CN110968611A - 数据分析方法、装置及系统 - Google Patents
数据分析方法、装置及系统 Download PDFInfo
- Publication number
- CN110968611A CN110968611A CN201811144715.9A CN201811144715A CN110968611A CN 110968611 A CN110968611 A CN 110968611A CN 201811144715 A CN201811144715 A CN 201811144715A CN 110968611 A CN110968611 A CN 110968611A
- Authority
- CN
- China
- Prior art keywords
- data set
- dealer
- data
- result
- market
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000007405 data analysis Methods 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 claims abstract description 107
- 238000004458 analytical method Methods 0.000 claims abstract description 50
- 230000001174 ascending effect Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种数据分析方法、装置及系统,其中数据分析方法应用于企业服务器,所述企业服务器与多个经销商终端相连;所述数据分析方法包括:确定多个经销商终端于当前周期的行情动态数据集;获取多个经销商终端于当前周期中结果变动数据集;对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。由于行情动态数据集能够表示经销商所处多个维度行情动态影响,结果变动数据集能够表征销售业绩于多个维度的变动情况,对行情动态数据集和结果变动数据集交叉分析,便可以从各个维度来综合分析经销商终端,并获得精细化分析结果。
Description
技术领域
本发明涉及数据处理领域,尤其涉及数据分析方法、装置及系统。
背景技术
当前生产制造企业具有多种销售渠道,经销商为其中一种销售渠道。生产制造企业需要了解各个经销商,以便合理地管控各个经销商。
目前,生产制造企业通常会获取各个经销商的销售收入金额和库存积压量来分析各个经销商,其分析维度较少,无法获知各个经销商精细化的分析结果。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的数据分析方法、装置及系统,以便精细化跟踪分析各个经销商。
为了解决上述问题,本申请提供了下述技术特征:
一种数据分析方法,应用于企业服务器,所述企业服务器与多个经销商终端相连;所述数据分析方法包括:
确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;
对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
可选的,所述确定多个经销商终端于当前周期的行情动态数据集,包括:
对于每个经销商终端而言:获取经销商终端于当前周期的外部行情动态数据集和内部行情动态数据集,由所述外部行情动态数据集和所述内部行情动态数据,组成当前周期的行情动态数据集;其中,
所述外部行情动态数据集包括:是否为销售旺季的判断结果、竞争对手是否有活动的判断结果和政策动向的判断结果中的至少一种;
所述内部行情动态数据集包括:是否有优惠活动的判断结果、是否有促销活动的判断结果、是否有宣传活动的判断结果和是否有新品上市的判断结果中的至少一种。
可选的,所述获取多个经销商终端于当前周期中结果变动数据集,包括:
获取多个经销商终端于当前周期的当前业绩数据;
基于所述当前业绩数据和历史业绩数据,按预设规则计算获得当前结果数据集;
比较所述当前结果数据集和历史结果数据集,获得结果变动数据集;
其中,所述结果变动数据集包括多个类型业绩数据对应的结果变动数据;
若所述当前业绩数据集中一类型对应的业绩数据,与所述历史业绩数据中同类型对应的业绩数据在预设范围内,则该类型对应的结果变动数据为平稳标识;
若所述当前业绩数据集中一类型对应的业绩数据,大于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为上升标识;
若所述当前业绩数据集中一类型对应的业绩数据,小于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为下降标识。
可选的,所述对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集,包括:
对于行情动态数据集中每一行情动态数据,分别与所述结果变动数据集中每一类型的结果变动数据,构建关系数据;
多个关系数据组成所述关系数据集。
可选的,所述综合分析多个经销商终端对应的关系数据集,获得精细化分析结果,包括:
综合分析多个经销商终端对应的关系数据集,分析获得不同行情动态数据对各个经销商终端对应的各个结果变动数据的影响程度;
综合分析多个经销商终端对应的关系数据集,分析获得引发各个经销商终端对应不同的结果变动数据的一个或多个行情动态数据。
可选的,所述经销商终端采用本质特征数据集表示;其中本质特征数据集包括:
经销商所属的行业类型、经销商所属的位置片区、经销商所属的行政级别、是否并行销售相关产品的判断结果、经销商所属的门店类型、人员服务质量等级、服务人效等级、门店硬件设备等级和售后管理模式;
则所述数据分析方法包括:
按所述本质特征数据集中的一个或多个字段,从所述多个经销商终端中筛选并显示目标经销商终端的精细化分析结果,以供人工进一步分析。
可选的,还包括:按照预设规则分析经销商终端的精细化分析结果,确定经销商的调整类型,以便后续依据该调整类型来调整经销商终端的销售模式数据;
其中,所述调整类型包括:扶持类型、限制类型和优惠类型。
一种数据分析装置,应用于企业服务器,所述企业服务器与多个经销商终端相连;所述数据分析装置包括:
确定单元,用于确定多个经销商终端于当前周期的行情动态数据集;
获取单元,用于获取多个经销商终端于当前周期中结果变动数据集;
组合单元,用于对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
分析单元,用于综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
一种数据分析系统,包括:
企业服务器,和,与企业服务器相连的多个经销商终端;
企业服务器,用于确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;
对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
借由上述技术方案,本发明提供的数据分析方法、装置及系统,可以确定多个经销商终端的行情动态数据集和结果变动数据集,并将行情动态数据和结果变动数据集交叉分析。
由于行情动态数据集能够表示经销商所处多个维度行情动态影响,结果变动数据集能够表征销售业绩于多个维度的变动情况,对行情动态数据集和结果变动数据集交叉分析,便可以从各个维度来综合分析经销商终端,并获得精细化分析结果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了数据分析系统的结构示意图;
图2示出了数据分析方法的流程图;
图3示出了数据分析装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
为了便于理解,本申请提供一种数据分析系统。参见图1,数据分析系统包括:
企业服务器100;和,
与企业服务器相连的多个经销商终端200。
企业服务器存储多个经销商终端的本质特征数据集。
制造生产企业下具有多个经销商,各个经销商对应经销商终端。为了能够清楚表明各个经销商,采用本质特征数据集来表示经销商也即表示经销商终端。
经销商终端采用本质特征数据集表示,本质特征数据集包括多个本质特征数据。参见表1,为本质特征数据集的一种示例。
表1
当然,上述本质特征数据集仅为示意性说明,在实现本方案时依据具体情况来实现。
上述本质特征数据可以由企业人员对经销商进行调研并确认,然后存储至企业服务器100中,以便企业服务器存储各个经销商终端的本质特征书记集。
本申请会周期性执行数据分析方法,一个周期可以为一个月,一个季度,半年,一年等时间长度,具体周期的时间长度可以根据具体情况而定,在此不做限定。
本申请提供了一种数据分析方法,参见图2,包括以下步骤:
步骤S201:企业服务器确定多个经销商终端于当前周期的行情动态数据集。
可以理解的是,对于大部分行业而言,行情动态会直接影响经销商的销售情况。且,不同周期中行情动态不尽相同,企业服务器会确定多个经销商终端于当前周期的行情动态数据集。
对于每个经销商终端而言:获取经销商终端于当前周期的外部行情动态数据集和内部行情动态数据集,由所述外部行情动态数据集和所述内部行情动态数据,组成当前周期的行情动态数据集。
参见表2,为行情动态数据集的一种示例。
当然,上述本质特征数据集仅为示意性说明,在实现本方案时依据具体情况来实现。
上述行情动态数据集可以由企业人员对各个经销商于当前周期进行调研并确认,然后存储至企业服务器100中,以便企业服务器存储各个经销商终端于当前周期的行情动态数据集。
企业服务器获取多个经销商终端于当前周期中结果变动数据集,包括下述步骤S202~步骤S204。
步骤S202:企业服务器获取多个经销商终端于当前周期的当前业绩数据。
企业服务器100与多个经销商终端相连,经销商终端在生成当前周期的当前业绩数据后,可以发送当前业绩数据至企业服务器100。
步骤S203:企业服务器基于所述当前业绩数据和历史业绩数据,按预设规则计算获得当前结果数据集。
企业服务器获取当前业绩数据,当前业绩数据包括:销售数量、销售收入金额、新增意向客户数量。
企业服务器存储有历史业绩数据,在获取当前业绩数据后,可以基于当前业绩数据和历史业绩数据进行计算,获得当前结果数据集。
参见表3,为当前结果数据集的一种示例。
表3
当前结果数据集 |
销售计划完成百分比 |
新增意向客户数量 |
成交转化率 |
销售收入金额 |
同比百分比 |
环比百分比 |
对于每个经销商终端而言,其计算过程是一致的,为此基于一个经销商终端介绍当前结果数据集中各个字段的计算过程。
对于销售计划完成百分比而言:从经销商终端的当前业绩数据中获取当前销售数量,计算销售数量与销售计划数量的百分比,并将该百分比确定销售计划完成百分比。
对于成交转化率而言:从经销商终端的当前业绩数据中获取新增意向客户数量和销售数量,计算新增意向客户数量和销售数量的百分比,并将该百分比确定为成交转化率。
对于环比百分比而言:从当前业绩数据中销售收入金额,从历史业绩数据中获取上一周期的销售收入金额,计算当前周期的销售收入金额与上一周期的销售收入金额的百分比,并将该百分比确定为环比百分比。
对于同比百分比而言:从当前业绩数据中销售收入金额,从历史业绩数据中获取去年相同周期的销售收入金额,计算当前周期的销售收入金额与相同周期的销售收入金额的百分比,并将该百分比确定为同比百分比。
将销售计划完成百分比、新增意向客户数量、成交转化率、销售收入金额、同比百分比、环比百分比,组成当前结果数据集。
步骤S204:企业服务器比较所述当前结果数据集和历史结果数据集,获得结果变动数据集。
企业服务器通过步骤S203可以获得当前周期的当前结果数据集,企业服务器还存储有上一周期的历史结果数据集。
比较当前结果数据集和历史结果数据集中相同类型的数据,便可以获得历史结果变动数据集。下面以一个类型数据为例,对比较过程进行解释说明。
若所述当前业绩数据集中一类型对应的业绩数据,与所述历史业绩数据中同类型对应的业绩数据在预设范围内,则该类型对应的结果变动数据为平稳标识。
若所述当前业绩数据集中一类型对应的业绩数据,大于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为上升标识。
若所述当前业绩数据集中一类型对应的业绩数据,小于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为下降标识。
参见表4,为结果变动数据集的一种示例。
表4
步骤S205:企业服务器对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集。
对于每个经销商终端而言:企业服务器对于行情动态数据集中每一行情动态数据,分别与所述结果变动数据集中每一类型的结果变动数据,构建关系数据;多个关系数据组成所述关系数据集。
以行情动态数据中一行情动态数据“是否为销售旺季的判断结果”为例,分别与“销售计划完成百分比”、“新增意向客户数量”、“成交转化率”、“销售收入金额”、“同比百分比”、“环比百分比”建立关联关系。为了便于理解,以表5进行展示。
表5
当然,上述表格中仅以“是否为销售旺季的判断结果”为例,实际情况下,真实情况下,应该包括行情动态数据集中每一个行情动态数据分别与所述结果变动数据集中每一类型的结果变动数据所构建的关系数据。
步骤S206:综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
本步骤可以包括两个方面:
第一方面:综合分析多个经销商终端对应的关系数据集,分析不同行情动态数据对各个经销商终端对应的各个结果变动数据的影响程度。
依据步骤S205中的关系数据集,针对每个行情动态数据而言:
统计关系数据集中,与该行情动态数据对应且处于上升标识的第一数量,计算第一数量与总数量的第一比值,并将该比值确定为该行情动态数据的上升影响程度。
统计关系数据集中,与该行情动态数据对应且处于平稳标识的第二数量,计算第二数量与总数量的第二比值,并将该比值确定为该行情动态数据的平稳影响程度。
统计关系数据集中,与该行情动态数据对应且处于平稳标识的第三数量,计算第三数量与总数量的第三比值,并将该比值确定为该行情动态数据的下降影响程度。
例如,参见表5中一个行情动态数据对应的6个结果变动数据,假设其中有4个上升标识,1个平稳标识、一个下降标识,则上升影响程度为2/3,平稳影响程度为1/6,下降影响程度为1/6。
第二方面:综合分析多个经销商终端对应的关系数据集,分析引发各个经销商终端对应不同的结果变动数据的一个或多个行情动态数据。
分析经销商终端的关系数据集,针对结果变动数据集中每个结果变动数据而言:
统计结果变动数据关联的各个行情动态数据,并确定各个行情动态数据的数量,将数量排序由高至低的顺序确定的一个或多个行情动态数据,确定为导致结果变动数据的一个或多个行情动态数据。
例如,以结果变动数据为“销售收入金额”为例,于所述关系数据集中统计各个经销商终端中与“销售收入金额”关联的行情动态数据,并确定各个行情动态数据的数量。
参见表6,为假设的各个行情动态数据的数量。
表6
假设需要预设数量为3个,则可以对上述各个行情动态数据的数量进行排序后,发现“是否为销售旺季的判断结果”、“政策动向的判断结果”和“是否有促销活动的判断结果”三个行情动态结果是导致“销售收入金额”上升的主要原因。
当然上述仅仅为一个举例,本步骤可以对各个结果变动数据均执行上述过程,从而获得引起结果变动数据的原因。
也即,本步骤可以对不同经销商终端,于不同行情动态数据的情况下,综合分析各个经销商终端的销售情况。
步骤S207:企业服务器输出并显示所述精细化分析结果。
技术人员可以按经销商终端对应的本质特征数据集中的一个或多个字段,从所述多个经销商终端中筛选并显示目标经销商终端的精细化分析结果,以供人工进一步分析。
步骤S208:企业服务器依据多个待分析经销商的分析结果,为各个经销商赋予调整类型;其中调整类型包括扶持类型、限制类型和优惠类型。
企业服务器中涉及有适合于该行业类型的判断规则,企业服务器可以依据预设的判断规则,确定各个经销商终端的调整类型。不同行业的判断规则不同,下面列举两个举例进行说明。
假设,一个经销商每次有活动时销量便会增加,则确定该经销商为优惠类型。
假设,一个经销商其销量逐渐上升,则确定该经销商为扶持类型。
假设,一个经销商销量逐渐下降,则确定该经销商为限制类型。
步骤S209:推送与调整类型对应的销售模式数据至各个经销商终端,以便经销商终端可以调整其销售模式数据。
例如,对于优惠类型的经销商,可以对产品价格、折扣和任务执行优惠策略;对于扶持类型经销商,对经销商执行培训、业务支持的扶持策略;对于限制类型经销商,对产品价格、折扣和任务执行限制策略,必要情况下,撤销该经销商。
步骤S210:循环执行步骤S201~步骤S209,以便跟踪分析各个经销商终端的销售情况。
通过上述步骤可以发现,本申请提供的技术方案具有以下有益效果:
第一,采用本质特征数据集来表征经销商终端,以便后续按本质特征数据集中不同字段组合分析经销商终端受行情动态数据的影响情况。
