CN110858346B - 数据处理方法、装置和机器可读介质 - Google Patents

数据处理方法、装置和机器可读介质 Download PDF

Info

Publication number
CN110858346B
CN110858346B CN201810962502.0A CN201810962502A CN110858346B CN 110858346 B CN110858346 B CN 110858346B CN 201810962502 A CN201810962502 A CN 201810962502A CN 110858346 B CN110858346 B CN 110858346B
Authority
CN
China
Prior art keywords
data
inventory
area
service data
sales information
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
Application number
CN201810962502.0A
Other languages
English (en)
Other versions
CN110858346A (zh
Inventor
王磊
谢谦
陈光华
蔡波洋
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.)
Alibaba Singapore Holdings Pte Ltd
Original Assignee
Alibaba Group Holding 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 Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201810962502.0A priority Critical patent/CN110858346B/zh
Publication of CN110858346A publication Critical patent/CN110858346A/zh
Application granted granted Critical
Publication of CN110858346B publication Critical patent/CN110858346B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例公开了一种数据处理方法、数据处理装置和装置，其中的方法具体包括：提供资源在区域内的历史业务数据；接收所述资源在所述区域及第一时间周期内的第一业务数据；依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。本申请实施例可以降低频繁调拨(也即反复在多个区域之间调拨库存)的情况，进而可以在一定程度上克服上述频繁调拨情况带来的一系列弊端，例如，可以提高业务数据和业务系统的稳定性，降低网站前台的库存反复被占用而无法扣减的情况，进而可以提高买家的下单转化率。

Description

数据处理方法、装置和机器可读介质
技术领域
本申请涉及互联网技术领域，特别是涉及一种数据处理方法、装置和机器可读介质。
背景技术
随着互联网技术的快速发展，各种各样的商品交易网站应运而生，其中也包括跨区域交易的网站。对于跨区域交易的一类网站而言，其用户可能来自不同的区域，比如欧洲、美国、巴西、东南亚、亚洲等区域的用户都可以在这类网站中购买商品；因此，这类网站通常会针对各个区域，维护相应的库存，其中，库存可以指在一个区域的市场上可以进行交易的商品的数量。
目前，可以通过人工方式进行库存的分配，以得到一个区域对应的库存。具体地，可以按照大促经验进行库存的分配，以俄罗斯区域为例，假设去年俄罗斯区域的销量大，则针对俄罗斯区域分配较多的库存。
然而，通过人工方式进行库存的分配，得到的分配结果不够准确，容易使一个区域的库存与这个区域的实际销量不符；这样，将出现频繁调拨(也即反复在多个区域之间调拨库存)的情况，上述频繁调拨将影响业务数据和业务系统的稳定性，导致网站前台的库存反复被占用而无法扣减，进而影响买家的下单转化率。
发明内容
鉴于上述问题，本申请一实施例提出一种数据处理方法、数据处理装置和装置，以解决相关技术存在的问题。
为了解决上述问题，本申请一实施例公开一种数据处理方法，包括：
提供资源在区域内的历史业务数据；
接收所述资源在所述区域及第一时间周期内的第一业务数据；
依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；
依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
为了解决上述问题，本申请一实施例还公开一种数据处理装置，包括：
第一提供模块，用于提供资源在区域内的历史业务数据；
接收模块，用于接收所述资源在所述区域及第一时间周期内的第一业务数据；
预测销量信息确定模块，用于依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；以及
调拨处理模块，用于依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
为解决上述问题，本申请一实施例还公开一种装置，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行前述一个或多个所述的方法。
为解决上述问题，本申请一实施例还公开一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行前述一个或多个所述的方法。
由上述可知，本申请实施例提出的数据处理方法、装置和机器可读介质至少具有以下优点：
本申请实施例可以依据历史业务数据，得到第一业务数据与预测销量信息之间的关系规律，进而得到预测销量信息；由于可以预测销量信息为依据历史业务数据得到的关系规律得到，故可以提高预测销量信息的准确度。
在提高预测销量信息的准确度的基础上，本申请实施例依据资源在区域内的库存信息、以及上述预测销量信息，对区域内的库存进行调拨处理，可以提高库存调拨的准确度。并且，由于第二时间周期对应的预测销量信息是依据第一时间周期对应的第一业务数据得到的，故本申请实施例可以实现以时间周期为单位进行库存的调拨处理，也即可以实现在一个时间周期内进行一次库存的调拨处理，因此可以降低频繁调拨(也即反复在多个区域之间调拨库存)的情况，进而可以在一定程度上克服上述频繁调拨情况带来的一系列弊端，例如，可以提高业务数据和业务系统的稳定性，降低网站前台的库存反复被占用而无法扣减的情况，进而可以提高买家的下单转化率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例的一种库存处理系统的结构示意图；
图2是本申请实施例的一种库存处理系统的结构示意图；
图3是本申请的一种数据处理方法实施例一的步骤流程图；
图4是本申请的一种数据处理方法实施例二的步骤流程图；
图5是本申请实施例的一种数据处理装置的目标数据的示意；
图6是本申请实施例的一种对所述区域内的库存进行调拨处理的示意；
图7是本申请的一种数据处理装置实施例的结构框图；以及
图8是本申请一实施例提供的装置的结构示意图。
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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
本申请的构思易于进行各种修改和替代形式，其具体实施例已经通过附图的方式示出，并将在这里详细描述。然而，应该理解，上述内容并不是用来将本申请的构思限制为所公开的具体形式，相反地，本申请的说明书和附加权利要求书意欲覆盖所有的修改、等同和替代的形式。
本说明书中的“一个实施例”，“实施例”，“一个具体实施例”等，表示所描述的实施例可以包括特定特征、结构或特性，但是每个实施例可以包括或可以不必然包括该特定特征、结构或特性。此外，这样的短语不一定指的是同一实施例。另外，在联系一个实施例描述特定特征、结构或特性的情况下，无论是否明确描述，可以认为本领域技术人员所知的范围内，这样的特征、结构或特性也与其他实施例有关。另外，应该理解的是，“在A，B和C的至少一个”这种形式所包括的列表中的条目中，可以包括如下可能的项目：(A)；(B)；(C)；(A和B)；(A和C)；(B和C)；或(A，B和C)。同样，“A，B或C中的至少一个”这种形式列出的项目可能意味着(A)；(B)；(C)；(A和B)；(A和C)；(B和C)；或(A，B和C)。
在一些情况下，所公开的实施例可以被实施为硬件、固件、软件或其任意组合。所公开的实施例也可以实现为携带或存储在一个或多个暂时的或者非暂时的机器可读(例如计算机可读)存储介质中的指令，该指令可以被一个或多个处理器执行。机器可读存储介质可以实施为用于以能够被机器读取的形式存储或者传输信息的存储装置、机构或其他物理结构(例如易失性或非易失性存储器、介质盘、或其他媒体其它物理结构装置)。
在附图中，一些结构或方法特征可以以特定的安排和/或排序显示。然而，优选地，这样的具体安排和/或排序并不是必要的。相反，在一些实施方案中，这样的特征可以以不同的方式和/或顺序排列，而不是如附图中所示。此外，特定的附图中的结构或方法特征中所包含的内容，不意味着暗示这种特征是在所有实施例是必须的，并且在一些实施方案中，可能不包括这些特征，或者可能将这些特征与其它特征相结合。
本申请实施例提供了一种数据处理方法，该方法具体包括：提供资源在区域内的历史业务数据；接收所述资源在所述区域及第一时间周期内的第一业务数据；依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；以及，依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
本申请实施例中，资源可以指一定区域内拥有的物力、财力、人力等物质要素的总称。本申请实施例中，资源可以包括：实体商品。交易网站可以资源对象表征实体商品的数据，也即资源对象可以指交易网站上对应于实体商品的数据。可以理解，实体商品只是作为资源的可选实施例，实际上任意的物质要素、或者任意的具有交易性质的资源均在本申请实施例的资源的保护范围之内。
本申请实施例中，业务数据可以指资源对应的事务数据。业务数据可以包括但不限于：交易数据、和/或、访问数据。其中，交易数据可以包括：用户针对资源产生的订单数据，如订单标识、成交价格、支付信息、或者用户信息等。访问数据可以包括：用户对于资源的访问数据，如用户对于资源的链接的点击数据、或者用户在资源的页面上的停留信息、或者用户信息等。
资源在区域内的业务数据可以在一定程度上反映资源在区域内的业务情况，假设历史业务数据属于历史时间段，则资源在区域内的历史业务数据可以反映资源在区域及历史时间段内的历史业务情况。
本申请实施例可以按照时间周期进行销量信息的预测，具体地，随着历史业务数据的收集和积累及分析，资源在区域及第一时间周期内的第一业务数据与资源在区域及第二时间周期内的预测销量信息之间的关系往往有规律可循，因此，本申请实施例可以依据历史业务数据，得到第一业务数据与预测销量信息之间的关系规律，进而得到预测销量信息；由于可以预测销量信息为依据历史业务数据得到的关系规律得到，故可以提高预测销量信息的准确度。
在提高预测销量信息的准确度的基础上，本申请实施例依据资源在区域内的库存信息、以及上述预测销量信息，对区域内的库存进行调拨处理，可以提高库存调拨的准确度。并且，由于第二时间周期对应的预测销量信息是依据第一时间周期对应的第一业务数据得到的，故本申请实施例可以实现以时间周期为单位进行库存的调拨处理，也即可以实现在一个时间周期内进行一次库存的调拨处理，因此可以降低频繁调拨(也即反复在多个区域之间调拨库存)的情况，进而可以克服频繁调拨情况带来的一系列弊端，例如，可以提高业务数据和业务系统的稳定性，降低网站前台的库存反复被占用而无法扣减的情况，进而可以提高买家的下单转化率。
本申请实施例可以应用于库存处理场景中。
参照图1，示出了本申请实施例的一种库存处理系统的结构示意图，具体可以包括：调拨系统101和扣减系统102，其中，调拨系统101采用中心化部署方案，扣减系统102采用区域化部署方案。
扣减系统102中可以部署有多个分区库存服务器，一个分区库存服务器中设置有第一数据库104，调拨系统101中可以部署有调拨服务器和调拨客户端，调拨服务器101中可以设置有第二数据库103，第一数据库104和第二数据库103可以采用关系型数据库，第一数据库104和第二数据库103之间、以及不同区域的第一数据库104之间使用双向同步技术进行数据双向同步，例如，可使用DRC(Data Replicatiob Center，数据复制中心)双向同步技术。
其中，第一数据库104和第二数据库103记录的信息可以包括但不限于：资源标识item_id、区域标识region、库存总量total_quantity、已售库存sold_quantity和库存状态status，库存总量total_quantity可用于表示一个区域的仓库中实际储存的资源数量，也即可以表示可售库存。
参照表1，示出了第一数据库104和第二数据库103记录的信息的示意，其中，CENTER表示调拨服务器对应的区域标识，RU表示俄罗斯对应的区域标识，USA表示美国对应的区域标识，调拨服务器对应的库存总量Q可以为Ru、USA等所有区域的库存服务器的库存总量之和。
表1
Figure BDA0001774129790000061
Figure BDA0001774129790000071
参照图2，示出了本申请实施例的一种库存处理系统的结构示意图，具体可以包括：调拨客户端201、调拨服务器202、至少一个分区库存服务器203和至少一个交易客户端204。
调拨服务器202用于更新多个分区库存服务器203的库存，调拨客户端201用于向调拨服务器202发送调拨请求。
在交易过程中，分区库存服务器203负责对应区域的交易客户端的交易请求，根据交易请求扣减本区域的库存，在本区域的库存小于阈值的情况下，分区库存服务器203还可向调拨服务器202发送调拨请求。
针对库存中的其中一个目标资源L，介绍库存处理的过程：
首先，在目标资源L售卖之前，调拨客户端201向调拨服务器202发送针对目标资源L的调拨请求，调拨服务器202执行步骤A1：接收调拨客户端201发送的针对目标资源L的调拨请求，接着，调拨服务器202执行步骤A2：将目标资源L的总可售库存分配至多个分区库存服务器203中，例如，将目标资源L的总可售库存分配至分区库存服务器1、分区库存服务器2至分区库存服务器N中；多个分区库存服务器203接收调拨服务器202分配的可售库存。
在将目标资源L的总可售库存分配至多个分区库存服务器203中后，目标资源L可进入售卖状态，当用户在交易客户端204购买目标资源L时，交易客户端204向对应的分区库存服务器203发送交易请求，对应的分区库存服务器203执行步骤A3：接收交易客户端204发送的交易请求，在接收到交易请求后，根据交易请求，基于分配的可售库存进行扣减操作，当分区库存服务器203对可售库存进行扣减操作后，向调拨服务器202发送针对目标资源L的更新请求，调拨服务器202执行步骤A4：接收分区库存服务器203发送的针对目标资源的更新请求，调拨服务器202根据更新请求更新对应分区库存服务器203所记录的已售库存。
需要说明的是，交易客户端B1、交易客户端B2至交易客户端BN位于分区库存服务器1对应的区域，交易客户端C1、交易客户端C2和交易客户端CN位于分区库存服务器2对应的区域，交易客户端R1、交易客户端R2和交易客户端RN位于分区库存服务器M对应的区域。当一个用户在交易客户端B1购买目标资源L的情况下，交易客户端B1向对应的分区库存服务器1发送交易请求，且在扣减操作后，分区库存服务器1向调拨服务器202发送针对目标资源L的更新请求。或者，在另一个用户在交易客户端C2购买目标资源L的情况下，交易客户端C2向对应的分区库存服务器2发送交易请求，且在扣减操作后，分区库存服务器2向调拨服务器202发送针对目标资源L的更新请求。
根据一种实施例，当目标资源L在售卖一定时间后，分区库存服务器203中的目标资源L的可售库存小于预设阈值时，分区库存服务器203向调拨服务器202发送针对目标资源的调拨请求，调拨服务器执行步骤A5：接收分区库存服务器203发送的针对目标资源的调拨请求，此时，调拨服务器202根据多个分区库存服务器203的可售库存，确定调拨方案，并执行上述步骤A2。
根据另一种实施例，调拨服务器202可以通过执行本申请实施例的数据处理方法，确定调拨方案。
例如，在分区库存服务器2中的目标资源L在第二时间周期内的可售库存小于预设阈值、以及分区库存服务器1中的可售库存较多的情况下，调拨服务器202可以确定调拨方案：将区库存服务器1中的部分目标资源L调拨至分区库存服务器2。
在本申请的一种实施例中，将区库存服务器1中的部分目标资源L调拨至分区库存服务器2的调拨过程可以包括：
步骤S1、区库存服务器1接收调拨服务器202发送的第一调拨指令；该第一调拨指令中可以包括：调拨库存S和调拨区域R2，S为正整数；
步骤S2、区库存服务器1响应于上述第一调拨指令，对区域1的第一数据库执行第一操作，第一操作用于扣减区域1的库存，扣减的库存数量为S；
步骤S3、区库存服务器2接收调拨服务器202发送的第二调拨指令；该第二调拨指令中可以包括：调拨库存S和调拨区域R1，S为正整数；
步骤S4、区库存服务器2响应于上述第二调拨指令，对区域2的第一数据库执行第二操作，第二操作用于扣减区域1的库存，扣减的库存数量为S；
步骤S5、区库存服务器2在第一操作和第二操作均成功后，对区域2的第一数据库执行第三操作，第三操作用于增加区域2的库存，增加的库存数量为S；
步骤S6、区库存服务器1在第三操作均成功后，对区域1的第一数据库执行第四操作，第四操作用于增加区域2的库存，增加的库存数量为S。
上述调拨过程在不同区域的第一数据库之间进行数据同步，在一个区域的第一数据库中的数据丢失的情况下，仍可以提供完整的数据，数据双向同步起到了数据备份的作用。并且，上述数据同步还可以降低不同区域的第一数据库之间的数据冲突问题。
可以理解，上述调拨过程还可以在第一数据库和第二数据库之间进行数据同步。
方法实施例一
参照图3，示出了本申请的一种数据处理方法实施例一的步骤流程图，具体可以包括如下步骤：
步骤301、提供资源在区域内的历史业务数据；
步骤302、接收所述资源在所述区域及第一时间周期内的第一业务数据；
步骤303、依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；
步骤304、依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
本申请实施例的方法所包括的步骤301至步骤304可由调拨服务器202执行。当然，本申请实施例的方法对应的具体执行主体不加以限制。
步骤301中，可以针对一个区域，提供一个资源在该区域内的历史业务数据。该历史业务数据可以隶属于历史时间段，该历史时间段可由本领域技术人员可以根据实际应用需求确定，例如，历史时间段的长度可以为三个月、半年、一年、甚至一年以上等。
可以理解，步骤301涉及的区域和资源可由本领域技术人员根据实际应用需求确定。例如，步骤301涉及的资源可以为热门资源，如热销商品等。步骤301涉及的区域可以为热门资源对应的区域等，可以理解，本申请实施例对于步骤301涉及的具体区域和具体资源不加以限制。
相对于步骤301中历史业务数据的离线性质，步骤302的第一业务数据可以具有在线性。
在实际应用中，步骤302可以按照时间周期，从区域的交易服务器接收资源在所述区域及第一时间周期内的第一业务数据。在时间周期发生更新的情况下，第一时间周期及其对应的第一业务数据也将发生变化。
本领域技术人员可以根据实际应用需求，确定时间周期的长度，例如，时间周期的长度可以为1小时、2小时等。
步骤303中，第二时间周期和第一时间周期可以为不同的时间周期，两者的长度可以相同，但对应的起始时间和终止时间可以不同。
可选地，第一时间周期和第二时间周期可以为相邻的时间周期，且第二时间周期在第一时间周期之后，也即，第一时间周期可以为已发生的时间周期，而第二时间周期可以为尚未发生的时间周期。可选地，第一时间周期的终止时间可以为第二时间周期的起始时间。例如，第一时间周期为[Ti-1,Ti]，第二时间周期为[Ti,Ti+1]等。当然，第一时间周期和第二时间周期相邻，只是作为可选实施例，实际上，第一时间时间周期和第二时间周期可以不相邻，例如，第一时间周期为[Ti-1,Ti]，第二时间周期为[Ti+1,Ti+2]等。
本申请实施例可以按照时间周期进行销量信息的预测，具体地，随着历史业务数据的收集和积累及分析，资源在区域及第一时间周期内的第一业务数据与资源在区域及第二时间周期内的预测销量信息之间的关系往往有规律可循，因此，本申请实施例可以依据历史业务数据，得到第一业务数据与预测销量信息之间的关系规律，进而得到预测销量信息。
在本申请的一种可选实施例中，步骤303确定所述资源在所述区域及第二时间周期内的预测销量信息的过程，具体可以包括：依据所述历史业务数据，建立第一业务数据与预测销量信息之间的第一映射关系；依据所述第一业务数据、以及所述第一映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息。
在实际应用中，可以通过函数f(x)表征第一业务数据x与预测销量信息y之间的第一映射关系：
y＝f(x)＝x1*w1+x2*w2+...+xn*wn+b   (1)
其中，x1,x2...xn表示第一业务数据x对应的n个特征xi，n为自然数；w1,w2...xn表示x1,x2...xn对应的第一参数，b表示第二参数，第一参数和第二参数可以为依据历史业务数据得到。
在本申请的一种可选实施例中，假设业务数据包括：交易数据和访问数据。
其中，交易数据可以进一步包括：销量数据、拒付数据等，拒付数据可以指下单但拒绝支付。销量数据、拒付数据可以分别对应有特征xi。
交易数据对应的特征xi与预测销量信息y之间可以具有一定的关系，本申请实施例可以依据历史业务数据中的历史交易数据，确定对应的关系信息。
可选地，销量数据对应的第一特征与预测销量信息y之间可以具有正向关系。通常，销量数据对应的第一特征越大，则预测销量信息y越大；反之，销量数据对应的第一特征越小，则预测销量信息y越小。
可选地，拒付数据对应的第二特征与预测销量信息y之间可以具有负向关系。通常，拒付数据对应的第二特征越大，则预测销量信息y越小；反之，拒付数据对应的第二特征越小，则预测销量信息y越大。
访问数据可以包括：访问用户的数据，而访问用户的数据对应的第三特征可以包括：用户特征。
访问数据对应的第三特征与预测销量信息y之间可以具有一定的关系，本申请实施例可以依据历史业务数据中的历史访问数据，确定对应的关系信息。
在本申请的一种可选实施例中，上述用户特征具体可以包括如下特征中的至少一种：用户属性特征、内容偏好特征。其中，上述用户属性特征可以包括：相对稳定的静态属性特征，如用户的年龄、性别、地域、学历、商圈、职业、婚姻、消费等级等。
相对于上述用户属性特征的相对稳定性，内容偏好特征通常具有动态性，其可以随着不断变化的用户行为而变化。在本申请的一种可选实施例中，所述内容偏好特征具体可以包括：用户对资源的偏好特征。其中，用户对资源的偏好特征可以随着用户对于资源的行为(浏览行为、搜索行为、购买行为、语聊行为和评价行为中的至少一种)而变化。例如，用户A在预定时间段(如最近一个月)内经常浏览类别F的资源，则可以得到用户A对资源的如下偏好特征：类别F等。需要说明的是，用户A对于不同内容偏好特征的偏好程度可能不同，在实际应用中可以通过分析其行为数据得到不同内容偏好特征的权重。
本申请实施例中，历史业务数据中的历史访问数据可以对应有历史用户特征，第一业务数据中的第一访问数据可以对应有第一用户特征，本申请实施例可以依据历史访问数据确定历史用户特征与资源之间的历史关系信息，由此可以确定第一用户特征与预测销量信息y之间的关系信息。
在本申请的一种可选实施例中，上述建立第一业务数据与预测销量信息之间的第一映射关系，具体可以包括：将所述资源在所述区域及历史时间周期内的历史业务数据作为训练数据；利用所述训练数据生成第一预测模型；所述第一预测模型用于表征第一业务数据与预测销量信息之间的第一映射关系。
本申请实施例可以通过第一预测模型表征第一业务数据与预测销量信息之间的第一映射关系。第一预测模型可以为机器学习模型，第一预测模型的训练数据可以包括：资源在所述区域及历史时间周期内的历史业务数据。具体地，可以按照历史时间周期对历史业务数据进行划分，划分得到的资源在区域及一个历史时间周期内的历史业务数据可被作为一个训练样本。
在实际应用中，可以采用机器学习算法对上述训练数据进行训练，以得到上述第一预测模型。上述机器学习算法的例子可以包括：近邻分类、贝叶斯、LR(逻辑回归，Logistic Regression)、SVM(支持向量机，Support Vector Machine)、Adaboost(自适应增强)、神经网络、隐马尔科夫等，可以理解，本申请实施例对于第一预测模型对应的机器学习算法不加以限制。
在本申请的一种应用示例中，假设上述训练数据对应的集合为{(xi,yi)}，其中，i＝1,...,n，xi为一个训练样本对应的特征，yi为xi对应的预测销量信息，例如第一历史时间周期内的训练样本对应的预测销量信息可以为第二历史时间周期内的销量信息，其中，第二历史时间周期在第一历史时间周期之后、且两者相邻；则采用机器学习算法训练得到的SVM模型可以表示为：
Figure BDA0001774129790000131
其中，sgn为符号函数，b*为训练得到的第三参数，αi *为训练得到的第四参数，x表示第一业务数据对应的特征，f(x)为输出函数。
根据另一种实施例在本申请的一种可选实施例中，上述依据所述第一业务数据、以及所述第一映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息的过程可以包括：将所述第一业务数据对应的特征输入到第一预测模型中，得到所述第一预测模型的输出结果；并依据所述输出结果，确定资源在第二时间周期内的预测销量信息。可选地，输出结果可以为资源在第二时间周期内的预测销量信息，也即，可以直接将输出结果作为资源在第二时间周期内的预测销量信息。
步骤304中，资源在所述区域内的库存信息可以具有在线性，在实际应用中，可以按照时间周期，获取资源在所述区域内的库存信息。可选地，在库存服务器用于进行库存处理的情况下，本申请实施例可以按照时间周期，从库存服务器接收资源在所述区域内的库存信息。
在本申请的一种可选实施例中，上述步骤304对所述区域内的库存进行调拨处理，具体可以包括：依据所述资源在所述区域内的库存信息、以及所述预测销量信息，确定所述资源在所述区域及第二时间周期内的预测库存信息；依据所述预测库存信息，对所述区域内的库存进行调拨处理。
所述资源在所述区域内的库存信息可以指资源在区域内的剩余库存或者可售库存；预测销量信息可以表征第二时间周期内预计消耗的库存。参照表2，示出了本申请实施例的一种资源在所述区域内的库存信息、预测销量信息、以及预测库存信息之间的映射关系的示意。其中，预测库存信息可以为资源在所述区域内的库存信息与预测销量信息之间的差值。
表2中，库存信息的单位可以为件、百件、千件或者万件等。
RU区域的库存信息为：50，第二时间周期内的预测销量信息为：120，需要补充70的库存，也即预测库存信息为：-70
US区域的库存信息为：200，第二时间周期内的预测销量信息为：100，不需要补充库存，也即预测库存信息为：100
EU(欧盟)区域的库存信息为：80，第二时间周期内的预测销量信息为：80，预测库存信息为：0
表2
item_id region 库存信息 预测销量信息 预测库存信息
L RU 50 120 -70
L USA 200 100 100
L EU 80 80 0
… … … …  
可选地，上述依据所述预测库存信息，对所述区域内的库存进行调拨处理的过程，具体可以包括：若所述预测库存信息不超过库存阈值，则发送调拨指令。上述库存阈值可由本领域技术人员根据实际应用需求确定，例如，上述库存阈值可以为3等数值，本申请实施例对于具体的库存阈值不加以限制。
可选地，上述调拨指令可以为依据依据多个区域对应的预测库存信息得到。
可选地，所述调拨指令，具体可以包括：目标区域、源区域和调拨库存；
所述目标区域对应的预测库存信息不超过库存阈值，所述源区域区域的预测库存信息超过库存阈值、且所述源区域的预测库存信息超过所述目标区域对应的预测库存信息的绝对值。
以表2为例，RU区域对应的预测库存信息(-70)不超过库存阈值，USA区域对应的预测库存信息(100)超过库存阈值、且USA区域对应的预测库存信息(100)超过RU区域对应的预测库存信息(-70)的绝对值70，因此，可以确定调拨指令：源区域(RU区域)、目标区域(USA区域)和调拨库存(70)。也即，本申请实施例的该调拨指令用于从源区域向目标区域调拨调拨库存的库存。
可以理解，上述源区域的预测库存信息超过所述目标区域对应的预测库存信息的绝对值只是作为可选实施例，实际上，源区域的预测库存信息还可以超过所述目标区域对应的预测库存信息的绝对值与库存阈值的和，也即，源区域的预测库存信息≥目标区域对应的预测库存信息的绝对值+库存阈值。这样，可以使得从源区域向目标区域调拨调拨库存的库存后，源区域的库存信息仍然能够超过库存阈值，这样可以在一定程度上避免从其他区域向源区域调拨库存，也即可以降低库存调拨的次数。
本申请实施例中，调拨服务器202可以向源区域和目标区域对应的分区库存服务器发送调拨指令，以使源区域和目标区域对应的分区库存服务器对该调拨指令进行响应。
可选地，对该调拨指令进行响应的过程可以参照步骤S1至步骤S6对应的流程。步骤S1至步骤S6对应的流程在不同区域的第一数据库之间进行数据同步，在一个区域的第一数据库中的数据丢失的情况下，仍可以提供完整的数据，数据双向同步起到了数据备份的作用。并且，上述数据同步还可以降低不同区域的第一数据库之间的数据冲突问题。
在本申请的一种可选实施例中，上述方法还可以包括：将所述第一业务数据更新到所述历史业务数据中，这样可以实现历史业务数据的更新。可以理解，在历史业务数据更新的情况下，还可以依据更新后的历史业务数据，更新第一预测模型的参数。
综上，本申请实施例的数据处理方法，可以依据历史业务数据，得到第一业务数据与预测销量信息之间的关系规律，进而得到预测销量信息；由于可以预测销量信息为依据历史业务数据得到的关系规律得到，故可以提高预测销量信息的准确度。
在提高预测销量信息的准确度的基础上，本申请实施例依据资源在区域内的库存信息、以及上述预测销量信息，对区域内的库存进行调拨处理，可以提高库存调拨的准确度。并且，由于第二时间周期对应的预测销量信息是依据第一时间周期对应的第一业务数据得到的，故本申请实施例可以实现以时间周期为单位进行库存的调拨处理，也即可以实现在一个时间周期内进行一次库存的调拨处理，因此可以降低频繁调拨(也即反复在多个区域之间调拨库存)的情况，进而可以在一定程度上克服上述频繁调拨情况带来的一系列弊端，例如，可以提高业务数据和业务系统的稳定性，降低网站前台的库存反复被占用而无法扣减的情况，进而可以提高买家的下单转化率。
方法实施例二
参照图4，示出了本申请的一种数据处理方法实施例二的步骤流程图，具体可以包括如下步骤：
步骤401、提供资源在区域内的历史业务数据；
步骤402、提供资源的特征数据、和/或、用户路由数据；
步骤403、接收所述资源在所述区域及第一时间周期内的第一业务数据；
步骤404、依据所述历史业务数据、第一业务数据、所述资源的特征数据和/或所述用户路由数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；
步骤405、依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
相对于图3所示方法实施例一，本实施例还可以提供资源的特征数据、和/或、用户路由数据，资源的特征数据与预测销量信息之间可以具有一定的关系，用户路由数据与预测销量数据之间也可以具有一定的关系，因此，资源的特征数据和/或用户路由数据也可以作为预测销量信息的确定依据。由于在确定预测销量信息的过程中，可以采用更为丰富的资源的特征数据和/或用户路由数据，因此可以进一步提高预测销量信息的准确度。
本申请实施例中，资源的特征数据可以指资源画像、或者资源的标签。资源的特征数据可用于对资源进行精准的定位，让不同的资源迅速匹配到处在不同区域、或者时间、或者阶层中的消费者，进而去更加优化用户的体验。
在本申请的一种实施例中，资源的特征数据可以包括但不限于：颜色、面料、尺码、价位段、品类、品类结构比、波段规划、季节性特征、销售渠道、销售区域、门店铺货情况、竞争对手表现、市场容量/占比、产品生命周期趋势、供应商支持情况、整体销售趋势以及天气情况等资源特征。或者，可以依据上述资源特征对资源进行分类，以得到资源对应的目标类别，并将上述目标类别作为资源的特征数据。可选地，上述目标类别可以通过区域、时间、用户、或者天气等维度特征描述。
在本申请的一种可选实施例中，可以确定资源的特征数据与区域的特征数据之间的匹配度，并依据该匹配度确定资源的特征数据与预测销量信息之间的关系信息。上述关系信息可以包括但不限于：正向关系、或者负向关系等。
根据一种实施例，假设与资源A属于同一目标类别的资源B在区域A热销，则可以认为对资源A在区域A的预测销量信息产生正向作用。反之，假设与资源A属于同一目标类别的资源B在区域A销售暗淡，则可以认为对资源A在区域A的预测销量信息产生负向作用。
根据另一种实施例，假设资源C对应的天气维度特征与区域的天气特征相匹配，则认为资源的天气维度特征与预测销量信息之间的关系信息为正向关系。例如，“雨伞”、“雨衣”等资源的特征数据包括“下雨”，而区域B在第二周期内的天气预报信息包括“下雨”，则可以认为资源的特征数据与预测销量信息之间的关系信息为正向关系。
根据再一种实施例，假设资源D对应的用户维度特征与区域C的历史用户(历史成交用户)的用户特征相匹配，则认为资源的特征数据与预测销量信息之间的关系信息为正向关系。例如，母婴类资源对应的用户维度特征包括“家长”，而区域C的历史用户的用户特征包括“妈妈”或者“爸爸”，因此，可以认为资源D对应的用户维度特征与预测销量信息之间的关系信息为正向关系。
根据又一种实施例，假设资源E对应的时间维度特征与区域的时间特征相匹配，则认为资源的时间维度特征与预测销量信息之间的关系信息为正向关系。例如，“羽绒服”等资源的特征数据包括“冬天”，而区域B在第二周期内的时间信息包括“冬天”，则可以认为资源的特征数据与预测销量信息之间的关系信息为正向关系。
可以理解，本申请实施例可以根据实际应用需求，确定资源的特征数据与预测销量信息之间的关系信息，本申请实施例对于资源的特征数据与预测销量信息之间的具体关系信息不加以限制。
用户路由数据可用于在用户访问交易网站的过程中、将用户路由到预设区域的交易页面。用户路由数据可以包括：将常驻地为非预设区域的用户路由到预设区域的交易页面。例如，非预设区域的用户短暂停留在预设区域，若将用户路由到预设区域的交易页面，则将增加预设区域的预测销量信息。非预设区域的用户短暂停留在预设区域的原因可以包括：出差或者旅游等。当然，在不将常驻地为非预设区域的用户路由到预设区域的交易页面的情况下，可以认为用户路由数据对预设区域的预测销量信息没有影响。
在本申请的一种可选实施例中，步骤404可以包括：依据所述历史业务数据，建立第一业务数据、资源的特征数据和/或用户路由数据与预测销量信息之间的第二映射关系；依据所述第一业务数据、资源的特征数据和/或用户路由数据、以及所述第二映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息。
可选地，上述第二映射关系可以表示为：
Y＝f’(x)＝x1*w1+x2*w2+...+xn*wn+z*w(n+1)+u*w(n+2)+b   (3)
其中，z表示资源的特征数据对应的特征，z的数量可以大于1或者等于1，w(n+1)表示z对应的参数；u表示用户路由数据对应的特征，u的数量可以大于1或者等于1，w(n+2)表示u对应的参数。
在本申请的一种可选实施例中，上述建立第一业务数据、资源的特征数据和/或用户路由数据与预测销量信息之间的第二映射关系，具体可以包括：将所述资源在所述区域及历史时间周期内的历史业务数据、资源的特征数据和/或用户路由数据作为训练数据；利用所述训练数据生成第二预测模型；所述第二预测模型用于表征第一业务数据、资源的特征数据和/或用户路由数据与预测销量信息之间的第二映射关系。
本申请实施例可以通过第二预测模型表征第二映射关系。第一预测模型可以为机器学习模型，第二预测模型的训练数据可以包括：资源在所述区域及历史时间周期内的历史业务数据、以及资源的特征数据和/或用户路由数据。具体地，可以按照历史时间周期对历史业务数据进行划分，划分得到的资源在区域及一个历史时间周期内的历史业务数据可被作为一个训练样本，一个训练样本的特征除了包括：其历史业务数据对应的特征之外，还可以包括：资源的特征数据对应的特征z和/或用户路由数据对应的特征u。由于第二预测模型的训练过程与第一预测模型的训练过程类似，由于第二预测模型的使用过程与第一预测模型的使用过程类似，故在此不作赘述，相互参照即可。
综上，本申请实施例的数据处理方法，除了将历史业务数据和第一业务数据作为预测销量信息的确定依据之外，资源的特征数据和/或用户路由数据也可以作为预测销量信息的确定依据；由于在确定预测销量信息的过程中，可以采用更为丰富的资源的特征数据和/或用户路由数据，因此可以进一步提高预测销量信息的准确度。
为使本领域技术人员更好地理解本申请实施例，参照图5，示出了本申请实施例的一种数据处理装置的目标数据的示意，数据处理装置用于依据上述目标数据，对区域内的库存进行调拨处理。可选地，数据处理装置可以位于调拨服务器，当然，本申请实施例对于数据处理装置的具体方位不加以限制。
本申请实施例中，数据处理装置的目标数据可以为资源在一个区域内的数据，上述目标数据可以包括：实时数据和离线数据。
其中，上述离线数据可以包括：历史业务数据、资源的特征数据和用户路由数据。历史业务数据可以来源于交易服务器，资源的特征数据可通过对资源的分析得到，用户路由数据可由本领域技术人员根据实际应用需求确定。
上述实时数据可以包括：第一业务数据和库存信息。其中，第一业务数据可以来源于交易服务器，库存信息可以来源于库存服务器。第一业务数据和库存信息可以具有实时性，其中，第一业务数据的更新周期可以为时间周期，也即，本申请实施例可以按照时间周期，从交易服务器接收第一业务数据。
需要说明的是，可以按照时间周期，将所述第一业务数据更新到所述历史业务数据中，以实现历史业务数据的增量更新。
本申请实施例可以预先根据离线数据，确定第一业务数据、资源的特征数据和/或用户路由数据与预测销量信息之间的第二映射关系；并针对第一时间周期对应的实时数据，确定资源在区域及第二时间周期内的预测销量信息，进而依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
可选地，如果认为需要触发调拨，可以发出调拨指令，如果不需要触发调拨，就不会发出调拨命令，上述调拨指令对应的区域可以执行上述调拨指令。
可选地，对所述区域内的库存进行调拨处理，具体可以包括：依据所述资源在所述区域内的库存信息、以及所述预测销量信息，确定所述资源在所述区域及第二时间周期内的预测库存信息；依据所述预测库存信息，对所述区域内的库存进行调拨处理。
参照图6，示出了本申请实施例的一种对所述区域内的库存进行调拨处理的示意。
图6中，region表示区域，inventory表示库存。图6具体可以包括：第一时间周期内的实际剩余库存、第二时间周期内的预测销量信息、以及第二时间周期内的调拨后库存。
其中，RU区域的实际剩余库存为：50，第二时间周期内的预测销量信息为：120，需要补充70的库存，也即预测库存信息为：-70。
US区域的实际剩余库存为：200，第二时间周期内的预测销量信息为：100，不需要补充库存，也即预测库存信息为：100
EU区域的实际剩余库存为：80，第二时间周期内的预测销量信息为：80，预测库存信息为：0
本申请实施例可以确定调拨指令，该调拨指令对应的源区域可以为US区域，该调拨指令对应的目标区域可以为RU区域，调拨库存可以为70，也即，可以从US区域向RU区域调拨70的库存，由此可以得到第二时间周期内的调拨后库存。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请实施例并不受所描述的动作顺序的限制，因为依据本申请实施例，某些方框可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本申请实施例所必须的。
本申请实施例还提供了一种数据处理装置。
参照图7，示出了本申请的一种数据处理装置实施例的结构框图，具体可以包括如下模块：
第一提供模块701，用于提供资源在区域内的历史业务数据；
接收模块702，用于接收所述资源在所述区域及第一时间周期内的第一业务数据；
