一种销量预测方法、装置、终端设备及可读存储介质制造方法及图纸

本申请适用于数据处理技术领域，提供了一种销量预测方法、装置、终端设备及可读存储介质，方法包括：获取历史销售数据，对历史销售数据进行处理，获得处理后的历史销售数据，获取与历史销售数据对应的外部因子，根据外部因子和处理后的历史销售数据建立销售预测模型，根据销售预测模型进行预测，获得预测销售数据。通过与销量具有关联的外部因子建立销售预测模型，不依赖于现有数据集，同时减小了其他因素对销售预测准确性的影响，提高了方法的可移植性和预测结果的精度。

【技术实现步骤摘要】
一种销量预测方法、装置、终端设备及可读存储介质
本申请属于数据处理
，尤其涉及一种销量预测方法、装置、终端设备及可读存储介质。
技术介绍
近年来，随着互联网技术的高速发展，互联网平台日益增多，销售者的需求变的更具有多样性，增加了销售行业的销售决策的挑战难度。现有的销量预测方法主要包括定性预测方法和定量预测方法。其中，定性预测方法主要是根据管理人员的个人经验来进行销售决策，该方法具有较大的灵活性，但该方法可移植性差，具有很强的主观局限性，预测结果的精度不高。定量预测方法主要是通过已有的原始销售数据，通过数据拟合，预测下一周期的销量，该方法操作简单，但容易受到其他因素的影响，其预测结果的稳定性不高，无法准确预测销量即无法对生产参数进行调整，难以满足市场需求。
技术实现思路
本申请实施例提供了一种销量预测方法、装置、终端设备及可读存储介质，可以解决现有销量预测方法可移植性差、精度不高且稳定性差，无法准确预测销量的问题。第一方面，本申请实施例提供了一种销量预测方法，包括：获取历史销售数据；对所述历史销售数据进行处理，获得处理后的历史销售数据；获取与所述历史销售数据对应的外部因子；根据所述外部因子和所述处理后的历史销售数据建立销售预测模型；根据所述销售预测模型进行预测，获得预测销售数据。在一个实施例中，根据所述外部因子和所述处理后的历史销售数据建立销售预测模型，包括：根据所述处理后的历史销售数据建立第一预测模型；计算所述外部因子与所述处理后的历史销售数据之间的相关系数；识别确定相关系数满足预设条件的第一外部因子；根据所述第一外部因子对所述第一预测模型进行优化，获得销售预测模型。在一个实施例中，计算所述外部因子与所述处理后的历史销售数据之间的相关系数，包括：计算所述外部因子与所述处理后的历史销售数据之间的皮尔逊系数。在一个实施例中，识别确定相关系数满足预设条件的第一外部因子，包括：在检测到任一外部因子与所述处理后的历史销售数据之间的皮尔逊系数满足预设范围时，判定所述外部因子为所述第一外部因子；删除与所述处理后的历史销售数据之间的皮尔逊系数不满足预设范围的外部因子。在一个实施例中，根据所述处理后的历史销售数据建立第一预测模型，包括：根据所述处理后的历史销售数据确定训练数据集和测试数据集；根据所述训练数据集建立预测模型；根据所述预测模型进行预测，获得预测结果；计算所述预测结果和所述测试数据的差异值；在检测到所述差异值小于预设差异阈值时，判定所述预测模型为第一预测模型。在一个实施例中，对所述历史销售数据进行处理，获得处理后的历史销售数据，包括：识别所述历史销售数据中的无效数据，删除所述无效数据；在检测所述历史销售数据中存在缺失数据时，根据所述历史销售数据计算获得补偿数据，并根据所述补偿数据对所述历史销售数据进行补偿。第二方面，本申请实施例提供了一种销量预测装置，包括：第一获取模块，用于获取历史销售数据；数据处理模块，用于对所述历史销售数据进行处理，获得处理后的历史销售数据；第二获取模块，用于获取与所述历史销售数据对应的外部因子；模型建立模块，用于根据所述外部因子和所述处理后的历史销售数据建立销售预测模型；预测模块，用于根据所述销售预测模型进行预测，获得预测销售数据。在一个实施例中，模型建立模块，包括：模型建立单元，用于根据所述处理后的历史销售数据建立第一预测模型；计算单元，用于计算所述外部因子与所述处理后的历史销售数据之间的相关系数；识别单元，用于识别确定相关系数满足预设条件的第一外部因子；优化单元，用于根据所述第一外部因子对所述第一预测模型进行优化，获得销售预测模型。在一个实施例中，计算单元，包括：第一计算子单元，用于计算所述外部因子与所述处理后的历史销售数据之间的皮尔逊系数。在一个实施例中，识别单元，包括：第一判断子单元，用于在检测到任一外部因子与所述处理后的历史销售数据之间的皮尔逊系数满足预设范围时，判定所述外部因子为所述第一外部因子；删除子单元，用于删除与所述处理后的历史销售数据之间的皮尔逊系数不满足预设范围的外部因子。在一个实施例中，模型建立单元，包括：确定子单元，用于根据所述处理后的历史销售数据确定训练数据集和测试数据集；建立子单元，用于根据所述训练数据集建立预测模型；预测子单元，用于根据所述预测模型进行预测，获得预测结果；第二计算子单元，用于计算所述预测结果和所述测试数据的差异值；第二判断子单元，用于在检测到所述差异值小于预设差异阈值时，判定所述预测模型为第一预测模型。在一个实施例中，数据处理模块，包括：识别单元，用于识别所述历史销售数据中的无效数据，删除所述无效数据；补偿单元，用于在检测所述历史销售数据中存在缺失数据时，根据所述历史销售数据计算获得补偿数据，并根据所述补偿数据对所述历史销售数据进行补偿。第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的销量预测方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的销量预测方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的销量预测方法。通过与销量具有关联的外部因子建立销售预测模型，不依赖于现有数据集，同时减小了其他因素对销售预测准确性的影响，提高了方法的可移植性和预测结果的精度。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的销量预测方法的流程示意图；图2是本申请实施例提供的销量预测方法步骤S104的流程示意图；图3是本申请实施例提供的销量预测方法步骤S1043的流程示意图；图4是本申请实施例提供的销量预测方法步骤S1041的流程示意图；图5是本申请实施例提供的销量预测方法步骤S102的流程示意图；图6是本申请实施例提供的销量预测装置的结构示意图；图7是本申请实施例提供的终端设备的结构示意图。具体实施方式以下本文档来自技高网...

【技术保护点】
1.一种销量预测方法，其特征在于，包括：/n获取历史销售数据；/n对所述历史销售数据进行处理，获得处理后的历史销售数据；/n获取与所述历史销售数据对应的外部因子；/n根据所述外部因子和所述处理后的历史销售数据建立销售预测模型；/n根据所述销售预测模型进行预测，获得预测销售数据。/n

【技术特征摘要】
1.一种销量预测方法，其特征在于，包括：
获取历史销售数据；
对所述历史销售数据进行处理，获得处理后的历史销售数据；
获取与所述历史销售数据对应的外部因子；
根据所述外部因子和所述处理后的历史销售数据建立销售预测模型；
根据所述销售预测模型进行预测，获得预测销售数据。


2.如权利要求1所述的销量预测方法，其特征在于，根据所述外部因子和所述处理后的历史销售数据建立销售预测模型，包括：
根据所述处理后的历史销售数据建立第一预测模型；
计算所述外部因子与所述处理后的历史销售数据之间的相关系数；
识别确定相关系数满足预设条件的第一外部因子；
根据所述第一外部因子对所述第一预测模型进行优化，获得销售预测模型。


3.如权利要求2所述的销量预测方法，其特征在于，计算所述外部因子与所述处理后的历史销售数据之间的相关系数，包括：
计算所述外部因子与所述处理后的历史销售数据之间的皮尔逊系数。


4.如权利要求3所述的销量预测方法，其特征在于，识别确定相关系数满足预设条件的第一外部因子，包括：
在检测到任一外部因子与所述处理后的历史销售数据之间的皮尔逊系数满足预设范围时，判定所述外部因子为所述第一外部因子；
删除与所述处理后的历史销售数据之间的皮尔逊系数不满足预设范围的外部因子。


5.如权利要求3所述的销量预测方法，其特征在于，根据所述处理后的历史销售数据建立第一预测模型，包括：
根据所述处理后的历史销售数据确定训练数据集和测试数据集；
根据所述训练数据集建立预测模型；
根据所述预测模型进行预测，获得预测结果；
计算所述预测结果和所述测试数据的差异值；
在检测到所述差异值...

【专利技术属性】
技术研发人员：刘新，陶青，
申请(专利权)人：深圳市轱辘车联数据技术有限公司，
类型：发明
国别省市：广东;44