KR20170082471A - 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법 - Google Patents

빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법 Download PDF

Info

Publication number
KR20170082471A
KR20170082471A KR1020170065866A KR20170065866A KR20170082471A KR 20170082471 A KR20170082471 A KR 20170082471A KR 1020170065866 A KR1020170065866 A KR 1020170065866A KR 20170065866 A KR20170065866 A KR 20170065866A KR 20170082471 A KR20170082471 A KR 20170082471A
Authority
KR
South Korea
Prior art keywords
index
wholesale
module
information
price
Prior art date
Application number
KR1020170065866A
Other languages
English (en)
Inventor
한향원
Original Assignee
에이치에버 주식회사
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 에이치에버 주식회사 filed Critical 에이치에버 주식회사
Priority to KR1020170065866A priority Critical patent/KR20170082471A/ko
Publication of KR20170082471A publication Critical patent/KR20170082471A/ko

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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • 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
    • G06Q10/0834—Choice of carriers
    • G06Q10/08345—Pricing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions

Landscapes

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

Abstract

본 발명은 빅 데이터를 활용한 상품별 도매지수 평가 시스템 및 그에 의한 상품별 도매지수의 평가 방법에 관한 것이고, 구체적으로 결정된 도매지수를 기초로 다양한 지역에 제품을 공급하는 공급자에게 유리한 공급 가격을 제공할 수 있도록 하는 빅 데이터를 활용한 도매지수 평가 시스템 및 그에 의한 도매지수의 평가 방법에 관한 것이다. 빅 데이터를 활용한 상품별 도매 지수 평가 시스템은 하나의 상품에 대한 공급자의 가격 정보를 수집하는 공급자 거래 모듈(13); 상기 하나의 상품에 대한 구매자의 가격 정보를 수집하는 구매자 거래 모듈(14); 공급자 거래 모듈(13) 및 구매자 거래 모듈(14)로부터 수집된 정보를 분석하는 분석 서버(11); 분석 서버(11)로부터 분석된 정보에 기초하여 상기 하나의 상품 전체에 대한 도매 지수 변동을 산출하여 도매지수 데이터를 생성하는 도매 지수 변동 산출 모듈(10); 및 도매 지수 변동 산출 모듈(10)으로부터 결정된 상기 도매지수 데이터로부터 개별 공급 가격을 결정하여 공급자 거래 모듈(13)에 제공하는 개별 공급 결정 모듈(18)을 포함한다.

Description

빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법{A System for Evaluating a Wholesale Price Index of a Product Based on Big Data and a Method for Evaluating a Wholesale Price Index of a Product Using the Same}
본 발명은 빅 데이터를 활용한 상품별 도매지수 평가 시스템 및 그에 의한 상품별 도매지수의 평가 방법에 관한 것이고, 구체적으로 결정된 도매지수를 기초로 다양한 지역에 제품을 공급하는 공급자에게 유리한 공급 가격을 제공할 수 있도록 하는 빅 데이터를 활용한 도매지수 평가 시스템 및 그에 의한 도매지수의 평가 방법에 관한 것이다.
도매 지수 또는 도매 물가 지수(wholesale price index)는 생산자와 직접 거래하는 도매업자의 판매 가격에 따른 도매물가의 수준을 말하고, 물가 수준의 변동을 나타내는 지수로 사용될 수 있다. 도매지수는 전체 품물에 대한 물가수준을 나타내고, 공공기관에 의하여 정해진 시기를 기준으로 산출되어 공개된다. 그러나 이와 같은 도매 물가 지수는 전체 거래 사회의 화폐 흐름을 거시적으로 나타낼 수 있지만 각각의 상품에 대한 것이 아니므로 특정 상품의 공급자가 이와 같은 도매 물가 지수에 기초하여 상품 공급 가격을 결정하기 어렵다. 또한 도매 물가 지수는 서로 다른 공급 물량을 가지고 서로 다른 지역에 위치하는 공급자에게 동일한 값으로 제공되므로 특정 상품의 실제 도매 거래 지수와 차이가 있을 수 있다. 그러므로 실거래에 기초하여 각각의 상품에 대한 도매 지수가 산출될 필요가 있다. 이와 같은 도매 지수는 유형 또는 무형의 다양한 상품 거래에 적용될 수 있다.
특허공개번호 제10-2012-0026741호는 온라인 게임에 대한 설문 조사에 따른 결과가 저장된 데이터베이스, 상기 데이터베이스 중 게임 아이템 가치, 캐릭터 동일성, 게임 만족도 및 아이템 구매 의향에 대한 설문 항목 결과를 추출하는 추출부 및 상기 추출된 설문 항목 결과 및 구조 방정식 모델을 이용하여 상기 온라인 게임 아이템 구매지수를 분석하는 분석부를 포함하고, 상기 분석부는 상기 설문 조사 결과에 따른 관측 변수 및 기설정된 상기 관측 변수 사이의 경로 계수에 따른 잠재 변수로 이루어진 구조 방정식 모델에 상기 게임 아이템 가치, 캐릭터 동질성 및 게임 만족도에 대한 설문 항목 결과를 적용하는 모델 적용부, 상기 구조 방정식 모델로부터 상기 아이템 구매 의향에 대한 설문 항목에 반영될 가중치를 산출하는 가중치 산출부 및 상기 아이템 구매 의향에 대한 설문 항목 결과 및 상기 산출된 가중치를 이용하여 온라인 게임 아이템 구매지수를 산출하는 구매지수 산출부를 포함하는 온라인 게임 아이템 구매지수를 분석하는 시스템에 대하여 개시한다.
특허공개번호 제10-2014-0056801호는 구매자의 구매 정보를 수집하는 구매정보 수집부와; 상기 구매정보 수집부로부터 상기 구매정보를 수신하고, 상기 구매자 및 타 구매자에 의해 공통적으로 구매된 유료 상품의 구매 횟수와 상기 유료 상품의 총 구매 금액을 기반으로 제1 지수를 계산하고, 상기 제1 지수 및 상기 제2 지수 각각이 구매 영향력에 기여하는 정도에 따라 부여된 기여 가중치를 상기 제1 지수 및 제2 지수 각각에 반영하고, 상기 가중치가 반영된 제1 지수 및 제2 지수를 합산하여 상기 구매자의 구매 영향력 지수를 산출하는 구매 영향력 지수 계산부를 포함하는 사용자의 구매 영향력 지수를 산출하는 방법에 대하여 개시한다.
상기 선행기술에서 아이템 구매 지수 또는 구매 영향력 지수는 소비자의 관점에서 산출되고 공급자의 가격 결정을 위한 직접적인 수단으로 적용되기 어렵다. 공급자는 각각의 상품에 대한 도매물가 지수에 기초하여 가격에 영향을 미치는 외부 변수를 적용하여 공급 가격을 결정할 필요가 있다. 그러므로 공급 가격을 결정하기 위하여 도매 지수가 결정될 필요가 있다. 상기 선행기술은 이와 같은 도매 지수의 결정 방법에 대하여 개시하지 않는다.
본 발명은 선행기술이 가진 문제점을 해결하기 위한 것으로 아래와 같은 목적을 가진다.
선행기술 1: 특허공개번호 제10-2012-0026741호(성균관대학교 산학협력단, 2012년03월20일 공개) 온라인 게임 아이템 구매지수 분석 시스템 및 그 방법 선행기술 2: 특허공개번호 제10-2014-0056801호(에스케이플래닛 주식회사, 2014년05월12일 공개) 사용자의 구매 영향력 지수를 산출하는 방법 및 장치
본 발명의 목적은 각각의 상품에 대한 도매 지수 및 서로 다른 지역에서 각각의 물품에 대한 도매 지수를 결정하여 공급자가 각각의 상품에 대한 서로 다른 지역에 대한 공급 가격을 결정할 수 있도록 하는 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법을 제공하는 것이다.
본 발명의 적절한 실시 형태에 따르면, 빅 데이터를 활용한 상품별 도매 지수 평가 시스템은 하나의 상품에 대한 공급자의 가격 정보를 수집하는 공급자 거래 모듈; 상기 하나의 상품에 대한 구매자의 가격 정보를 수집하는 구매자 거래 모듈; 공급자 거래 모듈 및 구매자 거래 모듈로부터 수집된 정보를 분석하는 분석 서버; 분석 서버로부터 분석된 정보에 기초하여 상기 하나의 상품 전체에 대한 도매 지수 변동을 산출하여 도매지수 데이터를 생성하는 도매 지수 변동 산출 모듈; 및 도매 지수 변동 산출 모듈으로부터 결정된 상기 도매지수 데이터로부터 개별 공급 가격을 결정하여 공급자 거래 모듈에 제공하는 개별 공급 결정 모듈을 포함한다.
본 발명의 다른 적절한 실시 형태에 따르면, 분석 서버로 상기 하나의 상품에 대한 공급량 정보를 제공하는 공급량 정보 모듈 및 상기 하나의 상품에 가격에 영향을 미치는 환경 변수 모듈을 더 포함한다.
본 발명의 또 다른 적절한 실시 형태에 따르면, 분석 서버는 다수 개의 정보 공급원으로부터 추출된 정보를 정렬하는 정렬 모듈; 정렬 모듈에서 정렬된 정보의 상관성을 분석하여 상관 지수를 형성하는 상관 지수 모듈; 상관 지수 모듈로부터 가격 결정을 위한 정보를 결정하는 결정 모듈; 및 결정 모듈에서 결정된 상기 정보에 대한 신뢰성을 평가하는 신뢰성 평가 모듈; 및 신뢰성 평가 모듈로부터 평가된 상기 정보로부터 지수 데이터를 결정하는 지수 데이터 모듈을 포함한다.
본 발명의 또 다른 적절한 실시 형태에 따르면, 정렬 모듈의 정렬 기준은 정보가 유입된 시각 및 정보의 반복성이 된다.
본 발명의 또 다른 적절한 실시 형태에 따르면, 상관 지수는 미리 결정된 추출키 및 연관도에 기초하여 상관도 맵을 형성한다.
본 발명의 또 다른 적절한 실시 형태에 따르면, 상품별 도매지수를 평가하는 방법은 상기 하나의 상품에 대한 가격 데이터를 수집하는 단계; 상기 수집된 가격 데이터가 시각 및 가격에 따라 분석되는 단계; 상기 분석된 데이터에 기초하여 지역별 도매 지수가 산출되는 단계; 산출된 지역별 도매 지수가 대비되어 지수 차이가 있는지 여부가 판단되는 단계; 상기 도매지수에 영향을 미치는 연관데이터를 수집하는 단계; 상기 수집된 연관 데이터에 기초하여 보상 파라미터를 적용하는 단계; 상기 보상 파미미터가 적용된 도매지수가 설정된 범위에 있는지 여부가 판단되는 단계; 및 각각의 공급자에 대한 개별 가격지수를 결정하는 단계를 더 포함한다.
본 발명에 따른 도매 지수 평가 시스템은 실시간으로 도매 지수의 변동이 평가되도록 하는 것에 의하여 도매 물품 공급자가 적정한 공급 가격을 결정할 수 있도록 한다. 또한 본 발명에 따른 도매 지수 평가 시스템은 지역별로 도매 지수의 변동을 평가하는 것에 의하여 공급자의 공급 지역의 확대가 가능하도록 한다. 추가로 본 발명에 따른 도매 지수 평가 시스템은 도매 공급자의 물품 공급 시기 및 물량의 결정이 가능하도록 한다.
도 1은 본 발명에 따른 도매 지수 평가 시스템의 실시 예를 블록 다이어그램으로 도시한 것이다.
도 2는 본 발명에 따른 도매 지수 평가 시스템에서 빅 데이터를 이용하여 도매 지수 산출을 위한 데이터를 선택하는 과정의 실시 예를 도시한 것이다.
도 3은 서로 다른 지역의 도매 지수가 평가되는 과정에 대한 실시 예를 도시한 것이다.
도 4는 본 발명에 따른 도매 지수 평가 과정의 실시 예를 도시한 것이다.
아래에서 본 발명은 첨부된 도면에 제시된 실시 예를 참조하여 상세하게 설명이 되지만 실시 예는 본 발명의 명확한 이해를 위한 것으로 본 발명은 이에 제한되지 않는다. 아래의 설명에서 서로 다른 도면에서 동일한 도면 부호를 가지는 구성요소는 유사한 기능을 가지므로 발명의 이해를 위하여 필요하지 않는다면 반복하여 설명이 되지 않으며 공지의 구성요소는 간략하게 설명이 되거나 생략이 되지만 본 발명의 실시 예에서 제외되는 것으로 이해되지 않아야 한다.
도 1은 본 발명에 따른 도매 지수 평가 시스템의 실시 예를 블록 다이어그램으로 도시한 것이다.
도 1을 참조하면, 도매 지수 평가 시스템은 하나의 상품에 대한 공급자의 가격 정보를 수집하는 공급자 거래 모듈(13); 상기 하나의 상품에 대한 구매자의 가격 정보를 수집하는 구매자 거래 모듈(14); 공급자 거래 모듈(13) 및 구매자 거래 모듈(14)로부터 수집된 정보를 분석하는 분석 서버(11); 분석 서버(11)로부터 분석된 정보에 기초하여 상기 하나의 상품 전체에 대한 도매 지수 변동을 산출하여 도매지수 데이터를 생성하는 도매 지수 변동 산출 모듈(10); 및 도매 지수 변동 산출 모듈(10)으로부터 결정된 상기 도매지수 데이터로부터 개별 공급 가격을 결정하여 공급자 거래 모듈(13)에 제공하는 개별 공급 결정 모듈(18)을 포함한다.
본 발명에 따른 도매 지수 평가 시스템에서 도매 지수는 각각의 상품별 도매지수를 의미하고, 1차 도매 공급자 또는 2차 도매 공급자에 의한 공급 가격을 의미한다. 상품별 도매지수는 예를 들어 서로 다른 제조회사에 의하여 공급되는 동일 종류의 상품이 되거나 동일 제조회사에 의하여 공급되는 동일 상품이 될 수 있다. 상품별 도매지수는 시간 및 지역에 기초하여 결정되며 실시간으로 변동될 수 있다. 상품별 도매지수의 산출을 위한 거래 가격은 공급자로부터 제공되거나 구매자의 구매 가격으로부터 산출될 수 있다. 또는 시장 거래 가격에 의하여 결정될 수 있다.
분석 서버(11)는 도매 지수의 결정을 위한 가격 정보를 수집하여 분류 및 분석하는 기능을 가진다. 도매 지수에 대한 정보는 도매 지수로 예를 들어 공식적으로 도매 지수를 집계하는 도매 지수 산출 기관(12)으로부터 제공될 수 있다. 이와 같이 도매 지수 산출 기관(12)에 의하여 제공되는 도매 지수는 시간적으로 지연된 정보에 해당되고, 거래 사회 전체의 도매 지수에 해당되므로 시각에 따라 변동되는 실시간 도매 지수가 되기 어렵다. 그러므로 실시간 가격 정보를 획득하기 위하여 공급자 거래 모듈(13) 및 구매자 거래 모듈(14)이 분석 서버(11)와 연결될 수 있다. 공급자 거래 모듈(13)은 예를 들어 도매 공급자의 경매 사이트로부터 미리 결정된 하나의 상품에 대한 가격 정보를 수집할 수 있다. 또는 도매 공급자에게 직접 접촉하거나 도매 공급자를 위한 회원 서버로부터 상기 하나의 상품에 대한 도매가격 정보를 취득할 수 있다. 공급자 거래 모듈(13)은 모든 도매가격에 대한 정보 제공이 가능한 인터넷 사이트, 직접 접촉 또는 온라인 거래 사이트를 통하여 도매가격 정보를 획득할 수 있다.
도매가격에 대한 정보를 획득하기 위한 구매자 거래 모듈(14)은 소비자가 상기 하나의 상품에 대하여 실제로 구매한 소비자 가격에 대한 정보를 획득할 수 있다. 구매자 거래 모듈(14)은 공급자 거래 모듈(13)과 마찬가지로 인터넷 사이트, 오프라인 매장 또는 온라인 매장을 통하여 소비자 가격에 대한 정보를 취득할 수 있다. 이와 같이 획득된 소비자 가격으로부터 도매가격이 추정될 수 있다. 그리고 도매가격의 추정은 분석서버에 의하여 미리 결정될 수 있다. 분석 서버(11)는 이와 같이 도매 지수 산출 기관(12), 공급자 거래 모듈(13) 및 구매자 거래 모듈(14)을 통하여 획득된 도매가격 정보를 분류 및 분석하여 도매 지수 변동 산출 모듈(10)로 전송한다. 그리고 도매 지수 변동 산출 모듈(10)은 분석 서버(11)로부터 전달된 도매가격에 대한 분석 정보에 기초하여 실시간으로 도매 지수를 산출할 수 있다. 도매 지수 변동 산출 모듈(10)은 정보의 전달 시각 및 지역에 기초하여 도매 지수 데이터 또는 도매 지수 변동 데이터를 생성할 수 있다. 도매 지수 데이터는 하나의 상품의 시간에 따른 도매 지수의 변화에 대한 데이터를 의미하고, 지역별로 생성될 수 있다. 도매 지수 데이터가 생성되면, 그래프 또는 도표 형태로 만들어질 수 있고, 도매 지수 데이터는 실시간으로 미리 결정된 주기에 따라 업데이트가 될 수 있다. 그리고 생성된 도매 지수 데이터는 개별 공급 결정 모듈(18)에 제공될 수 있다. 개별 공급 결정 모듈(18)은 도매 지수 변동 산출 모듈(10)에서 생성된 도매 지수 데이터를 각각의 공급자에게 적절한 공급 가격을 포함하는 데이터로의 가공이 가능하다. 예를 들어 서로 다른 지역에 동일 상품을 공급하는 서로 다른 공급자에게 서로 다른 공급 가격 정보를 제시할 수 있다. 개별 공급 결정 모듈(18)은 분석 서버(11)와 독립된 서버로 만들어질 수 있고, 다양한 공급자에 의하여 접근 가능한 인터넷 사이트로 만들어질 수 있다. 개별 공급 결정 모듈(18)을 통한 공급자는 도매 지수 또는 도매 거래와 관련된 다양한 정보를 획득할 수 있다.
분석 서버(11)는 공급량 정보 모듈(15)과 연결될 수 있고, 추가로 환경 변수 모듈(16)과 연결될 수 있다. 공급량 정보 모듈(15)은 현재 거래 시장에 공급되고 있는 상품의 공급량과 예상 재고량을 포함할 수 있다. 공급량 정보 모듈(15)은 예를 들어 현재 거래 시장의 정보 또는 공급자에 대한 접촉을 통하여 공급량을 정보를 획득하여 분석 서버(11)로 전송할 수 있다. 대안으로 공급량 정보 모듈(15)은 빅 데이터를 통한 정보 획득에 의하여 공급량에 대한 정보를 획득할 수 있다.
도매 지수에 영향을 미치는 다른 요인으로 거래 환경이 있다. 거래 환경에 대한 정보를 획득하기 위하여 환경 변수 모듈(16)이 설치될 수 있다. 환경 변수 모듈(16)은 계절적 요인, 구매자의 동향 또는 각각의 지역 사회의 특성과 같은 것을 포함한다. 환경 변수 모듈(16)은 이와 같은 환경 변수가 상품 소비에 미치는 영향을 빅 데이터를 통하여 획득할 수 있다. 예를 들어 특정 지역에서 상품의 거래 상황을 다양한 정보 공급원을 통하여 획득할 수 있고, 하나의 환경 변수가 상품 거래에 미치는 영향을 분석할 수 있다. 그리고 이를 환경 변수 지수로 만들어 분석 서버(11)로 전송할 수 있다. 환경 변수 지수는 상품에 영향을 미치는 다수 개의 환경 파라미터를 결정하고, 특정 지역에서 각각의 환경 파라미터가 상품에 미치는 영향을 지수(index)로 만든 것을 의미한다. 이와 같은 환경 변수 지수는 빅 데이터가 적용될 필요성이 크면서 공급자에 대한 개별 공급을 결정하기 위한 중요한 지표가 된다.
위에서 설명된 것처럼, 본 발명에 따른 분석 서버(11)는 실제 거래 정보에 기초하여 거래 사회의 실시간 도매 지수를 산출하고, 이와 같이 산출된 도매 지수를 공급자에게 제공되도록 한다. 실제 거래 정보는 다양한 정보 공급원으로부터 제공되는 정보가 될 수 있고, 예를 들어 빅 데이터와 같은 대량의 데이터가 도매 지수 산출을 위한 정보로 이용될 수 있다.
아래에서 도매 지수의 산출을 위하여 빅 데이터와 같은 대량의 정보가 수집되어 처리되는 과정에 대하여 설명된다.
도 2는 본 발명에 따른 도매 지수 평가 시스템에서 빅 데이터를 이용하여 도매 지수 산출을 위한 데이터를 선택하는 과정의 실시 예를 도시한 것이다.
도 2를 참조하면, 도매지수 산출을 위하여 임의의 정보 공급원(211, 212, 213)으로부터 가격 정보 또는 상품 정보가 위에서 설명된 공급자 거래 모듈(13) 또는 구매자 거래 모듈(14)에서 수집될 수 있다. 그리고 수집된 정보는 정렬 모듈(22)에 의하여 정렬될 수 있다. 구체적으로 일정 시간 주기 동안 가격 정보 및 상품 정보가 수집되고, 수집된 정보의 필터링을 위하여 정렬될 수 있다. 정렬 모듈(22)은 수집된 정보를 필터링하는 기능을 가질 수 있다. 정렬 모듈(22)은 시간 우선성 유닛(221) 및 반복 검출 유닛(222)을 포함할 수 있고, 시간 우선성 유닛(221)은 다양한 정보 공급원(211, 212, 213)에서 공급된 정보에서 동일한 정보로 판단되는 정보 중 시간적으로 현재 시점에서 가까운 시간에 발생된 정보에 대하여 우선성을 부여한다. 그리고 반복 검출 유닛(222)은 가격 정보의 반복 수준에 기초하여 우선성을 부여한다. 이와 같이 시각 우선성 및 반복 수준에 따라 정보를 정렬하고, 예를 들어 시각 우선성이 낮은 정보 또는 반복 수준이 낮은 정보를 제외한다. 예를 들어 하나의 웹페이지에서 1 시각에 가격 정보가 제공되고, 2 시각에 다른 가격 정보가 제공되는 경우 만약 2 시각이 1 시각보다 현재 시점에서 가까운 시각이라면 1 시각 가격 정보는 제외된다. 또한 동일 상품에 대하여 1 가격이 서로 다른 3개의 웹페이지로부터 제공되고, 2 가격 서로 다른 5개의 웹페이지에서 제공된다면 2 가격이 우선성을 가진다. 이와 같은 방법으로 정렬 모듈(22)에서 가격 정보에 대한 선택이 이루어지면 상관 지수 모듈(23)에서 상관 지수가 결정될 수 있다. 상관 지수는 가격 정보의 신뢰성을 판단하기 위한 것으로 추출키 및 연관도에 따라 상관 지수가 결정될 수 있다. 상관 지수는 획득된 가격 정보가 실제로 거래와 관련되었는지 여부를 판단하기 위한 것으로 추출키 유닛(231) 및 연관도 유닛(232)에서 제공된 기준에 따라 이루어질 수 있다. 추출키 유닛(231)은 상품의 특성에 따라 2개 이상의 관련 용어를 조합할 수 있다. 예를 들어 상품명 또는 특성과 관련된 단어와 거래와 관련된 단어가 추출키로 만들어질 수 있다. 추출키 유닛(231)은 도매 지수가 산출되는 상품에 따라 다양한 추출키를 생성하여 각각의 추출키에 상관도 값을 결정하여 상관 지수 유닛(23)에 제공할 수 있다. 연관도 유닛(232)은 획득된 정보가 거래와 관련이 있는지 여부를 결정하는 기능을 가진다. 연관도 유닛(232)은 획득된 정보의 출처에 따라 연관도 값을 결정할 수 있다. 예를 들어 정보가 예를 들어 거래 사이트로부터 획득되었다면 연관도 값이 높아질 수 있다. 이에 비하여 획득된 정보가 다른 주제를 가진 웹페이지라면 연관도 값이 낮아질 수 있다. 이와 같이 추출키 및 연관도 결정 기준이 생성되면 상관 지수 모듈(23)에서 이에 기초하여 각각의 가격 정보에 대한 상관 지수 값을 결정할 수 있다. 그리고 결정된 상관 지수 값을 가진 가격 정보가 결정 모듈(24)로 전달될 수 있다. 결정 모듈(24)은 상관 지수 모듈(23)로부터 전달된 가격 정보가 도매 지수의 결정을 위한 데이터가 될 수 있는지 여부를 결정할 수 있다. 그리고 결정된 정보는 신뢰 평가 모듈(25)로 전송되어 신뢰도가 결정될 수 있다. 신뢰도는 각각의 가격 정보를 이전 가격 정보 또는 다른 도매지수 산출 기관으로부터 산출된 도매 지수와 비교할 수 있고, 그에 기초하여 신뢰도를 평가할 수 있다. 그리고 신뢰도가 평가된 정보는 지수 생성 모듈(26)로 전달될 수 있다. 지수 생성 모듈(26)은 전달된 가격 정보를 지역 및 시간에 따라 분류하여 도매 지수를 생성할 수 있다. 그리고 생성된 도매 지수가 피드백 모듈(27)에 의하여 하나의 가격 정보로 변환되어 분석 서버(11)로 입력될 수 있다. 그에 따라 결정된 도매 지수의 적정성이 판단될 수 있다.
분석 서버(11)는 다양한 방법으로 가격 정보를 획득하여 처리할 수 있고, 본 발명에 따른 도매 지수 평가 시스템은 제시된 실시 예에 제한되지 않는다.
위에서 설명된 것처럼 도매 지수는 시간별 또는 지역별로 산출될 수 있다.
아래에서 도매 지수가 지역별로 산출되어 공급자에게 전달되는 과정에 대하여 설명된다.
도 3은 서로 다른 지역의 도매 지수가 평가되는 과정에 대한 실시 예를 도시한 것이다.
도 3을 참조하면, 서로 다른 지역에 대하여 서로 다른 도매 지수(311, 312, 313)가 결정될 수 있다. 그리고 서로 다른 도매 지수(311, 312, 313)는 위에서 설명된 분석 서버 및 도매 지수 변동 산출 모듈에 의하여 산출될 수 있다. 도매 지수는 도매 공급 가격을 결정하는 기준이 되고, 각각의 공급자(38)는 도매 지수에 기초하여 서로 다른 지역에 대한 도매 공급 가격을 결정할 수 있다. 각각의 공급자(38)가 서로 다른 지역에 대한 공급 가격을 결정하는 경우 도매 지수가 차이를 나타내는 원인에 따라 해당 지역에 대한 공급 여부 또는 공급 가격을 결정하여야 한다. 본 명세서에서 도매 지수에 기초하여 결정되는 도매 공급 가격을 가격 지수라고 한다. 가격 지수는 공급자(38)의 공급 물량, 공급 시기 또는 공급 지역에 따라 동일한 도매 지수에 대하여 다른 값을 가질 수 있다. 이와 같은 가격 지수의 결정을 위하여 서로 다른 지역에 대하여 산출된 도매 지수(311, 312, 313)가 비교 모듈(32)로 전송될 수 있다. 또한 하나의 상품에 대한 광역 도매지수(351)가 비교 모듈(32)로 전달될 수 있다. 비교 모듈(32)은 광역 도매 지수(351)와 각각의 도매 지수(311, 312, 313)의 차이를 비교하여 가격 지수 분석 모듈(33)로 전송할 수 있다. 그리고 평가 매개 모듈(34)에 의하여 공급자의 수, 공급량, 소비 시장의 크기 또는 다른 물가지수와 같은 도매 지수(311, 312, 313)에 영향을 미치는 매개 변수가 탐색될 수 있다. 그리고 탐색된 매개 변수가 가격 지수 분석 모듈(33)로 전송될 수 있다. 가격 지수 분석 모듈(33)은 지역별 가격 지수를 결정할 수 있다. 지역별 가격 지수는 도매 지수와 유사하지만 거래 환경이 반영된다는 점에서 도매 지수와 차이를 나타낼 수 있다. 이와 같이 가격 지수 분석 모듈(33)에 의하여 가격 지수가 분석되면 개별 지수 결정 모듈(37)로 전송될 수 있다. 개별 지수 결정 모듈(37)은 각각의 공급자(38)가 현재 상태에서 특정 지역에 상품을 공급하는 경우 적정한 공급 가격을 산출할 수 있다. 공급자(38)는 공급자의 공급 경로, 공급 물량 또는 공급 시기에 따라 가격 지수가 결정된 각각의 지역의 개별지수를 산출할 수 있다. 그리고 산출된 개별지수에 따라 공급에 가장 유리한 시기, 공급량 및 지역을 결정할 수 있다.
*이와 같이 본 발명에 따른 도매 지수 평가 시스템은 각각의 공급자(38)에 대하여 가장 유리한 지역에 대한 공급량, 공급 시기 및 도매 공급 가격을 결정할 수 있도록 한다.
아래에서 이와 같은 기능을 가지는 본 발명에 따른 시스템에서 도매 지수가 평가되는 방법에 대하여 설명된다.
도 4는 본 발명에 따른 도매 지수 평가 과정의 실시 예를 도시한 것이다.
도 4를 참조하면, 하나의 상품에 대한 도매 지수를 평가하는 방법은 상기 하나의 상품에 대한 가격 데이터를 수집하는 단계(P41); 상기 수집된 가격 데이터가 시각 및 가격에 따라 분석되는 단계(P42); 상기 분석된 데이터에 기초하여 지역별 도매 지수가 산출되는 단계(P43); 산출된 지역별 도매 지수가 대비되어(P44) 지수 차이가 있는지 여부가 판단되는 단계(P45); 상기 도매지수에 영향을 미치는 연관데이터를 수집하는 단계(P46); 상기 수집된 연관 데이터에 기초하여 보상 파라미터를 적용하는 단계(P47); 상기 보상 파미미터가 적용된 도매지수가 설정된 범위에 있는지 여부가 판단되는 단계(P48); 및 각각의 공급자에 대한 개별 가격지수를 결정하는 단계(P49)를 포함한다.
본 발명에 따른 도매 지수 평가 방법은 빅 데이터에 기초하여 공급자, 구매자 또는 다양한 가격 정보 공급원으로부터 가격 정보를 수집하고 분석하여 지역별 도매 지수를 산출 또는 평가하는 것을 특징으로 한다. 도매 지수의 평가를 위하여 빅 데이터에 기초하여 가격 데이터가 수집된다(P41). 수집된 데이터는 대량이 되고, 다양한 정보 공급원으로부터 획득되어야 하고, 빠른 시간 내에 수집되고, 신뢰성이 평가될 수 있어야 한다. 이와 같은 방법으로 수집된 가격 정보는 획득된 시각 및 가격에 따라 분류되고 분석되어 지역별로 분류가 될 수 있다(P42). 가격 정보로부터 유효 데이터를 추출하는 과정은 위에서 설명된 분석 서버에서 이루어질 수 있고, 유효 데이터에 기초하여 지역별 가격 도매 지수가 산출될 수 있다(P43). 그리고 산출된 지역별 도매 지수가 대비될 수 있다(P44). 지역별 도매 지수는 상품 특성, 1차 도매 공급 지역 또는 2차 도매 공급 지역, 시장 크기 또는 다른 상품과 관계에 따라 다르게 나타날 수 있다. 또한 상품에 따라 지역별 도매 지수의 차이가 나타나지 않을 수 있다. 이에 따라 상품에 따라 의미를 가질 수 있는 지수 차이 범위가 결정될 수 있고, 지수 차이를 나타내는지 여부가 판단될 수 있다(P45). 하나의 상품에 대한 지역별 도매 지수가 미리 설정된 범위를 벗어나는 차이를 나타내지 않는다면, 각각의 공급자를 위한 개별 가격 지수가 지역별 도매 지수에 기초하여 결정될 수 있다(P49). 이에 비하여 지수 차이가 미리 결정된 범위를 벗어난다면(YES), 각각의 지역에 대한 연관 데이터가 수집될 수 있다(P46). 연관 데이터는 다른 상품의 물가지수, 지역 특성 또는 상품 특성을 포함할 수 있다. 연관 데이어가 수집되면 그에 따라 보상 파라미터가 결정되어 적용될 수 있다(P47). 보상 파라미터의 적용에 따라 각각의 지역 특성에 따라 가격이 변동되고, 변동된 가격이 미리 설정된 범위에 있는지 여부가 다시 판단될 수 있다(P48). 만약 미리 설정된 범위에 있지 않다면(NO), 보상 파라미터에 대하여 가중치가 설정되고(P481) 적용되어야 할 연관 데이터가 수집될 수 있다(P46). 이에 비하여 설정된 범위에 있다면(YES), 공급자를 위한 개별 가격 지수가 결정될 수 있다(P49). 개별 가격 지수는 위에서 설명된 방법에 따라 결정될 수 있다.
본 발명에 따른 지역별 도매 지수는 다양한 방법으로 결정될 수 있고, 본 발명은 제시된 실시 예에 제한되지 않는다.
본 발명에 따른 도매 지수 평가 시스템은 실시간으로 도매 지수의 변동이 평가되도록 하는 것에 의하여 도매 물품 공급자가 적정한 공급 가격을 결정할 수 있도록 한다. 또한 본 발명에 따른 도매 지수 평가 시스템은 지역별로 도매 지수의 변동을 평가하는 것에 의하여 공급자의 공급 지역의 확대가 가능하도록 한다. 추가로 본 발명에 따른 도매 지수 평가 시스템은 도매 공급자의 물품 공급 시기 및 물량의 결정이 가능하도록 한다.
위에서 본 발명은 제시된 실시 예를 참조하여 상세하게 설명이 되었지만 이 분야에서 통상의 지식을 가진 자는 제시된 실시 예를 참조하여 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다양한 변형 및 수정 발명을 만들 수 있을 것이다. 본 발명은 이와 같은 변형 및 수정 발명에 의하여 제한되지 않으며 다만 아래에 첨부된 청구범위에 의하여 제한된다.
10: 도매 지수 변동 산출 모듈 11: 분석 서버
12: 도매 지수 산출 기관 13: 공급자 거래 모듈
14: 구매자 거래 모듈 15: 공급량 정보 모듈
16: 환경 변수 모듈 18: 개별 공급 결정 모듈
22: 정렬 모듈 23: 상관 지수 모듈
24: 결정 모듈 25: 신뢰 평가 모듈
26: 지수 생성 모듈 27: 피드백 모듈
32: 비교 모듈 33: 가격 지수 분석 모듈
34: 평가 매개 모듈 37: 개별 지수 결정 모듈
38: 공급자 211, 212, 213: 정보 공급원
221: 시간 우선성 유닛 222: 반복 검출 유닛
231: 추출키 유닛 232: 연관도 유닛
311, 312, 313: 도매 지수 351: 광역 도매 지수

Claims (2)

  1. 하나의 상품에 대한 공급자의 가격 정보를 수집하는 공급자 거래 모듈(13);
    상기 하나의 상품에 대한 구매자의 가격 정보를 수집하는 구매자 거래 모듈(14);
    공급자 거래 모듈(13) 및 구매자 거래 모듈(14)로부터 수집된 정보를 분석하는 분석 서버(11);
    분석 서버(11)로부터 분석된 정보에 기초하여 상기 하나의 상품 전체에 대한 생산자와 직접 거래하는 도매업자의 판매 가격에 따른 도매 물가의 수준을 나타내는 도매 지수의 변동을 산출하여 도매지수 데이터를 생성하는 도매 지수 변동 산출 모듈(10); 및
    도매 지수 변동 산출 모듈(10)로부터 결정된 상기 도매지수 데이터로부터 개별 공급 가격을 결정하여 공급자 거래 모듈(13)에 제공하는 개별 공급 결정 모듈(18)을 포함하고,
    분석 서버(11)는 다수 개의 정보 공급원(211, 212, 213)으로부터 추출된 정보를 정렬하는 정렬 모듈(22); 정렬 모듈(22)에서 정렬된 정보의 상관성을 분석하여 상관 지수를 형성하는 상관 지수 모듈(23); 상관 지수 모듈(23)로부터 가격 결정을 위한 정보를 결정하는 결정 모듈(24); 및 결정 모듈(24)에서 결정된 상기 정보에 대한 신뢰성을 평가하는 신뢰성 평가 모듈(25); 및 신뢰성 평가 모듈(25)로부터 평가된 상기 정보로부터 도매 지수 데이터를 결정하는 지수 데이터 모듈(26)을 포함하는 빅 데이터를 활용한 상품별 도매 지수 평가 시스템.
  2. 청구항 1에 있어서, 상관 지수(23)는 미리 결정된 추출키 및 연관도에 기초하여 상관도 맵을 형성하는 것을 특징으로 하는 빅 데이터를 활용한 상품별 도매 지수 평가 시스템.














KR1020170065866A 2017-05-29 2017-05-29 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법 KR20170082471A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170065866A KR20170082471A (ko) 2017-05-29 2017-05-29 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170065866A KR20170082471A (ko) 2017-05-29 2017-05-29 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020150164878 Division 2015-11-24

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020210042578A Division KR20210038530A (ko) 2021-04-01 2021-04-01 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법

Publications (1)

Publication Number Publication Date
KR20170082471A true KR20170082471A (ko) 2017-07-14

Family

ID=59358552

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170065866A KR20170082471A (ko) 2017-05-29 2017-05-29 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법

Country Status (1)

Country Link
KR (1) KR20170082471A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652539A (zh) * 2020-04-22 2020-09-11 上海德启信息科技有限公司 一种异常事件监控方法、装置、系统
KR102324148B1 (ko) * 2020-05-21 2021-11-10 주식회사 허브넷컴퍼니 잔존농산물 매칭시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652539A (zh) * 2020-04-22 2020-09-11 上海德启信息科技有限公司 一种异常事件监控方法、装置、系统
CN111652539B (zh) * 2020-04-22 2023-08-25 上海德启信息科技有限公司 一种异常事件监控方法、装置、系统
KR102324148B1 (ko) * 2020-05-21 2021-11-10 주식회사 허브넷컴퍼니 잔존농산물 매칭시스템
KR102324142B1 (ko) * 2020-05-21 2021-11-10 주식회사 허브넷컴퍼니 빅데이터 제품수명주기기술 기반 잔존농산물 시장분석 시스템

Similar Documents

Publication Publication Date Title
Febrian et al. Brand equity s mediated in influencing purchase intentions on e commerce
Djan et al. The effect of convenience and trust to purchase decision and its impact to customer satisfaction
Reisinger et al. Structural equation modeling with Lisrel: application in tourism
Burnie Exploring the interconnectedness of cryptocurrencies using correlation networks
KR102321987B1 (ko) 온라인 쇼핑몰 관리 시스템 및 방법
Taleizadeh et al. Joint determination of the optimal selling price, refund policy and quality level for complementary products in online purchasing
KR20140115430A (ko) 온라인 판매자 평가정보 제공방법
Chocarro et al. Customer heterogenity in the development of e-loyalty
Susanti et al. Online purchase decisions on the online buying site" Shopee" viewing from the variables of trust, easy and price
KR20170082471A (ko) 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법
Komara et al. Factors that Affect the Level of Customer Satisfaction and Repurchase Intention on Tokopedia
Lutfie et al. How price perception and trust affected millenial online buying interest during Covid-19 pandemic in West Java
Jiao et al. The sooner, the better? Interactions of stakeholders in online food delivery service platforms
Launtu The Effect of Price and Product Quality on Online Purchasing Decisions: Empirical Study in Lazada
KR20210038530A (ko) 빅 데이터를 활용한 상품별 도매 지수 평가 시스템 및 그에 의한 도매 지수의 평가 방법
Valentika An Analysis of the Effect of Utilitarian Values on Shopee E-Commerce Satisfaction and Loyalty with SEM-PLS
KR102329237B1 (ko) 도매 거래 중계 시스템
KR101409273B1 (ko) 사용자의 구매 영향력 지수를 산출하는 방법 및 장치
Haddara et al. Factors affecting consumer-to-consumer sales volume in e-commerce
Alpian et al. The Influence of System Quality, Information Quality, and Service Quality on User Satisfaction Through Use in The Blibli Marketplace
KR100343594B1 (ko) 가상시장의 매매동향 분석시스템 및 방법
Hartanto et al. The Effect of Website Quality, Trust, and Ease of Use on Customer Loyalty: Customer Satisfaction as a Mediation
Selviasari et al. Predicting Purchase Decisions on Kediri Consumer Students using Shopee Application
KR20210060418A (ko) 도매 거래를 위한 결제 시스템 및 이를 위한 결제 방법
Devi et al. The influence of e-trust on e-customer loyalty of online food delivery customers in Indonesia (Study conducted during COVID-19 Pandemic)

Legal Events

Date Code Title Description
A107 Divisional application of patent
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
A107 Divisional application of patent