CN116452243B - 一种基于大数据的企业订单预测方法、系统及介质 - Google Patents

一种基于大数据的企业订单预测方法、系统及介质 Download PDF

Info

Publication number
CN116452243B
CN116452243B CN202310527040.0A CN202310527040A CN116452243B CN 116452243 B CN116452243 B CN 116452243B CN 202310527040 A CN202310527040 A CN 202310527040A CN 116452243 B CN116452243 B CN 116452243B
Authority
CN
China
Prior art keywords
product
information
data
production
marketing
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
CN202310527040.0A
Other languages
English (en)
Other versions
CN116452243A (zh
Inventor
许容良
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.)
Changsha Mycos Information Technology Co ltd
Original Assignee
Changsha Mycos Information 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 Changsha Mycos Information Technology Co ltd filed Critical Changsha Mycos Information Technology Co ltd
Priority to CN202310527040.0A priority Critical patent/CN116452243B/zh
Publication of CN116452243A publication Critical patent/CN116452243A/zh
Application granted granted Critical
Publication of CN116452243B publication Critical patent/CN116452243B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

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

Abstract

本申请提供了一种基于大数据的企业订单预测方法、系统及介质。该方法包括：获取产品的生产资源、市场需求、市场资讯和产品共享信息并结合生成产品产能供需特征画像再提取产品产能供需特征数据进行预测分析获得产品排产预测数据，并对相关数据进行处理获得产品市场供求补偿指数和产销波动修正因子，后根据修正因子和补偿指数对产品排产预测数据进行修正获得产品订单预测修正数据，并生成产品订单预测报告进行排产指导；从而基于大数据对产品生产资源、市场供需以及产品资讯共享信息进行处理分析，并结合历史产销信息进行补偿修正获得产品订单数据进行排产，实现根据大数据技术对产品订单进行综合预测的智慧化技术。

Description

一种基于大数据的企业订单预测方法、系统及介质
技术领域
本申请涉及大数据和生产计划技术领域，具体而言，涉及一种基于大数据的企业订单预测方法、系统及介质。
背景技术
产品的订单排产是企业运营的重要核心，订单的有效预测决定了产品的生产能力以及企业的盈利水平，而产品订单预测的来自于多方要因的影响，即有来自企业产能方面，也有产品营销状况方面，以及产品在社会推广营销方面和对用户的销售情况方面，因此，产品订单排产的影响要素广而繁，如何对各种影响干扰要素进行信息的有效处理和识别，以获得对产品订单的精准预测和优化排产，是制约企业产品生产营销优劣的要因，而目前缺乏一种可根据产品生产资源、市场以及营销资讯进行智能处理分析的预测的可靠技术手段。
针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请的目的在于提供一种基于大数据的企业订单预测方法、系统及介质，可以基于大数据对产品生产资源、市场供需以及产品资讯共享信息进行处理分析，并结合历史产销信息进行补偿修正获得产品订单数据进行排产，实现根据大数据技术对产品订单进行综合预测的智慧化技术。
本申请还提供了一种基于大数据的企业订单预测方法，包括以下步骤：
获取企业的预设产品的生产资源监测信息以及市场动态需求信息；
采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数；
根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像；
根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数；
获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
根据所述产品订单预测修正数据生成对应产品订单预测报告，对企业进行排产指导。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述获取企业的预设产品的生产资源监测信息以及市场动态需求信息，包括：
通过预设产品产销数据信息库获取企业的预设产品的生产资源监测信息，包括生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息以及设备有效利用信息；
获取所述预设产品的市场动态需求信息，包括市场动态订单信息、市场库存周转信息以及产品应季活跃度信息。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，包括：
采集所述预设产品的市场资讯信息和产品共享信息，所述市场资讯信息包括产品资讯热度信息、政策导向扶持信息和市场购买力信息，所述产品共享信息包括产品调查情报信息、产品领域响应度信息和产品用户普及率信息；
将所述市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理，获得产品营销动态数据和产品营销热力系数；
所述产品营销动态数据包括产品销售热度数据、产品惠市导向数据、市场普及力数据。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，包括：
根据所述生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息、设备有效利用信息结合所述市场动态订单信息、市场库存周转信息和产品应季活跃度信息通过预设产品信息融合模型进行融合处理，获得产品产销特征认知图谱；
根据所述产品产销特征认知图谱提取产品产销特征信息，并结合所述产品资讯热度信息、政策导向扶持信息、市场购买力信息以及产品调查情报信息、产品领域响应度信息和产品用户普及率信息生成产品产能供需特征画像。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，包括：
根据所述产品产能供需特征画像提取产品产能供需特征数据，包括产品总线产能数据、产品库存流转时效数据、总供应链效率数据、市场供求响应数据以及市场不饱和率数据；
将所述产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
所述产品排产预测数据的计算公式为：
；
其中，为产品排产预测数据，/>、/>、/>分别为产品总线产能数据、产品库存流转时效数据、总供应链效率数据，/>、/>分别为市场供求响应数据、市场不饱和率数据，为产品响应热搜系数，/>、/>、/>、/>、/>为预设特征系数。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数，包括：
将所述产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求识别补偿处理，获得产品市场供求补偿指数；
所述产品市场供求补偿指数的计算公式为：
；
其中，为产品市场供求补偿指数，/>、/>、/>分别为产品销售热度数据、产品惠市导向数据、市场普及力数据，/>为产品响应热搜系数，/>、/>、/>为预设特征系数。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子，包括：
获取所述预设产品在历史同期的产销报表信息集，包括多个历史同期的产销报表的记录信息；
根据所述产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据；
根据所述各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
所述产销波动修正因子的计算公式为：
；
其中，为产销波动修正因子，/>、/>、/>分别为n个历史同期中的第i个历史时期的实际成交率数据、收益盈亏数据、同类份额占比数据，n为历史同期的时期个数，/>为产品营销热力系数，/>、/>、/>为预设特征系数。
可选地，在本申请所述的基于大数据的企业订单预测方法中，所述根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据，包括：
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
所述产品订单预测修正数据的修正计算公式为：
；
其中，为产品订单预测修正数据，/>为产销波动修正因子，/>为产品市场供求补偿指数，/>为产品排产预测数据，/>为产品营销热力系数，/>、/>为预设特征系数。
第二方面，本申请提供了一种基于大数据的企业订单预测系统，该系统包括：存储器及处理器，所述存储器中包括基于大数据的企业订单预测方法的程序，所述基于大数据的企业订单预测方法的程序被所述处理器执行时实现以下步骤：
获取企业的预设产品的生产资源监测信息以及市场动态需求信息；
采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数；
根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像；
根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数；
获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
根据所述产品订单预测修正数据生成对应产品订单预测报告，对企业进行排产指导。
第三方面，本申请还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中包括基于大数据的企业订单预测方法程序，所述基于大数据的企业订单预测方法程序被处理器执行时，实现如上述任一项所述的基于大数据的企业订单预测方法的步骤。
由上可知，本申请提供的一种基于大数据的企业订单预测方法、系统及介质，通过获取产品生产资源监测信息和市场动态需求信息，采集市场资讯信息和产品共享信息处理获得产品营销动态数据，将上述信息结合生成产品产能供需特征画像并提取产品产能供需特征数据进行预测分析获得产品排产预测数据，对产品营销动态数据进行识别处理获得产品市场供求补偿指数，再根据历史产销报表信息集提取产销统筹数据并处理获得产销波动修正因子，后根据产销波动修正因子和产品市场供求补偿指数对产品排产预测数据进行修正获得产品订单预测修正数据，根据产品订单预测修正数据生成对应产品订单预测报告对企业进行排产指导；从而基于大数据对产品生产资源、市场供需以及产品资讯共享信息进行处理分析，并结合历史产销信息进行补偿修正获得产品订单数据进行排产，实现根据大数据技术对产品订单进行综合预测的智慧化技术。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的基于大数据的企业订单预测方法的流程图；
图2为本申请实施例提供的基于大数据的企业订单预测方法的获取生产资源监测信息以及市场动态需求信息的流程图；
图3为本申请实施例提供的基于大数据的企业订单预测方法的获得产品营销动态数据和产品营销热力系数的流程图；
图4为本申请实施例提供的基于大数据的企业订单预测系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的基于大数据的企业订单预测方法的流程图。该基于大数据的企业订单预测方法用于终端设备中，例如电脑、手机终端等。该基于大数据的企业订单预测方法，包括以下步骤：
S101、获取企业的预设产品的生产资源监测信息以及市场动态需求信息；
S102、采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数；
S103、根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像；
S104、根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
S105、根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数；
S106、获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
S107、根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
S108、根据所述产品订单预测修正数据生成对应产品订单预测报告，对企业进行排产指导。
需要说明的是，为实现根据产品产销需求进行生产订单的精准预测，需采集预设产品的生产资源监测信息和市场动态需求信息，以及产品的市场资讯信息和产品共享信息，以获得产品产、销、用状况相关的充足信息，便于根据实际产能和市场供需关系进行订单预测，将生产资源监测信息和市场动态需求信息输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，再根据生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，该画像是描述产品的生产资源、市场需求、市场资讯等信息的描述画像，再根据产品产能供需特征画像提取产品产能供需特征数据，即反映产品产能和供需情况的数据，并将数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，即通过模型对产品进行排产预测的分析计算，再通过对产品营销动态数据进行模型处理获得产品市场供求补偿指数，以通过产品营销情况考察产品市场供求的补偿影响，后通过产品在历史同期的产销报表信息集提取的多个产销统筹数据进行处理获得产销波动修正因子，以获得根据产品历史同期产销波动情况对产品排产计划进行修正的作用，最后根据产销波动修正因子和产品市场供求补偿指数对产品排产预测数据进行修正获得产品订单预测修正数据，再根据产品订单预测修正数据生成对应产品订单预测报告对企业进行排产指导，从而实现根据大数据技术对产品订单进行综合预测的智慧化技术。
请参照图2，图2是本申请一些实施例中的基于大数据的企业订单预测方法的获取生产资源监测信息以及市场动态需求信息的流程图。根据本发明实施例，所述获取企业的预设产品的生产资源监测信息以及市场动态需求信息，具体为：
S201、通过预设产品产销数据信息库获取企业的预设产品的生产资源监测信息，包括生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息以及设备有效利用信息；
S202、获取所述预设产品的市场动态需求信息，包括市场动态订单信息、市场库存周转信息以及产品应季活跃度信息。
需要说明的是，首先通过预设产品产销数据信息库获取企业的预设产品的生产资源监测信息，包括产品的生产线产能、生产总产能配置容量、库存积压、原材料供应需求以及设备有效可用情况的信息，并获取产品在市场需求方面的信息，包括目前市场订单量情况、市场各库存总体周转情况以及产品在当季的销售活跃度情况的信息。
请参照图3，图3是本申请一些实施例中的基于大数据的企业订单预测方法的获得产品营销动态数据和产品营销热力系数的流程图。根据本发明实施例，所述采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，具体为：
S301、采集所述预设产品的市场资讯信息和产品共享信息，所述市场资讯信息包括产品资讯热度信息、政策导向扶持信息和市场购买力信息，所述产品共享信息包括产品调查情报信息、产品领域响应度信息和产品用户普及率信息；
S302、将所述市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理，获得产品营销动态数据和产品营销热力系数；
S303、所述产品营销动态数据包括产品销售热度数据、产品惠市导向数据、市场普及力数据。
需要说明的是，为精准预测产品的订单排产情况，需了解产品在市场的热度、响应度、普及情况，通过采集产品的市场资讯信息和产品共享信息，分别包括产品资讯热度、政策导向扶持、市场购买力情况以及产品调查情报、产品所在领域的响应度情况、产品用户普及率的情况信息，再将市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理获得产品营销动态数据和产品营销热力系数，该产品营销监测分析模型是通过大量各类产品的历史市场资讯信息和产品共享信息以及对应产品营销动态数据和产品营销热力系数进行训练获得的信息处理模型，通过大量历史样本信息数据的训练，使该模型处理各类产品的相关信息数据更加精准，获得的产品营销动态数据包括反映产品在市场的销售热度、市场和营商环境对产品倾向度和优惠度导向、产品在市场普及力度的数据。
根据本发明实施例，所述根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，具体为：
根据所述生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息、设备有效利用信息结合所述市场动态订单信息、市场库存周转信息和产品应季活跃度信息通过预设产品信息融合模型进行融合处理，获得产品产销特征认知图谱；
根据所述产品产销特征认知图谱提取产品产销特征信息，并结合所述产品资讯热度信息、政策导向扶持信息、市场购买力信息以及产品调查情报信息、产品领域响应度信息和产品用户普及率信息生成产品产能供需特征画像。
需要说明的是，为获得对产品在产能、供需、市场营销状况以及市场反应度等信息的精准描述，通过对生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息进行信息融合获得产品产能供需特征画像，该画像是反映产品的生产资源、市场需求、市场资讯、市场热度和销售力等信息的信息描述画像，通过该画像可获得对产品上述信息的数据化描述，在获得该画像之前，首先通过预设产品信息融合模型对生产资源监测信息和市场动态需求信息进行融合处理，获得产品产销特征认知图谱，该认知图谱反映了生产资源和市场动态的动态描绘，通过该认知图谱可提取出该产品的产销特征信息，再将产品产销特征信息与市场资讯信息和产品共享信息进行结合生成产品产能供需特征画像。
根据本发明实施例，所述根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，具体为：
根据所述产品产能供需特征画像提取产品产能供需特征数据，包括产品总线产能数据、产品库存流转时效数据、总供应链效率数据、市场供求响应数据以及市场不饱和率数据；
将所述产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
所述产品排产预测数据的计算公式为：
；
其中，为产品排产预测数据，/>、/>、/>分别为产品总线产能数据、产品库存流转时效数据、总供应链效率数据，/>、/>分别为市场供求响应数据、市场不饱和率数据，为产品响应热搜系数，/>、/>、/>、/>、/>为预设特征系数（产品响应热搜系数和特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，为预测出产品的排产订单情况，根据产品产能供需特征画像提取产品产能供需特征数据，其中包括反映产品总线产能、产品库存流转实时效率、总供应链效率、市场供求响应以及产品在市场的不饱和占有率的数据，将上述数据通过预设排产预测模型中进行计算，对产品进行排产供求预测分析，获得产品排产预测数据，该预测数据是根据对产品根据产能、供需以及市场响应和占比的综合处理分析而得出的排产预测。
根据本发明实施例，所述根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数，具体为：
将所述产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求识别补偿处理，获得产品市场供求补偿指数；
所述产品市场供求补偿指数的计算公式为：
；
其中，为产品市场供求补偿指数，/>、/>、/>分别为产品销售热度数据、产品惠市导向数据、市场普及力数据，/>为产品响应热搜系数，/>、/>、/>为预设特征系数（特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，为衡量产品在市场供求热度、导向以及普及情况下的产品供需波动，以获得对产品排产的修正补偿，根据产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求补偿处理，获得产品市场供求补偿指数。
根据本发明实施例，所述获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子，具体为：
获取所述预设产品在历史同期的产销报表信息集，包括多个历史同期的产销报表的记录信息；
根据所述产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据；
根据所述各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
所述产销波动修正因子的计算公式为：
；
其中，为产销波动修正因子，/>、/>、/>分别为n个历史同期中的第i个历史时期的实际成交率数据、收益盈亏数据、同类份额占比数据，n为历史同期的时期个数，/>为产品营销热力系数，/>、/>、/>为预设特征系数（特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，为更精准的获得产品排产订单，以实现生产与实际供需的最优化和最匹配，需对产品在历史同期的产销情况加以处理和考量，即通过对产品多个历史同期产销波动状况的处理识别，获得可对产品排产订单预测的修正作用，通过获取产品在历史同期的产销报表信息集，其中包括多个历史同期的产销报表的记录信息，如往年同时期的产销报表的记录信息，再根据产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率、收益盈亏以及在同类产品中份额占比的数据，再根据上述数据结合产品营销热力系数进行处理，获得产销波动修正因子。
根据本发明实施例，所述根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据，具体为：
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
所述产品订单预测修正数据的修正计算公式为：
；
其中，为产品订单预测修正数据，/>为产销波动修正因子，/>为产品市场供求补偿指数，/>为产品排产预测数据，/>为产品营销热力系数，/>、/>为预设特征系数（特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，最后根据产销波动修正因子和产品市场供求补偿指数对产品排产预测数据进行修正，获得产品订单预测修正数据，以实现对产品订单排产预测的数据进行精准加权修正，以获取精准预测数据的效果。
如图4所示，本发明还公开了一种基于大数据的企业订单预测系统4，包括存储器41和处理器42，所述存储器中包括基于大数据的企业订单预测方法程序，所述基于大数据的企业订单预测方法程序被所述处理器执行时实现如下步骤：
获取企业的预设产品的生产资源监测信息以及市场动态需求信息；
采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数；
根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像；
根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数；
获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
根据所述产品订单预测修正数据生成对应产品订单预测报告，对企业进行排产指导。
需要说明的是，为实现根据产品产销需求进行生产订单的精准预测，需采集预设产品的生产资源监测信息和市场动态需求信息，以及产品的市场资讯信息和产品共享信息，以获得产品产、销、用状况相关的充足信息，便于根据实际产能和市场供需关系进行订单预测，将生产资源监测信息和市场动态需求信息输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，再根据生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，该画像是描述产品的生产资源、市场需求、市场资讯等信息的描述画像，再根据产品产能供需特征画像提取产品产能供需特征数据，即反映产品产能和供需情况的数据，并将数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，即通过模型对产品进行排产预测的分析计算，再通过对产品营销动态数据进行模型处理获得产品市场供求补偿指数，以通过产品营销情况考察产品市场供求的补偿影响，后通过产品在历史同期的产销报表信息集提取的多个产销统筹数据进行处理获得产销波动修正因子，以获得根据产品历史同期产销波动情况对产品排产计划进行修正的作用，最后根据产销波动修正因子和产品市场供求补偿指数对产品排产预测数据进行修正获得产品订单预测修正数据，再根据产品订单预测修正数据生成对应产品订单预测报告对企业进行排产指导，从而实现根据大数据技术对产品订单进行综合预测的智慧化技术。
根据本发明实施例，所述获取企业的预设产品的生产资源监测信息以及市场动态需求信息，具体为：
通过预设产品产销数据信息库获取企业的预设产品的生产资源监测信息，包括生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息以及设备有效利用信息；
获取所述预设产品的市场动态需求信息，包括市场动态订单信息、市场库存周转信息以及产品应季活跃度信息。
需要说明的是，首先通过预设产品产销数据信息库获取企业的预设产品的生产资源监测信息，包括产品的生产线产能、生产总产能配置容量、库存积压、原材料供应需求以及设备有效可用情况的信息，并获取产品在市场需求方面的信息，包括目前市场订单量情况、市场各库存总体周转情况以及产品在当季的销售活跃度情况的信息。
根据本发明实施例，所述采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，具体为：
采集所述预设产品的市场资讯信息和产品共享信息，所述市场资讯信息包括产品资讯热度信息、政策导向扶持信息和市场购买力信息，所述产品共享信息包括产品调查情报信息、产品领域响应度信息和产品用户普及率信息；
将所述市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理，获得产品营销动态数据和产品营销热力系数；
所述产品营销动态数据包括产品销售热度数据、产品惠市导向数据、市场普及力数据。
需要说明的是，为精准预测产品的订单排产情况，需了解产品在市场的热度、响应度、普及情况，通过采集产品的市场资讯信息和产品共享信息，分别包括产品资讯热度、政策导向扶持、市场购买力情况以及产品调查情报、产品所在领域的响应度情况、产品用户普及率的情况信息，再将市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理获得产品营销动态数据和产品营销热力系数，该产品营销监测分析模型是通过大量各类产品的历史市场资讯信息和产品共享信息以及对应产品营销动态数据和产品营销热力系数进行训练获得的信息处理模型，通过大量历史样本信息数据的训练，使该模型处理各类产品的相关信息数据更加精准，获得的产品营销动态数据包括反映产品在市场的销售热度、市场和营商环境对产品倾向度和优惠度导向、产品在市场普及力度的数据。
根据本发明实施例，所述根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，具体为：
根据所述生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息、设备有效利用信息结合所述市场动态订单信息、市场库存周转信息和产品应季活跃度信息通过预设产品信息融合模型进行融合处理，获得产品产销特征认知图谱；
根据所述产品产销特征认知图谱提取产品产销特征信息，并结合所述产品资讯热度信息、政策导向扶持信息、市场购买力信息以及产品调查情报信息、产品领域响应度信息和产品用户普及率信息生成产品产能供需特征画像。
需要说明的是，为获得对产品在产能、供需、市场营销状况以及市场反应度等信息的精准描述，通过对生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息进行信息融合获得产品产能供需特征画像，该画像是反映产品的生产资源、市场需求、市场资讯、市场热度和销售力等信息的信息描述画像，通过该画像可获得对产品上述信息的数据化描述，在获得该画像之前，首先通过预设产品信息融合模型对生产资源监测信息和市场动态需求信息进行融合处理，获得产品产销特征认知图谱，该认知图谱反映了生产资源和市场动态的动态描绘，通过该认知图谱可提取出该产品的产销特征信息，再将产品产销特征信息与市场资讯信息和产品共享信息进行结合生成产品产能供需特征画像。
根据本发明实施例，所述根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，具体为：
根据所述产品产能供需特征画像提取产品产能供需特征数据，包括产品总线产能数据、产品库存流转时效数据、总供应链效率数据、市场供求响应数据以及市场不饱和率数据；
将所述产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
所述产品排产预测数据的计算公式为：
；
其中，为产品排产预测数据，/>、/>、/>分别为产品总线产能数据、产品库存流转时效数据、总供应链效率数据，/>、/>分别为市场供求响应数据、市场不饱和率数据，为产品响应热搜系数，/>、/>、/>、/>、/>为预设特征系数（产品响应热搜系数和特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，为预测出产品的排产订单情况，根据产品产能供需特征画像提取产品产能供需特征数据，其中包括反映产品总线产能、产品库存流转实时效率、总供应链效率、市场供求响应以及产品在市场的不饱和占有率的数据，将上述数据通过预设排产预测模型中进行计算，对产品进行排产供求预测分析，获得产品排产预测数据，该预测数据是根据对产品根据产能、供需以及市场响应和占比的综合处理分析而得出的排产预测。
根据本发明实施例，所述根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数，具体为：
将所述产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求识别补偿处理，获得产品市场供求补偿指数；
所述产品市场供求补偿指数的计算公式为：
；
其中，为产品市场供求补偿指数，/>、/>、/>分别为产品销售热度数据、产品惠市导向数据、市场普及力数据，/>为产品响应热搜系数，/>、/>、/>为预设特征系数（特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，为衡量产品在市场供求热度、导向以及普及情况下的产品供需波动，以获得对产品排产的修正补偿，根据产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求补偿处理，获得产品市场供求补偿指数。
根据本发明实施例，所述获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子，具体为：
获取所述预设产品在历史同期的产销报表信息集，包括多个历史同期的产销报表的记录信息；
根据所述产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据；
根据所述各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
所述产销波动修正因子的计算公式为：
；
其中，为产销波动修正因子，/>、/>、/>分别为n个历史同期中的第i个历史时期的实际成交率数据、收益盈亏数据、同类份额占比数据，n为历史同期的时期个数，/>为产品营销热力系数，/>、/>、/>为预设特征系数（特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，为更精准的获得产品排产订单，以实现生产与实际供需的最优化和最匹配，需对产品在历史同期的产销情况加以处理和考量，即通过对产品多个历史同期产销波动状况的处理识别，获得可对产品排产订单预测的修正作用，通过获取产品在历史同期的产销报表信息集，其中包括多个历史同期的产销报表的记录信息，如往年同时期的产销报表的记录信息，再根据产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率、收益盈亏以及在同类产品中份额占比的数据，再根据上述数据结合产品营销热力系数进行处理，获得产销波动修正因子。
根据本发明实施例，所述根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据，具体为：
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
所述产品订单预测修正数据的修正计算公式为：
；
其中，为产品订单预测修正数据，/>为产销波动修正因子，/>为产品市场供求补偿指数，/>为产品排产预测数据，/>为产品营销热力系数，/>、/>为预设特征系数（特征系数通过预设产品产销数据信息库的第三方平台查询获得）。
需要说明的是，最后根据产销波动修正因子和产品市场供求补偿指数对产品排产预测数据进行修正，获得产品订单预测修正数据，以实现对产品订单排产预测的数据进行精准加权修正，以获取精准预测数据的效果。
本发明第三方面提供了一种可读存储介质，所述可读存储介质中包括基于大数据的企业订单预测方法程序，所述基于大数据的企业订单预测方法程序被处理器执行时，实现如上述任一项所述的基于大数据的企业订单预测方法的步骤。
本发明公开的一种基于大数据的企业订单预测方法、系统及介质，通过获取产品生产资源监测信息和市场动态需求信息，采集市场资讯信息和产品共享信息处理获得产品营销动态数据，将上述信息结合生成产品产能供需特征画像并提取产品产能供需特征数据进行预测分析获得产品排产预测数据，对产品营销动态数据进行识别处理获得产品市场供求补偿指数，再根据历史产销报表信息集提取产销统筹数据并处理获得产销波动修正因子，后根据产销波动修正因子和产品市场供求补偿指数对产品排产预测数据进行修正获得产品订单预测修正数据，根据产品订单预测修正数据生成对应产品订单预测报告对企业进行排产指导；从而基于大数据对产品生产资源、市场供需以及产品资讯共享信息进行处理分析，并结合历史产销信息进行补偿修正获得产品订单数据进行排产，实现根据大数据技术对产品订单进行综合预测的智慧化技术。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的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，该软件产品存储在一个存储介质中，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）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (5)

1.一种基于大数据的企业订单预测方法，其特征在于，包括以下步骤：
获取企业的预设产品的生产资源监测信息以及市场动态需求信息；
采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数；
根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像；
根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数；
获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
根据所述产品订单预测修正数据生成对应产品订单预测报告，对企业进行排产指导；
所述采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，包括：
采集所述预设产品的市场资讯信息和产品共享信息，所述市场资讯信息包括产品资讯热度信息、政策导向扶持信息和市场购买力信息，所述产品共享信息包括产品调查情报信息、产品领域响应度信息和产品用户普及率信息；
将所述市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理，获得产品营销动态数据和产品营销热力系数；
所述产品营销动态数据包括产品销售热度数据、产品惠市导向数据、市场普及力数据；
所述根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，包括：
根据生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息、设备有效利用信息结合市场动态订单信息、市场库存周转信息和产品应季活跃度信息通过预设产品信息融合模型进行融合处理，获得产品产销特征认知图谱；
根据所述产品产销特征认知图谱提取产品产销特征信息，并结合所述产品资讯热度信息、政策导向扶持信息、市场购买力信息以及产品调查情报信息、产品领域响应度信息和产品用户普及率信息生成产品产能供需特征画像；
所述根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，包括：
根据所述产品产能供需特征画像提取产品产能供需特征数据，包括产品总线产能数据、产品库存流转时效数据、总供应链效率数据、市场供求响应数据以及市场不饱和率数据；
将所述产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
所述产品排产预测数据的计算公式为：
；
其中，为产品排产预测数据，/>、/>、/>分别为产品总线产能数据、产品库存流转时效数据、总供应链效率数据，/>、/>分别为市场供求响应数据、市场不饱和率数据，/>为产品响应热搜系数，/>、/>、/>、/>、/>为预设特征系数；
所述根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数，包括：
将所述产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求识别补偿处理，获得产品市场供求补偿指数；
所述产品市场供求补偿指数的计算公式为：
；
其中，为产品市场供求补偿指数，/>、/>、/>分别为产品销售热度数据、产品惠市导向数据、市场普及力数据，/>为产品响应热搜系数，/>、/>、/>为预设特征系数；
所述获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子，包括：
获取所述预设产品在历史同期的产销报表信息集，包括多个历史同期的产销报表的记录信息；
根据所述产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据；
根据所述各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
所述产销波动修正因子的计算公式为：
；
其中，为产销波动修正因子，/>、/>、/>分别为n个历史同期中的第i个历史时期的实际成交率数据、收益盈亏数据、同类份额占比数据，n为历史同期的时期个数，/>为产品营销热力系数，/>、/>、/>为预设特征系数。
2.根据权利要求1所述的基于大数据的企业订单预测方法，其特征在于，所述获取企业的预设产品的生产资源监测信息以及市场动态需求信息，包括：
通过预设产品产销数据信息库获取企业的预设产品的生产资源监测信息，包括生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息以及设备有效利用信息；
获取所述预设产品的市场动态需求信息，包括市场动态订单信息、市场库存周转信息以及产品应季活跃度信息。
3.根据权利要求1所述的基于大数据的企业订单预测方法，其特征在于，所述根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据，包括：
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
所述产品订单预测修正数据的修正计算公式为：
；
其中，为产品订单预测修正数据，/>为产销波动修正因子，/>为产品市场供求补偿指数，/>为产品排产预测数据，/>为产品营销热力系数，/>、/>为预设特征系数。
4.一种基于大数据的企业订单预测系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括基于大数据的企业订单预测方法的程序，所述基于大数据的企业订单预测方法的程序被所述处理器执行时实现以下步骤：
获取企业的预设产品的生产资源监测信息以及市场动态需求信息；
采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数；
根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像；
根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数；
获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
根据所述产销波动修正因子和所述产品市场供求补偿指数对所述产品排产预测数据进行修正，获得产品订单预测修正数据；
根据所述产品订单预测修正数据生成对应产品订单预测报告，对企业进行排产指导；
所述采集所述预设产品的市场资讯信息和产品共享信息，并输入预设产品营销监测分析模型中处理获得产品营销动态数据和产品营销热力系数，包括：
采集所述预设产品的市场资讯信息和产品共享信息，所述市场资讯信息包括产品资讯热度信息、政策导向扶持信息和市场购买力信息，所述产品共享信息包括产品调查情报信息、产品领域响应度信息和产品用户普及率信息；
将所述市场资讯信息和产品共享信息输入预设产品营销监测分析模型中进行处理，获得产品营销动态数据和产品营销热力系数；
所述产品营销动态数据包括产品销售热度数据、产品惠市导向数据、市场普及力数据；
所述根据所述生产资源监测信息、市场动态需求信息以及市场资讯信息和产品共享信息生成产品产能供需特征画像，包括：
根据生产线产能信息、生产总装容量信息、库存积压信息、原材料供需信息、设备有效利用信息结合市场动态订单信息、市场库存周转信息和产品应季活跃度信息通过预设产品信息融合模型进行融合处理，获得产品产销特征认知图谱；
根据所述产品产销特征认知图谱提取产品产销特征信息，并结合所述产品资讯热度信息、政策导向扶持信息、市场购买力信息以及产品调查情报信息、产品领域响应度信息和产品用户普及率信息生成产品产能供需特征画像；
所述根据所述产品产能供需特征画像提取产品产能供需特征数据，并将产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据，包括：
根据所述产品产能供需特征画像提取产品产能供需特征数据，包括产品总线产能数据、产品库存流转时效数据、总供应链效率数据、市场供求响应数据以及市场不饱和率数据；
将所述产品产能供需特征数据输入预设排产预测模型中进行排产供求预测分析，获得产品排产预测数据；
所述产品排产预测数据的计算公式为：
；
其中，为产品排产预测数据，/>、/>、/>分别为产品总线产能数据、产品库存流转时效数据、总供应链效率数据，/>、/>分别为市场供求响应数据、市场不饱和率数据，/>为产品响应热搜系数，/>、/>、/>、/>、/>为预设特征系数；
所述根据预设市场供求模型对所述产品营销动态数据进行供求识别补偿处理，获得产品市场供求补偿指数，包括：
将所述产品销售热度数据、产品惠市导向数据、市场普及力数据通过预设市场供求模型进行供求识别补偿处理，获得产品市场供求补偿指数；
所述产品市场供求补偿指数的计算公式为：
；
其中，为产品市场供求补偿指数，/>、/>、/>分别为产品销售热度数据、产品惠市导向数据、市场普及力数据，/>为产品响应热搜系数，/>、/>、/>为预设特征系数；
所述获取所述预设产品在历史同期的产销报表信息集，并根据产销报表信息集提取多个产销统筹数据，根据多个产销统筹数据结合所述产品营销热力系数进行处理，获得产销波动修正因子，包括：
获取所述预设产品在历史同期的产销报表信息集，包括多个历史同期的产销报表的记录信息；
根据所述产销报表信息集提取多个产销统筹数据，包括各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据；
根据所述各历史同期的实际成交率数据、收益盈亏数据以及同类份额占比数据结合所述产品营销热力系数进行处理，获得产销波动修正因子；
所述产销波动修正因子的计算公式为：
；
其中，为产销波动修正因子，/>、/>、/>分别为n个历史同期中的第i个历史时期的实际成交率数据、收益盈亏数据、同类份额占比数据，n为历史同期的时期个数，/>为产品营销热力系数，/>、/>、/>为预设特征系数。
5.一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中包括基于大数据的企业订单预测方法程序，所述基于大数据的企业订单预测方法程序被处理器执行时，实现如权利要求1至3中任一项所述的基于大数据的企业订单预测方法的步骤。
CN202310527040.0A 2023-05-11 2023-05-11 一种基于大数据的企业订单预测方法、系统及介质 Active CN116452243B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310527040.0A CN116452243B (zh) 2023-05-11 2023-05-11 一种基于大数据的企业订单预测方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310527040.0A CN116452243B (zh) 2023-05-11 2023-05-11 一种基于大数据的企业订单预测方法、系统及介质

Publications (2)

Publication Number Publication Date
CN116452243A CN116452243A (zh) 2023-07-18
CN116452243B true CN116452243B (zh) 2023-08-29

Family

ID=87122074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310527040.0A Active CN116452243B (zh) 2023-05-11 2023-05-11 一种基于大数据的企业订单预测方法、系统及介质

Country Status (1)

Country Link
CN (1) CN116452243B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117934124A (zh) * 2024-03-25 2024-04-26 邯郸鉴晨网络科技有限公司 一种基于大数据的电商订单信息智能处理系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001089285A2 (en) * 2000-05-19 2001-11-29 Cargill, Incorporated Methods and apparatus for developing an optimized livestock production plan, for automatically executing commercial transactions in support thereof and for analyzing economic factors pertaining thereto
JP2005316932A (ja) * 2004-03-31 2005-11-10 Hitachi Ltd 需要変動入力型生産計画生成方法および需要変動リスク最小生産計画生成方法
CN102521690A (zh) * 2011-12-05 2012-06-27 济南钢铁股份有限公司 一种企业产品订单的优化方法
CN103310286A (zh) * 2013-06-25 2013-09-18 浙江大学 一种具有时间序列特性的产品订单预测方法及装置
CN109426920A (zh) * 2018-01-19 2019-03-05 武汉十傅科技有限公司 一种考虑预测订单和实际订单的企业生产计划优化方法
EP3637333A1 (en) * 2018-10-10 2020-04-15 Bayer AG Product demand forecasting apparatus
KR102211437B1 (ko) * 2019-10-22 2021-02-03 윤종열 Mrp를 기반으로 수주예측정보를 산출하여 재고를 관리하는 통합 재고관리 운영방법
CN113505908A (zh) * 2021-05-01 2021-10-15 合肥食里挑一网络科技有限公司 一种动态库存优化方法
CN113807900A (zh) * 2021-10-14 2021-12-17 华东理工大学 一种基于贝叶斯优化的rf订单需求预测方法
CN114219169A (zh) * 2021-12-23 2022-03-22 上海颖幡技术有限公司 颖幡供应链销售和库存预测算法模型和应用系统
CN114331567A (zh) * 2022-03-03 2022-04-12 未来地图(深圳)智能科技有限公司 一种订单热度预测方法、预测系统和存储介质
CN114663034A (zh) * 2022-05-24 2022-06-24 深圳劲嘉集团股份有限公司 印刷包装产品销售订单的处理平台及方法
CN115936262A (zh) * 2023-02-20 2023-04-07 深圳普菲特信息科技股份有限公司 基于大数据的环境干扰的产量预测方法、系统和介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002037376A1 (en) * 2000-10-27 2002-05-10 Manugistics, Inc. Supply chain demand forecasting and planning
US7660730B2 (en) * 2004-03-31 2010-02-09 Hitachi, Ltd. Method of creating production plan of demand variation input type and method of creating production plan minimizing risk of demand variations
US20160063411A1 (en) * 2014-08-29 2016-03-03 Zilliant Incorporated System and method for identifying optimal allocations of production resources to maximize overall expected profit
WO2020186380A1 (en) * 2019-03-15 2020-09-24 State Street Corporation Techniques to forecast future orders using deep learning
US20200311749A1 (en) * 2019-03-27 2020-10-01 Dell Products L.P. System for Generating and Using a Stacked Prediction Model to Forecast Market Behavior

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001089285A2 (en) * 2000-05-19 2001-11-29 Cargill, Incorporated Methods and apparatus for developing an optimized livestock production plan, for automatically executing commercial transactions in support thereof and for analyzing economic factors pertaining thereto
JP2005316932A (ja) * 2004-03-31 2005-11-10 Hitachi Ltd 需要変動入力型生産計画生成方法および需要変動リスク最小生産計画生成方法
CN102521690A (zh) * 2011-12-05 2012-06-27 济南钢铁股份有限公司 一种企业产品订单的优化方法
CN103310286A (zh) * 2013-06-25 2013-09-18 浙江大学 一种具有时间序列特性的产品订单预测方法及装置
CN109426920A (zh) * 2018-01-19 2019-03-05 武汉十傅科技有限公司 一种考虑预测订单和实际订单的企业生产计划优化方法
EP3637333A1 (en) * 2018-10-10 2020-04-15 Bayer AG Product demand forecasting apparatus
KR102211437B1 (ko) * 2019-10-22 2021-02-03 윤종열 Mrp를 기반으로 수주예측정보를 산출하여 재고를 관리하는 통합 재고관리 운영방법
CN113505908A (zh) * 2021-05-01 2021-10-15 合肥食里挑一网络科技有限公司 一种动态库存优化方法
CN113807900A (zh) * 2021-10-14 2021-12-17 华东理工大学 一种基于贝叶斯优化的rf订单需求预测方法
CN114219169A (zh) * 2021-12-23 2022-03-22 上海颖幡技术有限公司 颖幡供应链销售和库存预测算法模型和应用系统
CN114331567A (zh) * 2022-03-03 2022-04-12 未来地图(深圳)智能科技有限公司 一种订单热度预测方法、预测系统和存储介质
CN114663034A (zh) * 2022-05-24 2022-06-24 深圳劲嘉集团股份有限公司 印刷包装产品销售订单的处理平台及方法
CN115936262A (zh) * 2023-02-20 2023-04-07 深圳普菲特信息科技股份有限公司 基于大数据的环境干扰的产量预测方法、系统和介质

Also Published As

Publication number Publication date
CN116452243A (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
US20220005125A1 (en) Systems and methods for collecting and processing alternative data sources for risk analysis and insurance
CN110070391B (zh) 数据处理方法、装置、计算机可读介质及电子设备
CN112256762B (zh) 基于产业地图的企业画像方法、系统、设备及介质
US10671926B2 (en) Method and system for generating predictive models for scoring and prioritizing opportunities
CN116452243B (zh) 一种基于大数据的企业订单预测方法、系统及介质
CN116523262B (zh) 基于大数据的生产计划智能规划方法、系统和介质
CN112215448A (zh) 分配客服的方法和装置
CN113627566A (zh) 一种网络诈骗的预警方法、装置和计算机设备
CN111080417A (zh) 用于提高预订顺畅率的处理方法、模型训练方法及系统
CN116739217A (zh) 一种基于供应链大数据平台的零售管理方法及系统
CN108304990B (zh) 一种停电敏感预判方法和系统
JP6906810B2 (ja) 営業支援装置、プログラム、及び営業支援方法
CN117649131B (zh) 一种基于ai的能源系统资源适配方法、系统和介质
JP6978582B2 (ja) 予測業務支援装置および予測業務支援方法
WO2019144035A1 (en) Systems and methods for collecting and processing alternative data sources for risk analysis and insurance
CN117196630A (zh) 交易风险预测方法、装置、终端设备以及存储介质
CN115860548B (zh) 基于大数据的SaaS一站式平台管理方法、系统及介质
CN111260155A (zh) 粮食加工的工序优化方法、装置、电子设备及存储介质
KR102340179B1 (ko) 머신러닝 기반 수요예측을 이용한 피킹 로케이션 보충 서비스 제공 방법
CN112200602B (zh) 用于广告推荐的神经网络模型训练方法及装置
CN111709623A (zh) 高性能计算环境评价方法、装置、电子设备及存储介质
CN111105274A (zh) 数据处理方法、装置、介质及电子设备
KR102666173B1 (ko) 금융 소비자 맞춤형 공시 분석 정보 제공 장치 및 방법
CN116542779A (zh) 基于人工智能的产品推荐方法、装置、设备及存储介质
CN117875643A (zh) 客户资源分配方法、装置、计算机设备及存储介质

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