CN112258115A - 补货数据的处理方法、装置、计算机设备和存储介质 - Google Patents
补货数据的处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112258115A CN112258115A CN202011155913.2A CN202011155913A CN112258115A CN 112258115 A CN112258115 A CN 112258115A CN 202011155913 A CN202011155913 A CN 202011155913A CN 112258115 A CN112258115 A CN 112258115A
- Authority
- CN
- China
- Prior art keywords
- data
- replenishment
- predicted
- replenishment data
- target
- 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
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种补货数据的处理方法、装置、计算机设备和存储介质。所述方法包括:获取销售场所的预测补货数据;将预测补货数据写入销售场所对应的购物车表中,预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;在接收到销售场所的加车指令时,对全部或者部分预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在购物车页面中处于显示状态。采用本方法能够在同时存在大量加车指令的时候,减轻服务器压力、释放服务器资源,从而提高加车处理的效率,缩短用户的等待时间。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种补货数据的处理方法、装置、计算机设备和存储介质。
背景技术
随着数据处理技术的发展,基于大数据的软件开发在供应链的应用领域不断普及,例如,作为技术驱动的智能补货系统作为智能供应链的重要一环也越来越受到重视。
然而,随着智能补货系统的普及,越来越多的线上乃至线下门店的补货操作依赖于智能补货系统,尤其引入大数据预测技术后,线下门店已经十分信赖预测的补货数据,这种情况下,如何结合预测数据和用户操作习惯来提高智能补货的效率,提升用户的使用体验,成为智能补货软件开发的重点和难点。
传统的技术中,在用户需要大量补货的场景下,可能会存在一个时间点下,多个门店同时向服务器提交加车请求的场景,这将导致购物车库的购物车表在一个时间点下存在大量数据写入的可能,从而导致服务器资源被大量占用,不仅严重影响服务器性能,导致加车处理的效率降低、用户等待时间加长,而且会导致其他涉及到购物车库的功能受到影响。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高加车处理效率的补货数据的处理方法、装置、计算机设备和存储介质。
一种补货数据的处理方法,上述方法包括:
获取销售场所的预测补货数据;
将预测补货数据写入销售场所对应的购物车表中,预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;
在接收到销售场所的加车指令时,对全部或者部分预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在购物车页面中处于显示状态。
在一个实施例中,标示调整处理包括删除隐藏标示的处理,或,将隐藏标示更改为显示标示的处理。
在一个实施例中,对全部预测补货数据的隐藏标示进行标示调整处理,包括:
判断加车指令是否为一键加车指令,若是,对全部预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,加车指令中包括目标补货商品,对部分预测补货数据的隐藏标示进行标示调整处理,包括:
根据目标补货商品的商品信息在购物车表中的预测补货数据中确定目标补货商品对应的目标预测补货数据;
将目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,加车指令中还包括目标补货商品的实际补货量,将目标预测补货数据的隐藏标示进行标示调整处理,包括:
利用实际补货量替换目标预测补货数据中的预测补货量,以实现对目标预测补货数据的更新,将更新后的目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,获取销售场所的预测补货数据,包括:
利用销售场所的历史销售数据、地理环境特征数据、消费人群特征数据或季节气候特征数据,基于大数据处理技术构建销售场所的预测补货模型;
根据预测补货模型获取销售场所的预测补货数据。
在一个实施例中,上述方法还包括:
将预测补货数据写入搜索引擎数据库;
在接收到销售场所的商品检索指令时,根据商品检索指令调用搜索引擎数据库以获取被检索的商品对应的预测补货数据,并将被检索的商品对应的预测补货数据在订货页面进行展示。
一种补货数据的处理装置,上述装置包括:
数据获取模块,用于获取销售场所的预测补货数据;
数据写入模块,用于将所述预测补货数据写入所述销售场所对应的购物车表中,所述预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;
数据调整模块,用于在接收到所述销售场所的加车指令时,对全部或者部分所述预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在所述购物车页面中处于显示状态。
一种计算机设备,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,处理器执行计算机程序时实现上述的补货数据的处理方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述的补货数据的处理方法的步骤。
上述的补货数据的处理方法、装置、计算机设备和存储介质,通过将销售场所的预测补货数据预先写入购物车表中,并为预先写入的预测补货数据添加隐藏标示,使其默认状态为不显示状态,在接收到加车指令后对应地调整全部或部分预测补货数据的隐藏标示,使预测补货数据在购物车页面中从不显示状态变为显示状态,采用预测补货数据预写入购物车表并根据指令进行标示调整的方式,可以快速完成加车处理,不需要从数据库中检索补货数据并将补货数据一条一条地写入购物车表,尤其在同时存在大量加车指令的时候,减轻了服务器压力,释放了服务器资源,提高了加车处理的效率,从而缩短了用户的等待时间。
附图说明
图1为一个实施例中补货数据的处理方法的应用环境图;
图2为一个实施例中补货数据的处理方法的流程示意图;
图3为一个实施例中对全部或者部分预测补货数据的隐藏标示进行标示调整处理的流程示意图;
图4为一个应用实例中补货数据处理的技术构架图;
图5为一个实施例中补货数据的处理装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本申请提供的补货数据的处理方法,可以应用于如图1所示的应用环境中。其中,客户端102通过网络与服务器端104进行通信。服务器端104获取销售场所的预测补货数据,将预测补货数据写入销售场所对应的购物车表中,预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态,服务器端104在接收到客户端102发送的销售场所的加车指令时,对全部或者部分预测补货数据的隐藏标示进行标示调整处理,经标示调整处理的预测补货数据在购物车页面中处于显示状态。
其中,客户端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器端104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种补货数据的处理方法,以该方法应用于图1中的服务器端为例进行说明,包括以下步骤:
步骤S202:获取销售场所的预测补货数据。
其中,不同销售场所对应有各自的预测补货数据,该预测补货数据可以是根据销售场所的历史销售数据、经营状况或消费者特征等进行数据逻辑计算后得到的。每条预测补货数据中可以包括预测补货商品及其预测补货量。
具体地,服务器端可以调用预测补货模型计算该销售场所的预测补货数据,也可以通过大数据计算平台获取该销售场所对应的预测补货数据。
步骤S204:将预测补货数据写入销售场所对应的购物车表中,预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态。
其中,购物车表存储于购物车库中,购物库属于业务库的一种,用于存储与购物车功能实现有关的业务数据。隐藏标示用于标示预测补货数据的显隐状态,添加有隐藏标示的预测补货数据在购物车页面呈现隐藏(不显示)状态。
例如,购物车库可以使用postgre数据库,使用postgre数据库是因为PG主表是堆表存放形式,所以在单表上可以支持更大的数据存储量。在购物车库中可以按照天进行分区生成购物车表,根据天做分区是因为每天都会更换订货商品的商品池,导致昨天加车的数据不再有效,所以按照天分区可以隔离历史数据,减缓历史数据对表性能的影响。
在本步骤中,服务器端将销售场所的预测补货数据预先写入该销售场所对应的购物车表中,可以将该销售场所的标识作为主键并以分区的形式写入对应的购物车表中。
步骤S206:在接收到销售场所的加车指令时,对全部或者部分预测补货数据的隐藏标示进行标示调整处理,经标示调整处理的预测补货数据在购物车页面中处于显示状态。
其中,加车指令用于指示服务器端完成将商品加入购物车的加车操作,加车指令可以包括单选/多选加车指令或一键加车指令等。在客户端的订货页面中可以提供挑选框、加车按钮以及一键加车按钮。客户端可以根据用户对补货商品的单选/多选操作以及触发加车按钮的操作生成单选/多选加车指令,并将该单选/多选加车指令发送至服务器端。也可以根据用户触发一键加车按钮的操作生成一键加车指令,并将该一键加车指令发送至服务器端。
具体地,服务器端在接收到销售场所的加车指令时,对购物车表中该销售场所的预测补货数据进行标示调整处理,服务器端可以根据加车指令的类型对部分或者全部预测补货数据进行标示调整处理,标示调整处理的方式不限,例如,可以是删除预测补货数据携带的隐藏标示或将预测补货数据携带的隐藏标示更改为显示标示等,只要能使经过标示调整处理的预测补货数据在购物车页面中处于显示状态即可。
进一步地,在服务器端完成标示调整处理之后,可以将进行了标示调整处理的预测补货数据提交至客户端的购物车页面进行展示,或向客户端发送表征加车成功的提示信息。用户可以通过客户端及时查看该销售场所的补货商品的加车情况。
上述的补货数据的处理方法、装置、计算机设备和存储介质,通过将销售场所的预测补货数据预先写入购物车表中,并为预先写入的预测补货数据添加隐藏标示,使其默认状态为不显示状态,在接收到加车指令后对应地调整全部或部分预测补货数据的隐藏标示,使预测补货数据在购物车页面中从不显示状态变为显示状态,采用预测补货数据预写入购物车表并根据指令进行标示调整的方式,可以快速完成加车处理,不需要从数据库中检索补货数据并将补货数据一条一条地写入购物车表,尤其在同时存在大量加车指令的时候,减轻了服务器压力,释放了服务器资源,提高了加车处理的效率,从而缩短了用户的等待时间。
在一个实施例中,如图3所示,对全部预测补货数据的隐藏标示进行标示调整处理,包括:
步骤S302:判断加车指令是否为一键加车指令。
步骤S304:若是,对全部预测补货数据的隐藏标示进行标示调整处理。
具体地,服务器端在接收到加车指令时,首先判断该加车指令是否为一键加车指令,如果该加车指令是一键加车指令,则表示用户希望按照大数据计算给出的补货建议将该销售场所的预测补货商品全部加入购物车。当该加车指令是一键加车指令时,服务器端可以根据该一键加车指令将该销售场所对应的全部预测补货数据的隐藏标示进行批量调整处理,快速地实现将前置在购物车表中的预测数据按照销售场所维度批量更新成可显示状态。
本实施例中,由于目前各销售场所的作业人员已经十分信赖通过大数据计算得出的补货建议,因此,通过一键加车指令就可以将全部预测补货商品加入购物车。一方面,用户不需要在订货页面一页一页的找到预测补货商品进行手动选择和加车,只需要点击一键加车按钮就可以把所有预测商品加入至购物车中,避免了因用户的频繁操作而导致的系统资源的浪费。另一方面,服务器端不需要根据一键加车指令一条一条从数据库中调取预测补货数据,也不需要将调取的预测补货数据一条一条地写入购物车表中,因此可以减轻服务器的工作压力、释放服务器资源,尤其在同一时间存在大量补货请求的补货高峰期,避免了服务器压力过大导致的系统崩溃,此外,在一键加车指令下,对于预写入购物车表的预测补货数据仅仅通过调整标示即可实现加车处理,因此大大提高了加车处理的完成效率,缩短了订货用户的等待时间。
在一个实施例中,加车指令中包括目标补货商品,如图3所示,对部分预测补货数据的隐藏标示进行标示调整处理,包括:
步骤S306:根据目标补货商品的商品信息在购物车表中的预测补货数据中确定目标补货商品对应的目标预测补货数据。
步骤S308:将目标预测补货数据的隐藏标示进行标示调整处理。
其中,目标补货商品是指用户在预测补货商品中根据一定的筛选条件筛选出来的补货商品。目标预测补货数据是指目标补货商品对应的预测补货数据。
具体地,订货页面包括搜索以及条件筛选控件,具有商品搜索以及条件筛选功能。当服务器端接收到的加车指令不是一键加车指令时,说明用户对推荐的预测补货商品进行了条件筛选,筛选出目标补货商品进行加车操作。此时,服务器端可以在该销售场所对应的购物车表中,根据加车指令中携带的目标补货商品的商品信息确定该目标补货商品对应的目标预测补货数据,并针对该目标预测补货数据的隐藏标示进行标示调整处理,以修改目标预测补货数据在购物车页面的显示状态。
本实施例,根据加车指令中所携带的信息,可以在购物车表中快速确定出需要进行加车处理的预测补货商品,并以商品信息作为主键仅对相应的目标补货商品的目标预测补货数据进行显示状态的更新调整。本实施例,根据加车指令类型的不同,可以实现多选择、个性化加车操作,在提高服务器性能、缩短用户等待时间的同时,提高了加车处理的准确性且能满足用户个性化的需求。
在一个实施例中,加车指令中还包括目标补货商品的实际补货量,将目标预测补货数据的隐藏标示进行标示调整处理,包括:利用所述实际补货量替换所述目标预测补货数据中的预测补货量,以实现对所述目标预测补货数据的更新,将更新后的目标预测补货数据的隐藏标示进行标示调整处理。
具体地,预测补货数据中可以包括预测补货商品以及该预测补货商品的预测补货量,由于用户可能不会完全依赖于大数据系统推荐的预测补货量,若用户在客户端选择了目标补货商品后又调整了该目标补货商品的补货量,使调整后的补货量(实际补货量)与预测补货量不同时,客户端生成的加车指令中就会包括目标补货商品及其实际补货量。服务器端在接收到这类加车指令后,首先可以将目标补货商品的商品信息作为检索条件在购物车表中确定目标补货商品对应的目标预测补货数据,并利用实际补货量替换目标预测补货数据中的预测补货量,实现对目标预测补货数据的更新,并对更新后的目标预测补货数据进行标示调整处理以修改更新后的目标预测补货数据在购物车页面的显示状态,实现对目标补货商品的加车处理。
本实施例,通过利用实际补货量替换预写入购物车表中的预测补货量,在用户实际提交的补货数据与预写入的预测补货数据存在差异的情况下,仅需要对存在差异的内容进行替换更新即可,通过少量数据的更新即可准确、快速地完成加车处理。
在一个实施例中,获取销售场所的预测补货数据,包括:利用销售场所的历史销售数据、地理环境特征数据、消费人群特征数据或季节气候特征数据,基于大数据处理技术构建销售场所的预测补货模型;根据预测补货模型获取销售场所的预测补货数据。
在本实施例中,销售场所的预测补货数据可以基于大数据处理技术计算得到,可以根据销售场所的销售数据、销售场所的周边环境特征、销售场所的目标人群特征、天气/地理/季节性特征或人群消费指数等计算得到,进一步还可以利用上述数据结合整体促销场景等构建预测补货模型,为销售场所的工作人员提供贴合实际需求的每日补货建议。
在一个实施例中,该方法还包括:将预测补货数据写入搜索引擎数据库;在接收到销售场所的商品检索指令时,根据商品检索指令调用搜索引擎数据库以获取被检索的商品对应的预测补货数据,并将被检索的商品对应的预测补货数据在订货页面进行展示。
在本实施例中,服务器端可以预先将预测补货数据写入搜索引擎数据库,其中,搜索引擎数据库可以采用ES(Elastic Search)搜索引擎数据库,ES是一个基于Lucene的分布式全文搜索引擎,可以通过大数据平台从hive表将预测数据推送至ES,因为用户订货的时候会根据条件进行筛选,尤其是商品名称的模糊匹配,而ES高度支持分词和模糊匹配,所以可以采用ES做订货页面的数据源头。服务器端进一步还可以将被检索的商品对应的预测补货数据发送至客户端,以使客户端在订货页面对被检索的商品对应的预测补货数据进行展示,方便用户根据展示的内容选择想要补货的商品并触发相应的功能,提升用户与客户端的交互体验。
下面,结合一个应用实例,对本发明涉及的补货数据的处理方法进行进一步详细说明。如图4所示,图4示出了一个应用实例的补货数据处理的技术构架图。
数据准备阶段:在当天开放订货之前,可以将销售场所(补货地点)的预测补货数据通过大数据从hive表导入ES,并预先将补货数据前置到业务数据库当天分区的购物车表中,业务数据库的购物车表中的预测补货数据默认打上标示不做展示。
功能实现阶段:由ES提供相关数据展示及搜索服务,客户端订货页面提供多维度的查询功能。用户可以根据订货页面的展示内容自由选择需要补货的商品。此处分为两种情况,具体如下:
情况1:用户通过客户端触发一键加车指令,服务器将按补货地点批量修改业务库购物车表中该补货地点下所有的预测补货数据的显示状态,使其从默认的隐藏状态变为显示状态。例如,补货地点plant2下进行一键加车操作,将plant2作为更新条件,直接更新业务库购物车表中的预测补货数据,更新数据的同时将数据修改为展示状态。
情况2:用户通过客户端进行商品挑选操作并触发单选/多选加车指令,服务器将按照商品主键进行业务库更新,例如,补货地点plant1下进行商品单选/多选加车操作,服务器从ES获取被挑选的补货商品(product1,product2)的数量变更,将(plant1,product1),(plant1,product2)作为条件更新业务库购物车表中的被挑选的补货商品的预测补货数据,更新数据的同时将数据修改为展示状态。
应该理解的是,虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种补货数据的处理装置,包括:数据获取模块10、数据写入模块20和数据调整模块30,其中:
数据获取模块10,用于获取销售场所的预测补货数据。
数据写入模块20,用于将所述预测补货数据写入所述销售场所对应的购物车表中,所述预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态。
数据调整模块30,用于在接收到所述销售场所的加车指令时,对全部或者部分所述预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在所述购物车页面中处于显示状态。
在一个实施例中,数据调整模块30判断加车指令是否为一键加车指令,若是,对全部预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,加车指令中包括目标补货商品,数据调整模块30根据目标补货商品的商品信息在购物车表中的预测补货数据中确定目标补货商品对应的目标预测补货数据,将目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,加车指令中还包括目标补货商品的实际补货量,数据调整模块30利用实际补货量替换目标预测补货数据中的预测补货量,以实现对目标预测补货数据的更新,将更新后的目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,数据获取模块10利用销售场所的历史销售数据、地理环境特征数据、消费人群特征数据或季节气候特征数据,基于大数据处理技术构建销售场所的预测补货模型;根据预测补货模型获取销售场所的预测补货数据。
在一个实施例中,数据写入模块20将预测补货数据写入搜索引擎数据库;在接收到销售场所的商品检索指令时,根据商品检索指令调用搜索引擎数据库以获取被检索的商品对应的预测补货数据,并将被检索的商品对应的预测补货数据在订货页面进行展示。
关于补货数据的处理装置的具体限定可以参见上文中对于补货数据的处理方法的限定,在此不再赘述。上述补货数据的处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储预测补货数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种补货数据的处理方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:获取销售场所的预测补货数据;将预测补货数据写入销售场所对应的购物车表中,预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;在接收到销售场所的加车指令时,对全部或者部分预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在购物车页面中处于显示状态。
在一个实施例中,处理器执行计算机程序实现标示调整处理时,具体实现删除隐藏标示的处理,或,将隐藏标示更改为显示标示的处理。
在一个实施例中,处理器执行计算机程序实现对全部预测补货数据的隐藏标示进行标示调整处理时,具体实现以下步骤:判断加车指令是否为一键加车指令,若是,对全部预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,处理器执行计算机程序实现对部分预测补货数据的隐藏标示进行标示调整处理时,具体实现以下步骤:根据目标补货商品的商品信息在购物车表中的预测补货数据中确定目标补货商品对应的目标预测补货数据;将目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,处理器执行计算机程序实现将目标预测补货数据的隐藏标示进行标示调整处理时,具体实现以下步骤:利用实际补货量替换目标预测补货数据中的预测补货量,以实现对目标预测补货数据的更新,将更新后的目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,处理器执行计算机程序实现获取销售场所的预测补货数据时,具体实现以下步骤:利用销售场所的历史销售数据、地理环境特征数据、消费人群特征数据或季节气候特征数据,基于大数据处理技术构建销售场所的预测补货模型;根据预测补货模型获取销售场所的预测补货数据。
在一个实施例中,处理器执行计算机程序还实现以下步骤:将预测补货数据写入搜索引擎数据库;在接收到销售场所的商品检索指令时,根据商品检索指令调用搜索引擎数据库以获取被检索的商品对应的预测补货数据,并将被检索的商品对应的预测补货数据在订货页面进行展示。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取销售场所的预测补货数据;将预测补货数据写入销售场所对应的购物车表中,预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;在接收到销售场所的加车指令时,对全部或者部分预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在购物车页面中处于显示状态。
在一个实施例中,计算机程序被处理器执行实现标示调整处理时,具体实现删除隐藏标示的处理,或,将隐藏标示更改为显示标示的处理。
在一个实施例中,计算机程序被处理器执行实现对全部预测补货数据的隐藏标示进行标示调整处理时,具体实现以下步骤:判断加车指令是否为一键加车指令,若是,对全部预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,计算机程序被处理器执行实现对部分预测补货数据的隐藏标示进行标示调整处理时,具体实现以下步骤:根据目标补货商品的商品信息在购物车表中的预测补货数据中确定目标补货商品对应的目标预测补货数据;将目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,计算机程序被处理器执行实现将目标预测补货数据的隐藏标示进行标示调整处理时,具体实现以下步骤:利用实际补货量替换目标预测补货数据中的预测补货量,以实现对目标预测补货数据的更新,将更新后的目标预测补货数据的隐藏标示进行标示调整处理。
在一个实施例中,计算机程序被处理器执行实现获取销售场所的预测补货数据时,具体实现以下步骤:利用销售场所的历史销售数据、地理环境特征数据、消费人群特征数据或季节气候特征数据,基于大数据处理技术构建销售场所的预测补货模型;根据预测补货模型获取销售场所的预测补货数据。
在一个实施例中,计算机程序被处理器执行还实现以下步骤:将预测补货数据写入搜索引擎数据库;在接收到销售场所的商品检索指令时,根据商品检索指令调用搜索引擎数据库以获取被检索的商品对应的预测补货数据,并将被检索的商品对应的预测补货数据在订货页面进行展示。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种补货数据的处理方法,所述方法包括:
获取销售场所的预测补货数据;
将所述预测补货数据写入所述销售场所对应的购物车表中,所述预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;
在接收到所述销售场所的加车指令时,对全部或者部分所述预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在所述购物车页面中处于显示状态。
2.根据权利要求1所述的方法,其特征在于,所述标示调整处理包括删除隐藏标示的处理,或,将隐藏标示更改为显示标示的处理。
3.根据权利要求1所述的方法,其特征在于,所述对全部所述预测补货数据的隐藏标示进行标示调整处理,包括:
判断所述加车指令是否为一键加车指令,若是,对全部所述预测补货数据的隐藏标示进行标示调整处理。
4.根据权利要求1所述的方法,其特征在于,所述加车指令中包括目标补货商品,所述对部分所述预测补货数据的隐藏标示进行标示调整处理,包括:
根据所述目标补货商品的商品信息在所述购物车表中的所述预测补货数据中确定所述目标补货商品对应的目标预测补货数据;
将所述目标预测补货数据的隐藏标示进行标示调整处理。
5.根据权利要求4所述的方法,其特征在于,所述加车指令中还包括所述目标补货商品的实际补货量,所述将所述目标预测补货数据的隐藏标示进行标示调整处理,包括:
利用所述实际补货量替换所述目标预测补货数据中的预测补货量,以实现对所述目标预测补货数据的更新,将更新后的目标预测补货数据的隐藏标示进行标示调整处理。
6.根据权利要求1所述的方法,其特征在于,所述获取销售场所的预测补货数据,包括:
利用所述销售场所的历史销售数据、地理环境特征数据、消费人群特征数据或季节气候特征数据,基于大数据处理技术构建所述销售场所的预测补货模型;
根据所述预测补货模型获取所述销售场所的所述预测补货数据。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述预测补货数据写入搜索引擎数据库;
在接收到所述销售场所的商品检索指令时,根据所述商品检索指令调用所述搜索引擎数据库以获取被检索的商品对应的预测补货数据,并将被检索的商品对应的预测补货数据在订货页面进行展示。
8.一种补货数据的处理装置,其特征在于,所述装置包括:
数据获取模块,用于获取销售场所的预测补货数据;
数据写入模块,用于将所述预测补货数据写入所述销售场所对应的购物车表中,所述预测补货数据添加有隐藏标示且在购物车页面中处于不显示状态;
数据调整模块,用于在接收到所述销售场所的加车指令时,对全部或者部分所述预测补货数据的隐藏标示进行标示调整处理,经过标示调整处理的预测补货数据在所述购物车页面中处于显示状态。
9.一种计算机设备,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计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011155913.2A CN112258115B (zh) | 2020-10-26 | 2020-10-26 | 补货数据的处理方法、装置、计算机设备和存储介质 |
CA3136051A CA3136051A1 (en) | 2020-10-26 | 2021-10-26 | METHOD AND DEVICE FOR PROCESSING REPLENISHMENT DATA, COMPUTER EQUIPMENT AND STORAGE MEDIA |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011155913.2A CN112258115B (zh) | 2020-10-26 | 2020-10-26 | 补货数据的处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258115A true CN112258115A (zh) | 2021-01-22 |
CN112258115B CN112258115B (zh) | 2022-11-22 |
Family
ID=74262092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011155913.2A Active CN112258115B (zh) | 2020-10-26 | 2020-10-26 | 补货数据的处理方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112258115B (zh) |
CA (1) | CA3136051A1 (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180211196A1 (en) * | 2017-01-26 | 2018-07-26 | International Business Machines Corporation | Automated procurement device |
CN110689159A (zh) * | 2018-07-06 | 2020-01-14 | 北京京东尚科信息技术有限公司 | 一种商品补货的方法和装置 |
-
2020
- 2020-10-26 CN CN202011155913.2A patent/CN112258115B/zh active Active
-
2021
- 2021-10-26 CA CA3136051A patent/CA3136051A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180211196A1 (en) * | 2017-01-26 | 2018-07-26 | International Business Machines Corporation | Automated procurement device |
CN110689159A (zh) * | 2018-07-06 | 2020-01-14 | 北京京东尚科信息技术有限公司 | 一种商品补货的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CA3136051A1 (en) | 2022-04-26 |
CN112258115B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110851699A (zh) | 基于深度强化学习的信息流推荐方法、装置、设备及介质 | |
CN112241498B (zh) | 页面内容显示方法、装置、可读存储介质和计算机设备 | |
CN112258115B (zh) | 补货数据的处理方法、装置、计算机设备和存储介质 | |
CN111724226A (zh) | 信息展示方法、系统、电子设备及存储介质 | |
CN116910405A (zh) | 页面处理方法、装置、计算机设备和存储介质 | |
CN109800247A (zh) | 数据查找方法、装置、计算机设备以及存储介质 | |
CN115687350A (zh) | 索引构建方法、装置、计算机设备和存储介质 | |
CN115168668A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN113032706B (zh) | 一种快速搭建网页的实现方法及系统 | |
CN113946755A (zh) | 基于关联规则的信息推送方法、装置、设备及存储介质 | |
CN110941948A (zh) | 单据界面的展示方法、装置、设备及存储介质 | |
CN114580943A (zh) | 项目风险跟踪方法、装置、计算机设备、介质和程序产品 | |
CN105683961A (zh) | 管理用于假设分析的回写的数据的方法和系统 | |
CN117235156B (zh) | 数据分析处理方法、装置、计算机设备和存储介质 | |
CN116228191A (zh) | 操作票生成方法、装置、计算机设备和存储介质 | |
CN112464116B (zh) | 页面显示方法、装置、计算机设备和存储介质 | |
CN114924734A (zh) | 活动页面渲染方法、装置、计算机设备和存储介质 | |
CN114666402B (zh) | 资源信息推送方法、装置、计算机设备和存储介质 | |
CN109254974B (zh) | 智能录入的开单方法、装置以及计算机设备 | |
CN118170867A (zh) | 业务内容获取方法、装置、计算机设备、介质和程序产品 | |
CN114925254A (zh) | 数据展示方法、装置、电子设备及存储介质 | |
CN115221222A (zh) | 单据处理方法、装置、计算机设备和存储介质 | |
CN114036171A (zh) | 应用数据管理方法、装置、计算机设备和存储介质 | |
CN114780561A (zh) | 实体属性的编辑方法、装置、计算机设备、存储介质 | |
KR20240105112A (ko) | 농산물 가격 예측 장치 및 이의 제어 방법 |
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 |