CN110969467A - 产品销售预测方法及相关装置 - Google Patents
产品销售预测方法及相关装置 Download PDFInfo
- Publication number
- CN110969467A CN110969467A CN201811160746.3A CN201811160746A CN110969467A CN 110969467 A CN110969467 A CN 110969467A CN 201811160746 A CN201811160746 A CN 201811160746A CN 110969467 A CN110969467 A CN 110969467A
- Authority
- CN
- China
- Prior art keywords
- product
- predicted
- sales
- data
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims abstract description 42
- 230000000694 effects Effects 0.000 claims abstract description 14
- 238000003860 storage Methods 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000013277 forecasting method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 239000002994 raw material Substances 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000009193 crawling Effects 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开的产品销售预测方法及相关装置，获取待预测产品的历史数据；按照销售预测的维度设定规则对历史数据进行分类，得到属于同一时间阶段的多种分类数据；对属于同一时间阶段的多种分类数据，和待预测产品的总销售额进行规律统计，得到每种分类数据和待预测产品的总销售额之间的关联关系；利用每种分类数据和待预测产品的总销售额之间的关联关系，对待预测产品进行销售预测。本发明根据包含供、产、销整体业务链的业务数据，结合能够对产品销售造成影响的天气信息、社会舆情和销售活动，以更加全面参考因素进行产品销售预测，能够得到更加准确的预测结果，为企业未来的销售任务和策略的制定提供更有效的支持。
Description
技术领域
本发明涉及数据处理领域，具体为一种产品销售预测方法及相关装置。
背景技术
产品是指能够供给市场，被人们使用和消费，并能满足人们某种需求的任何东西，包括有形的物品，无形的服务、组织、观念或它们的组合。产品的销售情况能够直接反应出企业的营收，是企业运营中极为重要的一项指标，而进行产品销售预测能够为企业下一阶段的运营策略提供更多的参考和思路。
现有的产品销售预测方法是通过企业的销售数据，直接对未来的产品销售情况进行预测。由于销售数据仅能反应产品的销售情况，并不包含影响产品销售的其他因素，参考量较为单一，会导致产品销售预测的结果不准确，影响企业下一阶段的运营策略安排，甚至会给企业造成亏损。
发明内容
本发明提供了一种产品销售预测方法及相关装置，可以解决现有技术中由于产品销售预测参考量单一造成的预测结果不准确的问题。
为达到上述目的，本发明提供了如下技术方案：
第一方面，一种产品销售预测方法，包括：
获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息；
按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据；
对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
可选的，所述对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到每种所述分类数据和所述待预测产品的总销售额之间的关联关系，包括：
对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量；
统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
可选的，所述利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测，包括：
多次调整所述每种分类数据；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额；
依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
可选的，所述产品销售预测方法，还包括：
依据所述待预测产品的销售预测结果，生成所述待预测产品的销售计划信息。
可选的，所述产品销售预测方法，还包括：
清洗所述历史业务数据，得到清洗后的历史业务数据。
第二方面，一种产品销售预测装置，包括：
获取单元，用于获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息；
分类单元，用于按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据；
统计单元，用于对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系；
预测单元，用于利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
可选的，所述统计单元，包括：
第一统计子单元，用于对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量；
第二统计子单元，用于统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
可选的，所述预测单元，包括：
调整单元，用于多次调整所述每种分类数据；
计算单元，用于利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额；
生成单元，用于依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
一种存储介质，用于存储程序，所述程序被执行时，用于实现如第一方面任意一项所述的产品销售预测方法。
一种处理器，用于运行程序，其中，所述程序被运行时用于执行：如第一方面任意一项所述的产品销售预测方法。
经由上述技术方案可知，本发明公开的产品销售预测方法及相关装置，获取待预测产品包含供、产、销整体业务链的历史业务数据、与历史业务数据涉及到的所有地点信息相关的事件数据和待预测产品的历史销售活动信息，进行产品销售预测。本发明以全面的参考因素进行产品销售预测，能够得到更加准确的预测结果，解决了现有技术中由于产品销售预测参考量单一造成的预测结果不准确的问题，为企业未来的销售任务和策略的制定提供更有效的支持。
附图说明
为了更清楚地说明本发明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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种产品销售预测方法的流程图；
图2为分类数据、中间预测指标和总销售额的关系示意图；
图3为单品销售额、客户总销售额、客户数量之间的相互关系示意图；
图4为本发明实施例公开的一种产品销售预测装置的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明提供了一种产品销售预测方法及相关装置，可以解决现有技术中由于产品销售预测参考量单一造成的预测结果不准确的问题。
如图1所示，本发明实施例公开了一种产品销售预测方法，包括以下步骤：
S101、获取待预测产品的历史数据。
在步骤S101中，可以从企业业务系统采集历史数据，所述企业业务系统包括所有与产品销售相关的业务系统。
所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息。其中，所述历史业务数据包括所述待预测产品在供、产和销方面的信息。所述地点信息包括所述历史业务数据中包含的所有地点信息；一般包括产品销售地区、原料供货地区、生产地区以及产品库存点等；所述历史事件数据包括天气信息和社会舆情。所述社会舆情可以理解为能够影响销售的事件，例如道路坍塌、领导访问等。
具体的，所述待预测产品在供方面的信息包括原材料采购信息、供应商信息和原材料运输信息；所述待预测产品在产方面的信息包括产品生产信息；所述待预测产品在销方面的信息包括分销信息、产品运输信息和客户信息。
其中，所述原材料采购信息包括采购订单数据、采购频率、采购日期、到货日期、库存量、库存地点、原材料出库频率、以及原材料出库日期等。所述采购订单数据包括采购原料、采购数量、采购地点、供应商标识、以及采购类型等。所述采购订单数据中的供应商标识能够达到识别从哪一供应商采购的原材料的效果即可，不需要详细的供应商信息。
所述供应商信息包括供应商名称、供货频率、供货日期、以及供货名称等。
所述原材料运输信息包括货品运输日期、运输量、运输次数、运输距离、发货地点、以及到货地点等。
所述产品生产信息包括生产地点、产品材料配方、产品种类、平均产量、最大规模产量、以及生产频率等。
所述分销信息包括销售渠道、销售产品、发货量、销售订单频率、以及销售日期等。
所述产品运输信息包括产品运输日期、运输量、运输次数、运输距离、发货地点、以及到货地点等。
所述客户信息包括区域客户数量、客户名称、客户地址、客户规模变化、客户销售产品、以及客户订货频率等。
可选的，本申请的另一实施例中，步骤S101之后，还包括：
清洗所述历史业务数据，得到清洗后的历史业务数据。
具体的，所述清洗所述历史业务数据，包括：
排除所述历史业务数据中的重复数据，根据预设的筛减规则筛减所述历史业务数据中的无效数据，以及补充所述历史业务数据中的不完整数据三个操作中的任意一种及其组合。
通过数据清洗操作，可以过滤掉历史业务数据中的无效数据，留下有效数据，提高后续的数据处理效率。
具体的，由于产品供、产、销的关联性，必然在供和产、产和销以及功和销之间存在相同的数据作为关联节点形成关联关系，当把所有供、产、销方面的数据集中在一起时必然会产生重复数据，这些重复数据的作用相同，相同的数据仅需要一份即可，删除多余的重复数据，完成历史业务数据中的重复数据的排除工作。
其次，获取到的历史业务数据中数据繁杂，并不是所有数据都能用来进行产品销售预测，这部分数据被称为无效数据，在具体实现过程中可以预先设置筛减规则，将历史业务数据中的无效数据筛出并删除，只留下能够为产品销售预测提供参考的数据。
再次，所述历史业务数据可能会因为企业业务系统故障等原因导致某一时间段的数据缺失，为了保证产品销售预测结果的准确性，需要将缺失的部分进行补充，具体可以通过查找系统备份或者通过缺失数据的上下关联数据进行推导的方式获得缺失数据。
可选的，本申请的另一实施例中，可以通过爬取平台爬取与地点信息相关的历史事件数据。
具体的，在爬取平台设置需要爬取的目标数据，爬取平台能够自动搜索与所述目标数据相关的网页，并从网页中的中抓取出目标数据。所述网页可以包含与所述地点信息相关的文章或新闻报道。
可选的，本申请的另一实施例中，在所述获取与地点信息相关的历史事件数据之后，还包括：
以时间和地点作为参数对所述历史事件数据进行数据整合，得到整合后的历史事件数据。
具体的，将所述历史事件数据按照时间顺序进行排序，时间相同的历史事件数据可以按照地点名称拼音首字母进行排序。
需要说明的是，为了提高数据的提取效率，还可以对所述待预测产品的历史数据进行归类处理，得到归类数据；其中，所述归类数据包括：采购数据服务信息、生产数据服务信息、销售数据服务信息、运输数据服务信息、主数据服务信息和条件数据服务信息。
其中，采购数据服务信息是指待预测产品在采购方面的数据，包括原材料采购信息；生产数据服务信息是指待预测产品在生产方面的数据，包括产品生产信息；所述销售数据服务信息是指待预测产品在销售方面的数据，包括分销信息；所述运输数据服务信息是指待预测产品在运输方面的数据，包括原材料运输信息和产品运输信息；所述主数据服务信息主要包括客户、供应商、物料、以及组织机构数据等方面的数据，具体包括：供应商信息和客户信息；所述条件数据服务信息主要包括事件数据。可选地，条件数据服务数据也包括业务数据中的生产故障时间、系统停机时间等其他数据。
以上归类并不是固定的，可以结合企业具体情况进行更细化的归类。
S102、按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据。
在步骤S102中，所述分类数据包括：供应商所属的分类数据、运输所属的分类数据、生产所属的分类数据、分销渠道所属的分类数据以及客户所属的分类数据。其中所述维度设定规则中的维度包括：供应商维度、运输维度、生产维度、分销渠道维度以及客户维度。
具体的，分类数据中包含所有与该分类(如分销渠道)有关的数据信息，供应商所属的分类数据包含供应商名称、供货频率、供货日期、以及供货名称等。运输所属的分类数据包含产品运输日期、运输量、运输次数、运输距离、发货地点、到货地点以及影响运输的天气信息和社会舆情等。生产所属的分类数据包含生产地点、产品材料配方、产品种类、平均产量、最大规模产量、以及生产频率等。分销渠道所属的分类数据包含销售渠道、销售产品、发货量、销售订单频率、销售日期以及销售活动等。客户所属的分类数据包含区域客户数量、客户名称、客户地址、客户规模变化、客户销售产品、以及客户订货频率等。
可选的，若对所述待预测产品的历史数据已经进行了归类处理，得到归类数据，则所述对所述历史数据进行分类，得到分类数据，包括：
对所述归类数据进行分类，得到所述分类数据。
可选的，将上述分类数据按照时间顺序排序后，所述同个时间阶段可以是以月为单位进行时间阶段分段。例如：所述多个同一时间阶段的分类数据可以分为第一组分类数据为2018年1月份的供应商所属的分类数据、运输所属的分类数据、生产所属的分类数据、分销渠道所属的分类数据以及客户所属的分类数据，第二组分类数据为2018年2月份的供应商所属的分类数据、运输所属的分类数据、生产所属的分类数据、分销渠道所属的分类数据以及客户所属的分类数据。
S103、对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系。
可选的，所述对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到每种所述分类数据和所述待预测产品的总销售额之间的关联关系，包括：
对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系。
其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量。
所述单品销售额为待预测产品在一定时期(如周、月、季度、年)内的总销售额。
所述客户总销售额为某客户在一定时期(如周、月、季度、年)内所有产品的采购总额。
需要说明的是，本发明中的待预测产品可以一种产品也可以是多种产品，当带预测产品为一种产品，购买该产品只有一个客户时，所述所有产品的采购总额等于所述单品销售额。
所述客户数量为在特定销售地区内的客户在一定时期(如周、月、季度、年)内的数量。所述特定销售地区可以为批发市场、大型商场等。
所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系如图2所示。
所述单品销售额、客户总销售额、客户数量之间的相互关系如图3所示。
具体的，通过规律统计，得到同一时间阶段的供应商所属的分类数据、运输所属的分类数据、生产所属的分类数据、分销渠道所属的分类数据以及客户所属的分类数据与该时间阶段的单品销售额的关联关系、同一时间阶段的供应商所属的分类数据、运输所属的分类数据、生产所属的分类数据、分销渠道所属的分类数据以及客户所属的分类数据与该时间阶段的客户总销售额的关联关系、同一时间阶段的供应商所属的分类数据、运输所属的分类数据、生产所属的分类数据、分销渠道所属的分类数据以及客户所属的分类数据与该时间阶段的客户数量的关联关系。
统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
S104、利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
可选的，所述利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测，包括：
多次调整所述每种分类数据。
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额。
依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
可选的，本申请的另一实施例中，所述产品销售预测方法中，在执行完步骤S104之后，还包括：
依据所述待预测产品的销售预测结果，生成所述待预测产品的销售计划信息。
具体的，选取最优的销售预测结果，根据预测过程中产品销售的涉及的各种信息，例如，运输途径信息、销售渠道的选择、各地区发货量等，最终生成待预测产品的销售计划信息。
通过销售预测的方式，可以使我们在满足产品销售量最合理的情况下，以不同的供应商信息、运输信息、生产信息、分销渠道信息、客户信息的数据，得到不同的产品销售预测结果，并从中寻求最优产品销售结果，作为制定下一阶段销售计划的有力参考。
本实施例公开的产品销售预测方法中，获取待预测产品包含供、产、销整体业务链的历史业务数据、与历史业务数据涉及到的所有地点信息相关的历史事件数据和待预测产品的历史销售活动信息，进行产品销售预测。本发明以全面的参考因素进行产品销售预测，能够得到更加准确的预测结果，解决了现有技术中由于产品销售预测参考量单一造成的预测结果不准确的问题，为企业未来的销售任务和策略的制定提供更有效的支持。
基于上述本发明实施例公开的产品销售预测方法，图4具体公开了应用该产品销售预测方法的产品销售预测装置。
如图4所示，本发明另一实施例公开了一种产品销售预测装置，该装置包括：
获取单元401，用于获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息。
分类单元402，用于按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据。
统计单元403，用于对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系。
预测单元404，用于利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
可选的，所述统计单元403，包括：
第一统计子单元，用于对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量。
第二统计子单元，用于统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
可选的，所述预测单元404，包括：
调整单元，用于多次调整所述每种分类数据。
计算单元，用于利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额。
生成单元，用于依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
以上本发明实施例公开的产品销售预测装置中的获取单元401、分类单元402、统计单元403和预测单元404的具体工作过程，可参见本发明上述实施例公开的产品销售预测方法中的对应内容，这里不再进行赘述。
本实施例公开的产品销售预测装置中，获取待预测产品包含供、产、销整体业务链的历史业务数据、与历史业务数据涉及到的所有地点信息相关的事件数据和待预测产品的销售活动信息，进行产品销售预测。本发明以全面的参考因素进行产品销售预测，能够得到更加准确的预测结果，解决了现有技术中由于产品销售预测参考量单一造成的预测结果不准确的问题，为企业未来的销售任务和策略的制定提供更有效的支持。
所述产品销售预测装置包括处理器和存储器，上述获取单元、分类单元、统计单元和预测单元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实现图形数据由移动终端的内部环境向浏览器环境的传输。
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，所述存储介质中存储有程序，该指令被处理器执行时实现所述产品销售预测方法。
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产品销售预测方法。
本发明实施例提供了一种设备，本文中的设备可以是服务器、PC、PAD、手机等。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：
获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息；
按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据；
对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
可选的，所述对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到每种所述分类数据和所述待预测产品的总销售额之间的关联关系，包括：
对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量；
统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
可选的，所述利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测，包括：
多次调整所述每种分类数据；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额；
依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
可选的，所述产品销售预测方法，还包括：
依据所述待预测产品的销售预测结果，生成所述待预测产品的销售计划信息。
可选的，所述产品销售预测方法，还包括：
清洗所述历史业务数据，得到清洗后的历史业务数据。
本发明还提供了一种计算机程序产品，当在产品销售预测装置上执行时，适于执行初始化有如下方法步骤的程序：
获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息；
按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据；
对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
可选的，所述对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到每种所述分类数据和所述待预测产品的总销售额之间的关联关系，包括：
对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量；
统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
可选的，所述利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测，包括：
多次调整所述每种分类数据；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额；
依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
可选的，所述产品销售预测方法，还包括：
依据所述待预测产品的销售预测结果，生成所述待预测产品的销售计划信息。
可选的，所述产品销售预测方法，还包括：
清洗所述历史业务数据，得到清洗后的历史业务数据。
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、装置、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、装置(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)
1.一种产品销售预测方法，其特征在于，包括：
获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息；
按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据；
对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
2.根据权利要求1所述的产品销售预测方法，其特征在于，所述对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到每种所述分类数据和所述待预测产品的总销售额之间的关联关系，包括：
对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量；
统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
3.根据权利要求1所述的产品销售预测方法，其特征在于，所述利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测，包括：
多次调整所述每种分类数据；
利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额；
依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
4.根据权利要求1-3中任意一项所述的产品销售预测方法，其特征在于，还包括：
依据所述待预测产品的销售预测结果，生成所述待预测产品的销售计划信息。
5.根据权利要求1-3中任意一项所述的产品销售预测方法，其特征在于，还包括：
清洗所述历史业务数据，得到清洗后的历史业务数据。
6.一种产品销售预测装置，其特征在于，包括：
获取单元，用于获取待预测产品的历史数据；其中，所述历史数据包括：历史业务数据、与地点信息相关的历史事件数据和历史销售活动信息；所述历史业务数据包括所述待预测产品在供、产和销方面的信息；所述地点信息包括所述历史业务数据中包含的所有地点信息；
分类单元，用于按照销售预测的维度设定规则对所述历史数据进行分类，得到属于同一时间阶段的多种分类数据；
统计单元，用于对所述属于同一时间阶段的多种分类数据，和所述待预测产品的总销售额进行规律统计，得到所述每种分类数据和所述待预测产品的总销售额之间的关联关系；
预测单元，用于利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，对所述待预测产品进行销售预测。
7.根据权利要求6所述的产品销售预测装置，其特征在于，所述统计单元，包括：
第一统计子单元，用于对所述属于同一时间阶段的每种分类数据和待预测产品的中间预测指标进行规律统计，得到所述每种分类数据和所述待预测产品的中间预测指标之间的关联关系，其中，所述中间预测指标包括：单品销售额、客户总销售额和客户数量；
第二统计子单元，用于统计得到所述待预测产品的中间预测指标和待预测产品的总销售额之间的关联关系。
8.根据权利要求6所述的产品销售预测装置，其特征在于，所述预测单元，包括：
调整单元，用于多次调整所述每种分类数据；
计算单元，用于利用所述每种分类数据和所述待预测产品的总销售额之间的关联关系，计算得到每次调整后的分类数据对应的待预测产品的总销售额；
生成单元，用于依据所述待预测产品的最优总销售额对应的分类数据，生成所述待预测产品的销售预测结果；其中，所述待预测产品的最优总销售额为计算得到的预测产品的多个总销售额中满足产品销售要求的总销售额。
9.一种存储介质，其特征在于，用于存储程序，所述程序被执行时，用于实现如权利要求1-5任意一项所述的产品销售预测方法。
10.一种处理器，其特征在于，用于运行程序，其中，所述程序被运行时用于执行：如权利要求1-5任意一项所述的产品销售预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811160746.3A CN110969467B (zh) | 2018-09-30 | 2018-09-30 | 产品销售预测方法及相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811160746.3A CN110969467B (zh) | 2018-09-30 | 2018-09-30 | 产品销售预测方法及相关装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110969467A true CN110969467A (zh) | 2020-04-07 |
| CN110969467B CN110969467B (zh) | 2023-12-26 |
Family
ID=70029242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811160746.3A Active CN110969467B (zh) | 2018-09-30 | 2018-09-30 | 产品销售预测方法及相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110969467B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363571A (zh) * | 2019-06-24 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 交易用户的提前感知方法和装置 |
| CN112686705A (zh) * | 2020-12-31 | 2021-04-20 | 上海画龙信息科技有限公司 | 一种预测销售效果数据的方法、装置和电子设备 |
| CN113434611A (zh) * | 2021-07-08 | 2021-09-24 | 宁波权智科技有限公司 | 一种基于人工智能的销售分类方法及装置 |
| US11216832B2 (en) | 2019-06-24 | 2022-01-04 | Advanced New Technologies Co., Ltd. | Predicting future user transactions |
| CN116934373A (zh) * | 2023-07-27 | 2023-10-24 | 江苏智多鑫科技服务有限公司 | 基于多维数据分析的商户运营推荐方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020116348A1 (en) * | 2000-05-19 | 2002-08-22 | Phillips Robert L. | Dynamic pricing system |
| US20020169657A1 (en) * | 2000-10-27 | 2002-11-14 | Manugistics, Inc. | Supply chain demand forecasting and planning |
| CN102214338A (zh) * | 2010-04-06 | 2011-10-12 | 上海驭策信息技术有限公司 | 销售预测系统及方法 |
| CN105303444A (zh) * | 2015-10-10 | 2016-02-03 | 苏州工业园区凌志软件股份有限公司 | 一种金融产品自动适配系统 |
| CN107292672A (zh) * | 2017-07-05 | 2017-10-24 | 上海数道信息科技有限公司 | 一种餐饮行业销售预测的实现系统与方法 |
-
2018
- 2018-09-30 CN CN201811160746.3A patent/CN110969467B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020116348A1 (en) * | 2000-05-19 | 2002-08-22 | Phillips Robert L. | Dynamic pricing system |
| TW542982B (en) * | 2000-05-19 | 2003-07-21 | Manugistics Atlanta Inc | Dynamic pricing system |
| US20020169657A1 (en) * | 2000-10-27 | 2002-11-14 | Manugistics, Inc. | Supply chain demand forecasting and planning |
| CN102214338A (zh) * | 2010-04-06 | 2011-10-12 | 上海驭策信息技术有限公司 | 销售预测系统及方法 |
| CN105303444A (zh) * | 2015-10-10 | 2016-02-03 | 苏州工业园区凌志软件股份有限公司 | 一种金融产品自动适配系统 |
| CN107292672A (zh) * | 2017-07-05 | 2017-10-24 | 上海数道信息科技有限公司 | 一种餐饮行业销售预测的实现系统与方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363571A (zh) * | 2019-06-24 | 2019-10-22 | 阿里巴巴集团控股有限公司 | 交易用户的提前感知方法和装置 |
| CN110363571B (zh) * | 2019-06-24 | 2020-08-28 | 阿里巴巴集团控股有限公司 | 交易用户的提前感知方法和装置 |
| US11216832B2 (en) | 2019-06-24 | 2022-01-04 | Advanced New Technologies Co., Ltd. | Predicting future user transactions |
| CN112686705A (zh) * | 2020-12-31 | 2021-04-20 | 上海画龙信息科技有限公司 | 一种预测销售效果数据的方法、装置和电子设备 |
| CN112686705B (zh) * | 2020-12-31 | 2024-02-27 | 上海画龙信息科技有限公司 | 一种预测销售效果数据的方法、装置和电子设备 |
| CN113434611A (zh) * | 2021-07-08 | 2021-09-24 | 宁波权智科技有限公司 | 一种基于人工智能的销售分类方法及装置 |
| CN116934373A (zh) * | 2023-07-27 | 2023-10-24 | 江苏智多鑫科技服务有限公司 | 基于多维数据分析的商户运营推荐方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110969467B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110969467B (zh) | 产品销售预测方法及相关装置 | |
| JP7121118B2 (ja) | 重み付けされた混合機械学習モデルを使用した需要予測 | |
| CN110392899B (zh) | 用于模型生成的动态特征选择 | |
| US10423923B2 (en) | Allocating a product inventory to an omnichannel distribution supply chain | |
| US20140058794A1 (en) | Method And System For Orders Planning And Optimization With Applications To Food Consumer Products Industry | |
| US8407151B1 (en) | System and method for generating shipment forecasts for materials handling facilities | |
| Huang et al. | Impact of product proliferation on the reverse supply chain | |
| KR101853335B1 (ko) | 빅데이터를 이용한 배송관리시스템 및 배송관리방법 | |
| CN110880084A (zh) | 一种仓库补货的方法和装置 | |
| CN109685421A (zh) | 一种商品库存管理方法、装置、存储介质及终端 | |
| EP3876177A1 (en) | System and method for retail price optimization | |
| US20160300169A1 (en) | Supply chain network sensitivity analysis using adjusted network parameters | |
| TWI794709B (zh) | 用於低延遲聚集資料準備的電腦實行系統以及方法 | |
| Terminanto et al. | Implementation of enterprise resource planning using Odoo module sales and CRM. Case study: PT Ecosains Hayati | |
| JP2021530757A (ja) | データの動的集約およびデータ損失の最小化のためのシステムおよび方法 | |
| US20140129269A1 (en) | Forecasting Business Entity Characteristics Based on Planning Infrastructure | |
| Guo et al. | Integrated inventory control and scheduling decision framework for packaging and products on a reusable transport item sharing platform | |
| JP2015032267A (ja) | 需要予測装置及びプログラム | |
| CN110969400A (zh) | 一种供应链上下游数据关联方法和装置 | |
| Hwang et al. | Reverse channel selection for commercial product returns under time-to-market and product value considerations | |
| CN108510343A (zh) | 一款移动传统erp电子商务平台订单处理方法 | |
| CN114187061A (zh) | 用于数据处理的动态调度的系统和方法 | |
| US20210166177A1 (en) | Adjusting a master build plan based on events using machine learning | |
| KR20220023070A (ko) | 온라인 벤더 운영 플랫폼 | |
| Adikari et al. | Distribution Cost Optimization Using Big Data Analytics, Machine Learning and Computer Simulation for FMCG Sector |
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 |