CN106104588B - 针对商店的表现评价系统 - Google Patents
针对商店的表现评价系统 Download PDFInfo
- Publication number
- CN106104588B CN106104588B CN201480072341.8A CN201480072341A CN106104588B CN 106104588 B CN106104588 B CN 106104588B CN 201480072341 A CN201480072341 A CN 201480072341A CN 106104588 B CN106104588 B CN 106104588B
- Authority
- CN
- China
- Prior art keywords
- point
- store
- sale
- time
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/217—Database tuning
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Cash Registers Or Receiving Machines (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
典型实施例大体涉及根据表示商店的基于商店中的销售点终端处的交易的交易参数的数据来评价商店的表现。典型实施例可以生成商店的基于交易参数的表现数据。表现数据表示商店的相对于关键表现指标的目标的表现。
Description
相关申请的交叉引用
本申请要求2013年11月5日提交的分配序列号为14/071,914的标题为“Performance Evaluation System for Stores”的美国非临时专利申请的优先权。在此通过引用包含上述的非临时专利申请的全部内容。
技术领域
本发明涉及表现评价系统,并且尤其涉及针对一个或多个商店的表现评价系统,其中,该表现评价系统基于与该一个或多个商店中的销售点终端的工作相关联的信息来确定该一个或多个商店的表现。
背景技术
实体经营的商店可能希望判断商店相对于指定目标以及/或者相对于彼此表现如何。由于商店数量的增加以及商店的位置延伸覆盖了许多地理区域,因此评价一个或多个商店的表现的工作变得日益困难。充分评价分布于多个地理区域(例如,州、国家、洲)的商店的表现变得日益困难的一个原因是位于不同的地理区域中的商店可以相对于彼此实施不同的处理。传统的表现报告工具通常不提供评价国际市场中的商店的当前处理工作得如何所必需的针对这些市场的可见度水平。可见度的缺乏可以使得难以判断商店所实施的处理是否成功或者是否应进行调整。
发明内容
根据本发明的实施例,公开了一种用于评价商店的表现的方法。所述方法包括:将表示所述商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据收集并存储在数据库中。所述方法包括:经由图形用户接口从用户接收采用计算机可读格式的表现评价请求。所述表现评价请求可以指定关键表现指标的目标,例如,队列长度依从性、理想收银机利用率、理想收银机开启性能、过于理想的收银机开启性能、不够理想的收银机开启性能和每小时扫描的商品量等。所述方法还包括:执行代码以响应于所述表现评价请求在数据库中查询表示所述商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据。所述方法还包括:以编程方式生成所述商店的基于所述交易参数的表现数据。所述表现数据表示所述商店的相对于所述关键表现指标的目标的表现。所述方法包括执行代码以向所述用户输出所述表现数据。
在一些实施例中,所述方法包括将所述商店的表现数据与表示至少一个选替商店的表现的表现数据进行比较,以确定所述商店相对于所述至少一个选替商店的表现。在一些实施例中,所述方法包括响应于所述表现数据的生成和来自用户的电子请求至少之一,将所述表现数据与所述目标进行比较。在一些实施例中,所述方法包括确定针对特定时间段的顾客到达所述商店的到达速度以及针对所述特定时间段的所述商店中的顾客的服务速度。在一些实施例中,所述方法包括执行代码以确定通过将所述到达速度除以所述服务速度而定义的理想收银机利用率。在一些实施例中,所述方法包括执行代码以确定通过所述服务速度与所述到达速度之间的差的倒数而定义的排队等待和接受服务所花费的总时间。在一些实施例中,所述方法包括执行代码以确定通过排队等待和接受服务所花费的总时间与所述服务速度的倒数之间的差而定义的排队等待和接受服务的平均时间。在一些实施例中,所述方法包括执行代码以基于所述到达速度以及每一顾客排队等待和接受服务所花费的总时间来确定所述商店中的顾客的平均数量。在一些实施例中,所述方法包括执行代码以基于所述到达速度以及排队等待和接受服务的平均时间来确定排队的顾客的平均数量。在一些实施例中,所述方法包括执行代码以基于所述到达速度、所述服务速度和正在工作的销售点终端的数量来确定所述商店为空的概率。在一些实施例中,所述方法包括执行代码以基于所述到达速度、所述服务速度、正在工作的销售点终端的数量和所述商店为空的概率来确定排队等待的顾客的预期数量。在一些实施例中,所述方法包括执行代码以基于扫描时间、支付时间、先前支付时间和杂项时间来确定每一顾客的交易时间。在一些实施例中,所述方法包括执行代码以基于每小时期间所售出的商品的总数和每小时交易时间来确定每小时的商品。在一些实施例中,对所述扫描时间、所述支付时间、所述先前支付时间和所述杂项时间至少之一进行封顶,以减少进行确定时的噪声、异常值和不切实际的值至少之一。
根据本发明的实施例,提供了一种用于存储指令的非瞬态计算机可读介质。通过处理装置执行所述指令使得所述处理装置实现用于评价商店的表现的方法,其中所述方法包括将表示所述商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据收集并存储在数据库中。执行所述指令时所实现的方法包括经由图形用户接口从用户接收计算机可读格式的表现评价请求。所述表现评价请求可以指定关键表现指标的目标,例如,队列长度依从性、理想收银机利用率、理想收银机开启性能、过于理想的收银机开启性能、不够理想的收银机开启性能和每小时扫描的商品量等。执行所述指令时所实现的方法还包括:执行代码以响应于所述表现评价请求在数据库中查询表示所述商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据。执行所述指令时所实现的方法还包括:以编程方式生成所述商店的基于所述交易参数的表现数据。所述表现数据表示所述商店的相对于所述关键表现指标的目标的表现。执行所述指令时所实现的方法包括执行代码以向所述用户输出所述表现数据。
在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置响应于所述表现数据的生成和来自用户的电子请求至少之一,将所述表现数据与所述目标进行比较。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置确定针对特定时间段的顾客到达所述商店的到达速度以及针对所述特定时间段的所述商店中的顾客的服务速度。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以确定通过将所述到达速度除以所述服务速度而定义的理想收银机利用率。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以确定通过所述服务速度与所述到达速度之间的差的倒数而定义的排队等待和接受服务所花费的总时间。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以确定通过排队等待和接受服务所花费的总时间与所述服务速度的倒数之间的差而定义的排队等待和接受服务的平均时间。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以基于所述到达速度以及每一顾客排队等待和接受服务所花费的总时间来确定所述商店中的顾客的平均数量。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以基于所述到达速度以及排队等待和接受服务的平均时间来确定排队的顾客的平均数量。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以基于所述到达速度、所述服务速度和正在工作的销售点终端的数量来确定所述商店为空的概率。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以基于所述到达速度、所述服务速度、正在工作的销售点终端的数量和所述商店为空的概率来确定排队等待的顾客的预期数量。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置执行代码以基于扫描时间、支付时间、先前支付时间和杂项时间来确定每一顾客的交易时间。在一些实施例中,通过所述处理装置执行所述指令可以使所述处理装置基于每小时期间所售出的商品的总数和每小时的交易时间来确定每小时的商品。
根据本发明的实施例,提供了一种用于评价商店的表现的示例性零售表现评价系统,所述示例性零售表现评价系统包括计算机存储装置、图形用户接口和处理装置。所述计算机存储装置存储表示所述商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据。所述处理装置可以被配置为经由图形用户接口从用户接收计算机可读格式的表现评价请求。所述表现评价请求可以指定关键表现指标的目标。所述处理装置可以被配置为执行代码以响应于所述表现评价请求在数据库中查询表示所述商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据。所述处理装置还可以被配置为以编程方式生成所述商店的基于所述交易参数的表现数据。所述表现数据表示所述商店的相对于关键表现指标的目标的表现。所述处理装置还可以被配置为执行代码以向所述用户输出所述表现数据。
在一些实施例中,所述图形用户接口被配置为接收所述关键表现指标的目标的输入。所述处理装置被配置为响应于所述表现数据的生成和来自用户的电子请求至少之一,将所述表现数据与所述目标进行比较。在一些实施例中,所述处理装置可以被配置为确定针对特定时间段的顾客到达所述商店的到达速度以及针对所述特定时间段的所述商店中的顾客的服务速度。在一些实施例中,所述处理装置可以被配置为执行代码以确定通过将所述到达速度除以所述服务速度而定义的理想收银机利用率。在一些实施例中,所述处理装置可以被配置为执行代码以确定通过所述服务速度与所述到达速度之间的差的倒数而定义的排队等待和接受服务所花费的总时间。在一些实施例中,所述处理装置可以被配置为执行代码以确定通过排队等待和接受服务所花费的总时间与所述服务速度的倒数之间的差而定义的排队等待和接受服务的平均时间。
在一些实施例中,所述处理装置可以被配置为执行代码以基于所述到达速度以及每一顾客排队等待和接受服务所花费的总时间来确定所述商店中的顾客的平均数量。在一些实施例中,所述处理装置可以被配置为执行代码以基于所述到达速度以及排队等待和接受服务的平均时间来确定排队的顾客的平均数量。在一些实施例中,所述处理装置可以被配置为执行代码以基于所述到达速度、所述服务速度和正在工作的销售点终端的数量来确定所述商店为空的概率。在一些实施例中,所述处理装置可以被配置为执行代码以基于所述到达速度、所述服务速度、正在工作的销售点终端的数量和所述商店为空的概率来确定排队等待的顾客的预期数量。在一些实施例中,所述处理装置可以被配置为执行代码以基于扫描时间、支付时间、先前支付时间和杂项时间来确定每一顾客的交易时间。在一些实施例中,所述处理装置可以被配置为执行程序以基于每小时期间所售出的商品的总数和每小时的交易时间来确定每小时的商品。
根据结合附图所考虑的以下详细说明,其它目的和特征将变得明显。然而,应理解,附图是作为例示而设计的,而并非作为本发明的限制的限定。
附图说明
为了辅助本领域技术人员制作并使用所公开的系统和关联方法,参考附图,其中:
图1是根据本发明的示例性表现评价系统的框图;
图2是根据本发明的表现评价系统的示例性排队长度计算引擎的框图;
