CN110348902A - 一种烟草零售终端销售信息的获取设备及方法 - Google Patents
一种烟草零售终端销售信息的获取设备及方法 Download PDFInfo
- Publication number
- CN110348902A CN110348902A CN201910609852.3A CN201910609852A CN110348902A CN 110348902 A CN110348902 A CN 110348902A CN 201910609852 A CN201910609852 A CN 201910609852A CN 110348902 A CN110348902 A CN 110348902A
- Authority
- CN
- China
- Prior art keywords
- data
- tobacco
- sales
- information
- targeted
- 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
- 241000208125 Nicotiana Species 0.000 title claims abstract description 360
- 235000002637 Nicotiana tabacum Nutrition 0.000 title claims abstract description 359
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims description 45
- 238000004806 packaging method and process Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 14
- 238000013145 classification model Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 235000019504 cigarettes Nutrition 0.000 description 33
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 244000025254 Cannabis sativa Species 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007773 growth pattern Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012011 method of payment Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本申请公开了一种烟草零售终端销售信息的获取设备及方法。该设备中数据接收模块,用于接收输入的销售数据和相应销售条码,并将销售数据和相应销售条码发送至所述服务器;服务器根据预设支付类型的数据分类模板,对接收的销售数据中的至少一个数据进行分类,得到销售数据的数据信息,其包括至少一个数据、至少一个数据对应的数据类型和相应销售条码;将销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与数据信息匹配的目标烟草信息,从而获取目标烟草的销售信息。该设备实现了销售信息的自动采集,提高了销售信息的准确性。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种烟草零售终端销售信息的获取设备及方法。
背景技术
顾客购买商品(或称“销售对象”)或服务后,商家会通过销售点专用设备(如,销售终端(POS)机)计算、显示销售信息,并在接收到顾客所支付的款项后,将包括销售信息的交易凭证(如,收据)打印出提供给顾客,销售点的基本构成示意图可以如图1所示。销售信息可以但不限于理解为包括以下信息中的至少一种:商户信息,交易时间,收据编号,税务编号,设备编号,操作员,会员信息,所购商品或服务的名称,数量,单价,合计,适用税项和税率,总计,支付方法,折扣,信用,应收金额,实收金额,舍入调整,找零等。
当除了顾客和商家之外的第三方,如烟草专卖局(公司),希望获取销售信息,用于样本点信息采集、市场检查、财务核算或其他用途时,目前一般采用下派客户经理、稽查员查账上报的方式或采用商家上报的方式,使第三方获得销售信息。
然而,发明人发现采用下派客户经理、稽查员查账或商家上报的方式,由于都存在人工误差,故销售信息的准确性无法得到保证,且两种方式都无法做到销售信息上报的实时性。
发明内容
本申请实施例提供一种烟草零售终端销售信息的获取设备及方法,解决了现有技术存在的上述问题,以提高销售信息准确性,以及能够实时上报销售信息。
第一方面,提供了一种烟草零售终端销售信息的获取设备,该设备可以包括:数据接收模块和服务器,其中:
所述数据接收模块,用于接收输入的销售数据和相应销售条码,并将所述销售数据和相应销售条码发送至所述服务器,所述销售数据为销售点专用设备生成的数据;
所述服务器,用于根据预设支付类型的数据分类模板,对接收的所述销售数据中的至少一个数据进行分类,得到所述销售数据的数据信息,所述销售数据的数据信息包括所述至少一个数据、所述至少一个数据对应的数据类型和相应销售条码,所述数据类型包括销售单号、销售对象名称和销售单价;将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,所述目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;根据所述目标烟草信息和所述销售数据的数据信息,获取所述目标烟草的销售信息。
在一个可选的实现中,所述销售数据为图像类型的销售数据;
所述服务器,还用于根据预设字符分类模板,对所述处理后的图像类型的销售数据进行字符分类,得到所述图像类型的销售数据对应的文本类型的销售数据,以执行根据预设支付类型的分类模板,对所述文本类型的销售数据中的至少一个数据进行分类的步骤。