预测销量信息确定模块703，用于依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；以及
调拨处理模块704，用于依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理。
可选地，所述业务数据可以包括：
交易数据；或者
交易数据和访问数据。
可选地，所述预测销量信息确定模块703，可以包括：
第一映射建立模块，用于依据所述历史业务数据，建立第一业务数据与预测销量信息之间的第一映射关系；以及
第一确定模块，用于依据所述第一业务数据、以及所述第一映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息。
可选地，所述第一映射建立模块可以包括：
训练数据确定模块，用于将所述资源在所述区域及历史时间周期内的历史业务数据作为训练数据；以及
第一预测模型生成模块，用于利用所述训练数据生成第一预测模型；所述第一预测模型用于表征第一业务数据与预测销量信息之间的第一映射关系。
可选地，所述装置还可以包括：
第二提供模块，用于提供资源的特征数据、和/或、用户路由数据；
所述预测销量信息确定模块703可以包括：
第二确定模块，用于依据所述历史业务数据、第一业务数据、所述资源的特征数据和/或所述用户路由数据，确定所述资源在所述区域及第二时间周期内的预测销量信息。
可选地，所述第二确定模块，可以包括：
第二映射建立模块，用于依据所述历史业务数据，建立第一业务数据、资源的特征数据和/或用户路由数据与预测销量信息之间的第二映射关系；
第三确定模块，用于依据所述第一业务数据、资源的特征数据和/或用户路由数据、以及所述第二映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息。
可选地，所述装置还可以包括：
更新模块，用于将所述第一业务数据更新到所述历史业务数据中。
可选地，所述调拨处理模块可以包括：
预测库存信息确定模块，用于依据所述资源在所述区域内的库存信息、以及所述预测销量信息，确定所述资源在所述区域及第二时间周期内的预测库存信息；
库存调拨处理模块，用于依据所述预测库存信息，对所述区域内的库存进行调拨处理。
可选地，所述库存调拨处理模块可以包括：
调拨指令发送模块，用于若所述预测库存信息不超过库存阈值，则发送调拨指令。
可选地，所述调拨指令，可以包括：目标区域、源区域和调拨库存；
所述目标区域对应的预测库存信息不超过库存阈值，所述源区域区域的预测库存信息超过库存阈值、且所述源区域的预测库存信息超过所述目标区域对应的预测库存信息的绝对值。
综上，本申请实施例的数据处理装置，可以依据历史业务数据，得到第一业务数据与预测销量信息之间的关系规律，进而得到预测销量信息；由于可以预测销量信息为依据历史业务数据得到的关系规律得到，故可以提高预测销量信息的准确度。
在提高预测销量信息的准确度的基础上，本申请实施例依据资源在区域内的库存信息、以及上述预测销量信息，对区域内的库存进行调拨处理，可以提高库存调拨的准确度。并且，由于第二时间周期对应的预测销量信息是依据第一时间周期对应的第一业务数据得到的，故本申请实施例可以实现以时间周期为单位进行库存的调拨处理，也即可以实现在一个时间周期内进行一次库存的调拨处理，因此可以降低频繁调拨(也即反复在多个区域之间调拨库存)的情况，进而可以在一定程度上克服上述频繁调拨情况带来的一系列弊端，例如，可以提高业务数据和业务系统的稳定性，降低网站前台的库存反复被占用而无法扣减的情况，进而可以提高买家的下单转化率。
对于装置实施例而言，由于其与方法实施例基本相似，故描述的比较简单，相似的地方请相互参照即可。
本申请实施例的实施例可被实现为使用任意适当的硬件和/或软件进行想要的配置的系统或装置。图8示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置1100。
对于一个实施例，图8示出了示例性装置1100，该装置1100可以包括：一个或多个处理器1102、与处理器1102中的至少一个耦合的系统控制模块(芯片组)1104、与系统控制模块1104耦合的系统存储器1106、与系统控制模块1104耦合的非易失性存储器(NVM)/存储装置1108、与系统控制模块1104耦合的一个或多个输入/输出设备1110，以及与系统控制模块1106耦合的网络接口1112。该系统存储器1106可以包括：指令1162，该指令1162可被一个或多个处理器1102执行。
处理器1102可包括一个或多个单核或多核处理器，处理器1102可包括通用处理器或专用处理器(例如图形处理器、应用程序处理器、基带处理器等)的任意组合。在一些实施例中，装置1100能够作为本申请实施例中所述的服务器、目标设备、无线设备等。
在一些实施例中，装置1100可包括具有指令的一个或多个机器可读介质(例如，系统存储器1106或NVM/存储装置1108)以及与该一个或多个机器可读介质相合并被配置为执行指令、以实现前述装置包括的模块、从而执行本申请实施例中所述的动作的一个或多个处理器1102。
一个实施例的系统控制模块1104可包括任何适合的接口控制器，用于提供任何适合的接口给处理器1102中的至少一个和/或与系统控制模块1104通信的任意适合的装置或部件。
一个实施例的系统控制模块1104可包括一个或多个存储器控制器，用于提供接口给系统存储器1106。存储器控制器可以是硬件模块、软件模块和/或固件模块。
一个实施例的系统存储器1106可被用于加载和存储数据和/或指令1162。对于一个实施例，系统存储器1106可包括任何适合的易失性存储器，例如，适合的DRAM(动态随机存取存储器)。在一些实施例中，系统存储器1106可包括：双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
一个实施例的系统控制模块1104可包括一个或多个输入/输出控制器，以向NVM/存储装置1108及(一个或多个)输入/输出设备1110提供接口。
一个实施例的NVM/存储装置1108可被用于存储数据和/或指令1182。NVM/存储装置1108可包括任何适合的非易失性存储器(例如闪存等)和/或可包括任何适合的(一个或多个)非易失性存储设备，例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器等。
NVM/存储装置1108可包括在物理上是装置1100被安装在其上的装置的一部分的存储资源，或者其可被该装置访问而不必作为该装置的一部分。例如，NVM/存储装置1108可经由网络接口1112通过网络和/或通过输入/输出设备1110进行访问。
一个实施例的(一个或多个)输入/输出设备1110可为装置1100提供接口以与任意其他适当的设备通信，输入/输出设备1110可以包括通信组件、音频组件、传感器组件等。
一个实施例的网络接口1112可为装置1100提供接口以通过一个或多个网络和/或与任何其他适合的装置通信，装置1100可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信，例如接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合进行无线通信。
对于一个实施例，处理器1102中的至少一个可与系统控制模块1104的一个或多个控制器(例如，存储器控制器)的逻辑封装在一起。对于一个实施例，处理器1102中的至少一个可与系统控制模块1104的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，处理器1102中的至少一个可与系统控制模块1104的一个或多个控制器的逻辑集成在同一新品上。对于一个实施例，处理器1102中的至少一个可与系统控制模块1104的一个或多个控制器的逻辑集成在同一芯片上以形成片上系统(SoC)。
在各个实施例中，装置1100可以包括但不限于：台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)等计算设备。在各个实施例中，装置1100可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，装置1100可以包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中，如果显示器包括触摸面板，显示屏可以被实现为触屏显示器，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
本申请实施例还提供了一种非易失性可读存储介质，该存储介质中存储有一个或多个模块(programs)，该一个或多个模块被应用在装置时，可以使得该装置执行本申请实施例中各方法的指令(instructions)。
在一个示例中提供了一种装置，包括：一个或多个处理器；和，其上存储的一个或多个机器可读介质中的指令，由所述一个或多个处理器执行时，导致所述装置执行如本申请实施例中的方法，该方法可以包括：图3或图4或图5或图6所示的方法。
在一个示例中还提供了一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如本申请实施例中的方法，该方法可以包括：图3或图4或图5或图6所示的方法。
以上对本申请所提供的一种数据处理方法、一种数据处理装置和一种装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (14)

