一种应用云计算服务的大数据处理系统及方法技术方案

本发明专利技术公开了一种应用云计算服务的大数据处理系统及方法，包括圆周考察区规划模块、零售商铺数据获取模块、线性相关判断模块和区别分析模块；圆周考察区规划模块用于获取住宅区域位置数据并设置半径进行规划；零售商铺数据获取模块用于获取圆周考察区内零售商铺的位置信息以及日销售数据；线性相关判断模块用于判断零售商铺销售情况与距离住宅区域的远近是否存在线性相关性；区别分析模块用于对所述线性相关判断模块中存在线性相关性和不存在线性相关性情况下进行营销和库存的管理；本发明专利技术使得零售商铺可以针对不同的消费者进行精准营销，降低营销成本，以及实时根据消费者的消费情况做到合理的进货管理。的消费情况做到合理的进货管理。的消费情况做到合理的进货管理。

【技术实现步骤摘要】
一种应用云计算服务的大数据处理系统及方法


[0001]本专利技术涉及大数据处理
，具体为一种应用云计算服务的大数据处理系统及方法。

技术介绍

[0002]当今消费的主战场已经逐渐转移到互联网时代的线上平台，而且由于大环境的影响，线下零售商铺的销售情况已经捉襟见肘，面对具有强烈竞争力的线上商铺，线下的零售商铺目前需要解决的问题有如何针对存在的顾客进行精准营销，如何合理的管理商铺内的库存商品，使得避免存在商品销售供不应求的状况产生，也避免商品出现过多滞销或压货；
[0003]就如在我们生活中最常见的社区周边的零售商铺，如何将自身的地理位置结合周围环境以及顾客的消费情况进行有效的分析是当今线下众多商铺需要面对的问题。

