存在问题
Halfords 正在执行一个扩张计划，它必须为新商店确定最有获利能力的地址。
解决方案
通过对 Clementine 数据挖掘快速建模环境的充分利用，分析精度相对于以前的统计模型有很大提高。Halfords 还可以更精确地量化决策支持过程，对新商店的成功也更有信心。
应用效果
用更好的精度和更强的信心对提议的新店址进行收入预测
多变的购物方式给英国自助超市 Halfords 带来了更多的风险。Halfords 的业务要跟踪消费者从市区向郊区迁 移的趋势，它需要得到量化的信息和精确的收入预测来进 行地址评估。Halfords 有一个大型扩张规划，每一个新商店的正确选址对其未来的成功非常重要。
Halfords 从历史销售数字和地点的特征数据开始分析。他们随即抽取了 150 个商店，把前两年的销售数字和所选地点质量调查问卷、商店专有数据及所覆盖地区的人口普查资料结合起来。 Halfords 开发了一个 Clementine 模型来预测商店的营业额，并用商店的现有数据进行检验，评估这个模型的精度。Halfords 还把这个 Clementine 模型和以前由外部咨询顾问开发的商店营业额预测回归模型进行了比较。
用更好的精度和更强的信心对提议的新店址进行收入预测
和原先的回归模型相比，Clementine 的模型更加精确，更容易理解。Halfords 高级管理人员用这个模型了解商店不同表现的深层原因。非常重要的是，Clementine 模型由财产部的一个高级财务经理建立和维护，他可以应用他的商业认知，这种商业认知是数据挖掘方案成功的重要因素。通过对 Clementine 的使用，Halfords 实现了它的目标，并非常有信心地预测出了最有盈利能力的新店址。
