1. 研究目的与意义
在产能利用率下降、成本上升、行业竞争加剧、全球化趋势、以及科技与法规带来市场变化和波动的环境 下,汽车行业正面临与日俱增的挑战和压力。
不过,最新的大数据与数据分析为汽车制造商们带来了前所未有的可能,供他们应对各种挑战和难题。
数据分析是一个强有力的工具,要恰当运用数据分析,需要具备全方位的综合能力,与企业内的多种职能部门和技术团队交互融合。
2. 课题关键问题和重难点
课题关键:1:洞悉市场需求,选择尽可能多的角度去分析已有数据,做到最大化利用。
2:选取合适的前端组件,美观界面风格设计和交互设计;3:选取合适的表现形式,如柱状图,折线图等依次完成,市场需求,消费能力,企业竞争、热销车型等功能的实现4:选取高性能,易于编写的后端框架处理数据,如fastapi 、django等5:选取成熟的人工智能算法,如选择使用线性回归,Lasso回归, Ridge回归, ElasticNet四类回归算法中的一种进行构建模型,进行趋势预测课题难点:1:首先了解大数据csv文件导入与使用,对数据进行预处理及其清洗,找到合适数据库类型进行存储2:设计相关数据接口抛向前端数据并用vue相关技术及echarts等相关渲染库进行前端渲染展示。
依通过对比不同车的类型的销售情况,完成预算销量的折线图对比,占比数量柱装图对比,分析汽车销售数据3:此外重点难点在于后端处理时,学习机器学习,基于已有汽车销售数据进行汽车价格价格预测模型构建,提取相关特征数据,选择使用线性回归,Lasso回归, Ridge回归, ElasticNet四类回归算法中的一种进行构建模型,进行趋势预测,为将来市场行情进行预测,以丰富软件系统能够提供的功能。
3. 国内外研究现状(文献综述)
一、课题背景在互联网 和大数据背景下,汽车企业管理和营销更加依赖对客户行为、偏好数据的收集和分析挖掘,支持潜在市场开拓、客户粘性维护等公司营销的各个环节。
潜在汽车客户分析是建立品牌和客户关系的重要技术环节,通过店展厅、来电客户访问、来店拜访、WEB在线分析客户的行为等渠道收集客户行为和偏好,从中进行挖掘潜在客户,有效支持市场推广效果[1]。
从多种渠道收集的信息具有大数据的基本特性:数据容量大、非结构化、实时性强等特点,对数据分析带来挑战,造成挖掘结果准确性问题。
4. 研究方案
首先数据部分,将csv文件导入合适数据库类型进行存储,并对数据进行预处理及其清洗,然后将相关数据接口抛向前端数据并用vue相关技术及echarts等相关渲染库进行前端渲染展示。
此外后端增加机器学习部分,基于已有汽车销售数据进行汽车价格价格预测模型构建,提取相关特征数据,选择使用线性回归,Lasso回归, Ridge回归, ElasticNet四类回归算法等相关算法进行预测。
5. 工作计划
2022年12月24号前 (1)指导教师与学生就课题进行沟通、交流及讨论,进一步明确课题要求; (2)学生查找资料并消化课题,完成导师布置的工作,提出初步设计方案。
2022年1月14毕业设计任务书上传至毕业设计管理网站。
2022年1月18日~5月15日(寒假除外) 进行毕业设计具体工作: 第1-2周:完成系统的需求、提出具体设计方案,准备好相关软硬件资源。
以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。