CN117333110B - 一种基于人工智能的数据分析系统及方法 - Google Patents
一种基于人工智能的数据分析系统及方法 Download PDFInfo
- Publication number
- CN117333110B CN117333110B CN202311580331.2A CN202311580331A CN117333110B CN 117333110 B CN117333110 B CN 117333110B CN 202311580331 A CN202311580331 A CN 202311580331A CN 117333110 B CN117333110 B CN 117333110B
- Authority
- CN
- China
- Prior art keywords
- inventory
- product
- sales data
- preset
- product inventory
- 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
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 75
- 238000007405 data analysis Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 20
- 238000001514 detection method Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据分析领域,尤其涉及一种基于人工智能的数据分析系统及方法,包括步骤S1采集预设时长内单项产品的销售数据;步骤S2,基于所述销售数据求得产品销售量评价值K,并采集所述产品的产品库存剩余量K'以求得产品库存量评价值η;步骤S3,人工智能模块基于求得的所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定;步骤S4,人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准;步骤S5,保存并输出所述人工智能模块分析的结果,本发明基于产品的销售数据优化了产品库存,避免了产品库存的积压或缺货的发生。
Description
技术领域
本发明涉及数据分析领域,尤其涉及一种基于人工智能的数据分析系统及方法。
背景技术
中国专利公开号:CN114648364B,公开了一种电子商务网站销售数据分析方法及系统,通过互动主题相关程度,优化电商互动数据描述,从而通过优化后的电商互动数据描述,得到目标电商互动数据的电商互动主题分析情况。因此,通过互动主题相关程度,优化电商互动数据描述,能够使一致电商互动数据互动主题的电商互动数据绑定的电商互动数据描述接近相似,并使存在差异的电商互动数据互动主题的电商互动数据绑定的电商互动数据描述进行删除,从而能够提高提升电商互动数据描述的稳定性,并有利于收集到电商互动数据描述的电商互动主题分析情况,进而能够提高提升电商互动数据互动主题分析的可读性和可信度。可以看出,所述不能根据销售数据优化产品库存,导致出现了产品库存的积压或缺货的发生。
发明内容
为此,本发明提供一种基于人工智能的数据分析系统及方法,用以克服现有技术中不能根据销售数据优化产品库存,从而出现产品库存的积压或缺货的发生的问题。
一方面,本发明提供一种基于人工智能的数据分析方法,包括:
步骤S1,采集预设时长内单项产品的销售数据,所述销售数据包括第一销售数据,第二销售数据以及第三销售数据,
所述第一销售数据为已承诺且已出产品库存的所述产品的销售数量,
所述第二销售数据为已承诺且未出产品库存的所述产品的销售数量,
所述第三销售数据为未承诺且被标记的所述产品的数量;
步骤S2,基于所述销售数据求得产品销售量评价值K,并采集所述产品的产品库存剩余量K'以求得产品库存量评价值η,设定;
步骤S3,人工智能模块基于求得的所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值;
步骤S4,所述人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准,并在判定不符合预设标准时基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定;
步骤S5,保存并输出所述人工智能模块分析的结果。
进一步地,在所述步骤S2中,所述产品销售量评价值为,其中,/>为第一评价系数,设定/>,/>为第二评价系数,设定/>,N1为所述第一销售数据的所述产品的销售数量,N2为所述第二销售数据的所述产品的销售数量,N3为所述第三销售数据的所述产品的数量。
进一步地,在所述步骤S3中,所述人工智能模块基于所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值。
进一步地,所述人工智能模块基于所述第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,并在二次判定不符合预设标准时,基于所述第三销售数据占比率与预设第三销售数据占比率之间的差值将所述产品库存的库存量增加至对应值,设定/>。
进一步地,所述人工智能模块设置有针对所述产品库存的库存量增加的若干调节方式,且各调节方式对库存量的调节幅度均不相同。
进一步地,所述人工智能模块设置有基于库存退货率T对所述产品库存的库存量减小的若干修正方式,且各修正方式对库存量的修正幅度均不相同。
进一步地,所述库存退货率,其中,n1为所述第一销售数据中的因退货返回产品库存的产品数量,n2为所述第二销售数据中因退款不能出产品库存的产品数量,n3为所述第三销售数据中因取消标记的产品数量,/>为第三评价系数,设定/>。
进一步地,在所述步骤S4中,所述人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准,并在判定不符合预设标准时根据所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定,设定。
进一步地,所述人工智能模块基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定,并在二次判定不符合预设标准时根据所述库存量的补货时长与预设补货时长之间的差值将所述库存量增加的速率增加至对应值。
另一方面,本发明还提供一种基于人工智能的数据分析系统,包括:
数据采集模块,其用以采集所述销售数据和所述产品库存剩余量;
数据分析模块,其与所述数据采集模块相连,用以分析采集的数据并求得产品销售量评价值、产品库存量评价值、第三销售数据占比率、库存退货率以及第二销售数据占比率;
人工智能模块,其与所述数据分析模块相连,用以根据求得的所述产品库存量评价值对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值;
存储模块,其与所述人工智能模块相连,用以存储人工智能模块判定的结果;
输出模块,其与所述存储模块相连,用以输出人工智能模块判定的结果。
与现有技术相比,本发明的有益效果在于:本发明通过步骤S1采集预设时长内单项产品的销售数据;步骤S2,基于所述销售数据求得产品销售量评价值K,并采集所述产品的产品库存剩余量K'以求得产品库存量评价值η;步骤S3,人工智能模块基于求得的所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定;步骤S4,人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准;步骤S5,保存并输出所述人工智能模块分析的结果,本发明基于产品的销售数据优化了产品库存,避免了产品库存的积压或缺货的发生。
进一步地,本发明通过设置产品销售量评价值,并采集所述产品的产品库存剩余量,拟合产品库存量评价值,解决了对采集的销售数据进行量化处理的问题。
进一步地,本发明基于求得的所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值,从而对优化产品的库存。
进一步地,本发明通过第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,实现了销售数据的精准分析。
进一步地,在产品库存量不符合预设标准时,基于库存差值实现了库存量的精准调节。
进一步地,本发明通过基于库存退货率修正了产品的库存量,保证了库存量的精准调节。
进一步地,当需要增加库存量时,本发明第二销售数据占比率判定库存量增加的速率是否符合预设标准,从而保证了库存量的精准补充。
进一步地,本发明还基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定,进一步实现了库存量的精准调控。
进一步地,本发明提供的数据分析系统包括用以采集所述销售数据和所述产品库存剩余量的数据采集模块,用以分析采集的数据的数据分析模块,用以根据求得的所述产品库存量评价值对所述产品库存的库存量是否符合预设标准进行判定的人工智能模块,用以存储人工智能模块判定的结果的存储模块以及用以输出人工智能模块判定的结果的输出模块,优化了产品的库存。
附图说明
图1为本发明实施例基于人工智能的数据分析方法的流程图;
图2为本发明实施例产品库存的库存量是否符合预设标准的判定的流程图;
图3为本发明实施例产品库存的库存量是否符合预设标准的二次判定的流程图;
图4为本发明实施例产品库存的库存量的调节方式的流程图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
需要指出的是在本实施例中的数据均为通过本发明所述人工智能模块在进行本次分析前三个月的历史检测数据以及对应的历史检测结果中综合分析评定得出。本发明所述人工智能模块在本次检测前根据前三个月中累计进行的20142次销售数据分析综合确定针对本次检测的各项预设参数标准的数值。本领域的技术人员可以理解的是,本发明所述系统针对单项上述参数的确定方式可以为根据数据分布选取占比最高的数值作为预设标准参数、使用加权求和以将求得的数值作为预设标准参数、将各历史数据代入至特定公式并将利用该公式求得的数值作为预设标准参数或其他选取方式,只要满足本发明所述系统能够通过获取的数值明确界定单项判定过程中的不同特定情况即可。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
请参阅图1、图2、图3以及图4所示,其分别本发明实施例基于人工智能的数据分析方法的流程图;本发明实施例产品库存的库存量是否符合预设标准的判定的流程图;本发明实施例产品库存的库存量是否符合预设标准的二次判定的流程图;本发明实施例产品库存的库存量的调节方式的流程图。
本发明实施例一种基于人工智能的数据分析方法,包括:
步骤S1,采集预设时长内单项产品的销售数据,所述销售数据包括第一销售数据,第二销售数据以及第三销售数据,设定预设时长为48h;
所述第一销售数据为已承诺且已出产品库存的所述产品的销售数量,
所述第二销售数据为已承诺且未出产品库存的所述产品的销售数量,
所述第三销售数据为未承诺且被标记的所述产品的数量,
所述承诺例如签订合同,所述标记是指产品进行标定、标定的形式例如添加电子标签、添加到客户的电子库中。
步骤S2,基于所述销售数据求得产品销售量评价值K,并采集所述产品的产品库存剩余量K'以求得产品库存量评价值η,设定,产品销售量评价值为,其中,/>为第一评价系数,设定/>,/>为第二评价系数,设定/>,N1为所述第一销售数据的所述产品的销售数量,N2为所述第二销售数据的所述产品的销售数量,N3为所述第三销售数据的所述产品的数量。
步骤S3,人工智能模块基于求得的所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值;
步骤S4,所述人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准,并在判定不符合预设标准时基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定;
步骤S5,保存并输出所述人工智能模块分析的结果。
具体而言,在所述步骤S3中,所述人工智能模块基于所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定,其中,
第一判定为所述人工智能模块判定所述产品库存的库存量符合预设标准,并按照当前的产品库存销售该产品;所述第一判定满足所述产品库存量评价值小于第一预设产品库存量评价值21.25;
第二判定为所述人工智能模块判定所述产品库存的库存量不符合预设标准,并基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定;所述第二判定满足所述产品库存量评价值大于等于所述第一预设产品库存量评价值且小于第二预设产品库存量评价值55.23;
第三判定为所述人工智能模块判定所述产品库存的库存量不符合预设标准,并基于所述产品库存量评价值与所述第二预设产品库存量评价值之间的差值将所述产品库存的库存量增加至对应值;所述第三判定满足所述产品库存量评价值大于等于所述第二预设产品库存量评价值。
具体而言,所述人工智能模块在第二判定下基于所述第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,设定/>,其中,
第一二次判定为所述人工智能模块判定所述产品库存的库存量符合预设标准,并按照当前的产品库存销售该产品;所述第一二次判定满足所述第三销售数据占比率小于预设第三销售数据占比率35.82%;
第二二次判定为所述人工智能模块判定所述产品库存的库存量不符合预设标准,并基于所述第三销售数据占比率与预设第三销售数据占比率之间的差值将所述产品库存的库存量增加至对应值;所述第二二次判定满足所述第三销售数据占比率大于等于预设第三销售数据占比率。
具体而言,所述人工智能模块在所述第三判定下计算所述产品库存量评价值与所述第二预设产品库存量评价值之间的差值,并将该差值记为库存差值,人工智能模块根据库存差值确定针对所述产品库存的库存量的调节方式,其中,
第一调节方式为所述人工智能模块使用第一预设调节系数1.04将所述产品库存的库存量增加至对应值;所述第一调节方式满足所述库存差值小于第一预设库存差值4.32;
第二调节方式为所述人工智能模块使用第二预设调节系数1.09将所述产品库存的库存量增加至对应值;所述第二调节方式满足所述库存差值大于等于所述第一预设库存差值且小于第二预设库存差值12.27;
第三调节方式为所述人工智能模块使用第三预设调节系数1.22将所述产品库存的库存量增加至对应值;所述第三调节方式满足所述库存差值大于等于所述第二预设库存差值。
具体而言,所述人工智能模块在第一预设条件下基于库存退货率T确定针对所述产品库存的库存量的修正方式,其中,
第一修正方式为所述人工智能模块使用第一预设修正系数0.99将所述产品库存的库存量降低至对应值;所述第一修正方式满足所述库存退货率小于第一预设库存退货率3.22%;
第二修正方式为所述人工智能模块使用第二预设修正系数0.98将所述产品库存的库存量降低至对应值;所述第二修正方式满足所述库存退货率大于等于所述第一预设库存退货率且小于第二预设库存退货率8.63%;
第三修正方式为所述人工智能模块使用第三预设修正系数0.97将所述产品库存的库存量降低至对应值;所述第三修正方式满足所述库存退货率大于等于所述第二预设库存退货率;
所述第一预设条件满足所述人工智能模块完成所述库存量的调节且所述库存退货率大于零。
具体而言,所述库存退货率,其中,n1为所述第一销售数据中的因退货返回产品库存的产品数量,n2为所述第二销售数据中因退款不能出产品库存的产品数量,n3为所述第三销售数据中因取消标记的产品数量,/>为第三评价系数,设定。
具体而言,在所述步骤S4中,所述人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准,设定/>,其中,
第一速率判定为所述人工智能模块判定所述库存量增加的速率符合预设标准,并按照当前的速率增加所述库存量;所述第一速率判定满足所述第二销售数据占比率小于预设第二销售数据占比率0.33;
第二速率判定为所述人工智能模块判定所述库存量增加的速率不符合预设标准,并根据所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定;所述第二速率判定满足所述第二销售数据占比率大于等于预设第二销售数据占比率。
具体而言,所述人工智能模块基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定,其中,
第一二次速率判定为所述人工智能模块判定所述库存量增加的速率符合预设标准,并按照当前的速率增加所述库存量;所述第一二次速率判定满足所述库存量的补货时长小于预设补货时长25h;
第二二次速率判定为所述人工智能模块判定所述库存量增加的速率不符合预设标准,并根据所述库存量的补货时长与所述预设补货时长之间的差值将所述库存量增加的速率增加至对应值;所述第二二次速率判定满足所述库存量的补货时长大于等于所述预设补货时长。
本发明实施例基于人工智能的数据分析系统,包括:
数据采集模块,其用以采集所述销售数据和所述产品库存剩余量;
数据分析模块,其与所述数据采集模块相连,用以分析采集的数据并求得产品销售量评价值、产品库存量评价值、第三销售数据占比率、库存退货率以及第二销售数据占比率;
人工智能模块,其与所述数据分析模块相连,用以根据求得的所述产品库存量评价值对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值;
存储模块,其与所述人工智能模块相连,用以存储人工智能模块判定的结果;
输出模块,其与所述存储模块相连,用以输出人工智能模块判定的结果。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于人工智能的数据分析方法,其特征在于,包括:
步骤S1,采集预设时长内单项产品的销售数据,所述销售数据包括第一销售数据,第二销售数据以及第三销售数据,
所述第一销售数据为已承诺且已出产品库存的所述产品的销售数量,
所述第二销售数据为已承诺且未出产品库存的所述产品的销售数量,
所述第三销售数据为未承诺且被标记的所述产品的数量;
步骤S2,基于所述销售数据求得产品销售量评价值K,并采集所述产品的产品库存剩余量K'以求得产品库存量评价值η,设定;所述产品销售量评价值为,其中,/>为第一评价系数,设定/>,/>为第二评价系数,设定,N1为所述第一销售数据的所述产品的销售数量,N2为所述第二销售数据的所述产品的销售数量,N3为所述第三销售数据的所述产品的数量;
步骤S3,人工智能模块基于求得的所述产品库存量评价值η对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,基于所述产品库存量评价值与第二预设产品库存量评价值之间的差值将所述产品库存的库存量增加至对应值;
判定所述产品库存的库存量是否符合预设标准的过程为,
将所述产品库存量评价值分别与第一预设产品库存量评价值、第二预设产品库存量评价值进行比对;若所述产品库存量评价值大于等于所述第一预设产品库存量评价值,则判定不符合预设标准;
且若所述产品库存量评价值大于等于所述第一预设产品库存量评价值且小于所述第二预设产品库存量评价值,则二次判定所述产品库存的库存量是否符合预设标准;
若所述产品库存量评价值大于等于所述第二预设产品库存量评价值,则基于所述产品库存量评价值与第二预设产品库存量评价值之间的差值将所述产品库存的库存量增加至对应值;
基于所述第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,并在二次判定不符合预设标准时,基于所述第三销售数据占比率与预设第三销售数据占比率之间的差值将所述产品库存的库存量增加至对应值;
步骤S4,所述人工智能模块基于第二销售数据占比率判定所述库存量增加的速率是否符合预设标准,并在判定不符合预设标准时基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定;设定所述第二销售数据占比率为,其中;
判定所述库存量增加的速率是否符合预设标准的过程包括,
将所述第二销售数据占比率与预设第二销售数据占比率进行比对,
若所述第二销售数据占比率大于等于预设第二销售数据占比率,则二次判定所述库存量增加的速率是否符合预设标准;
所述人工智能模块基于所述库存量的补货时长对所述库存量增加的速率是否符合预设标准进行二次判定,并在二次判定不符合预设标准时根据所述库存量的补货时长与预设补货时长之间的差值将所述库存量增加的速率增加至对应值;
步骤S5,保存并输出所述人工智能模块分析的结果。
2.根据权利要求1所述的一种基于人工智能的数据分析方法,其特征在于,设定所述第三销售数据占比率为,其中/>。
3.根据权利要求2所述的一种基于人工智能的数据分析方法,其特征在于,所述人工智能模块在所述产品库存量评价值大于等于所述第二预设产品库存量评价值的条件下设置有基于所述产品库存量评价值与第二预设产品库存量评价值之间的差值针对所述产品库存的库存量增加的若干调节方式,且各调节方式对库存量的调节幅度均不相同。
4.根据权利要求3所述的一种基于人工智能的数据分析方法,其特征在于,所述人工智能模块设置有基于库存退货率T对所述产品库存的库存量减小的若干修正方式,且各修正方式对库存量的修正幅度均不相同。
5.根据权利要求4所述的一种基于人工智能的数据分析方法,其特征在于,所述库存退货率,其中,n1为所述第一销售数据中的因退货返回产品库存的产品数量,n2为所述第二销售数据中因退款不能出产品库存的产品数量,n3为所述第三销售数据中因取消标记的产品数量,/>为第三评价系数,设定/>。
6.一种使用权利要求1-5任一项权利要求所述的方法的基于人工智能的数据分析系统,其特征在于,包括:
数据采集模块,其用以采集所述销售数据和所述产品库存剩余量;
数据分析模块,其与所述数据采集模块相连,用以分析采集的数据并求得产品销售量评价值、产品库存量评价值、第三销售数据占比率、库存退货率以及第二销售数据占比率;
人工智能模块,其与所述数据分析模块相连,用以根据求得的所述产品库存量评价值对所述产品库存的库存量是否符合预设标准进行判定,并在判定不符合预设标准时,基于第三销售数据占比率对所述产品库存的库存量是否符合预设标准进行二次判定,或,将所述产品库存的库存量增加至对应值;
存储模块,其与所述人工智能模块相连,用以存储人工智能模块判定的结果;
输出模块,其与所述存储模块相连,用以输出人工智能模块判定的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580331.2A CN117333110B (zh) | 2023-11-24 | 2023-11-24 | 一种基于人工智能的数据分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311580331.2A CN117333110B (zh) | 2023-11-24 | 2023-11-24 | 一种基于人工智能的数据分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117333110A CN117333110A (zh) | 2024-01-02 |
CN117333110B true CN117333110B (zh) | 2024-03-15 |
Family
ID=89279524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311580331.2A Active CN117333110B (zh) | 2023-11-24 | 2023-11-24 | 一种基于人工智能的数据分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333110B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949095A (zh) * | 2019-03-21 | 2019-06-28 | 中国联合网络通信集团有限公司 | 补货方法及设备 |
CN111125140A (zh) * | 2019-12-26 | 2020-05-08 | 上海京东到家元信信息技术有限公司 | 基于日销售系数的库存自动补充系统及其使用方法 |
CN114022078A (zh) * | 2021-11-08 | 2022-02-08 | 浙江百世技术有限公司 | 一种用于仓储管理的自动补货方法以及系统 |
CN114219412A (zh) * | 2022-02-23 | 2022-03-22 | 广州丽晶软件科技股份有限公司 | 基于智慧商品系统销售预测的自动补货方法及补货系统 |
CN114897575A (zh) * | 2022-04-29 | 2022-08-12 | 广州简派供应链科技有限公司 | 一种基于大数据的智能销售平台及其方法 |
CN115130894A (zh) * | 2022-07-12 | 2022-09-30 | 中国平安人寿保险股份有限公司 | 基于人工智能的生产规划方法、装置、计算机设备及介质 |
CN116645033A (zh) * | 2023-06-02 | 2023-08-25 | 泉州市耀华信息技术有限公司 | 一种基于大数据的erp库存优化分析方法及系统 |
-
2023
- 2023-11-24 CN CN202311580331.2A patent/CN117333110B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109949095A (zh) * | 2019-03-21 | 2019-06-28 | 中国联合网络通信集团有限公司 | 补货方法及设备 |
CN111125140A (zh) * | 2019-12-26 | 2020-05-08 | 上海京东到家元信信息技术有限公司 | 基于日销售系数的库存自动补充系统及其使用方法 |
CN114022078A (zh) * | 2021-11-08 | 2022-02-08 | 浙江百世技术有限公司 | 一种用于仓储管理的自动补货方法以及系统 |
CN114219412A (zh) * | 2022-02-23 | 2022-03-22 | 广州丽晶软件科技股份有限公司 | 基于智慧商品系统销售预测的自动补货方法及补货系统 |
CN114897575A (zh) * | 2022-04-29 | 2022-08-12 | 广州简派供应链科技有限公司 | 一种基于大数据的智能销售平台及其方法 |
CN115130894A (zh) * | 2022-07-12 | 2022-09-30 | 中国平安人寿保险股份有限公司 | 基于人工智能的生产规划方法、装置、计算机设备及介质 |
CN116645033A (zh) * | 2023-06-02 | 2023-08-25 | 泉州市耀华信息技术有限公司 | 一种基于大数据的erp库存优化分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117333110A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018121396A1 (zh) | 商户价值评价方法 | |
US8195473B2 (en) | Method and system for optimized real estate appraisal | |
Ludvigson et al. | A factor analysis of bond risk premia | |
US8374903B2 (en) | Information criterion-based systems and methods for constructing combining weights for multimodel forecasting and prediction | |
CN109783734B (zh) | 一种基于项目属性的混合协同过滤推荐算法 | |
Bernstein et al. | A simple heuristic for joint inventory and pricing models with lead time and backorders | |
US20100138275A1 (en) | Automatic event shifting of demand patterns using multi-variable regression | |
CN110287537B (zh) | 用于频标输出跳变检测的抗野值自适应卡尔曼滤波方法 | |
CN104636874A (zh) | 检测业务异常的方法及设备 | |
US10178241B2 (en) | Telecommunication price-based routing apparatus, system and method | |
Thiel et al. | Impact of inventory inaccuracy on service-level quality in (Q, R) continuous-review lost-sales inventory models | |
CN117333110B (zh) | 一种基于人工智能的数据分析系统及方法 | |
CN113743862A (zh) | 基于产品分类的产品目标库存确定方法及系统 | |
Estiko et al. | Analysis of Indonesia’ s Inflation Using ARIMA and Artificial Neural Network | |
Kamal et al. | Multi-objective transportation problem under type-2 trapezoidal fuzzy numbers with parameters estimation and goodness of fit | |
Fixler et al. | Reliability of the NIPA estimates of US economic activity | |
JP4988687B2 (ja) | 商品需要予測システムおよび年末年始の商品需要予測システム | |
CN116151867A (zh) | 一种基于电商平台价格监测的商品定价推荐方法与系统 | |
CN115375413A (zh) | 一种erp采购计算方法与系统 | |
CN113988928A (zh) | 土地价格动态监测系统 | |
CN117391823B (zh) | 基于自学习的用户偏好信息自动推送方法 | |
CN113722186B (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
Amerise et al. | A new method to detect outliers in high-frequency time series | |
Chauvet et al. | Microfoundations of inflation persistence in the New Keynesian Phillips Curve | |
CN116029854A (zh) | 参数确定方法及相关装置 |
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 |