CN110210946A - 数据处理方法及装置、介质和计算设备 - Google Patents
数据处理方法及装置、介质和计算设备 Download PDFInfo
- Publication number
- CN110210946A CN110210946A CN201910496025.8A CN201910496025A CN110210946A CN 110210946 A CN110210946 A CN 110210946A CN 201910496025 A CN201910496025 A CN 201910496025A CN 110210946 A CN110210946 A CN 110210946A
- Authority
- CN
- China
- Prior art keywords
- process flow
- needed
- duration
- order
- handling duration
- 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.)
- Pending
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施方式提供了一种数据处理方法,包括:获取订单所包含的订单数据,其中,订单在被处理时需要经历一个或多个处理流程,订单数据包括用于处理一个或多个处理流程中的每个处理流程所需的基本数据;将用于处理每个处理流程所需的基本数据输入预估模型;以及输出完成每个处理流程所需的预估处理时长。通过本发明的实施例,可以有效合理地对各个处理流程的时效进行监控,提高了智能化程度,无需大量跟单人员全程跟进每个处理节点,减少了跟单任务,从而显著地降低了人工成本,为用户带来了更好的体验。此外,本发明的实施方式提供了一种数据处理装置、一种介质和一种计算设备。
Description
技术领域
本发明的实施方式涉及计算机技术领域,更具体地,本发明的实施方式涉及一种数据处理方法及装置、一种介质和一种计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
随着经济的发展,尤其是经济全球化的发展,全球买、全球卖的需求出现激增的情形下,商品从采购到收货的稳定性越来越重要。但是,在实际生产经营过程中,商品从生产到入库上架,需要经历许多流程,每个流程都可能会因各种人为风险(例如来自供应商、跟单人员、仓库人员等风险)和不可控风险(例如来自天气、品牌商缺货等风险)导致时效异常,进而导致商品供应的不确定性增加。特别地,对于跨境商品而言,跨境商品从合同审批到入库上架,经历的流程比国内商品流转更加复杂,商品供应的不确定性一般更大。
目前,已经出现了依赖跟单人员和GPS监控的方式对订单处理流程进行时效监控。跟单人员需要是全职人员,定期与供应商确定备货情况、与第三方货物代销方确认航班班次或船期、与关务确认报关进度等。但通过跟单人员和GPS监控的方式对订单处理流程进行时效监控,不仅跟单任务重,而且频繁沟通会影响沟通效率,导致成本高。
发明内容
因此,在现有技术中,商品在采购的过程中,各个处理流程的时效监控方式不合理,异常风险高,这是非常令人烦恼的过程。
为此,非常需要一种改进的数据处理方法及装置、一种介质和一种计算设备,以使改进时效监控方式。
在本上下文中,本发明的实施方式期望提供一种数据处理方法及装置、一种介质和一种计算设备。
在本发明实施方式的第一方面中,提供了一种数据处理方法,包括:获取订单所包含的订单数据,其中,所述订单在被处理时需要经历一个或多个处理流程,所述订单数据包括用于处理所述一个或多个处理流程中的每个处理流程所需的基本数据;将用于处理所述每个处理流程所需的基本数据输入预估模型;以及输出完成所述每个处理流程所需的预估处理时长。
在本发明的一个实施例中,所述预估模型与所述每个处理流程一一对应,将用于处理所述每个处理流程所需的基本数据输入预估模型包括:将用于处理所述每个处理流程所需的基本数据分别输入至与所述每个处理流程对应的预估模型。
在本发明的另一实施例中,数据处理方法还包括:确定所述一个或多个处理流程中具有预设处理时长的第一目标处理流程;根据完成所述第一目标处理流程所需的预估处理时长和所述预设处理时长,确定完成所述第一目标处理流程的第一目标处理时长;以及输出完成所述第一目标处理流程的第一目标处理时长。
在本发明的又一个实施例中,数据处理方法还包括:根据完成所述一个或多个处理流程中除所述第一目标处理流程之外的其它处理流程所需的预估处理时长和完成所述第一目标处理流程的第一目标处理时长,计算完成所述订单所需的总时长;以及可视化展示所述完成所述订单所需的总时长。
在本发明的再一个实施例中,数据处理方法还包括:获取异常情况报备数据,其中,所述异常情况报备数据用于表征所述一个或多个处理流程中的第二目标处理流程处于或即将处于异常处理状态;确定完成所述第二目标处理流程的第二目标处理时长;
其中,根据完成所述一个或多个处理流程中除所述第一目标处理流程之外的其它处理流程所需的预估处理时长和完成所述第一目标处理流程的第一目标处理时长,计算完成所述订单所需的总时长包括:根据完成所述一个或多个处理流程中除所述第一目标处理流程和所述第二目标处理流程之外的其它处理流程所需的预估处理时长、完成所述第一目标处理流程的第一目标处理时长和完成所述第二目标处理流程的第二目标处理时长,计算完成所述订单所需的总时长。
在本发明的再一个实施例中,根据完成所述第一目标处理流程所需的预估处理时长和所述预设处理时长,确定完成所述第一目标处理流程的第一目标处理时长包括:获取完成多个历史订单中的所述第一目标处理流程所需的实际处理时长;根据完成所述多个历史订单中的所述第一目标处理流程所需的实际处理时长,确定完成所述第一目标处理流程所需的预估处理时长的第一置信度和所述第一目标处理流程对应的预设处理时长的第二置信度;以及将所述第一置信度和所述第二置信度进行比较,并将置信度高的处理时长作为完成所述第一目标处理流程的第一目标处理时长。
在本发明的再一个实施例中,数据处理方法还包括:按照预设更新规则更新所述第一目标处理流程的预设处理时长。
在本发明实施方式的第二方面中,提供了一种数据处理装置,包括:第一获取模块,用于获取订单所包含的订单数据,其中,所述订单在被处理时需要经历一个或多个处理流程,所述订单数据包括用于处理所述一个或多个处理流程中的每个处理流程所需的基本数据;输入模块,用于将用于处理所述每个处理流程所需的基本数据输入预估模型;以及输出模块,用于输出完成所述每个处理流程所需的预估处理时长。
在本发明的一个实施例中,所述预估模型与所述每个处理流程一一对应,所述输入模块用于:将用于处理所述每个处理流程所需的基本数据分别输入至与所述每个处理流程对应的预估模型。
在本发明的另一实施例中,数据处理装置还包括:第一确定模块,用于确定所述一个或多个处理流程中具有预设处理时长的第一目标处理流程;第二确定模块,用于根据完成所述第一目标处理流程所需的预估处理时长和所述预设处理时长,确定完成所述第一目标处理流程的第一目标处理时长;以及所述输出模块还用于输出完成所述第一目标处理流程的第一目标处理时长。