在一个可选的实现中,所述服务器,还用于在根据支付类型的数据分类模板,对所述销售数据中的至少一个数据进行分类之前,采用预设数据优化算法,对所述销售数据进行优化,得到优化后的销售数据,所述预设数据优化算法包括卷积算法,或者数据降算法维与散列算法。
在一个可选的实现中,所述服务器,具体用于将所述销售条码、所述销售对象名称和所述销售单价分别与所述烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配;
若匹配成功,则确定所述烟草信息库中匹配成功的烟草为目标烟草;
获取所述烟草信息库中所述目标烟草的烟草包装类型和烟草编号。
在一个可选的实现中,所述服务器,还用于根据所述目标烟草的销售信息,对目标区域内的所述目标烟草的当前销售单价与所述目标烟草的预设单价的偏差值进行监控,获取第一监控信息。
在一个可选的实现中,所述目标烟草的销售信息为第一预设时间段内所述目标烟草的销售信息;
所述数据接收模块,还用于接收输入的所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量,并将所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量发送至所述服务器;
所述服务器,还用于对所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量的差值和所述目标烟草的销售信息中的销售数量进行比对监控,获取第二监控信息;
以及,采用数据预测算法,对所述第一预设时间段内的所述目标烟草的进货数量、所述目标烟草的库存数量和所述目标烟草的销售信息中的销售数量进行预测,得到在所述第一预设时间段后的所述目标烟草的预测销售数量。
在一个可选的实现中,所述服务器,还用于获取所述销售点专用设备所在区域内消费者的消费能力;
根据所述消费能力和所述目标烟草的销售信息,生成对所述销售点专用设备所属经营者的经营指导信息,所述经营指导信息包括对所述目标烟草的营销方案。
在一个可选的实现中,所述目标烟草的销售信息为第二预设时间段内的销售信息;
所述服务器,还用于根据所述第二预设时间段内所述目标烟草的销售信息和存储的所述目标烟草的库存量,生成对所述目标烟草的销售信息对应的销售终端的配货策略。
第二方面,提供了一种烟草零售终端销售信息的获取方法,该方法可以包括:
接收输入的销售数据和相应销售条码,所述销售数据为销售点专用设备生成的数据,所述销售数据为销售点专用设备生成的数据;
根据预设支付类型的数据分类模板,对接收的所述销售数据中的至少一个数据进行分类,得到所述销售数据的数据信息,所述销售数据的数据信息包括所述至少一个数据、所述至少一个数据对应的数据类型和相应销售条码,所述数据类型包括销售单号、销售对象名称和销售单价;
将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,所述目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;
根据所述目标烟草信息和所述销售数据的数据信息,获取所述目标烟草的销售信息。
在一个可选的实现中,所述销售数据为图像类型的销售数据;
根据预设字符分类模板,对所述处理后的图像类型的销售数据进行字符分类,得到所述图像类型的销售数据对应的文本类型的销售数据,以执行根据预设支付类型的分类模板,对所述文本类型的销售数据中的至少一个数据进行分类的步骤。
在一个可选的实现中,根据支付类型的数据分类模板,对所述销售数据中的至少一个数据进行分类之前,所述方法还包括:
采用预设数据优化算法,对所述销售数据进行优化,得到优化后的销售数据,所述预设数据优化算法包括卷积算法,或者数据降算法维与散列算法。
在一个可选的实现中,将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,包括:
将所述销售条码、所述销售对象名称和所述销售单价分别与所述烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配;
若匹配成功,则确定所述烟草信息库中匹配成功的烟草为目标烟草;
获取所述烟草信息库中所述目标烟草的烟草包装类型和烟草编号。
在一个可选的实现中,获取与所述数据信息匹配的目标烟草信息之后,所述方法还包括:
根据所述目标烟草的销售信息,对目标区域内的所述目标烟草的当前销售单价与所述目标烟草的预设单价的偏差值进行监控,获取第一监控信息。
在一个可选的实现中,所述目标烟草的销售信息为第一预设时间段内所述目标烟草的销售信息,获取所述目标烟草的销售信息之后,所述方法还包括:
接收输入的所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量;
对所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量的差值和所述目标烟草的销售信息中的销售数量进行比对监控,获取第二监控信息;
以及,采用数据预测算法,对所述第一预设时间段内的所述目标烟草的进货数量、所述目标烟草的库存数量和所述目标烟草的销售信息中的销售数量进行预测,得到在所述第一预设时间段后的所述目标烟草的预测销售数量。
在一个可选的实现中,获取所述目标烟草的销售信息之后,所述方法还包括:
获取所述销售点专用设备所在区域内消费者的消费能力;
根据所述消费能力和所述目标烟草的销售信息,生成对所述销售点专用设备所属经营者的经营指导信息,所述经营指导信息包括对所述目标烟草的营销方案。
在一个可选的实现中,获取所述目标烟草的销售信息之后,所述方法还包括:
所述目标烟草的销售信息为第二预设时间段内的销售信息;
根据所述第二预设时间段内所述目标烟草的销售信息和存储的所述目标烟草的库存量,生成对所述目标烟草的销售信息对应的销售终端的配货策略。
第四方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第二方面中任一所述的方法步骤。
第五方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第二方面中任一所述的方法步骤。
