面对顾客多样化和不确定的需求,如何做好商品的品类选择和库存控制,是零售商提高客户粘性,获取更高利润的关键。伴随着电子商务的不断发展,零售商可以获得越来越详细的商品交易信息,信息中蕴含着大量的客户偏好,利用交易数据,进行消费者需求估计、商品的品类选择和库存控制成为了学术界和企业界的关注焦点。相关研究,多是假设消费者需求服从某一分布,且假设需求分布的参数为固定值。很少有研究利用交易数据进行消费者需求分布的估计,进而进行商品品类选择和库存控制联合决策。所以,研究数据驱动的商品品类选择和库存控制联合决策方法与应用是非常必要的。本文对数据驱动的零售商品的品类选择与库存控制联合决策方法及其应用进行了较为深入的研究。针对现有研究的不足之处,从以下几个方面开展主要的研究工作:（1）给出考虑替代性需求的多种消费者需求估计方法并加以比较。首先,针对零售商品交易数据分布是否已知两种情况,分别给出消费者需求的参数化和非参数化估计方法。其中,消费者需求的参数化估计方法,假设需求服从负二项分布或正态分布,并给出分布的参数估计方法;消费者需求的非参数化核密度估计方法,仅依据样本数据本身的特征,采用核函数拟合消费者需求概率分布;其次,给出各商品之间的需求替代率的计算方法,结合消费者需求分布估计结果,给出考虑替代性需求的消费者需求估计模型。（2）构建零售商品的品类选择与库存控制联合决策模型并给出求解方法。将考虑替代的消费者需求概率分布代入报童模型,实现消费者需求分布、需求替代率和报童模型的结合,并以成本最小化为目标,以服务水平、商品品类数量、最高库存水平等为约束条件,构建一个非线性混合整数规划模型,并给出一个使用粒子群算法的模型求解方法。（3）给出数据驱动的零售商品的品类选择与库存控制联合决策方法的应用研究。使用菜鸟网络交易数据,验证了本文提出的方法的有效性和实用性。实验结果表明,负二项分布比正态分布能够比较准确的反应消费者需求。核密度估计也能够依据样本交易数据,拟合出比较准确的需求概率分布,在未知交易数据分布时,适合用来估计消费者需求分布。数据驱动的品类选择与库存控制联合决策方法能够同时给出零售商品品类选择与库存控制的决策结果,且可达到比较明显的成本下降和利润提升。