information from
the hidden data which can either be used for future prediction
and/or intelligently summarizing the details of the data. There
are many achievements of applying data mining techniques to
various areas such as marketing, medical, financial, and car
manufacturing. In this paper, a proposed data mining
application in car manufacturing domain is explained and
experimented. The application results demonstrate the capability
of data mining techniques in providing important analysis such
as launch analysis and slow turning analysis. Such analysis help
in providing car market with base for more accurate prediction
of future market demand.
Keywords: Data mining; car market; launch analysis, slow turning
analysis, knowledge discovery.
I. INTRODUCTION
The aim of this paper is to provide a proposed data mining
solution that can be used for automotive market, as well as
many other areas. This solution can provide inventory
managers with important analysis such as launch analysis and
slow turning analysis. The use and benefits of these two
analyses will be identified, and explained. A DCX1 case study
will be presented in detail in order to demonstrate the
capability of data mining techniques in the field of car
manufacturing. Such techniques will help manufacturers
finding answers for questions like: which vehicle models sell
slowly? Which vehicle packages for a given body model sell
slower? Which packages and options for a body given model
sell slower?.
Launch analysis will provide manufacturers with
comparison analysis between “what the customer wants” and
“what supply chain is providing”.
II. THEORETICAL FRAMING
It is noted that the number of databases keeps growing
rapidly because of the availability of powerful and affordable
database systems. Millions of databases have been used in
business management, government administration, scientific
and engineering data management, and many other
1 DCX includes: DaimlerChrysler, Dodge, and Jeep.
applications. This explosive growth in data and databases has
generated an urgent need for new techniques and tools that can
intelligently and automatically transform the processed data
into useful information and knowledge, which provide
enterprises with a competitive advantage, working asset that
delivers new revenue, and to enable them to better service and
retain their customers [24].
Data mining application are characterized by the ability to
deal with the explosion of business data and accelerated market
changes, these characteristics help providing powerful tools for
decision makers, such tools can be used by business users (not
only statisticians) for analyzing huge amount of data for
patterns and trends. Consequently, data mining has become a
research area with increasing importance and it involved in
determining useful patterns from collected data or determining
a model that fits best on the collected data [7, 17, 21]. Different
classification schemes can be used to categorize data mining
methods and systems based on the kinds of databases to be
studied, the kinds of knowledge to be discovered, and the kinds
of techniques to be utilized [4, 15, 25].
A data mining task includes pre-processing, the actual data
mining process and post-processing. During the pre-processing
stage, the data mining problem and all sources of data are
identified, and a subset of data is generated from the
accumulated data. To ensure quality the data set is processed to
remove noise, handle missing information and transformed it to
an appropriate format [20].
A data mining technique or a combination of techniques
appropriate for the type of knowledge to be discovered is
applied to the derived data set. The last stage is post-processing
in which the discovered knowledge is evaluated and
interpreted.
Data mining techniques used in business-oriented
applications are known as Business Intelligence (BI). BI is a
general term to mean all processes, techniques, and tools that
gather and analyze data for the purpose of supporting enterprise
users to make better decisions [13]. The difficulty of
discovering and deploying new knowledge in the BI context is
due to the lack of intelligent and complete data mining system.
The measure of any business intelligence solution is its ability
to derive knowledge from data. The challenge is met with the
ability to identify patterns, trends, rules, and relationships from
volumes of information which is too large to be processed by
human analysis alone.
III. A PROPOSED DATA MINING APPLICATION IN
AUTOMOTIVE MANUFACTURING DOMAIN: DCX
CASE STUDY
Automotive manufacturing are markets where the
manufacturer does not interact with the consumer directly, yet
a fundamental understanding of the market, the trends, the
moods, and the changing consumer tastes and preferences are
fundamental to competitive.
The information gathered in order to produce DCX’s
automotive data mining solution are the following:
• Supply chain process (sales, inventory, orders,
production plan).
• Manufacturing information (car
configurations/packages/options codes and
description).
• Marketing information (dealers, business centers…
etc).
• Customers’ trends information (websites webactivities).
An enterprise data warehouse is built to hold web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning car production. Sales and marketing managers are
interested in better leveraging data in support of the enterprise
goals and objectives. Managers envision an analytic
environment that will improve their ability to support planning
and inventory management, incentives management, and
ultimately production planning, in addition to enable them to
meet the expectations of their decision-making process which
is supported by appropriate data and trends. Regardless of
functional boundaries and type of analysis needed, their
requirements focus on improving access to detailed data, more
consistent and more integrated information. Managers are
interested especially in integrated data spanning DCX’s
relationship with its customers and prospects regardless of
whether the systems are online or offline.
Having a data warehouse that combines online and offline
behavioral data for decision-making purposes is a strategic tool
which business users can leverage to improve sales demand
forecasting, improve model/trim level mix planning, adjust
body model/trim level mix with inventory data, and reduce
days on lot.
DCX wants to help the inventory managers to move
vehicles faster. In order to do this it needs to identify which
vehicles stay long in stock as well as which vehicles move
faster. DCX also wants to make early indication on which
vehicle configurations are likely to sell well during new
vehicles launching. These analyzes are related because they all
require gathering data, scrubbing it, storing it, mapping it and
finally aggregating it for the purpose of research and analysis.
Among different data mining methods, we used classification,
summarization, and dependency modeling methods in our
suggested analysis.
A. Launch Analysis
The basic idea of the Launch Analysis is to make the webactivity
of “Build and Price” facility (A tool provided at DCX
web site helping visitors building their own car models),
consider each configuration made and draw an early measure
of the customers’ interest for a specific vehicle(s) then compare
it to the production plan, inventory sales and dealers’ orders to
find out any possible issues in the supply chain. For example,
customers may have higher demands/capacity in configurations
for some models more than what dealers request or what
production plan offers.
So, this analysis can provide the brand managers and
inventory managers with metrics during the launch of a new
vehicle by using the “Build and Price” activity as the early
indication of future customer demand.
Launch analysis is getting their base data for analysis from
DCX data warehouse which integrates multiple data sources
including supply chain data (Order, Production Plan, Inventory
and Sale) and web click-stream “Build and Price” data (Car
configuration).
This analysis provides DCX with important knowledge
about:
• Early indicator of the customers’ interest of newly
launched vehicles (“what the customer wants”).
• Comparison analysis between “what the customer
wants” and “what supply chain is providing” by
comparing websites web-activity to inventory, order,
sale and production plan.
DCX uses this knowledge to predict consumer purchasing
behavior, and provide actionable vehicle launch, sales and
inventory insight.