技术实现思路

[0004]本专利技术的目的在于提供一种应用云计算服务的大数据处理系统及方法，以解决上述
技术介绍
中提出的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种应用云计算服务的大数据处理方法，包括以下过程：
[0006]获取云计算服务监控的住宅区域位置数据，并以住宅区域为圆心，云计算服务设置的m公里为半径规划圆周考察区；获取圆周考察区内零售商铺的位置信息，位置信息包括圆周考察区内第i个零售商铺与住宅区域的直线距离Li；圆周考察区的半径内包含的零售商铺不少于两个；
[0007]获取圆周考察区内零售商铺的日销售数据，日销售数据包括圆周考察区内第i个零售商铺的日销售数量Ti和日销售金额Wi；判断零售商铺销售情况与距离住宅区域的远近是否存在线性相关性；
[0008]若存在线性相关性，根据零售商铺距离住宅区域的远近对不同的顾客进行营销；
[0009]若不存在线性相关性，分析零售商铺的日销售情况与商铺当天的库存是否存在异常；并对异常情况对应商品的库存进行优化。
[0010]进一步的，判断零售商铺销售情况与距离住宅区域的远近是否存在线性相关性，包括以下过程：
[0011]获取零售商铺的日销售金额Wi和日销售数量Ti，计算圆周考察区内第i个零售商铺的销售单价比例Pi＝Wi/Ti，将零售商铺中小于销售单价比例的销售商品记作即时商品，将零售商铺中大于等于销售单价比例的销售商品记作长消耗商品；
[0012]因为简单的销售额并不能完全反应出一个店铺的生意好坏，且对销售商品进行区分是为了分析出零售商铺中商品流动的比例，进而实现合理的进货管理，避免供不应求的现象产生，且将商品区分为长消耗商品和即时商品是因为一般在日常生活中距离社区较近的超市、店铺购买的东西多为菜品、零食或及时消耗品，且这些价钱单价较低，日销量较高；
当存在距离社区较远的大型超市时，因不能每天前往，所以购买的商品多为划算、量多，日常消耗囤货为主，故在单价和销量上与距离社区较近的商品是存在区别的。
[0013]获取第i个零售商铺即时商品的总金额wi1和总销量ti1和第i个零售商铺长消耗商品的总金额wi2和总销量ti2；计算圆周考察区内第i个零售商铺的商品销售指数：
[0014][0015]其中要求wi1/Wi≠wi2/Wi，将i个零售商铺的商品销售指数按照对应零售商铺的距离比例指数进行排序；将不同类型商品的销量和销售金额进行整体分析，可以更精确的反应出不同零售商铺的实际销售情况；
[0016]则第i个零售商铺的距离比例指数计算如下：
[0017]Qi＝Li/m，
[0018]将i个零售商铺的距离比例指数按照从小到大的顺序进行排序；得到距离比例指数向量组Q，以及商品销售指数向量组R，如下：
[0019]Q＝[Q1,Q2,Q3,...,Qi]‑1[0020]R＝[R1,R2,R3,...,Ri]‑1[0021]获取云计算服务监控的j个圆周考察区，以及对应圆周考察区的向量组集合G，向量组集合G为{(Qj,Rj)},其中Qj为第j个圆周考察区的距离比例指数向量组，Rj为第j个圆周考察区的商品销售指数向量组，对向量组集合G进行整体线性相关性分析。
[0022]进一步的，对向量组集合G进行整体线性相关性分析包括以下过程：
[0023]设置第j个圆周考察区的验证系数kj1和kj1，判断第j个圆周考察区的向量组是否满足：
[0024][0025]并要求验证系数集合{(kj1，kj1)}为不全为0的实数；其中Qji为第j个圆周考察区的第i个零售商铺的距离比例指数，Rji为第j个圆周考察区的第i个零售商铺的商品销售指数；
[0026]获取向量组集合G中满足上述判断依据的圆周考察区的个数g和向量组集合G中包含圆周考察区的总个数g0，且j≤g0，计算整体相关指数e＝g/g0；
[0027]设置整体相关指数阈值，若整体相关指数大于等于整体相关指数阈值，则输出零售商铺销售情况与距离住宅区域的远近存在线性相关性；若整体相关指数小于整体相关指数阈值，则输出零售商铺销售情况与距离住宅区域的远近不存在线性相关性。
[0028]进一步的，根据零售商铺距离住宅区域的远近对不同的顾客进行营销，包括以下过程：
[0029]获取距离比例指数向量组Q中对应顺序的零售商铺的顾客情况，顾客情况为顾客前往零售商铺的出行路程；因为在目前的通信大数据中，进入场所需要扫描场所码，所以可以通过获取场所码扫描的位置获取相邻两场所码的实际位置，进而估算顾客在前往零售商铺时的出发点。
[0030]当顾客前往零售商铺的出现路程小于等于圆周考察区的半径m时，记录符合条件的顾客为第一消费群体S1；当顾客前往零售商铺的出现路程大于圆周考察区的半径m且小于等于任意圆周考察区内两个零售商铺与住宅区域的直线距离之和{Li}1+{Li}2，{Li}1≠{Li}2，{Li}1+{Li}2＞m，记录符合条件的顾客为第二消费群体S2；当顾客前往零售商铺的出现路程大于任意圆周考察区内两个零售商铺与住宅区域的直线距离之和{Li}1+{Li}2时，记录符合条件的顾客为第三消费群体S3；