1.一种库存数据处理方法，其特征在于，包括：
提供资源在区域内的历史业务数据；
接收所述资源在所述区域及第一时间周期内的第一业务数据；
依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；
依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理；
提供用户路由数据，依据所述历史业务数据，建立第一业务数据和用户路由数据与预测销量信息之间的第二映射关系；依据所述第一业务数据和用户路由数据、以及所述第二映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息；所述用户路由数据包括：将常驻地为非预设区域的用户路由到预设区域的交易页面。
2.根据权利要求1所述的方法，其特征在于，所述业务数据包括：
交易数据；或者
交易数据和访问数据。
3.根据权利要求1所述的方法，其特征在于，所述确定所述资源在所述区域及第二时间周期内的预测销量信息，包括：
依据所述历史业务数据，建立第一业务数据与预测销量信息之间的第一映射关系；
依据所述第一业务数据、以及所述第一映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息。
4.根据权利要求3所述的方法，其特征在于，所述建立第一业务数据与预测销量信息之间的第一映射关系，包括：
将所述资源在所述区域及历史时间周期内的历史业务数据作为训练数据；
利用所述训练数据生成第一预测模型；所述第一预测模型用于表征第一业务数据与预测销量信息之间的第一映射关系。
5.根据权利要求1至4中任一所述的方法，其特征在于，所述方法还包括：
将所述第一业务数据更新到所述历史业务数据中。
6.根据权利要求1至4中任一所述的方法，其特征在于，所述对所述区域内的库存进行调拨处理，包括：
依据所述资源在所述区域内的库存信息、以及所述预测销量信息，确定所述资源在所述区域及第二时间周期内的预测库存信息；
依据所述预测库存信息，对所述区域内的库存进行调拨处理。
7.根据权利要求6所述的方法，其特征在于，所述依据所述预测库存信息，对所述区域内的库存进行调拨处理，包括：
若所述预测库存信息不超过库存阈值，则发送调拨指令。
8.根据权利要求7所述的方法，其特征在于，所述调拨指令，包括：目标区域、源区域和调拨库存；
所述目标区域对应的预测库存信息不超过库存阈值，所述源区域区域的预测库存信息超过库存阈值、且所述源区域的预测库存信息超过所述目标区域对应的预测库存信息的绝对值。
9.一种数据处理装置，其特征在于，包括：
第一提供模块，用于提供资源在区域内的历史业务数据；
接收模块，用于接收所述资源在所述区域及第一时间周期内的第一业务数据；
预测销量信息确定模块，用于依据所述历史业务数据和第一业务数据，确定所述资源在所述区域及第二时间周期内的预测销量信息；以及
调拨处理模块，用于依据所述资源在所述区域内的库存信息、以及所述预测销量信息，对所述区域内的库存进行调拨处理；
第二提供模块，用于提供用户路由数据；
所述预测销量信息确定模块包括：
第二映射建立模块，用于依据所述历史业务数据，建立第一业务数据和用户路由数据与预测销量信息之间的第二映射关系；
第三确定模块，用于依据所述第一业务数据和用户路由数据、以及所述第二映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息；所述用户路由数据包括：将常驻地为非预设区域的用户路由到预设区域的交易页面。
10.根据权利要求9所述的装置，其特征在于，所述业务数据包括：
交易数据；或者
交易数据和访问数据。
11.根据权利要求9所述的装置，其特征在于，所述预测销量信息确定模块，包括：
第一映射建立模块，用于依据所述历史业务数据，建立第一业务数据与预测销量信息之间的第一映射关系；以及
第一确定模块，用于依据所述第一业务数据、以及所述第一映射关系，确定所述资源在所述区域及第二时间周期内的预测销量信息。
12.根据权利要求11所述的装置，其特征在于，所述第一映射建立模块包括：
训练数据确定模块，用于将所述资源在所述区域及历史时间周期内的历史业务数据作为训练数据；以及
第一预测模型生成模块，用于利用所述训练数据生成第一预测模型；所述第一预测模型用于表征第一业务数据与预测销量信息之间的第一映射关系。
13.一种用于库存数据处理的装置，其特征在于，包括：
一个或多个处理器；和
其上存储有指令的一个或多个机器可读介质，当由所述一个或多个处理器执行时，使得所述装置执行如权利要求1至8中一个或多个所述的方法。
14.一个或多个机器可读介质，其上存储有指令，当由一个或多个处理器执行时，使得装置执行如权利要求1至8中一个或多个所述的方法。
CN201810962502.0A 2018-08-22 2018-08-22 数据处理方法、装置和机器可读介质 Active CN110858346B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810962502.0A CN110858346B (zh) 2018-08-22 2018-08-22 数据处理方法、装置和机器可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810962502.0A CN110858346B (zh) 2018-08-22 2018-08-22 数据处理方法、装置和机器可读介质

