申请/专利权人：深圳市秦丝科技有限公司

申请日：2023-01-17

公开（公告）日：2023-10-24

公开（公告）号：CN116070995B

主分类号：G06Q10/087

分类号：G06Q10/087

优先权：

专利状态码：有效-授权

法律状态：2023.10.24#授权;2023.05.23#实质审查的生效;2023.05.05#公开

摘要：本发明涉及仓库管理技术领域，具体为一种基于大数据分析的商铺进销存管理系统及方法，所述系统包括仓库存储标准阈值分析模块，所述仓库存储标准阈值分析模块根据每个编号商品的销售量变化情况，预测基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的第二销售量及第二销量波动值，得到基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的仓库存储标准阈值。本发明不仅对商铺商品的进销存数据进行实时统计，还考虑到商铺商品的关联材料的销售量变化情况，并准确预测后续单位时间内相应商品的销售量，进而辅助商铺实现智能补货，实时确保商铺的库存量，实现对商铺进销存的有效管理。

主权项：1.一种基于大数据分析的商铺进销存管理方法，其特征在于，所述方法包括以下步骤：S1、获取商铺的上架商品，对商品进行编号，并获取每个编号的商品对应的关联材料种类集合；S2、获取每个关联材料种类集合中各材料种类在各个时间节点分别对应销量的变化情况，结合历史数据中相应编号商品在各个时间节点的销售量变化情况，预测材料销量变化与商品销量之间的反馈时延，并结合第二时间节点时，关联材料种类集合中各材料种类的销售量情况，预测基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的第一销售量及第一销量波动值，所述时间节点对应一个时间区间且时间区间的时长为第一单位时间，第一单位时间为数据库中预置的常数，所述第二时间节点表示当前时间所属的时间节点的上一时间节点，所述反馈时延为时间节点对应时长的整数倍，第二时间节点后反馈时延对应的最大时间节点为第二时间节点后反馈时延对应的多个时间节点中的最后一个；S3、根据每个编号商品的销售量变化情况，预测基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的第二销售量及第二销量波动值，得到基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的仓库存储标准阈值；S4、获取商铺的历史交易数据中每个编号商品对应的综合退货率；S5、结合S3及S4中的分析结果，计算商铺中基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的仓库补货阈值，生成商铺商品在相应时间点的仓库补货阈值清单，并反馈给管理员；所述S1中对商品进行编号时，将第i个商品对应的编号记为Ai，将Ai对应商品的关联材料种类集合记为BAi，所述BAi中每个元素对应的材料种类为Ai对应商品的构成材料种类，且BAi中不同元素对应的材料种类不同，将BAi中第j个元素对应的材料记为BjAi；所述S2中预测材料销量变化与商品销量之间的反馈时延的方法包括以下步骤：S21、获取基于当前时间的前第二单位时间内BjAi在不同时间节点内分别对应的销量，将BjAi在第N个时间节点内对应的销量记为XNBjAi，构建第一销量关系数据对N，XNBjAi，并在以o为原点、以基于当前时间的前第二单位时间内的时间节点个数为x轴且以一个时间节点内的销量为y轴构建的平面直角坐标系中，分别将N为不同值时对应的各个第一销量关系数据对相应的坐标点进行标记，且按N值从小到大的顺序将相邻各个标记的坐标点进行相连，得到BjAi的销量折线图，且将BjAi的销量折线图对应的函数记为FBjAix，所述FBjAix为分段函数，所述第二单位时间为数据库中预置的常数且第二单位时间为时间节点对应时长的整数倍，用N1表示第二单位时间除以时间节点对应时长的倍数；S22、获取历史数据中基于当前时间的前第二单位时间内Ai对应商品在不同时间节点内分别对应的销量，将Ai对应商品在第N个时间节点内对应的销量记为X1NBjAi，构建第二销量关系数据对N，X1NBjAi，并在构建的平面直角坐标系中，分别将N为不同值时对应的各个第二销量关系数据对相应的坐标点进行标记，且按N值从小到大的顺序将相邻各个标记的坐标点进行相连，得到Ai对应商品的销量折线图，且将Ai对应商品的销量折线图对应的函数记为GAix，所述GAix为分段函数；S23、计算反馈时延为t时FBjAix与GAix之间的趋势变化偏差比，记为PtBjAi，0≤t≤N2，且N2＜N1，所述N2为数据库中预置的最大反馈时延阈值， 其中，|Z[FBjAix]-Z[GAix+t]|等于Z[FBjAix]-Z[GAix+t]的绝对值，当max{FBjAix}＝min{FBjAix}时，Z[FBjAix]＝0，max{FBjAix}表示区间0≤x≤N1-t内FBjAix的最大值，min{FBjAix}表示区间0≤x≤N1-t内FBjAix的最小值，当max{FBjAix}＞min{FBjAix}时，Z[FBjAix]＝[FBjAix-min{FBjAix}][max{FBjAix}-min{FBjAix}]，当max{GAix+t}＝min{GAix+t}时，Z[GAix+t]＝0，max{GAix+t}表示区间0≤x≤N1-t内GAix+t的最大值，min{GAix+t}表示区间0≤x≤N1-t内GAix+t的最小值，当max{GAix+t}＞min{GAix+t}时，Z[GAix+t]＝[GAix+t-min{GAix+t}][max{GAix+t}-min{GAix+t}]；S24、计算t为不同值及j为不同值时分别对应的FBjAix与GAix之间的趋势变化偏差比PtBjAi，将最小趋势变化偏差比对应的t值记为t1，将最小趋势变化偏差比对应的j值记为jz；S25、得到Ai对应材料销量变化与商品销量之间反馈时延的预测值t1，及Ai对应商品销量分析的最佳关联函数FBjzAix，所述BjzAi表示BAi中第j个元素对应的材料；所述S2中预测基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的第一销售量及第一销量波动值的方法包括以下步骤：S211、获取Ai对应材料销量变化与商品销量之间反馈时延的预测值t1，及Ai对应商品销量分析的最佳关联函数FBjzAix；S212、获取当前时间所属的时间节点的上一时间节点，得到第二时间节点，即第二单位时间内第N1个时间节点，根据t1得到Ai对应的第二时间节点后反馈时延对应的最大时间节点，记为t2Ai，所述t2Ai表示基于第二时间节点的后续t1内对应的各个时间节点中的最后一个，且t2Ai对应的为一个时间区间；S213、预测基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的第一销售量Qt2Ai，Qt2Ai＝Zt1[FBjzAiN1]*[max{GAix+t1}-min{GAix+t1}]+min{GAix+t1}其中，Zt1[FBjzAiN1]表示0≤x≤N1-t1内，FBjzAix对应的Z[FBjAix]，max{GAix+t1}表示区间0≤x≤N1-t1内GAix+t1的最大值，min{GAix+t1}表示区间0≤x≤N1-t1内GAix+t1的最小值；S214、预测基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的第一销售量波动值Dt2Ai，Dt2Ai＝Et2Ai*Qt2AiZt1[FBjzAiN1]所述Et2Ai为计算反馈时延为t1时FBjzAix与GAix之间的趋势变化偏差比的过程中，x为不同值时分别对应的各个|Z[FBjzAix]-Z[GAix+t1]|中的最大值；所述S3中预测基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的第二销售量及第二销量波动值的方法包括以下步骤：S31、获取Ai对应的第二时间节点后反馈时延对应的最大时间节点t2Ai；S32、获取Ai对应商品在第N个时间节点内对应的第二销量关系数据对N，X1NBjAi，根据线性回归方程公式对N为不同值时对应的各个第二销量关系数据对进行线性拟合，并将拟合结果对应的函数记为Hx；S33、预测基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的第二销售量Q2t2Ai，所述Q2t2Ai＝Ht2Ai；S34、预测基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的第二销售量波动值D2t2Ai，所述D2t2Ai等于N为不同值时，分别对应的HN与X1NBjAi之间差值的绝对值中的最大值，所述HN表示x为N时Hx对应的值；所述S3中得到基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的仓库存储标准阈值的方法包括以下步骤：S311、获取基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的第一销售量Qt2Ai及第一销售量波动值Dt2Ai，得到第一销售量波动区间U1，所述U1＝[Qt2Ai-Dt2Ai，Qt2Ai+Dt2Ai]，且Qt2Ai-Dt2Ai＞0；S312、获取基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的第二销售量Q2t2Ai及第二销售量波动值D2t2Ai，得到第一销售量波动区间U2，所述U2＝[Q2t2Ai-D2t2Ai，Q2t2Ai+D2t2Ai]，且Q2t2Ai-D2t2Ai＞0；S313、得到基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的仓库存储标准区间Rt2Ai及仓库存储标准阈值Rkt2Ai，若则仓库存储标准区间Rt2Ai＝U1∩U2，即Rt2Ai＝[Qt2Ai-Dt2Ai，Qt2Ai+Dt2Ai]∩[Q2t2Ai-D2t2Ai，Q2t2Ai+D2t2Ai]，仓库存储标准阈值Rkt2Ai等于U1∩U2内中点对应的值；若则仓库存储标准区间Rt2Ai＝CU3U1∩CU3U1，仓库存储标准阈值Rkt2Ai等于CU3U1∩CU3U1内中点对应的值，所述U3＝[min{Qt2Ai-Dt2Ai，Q2t2Ai-D2t2Ai}，max{Qt2Ai+Dt2Ai，Q2t2Ai+D2t2Ai}]，min{Qt2Ai-Dt2Ai，Q2t2Ai-D2t2Ai}表示Qt2Ai-Dt2Ai与Q2t2Ai-D2t2Ai中的最小值，max{Qt2Ai+Dt2Ai，Q2t2Ai+D2t2Ai}表示Qt2Ai+Dt2Ai与Q2t2Ai+D2t2Ai中的最大值，CU3U1表示U1在U3中的补集，CU3U2表示U2在U3中的补集；所述S4中获取商铺的历史交易数据中每个编号商品对应的综合退货率时，将Ai对应商品的综合退货率记为WAi，Ai对应商品的综合退货率为基于当前时间的第二单位时间内编号为Ai的商品中的退货总量占编号为Ai的商品总销售量的百分比；所述S5中计算商铺中基于第二时间节点后反馈时延对应的最大时间节点相应编号商品的仓库补货阈值的方法包括以下步骤：S51、获取Ai对应商品的综合退货率WAi，获取基于第二时间节点后反馈时延对应的最大时间节点编号Ai商品的仓库存储标准区间Rt2Ai及仓库存储标准阈值Rkt2Ai；S52、得到商铺中基于第二时间节点后反馈时延对应的最大时间节点时编号为Ai的商品的仓库补货量gAi，当Rkt2Ai*WAi≤L[Rt2Ai]时，则gAi＝max{Rt2Ai}-Rkt2Ai*WAi，当Rkt2Ai*WAi＞L[Rt2Ai]时，则gAi＝min{Rt2Ai}，所述L[Rt2Ai]表示Rt2Ai对应的区间长度，max{Rt2Ai}表示Rt2Ai对应的区间中的最大值，min{Rt2Ai}表示Rt2Ai对应的区间中的最小值；所述生成商铺商品在相应时间点的仓库补货清单，为商铺上架的各个商品在基于第二时间节点后反馈时延对应的最大时间节点时，分别对应的仓库补货量的集合。

全文数据：

权利要求：

百度查询： 深圳市秦丝科技有限公司 一种基于大数据分析的商铺进销存管理系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD