CN109658154A - 一种基于区域贸易数据分析的订单预测方法 - Google Patents

一种基于区域贸易数据分析的订单预测方法 Download PDF

Info

Publication number
CN109658154A
CN109658154A CN201811592276.8A CN201811592276A CN109658154A CN 109658154 A CN109658154 A CN 109658154A CN 201811592276 A CN201811592276 A CN 201811592276A CN 109658154 A CN109658154 A CN 109658154A
Authority
CN
China
Prior art keywords
data
information
module
sales volume
season
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.)
Granted
Application number
CN201811592276.8A
Other languages
English (en)
Other versions
CN109658154B (zh
Inventor
陈芳
上官林丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Inspur New Century Technology Co Ltd
Shandong Inspur Smart Cultural Tourism Industry Development Co Ltd
Original Assignee
Guangzhou Yuqiling Trading Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Yuqiling Trading Co Ltd filed Critical Guangzhou Yuqiling Trading Co Ltd
Priority to CN201811592276.8A priority Critical patent/CN109658154B/zh
Publication of CN109658154A publication Critical patent/CN109658154A/zh
Application granted granted Critical
Publication of CN109658154B publication Critical patent/CN109658154B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于区域贸易数据分析的订单预测方法，包括数据录入模块、数据提取模块、数据整理模块、中央处理器、存储模块、数据分析模块、数据预测模块和显示屏，所述数据录入模块用于工作人员录入以往的贸易数据信息，所述贸易数据信息包括物件种类信息、物件销量信息和物件单价信息，所述数据提取模块用于提取数据录入模块内的物件种类信息、物件销量信息和物件单价信息并传输到数据整理模块内，本发明通过数据分析模块的设置，便于对数据信息进行分析计算，清楚的了解物件的销量信息变化，增涨或者下降的比例，用简单的数据就可以了解数据详细的信息，节省工作对数据分析所耗费的时间，提高工作效率。

Description

一种基于区域贸易数据分析的订单预测方法
技术领域
本发明属于订单预测技术领域，涉及一种贸易数据分析技术，具体是一种基于区域贸易数据分析的订单预测方法。
背景技术
贸易是指买卖或交易行为的总称，通常指以货币为媒介的一切交换活动或行为，其活动范围，不仅包括商业所从事的商品交换活动，还包括商品生产者或他人所组织的商品买卖活动；不仅包括国内贸易，还包括国与国之间的国际贸易，在古代市场上，不仅有物质商品贸易，还有奴隶贸易，在现代市场上，除了有形的商品贸易外，还有技术、资金、信息、劳务，以及保险、旅游等无形的贸易活动。
商品的贸易均是又一些贸易公司与一些商家进行合作，简单来说就是对商品进行搬运，同时，在搬运前还会对商品的数量进行预定，防止出现货物过多这一类的情况，一些贸易公司会对商品的订单进行预测，但是，通常的订单预测与现实的订单存在较大的差距，为此，我们提出一种基于区域贸易数据分析的订单预测方法。
发明内容
本发明的目的在于提供一种基于区域贸易数据分析的订单预测方法。
本发明在于解决商品的贸易均是又一些贸易公司与一些商家进行合作，简单来说就是对商品进行搬运，同时，在搬运前还会对商品的数量进行预定，防止出现货物过多这一类的情况，一些贸易公司会对商品的订单进行预测，但是，通常的订单预测与现实的订单存在较大的差距的技术问题；
本发明的目的可以通过以下技术方案实现：一种基于区域贸易数据分析的订单预测方法，包括数据录入模块、数据提取模块、数据整理模块、中央处理器、存储模块、数据分析模块、数据预测模块和显示屏；
其中，所述数据录入模块用于工作人员录入以往的贸易数据信息，所述贸易数据信息包括物件种类信息、物件销量信息和物件单价信息，所述数据提取模块用于提取数据录入模块内的物件种类信息、物件销量信息和物件单价信息并传输到数据整理模块内，所述数据整理模块用于整理数据提取模块传输的数据信息，整理过程具体如下：
步骤一：获取第一段时间内，贸易数据信息内的物件种类信息，将物件种类信息标记为Zi，i＝1...n；
步骤二：获取第一段时间内，贸易数据信息内的物件销量信息，将物件销量信息标记为Xi，i＝1...n；
步骤三：获取第一段时间内，贸易数据信息内的物件单价信息，将物件单价信息标记为Di，i＝1...n，且Z、X和D一一对应；
其中，第一时间段界定为去年的第一天至去年的最后一天之间的间隔时间，所述数据整理模块向中央处理器传输数据信息，所述中央处理器分别向存储模块和数据分析模块传输数据信息，所述存储模块对数据信息进行储存，所述数据分析模块对中央处理器传输的数据销量信息进行分类判断，判断出淡季和旺季；
所述数据分析模块对销量信息进行分析计算，得到淡季和旺季贸易销量的变化率Ui，Vi，淡季和旺季贸易单价的变化率ui，vi；
其中，所述数据分析模块将计算好的数据传输到数据预算模块，所述数据预算模块用于对数据分析模块传输的数据进行整理，再对订单进行预测，具体整理预测过程如下：
步骤一：获取数据模块内传输的淡季和旺季物件的销量信息和单价信息，将月单价信息一一排列，将月销量信息一一排列，月单价信息与月销量信息一一对应；
步骤二：分别设定T、t用于表示月销量和月单价之间的变化，将T、t带入公式中，计算出T、t的变化，公式为T＝本月的销量-上月的销量，t＝本月单价-上月单价；
步骤三：根据步骤二中的关系式对销量和单价之间的关系进行判定：
S1：当t减小时，T增加，则判定销量随着价格的降低而增加，该物件的贸易量将会增加；
S2：当t增加时，T减小，则判定销量随着价格的增加而降低，该物件的贸易量将会减小；
S3：当t增加时，T也增加，则判定该物件在市场的需求度增大，该物件的贸易量将会持续增加；
S4：当t减小时，T也减小，则判定该物件在市场的需求度减小，该物件的贸易量将会持续下降；
步骤四：获取数据分析模块计算的结果，先根据步骤三中的数据判定对物件贸易信息进行预测，再通过计算式对销量预测进行计算，计算式为：预测贸易量＝月平均销量*(1+变化率)，计算过后数据预测模块将数据传输到中央处理器，中央处理器将数据信息进行转化传输到显示屏。
优选的，所述数据分析模块对销量信息进行分析计算，具体分析计算过程如下：
步骤一：设定淡季月份的销量为Ji,i＝1...n，旺季月份的销量为Wi,i＝1...n，将淡季月平均销量设置为Pi,i＝1...12,将旺季月平均销量设置为Po,o＝1...12,设定K为淡季月数，L为旺季月数；
步骤二：根据公式计算出淡季和旺季的平均销量；
步骤三：根据1-12的月份，标记出淡季和旺季,分别计算淡季和旺季的销量变化，具体计算过程如下：
S1：获取步骤二中的淡季和旺季月平均销量Pi以及淡季月份的销量和旺季月份的销量；
S2：设定淡季和旺季的差值Gi和Hi，差值带入公式Ji-Pi＝Gi,Wi-Po＝Hi，计算出淡季和旺季销量与月平均销量的差值；
S3：淡季时，贸易的变化率Ui＝Gi/Pi，旺季时，贸易的变化率Vi＝Gi/Pi；
其中，所述数据分析模块对物件单价信息进行分析，具体分析过程如下：
步骤一：设定淡季月份的销量为ji,i＝1...n，旺季月份的销量为wi,i＝1...n，将淡季月平均销量设置为pi,i＝1...12,将旺季月平均销量设置为po,o＝1...12,设定k为淡季月数，l为旺季月数；
步骤二：根据公式计算出淡季和旺季的平均单价；
步骤三：根据1-12的月份，标记出淡季和旺季,分别计算淡季和旺季的单价变化，具体计算过程如下：
S1：获取步骤二中的淡季和旺季月平均单价pi以及淡季月份的单价和旺季月份的单价；
S2：设定淡季和旺季的差值gi和hi，差值带入公式ji-pi＝gi,wi-po＝hi，计算出淡季和旺季单价与月平均单价的差值；
S3：淡季时，贸易的变化率ui＝gi/pi，旺季时，贸易的变化率vi＝gi/pi。
优选的，所述数据分析模块对中央处理器传输的数据销量信息进行分类判断，具体分类判断过程如下：
步骤一：将物件销量信息内每月的销量区分开并标记为xi，i＝1...12；
步骤二：设定一个定值R；
步骤三：将每月的销量xi与R进行比较，对销售月份进行分类：
A、当xi≤R时，则判定该月份为淡季；
B、当xi>R时，则判定该月份为旺季。
优选的，所述数据录入模块与数据提取模块通信连接，所述数据提取模块与数据整理模块通信联接，所述数据整理模块与中央处理器通信联接，所述中央处理器与存储模块通信联接，所述中央处理器与显示屏通信联接，所述中央处理器与数据分析模块通信联接，所述数据分析模块与数据预测模块通信联接。
本发明的有益效果：
(1)工作人员将数据录入到数据录入模块，数据录入模块向数据提取模块传输数据信息，数据提取模块对数据录入模块传输的数据信息进行提取并将提取后的数据信息传输到数据整理模块，数据整理模块对数据提取模块传输的数据信息进行整理分类并对数据信息标记，数据整理模块将整理标记的数据信息传输到中烟处理器，由中央处理器将数据传输到存储模块进行存储，通过数据整理模块的设置，使得数据提取模块传输的数据得到分类整理和标记，便于数据的存储以及对数据的提取，数据清晰明了，节省了整个系统提取数据信息的时间，提高工作效率。
(2)中央处理器将数据信息传输到数据分析模块，数据分析模块接收中央处理器传输的数据信息并对数据信息进行分析，数据分析模块将分析后的数据进行分类标记，添加相应的计算式对数据信息进行计算，得到有利于预测订单的数据信息，通过数据分析模块的设置，便于对数据信息进行分析计算，清楚的了解物件的销量信息变化，增涨或者下降的比例，用简单的数据就可以了解数据详细的信息，节省工作对数据分析所耗费的时间，提高工作效率。
(3)数据分析模块将计算后的数据信息传输到数据预测模块，数据预测模块对计算后的数据进行整合，数据预测模块根据数据分析模块传输的信息对贸易物件进行预测，同时，通过计算式对一些物件的订单信息进行大概的预估，最后数据预测模块将数据信息传输到显示屏，通过数据预测模块的设置，整合其他模块整理分析的数据信息，并根据整理好的数据信息进行预测，计算出预测数据的大概范围。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
如图1所示，一种基于区域贸易数据分析的订单预测方法，包括数据录入模块、数据提取模块、数据整理模块、中央处理器、存储模块、数据分析模块、数据预测模块和显示屏；
其中，所述数据录入模块用于工作人员录入以往的贸易数据信息，所述贸易数据信息包括物件种类信息、物件销量信息和物件单价信息，所述数据提取模块用于提取数据录入模块内的物件种类信息、物件销量信息和物件单价信息并传输到数据整理模块内，所述数据整理模块用于整理数据提取模块传输的数据信息，整理过程具体如下：
步骤一：获取第一段时间内，贸易数据信息内的物件种类信息，将物件种类信息标记为Zi，i＝1...n；
步骤二：获取第一段时间内，贸易数据信息内的物件销量信息，将物件销量信息标记为Xi，i＝1...n；
步骤三：获取第一段时间内，贸易数据信息内的物件单价信息，将物件单价信息标记为Di，i＝1...n，且Z、X和D一一对应；
其中，第一时间段界定为去年的第一天至去年的最后一天之间的间隔时间，所述数据整理模块向中央处理器传输数据信息，所述中央处理器分别向存储模块和数据分析模块传输数据信息，所述存储模块对数据信息进行储存，所述数据分析模块对中央处理器传输的数据销量信息进行分类判断，判断出淡季和旺季；
所述数据分析模块对销量信息进行分析计算，得到淡季和旺季贸易销量的变化率Ui，Vi，淡季和旺季贸易单价的变化率ui，vi；
其中，所述数据分析模块将计算好的数据传输到数据预算模块，所述数据预算模块用于对数据分析模块传输的数据进行整理，再对订单进行预测，具体整理预测过程如下：
步骤一：获取数据模块内传输的淡季和旺季物件的销量信息和单价信息，将月单价信息一一排列，将月销量信息一一排列，月单价信息与月销量信息一一对应；
步骤二：分别设定T、t用于表示月销量和月单价之间的变化，将T、t带入公式中，计算出T、t的变化，公式为T＝本月的销量-上月的销量，t＝本月单价-上月单价；
步骤三：根据步骤二中的关系式对销量和单价之间的关系进行判定：
S1：当t减小时，T增加，则判定销量随着价格的降低而增加，该物件的贸易量将会增加；
S2：当t增加时，T减小，则判定销量随着价格的增加而降低，该物件的贸易量将会减小；
S3：当t增加时，T也增加，则判定该物件在市场的需求度增大，该物件的贸易量将会持续增加；
S4：当t减小时，T也减小，则判定该物件在市场的需求度减小，该物件的贸易量将会持续下降；
步骤四：获取数据分析模块计算的结果，先根据步骤三中的数据判定对物件贸易信息进行预测，再通过计算式对销量预测进行计算，计算式为：预测贸易量＝月平均销量*(1+变化率)，计算过后数据预测模块将数据传输到中央处理器，中央处理器将数据信息进行转化传输到显示屏。
所述数据分析模块对销量信息进行分析计算，具体分析计算过程如下：
步骤一：设定淡季月份的销量为Ji,i＝1...n，旺季月份的销量为Wi,i＝1...n，将淡季月平均销量设置为Pi,i＝1...12,将旺季月平均销量设置为Po,o＝1...12,设定K为淡季月数，L为旺季月数；
步骤二：根据公式计算出淡季和旺季的平均销量；
步骤三：根据1-12的月份，标记出淡季和旺季,分别计算淡季和旺季的销量变化，具体计算过程如下：
S1：获取步骤二中的淡季和旺季月平均销量Pi以及淡季月份的销量和旺季月份的销量；
S2：设定淡季和旺季的差值Gi和Hi，差值带入公式Ji-Pi＝Gi,Wi-Po＝Hi，计算出淡季和旺季销量与月平均销量的差值；
S3：淡季时，贸易的变化率Ui＝Gi/Pi，旺季时，贸易的变化率Vi＝Gi/Pi；
其中，所述数据分析模块对物件单价信息进行分析，具体分析过程如下：
步骤一：设定淡季月份的销量为ji,i＝1...n，旺季月份的销量为wi,i＝1...n，将淡季月平均销量设置为pi,i＝1...12,将旺季月平均销量设置为po,o＝1...12,设定k为淡季月数，l为旺季月数；
步骤二：根据公式计算出淡季和旺季的平均单价；
步骤三：根据1-12的月份，标记出淡季和旺季,分别计算淡季和旺季的单价变化，具体计算过程如下：
S1：获取步骤二中的淡季和旺季月平均单价pi以及淡季月份的单价和旺季月份的单价；
S2：设定淡季和旺季的差值gi和hi，差值带入公式ji-pi＝gi,wi-po＝hi，计算出淡季和旺季单价与月平均单价的差值；
S3：淡季时，贸易的变化率ui＝gi/pi，旺季时，贸易的变化率vi＝gi/pi。
所述数据分析模块对中央处理器传输的数据销量信息进行分类判断，具体分类判断过程如下：
步骤一：将物件销量信息内每月的销量区分开并标记为xi，i＝1...12；
步骤二：设定一个定值R；
步骤三：将每月的销量xi与R进行比较，对销售月份进行分类：
A、当xi≤R时，则判定该月份为淡季；
B、当xi>R时，则判定该月份为旺季。
所述数据录入模块与数据提取模块通信连接，所述数据提取模块与数据整理模块通信联接，所述数据整理模块与中央处理器通信联接，所述中央处理器与存储模块通信联接，所述中央处理器与显示屏通信联接，所述中央处理器与数据分析模块通信联接，所述数据分析模块与数据预测模块通信联接。
一种基于区域贸易数据分析的订单预测方法，在工作时，工作人员将数据录入到数据录入模块，数据录入模块向数据提取模块传输数据信息，数据提取模块对数据录入模块传输的数据信息进行提取并将提取后的数据信息传输到数据整理模块，数据整理模块对数据提取模块传输的数据信息进行整理分类并对数据信息标记，数据整理模块将整理标记的数据信息传输到中烟处理器，由中央处理器将数据传输到存储模块进行存储，中央处理器将数据信息传输到数据分析模块，数据分析模块接收中央处理器传输的数据信息并对数据信息进行分析，数据分析模块将分析后的数据进行分类标记，添加相应的计算式对数据信息进行计算，得到有利于预测订单的数据信息，数据分析模块将计算后的数据信息传输到数据预测模块，数据预测模块对计算后的数据进行整合，数据预测模块根据数据分析模块传输的信息对贸易物件进行预测，同时，通过计算式对一些物件的订单信息进行大概的预估，最后数据预测模块将数据信息传输到显示屏。
本发明在工作时通过工作人员将数据录入到数据录入模块，数据录入模块向数据提取模块传输数据信息，数据提取模块对数据录入模块传输的数据信息进行提取并将提取后的数据信息传输到数据整理模块，数据整理模块对数据提取模块传输的数据信息进行整理分类并对数据信息标记，数据整理模块将整理标记的数据信息传输到中烟处理器，由中央处理器将数据传输到存储模块进行存储，通过数据整理模块的设置，使得数据提取模块传输的数据得到分类整理和标记，便于数据的存储以及对数据的提取，数据清晰明了，节省了整个系统提取数据信息的时间，提高工作效率。
同时通过中央处理器将数据信息传输到数据分析模块，数据分析模块接收中央处理器传输的数据信息并对数据信息进行分析，数据分析模块将分析后的数据进行分类标记，添加相应的计算式对数据信息进行计算，得到有利于预测订单的数据信息，通过数据分析模块的设置，便于对数据信息进行分析计算，清楚的了解物件的销量信息变化，增涨或者下降的比例，用简单的数据就可以了解数据详细的信息，节省工作对数据分析所耗费的时间，提高工作效率。
同时数据分析模块将计算后的数据信息传输到数据预测模块，数据预测模块对计算后的数据进行整合，数据预测模块根据数据分析模块传输的信息对贸易物件进行预测，同时，通过计算式对一些物件的订单信息进行大概的预估，最后数据预测模块将数据信息传输到显示屏，通过数据预测模块的设置，整合其他模块整理分析的数据信息，并根据整理好的数据信息进行预测，计算出预测数据的大概范围。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (4)

1.一种基于区域贸易数据分析的订单预测方法，其特征在于，包括数据录入模块、数据提取模块、数据整理模块、中央处理器、存储模块、数据分析模块、数据预测模块和显示屏；
其中，所述数据录入模块用于工作人员录入以往的贸易数据信息，所述贸易数据信息包括物件种类信息、物件销量信息和物件单价信息，所述数据提取模块用于提取数据录入模块内的物件种类信息、物件销量信息和物件单价信息并传输到数据整理模块内，所述数据整理模块用于整理数据提取模块传输的数据信息，整理过程具体如下：
步骤一：获取第一段时间内，贸易数据信息内的物件种类信息，将物件种类信息标记为Zi，i＝1...n；
步骤二：获取第一段时间内，贸易数据信息内的物件销量信息，将物件销量信息标记为Xi，i＝1...n；
步骤三：获取第一段时间内，贸易数据信息内的物件单价信息，将物件单价信息标记为Di，i＝1...n，且Z、X和D一一对应；
其中，第一时间段界定为去年的第一天至去年的最后一天之间的间隔时间，所述数据整理模块向中央处理器传输数据信息，所述中央处理器分别向存储模块和数据分析模块传输数据信息，所述存储模块对数据信息进行储存，所述数据分析模块对中央处理器传输的数据销量信息进行分类判断，判断出淡季和旺季；
所述数据分析模块对销量信息进行分析计算，得到淡季和旺季贸易销量的变化率Ui，Vi，淡季和旺季贸易单价的变化率ui，vi；
其中，所述数据分析模块将计算好的数据传输到数据预算模块，所述数据预算模块用于对数据分析模块传输的数据进行整理，再对订单进行预测，具体整理预测过程如下：
步骤一：获取数据模块内传输的淡季和旺季物件的销量信息和单价信息，将月单价信息一一排列，将月销量信息一一排列，月单价信息与月销量信息一一对应；
步骤二：分别设定T、t用于表示月销量和月单价之间的变化，将T、t带入公式中，计算出T、t的变化，公式为T＝本月的销量-上月的销量，t＝本月单价-上月单价；
步骤三：根据步骤二中的关系式对销量和单价之间的关系进行判定：
S1：当t减小时，T增加，则判定销量随着价格的降低而增加，该物件的贸易量将会增加；
S2：当t增加时，T减小，则判定销量随着价格的增加而降低，该物件的贸易量将会减小；
S3：当t增加时，T也增加，则判定该物件在市场的需求度增大，该物件的贸易量将会持续增加；
S4：当t减小时，T也减小，则判定该物件在市场的需求度减小，该物件的贸易量将会持续下降；
步骤四：获取数据分析模块计算的结果，先根据步骤三中的数据判定对物件贸易信息进行预测，再通过计算式对销量预测进行计算，计算式为：预测贸易量＝月平均销量*(1+变化率)，计算过后数据预测模块将数据传输到中央处理器，中央处理器将数据信息进行转化传输到显示屏。
2.根据权利要求1所述的一种基于区域贸易数据分析的订单预测方法，其特征在于，所述数据分析模块对销量信息进行分析计算，具体分析计算过程如下：
步骤一：设定淡季月份的销量为Ji,i＝1...n，旺季月份的销量为Wi,i＝1...n，将淡季月平均销量设置为Pi,i＝1...12,将旺季月平均销量设置为Po,o＝1...12,设定K为淡季月数，L为旺季月数；
步骤二：根据公式计算出淡季和旺季的平均销量；
步骤三：根据1-12的月份，标记出淡季和旺季,分别计算淡季和旺季的销量变化，具体计算过程如下：
S1：获取步骤二中的淡季和旺季月平均销量Pi以及淡季月份的销量和旺季月份的销量；
S2：设定淡季和旺季的差值Gi和Hi，差值带入公式Ji-Pi＝Gi,Wi-Po＝Hi，计算出淡季和旺季销量与月平均销量的差值；
S3：淡季时，贸易的变化率Ui＝Gi/Pi，旺季时，贸易的变化率Vi＝Gi/Pi；
其中，所述数据分析模块对物件单价信息进行分析，具体分析过程如下：
步骤一：设定淡季月份的销量为ji,i＝1...n，旺季月份的销量为wi,i＝1...n，将淡季月平均销量设置为pi,i＝1...12,将旺季月平均销量设置为po,o＝1...12,设定k为淡季月数，l为旺季月数；
步骤二：根据公式计算出淡季和旺季的平均单价；
步骤三：根据1-12的月份，标记出淡季和旺季,分别计算淡季和旺季的单价变化，具体计算过程如下：
S1：获取步骤二中的淡季和旺季月平均单价pi以及淡季月份的单价和旺季月份的单价；
S2：设定淡季和旺季的差值gi和hi，差值带入公式ji-pi＝gi,wi-po＝hi，计算出淡季和旺季单价与月平均单价的差值；
S3：淡季时，贸易的变化率ui＝gi/pi，旺季时，贸易的变化率vi＝gi/pi。
3.根据权利要求1所述的一种基于区域贸易数据分析的订单预测方法，其特征在于，所述数据分析模块对中央处理器传输的数据销量信息进行分类判断，具体分类判断过程如下：
步骤一：将物件销量信息内每月的销量区分开并标记为xi，i＝1...12；
步骤二：设定一个定值R；
步骤三：将每月的销量xi与R进行比较，对销售月份进行分类：
A、当xi≤R时，则判定该月份为淡季；
B、当xi>R时，则判定该月份为旺季。
4.根据权利要求1所述的一种基于区域贸易数据分析的订单预测方法，其特征在于，所述数据录入模块与数据提取模块通信连接，所述数据提取模块与数据整理模块通信联接，所述数据整理模块与中央处理器通信联接，所述中央处理器与存储模块通信联接，所述中央处理器与显示屏通信联接，所述中央处理器与数据分析模块通信联接，所述数据分析模块与数据预测模块通信联接。
CN201811592276.8A 2018-12-25 2018-12-25 一种基于区域贸易数据分析的订单预测方法 Active CN109658154B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811592276.8A CN109658154B (zh) 2018-12-25 2018-12-25 一种基于区域贸易数据分析的订单预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811592276.8A CN109658154B (zh) 2018-12-25 2018-12-25 一种基于区域贸易数据分析的订单预测方法

Publications (2)

Publication Number Publication Date
CN109658154A true CN109658154A (zh) 2019-04-19
CN109658154B CN109658154B (zh) 2022-10-14

Family

ID=66116110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811592276.8A Active CN109658154B (zh) 2018-12-25 2018-12-25 一种基于区域贸易数据分析的订单预测方法

Country Status (1)

Country Link
CN (1) CN109658154B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516865A (zh) * 2019-08-21 2019-11-29 德兴市天渝网络科技有限公司 一种人力资源优化调度系统
CN111461625A (zh) * 2020-04-23 2020-07-28 河北凯通信息技术服务有限公司 一种物流监控信息交换管理系统
CN113793183A (zh) * 2021-09-15 2021-12-14 中国热带农业科学院科技信息研究所 天然橡胶全产业链数据资源系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004334328A (ja) * 2003-04-30 2004-11-25 Nri & Ncc Co Ltd 商品需要予測システムおよび年末年始の商品需要予測システム
CN104217355A (zh) * 2014-09-11 2014-12-17 北京京东尚科信息技术有限公司 预测促销商品销量的方法和装置
CN104850898A (zh) * 2015-03-11 2015-08-19 佛山职业技术学院 一种制造业预测逻辑订单生成方法
CN105701553A (zh) * 2014-11-24 2016-06-22 财团法人资讯工业策进会 商品销量预测系统及商品销量预测方法
JP2018032297A (ja) * 2016-08-26 2018-03-01 大日本印刷株式会社 売上予測装置、プログラム及び制御方法
CN108364092A (zh) * 2018-01-29 2018-08-03 西安理工大学 一种基于深度学习的餐饮业菜品销量预测方法
CN108537382A (zh) * 2018-04-09 2018-09-14 成都易商商盟数据服务有限公司 一种电商价格趋势预测方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004334328A (ja) * 2003-04-30 2004-11-25 Nri & Ncc Co Ltd 商品需要予測システムおよび年末年始の商品需要予測システム
CN104217355A (zh) * 2014-09-11 2014-12-17 北京京东尚科信息技术有限公司 预测促销商品销量的方法和装置
CN105701553A (zh) * 2014-11-24 2016-06-22 财团法人资讯工业策进会 商品销量预测系统及商品销量预测方法
CN104850898A (zh) * 2015-03-11 2015-08-19 佛山职业技术学院 一种制造业预测逻辑订单生成方法
JP2018032297A (ja) * 2016-08-26 2018-03-01 大日本印刷株式会社 売上予測装置、プログラム及び制御方法
CN108364092A (zh) * 2018-01-29 2018-08-03 西安理工大学 一种基于深度学习的餐饮业菜品销量预测方法
CN108537382A (zh) * 2018-04-09 2018-09-14 成都易商商盟数据服务有限公司 一种电商价格趋势预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HSUEH-FANG CHIEN: "Forecasting Monthly Sales of Cell-phone Companies - the Use of VAR Model", 《SECOND INTERNATIONAL CONFERENCE ON INNOVATIVE COMPUTING, INFORMATIO AND CONTROL (ICICIC 2007)》 *
蒲嘉鹏: "机器学习在商品销量预测中的应用", 《电子制作》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516865A (zh) * 2019-08-21 2019-11-29 德兴市天渝网络科技有限公司 一种人力资源优化调度系统
CN111461625A (zh) * 2020-04-23 2020-07-28 河北凯通信息技术服务有限公司 一种物流监控信息交换管理系统
CN111461625B (zh) * 2020-04-23 2022-09-23 河南华鼎供应链管理有限公司 一种物流监控信息交换管理系统
CN113793183A (zh) * 2021-09-15 2021-12-14 中国热带农业科学院科技信息研究所 天然橡胶全产业链数据资源系统

Also Published As

Publication number Publication date
CN109658154B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
Yun et al. Impact of oil price change on airline's stock price and volatility: Evidence from China and South Korea
Nazlioglu et al. Oil prices and financial stress: A volatility spillover analysis
Baker et al. Regional aviation and economic growth: cointegration and causality analysis in Australia
Wan et al. The direct and indirect effects of infrastructure on firm productivity: Evidence from Chinese manufacturing
Demirer et al. Industry herding and momentum strategies
CN109658154A (zh) 一种基于区域贸易数据分析的订单预测方法
JP5096642B2 (ja) 経済活動指標提示システム
Koopman et al. Forecasting the US term structure of interest rates using a macroeconomic smooth dynamic factor model
Owyang et al. States and the business cycle
Çağli et al. The long-run relationship between the spot and futures markets under multiple regime-shifts: Evidence from Turkish derivatives exchange
Sanders et al. Noise trader sentiment in futures markets
Higgins et al. Enhancing farmer linkages to markets in developing countries through mapping of supply chains and optimising transport
Bhadury et al. Constructing a Coincident Economic Indicator for India: How Well Does It Track Gross Domestic Product?
Noreen et al. Model building and forecasting of bank credit to public and private sector
Sephton et al. The efficiency of the London Metal Exchange: another look at the evidence
Barhoumi et al. A world trade leading index (WTLI)
Biagini et al. Intensity-based premium evaluation for unemployment insurance products
Noman Determination of minimum wage for garments worker in Bangladesh ensuring firm’s profitability
Chamberlin Forecasting GDP using external data sources
Alola et al. Commodities spillover effect in the United States: insight from the housing, energy, and agricultural commodity markets
Lin et al. Research note: Service quality and market structure in the international tourist hotel industry
Rim et al. Estimating economic effectiveness of economic infrastructure: a Methodological Exploration
CN113393268B (zh) 一种基于大数据分析和云计算的商品新零售智能销售管理平台
Cai et al. Application of activity-based costing in customer profitability analysis
Wong et al. Do the technical indicators reward chartists? A study on the stock markets of China, Hong Kong and Taiwan

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20220921

Address after: South Building, Building S05, Inspur Science and Technology Park, No. 1036, Inspur Road, High-tech Zone, Jinan City, Shandong Province, 250000

Applicant after: SHANDONG INSPUR NEW CENTURY TECHNOLOGY CO.,LTD.

Applicant after: Shandong Inspur Smart Cultural Tourism Industry Development Co.,Ltd.

Address before: Room 306, No. 63, Yuanxiatian 5th Road, Yongtai Village, Yongping Street, Baiyun District, Guangzhou City, Guangdong Province, 510080

Applicant before: GUANGZHOU YUQILING TRADING Co.,Ltd.

Applicant before: ShangGuan Lindan

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant