CN111861058A - 存量去化速度衡量方法及装置 - Google Patents

存量去化速度衡量方法及装置 Download PDF

Info

Publication number
CN111861058A
CN111861058A CN201910355924.6A CN201910355924A CN111861058A CN 111861058 A CN111861058 A CN 111861058A CN 201910355924 A CN201910355924 A CN 201910355924A CN 111861058 A CN111861058 A CN 111861058A
Authority
CN
China
Prior art keywords
month
data
time period
preset time
stock
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
Application number
CN201910355924.6A
Other languages
English (en)
Inventor
李璐
王莉
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.)
Beike Technology Co Ltd
Original Assignee
Beike Technology Co 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 Beike Technology Co Ltd filed Critical Beike Technology Co Ltd
Priority to CN201910355924.6A priority Critical patent/CN111861058A/zh
Publication of CN111861058A publication Critical patent/CN111861058A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (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

本发明实施例提供存量去化速度衡量方法及装置，其中，方法包括：获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。本发明实施例能够利用库存量当前去化速度剩余月来衡量存量去化速度，有效避免了现有技术中受销售月的销售量波动因素影响较大的问题，得到更准确的衡量结果。

Description

存量去化速度衡量方法及装置
技术领域
本发明实施例涉及计算机技术领域，尤其涉及一种存量去化速度衡量方法及装置。
背景技术
在信息技术快速发展的推动下，近些年，各服务行业也得到了快速的发展。
目前，现有技术中评估存量(比如库存、房屋存量等)的去化压力时，会经常使用的计算方式为待售量/过去一段时间的平均销售量，计算去化剩余月(所述去化剩余月即为去化速度)。
但是，上述现有技术的方法的计算标准相对不统一，且受销售月的销售量波动因素和突发因素影响较大，直接使用过去一段时间平均值的算法，也违背最靠近当前时间的成交对市场的指导意义更大的原则。
发明内容
针对现有技术存在的问题，本发明实施例提供一种存量去化速度衡量方法及装置。
本发明实施例提供一种存量去化速度衡量方法，包括：
获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；
根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
本发明实施例提供一种存量去化速度衡量装置，包括：
第一获取模块，用于获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；
第二获取模块，用于根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在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如上述方法的步骤。
本发明实施例提供的存量去化速度衡量方法及装置，通过获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据，根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月，由此，能够利用库存量当前去化速度剩余月来衡量存量去化速度，有效避免了现有技术中受销售月的销售量波动因素影响较大的问题，得到更准确的衡量结果。
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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明一实施例提供的一种存量去化速度衡量方法的流程示意图；
图2为本发明一实施例提供的一种存量去化速度衡量装置的结构示意图；
图3为本发明一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
图1示出了本发明一实施例提供的一种存量去化速度衡量方法的流程示意图，如图1所示，本实施例的存量去化速度衡量方法，包括：
S1、获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据。
在具体应用中，所述过去预设时间段可以包括：过去12个月(即当前月份之前的过去一年)等，本实施例并不对其进行限制。
需要说明的是，本实施例所述方法的执行主体为处理器。
S2、根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
可以理解的是，本实施例是用库存量当前去化速度剩余月来衡量存量去化速度。
可以理解的是，本实施例在使用平均销量(即平均去化量数据)时，引入加权平均，即给予过去预设时间段的每个月份的平均去化量数据赋予不同的权重，以达到可参考过去预设时间段的成交量，可规避仅使用当前月成交波动造成的计算库存量当前去化速度剩余月的值波动太大的问题；而且使用指数加权平均，可令越接近当前月的过去的历史月份的成交量的影响因子越大，让处理后的加权移动平均去化量数据更准确真实的代表一定趋势的成交水平。
可以理解的是，本实施例所述方法可以应用于各服务行业，例如，可以将本实施例所述方法应用在房屋存量去化估计，或者库存去化估计上。以房屋存量去化估计为例，所述存量数据即为库存房源量，所述去化量数据即为房源成交量，所述库存量当前去化速度剩余月即为库存房源当前去化速度剩余月。
本发明实施例提供的存量去化速度衡量方法，通过获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据，根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月，由此，能够利用库存量当前去化速度剩余月来衡量存量去化速度，有效避免了现有技术中受销售月的销售量波动因素影响较大的问题，得到更准确的衡量结果，且不违背最靠近当前时间的成交对市场的指导意义更大的原则。
进一步地，在上述实施例的基础上，本实施例所述步骤S2，可以包括：
根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，通过第三公式，计算得到库存量当前去化速度剩余月；
其中，所述第三公式为：
Figure BDA0002045418070000041
这样，本实施例利用所述第三公式，能够计算得到库存量当前去化速度剩余月。
进一步地，在上述实施例的基础上，所述步骤S1中的“获取过去预设时间段每个月的加权移动平均去化量数据”，可以包括：
按照预设策略，获取过去预设时间段每个月的加权移动平均去化量数据；
其中，所述预设策略，包括：
为过去预设时间段中每一个月的去化量数据分配加权权重；
若过去预设时间段中没有遇到第一突发状态，则根据过去预设时间段中每一个月的去化量数据所分配的加权权重，利用第一公式，并在过去预设时间段中有存量销售数据空缺的月份时，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，计算得到过去预设时间段每个月的加权移动平均去化量数据。
可以理解的是，本实施例所述第一突发状态是由于一些特征原因(比如政策变化等原因)造成的去化量异常，比如严重超过日常平均水平，或者严重低于日常平均水平等，可能会造成当月的去化量数据突发大幅度变化。
在具体应用中，假设所述过去预设时间段中包含过去N个月，N为正整数，则所述为过去预设时间段中每一个月的去化量数据分配加权权重，可以包括：
根据第二公式，为过去预设时间段中每一个月的去化量数据分配加权权重；
其中，所述第二公式为：
yx＝x2；
其中，yx为过去预设时间段中第x个月的去化量数据zx的加权权重， x＝1,...,N；
所述第一公式为：
Figure BDA0002045418070000042
其中，M为过去预设时间段每个月的加权移动平均去化量数据，zx为过去预设时间段中第x个月的去化量数据，yx为过去预设时间段中第x个月的去化量数据zx的加权权重，x＝1,...,N。
以当前月为2018年11月、所述过去预设时间段为过去12个月为例，此时N的值为12，表1为2018年11月的过去12个月(即2017年12月-2018 年11月)每个月的去化量数据及去化量数据的加权权重的数据表。
表1
Figure BDA0002045418070000051
假设2018年11月的过去12个月中没有遇到第一突发状态，基于表1可知，2018年11月的过去12个月中有存量销售数据空缺的月份，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，去化量数据的值为0的月份的去化量数据和去化量数据的加权权重在第一公式中正常计算，进而可以计算出2018年11 月的加权移动平均去化量数据为：
Figure BDA0002045418070000052
这样，本实施例能够实现在过去预设时间段中没有遇到第一突发状态的情况下，获取过去预设时间段每个月的加权移动平均去化量数据。
进一步地，在上述实施例的基础上，所述预设策略，还可以包括：
若过去预设时间段中遇到了第一突发状态，则根据过去预设时间段中每一个月的去化量数据所分配的加权权重，利用第一公式，并在过去预设时间段中有存量销售数据空缺的月份时，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，以及将过去预设时间段中的遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据和过去预设时间段中的遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据的加权权重从第一公式中抛除，计算得到过去预设时间段每个月的加权移动平均去化量数据。
以当前月为2018年11月、所述过去预设时间段为过去12个月为例，此时N的值为12，参考上述表1。假设2018年11月的过去12个月中的2018 年08月为遇到第一突发状态的月份，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，并将遇到第一突发状态的月份(2018年08月)及遇到第一突发状态(2018 年08月)之前的所有月份的去化量数据和遇到第一突发状态的月份(2018 年08月)及遇到第一突发状态(2018年08月)之前的所有月份的去化量数据的加权权重从第一公式中抛除，去化量数据的值为0的月份的去化量数据和去化量数据的加权权重在第一公式中正常计算，进而可以计算出2018年 11月的加权移动平均去化量数据为：
Figure BDA0002045418070000061
可以理解的是，由于第一突发状态可能会造成当月的去化量数据突发大幅度变化，因此本实施例将遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据和遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据的加权权重从第一公式中抛除。
这样，本实施例能够实现在过去预设时间段中遇到第一突发状态的情况下，获取过去预设时间段每个月的加权移动平均去化量数据，规避突发因素造成销售成交量突发大幅度变化使对过去一段时间去化速度的预估严重偏离真实值。
本发明实施例提供的存量去化速度衡量方法，能够利用库存量当前去化速度剩余月来衡量存量去化速度，有效避免了现有技术中受销售月的销售量波动因素影响较大的问题，规避突发因素造成销售成交量突发大幅度变化使对过去一段时间去化速度的预估严重偏离真实值，得到更加准确的衡量结果，且不违背最靠近当前时间的成交对市场的指导意义更大的原则。
图2示出了本发明一实施例提供的一种存量去化速度衡量装置的结构示意图，如图2所示，本实施例的存量去化速度衡量装置，包括：第一获取模块21和第二获取模块22；其中：
所述第一获取模块21，用于获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；
所述第二获取模块22，用于根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
具体地，所述第一获取模块21获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；所述第二获取模块22根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
在具体应用中，所述过去预设时间段可以包括：过去12个月(即当前月份之前的过去一年)等，本实施例并不对其进行限制。
可以理解的是，本实施例是用库存量当前去化速度剩余月来衡量存量去化速度。
可以理解的是，本实施例在使用平均销量(即平均去化量数据)时，引入加权平均，即给予过去预设时间段的每个月份的平均去化量数据赋予不同的权重，以达到可参考过去预设时间段的成交量，可规避仅使用当前月成交波动造成的计算库存量当前去化速度剩余月的值波动太大的问题；而且使用指数加权平均，可令越接近当前月的过去的历史月份的成交量的影响因子越大，让处理后的加权移动平均去化量数据更准确真实的代表一定趋势的成交水平。
可以理解的是，本实施例所述装置可以应用于各服务行业，例如，可以将本实施例所述装置应用在房屋存量去化估计，或者库存去化估计上。以房屋存量去化估计为例，所述存量数据即为库存房源量，所述去化量数据即为房源成交量，所述库存量当前去化速度剩余月即为库存房源当前去化速度剩余月。
需要说明的是，本实施例所述装置应用于处理器。
本发明实施例提供的存量去化速度衡量装置，能够利用库存量当前去化速度剩余月来衡量存量去化速度，有效避免了现有技术中受销售月的销售量波动因素影响较大的问题，得到更准确的衡量结果，且不违背最靠近当前时间的成交对市场的指导意义更大的原则。
进一步地，在上述实施例的基础上，本实施例所述第二获取模块22，可具体用于
根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，通过第三公式，计算得到库存量当前去化速度剩余月；
其中，所述第三公式为：
Figure BDA0002045418070000081
这样，本实施例利用所述第三公式，能够计算得到库存量当前去化速度剩余月。
进一步地，在上述实施例的基础上，所述第一获取模块21，可具体用于
获取当月存量数据，同时按照预设策略，获取过去预设时间段每个月的加权移动平均去化量数据；
其中，所述预设策略，包括：
为过去预设时间段中每一个月的去化量数据分配加权权重；
若过去预设时间段中没有遇到第一突发状态，则根据过去预设时间段中每一个月的去化量数据所分配的加权权重，利用第一公式，并在过去预设时间段中有存量销售数据空缺的月份时，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，计算得到过去预设时间段每个月的加权移动平均去化量数据。
可以理解的是，本实施例所述第一突发状态是由于一些特征原因(比如政策变化等原因)造成的去化量异常，比如严重超过日常平均水平，或者严重低于日常平均水平等，可能会造成当月的去化量数据突发大幅度变化。
在具体应用中，假设所述过去预设时间段中包含过去N个月，N为正整数，则所述为过去预设时间段中每一个月的去化量数据分配加权权重，可以包括：
根据第二公式，为过去预设时间段中每一个月的去化量数据分配加权权重；
其中，所述第二公式为：
yx＝x2；
其中，yx为过去预设时间段中第x个月的去化量数据zx的加权权重， x＝1,...,N；
所述第一公式为：
Figure BDA0002045418070000091
其中，M为过去预设时间段每个月的加权移动平均去化量数据，zx为过去预设时间段中第x个月的去化量数据，yx为过去预设时间段中第x个月的去化量数据zx的加权权重，x＝1,...,N。
这样，本实施例能够实现在过去预设时间段中没有遇到第一突发状态的情况下，获取过去预设时间段每个月的加权移动平均去化量数据。
进一步地，在上述实施例的基础上，所述预设策略，还可以包括：
若过去预设时间段中遇到了第一突发状态，则根据过去预设时间段中每一个月的去化量数据所分配的加权权重，利用第一公式，并在过去预设时间段中有存量销售数据空缺的月份时，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，以及将过去预设时间段中的遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据和过去预设时间段中的遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据的加权权重从第一公式中抛除，计算得到过去预设时间段每个月的加权移动平均去化量数据。
可以理解的是，由于第一突发状态可能会造成当月的去化量数据突发大幅度变化，因此本实施例将遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据和遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据的加权权重从第一公式中抛除。
这样，本实施例能够实现在过去预设时间段中遇到第一突发状态的情况下，获取过去预设时间段每个月的加权移动平均去化量数据，规避突发因素造成销售成交量突发大幅度变化使对过去一段时间去化速度的预估严重偏离真实值。
本发明实施例提供的存量去化速度衡量装置，能够利用库存量当前去化速度剩余月来衡量存量去化速度，有效避免了现有技术中受销售月的销售量波动因素影响较大的问题，规避突发因素造成销售成交量突发大幅度变化使对过去一段时间去化速度的预估严重偏离真实值，得到更加准确的衡量结果，且不违背最靠近当前时间的成交对市场的指导意义更大的原则。
本发明实施例提供的存量去化速度衡量装置，可以用于执行前述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图3示出了本发明一实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括存储器302、处理器301及存储在存储器302 上并可在处理器301上运行的计算机程序，所述处理器301执行所述程序时实现上述方法的步骤，例如包括：获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤，例如包括：获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
以上所描述的装置实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种存量去化速度衡量方法，其特征在于，包括：
获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；
根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
2.根据权利要求1所述的方法，其特征在于，所述获取过去预设时间段每个月的加权移动平均去化量数据，包括：
按照预设策略，获取过去预设时间段每个月的加权移动平均去化量数据；
其中，所述预设策略，包括：
为过去预设时间段中每一个月的去化量数据分配加权权重；
若过去预设时间段中没有遇到第一突发状态，则根据过去预设时间段中每一个月的去化量数据所分配的加权权重，利用第一公式，并在过去预设时间段中有存量销售数据空缺的月份时，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，计算得到过去预设时间段每个月的加权移动平均去化量数据。
3.根据权利要求2所述的方法，其特征在于，所述预设策略，还包括：
若过去预设时间段中遇到了第一突发状态，则根据过去预设时间段中每一个月的去化量数据所分配的加权权重，利用第一公式，并在过去预设时间段中有存量销售数据空缺的月份时，将有存量销售数据空缺的月份的去化量数据和有存量销售数据空缺的月份的去化量数据的加权权重从第一公式中抛除，以及将过去预设时间段中的遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据和过去预设时间段中的遇到第一突发状态的月份及遇到第一突发状态之前的所有月份的去化量数据的加权权重从第一公式中抛除，计算得到过去预设时间段每个月的加权移动平均去化量数据。
4.根据权利要求2或3所述的方法，其特征在于，假设所述过去预设时间段中包含过去N个月，N为正整数，则所述第一公式为：
Figure FDA0002045418060000011
其中，M为过去预设时间段每个月的加权移动平均去化量数据，zx为过去预设时间段中第x个月的去化量数据，yx为过去预设时间段中第x个月的去化量数据zx的加权权重，x＝1,...,N。
5.根据权利要求4所述的方法，其特征在于，假设所述过去预设时间段中包含过去N个月，N为正整数，则所述为过去预设时间段中每一个月的去化量数据分配加权权重，包括：
根据第二公式，为过去预设时间段中每一个月的去化量数据分配加权权重；
其中，所述第二公式为：
yx＝x2；
其中，yx为过去预设时间段中第x个月的去化量数据zx的加权权重，x＝1,...,N。
6.根据权利要求5所述的方法，其特征在于，所述过去预设时间段包括：过去12个月，此时N的值为12。
7.根据权利要求1所述的方法，其特征在于，所述根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月，包括：
根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，通过第三公式，计算得到库存量当前去化速度剩余月；
其中，所述第三公式为：
Figure FDA0002045418060000021
8.一种存量去化速度衡量装置，其特征在于，包括：
第一获取模块，用于获取当月存量数据，同时获取过去预设时间段每个月的加权移动平均去化量数据；
第二获取模块，用于根据当月存量数据和过去预设时间段每个月的加权移动平均去化量数据，获取库存量当前去化速度剩余月。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在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至7任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN201910355924.6A 2019-04-29 2019-04-29 存量去化速度衡量方法及装置 Pending CN111861058A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910355924.6A CN111861058A (zh) 2019-04-29 2019-04-29 存量去化速度衡量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910355924.6A CN111861058A (zh) 2019-04-29 2019-04-29 存量去化速度衡量方法及装置

Publications (1)

Publication Number Publication Date
CN111861058A true CN111861058A (zh) 2020-10-30

Family

ID=72964922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910355924.6A Pending CN111861058A (zh) 2019-04-29 2019-04-29 存量去化速度衡量方法及装置

Country Status (1)

Country Link
CN (1) CN111861058A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10134027A (ja) * 1996-10-29 1998-05-22 Toyota Motor Corp 販売予測支援方法およびその装置
CN1423223A (zh) * 2001-11-27 2003-06-11 株式会社世界 订货管理系统
CN1423222A (zh) * 2001-11-27 2003-06-11 株式会社世界 基于动态的商品分选系统及商品分选方法
JP2003187117A (ja) * 2001-12-18 2003-07-04 Denkodo Co Ltd 商品の自動発注システム
CN1650308A (zh) * 2002-05-02 2005-08-03 株式会社世界 分配处理系统、分配处理装置及分配处理方法
CN108921462A (zh) * 2018-05-28 2018-11-30 顺丰科技有限公司 库存管理方法、库存管理装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10134027A (ja) * 1996-10-29 1998-05-22 Toyota Motor Corp 販売予測支援方法およびその装置
CN1423223A (zh) * 2001-11-27 2003-06-11 株式会社世界 订货管理系统
CN1423222A (zh) * 2001-11-27 2003-06-11 株式会社世界 基于动态的商品分选系统及商品分选方法
JP2003187117A (ja) * 2001-12-18 2003-07-04 Denkodo Co Ltd 商品の自動発注システム
CN1650308A (zh) * 2002-05-02 2005-08-03 株式会社世界 分配处理系统、分配处理装置及分配处理方法
CN108921462A (zh) * 2018-05-28 2018-11-30 顺丰科技有限公司 库存管理方法、库存管理装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108174296A (zh) 恶意用户识别方法及装置
CN107689956B (zh) 一种异常事件的威胁评估方法及装置
CN111260414B (zh) 广告库存预测方法及装置
CN111178708A (zh) 目标评分方法和装置、计算机可读存储介质、电子设备
CN108932627B (zh) Cpa广告的消耗速度的预估方法、装置及可读存储介质
CN111130932B (zh) 一种基于历史流量预测流量趋势的方法、装置及存储介质
CN111538897A (zh) 推荐的异常检测方法、装置、电子设备及可读存储介质
CN113114631B (zh) 一种物联网节点的信任度评价方法、装置、设备及介质
CN111861058A (zh) 存量去化速度衡量方法及装置
CN112131467A (zh) 一种数据预测方法、系统、介质及设备
CN110827137A (zh) 信用评价方法和装置
US10467119B2 (en) Data-agnostic adjustment of hard thresholds based on user feedback
CN110739082A (zh) 一种职业健康风险管控措施评估方法及相关装置
CN114048010A (zh) 服务超时时间的控制方法、装置、设备以及存储介质
CN108959415A (zh) 一种异常维度定位方法、装置及电子设备
CN108958931B (zh) 一种计算迁移方法及装置
CN110334517B (zh) 可信策略的更新方法及装置、可信安全管理平台
CN109981327B (zh) 一种业务量的预测方法及系统
CN113836204A (zh) 接口异常检测方法、装置、电子设备和存储介质
CN114510704B (zh) 风险检测方法、装置、计算设备及计算机存储介质
CN107704761B (zh) 数据处理方法、装置、电子设备和存储介质
CN107798041B (zh) 保单数据存储方法、装置及终端设备
CN116308215B (zh) 一种组批出款信息的生成方法、装置及相关设备
CN110675268A (zh) 风险客户的识别方法、装置和服务器
CN109377399A (zh) 用于保险产品风控的风险分析方法、介质及电子设备

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