B. Slow Turn Analysis
This analysis aims to identify vehicles which do not sell in
fast way (as a result we can also know the vehicle that sell
faster).
We can identify the vehicles at different levels of the
vehicle configuration hierarchy. In other words we answer
questions like: Which vehicle models sell in slow way? Which
vehicle packages for a given body model sell slower? Which
packages and options for a body given model sell slower?.
C. Solution Overview
DCX data mining solution starts by processing
Stock/Sale/Order data, web data, dealer data and GAQ (Get a
Quote) data and store them in a data warehouse named
“Vehicle Demand Data Warehouse”. The data warehouse was
designed in order to support analysis that aim to use web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning
Car market Demand
DCX Case Study
Mouhib Al-Noukari
Arab International University
Damascus, Syria
m-noukari@aeu.ac.sy
Wael Al-Hussan
The Arab Academy for Banking and Financial Sciences
Damascus, Syria
w.alhussan@etqangroup.com
Abstract—Data mining techniques provide people with new
power to research and manipulate the existing large volume of
data. Data mining process discovers interesting information from
the hidden data which can either be used for future prediction
and/or intelligently summarizing the details of the data. There
are many achievements of applying data mining techniques to
various areas such as marketing, medical, financial, and car
manufacturing. In this paper, a proposed data mining
application in car manufacturing domain is explained and
experimented. The application results demonstrate the capability
of data mining techniques in providing important analysis such
as launch analysis and slow turning analysis. Such analysis help
in providing car market with base for more accurate prediction
of future market demand.
Keywords: Data mining; car market; launch analysis, slow turning
analysis, knowledge discovery.
I. INTRODUCTION
The aim of this paper is to provide a proposed data mining
solution that can be used for automotive market, as well as
many other areas. This solution can provide inventory
managers with important analysis such as launch analysis and
slow turning analysis. The use and benefits of these two
analyses will be identified, and explained. A DCX1 case study
will be presented in detail in order to demonstrate the
capability of data mining techniques in the field of car
manufacturing. Such techniques will help manufacturers
finding answers for questions like: which vehicle models sell
slowly? Which vehicle packages for a given body model sell
slower? Which packages and options for a body given model
sell slower?.
Launch analysis will provide manufacturers with
comparison analysis between “what the customer wants” and
“what supply chain is providing”.
II. THEORETICAL FRAMING
It is noted that the number of databases keeps growing
rapidly because of the availability of powerful and affordable
database systems. Millions of databases have been used in
business management, government administration, scientific
and engineering data management, and many other
1 DCX includes: DaimlerChrysler, Dodge, and Jeep.
applications. This explosive growth in data and databases has
generated an urgent need for new techniques and tools that can
intelligently and automatically transform the processed data
into useful information and knowledge, which provide
enterprises with a competitive advantage, working asset that
delivers new revenue, and to enable them to better service and
retain their customers [24].
Data mining application are characterized by the ability to
deal with the explosion of business data and accelerated market
changes, these characteristics help providing powerful tools for
decision makers, such tools can be used by business users (not
only statisticians) for analyzing huge amount of data for
patterns and trends. Consequently, data mining has become a
research area with increasing importance and it involved in
determining useful patterns from collected data or determining
a model that fits best on the collected data [7, 17, 21]. Different
classification schemes can be used to categorize data mining
methods and systems based on the kinds of databases to be
studied, the kinds of knowledge to be discovered, and the kinds
of techniques to be utilized [4, 15, 25].
A data mining task includes pre-processing, the actual data
mining process and post-processing. During the pre-processing
stage, the data mining problem and all sources of data are
identified, and a subset of data is generated from the
accumulated data. To ensure quality the data set is processed to
remove noise, handle missing information and transformed it to
an appropriate format [20].
A data mining technique or a combination of techniques
appropriate for the type of knowledge to be discovered is
applied to the derived data set. The last stage is post-processing
in which the discovered knowledge is evaluated and
interpreted.
Data mining techniques used in business-oriented
applications are known as Business Intelligence (BI). BI is a
general term to mean all processes, techniques, and tools that
gather and analyze data for the purpose of supporting enterprise
users to make better decisions [13]. The difficulty of
discovering and deploying new knowledge in the BI context is
due to the lack of intelligent and complete data mining system.
The measure of any business intelligence solution is its ability
to derive knowledge from data. The challenge is met with the
ability to identify patterns, trends, rules, and relationships from
volumes of information which is too large to be processed by
human analysis alone.
III. A PROPOSED DATA MINING APPLICATION IN
AUTOMOTIVE MANUFACTURING DOMAIN: DCX
CASE STUDY
Automotive manufacturing are markets where the
manufacturer does not interact with the consumer directly, yet
a fundamental understanding of the market, the trends, the
moods, and the changing consumer tastes and preferences are
fundamental to competitive.
The information gathered in order to produce DCX’s
automotive data mining solution are the following:
• Supply chain process (sales, inventory, orders,
production plan).
• Manufacturing information (car
configurations/packages/options codes and
description).
• Marketing information (dealers, business centers…
etc).
• Customers’ trends information (websites webactivities).
An enterprise data warehouse is built to hold web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning car production. Sales and marketing managers are
interested in better leveraging data in support of the enterprise
goals and objectives. Managers envision an analytic
environment that will improve their ability to support planning
and inventory management, incentives management, and
ultimately production planning, in addition to enable them to
meet the expectations of their decision-making process which
is supported by appropriate data and trends. Regardless of
functional boundaries and type of analysis needed, their
requirements focus on improving access to detailed data, more
consistent and more integrated information. Managers are
interested especially in integrated data spanning DCX’s
relationship with its customers and prospects regardless of
whether the systems are online or offline.
Having a data warehouse that combines online and offline
behavioral data for decision-making purposes is a strategic tool
which business users can leverage to improve sales demand
forecasting, improve model/trim level mix planning, adjust
body model/trim level mix with inventory data, and reduce
days on lot.
DCX wants to help the inventory managers to move
vehicles faster. In order to do this it needs to identify which
vehicles stay long in stock as well as which vehicles move
faster. DCX also wants to make early indication on which
vehicle configurations are likely to sell well during new
vehicles launching. These analyzes are related because they all
require gathering data, scrubbing it, storing it, mapping it and
finally aggregating it for the purpose of research and analysis.
Among different data mining methods, we used classification,
summarization, and dependency modeling methods in our
suggested analysis.
