現(xiàn)有的數(shù)據(jù)融合模式往往無法將同一數(shù)據(jù)庫中具有家庭關系的個體關聯(lián)起來，使得目標客戶的選擇存在重復選取的局限性，同時數(shù)據(jù)屬性的缺失也為進一步的決策帶來困難。首先從不確定性推理模型出發(fā)，設計出用戶興趣、所處行業(yè)、產(chǎn)品偏好等的可信度推理算法，利用該算法將個性化數(shù)據(jù)庫、雜志訂閱數(shù)據(jù)庫進行有效融合，在完善關鍵數(shù)據(jù)屬性的基礎上，生成新的標準化數(shù)據(jù)庫；以年齡、性別、姓氏等屬性為依據(jù)，制定家庭結構的識別規(guī)則，從而實現(xiàn)家庭結構數(shù)據(jù)的融合。利用郵政行業(yè)數(shù)據(jù)及自建數(shù)據(jù)庫進行實驗和分析，證明了方法的可行性和有效性。

?

　　當前，我國零售業(yè)經(jīng)歷了飛速的跨越式的發(fā)展階段，社會消費品年均零售總額有了很大突破，百貨商場、連鎖店、超市、專賣店、購物中心、電子商務等業(yè)態(tài)相繼興起。尤其是電子商務的崛起，對零售企業(yè)提出了嚴峻的挑戰(zhàn)。隨著客戶數(shù)量的增多，客戶對服務的質(zhì)量提出了更高的要求，另外，二維碼技術、客戶管理系統(tǒng)、銷售分析系統(tǒng)、智能終端設備等的出現(xiàn)，使得零售企業(yè)很難在積累的超大規(guī)模數(shù)據(jù)中找出有利于企業(yè)開展營銷活動的信息。大數(shù)據(jù)時代的來臨也給企業(yè)帶來了諸如查詢響應時間、查詢質(zhì)量、決策分析等多方面的問題。事實上，零售企業(yè)在自身的發(fā)展中累積了很多的交易數(shù)據(jù)，最重要的就是要從這些交易數(shù)據(jù)中找到顧客的購買興趣和偏好。為了探尋大規(guī)模數(shù)據(jù)背后的隱藏知識，數(shù)據(jù)挖掘技術應運而生。在國外，對數(shù)據(jù)挖掘技術的研究已經(jīng)有多年的歷史。數(shù)據(jù)挖掘算法的發(fā)展及其應用，為零售行業(yè)帶來了巨大的變化，尤其是利潤的提高，數(shù)據(jù)挖掘這一智能化的技術正在被許多的科研院研究。