在本发明的另一实施例中,数据处理装置还包括:计算模块,用于根据完成所述一个或多个处理流程中除所述第一目标处理流程之外的其它处理流程所需的预估处理时长和完成所述第一目标处理流程的第一目标处理时长,计算完成所述订单所需的总时长;以及展示模块,用于可视化展示所述完成所述订单所需的总时长。
在本发明的又一个实施例中,数据处理装置还包括:第二获取模块,用于获取异常情况报备数据,其中,所述异常情况报备数据用于表征所述一个或多个处理流程中的第二目标处理流程处于或即将处于异常处理状态;第三确定模块,用于确定完成所述第二目标处理流程的第二目标处理时长;
其中,所述计算模块用于:根据完成所述一个或多个处理流程中除所述第一目标处理流程和所述第二目标处理流程之外的其它处理流程所需的预估处理时长、完成所述第一目标处理流程的第一目标处理时长和完成所述第二目标处理流程的第二目标处理时长,计算完成所述订单所需的总时长。
在本发明的再一个实施例中,所述第二确定模块包括:获取单元,用于获取完成多个历史订单中的所述第一目标处理流程所需的实际处理时长;确定单元,用于根据完成所述多个历史订单中的所述第一目标处理流程所需的实际处理时长,确定完成所述第一目标处理流程所需的预估处理时长的第一置信度和所述第一目标处理流程对应的预设处理时长的第二置信度;以及比较单元,用于将所述第一置信度和所述第二置信度进行比较,并将置信度高的处理时长作为完成所述第一目标处理流程的第一目标处理时长。
在本发明的再一个实施例中,数据处理装置还包括:更新模块,用于按照预设更新规则更新所述第一目标处理流程的预设处理时长。
在本发明实施方式的第三方面中,提供了一种介质,存储有计算机可执行指令,所述指令在被处理单元执行时用于实现如上所述的方法。
在本发明实施方式的第四方面中,提供了一种计算设备,包括:处理单元;以及存储单元,存储有计算机可执行指令,所述指令在被所述处理单元执行时用于实现如上所述的方法。
根据本发明实施方式的数据处理方法及装置、介质和计算设备,在订单被处理时需要经历一个或多个处理流程的情况下,将用于处理每个处理流程所需的基本数据输入预估模型,并输出完成每个处理流程所需的预估处理时长,可以有效合理地对各个处理流程的时效进行监控,提高了智能化程度,无需大量跟单人员全程跟进每个处理节点,减少了跟单任务,从而显著地降低了人工成本,为用户带来了更好的体验。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施方式的数据处理方法及其装置的应用场景示意图;
图2示意性地示出了根据本发明实施例的数据处理方法的流程图;
图3示意性地示出了根据本发明实施例的处理跨境采购订单所需经历的处理流程的示意图;
图4示意性示出了根据本发明另一实施例的数据处理方法的流程图;
图5示意性示出了根据本发明实施例的确定完成第一目标处理流程的第一目标处理时长的流程图;
图6示意性示出了根据本发明另一实施例的数据处理方法的流程图;
图7示意性示出了根据本发明实施例的KPI时效和预估模型融合的流程图;
图8示意性示出了根据本发明实施例的到达时间预估系统的整体结构示意图;
图9示意性地示出了根据本发明实施例的数据处理装置的框图;
图10示意性地示出了根据本发明实施方式的用于实现数据处理方法的程序产品示意图;以及
图11示意性地示出了根据本发明实施例的用于实现数据处理方法的计算设备的框图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种数据处理方法及装置、一种介质和一种计算设备。
在本文中,需要理解的是,所涉及的术语包括如下。
牛鞭效应:指供应链上的一种需求变异放大现象,是信息流从客户端向原始供应商端传递时,无法有效地实现信息共享,使得信息扭曲而逐级放大,导致了需求信息出现越来越大的波动,此信息扭曲的放大作用在图形上很像一个甩起的牛鞭。
缓冲时间:指因供应链异常导致时效提前或延迟而设置的固定时间段,具体时间段长短取决于该异常历史影响时效。
跨境采购:指需要经过转关手续的采购,本申请中泛指供应环节涉及较多流程,使供应时效的不确定性增加的采购类型。
置信检验:用来检验两个样本总体的差异落在某个区间内的概率。
此外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,随着经济的发展,尤其是经济全球化的发展,全球买、全球卖的需求出现激增的情形下,商品从采购到收货的稳定性越来越重要。但是,在实际生产经营过程中,商品从生产到入库上架,需要经历许多流程,每个流程都可能会因各种人为风险(例如来自供应商、跟单人员、仓库人员等风险)和不可控风险(例如来自天气、品牌商缺货等风险)导致时效异常,进而导致商品供应的不确定性增加。
目前,已经出现了依赖跟单人员和GPS监控的方式对订单处理流程进行时效监控。跟单人员需要是全职人员,定期与供应商确定备货情况、与第三方货物代销方确认航班班次或船期、与关务确认报关进度等。但通过跟单人员和GPS监控的方式对订单处理流程进行时效监控,不仅跟单任务重,而且频繁沟通会影响沟通效率,成本高。
特别地,对于跨境商品而言,跨境商品从合同审批到入库上架,经历的流程比国内商品流转更加复杂,商品供应的不确定性一般更大。跨境采购会受到各环节的异常所累积的牛鞭效应影响。比如,前一流程因异常导致时效滞后,会导致后一流程原本确定的航班班次或船期发生临时变动,再加上后一流程本身可能会产生的异常,使得整个链路各流程到达时间的不确定性增加,采用现有技术无法及时有效监控异常影响的时效。
因此,有必要加强对采购过程中的时效管理,提前对异常情况采取应对措施,降低异常风险。
基于以上分析,发明人构想到在订单被处理时需要经历一个或多个处理流程的情况下,将用于处理每个处理流程所需的基本数据输入预估模型,并输出完成每个处理流程所需的预估处理时长,可以有效合理地对各个处理流程的时效进行监控,提高了智能化程度,无需大量跟单人员全程跟进每个处理节点,减少了跟单任务,从而显著地降低了人工成本,为用户带来了更好的体验。
本发明在预估订单处理完成所需的总时长时,先确定正处于或即将处于异常处理状态的处理流程,将正处于或即将异常的订单流程所需的处理时长单独拿出来计算,根据异常的处理流程的时长计算总时长,可以提前对异常情况采取应对措施,降低异常风险。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1详细阐述本发明实施例的数据处理方法及其装置的应用场景。
图1示意性地示出了根据本发明实施方式的数据处理方法及其装置的应用场景示意图。
如图1所示,根据该实施例的系统架构可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有客户端应用。
终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所请求的数据提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求进行分析等处理,并将处理结果(例如根据用户请求获取信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的数据处理方法一般可以由服务器105执行。相应地,本公开实施例所提供的数据处理装置一般可以设置于服务器105中。本公开实施例所提供的数据处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的数据处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者,本公开实施例所提供的数据处理方法也可以由终端设备101、102、或103执行,或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地,本公开实施例所提供的数据处理装置也可以设置于终端设备101、102、或103中,或设置于不同于终端设备101、102、或103的其他终端设备中。
例如,订单数据可以存储在终端设备101、102、或103中的任意一个之中,如终端设备101,但不限于此,或者存储在外部存储设备上并可以导入到终端设备101中。然后,终端设备101可以在本地执行本公开实施例所提供的数据处理方法,或者将订单数据发送到其他终端设备、服务器、或服务器集群,并由接收该订单数据的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的数据处理方法。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
示例性方法
下面结合图1的应用场景,参考图2来描述根据本发明示例性实施方式的数据处理方法。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
图2示意性地示出了根据本发明实施例的数据处理方法的流程图。
如图2所示,根据本发明实施例的数据处理方法包括操作S210~操作S230。
在操作S210,获取订单所包含的订单数据,其中,订单在被处理时需要经历一个或多个处理流程,订单数据包括用于处理一个或多个处理流程中的每个处理流程所需的基本数据。
图3示意性地示出了根据本发明实施例的处理跨境采购订单所需经历的处理流程的示意图。
根据本发明的实施例,以跨境采购为例,例如,跨境采购的订单在被处理时需要经历的一个或多个处理流程包括:流程一,采购单提交到采购单审核;流程二,采购单审核到供应商确认;流程三,供应商确认到预约发货;流程四,预约发货到起运;流程五,起运到到港;流程六,到港到到仓;流程七,到仓到上架。
根据本发明的实施例,处理各个处理流程所需的基本数据示例如下。
流程一,采购单提交到采购单审核:业务单元(如母婴业务单元、美容彩妆业务单元、环球美食业务单元、轻奢业务单元等),经销类型(如经销、代销),供应商类型(如品牌商、渠道商、大型商业超市等),合作方式,是否现货,供应商评级等。
流程二,采购单审核到供应商确认:是否现货,结算币种,预付款比例,业务单元,交货方式,是否允许分批发货,供应商类型,合作方式等。
流程三,供应商确认到预约发货:采购件数,是否允许分批发货,供应商类型,合作方式,约定交货时效,交货方式等。
流程四,预约发货到起运:交货方式,运输方式,起运港,航线,交易模式等。
流程五,起运到到港:报价航程,运输公司,航线,起运港,目的港,运输方式等。
流程六,到港到到仓:仓库名称,目的港,转关方式,报关公司,运输方式,仓库类型,货物类型,采购件数等。
流程七,到仓到上架:采购件数,仓库名称,业务单元,理货公司,仓库类型等。
需要说明的是,上述流程是示意性的,可以根据实际情况减少其中的一个或多个流程,或者增加其它一个或多个流程。上述基本数据也是示意性的,可以根据实际情况减少其中的一个或多个数据,或者增加其它一个或多个数据。
在操作S220,将用于处理每个处理流程所需的基本数据输入预估模型。
根据本公开的实施例,可以将处理每个处理流程所需的基本数据一起输入到同一个预估模型中,预估模型可以输出与每个处理流程对应的预估处理时长。
根据本公开的实施例,也可以将用于处理每个处理流程所需的基本数据分别输入至与每个处理流程对应的预估模型。在这种情况下,预估模型与每个处理流程一一对应。根据本公开的实施例,预估模型的数量与处理流程的数量相同。
根据本公开的实施例,可以采用机器学习方式对历史订单的不同处理流程的特征进行学习与聚类,确定不同处理流程的特征,输出与特征对应的权重。
根据本公开的实施例,针对不同处理流程的特征建立不同的机器学习模型。大体思想可以是基于历史订单的特征进行训练得到预估模型,从预测集订单中匹配出与当前订单具有相同或相近特征的历史订单,对具有相同或相近特征的历史订单的时效按权重进行加权计算,可以将加权计算得到的结果作为当前订单的预测时效。
根据本公开的实施例,采用机器学习方式对历史订单的不同处理流程的特征进行学习与聚类后,每个处理流程对应的特征可以参考上述各个处理流程所需的基本数据。例如,对于“采购单审核到供应商确认”这一处理流程,在模型训练时,可以先将如下一个或多个特征进行向量化处理:是否现货、结算币种、预付款比例、业务单元、交货方式、是否允许分批发货、供应商类型和合作方式等。然后基于向量化的特征进行模型训练,得到“采购单审核到供应商确认”这一处理流程的预估模型。
根据本公开的实施例,可以将待预测订单的某个流程段所对应的特征输入预估模型,预估模型可以根据当前订单的特征,计算当前订单某一处理流程的预测时效。
在操作S230,输出完成每个处理流程所需的预估处理时长。
根据本公开的实施例,预估模型可以输出完成每个处理流程所需的预估处理时长。可以对订单的当前状态到订单最终处理完成之间所需经历的各个处理流程的时效进行分段预测,该方法简单高效,实操性强,而且降低了对跟单人员与GPS监控的依赖。
通过本公开的实施例,在订单被处理时需要经历一个或多个处理流程的情况下,将用于处理每个处理流程所需的基本数据输入预估模型,并输出完成每个处理流程所需的预估处理时长,可以有效合理地对各个处理流程的时效进行监控,提高了智能化程度,无需大量跟单人员全程跟进每个处理节点,减少了跟单任务,从而显著地降低了人工成本,为用户带来了更好的体验。
下面参考图4~图8,结合具体实施例对图2所示的方法做进一步说明。
图4示意性示出了根据本发明另一实施例的数据处理方法的流程图。在该实施例中,除了包括上文参考图2描述的操作S210~S230之外,还包括操作S410~S430。为了描述的简洁起见,这里省略对操作S210~S230的描述。
如图4所示,数据处理方法还包括操作S410~S430。
在操作S410,确定一个或多个处理流程中具有预设处理时长的第一目标处理流程。
根据本公开的实施例,预设处理时长可以是有经验的相关人员人工设置的时长,可以称之为KPI时效(Key Performance Indjcator,简称KPI,关键绩效指标,是业务方设定的针对每一个处理流程的考核时效)。在一个订单中,可以包括M个处理流程,M为大于或等于1的整数;在一个订单中,可以包括N个第一目标处理流程,N为小于或等于M的整数。
根据本发明的实施例,通过有经验的相关人员对处理流程的时效加入人工经验,对处理流程设定KPI时效,即可通过管理约束的方式使各个处理流程的时效尽可能在KPI时效的一定区间内波动。根据本发明的实施例,先通过预估模型进行预估,再加入人工经验校正,能输出较高预测准确率的处理时长预估。
根据本发明的实施例,可以按照预设更新规则更新第一目标处理流程的预设处理时长。
根据本发明的实施例,例如,预设更新规则可以是基于业务目标改变第一目标处理流程的预设处理时长。以业务目标为提高处理时效为例,可以降低第一目标处理流程的预设处理时长。
