CN114445155B - 一种烟草大数据预测方法及系统 - Google Patents

一种烟草大数据预测方法及系统 Download PDF

Info

Publication number
CN114445155B
CN114445155B CN202210363697.3A CN202210363697A CN114445155B CN 114445155 B CN114445155 B CN 114445155B CN 202210363697 A CN202210363697 A CN 202210363697A CN 114445155 B CN114445155 B CN 114445155B
Authority
CN
China
Prior art keywords
cigarette
data
cigarette model
predicted
model
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.)
Active
Application number
CN202210363697.3A
Other languages
English (en)
Other versions
CN114445155A (zh
Inventor
廖蔚
杨熙广
谢晓琴
郑俊华
刘荣
罗辉
张嘉杰
尹智为
陈资湛
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.)
GUANGDONG TOBACCO FOSHAN CO Ltd
Original Assignee
GUANGDONG TOBACCO FOSHAN 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 GUANGDONG TOBACCO FOSHAN CO Ltd filed Critical GUANGDONG TOBACCO FOSHAN CO Ltd
Priority to CN202210363697.3A priority Critical patent/CN114445155B/zh
Publication of CN114445155A publication Critical patent/CN114445155A/zh
Application granted granted Critical
Publication of CN114445155B publication Critical patent/CN114445155B/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
    • G06Q30/02—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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

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

Abstract

本发明公开了一种烟草大数据预测方法及系统，烟草大数据预测系统包括销售记录模块、处理模块和交互模块，销售记录模块记录历史销售数据，处理模块预测获得预测销售数据，分析获得顾客偏好数据，根据预测销售数据、顾客偏好数据、供货计划数据和商品标识信息生成显示画面，交互模块显示各个香烟型号对应的显示画面。本发明在销售一线获取香烟产品的销售信息进行大数据分析，根据大数据分析的结果调整与消费者的交互信息，从而引导消费者购买香烟产品，有利于不同型号的香烟产品的销售平衡，能够适应各种不同的使用环境，使用和维护成本低，能够实现香烟市场的销售信息的有效利用，对香烟市场具有良好的促进作用。本发明广泛应用于计算机技术领域。

Description

一种烟草大数据预测方法及系统
技术领域
本发明涉及计算机技术领域，尤其是一种烟草大数据预测方法及系统。
背景技术
香烟是一种特殊商品，具有消费者偏好表现明显、不同型号的产品销量区别大、市场容易出现假冒伪劣产品等特点。香烟的以上特点，导致了如果不能掌握市场信息并及时做出应对，容易在流通环节出现一些问题。例如，某一地区的消费者特别偏好某一型号的香烟，容易导致该地区的各种型号的香烟产品销量失衡，可能一些型号的香烟产品处于缺货状态，而另一些型号的香烟产品则处于积压状态，这种状态本身不利于资源的高效率利用，而且，在这种状态下又容易衍生出商家私自跨区销售等扰乱市场秩序的行为。
目前，对香烟市场的信息利用还处于初级阶段，例如对消费者和商户进行问卷调查，再通过电子表格等工具分析调查结果等等。这种原始的信息处理技术难以应对瞬息万变的市场。
发明内容
针对目前的对香烟市场的信息利用程度不足等至少一个技术问题，本发明的目的在于提供一种烟草大数据预测方法及系统。
一方面，本发明实施例包括一种烟草大数据预测系统，包括：
销售记录模块；所述销售记录模块用于记录各个香烟型号的历史销售数据；
处理模块；所述处理模块用于根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据；对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据；获取各个香烟型号的供货计划数据和商品标识信息；根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面；
交互模块；所述交互模块用于显示各个香烟型号对应的所述显示画面；
所述对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据，包括：
获取各个香烟型号各自具有的多个属性标签类型，以及所述属性标签类型具有的属性标签值；
统计各所述属性标签值的重复次数；
对于任一个所述属性标签值，确定具有该所述属性标签值的各个香烟型号的所述历史销售数据之和，与该所述属性标签值的重复次数的乘积，作为该所述属性标签值的权重；
对于任一个香烟型号，以该所述香烟型号所具有的全部属性标签值的权重之和，作为所述香烟型号的所述顾客偏好数据。
进一步地，所述根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据，包括：
获取所述历史销售数据形成的时间序列；
识别除所述时间序列所在的时间段中的特定事件日；
以所述特定事件日为分界点，将所述时间序列分成多个时间子序列；
按照时间顺序从第一个所述时间子序列开始，依次对各所述时间子序列执行时间序列预测算法进行预测；其中，在获得一个所述时间子序列相应的预测结果后，在对在后一个所述时间子序列进行预测之前，根据所述预测结果替换掉在后一个所述时间子序列的相应部分；
以对最后一个所述时间子序列的预测结果作为所述预测销售数据。
进一步地，所述获取各个香烟型号的供货计划数据和商品标识信息，包括：
连接到香烟产品供货单位的供货系统；
接收所述供货系统发送的所述供货计划数据和所述商品标识信息。
进一步地，所述根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
根据各个香烟型号的所述预测销售数据
Figure DEST_PATH_IMAGE001
和所述供货计划数据
Figure 347334DEST_PATH_IMAGE002
，确定各个香烟型号的预测库存数据
Figure DEST_PATH_IMAGE003
；其中，
Figure 654818DEST_PATH_IMAGE004
或者
Figure DEST_PATH_IMAGE005
；
根据各个香烟型号的所述顾客偏好数据
Figure 545414DEST_PATH_IMAGE006
，确定各个香烟型号的预测销售 速度
Figure DEST_PATH_IMAGE007
；
根据各个香烟型号的所述预测库存数据
Figure 529419DEST_PATH_IMAGE008
和所述预测销售速度
Figure DEST_PATH_IMAGE009
，确定各个香烟型号的预测售完时间
Figure 75938DEST_PATH_IMAGE010
；其中，
Figure DEST_PATH_IMAGE011
；
根据各个香烟型号的所述预测售完时间
Figure 249431DEST_PATH_IMAGE012
和所述商品标识信息，生成各 个香烟型号对应的显示画面。
进一步地，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
生成一个显示页面；所述显示页面包括多个显示区域；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的所述显示区域；其中，对应所述预测售完时间越长的香烟型号，分配到的所述显示区域越接近所述显示页面的中心；
将各个香烟型号对应的所述商品标识信息填充到相应的所述显示区域。
进一步地，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
生成一个显示页面；所述显示页面包括多个显示区域，各所述显示区域具有不完全相同的面积；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的所述显示区域；其中，对应所述预测售完时间越长的香烟型号，分配到的所述显示区域的面积越大；
将各个香烟型号对应的所述商品标识信息填充到相应的所述显示区域。进一步地，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
生成多个显示页面；各所述显示页面由所述交互模块检测到的切换操作触发显示，各所述显示页面所需的切换操作的次数各不相同；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的所述显示页面；其中，对应所述预测售完时间越长的香烟型号，分配到的所述显示页面所需的切换操作的次数越少；
将各个香烟型号对应的所述商品标识信息填充到相应的所述显示页面。
进一步地，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
获取各个香烟型号对应的单价信息；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的虚拟数量；其中，对应所述预测售完时间越长的香烟型号，分配到的所述虚拟数量对应的虚拟总价越大，一个香烟型号对应的所述虚拟总价，由该香烟型号对应的所述单价信息与所述虚拟数量确定；
将各个香烟型号对应的所述商品标识信息和所述虚拟总价填充到显示页面。
另一方面，本发明实施例中还包括一种烟草大数据预测方法，所述烟草大数据预测方法包括：
记录各个香烟型号的历史销售数据；
根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据；
对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据；
获取各个香烟型号的供货计划数据和商品标识信息；
根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面；
显示各个香烟型号对应的所述显示画面；
所述对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据，包括：
获取各个香烟型号各自具有的多个属性标签类型，以及所述属性标签类型具有的属性标签值；
统计各所述属性标签值的重复次数；
对于任一个所述属性标签值，确定具有该所述属性标签值的各个香烟型号的所述历史销售数据之和，与该所述属性标签值的重复次数的乘积，作为该所述属性标签值的权重；
对于任一个香烟型号，以该所述香烟型号所具有的全部属性标签值的权重之和，作为所述香烟型号的所述顾客偏好数据。
本发明的有益效果是：实施例中的烟草大数据预测系统，可以安装在零售商的运营场所等位置，在销售一线获取香烟产品的销售信息进行大数据分析，根据大数据分析的结果调整与消费者的交互信息，从而引导消费者购买香烟产品，有利于不同型号的香烟产品的销售平衡；烟草大数据预测系统既可以离线使用也可以联网使用，能够适应各种不同的使用环境；烟草大数据预测系统可以在现有的收银系统基础上进行简单的改装得到，使用和维护成本低；通过使用实施例中的烟草大数据预测系统，能够实现香烟市场的销售信息的有效利用，而各种型号的香烟产品销量平衡，又有利于避免出现商家私自跨区销售等扰乱市场秩序的行为，对香烟市场具有良好的促进作用。
附图说明
图1为实施例中烟草大数据预测系统的结构图；
图2为实施例中根据历史销售数据进行预测帧内预测的原理图；
图3为实施例中生成各个香烟型号对应显示画面的第一种方式的原理图；
图4为实施例中生成各个香烟型号对应显示画面的第二种方式的原理图；
图5为实施例中生成各个香烟型号对应显示画面的第三种方式的原理图；
图6为实施例中生成各个香烟型号对应显示画面的第四种方式的原理图；
图7为实施例中烟草大数据预测方法的流程图。
具体实施方式
本实施例中，烟草大数据预测系统的结构如图1所示，包括销售记录模块、处理模块和交互模块等组成部分。
本实施例中，销售记录模块可以包括扫码枪、键盘、计时器和存储器等单元，其中扫码枪通过扫描香烟产品上的条形码，获得香烟型号信息，键盘可以输入销售出去的香烟产品的数量，存储器将销售出去的香烟产品的香烟型号、数量以及销售时间等信息存储在数据表中，从而形成历史销售数据。具体地，在数据表中，可以按照香烟型号分成多个数据区，每个数据区用相应的香烟型号来标记。一个数据区中可以存储一个香烟型号每次售出的香烟产品数量以及销售时间，可以通过统计得出一个香烟型号在每个小时、每日、每周、每月等时间段售出的香烟产品数量，从而得到时间尺度为小时、日、周、月等的时间序列，即本实施例中的历史销售数据可以是时间序列的形式。
本实施例中，香烟型号可以是指香烟产品的具体品种，其可以通过生产厂商自己的或者销售管理部门登记的ID号识别，也可以通过生产厂商以及生产厂商所标明的商品名称、成分含量、工艺参数等信息来识别。
本实施例中，处理模块可以是微型计算机。目前的技术可以将销售记录模块和处理模块的功能集成在一起，也就是使用一套硬件装置实现记录模块和处理模块的功能。
本实施例中，交互模块可以是单纯具有显示功能的显示屏，也可以是具有触控功能的显示屏，也可以是具有体感控制功能的显示屏。
本实施例中，可以参照图1，将烟草大数据预测系统安装在香烟零售店的收银处等位置。烟草大数据预测系统可以与零售店的收银系统连接，或者由烟草大数据预测系统作为零售店的收银系统，在零售店的日常售卖活动中，销售记录模块101在收银时记录各个香烟型号的历史销售数据。
本实施例中，可以参照图1，对存放香烟产品的展柜进行改装，使其不再是敞开的或者用透明的柜门，而是使用不透明的柜门，顾客无法看到展柜内部实际存放的香烟产品，在柜门外安装交互模块103A，通过交互模块103A向顾客显示各个香烟型号的商品标识信息。也可以参照图1，使用一个具有自助下单功能的装置103B作为交互模块，通过交互模块103B向顾客显示各个香烟型号的商品标识信息，顾客在查看各个香烟型号的商品标识信息之后，可以直接在交互模块103B进行操作，选定自己想要购买的香烟型号和数量，向零售店下发订单。
本实施例中，可由处理模块102生成画面信号，将画面信号发送至交互模块103A和103B，交互模块103A和103B将画面信号显示出来，因此处理模块102可以控制交互模块103A和103B的显示内容。
本实施例中，处理模块可以执行以下步骤：
P1.根据历史销售数据进行预测，获得各个香烟型号的预测销售数据；
P2.对历史销售数据进行分析，获得各个香烟型号的顾客偏好数据；
P3.获取各个香烟型号的供货计划数据和商品标识信息；
P4.根据各个香烟型号的预测销售数据、顾客偏好数据、供货计划数据和商品标识信息，生成各个香烟型号对应的显示画面。
步骤P1中，对一个香烟型号的历史销售数据进行预测，可以获得这个香烟型号的预测销售数据。对不同的香烟型号分别进行历史销售数据的预测，可以获得各个香烟型号的预测销售数据。
步骤P1中，由于历史销售数据可以是时间序列的形式，因此可以通过滑动窗平均、简单指数平滑、Holt-winters方法等时间序列预测算法对历史销售数据进行处理，通过设置这些算法的参数，可以得到一段长度的新时间序列，这个新时间序列的意义是同一香烟型号在未来一段时间或者未来某一时刻的销售数量预测值，从而可以作为预测销售数据。
本实施例中，处理模块在执行步骤P1，也就是根据历史销售数据进行预测，获得各个香烟型号的预测销售数据这一步骤时，具体可以执行以下步骤：
P101.获取历史销售数据形成的时间序列；
P102.识别除时间序列所在的时间段中的特定事件日；
P103.以特定事件日为分界点，将时间序列分成多个时间子序列；
P104.按照时间顺序从第一个时间子序列开始，依次对各时间子序列执行时间序列预测算法进行预测；其中，在获得一个时间子序列相应的预测结果后，在对在后一个时间子序列进行预测之前，根据预测结果替换掉在后一个时间子序列的相应部分；
P105.以对最后一个时间子序列的预测结果作为预测销售数据。
以对香烟型号A这种特定的香烟型号的历史销售数据进行预测为例，对步骤P101-P105进行说明。参照图2，香烟型号A在第t日-第t+9日这10天内的历史销售数据如实心圆点所示。步骤P102中，识别第t日-第t+9日这10天内的特定事件日，具体地可以将周末、节假日、缴费日、工资发放日等日子识别为特定事件日，可由烟草大数据预测系统的使用者自由设定。
步骤P102中，参照图2，第t+2日和第t+9日为周末，第t+5日为月初缴费日，从而将第t+2、t+5和t+9日识别为特定事件日。
步骤P103中，参照图2，以特定事件日为分界点，将时间序列分成多个时间子序列。其中，第t日-第t+2日属于第一时间子序列，第t+3日-第t+5日属于第二时间子序列，第t+6日-第t+9日属于第三时间子序列。
步骤P104中，按照时间顺序，先对第一时间子序列进行时间序列预测，然后对第二时间子序列进行时间序列预测，最后对第三时间子序列进行时间序列预测。参照图2，对第一时间子序列执行时间序列预测算法进行预测，从而预测出第t+3日和第t+4日的预测销售量，如图2中的三角形所示，可以直接用第t+3日的预测销售量（三角形所示）替换掉第t+3日的实际销售量（实心圆点所示）作为第二实际子序列的一部分，也可以先计算出第t+3日的预测销售量与第t+3日的实际销售量的平均值（正方形所示），用第t+3日的平均值（正方形所示）替换掉第t+3日的实际销售量（实心圆点所示）作为第二实际子序列的一部分。对于第t+4日的数据也可以作同样的处理。
对被替换掉部分数据的第二时间子序列执行时间序列预测算法进行预测，从而预测出第t+6日和第t+7日的预测销售量，如图2中的三角形所示，可以直接用第t+6日的预测销售量（三角形所示）替换掉第t+6日的实际销售量（实心圆点所示）作为第二实际子序列的一部分，也可以先计算出第t+6日的预测销售量与第t+6日的实际销售量的平均值（正方形所示），用第t+6日的平均值（正方形所示）替换掉第t+6日的实际销售量（实心圆点所示）作为第二实际子序列的一部分。对于第t+7日的数据也可以作同样的处理。
对被替换掉部分数据的第三时间子序列执行时间序列预测算法进行预测，从而可以预测出第t+10日和第t+11日的预测销售量（图2中未示出），由于第三时间子序列是香烟型号A的历史销售数据中的最后一个时间子序列，因此步骤P105中，以对第三时间子序列的预测结果，即预测得到的第t+10日和第t+11日的预测销售量作为预测销售数据。
步骤P101-P105的原理在于：对于时间序列预测算法的算法原理而言，虽然要预测的时间序列较长有利于获得接近实际值的预测结果，但是实际应用中，消费者在休息日、节假日、缴费和发工资等特定日子时，其经济水平会受到影响，从而会对销售数据产生影响，因此要预测的时间序列较长，容易引入较多的干扰因素，步骤P101-P105以特定事件日将较长的时间序列切割成较短的时间子序列，可以认为同一个时间子序列的时间段内，消费者的经济水平是稳定的，从而获得在消费者的经济水平稳定前提下的预测结果，并将预测结果直接替换，或者求平均值后替换掉在后的时间子序列的部分数据后再进行预测，可以平衡“纯算法角度看要预测的时间序列越长越好”与“实际生活中时间序列越长越容易受干扰”之间的一部分矛盾，有利于获得接近实际值的预测结果。
本实施例中，处理模块在执行步骤P2，也就是对历史销售数据进行分析，获得各个香烟型号的顾客偏好数据这一步骤时，具体可以执行以下步骤：
P201.获取各个香烟型号各自具有的多个属性标签类型，以及属性标签类型具有的属性标签值；
P202.统计各属性标签值的重复次数；
P203.对于任一个属性标签值，确定具有该属性标签值的各个香烟型号的历史销售数据之和，与该属性标签值的重复次数的乘积，作为该属性标签值的权重；
P204.对于任一个香烟型号，以该香烟型号所具有的全部属性标签值的权重之和，作为香烟型号的顾客偏好数据。
步骤P201中，每个香烟型号都可以有相应的属性标签类型，并且属性标签类型具有特定的属性标签值，从而区分开不同的香烟型号。表1所示为其中部分属性标签类型以及其一些典型的属性标签值。例如，香烟型号A具有的属性标签类型“烟叶产地”的属性标签值为“X省”，表明制作香烟型号A产品的烟叶产自A省。
表1
属性标签类型 属性标签值（示例）
烟叶产地 X省
烟厂所在地 Y市
香烟品牌 Z品牌
风格 烤烟型，晾晒型，香料型，混合型
包装 硬盒，软盒
每盒烟的数量 20支，18支，16支
尼古丁含量 0.8mg，1.0mg
焦油含量 8mg，10mg
步骤P202中，统计各属性标签值的重复次数。例如，一个使用本实施例中的烟草大数据预测系统的商家，销售的三种香烟型号分别为香烟型号A、香烟型号B和香烟型号C，其属性标签值如表2所示，其中香烟型号A和香烟型号B的烟叶产地均为X1省，因此“X1省”这一属性标签值的重复次数为2，同理可以统计得到其他属性标签值的重复次数。
表2
属性标签类型 属性标签值 香烟型号A （历史销售数据30包） 香烟型号B （历史销售数据20包） 香烟型号C （历史销售数据15包）
烟叶产地 X1省（重复次数2） X1省 X2省
烟厂所在地 Y1市（重复次数1） Y2市 Y3市
香烟品牌 Z品牌（重复次数3） Z品牌 Z品牌
风格 烤烟型（重复次数3） 烤烟型 混合型
包装 硬盒（重复次数1） 软盒 软盒
步骤P203中，对于任一个属性标签值，确定具有该属性标签值的各个香烟型号的历史销售数据之和，与该属性标签值的重复次数的乘积，作为该属性标签值的权重。例如，表2中，“X1省”这一属性标签值被香烟型号A和香烟型号B具有，而香烟型号A和香烟型号B的历史销售数据（可以取过去一段时间的历史销售数量）分别为30和20，那么“X1省”这一属性标签值的权重为(30+20)×2=100。同理可以计算得到“Y1市”这一属性标签值的权重为(30)×1=30，“Z品牌”这一属性标签值的权重为(30+20+15)×3=195，“烤烟型”这一属性标签值的权重为(30+20+15)×3=195，“硬盒”这一属性标签值的权重为(30)×1=30。
步骤P204中，对于任一个香烟型号，以该香烟型号所具有的全部属性标签值的权重之和，作为香烟型号的顾客偏好数据。例如，表2中，香烟型号A这一个香烟型号所具有的全部属性标签值为X1省、Y1市、Z品牌、烤烟型和硬盒，其权重之和为100+30+195+195+30=550，因此可以将香烟型号A的顾客偏好数据的大小设定为550。
分别对香烟型号B和香烟型号C等其他香烟型号执行步骤P204，可以计算得到它们的顾客偏好数据。
步骤P201-P204的原理在于：一个香烟型号的顾客偏好数据是根据其本身的历史销售数据和所具有的全部属性标签值的权重之和计算出来的，其中本身的历史销售数据反映了香烟型号受喜好程度，而全部属性标签值的权重之和除了考虑了这一香烟型号本身的因素外，还考虑了其他香烟型号的销售数据，因此一个香烟型号的顾客偏好数据既能够客观反映消费者对香烟型号本身的喜好，又能够客观反映消费者对香烟型号所具有的属性标签值的喜好。
本实施例中，处理模块在执行步骤P3，也就是获取各个香烟型号的供货计划数据和商品标识信息这一步骤时，具体可以执行以下步骤：
P301.连接到香烟产品供货单位的供货系统；
P302.接收供货系统发送的供货计划数据和商品标识信息。
本实施例中，处理模块可以通过互联网与香烟产品供货单位的供货系统连接，当供货系统发出供货计划数据和商品标识信息，处理模块接收获得供货计划数据和商品标识信息。其中，供货计划数据可以是描述未来某一时间段或者某一时刻，香烟产品供货单位向使用本实施例中的烟草大数据预测系统的商家供应香烟型号的产品数量；商品标识信息可以是香烟型号的商标或者外包装实物图等文字或者图形信息。
本实施例中，处理模块在执行步骤P4，也就是根据各个香烟型号的预测销售数据、顾客偏好数据、供货计划数据和商品标识信息，生成各个香烟型号对应的显示画面这一步骤时，具体可以执行以下步骤：
P401.根据各个香烟型号的预测销售数据
Figure 260112DEST_PATH_IMAGE013
和供货计划数据
Figure 415019DEST_PATH_IMAGE014
，确定各个香烟型号的预测库存数据
Figure 511151DEST_PATH_IMAGE015
；
P402.根据各个香烟型号的顾客偏好数据
Figure 222755DEST_PATH_IMAGE016
，确定各个香烟型号的预测销 售速度
Figure 87943DEST_PATH_IMAGE017
；
P403.根据各个香烟型号的预测库存数据
Figure 164483DEST_PATH_IMAGE018
和预测销售速度
Figure 747911DEST_PATH_IMAGE019
， 确定各个香烟型号的预测售完时间
Figure 997627DEST_PATH_IMAGE020
；
P404.根据各个香烟型号的预测售完时间
Figure 982900DEST_PATH_IMAGE021
和商品标识信息，生成各个香 烟型号对应的显示画面。
步骤P401中，如果一个香烟型号的预测销售数据
Figure 479610DEST_PATH_IMAGE022
和供货计划数据
Figure 550334DEST_PATH_IMAGE023
是对应同一时间段，计算预测销售数据
Figure 603740DEST_PATH_IMAGE024
和供货计划数据
Figure 381204DEST_PATH_IMAGE025
的差值
Figure 861863DEST_PATH_IMAGE026
或者
Figure 154305DEST_PATH_IMAGE027
，得到这个香烟型号 的预测库存数据
Figure 11402DEST_PATH_IMAGE028
。在通常的销售环境下，供货计划数据
Figure 892639DEST_PATH_IMAGE029
会大于预测销 售数据
Figure 544201DEST_PATH_IMAGE030
，因此可以通过供货计划数据
Figure 589517DEST_PATH_IMAGE031
减去预测销售数据
Figure 984726DEST_PATH_IMAGE032
得到的 差值作为预测库存数据
Figure 471202DEST_PATH_IMAGE033
，即
Figure 559244DEST_PATH_IMAGE034
。
步骤P402中，根据实际情况，一个香烟型号的预测销售速度
Figure 826277DEST_PATH_IMAGE035
一般与其顾 客偏好数据
Figure 212128DEST_PATH_IMAGE036
是正相关关系，可以直接使用一个香烟型号的顾客偏好数据
Figure 615428DEST_PATH_IMAGE037
，作为这个香烟型号的预测销售速度
Figure 874371DEST_PATH_IMAGE038
。
步骤P403中，根据各个香烟型号的预测库存数据
Figure 628700DEST_PATH_IMAGE039
和预测销售速度
Figure 303395DEST_PATH_IMAGE040
，确定各个香烟型号的预测售完时间
Figure 826780DEST_PATH_IMAGE041
。具体地，可以将一个香烟型号 的预测库存数据
Figure 256625DEST_PATH_IMAGE042
除以这个香烟型号的预测销售速度
Figure 232671DEST_PATH_IMAGE043
，得到这个香烟型 号的预测售完时间
Figure 960324DEST_PATH_IMAGE044
，即
Figure 603795DEST_PATH_IMAGE045
。在步骤P402中直接使用一个香烟型号 的顾客偏好数据
Figure 938962DEST_PATH_IMAGE046
作为这个香烟型号的预测销售速度
Figure 667883DEST_PATH_IMAGE047
的情况下，步骤 P403中计算得到的预测售完时间
Figure 684381DEST_PATH_IMAGE048
可能不具有“秒”这样的时间单位，但是其数值 大小仍然可以反映出这个香烟型号的售完时间的大小，即步骤P403中计算出一个香烟型号 的预测售完时间越长，则预计这个香烟型号需要花费越长的时间才能售完，也就是这个香 烟型号越接近滞销的状态，而一个香烟型号的预测售完时间越短，则预计这个香烟型号需 要花费越短的时间能售完，也就是这个香烟型号越接近紧俏的状态。
本实施例中，在执行步骤P404，也就是根据各个香烟型号的预测售完时间和商品标识信息，生成各个香烟型号对应的显示画面这一步骤时，可以参照图3，执行以下步骤：
P40401A.生成一个显示页面；显示页面包括多个显示区域；
P40402A.根据各个香烟型号的预测售完时间，向各个香烟型号分配相应的显示区域；其中，对应预测售完时间越长的香烟型号，分配到的显示区域越接近显示页面的中心；
P40403A.将各个香烟型号对应的商品标识信息填充到相应的显示区域。
通过步骤P40401A-P40403A生成的显示页面，被互动模块显示出来后的效果如图3所示。图3中包含一个显示页面，显示页面中包括多个显示区域。以一个使用本实施例中的烟草大数据预测系统的商家，销售香烟型号A、香烟型号B和香烟型号C三种香烟型号为例，并假设香烟型号A的预测售完时间最长（相当于最滞销）、香烟型号B的预测售完时间中等（相当于畅销程度中等）、香烟型号C的预测售完时间最短（相当于最紧俏），步骤P40402A中，向香烟型号A分配位于显示页面中心的显示区域，向香烟型号B分配接近显示页面中心的显示区域，向香烟型号C分配最远离显示页面中心的显示区域，步骤P40403A中，将香烟型号A、香烟型号B和香烟型号C对应的商品标识信息填充到相应的显示区域。
通过执行步骤P40401A-P40403A，可以生成如图3所示的显示画面，由于从人的视觉来看，越接近显示页面中心的显示区域，越容易受到消费者的关注，那么最滞销的香烟型号A容易受到消费者的注意，而最紧俏的香烟型号C相对不容易受到消费者的关注，从而有利于引导消费者优先购买最滞销的香烟型号A，促进各种香烟型号的销量平衡。
本实施例中，在执行步骤P404，也就是根据各个香烟型号的预测售完时间和商品标识信息，生成各个香烟型号对应的显示画面这一步骤时，可以参照图4，执行以下步骤：
P40401B.生成一个显示页面；显示页面包括多个显示区域，各显示区域具有不完全相同的面积；
P40402B.根据各个香烟型号的预测售完时间，向各个香烟型号分配相应的显示区域；其中，对应预测售完时间越长的香烟型号，分配到的显示区域的面积越大；
P40403B.将各个香烟型号对应的商品标识信息填充到相应的显示区域。
通过步骤P40401B-P40403B生成的显示页面，被互动模块显示出来后的效果如图4所示。图4中包含一个显示页面，显示页面中包括多个显示区域，每个显示区域的面积各不相同。以一个使用本实施例中的烟草大数据预测系统的商家，销售香烟型号A、香烟型号B和香烟型号C三种香烟型号为例，并假设香烟型号A的预测售完时间最长（相当于最滞销）、香烟型号B的预测售完时间中等（相当于畅销程度中等）、香烟型号C的预测售完时间最短（相当于最紧俏），步骤P40402B中，向香烟型号A分配面积最大的显示区域，向香烟型号B分配面积中等的显示区域，向香烟型号C分配面积最小的显示区域，步骤P40403B中，将香烟型号A、香烟型号B和香烟型号C对应的商品标识信息填充到相应的显示区域。
通过执行步骤P40401B-P40403B，可以生成如图4所示的显示画面，由于从人的视觉来看，面积越大的显示区域，越容易受到消费者的关注，那么最滞销的香烟型号A容易受到消费者的注意，而最紧俏的香烟型号C相对不容易受到消费者的关注，从而有利于引导消费者优先购买最滞销的香烟型号A，促进各种香烟型号的销量平衡。
本实施例中，在执行步骤P404，也就是根据各个香烟型号的预测售完时间和商品标识信
息，生成各个香烟型号对应的显示画面这一步骤时，可以参照图5，执行以下步骤：
P40401C.生成多个显示页面；各显示页面由交互模块检测到的切换操作触发显示，各显示页面所需的切换操作的次数各不相同；
P40402C.根据各个香烟型号的预测售完时间，向各个香烟型号分配相应的显示页面；其中，对应预测售完时间越长的香烟型号，分配到的显示页面所需的切换操作的次数越少；
P40403C.将各个香烟型号对应的商品标识信息填充到相应的显示页面。
通过步骤P40401C-P40403C生成的显示页面，被互动模块显示出来后的效果如图5所示。参照图5，处理模块控制交互模块同一时间只显示一个显示页面，交互模块检测消费者的切换操作（可以是手指的触摸拖拽操作等），响应于切换操作，处理模块控制交互模块切换所显示的显示页面。以一个使用本实施例中的烟草大数据预测系统的商家，销售香烟型号A、香烟型号B和香烟型号C三种香烟型号为例，并假设香烟型号A的预测售完时间最长（相当于最滞销）、香烟型号B的预测售完时间中等（相当于畅销程度中等）、香烟型号C的预测售完时间最短（相当于最紧俏），步骤P40402C中，向香烟型号A分配位于最前的显示页面，向香烟型号B分配位于中间的显示页面，向香烟型号C分配位于最后的显示页面，步骤P40403C中，将香烟型号A、香烟型号B和香烟型号C对应的商品标识信息填充到相应的显示页面。
通过执行步骤P40401C-P40403C，可以生成如图5所示的显示画面，其中，香烟型号A的商品标识信息在靠前的显示页面，因此只需要消费者进行较少的切换操作或者无需进行切换操作，交互模块即可显示香烟型号A的商品标识信息，而消费者需要进行中等数量的切换操作才能使交互模块显示香烟型号B的商品标识信息，消费者需要进行最多的切换操作才能使交互模块显示香烟型号C的商品标识信息。由于从人的使用习惯来看，需要越少切换操作就能显示的商品标识信息，越容易受到消费者的关注，那么最滞销的香烟型号A容易受到消费者的注意，而最紧俏的香烟型号C相对不容易受到消费者的关注，从而有利于引导消费者优先购买最滞销的香烟型号A，促进各种香烟型号的销量平衡。
本实施例中，在执行步骤P404，也就是根据各个香烟型号的预测售完时间和商品标识信息，生成各个香烟型号对应的显示画面这一步骤时，可以参照6，执行以下步骤：
P40401D.获取各个香烟型号对应的单价信息；
P40402D.根据各个香烟型号的预测售完时间，向各个香烟型号分配相应的虚拟数量；其中，对应预测售完时间越长的香烟型号，分配到的虚拟数量对应的虚拟总价越大，一个香烟型号对应的虚拟总价，为该香烟型号对应的单价信息与虚拟数量的乘积；
P40403D.将各个香烟型号对应的商品标识信息和虚拟总价填充到显示页面。
通过步骤P40401D-P40403D生成的显示页面，被互动模块显示出来后的效果如图6所示。以一个使用本实施例中的烟草大数据预测系统的商家，销售香烟型号A、香烟型号B和香烟型号C三种香烟型号为例，并假设香烟型号A的预测售完时间最长（相当于最滞销）、香烟型号B的预测售完时间中等（相当于畅销程度中等）、香烟型号C的预测售完时间最短（相当于最紧俏）。步骤P40401D中，获取各个香烟型号对应的单价信息分别为：香烟型号A：20元/包，香烟型号B：14元/包，香烟型号C：20元/包。
步骤P40402D中，向香烟型号A分配的虚拟数量为1，根据香烟型号A的虚拟数量与单价信息确定虚拟总价，具体地，将香烟型号A的单价信息“20元/包”中的分子和分母同时乘以虚拟数量“1”，所得到的虚拟总价为“20元/包”。
步骤P40402D中，向香烟型号B分配的虚拟数量为2，根据香烟型号B的虚拟数量与单价信息确定虚拟总价，具体地，将香烟型号B的单价信息“14元/包”中的分子和分母同时乘以虚拟数量“2”，所得到的虚拟总价为“28元/2包”。
步骤P40402D中，向香烟型号C分配的虚拟数量为3，根据香烟型号C的虚拟数量与单价信息确定虚拟总价，具体地，将香烟型号C的单价信息“20元/包”中的分子和分母同时乘以虚拟数量“3”，所得到的虚拟总价为“60元/3包”。
步骤P40403D中，将香烟型号A、香烟型号B和香烟型号C对应的商品标识信息填充到显示页面相应的显示区域。
通过执行步骤P40401D-P40403D，可以生成如图6所示的显示画面，各种香烟型号的商品标识信息和虚拟总价被同时显示出来，其中各种香烟型号的虚拟总价与同种香烟型号的单价信息具有相同的意义，例如香烟型号C的虚拟总价“60元/3包”与其单价信息“20元/包”的意义是相同的，但是从显示出的效果来看，最滞销的香烟型号A显示出的虚拟总价具有最小的数字（20），畅销程度中等的香烟型号B显示出的虚拟总价具有中等大小的数字（28），最紧俏的香烟型号C显示出的虚拟总价具有最大的数字（60），由于从人的使用习惯来看，表示价格的数字越小越容易受到消费者的关注，那么最滞销的香烟型号A容易受到消费者的注意，而最紧俏的香烟型号C相对不容易受到消费者的关注，从而有利于引导消费者优先购买最滞销的香烟型号A，促进各种香烟型号的销量平衡。
在执行步骤P40403D时，还可以将虚拟总价的数字部分（例如“60元/3包”中的“60元”）相对放大，将虚拟总价的单位部分（例如“60元/3包”中的“/3包”）相对缩小，从而相对突出虚拟总价的数字部分的视觉效果，有利于使得消费者优先关注和购买滞销的香烟型号，促进各种香烟型号的销量平衡。
本实施例中的烟草大数据预测系统，可以安装在零售商的运营场所等位置，在销售一线获取香烟产品的销售信息进行大数据分析，根据大数据分析的结果调整与消费者的交互信息，从而引导消费者购买香烟产品，有利于不同型号的香烟产品的销售平衡；本实施例中的烟草大数据预测系统既可以离线使用也可以联网使用，能够适应各种不同的使用环境；本实施例中的烟草大数据预测系统可以在现有的收银系统基础上进行简单的改装得到，使用和维护成本低；通过使用本实施例中的烟草大数据预测系统，能够实现香烟市场的销售信息的有效利用，而各种型号的香烟产品销量平衡，又有利于避免出现商家私自跨区销售等扰乱市场秩序的行为，对香烟市场具有良好的促进作用。
本实施例中，通过运行烟草大数据预测系统，可以执行烟草大数据预测方法。参照图7，烟草大数据预测方法包括以下步骤：
S1.记录各个香烟型号的历史销售数据；
S2.根据历史销售数据进行预测，获得各个香烟型号的预测销售数据；
S3.对历史销售数据进行分析，获得各个香烟型号的顾客偏好数据；
S4.获取各个香烟型号的供货计划数据和商品标识信息；
S5.根据各个香烟型号的预测销售数据、顾客偏好数据、供货计划数据和商品标识信息，生成各个香烟型号对应的显示画面；
S6.显示各个香烟型号对应的显示画面。
其中，步骤S1可以由烟草大数据预测系统中的销售记录模块执行，步骤S2-S5可以由烟草大数据预测系统中的处理模块执行，步骤S6可以由烟草大数据预测系统中的交互模块执行。通过执行的烟草大数据预测方法，能够实现与烟草大数据预测系统相同的技术效果。
可以通过编写执行本实施例中的烟草大数据预测方法的计算机程序，将该计算机程序写入至计算机装置或者存储介质中，当计算机程序被读取出来运行时，执行本实施例中的烟草大数据预测方法，从而实现与实施例中的烟草大数据预测方法相同的技术效果。
需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言（“例如”、“如”等）的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程（或变型和/或其组合）可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码（例如，可执行指令、一个或多个计算机程序或一个或多个应用）、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (7)

1.一种烟草大数据预测系统，其特征在于，所述烟草大数据预测系统包括：
销售记录模块；所述销售记录模块用于记录各个香烟型号的历史销售数据；
处理模块；所述处理模块用于根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据；对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据；获取各个香烟型号的供货计划数据和商品标识信息；根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面；
交互模块；所述交互模块用于显示各个香烟型号对应的所述显示画面；
所述对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据，包括：
获取各个香烟型号各自具有的多个属性标签类型，以及所述属性标签类型具有的属性标签值；
统计各所述属性标签值的重复次数；
对于任一个所述属性标签值，确定具有该所述属性标签值的各个香烟型号的所述历史销售数据之和，与该所述属性标签值的重复次数的乘积，作为该所述属性标签值的权重；
对于任一个香烟型号，以该所述香烟型号所具有的全部属性标签值的权重之和，作为所述香烟型号的所述顾客偏好数据；
所述根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据，包括：
获取所述历史销售数据形成的时间序列；
识别除所述时间序列所在的时间段中的特定事件日；所述特定事件日为周末、节假日、缴费日或者工资发放日；
以所述特定事件日为分界点，将所述时间序列分成多个时间子序列；
按照时间顺序从第一个所述时间子序列开始，依次对各所述时间子序列执行时间序列预测算法进行预测；其中，在获得一个所述时间子序列相应的预测结果后，在对在后一个所述时间子序列进行预测之前，根据所述预测结果替换掉在后一个所述时间子序列的相应部分；
以对最后一个所述时间子序列的预测结果作为所述预测销售数据；
所述根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
根据各个香烟型号的所述预测销售数据
Figure 888719DEST_PATH_IMAGE001
和所述供货计划数据
Figure 223885DEST_PATH_IMAGE002
，确 定各个香烟型号的预测库存数据
Figure 578905DEST_PATH_IMAGE003
；其中，
Figure 657720DEST_PATH_IMAGE004
或者
Figure 280331DEST_PATH_IMAGE005
；
根据各个香烟型号的所述顾客偏好数据
Figure 51978DEST_PATH_IMAGE006
，确定各个香烟型号的预测销售速度
Figure 605278DEST_PATH_IMAGE007
；
根据各个香烟型号的所述预测库存数据
Figure 487783DEST_PATH_IMAGE008
和所述预测销售速度
Figure 964901DEST_PATH_IMAGE009
，确定 各个香烟型号的预测售完时间
Figure 907449DEST_PATH_IMAGE010
；其中，
Figure 971482DEST_PATH_IMAGE011
；
根据各个香烟型号的所述预测售完时间
Figure 392099DEST_PATH_IMAGE012
和所述商品标识信息，生成各个香烟 型号对应的显示画面。
2.根据权利要求1所述的烟草大数据预测系统，其特征在于，所述获取各个香烟型号的供货计划数据和商品标识信息，包括：
连接到香烟产品供货单位的供货系统；
接收所述供货系统发送的所述供货计划数据和所述商品标识信息。
3.根据权利要求1所述的烟草大数据预测系统，其特征在于，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
生成一个显示页面；所述显示页面包括多个显示区域；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的所述显示区域；其中，对应所述预测售完时间越长的香烟型号，分配到的所述显示区域越接近所述显示页面的中心；
将各个香烟型号对应的所述商品标识信息填充到相应的所述显示区域。
4.根据权利要求1所述的烟草大数据预测系统，其特征在于，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
生成一个显示页面；所述显示页面包括多个显示区域，各所述显示区域具有不完全相同的面积；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的所述显示区域；其中，对应所述预测售完时间越长的香烟型号，分配到的所述显示区域的面积越大；
将各个香烟型号对应的所述商品标识信息填充到相应的所述显示区域。
5.根据权利要求4所述的烟草大数据预测系统，其特征在于，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
生成多个显示页面；各所述显示页面由所述交互模块检测到的切换操作触发显示，各所述显示页面所需的切换操作的次数各不相同；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的所述显示页面；其中，对应所述预测售完时间越长的香烟型号，分配到的所述显示页面所需的切换操作的次数越少；
将各个香烟型号对应的所述商品标识信息填充到相应的所述显示页面。
6.根据权利要求1所述的烟草大数据预测系统，其特征在于，所述根据各个香烟型号的所述预测售完时间和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
获取各个香烟型号对应的单价信息；
根据各个香烟型号的所述预测售完时间，向各个香烟型号分配相应的虚拟数量；其中，对应所述预测售完时间越长的香烟型号，分配到的所述虚拟数量对应的虚拟总价越大，一个香烟型号对应的所述虚拟总价，由该香烟型号对应的所述单价信息与所述虚拟数量确定；
将各个香烟型号对应的所述商品标识信息和所述虚拟总价填充到显示页面。
7.一种烟草大数据预测方法，其特征在于，所述烟草大数据预测方法包括：
记录各个香烟型号的历史销售数据；
根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据；
对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据；
获取各个香烟型号的供货计划数据和商品标识信息；
根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面；
显示各个香烟型号对应的所述显示画面；
所述对所述历史销售数据进行分析，获得各个香烟型号的顾客偏好数据，包括：
获取各个香烟型号各自具有的多个属性标签类型，以及所述属性标签类型具有的属性标签值；
统计各所述属性标签值的重复次数；
对于任一个所述属性标签值，确定具有该所述属性标签值的各个香烟型号的所述历史销售数据之和，与该所述属性标签值的重复次数的乘积，作为该所述属性标签值的权重；
对于任一个香烟型号，以该所述香烟型号所具有的全部属性标签值的权重之和，作为所述香烟型号的所述顾客偏好数据；
所述根据所述历史销售数据进行预测，获得各个香烟型号的预测销售数据，包括：
获取所述历史销售数据形成的时间序列；
识别除所述时间序列所在的时间段中的特定事件日；所述特定事件日为周末、节假日、缴费日或者工资发放日；
以所述特定事件日为分界点，将所述时间序列分成多个时间子序列；
按照时间顺序从第一个所述时间子序列开始，依次对各所述时间子序列执行时间序列预测算法进行预测；其中，在获得一个所述时间子序列相应的预测结果后，在对在后一个所述时间子序列进行预测之前，根据所述预测结果替换掉在后一个所述时间子序列的相应部分；
以对最后一个所述时间子序列的预测结果作为所述预测销售数据；
所述根据各个香烟型号的所述预测销售数据、所述顾客偏好数据、所述供货计划数据和所述商品标识信息，生成各个香烟型号对应的显示画面，包括：
根据各个香烟型号的所述预测销售数据
Figure 864669DEST_PATH_IMAGE001
和所述供货计划数据
Figure 102752DEST_PATH_IMAGE013
，确 定各个香烟型号的预测库存数据
Figure 27983DEST_PATH_IMAGE014
；其中，
Figure 878389DEST_PATH_IMAGE004
或者
Figure 939886DEST_PATH_IMAGE015
；
根据各个香烟型号的所述顾客偏好数据
Figure 348871DEST_PATH_IMAGE006
，确定各个香烟型号的预测销售速度
Figure 761398DEST_PATH_IMAGE007
；
根据各个香烟型号的所述预测库存数据
Figure 789397DEST_PATH_IMAGE016
和所述预测销售速度
Figure 597078DEST_PATH_IMAGE017
，确定 各个香烟型号的预测售完时间
Figure 786751DEST_PATH_IMAGE018
；其中，
Figure 811207DEST_PATH_IMAGE019
；
根据各个香烟型号的所述预测售完时间
Figure 377318DEST_PATH_IMAGE020
和所述商品标识信息，生成各个香烟 型号对应的显示画面。
CN202210363697.3A 2022-04-08 2022-04-08 一种烟草大数据预测方法及系统 Active CN114445155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210363697.3A CN114445155B (zh) 2022-04-08 2022-04-08 一种烟草大数据预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210363697.3A CN114445155B (zh) 2022-04-08 2022-04-08 一种烟草大数据预测方法及系统

Publications (2)

Publication Number Publication Date
CN114445155A CN114445155A (zh) 2022-05-06
CN114445155B true CN114445155B (zh) 2022-07-22

Family

ID=81359490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210363697.3A Active CN114445155B (zh) 2022-04-08 2022-04-08 一种烟草大数据预测方法及系统

Country Status (1)

Country Link
CN (1) CN114445155B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116882571B (zh) * 2023-07-12 2023-12-12 南京邮电大学 一种基于安全纵向联邦回归模型的烟草销售违规信息预测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845686A (zh) * 2016-12-26 2017-06-13 南通同心烟智道文化传播有限公司 基于因素评分的烟草销量预测方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845683A (zh) * 2016-12-26 2017-06-13 南通同心烟智道文化传播有限公司 基于网络平台的大数据烟草销量预测方法
CN110580649B (zh) * 2018-06-08 2024-03-05 北京京东尚科信息技术有限公司 一种商品潜力值的确定方法和装置
CN109509030B (zh) * 2018-11-15 2021-06-22 北京旷视科技有限公司 销量预测方法及其模型的训练方法、装置和电子系统
CN109727069A (zh) * 2018-12-28 2019-05-07 合肥英泽信息科技有限公司 一种卷烟营销用大数据分析系统
CN111626674A (zh) * 2020-05-25 2020-09-04 浪潮软件股份有限公司 一种基于卷烟访销订单的配货方法
CN111932292A (zh) * 2020-07-10 2020-11-13 广西中烟工业有限责任公司 一种基于深度神经网络的卷烟产品销量预测方法及装置
CN112200612B (zh) * 2020-10-14 2024-01-09 红云红河烟草(集团)有限责任公司 一种基于卷烟市场数据的分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106845686A (zh) * 2016-12-26 2017-06-13 南通同心烟智道文化传播有限公司 基于因素评分的烟草销量预测方法

Also Published As

Publication number Publication date
CN114445155A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
JP7340456B2 (ja) モデル生成のための動的な特徴選択
Caro et al. Inventory management of a fast-fashion retail network
US8032406B2 (en) System and method of assortment, space, and price optimization in retail store
AU2002353396B2 (en) Sales optimization
Van Donselaar et al. Ordering behavior in retail stores and implications for automated replenishment
Gallien et al. Initial shipment decisions for new products at Zara
US20070050235A1 (en) System and Method of Modeling and Optimizing Product Parameters from Hierarchical Structure
US20210110429A1 (en) Method and system for generation of at least one output analytic for a promotion
Herbon Dynamic pricing vs. acquiring information on consumers’ heterogeneous sensitivity to product freshness
CN111295681A (zh) 使用加权混合机器学习模型进行需求预测
KR102447055B1 (ko) 제품 수요 예측 방법 및 장치
CN111133460A (zh) 需求预测参数的优化
Dadouchi et al. Lowering penalties related to stock-outs by shifting demand in product recommendation systems
Goedhart et al. Inventory rationing and replenishment for an omni-channel retailer
CN114445155B (zh) 一种烟草大数据预测方法及系统
Herbon et al. Simulation study of the price differentiation effect in a stochastic deteriorating inventory with heterogeneous consumers–freshness sensitivity
JP6683550B2 (ja) 情報分析装置および情報分析方法
Chen et al. Periodic pricing and replenishment policy for continuously decaying inventory with multivariate demand
Kumar et al. Dynamic pricing strategies for efficient inventory management with auto-correlative stochastic demand forecasting using exponential smoothing method
Ghahremani-Nahr et al. Bi-objective fuzzy food bank network design with considering freshness of food baskets
CN113592539A (zh) 基于人工智能的店铺订单趋势预测方法、装置及存储介质
JP2007526531A (ja) 学習曲線値を決定し、商品の対応する収益性およびコストをモデル化するためのシステム、方法およびコンピュータプログラム
CN116050991A (zh) 商品补货方法、系统、电子设备及计算机可读存储介质
Inaba Inventory management of short lifecycle slow moving items: a case study
CN114626660A (zh) 用于激增调整预报的方法和装置

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