本发明实施例的上述烟草零售终端销售信息的获取设备,包括数据接收模块和服务器,其中,数据接收模块,用于接收输入的销售数据和相应销售条码,并将销售数据和相应销售条码发送至服务器,销售数据为销售点专用设备生成的数据;服务器根据预设支付类型的数据分类模板,对接收的销售数据中的至少一个数据进行分类,得到销售数据的数据信息,销售数据的数据信息包括至少一个数据、至少一个数据对应的数据类型和相应销售条码,数据类型包括销售单号、销售对象名称和销售单价;将销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与数据信息匹配的目标烟草信息,目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;根据目标烟草信息和销售数据的数据信息,获取目标烟草的销售信息。通过上述方案,无需修改销售点专用设备,销售信息即可以实现自动采集,成本低,可行性高,且销售信息的准确性也都可以得到有效保证。
附图说明
图1为本发明实施例提供的一种现有技术提供的销售点基本构成示意图;
图2为本发明实施例提供的一种烟草零售终端销售信息的获取设备应用的场景示意图;
图3为本发明实施例提供的一种烟草零售终端销售信息的获取设备的结构示意图;
图4为本发明实施例提供的一种烟草零售终端销售信息获取方法的流程示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,并不是全部的实施例。基于本申请实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本发明实施例提供的烟草零售终端销售信息的获取设备可以应用在图2所示的场景中,该场景可以包括:销售点专用设备和销售信息的获取设备。
烟草零售终端销售信息的获取设备可以通过串行接口、并行接口、USB接口或以太网接口与销售点专用设备相连。
销售点专用设备,用于生成销售数据。
烟草零售终端销售信息的获取设备,用于接收输入的销售数据和相应销售条码,并对销售数据和相应销售条码进行预处理,将处理后的销售数据和相应销售条码与烟草信息库中的烟草信息进行匹配分析,获取目标烟草的销售信息。
其中,烟草零售终端销售信息的获取设备可以接收销售点专用设备输入的销售数据和相应销售条码,也可以其他设备输入的销售数据和相应销售条码,本发明实施例再次不做限定。
其中,如图3所示,烟草零售终端销售信息的获取设备可以包括:数据接收模块和服务器。
数据接收模块,用于接收输入的销售数据和相应销售条码,并将销售数据和相应销售条码发送至服务器。其中,销售数据可以是本文类型的销售数据,也可以是图像类型的销售数据,销售数据的类型取决于销售点专用设备的软件程序或打印机驱动,如支持文本类型还是图像类型来决定。
需要说明的是,图3中数据接收模块外置于服务器的连接方式只是一种事例,该数据接收模块也可以内置于服务器,本发明实施例在此不做限定。
服务器,用于根据预设支付类型的数据分类模板,对接收的销售数据中的至少一个数据进行分类,得到销售数据的数据信息,销售数据的数据信息包括至少一个数据、至少一个数据对应的数据类型和相应销售条码,数据类型包括销售单号、销售对象名称和销售单价;
以及,将销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与数据信息匹配的目标烟草信息,目标烟草包括目标烟草编号、目标烟草包装类型和目标烟草名称;根据目标烟草信息和销售数据的数据信息,获取目标烟草的销售信息。
具体的,为了提高获取的销售信息的准确性,服务器先采用预设数据优化算法,对销售数据进行优化,得到优化后的销售数据,预设数据优化算法包括卷积算法,或者数据降算法维与散列算法。
其中,若销售数据为图像类型的销售数据,则服务器首先对图像类型的销售数据进行灰度化、二值化、去噪、膨胀、腐蚀等处理,对图像数据进行简化和优化。由于原始的图像类型的销售数据中会有噪点、颜色、表格、下划线等这些数据对图像的分类和模型建立没有帮助,图像处理的第一步就是把这些数据去除,形成设备可使用的数据矩阵。
之后,采用k-means聚类、矩阵重心计算等方法,把经过图像处理的图片或文本数据,处理成后续可使用的数据结构,以创建包含可使用的数据结构的实时数据集,这里的结构主要是程序级别的结构,如双向链表、单项链表等,数据程序细节。对于优化处理后的图像类型的销售数据,服务器根据预设字符分类模板,对处理后的图像类型的销售数据进行字符分类,得到图像类型的销售数据对应的文本类型的销售数据。
若销售数据为文本类型的销售数据,则服务器首先采用散列算法和数据降维算法,对文本类型的销售数据进行简化和优化。
进一步的,服务器根据预设支付类型的数据分类模板,对文本类型的销售数据中的至少一个数据进行分类,得到销售数据的数据信息,销售数据的数据信息包括至少一个数据、至少一个数据对应的数据类型和相应销售条码,数据类型包括销售单号、销售对象名称和销售单价,即服务器获取到销售数据的数据信息对应的销售明细数据。
需要说明的是,预设支付类型的数据分类模板和预设字符分类模板均是预先存入服务器的。
以建立图像类型的销售数据的预设支付类型的数据分类模板和预设字符分类模板为例,采用坐标变换、交叉定位、机器标注、人工标注等方法,把需要的图像数据形成模板数据,模板数据是后续图像分类的基础。之后,采用散列算法,数据降维,精准匹配、模糊匹配、人工辅助等算法从二维的图像数据中进行特征提取,构建成预设支付类型的数据分类模板和预设字符分类模板。
以销售对象为烟草为例,条码,用于分辨是否为烟类商品。
销售对象名称,用于应用自然语言处理(natural language processing,NLP)算法,根据计算得到的相似度,从烟草信息库中确定烟草范围和相应价格区间。其中,主要的NPL算法作用包括:
词袋模型算法用于提取商品名称的特征,为程序计算提供可计算的原料。
数据降维算法用于降低计算数据的维度,减少计算数据量,提高识别效率。
余弦相似度算法,用于计算多维数据间的空间距离,以此作为烟类商品相似度的评分标准之一。
单价,主要是在销售对象名称获得的卷烟范围和价格区间基础上,找到目标烟草。由于同一烟草名称可能存在不同包装类型,且不同包装类型对应的单价不同,故给定单价和销售对象名称可以进一步缩小烟品范围,找到差别最小的烟草商品。
