一种门店商品配送的预测方法以及相关设备技术

本申请实施例公开一种门店商品配送的预测方法，本申请实施例方法包括：服务器获取至少一个门店的历史销售数据，将每个所述门店对应的所述历史销售数据分别输入每个所述门店对应的第一网络模型内，获得至少一个第一配送数据，所述服务器根据所述至少一个第一配送数据的总和确定第一累计配送量，在获取所述至少一个门店中的第一门店的实时数据后，将所述第一门店对应的第一配送数据、所述第一累计配送量和所述第一门店对应的实时数据输入第二网络模型，获得第二配送数据，所述第二配送数据用于指示所述第一门店的配送量。通过上述的方法，能够根据门店的实时数据实时预测需要配送门店的配送量，提高预测准确率。提高预测准确率。提高预测准确率。

【技术实现步骤摘要】
一种门店商品配送的预测方法以及相关设备


[0001]本申请涉及数据处理领域，尤其涉及一种门店商品配送的预测方法以及相关设备。

技术介绍

[0002]对于为终端门店配货的商家，在不清楚未来终端门店需要多少商品的情况下，商家的库存过多会导致货物积压，或者终端门店需求过多，商家的库存不足，导致缺货的情况出现，目前可以通过预测系统预测需要为终端门店配送的数量，从而确定订货量。
[0003]现有的用于预测终端门店需要配送数量的预测系统，采用离线最优控制。离线最优控制是根据历史数据，将历史数据加入预测模型内运行，训练出最优的预测模型。使用时，该模型上线，根据输入的预测数据，从而获取预测的结果。
[0004]但是，现有的预测系统是离线完成的，在实际使用时，商家输入该门店的历史销售数据来预测该门店在未来的需求量，从而进行订货，但是根据历史销售数据来进行预测，使预测配送量与门店实际需求不符，预测的配送量的准确率低。

技术实现思路

[0005]本申请实施例提供了门店商品配送的预测方法以及相关设备，用于根据实时数据预测终端门店的商品实时的配送量，从而提高配送的准确率。
[0006]为解决上述技术问题，本申请实施例提供以下技术方案：
[0007]本申请一方面提供一种数据更新的方法，包括：
[0008]服务器获取至少一个门店的历史销售数据；
[0009]所述服务器将每个所述门店对应的所述历史销售数据分别输入每个所述门店对应的第一网络模型，获得至少一个第一配送数据；
[0010]所述服务器确定第一累计配送量，所述第一累计配送量为所述至少一个第一配送数据的总和；
[0011]所述服务器获取第一门店的实时数据，所述第一门店为所述至少一个门店中的一个门店；
[0012]所述服务器将所述第一门店对应的第一配送数据、所述第一累计配送量和所述第一门店对应的实时数据输入第二网络模型，获得第二配送数据，所述第二配送数据用于指示所述第一门店的配送量。
[0013]在一种可能的实现方式中，所述服务器将所述第一门店对应的第一配送数据、所述第一累计配送量和所述第一门店对应的实时数据输入第二网络模型，获得第二配送数据之后，所述方法还包括：
[0014]所述服务器获取第二累计配送量，所述第二累计配送量为所述第一累计配送量与所述配送量的差值的绝对值；
[0015]所述服务器获取第二门店的实时数据，所述第二门店为所述至少一个门店中的一
个门店；
[0016]所述服务器将所述第二门店对应的第一配送数据、所述第二累计配送量和所述第二门店对应的实时数据输入第二网络模型，获得第三配送数据，所述第三配送数据用于指示所述第二门店的配送量。
[0017]在一种可能的实现方式中，所述第一门店的实时数据包括所述第一门店的促销数据、所述第一门店的营业数据，或天气数据中至少一项；
[0018]所述第二门店的实时数据包括所述第二门店的促销数据、所述第二门店的营业数据，或天气数据中至少一项。
[0019]在一种可能的实现方式中，所述服务器获取至少一个门店的商品的历史销售数据之后，所述方法还包括：所述服务器对所述历史销售数据进行预处理，所述预处理包括数据缺失值填充或异常值修改。
[0020]在一种可能的实现方式中，获取单元，用于获取至少一个门店的历史销售数据；
[0021]输入单元，用于将每个所述门店对应的所述历史销售数据分别输入每个所述门店对应的第一网络模型，获得至少一个第一配送数据；
[0022]确定单元，用于确定第一累计配送量，所述第一累计配送量为所述至少一个第一配送数据的总和；
[0023]所述获取单元，还用于获取第一门店的实时数据，所述第一门店为所述至少一个门店中的一个门店；
[0024]所述输入单元，还用于将所述第一门店对应的第一配送数据、所述第一累计配送量和所述第一门店对应的实时数据输入第二网络模型，获得第二配送数据，所述第二配送数据用于指示所述第一门店的配送量。
[0025]在一种可能的实现方式中，所述获取单元，还用于获取第二累计配送量，所述第二累计配送量为所述第一累计配送量与所述配送量的差值的绝对值；
[0026]所述获取单元，还用于获取第二门店的实时数据，所述第二门店为所述至少一个门店中的一个门店；
[0027]所述输入单元，还用于将所述第二门店对应的第一配送数据、所述第二累计配送量和所述第二门店对应的实时数据输入第二网络模型，获得第三配送数据，所述第三配送数据用于指示所述第二门店的配送量。
[0028]在一种可能的实现方式中，所述第一门店的实时数据包括所述第一门店的促销数据、所述第一门店的营业数据，或天气数据中至少一项；
[0029]所述第二门店的实时数据包括所述第二门店的促销数据、所述第二门店的营业数据，或天气数据中至少一项。
[0030]在一种可能的实现方式中，所述服务器还包括：
[0031]预处理单元，用于对所述历史销售数据进行预处理，所述预处理包括数据缺失值填充或异常值修改。
[0032]本申请另一方面提供一种计算机设备，包括：处理器以及存储器：
[0033]所述存储器用于存储程序代码；所述存储器用于存储程序代码；所述处理器用于根据所述程序代码中的指令执行上述任一方面所述的数据更新的方法。
[0034]本申请另一方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储
有指令，当其在计算机上运行时，使得计算机执行上述任一方面所述的数据更新的方法。
[0035]根据本申请的另一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。服务器的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该服务器执行上述任一方面所述的数据更新的方法。
[0036]本实现方式中，服务器获取至少一个门店的历史销售数据后，将每个门店的历史销售数据输入第一网络模型获得至少一个第一配送数据，并获取所有门店的第一配送数据的总和，生成第一累计配送量，在为至少一个门店中的第一门店配送前，将累计配送量、第一门店对应的实时数据以及第一配送量输入第二网络模型进行计算，获得第一门店的配送量，由于该配送量使用实时数据进行修正，提高了预测配送量的准确性。
附图说明
[0037]图1为本申请实施例中门店商品配送的预测方法的流程示意图；
[0038]图2为本申请实施例中训练矩阵的示意图；
[0039]图3为本申请实施例中预测过程的示意图；
[0040]图4为本申请实施例中一个预测结果的示意图；
[0041]图5为本申请实施例中服务器的一实施例示意图；
[0042]图6为本申请实施例中服务器的另一实施例示意图。
具体实施方式
[0043]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种门店商品配送的预测方法，其特征在于，所述方法包括：服务器获取至少一个门店的历史销售数据；所述服务器将每个所述门店对应的所述历史销售数据分别输入每个所述门店对应的第一网络模型，获得至少一个第一配送数据；所述服务器确定第一累计配送量，所述第一累计配送量为所述至少一个第一配送数据的总和；所述服务器获取第一门店的实时数据，所述第一门店为所述至少一个门店中的一个门店；所述服务器将所述第一门店对应的第一配送数据、所述第一累计配送量和所述第一门店对应的实时数据输入第二网络模型，获得第二配送数据，所述第二配送数据用于指示所述第一门店的配送量。2.根据权利要求1所述的方法，其特征在于，所述服务器将所述第一门店对应的第一配送数据、所述第一累计配送量和所述第一门店对应的实时数据输入第二网络模型，获得第二配送数据之后，所述方法还包括：所述服务器获取第二累计配送量，所述第二累计配送量为所述第一累计配送量与所述配送量的差值的绝对值；所述服务器获取第二门店的实时数据，所述第二门店为所述至少一个门店中的一个门店；所述服务器将所述第二门店对应的第一配送数据、所述第二累计配送量和所述第二门店对应的实时数据输入第二网络模型，获得第三配送数据，所述第三配送数据用于指示所述第二门店的配送量。3.根据权利要求2所述的方法，其特征在于，所述第一门店的实时数据包括所述第一门店的促销数据、所述第一门店的营业数据，或天气数据中至少一项；所述第二门店的实时数据包括所述第二门店的促销数据、所述第二门店的营业数据，或天气数据中至少一项。4.根据权利要求1所述的方法，其特征在于，所述服务器获取至少一个门店的商品的历史销售数据之后，所述方法还包括：所述服务器对所述历史销售数据进行预处理，所述预处理包括数据缺失值填充或异常值修改。5.一种服务器，其特征在于，所述服务器包括：获取单元，用于获取至少一个门店的历史销售数据；输入单元，用于将每个所述...

【专利技术属性】
技术研发人员：赵杏，朱佑男，宋德勇，邵伦，
申请(专利权)人：金蝶软件中国有限公司，
类型：发明
国别省市：