KR102615751B1 - 택배운송정보를 이용한 판매 예측 시스템 - Google Patents
택배운송정보를 이용한 판매 예측 시스템 Download PDFInfo
- Publication number
- KR102615751B1 KR102615751B1 KR1020200170425A KR20200170425A KR102615751B1 KR 102615751 B1 KR102615751 B1 KR 102615751B1 KR 1020200170425 A KR1020200170425 A KR 1020200170425A KR 20200170425 A KR20200170425 A KR 20200170425A KR 102615751 B1 KR102615751 B1 KR 102615751B1
- Authority
- KR
- South Korea
- Prior art keywords
- product
- sales
- status
- information
- region
- Prior art date
Links
- 238000012384 transportation and delivery Methods 0.000 title claims abstract description 29
- 239000000047 product Substances 0.000 claims abstract description 70
- 239000006227 byproduct Substances 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims abstract description 7
- 239000000284 extract Substances 0.000 claims abstract description 5
- 230000008676 import Effects 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012358 sourcing Methods 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 3
- 238000000700 time series analysis Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002035 prolonged effect 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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은, 전자상거래를 수행하여 주문정보와 택배운송정보를 생성하는 이커머스 서버(110), 주문정보와 택배운송정보에 따라 물류서비스를 대행하여 재고 관리를 통합 수행하며, 주문정보로부터 상품 카테고리별 판매현황과 지역별 판매현황과 반품현황과 업체별 매출현황의 내부데이터를 추출하여 생성하고, 택배운송정보로부터 택배업체 배송현황과 제조업체 생산현황과 상품별 수출입 실적과 상품별 판매 데이터와 연령별 소비 데이터와 기간별 소비성향과 날씨별 소비성향과 SNS 트렌드의 외부데이터를 추출하여 생성하는, 풀필먼트 서버(120), 내부데이터와 외부데이터를 저장하여 데이터 웨어하우스를 구축하여 전처리하고, 지역과 상품과 연령과 기간과 날씨와 SNS 트렌드의 변수 및 상품 판매 사이의 상관관계를 분석하여 지역별과 상품별과 연령별과 기간별과 날씨별과 SNS 트렌드별 상품 판매량 예측값을 도출하는, 판매량 예측부(130), 및 판매량 예측부(130)에 의해 도출된 상품 판매량 예측값을 가공하여 시각화하는 디스플레이부(140)를 포함하여, 송장정보에 해당하는 택배운송정보를 이용하여 지역별과 상품별과 기간별 판매를 예측할 수 있는, 택배운송정보를 이용한 판매 예측 시스템을 개시한다.
Description
본 발명은 송장정보에 해당하는 택배운송정보를 기초정보로 활용하고 분석알고리즘을 통해 지역별과 상품별과 기간별 판매를 예측하여서, 악성재고를 최소화할 수 있는, 택배운송정보를 이용한 판매 예측 시스템에 관한 것이다.
주지하는 바와 같이, 다품종 소량판매의 전자상거래 상에서 재고관리는 매우 중요한 요소로서, 풀필먼트 시스템에서 보관기간이 길어지면 지속적인 보관비용이 발생하고, 재고소진을 위해서 대량 할인판매를 수행하면 상품의 브랜드 가치를 유지하기가 어려운 측면이 있다.
또한, 재고를 소각하거나 고정비용에도 불구하고 창고에 장기보관하여 판매시의를 관찰하는 경우가 종종 있다. 즉, 브랜드 가치를 제고하기 위해 재고를 폐기하나 재고 매입업체에게 재판매하지는 않는다.
이에, 체화재고의 발생은 불가피하여 체화재고의 소각 또는 창고 장기보관시에도 비용이 필연적으로 발생하게 된다.
따라서, 상품에 대한 수요예측, 즉 판매 예측을 정확히 수행할 수 있는 예측 시스템을 구축하여 체화재고의 발생은 최소화하여 악성재고에 따른 비용을 절감하도록 할 수 있는 기술이 요구된다.
본 발명의 사상이 이루고자 하는 기술적 과제는, 송장정보에 해당하는 택배운송정보를 기초정보로 활용하고 분석알고리즘을 통해 지역별과 상품별과 기간별 판매를 예측하여서, 악성재고를 최소화할 수 있는, 택배운송정보를 이용한 판매 예측 시스템을 제공하는 데 있다.
전술한 목적을 달성하고자, 본 발명은, 전자상거래를 수행하여 주문정보와 택배운송정보를 생성하는 이커머스 서버; 상기 이커머스 서버로부터의 상기 주문정보와 상기 택배운송정보에 따라 상품의 입고와 보관과 포장과 출고와 반품의 물류서비스를 대행하여 재고 관리를 통합 수행하며, 상기 주문정보로부터 상품 카테고리별 판매현황과 지역별 판매현황과 반품현황과 업체별 매출현황의 내부데이터를 추출하여 생성하고, 상기 택배운송정보로부터 택배업체 배송현황과 제조업체 생산현황과 상품별 수출입 실적과 상품별 판매 데이터와 연령별 소비 데이터와 기간별 소비성향과 날씨별 소비성향과 SNS 트렌드의 외부데이터를 추출하여 생성하는, 풀필먼트 서버; 상기 내부데이터와 상기 외부데이터를 저장하여 데이터 웨어하우스를 구축하여 전처리하고, 지역과 상품과 연령과 기간과 날씨와 SNS 트렌드의 변수 및 상품 판매 사이의 상관관계를 분석하여 지역별과 상품별과 연령별과 기간별과 날씨별과 SNS 트렌드별 상품 판매량 예측값을 도출하는, 판매량 예측부; 및 상기 판매량 예측부에 의해 도출된 상품 판매량 예측값을 가공하여 시각화하는 디스플레이부;를 포함하여, 송장정보에 해당하는 택배운송정보를 이용하여 지역별과 상품별과 기간별 판매를 예측하는, 택배운송정보를 이용한 판매 예측 시스템을 제공한다.
여기서, 상기 판매량 예측부는, 상기 분석된 상관관계의 유효한 변수를 도출하고 분석알고리즘을 적용하여 상기 상품 판매량 예측값을 도출할 수 있다.
또한, 상기 분석알고리즘에는 시계열분석, 회귀분석 또는 랜덤포레스트가 적용될 수 있다.
또한, 상기 판매량 예측부는, 전체 또는 시도별의 연도별 판매량 추이분석과, 판매량 대비 상품소싱 비율분석과, 최근 3년간 판매량 감소현황과, 지역별 판매량과, 상품 카테고리별 상품소싱 현황과, 상품 카테고리별 구매현황과, 지역별 구매현황과, 연령별 및 소득별 현황과, 상품 카테고리별 구매추이와 특정 지역 구매추이의 상품 판매량 예측값을 도출할 수 있다.
또한, 상기 택배운송정보는 송장정보와 배송지와 제품과 수량을 포함할 수 있다.
본 발명에 의하면, 송장정보에 해당하는 택배운송정보를 기초정보로 활용하고 분석알고리즘을 통해 지역별과 상품별과 기간별 판매를 예측하여서, 악성재고를 최소화할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 의한 택배운송정보를 이용한 판매 예측 시스템의 개략적인 구성도를 도시한 것이다.
도 2는 도 1의 택배운송정보를 이용한 판매 예측 시스템의 디스플레이부에 의한 상품 판매량 예측값 표시를 각각 예시한 것이다.
도 2는 도 1의 택배운송정보를 이용한 판매 예측 시스템의 디스플레이부에 의한 상품 판매량 예측값 표시를 각각 예시한 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
아래 첨부된 도면을 참조하여 본 발명의 실시를 위한 구체적인 내용을 상세히 설명한다. 도면에 관계없이 동일한 부재번호는 동일한 구성요소를 지칭하며, "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
본 발명의 실시예에 의한 택배운송정보를 이용한 판매 예측 시스템은, 전자상거래를 수행하여 주문정보와 택배운송정보를 생성하는 이커머스 서버(110), 주문정보와 택배운송정보에 따라 물류서비스를 대행하여 재고 관리를 통합 수행하며, 주문정보로부터 상품 카테고리별 판매현황과 지역별 판매현황과 반품현황과 업체별 매출현황의 내부데이터를 추출하여 생성하고, 택배운송정보로부터 택배업체 배송현황과 제조업체 생산현황과 상품별 수출입 실적과 상품별 판매 데이터와 연령별 소비 데이터와 기간별 소비성향과 날씨별 소비성향과 SNS 트렌드의 외부데이터를 추출하여 생성하는, 풀필먼트 서버(120), 내부데이터와 외부데이터를 저장하여 데이터 웨어하우스를 구축하여 전처리하고, 지역과 상품과 연령과 기간과 날씨와 SNS 트렌드의 변수 및 상품 판매 사이의 상관관계를 분석하여 지역별과 상품별과 연령별과 기간별과 날씨별과 SNS 트렌드별 상품 판매량 예측값을 도출하는, 판매량 예측부(130), 및 판매량 예측부(130)에 의해 도출된 상품 판매량 예측값을 가공하여 시각화하는 디스플레이부(140)를 포함하여, 송장정보에 해당하는 택배운송정보를 이용하여 지역별과 상품별과 기간별 판매를 예측하는 것을 요지로 한다.
이하, 도 1 및 도 2를 참조하여, 전술한 택배운송정보를 이용한 판매 예측 시스템의 구성을 구체적으로 상술하면 다음과 같다.
우선, 이커머스 서버(electronic commerce server)(110)는 다수로 구성되어 각각 전자상거래를 수행하고, 판매 상품에 대한 주문정보와 택배운송정보를 생성하여 풀필먼트 서버(120)로 전송한다.
여기서, 주문정보에는 상품 카테고리와 상품명과 상품부피와 상품중량과 판매처와 배송지와 주문자정보를 포함할 수 있다.
한편, 택배운송정보는 송장정보와 배송지와 제품과 수량을 포함할 수 있다.
다음, 풀필먼트 서버(120)는 이커머스 서버(110)로부터의 주문정보와 택배운송정보에 따라, 상품의 입고와 보관과 포장과 출고와 반품의 물류서비스를 대행하여 재고 관리를 통합 수행한다.
또한, 풀필먼트 서버(120)는 주문정보로부터 상품 카테고리별 판매현황과 지역별 판매현황과 반품현황과 이커머스 업체별 매출현황의 내부데이터를 추출하여 생성하고, 택배운송정보로부터 택배업체 배송현황과 제조업체 생산현황과 상품별 수출입 실적과 상품별 판매 데이터와 연령별 소비 데이터와 기간별 소비성향과 날씨별 소비성향과 SNS 트렌드의 외부데이터를 추출하여 생성하여, 판매량 예측부(130)로 전송한다.
다음, 판매량 예측부(130)는 내부데이터와 외부데이터를 저장하여 데이터 웨어하우스(DW; Data Warehouse)를 구축하여 데이터세트를 생성하고, 데이터 결측치 및 오류데이터를 처리하는 전처리를 수행하고, 지역과 상품과 연령과 기간과 날씨와 SNS 트렌드의 변수 및 상품 판매 사이의 상관관계를 분석하여 지역별과 상품별과 연령별과 기간별과 날씨별과 SNS 트렌드별 상품 판매량 예측값을 도출한다.
예컨대, 판매량 예측부(130)는, 앞선 언급한 변수 및 상품 판매 사이의 상관관계를 분석하여 상품 판매와 의미있는 상관관계를 보이는 유효한 변수를 도출하고 분석알고리즘을 적용하여 상품 판매량 예측값을 도출할 수 있다.
여기서, 분석알고리즘에는 시간의 흐름에 따른 일정한 간격마다의 변화를 통계학적으로 분석하는 모형인 시계열분석, 유효변수인 독립변수의 변화에 따라 결과가 얼마나 변화하는지를 예측하는 모형인 회귀분석 또는 군집분석의 일종으로 다수의 의사결정나무를 결합하는 분석하는 모형인 랜덤포레스트(random forest)가 적용될 수 있다.
또한, 판매량 예측부(130)는, 도 2에 예시된 바와 같이, 전체 또는 시도별의 연도별 판매량 추이분석과, 판매량 대비 상품소싱 비율분석과, 최근 3년간 판매량 감소현황과, 지역별 판매량과, 상품 카테고리별 상품소싱 현황과, 상품 카테고리별 구매현황과, 지역별 구매현황과, 연령별 및 소득별 현황과, 상품 카테고리별 구매추이와 특정 지역 구매추이의 상품 판매량 예측값을 도출하여서 디스플레이부(140)를 통해 시각화하여 제공할 수 있다.
다음, 디스플레이부(140)는 판매량 예측부(130)에 의해 도출된 상품 판매량 예측값을 가공하여 시각화하여서 사용자에게 제공한다.
따라서, 전술한 바와 같은 택배운송정보를 이용한 판매 예측 시스템의 구성에 의해서, 송장정보에 해당하는 택배운송정보를 기초정보로 활용하고 분석알고리즘을 통해 지역별과 상품별과 기간별 판매를 예측하여서, 악성재고를 최소화할 수 있다.
이상과 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해되어야 한다.
110 : 이커머스 서버 120 : 풀필먼트 서버
130 : 판매량 예측부 140 : 디스플레이부
130 : 판매량 예측부 140 : 디스플레이부
Claims (5)
- 전자상거래를 수행하여 주문정보와 택배운송정보를 생성하는 이커머스 서버;
상기 이커머스 서버로부터의 상기 주문정보와 상기 택배운송정보에 따라 상품의 입고와 보관과 포장과 출고와 반품의 물류서비스를 대행하여 재고 관리를 통합 수행하며, 상기 주문정보로부터 상품 카테고리별 판매현황과 지역별 판매현황과 반품현황과 업체별 매출현황의 내부데이터를 추출하여 생성하고, 상기 택배운송정보로부터 택배업체 배송현황과 제조업체 생산현황과 상품별 수출입 실적과 상품별 판매 데이터와 연령별 소비 데이터와 기간별 소비성향과 날씨별 소비성향과 SNS 트렌드의 외부데이터를 추출하여 생성하는, 풀필먼트 서버;
상기 내부데이터와 상기 외부데이터를 저장하여 데이터 웨어하우스를 구축하여 데이터세트를 생성하고, 데이터 결측치 및 오류데이터를 처리하는 전처리하고, 지역과 상품과 연령과 기간과 날씨와 SNS 트렌드의 변수 및 상품 판매 사이의 상관관계를 분석하여 지역별과 상품별과 연령별과 기간별과 날씨별과 SNS 트렌드별 상품 판매량 예측값을 도출하는, 판매량 예측부; 및
상기 판매량 예측부에 의해 도출된 상품 판매량 예측값을 가공하여 시각화하는 디스플레이부;를 포함하여, 송장정보에 해당하는 택배운송정보를 이용하여 지역별과 상품별과 기간별 판매를 예측하며,
상기 주문정보는 상품 카테고리와 상품명과 상품부피와 상품중량과 판매처와 배송지와 주문자정보를 포함하고,
상기 택배운송정보는 송장정보와 배송지와 제품과 수량을 포함하고,
상기 판매량 예측부는, 상기 분석된 상관관계의 유효한 변수를 도출하고 분석알고리즘을 적용하여 상기 상품 판매량 예측값을 도출하고,
상기 판매량 예측부는, 전체 또는 시도별의 연도별 판매량 추이분석과, 판매량 대비 상품소싱 비율분석과, 최근 3년간 판매량 감소현황과, 지역별 판매량과, 상품 카테고리별 상품소싱 현황과, 상품 카테고리별 구매현황과, 지역별 구매현황과, 연령별 및 소득별 현황과, 상품 카테고리별 구매추이와 특정 지역 구매추이의 상품 판매량 예측값을 도출하여서, 상기 디스플레이부를 통해 시각화하여 제공하고,
상기 분석알고리즘에는 시계열분석, 회귀분석 또는 랜덤포레스트가 적용되는 것을 특징으로 하는,
택배운송정보를 이용한 판매 예측 시스템. - 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200170425A KR102615751B1 (ko) | 2020-12-08 | 2020-12-08 | 택배운송정보를 이용한 판매 예측 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200170425A KR102615751B1 (ko) | 2020-12-08 | 2020-12-08 | 택배운송정보를 이용한 판매 예측 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220081019A KR20220081019A (ko) | 2022-06-15 |
| KR102615751B1 true KR102615751B1 (ko) | 2023-12-19 |
Family
ID=81987442
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200170425A KR102615751B1 (ko) | 2020-12-08 | 2020-12-08 | 택배운송정보를 이용한 판매 예측 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102615751B1 (ko) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371826B (zh) * | 2023-12-07 | 2024-03-15 | 福建科德信息技术服务有限公司 | 一种基于大数据的企业管理方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102177463B1 (ko) * | 2020-01-02 | 2020-11-11 | 주식회사 에스티씨 | 기계 학습 기반 판매량 예측 모델 생성 장치, 판매량 예측 장치 및 그 방법 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100521987B1 (ko) * | 2003-04-25 | 2005-10-17 | 주식회사 아이젝솔루션 | 마케팅 딜러를 통한 물류 관리 방법 |
| KR20150102503A (ko) * | 2014-02-28 | 2015-09-07 | 주식회사 에스비아이에스 | 매출 증진을 위한 날씨별 추천메뉴 제공시스템 |
| KR101818618B1 (ko) * | 2016-02-25 | 2018-01-15 | 주식회사 셀팅 | 빅데이터를 이용한 전자상거래 구매예측 통합솔루션시스템 |
| KR101872223B1 (ko) | 2016-10-14 | 2018-08-02 | 주식회사 샤샤 | 인터넷 기반 판매 예측 정보 제공 장치 |
| KR102077279B1 (ko) | 2019-11-23 | 2020-02-13 | 주식회사 에프에스에스 | 물류관리 시스템 운용방법 |
-
2020
- 2020-12-08 KR KR1020200170425A patent/KR102615751B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102177463B1 (ko) * | 2020-01-02 | 2020-11-11 | 주식회사 에스티씨 | 기계 학습 기반 판매량 예측 모델 생성 장치, 판매량 예측 장치 및 그 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220081019A (ko) | 2022-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7121118B2 (ja) | 重み付けされた混合機械学習モデルを使用した需要予測 | |
| CN110392899B (zh) | 用于模型生成的动态特征选择 | |
| US20230410135A1 (en) | System and method for selecting promotional products for retail | |
| KR102138843B1 (ko) | Ai 기반의 농축수산물 직거래 유통 서비스 시스템 및 방법 | |
| Dadouchi et al. | Lowering penalties related to stock-outs by shifting demand in product recommendation systems | |
| Lingam | The role of Artificial Intelligence (AI) in making accurate stock decisions in E-commerce industry | |
| Guo et al. | A multi-commodity location-inventory problem in a closed-loop supply chain with commercial product returns | |
| Barron et al. | Shortage decision policies for a fluid production model with MAP arrivals | |
| Khedlekar et al. | Pricing policy for declining demand using item preservation technology | |
| Miljenović et al. | Pandemics trends in E-commerce: drop shipping entrepreneurship during COVID-19 pandemic | |
| Teller et al. | Physical and digital market places–where marketing meets operations | |
| KR102615751B1 (ko) | 택배운송정보를 이용한 판매 예측 시스템 | |
| Brezović et al. | Applying multi criteria analysis in evaluation of distribution channels | |
| US20190197168A1 (en) | Contextual engine for data visualization | |
| Sharma et al. | Best seller rank (bsr) to sales: An empirical look at amazon. com | |
| Prabhakar et al. | Demand Forecasting for a large grocery chain in Ecuador | |
| Ilyas et al. | Comparative Analysis of Regression Algosrithms used to Predict the Sales of Big Marts | |
| Stephen et al. | An intelligent cloud-based customer relationship management system to determine flexible pricing for customer retention | |
| Ramasami et al. | Analysis of Bigmart Outlets sales using Big Data Analytics Method | |
| Adulyasak et al. | Retail Analytics in the New Normal: The Influence of Artificial Intelligence and the Covid-19 Pandemic | |
| Gupta et al. | MegaMart Sales Prediction Using Machine Learning Techniques | |
| Bohl et al. | A Shapley-value index for market basket analysis: Weighting Shapley’s value | |
| JP6962888B2 (ja) | 特徴抽出装置 | |
| Jeong et al. | Strategy for store management using SOM based on RFM | |
| Stanelytė | Inventory Optimization in Retail Network by Creating a Demand Prediction Model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |