零售关联分析（购物篮分析）的数据源及预处理（一）

一、零售关联分析的数据源
零售业是一个数据密集的行业（Retail is a data-intensive industry），用于关联分析的数据是POS机（Point-Of-Sales）产生的交易数据。
POS机产生的交易数据，也被称为Tickets data（交易票据数据）或Customer Transaction dataset（顾客交易数据集）。
POS机交易数据以销售小票为单位，一张销售小票对应一个顾客单次购买行为，也就是对应一个购物篮，如一家超市一天有1000个顾客买单，就会形成1000个购物篮。
每个零售业态都会有自己的购物篮形成规律，日本7-11便利店平日购物篮数量为800-1000个，节假日为1000-1200个，国内大型卖场日均购物篮数量为3000-5000个左右，节假日为7000-8000个左右。
在开始进行购物篮数据分析之前，先介绍几个零售业数据的常用名称;
1、Sku（stock-keeping unit）：Sku编码是商品管理码，用于订货、进货、库存管理等，不能用于POS机的前端销售。
2、Upc（universal product code）：指的是通用商品编码，是将SKU拆解到商品最小零售包装单位（MPQ：最小包装单位），Upc码含商品销售的基础信息，理论上讲是一品一码，一般也不做为POS机销售码。
3、 PLU（Price Look Up）：商品销售编码，这是专供POS机销售时