CN112184348B - 订单数据处理方法、装置、电子设备及介质 - Google Patents

Abstract

本公开提供了一种订单数据处理方法，包括：获取当前订单数据；利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合；发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库，以此方式对目标进行出库，无需依赖目标的具体信息和商家下发的加工指令，可以提前根据该预包组合执行拣选、复核、打包等操作，提高出库效率。本公开还提供了一种订单处理装置、电子设备及介质。

Description

订单数据处理方法、装置、电子设备及介质

技术领域

本公开涉及互联网的技术领域，尤其涉及一种订单数据处理方法、装置、电子设备及介质。

背景技术

随着互联网的快速发展，网上购物也越来越受用户青睐，在用户购物完成后，需要快递公司对用户购买的商品进行配送。因此出现了快递公司之间的竞争，因为对于用户来说物流时效是评判物流服务的关键因素之一，所以众多商家公司争先提出超短配送时效，尤其是在商家做促销时，可能要求仓库在一两个小时的时间内完成订单的拣选、复核、打包等操作，实现快速出库。如何提高订单在仓内的响应速度，已经成为仓储优化的研究重点。目前仓储作业除不断引入各种智能化设施设备外，从业务流程角度也在不断优化以提升出库效率。

套装出库是指在商超、快消品行业，商家根据商品特性及促销计划，将一个或多个SKU捆绑销售，商家提前下发组套加工指令，仓库管理系统（WMS）按指令组套，转换为新的SKU，并将商品捆绑，贴标为套装。订单以套装SKU接入，出库套装商品。相比原始的按独立子商品出库的方式，组套出库可提升出库效率，但套装出库的目的主要在于商家促销。

但是，在实现本发明的发明构思的过程中，发明人发现现有技术至少存在以下问题：相关技术中的套装出库方式需要商家系统下发加工指令及套装SKU信息，库房是否可以采用此方式出库，完全依赖于商家。而目前支持组套加工流程对接的商家很少，应用比较局限，组套后生成一个新的套装SKU，必须提前建立套装商品的基础资料，还需要做新品采集，如果捆绑促销计划频繁变更，会产生很多无用的SKU数据。

发明内容

有鉴于此，本公开提供一种订单数据处理方法、装置、电子设备及介质，进而至少部分地解决了由于相关技术的限制和缺陷而导致的一个或者多个问题。

本公开的第一个方面提供了一种订单数据处理方法，包括：获取当前订单数据；利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合；发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库。

根据本公开的实施例，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合包括：以预包组合的储位数最小、预包组合中的目标数量最大的原则对所述当前订单数据进行分析，如果所述当前数据满足所述原则，则定位成功，或者如果所述当前数据不满足所述原则，定位普通储位。

根据本公开的实施例，在获取所述订单数据之前，该方法还包括：获取历史订单数据和库存数据；根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据；基于所述目标的销售数据生成所述预包组合，所述预包组合为不同目标之间的组合。

根据本公开的实施例，根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据包括：利用时间序列算法对所述历史订单数据和所述库存数据进行处理，得到未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据。

根据本公开的实施例，在基于所述目标的销售数据生成预包组合之前，该方法包括：利用关联分析算法分析所述历史订单数据中目标之间组合销售的概率；基于所述历史订单数据中目标之间组合销售的概率建立关联规则。

根据本公开的实施例，所述目标的销售数据包括畅销目标的数据和非畅销目标的销售数据，基于所述目标的销售数据生成预包组合包括：利用所述关联规则对所述畅销目标的销售数据进行关联分析，得到所述畅销目标之间关联销售的组合；基于述畅销目标之间关联销售的组合生成预包组合。

根据本公开的实施例，在基于所述目标的销售数据生成预包组合之后，该方法还包括：针对所述预包组合设置储位信息和条码信息，不同预包组合形成的储位信息和条码信息分别不同。

本公开的第二个方面提供了一种订单处理装置，包括：第一获取模块，用于获取当前订单数据；定位模块，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合；发送模块，用于发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库。

根据本公开的实施例，上述定位模块配置为：以预包组合的储位数最小、预包组合中的目标数量最大的原则对所述当前订单数据进行分析，如果所述当前数据满足所述原则，则定位成功，或者如果所述当前数据不满足所述原则，定位普通储位。

根据本公开的实施例，该装置还包括：第二获取模块，用于获取历史订单数据和库存数据；第一确定模块，用于根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据；生成模块，基于所述目标的销售数据生成预包组合，所述预包组合为不同目标之间的组合。

根据本公开的实施例，第一确定模块配置为：利用时间序列算法对所述历史订单数据和所述库存数据进行处理，得到未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据。

根据本公开的实施例，该装置还包括：第一分析模块，用于利用关联分析算法分析所述历史订单数据中目标之间组合销售的概率；建立模块，基于所述历史订单数据中目标之间组合销售的概率建立关联规则。

根据本公开的实施例，所述目标的销售数据包括畅销目标的数据和非畅销目标的销售数据，生成模块包括：第二分析模块，利用所述关联规则对所述畅销目标的销售数据进行关联分析，得到所述畅销目标之间关联销售的组合；第二确定模块，用于根据所述畅销目标的销售数据，确定所述畅销目标之间关联销售的组合中每个畅销目标的销量；生成子模块，基于述畅销目标之间关联销售的组合和所述畅销目标之间关联销售的组合中每个畅销目标的销量生成预包组合。

根据本公开的实施例，该装置还包括：设置模块，用于针对所述预包组合设置储位信息和条码信息，不同预包组合形成的储位信息和条码信息分别不同。

本公开的第三个方面提供了一种电子设备，包括：一个或多个处理器，以及存储装置。所述存储装置用于存储一个或多个程序。其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的订单数据处理。

本公开的第四个方面提供了一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行如上所述的订单数据处理。

本公开的第五个方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现订单数据处理。

本公开提供的订单数据处理的有益效果如下：

通过本公开实施例提供的技术方案可以获取当前订单数据，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，然后发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库，以此方式对目标进行出库，无需依赖目标的具体信息和商家下发的加工指令，可以提前根据该预包组合执行拣选、复核、打包等操作，提高出库效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

图1示出了可以应用本发明实施例的订单数据处理或订单数据处理装置的示例性系统架构的示意图；

图2示意性示出了根据本公开实施例的订单数据处理的流程图；

图3示意性示出了根据本公开另一个实施例的订单数据处理的流程图；

图4示意性示出了根据本公开另一个实施例的订单数据处理的流程图；

图5示意性示出了根据本公开另一个实施例的订单数据处理的流程图；

图6示意性示出了根据本公开实施例的预包组合匹配的示意图；

图7示意性示出了根据本公开的实施例的订单数据处理装置的方框图；

图8示意性示出了根据本公开另一个实施例的订单数据处理装置的方框图；

图9示意性示出了根据本公开另一个实施例的订单数据处理装置的方框图；

图10示意性示出了根据本公开另一个实施例的订单数据处理装置的方框图；

图11示意性示出了根据本公开另一个实施例的订单数据处理装置的方框图；

图12示意性示出了根据本公开实施例的电子设备的计算机系统的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释（例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等）。本领域技术人员还应理解，实质上任意表示两个或更多可选项目的转折连词和/或短语，无论是在说明书、权利要求书还是附图中，都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如，短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。

图1示出了可以应用本发明实施例的订单数据处理或订单数据处理装置的示例性系统架构的示意图。

如图1所示，系统架构100可以包括终端设备101、102、103中的一种或多种，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。比如服务器105可以是多个服务器组成的服务器集群等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、便携式计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器。例如服务器105可以从终端设备103（也可以是终端设备101或102）中获取当前订单数据，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，然后发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库，以此方式对目标进行出库，无需依赖目标的具体信息和商家下发的加工指令，可以提前根据该预包组合执行拣选、复核、打包等操作，提高出库效率。

在一些实施例中，本发明实施例所提供的订单数据处理一般由服务器105执行，相应地，订单数据处理装置一般设置于服务器105中。在另一些实施例中，某些终端可以具有与服务器相似的功能从而执行本方法。因此，本发明实施例所提供的订单数据处理不限定在服务器端执行。

图2示意性示出了根据本公开实施例的订单数据处理的流程图。

如图2所示，订单数据处理包括步骤S110~步骤S130。

在步骤S110中，获取当前订单数据。

在步骤S120中，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，预包组合包括不同目标之间的组合。

在步骤S130中，发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库。

该方法可以获取当前订单数据，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，然后发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库，以此方式对目标进行出库，无需依赖目标的具体信息和商家下发的加工指令，可以提前根据该预包组合执行拣选、复核、打包等操作，提高出库效率。

在本公开的一些实施例中，不同目标可以是不同商品，在所述预包组合中可以包含不同商品，从而实现根据该预包组合提前执行拣选、复核、打包等操作。

在本公开的一些实施例中，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合包括：以预包组合的储位数最小、预包组合中的目标数量最大的原则对所述当前订单数据进行分析，如果所述当前数据满足所述原则，则定位成功，或者如果所述当前数据不满足所述原则，定位普通储位。

例如，当新订单（即当前订单数据）接入后，通过预包匹配算法，寻找最优预包组合，以订单定位的储位数最少、预包组合中的子商品数量最大为原则进行匹配，如果该新订单数据满足该原则，则定位成功，否则定位普通储位（例如，普通储位可以指单个商品的储位）。

具体地，根据本公开方法可以生成四个预包组合，如图6所示，预包组合一、二、三、四。新接入的订单为订单XXXX0001和订单XXXX0002。其中，订单XXXX0001包含商品A、B、C，商品A、B、C的数量分别为1、2、1；订单XXXX0002包含商品 A、C、D，商品 A、C、D的数量分别为1、1、1。

参考图6，以订单XXXX0001匹配预包组合为例，具体可以分为以下几个步骤：

1）首先确定与该订单相匹配的所有预包组合，分别为预包组合一、预包组合二、预包组合三；

2）分析每个预包组合情况下订单的储位数及预包组合中子商品数量：

方案一：预包组合一，储位数1，预包组合1中的子商品数量1+2+1=4；

方案二：预包组合二+商品 B(数量1)，储位数2，预包组合二中的子商品数量1+1+1=3；

方案三：预包组合三+商品 B(数量2)，储位数2，预包组合三中的子商品数量1+1=2；

3）筛选储位数最少的预包组合，即最优方案为方案一，方案二与方案三储位数相同，但方案二的子商品数量大，因此方案二为次优方案，优先级排序依次为方案一、方案二、方案三。

再以订单XXXX0002匹配预包组合为例，具体可以分为以下几个步骤：

1）首先寻找该订单包含的所有预包组合，找到结果为组合三、组合四；

2）分析每个预包组合情况下订单的储位数及预包组合中的子商品数量：

方案一：预包组合三+商品D(数量1)，储位数2，预包组合三中的子商品数量1+1=2；

方案二：预包组合四+商品 A(数量1)，储位数2，预包组合中的子商品数量1+1=2；

3）筛选储位数最少的预包组合， 方案一和方案二储位数和预包子商品数量都一致，则任意选一个预包组合库存满足的方案。

通过上述匹配预包组合的方法可以在新订单下发到仓库管理系统之后，可以利用预包匹配算法准确快速地定位出与当前订单数据相匹配的最优预包组合，这样便于仓库管理系统可以根据该预包组合可以快速的定位出与该预包组合相对应的包裹，提高了出库的效率。

图3示意性示出了根据本公开实施例的订单数据处理的流程图。

如图3所示，在步骤S110之前，该方法还包括步骤S210~步骤S230

在步骤S210获取历史订单数据和库存数据。

在步骤S220根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据。

在步骤S230基于所述目标的销售数据生成预包组合，所述预包组合为不同目标之间的组合。

该方法可以获取历史订单数据和库存数据，并根据历史订单数据和库存数据，确定未来一段时间内与历史订单数据和库存数据相关联的目标的销售数据，基于所述目标的销售数据生成预包组合，预包组合为不同目标之间的组合，以此方式生的预包组合，无需依赖商品的具体信息和商家下发的加工指令，而是基于提前预测的目标的销量来提前生成预包组合，这样便于仓库可以根据该预包组合提前执行拣选、复核、打包等操作。

在本公开的一些实施例中，上述历史订单数据可以指过去一段时间内某商家交易成功的订单数据。例如，某商家在过去一段时间内成功交易的订单数位10000，其中包含商品A的订单数为2000，包含商品B的订单数为1000，包含商品C的订单数为500，包含A+B组合的订单数为800，包含B+C组合的订单数为100，包含2A+B组合的订单数为20。

在本公开的一些实施例中，上述库存数据可以指某商家仓库的商品的当前库存。例如，某商家仓库的商品为A、B、C，商品A的当前库存为3000，商品B的当前库存为2000，商品C的当前库存为1000。

在本公开的一些实施例中，根据历史订单数据和库存数据，确定未来一段时间内与历史订单数据和库存数据相关联的目标的销售数据。例如，在历史订单数据和库存数据中分别包含了商品A、商品B和商品C。具体地，历史订单数据为某商家在过去一段时间内成功交易的10000个订单，其中10000个订单中包含商品A的订单数为2000，包含商品B的订单数为1000，包含商品C的订单数为500，包含A+B组合的订单数为800，包含B+C组合的订单数为100，包含2A+B组合的订单数为20。库存数据为某商家仓库的商品A、商品B和商品C的当前库存，例如，商品A的当前库存为3000，商品B的当前库存为2000，商品C的当前库存为1000。在这种情况下，根据某商家在过去一段时间内成功交易的10000个订单和该某商家仓库的商品A、商品B和商品C的当前库存来确定未来一段时间内商品A、商品B、商品C三者的销售数据，例如，确定商品A、商品B、商品C在未来一周内的销售数据分别为500、350、150。

在本公开的一些实施例中，根据历史订单数据和所述库存数据，确定未来一段时间内与历史订单数据和库存数据相关联的商品的销售数据包括：利用时间序列算法对历史订单数据和所述库存数据进行处理，得到未来一段时间内与历史订单数据和库存数据相关联的商品的销售数据，实现了预测商品未来一段时间内的销量。例如，根据历史订单数据和当前库存数据，按时间段划分，如按一周划分某商家一年交易的订单数据，然后结合当前库存数据计算每周各个商品的平均销量的波动，最后根据波动的大小可以预测未来一段时间内各个商品的销量。

在本公开的一些实施例中，上述预包组合可以是不同商品之间的组合。例如，预包组合可以是A+B组合、B+C组合、2A+B组合等等，但不限于此。

在本公开的一些实施例中，在基于目标的销售数据生成预包组合之后，该方法还包括：针对所述预包组合设置储位信息和条码信息，不同预包组合形成的储位信息和条码信息分别不同。例如，预包组合为A+B组合，仓库管理系统针对该A+B组合可以进行拣选、复核、打包等操作，以使得将一件商品A和一件商品打包成一个包裹，并为该包裹设置储位信息和条码信息。该包裹的储位信息可以指该包裹在仓库货架的位置信息，该包裹的条码信息可以指该包裹中商品A的信息和商品B的信息，以此方式设置包裹的储位信息和条码信息可以减少订单拣货储位数，减少拣货行走路径，提升拣货效率，以及减少订单复核环节扫描商品的次数，提升复核效率。

在本公开的一些实施例中，不同预包组合形成的包裹的储位信息和条码信息分别不同，这样设置可以避免将不同预包组合形成的包裹放在同一个储位上，以及在复核时避免出现不同预包组合形成的包裹扫描之后展示的商品信息相同。

图4意性示出了根据本公开另一个实施例的订单数据处理的流程图。

如图4示，在上述步骤S230之前，上述方法还包括步骤S310和步骤S320。

在步骤S310中，利用关联分析算法分析所述历史订单数据中目标之间组合销售的概率。

在步骤S320中，基于所述历史订单数据中目标之间组合销售的概率建立关联规则。

该方法可以利用关联分析算法分析历史订单数据中目标之间组合销售的概率，并基于历史订单数据中目标之间组合销售的概率建立关联规则，这样可以利用关联规则准确的分析出未来一段时间内销售的目标之间的组合的可能性。

在本公开的一些实施例中，上述关联分析算法可以是Apriori算法。利用该算法可以分析历史订单数据中目标之间组合销售的概率。例如，预包组合的关联分析可以通过Apriori算法对历史订单数据的商品进行分析，找出商品之间的销售的规律。

例如，10000个历史订单，其中包含商品A的订单数为2000，包含商品B的订单数为1000，包含商品C的订单数为500，包含A+B组合的订单数为800，包含B+C组合的订单数为100，包含2A+B组合的订单数为20。订单作为事务数据集，它包含属于同一个项集的项集合。在一个订单中一个商品即为一项(Item)，则若干项的集合为项集(items)，如{A,B}、{A,2B}、{B，C都是一个二元项集。

所有项集中{X, Y}出现的可能性，即项集中同时含有X和Y的概率。依上例，分析中的全部事务中同时包含A+B组合的概率是800/10000=0.08 即 {A→B} 的支持度为 8%。支持度（Support）可以作为建立上述关联规则的第一个门槛，衡量了所考察关联规则在"量"上的多少。因此支持度是一种重要的度量，因为支持度很低的规则可能只是偶然出现，低支持度的规则多半也是无意义的。通过计算支持度可以删除无意义的规则。

依上例，2000个购买商品A的订单中有820个又购买了B，即{A→B} 的置信度为(820/10000)/(2000/10000)= 0.41。置信度（Confidence）可以作为建立上述关联规则的第二个门槛，衡量了所考察的关联规则在“质”上的可靠性。置信度度量是通过规则进行推理具有可靠性。对于给定的规则X → Y，置信度越高，Y在包含X的事物中出现的可能性就越大。即Y在给定X下的条件概率P(Y|X)越大。

依上例，{A→B} 的出错率为 (1-1000/10000)/(1-0.41)=0.9/0.59=1.525。出错率（Conviction）是用于度量规则预测错误的概率。

基于上述根据历史订单数据计算的支持度、置信度和出错率可以预测出商品之间组合销售的可能性，即上述根据历史订单数据计算的支持度、置信度和出错率可以生成上述的关联规则。在生成上述关联规则时可以分为以下两个步骤：

1）找出频繁项集

Apriori算法的先验规则：一个频繁项集的所有子集必须也是频繁的。即如果{A,B}是频繁集那么{A}{B}也是频繁集，也就是说想要进入后续的规则整理，该商品被购买频率必须大于等于apriori函数里的support参数。n个item，产生m个项集(itemset)，指定最小支持度就可以过滤掉非频繁项集，既能减轻计算负荷又能提高预测质量。

2）找出上步中频繁项集的规则

n个item，总共可以产生3ⁿ-2^（n+1）+1条规则，指定最小置信度来过滤掉弱规则。经过上一步的过滤，剩余的项集已能满足最低支持度，计算各项之间的置信度作为候选规则，将这些候选规则与最小置信度相比较，不能满足最小置信度的规则将被消除。

经过上述两个步骤可以将不满足条件的关联规则删除，即将满足条件的关联规则作为上述关联规则。

在本公开的一些实施例中，商品的销售数据包括畅销商品的销售数据和非畅销商品的销售数据。例如，确定商品A、商品B、商品C在未来一周内的销售数据分别为500、350、150。此时可以将商品A的销售数据和商品B的销售数据作为畅销商品的销售数据。将商品C的销售数据作为非畅销商品的销售数据。需要说明的是，划分畅销商品的销售数据和非畅销商品的销售数据可以根据实际情况进行划分。

图5示意性示出了根据本公开另一个实施例的订单数据处理的流程图。

如图5所示，上述步骤S230具体可以包括步骤S231~步骤S232。

在步骤S231中，利用所述关联规则对所述畅销商品的销售数据进行关联分析，得到所述畅销目标之间关联销售的组合。

在步骤S232中，基于畅销目标之间关联销售的组合生成预包组合。

该方法可以基于畅销目标之间关联销售的组合生成预包组合，以此方式生成的预包组合更加准确，从而使得仓库管理系统可以基于该预包组合提前进行拣选、复核、出库，这样可以将出库环节的工作量前置在订单接入前完成，减少拣货路径和复核工作量，实现快速出库。

在本公开的一些实施例中，利用关联规则对畅销目标的销售数据进行关联分析。例如，利用Apriori算法可以分析历史订单数据中商品之间组合销售的概率，基于商品之间组合销售的概率可以建立上述关联规则（例如，A+B组合的关联规则，2A+B组合的关联规则等等）。假设在未来一周内的畅销商品为商品A和商品B，通过A+B组合的关联规则或2A+B组合的关联规则可以对畅销商品的销售数据进行关联分析，得到畅销商品之间关联销售的组合，将该组合可以作为预包组合。其中，预包组合中的商品个数可以和关联规则中商品个数相同。例如，通过A+B组合的关联规则分析得到的预包组合中的商品A的个数为1，商品B的个数为1。再例如，通过2A+B组合的关联规则分析得到的预包组合中的商品A的个数为2，商品B的个数为1。

图7示意性示出了根据本公开的实施例的订单数据处理装置的方框图。

如图7所示，订单数据处理装置400包括第一获取模块410、定位模块420和发送模块430。

具体地，第一获取模块410，用于获取当前订单数据。

定位模块420，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合。

发送模块430，用于发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库。

该订单数据处理装置400可以获取当前订单数据，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，然后发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库，以此方式对目标进行出库，无需依赖目标的具体信息和商家下发的加工指令，可以提前根据该预包组合执行拣选、复核、打包等操作，提高出库效率。

根据本公开的实施例，该订单数据处理装置400用于实现图2实施例描述的订单数据处理方法。

根据本公开的实施例，上述定位模块420配置为：以预包组合的储位数最小、预包组合中的目标数量最大的原则对所述当前订单数据进行分析，如果所述当前数据满足所述原则，则定位成功，或者如果所述当前数据不满足所述原则，定位普通储位。

图8示意性示出了根据本公开的实施例的订单数据处理装置的方框图。

如图8所示，订单数据处理装置500包括第二获取模块510、第一确定模块520和生成模块530。

具体地，第二获取模块510，用于获取历史订单数据和库存数据。

第一确定模块520，用于根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据。

生成模块530，基于所述目标的销售数据生成预包组合，所述预包组合为不同商品之间的组合。

该订单数据处理装置500可以获取历史订单数据和库存数据，并根据历史订单数据和库存数据，确定未来一段时间内与历史订单数据和库存数据相关联的目标的销售数据，基于所述目标的销售数据生成预包组合，预包组合为不同目标之间的组合，以此方式生的预包组合，无需依赖商品的具体信息和商家下发的加工指令，而是基于提前预测的商品的销量来提前生成预包组合，这样便于仓库可以根据该预包组合提前执行拣选、复核、打包等操作。

根据本公开的实施例，该订单数据处理装置500用于实现图3实施例描述的订单数据处理方法。

根据本公开的实施例，第一确定模块配置为：利用时间序列算法对所述历史订单数据和所述库存数据进行处理，得到未来一段时间内与所述历史订单数据和所述库存数据相关联的商品的销售数据。

图9示意性示出了根据本公开另一个的实施例的订单数据处理装置的方框图。

如图9所示，订单数据处理装置600还包括第一分析模块610和建立模块620。

具体地，第一分析模块610，用于利用关联分析算法分析所述历史订单数据中目标之间组合销售的概率。

建立模块620，基于所述历史订单数据中目标之间组合销售的概率建立关联规则。

该订单数据处理装置600可以利用关联分析算法分析历史订单数据中目标之间组合销售的概率，并基于历史订单数据中目标之间组合销售的概率建立关联规则，这样可以利用关联规则准确的分析出未来一段时间内销售的目标之间的组合的可能性。

根据本公开的实施例，该订单数据处理装置600用于实现图4实施例描述的订单数据处理。

图10示意性示出了根据本公开另一个的实施例的订单数据处理装置的方框图。

如图10所示，上述生成模块530包括第二分析模块531、第二确定模块532和生成子模块533。

具体地，第二分析模块531，利用所述关联规则对所述畅销商品的销售数据进行关联分析，得到所述畅销商品之间关联销售的组合。

生成子模块533，基于述畅销商品之间关联销售的组合生成预包组合。

该生成模块530可以基于畅销商品之间关联销售的组合生成预包组合，以此方式生成的预包组合更加准确，从而使得仓库管理系统可以基于该预包组合提前进行拣选、复核、出库，这样可以将出库环节的工作量前置在订单接入前完成，减少拣货路径和复核工作量，实现快速出库。

根据本公开的实施例，该生成模块530用于实现图5实施例描述的订单数据处理。

图11示意性示出了根据本公开另一个的实施例的订单数据处理装置的方框图。

如图11所示，订单数据处理装置700还包括设置模块710。

具体地，设置模块710，用于针对预包组合设置储位信息和条码信息，不同预包组合形成的储位信息和条码信息分别不同。

可以理解的是，第一获取模块410、定位模块420、发送模块430、第二获取模块510、第一确定模块520、生成模块530、第二分析模块531、第二确定模块532、生成子模块533、第一分析模块610、建立模块620、以及设置模块710可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，第一获取模块410、定位模块420、发送模块430、第二获取模块510、第一确定模块520、生成模块530、第二分析模块531、第二确定模块532、生成子模块533、第一分析模块610、建立模块620、以及设置模块710中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列（FPGA）、可编程逻辑阵列（PLA）、片上系统、基板上的系统、封装上的系统、专用集成电路（ASIC），或可以以对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，第一获取模块410、定位模块420、发送模块430、第二获取模块510、第一确定模块520、生成模块530、第二分析模块531、第二确定模块532、生成子模块533、第一分析模块610、建立模块620、以及设置模块710中的至少一个可以至少被部分地实现为计算机程序模块，当该程序被计算机运行时，可以执行相应模块的功能。

图12示意性示出了根据本公开实施例的电子设备的计算机系统的方框图。图12示出的计算机系统仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图12所示，根据本公开实施例的电子设备的计算机系统800包括处理器801，其可以根据存储在只读存储器（ROM）802中的程序或者从存储部分808加载到随机访问存储器（RAM）803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器（例如CPU）、指令集处理器和/或相关芯片组和/或专用微处理器（例如，专用集成电路（ASIC）），等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行参考图2~图5描述的根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 803中，存储有系统800操作所需的各种程序和数据。处理器 801、ROM 802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行以上参考图2~图5描述的订单数据处理的各种步骤。需要注意，该程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在该一个或多个存储器中的程序来执行以上参考图2~图5描述的订单数据处理的各种步骤。

根据本公开的实施例，系统800还可以包括输入/输出（I/O）接口805，输入/输出（I/O）接口805也连接至总线804。系统800还可以包括连接至I/O接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

根据本公开的实施例，上文参考流程图描述的方法可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。根据本公开的实施例，计算机可读介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行根据本公开实施例的订单数据处理。该方法包括：获取当前订单数据；利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合；发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库，以此方式对目标进行出库，无需依赖目标的具体信息和商家下发的加工指令，可以提前根据该预包组合执行拣选、复核、打包等操作，提高出库效率。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (9)

1.一种订单数据处理方法，包括：

获取当前订单数据；

利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合，所述目标为商品；

发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库；其中，每一种预包组合占用一个储位；

其中，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合包括：

以预包组合的储位数最小、预包组合中的目标数量最大的原则对所述当前订单数据进行分析，如果所述当前订单数据满足所述原则，则定位成功，或者如果所述当前订单数据不满足所述原则，定位普通储位。

2.根据权利要求1所述的方法，其中，在获取所述订单数据之前，该方法还包括：

获取历史订单数据和库存数据；

根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据；

基于所述目标的销售数据生成所述预包组合，所述预包组合为不同目标之间的组合。

3.根据权利要求2所述的方法，其中，根据所述历史订单数据和所述库存数据，确定未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据包括：

利用时间序列算法对所述历史订单数据和所述库存数据进行处理，得到未来一段时间内与所述历史订单数据和所述库存数据相关联的目标的销售数据。

4.根据权利要求2所述的方法，其中，在基于所述目标的销售数据生成预包组合之前，该方法包括：

利用关联分析算法分析所述历史订单数据中目标之间组合销售的概率；

基于所述历史订单数据中目标之间组合销售的概率建立关联规则。

5.根据权利要求4所述的方法，其中，所述目标的销售数据包括畅销目标的数据和非畅销目标的销售数据，基于所述目标的销售数据生成预包组合包括：

利用所述关联规则对所述畅销目标的销售数据进行关联分析，得到所述畅销目标之间关联销售的组合；

基于所述畅销目标之间关联销售的组合生成所述预包组合。

6.根据权利要求2所述的方法，其中，在基于所述目标的销售数据生成预包组合之后，该方法还包括：

针对所述预包组合设置储位信息和条码信息，不同预包组合形成的储位信息和条码信息分别不同。

7.一种订单数据处理装置，包括：

第一获取模块，用于获取当前订单数据；

定位模块，利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合，所述预包组合包括不同目标之间的组合，所述目标为商品；

发送模块，用于发送所述预包组合的储位信息，以便于按照所述预包组合的储位信息进行出库；其中，每一种预包组合占用一个储位；

其中，定位模块利用预包匹配算法定位出与所述当前订单数据相匹配的预包组合包括：

以预包组合的储位数最小、预包组合中的目标数量最大的原则对所述当前订单数据进行分析，如果所述当前订单数据满足所述原则，则定位成功，或者如果所述当前订单数据不满足所述原则，定位普通储位。

8.一种电子设备，包括：

一个或多个处理器；以及

存储装置，用于存储一个或多个程序；

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1~6任意一项所述的方法。

9.一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1~6任意一项所述的方法。