第二,将行情动态数据和结果变动数据集交叉分析,从而能够精细化分析经销商终端受于不同方面的影响情况。
第三,基于精细化分析结果能够确定经销商终端的调整类型,以便调整经销商的经营模式数据,以便合理化管控各个经销商。
参见图3,本申请提供了一种数据分析装置,应用于企业服务器,所述企业服务器与多个经销商终端相连;所述数据分析装置包括:
确定单元31,用于确定多个经销商终端于当前周期的行情动态数据集;
获取单元32,用于获取多个经销商终端于当前周期中结果变动数据集;
组合单元33,用于对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
分析单元34,用于综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
确定单元31用于确定多个经销商终端于当前周期的行情动态数据集,具体包括:对于每个经销商终端而言:获取经销商终端于当前周期的外部行情动态数据集和内部行情动态数据集,由所述外部行情动态数据集和所述内部行情动态数据,组成当前周期的行情动态数据集;其中,
所述外部行情动态数据集包括:是否为销售旺季的判断结果、竞争对手是否有活动的判断结果和政策动向的判断结果中的至少一种;
所述内部行情动态数据集包括:是否有优惠活动的判断结果、是否有促销活动的判断结果、是否有宣传活动的判断结果和是否有新品上市的判断结果中的至少一种。
获取单元32用于获取多个经销商终端于当前周期中结果变动数据集,具体包括:获取多个经销商终端于当前周期的当前业绩数据;基于所述当前业绩数据和历史业绩数据,按预设规则计算获得当前结果数据集;比较所述当前结果数据集和历史结果数据集,获得结果变动数据集;其中,所述结果变动数据集包括多个类型业绩数据对应的结果变动数据;
若所述当前业绩数据集中一类型对应的业绩数据,与所述历史业绩数据中同类型对应的业绩数据在预设范围内,则该类型对应的结果变动数据为平稳标识;
若所述当前业绩数据集中一类型对应的业绩数据,大于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为上升标识;
若所述当前业绩数据集中一类型对应的业绩数据,小于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为下降标识。
组合单元33用于对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集,具体包括:对于行情动态数据集中每一行情动态数据,分别与所述结果变动数据集中每一类型的结果变动数据,构建关系数据;多个关系数据组成所述关系数据集。
分析单元34用于综合分析多个经销商终端对应的关系数据集,获得精细化分析结果,具体包括:
综合分析多个经销商终端对应的关系数据集,分析获得不同行情动态数据对各个经销商终端对应的各个结果变动数据的影响程度;综合分析多个经销商终端对应的关系数据集,分析获得引发各个经销商终端对应不同的结果变动数据的一个或多个行情动态数据。
其中,所述经销商终端采用本质特征数据集表示;其中本质特征数据集包括:经销商所属的行业类型、经销商所属的位置片区、经销商所属的行政级别、是否并行销售相关产品的判断结果、经销商所属的门店类型、人员服务质量等级、服务人效等级、门店硬件设备等级和售后管理模式;
则所述数据分析方法还包括:
筛选分析单元35,用于按所述本质特征数据集中的一个或多个字段,从所述多个经销商终端中筛选并显示目标经销商终端的精细化分析结果,以供人工进一步分析。
确定调整类型单元36,按照预设规则分析经销商终端的精细化分析结果,确定经销商的调整类型,以便后续依据该调整类型来调整经销商终端的销售模式数据;其中,所述调整类型包括:扶持类型、限制类型和优惠类型。
所述数据分析装置包括处理器和存储器,上述确定单元31、获取单元32、组合单元33、分析单元34、筛选分析单元35和确定调整类型单元36等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来精细化跟踪分析各个经销商。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述数据分析方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述数据分析方法。
本发明实施例提供了一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;
对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
可选的,所述确定多个经销商终端于当前周期的行情动态数据集,包括:
对于每个经销商终端而言:获取经销商终端于当前周期的外部行情动态数据集和内部行情动态数据集,由所述外部行情动态数据集和所述内部行情动态数据,组成当前周期的行情动态数据集;其中,
所述外部行情动态数据集包括:是否为销售旺季的判断结果、竞争对手是否有活动的判断结果和政策动向的判断结果中的至少一种;
所述内部行情动态数据集包括:是否有优惠活动的判断结果、是否有促销活动的判断结果、是否有宣传活动的判断结果和是否有新品上市的判断结果中的至少一种。
可选的,所述获取多个经销商终端于当前周期中结果变动数据集,包括:
获取多个经销商终端于当前周期的当前业绩数据;
基于所述当前业绩数据和历史业绩数据,按预设规则计算获得当前结果数据集;
比较所述当前结果数据集和历史结果数据集,获得结果变动数据集;
其中,所述结果变动数据集包括多个类型业绩数据对应的结果变动数据;
若所述当前业绩数据集中一类型对应的业绩数据,与所述历史业绩数据中同类型对应的业绩数据在预设范围内,则该类型对应的结果变动数据为平稳标识;
若所述当前业绩数据集中一类型对应的业绩数据,大于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为上升标识;
若所述当前业绩数据集中一类型对应的业绩数据,小于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为下降标识。
可选的,所述对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集,包括:
对于行情动态数据集中每一行情动态数据,分别与所述结果变动数据集中每一类型的结果变动数据,构建关系数据;
多个关系数据组成所述关系数据集。
可选的,所述综合分析多个经销商终端对应的关系数据集,获得精细化分析结果,包括:
综合分析多个经销商终端对应的关系数据集,分析获得不同行情动态数据对各个经销商终端对应的各个结果变动数据的影响程度;
综合分析多个经销商终端对应的关系数据集,分析获得引发各个经销商终端对应不同的结果变动数据的一个或多个行情动态数据。
可选的,所述经销商终端采用本质特征数据集表示;其中本质特征数据集包括:
经销商所属的行业类型、经销商所属的位置片区、经销商所属的行政级别、是否并行销售相关产品的判断结果、经销商所属的门店类型、人员服务质量等级、服务人效等级、门店硬件设备等级和售后管理模式;
则所述数据分析方法包括:
按所述本质特征数据集中的一个或多个字段,从所述多个经销商终端中筛选并显示目标经销商终端的精细化分析结果,以供人工进一步分析。
可选的,还包括:按照预设规则分析经销商终端的精细化分析结果,确定经销商的调整类型,以便后续依据该调整类型来调整经销商终端的销售模式数据;
其中,所述调整类型包括:扶持类型、限制类型和优惠类型。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;
对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
可选的,所述确定多个经销商终端于当前周期的行情动态数据集,包括:
对于每个经销商终端而言:获取经销商终端于当前周期的外部行情动态数据集和内部行情动态数据集,由所述外部行情动态数据集和所述内部行情动态数据,组成当前周期的行情动态数据集;其中,
所述外部行情动态数据集包括:是否为销售旺季的判断结果、竞争对手是否有活动的判断结果和政策动向的判断结果中的至少一种;
所述内部行情动态数据集包括:是否有优惠活动的判断结果、是否有促销活动的判断结果、是否有宣传活动的判断结果和是否有新品上市的判断结果中的至少一种。
可选的,所述获取多个经销商终端于当前周期中结果变动数据集,包括:
获取多个经销商终端于当前周期的当前业绩数据;
基于所述当前业绩数据和历史业绩数据,按预设规则计算获得当前结果数据集;
比较所述当前结果数据集和历史结果数据集,获得结果变动数据集;
其中,所述结果变动数据集包括多个类型业绩数据对应的结果变动数据;
若所述当前业绩数据集中一类型对应的业绩数据,与所述历史业绩数据中同类型对应的业绩数据在预设范围内,则该类型对应的结果变动数据为平稳标识;
若所述当前业绩数据集中一类型对应的业绩数据,大于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为上升标识;
若所述当前业绩数据集中一类型对应的业绩数据,小于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为下降标识。
可选的,所述对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集,包括:
对于行情动态数据集中每一行情动态数据,分别与所述结果变动数据集中每一类型的结果变动数据,构建关系数据;
多个关系数据组成所述关系数据集。
可选的,所述综合分析多个经销商终端对应的关系数据集,获得精细化分析结果,包括:
综合分析多个经销商终端对应的关系数据集,分析获得不同行情动态数据对各个经销商终端对应的各个结果变动数据的影响程度;
综合分析多个经销商终端对应的关系数据集,分析获得引发各个经销商终端对应不同的结果变动数据的一个或多个行情动态数据。
可选的,所述经销商终端采用本质特征数据集表示;其中本质特征数据集包括:
经销商所属的行业类型、经销商所属的位置片区、经销商所属的行政级别、是否并行销售相关产品的判断结果、经销商所属的门店类型、人员服务质量等级、服务人效等级、门店硬件设备等级和售后管理模式;
则所述数据分析方法包括:
按所述本质特征数据集中的一个或多个字段,从所述多个经销商终端中筛选并显示目标经销商终端的精细化分析结果,以供人工进一步分析。
可选的,还包括:按照预设规则分析经销商终端的精细化分析结果,确定经销商的调整类型,以便后续依据该调整类型来调整经销商终端的销售模式数据;
其中,所述调整类型包括:扶持类型、限制类型和优惠类型。
本领域内的技术人员应明白,本申请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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种数据分析方法,其特征在于,应用于企业服务器,所述企业服务器与多个经销商终端相连;所述数据分析方法包括:
确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;
对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
2.如权利要求1所述的方法,其特征在于,所述确定多个经销商终端于当前周期的行情动态数据集,包括:
对于每个经销商终端而言:获取经销商终端于当前周期的外部行情动态数据集和内部行情动态数据集,由所述外部行情动态数据集和所述内部行情动态数据,组成当前周期的行情动态数据集;其中,
所述外部行情动态数据集包括:是否为销售旺季的判断结果、竞争对手是否有活动的判断结果和政策动向的判断结果中的至少一种;
所述内部行情动态数据集包括:是否有优惠活动的判断结果、是否有促销活动的判断结果、是否有宣传活动的判断结果和是否有新品上市的判断结果中的至少一种。
3.如权利要求1或2所述的方法,其特征在于,所述获取多个经销商终端于当前周期中结果变动数据集,包括:
获取多个经销商终端于当前周期的当前业绩数据;
基于所述当前业绩数据和历史业绩数据,按预设规则计算获得当前结果数据集;
比较所述当前结果数据集和历史结果数据集,获得结果变动数据集;
其中,所述结果变动数据集包括多个类型业绩数据对应的结果变动数据;
若所述当前业绩数据集中一类型对应的业绩数据,与所述历史业绩数据中同类型对应的业绩数据在预设范围内,则该类型对应的结果变动数据为平稳标识;
若所述当前业绩数据集中一类型对应的业绩数据,大于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为上升标识;
若所述当前业绩数据集中一类型对应的业绩数据,小于所述历史业绩数据中同类型对应的业绩数据,则该类型对应的结果变动数据为下降标识。
4.如权利要求3所述的方法,其特征在于,所述对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集,包括:
对于行情动态数据集中每一行情动态数据,分别与所述结果变动数据集中每一类型的结果变动数据,构建关系数据;
多个关系数据组成所述关系数据集。
5.如权利要求3所述的方法,其特征在于,所述综合分析多个经销商终端对应的关系数据集,获得精细化分析结果,包括:
综合分析多个经销商终端对应的关系数据集,分析获得不同行情动态数据对各个经销商终端对应的各个结果变动数据的影响程度;
综合分析多个经销商终端对应的关系数据集,分析获得引发各个经销商终端对应不同的结果变动数据的一个或多个行情动态数据。
6.如权利要求5所述的方法,其特征在于,所述经销商终端采用本质特征数据集表示;其中本质特征数据集包括:
经销商所属的行业类型、经销商所属的位置片区、经销商所属的行政级别、是否并行销售相关产品的判断结果、经销商所属的门店类型、人员服务质量等级、服务人效等级、门店硬件设备等级和售后管理模式;
则所述数据分析方法还包括:
按所述本质特征数据集中的一个或多个字段,从所述多个经销商终端中筛选并显示目标经销商终端的精细化分析结果,以供人工进一步分析。
7.如权利要求1-6任一项所述的方法,其特征在于,还包括:
按照预设规则分析经销商终端的精细化分析结果,确定经销商的调整类型,以便后续依据该调整类型来调整经销商终端的销售模式数据;
其中,所述调整类型包括:扶持类型、限制类型和优惠类型。
8.一种数据分析装置,其特征在于,应用于企业服务器,所述企业服务器与多个经销商终端相连;所述数据分析装置包括:
确定单元,用于确定多个经销商终端于当前周期的行情动态数据集;
获取单元,用于获取多个经销商终端于当前周期中结果变动数据集;
组合单元,用于对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
分析单元,用于综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
9.一种数据分析系统,其特征在于,包括:
企业服务器,和,与企业服务器相连的多个经销商终端;
企业服务器,用于确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
10.一种设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
确定多个经销商终端于当前周期的行情动态数据集;
获取多个经销商终端于当前周期中结果变动数据集;
对于每个经销商终端而言,对所述行情动态数据集和所述结果变动数据集进行交叉组合获得关系数据集;
综合分析多个经销商终端对应的关系数据集,获得精细化分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811144715.9A CN110968611A (zh) | 2018-09-29 | 2018-09-29 | 数据分析方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811144715.9A CN110968611A (zh) | 2018-09-29 | 2018-09-29 | 数据分析方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110968611A true CN110968611A (zh) | 2020-04-07 |
Family
ID=70027692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811144715.9A Pending CN110968611A (zh) | 2018-09-29 | 2018-09-29 | 数据分析方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968611A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781005A (zh) * | 2021-09-22 | 2021-12-10 | 南方电网数字电网研究院有限公司 | 一种电网人力资源配置调配系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587841B1 (en) * | 1995-09-12 | 2003-07-01 | First American Credit Management Solutions, Inc. | Computer implemented automated credit application analysis and decision routing system |
CN1464448A (zh) * | 2002-06-25 | 2003-12-31 | 鸿富锦精密工业(深圳)有限公司 | 移动式销售辅助系统及方法 |
US7181427B1 (en) * | 1995-09-12 | 2007-02-20 | Jp Morgan Chase Bank, N.A. | Automated credit application system |
CN105264556A (zh) * | 2013-03-12 | 2016-01-20 | 斯特拉斯佩皇冠有限公司 | 用于市场分析和自动化业务决策的系统和方法 |
CN106203840A (zh) * | 2016-07-13 | 2016-12-07 | 欧阳张睿 | 方案信息自动生成方法 |
CN106651413A (zh) * | 2015-10-30 | 2017-05-10 | 顶益(开曼岛)控股有限公司 | 容器贴、移动终端、数据分析系统及网络销售平台 |
CN106920124A (zh) * | 2017-02-20 | 2017-07-04 | 湖南云连天地网络科技有限公司 | 一种数据采集和分析方法及装置 |
CN107025548A (zh) * | 2016-09-21 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 交易处理方法、终端和系统 |
CN107784510A (zh) * | 2016-08-24 | 2018-03-09 | 上海零氏信息技术有限公司 | 基于门店零售终端的销售业绩统计分析系统及方法 |
CN107886391A (zh) * | 2017-10-23 | 2018-04-06 | 兰世德 | 一种跨境垂直电商管理方法 |
CN107977858A (zh) * | 2017-11-14 | 2018-05-01 | 深圳市思迅软件股份有限公司 | 销售数据统计方法、装置、服务器及可读存储介质 |
CN108021993A (zh) * | 2017-12-25 | 2018-05-11 | 郑州跃龙电子科技有限公司 | 一种基于物联网的净水器经销商管理端 |
CN108038216A (zh) * | 2017-12-22 | 2018-05-15 | 联想(北京)有限公司 | 信息处理方法、装置及服务器集群 |
CN108335149A (zh) * | 2018-04-26 | 2018-07-27 | 昆山德恩基电子科技有限公司 | 一种收集处理商品对消费者吸引力的系统及方法 |
CN108363800A (zh) * | 2018-02-24 | 2018-08-03 | 孙如妍 | 商业情报分析与大数据系统 |
CN108428146A (zh) * | 2017-12-21 | 2018-08-21 | 中国平安人寿保险股份有限公司 | 业务推广方法、装置及存储介质 |
-
2018
- 2018-09-29 CN CN201811144715.9A patent/CN110968611A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6587841B1 (en) * | 1995-09-12 | 2003-07-01 | First American Credit Management Solutions, Inc. | Computer implemented automated credit application analysis and decision routing system |
US7181427B1 (en) * | 1995-09-12 | 2007-02-20 | Jp Morgan Chase Bank, N.A. | Automated credit application system |
US20090234769A9 (en) * | 1995-09-12 | 2009-09-17 | Defrancesco James | Computer implemented automated credit application analysis and decision routing system |
CN1464448A (zh) * | 2002-06-25 | 2003-12-31 | 鸿富锦精密工业(深圳)有限公司 | 移动式销售辅助系统及方法 |
CN105264556A (zh) * | 2013-03-12 | 2016-01-20 | 斯特拉斯佩皇冠有限公司 | 用于市场分析和自动化业务决策的系统和方法 |
CN106651413A (zh) * | 2015-10-30 | 2017-05-10 | 顶益(开曼岛)控股有限公司 | 容器贴、移动终端、数据分析系统及网络销售平台 |
CN106203840A (zh) * | 2016-07-13 | 2016-12-07 | 欧阳张睿 | 方案信息自动生成方法 |
CN107784510A (zh) * | 2016-08-24 | 2018-03-09 | 上海零氏信息技术有限公司 | 基于门店零售终端的销售业绩统计分析系统及方法 |
CN107025548A (zh) * | 2016-09-21 | 2017-08-08 | 阿里巴巴集团控股有限公司 | 交易处理方法、终端和系统 |
CN106920124A (zh) * | 2017-02-20 | 2017-07-04 | 湖南云连天地网络科技有限公司 | 一种数据采集和分析方法及装置 |
CN107886391A (zh) * | 2017-10-23 | 2018-04-06 | 兰世德 | 一种跨境垂直电商管理方法 |
CN107977858A (zh) * | 2017-11-14 | 2018-05-01 | 深圳市思迅软件股份有限公司 | 销售数据统计方法、装置、服务器及可读存储介质 |
CN108428146A (zh) * | 2017-12-21 | 2018-08-21 | 中国平安人寿保险股份有限公司 | 业务推广方法、装置及存储介质 |
CN108038216A (zh) * | 2017-12-22 | 2018-05-15 | 联想(北京)有限公司 | 信息处理方法、装置及服务器集群 |
CN108021993A (zh) * | 2017-12-25 | 2018-05-11 | 郑州跃龙电子科技有限公司 | 一种基于物联网的净水器经销商管理端 |
CN108363800A (zh) * | 2018-02-24 | 2018-08-03 | 孙如妍 | 商业情报分析与大数据系统 |
CN108335149A (zh) * | 2018-04-26 | 2018-07-27 | 昆山德恩基电子科技有限公司 | 一种收集处理商品对消费者吸引力的系统及方法 |
Non-Patent Citations (1)
Title |
---|
中国石油规划总院市场营销研究所: "中国沥青、燃料油及润滑油市场月度分析", 《国际石油经济》, pages 72 - 75 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781005A (zh) * | 2021-09-22 | 2021-12-10 | 南方电网数字电网研究院有限公司 | 一种电网人力资源配置调配系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8255264B2 (en) | Methods and systems for determining the effectiveness of a dealer's ability to close a sale | |
CN110413634B (zh) | 数据查询方法、系统、装置及计算机可读存储介质 | |
US20140067472A1 (en) | System and Method For Segmenting A Customer Base | |
US20110320368A1 (en) | Determining environmental impact | |
CA3108904A1 (en) | System and method for retail price optimization | |
CN110766232B (zh) | 动态预测方法及其系统 | |
CN108171530B (zh) | 一种用于客单价和复购率的提升方法及装置 | |
CN110019774B (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN110968611A (zh) | 数据分析方法、装置及系统 | |
US7908165B2 (en) | Method and apparatus for generating performance curves | |
US20190164180A1 (en) | Methods, systems, apparatus and articles of manufacture to generate projection weights for a panel | |
CN116680494A (zh) | 应用推荐页面的生成方法、装置、存储介质以及电子设备 | |
JP2016012223A (ja) | 需要予測装置およびプログラム | |
CN109614548B (zh) | 基于业务用户数变化率的信息展示方法、装置及存储介质 | |
CN111177093A (zh) | 一种科技资源的共享方法及设备、介质 | |
CN110968487A (zh) | 异常数据的分析方法及装置 | |
CN116596547A (zh) | 一种基于多维信息数据的客户关系管理方法及系统 | |
CN113051526A (zh) | 一种量化评估方法及装置 | |
CN110020118B (zh) | 一种计算用户之间相似度的方法及装置 | |
CN110046920B (zh) | 一种计算商品生命周期长度的方法和装置 | |
CN108959324B (zh) | 多媒体展示资源库存量的预估方法、装置及存储介质 | |
CN109697203A (zh) | 指标异动分析方法及设备、计算机存储介质、计算机设备 | |
CN114048252A (zh) | 生产数据的分析方法、装置、存储介质及处理器 | |
CN114444934A (zh) | 一种企业销售周期性评价算法及其工具化应用 | |
CN113781120A (zh) | 销售数额预测模型的构建方法、销售数额的预测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200407 |