近年来,随着全球数据化的不断发展,数据信息已经成为了企业除人力、财力、物力之外的第四种战略性资源。数据驱动供应链决策能够有效提高供应链中的运作效率,从而能够降低企业成本。企业越来越需要具备将数据分析中所获取的能够支持企业决策的信息应用到管理运营中去的能力。如何较好的利用企业所收集的数据资源,经过数据的深度加工以及处从而能够发掘出支持企业运营的有效方法,目前,这是学术界高度重视的领域之一。数据驱动供应链管理对数据的建模和优化方法提出了更高的要求,面对数据流,如何采用合适的模型,通过合适的方法,以提高决策者快速响应的能力,是一个重要的挑战。因此,数据驱动的供应链精细化运营是供应链领域未来研究的主要方向。本文以两类在实际中应用较为广泛的报童问题,即不考虑需求随价格变动的报童问题和考虑价格敏感需求下的含有定价的报童问题为研究对象,运用了数据驱动方法下截尾数据驱动方法以及样本平均近似法。本文的主要研究工作如下:（1）在数据驱动方法、报童问题等相关研究文献进行详细地综述基础上,总结了相应的概念以及理论分析,其中包括含有考虑外生价格的两种报童问题、考虑价格敏感需求的报童定价问题、样本平均近似数据驱动方法、截尾数据驱动方法的应用等相关理论。（2）基于市场需求分布不明的实际背景,首先构建了考虑外生价格情况下,风险中性及风险规避的两种数据驱动报童模型。其次深入探究了两种数据驱动报童模型的风险参数、数据量、精确度及置信度之间的数值关系,最后通过数值实验具体比较了数据驱动方法与其他两种主流方法的精确度,验证了所建模型在多种不同情况下的有效性。（3）结合已有的研究成果,首先构建了需求随价格变动情况下,考虑定价的数据驱动报童模型并求解,然后通过建立遗憾值函数,深入探究了该情况下数据驱动解的精确度与数据量、置信度之间的理论关系,最后通过数值实验对模型的有效性及精确度进行验证,具体分析了数据驱动定价报童模型对不同参数的敏感度以及不同分布函数类型下数据驱动定价报童模型的适应性。综上所述,本文提出了数据驱动下以利润最大化为目标的报童模型,构建了外生价格情况下二种报童模型以及需求随价格变动情况下的报童定价模型,丰富了报童模型研究的相关理论,也为其他单一决策变量以及双决策变量情形下数据驱动模型及数据量的探究提供了部分借鉴和参考。