3. Opis rozwiązania ZAD3.

   1. Klucze (kwerendy) do analizy sprzedaży algorytmem drzew decyzyjnych.

Zanim zaczęłyśmy budować drzewo decyzyjne stworzyłyśmy kwerendę wybierającą Roczna_wartość_081. W skład tej kwerendy wchodziły następujące tabele: Sprzedaż, Czas, Produkty i KlasyProduktów. Kwerenda Roczna_wartość_081 tworzyła tabelę, gdzie ukazane były następujące informacje:

• klasa rocznych przychodów klienta (lata 2006-2007)

• liczba posiadanych dzieci

• płeć

Aby móc rozpocząć pracę nad drzewem decyzyjnym, potrzebowałyśmy jeszcze kwerendy Baza_Korzeń_czynniki, w której umieściłyśmy zadane nam czynniki: ilość dzieci, roczne przychody, płeć klienta.

Tworzenie drzewa decyzyjnego zaczęłyśmy od utworzenia kwerendy Korzeń_081 oraz kwerend wybierających dla każdego z kryteriów podziału jakimi były: klasa rocznych przychodów klienta, liczba posiadanych dzieci oraz płeć. kwerendy zostały utworzone na podstawie dwóch kwerend: Roczna_wartość_081 oraz Baza_Korzeń_czynniki.

• Korzeń_081 :

Kwerenda zwraca dane na temat liczby klientów departamentu Canned Foods, średnią wartość ich zakupów oraz wariancję zakupów.

• Korzeń_Płeć_081 :

Kwerenda zwraca dane o płci klientów oraz przychodów przypadających na lata 2006-2007.

• Korzeń_Liczba_dzieci_081

Kwerenda zwraca dane o liczbie klientów posiadających daną ilość dzieci oraz ich przychody roczne.

• Korzeń_Przychód_roczny_081

Kwerenda zwraca dane ilu klientów, pozwoliło uzyskać daną wysokość przychodu rocznego.

Następnie powstała kwerenda Korzeń_czynniki_S^2_081, oparta na kwerendach dotyczących poszczególnych czynników podziału ( liczba dzieci, pleć , przychód roczny). Kwerenda ta zwraca wartości wariancji zakupów dla każdego z tych czynników. Kolejne wariancje zostały utworzone za pomocą takich wyrażeń:

• S^2 _plec:

Suma([Korzeń_płeć_081].[S^2]*[Korzeń_płeć_081].[N])/Suma([Korzeń_płeć_081].[N])

• S^2 _przychód: Suma([Korzeń_Przychód_roczny_081].[S^2]*[Korzeń_Przychód_roczny_081].[N])/Suma([Korzeń_Przychód_roczny_081].[N])

• S^2 _Liczba dzieci: Suma([Korzeń_Liczba_dzieci_081].[S^2]*[Korzeń_Liczba_dzieci_081].[N])/Suma([Korzeń_Liczba_dzieci_081].[N])

Dzięki tej kwerendzie podjęłyśmy decyzję o podziale drzewa decyzyjnego ze względu na płeć klienta.

Podział ze względu na płeć następował kolejno w kwerendach:

• Korzeń_Plec_LDzieci_081

• Korzeń_PrzychRoczny_Plec_081

Na podstawie tych kwerend powstała kwerenda Pleć_S^2_081, dzięki której podjęłyśmy decyzję o dalszym podziale, który odzwierciedla kwerenda:

• Korzeń_LDzieci_PrzychRoczny_Plec_081

Zwracająca dane na temat liczby klientów posiadających daną ilość dzieci, ich przychód roczny oraz płeć, a także średnią wartość zakupów przez nich dokonanych i wariancję zakupów.

3. . Struktura drzewa decyzyjnego i wnioski dla kierownictwa sklepu (departamentu).

Za pomocą utworzonego w kolejnych krokach drzewa byłyśmy w stanie zauważyć, że największe przychody przynoszą kobiety. Wynik ten uzyskałyśmy po przeanalizowaniu kwerendy Korzeń_LDzieci_PrzychRoczny_Plec_081 zauważyłyśmy, że kobiety przynoszą większy przychód. Dlatego też naszym zdaniem kierownik sklepu w najbliższych latach powinien przede wszystkim adresować swoją ofertę właśnie do tej grupy klientów, aby uzyskać jak największe przychody ze sprzedaży swoich produktów.