图3是根据本发明的表现评价系统的示例性收银机计算引擎的框图;
图4是根据本发明的示例性销售点系统的框图;
图5是用于实现根据本发明的示例性表现评价系统的实施例的示例性计算装置的框图;
图6是用于实现根据本发明的示例性表现评价系统的实施例的分布式客户端-服务器环境;
图7是根据本发明的示例性表现评价系统的示例性图形用户接口窗口;
图8是根据本发明的示例性表现评价系统的示例性图形用户接口窗口;
图9是根据本发明的示例性表现评价系统所生成的示例性报告;
图10是根据本发明的示例性表现评价系统所生成的示例性报告;
图11是根据本发明的示例性表现评价系统所生成的示例性报告;
图12是根据本发明的示例性表现评价系统所生成的示例性报告;
图13是根据本发明的示例性表现评价系统所生成的示例性报告;
图14是根据本发明的示例性表现评价系统所生成的示例性报告;
图15是根据本发明的示例性表现评价系统所生成的示例性报告;
图16是根据本发明的示例性表现评价系统所生成的示例性报告;
图17是例示根据本发明的示例性表现评价系统的实现的流程图。
具体实施方式
本发明的典型实施例提供可以用于对跨越一个或多个地理区域的可能实施不同处理的一个或多个商店的表现进行评价的表现评价系统。可以基于从商店中的POS终端所收集到的POS终端信息,利用针对商店的表现的评价来判断商店所实施的处理工作得如何。表现评价系统的典型实施例可以有利地提供能够对商店所用的关键表现指标度量进行识别和/或计算的全球通用国际报告平台,其中可以将这些关键表现指标度量与针对这些商店所指定的目标以及/或者其它商店的关键表现指标度量进行比较。作为一个示例,本发明的典型实施例便于识别和/或计算诸如估计队列长度或收银机利用率等的关键表现指标度量,以评价商店在处理顾客需求方面的效率和效果如何。
图1是可以使用硬件、软件和/或它们的组合来实现的示例性表现评价系统100(以下称为“系统100”)的框图。例如,在一个典型实施例中,可以对一个或多个计算装置进行编程和/或配置以实现环境100的典型实施例。例如在图5中示出用于实现环境100或者环境100的一部分的实施例的计算装置的典型实施例。系统100可以包括队列或排队长度计算引擎102(以下称为“引擎102”)以及收银机计算引擎104(以下称为“引擎104”)。
在一些实施例中,系统100可以包括用户接口103。可以对用户接口103进行编程以及/或者用户接口103可以包括可执行代码以提供至少一个图形用户接口105(以下称为“GUI 105”),其中用户可以经由该GUI 105与系统100进行交互。向用户显示的GUI 105可以包括用以接收来自用户的信息的数据输入区域以及/或者可以包括用以向用户显示信息的数据输出。例如,一个GUI105可以使得用户能够将交易参数输入系统100中,而另一GUI 105可以向用户显示表现数据。数据输入区域的一些示例包括但不限制于文本框、复选框、按钮、下拉菜单和/或任何其它适当的数据输入区域。
在典型实施例中,可以对系统100进行编程和/或配置以确定和/或评价一个或多个商店的表现、确定和/或评价该一个或多个商店中的销售点(POS)终端的理想利用率、缩短队列等待时间、以及/或者实现它们的组合。实体可以利用系统100来向该实体提供针对分布跨越多个地理区域的一个或多个商店(例如,国内和/或国际商店)的可见度,以与同这些商店中的POS终端的操作相关联的信息(POS终端信息)有关地评价这些商店所实施的处理(例如,当前调度方案)工作得如何。该POS终端信息可以与从各商店处的POS终端所收集到的销售点数据(即,原始数据)相对应,并且例如可以包括交易时间、所开启的收银机的数量、收银机利用率表现、估计队列长度、估计队列等待时间、购物篮大小和/或与POS终端的操作相关的任何其它适当的信息。
使用所收集到的POS终端信息,系统100可以计算能够用于评价一个或多个商店所实施的处理(例如,调度方案)的各种关键表现指标度量。关键表现指标度量的一些示例例如可以包括估计队列长度、平均服务速度、平均到达速度、收银机利用率、队列异常的次数、购物篮大小和交易次数等。使用系统100,可以基于该一个或多个商店的个体表现来评价该一个或多个商店以及/或者可以基于连同其它商店的集体表现来评价该一个或多个商店(例如,可以对同一地理区域中的商店进行集体评价)。
在一些实施例中,系统100可以按指定时间间隔(例如,每15分钟)来计算关键表现指标度量。系统可以集合针对连续时间间隔(例如,15分钟的间隔)所计算出的关键表现指标度量以反映一个或多个商店在选择时间段(例如,1小时)内的表现。例如,系统100可以每15分钟提供对个体商店的关键表现指标度量,并且可以对系统100进行编程和/或配置以集合针对4个连续时间间隔的关键表现指标度量,从而生成与1小时相关联的关键表现指标度量。
可以使用系统100来评价商店、行政区、地区和/或公司视角的表现,以及/或者可以使用系统100来测量商店以及商店内所实施的方案的进展和效率。在典型实施例中,系统100可以基于关键表现指标度量来评价顾客体验。可以使用关键表现指标度量来判断商店是如何应对人手不足或和人手过多的情形的以及可以如何改进这种应对或方案。因此,所收集到的POS终端信息可以变成与一个或多个商店的表现有关的有用的统计量。在一些实施例中,可以使用系统100来评价诸如用于调度收银员或员工的调度系统等的选替系统。在一些实施例中,可以对系统100进行编程和/或配置以确定关键表现指标度量,并且诸如用于调度收银员或员工的调度系统等的选替系统可以使用该关键表现指标度量来纠正人手过多或人手不足的情形。
如图2所示,系统100的引擎102可以接收POS终端信息中所包括的交易参数作为输入,以针对指定间隔确定排队长度。引擎102所利用的交易参数例如可以包括商店编号106、来访日期108、来访时间110、顾客/交易112、所开启的收银机114、处理时间116和/或任何其它适当的交易参数。尽管这里所论述的交易参数例示出示例性交易参数,但本领域技术人员应理解,可以指定其它和/或不同的交易参数。
商店编号106可以包括表示特定位置处的特定商店的一个或多个整数或字母数字指示符。来访日期108可以包括关注的日期或一周中的星期几。来访时间110可以包括关注的一天中的时间。在一些实施例中,来访时间110可以包括以15分钟为间隔所确定的来访时间。顾客/交易112可以包括多个顾客或正发生的交易。所开启的收银机114可以包括特定商店中所开启的多个收银机。处理时间116可以包括在POS终端处处理各顾客或交易所用的时间。
引擎102可以利用交易参数作为输入以计算顾客到达商店的平均到达速度λ(120)以及顾客在该商店的平均服务速度μ(118)。平均到达速度λ的单位可以是每分钟每一收银机的顾客,并且可以基于以下等式1来计算:
其中,开启的收银机是整数值。平均服务速度μ的单位可以是每分钟的顾客并且可以基于以下等式2来计算:
其中,处理时间是以秒为单位的整数值并且顾客是整数值。
使用每一指定时间间隔(例如,15分钟的间隔)的到达速度λ和服务速度μ,引擎102可以以计算的方式来确定并且输出利用率、排队所花费的时间和排队等待的平均时间。引擎102可以基于以下等式3来计算在操作POS终端的雇员繁忙时的利用率或者时间的比例。
在一些实施例中,可以维持针对利用率的等式4的比成立,以确保队列不会大幅增大。
在典型实施例中,引擎102可以基于以下等式5来计算顾客排队等待和接受服务的总时间:
其中,W表示顾客要站队以及待服务的总等待时间。引擎102可以基于以下等式6来计算在队列中等待或排队等待以及接受服务的平均时间(Wq)。
基于排队等待所花费的总时间(W)以及排队等待的平均时间(Wq),引擎102可以利用以下等式7和8来计算系统中或商店中的顾客的平均数量(L)以及队列中的顾客的平均数量(Lq):
L=λ×W (7)
Lq=λ×Wq (8)
使用等式7和8,引擎102可以计算针对指定时间间隔(例如,15分钟的时间间隔)的每一收银机的队列长度和队列时间。如这里所论述的,在一些实施例中,可以基于15分钟的时间间隔来向用户提供引擎102所进行的计算以及这些计算的结果。然而应理解,可以利用其它时间框架,例如,30分钟、45分钟、1小时、1天和1周等。例如,在一些实施例中,可以按15分钟的间隔来进行基本类似的计算,并且可以将15分钟间隔的计算组合在一起以表示期望时间框架,例如,如果用户希望查看表示1小时的数据,则可以将用于所指示的时间框架的4个15分钟间隔组合在一起并且提供给用户。
如图3所示,系统100的引擎104可以使用POS终端信息中所包括的交易参数,来确定为了及时地服务或容纳顾客而应该开启的POS终端的数量。例如,引擎104可以利用如这里所得出的到达速度λ(120)和服务速度μ(118)、所调度或可用的服务人员/收银员的数量122、以及/或者任何其它适当的交易参数或根据这些交易参数所得出的值,来作为输入。
在一些实施例中,可以维持等式9所定义的比成立,以确保队列不会大幅增大。
其中,s表示商店雇员正在操作的POS终端的数量。
可以通过等式10的马尔可夫过程迭代来计算系统为空(例如,POS终端处不存在排队)的概率(P0),并且可以利用等式11来计算在队列中等待的顾客的数量的预期值(Lq)。
基于系统100所计算出的概率(P0)和在队列中等待的顾客的数量的预期值(Lq),可以对引擎104进行编程和/或配置以判断是否要调度更多的收银员或者更少的收银员,例如,是否要开启或关闭POS终端以容纳预期数量的顾客。由此可以通过开启所确定出的数量的POS终端以备顾客的增加来减少人手不足的状况。同样地,由此可以通过关闭所确定出的数量的POS终端以备顾客的减少来减少人手过多的状况。
参考图4,提供示例性销售点系统130(以下称为“POS系统130”)。POS系统130可以通过商店中的一个或多个POS终端来实现,以及/或者可以与该一个或多个POS终端进行通信。POS系统130包括4个不同的交易/时间类别,其中,可以将交易分类成这4个不同的交易/时间类别。POS系统130可以通过获取从POS系统130上一次将时间记录至类别起所经过的时间量来针对所发生的各交易事件将时间记录成类别。4个不同的交易/时间类别可以包括扫描时间132、支付时间134、先前支付时间136和杂项时间138。
扫描时间132可以是从对商品进行第一次扫描和/或称重起直到按下POS系统130上的小计键以指示扫描结束为止的时间。支付时间134可以是从按下小计键起直到按下支付键为止的时间。支付键可以针对例如现金、支票和信用卡等。先前支付时间136可以是从完成交易起直到关闭POS系统100的现金抽屉为止的时间。杂项时间138可以是从发生初始登录起直到发生第一次扫描为止的时间。杂项时间138还可以是从上一次交易的终止起直到扫描下一次交易的第一个商品为止的时间。在典型实施例中,可以对系统130(或者系统100)进行编程和/或配置以基于以下等式12来计算每一顾客的交易时间:
交易时间=ST+TT+PTT+MT (12)
其中,ST表示扫描时间132,TT表示支付时间134,PTT表示先前支付时间136,以及MT表示杂项时间138。系统130(或者系统100)可以基于以下等式13来计算每小时的商品(即,收银员每小时在POS终端处所扫描的商品):
其中,IPH表示POS终端处所扫描的每小时的商品,售出商品表示每小时售出的总商品,以及交易时间表示每小时的总交易时间。系统130(或者系统100)可以使用交易时间和每小时的商品的值来计算收银员的总处理时间,例如,收银员在特定时间间隔(例如,15分钟的间隔)期间服务各顾客所花费的时间。
在一些实施例中,可以对记录至交易时间类别的时间(例如,扫描时间132、支付时间134、先前支付时间136和杂项时间138)进行封顶,以从所获取的交易时间中去除噪声和/或异常或不切实际的值。特别地,可以对时间进行封顶以计算队列长度,以及保持不封顶以计算每小时的商品。例如,如果在与顾客的交易期间需要进行价格核查,则收银员可能花15分钟来确定正确的价格,由此使得处理时间出现偏差。可以通过对POS系统130的各交易时间进行封顶来去除这种噪声和/或异常或不切实际的值。以下,表1和2表示针对各类型的计算可以对交易时间所实施的封顶。
表1:针对每小时的商品计算的封顶时间
表2:针对队列长度计算的封顶时间
如表1所示,为了计算每小时的商品,可以利用每一扫描商品的实际的秒表示扫描时间132查询。为了计算队列长度,在一些实施例中且如表2所示,扫描时间132查询可以包括每一扫描商品的约60秒的时间限制或封顶。如果要花费约60秒以上来进行扫描,则POS系统130可以识别为这是不切实际的状况。这种状况可能在需要对正在购买的商品进行价格核查的情况下发生。因此,该约60秒的限制可以确保不会由于诸如价格核查、顾客请求花时间获得额外的货品等的状况而分配更多的收银员。
如表1所示,为了计算每小时的商品,可以利用每一交易的实际的秒来表示支付时间134查询。为了计算队列长度,在一些实施例中且如表2所示,支付时间134查询可以包括每一交易的约90秒的时间限制或封顶。如果针对商品的支付时间花费约90秒以上,则可以对该商品的支付时间施加约90秒的封顶。特别地,本领域普通技术人员应理解,从在POS终端上按下小计键起直到按下例如现金、支票和信用卡等的支付键为止的时间通常不需要多于90秒。
如表1所示,为了计算每小时的商品,可以利用每一交易的实际的秒来表示先前支付时间136查询。为了计算队列长度,在一些实施例中且如表2所示,先前支付时间136查询可以包括每一交易的约90秒的时间限制或封顶。特别地,如果从完成交易起直到关闭POS系统的现金收银机为止的时间需要多于90秒,则可以对先前支付时间136施加约90秒的封顶,以防止不精确的计算。
如表1所示,为了计算每小时的商品,在一些实施例中,杂项时间138查询可以包括每一交易的约15秒的时间限制或封顶。为了计算队列长度,在一些实施例中且如表2所示,杂项时间138查询可以包括每一交易的约90秒的时间限制或封顶。例如,为了计算队列长度或关键表现指标(KPI),如果从初始登录起直到发生第一次扫描为止的时间、或者从上一次交易的终止起直到在下一次交易中扫描第一个商品为止的时间超过90秒,则可以对杂项时间138施加约90秒的封顶,以防止不精确的结果。为了计算每小时的商品,如果从初始登录起直到发生第一次扫描为止的时间、或者从上一次交易的终止起直到在下一次交易中扫描第一个商品为止的时间超过15秒,则可以对杂项时间138施加约15秒的封顶,以防止不精确的结果。在一些实施例中,硬注销和/或软注销可以重置POS系统130内的计时器,而无需节省硬注销和/或软注销以及后续交易期间所花费的附加时间。因此,硬注销和/或软注销可以停止杂项时间138时段,并且将POS终端置于挂起模式,直到通过登陆至POS终端以开始后续交易为止。
例如,如果收银员登陆至POS终端,则杂项时间138计数器可以启动。如果收银员不想影响他/她的每小时的商品(IPH)的表现,则可以进行POS终端处的软注销。作为另一示例,如果收银员希望使用洗澡休息、零食休息或者站在通道前方并等待顾客,则可以进行软注销。由此可以获取各POS终端或收银员所用的实际交易时间,同时减少噪声和/或异常/不切实际的值。
转向图5,提供用于实现系统100的典型实施例的示例性计算装置200的框图。计算装置200包括用于存储用于实现典型实施例的一个或多个计算机可执行指令或软件的一个或多个非瞬态计算机可读介质。非瞬态计算机可读介质可以包括但不限于一个或多个类型的硬件存储器和非瞬态有形介质(例如,一个或多个磁存储盘、一个或多个光盘、一个或多个闪速驱动器)等。例如,计算装置200中所包括的存储器206可以存储用于实现系统100的典型实施例的计算机可读指令和计算机可执行指令或软件。计算装置200还包括可配置和/或可编程的处理器202以及关联核心204,并且可选地(例如,在计算机系统具有多个处理器/核心的情况下)包括附加的一个或多个可配置和/或可编程的处理器(202’)以及关联核心204’,其中,可配置和/或可编程的处理器202以及关联核心204、附加的一个或多个可配置和/或可编程的处理器(202’)以及关联核心204’用于执行存储器206中所存储的计算机可读指令和计算机可执行指令或软件以及用于控制系统硬件的其它程序。处理器202和处理器202’可以各自具有单核处理器或多核(604和604’)处理器。
可以在计算装置200中采用虚拟化以使得可以动态地共享计算装置200中的基础设施和资源。可以设置虚拟机214来处理多个处理器202上所运行的进程以使得进程仿佛仅使用一个计算资源而不是多个计算资源。还可以将多个虚拟机与一个处理器202一起使用。
存储器206可以包括计算机系统存储器或者诸如DRAM、SRAM和EDO RAM等的随机存取存储器。存储器206还可以包括其它类型的存储器或者这些存储器的组合。
用户可以经由诸如计算机监视器等的可视显示装置218与计算装置200进行交互,其中该可视显示装置218可以显示根据典型实施例而设置的一个或多个图形用户接口105。计算装置200可以包括用于接收来自用户的输入的I/O装置,例如,键盘208或任何适当的多点触摸接口和指示装置210(例如,鼠标)等。键盘208和指示装置210可以连接至可视显示装置218。计算装置200可以包括其它适当的传统I/O外围设备。
计算装置200还可以包括诸如硬盘驱动器、CD-ROM或其它计算机可读介质等的用于存储数据以及实施这里所述的系统100的典型实施例的计算机可读指令和/或软件的一个或多个存储装置222。示例性存储装置222还可以存储一个或多个数据库224,其中该一个或多个数据库224用于存储实现典型实施例所需的任何适当的信息。例如,示例性存储装置222可以存储一个或多个数据库224,其中该一个或多个数据库224用于存储诸如商店编号、来访日期、来访时间、顾客/交易、所开启的收银机、处理时间、扫描时间、支付时间、先前支付时间和杂项时间等的信息,并且根据交易参数所计算出的值可以包括供系统100的实施例所使用的排队长度、收银机的需求、服务速度、到达速度和服务人员/收银员的数量等。可以在任何适当的时间进行手动更新或自动更新数据库224,以在数据库224中添加、删除和或更新一个或多个商品。
计算装置200可以包括网络接口212,其中该网络接口212被配置为通过各种连接(包括但不限于标准电话线路、局域网(LAN)或广域网(WAN)链路(例如,802.11、T1、T3、56kb、X.25)、宽带连接(例如,ISDN、帧中继、ATM)、无线连接、控制器区域网络(CAN)或者它们的任意或全部的组合),经由一个或多个网络装置220的与一个或多个网络(例如,LAN、WAN或因特网)的接口。在典型实施例中,计算装置200可以包括便于在计算装置200和网络之间(例如,经由网络接口212)进行无线通信的一个或多个天线226。网络接口212可以包括内置的网络适配器、网络接口卡、PCMCIA网卡、卡总线网络适配器、无线网络适配器、USB网络适配器、调制解调器或者适合于将计算装置200连接至能够进行通信的任意类型的网络并且适合于进行上述的操作的任何其它装置。此外,计算装置200还可以是诸如工作站、台式计算机、服务器、膝上型计算机、手持式计算机、平板计算机(例如,iPadTM平板计算机)、移动计算或通信装置(例如,iPhoneTM通信装置)、销售点终端、公司内部装置或者能够进行通信且具有足够的处理器能力和存储器容量以进行上述的操作的其它形式的计算或电信装置等的任何计算机系统。
计算装置200可以运行诸如任何版本的操作系统、不同版本的Unix和Linux操作系统、Macintosh计算机所用的任何版本的任何嵌入式操作系统、任何实时操作系统、任何开源操作系统、任何专用操作系统或者能够运行计算装置200并且进行这里所述的操作的任何其它操作系统等的任何操作系统216。在典型实施例中,操作系统216可以在本机模式或仿真模式下运行。在典型实施例中,操作系统216可以在一个或多个云机实例上运行。
图6是用于实现系统100的一个或多个实施例的示例性客户端-服务器环境300的框图。客户端-服务器环境300包括可以被配置为经由通信网络350连接至客户端装置320~324的服务器310~314,其中该通信网络350可以用于在以通信方式连接至网络的装置之间能够传输信息的任意网络。例如,通信网络350可以是因特网、内部网、虚拟专用网络(VPN)、广域网(WAN)和局域网(LAN)等。客户端-服务器环境300可以包括能够被配置为经由通信网络350连接至服务器310~314以及连接至客户端装置320~324的资源库或数据库330~334。客户端-服务器环境300可以包括能够被配置为经由通信网络350连接至服务器310~314、客户端装置320~324和数据库330~334的销售点终端326~328。服务器310~314、客户端装置320~324、销售点终端326~328以及数据库330~334可以实现为计算装置。本领域技术人员应理解,数据库装置330~334可以并入服务器310~314中的一个或多个以使得服务器310~314中的一个或多个可以包括数据库330~334。在典型实施例中,系统100可以由服务器310来实现。在一些典型实施例中,系统100可以分布于不同的服务器312~314。例如,引擎102可以由服务器312来实现并且引擎104可以由服务器314来实现。
客户端装置320~324可以包括被编程为和/或配置为访问系统100以及/或者作为与系统100的接口的客户端侧应用程序336~340。在本实施例中,客户端装置320~324可以是例如包括便携式计算装置的计算装置。在一些实施例中,由客户端装置320所实现的客户端侧应用程序336可以是能够对安装有系统100的GUI 105的一个或多个网页进行导航的web浏览器。在一些实施例中,由客户端装置320~324(例如,便携式计算装置)中的一个或多个所实现的客户端侧应用程序336~340可以是系统100所专有的用以允许访问该系统100的应用程序,或者应用程序336~340可以是系统100。在一些实施例中,系统100所专有的应用程序可以是便携式计算装置所安装并执行的移动应用程序。在典型实施例中,客户端装置320~324可以被配置为经由有线和/或无线通信与网络350进行通信。
数据库330~334可以存储系统100所使用的信息。例如,数据库330可以存储与引擎102交易参数有关的信息,数据库332可以存储与引擎104交易参数有关的信息,并且数据库334可以存储与系统130有关的信息。在一些典型实施例中,数据库330~334可以存储与引擎102交易参数、引擎104交易参数有关的信息以及与系统130有关的信息的组合。
一些实施例中可以包括一个或多个图形用户接口以便于用户与表现评价系统100、引擎102、引擎104、POS 130和这里所公开的其它特征进行交互。参考图7,设置可以由系统100来提供的示例性图形用户接口窗口400(以下称为“GUI窗口400”),其中该GUI窗口400可以将关键指标度量和/或POS终端信息作为报告(例如,总结、表格、电子表格和/或任何适当的数据格式)提供给一个或多个用户。应注意,这里所示出并论述的GUI窗口元素仅是例示性的,并且其它GUI窗口元素可以与所论述的GUI窗口元素结合使用或者作为所论述的GUI窗口元素的替代。GUI窗口400提供用于使得用户能够输入一个或多个参数以利用系统100生成报告的菜单显示。例如,基于用户输入至GUI窗口400的参数或限制,可以对系统100进行编程和/或配置以通过使用这里所论述的等式1~16基于在一个或多个POS终端处所收集到的数据来输出数据。在一些实施例中,GUI窗口400包括用户名402和密码404输入区域。用户名402和密码404输入可以为了安全目的和/或为了存储先前生成的查询而实现。用户名402和密码404可以进一步提供针对用于存储以上所论述的所获取的交易参数值的数据库表格的访问许可。国家输入406可以包括供用户选择关注国家的下拉菜单。在一些实施例中,如果实体拥有两个或更多个类型的商店,则可以使用商店选择单选按钮408来选择关注商店。例如,如图7所示,用户可以在“沃尔玛”和“山姆”之间进行选择。在一些实施例中,可以设置下拉菜单来选择商店的类型。
可以选择用于生成或显示数据的时间框架。例如,系统100可以显示每一商店的一刻钟水平的数据作为默认设置。用户可以通过选择用以显示每日水平的数据的复选框410来抑制一刻钟水平的数据显示。对于更大的数据显示范围,可以选择周次选择用的复选框412。特别地,可以将关注周输入至区域414并且可以将财政年末输入至区域416。在一些实施例中,可以在区域418中选择起始日期,并且可以通过选择适当地单选按钮420来选择是针对一天进行数据显示还是针对整个周进行数据显示。为了选择更大的数据范围,可以在区域418中选择起始日期或者可以将起始日期输入至区域418,可以选择结束日期单选按钮424,并且可以选择结束日期或者将结束日期输入至区域422。可以经由按钮426来打开高级设置或属性菜单。通过激励“OK”按钮428,可以由系统100针对所选择的区域运行查询,并且可以经由“取消”按钮430来取消查询。
图8示出系统100的高级属性或设置菜单所用的示例性图形用户接口窗口450(以下称为“GUI窗口450”)。如以下将会更详细地论述,GUI窗口450使得用户能手动输入关键表现指标(例如,队列长度依从性、利用率和/或收银机开启性能、每小时扫描和快速通道特性、以及营业单位选择等)的目标或目的。应理解,这里所设置的目标值和/或目标值的范围例示出典型实施例并且不应被视为限制本发明。例如,在一些实施例中,目标值可以采用与这里所设置的范围更大或更小的范围。基于用户输入至GUI窗口450的目标或目的,系统100可以基于通过使用这里所论述的等式1~16在一个或多个POS终端处所收集到的数据来输出数据以表示一个或多个商店的相对于所输入的目标或目的的表现。
GUI窗口450的队列长度依从性子窗口使得用户能够将队列长度和队列依从性目标分别输入至区域452和454。例如,在一些实施例中,队列长度区域452可以接收1~10个顾客范围内的输入。作为另一示例,可以将图8的期望队列长度区域452指定为小于或等于2个顾客。在一些实施例中,队列依从性目标区域454可以接收例如约80%~约100%范围内的输入。作为另一示例,可以将图8的队列依从性目标区域454指定为大于或等于98%。因此,系统100可以对示出在特定商店中尚未满足期望队列长度依从性目标的数据进行标记。
GUI窗口450的利用率/收银机开启性能子窗口使得用户能够将理想利用率目标、理想收银机开启性能(ROP)目标、过于理想的ROP目标和不够理想的ROP目标分别输入至区域456、458、460和462。例如,在一些实施例中,理想利用率目标区域456可以接收约60%~约90%范围内的输入。作为另一示例,可以将图8的理想利用率目标区域456指定为大于或等于75%。针对理想ROP目标,在一些实施例中,区域458可以接收约75%~约100%范围内的输入。作为另一示例,可以将图8的理想ROP目标区域458指定为大于或等于90%。针对过于理想的ROP目标,在一些实施例中,区域460可以接收约5%~约35%范围内的输入。作为另一示例,可以将图8的过于理想的ROP目标区域460指定为小于或等于20%。针对不够理想的ROP目标,在一些实施例中,区域462可以接收约0%~25%范围内的输入。作为另一示例,可以将图8的不够理想的ROP目标区域462指定为小于或等于10%。
在一些实施例中,约75%~约80%的理想利用率目标可以表示约3个顾客的队列长度。在一些实施例中,小于约75%的理想利用率目标可以表示适当地约0~2个顾客的队列长度范围。在一些理想实施例中,大于约85%的理想利用率目标可以表示约5个以上顾客的队列长度。可以基于理想利用率目标来计算理想ROP目标、过于理想的ROP目标和不够理想的ROP目标。
在一些实施例中,与所开启的收银机的实际数量相比,所开启的收银机的理想数量(例如,ROP)可以基于处理时间(例如,服务顾客所花费的时间)除以时间间隔(例如,针对15分钟的时间间隔为900秒),并乘以理想利用率目标值(例如,75%)。所计算出的值可以进一步四舍五入为最接近的整数值。例如,如果所计算出的ROP值是1.5,则由于不能开启1.5个收银机,因此该ROP值可以四舍五入为2。理想ROP值可以表示在指定的理想利用率目标值(例如,75%)的情况下在预定时间间隔期间应该开启的收银机的数量。然后可以将所开启的收银机的实际数量与应该开启的收银机的数量进行比较以确定表示收银机过多比例和收银机不足比例的过于理想的ROP比例和不够理想的ROP比例。可以基于等式14来计算所开启的收银机的理想数量,并且可以基于等式15来计算用于将所开启的收银机的实际数量相对于应该开启的收银机的数量进行比较的ROP值。
应理解,基于等式14所计算出的收银机的理想数量识别针对15分钟的时间间隔的收银机的理想数量。在一些实施例中,可以将等式14修改为包括针对选替时间间隔的顾客处理时间,并且可以修改900秒以反映期望时间间隔,例如,针对20分钟的时间间隔的1200秒。
GUI窗口450的每小时扫描/快速特性子窗口使得用户能够将每小时扫描目标和快速通道商品数量目标分别输入至区域464和466。特别地,每小时扫描目标可以表示在常规结账通道处每小时扫描的商品的数量,而快速通道商品数量目标可以表示在快速结账通道处每小时扫描的商品的数量。例如,在一些实施例中,每小时扫描目标区域464可以接收约600次扫描~约1000次扫描范围内的输入。作为另一示例,可以将图8的每小时扫描目标区域464指定为大于或等于800次扫描。针对快速通道商品数量目标,在一些实施例中,区域466可以接收约5个商品~35个商品范围内的输入。作为另一示例,可以将图8的快速通道商品数量目标区域455指定为小于或等于20个商品。
应理解,区域464中的每小时扫描目标和区域466中的快速通道商品数量目标可以受到特定商店、一组商店或市场所使用的前端处理的类型影响并且可以由该前端处理的类型进行选择。例如,在美国工作的收银员可以可以对售出商品进行扫描和包装或装袋。与此相对,在墨西哥工作的收银员可以仅对售出商品进行扫描,而包装人员或顾客对售出商品进行包装或装袋。因此,所设置的每小时扫描目标应考虑到该商店、该一组商店或该市场正使用的前端处理。例如,在一些实施例中,对于扫描并包装售出商品的美国的收银员,每小时扫描目标可以约为每小时600个商品,而对于仅扫描售出商品的墨西哥的收银员,每小时扫描目标可以约为每小时900个商品。类似地,应在考虑到在商店、一组商店或市场中定义快速通道的方式的情况下设置快速通道商品数量目标。例如,在一些实施例中,可以将美国的快速通道定义为针对具有20以下个商品的顾客的通道,而可以将墨西哥的快速通道定义为针对具有30以下个商品的顾客的通道。
GUI窗口450的营业单位选择子窗口使得用户能够将起始营业单位编号和结束营业单位编号分别输入至区域468和470,以表示表示关注商店的营业单位编号的范围,其中将针对这些关注商店显示数据。应理解,可以使用营业单位选择子窗口,通过在起始营业单位编号区域468和结束营业单位编号区域470中输入相同的营业单位编号来选择个别商店以进行查看。类似地,可以使用营业单位选择子窗口,通过将起始营业单位编号和结束营业单位编号输入在区域468区域470中来选择一组商店以进行查看。例如,在一些实施例中,起始营业单位编号区域468和结束营业单位编号区域470可以接收约0~9999范围内的输入。作为另一示例,可以将图8的起始营业单位编号区域468指定为0并且可以将图8的结束营业单位编号区域470指定为9999,以表示0~9999的营业单位编号的范围。
可以选择复选框472以表示所生成的数据是否应包括与行政区和/区域中的商店有关的信息。可以选择复选框474以表示商店中的所有POS终端均应包括在所生成的数据中。在一些实施例中,GUI窗口450默认可以生成仅与前端POS终端有关的数据。在一些实施例中,可以实现GUI窗口450以选择POS终端的类型,例如,前端POS终端、自助结账通道、电子货品区POS终端、药房货品区POS终端、照片货品区POS终端、轮胎和润滑油货品区POS终端和园艺货品区POS终端等,其中将针对这些类型生成数据。可以通过激励“OK”按钮476来保存GUI窗口450中所输入的高级属性,并且可以通过激励“取消”按钮480来取消所输入的属性或目标。
参考图9~16,设置系统100所生成的示例性报告。例如,基于从用户向GUI窗口400和GUI窗口450的输入,系统100可以利用在一个或多个POS终端处所接收到的数据以及这里所论述的等式1~16来输出有用的统计量/度量,以表示一个或多个商店的相对于所指示的目标或目的的表现。参考图9,提供系统100针对GUI窗口450的区域456所输入的理想收银机利用率而生成的示例性理想收银机利用率报告500。在一些实施例中,理想收银机利用率目标可以是约60%~约90%。作为示例,图9所实现的理想收银机利用率目标为大于或等于75%。作为接近100%的收银机利用率,队列排队会增长,这是因为平均服务速度赶不上平均顾客到达速度。
图9示出理想收银机利用率报告500,其中该理想收银机利用率报告500可以包括:表示生成报告500所针对的国家、财政年末和周次的第一部分502或头部。例如,图9标识出国家为中国、财政年末为2013年并且周次是45。报告500包括表示生成报告所针对的目标的第二部分504或头部。例如,图9标识出目标为理想收银机利用率并且表示该目标要具有大于或等于75%的理想收银机利用率。
报告500可以包括例如区域506、标语508、格式510和商店的总数512等的一个或多个列的子头部。行和列的阵列514可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。区域506可以表示例如区域1、区域2和区域3等的正示出的数据所针对的国家内的区域。标语508可以表示例如超市和社区店等的正示出的数据所针对的商店的类型。格式510可以表示商店的类型所用的格式,例如,针对大新超市为HYP、针对超市为SPM以及针对购物中心为SPC等。商店的总数512可以表示针对特定区域可适用的商店的总数,例如针对区域1为33个商店以及针对区域2为57个商店等。
尽管示出为针对特定区域的商店的总数,但应理解,这里所论述的报告可以针对各个体商店而生成或者可以针对两个或更多个商店的组而生成。在一些实施例中,用户可以通过点击各行来针对特定区域选择阵列514中的行,这继而可以展开示出该区域中的各个体商店各自的数据的子阵列。因而,用户可以判断哪些商店满足所指示的目标以及哪些商店不满足所指示的目标。还可以采取纠正动作以提高不满足所指示的目标的商店的表现。
类似地,报告500可以包括例如平均516和满足目标的商店的百分比518等的一个或多个列的子头部。行和列的阵列520可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列520所示的数据对应于与如第二部分504所表示的理想收银机利用率目标相关的数据。平均516可以将各区域中的所有商店的平均理想收银机利用率表示为百分比,例如,针对区域1中的商店为75.25%以及针对区域2中的商店为62.06%等。满足目标的商店的百分比518可以表示满足GUI窗口450的理想利用率目标区域456所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为57.78%以及针对区域2中的商店为5.26%等。基于所生成的数据,可以开启更多或者更少的收银机以提高满足目标的商店的百分比。如上所述,所生成的数据可以基于在POS终端处所收集到的真实数据,以使得由于在一天中的不同部分期间商店中的顾客的数量的变化,因此系统100可以精确地表示针对一天中的不同部分所要开启的POS终端的理想数量,例如,可以在一天中的高峰时间部分期间开启较多的POS终端并且可以在深夜开启较少的POS终端等。
图10示出系统100针对GUI窗口450的区域464中所输入的每小时扫描目标而生成的示例性每小时扫描报告530。如上所述,每小时扫描表示在POS终端处正扫描的商品的每小时的速度。应理解,各市场具有不同的操作处理。例如,美国的收银员可以扫描并包装商品,而其它市场的收银员可以仅扫描商品并且由顾客或包装人员包装商品。因此,美国的每小时扫描速度将会低于其它市场。在一些实施例中,每小时扫描目标可以在约600次扫描~1000次扫描的范围内。针对图10,作为示例,每小时扫描目标大于或等于800。在一些实施例中,每小时扫描目标的默认值可以设置为800。
