某医药流通公司(简称A公司)是一家集科研、生产、销售为一体的大型医药流通企业,每年所经营商品有六千多种,企业内部缺乏统一、科学管理,采购数量主要是靠经验、凭感觉,近年库存积压严重。A公司数据库中拥有大量经营数据,但目前数据利用率非常低,“数据丰富、信息匮乏”,A公司所经营商品种类繁多,异常销量高,增加了销售预测和统一管理的难度。本文以A公司2012年所有在营商品每周销量为研究对象,首先从A公司6837种商品的销售数据的集中程度、波动情况、分布状况、销售曲线形状、盈利能力、季节性等维度对A公司所有在营商品的统计特征进行一次探索性分析,发现A公司商品平均销量差异大、大异常值比例高、小异常值比例低、销量为0的周数比例高,商品生命周期难以界定,盈利能力各不相同、部分商品销量存在很强的季节性。基于A公司商品销售数据的集中程度、分布情况、异常情况、缺失情况、季节因素、盈利能力等方面,选取和构建统计指标,并建立了一个销售数据的特征指标体系,该体系可帮助企业经营者快速掌握商品的销售特性。进一步,基于时间序列聚类的思想对特征指标体系中的部分统计指标进行K-means聚类及分析。结果表明,所选统计指标能较好地解释聚类结果,各聚类所反映的商品销售特征可为A公司商品经营提供一定的参考依据和数据支撑,为商品分类管理提供一个研究方向。本文基于箱线图和变异系数,引入箱线系数。箱线系数可以消除商品间箱线图的尺寸和量纲的影响,均值结合箱线系数,可以掌握商品间的销售水平及分别情况。本文K-means算法中,k值的选取是首先将k值限定在n,n为样本数。然后通过计算不同k值对应的类间平方和总量与生成类的总体距离平方和的比值,将比值最大时对应的k值作为聚类数目,该方法可以达到类内紧凑、类间分离的效果。