在操作S420,根据完成第一目标处理流程所需的预估处理时长和预设处理时长,确定完成第一目标处理流程的第一目标处理时长。
根据本发明的实施例,可以将预估模型输出的预估处理时长与KPI时效(即预设处理时长)进行置信度比较,得到完成第一目标处理流程的第一目标处理时长。
根据本发明的实施例,对于没有KPI时效的流程,可以直接利用预估模型输出预估处理时长。
在操作S430,输出完成第一目标处理流程的第一目标处理时长。
图5示意性示出了根据本发明实施例的确定完成第一目标处理流程的第一目标处理时长的流程图。
如图5所示,根据完成第一目标处理流程所需的预估处理时长和预设处理时长,确定完成第一目标处理流程的第一目标处理时长包括操作S510~S530。
在操作S510,获取完成多个历史订单中的第一目标处理流程所需的实际处理时长。
在操作S520,根据完成多个历史订单中的第一目标处理流程所需的实际处理时长,确定完成第一目标处理流程所需的预估处理时长的第一置信度和第一目标处理流程对应的预设处理时长的第二置信度。
在操作S530,将第一置信度和第二置信度进行比较,并将置信度高的处理时长作为完成第一目标处理流程的第一目标处理时长。
根据本发明的实施例,例如,将某个订单的“起运到到港“这一处理流程作为第一目标处理流程,预估模型预估完成第一目标处理流程所需的预估处理时长为28天,KPI时效为32天。分别确定完成第一目标处理流程所需的预估处理时长(即28天)的第一置信度和第一目标处理流程对应的预设处理时长(即32天)的第二置信度。对28天与32天的置信度进行比较,将置信度高的处理时长作为完成第一目标处理流程的第一目标处理时。
具体地,例如,统计每个历史订单中从荷兰阿姆斯特丹港海运货品到宁波港的历史运输时效落在27天到29天内的样本数量与落在31天到33天内样本数量,置信度可以是样本数量,取数值更大的样本数量对应的历史运输时效作为第一目标处理时长。若样本数量一样大,可以取KPI时效作为第一目标处理时长。其中,历史运输时效是指历史订单的实际处理时长,实际处理时长可以以天为单位,保留一位小数。
图6示意性示出了根据本发明另一实施例的数据处理方法的流程图。
如图6所示,该数据处理方法还包括操作S610~S620。
在操作S610,根据完成一个或多个处理流程中除第一目标处理流程之外的其它处理流程所需的预估处理时长和完成第一目标处理流程的第一目标处理时长,计算完成订单所需的总时长。
根据本发明的实施例,在计算完成订单所需的总时长时,综合考虑了预估模型输出的预估处理时长和依据人工经验设置的预设时长,先通过预估模型进行预估,再加入人工经验校正,能输出较高预测准确率的到货时间预估,降低了对跟单人员与GPS监控的依赖。
根据本发明的实施例,在计算完成订单所需的总时长时,可以确定每个订单的当前流程,统计从当前流程到达后续各流程所需的时长。
在操作S620,可视化展示完成订单所需的总时长。
根据本发明的实施例,可以在电子设备上可视化展示完成订单所需的总时长。进一步的,在电子设备上可视化展示完成订单所需的总时长的情况下,可以在电子设备上可视化展示完成每一个流程所需要的时长,使得用户可以对订单的每一个流程进行时效监控。
根据本发明的实施例,数据处理方法还包括获取异常情况报备数据,其中,异常情况报备数据用于表征一个或多个处理流程中的第二目标处理流程处于或即将处于异常处理状态;确定完成第二目标处理流程的第二目标处理时长;其中,根据完成一个或多个处理流程中除第一目标处理流程之外的其它处理流程所需的预估处理时长和完成第一目标处理流程的第一目标处理时长,计算完成订单所需的总时长包括:根据完成一个或多个处理流程中除第一目标处理流程和第二目标处理流程之外的其它处理流程所需的预估处理时长、完成第一目标处理流程的第一目标处理时长和完成第二目标处理流程的第二目标处理时长,计算完成订单所需的总时长。
根据本发明的实施例,在一个或多个处理流程中的第二目标处理流程处于或即将处于异常处理状态的情况下,跟单人员可以对异常情况进行时效影响的预估,根据实际异常处理状态,确定完成第二目标处理流程的第二目标处理时长。
例如,以起运到到港为第二目标处理流程为例,当海上突遇台风时,起运到到港的时间将会延长,即起运到到港处于或即将处于异常处理状态。此时,跟单人员可以对台风情况进行时效影响的预估,确定完成起运到到港的第二目标处理时长。
通过本发明的实施例,可以降低异常情况对时效的影响,异常情况影响能被及时评估。本发明可以提供异常情况报备接口,在输出预估到货时间之前,加入异常情况判断,并在系统层面响应异常情况,触发预估模型输出完成每个处理流程的预估结果,输出的预估结果优于仅使用机器学习模型输出的预估结果。
图7示意性示出了根据本发明实施例的KPI时效和预估模型融合的流程图。
如图7所示,当系统定期运行或订单处理时有异常触发时,先进行数据预处理,再利用预估模型预估得到每个订单的每个处理流程的预估处理时长。
然后,针对每个处理流程是否有KPI时效进行分别处理。对于有KPI时效的处理流程,需要将预估模型输出的预估时效与KPI时效进行置信度比较,以得到最终预估时效;对于没有KPI时效的处理流程,直接采用预估模型输出的预估处理时长。
最后,将每个订单从当前处理流程到订单完成之间的各个处理流程的预估处理时长进行相加,得到预估的完成订单所需的总时长。
同时,可以监控各个处理流程的KPI执行情况,与业务方沟通确认KPI更新逻辑,利用KPI时效刷新模块定期刷新KPI时效。
图8示意性示出了根据本发明实施例的到达时间预估系统的整体结构示意图。
如图8所示,到达时间预估系统与进销存系统和采购链路可视化系统分别连接。
根据本发明的实施例,进销存系统可以是采购企业内部已有系统,主要提供给业务人员使用,比如,业务人员下单、跟单、报关资料上传等。进销存系统包括异常情况报备模块和数据库。其中,异常情况报备模块可供各相关业务方确定异常情况和添加备注,并对异常情况影响时效做出初步预估;数据库是进销存系统所有业务单元存放数据的中心。
根据本发明的实施例,到货时间预估系统包括数据预处理、训练与预测、综合处理模块三部分。其中,数据预处理主要包含三部分工作:
1)对异常值进行平滑、剔除处理;
2)对空值进行填充;
3)对跟单的异常情况进行解析,并将跟单人员预估的异常时效与数据库中该异常的历史影响时效进行置信度检验,如置信度较高,例如,达到90%以上,则直接取跟单人员预估的异常时效,否则,取该历史异常情况时效的加权值,跟单人员预估的异常时效或者历史异常情况时效的加权值可以作为出现异常情况的处理流程的处理时长。
根据本发明的实施例,训练与预测是指对特征数据进行训练得到预估模型,利用预估模型进行预测。可以基于历史订单的特征进行训练得到预估模型,从预测集订单中匹配出与当前订单具有相同或相近特征的历史订单,对具有相同或相近特征的历史订单的时效按权重进行加权计算,可以将加权计算得到的结果作为当前订单的预测时效。
根据本发明的实施例,综合处理模块包含三部分工作:
1)针对有KPI时效的处理流程,将预估模型输出的订单每个处理流程的预估处理时效与每个处理流程的KPI时效进行置信度比较,确定每个处理流程最终的预估时效;针对没有KPI时效的处理流程,直接采用预估模型输出的预估处理时长。
2)确定KPI时效确定逻辑。KPI时效的设置,可以推动业务加强执行,使每个订单的各个处理流程的处理时效尽可能在KPI时效的一定区间内波动,呈现明显的规律。
3)KPI时效定期更新,更新频率可参考采购链路平均处理时间(LeadTime)。
根据本发明的实施例,采购链路可视化系统用于展示采购链路各处理流程的预估处理时长或实际时效,并显示异常标签,异常标签可以用于评估异常风险。采购链路可视化系统包括异常预警模块,用于完成对异常情况的下发,以实现对异常情况的预警。
通过本发明的实施例,可以实现对当前处于不同流程的订单预估其最终入库上架时间,进而得到一定周期内到仓库商品件数和不同订单中每件商品的入库上架时间。
通过本发明的实施例,可以降低异常情况对时效的影响,异常情况对时效的影响能被及时评估,本发明可以提供异常情况报备接口,在输出预估到货时间之前,加入异常情况判断,并在系统层面响应异常情况,触发预估模型输出完成每个处理流程的预估结果,输出的预估结果优于仅使用机器学习模型输出的预估结果。
示例性装置
在介绍了本发明示例性实施方式的方法之后,接下来,参考图9对本发明示例性实施方式的数据处理装置进行描述。
图9示意性地示出了根据本发明实施例的数据处理装置的框图。
如图9所示,该数据处理装置900包括第一获取模块910、输入模块920和输出模块930。
第一获取模块910用于获取订单所包含的订单数据,其中,订单在被处理时需要经历一个或多个处理流程,订单数据包括用于处理一个或多个处理流程中的每个处理流程所需的基本数据;
输入模块920用于将用于处理每个处理流程所需的基本数据输入预估模型;
输出模块930用于输出完成每个处理流程所需的预估处理时长。
通过本公开的实施例,在订单被处理时需要经历一个或多个处理流程的情况下,将用于处理每个处理流程所需的基本数据输入预估模型,并输出完成每个处理流程所需的预估处理时长,可以有效合理地对各个处理流程的时效进行监控,提高了智能化程度,无需大量跟单人员全程跟进每个处理节点,减少了跟单任务,从而显著地降低了人工成本,为用户带来了更好的体验。
根据本发明的实施例,预估模型与每个处理流程一一对应,输入模块920用于:将用于处理每个处理流程所需的基本数据分别输入至与每个处理流程对应的预估模型。
根据本发明的实施例,数据处理装置900还包括第一确定模块和第二确定模块。
第一确定模块,用于确定一个或多个处理流程中具有预设处理时长的第一目标处理流程;
第二确定模块,用于根据完成第一目标处理流程所需的预估处理时长和预设处理时长,确定完成第一目标处理流程的第一目标处理时长;以及
输出模块930还用于输出完成第一目标处理流程的第一目标处理时长。
根据本发明的实施例,数据处理装置900还包括计算模块和展示模块。
计算模块用于根据完成一个或多个处理流程中除第一目标处理流程之外的其它处理流程所需的预估处理时长和完成第一目标处理流程的第一目标处理时长,计算完成订单所需的总时长;以及
展示模块用于可视化展示完成订单所需的总时长。
根据本发明的实施例,数据处理装置900还包括第二获取模块和第三确定模块。
第二获取模块用于获取异常情况报备数据,其中,异常情况报备数据用于表征一个或多个处理流程中的第二目标处理流程处于或即将处于异常处理状态;
第三确定模块用于确定完成第二目标处理流程的第二目标处理时长;
其中,计算模块用于:根据完成一个或多个处理流程中除第一目标处理流程和第二目标处理流程之外的其它处理流程所需的预估处理时长、完成第一目标处理流程的第一目标处理时长和完成第二目标处理流程的第二目标处理时长,计算完成订单所需的总时长。
根据本发明的实施例,第二确定模块包括获取单元、确定单元和比较单元。
获取单元用于获取完成多个历史订单中的第一目标处理流程所需的实际处理时长;
确定单元用于根据完成多个历史订单中的第一目标处理流程所需的实际处理时长,确定完成第一目标处理流程所需的预估处理时长的第一置信度和第一目标处理流程对应的预设处理时长的第二置信度;以及
比较单元用于将第一置信度和第二置信度进行比较,并将置信度高的处理时长作为完成第一目标处理流程的第一目标处理时长。
根据本发明的实施例,数据处理装置900还包括更新模块,用于按照预设更新规则更新第一目标处理流程的预设处理时长。
示例性介质
在介绍了本发明示例性实施方式的装置之后,接下来,参考图10对本发明示例性实施方式的、用于存储有计算机可执行指令,该指令在被处理单元执行时用于实现图2至图8中的数据处理方法的介质进行描述。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在计算设备上运行时,所述程序代码用于使所述计算设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的数据处理方法中的步骤,例如,计算设备可以执行如图2中所示的操作S210,获取订单所包含的订单数据,其中,订单在被处理时需要经历一个或多个处理流程,订单数据包括用于处理一个或多个处理流程中的每个处理流程所需的基本数据;操作S220,将用于处理每个处理流程所需的基本数据输入预估模型;操作S230,输出完成每个处理流程所需的预估处理时长。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
图10示意性地示出了根据本发明实施方式的用于实现数据处理方法的程序产品示意图。
如图10所示,描述了根据本发明的实施方式的用于数据处理方法的程序产品100,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在计算设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆,RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言——诸如Java,C++等,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后,接下来,参考图11对本发明示例性实施方式的计算设备进行描述,该计算设备包括处理单元和存储单元,存储单元存储有计算机可执行指令,上述指令在被上述处理单元执行时用于实现图2至图8中的数据处理方法进行描述。
本发明实施例还提供了一种计算设备。所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本发明的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的数据处理方法中的步骤。例如,所述处理单元可以执行如图2中所示的数据处理方法中的步骤,如操作S210,获取订单所包含的订单数据,其中,订单在被处理时需要经历一个或多个处理流程,订单数据包括用于处理一个或多个处理流程中的每个处理流程所需的基本数据;操作S220,将用于处理每个处理流程所需的基本数据输入预估模型;操作S230,输出完成每个处理流程所需的预估处理时长。
图11示意性地示出了根据本发明实施例的用于实现数据处理方法的计算设备的框图。
下面参照图11来描述根据本发明的这种实施方式的数据处理方法的计算设备110。如图11所示的计算设备110仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,计算设备110以通用计算设备的形式表现。计算设备110的组件可以包括但不限于:上述至少一个处理单元1101、上述至少一个存储单元1102、连接不同系统组件(包括存储单元1102和处理单元1101)的总线1103。
总线1103表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储单元1102可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)11021和/或高速缓存存储器11022,还可以进一步包括只读存储器(ROM)11023。
存储单元1102还可以包括具有一组(至少一个)程序模块11024的程序/实用工具11025,这样的程序模块11024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备110也可以与一个或多个外部设备1104(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与计算设备110交互的设备通信,和/或与使得计算设备110能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1105进行。并且,计算设备110还可以通过网络适配器1106与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1106通过总线1103与计算设备110的其它模块通信。应当明白,尽管图中未示出,可以结合计算设备110使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了装置的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种数据处理方法,包括:
获取订单所包含的订单数据,其中,所述订单在被处理时需要经历一个或多个处理流程,所述订单数据包括用于处理所述一个或多个处理流程中的每个处理流程所需的基本数据;
将用于处理所述每个处理流程所需的基本数据输入预估模型;以及
输出完成所述每个处理流程所需的预估处理时长。
2.根据权利要求1所述的方法,其中,所述预估模型与所述每个处理流程一一对应,将用于处理所述每个处理流程所需的基本数据输入预估模型包括:
将用于处理所述每个处理流程所需的基本数据分别输入至与所述每个处理流程对应的预估模型。
3.根据权利要求1所述的方法,还包括:
确定所述一个或多个处理流程中具有预设处理时长的第一目标处理流程;
根据完成所述第一目标处理流程所需的预估处理时长和所述预设处理时长,确定完成所述第一目标处理流程的第一目标处理时长;以及
输出完成所述第一目标处理流程的第一目标处理时长。
4.根据权利要求3所述的方法,还包括:
根据完成所述一个或多个处理流程中除所述第一目标处理流程之外的其它处理流程所需的预估处理时长和完成所述第一目标处理流程的第一目标处理时长,计算完成所述订单所需的总时长;以及
可视化展示所述完成所述订单所需的总时长。
5.根据权利要求4所述的方法,还包括:
获取异常情况报备数据,其中,所述异常情况报备数据用于表征所述一个或多个处理流程中的第二目标处理流程处于或即将处于异常处理状态;
确定完成所述第二目标处理流程的第二目标处理时长;
其中,根据完成所述一个或多个处理流程中除所述第一目标处理流程之外的其它处理流程所需的预估处理时长和完成所述第一目标处理流程的第一目标处理时长,计算完成所述订单所需的总时长包括:
根据完成所述一个或多个处理流程中除所述第一目标处理流程和所述第二目标处理流程之外的其它处理流程所需的预估处理时长、完成所述第一目标处理流程的第一目标处理时长和完成所述第二目标处理流程的第二目标处理时长,计算完成所述订单所需的总时长。
6.根据权利要求3所述的方法,其中,根据完成所述第一目标处理流程所需的预估处理时长和所述预设处理时长,确定完成所述第一目标处理流程的第一目标处理时长包括:
获取完成多个历史订单中的所述第一目标处理流程所需的实际处理时长;
根据完成所述多个历史订单中的所述第一目标处理流程所需的实际处理时长,确定完成所述第一目标处理流程所需的预估处理时长的第一置信度和所述第一目标处理流程对应的预设处理时长的第二置信度;以及
将所述第一置信度和所述第二置信度进行比较,并将置信度高的处理时长作为完成所述第一目标处理流程的第一目标处理时长。
7.根据权利要求3所述的方法,还包括:
按照预设更新规则更新所述第一目标处理流程的预设处理时长。
8.一种数据处理装置,包括:
第一获取模块,用于获取订单所包含的订单数据,其中,所述订单在被处理时需要经历一个或多个处理流程,所述订单数据包括用于处理所述一个或多个处理流程中的每个处理流程所需的基本数据;
输入模块,用于将用于处理所述每个处理流程所需的基本数据输入预估模型;以及
输出模块,用于输出完成所述每个处理流程所需的预估处理时长。
9.一种介质,存储有计算机可执行指令,所述指令在被处理单元执行时用于实现权利要求1至7中任一项所述的方法。
10.一种计算设备,包括:
处理单元;以及
存储单元,存储有计算机可执行指令,所述指令在被所述处理单元执行时用于实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496025.8A CN110210946A (zh) | 2019-06-10 | 2019-06-10 | 数据处理方法及装置、介质和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910496025.8A CN110210946A (zh) | 2019-06-10 | 2019-06-10 | 数据处理方法及装置、介质和计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110210946A true CN110210946A (zh) | 2019-09-06 |
Family
ID=67791616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910496025.8A Pending CN110210946A (zh) | 2019-06-10 | 2019-06-10 | 数据处理方法及装置、介质和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110210946A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111612594A (zh) * | 2020-06-03 | 2020-09-01 | 天天向上(北京)网络科技有限公司 | 本地化电商零售系统 |
CN112187579A (zh) * | 2020-09-28 | 2021-01-05 | 中国建设银行股份有限公司 | 数据传输异常辅助处理方法、装置、设备及可读存储介质 |
CN112397146A (zh) * | 2020-12-02 | 2021-02-23 | 广东美格基因科技有限公司 | 一种基于云平台的微生物组学数据交互分析系统 |
CN112785322A (zh) * | 2019-11-07 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 商品对象流转过程的数据处理方法、装置及电子设备 |
CN113298533A (zh) * | 2020-10-16 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 服务订单信息处理方法、装置及电子设备 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509449A (zh) * | 2011-10-24 | 2012-06-20 | 北京东方车云信息技术有限公司 | 基于模糊决策的车辆调度方法 |
CN104751363A (zh) * | 2015-03-24 | 2015-07-01 | 北京工商大学 | 基于贝叶斯分类器的股票中长期趋势预测方法及系统 |
CN107153656A (zh) * | 2016-03-03 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 一种信息搜索方法和装置 |
CN107451785A (zh) * | 2017-08-17 | 2017-12-08 | 北京小度信息科技有限公司 | 用于输出信息的方法和装置 |
CN107833056A (zh) * | 2017-10-19 | 2018-03-23 | 平安科技(深圳)有限公司 | 一种客户反馈信息的处理方法及其终端 |
CN107845016A (zh) * | 2017-09-26 | 2018-03-27 | 北京小度信息科技有限公司 | 信息输出方法和装置 |
CN107862469A (zh) * | 2017-11-23 | 2018-03-30 | 深圳市前海文仲信息技术有限公司 | 精密加工触屏可视化操作管理方法、移动终端和介质 |
CN108122042A (zh) * | 2016-11-28 | 2018-06-05 | 北京小度信息科技有限公司 | 配送时间预估方法及装置 |
CN108197912A (zh) * | 2016-12-08 | 2018-06-22 | 阿里巴巴集团控股有限公司 | 一种业务处理系统及方法 |
CN108364085A (zh) * | 2018-01-02 | 2018-08-03 | 拉扎斯网络科技(上海)有限公司 | 一种外卖配送时间预测方法和装置 |
CN108537365A (zh) * | 2018-03-16 | 2018-09-14 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法及装置 |
US20190012721A1 (en) * | 2017-07-05 | 2019-01-10 | Accenture Global Solutions Limited | Automatic ordering of products |
-
2019
- 2019-06-10 CN CN201910496025.8A patent/CN110210946A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509449A (zh) * | 2011-10-24 | 2012-06-20 | 北京东方车云信息技术有限公司 | 基于模糊决策的车辆调度方法 |
CN104751363A (zh) * | 2015-03-24 | 2015-07-01 | 北京工商大学 | 基于贝叶斯分类器的股票中长期趋势预测方法及系统 |
CN107153656A (zh) * | 2016-03-03 | 2017-09-12 | 阿里巴巴集团控股有限公司 | 一种信息搜索方法和装置 |
CN108122042A (zh) * | 2016-11-28 | 2018-06-05 | 北京小度信息科技有限公司 | 配送时间预估方法及装置 |
CN108197912A (zh) * | 2016-12-08 | 2018-06-22 | 阿里巴巴集团控股有限公司 | 一种业务处理系统及方法 |
US20190012721A1 (en) * | 2017-07-05 | 2019-01-10 | Accenture Global Solutions Limited | Automatic ordering of products |
CN107451785A (zh) * | 2017-08-17 | 2017-12-08 | 北京小度信息科技有限公司 | 用于输出信息的方法和装置 |
CN107845016A (zh) * | 2017-09-26 | 2018-03-27 | 北京小度信息科技有限公司 | 信息输出方法和装置 |
CN107833056A (zh) * | 2017-10-19 | 2018-03-23 | 平安科技(深圳)有限公司 | 一种客户反馈信息的处理方法及其终端 |
CN107862469A (zh) * | 2017-11-23 | 2018-03-30 | 深圳市前海文仲信息技术有限公司 | 精密加工触屏可视化操作管理方法、移动终端和介质 |
CN108364085A (zh) * | 2018-01-02 | 2018-08-03 | 拉扎斯网络科技(上海)有限公司 | 一种外卖配送时间预测方法和装置 |
CN108537365A (zh) * | 2018-03-16 | 2018-09-14 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785322A (zh) * | 2019-11-07 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 商品对象流转过程的数据处理方法、装置及电子设备 |
CN111612594A (zh) * | 2020-06-03 | 2020-09-01 | 天天向上(北京)网络科技有限公司 | 本地化电商零售系统 |
CN112187579A (zh) * | 2020-09-28 | 2021-01-05 | 中国建设银行股份有限公司 | 数据传输异常辅助处理方法、装置、设备及可读存储介质 |
CN112187579B (zh) * | 2020-09-28 | 2021-11-23 | 中国建设银行股份有限公司 | 数据传输异常辅助处理方法、装置、设备及可读存储介质 |
CN113298533A (zh) * | 2020-10-16 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 服务订单信息处理方法、装置及电子设备 |
CN112397146A (zh) * | 2020-12-02 | 2021-02-23 | 广东美格基因科技有限公司 | 一种基于云平台的微生物组学数据交互分析系统 |
CN112397146B (zh) * | 2020-12-02 | 2021-08-24 | 广东美格基因科技有限公司 | 一种基于云平台的微生物组学数据交互分析系统 |
CN113643757A (zh) * | 2020-12-02 | 2021-11-12 | 广东美格基因科技有限公司 | 一种微生物组学数据交互分析系统 |
CN113643757B (zh) * | 2020-12-02 | 2024-04-02 | 广东美格基因科技有限公司 | 一种微生物组学数据交互分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110210946A (zh) | 数据处理方法及装置、介质和计算设备 | |
Islam et al. | Prediction of probable backorder scenarios in the supply chain using Distributed Random Forest and Gradient Boosting Machine learning techniques | |
CN109840730B (zh) | 用于数据预测的方法及装置 | |
CN107437137A (zh) | 供应链中的风险识别 | |
US10379146B2 (en) | Detecting non-technical losses in electrical networks based on multi-layered statistical techniques from smart meter data | |
CN107148635A (zh) | 对均值场系统的询问 | |
Ji et al. | A probability guided evolutionary algorithm for multi-objective green express cabinet assignment in urban last-mile logistics | |
CN106663228A (zh) | 用于商业应用系统的规则到约束翻译器 | |
CN109523190A (zh) | 一种电能表的管理方法、管理装置及终端 | |
Li et al. | Lower and upper bounds for a two-stage capacitated facility location problem with handling costs | |
Liu et al. | A systematic procurement supply chain optimization technique based on industrial internet of things and application | |
Meisel et al. | The design of Make-to-Order supply networks under uncertainties using simulation and optimisation | |
Li et al. | The use of data mining technology in agricultural e-commerce under the background of 6G Internet of things communication | |
CN105825284A (zh) | 空运物流自助订舱系统 | |
Liu | RETRACTED ARTICLE: Empirical study on B2C e-commerce logistics network optimisation of agricultural products | |
Silva et al. | A hybrid bi-objective optimization approach for joint determination of safety stock and safety time buffers in multi-item single-stage industrial supply chains | |
Yang et al. | [Retracted] Optimization on Medical Material Distribution Management System Based on Artificial Intelligence Robot | |
Zhang et al. | Location model for distribution centers for fulfilling electronic orders of fresh foods under uncertain demand | |
Zhong et al. | Fuzzy random programming models for location-allocation problem with applications | |
WO2021130298A1 (en) | System, apparatus and method for managing energy consumption at a technical installation | |
CN111679814A (zh) | 一种数据驱动的数据中台系统 | |
Scarpel | A demand trend change early warning forecast model for the city of São Paulo multi-airport system | |
Farhangi et al. | AA-forecast: anomaly-aware forecast for extreme events | |
Zhang et al. | The reliability measures model of multilayer urban distribution network | |
Suo et al. | An Inventory‐Theory‐Based Inexact Multistage Stochastic Programming Model for Water Resources Management |
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: 20191105 Address after: 310012 G building, 10 floor, A building, Paradise Software Park, 3 West Road, Hangzhou, Xihu District, Zhejiang Applicant after: Alibaba (China) Co.,Ltd. Address before: Hangzhou City, Zhejiang province 310051 Binjiang District River Street No. 1786 Jianghan Road Longsheng Building Room 803 Applicant before: NETEASE KOALA (HANGZHOU) TECH CO.,LTD. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |
|
RJ01 | Rejection of invention patent application after publication |