需要说明的是,服务器还可以得到该销售数据的单据单号和单据种类等数据信息,如单据种类可以是支付单据。
由于商家单据上的销售对象名称可能不规范,导致图像数据在转化为文本数据后,有识别损失,导致销售数据的数据信息在进行统计和分析时出现差错,故要经过数据清洗系统进行处理,将销售数据的数据信息处理成标准化的数据信息。以销售对象为烟草为例,标准化的结果数据包含“烟草唯一编号(内部编码)”、“烟草条码”、“烟草包装”,“烟草名称”等数据信息。
服务器将销售条码、销售对象名称和销售单价作为三个维度信息分别与存储的烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配,其中,服务器可以通过小预设的相似度算法判断相应两个信息的匹配程度;
若匹配成功,则确定烟草信息库中匹配成功的烟草为目标烟草;之后,获取烟草信息库中目标烟草的烟草包装类型和烟草编号。
其中,在烟草信息库中,对每一种烟类商品都有“烟草唯一编号(内部编码)”、“盒包装条码”、“条包装条码”、“卷烟名称”、“盒包装金额”、“条包装金额”等。
数据清洗主要通过对获取的销售条码、销售对象名称、销售单价三个维度与烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配,通过匹配和相似度评分后,可以对销售对象是烟类货品和非烟类货品进行区分,以得到烟类商品或疑似烟类商品;若为疑似烟类商品可以再次经过相同的匹配过程,最终得到包含“烟草唯一编号(内部编码)”、“烟草条码”、“烟草包装”,“烟草名称”等维度的标准化数据。
其中,烟草唯一编号(内部编码)是在烟草信息库对烟类商品的唯一编码。
条包装条码或盒包装条码是烟草信息库中,烟类商品条包装或者盒包装上打印的条码。
包装是烟类商品在销售时以何种包装销售的,有盒包装和条包装之分。
烟草名称是在烟草信息库对烟类商品的唯一名称。
需要说明的是,为了进一步提高准确性,服务器可以多次将销售条码、销售对象名称和销售单价的三个维度信息与存储的烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配,其中,匹配次数可以根据实际需要进行设置,本发明实施例在此不做限定。
可选地,目标烟草的销售信息为第一预设时间段内所述目标烟草的销售信息;
数据接收模块,还用于接收输入的第一预设时间段内的目标烟草的进货数量与目标烟草的库存数量,并将第一预设时间段内的目标烟草的进货数量与目标烟草的库存数量发送至服务器。
进一步的,第三方通过服务器获取的目标烟草的销售信息,可实现服务器的以下工作:
(1)监控销售对象的价格;
服务器可以根据目标烟草的销售信息,对目标区域内的烟草的当前销售单价与目标烟草的预设单价的偏差值进行监控,获取第一监控信息。
(2)监控销售点专用设备的进货量、销售量和库存量及市场数据预测;
若上述销售点专用设备为待监控的销售点专用设备,且获取的目标烟草的销售信息为第一预设时间段内目标烟草的销售信息。
销售信息采集终端通过输入键盘等输入设备采集到第一预设时间段内的目标烟草的进货数量与目标烟草的库存数量后,将该进货数量与库存数量发送至服务器。其中,第一预设时间段为当前监控的时间段。
服务器可以对销售信息采集终端发送的第一预设时间段内的目标烟草的进货数量与目标烟草的库存数量的差值和目标烟草的销售信息中的销售数量进行比对监控,获取第二监控信息。
进一步的,服务器可以采用数据预测算法,对第一预设时间段内的目标烟草的进货数量、目标烟草的库存数量和目标烟草的销售信息中的销售数量进行市场预测,得到在第一预设时间段后的目标烟草的预测销售数量。
具体的,服务器通过采集目标烟草的销售信息,及其他方式采集到的数据进行汇总,利用市场信息还原算法,测算出目标市场卷烟各品规的零售价格(或称“单价”)指数、目标市场的销售数量、目标市场的库存数量等关键指标,从而进行市场数据预测。其中,其他方式可以包括软硬一体的双屏一体机(软硬件都由烟草提供)、纯软件的门店管理系统(安装在零售户自有计算机中)、与大型连锁店进行数据门店管理系统数据对接,以及人工采集零售户数据等方式。
本周目标市场的存销比可以表示为:本周目标销售点的库存量/(上周目标销售点的库存量+本周目标销售点的进货量-本周目标销售点的库存量),其中,本周目标销售点的库存量=∑((目标销售点的库存量*2+本周目标销售点的进货量)/2);
本周目标市场的库存量可以表示为:(上周目标市场的库存+本期订单量)*本周目标市场的存销比/(1+本周目标市场的存销比),其中,本期进货量取前三周(含本周)的平均周订单量。
本周目标地区的库存量可以表示为:目标地区内的销售点的进货量*(目标销售点的库存量/目标销售点进货量);
目标市场的销售量可以表示为:上周目标市场的库存+本期进货量-本周目标市场的库存;
零售价格可以为:目标区域内每个销售点销售目标烟草的销售单价与该销售点的销售比率乘积的加权平均值。
零售价格指数可以为:目标区域内每个销售点的零售价格与目标烟草的预设单价的比值。若零售价格指数大于1,则表明目标区域内目标烟草处于紧缺状态;若零售价格指数小于1,则表明目标区域内目标烟草处于滞销状态。
具体的,以烟草为例,烟草数据的预测方法可以包括:
1)运用回归模型。
根据目标地区近年的卷烟零售终端销售和宏观经济数据,参考其他地区卷烟经营数据,为宏观经济数据与卷烟销售量的关系建立的回归模型,从而预测卷烟销售总量、单箱值等增长情况。其中,单箱值为单箱卷烟销售金额,如一箱一般为250条。可根据目标地区人口数量,相应消费能力,以及烟草公司计划的投放量等指标预测单箱值。
2)运用连锁比率预测模型。
根据卷烟销售点的销售信息,及目标区域人口数量的变化趋势,应用连锁比率预测模型预测卷烟市场容量。
卷烟市场容量可以表示为:人口数量*各年龄阶段人口分布比例*各年龄阶段人群吸烟者比例*各年龄阶段吸烟者平均年吸烟量。
3)专家综合研究。
组建专家组成员,运用“专家意见法”对运用(1)回归模型、(2)连锁比率预测模型预测的市场容量区间及单箱值区间做出专家级的综合判定,预测未来一段时间卷烟的销售量及单箱销售金额,以实现对卷烟的市场调控及阶段性任务的制定。
(3)目标烟草的经营指导;
服务器可以获取每个销售点所在预设区域内消费者的消费能力,其中,服务器可以通过经营者输入的消费信息获取消费能力。
之后,服务器可以根据预设区域内消费者的消费能力和目标烟草的销售信息,生成对销售点专用设备所属经营者的经营指导信息,经营指导信息包括对目标烟草的营销方案。
可选地,为了提高营销方案的可实施性,除上述消费能力外,服务器还可根据消费者的偏好、该预设区域内商圈热门销售的烟草等信息,生成相应的经营指导信息。
(4)配货策略;
若获取的目标烟草的销售信息为第二预设时间段内的销售信息,则服务器可以根据第二预设时间段内目标烟草的销售信息和存储的目标烟草的库存量,生成对目标烟草的销售信息对应的销售终端的配货策略。
配货量=(安全库存+配货周期销售量)-(配货日库存-配货提前期预计销量);
其中,安全库存:零售户合理的销售库存,一般为经验所得,以保证单品卷烟在实物卷烟不断档,不积压的库存;
配货周期销售量:指一个配货周期内的卷烟分单品销售量,一般周期为7天;
配货日库存:指生成配货单前一天的期末库存;
配货提前期预计销量:配货提前期指生成配货单到卷烟事物送达店面的时间,一般配货提前期为2天,预计销量是通过已知周期内的单日销量推算提前期销量。
本发明实施例的上述烟草零售终端销售信息的获取设备,包括数据接收模块和服务器,其中,数据接收模块接收输入的销售数据和相应销售条码,并将销售数据和相应销售条码发送至所述服务器,销售数据为销售点专用设备生成的数据;服务器根据预设支付类型的数据分类模板,对接收的销售数据中的至少一个数据进行分类,得到销售数据的数据信息,销售数据的数据信息包括至少一个数据、至少一个数据对应的数据类型和相应销售条码,数据类型包括销售单号、销售对象名称和销售单价;将销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与数据信息匹配的目标烟草信息,目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;根据目标烟草信息和销售数据的数据信息,获取目标烟草的销售信息。通过上述方案,无需修改销售点专用设备,销售信息即可以实现自动采集,成本低,可行性高,且销售信息的准确性也都可以得到有效保证。
图4为本发明实施例提供的一种烟草零售终端销售信息获取方法的流程示意图。如图4所示,该方法可以包括:
步骤410、接收输入的销售数据和相应销售条码,销售数据为销售点专用设备生成的数据;
步骤420、根据预设支付类型的数据分类模板,对销售数据中的至少一个数据进行分类,得到销售数据的数据信息。
销售数据的数据信息包括至少一个数据、至少一个数据对应的数据类型和相应销售条码,数据类型包括销售单号、销售对象名称和销售单价。
步骤430、将销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与数据信息匹配的目标烟草信息。
目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称。
步骤440、根据目标烟草信息和销售数据的数据信息,获取目标烟草的销售信息。
在一个可选的实现中,销售数据为图像类型的销售数据;
根据预设字符分类模板,对处理后的图像类型的销售数据进行字符分类,得到图像类型的销售数据对应的文本类型的销售数据,以执行根据预设支付类型的分类模板,对文本类型的销售数据中的至少一个数据进行分类的步骤。
在一个可选的实现中,根据支付类型的数据分类模板,对销售数据中的至少一个数据进行分类之前,所述方法还包括:
采用预设数据优化算法,对销售数据进行优化,得到优化后的销售数据,预设数据优化算法包括卷积算法,或者数据降算法维与散列算法。
在一个可选的实现中,将销售数据的数据信息与存储的销售对象信息库中的销售对象信息进行匹配,获取与数据信息匹配的目标烟草信息,包括:
将销售条码、销售对象名称和销售单价分别与烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配;
若匹配成功,则确定烟草信息库中匹配成功的烟草为目标烟草;
获取所述烟草信息库中所述目标烟草的烟草包装类型和烟草编号。
在一个可选的实现中,获取与所述数据信息匹配的目标烟草信息之后,所述方法还包括:
根据目标烟草的销售信息,对目标区域内的目标烟草的当前销售单价与目标烟草的预设单价的偏差值进行监控,获取第一监控信息。
在一个可选的实现中,目标烟草的销售信息为第一预设时间段内的销售信息,获取目标烟草的销售信息之后,所述方法还包括:
接收输入的所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量;
对第一预设时间段内的目标烟草的进货数量与目标烟草的库存数量的差值和目标烟草的销售信息中的销售数量进行比对监控,获取第二监控信息;
以及,采用数据预测算法,对第一预设时间段内的目标烟草的进货数量、目标烟草的库存数量和目标烟草的销售信息中的销售数量进行预测,得到在第一预设时间段后的目标烟草的预测销售数量。
在一个可选的实现中,获取目标烟草的销售信息之后,所述方法还包括:
获取销售点专用设备所在区域内消费者的消费能力;
根据消费能力和目标烟草的销售信息,生成对销售点专用设备所属经营者的经营指导信息,经营指导信息包括对目标烟草的营销方案。
在一个可选的实现中,获取目标烟草的销售信息之后,所述方法还包括:
目标烟草的销售信息为第二预设时间段内的销售信息;
根据第二预设时间段内目标烟草的销售信息和存储的目标烟草的库存量,生成对目标烟草的销售信息对应的销售终端的配货策略。
本发明实施例还提供了一种电子设备,如图5所示,包括处理器510、通信接口520、存储器530和通信总线540,其中,处理器510,通信接口520,存储器530通过通信总线540完成相互间的通信。
存储器530,用于存放计算机程序;
处理器510,用于执行存储器530上所存放的程序时,实现如下步骤:
接收输入的销售数据和相应销售条码,所述销售数据为销售点专用设备生成的数据,所述销售数据为销售点专用设备生成的数据;
根据预设支付类型的数据分类模板,对接收的所述销售数据中的至少一个数据进行分类,得到所述销售数据的数据信息,所述销售数据的数据信息包括所述至少一个数据、所述至少一个数据对应的数据类型和相应销售条码,所述数据类型包括销售单号、销售对象名称和销售单价;
将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,所述目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;
根据所述目标烟草信息和所述销售数据的数据信息,获取所述目标烟草的销售信息。
在一个可选的实现中,所述销售数据为图像类型的销售数据;
根据预设字符分类模板,对所述处理后的图像类型的销售数据进行字符分类,得到所述图像类型的销售数据对应的文本类型的销售数据,以执行根据预设支付类型的分类模板,对所述文本类型的销售数据中的至少一个数据进行分类的步骤。
在一个可选的实现中,根据支付类型的数据分类模板,对所述销售数据中的至少一个数据进行分类之前,所述方法还包括:
采用预设数据优化算法,对所述销售数据进行优化,得到优化后的销售数据,所述预设数据优化算法包括卷积算法,或者数据降算法维与散列算法。
在一个可选的实现中,将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,包括:
将所述销售条码、所述销售对象名称和所述销售单价分别与所述烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配;
若匹配成功,则确定所述烟草信息库中匹配成功的烟草为目标烟草;
获取所述烟草信息库中所述目标烟草的烟草包装类型和烟草编号。
在一个可选的实现中,获取与所述数据信息匹配的目标烟草信息之后,所述方法还包括:
根据所述目标烟草的销售信息,对目标区域内的所述目标烟草的当前销售单价与所述目标烟草的预设单价的偏差值进行监控,获取第一监控信息。
在一个可选的实现中,所述目标烟草的销售信息为第一预设时间段内的销售信息,获取所述目标烟草的销售信息之后,所述方法还包括:
接收输入的所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量;
对所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量的差值和所述目标烟草的销售信息中的销售数量进行比对监控,获取第二监控信息;
以及,采用数据预测算法,对所述第一预设时间段内的所述目标烟草的进货数量、所述目标烟草的库存数量和所述目标烟草的销售信息中的销售数量进行预测,得到在所述第一预设时间段后的所述目标烟草的预测销售数量。
在一个可选的实现中,获取所述目标烟草的销售信息之后,所述方法还包括:
获取所述销售点专用设备所在区域内消费者的消费能力;
根据所述消费能力和所述目标烟草的销售信息,生成对所述销售点专用设备所属经营者的经营指导信息,所述经营指导信息包括对所述目标烟草的营销方案。
在一个可选的实现中,获取所述目标烟草的销售信息之后,所述方法还包括:
所述目标烟草的销售信息为第二预设时间段内的销售信息;
根据所述第二预设时间段内所述目标烟草的销售信息和存储的所述目标烟草的库存量,生成对所述目标烟草的销售信息对应的销售终端的配货策略。
上述提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图4-图5所示的实施例中的各步骤来实现,因此,本发明实施例提供的电子设备的具体工作过程和有益效果,在此不复赘述。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的销售信息的获取方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一所述的销售信息的获取方法。
本领域内的技术人员应明白,本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此,本申请实施例中可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例中可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例中是参照根据本申请实施例中实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例中的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
显然,本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。这样,倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内,则本申请实施例中也意图包含这些改动和变型在内。
Claims (11)
1.一种烟草零售终端销售信息的获取设备,其特征在于,所述设备包括:数据接收模块和服务器,其中:
所述数据接收模块,用于接收输入的销售数据和相应销售条码,并将所述销售数据和相应销售条码发送至所述服务器,所述销售数据为销售点专用设备生成的数据;
所述服务器,用于根据预设支付类型的数据分类模板,对接收的所述销售数据中的至少一个数据进行分类,得到所述销售数据的数据信息,所述销售数据的数据信息包括所述至少一个数据、所述至少一个数据对应的数据类型和相应销售条码,所述数据类型包括销售单号、销售对象名称和销售单价;
将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,所述目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;根据所述目标烟草信息和所述销售数据的数据信息,获取所述目标烟草的销售信息。
2.如权利要求1所述的设备,其特征在于,所述销售数据为图像类型的销售数据;
所述服务器,还用于根据预设字符分类模板,对所述处理后的图像类型的销售数据进行字符分类,得到所述图像类型的销售数据对应的文本类型的销售数据,以执行根据预设支付类型的分类模板,对所述文本类型的销售数据中的至少一个数据进行分类的步骤。
3.如权利要求1所述的设备,其特征在于,
所述服务器,还用于在根据支付类型的数据分类模板,对所述销售数据中的至少一个数据进行分类之前,采用预设数据优化算法,对所述销售数据进行优化,得到优化后的销售数据,所述预设数据优化算法包括卷积算法,或者数据降算法维与散列算法。
4.如权利要求1所述的设备,其特征在于,
所述服务器,具体用于将所述销售条码、所述销售对象名称和所述销售单价分别与所述烟草信息库中的烟草条码、烟草名称和烟草单价进行匹配;
若匹配成功,则确定所述烟草信息库中匹配成功的烟草为目标烟草;
获取所述烟草信息库中所述目标烟草的烟草包装类型和烟草编号。
5.如权利要求1所述的设备,其特征在于,
所述服务器,还用于根据所述目标烟草的销售信息,对目标区域内的所述目标烟草的当前销售单价与所述目标烟草的预设单价的偏差值进行监控,获取第一监控信息。
6.如权利要求1所述的设备,其特征在于,所述目标烟草的销售信息为第一预设时间段内所述目标烟草的销售信息;
所述数据接收模块,还用于接收输入的所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量,并将所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量发送至所述服务器;
所述服务器,还用于对所述第一预设时间段内的所述目标烟草的进货数量与所述目标烟草的库存数量的差值和所述目标烟草的销售信息中的销售数量进行比对监控,获取第二监控信息;
以及,采用数据预测算法,对所述第一预设时间段内的所述目标烟草的进货数量、所述目标烟草的库存数量和所述目标烟草的销售信息中的销售数量进行预测,得到在所述第一预设时间段后的所述目标烟草的预测销售数量。
7.如权利要求1所述的设备,其特征在于,
所述服务器,还用于获取所述销售点专用设备所在区域内消费者的消费能力;
根据所述消费能力和所述目标烟草的销售信息,生成对所述销售点专用设备所属经营者的经营指导信息,所述经营指导信息包括对所述目标烟草的营销方案。
8.如权利要求1所述的设备,其特征在于,所述目标烟草的销售信息为第二预设时间段内的销售信息;
所述服务器,还用于根据所述第二预设时间段内所述目标烟草的销售信息和存储的所述目标烟草的库存量,生成对所述目标烟草的销售信息对应的销售终端的配货策略。
9.一种烟草零售终端销售信息的获取方法,其特征在于,所述方法包括:
接收输入的销售数据和相应销售条码,所述销售数据为销售点专用设备生成的数据;
根据预设支付类型的数据分类模板,对接收的所述销售数据中的至少一个数据进行分类,得到所述销售数据的数据信息,所述销售数据的数据信息包括所述至少一个数据、所述至少一个数据对应的数据类型和相应销售条码,所述数据类型包括销售单号、销售对象名称和销售单价;
将所述销售数据的数据信息与存储的烟草信息库中的烟草信息进行匹配,获取与所述数据信息匹配的目标烟草信息,所述目标烟草信息包括目标烟草编号、目标烟草包装类型和目标烟草名称;
根据所述目标烟草信息和所述销售数据的数据信息,获取所述目标烟草的销售信息。
10.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存储的程序时,实现权利要求9所述的方法步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求9所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609852.3A CN110348902A (zh) | 2019-07-08 | 2019-07-08 | 一种烟草零售终端销售信息的获取设备及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910609852.3A CN110348902A (zh) | 2019-07-08 | 2019-07-08 | 一种烟草零售终端销售信息的获取设备及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110348902A true CN110348902A (zh) | 2019-10-18 |
Family
ID=68178217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910609852.3A Pending CN110348902A (zh) | 2019-07-08 | 2019-07-08 | 一种烟草零售终端销售信息的获取设备及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348902A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408945A (zh) * | 2021-07-15 | 2021-09-17 | 广西中烟工业有限责任公司 | 一种烤烟纯度的检测方法、装置、电子设备及存储介质 |
CN113487365A (zh) * | 2021-07-28 | 2021-10-08 | 厦门海晟融创信息技术有限公司 | 大数据分析与客户反馈的智慧烟草营销与处理 |
WO2023093224A1 (zh) * | 2021-11-29 | 2023-06-01 | 青岛海尔科技有限公司 | 目标对象的提报方法、装置及设备 |
CN116955830A (zh) * | 2023-08-25 | 2023-10-27 | 成都中康大成环保科技有限公司 | 基于吸烟舱的信息推送方法、计算机设备与可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102651089A (zh) * | 2011-02-25 | 2012-08-29 | 研祥智能科技股份有限公司 | 烟草管理系统和烟草销售控制方法 |
CN104021366A (zh) * | 2014-06-17 | 2014-09-03 | 贵州省烟草公司贵阳市公司 | 烟草信息采集系统 |
CN109509030A (zh) * | 2018-11-15 | 2019-03-22 | 北京旷视科技有限公司 | 销量预测方法及其模型的训练方法、装置和电子系统 |
-
2019
- 2019-07-08 CN CN201910609852.3A patent/CN110348902A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102651089A (zh) * | 2011-02-25 | 2012-08-29 | 研祥智能科技股份有限公司 | 烟草管理系统和烟草销售控制方法 |
CN104021366A (zh) * | 2014-06-17 | 2014-09-03 | 贵州省烟草公司贵阳市公司 | 烟草信息采集系统 |
CN109509030A (zh) * | 2018-11-15 | 2019-03-22 | 北京旷视科技有限公司 | 销量预测方法及其模型的训练方法、装置和电子系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408945A (zh) * | 2021-07-15 | 2021-09-17 | 广西中烟工业有限责任公司 | 一种烤烟纯度的检测方法、装置、电子设备及存储介质 |
CN113487365A (zh) * | 2021-07-28 | 2021-10-08 | 厦门海晟融创信息技术有限公司 | 大数据分析与客户反馈的智慧烟草营销与处理 |
WO2023093224A1 (zh) * | 2021-11-29 | 2023-06-01 | 青岛海尔科技有限公司 | 目标对象的提报方法、装置及设备 |
CN116955830A (zh) * | 2023-08-25 | 2023-10-27 | 成都中康大成环保科技有限公司 | 基于吸烟舱的信息推送方法、计算机设备与可读存储介质 |
CN116955830B (zh) * | 2023-08-25 | 2024-01-16 | 成都中康大成环保科技有限公司 | 基于吸烟舱的信息推送方法、计算机设备与可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lenza et al. | How to estimate a vector autoregression after March 2020 | |
CN110415119B (zh) | 模型训练、票据交易预测方法、装置、存储介质及设备 | |
CN110348902A (zh) | 一种烟草零售终端销售信息的获取设备及方法 | |
US10614073B2 (en) | System and method for using data incident based modeling and prediction | |
CN103258388A (zh) | 自动交易装置和服务器、以及用于预测现金需求量的方法 | |
Kouvelis et al. | Flexible capacity investments and product mix: Optimal decisions and value of postponement options | |
CN109118316A (zh) | 线上店铺真实性的识别方法和装置 | |
CN107220895A (zh) | 虚拟资源的转移数值统计方法及装置 | |
CN114663198A (zh) | 基于用户画像的产品推荐方法、装置、设备及存储介质 | |
CN108572988A (zh) | 一种房产评估数据生成方法和装置 | |
CN112184334A (zh) | 用于确定问题用户的方法、装置、设备和介质 | |
CN107004223A (zh) | 交易平台系统及方法 | |
US11790362B2 (en) | Systems and methods for routing electronic transactions using network simulation and forecasting | |
CN110503453A (zh) | 消费行为分析方法、装置、计算机设备及存储介质 | |
JP2018503927A (ja) | 投資証券の複合ポートフォリオのセグメント化及び層化 | |
CN114830164A (zh) | 使用机器学习检测追加保证金通知的原因的方法和系统 | |
Gupta | Applied analytics through case studies using Sas and R: implementing predictive models and machine learning techniques | |
CN113449010A (zh) | 投资机构收益信息挖掘方法、装置、电子设备和存储介质 | |
US20200234372A1 (en) | System and Method For Automated Investment | |
CN111932310A (zh) | 一种银行产品的潜在对公客户挖掘方法及装置 | |
CN110070264A (zh) | 合同评价方法、平台、设备及可读存储介质 | |
Butler et al. | Customer behaviour classification using simulated transactional data | |
Hess | Timing and diversification: A state-dependent asset allocation approach | |
CN111882339A (zh) | 预测模型训练及响应率预测方法、装置、设备及存储介质 | |
CN109272373A (zh) | 一种基于计算机的品牌推荐方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191018 |
|
RJ01 | Rejection of invention patent application after publication |