CN103164595A - 关联对象的数据分析方法 - Google Patents

Abstract

本发明揭示了一种关联对象的数据分析方法，包括：1)选择需要进行数据分析的区域，该区域中包含对象，对象消耗资源；2)设定分析时间，获取该区域内在分析时间中对象的持续活动时间；3)依据对象的持续活动时间将对象区分为短期对象、中期对象和长期对象；4)获取短期对象、中期对象和长期对象在分析时间中的资源消耗量；5)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系；6)获取长期对象的预测资源消耗量；7)基于回归模型和资源消耗关系计算中期对象和短期对象的预测资源消耗量；8)将长期对象、中期对象和短期对象的预测资源消耗量相加，得到最终预测资源消耗量。

Description

关联对象的数据分析方法

技术领域

本发明涉及数据分析方法，尤其涉及一种关联对象的数据分析方法。

背景技术

随着市场经济的发展，生产企业对产品使用企业(产品消耗企业)的区域用户信息的管理已成为提高自身竞争力、实现战略性发展的基础。其中，具有关键性影响的是对区域内用户需求信息准确而可靠的预测和管理。需求预测是供应链管理的基础和起点。为了减少误差，提高预测的准确性，应该采用科学的需求预测系统对市场需求进行预测。

比如，对于钢铁企业，特别是生产汽车用钢材的钢铁企业来说，具体体现在如何实现对一定区域内下游制造企业钢材用量的预测计算。以往的方法中，只是对该区域的年度用钢量进行总体的统计分析，或是对区域内各汽车制造企业用钢量进行单独分析，然后再综合。前者的缺点在于没有考虑短期用户的不稳定性变化，后者由于缺乏短期用户足够的信息而无法进行准确的分析。

发明内容

本发明旨在提出一种能够对对象的资源消耗量进行准确预测的数据分析方法。

根据本发明的一实施例，提出一种关联对象的数据分析方法，包括：

1)选择需要进行数据分析的区域，该区域中包含对象，对象消耗资源；

2)设定分析时间，获取该区域内在分析时间中对象的持续活动时间；

3)依据对象的持续活动时间将对象区分为短期对象、中期对象和长期对象；

4)获取短期对象、中期对象和长期对象在分析时间中的资源消耗量；

5)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系；

6)获取长期对象的预测资源消耗量；

7)基于回归模型和资源消耗关系计算中期对象和短期对象的预测资源消耗量；

8)将长期对象、中期对象和短期对象的预测资源消耗量相加，得到最终预测资源消耗量。

在一个实施例中，对象包括消耗资源的用户。

在一个实施例中，持续活动时间不大于分析时间的40％的对象为短期对象，持续活动时间在40％～100％之间的对象为中期对象，持续活动时间大于等于分析时间的对象为长期对象。

在一个实施例中，步骤5)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系包括：由步骤4)获取在分析时间中的短期对象的资源消耗量z_i、中期对象的资源消耗量y_i和长期对象的资源消耗量x_i；设定长期对象与中期对象的资源消耗关系为y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁，拟合参数a₁、b₁、c₁、d₁、e₁；设定长期对象与短期对象的资源消耗关系为z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂，拟合参数a₂、b₂、c₂、d₂、e₂。

在一个实施例中，分析时间为5年。

根据本发明的一实施例，提出一种关联对象的数据分析方法，包括：

a)选择需要进行数据分析的区域，所述区域中包含对象，对象消耗资源；

b)获取该区域内在5年中所有对象的持续活动时间T_i，i＝1，2，...，n，n为对象总数；

c)令对象编号i＝1；

d)判断当前对象的T_i＞2是否成立，若成立，则转入步骤e)；否则，令当前对象为短期对象，转入步骤g)；

e)判断当前对象的T_i≥5是否成立，若成立，则转入步骤f)；否则，令当前对象为中期对象，转入步骤g)；

f)令当前对象为长期对象；

g)判断i＜n是否成立，若成立，则转入步骤d)；否则，i＝i+1，转入步骤h)；

h)获取5年中每年上述长期对象、中期对象和短期对象的资源消耗量x_i、y_i、z_i，其中x_i是每年长期用户的资源消耗量、y_i是每年中期用户的资源消耗量、z_i是每年短期用户的资源消耗量；

i)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系既y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁、z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂；

j)拟合参数a₁、b₁、c₁、d₁、e₁和a₂、b₂、c₂、d₂、e₂；

k)输入被预测年份的对长期对象资源消耗量的预测值A；

l)利用回归公式计算前一年及被预测年份的中期对象和短期对象资源消耗量的预测值；

m)计算中期对象和短期对象资源消耗量的预测值B和C，其中：B＝B₆+α_B(y₅-B₅)，α_B为中期调整系数，B₅为中期对象第5年的资源消耗量的预测值，B₆为中期对象被预测年份的资源消耗量的预测值；C＝C₆+α_C(z₅-C₅)，α_C为短期调整系数，C₅为短期对象第5年的资源消耗量的预测值，C₆为短期对象被预测年份的资源消耗量的预测值；

n)输出该区域资源消耗量的最终预测值S＝A+B+C。

本发明的关联对象的数据分析方法在一定区域内按不同业务关系的持续时间将关联对象进行分类，利用长期对象的资源消耗量较为准确全面的特点，建立了短期、中期与长期对象资源消耗关系，以反映每一年的中短期对象的用钢量需求变化，这样可以避免对单个对象进行分析时数据不足的状况。本发明的关联对象的数据分析方法简便实用，考虑全面，可提供较为可靠预测数据。

附图说明

图1揭示了根据本发明的一实施例的关联对象的数据分析方法的流程图。

图2揭示了根据本发明的一实施例的关联对象的数据分析方法的实现过程。

具体实施方式

参考图1所示，本发明揭示了一种关联对象的数据分析方法，包括如下的步骤：

101.选择需要进行数据分析的区域，区域中包含对象，对象消耗资源。在一个实施例中，对象包括消耗资源的用户。

102.设定分析时间，获取该区域内在分析时间中对象的持续活动时间。在一个实施例中，分析时间为5年。

103.依据对象的持续活动时间将对象区分为短期对象、中期对象和长期对象。持续活动时间不大于分析时间的40％的对象为短期对象，持续活动时间在40％～100％之间的对象为中期对象，持续活动时间大于等于分析时间的对象为长期对象。

104.获取短期对象、中期对象和长期对象在分析时间中的资源消耗量。在一个实施例中，在步骤104中获取在分析时间中的短期对象的资源消耗量z_i、中期对象的资源消耗量y_i和长期对象的资源消耗量x_i。

105.计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系。在一个实施例中，步骤105包括设定长期对象与中期对象的资源消耗关系为y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁，拟合参数a₁、b₁、c₁、d₁、e₁。设定长期对象与短期对象的资源消耗关系为z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂，拟合参数a₂、b₂、c₂、d₂、e₂。

106.获取长期对象的预测资源消耗量。

107.基于回归模型和资源消耗关系计算中期对象和短期对象的预测资源消耗量。

108.将长期对象、中期对象和短期对象的预测资源消耗量相加，得到最终预测资源消耗量。

参考图2所示，图2揭示了图2根据本发明的一实施例的关联对象的数据分析方法的实现过程。该实现过程如下：

a)选择需要进行数据分析的区域，区域中包含对象，对象消耗资源。

b)获取该区域内在5年中所有对象的持续活动时间T_i，i＝1，2，...，n，n为对象总数。

c)令对象编号i＝1。

d)判断当前对象的T_i＞2是否成立，若成立，则转入步骤e)；否则，令当前对象为短期对象，转入步骤g)。

e)判断当前对象的T_i≥5是否成立，若成立，则转入步骤f)；否则，令当前对象为中期对象，转入步骤g)。

f)令当前对象为长期对象。

g)判断i＜n是否成立，若成立，则转入步骤d)；否则，i＝i+1，转入步骤h)。

h)获取5年中每年上述长期对象、中期对象和短期对象的资源消耗量x_i、y_i、z_i，其中x_i是每年长期用户的资源消耗量、y_i是每年中期用户的资源消耗量、z_i是每年短期用户的资源消耗量。

i)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系既y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁、z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂。

j)拟合参数a₁、b₁、c₁、d₁、e₁和a₂、b₂、c₂、d₂、e₂。

k)输入被预测年份的对长期对象资源消耗量的预测值A。

l)利用回归公式计算前一年及被预测年份的中期对象和短期对象资源消耗量的预测值。

m)计算中期对象和短期对象资源消耗量的预测值B和C，其中：

B＝B₆+α_B(y₅-B₅)，α_B为中期调整系数，B₅为中期对象第5年的资源消耗量的预测值，B₆为中期对象被预测年份的资源消耗量的预测值。

C＝C₆+α_C(z₅-C₅)，α_C为短期调整系数，C₅为短期对象第5年的资源消耗量的预测值，C₆为短期对象被预测年份的资源消耗量的预测值。

n)输出该区域资源消耗量的最终预测值S＝A+B+C。

下面介绍根据本发明的关联对象的数据分析方法的实现过程的具体应用实例。

第一实例：

现以某一区域内的汽车板用户作为关联对象为例来进行说明。

在步骤a)中，选择需进行汽车板用户资源消耗量(钢材消耗量)分析的区域，比如选择上海地区。在该地区中包含对象，对象会消耗资源，即消耗钢材。

在步骤b)中，收集过去5年该区域内所有用户(对象)的持续活动时间T_i。对于用户(对象)A、B、C、D、E、F、G，其持续活动时间T_i分别为T₁＝3，T₂＝2，T₃＝5，T₄＝1，T₅＝4，T₆＝5，T₇＝3。

在步骤c)中，令用户(对象)编号i＝1。

在步骤d)中，判断当前用户(对象)T_i＞2是否成立，显然成立，则转入步骤e)。

在步骤e)中，判断当前用户(对象)T_i≥5是否成立，显然不成立，则令A用户(对象)为中期对象，转入步骤g)。

在步骤g)中，判断不等式i＝1＜n是否成立，显然成立，则转入步骤d)；经过若干次以上的循环判断，最终得出7家用户(对象)的类型。

在步骤h)中，计算过去5年中每年上述长期对象、中期对象和短期对象的资源消耗量x_i、y_i、z_i，其中x_i是每年长期用户的资源消耗量、y_i是每年中期用户的资源消耗量、z_i是每年短期用户的资源消耗量。如表1。

表1资源消耗量

	xi(万吨)	yi(万吨)	zi(万吨)
				第一年	8.9	4.2	2.6
第二年	9.2	4.4	2.6
				第三年	9.4	4.5	2.7
第四年	10.0	4.8	2.9
				第五年	11.5	4.9	3.0

在步骤i)中，计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系既y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁、z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂。

在步骤j)中，拟合参数a₁、b₁、c₁、d₁和a₂、b₂、c₂、d₂、e₂如下：a₁＝-0.1511、b₁＝5.968、c₁＝-88.28、d₁＝580.0、e₁＝-1425和a₂＝0.4361、b₂＝-17.45、c₂＝261.0、d₂＝-1730、e₂＝4285.5。

在步骤k)中，输入被预测年份的对长期对象资源消耗量的预测值A＝11。

在步骤l)中，利用回归公式计算前一年及被预测年份的中期对象和短期对象资源消耗量的预测值。B₅＝4.2，B₆＝4.6；C₅＝2.7，C₆＝2.8。其中B₅表示对中期用户第5年的资源消耗量的预测值，B₆表示对中期用户被预测年份的资源消耗量的预测值。C₅表示对短期用户第5年的资源消耗量的预测值，C₆表示对短期用户被预测年份的资源消耗量的预测值。

在步骤m)中，计算中期对象和短期对象资源消耗量的预测值B和C，基本计算模型为：

B＝B₆+α_B(y₅-B₅)＝5.16，C＝C₆+α_C(z₅-C₅)＝3.04，其中α_B为中期调整系数，取为0.8；α_C为短期调整系数，取为0.8。

在步骤n中，输出该区域资源消耗量的最终预测值S＝A+B+C＝19.2。

第二实施：

在步骤a)中，选择需进行汽车板用户资源消耗量(钢材消耗量)分析的区域，比如选择北京地区。在该地区中包含对象，对象会消耗资源，即消耗钢材。

在步骤b)中，收集过去5年该区域内所有用户(对象)的持续活动时间T_i。对于用户(对象)A、B、C、D、E、F、G，其持续活动时间T_i分别为T₁＝5，T₂＝2，T₃＝3，T₄＝1，T₅＝4，T₆＝1，T₇＝3。

在步骤c)中，令用户(对象)编号i＝1。

在步骤d)中，判断当前用户(对象)T_i＞2是否成立，显然成立，则转入步骤e)。

在步骤e)中，判断当前用户(对象)T_i≥5是否成立，显然成立，则转入步骤f)。

在步骤f)中，令当前A用户(对象)为长期对象。

在步骤g)中，判断不等式i＝1＜n是否成立，显然成立，则转入步骤d)；经过若干次以上的循环判断，最终得出7家用户(对象)的类型。

在步骤h)中，计算过去5年中每年上述长期对象、中期对象和短期对象的资源消耗量x_i、y_i、z_i，其中x_i是每年长期用户的资源消耗量、y_i是每年中期用户的资源消耗量、z_i是每年短期用户的资源消耗量。如表2。

表2资源消耗量

	xi(万吨)	yi(万吨)	zi(万吨)
				第一年	11.2	3.8	3.5
第二年	11.5	4.1	3.9
				第三年	12	4.3	4.5
第四年	14.5	4.6	4.8
				第五年	17	4.7	5.0

在步骤i)中，计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系既y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁、z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂。

在步骤j)中，拟合参数a₁、b₁、c₁、d₁、e₁和a₂、b₂、c₂、d₂、e₂如下：a₂＝0.0211、b₂＝-1.098、c₂＝20.98、d₂＝-174、e₂＝532和a₁＝-0.0311、b₂＝1.73、c₂＝-35.8、d₂＝327、e₂＝-1109；

在步骤k)中，输入被预测年份的对长期对象资源消耗量的预测值A＝19。

在步骤l)中，利用回归公式计算前一年及被预测年份的中期对象和短期对象资源消耗量的预测值。B₅＝4.4，B₆＝4.6；C₅＝4.5，C₆＝4.8。其中B₅表示对中期用户第5年的资源消耗量的预测值，B₆表示对中期用户被预测年份的资源消耗量的预测值。C₅表示对短期用户第5年的资源消耗量的预测值，C₆表示对短期用户被预测年份的资源消耗量的预测值。

在步骤m)中，计算中期对象和短期对象资源消耗量的预测值B和C，基本计算模型为：

B＝B₆+α_B(y₅-B₅)＝4.78，C＝C₆+α_C(z₅-C₅)＝5.2，其中α_B为中期调整系数，取为0.8；α_C为短期调整系数，取为0.8。

在步骤n中，输出该区域资源消耗量的最终预测值S＝A+B+C＝28.95。

通过以上2个实施可以看出，本发明按持续活动时间将对象分成三类。鉴于对长期对象掌握的数据较多，可利用其它方法进行较为准确的预测，而长期对象的资源消耗量又与中短期对象的资源消耗量存在一定的关系，从而可以利用已有的对长期对象资源消耗量的预测值，对中短期对象进行预测，避免由于对中短期对象缺乏足够资料而无法预测的缺陷。在实施过程中，利用三类对象在过去一段时间，比如五年的实际资源消耗量建立了函数关系，而后又对预测模型中的系数进行一定程度的适应性调整，从而提高了预测的精度。

本发明的关联对象的数据分析方法在一定区域内按不同业务关系的持续时间将关联对象进行分类，利用长期对象的资源消耗量较为准确全面的特点，建立了短期、中期与长期对象资源消耗关系，以反映每一年的中短期对象的用钢量需求变化，这样可以避免对单个对象进行分析时数据不足的状况。本发明的关联对象的数据分析方法简便实用，考虑全面，可提供较为可靠预测数据。

Claims (6)

1.一种关联对象的数据分析方法，其特征在于，包括：

1)选择需要进行数据分析的区域，所述区域中包含对象，对象消耗资源；

2)设定分析时间，获取该区域内在所述分析时间中对象的持续活动时间；

3)依据对象的持续活动时间将对象区分为短期对象、中期对象和长期对象；

4)获取所述短期对象、中期对象和长期对象在分析时间中的资源消耗量；

5)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系；

6)获取长期对象的预测资源消耗量；

7)基于回归模型和资源消耗关系计算中期对象和短期对象的预测资源消耗量；

8)将长期对象、中期对象和短期对象的预测资源消耗量相加，得到最终预测资源消耗量。

2.如权利要求1所述的关联对象的数据分析方法，其特征在于，所述对象包括消耗资源的用户。

3.如权利要求1所述的关联对象的数据分析方法，其特征在于，持续活动时间不大于所述分析时间的40％的对象为短期对象，持续活动时间在40％～100％之间的对象为中期对象，持续活动时间大于等于所述分析时间的对象为长期对象。

4.如权利要求1所述的关联对象的数据分析方法，其特征在于，所述步骤5)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系包括：

由步骤4)获取在分析时间中的短期对象的资源消耗量z_i、中期对象的资源消耗量y_i和长期对象的资源消耗量x_i；

设定长期对象与中期对象的资源消耗关系为y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁，拟合参数a₁、b₁、c₁、d₁、e₁；

设定长期对象与短期对象的资源消耗关系为z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂，拟合参数a₂、b₂、c₂、d₂、e₂。

5.如权利要求1所述的关联对象的数据分析方法，其特征在于，所述分析时间为5年。

6.一种关联对象的数据分析方法，其特征在于，包括：

a)选择需要进行数据分析的区域，所述区域中包含对象，对象消耗资源；

b)获取该区域内在5年中所有对象的持续活动时间T_i，i＝1，2，...，n，n为对象总数；

c)令对象编号i＝1；

d)判断当前对象的T_i＞2是否成立，若成立，则转入步骤e)；否则，令当前对象为短期对象，转入步骤g)；

e)判断当前对象的T_i≥5是否成立，若成立，则转入步骤f)；否则，令当前对象为中期对象，转入步骤g)；

f)令当前对象为长期对象；

g)判断i＜n是否成立，若成立，则转入步骤d)；否则，i＝i+1，转入步骤h)；

h)获取5年中每年上述长期对象、中期对象和短期对象的资源消耗量x_i、y_i、z_i，其中x_i是每年长期用户的资源消耗量、y_i是每年中期用户的资源消耗量、z_i是每年短期用户的资源消耗量；

i)计算长期对象与中期对象、以及长期对象与短期对象的资源消耗关系既y_i＝a₁x_i ⁴+b₁x_i ³+c₁x_i ²+d₁x_i+e₁、z_i＝a₂x_i ⁴+b₂x_i ³+c₂x_i ²+d₂x_i+e₂；

j)拟合参数a₁、b₁、c₁、d₁、e₁和a₂、b₂、c₂、d₂、e₂；

k)输入被预测年份的对长期对象资源消耗量的预测值A；

l)利用回归公式计算前一年及被预测年份的中期对象和短期对象资源消耗量的预测值；

m)计算中期对象和短期对象资源消耗量的预测值B和C，其中：

B＝B₆+α_B(y₅-B₅)，α_B为中期调整系数，B₅为中期对象第5年的资

源消耗量的预测值，B₆为中期对象被预测年份的资源消耗量的预测值；

C＝C₆+α_C(z₅-C₅)，α_C为短期调整系数，C₅为短期对象第5年的资

源消耗量的预测值，C₆为短期对象被预测年份的资源消耗量的预测值；

n)输出该区域资源消耗量的最终预测值S＝A+B+C。

Images