每小时扫描报告530可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,该第一部分502表示生成报告530所针对的国家、财政年末和周次。报告530可以包括例如区域506、标语508、格式510和商店的总数512等的与报告500的子头部基本类似的一个或多个列的子头部。报告530还包括行的阵列514,其中这些行包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告530还包括表示生成报告530所针对的目标的第二部分532或头部。例如,图10标识出目标为每小时扫描并且表示该目标要具有大于或等于800的每小时扫描。第二部分532可以包括例如平均534和满足目标的商店的百分比536等的一个或多个列的子头部。行和列的阵列538可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列538所示的数据对应于与如第二部分532所表示的每小时扫描目标相关的数据。平均534可以针对表示针对各区域中的所有商店的平均每小时扫描,例如,针对区域1中的商店为每小时1170次扫描以及针对区域2中的商店为每小时1224次扫描等。满足目标的商店的百分比536可以表示满足GUI窗口450的每小时扫描目标区域464所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为100%以及针对区域2中的商店为98.25%等。
图11示出系统100针对GUI窗口450的区域454中所输入的队列依从性目标所生成的示例性队列依从性报告540。如上所述,可以针对例如报告540日期范围内的各天的扫描时间132、支付时间134、先前支付时间136和杂项时间等的每15分钟的时段或交易类型来计算队列长度。可以通过将15分钟的时间段内队列长度超过所定义的队列阈值(即,区域452中所输入的队列长度)的次数除以15分钟的时间段的总数来确定队列依从性。在一些实施例中,队列依从性目标可以在约80%~约100%的范围内。针对图11,作为示例,队列依从性目标大于或等于98%。
队列依从性报告540可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,其中该第一部分502表示生成报告540所针对的国家、财政年末和周次。报告540可以包括例如区域506、标语508、格式510和商店的总数512等的与报告500的子头部基本类似的一个或多个列的子头部。报告540还包括行和列的阵列514,其中这些行和列包括对于所列出的商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告540还包括表示生成报告540所针对的目标的第二部分542或头部。例如,图11标识出目标为队列依从性并且表示该目标要具有大于或等于98%的队列依从性。第二部分542可以包括例如平均544、总计一刻钟异常546和满足目标的商店的百分比548等的一个或多个列的子头部。行和列的阵列550可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列550所示的数据对应于与如第二部分542所表示的队列依从性相关的数据。平均544可以表示针对各区域中的所有商店的相对于期望队列长度的平均队列依从性,例如,针对区域1中的商店为50.87%以及针对区域2中的商店为82.55%等。如上所述,这里所论述的计算可以针对15分钟的时间间隔来进行,其中可以根据所选择的期望日期范围来将15分钟的时间间隔集合成1小时、1周等。总计一刻钟异常546可以表示队列长度大于针对各15分钟的时间间隔内的目标值的情况下的异常次数的总计或总和。然后,可以利用所选择的期望日期范围内的15分钟的时间间隔的总数来确定队列长度依从性的百分比。例如,可以基于等式16来确定队列长度依从性的百分比。
针对等式16,TQH可以表示15分钟的时间间隔的总数并且TQHE可以表示存在队列异常的15分钟的时间间隔的总数。
满足目标的商店的百分比548可以表示满足GUI窗口450的队列依从性目标区域454所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为0%以及针对区域2中的商店为12.28%等。应注意,如果商店和/或区域始终满足或超过队列依从性目标,则这表示特定的商店和/或区域人手过多。
图12示出系统100针对GUI窗口450的区域452中所输入的队列长度而生成的示例性平均队列长度报告560。如上所述,平均队列长度表示POS终端处的期望顾客队列长度。可以基于平均服务速度μ和平均到达速度λ来计算平均队列长度。平均队列长度报告560可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,其中该第一部分502表示生成报告560所针对的国家、财政年末和周次。报告560可以包括与报告500的子头部基本类似的例如区域506、标语508、格式510和商店的总数512等的一个或多个列的子头部。报告560还包括行和列的阵列514,其中这些行和列包括对于所列出的商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告560还包括表示生成报告560所针对的目标的第二部分562或头部。在一些实施例中,平均队列长度目标可以在1~10个顾客的范围内。例如,图12标识出目标为平均队列长度并且表示该目标要具有少于或等于3个顾客的平均队列长度。第二部分562可以包括例如平均564和满足目标的商店的百分比566等的一个或多个列的子头部。行和列的阵列568可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列568所示的数据对应于与如第二部分562所表示的平均队列长度相关的数据。平均564可以表示针对各区域中的所有商店的平均队列长度,例如,针对区域1中的商店为队列中有3个顾客以及针对区域2中的商店为队列中有2个顾客等。满足目标的商店的百分比566可以表示满足GUI窗口450的队列长度区域452所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为30.30%以及针对区域2中的商店为92.98%等。
图13示出系统100针对GUI窗口450的区域458中所输入的理想ROP目标所生成的理想ROP报告570。如上所述,理想ROP表示基于实际的POS终端交易数据应该开启的收银机的理想数量。系统100可以将所开启的POS终端的实际数量与POS终端的理想数量进行比较以判断所选择的数据范围的各15分钟的时间段期间商店是否开启了足够的POS终端以满足实际需求。
理想ROP报告570可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,其中该第一部分502表示生成报告570所针对的国家、财政年末和周次。报告570可以包括与报告500的子头部基本类似的例如区域506、标语508、格式510和商店的总数512等的一个或多个列的子头部。报告570还包括行和列的阵列514,其中这些行和列包括对于所列出的商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告570还包括表示生成报告570所针对的目标的第二部分572或头部。在一些实施例中,理想ROP目标可以在约75%~约100%的范围内。例如,图13标识出目标为理想ROP并且表示该目标要具有大于或等于90%的ROP。第二部分572可以包括例如平均574和满足目标的商店的百分比576等的一个或多个列的子头部。行和列的阵列578可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列578所示的数据对应于与如第二部分572所表示的理想ROP目标相关的数据。平均574可以表示针对各区域中的所有商店的平均ROP,例如,针对区域1中的商店为61.13%以及针对区域2中的商店为88.04%等。满足目标的商店的百分比576可以表示满足GUI窗口450的理想ROP区域458所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为9.09%以及针对区域2中的商店为61.04%等。
图14示出系统100针对GUI窗口450的区域460中所输入的过于理想的ROP目标所生成的示例性收银机过多百分比报告580。可以通过计算基于实际的POS终端交易数据应该开启的POS终端的理想数量,使用理想收银机利用率值,来确定收银机过多百分比。还可以将所开启的POS终端的实际数量与所开启的POS终端的理想数量进行对比以判断在所选择的数据范围的各15分钟的时间段期间商店是否开启了多于POS终端的理想数量的POS终端。
收银机过多百分比报告580可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,其中该第一部分502表示生成报告580所针对的国家、财政年末和周次。报告580可以包括与报告500的子头部基本类似的例如区域506、标语508、格式510和商店的总数512等的一个或多个列的子头部。报告580还包括行和列的阵列514,其中这些行和列包括对于所列出的商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告580还包括表示生成报告580所针对的目标的第二部分582或头部。在一些实施例中,收银机过多百分比目标可以在约5%~约35%的范围内。例如,图14标识出目标为收银机过多百分比并且表示该目标要具有小于或等于20%的收银机过多百分比。第二部分582可以包括例如平均584和满足目标的商店的百分比586等的一个或多个列的子头部。行和列的阵列588可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列588所示的数据对应于与如第二部分582所表示的平均收银机过多百分比相关的数据。平均584可以表示针对各区域中的所有商店的收银机过多百分比,例如,针对区域1中的商店为30.72%以及针对区域2中的商店为59.54%等。满足目标的商店的百分比586可以表示满足GUI窗口450的过于理想的ROP目标区域460所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为33.33%以及针对区域2中的商店为5.26%等。
图15示出系统100针对GUI窗口450的区域462中所输入的不够理想的ROP目标所生成的示例性收银机不足百分比报告590。可以通过使用理想POS终端利用率值并计算基于实际的POS终端交易数据应该开启的POS终端的理想数量来确定收银机不足百分比。还可以将所开启的POS终端的实际数量与所开启的POS终端的理想数量进行比较以判断所选择的数据范围的各15分钟的时间段期间商店是否开启了少于POS终端的理想数量的POS终端。
收银机不足百分比报告590可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,其中该第一部分502表示生成报告590所针对的国家、财政年末和周次。报告590可以包括与报告500的子头部基本类似的例如区域506、标语508、格式510和商店的总数512等的一个或多个列的子头部。报告590还包括行和列的阵列514,其中这些行和列包括对于所列出的商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告590还包括表示生成报告590所针对的目标的第二部分592或头部。在一些实施例中,收银机不足百分比目标可以在约0%~约25%的范围内。例如,图15标识出目标为收银机不足百分比并且表示该目标要具有小于或等于10%的收银机不足百分比。第二部分592可以包括例如平均594和满足目标的商店的百分比596等的一个或多个列的子头部。行和列的阵列598可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列598所示的数据对应于与如第二部分592所表示的不够理想ROP目标的百分比相关的数据。平均594可以表示针对各区域中的所有商店的收银机不足百分比,例如,针对区域1中的商店为38.87%以及针对区域2中的商店为11.96%等。满足目标的商店的百分比596可以表示满足GUI窗口450的不够理想的ROP目标区域462所表示的目标的各区域中的商店的百分比,例如,针对区域1中的商店为9.09%以及针对区域2中的商店为61.40%等。
图16示出系统100所生成的示例性附加关键表现指标报告600。报告600可以包括与理想收银机利用率报告500的第一部分502基本类似的第一部分502,其中该第一部分502表示生成报告600所针对的国家、财政年末和周次。报告600可以包括与报告500的子头部基本类似的例如区域506、标语508、格式510和商店的总数512等的一个或多个列的子头部。报告600还包括行和列的阵列514,其中这些行和列包括对于所列出的商店或区域针对各列头部所生成的数据。应理解,阵列514所示的数据与针对如第一部分502所表示的财政年末的周次描述关注国家中的商店的数据相对应。
报告600还包括表示针对一个或多个附加关键表现指标来生成报告600的第二部分602或头部。第二部分592可以针对该一个或多个附加关键表现指标包括一个或多个列的子头部,例如按分钟测量的队列中的平均等待604、按秒测量的平均交易时间606、每一刻钟每一通道的平均顾客608、基于顾客的购物篮中的商品数的平均购物篮大小610、百分比交易612、百分比交易614和过于理想的收银机小时616等。在一些实施例中,针对百分比交易612和/或614的限制可以在约5个购物篮~35个购物篮的范围内。作为示例,图16示出针对百分比交易612和614的限制分别为小于或等于20个购物篮和大于20个购物篮。行和列的阵列618可以包括对于所列出的各商店或区域针对各列头部所生成的数据。应理解,阵列618所示的数据对应于与如第二部分602的列的子头部所表示的附加关键表现指标相关的数据。
队列中的平均等待604可以表示针对各区域中的所有商店的队列中的顾客的平均等待时间,例如,针对区域1中的商店为3.6分钟以及针对区域2中的商店为1.7分钟等。平均交易时间606可以表示针对各区域中的所有区域的顾客和收银员之间的交易的平均时间,例如,针对区域1中的商店为每一交易57秒以及针对区域2中的商店为每一交易51秒等。每一刻钟每一通道的平均顾客608表示针对各区域中的所有商店的各15分钟的时间间隔的各通道中的顾客的平均数量,例如,针对区域1中的商店为12个顾客以及针对区域2中的商店为11个顾客等。平均购物篮大小610表示针对各区域中的所有商店的顾客的购物篮中的商品数,例如,针对区域1中的商店为7个商品以及针对区域2中的商店为6个商品等。百分比交易612可以表示针对各区域中的所有商店的小于或等于20个购物篮的15分钟的时间间隔内的交易的百分比,例如,针对区域1中的商店为95.45%以及针对区域2中的商店为95.62%等。百分比交易614可以表示针对各区域中的所有店铺的大于20个购物篮的15分钟的时间间隔内的交易的百分比,例如针对区域1中的商店为4.55%以及针对区域2中的商店为4.38%等。可以通过从所计算出的针对一天的各15分钟的时间段所要开启的POS终端的理想数量中减去所开启的POS终端的实际数量,来计算一天的过于理想的收银机小时616。然后可以将结果转换成超过或少于所计算出的要开启的收银机的理想数量的一天的小时,并且可以在阵列618中呈现针对各区域的所有商店的所选择的日期范围中的所有天数的总和,例如,针对区域1中的商店为比理想收银机开启小时少260.25小时以及针对区域2中的商店为比理想收银机开启小时多4786.75小时等。
转向图17,提供示出系统100所执行的计算机可执行处理的示例性方法的流程图。首先可以通过系统100的实施例以编程的方式收集或接收来自一个或多个商店的一个或多个POS终端的表示例如商店编号、来访日期、来访时间、顾客/交易、所开启的收银机和处理时间等的交易参数的数据(步骤700)。例如,可以将表示交易参数的数据收集或存储在数据库中,并且可以以编程的方式来执行代码以向系统100查询表示交易参数的数据。用户可以经由GUI窗口400和/或GUI窗口450来针对一个或多个关键表现指标指定并输入一个或多个目标或目的,例如,队列依从性目标、理想利用率目标、理想ROP目标和每小时扫描目标等(步骤702)。系统100可以基于所收集到的表示用于执行系统100的用于实现这里所述的算法的代码的交易参数的数据来生成针对一个或多个商店的表现数据(步骤704)。可以将所生成的表现数据与一个或多个指示的目标或目的进行比较以确定各商店的表现和/或效率,并且系统100可以生成一个或多个报告以便于评价(例如,如这里参考图9~16所述的)一个或多个商店的表现(步骤708)。在一些实施例中,可以将针对商店所生成的表现数据与表示至少一个选替商店的表现的表现数据进行比较。由此可以确定该商店的相对于一个或多个选替商店的表现。
尽管这里已经说明了典型实施例,但在此明确指出这些实施例不应被视为限制这里所明确说明的内容,并且对这里所明确说明的内容进行的添加和修改也包括在本发明的范围内。此外,应理解,这里所说明的各种实施例的特征并非是相互排斥的,即使这里没有明确说明组合或排列,在没有背离本发明的精神和范围的情况下,也可以对各种实施例的特征进行各种组合和排列。
Claims (20)
1.一种开启或关闭地理分布的销售点终端的方法,包括以下步骤:
在远程服务器处,从地理分布的销售点终端接收销售点数据,其中,所述销售点数据包括交易数据和针对配置了至少一个销售点终端的各地理位置在特定时间段期间工作的销售点终端的数量,所述交易数据包括交易处理时间;
通过所述远程服务器,利用预设时间值对所述交易处理时间进行封顶,以减少对所述交易处理时间进行确定时的噪声、异常值和不切实际的值至少之一,从而确保估计的队列长度和操作中的销售点终端的数量的准确性;
通过所述远程服务器,基于从销售点终端接收到的所述销售点数据,针对配置了至少一个销售点终端的各个地理位置并且针对所述特定时间段来估计销售点终端处的队列长度值;
通过所述远程服务器,基于从销售点终端接收到的所述销售点数据,针对配置了至少一个销售点终端的各个地理位置并且针对所述特定时间段来估计所述操作中的销售点终端的所述数量;
将所述操作中的销售点终端的所述数量与所述销售点终端的理想数量进行比较,并将所述销售点终端开启或关闭以满足该销售点终端的所述理想数量。
2.根据权利要求1所述的方法,其中,还包括:将商店的表现数据与表示至少一个选替商店的表现的表现数据进行比较,以确定所述商店相对于所述至少一个选替商店的表现。
3.根据权利要求2所述的方法,其中,还包括:响应于所述表现数据的生成和来自用户的电子请求至少之一,将所述表现数据与关键表现指标的目标进行比较。
4.根据权利要求3所述的方法,其中,所述关键表现指标包括队列长度依从性、理想收银机利用率、理想收银机开启性能、过于理想的收银机开启性能、不够理想的收银机开启性能和每小时扫描的商品量至少之一。
5.根据权利要求2所述的方法,其中,以编程方式生成所述商店的基于交易参数的表现数据包括:
确定针对特定时间段的顾客到达所述商店的到达速度以及针对所述特定时间段的所述商店中的顾客的服务速度;以及
执行代码以确定通过将所述到达速度除以所述服务速度而定义的理想收银机利用率。
6.根据权利要求5所述的方法,其中,以编程方式生成所述商店的基于所述交易参数的表现数据还包括:
执行代码以确定通过所述服务速度与所述到达速度之间的差的倒数而定义的排队等待和接受服务所花费的总时间;以及
执行代码以确定通过排队等待和接受服务所花费的总时间与所述服务速度的倒数之间的差而定义的排队等待和接受服务的平均时间。
7.根据权利要求6所述的方法,其中,以编程方式生成所述商店的基于所述交易参数的表现数据还包括:
执行代码以基于所述到达速度以及每一顾客排队等待和接受服务所花费的总时间来确定所述商店中的顾客的平均数量;以及
执行代码以基于所述到达速度以及排队等待和接受服务的平均时间来确定排队的顾客的平均数量。
8.根据权利要求5所述的方法,其中,以编程方式生成所述商店的基于所述交易参数的表现数据还包括:执行代码以基于所述到达速度、所述服务速度和工作中的销售点终端的数量来确定所述商店为空的概率。
9.根据权利要求8所述的方法,其中,以编程方式生成所述商店的基于所述交易参数的表现数据还包括:执行代码以基于所述到达速度、所述服务速度、工作中的销售点终端的数量和所述商店为空的概率来确定排队等待的顾客的预期数量。
11.根据权利要求10所述的方法,其中,对所述扫描时间、所述支付时间、所述先前支付时间和所述杂项时间至少之一进行封顶。
12.一种用于存储指令的非瞬态计算机可读介质,其中,通过处理装置执行所述指令使得所述处理装置实现用于开启或关闭地理分布的销售点终端的方法,所述方法包括以下步骤:
从地理分布的销售点终端接收销售点数据,其中,所述销售点数据包括交易数据和针对配置了至少一个销售点终端的各地理位置在特定时间段期间工作的销售点终端的数量,所述交易数据包括交易处理时间;
利用预设时间值对所述交易处理时间进行封顶,以减少对所述交易处理时间进行确定时的噪声、异常值和不切实际的值至少之一,从而确保估计的队列长度和操作中的销售点终端的数量的准确性;
基于从销售点终端接收到的所述销售点数据,针对配置了至少一个销售点终端的各个地理位置并且针对所述特定时间段来估计销售点终端处的队列长度值;
基于从销售点终端接收到的所述销售点数据,针对配置了至少一个销售点终端的各个地理位置并且针对所述特定时间段来估计所述操作中的销售点终端的所述数量;
将所述操作中的销售点终端的所述数量与所述销售点终端的理想数量进行比较,并将所述销售点终端开启或关闭以满足该销售点终端的所述理想数量。
13.根据权利要求12所述的非瞬态计算机可读介质,其中,所述方法还包括:响应于表现数据的生成和来自用户的电子请求至少之一,将所述表现数据与关键表现指标的目标进行比较。
14.根据权利要求13所述的非瞬态计算机可读介质,其中,所述方法还包括:执行代码以确定到达速度、服务速度、理想收银机利用率、排队等待和接受服务所花费的总时间、排队等待和接受服务的平均时间、商店中的顾客的平均数量、排队的顾客的平均数量、所述商店为空的概率、排队等待的顾客的预期数量、交易时间和每小时的商品至少之一。
15.一种地理分布的销售点终端的开启和关闭系统,包括:
计算机存储装置,用于存储表示商店的基于所述商店中的销售点终端处的交易的交易参数的电子数据;
图形用户接口;以及
处理装置,用于从地理分布的销售点终端接收销售点数据,其中,所述销售点数据包括交易数据和针对配置了至少一个销售点终端的各地理位置在特定时间段期间工作的销售点终端的数量,所述交易数据包括交易处理时间;
利用预设时间值对所述交易处理时间进行封顶,以减少对所述交易处理时间的确定时的噪声、异常值和不切实际的值至少之一,从而确保估计的队列长度和操作中的销售点终端的数量的准确性;
基于从销售点终端接收到的所述销售点数据,针对配置了至少一个销售点终端的各个地理位置并且针对所述特定时间段来估计销售点终端处的队列长度值;
基于从销售点终端接收到的所述销售点数据,针对配置了至少一个销售点终端的各个地理位置并且针对所述特定时间段来估计所述操作中的销售点终端的所述数量;
将所述操作中的销售点终端的所述数量与所述销售点终端的理想数量进行比较,并将所述销售点终端开启或关闭以满足该销售点终端的所述理想数量。
16.根据权利要求15所述的开启和关闭系统,其中,所述处理装置被配置为将所述商店的表现数据与表示至少一个选替商店的表现的表现数据进行比较,以确定所述商店相对于所述至少一个选替商店的表现。
17.根据权利要求16所述的开启和关闭系统,其中,所述图形用户接口被配置为接收关键表现指标的目标的输入,以及所述处理装置被配置为响应于所述表现数据的生成和来自所述用户的电子请求至少之一,将所述表现数据与所述目标进行比较。
18.根据权利要求17所述的开启和关闭系统,其中,所述处理装置被配置为执行代码以确定到达速度、服务速度、理想收银机利用率、排队等待和接受服务所花费的总时间、排队等待和接受服务的平均时间、所述商店中的顾客的平均数量、排队的顾客的平均数量、所述商店为空的概率、排队等待的顾客的预期数量、交易时间和每小时的商品至少之一。
19.根据权利要求18所述的开启和关闭系统,其中,所述处理装置被配置为执行代码以确定通过将所述到达速度除以所述服务速度而定义的理想收银机利用率。
20.根据权利要求18所述的开启和关闭系统,其中,所述处理装置被配置为:
执行代码以基于所述到达速度以及每一顾客排队等待和接受服务所花费的总时间来确定所述商店中的顾客的平均数量;以及
执行代码以基于所述到达速度以及排队等待和接受服务的平均时间来确定排队的顾客的平均数量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/071,914 | 2013-11-05 | ||
US14/071,914 US20150127431A1 (en) | 2013-11-05 | 2013-11-05 | Performance Evaluation System for Stores |
PCT/US2014/063116 WO2015069537A1 (en) | 2013-11-05 | 2014-10-30 | Performance evaluation system for stores |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106104588A CN106104588A (zh) | 2016-11-09 |
CN106104588B true CN106104588B (zh) | 2020-09-04 |
Family
ID=53007719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480072341.8A Active CN106104588B (zh) | 2013-11-05 | 2014-10-30 | 针对商店的表现评价系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20150127431A1 (zh) |
JP (1) | JP6796490B2 (zh) |
CN (1) | CN106104588B (zh) |
CA (1) | CA2929246A1 (zh) |
WO (1) | WO2015069537A1 (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2948836A1 (en) * | 2014-05-13 | 2015-11-19 | Wal-Mart Stores, Inc. | Systems and methods for cashier scheduling |
US20170103406A1 (en) * | 2015-10-12 | 2017-04-13 | Wal-Mart Stores, Inc. | Systems, devices, and methods for generating and rendering procurement aid data via an electronic display device |
JP6681608B2 (ja) * | 2016-03-25 | 2020-04-15 | パナソニックIpマネジメント株式会社 | 稼働数決定装置、稼働数決定システム、稼働数決定方法、及びプログラム |
US10020004B2 (en) * | 2016-04-21 | 2018-07-10 | Walmart Apollo, Llc | Listening to the frontend |
US20180016034A1 (en) * | 2016-07-15 | 2018-01-18 | Honeywell International Inc. | Aircraft turnaround and airport terminal status analysis |
US10650621B1 (en) | 2016-09-13 | 2020-05-12 | Iocurrents, Inc. | Interfacing with a vehicular controller area network |
US10509659B1 (en) * | 2016-09-28 | 2019-12-17 | Amazon Technologies, Inc. | Input processing logic to produce outputs for downstream systems using configurations |
CN106408402A (zh) * | 2016-11-22 | 2017-02-15 | 中青冠岳科技(北京)有限公司 | 基于电子交易实现对商户评价的方法以及系统 |
US10956369B1 (en) | 2017-04-06 | 2021-03-23 | Amazon Technologies, Inc. | Data aggregations in a distributed environment |
US11308412B2 (en) * | 2017-04-14 | 2022-04-19 | International Business Machines Corporation | Estimation of similarity of items |
JP6905193B2 (ja) * | 2017-10-13 | 2021-07-21 | 富士通株式会社 | 表示プログラム、表示装置及び表示方法 |
WO2019125426A1 (en) * | 2017-12-20 | 2019-06-27 | Visa International Service Association | Method, system, and computer program product for wait time estimation using predictive modeling |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6792394B1 (en) * | 2000-07-31 | 2004-09-14 | Ncr Corporation | Method and apparatus for determining the retail performance metric of entry identification time |
CN101273376A (zh) * | 2005-06-24 | 2008-09-24 | 贝奥尼克控股有限公司 | 排队预警系统 |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3808410A (en) * | 1972-06-19 | 1974-04-30 | R Schlesinger | Method for providing representation for needed work force in a store |
US5138638A (en) * | 1991-01-11 | 1992-08-11 | Tytronix Corporation | System for determining the number of shoppers in a retail store and for processing that information to produce data for store management |
JPH04346195A (ja) * | 1991-05-23 | 1992-12-02 | Mitsubishi Electric Corp | Posシステム |
US5734823A (en) * | 1991-11-04 | 1998-03-31 | Microtome, Inc. | Systems and apparatus for electronic communication and storage of information |
US5557513A (en) * | 1993-04-28 | 1996-09-17 | Quadrix Corporation | Checkout lane alert system and method for stores having express checkout lanes |
US5390107A (en) * | 1993-04-28 | 1995-02-14 | Datatec Industries Inc. | Checkout lane alert system and method |
US5444226A (en) * | 1993-05-13 | 1995-08-22 | At&T Global Information Solutions Company | Real-time barcode scanning performance feedback system |
WO1996041289A2 (en) * | 1995-06-07 | 1996-12-19 | Electronic Data Systems Corporation | System and method for electronically auditing point-of-sale transactions |
GB9520463D0 (en) * | 1995-10-06 | 1995-12-06 | Green Graham M | Color-categorized POS station clerk performance evaluation systems and methods |
US6046762A (en) * | 1997-04-01 | 2000-04-04 | Cosmocom, Inc. | Multimedia telecommunication automatic call distribution system |
US6047261A (en) * | 1997-10-31 | 2000-04-04 | Ncr Corporation | Method and system for monitoring and enhancing computer-assisted performance |
US6330326B1 (en) * | 1998-03-27 | 2001-12-11 | At&T Corp. | Dynamic staffing of service centers to provide substantially zero-delay service |
US7146304B1 (en) * | 1999-08-31 | 2006-12-05 | Ncr Corporation | Method and apparatus for lane and front-end planning and design analysis |
US6633851B1 (en) * | 1999-10-01 | 2003-10-14 | B-50.Com, Llc | Systems and methods for generating custom reports based on point-of-sale data |
US6970810B1 (en) * | 2000-07-31 | 2005-11-29 | Ncr Corporation | Method and apparatus for storing retail performance metrics |
US7093748B1 (en) * | 2000-07-31 | 2006-08-22 | Ncr Corporation | Method and apparatus for tracking retail performance metrics during a transaction at a point of sale station |
US6857567B2 (en) * | 2000-10-17 | 2005-02-22 | Psc Scanning, Inc. | System and method for training and monitoring data reader operators |
JP2002183386A (ja) * | 2000-12-14 | 2002-06-28 | Esso Sekiyu Private Ltd | ガソリンスタンドにおける人件費最適化装置 |
US7483842B1 (en) * | 2001-02-21 | 2009-01-27 | The Yacobian Group | System and method for determining recommended action based on measuring and analyzing store and employee data |
JP3615713B2 (ja) * | 2001-03-26 | 2005-02-02 | 三菱電機インフォメーションシステムズ株式会社 | レジ行列解消システム、レジ行列解消方法、レジ行列解消プログラム、及び、レジ行列解消プログラムを記録した記録媒体 |