A. Launch Analysis
The basic idea of the Launch Analysis is to make the webactivity
of “Build and Price” facility (A tool provided at DCX
web site helping visitors building their own car models),
consider each configuration made and draw an early measure
of the customers’ interest for a specific vehicle(s) then compare
it to the production plan, inventory sales and dealers’ orders to
find out any possible issues in the supply chain. For example,
customers may have higher demands/capacity in configurations
for some models more than what dealers request or what
production plan offers.
So, this analysis can provide the brand managers and
inventory managers with metrics during the launch of a new
vehicle by using the “Build and Price” activity as the early
indication of future customer demand.
Launch analysis is getting their base data for analysis from
DCX data warehouse which integrates multiple data sources
including supply chain data (Order, Production Plan, Inventory
and Sale) and web click-stream “Build and Price” data (Car
configuration).
This analysis provides DCX with important knowledge
about:
• Early indicator of the customers’ interest of newly
launched vehicles (“what the customer wants”).
• Comparison analysis between “what the customer
wants” and “what supply chain is providing” by
comparing websites web-activity to inventory, order,
sale and production plan.
DCX uses this knowledge to predict consumer purchasing
behavior, and provide actionable vehicle launch, sales and
inventory insight.
B. Slow Turn Analysis
This analysis aims to identify vehicles which do not sell in
fast way (as a result we can also know the vehicle that sell
faster).
We can identify the vehicles at different levels of the
vehicle configuration hierarchy. In other words we answer
questions like: Which vehicle models sell in slow way? Which
vehicle packages for a given body model sell slower? Which
packages and options for a body given model sell slower?.
C. Solution Overview
DCX data mining solution starts by processing
Stock/Sale/Order data, web data, dealer data and GAQ (Get a
Quote) data and store them in a data warehouse named
“Vehicle Demand Data Warehouse”. The data warehouse was
designed in order to support analysis that aim to use web data,
inventory data, car demand data and sales data to better
analyzing and predicting car sales, managing car inventory and
planning
การแปล กรุณารอสักครู่..
การใช้เทคนิคเหมืองข้อมูลเพื่อทำนายอนาคต
รถตลาดของบริษัทกรณีศึกษา
mouhib อัลอาหรับมหาวิทยาลัยนานาชาติ noukari
Damascus , ซีเรีย m-noukari @
wael aeu . ac.sy อัลอาหรับสำหรับ hussan
สถาบันการธนาคารและการเงินวิทยาศาสตร์
w.alhussan @ Damascus , ซีเรีย etqangroup . com
นามธรรมเทคนิคเหมืองข้อมูลให้แก่ประชาชน พลังใหม่เพื่อการวิจัยและจัดการ
ที่มีอยู่ปริมาณมากข้อมูล กระบวนการเหมืองข้อมูล พบข้อมูลที่น่าสนใจจาก
ที่ซ่อนข้อมูลซึ่งสามารถใช้ในการทำนายอนาคต และ / หรือ อย่างชาญฉลาด
สรุปรายละเอียดของข้อมูล มีหลายความสำเร็จ
ใช้เทคนิคการทำเหมืองข้อมูล
พื้นที่ต่างๆ เช่น การตลาด , การแพทย์ , การเงิน , และการผลิตรถ
บทความนี้นำเสนอการทำเหมืองข้อมูล
การประยุกต์ใช้ในการผลิตรถยนต์และโดเมนอธิบาย
ทดลอง . ผลลัพธ์ที่แสดงให้เห็นถึงความสามารถในการใช้เทคนิคเหมืองข้อมูลให้
ที่สำคัญการวิเคราะห์เช่นการวิเคราะห์และช้าเปลี่ยนการวิเคราะห์การเปิดตัว เช่นการวิเคราะห์ช่วยให้ตลาดรถยนต์ด้วย
ทำนายถูกต้องมากขึ้นฐานของความต้องการของตลาดในอนาคต
เหมืองข้อมูล ตลาดรถยนต์ เปิดตัววิเคราะห์ช้าเปิด
การวิเคราะห์การค้นพบความรู้ ผมแนะนำ
จุดประสงค์ของบทความนี้คือเพื่อให้เสนอข้อมูลเหมืองแร่
การแก้ปัญหาที่สามารถใช้สำหรับตลาดยานยนต์ ตลอดจน
พื้นที่อื่น ๆ อีกมากมาย วิธีนี้สามารถให้ผู้จัดการสินค้าคงคลัง
ที่สำคัญการวิเคราะห์ เช่น การวิเคราะห์และการวิเคราะห์
ช้าเปิดเปิดตัว การใช้และประโยชน์ของทั้งสอง
การวิเคราะห์จะถูกระบุและอธิบายเป็น dcx1 กรณีศึกษา
จะนำเสนอในรายละเอียด เพื่อที่จะแสดงให้เห็นถึง
ความสามารถของเทคนิคการทำเหมืองข้อมูลในด้านการผลิตรถ
เทคนิคดังกล่าวจะช่วยให้ผู้ผลิต
หาคำตอบสำหรับคำถามเช่น : ซึ่งรถรุ่น ขาย
อย่างช้าๆ ซึ่งรถแพคเกจสำหรับการขายรูปแบบร่างกาย
ช้าลง ? ซึ่งแพคเกจและตัวเลือกสำหรับร่างกายให้นางแบบ
ขายช้าลง ? .
เปิดตัววิเคราะห์จะให้ผู้ผลิต
เปรียบเทียบข้อมูลระหว่าง " สิ่งที่ลูกค้าต้องการ "
" สิ่งที่ห่วงโซ่อุปทานคือการให้ "
2 ทฤษฎีกรอบ
มีข้อสังเกตว่าจำนวนของฐานข้อมูลเพิ่มขึ้นเรื่อย
อย่างรวดเร็วเนื่องจากความพร้อมของที่มีประสิทธิภาพและราคาไม่แพง
ระบบฐานข้อมูล ล้านฐานข้อมูลถูกใช้ในการจัดการของรัฐบาล การบริหารธุรกิจวิทยาศาสตร์
และวิศวกรรมการจัดการข้อมูล และบริษัทอื่น ๆรวมถึง :
1 มากกว่า , ดอดจ์ , รถจี๊ปและ .
โปรแกรม นี้การเจริญเติบโตระเบิดในข้อมูลและฐานข้อมูลได้
สร้างความจำเป็นเร่งด่วนสำหรับเทคนิคใหม่และเครื่องมือที่ชาญฉลาดและโดยอัตโนมัติแปลง
การประมวลผลข้อมูลเป็นสารสนเทศที่เป็นประโยชน์ และความรู้ที่ให้
องค์กรที่มีความได้เปรียบทำงานสินทรัพย์ที่
มอบรายได้ใหม่ และเพื่อให้สามารถให้บริการที่ดีขึ้นและรักษาลูกค้าของพวกเขา
[ 24 ] .
การประยุกต์ใช้เหมืองข้อมูลมีความสามารถ
จัดการกับการระเบิดของข้อมูลทางธุรกิจ และเร่งการเปลี่ยนแปลงของตลาด
, ลักษณะเหล่านี้ช่วยให้เครื่องมือที่มีประสิทธิภาพสำหรับ
ผู้ตัดสินใจ เครื่องมือดังกล่าวสามารถใช้ โดยผู้ใช้ทางธุรกิจ ( ไม่ใช่
เท่านั้น ) สำหรับการวิเคราะห์สถิติจำนวนมหาศาลของข้อมูลสำหรับ
รูปแบบและแนวโน้ม ดังนั้น การทําเหมืองข้อมูลได้กลายเป็นพื้นที่วิจัยที่มีความสำคัญเพิ่มมากขึ้น
และก็มีส่วนร่วมในการกำหนดรูปแบบ ประโยชน์จากข้อมูลหรือกำหนด
แบบที่เหมาะกับที่ดีที่สุดในการเก็บข้อมูล [ 7 , 17 , 21 ) รูปแบบหมวดหมู่ที่แตกต่างกันที่สามารถใช้จัดหมวดหมู่
ข้อมูลเหมืองแร่วิธีการและระบบขึ้นอยู่กับชนิดของฐานข้อมูลที่จะ
ศึกษาชนิดของความรู้ที่จะค้นพบและชนิด
เทคนิคไปใช้ [ 4 , 15 , 25 ] .
งานการทำเหมืองข้อมูลรวมถึงการประมวลผล , ข้อมูลจริง
เหมืองแร่กระบวนการและการโพสต์ ในระหว่างการประมวลผล
ขั้นตอนการทําเหมืองข้อมูลปัญหาและแหล่งที่มาของข้อมูล
ระบุและชุดย่อยของข้อมูลที่สร้างขึ้นจาก
สะสมข้อมูล เพื่อให้แน่ใจว่าคุณภาพของชุดข้อมูลจะถูกประมวลผลเพื่อ
ลบเสียง , จัดการข้อมูลที่หายไปและเปลี่ยนมันเป็นรูปแบบเหมาะสม
[ 20 ] .
a เทคนิคเหมืองข้อมูลหรือการรวมกันของเทคนิค
ที่เหมาะสมสำหรับประเภทของความรู้ที่จะค้นพบคือ
ประยุกต์และชุดข้อมูล ขั้นตอนสุดท้ายคือการโพสต์
ซึ่งในการค้นพบความรู้คือการประเมินและ
ข้อมูลเหมืองแร่ว่า เทคนิคที่ใช้ในธุรกิจที่มุ่งเน้น
โปรแกรมจะเรียกว่าข่าวกรองธุรกิจ ( BI ) บีเป็น
เทอมทั่วไปหมายถึง ทั้งหมด กระบวนการ เทคนิคและเครื่องมือที่
รวบรวมและวิเคราะห์ข้อมูลเพื่อสนับสนุนองค์กรผู้ใช้
ที่จะตัดสินใจได้ดีขึ้น [ 13 ] ความยากของ
การค้นพบและการปรับใช้ความรู้ใหม่ในบริบทคือบี
เนื่องจากการขาดของอัจฉริยะและระบบเหมืองข้อมูลสมบูรณ์ .
วัดของข่าวกรองธุรกิจโซลูชั่น
ความสามารถในการสืบทอดความรู้จากข้อมูล ความท้าทายคือการได้พบกับ
ความสามารถในการระบุรูปแบบ แนวโน้ม และกฎกติกาความสัมพันธ์จาก
ปริมาณของข้อมูลซึ่งมีขนาดใหญ่เกินไปที่จะถูกประมวลผลโดย
มนุษย์การวิเคราะห์คนเดียว .
3 นำเสนอการทำเหมืองข้อมูลประยุกต์ในการผลิตยานยนต์ :
โดเมนของบริษัทกรณีศึกษา
การผลิตยานยนต์เป็นตลาดที่ผู้ผลิตไม่ได้โต้ตอบกับผู้บริโภคโดยตรงยัง
ความเข้าใจพื้นฐานของตลาด , แนวโน้ม ,
อารมณ์ และการเปลี่ยนแปลงรสนิยมและความต้องการของผู้บริโภคเป็น
พื้นฐาน
เพื่อแข่งขันข้อมูลที่รวบรวมเพื่อผลิตยานยนต์ของบริษัทโซลูชั่นข้อมูลเหมืองแร่มีดังต่อไปนี้ :
- ห่วงโซ่อุปทานกระบวนการ ( การขาย , สินค้าคงคลัง , ใบสั่งซื้อ
ข้อมูลการผลิตการวางแผนการผลิต ) - ( รถ
การกำหนดค่า / แพคเกจ / ตัวเลือกรหัส
รายละเอียด ) .
ข้อมูลการตลาดบริการ ( ตัวแทน , ศูนย์ธุรกิจ
. . . . . . . ฯลฯ ) .
- แนวโน้มข้อมูลลูกค้า ( เว็บไซต์
webactivities )คลังสินค้าข้อมูลองค์กรที่ถูกสร้างขึ้นเพื่อเก็บข้อมูลเว็บ
ข้อมูลสินค้าคงคลัง , ความต้องการบริการข้อมูลและขายไปดีกว่า
การวิเคราะห์และพยากรณ์ยอดขายรถยนต์ , การจัดการสินค้าคงคลังและการผลิตรถ
รถวางแผน การขายและผู้จัดการฝ่ายการตลาดที่มีความสนใจในด้านข้อมูลดีกว่า
ในการสนับสนุนขององค์กรเป้าหมายและวัตถุประสงค์ รวมทั้งวิเคราะห์
ผู้จัดการสภาพแวดล้อมที่จะปรับปรุงความสามารถในการสนับสนุนการวางแผน
และการจัดการสินค้าคงคลัง , การจัดการสิ่งจูงใจและ
ในที่สุดการวางแผนการผลิต นอกจากจะช่วยให้พวกเขาที่จะตอบสนองความคาดหวังของพวกเขา
กระบวนการในการตัดสินใจ ซึ่งได้รับการสนับสนุนโดยข้อมูลที่เหมาะสมและแนวโน้ม ไม่ว่า
หน้าที่ขอบเขตและประเภทของการวิเคราะห์ของพวกเขา
เป็นความต้องการที่มุ่งเน้นในการปรับปรุงการเข้าถึงข้อมูลรายละเอียดเพิ่มเติม
ที่สอดคล้องกันและรวบรวมข้อมูลเพิ่มเติม ผู้จัดการ
สนใจโดยเฉพาะอย่างยิ่งในบูรณาการข้อมูลครอบคลุมความสัมพันธ์ของบริษัทกับลูกค้าและกลุ่มเป้าหมาย
ไม่ว่าไม่ว่าระบบจะออนไลน์หรือออฟไลน์
มีคลังข้อมูลที่รวมออนไลน์และออฟไลน์
ข้อมูลพฤติกรรมเพื่อวัตถุประสงค์ในการตัดสินใจเป็นเครื่องมือเชิงกลยุทธ์ของธุรกิจ
ซึ่งผู้ใช้สามารถใช้ประโยชน์เพื่อปรับปรุงการขายการพยากรณ์ความต้องการ
ปรับปรุงรูปแบบ / ตัดแต่งวางแผนผสมระดับปรับ
ร่างกายรูปแบบ / ตัดแต่งระดับผสมกับข้อมูลสินค้าคงคลังและลด
วัน มูลค่า มาก อยากช่วยให้สินค้าคงคลังผู้จัดการย้าย
ยานพาหนะได้เร็วขึ้น เพื่อที่จะทำนี้จะต้องระบุซึ่ง
ยานพาหนะที่พักระยะยาวในหุ้นรวมทั้งซึ่งยานพาหนะย้าย
ได้เร็วขึ้น บริษัทยังต้องการให้ข้อบ่งชี้ต้นที่
แบบรถมีแนวโน้มที่จะขายดีในช่วงใหม่
รถยนต์เปิดตัว เหล่านี้วิเคราะห์ที่เกี่ยวข้องเพราะพวกเขาทั้งหมด
ต้องการรวบรวมข้อมูล , ขัดมัน , เก็บมัน , การทำแผนที่และ
ในที่สุดรวมกันเพื่อวัตถุประสงค์ของการวิจัยและการวิเคราะห์ .
ระหว่างวิธีการทำเหมืองข้อมูลแตกต่าง เราใช้ข้อมูล
สรุป และการพึ่งพาการวิธีการของเรา
แนะนำการวิเคราะห์ การวิเคราะห์การเปิดตัว A .
แนวคิดพื้นฐานของการวิเคราะห์การเปิดตัวเพื่อให้ webactivity
" สร้างสถานที่และราคา " ( เป็นเครื่องมือที่ช่วยให้ผู้เข้าชมเว็บไซต์ของบริษัท
สร้างโมเดลรถยนต์ของตนเอง )
พิจารณาแต่ละค่า และวัดแต่เช้า
วาดความสนใจของลูกค้าสำหรับรถเฉพาะ ( s ) แล้วเปรียบเทียบ
เพื่อการวางแผนการผลิต , การขายและการสั่งซื้อของสินค้าคงคลังค้า
หาปัญหาที่เป็นไปได้ใด ๆในห่วงโซ่อุปทาน ตัวอย่างเช่น ลูกค้าอาจจะสูงกว่าความต้องการ
/ ความสามารถในการกำหนดค่าสำหรับบางรุ่นมากกว่าสิ่งที่ผู้ค้าร้องขอหรืออะไร
ดังนั้นการวางแผนการผลิตเสนอ การวิเคราะห์นี้สามารถให้ผู้จัดการแบรนด์และ
สินค้าคงคลังผู้จัดการกับตัวชี้วัดในการเปิดตัวรถใหม่
โดยใช้ " สร้างและราคากิจกรรม " เป็นข้อบ่งชี้ต้น
การวิเคราะห์ความต้องการของลูกค้าในอนาคต คือ การเปิดตัวฐานข้อมูลของพวกเขาสำหรับการวิเคราะห์จากข้อมูลคลังสินค้า ซึ่งรวมมูลค่า
หลายแหล่งข้อมูลรวมทั้งห่วงโซ่อุปทานข้อมูล ( สั่งซื้อ , แผน , สินค้าคงคลัง
ผลิตและการขาย ) และเว็บคลิก " สร้างกระแสข้อมูลและราคา " ( การปรับแต่งรถ
) . การวิเคราะห์นี้จะให้บริษัทที่สำคัญความรู้เกี่ยวกับ :
-
ก่อนแสดงความสนใจของลูกค้าใหม่เปิดตัวยานพาหนะ (
" ลูกค้าต้องการอะไร " )
- เปรียบเทียบข้อมูลระหว่าง " สิ่งที่ลูกค้า
ต้องการ " และ " สิ่งที่ห่วงโซ่อุปทานคือการให้ " โดย
เปรียบเทียบกิจกรรมเว็บไซต์เว็บสินค้าคงคลัง , สั่งซื้อ ,
ขายและจัดทำแผนการผลิต บริษัทใช้ความรู้นี้เพื่อทํานาย
พฤติกรรมผู้บริโภคเลือกซื้อ และให้ปล่อยรถในอนาคต , การขายและข้อมูลสินค้าคงคลัง
.
b ช้าเปิดการวิเคราะห์
การวิเคราะห์นี้มีวัตถุประสงค์เพื่อระบุรถที่ไม่ได้ขายใน
วิธีที่รวดเร็ว ( เป็นผลให้เราสามารถทราบว่ารถขาย
เร็ว ) .
เราสามารถระบุยานพาหนะในระดับที่แตกต่างกันของ
ลำดับชั้นการปรับแต่งรถ ในคำอื่น ๆเราตอบ
คำถาม : ซึ่งรถรุ่นขายในลักษณะช้า ? ซึ่ง
รถแพคเกจให้แบบร่างขายช้าลง ? ซึ่ง
แพคเกจและตัวเลือกสำหรับร่างกายให้นางแบบขายช้าลง ? .
c . โซลูชั่น โซลูชั่น บริษัท เหมืองแร่เริ่มโดยการประมวลผลข้อมูลภาพรวม
สินค้า / ขาย / การสั่งซื้อ ข้อมูลเว็บ , ข้อมูลจําหน่ายและ gaq ( รับ
อ้าง ) ข้อมูลและเก็บไว้ในคลังสินค้าของข้อมูลชื่อ
" ยานพาหนะความต้องการข้อมูลคลังสินค้า " คลังข้อมูลคือ
ออกแบบมาเพื่อสนับสนุนการวิเคราะห์ที่มุ่งมั่นที่จะใช้ข้อมูลเว็บ
ข้อมูลสินค้าคงคลัง , ความต้องการบริการข้อมูลและขายไปดีกว่า
การวิเคราะห์และพยากรณ์ยอดขายรถยนต์ , การจัดการสินค้าคงคลังและรถ
วางแผน
รถตลาดของบริษัทกรณีศึกษา
mouhib อัลอาหรับมหาวิทยาลัยนานาชาติ noukari
Damascus , ซีเรีย m-noukari @
wael aeu . ac.sy อัลอาหรับสำหรับ hussan
สถาบันการธนาคารและการเงินวิทยาศาสตร์
w.alhussan @ Damascus , ซีเรีย etqangroup . com
นามธรรมเทคนิคเหมืองข้อมูลให้แก่ประชาชน พลังใหม่เพื่อการวิจัยและจัดการ
ที่มีอยู่ปริมาณมากข้อมูล กระบวนการเหมืองข้อมูล พบข้อมูลที่น่าสนใจจาก
ที่ซ่อนข้อมูลซึ่งสามารถใช้ในการทำนายอนาคต และ / หรือ อย่างชาญฉลาด
สรุปรายละเอียดของข้อมูล มีหลายความสำเร็จ
ใช้เทคนิคการทำเหมืองข้อมูล
พื้นที่ต่างๆ เช่น การตลาด , การแพทย์ , การเงิน , และการผลิตรถ
บทความนี้นำเสนอการทำเหมืองข้อมูล
การประยุกต์ใช้ในการผลิตรถยนต์และโดเมนอธิบาย
ทดลอง . ผลลัพธ์ที่แสดงให้เห็นถึงความสามารถในการใช้เทคนิคเหมืองข้อมูลให้
ที่สำคัญการวิเคราะห์เช่นการวิเคราะห์และช้าเปลี่ยนการวิเคราะห์การเปิดตัว เช่นการวิเคราะห์ช่วยให้ตลาดรถยนต์ด้วย
ทำนายถูกต้องมากขึ้นฐานของความต้องการของตลาดในอนาคต
เหมืองข้อมูล ตลาดรถยนต์ เปิดตัววิเคราะห์ช้าเปิด
การวิเคราะห์การค้นพบความรู้ ผมแนะนำ
จุดประสงค์ของบทความนี้คือเพื่อให้เสนอข้อมูลเหมืองแร่
การแก้ปัญหาที่สามารถใช้สำหรับตลาดยานยนต์ ตลอดจน
พื้นที่อื่น ๆ อีกมากมาย วิธีนี้สามารถให้ผู้จัดการสินค้าคงคลัง
ที่สำคัญการวิเคราะห์ เช่น การวิเคราะห์และการวิเคราะห์
ช้าเปิดเปิดตัว การใช้และประโยชน์ของทั้งสอง
การวิเคราะห์จะถูกระบุและอธิบายเป็น dcx1 กรณีศึกษา
จะนำเสนอในรายละเอียด เพื่อที่จะแสดงให้เห็นถึง
ความสามารถของเทคนิคการทำเหมืองข้อมูลในด้านการผลิตรถ
เทคนิคดังกล่าวจะช่วยให้ผู้ผลิต
หาคำตอบสำหรับคำถามเช่น : ซึ่งรถรุ่น ขาย
อย่างช้าๆ ซึ่งรถแพคเกจสำหรับการขายรูปแบบร่างกาย
ช้าลง ? ซึ่งแพคเกจและตัวเลือกสำหรับร่างกายให้นางแบบ
ขายช้าลง ? .
เปิดตัววิเคราะห์จะให้ผู้ผลิต
เปรียบเทียบข้อมูลระหว่าง " สิ่งที่ลูกค้าต้องการ "
" สิ่งที่ห่วงโซ่อุปทานคือการให้ "
2 ทฤษฎีกรอบ
มีข้อสังเกตว่าจำนวนของฐานข้อมูลเพิ่มขึ้นเรื่อย
อย่างรวดเร็วเนื่องจากความพร้อมของที่มีประสิทธิภาพและราคาไม่แพง
ระบบฐานข้อมูล ล้านฐานข้อมูลถูกใช้ในการจัดการของรัฐบาล การบริหารธุรกิจวิทยาศาสตร์
และวิศวกรรมการจัดการข้อมูล และบริษัทอื่น ๆรวมถึง :
1 มากกว่า , ดอดจ์ , รถจี๊ปและ .
โปรแกรม นี้การเจริญเติบโตระเบิดในข้อมูลและฐานข้อมูลได้
สร้างความจำเป็นเร่งด่วนสำหรับเทคนิคใหม่และเครื่องมือที่ชาญฉลาดและโดยอัตโนมัติแปลง
การประมวลผลข้อมูลเป็นสารสนเทศที่เป็นประโยชน์ และความรู้ที่ให้
องค์กรที่มีความได้เปรียบทำงานสินทรัพย์ที่
มอบรายได้ใหม่ และเพื่อให้สามารถให้บริการที่ดีขึ้นและรักษาลูกค้าของพวกเขา
[ 24 ] .
การประยุกต์ใช้เหมืองข้อมูลมีความสามารถ
จัดการกับการระเบิดของข้อมูลทางธุรกิจ และเร่งการเปลี่ยนแปลงของตลาด
, ลักษณะเหล่านี้ช่วยให้เครื่องมือที่มีประสิทธิภาพสำหรับ
ผู้ตัดสินใจ เครื่องมือดังกล่าวสามารถใช้ โดยผู้ใช้ทางธุรกิจ ( ไม่ใช่
เท่านั้น ) สำหรับการวิเคราะห์สถิติจำนวนมหาศาลของข้อมูลสำหรับ
รูปแบบและแนวโน้ม ดังนั้น การทําเหมืองข้อมูลได้กลายเป็นพื้นที่วิจัยที่มีความสำคัญเพิ่มมากขึ้น
และก็มีส่วนร่วมในการกำหนดรูปแบบ ประโยชน์จากข้อมูลหรือกำหนด
แบบที่เหมาะกับที่ดีที่สุดในการเก็บข้อมูล [ 7 , 17 , 21 ) รูปแบบหมวดหมู่ที่แตกต่างกันที่สามารถใช้จัดหมวดหมู่
ข้อมูลเหมืองแร่วิธีการและระบบขึ้นอยู่กับชนิดของฐานข้อมูลที่จะ
ศึกษาชนิดของความรู้ที่จะค้นพบและชนิด
เทคนิคไปใช้ [ 4 , 15 , 25 ] .
งานการทำเหมืองข้อมูลรวมถึงการประมวลผล , ข้อมูลจริง
เหมืองแร่กระบวนการและการโพสต์ ในระหว่างการประมวลผล
ขั้นตอนการทําเหมืองข้อมูลปัญหาและแหล่งที่มาของข้อมูล
ระบุและชุดย่อยของข้อมูลที่สร้างขึ้นจาก
สะสมข้อมูล เพื่อให้แน่ใจว่าคุณภาพของชุดข้อมูลจะถูกประมวลผลเพื่อ
ลบเสียง , จัดการข้อมูลที่หายไปและเปลี่ยนมันเป็นรูปแบบเหมาะสม
[ 20 ] .
a เทคนิคเหมืองข้อมูลหรือการรวมกันของเทคนิค
ที่เหมาะสมสำหรับประเภทของความรู้ที่จะค้นพบคือ
ประยุกต์และชุดข้อมูล ขั้นตอนสุดท้ายคือการโพสต์
ซึ่งในการค้นพบความรู้คือการประเมินและ
ข้อมูลเหมืองแร่ว่า เทคนิคที่ใช้ในธุรกิจที่มุ่งเน้น
โปรแกรมจะเรียกว่าข่าวกรองธุรกิจ ( BI ) บีเป็น
เทอมทั่วไปหมายถึง ทั้งหมด กระบวนการ เทคนิคและเครื่องมือที่
รวบรวมและวิเคราะห์ข้อมูลเพื่อสนับสนุนองค์กรผู้ใช้
ที่จะตัดสินใจได้ดีขึ้น [ 13 ] ความยากของ
การค้นพบและการปรับใช้ความรู้ใหม่ในบริบทคือบี
เนื่องจากการขาดของอัจฉริยะและระบบเหมืองข้อมูลสมบูรณ์ .
วัดของข่าวกรองธุรกิจโซลูชั่น
ความสามารถในการสืบทอดความรู้จากข้อมูล ความท้าทายคือการได้พบกับ
ความสามารถในการระบุรูปแบบ แนวโน้ม และกฎกติกาความสัมพันธ์จาก
ปริมาณของข้อมูลซึ่งมีขนาดใหญ่เกินไปที่จะถูกประมวลผลโดย
มนุษย์การวิเคราะห์คนเดียว .
3 นำเสนอการทำเหมืองข้อมูลประยุกต์ในการผลิตยานยนต์ :
โดเมนของบริษัทกรณีศึกษา
การผลิตยานยนต์เป็นตลาดที่ผู้ผลิตไม่ได้โต้ตอบกับผู้บริโภคโดยตรงยัง
ความเข้าใจพื้นฐานของตลาด , แนวโน้ม ,
อารมณ์ และการเปลี่ยนแปลงรสนิยมและความต้องการของผู้บริโภคเป็น
พื้นฐาน
เพื่อแข่งขันข้อมูลที่รวบรวมเพื่อผลิตยานยนต์ของบริษัทโซลูชั่นข้อมูลเหมืองแร่มีดังต่อไปนี้ :
- ห่วงโซ่อุปทานกระบวนการ ( การขาย , สินค้าคงคลัง , ใบสั่งซื้อ
ข้อมูลการผลิตการวางแผนการผลิต ) - ( รถ
การกำหนดค่า / แพคเกจ / ตัวเลือกรหัส
รายละเอียด ) .
ข้อมูลการตลาดบริการ ( ตัวแทน , ศูนย์ธุรกิจ
. . . . . . . ฯลฯ ) .
- แนวโน้มข้อมูลลูกค้า ( เว็บไซต์
webactivities )คลังสินค้าข้อมูลองค์กรที่ถูกสร้างขึ้นเพื่อเก็บข้อมูลเว็บ
ข้อมูลสินค้าคงคลัง , ความต้องการบริการข้อมูลและขายไปดีกว่า
การวิเคราะห์และพยากรณ์ยอดขายรถยนต์ , การจัดการสินค้าคงคลังและการผลิตรถ
รถวางแผน การขายและผู้จัดการฝ่ายการตลาดที่มีความสนใจในด้านข้อมูลดีกว่า
ในการสนับสนุนขององค์กรเป้าหมายและวัตถุประสงค์ รวมทั้งวิเคราะห์
ผู้จัดการสภาพแวดล้อมที่จะปรับปรุงความสามารถในการสนับสนุนการวางแผน
และการจัดการสินค้าคงคลัง , การจัดการสิ่งจูงใจและ
ในที่สุดการวางแผนการผลิต นอกจากจะช่วยให้พวกเขาที่จะตอบสนองความคาดหวังของพวกเขา
กระบวนการในการตัดสินใจ ซึ่งได้รับการสนับสนุนโดยข้อมูลที่เหมาะสมและแนวโน้ม ไม่ว่า
หน้าที่ขอบเขตและประเภทของการวิเคราะห์ของพวกเขา
เป็นความต้องการที่มุ่งเน้นในการปรับปรุงการเข้าถึงข้อมูลรายละเอียดเพิ่มเติม
ที่สอดคล้องกันและรวบรวมข้อมูลเพิ่มเติม ผู้จัดการ
สนใจโดยเฉพาะอย่างยิ่งในบูรณาการข้อมูลครอบคลุมความสัมพันธ์ของบริษัทกับลูกค้าและกลุ่มเป้าหมาย
ไม่ว่าไม่ว่าระบบจะออนไลน์หรือออฟไลน์
มีคลังข้อมูลที่รวมออนไลน์และออฟไลน์
ข้อมูลพฤติกรรมเพื่อวัตถุประสงค์ในการตัดสินใจเป็นเครื่องมือเชิงกลยุทธ์ของธุรกิจ
ซึ่งผู้ใช้สามารถใช้ประโยชน์เพื่อปรับปรุงการขายการพยากรณ์ความต้องการ
ปรับปรุงรูปแบบ / ตัดแต่งวางแผนผสมระดับปรับ
ร่างกายรูปแบบ / ตัดแต่งระดับผสมกับข้อมูลสินค้าคงคลังและลด
วัน มูลค่า มาก อยากช่วยให้สินค้าคงคลังผู้จัดการย้าย
ยานพาหนะได้เร็วขึ้น เพื่อที่จะทำนี้จะต้องระบุซึ่ง
ยานพาหนะที่พักระยะยาวในหุ้นรวมทั้งซึ่งยานพาหนะย้าย
ได้เร็วขึ้น บริษัทยังต้องการให้ข้อบ่งชี้ต้นที่
แบบรถมีแนวโน้มที่จะขายดีในช่วงใหม่
รถยนต์เปิดตัว เหล่านี้วิเคราะห์ที่เกี่ยวข้องเพราะพวกเขาทั้งหมด
ต้องการรวบรวมข้อมูล , ขัดมัน , เก็บมัน , การทำแผนที่และ
ในที่สุดรวมกันเพื่อวัตถุประสงค์ของการวิจัยและการวิเคราะห์ .
ระหว่างวิธีการทำเหมืองข้อมูลแตกต่าง เราใช้ข้อมูล
สรุป และการพึ่งพาการวิธีการของเรา
แนะนำการวิเคราะห์ การวิเคราะห์การเปิดตัว A .
แนวคิดพื้นฐานของการวิเคราะห์การเปิดตัวเพื่อให้ webactivity
" สร้างสถานที่และราคา " ( เป็นเครื่องมือที่ช่วยให้ผู้เข้าชมเว็บไซต์ของบริษัท
สร้างโมเดลรถยนต์ของตนเอง )
พิจารณาแต่ละค่า และวัดแต่เช้า
วาดความสนใจของลูกค้าสำหรับรถเฉพาะ ( s ) แล้วเปรียบเทียบ
เพื่อการวางแผนการผลิต , การขายและการสั่งซื้อของสินค้าคงคลังค้า
หาปัญหาที่เป็นไปได้ใด ๆในห่วงโซ่อุปทาน ตัวอย่างเช่น ลูกค้าอาจจะสูงกว่าความต้องการ
/ ความสามารถในการกำหนดค่าสำหรับบางรุ่นมากกว่าสิ่งที่ผู้ค้าร้องขอหรืออะไร
ดังนั้นการวางแผนการผลิตเสนอ การวิเคราะห์นี้สามารถให้ผู้จัดการแบรนด์และ
สินค้าคงคลังผู้จัดการกับตัวชี้วัดในการเปิดตัวรถใหม่
โดยใช้ " สร้างและราคากิจกรรม " เป็นข้อบ่งชี้ต้น
การวิเคราะห์ความต้องการของลูกค้าในอนาคต คือ การเปิดตัวฐานข้อมูลของพวกเขาสำหรับการวิเคราะห์จากข้อมูลคลังสินค้า ซึ่งรวมมูลค่า
หลายแหล่งข้อมูลรวมทั้งห่วงโซ่อุปทานข้อมูล ( สั่งซื้อ , แผน , สินค้าคงคลัง
ผลิตและการขาย ) และเว็บคลิก " สร้างกระแสข้อมูลและราคา " ( การปรับแต่งรถ
) . การวิเคราะห์นี้จะให้บริษัทที่สำคัญความรู้เกี่ยวกับ :
-
ก่อนแสดงความสนใจของลูกค้าใหม่เปิดตัวยานพาหนะ (
" ลูกค้าต้องการอะไร " )
- เปรียบเทียบข้อมูลระหว่าง " สิ่งที่ลูกค้า
ต้องการ " และ " สิ่งที่ห่วงโซ่อุปทานคือการให้ " โดย
เปรียบเทียบกิจกรรมเว็บไซต์เว็บสินค้าคงคลัง , สั่งซื้อ ,
ขายและจัดทำแผนการผลิต บริษัทใช้ความรู้นี้เพื่อทํานาย
พฤติกรรมผู้บริโภคเลือกซื้อ และให้ปล่อยรถในอนาคต , การขายและข้อมูลสินค้าคงคลัง
.
b ช้าเปิดการวิเคราะห์
การวิเคราะห์นี้มีวัตถุประสงค์เพื่อระบุรถที่ไม่ได้ขายใน
วิธีที่รวดเร็ว ( เป็นผลให้เราสามารถทราบว่ารถขาย
เร็ว ) .
เราสามารถระบุยานพาหนะในระดับที่แตกต่างกันของ
ลำดับชั้นการปรับแต่งรถ ในคำอื่น ๆเราตอบ
คำถาม : ซึ่งรถรุ่นขายในลักษณะช้า ? ซึ่ง
รถแพคเกจให้แบบร่างขายช้าลง ? ซึ่ง
แพคเกจและตัวเลือกสำหรับร่างกายให้นางแบบขายช้าลง ? .
c . โซลูชั่น โซลูชั่น บริษัท เหมืองแร่เริ่มโดยการประมวลผลข้อมูลภาพรวม
สินค้า / ขาย / การสั่งซื้อ ข้อมูลเว็บ , ข้อมูลจําหน่ายและ gaq ( รับ
อ้าง ) ข้อมูลและเก็บไว้ในคลังสินค้าของข้อมูลชื่อ
" ยานพาหนะความต้องการข้อมูลคลังสินค้า " คลังข้อมูลคือ
ออกแบบมาเพื่อสนับสนุนการวิเคราะห์ที่มุ่งมั่นที่จะใช้ข้อมูลเว็บ
ข้อมูลสินค้าคงคลัง , ความต้องการบริการข้อมูลและขายไปดีกว่า
การวิเคราะห์และพยากรณ์ยอดขายรถยนต์ , การจัดการสินค้าคงคลังและรถ
วางแผน
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- คุณอยู่ตรงไหนของอุดร ฉันจะหารอบรถให้คุณเ
- ขอโทษ ที่ฉันไม่เคยทักทายคุณก่อน
- คุณอ่านต่อเถอะ
- I just arrive honeWhich is the problemL
- แต่ผม แค่สงสัยเท่านั้น หาก ผมต่อ สายไฟ ด
- you are meant a lot to me
- แก้ว
- I was worried because you have to feed w
- เพื่อนฉันแนะนำให้เล่น
- Well, either of those would be a good gu
- ผู้มีความสามารถ
- mass communication
- Verdoppelt
- มัธยมศึกษา:โรงเรียนพระกุมารเยซูวิทยา (Co
- จริงเหรอ
- Thank you for recommend.
- คุณจะกล้ารึเปล่าล่ะ ถ้าฉันจะบอกว่า คุณต้
- ร้านอยู่แถวมหาวิทยาลัยฮงอิก
- วิทยาศาสตร์สุขภาพ
- the component technology mentioned in se
- รักเพื่อนมันเจ็บป่าว
- อาจมีหนังมีกระดูก
- ฉันโกดคุณมาก
- ตรวจเอกสารเรือ
