一种设备租赁的动态库存预测方法技术

本发明专利技术涉及一种设备租赁的动态库存预测方法，所述方法包括以下步骤：步骤1，实时采集系统中所有对库存有影响的影响因子，包括不限于意向数据、订单数据、各种服务工单、库存数据、在租数据等等；步骤2，对通过利用现有技术Apache Flink加Spark SQL技术对影响因子实时进行计算分析；步骤3，根据当前已知的库存数据，加上当天的影响因子，来滚算未来一年的库存数据，计算后的数据推送到ElasticSearch上供使用方查询；步骤4，分析人员查询最新库存预测数据生成调拨、补货计划；步骤5，再循环到步骤1，实时校准确保未来库存的及时和准确性。该方案基于大数据强大的数据处理分析能力，实时预测未来一年每天各站点实时库存情况。

【技术实现步骤摘要】
一种设备租赁的动态库存预测方法
本专利技术涉及一种预测方法，具体涉及一种设备租赁的动态库存预测方法，涉及通过大数据技术来预测未来实时库存的方法，属于租赁行业实时库存相关

技术介绍
租赁行业中，由于客户需求、租赁周期、不同站点的服务能力等各种不确定性导致未来库存余量不可知，从而销售人员只能对近1-3天的租赁需求才能确定是否能供货，超出这个时间段的租赁需求销售人员则无法做出承诺，同样线上在线预订时系统一样无法确定是否能确保供货。后台分析人员只能通过定期收集一线销售人员最新客户需求信息、在租最新归还日期等数据来分析未来一段时间内各站点的库存情况，从而制定各站点的调拨、采购计划。但是这种方式存在很明显缺点，线下统计效率比较低，实时性比较差。存在分析报告刚做出来，影响因子已经发生较大变化导致分析报告不具备参考价值的情况。因此，迫切的需要一种新的方案解决上述技术问题。
技术实现思路
本专利技术正是针对现有技术中存在的问题，提供一种设备租赁的动态库存预测方法，该技术方案动态库存预测方法，本专利技术基于大数据强大的数据处理本文档来自技高网...

【技术保护点】
1.一种设备租赁的动态库存预测方法，其特征在于，所述方法包括以下步骤：/n步骤1，实时采集系统中所有对库存有影响的影响因子，包括不限于意向数据、订单数据、各种服务工单、库存数据、在租数据等等；/n步骤2，对通过利用现有技术Apache Flink加Spark SQL技术对影响因子实时进行计算分析，得到未来时间段内即将产生的工单和基于服务人员人力模型计算的工单完成周期，将所有因子根据起止时间分摊到到具体未来的某一天；/n步骤3，根据当前已知的库存数据，加上当天的影响因子，来滚算未来一年的库存数据，计算后的数据推送到ElasticSearch上供使用方查询；/n步骤4，分析人员查询最新库存预测数据...

【技术特征摘要】
1.一种设备租赁的动态库存预测方法，其特征在于，所述方法包括以下步骤：
步骤1，实时采集系统中所有对库存有影响的影响因子，包括不限于意向数据、订单数据、各种服务工单、库存数据、在租数据等等；
步骤2，对通过利用现有技术ApacheFlink加SparkSQL技术对影响因子实时进行计算分析，得到未来时间段内即将产生的工单和基于服务人员人力模型计算的工单完成周期，将所有因子根据起止时间分摊到到具体未来的某一天；
步骤3，根据当前已知的库存数据，加上当天的影响因子，来滚算未来一年的库存数据，计算后的数据推送到ElasticSearch上供使用方查询；
步骤4，分析人员查询最新库存预测数据生成调拨、补货计划；在线预订预订系统查询最新库存预测数据，实现库存实时日历，供在线预订客户查询下单；
步骤5，再循环到步骤1，实时校准确保未来库存的及时和准确性。


2.根据权利要求1所述的一种设备租赁的动态库存预测方法，其特征在于，所述步骤1具体包括如下过程：
对于业务数据不存在物理删除的情况，采用增量采集，根据数据的更新时间采集增量更新和新增的数据提升采集效率；
对于业务数据有物理删除情况当业务数据不多考虑全量采集，反之考虑通过数据库binlog加消息通知实现数据采集；
最终将数据存储在大数据的ODS层，作为分析源数据。


3.根据权利要求1所述的一种设备租赁的动态库存预测方法，其特征在于，所述步骤2中对影响因子计算分析，步骤2具体包括如下过程：
利用Flink加SparkSQL分布式对于每一个影响因子进行流计算，通过现有所有订单中需求数量、使用周期计算租赁物归还时间，再根据归还时间和站点的服务人力模型计算租赁物归还整备完成后重新上架待租的时间；其中服务人力模型根...

【专利技术属性】
技术研发人员：王建辉，唐玉香，王艺，张志远，端祥，张军，李苏波，蒋创事，
申请(专利权)人：众能联合数字技术有限公司，
类型：发明
国别省市：江苏;32