US7222086B2 (en) * | 2001-05-02 | 2007-05-22 | Ncr Corp. | Systems and methods for providing performance feedback to a cashier at a point-of-sale terminal |
US7188169B2 (en) * | 2001-06-08 | 2007-03-06 | Fair Isaac Corporation | System and method for monitoring key performance indicators in a business |
US20030036936A1 (en) * | 2001-08-17 | 2003-02-20 | Steichen Jennifer L. | Computer method and apparatus to estimate customer arrival times using transactional data |
US20090138342A1 (en) * | 2001-11-14 | 2009-05-28 | Retaildna, Llc | Method and system for providing an employee award using artificial intelligence |
US20040049427A1 (en) * | 2002-09-11 | 2004-03-11 | Tami Michael A. | Point of sale system and method for retail stores |
JP2004178277A (ja) * | 2002-11-27 | 2004-06-24 | Toshiba Lighting & Technology Corp | 売場計画支援システム |
AU2003201024A1 (en) * | 2003-01-06 | 2004-07-29 | Illinois Tool Works Inc. | Service point management system |
US7680685B2 (en) * | 2004-06-05 | 2010-03-16 | Sap Ag | System and method for modeling affinity and cannibalization in customer buying decisions |
US7716253B2 (en) * | 2004-07-09 | 2010-05-11 | Microsoft Corporation | Centralized KPI framework systems and methods |
US20060095317A1 (en) * | 2004-11-03 | 2006-05-04 | Target Brands, Inc. | System and method for monitoring retail store performance |
JP2006221367A (ja) * | 2005-02-09 | 2006-08-24 | Takachiho Koeki Kk | サーバ、情報処理装置及びコンピュータプログラム |
US20080294996A1 (en) * | 2007-01-31 | 2008-11-27 | Herbert Dennis Hunt | Customized retailer portal within an analytic platform |
JP2009026184A (ja) * | 2007-07-23 | 2009-02-05 | Nec Fielding Ltd | 遠隔端末の保守システムおよび保守方法 |
US20130027561A1 (en) * | 2011-07-29 | 2013-01-31 | Panasonic Corporation | System and method for improving site operations by detecting abnormalities |
US20140365280A1 (en) * | 2013-06-06 | 2014-12-11 | Toshiba Global Commerce Solutions Holdings Corporation | Provision of feedback information to point of sale device operators based on performance measures |
-
2013
- 2013-11-05 US US14/071,914 patent/US20150127431A1/en not_active Abandoned
-
2014
- 2014-10-30 CA CA2929246A patent/CA2929246A1/en not_active Abandoned
- 2014-10-30 WO PCT/US2014/063116 patent/WO2015069537A1/en active Application Filing
- 2014-10-30 CN CN201480072341.8A patent/CN106104588B/zh active Active
- 2014-10-30 JP JP2016552235A patent/JP6796490B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6792394B1 (en) * | 2000-07-31 | 2004-09-14 | Ncr Corporation | Method and apparatus for determining the retail performance metric of entry identification time |
CN101273376A (zh) * | 2005-06-24 | 2008-09-24 | 贝奥尼克控股有限公司 | 排队预警系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2017501513A (ja) | 2017-01-12 |
JP6796490B2 (ja) | 2020-12-09 |
CN106104588A (zh) | 2016-11-09 |
WO2015069537A1 (en) | 2015-05-14 |
US20150127431A1 (en) | 2015-05-07 |
CA2929246A1 (en) | 2015-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106104588B (zh) | 针对商店的表现评价系统 | |
US20180225615A1 (en) | Systems and methods of remotely monitoring utilization of geographically distributed point-of-sale terminals | |
US9805402B1 (en) | Adaptive control of an item inventory plan | |
US9898713B1 (en) | Methods systems and computer program products for monitoring inventory and prices | |
US6647372B1 (en) | Method and apparatus for using prior activities to improve the probability of completing transactions for a customer in a retail environment | |
US20160321709A1 (en) | Distributed system for processing of transaction data from a plurality of gas stations | |
US8583408B2 (en) | Standardized modeling suite | |
US8145515B2 (en) | On-demand performance reports | |
US20140180848A1 (en) | Estimating Point Of Sale Wait Times | |
EP1459230A1 (en) | Sales optimization | |
US20170177411A1 (en) | Automated Statistical Analysis Job Chunking | |
US20170083850A1 (en) | Systems and methods for cashier scheduling | |
US20160162830A1 (en) | Inventory management based on automatically generating recommendations | |
US20150379497A1 (en) | System, device, and method for self-checkout shopping | |
CA2910808A1 (en) | Systems, devices, and methods for determining an operational health score | |
US20150363805A1 (en) | Systems And Methods For Setting Product Prices | |
US20050049909A1 (en) | Manufacturing units of an item in response to demand for the item projected from page-view data | |
CN111630547A (zh) | 经营管理辅助系统、经营管理辅助方法、以及记录有经营管理辅助程序的记录介质 | |
US20130090987A1 (en) | Methods and system for workflow management of sales opportunities | |
US20120253880A1 (en) | Simulating dependency of token arrival on process performance | |
WO2021257653A1 (en) | Predictive modeling technologies for identifying retail enterprise deficiencies | |
US20130090983A1 (en) | System and method for tiered offer forecasting | |
JP6825479B2 (ja) | 推定プログラム、推定装置、及び推定方法 | |
JP6046593B2 (ja) | 企画効果分析システム、企画効果分析方法、および企画効果分析プログラム | |
JP7456567B2 (ja) | 情報提供装置および情報提供方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180514 Address after: American Arkansas Applicant after: WAL-MART Apollo limited liability company Address before: American Arkansas Applicant before: Wal Mart Stores Inc. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |