CN111833114A - 一种渠道业务发展目标智能预测方法、系统、介质及设备 - Google Patents
一种渠道业务发展目标智能预测方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN111833114A CN111833114A CN202010730184.2A CN202010730184A CN111833114A CN 111833114 A CN111833114 A CN 111833114A CN 202010730184 A CN202010730184 A CN 202010730184A CN 111833114 A CN111833114 A CN 111833114A
- Authority
- CN
- China
- Prior art keywords
- target
- business development
- channel business
- predicted
- channel
- 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
- 238000011161 development Methods 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000001932 seasonal effect Effects 0.000 claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 20
- 230000006978 adaptation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 4
- 230000003044 adaptive effect Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 4
- 208000018910 keratinopathic ichthyosis Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013077 scoring method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000000926 separation method 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/60—Business processes related to postal services
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)
- 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
本发明涉及一种渠道业务发展目标智能预测方法及系统,方法包括:确定待预测的渠道业务发展目标以及对应的适用范围;获取适应范围内待预测的渠道业务发展目标的历史交易数据;建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据历史交易数据和目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;以预设形式输出渠道业务发展目标的预测值。本发明实施例建立基于加权平均、季节指数和总体目标分解的目标预测模型,利用目标预测模型对历史生产交易数据进行分析,进而计算出对应的目标任务值,为管理层的目标设定和任务下达提供相对科学的数据支撑,实现全面、科学、客观地设定各渠道业务发展目标。
Description
技术领域
本发明涉及数据预测技术领域,尤其涉及一种渠道业务发展目标智能预测方法、系统、介质及设备。
背景技术
通常渠道中心会给下辖的各渠道执行部门,设定年/季/月的渠道业务发展目标。以往都是根据经验值进行设定或商定,无法实现全面、科学、客观地设定各渠道业务发展目标。
发明内容
本发明所要解决的技术问题是针对现有技术存在的问题,提供一种渠道业务发展目标智能预测方法、系统、介质及设备。
为解决上述技术问题,本发明实施例提供一种渠道业务发展目标智能预测方法,包括:
确定待预测的渠道业务发展目标以及对应的适用范围;
获取所述适应范围内所述待预测的渠道业务发展目标的历史交易数据;
建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;
以预设形式输出所述渠道业务发展目标的预测值。
为解决上述技术问题,本发明实施例还提供一种渠道业务发展目标智能预测系统,包括:
预测对象确定模块,用于确定待预测的渠道业务发展目标以及对应的适用范围;
历史数据获取模块,用于获取所述适应范围内所述待预测的渠道业务发展目标的历史交易数据;
目标预测模块,用于建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;
结果输出模块,用于以预设形式输出所述渠道业务发展目标的预测值。
为解决上述技术问题,本发明实施例还提供一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使所述计算机执行上述技术方案所述的渠道业务发展目标智能预测方法。
为解决上述技术问题,本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述技术方案所述的渠道业务发展目标智能预测方法。
本发明的有益效果是:建立基于加权平均、季节指数和总体目标分解的目标预测模型,利用所述目标预测模型对历史生产交易数据进行分析,进而计算出对应的目标任务值,为管理层的目标设定和任务下达提供相对科学的数据支撑,实现全面、科学、客观地设定各渠道业务发展目标。
本发明附加的方面及其的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明实施例提供的渠道业务发展目标智能预测方法流程图;
图2为本发明实施例提供的总体分解法示意图;
图3为本发明实施例提供的界面化配置示意图;
图4为本发明实施例提供的渠道业务发展目标智能预测系统结构框图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
图1为本发明实施例提供的渠道业务发展目标智能预测方法的流程图。如图1所示,该方法包括:确定待预测的渠道业务发展目标以及对应的适用范围;获取所述适应范围内所述待预测的渠道业务发展目标的历史交易数据;建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;以预设形式输出所述渠道业务发展目标的预测值。
上述实施例中,建立基于加权平均、季节指数和总体目标分解的目标预测模型,利用所述目标预测模型对历史生产交易数据进行分析,进而计算出对应的目标任务值,为管理层的目标设定和任务下达提供相对科学的数据支撑,实现全面、科学、客观地设定各渠道业务发展目标。
可选地,所述建立基于加权平均、季节指数和总体目标分解的目标预测模型,所述目标预测模型公式如下:
Y=a*Y1*S+b*Y2;
其中,Y为目标预测值,a+b=1,S为季节指数,Y1为第一发展目标预测值,Y2为第二发展目标预测值。
可选地,所述第一发展目标预测值Y1的计算公式如下:
其中,Yi为所述历史数据中第i期待预测的渠道业务发展目标的实际值,Xi为所述历史数据中第i期的权数,权数和等于1,n为本期数,所述i为按预设规则划分的期数。例如,当i为按月划分的期数时,如需要计算12月份的第一发展目标预测值Y1,则n取值11。
可选地,所述季节指数S的计算公式如下:
S=A/B
B=(A1+A2+A3+…+A12)/12
其中,A为所述历史数据中各年同月/季针对所述待预测的渠道业务发展目标的历史数据平均值,B为所述历史数据中所有月份针对所述待预测的渠道业务发展目标的历史数据平均值。
可选地,所述第二发展目标预测值Y2的计算公式如下:
Y2=F*P;P=C/D;
其中,F为所述待预测的渠道业务发展目标的目标预设值,P为待预测的渠道业务发展目标的业务指数,C为距离当前时间预设时间段内各渠道针对待预测的渠道业务发展目标的历史数据平均值;D为距离当前时间预设时间段内全省或地市针对待预测的渠道业务发展目标的历史数据平均值。
可选地,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标之前,还包括:根据业务关联指标,选取所述待预测的渠道业务发展目标的约束条件;进而基于所述约束条件,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标。
可选地,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标之前,还包括:为所述待预测的渠道业务发展目标选取业务关联调节因子;根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值之后,利用所述业务关联调节因子对所述渠道业务发展目标的预测值进行调整。
本发明实施例基于加权平均法和季节指数法,分析渠道业务的历史交易数据,结合主要业务之间的关联因子,预测渠道未来的业务发展量。
渠道业务发展目标的目标预测模型,着重从市场专业的角度更加全面的评判各渠道业务发展情况,结合渠道业务发展的历史趋势、季节因素、业务关联指标等因素,对渠道业务发展目标进行预测。模型包含三大组件:
第一个组件是约束条件,根据业务关联指标,设定目标值的下限mi n和上限max,得到目标值的区间。业务发展目标设定受客观条件的限制,构建目标预测模型时,需要约束目标预测值Y的区间。比如渠道宽带办理目标预测模型将业务关联指标——宽带端口数量,作为约束条件。宽带业务的目标值Y,宽带端口数量为N。那么设定Y<N,N是外部的客观条件所允许的最大值。
第二个组件是目标预测,通过将历史趋势、季节因素、总体目标分解三种方法结合,业务专家指导法计算权重因子,加权平均法得到目标预测值Y。
具体地,通过加权平均法和季节指数法,计算出第一发展目标预测值Y1。通过总体目标分解法,计算出第二发展目标预测值Y2。并采用业务专家指导法计算权重因子,加权平均得到目标预测值Y:Y=a*Y1*S+b*Y2,其中a+b=1。
(1)加权平均法
采用加权移动平均法,对距离当前时间较近的数据数据给予较大的权数,对较远的数据给予较小的权数,这样来弥补简单移动平均法的不足。数据赋予权数如表1所示。
表1
时间 | 距一月 | 距二月 | 距三月 | 距四月 | 距五月 | 距六月 |
权数 | 0.3 | 0.2 | 0.2 | 0.1 | 0.1 | 0.1 |
如:近期为距离当前一到三月属于近期,较远为四月以此类推。
加权移动平均法的计算公式如下:
式中:Yi为所述历史数据中第i期待预测的渠道业务发展目标的实际值,Xi为所述历史数据中第i期的权数,权数和等于1,n为本期数,所述i为按预设规则划分的期数。
(2)季节因素
由于自然条件、生产条件和生活习惯等因素的影响,随着季节的转变而呈现的周期性变动。这种周期通常为1年。季节变动的特点是有规律性的,每年重复出现,其表现为逐年同月(或季)有相同的变化方向和大致相同的变化幅度。
季节指数法操作步骤如下:
a.收集历年(通常至少有三年)各月的统计资料(观察值),如表2所示。
b.求出各年同月观察值的平均数(用A表示)。
c求出历年间所有月份的平均值(用B表示)。
d.计算各月的季节指数,即S=A/B。
表2
根据加权移动平均法,求出各渠道本月业务发展目标值,然后乘以相应季节(此案例按月计算)指数,即得出S1,S2,......,S12。
(3)总体目标分解
如图2所示,为确保上级部门下达的经营目标的完成及市场执行部门工作重点落地实施,市场部每年下发分地市KPI经营业绩考核办法。总体目标分解应按整分合原则进行,也就是将总体目标分解至不同地市、不同渠道的分目标,各个分目标的综合又体现总体目标,并保证总体目标的实现。
通过总体目标分解法,计算出业务发展目标预测值Y2,操作步骤如下:
a.收集历月(至少有三个月)该业务的统计资料(观察值)。
b.求出各渠道近三个月该业务观察值的平均数(用C表示)。
c求出全省或地市近三个月该业务观察值的平均数(用D表示)。
d.求出渠道该业务的指数P,P=C/D。
e.计算得到本月渠道该业务目标值Y2,Y2=F*P;P=C/D;其中,F为所述待预测的渠道业务发展目标的目标预设值。
业务关联调节因子,是评价渠道的业务发展能力。探索业务关联因子与目标预测值Y的相关性,可以迭代提高预测业务目标值的准确性。根据业务发展能力,对预测值Y进行相应的调整。
为业务关联因子建立专门的评估体系,借鉴平衡计分卡原理,参考“利益相关者”理论,从市场地位、增长能力、营销管理三个维度建立市场综合能力评估体系,选取区域类型、渠道星级、人流量等指标,并根据市场工作方向和重点设置指标权重。
在前端界面提供广而全的指标选项,使用者可手动勾选进入模型的业务指标,并调整这些业务指标的分值。总分值为100分。
以电信行业宽带办理目标预测模型为例,其业务关联调节因子的评估体系如表3所示:
表3
计分方法:得分=指标分值-(全省最高完成值-完成值)/线性系数
其中,全省最高完成值为12个月中最高一个月的指标完成值;完成值为过去一年每个月汇总后的平均值;指标分值为各个类别对应分值100。
注:根据各渠道指标完成值分布,按照以上计算公式(线性系数用于控制指标得分带宽,下同),换算成百分制计最高值渠道得100分。
设定电信行业宽带办理如下:
宽带办理量 | G得分 |
0<=宽带办理量<10000 | 60以下 |
10000<=宽带办理量<20000 | 60-70分 |
20000<=宽带办理量<30000 | 71-80分 |
30000<=宽带办理量<40000 | 81-90分 |
宽带办理量>=40000 | 91-100分 |
计分方法:得分=指标分值-(全省最高完成值-完成值)/线性系数
得分:100-(92-69)=77;
Y为17602,对应的分数G为60-70分.
当得分>G时候,使G=得分,Y调整为得分所在的预测量,即宽带办理量需大于20000。其中,不同的得分区间对应不同的预测量。
当得分<=G时候,G不做调整,相应Y预测值也不做调整。
同时观察这些业务因子是否真正发挥了作用,是否驱动实现了预测值。
本发明实施例中,构建的渠道业务发展目标智能预测模型,提供可配置的目标任务分解的前台界面,使用者可手工导入历史数据,输入相关参数,进行指标的自动目标任务分解,能够分解到每一个具体的渠道类型和渠道。在渠道类管理系统中统一地实现目标数据展现,并提供数据导出功能。相当于输出一个多维度的数据立方体,能够在各维度之间进行切换合并和下钻等,该数据立方体的结构如表4所示:
表4
本发明实施例中,科学制定KPI。改变以往根据经验值下发KPI的不合理性,通过数据规律、季节因素和渠道所在位置的客观条件,从历史交易数据入手,对目标进行有效预测,为KPI的考核提供科学依据。且操作简单,模型建立完成之后,只需要梳理出关键的业务指标和业务影响因素,然后通过产品前端界面,进行配置化选择即可,其中,通过产品前端界面,进行配置化选择如图3所示。
上文结合图1至图3,详细描述了根据本发明实施例提供的渠道业务发展目标智能预测方法。下面结合图4,详细描述本发明实施例提供的渠道业务发展目标智能预测系统。
如图4所示,本发明实施例还提供一种渠道业务发展目标智能预测系统,包括:预测对象确定模块、历史数据获取模块、目标预测模块和结果输出模块。
预测对象确定模块,用于确定待预测的渠道业务发展目标以及对应的适用范围;历史数据获取模块,用于获取所述适应范围内所述待预测的渠道业务发展目标的历史交易数据;目标预测模块,用于建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;结果输出模块,用于以预设形式输出所述渠道业务发展目标的预测值。
本发明实施例还提供一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使所述计算机执行上述实施例提供的渠道业务发展目标智能预测方法。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现上述实施例提供的渠道业务发展目标智能预测方法。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种渠道业务发展目标智能预测方法,其特征在于,包括:
确定待预测的渠道业务发展目标以及对应的适用范围;
获取所述适应范围内所述待预测的渠道业务发展目标的历史交易数据;
建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;
以预设形式输出所述渠道业务发展目标的预测值。
2.根据权利要求1所述的方法,其特征在于,所述建立基于加权平均、季节指数和总体目标分解的目标预测模型,所述目标预测模型公式如下:
Y=a*Y1*S+b*Y2;
其中,Y为目标预测值,a+b=1,S为季节指数,Y1为第一发展目标预测值,Y2为第二发展目标预测值。
4.根据权利要求2所述的方法,其特征在于,所述季节指数S的计算公式如下:
S=A/B
B=(A1+A2+A3+…+A12)/12
其中,A为所述历史数据中各年同月/季针对所述待预测的渠道业务发展目标的历史数据平均值,B为所述历史数据中所有月份针对所述待预测的渠道业务发展目标的历史数据平均值。
5.权利要求2所述的方法,其特征在于,所述第二发展目标预测值Y2的计算公式如下:
Y2=F*P;P=C/D;
其中,F为所述待预测的渠道业务发展目标的目标预设值,P为待预测的渠道业务发展目标的业务指数,C为距离当前时间预设时间段内各渠道针对待预测的渠道业务发展目标的历史数据平均值;D为距离当前时间预设时间段内全省或地市针对待预测的渠道业务发展目标的历史数据平均值。
6.权利要求1至5任一项所述的方法,其特征在于,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标之前,还包括:根据业务关联指标,选取所述待预测的渠道业务发展目标的约束条件;
进而基于所述约束条件,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标。
7.权利要求1至5任一项所述的方法,其特征在于,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标之前,还包括:为所述待预测的渠道业务发展目标选取业务关联调节因子;根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值之后,利用所述业务关联调节因子对所述渠道业务发展目标的预测值进行调整。
8.一种渠道业务发展目标智能预测系统,其特征在于,包括:
预测对象确定模块,用于确定待预测的渠道业务发展目标以及对应的适用范围;
历史数据获取模块,用于获取所述适应范围内所述待预测的渠道业务发展目标的历史交易数据;
目标预测模块,用于建立基于加权平均、季节指数和总体目标分解的目标预测模型,根据所述历史交易数据和所述目标预测模型预测渠道业务发展目标,获取渠道业务发展目标的预测值;
结果输出模块,用于以预设形式输出所述渠道业务发展目标的预测值。
9.一种计算机可读存储介质,包括指令,其特征在于,当所述指令在计算机上运行时,使所述计算机执行根据权利要求1-7任一项所述的渠道业务发展目标智能预测方法。
10.一种计算机设备,包括存储器、处理器及存储在所述存储器上的并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的渠道业务发展目标智能预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010730184.2A CN111833114A (zh) | 2020-07-27 | 2020-07-27 | 一种渠道业务发展目标智能预测方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010730184.2A CN111833114A (zh) | 2020-07-27 | 2020-07-27 | 一种渠道业务发展目标智能预测方法、系统、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111833114A true CN111833114A (zh) | 2020-10-27 |
Family
ID=72926382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010730184.2A Pending CN111833114A (zh) | 2020-07-27 | 2020-07-27 | 一种渠道业务发展目标智能预测方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111833114A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597745A (zh) * | 2020-12-23 | 2021-04-02 | 深圳赛安特技术服务有限公司 | 一种智能图表的生成方法、装置、计算机系统及可读存储介质 |
CN117971490A (zh) * | 2024-02-22 | 2024-05-03 | 北京嘉华铭品牌策划有限公司广东分公司 | 一种基于渠道业绩智能分析的计算资源优化方法和系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2016011374A1 (en) * | 2014-07-17 | 2016-01-21 | The Nielsen Company (Us), Llc | Methods and apparatus to determine impressions corresponding to market segments |
CN105654381A (zh) * | 2015-12-28 | 2016-06-08 | 上海瀚银信息技术有限公司 | 业务交易额的预测系统 |
CN105701729A (zh) * | 2016-01-29 | 2016-06-22 | 江苏省电力公司电力经济技术研究院 | 一种基于电力景气指数的电量预测方法 |
CN105976188A (zh) * | 2016-05-05 | 2016-09-28 | 北京思特奇信息技术股份有限公司 | 一种多渠道客户信息处理系统及处理方法 |
CN107346464A (zh) * | 2016-05-06 | 2017-11-14 | 腾讯科技(深圳)有限公司 | 业务指标预测方法及装置 |
WO2019056499A1 (zh) * | 2017-09-20 | 2019-03-28 | 平安科技(深圳)有限公司 | 预测模型训练方法、数据监控方法、装置、设备及介质 |
CN109741082A (zh) * | 2018-11-29 | 2019-05-10 | 杭州览众数据科技有限公司 | 一种基于时间序列分解的季节性商品需求预测方法 |
-
2020
- 2020-07-27 CN CN202010730184.2A patent/CN111833114A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
WO2016011374A1 (en) * | 2014-07-17 | 2016-01-21 | The Nielsen Company (Us), Llc | Methods and apparatus to determine impressions corresponding to market segments |
CN105654381A (zh) * | 2015-12-28 | 2016-06-08 | 上海瀚银信息技术有限公司 | 业务交易额的预测系统 |
CN105701729A (zh) * | 2016-01-29 | 2016-06-22 | 江苏省电力公司电力经济技术研究院 | 一种基于电力景气指数的电量预测方法 |
CN105976188A (zh) * | 2016-05-05 | 2016-09-28 | 北京思特奇信息技术股份有限公司 | 一种多渠道客户信息处理系统及处理方法 |
CN107346464A (zh) * | 2016-05-06 | 2017-11-14 | 腾讯科技(深圳)有限公司 | 业务指标预测方法及装置 |
WO2019056499A1 (zh) * | 2017-09-20 | 2019-03-28 | 平安科技(深圳)有限公司 | 预测模型训练方法、数据监控方法、装置、设备及介质 |
CN109741082A (zh) * | 2018-11-29 | 2019-05-10 | 杭州览众数据科技有限公司 | 一种基于时间序列分解的季节性商品需求预测方法 |
Non-Patent Citations (1)
Title |
---|
宋先均等: "《现代企业战略管理》", 北京:中共中央党校出版社, pages: 261 - 266 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597745A (zh) * | 2020-12-23 | 2021-04-02 | 深圳赛安特技术服务有限公司 | 一种智能图表的生成方法、装置、计算机系统及可读存储介质 |
CN117971490A (zh) * | 2024-02-22 | 2024-05-03 | 北京嘉华铭品牌策划有限公司广东分公司 | 一种基于渠道业绩智能分析的计算资源优化方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20030078829A1 (en) | System and method for forecasting uncertain events with adjustments for participants characteristics | |
US20240037508A1 (en) | Optimizing Benefits Selection in View of both Member Population and Organizational Preferences | |
CN111833114A (zh) | 一种渠道业务发展目标智能预测方法、系统、介质及设备 | |
CN106529714A (zh) | 一种用户流失的预测方法及系统 | |
US20160343078A1 (en) | Systems and methods for customizing a portfolio using visualization and control of factor exposure | |
CN108093149A (zh) | 专属坐席池分配方法、电子装置及计算机可读存储介质 | |
CN107370614A (zh) | 网络用户活跃度评估方法和预测方法 | |
CN111915156B (zh) | 基于用户价值的业务推送方法、电子设备及存储介质 | |
CN109062768B (zh) | 缓存服务器的io性能评估方法和装置 | |
US11360999B2 (en) | Computer-implemented method for managing inventory allocations | |
CN107026750A (zh) | 一种用户上网QoE评价方法及装置 | |
Chan et al. | Dynamic call center routing policies using call waiting and agent idle times | |
CN103631939B (zh) | 用于搜索引擎的数据处理方法和装置 | |
CN103716351A (zh) | 信息展现方法及服务器 | |
CN110097455B (zh) | 银行客户优化配置方法及装置 | |
US11381635B2 (en) | Method of operating a server apparatus for delivering website content, server apparatus and device in communication with server apparatus | |
CN109428760B (zh) | 一种基于运营商数据的用户信用评估方法 | |
CN113411453A (zh) | 一种外呼对象的智能管理方法及装置、介质、计算设备 | |
CN108269118B (zh) | 一种数据分析的方法和装置 | |
CN112308749A (zh) | 培养计划的生成装置、方法、电子设备及可读存储介质 | |
CN115809784A (zh) | 基于多目标的额度调整最优分配方法、装置、设备及介质 | |
CN108305171A (zh) | 一种基金收益分析方法和装置 | |
Wagner | The use of credit scoring in the mortgage industry | |
Manshadi et al. | Redesigning VolunteerMatch's Ranking Algorithm: Toward More Equitable Access to Volunteers | |
Flamm et al. | Quality Competition at the Competitive Margin in US Residential Broadband Markets |
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 |