CN112418967A - 采购预警方法、服务器、系统和存储介质 - Google Patents

采购预警方法、服务器、系统和存储介质 Download PDF

Info

Publication number
CN112418967A
CN112418967A CN202010071782.3A CN202010071782A CN112418967A CN 112418967 A CN112418967 A CN 112418967A CN 202010071782 A CN202010071782 A CN 202010071782A CN 112418967 A CN112418967 A CN 112418967A
Authority
CN
China
Prior art keywords
early warning
sku
replenishment
coefficient
rate
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
Application number
CN202010071782.3A
Other languages
English (en)
Other versions
CN112418967B (zh
Inventor
沈佳伟
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.)
Shanghai Bilibili Technology Co Ltd
Original Assignee
Shanghai Bilibili 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 Shanghai Bilibili Technology Co Ltd filed Critical Shanghai Bilibili Technology Co Ltd
Priority to CN202010071782.3A priority Critical patent/CN112418967B/zh
Publication of CN112418967A publication Critical patent/CN112418967A/zh
Application granted granted Critical
Publication of CN112418967B publication Critical patent/CN112418967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种采购预警方法、服务器、系统和存储介质，属于互联网技术领域。所述采购预警方法包括：分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令。不仅为补款率的变化与采购单的预警阈值提供了多维度精准的溯源数据，而且通过精准的关系指标控制预警指令的输出，能够及时、全面地反映库存状况，以便于及时释放库存压力，降低风险。

Description

采购预警方法、服务器、系统和存储介质
技术领域
本发明属于互联网技术领域，涉及一种采购预警方法、服务器、系统和存储介质。
背景技术
随着互联网技术的迅速发展，线上交易市场竞争越来越激烈，对于交易的卖方来说，库存控制有着举足轻重的作用。尤其是基于预售或补款业务的线上交易，用户可能通过线上交易平台下单的数量很多，而现实中，往往会由于各种各样的原因可能致使用户支付预售定金后不再支付尾款(补款)，但同时卖方却已采购，造成了不必要的库存积压。
发明内容
为了解决上述问题，本发明的一方面提供了一种采购预警方法，包括：分析现有的SKU(Stock Keeping Unit)采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令。
进一步地，所述预警指令包括暂时冻结采购单指令和/或风险通知指令。
进一步地，所述预警阈值通过以下方式得到，包括：计算历史SKU订单的补款率和补款分析模型数据；对补款率低于预设值的补款分析模型数据进行分组；计算各分组的补款分析模型数据在多维度上的相关系数，所述相关系数作为预警阈值。
进一步地，所述的计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，包括：根据历史补款率筛选出补款分析模型数据；计算所述SKU采购单信息数据在多维度上与筛选的补款分析模型数据关联性的系数。
进一步地，所述的根据历史补款率筛选出补款分析模型数据，包括：按补款率排序SKU订单，并且设置预设值；获取补款率低于所述预设值的SKU订单的补款分析模型数据。
进一步地，所述关联性的系数采用皮尔森相关系数计算。
进一步地，所述影响补款的因素变量包括以下至少一项：下单补贴率、下单时折扣金额、补款等待周期、末单至今静默时间、补款通知发送时间、是否为周末或节假日、是否为用户首单、是否为用户末单、是否曾补款其他订单、以及是否再次购买同类目或IP或品牌。
本发明的又一方面提供了一种采购预警服务器，包括：存储器和处理器，所述存储器用于存储SKU采购单信息数据，所述处理器用于分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令。
本发明的又一方面提供了一种采购预警系统，包括：预警服务器、采购服务器和库存服务器，所述预警服务器用于分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令，所述采购服务器用于接收所述预警指令，所述库存服务器用于存储SKU采购单信息数据。
本发明的又一方面提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的方法。
根据上述内容，本发明所提供的采购预警方法，包括：分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量，能够为补款率的变化和对采购单的预警行为提供了精准的溯源数据；若任一维度的所述系数在预警阈值以上，则输出预警指令，能够及时、全面地反映库存状况，以便于及时释放库存压力，降低风险。
附图说明
图1为本发明一实施例的采购预警方法的流程示意图；
图2为本发明一实施例中得到预警阈值的流程示意图；
图3为图1中S2步骤的流程示意图；
图4为实施例1的采购预警方法的步骤示意图；
图5为对应图4的流程示意框图；
图6为本发明一实施例中采购预警系统的示意框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
请参阅图1所示，为本发明一实施例的采购预警方法的流程示意图，包括以下步骤：
S1：分析现有的SKU采购单信息数据；
S2：计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；
S3：若任一维度的所述系数在预警阈值以上，则输出预警指令。
不仅为补款率的变化与采购单的预警阈值提供了多维度精准的溯源数据，而且通过精准的关系指标控制预警指令的输出，能够及时、全面地反映库存状况，以便于及时释放库存压力，降低风险。
进一步地，所述预警指令可以包括暂时冻结采购单指令和/或风险通知指令，从而能够及时地处理采购单以控制库存压力。
图2为本发明一实施例中得到预警阈值的流程示意图，包括以下步骤：
S11：计算历史SKU订单的补款率和补款分析模型数据；
S12：对补款率低于预设值的补款分析模型数据进行分组；
S13：计算各分组的补款分析模型数据在多维度上的相关系数，所述相关系数作为预警阈值。
从而为补款率的变化与采购单的预警阈值提供了多维度精准的溯源数据，而且两者建立了精准的关系指标。
图3为图1中S2步骤的流程示意图，包括以下步骤：
S21：根据历史补款率筛选出补款分析模型数据；
S22：计算所述SKU采购单信息数据在多维度上与筛选的补款分析模型数据关联性的系数。从而全面地反映库存中采购单的状况。
进一步地，所述的根据历史补款率筛选出补款分析模型数据，包括：按补款率排序SKU订单，并且设置预设值；获取补款率低于所述预设值的SKU订单的补款分析模型数据。通过补款率的高低排序，便于从整体上分析导致补款率变化的因素，而且，对所述预设值的设置提供了参考。
进一步地，所述关联性的系数采用皮尔森相关系数计算，以提供具有对比性的数据，而且能够直观地体现出对比关系，快速地得出对比结果。
进一步地，所述影响补款的因素变量可以包括以下至少一项：下单补贴率、下单时折扣金额、补款等待周期、末单至今静默时间、补款通知发送时间、是否为周末或节假日、是否为用户首单、是否为用户末单、是否曾补款其他订单、以及是否再次购买同类目或IP或品牌。一方面，多维度的变量衡量提高了对采购单产生预警的精准度；另一方面，在实际中，影响补款的因素变量不限于上述列举的因素变量，可以根据实际场景增加或删减影响补款的因素变量，从而提高控制库存压力的灵活性。
为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。
实施例1
如图4所示，为实施例1的采购预警方法的流程示意图，包括以下步骤：
S101：分析历史订单，并按SKU对订单进行分组；
S102：计算SKU订单的补款率及SKU订单在多维度上的补款分析模型数据，所述多维度为影响补款的因素变量；
S103：按补款率排序SKU订单，取补款率为80％作为预设值；
S104：获取SKU订单中补款率低于80％的补款分析模型数据并按补款率进行区间分组；
S105：聚合每个补款率区间分组内的补款分析模型数据并计算各分组在多维度上的平均值，利用皮尔森相关系数计算多维度上的相关系数以作为预警阈值；
S106：对现有的SKU采购单信息数据利用皮尔森相关系数在多维度上计算当前系数；
S107：若任一维度的当前系数在预警阈值以上，则输出预警指令。
例如，如图5所示，为对应图4的流程示意框图，其中，补款率按每5％一个刻度进行分区，如60％-65％、65％-70％、70％-75％等等。
经过上述步骤S101-S105得出一个SKU订单例如SKU0001在“下单后至补款通知静默时间”、“下单后至补款通知等待市场”、“补款通知前一个月是否曾下单”维度上的预警阈值和经过步骤S106得出的当前系数的关系如以下表1所示：
SKU订单 维度(影响补款的因素变量) 预警阈值 当前系数
SKU0001 下单后至补款通知静默时间 0.89 0.30
SKU0001 下单后至补款通知等待市场 0.89 0.60
SKU0001 补款通知前一个月是否曾下单 0.86 0.90
表1为订单SKU0001在多维度上的当前系数与预警阈值的关系
根据S107步骤可知表1所示的SKU0001在“补款通知前一个月是否曾下单”维度上的当前系数为0.90，在其预警阈值0.86以上，则输出预警指令。
根据上述内容，本实施例的采购预警方法提供对多维度影响补款的因素变量的支持；相关性系数均归因为0-1范围，具有比较性；可以拓展后续其他维度影响补款的因素变量而不需要改动预警系统；为后续针对相关性系数的优化预警和改进提供了优先级排序的系统支持。
可选的，上述步骤S102中包括获取SKU订单对应多维度的补款数据，其流程如下：
(1)如果订单为月中通知则补款分析数据中【月中通知】加一
(2)如果订单为上半月通知则补款分析数据中【上半月通知】加一
(3)如果订单为下半月通知则补款分析数据中【下半月通知】加一
(4)如果订单为非周末通知则补款分析数据中【非周末通知】加一
(5)如果订单为周末通知则补款分析数据中【周末通知】加一
(6)如果下单至补款通知期间再次购买相同类目商品则补款分析数据中【再次购买类目并完成】加一
(7)如果下单至补款通知期间再次购买相同品牌商品则补款分析数据中【再次购买品牌并完成】加一
(8)如果下单至补款通知期间再次购买相同IP商品则补款分析数据中【再次购买IP并完成】加一
(9)如果下单至补款通知期间再次购买商品则补款分析数据中【再次购买订单数量】加N(N为购买订单数量)
(10)如果订单为用户唯一一单则补款分析数据中【仅一单用户】加一
(11)如果订单·为用户首单则补款分析数据中【本单即首单】加一
(12)如果订单·为用户尾单则补款分析数据中【本单即尾单】加一
(13)如果订单用户之前购买过其他类目商品则【之前购买类目】加N(N为购买类目数量)
(14)如果订单用户之前购买过其他品牌商品则【之前购买品牌】加N(N为购买品牌数量)
(15)如果订单存在折扣金额则【折扣金额】加N(N为折扣金额)
(16)如果订单补贴率大于0则【折扣率】加N(N为补贴率)
(17)如果订单至补款通知期间再次购买同类目商品则【再次购买类目】加一
(18)如果订单至补款通知期间再次购买同品牌商品则【再次购买品牌】加一
(19)如果订单至补款通知期间再次购买同IP商品则【再次购买IP】加一
(20)如果订单下单后至补款通知前的时间间隔大于0则【平均等待】加N(N为等待时间)
(21)如果订单用户尾单至补款通知前的时间间隔大于0则【平均静默】加N(N为静默时间)
(22)如果订单补款通知前一个月再次购买其他商品【一月曾购】
(23)如果订单已补款则【已补款】加一
(24)如果订单未补款则【未补款】加一
可选的，步骤S102的计算SKU订单补款率，其公式为【已补款/(已补款+未补款)】×100。
可选的，步骤S104中补款率按每2％一个刻度进行分区，如60％-62％、63％-64％。
可选的，步骤S105中将位于不同补款率分区的SKU补款分析模型数据聚合，其流程如下：
(1)【月中通知】等于【月中通知数量/SKU订单数量】
(2)【上半月通知】等于【上半月通知数量/SKU订单数量】
(3)【下半月通知】等于【下半月通知数量/SKU订单数量】
(4)【非周末通知】等于【非周末通知数量/SKU订单数量】
(5)【周末通知】等于【周末通知数量/SKU订单数量】
(6)【再次购买类目并完成】等于【再次购买类目并完成数量/SKU订单数量】
(7)【再次购买品牌并完成】等于【再次购买品牌并完成数量/SKU订单数量】
(8)【再次购买IP并完成】等于【再次购买IP并完成数量/SKU订单数量】
(9)【再次购买订单数量】等于【再次购买订单数量/SKU订单数量】
(10)【仅一单用户】等于【仅一单用户数量/SKU订单数量】
(11)【本单即首单】等于【本单即首单数量/SKU订单数量】
(12)【本单即尾单】等于【本单即尾单数量/SKU订单数量】
(13)【之前购买类目】等于【之前购买类目数量/SKU订单数量】
(14)【之前购买品牌】等于【之前购买品牌数量/SKU订单数量】
(15)【折扣金额】等于【折扣金额数量/SKU订单数量】
(16)【折扣率】等于【折扣率数量/SKU订单数量】
(17)【再次购买类目】等于【再次购买类目数量/SKU订单数量】
(18)【再次购买品牌】等于【再次购买品牌数量/SKU订单数量】
(19)【再次购买IP】等于【再次购买IP数量/SKU订单数量】
(20)【平均等待】等于【平均等待数量/SKU订单数量】
(21)【平均静默】等于【平均静默数量/SKU订单数量】
(22)【一月曾购】等于【一月曾购/SKU订单数量】
基于上述步骤S101-S105得到各个补款率分区的补款分析模型数据在多维度上的相关系数如以下表2所示：
补款率分区 月中通知 上半月通知 下半月通知 折扣率
60-62 80％ 70％ 60％ 50％
63-64 70％ 80％ 90％ 70％
65-66 80％ 70％ 75％ 60％
... ... ... ... ...
表2为各个补款率分区的补款分析模型数据在多维度上的相关系数
即表2中的SKU订单是经过排序筛选出的补款率低的订单，若现有的SKU采购单通过相关性系数计算显示当前系数接近或大于上述相关系数(预警阈值)，表示该现有的SKU采购单预判为补款率低，则做出预警动作。
进一步地，可以得出补款率与多维度(影响补款的因素变量)精准的对应关系。
例如，通过使用皮尔森相关系数对表2中数据进行相关性分析，得到表3数据如下所示：
月中通知 上半月通知 下半月通知 折扣率
相关性 86％ 76％ 89％ 90％
表3为补款率与多维度(影响补款的因素变量)相关性的系数
由此，经过以上步骤后将会获得一组包括用户行为的影响补款的因素变量与历史补款率关联性的系数。可以通过使用上述结果从最高相关性至最低相关性对现有订单进行反向计算分析。根据得出的结果将现有SKU订单当前系数与根据历史订单得出的预警阈值进行比较，若当前系数在预警阈值以上或者接近预警阈值，那么暂时冻结采购系统中正在进行的采购单和/或通知相关采购运营潜在的采购风险。而且，为补款率的变化与采购单的预警阈值提供了多维度精准的溯源数据，且通过精准的关系指标控制预警指令的输出，能够及时、全面地反映库存状况，以便于及时释放库存压力，降低风险。
在实际中的业务场景下，基于预售或补款业务的交易过程中用户是否补款可能受以下因素影响，例如：下单补贴率、下单时折扣金额、补款等待周期、末单至今静默时间、补款通知发送时间、是否为周末(节假日)、是否为用户首单、是否为用户末单、是否曾补款其他订单、以及是否再次购买同类目或IP或品牌。在此，仅示意性的列举而不作为具体限制，可以拓展后续其他维度影响补款的因素变量。
在一实施例中，图6为本发明一实施例中采购预警系统的示意框图，该采购预警系统，包括：预警服务器、采购服务器和库存服务器，所述预警服务器用于分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令，所述采购服务器用于接收预警服务器发送的预警指令，所述库存服务器用于存储SKU采购单信息数据，预警服务器也可以读取存储服务器中的历史数据。
综上所述，本发明所提供的采购预警方法，包括：分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令。不仅为补款率的变化与采购单的预警阈值提供了多维度精准的溯源数据，而且通过精准的关系指标控制预警指令的输出，能够及时、全面地反映库存状况，以便于及时释放库存压力，降低风险。
在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (10)

1.一种采购预警方法，其特征在于，包括：
分析现有的库存保有单位SKU采购单信息数据；
计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；
若任一维度的所述系数在预警阈值以上，则输出预警指令。
2.根据权利要求1所述的采购预警方法，其特征在于，所述预警指令包括暂时冻结采购单指令和/或风险通知指令。
3.根据权利要求2所述的采购预警方法，其特征在于，所述预警阈值通过以下方式得到，包括：
计算历史SKU订单的补款率和补款分析模型数据；
对补款率低于预设值的补款分析模型数据进行分组；
计算各分组的补款分析模型数据在多维度上的相关系数，所述相关系数作为预警阈值。
4.根据权利要求3所述的采购预警方法，其特征在于，所述的计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，包括：
根据历史补款率筛选出补款分析模型数据；
计算所述SKU采购单信息数据在多维度上与筛选的补款分析模型数据关联性的系数。
5.根据权利要求4所述的采购预警方法，其特征在于，所述的根据历史补款率筛选出补款分析模型数据，包括：
按补款率排序SKU订单，并且设置预设值；
获取补款率低于所述预设值的SKU订单的补款分析模型数据。
6.根据权利要求5所述的采购预警方法，其特征在于，所述关联性的系数采用皮尔森相关系数计算。
7.根据权利要求6所述的采购预警方法，其特征在于，所述影响补款的因素变量包括以下至少一项：下单补贴率、下单时折扣金额、补款等待周期、末单至今静默时间、补款通知发送时间、是否为周末或节假日、是否为用户首单、是否为用户末单、是否曾补款其他订单、以及是否再次购买同类目或IP或品牌。
8.一种采购预警服务器，其特征在于，包括：
存储器，用于存储SKU采购单信息数据；
处理器，用于分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令。
9.一种采购预警系统，其特征在于，包括：
预警服务器，用于分析现有的SKU采购单信息数据；计算所述SKU采购单信息数据在多维度上与历史补款率关联性的系数，所述多维度为影响补款的因素变量；若任一维度的所述系数在预警阈值以上，则输出预警指令；
采购服务器，用于接收所述预警指令；
库存服务器，用于存储SKU采购单信息数据。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
CN202010071782.3A 2020-01-21 2020-01-21 采购预警方法、服务器、系统和存储介质 Active CN112418967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010071782.3A CN112418967B (zh) 2020-01-21 2020-01-21 采购预警方法、服务器、系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010071782.3A CN112418967B (zh) 2020-01-21 2020-01-21 采购预警方法、服务器、系统和存储介质

Publications (2)

Publication Number Publication Date
CN112418967A true CN112418967A (zh) 2021-02-26
CN112418967B CN112418967B (zh) 2022-09-06

Family

ID=74844023

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010071782.3A Active CN112418967B (zh) 2020-01-21 2020-01-21 采购预警方法、服务器、系统和存储介质

Country Status (1)

Country Link
CN (1) CN112418967B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610470A (zh) * 2021-08-10 2021-11-05 国网湖北省电力有限公司直流运检公司 一种多源异构的采购信息提醒方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108428153A (zh) * 2018-03-12 2018-08-21 上海哔哩哔哩科技有限公司 预售商品的策略调整方法、服务器及策略调整系统
CN108764656A (zh) * 2018-05-07 2018-11-06 河南金凤电子科技有限公司 一种餐饮管理方法与系统
CN108985591A (zh) * 2018-06-29 2018-12-11 东莞市大易产业链服务有限公司 一种代理销售的风险处置方法
CN110070441A (zh) * 2018-01-22 2019-07-30 财付通支付科技有限公司 信息处理方法、装置、计算机设备、存储介质及程序产品
CN110610340A (zh) * 2019-09-19 2019-12-24 深圳前海微众银行股份有限公司 备件管理方法、装置、设备与计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110070441A (zh) * 2018-01-22 2019-07-30 财付通支付科技有限公司 信息处理方法、装置、计算机设备、存储介质及程序产品
CN108428153A (zh) * 2018-03-12 2018-08-21 上海哔哩哔哩科技有限公司 预售商品的策略调整方法、服务器及策略调整系统
CN108764656A (zh) * 2018-05-07 2018-11-06 河南金凤电子科技有限公司 一种餐饮管理方法与系统
CN108985591A (zh) * 2018-06-29 2018-12-11 东莞市大易产业链服务有限公司 一种代理销售的风险处置方法
CN110610340A (zh) * 2019-09-19 2019-12-24 深圳前海微众银行股份有限公司 备件管理方法、装置、设备与计算机可读存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610470A (zh) * 2021-08-10 2021-11-05 国网湖北省电力有限公司直流运检公司 一种多源异构的采购信息提醒方法及装置

Also Published As

Publication number Publication date
CN112418967B (zh) 2022-09-06

Similar Documents

Publication Publication Date Title
US8447664B1 (en) Method and system for managing inventory by expected profitability
US8463665B1 (en) System and method for event-driven inventory disposition
US20030046191A1 (en) Forecasting demand for cuitical parts in a product line
CN110363476B (zh) 货物入仓分配处理方法及装置
JP5418326B2 (ja) 価格決定装置、価格決定方法、およびコンピュータプログラム
US20060149639A1 (en) Method and system for creating a purchase suggesting list retailers
KR102334336B1 (ko) 온라인 공유판매 플랫폼 및 그 운영 방법
US8326709B1 (en) Automated audit process
CN110390455B (zh) 供应链信息风险控制方法、装置及系统
CN107085770B (zh) 大宗商品风险识别方法及系统、业务数据推送方法及系统
KR20220047876A (ko) 상품 거래 시스템, 상품 거래 방법 및 상품 거래 프로그램
JP2005015140A (ja) 発注量算出システム
CN112418967B (zh) 采购预警方法、服务器、系统和存储介质
CN109255588B (zh) 物料出入库票据的自动生成方法、装置及计算机存储介质
JP2007272325A (ja) Ｓｍａ管理システム及びｓｍａ管理方法
JP2006520968A (ja) 委託品在庫管理および調整システム
CN117196753A (zh) 一种大批量商品的交易流程制定方法、设备及介质
CN114819790A (zh) 一种基于大数据的门店智能补货方法及系统
US7908187B2 (en) Supporting chargeable subcontracting when outsourcing manufacturing of an assembled unit while supplying components
JP2021089542A (ja) 商品の発注数を調整する方法、システム及びプログラム
JP2007026335A (ja) 評価指標見通し可視化方法
JP2007272327A (ja) Ｓｍａ管理システム
KR20220160828A (ko) 수산물 유통 도매업 인터넷 판매관리 시스템
US8583539B2 (en) Enablement of exposure management to handle priced exposure
JP2009237742A (ja) 証券取引発注処理システムおよびその方法、並びにプログラム

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