Publications (2)

Publication Number Publication Date
CN110858346A CN110858346A (zh) 2020-03-03
CN110858346B true CN110858346B (zh) 2023-05-02

Family

ID=69636000

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810962502.0A Active CN110858346B (zh) 2018-08-22 2018-08-22 数据处理方法、装置和机器可读介质

Country Status (1)

Country Link
CN (1) CN110858346B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738765A (zh) * 2020-06-23 2020-10-02 京东数字科技控股有限公司 数据处理方法、装置、设备和存储介质
CN111882358B (zh) * 2020-07-30 2024-05-24 杭州翔毅科技有限公司 基于直播平台的数据管控方法、设备、存储介质及装置
CN113283844B (zh) * 2021-06-11 2024-01-19 杉数科技(北京)有限公司 时效敏感物料的库存确定方法、装置、电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008097432A (ja) * 2006-10-13 2008-04-24 Hitachi Ltd 金融商品販売支援システム、金融商品販売支援方法、金融商品販売支援プログラム
CN103678514A (zh) * 2013-11-26 2014-03-26 安徽科大讯飞信息科技股份有限公司 一种业务趋势预测方法及系统
CN103778474A (zh) * 2012-10-18 2014-05-07 华为技术有限公司 资源负载量预测方法、分析预测系统及业务运营监控系统
CN105447129A (zh) * 2015-11-18 2016-03-30 腾讯科技（深圳）有限公司 个性化内容获取方法、用户属性挖掘方法、系统和装置
CN105825354A (zh) * 2016-03-11 2016-08-03 北京小米移动软件有限公司 仓储调度方法和装置
CN106779859A (zh) * 2016-12-27 2017-05-31 南京安讯科技有限责任公司 一种移动终端产品实时销量预测方法
CN106971249A (zh) * 2017-05-05 2017-07-21 北京挖玖电子商务有限公司 一种销量预测及补货方法
CN106971348A (zh) * 2016-01-14 2017-07-21 阿里巴巴集团控股有限公司 一种基于时间序列的数据预测方法和装置
CN107093096A (zh) * 2016-12-15 2017-08-25 口碑控股有限公司 一种业务量预测方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2017229792A1 (en) * 2016-03-10 2018-10-04 Velocity Technology Solutions, Inc. Systems and methods for management of cloud computing resources for information systems

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008097432A (ja) * 2006-10-13 2008-04-24 Hitachi Ltd 金融商品販売支援システム、金融商品販売支援方法、金融商品販売支援プログラム
CN103778474A (zh) * 2012-10-18 2014-05-07 华为技术有限公司 资源负载量预测方法、分析预测系统及业务运营监控系统
CN103678514A (zh) * 2013-11-26 2014-03-26 安徽科大讯飞信息科技股份有限公司 一种业务趋势预测方法及系统
CN105447129A (zh) * 2015-11-18 2016-03-30 腾讯科技（深圳）有限公司 个性化内容获取方法、用户属性挖掘方法、系统和装置
CN106971348A (zh) * 2016-01-14 2017-07-21 阿里巴巴集团控股有限公司 一种基于时间序列的数据预测方法和装置
CN105825354A (zh) * 2016-03-11 2016-08-03 北京小米移动软件有限公司 仓储调度方法和装置
CN107093096A (zh) * 2016-12-15 2017-08-25 口碑控股有限公司 一种业务量预测方法及装置
CN106779859A (zh) * 2016-12-27 2017-05-31 南京安讯科技有限责任公司 一种移动终端产品实时销量预测方法
CN106971249A (zh) * 2017-05-05 2017-07-21 北京挖玖电子商务有限公司 一种销量预测及补货方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王想实 ; .基于C/S结构的超市库存管理系统的设计与实现.湖南工业职业技术学院学报.2009,(02),全文. *
邹飞.卷烟销售信息系统的建立方案.烟草科技.2001,(05),全文. *

Also Published As

Publication number Publication date
CN110858346A (zh) 2020-03-03

Similar Documents

Publication Publication Date Title
CN110020094B (zh) 一种搜索结果的展示方法和相关装置
JP6425735B2 (ja) 一時的な取引制限の決定
CN110858346B (zh) 数据处理方法、装置和机器可读介质
US11010798B2 (en) System and method for integrating retail price optimization for revenue and profit with business rules
US10902341B1 (en) Machine learning based list recommendations
CN107657527A (zh) 贷款产品匹配方法、装置及计算机可读存储介质
CN107341173A (zh) 一种信息处理方法及装置
US11080746B2 (en) Method for matching influencers to brands and pairing influencer videos to products for intra-video transactions
WO2020221022A1 (zh) 业务对象推荐方法
CN110599307A (zh) 一种商品推荐的方法及装置
CN115291503A (zh) 推荐方法、推荐装置、电子设备和存储介质
CN113674040A (zh) 车辆的报价方法、计算机设备和计算机可读存储介质
US11763357B2 (en) Systems and methods for managing electronic tip data to provide merchant reviews
Oprescu Influence of New Technologies in E-Commerce.
CN112445909A (zh) 商品检索方法及装置
KR102483909B1 (ko) 상품 가격 결정 방법 및 이를 수행하는 서버
CN115439180A (zh) 一种目标对象确定方法、装置、电子设备及存储介质
US20220374942A1 (en) Method, system, and apparatus for programmatically determining and adjusting electronic bid values for a digital content object based on conversion rates
US11741182B1 (en) Systems and methods for dynamic content distribution
US11062386B1 (en) Bid placement for ranked items
US11403668B2 (en) Multitask transfer learning for optimization of targeted promotional programs
KR102270381B1 (ko) 소비자 데이터 기반의 쇼핑 인터페이스 제공 방법 및 그 장치
KR102711891B1 (ko) 유동인구 기반의 입지추천 서비스를 지원하는 프랜차이즈 추천 서비스 제공 장치, 방법 및 프로그램
US20230186367A1 (en) Transaction Recommendation and Purchasing Engine
KR102578243B1 (ko) 프랜차이즈 가맹점을 추천하는 서비스 제공 장치, 방법 및 프로그램

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20240226

Address after: 51 Belarusian Road, Singapore

Patentee after: Alibaba Singapore Holdings Ltd.

Country or region after: Singapore

Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands

Patentee before: ALIBABA GROUP HOLDING Ltd.

Country or region before: Cayman Islands

TR01 Transfer of patent right