[0031]计算零售商铺中S1、S2和S3的消费金额比例，并按照消费金额比例由大到小的顺序对S1、S2和S3进行排序；零售商铺获取消费金额比例最大的消费群体的购买清单，针对购买清单上的商品进行优惠推送。对顾客进行划分可以有效区分在零售商铺的销售情况与距离相关时，促进零售商铺销售的主要顾客，获取主要顾客的购买清单并在此基础上做出优惠会更加促进零售商铺的销售情况。
[0032]进一步的，分析零售商铺的日销售数量与商铺当天的库存是否存在异常，并对异常情况对应商品的库存进行优化，包括以下过程：
[0033]获取零售商铺第a天即时商品和长消耗商品的日库存量分别为ua和va，构成零售商铺第a天的库存比例集合H＝{[ua/(ua+va),va/(ua+va)]}，计算零售商铺相邻两天的消耗指数集：
[0034][0035]其中a≤m，m表示零售商铺记录即时商品售卖的总天数，ta1表示零售商铺第a天即时商品的日销量，ta2表示零售商铺第a天长消耗商品的日销量，判断零售商铺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用云计算服务的大数据处理方法，其特征在于，包括以下过程：获取云计算服务监控的住宅区域位置数据，并以住宅区域为圆心，云计算服务设置的m公里为半径规划圆周考察区；获取圆周考察区内零售商铺的位置信息，所述位置信息包括圆周考察区内第i个零售商铺与住宅区域的直线距离Li；所述圆周考察区的半径内包含的零售商铺不少于两个；获取圆周考察区内零售商铺的日销售数据，所述日销售数据包括圆周考察区内第i个零售商铺的日销售数量Ti和日销售金额Wi；判断零售商铺销售情况与距离住宅区域的远近是否存在线性相关性；若存在线性相关性，根据零售商铺距离住宅区域的远近对不同的顾客进行营销；若不存在线性相关性，分析零售商铺的日销售情况与商铺当天的库存是否存在异常；并对异常情况对应商品的库存进行优化。2.根据权利要求1所述的一种应用云计算服务的大数据处理方法，其特征在于：所述判断零售商铺销售情况与距离住宅区域的远近是否存在线性相关性，包括以下过程：获取零售商铺的日销售金额Wi和日销售数量Ti，计算圆周考察区内第i个零售商铺的销售单价比例Pi＝Wi/Ti，将所述零售商铺中小于销售单价比例的销售商品记作即时商品，将所述零售商铺中大于等于销售单价比例的销售商品记作长消耗商品；获取第i个零售商铺即时商品的总金额wi1和总销量ti1和第i个零售商铺长消耗商品的总金额wi2和总销量ti2；计算圆周考察区内第i个零售商铺的商品销售指数：其中要求wi1/Wi≠wi2/Wi，将i个零售商铺的商品销售指数按照对应零售商铺的距离比例指数进行排序；则第i个零售商铺的距离比例指数计算如下：Qi＝Li/m，将所述i个零售商铺的距离比例指数按照从小到大的顺序进行排序；得到距离比例指数向量组Q，以及商品销售指数向量组R，如下：Q＝[Q1,Q2,Q3,...,Qi]
‑1R＝[R1,R2,R3,...,Ri]
‑1获取云计算服务监控的j个圆周考察区，以及对应圆周考察区的向量组集合G，所述向量组集合G为{(Qj,Rj)},其中Qj为第j个圆周考察区的距离比例指数向量组，Rj为第j个圆周考察区的商品销售指数向量组，对所述向量组集合G进行整体线性相关性分析。3.根据权利要求2所述的一种应用云计算服务的大数据处理方法，其特征在于：所述对向量组集合G进行整体线性相关性分析包括以下过程：设置第j个圆周考察区的验证系数kj1和kj1，判断第j个圆周考察区的向量组是否满足：
并要求验证系数集合{(kj1，kj1)}为不全为0的实数；其中Qji为第j个圆周考察区的第i个零售商铺的距离比例指数，Rji为第j个圆周考察区的第i个零售商铺的商品销售指数；获取向量组集合G中满足上述判断依据的圆周考察区的个数g和向量组集合G中包含圆周考察区的总个数g0，且j≤g0，计算整体相关指数e＝g/g0；设置整体相关指数阈值，若整体相关指数大于等于整体相关指数阈值，则输出零售商铺销售情况与距离住宅区域的远近存在线性相关性；若整体相关指数小于整体相关指数阈值，则输出零售商铺销售情况与距离住宅区域的远近不存在线性相关性。4.根据权利要求3所述的一种应用云计算服务的大数据处理方法，其特征在于：所述根据零售商铺距离住宅区域的远近对不同的顾客进行营销，包括以下过程：获取距离比例指数向量组Q中对应顺序的零售商铺的顾客情况，所述顾客情况为顾客前往零售商铺的出行路程；当顾客前往零售商铺的出现路程小于等于圆周考察区的半径m时，记录符合条件的顾客为第一消费群体S1；当顾客前往零售商铺的出现路程大于圆周考察区的半径m且小于等于任意圆周考察区内两个零售商铺与住宅区域的直线距离之和{Li}1+{Li}2，{Li}1≠{Li}2，{Li}1+{Li}2＞m，记录符合条件的顾客为第二消费群体S2；当顾客前往零售商铺的出现路程大于任意圆周考察区内两个零售商铺与住宅区域的直线距离之和{Li}1+{Li}2时，记录符合条件的顾客为第三消费群体S3；计算零售商铺中S1、S2和S3的消费金额比例，并按照消费金额比例由大到小的顺序对S1、S2和S3进行排序；零售商铺获取消费金额比例最大的消费群体的购买清单，针对购买清单上的商品进行优惠推送。...

【专利技术属性】
技术研发人员：王东祥，王延义，
申请(专利权)人：王延义，
类型：发明
国别省市：