KR20220081019A - System for predicting sale of merchandise by using parcel delivery service information - Google Patents
System for predicting sale of merchandise by using parcel delivery service information Download PDFInfo
- Publication number
- KR20220081019A KR20220081019A KR1020200170425A KR20200170425A KR20220081019A KR 20220081019 A KR20220081019 A KR 20220081019A KR 1020200170425 A KR1020200170425 A KR 1020200170425A KR 20200170425 A KR20200170425 A KR 20200170425A KR 20220081019 A KR20220081019 A KR 20220081019A
- Authority
- KR
- South Korea
- Prior art keywords
- sales
- product
- status
- information
- region
- Prior art date
Links
- 238000012384 transportation and delivery Methods 0.000 title claims abstract description 32
- 239000000047 product Substances 0.000 claims abstract description 58
- 239000006227 byproduct Substances 0.000 claims abstract description 21
- 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 6
- 230000008676 import Effects 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims abstract description 4
- 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 6
- 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 abstract description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
- G06Q10/08—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.The present invention provides an e-commerce server 110 that generates order information and courier transportation information by performing e-commerce, and performs inventory management on behalf of logistics services according to order information and courier transportation information, and product category from order information Internal data of sales status by region, sales status by region, return status, and sales status by company are extracted and generated, and the delivery status of courier companies, production status of manufacturers, export/import performance by product, sales data by product, consumption data by age, and consumption by period are generated from the delivery information. Fulfillment server 120, which extracts and generates external data of consumption propensity and SNS trend by propensity and weather, stores internal data and external data to build a data warehouse for pre-processing, A sales volume prediction unit 130, and a sales volume prediction unit 130 that analyze the correlation between weather and SNS trend variables and product sales to derive product sales forecast values for each region, product, age, period, weather, and SNS trend ), including the display unit 140 that processes and visualizes the product sales forecast value derived by A prediction system is disclosed.
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.The present invention relates to a sales prediction system using parcel delivery information that can minimize malicious inventory by using parcel delivery information corresponding to invoice information as basic information and predicting sales by region, product, and period through an analysis algorithm. .
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.As is well known, inventory management is a very important factor in the e-commerce of small quantity sales of multiple products. In the fulfillment system, if the storage period is long, continuous storage costs occur. There are aspects that are difficult to maintain.
또한, 재고를 소각하거나 고정비용에도 불구하고 창고에 장기보관하여 판매시의를 관찰하는 경우가 종종 있다. 즉, 브랜드 가치를 제고하기 위해 재고를 폐기하나 재고 매입업체에게 재판매하지는 않는다.In addition, it is often the case that inventory is incinerated or stored for a long time in a warehouse despite fixed costs to observe the time of sale. In other words, inventory is discarded to enhance brand value, but not resold to inventory purchasers.
이에, 체화재고의 발생은 불가피하여 체화재고의 소각 또는 창고 장기보관시에도 비용이 필연적으로 발생하게 된다.Accordingly, the occurrence of embodied stock is inevitable, and thus costs are inevitably incurred even when incineration of embodied stock or long-term storage in a warehouse.
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.Therefore, there is a need for a technology capable of reducing costs due to malicious inventory by minimizing the occurrence of consolidation inventory by building a forecasting system that can accurately perform demand forecasting, that is, sales forecasting for a product.
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.The technical task to be achieved by the spirit of the present invention is that it is possible to minimize malicious inventory by using courier transportation information corresponding to invoice information as basic information and predicting sales by region, product and period through an analysis algorithm. To provide a sales forecasting system using
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.In order to achieve the above object, the present invention provides an e-commerce server that generates order information and courier delivery information by performing an electronic commerce transaction; In accordance with the order information from the e-commerce server and the courier delivery information, inventory management is integrated by acting on behalf of the logistics service of warehousing, storage, packaging, shipment, and return of goods, and the sales status by product category from the order information Internal data of sales status by region, return status, and sales status by company are extracted and generated, and from the above courier delivery information, delivery status of courier companies, production status of manufacturers, import/export performance by product, sales data by product, consumption data by age, consumption propensity and weather by period A fulfillment server that extracts and generates external data of each consumption propensity and SNS trend; By storing the internal data and the external data, a data warehouse is built and pre-processed, and the correlation between region, product, age, period, weather, SNS trend variables, and product sales is analyzed by region, product, age, and period. and a sales volume prediction unit that derives product sales forecast values for each weather and SNS trend; and a display unit that processes and visualizes the product sales forecast value derived by the sales volume prediction unit; including, using courier transportation information corresponding to invoice information to predict sales by region, product and period, using courier transportation information It provides a sales forecasting system.
여기서, 상기 판매량 예측부는, 상기 분석된 상관관계의 유효한 변수를 도출하고 분석알고리즘을 적용하여 상기 상품 판매량 예측값을 도출할 수 있다.Here, the sales volume predicting unit may derive a valid variable of the analyzed correlation and apply an analysis algorithm to derive the product sales forecast value.
또한, 상기 분석알고리즘에는 시계열분석, 회귀분석 또는 랜덤포레스트가 적용될 수 있다.In addition, time series analysis, regression analysis, or random forest may be applied to the analysis algorithm.
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.In addition, the sales volume prediction unit, the total or province-by-year sales volume trend analysis, product sourcing ratio analysis to sales volume, sales volume decrease over the past 3 years, sales volume by region, product sourcing status by product category, and product category It is possible to derive the purchase status, the purchase status by region, the status by age and income, the purchase trend by product category, and the predicted product sales volume of the purchase trend in a specific region.
또한, 상기 택배배송정보는 송장정보와 배송지와 제품과 수량을 포함할 수 있다.In addition, the courier delivery information may include invoice information, delivery address, product, and quantity.
본 발명에 의하면, 송장정보에 해당하는 택배운송정보를 기초정보로 활용하고 분석알고리즘을 통해 지역별과 상품별과 기간별 판매를 예측하여서, 악성재고를 최소화할 수 있는 효과가 있다.According to the present invention, it is possible to minimize malicious inventory by using the parcel delivery information corresponding to the invoice information as basic information and predicting the sales by region, product, and period through an analysis algorithm.
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.1 shows a schematic configuration diagram of a sales prediction system using parcel delivery information according to an embodiment of the present invention.
2 is an example of the display of the predicted product sales volume by the display unit of the sales prediction system using the parcel delivery information of FIG. 1, respectively.
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.Advantages and features of the present invention, and a method of achieving them, will become apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but will be implemented in a variety of different forms, and only these embodiments allow the disclosure of the present invention to be complete, and common knowledge in the technical field to which the present invention belongs It is provided to fully inform the possessor of the scope of the invention, and the present invention is only defined by the scope of the claims.
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.With reference to the accompanying drawings will be described in detail for the implementation of the present invention. Irrespective of the drawings, like reference numbers refer to like elements, and "and/or" includes each and every combination of one or more of the recited items.
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.The terminology used herein is for the purpose of describing the embodiments, and is not intended to limit the present invention. In this specification, the singular also includes the plural unless specifically stated otherwise in the phrase. As used herein, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other components in addition to the stated components.
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.Unless otherwise defined, all terms (including technical and scientific terms) used herein may be used with the meaning commonly understood by those of ordinary skill in the art to which the present invention belongs. In addition, terms defined in a commonly used dictionary are not to be interpreted ideally or excessively unless clearly defined in particular.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
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.The sales prediction system using courier transportation information according to an embodiment of the present invention performs an e-commerce transaction to generate order information and parcel transportation information, the e-commerce server 110, and provides logistics services according to order information and parcel transportation information to integrate inventory management, extract and create internal data of sales status by product category, region, return status, and sales status by company from order information Fulfillment server 120 that extracts and generates external data of import and export performance, sales data by product, consumption data by age, consumption propensity by period, consumption propensity by weather, and SNS trend, and stores internal data and external data to create a data warehouse Construct and pre-process, and analyze the correlation between region, product, age, period, weather, SNS trend variables, and product sales to derive product sales forecasts by region, product, age, period, weather, and SNS trend, The sales volume prediction unit 130, and the display unit 140 that processes and visualizes the product sales forecast value derived by the sales volume prediction unit 130, using the parcel delivery information corresponding to the invoice information, and by region and product The main point is to forecast sales by period.
이하, 도 1 및 도 2를 참조하여, 전술한 택배운송정보를 이용한 판매 예측 시스템의 구성을 구체적으로 상술하면 다음과 같다.Hereinafter, with reference to FIGS. 1 and 2 , the configuration of the sales prediction system using the above-described courier transportation information will be described in detail.
우선, 이커머스 서버(electronic commerce server)(110)는 다수로 구성되어 각각 전자상거래를 수행하고, 판매 상품에 대한 주문정보와 택배운송정보를 생성하여 풀필먼트 서버(120)로 전송한다.First, the e-commerce server (electronic commerce server) 110 is composed of a plurality of each performs an e-commerce, generates order information and courier delivery information for the sale product, and transmits it to the fulfillment server (120).
여기서, 주문정보에는 상품 카테고리와 상품명과 상품부피와 상품중량과 판매처와 배송지와 주문자정보를 포함할 수 있다.Here, the order information may include product category, product name, product volume, product weight, sales place, delivery address, and orderer information.
한편, 택배배송정보는 송장정보와 배송지와 제품과 수량을 포함할 수 있다.Meanwhile, the courier delivery information may include invoice information, a delivery address, a product, and a quantity.
다음, 풀필먼트 서버(120)는 이커머스 서버(110)로부터의 주문정보와 택배운송정보에 따라, 상품의 입고와 보관과 포장과 출고와 반품의 물류서비스를 대행하여 재고 관리를 통합 수행한다.Next, the fulfillment server 120 performs inventory management by acting on behalf of the logistics service of warehousing, storage, packaging, shipment, and return of goods according to the order information and courier delivery information from the e-commerce server 110 .
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.In addition, the fulfillment server 120 extracts and generates internal data of the sales status by product category, the sales status by region, the return status, and the sales status by e-commerce company from the order information, and the delivery status of the courier company and the manufacturer's production from the courier delivery information External data of the current status, import and export performance by product, sales data by product, consumption data by age, consumption propensity by period, consumption propensity by weather, and SNS trend are extracted and generated, and transmitted to the sales volume prediction unit 130 .
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.Next, the sales volume prediction unit 130 stores internal data and external data to build a data warehouse (DW) to create a dataset, and performs preprocessing to process missing data and error data, and By analyzing the correlation between product, age, period, weather, SNS trend variables, and product sales, product sales forecasts are derived by region, product, age, period, weather, and SNS trend.
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.For example, the sales volume prediction unit 130 analyzes the correlation between the aforementioned variables and product sales to derive a valid variable showing a meaningful correlation with product sales, and applies an analysis algorithm to derive a product sales forecast value. have.
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.Here, the analysis algorithm includes time series analysis, which is a model that statistically analyzes changes at regular intervals according to the passage of time, and regression analysis or cluster analysis, which is a model that predicts how much the result changes according to changes in the independent variable, which is an effective variable. As a kind, a random forest, which is a model that analyzes combining multiple decision trees, can be applied.
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.In addition, the sales volume prediction unit 130, as illustrated in Figure 2, the total or province-by-year sales volume trend analysis, sales volume to product sourcing ratio analysis, the sales volume decrease over the last three years, the sales volume by region, Display unit 140 by deriving the product sourcing status by product category, purchase status by product category, purchase status by region, status by age and income, purchase trend by product category, and product sales forecast for specific region purchase trend It can be provided through visualization.
다음, 디스플레이부(140)는 판매량 예측부(130)에 의해 도출된 상품 판매량 예측값을 가공하여 시각화하여서 사용자에게 제공한다.Next, the display unit 140 processes and visualizes the product sales forecast value derived by the sales volume prediction unit 130 and provides it to the user.
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.Therefore, by the configuration of the sales prediction system using the parcel delivery information as described above, the delivery delivery information corresponding to the invoice information is used as basic information, and sales by region, product and period are predicted through an analysis algorithm, and malicious inventory is reduced. can be minimized
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. Although embodiments of the present invention have been described with reference to the above and the accompanying drawings, those of ordinary skill in the art to which the present invention pertains can practice the present invention in other specific forms without changing its technical spirit or essential features. You can understand that there is Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive.
110 : 이커머스 서버
120 : 풀필먼트 서버
130 : 판매량 예측부
140 : 디스플레이부110: e-commerce server 120: fulfillment server
130: sales volume prediction unit 140: display unit
Claims (5)
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 시스템.
an e-commerce server that performs e-commerce to generate order information and courier delivery information;
In accordance with the order information from the e-commerce server and the courier delivery information, inventory management is integrated by acting on behalf of the logistics service of warehousing, storage, packaging, shipment, and return of goods, and the sales status by product category from the order information Internal data of sales status by region, return status, and sales status by company are extracted and generated, and from the above courier company delivery status and manufacturer production status, import/export performance by product, sales data by product, consumption data by age, consumption propensity and weather by period A fulfillment server that extracts and generates external data of each consumption propensity and SNS trend;
By storing the internal data and the external data, a data warehouse is built and pre-processed, and the correlation between region, product, age, period, weather, SNS trend variables, and product sales is analyzed by region, product, age, and period. and a sales volume prediction unit that derives product sales forecast values for each weather and SNS trend; and
A display unit that processes and visualizes the product sales forecast value derived by the sales volume prediction unit; Including, using courier transportation information corresponding to invoice information to predict sales by region, product, and period, sales using courier transportation information prediction system.
상기 판매량 예측부는, 상기 분석된 상관관계의 유효한 변수를 도출하고 분석알고리즘을 적용하여 상기 상품 판매량 예측값을 도출하는 것을 특징으로 하는, 택배운송정보를 이용한 판매 예측 시스템.
According to claim 1,
The sales volume prediction unit, a sales prediction system using courier transport information, characterized in that deriving the predicted value of the product sales volume by deriving a valid variable of the analyzed correlation and applying an analysis algorithm.
상기 분석알고리즘에는 시계열분석, 회귀분석 또는 랜덤포레스트가 적용되는 것을 특징으로 하는, 택배운송정보를 이용한 판매 예측 시스템.
3. The method of claim 2,
A sales prediction system using courier transport information, characterized in that time series analysis, regression analysis or random forest is applied to the analysis algorithm.
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 도출하는 것을 특징으로 하는, 택배운송정보를 이용한 판매 예측 시스템.
According to claim 1,
The sales volume forecasting unit, the total or province-by-year sales trend analysis, product sourcing ratio analysis to sales volume, sales volume decrease over the past 3 years, sales volume by region, product sourcing status by product category, and purchase status by product category And, a sales forecasting system using courier transport information, characterized in that the purchase status by region, the status by age and income, and the purchase trend by product category and the product sales forecast value of the purchase trend in a specific region are derived.
상기 택배배송정보는 송장정보와 배송지와 제품과 수량을 포함하는 것을 특징으로 하는, 택배운송정보를 이용한 판매 예측 시스템.According to claim 1,
The parcel delivery information is a sales prediction system using delivery delivery information, characterized in that it includes invoice information, delivery address, product, and quantity.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200170425A KR102615751B1 (en) | 2020-12-08 | 2020-12-08 | System for predicting sale of merchandise by using parcel delivery service information |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020200170425A KR102615751B1 (en) | 2020-12-08 | 2020-12-08 | System for predicting sale of merchandise by using parcel delivery service information |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220081019A true KR20220081019A (en) | 2022-06-15 |
KR102615751B1 KR102615751B1 (en) | 2023-12-19 |
Family
ID=81987442
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200170425A KR102615751B1 (en) | 2020-12-08 | 2020-12-08 | System for predicting sale of merchandise by using parcel delivery service information |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102615751B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117371826A (en) * | 2023-12-07 | 2024-01-09 | 福建科德信息技术服务有限公司 | Enterprise management method and system based on big data |
KR102676289B1 (en) * | 2023-11-24 | 2024-06-19 | 주식회사 코리안클로딩 | Shopping system based on identification code |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030038632A (en) * | 2003-04-25 | 2003-05-16 | 주식회사 아이젝솔루션 | Method for physical distrbution control using marketing dealer and computer readable record medium on which a program therefor is record |
KR20150102503A (en) * | 2014-02-28 | 2015-09-07 | 주식회사 에스비아이에스 | System of providing recommendation menu of weather for increasing sales |
KR20170100201A (en) * | 2016-02-25 | 2017-09-04 | (주)수와유 | Integration solutions system for e-commerce purchases prediction using big data |
KR101872223B1 (en) | 2016-10-14 | 2018-08-02 | 주식회사 샤샤 | Apparatus for providing sales forecasting information based on internet |
KR102077279B1 (en) | 2019-11-23 | 2020-02-13 | 주식회사 에프에스에스 | Operation method of physical Distribution system |
KR102177463B1 (en) * | 2020-01-02 | 2020-11-11 | 주식회사 에스티씨 | Apparatus and method for generating sales quantaties prediction model based on machine learning, apparatus and method for predicting sales qunataties |
-
2020
- 2020-12-08 KR KR1020200170425A patent/KR102615751B1/en active IP Right Grant
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20030038632A (en) * | 2003-04-25 | 2003-05-16 | 주식회사 아이젝솔루션 | Method for physical distrbution control using marketing dealer and computer readable record medium on which a program therefor is record |
KR20150102503A (en) * | 2014-02-28 | 2015-09-07 | 주식회사 에스비아이에스 | System of providing recommendation menu of weather for increasing sales |
KR20170100201A (en) * | 2016-02-25 | 2017-09-04 | (주)수와유 | Integration solutions system for e-commerce purchases prediction using big data |
KR101872223B1 (en) | 2016-10-14 | 2018-08-02 | 주식회사 샤샤 | Apparatus for providing sales forecasting information based on internet |
KR102077279B1 (en) | 2019-11-23 | 2020-02-13 | 주식회사 에프에스에스 | Operation method of physical Distribution system |
KR102177463B1 (en) * | 2020-01-02 | 2020-11-11 | 주식회사 에스티씨 | Apparatus and method for generating sales quantaties prediction model based on machine learning, apparatus and method for predicting sales qunataties |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102676289B1 (en) * | 2023-11-24 | 2024-06-19 | 주식회사 코리안클로딩 | Shopping system based on identification code |
KR102708396B1 (en) * | 2023-11-24 | 2024-09-23 | 주식회사 코리안클로딩 | Shopping system based on supplier reviews |
KR102708395B1 (en) * | 2023-11-24 | 2024-09-23 | 주식회사 코리안클로딩 | Shopping system based on inventory quantity |
CN117371826A (en) * | 2023-12-07 | 2024-01-09 | 福建科德信息技术服务有限公司 | Enterprise management method and system based on big data |
CN117371826B (en) * | 2023-12-07 | 2024-03-15 | 福建科德信息技术服务有限公司 | Enterprise management method and system based on big data |
Also Published As
Publication number | Publication date |
---|---|
KR102615751B1 (en) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ji et al. | An Application of a Three‐Stage XGBoost‐Based Model to Sales Forecasting of a Cross‐Border E‐Commerce Enterprise | |
US11922440B2 (en) | Demand forecasting using weighted mixed machine learning models | |
CN110392899B (en) | Dynamic feature selection for model generation | |
Liljestrand | Logistics solutions for reducing food waste | |
Teunter et al. | ABC classification: service levels and inventory costs | |
Battini et al. | Consignment stock inventory policy: methodological framework and model | |
Vairagade et al. | Demand forecasting using random forest and artificial neural network for supply chain management | |
US20220188757A1 (en) | Systems and methods for inventory control and optimization | |
US11989688B2 (en) | Decision support system for optimizing the unit identifier stocking decision | |
CN117350766B (en) | Data processing method, system and storage medium based on private domain e-commerce platform | |
KR20220081019A (en) | System for predicting sale of merchandise by using parcel delivery service information | |
Modrák et al. | Impacts of RFID implementation on cost structure in networked manufacturing | |
Ilieva et al. | Big data based system model of electronic commerce | |
Barron et al. | Shortage decision policies for a fluid production model with MAP arrivals | |
Guo et al. | A multi-commodity location-inventory problem in a closed-loop supply chain with commercial product returns | |
Guo et al. | Location-inventory decisions for closed-loop supply chain management in the presence of the secondary market | |
Adamczewski | E-logistics as the ICT Support in Modern Polish Organizations | |
Chen et al. | Optimal policies for the pricing and replenishment of fashion apparel considering the effect of fashion level | |
Nagurney | Optimization of investments in labor productivity in supply chain networks | |
US9443214B2 (en) | News mining for enterprise resource planning | |
Smith | Warehouse Management Systems: Comparison of Two Pittsburgh-Based Manufacturing Firms | |
KR101596319B1 (en) | Device and method for providing FTA business model | |
Adulyasak et al. | Retail Analytics in the New Normal: The Influence of Artificial Intelligence and the Covid-19 Pandemic | |
Shanmugan et al. | Manufacturing Outsourcing to Achieve Organizational Performance through Manufacturing Integrity Capabilities | |
Stoychev | The potential benefits of implementing machine learning in supply chain management |
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 |