本发明专利技术涉及数据采集分析，具体涉及一种智慧商圈的多源数据采集分析系统，包括服务器，服务器通过内部数据获取模块、外部数据获取模块分别获取商圈中各店铺的店铺内部数据、店铺外部数据，并利用数据预处理模块对店铺内部数据、店铺外部数据进行预处理，服务器通过数据分类模块对预处理后的店铺内部数据、店铺外部数据进行分类，并利用数据处理模块对分类数据进行数据处理，服务器通过销售规模预测模块基于处理后的分类数据利用销售规模预测模型进行销售规模预测；本发明专利技术提供的技术方案能够有效克服现有技术所存在的无法在商圈中对店铺的销售情况进行准确预测的缺陷。的销售情况进行准确预测的缺陷。的销售情况进行准确预测的缺陷。
【技术实现步骤摘要】
一种智慧商圈的多源数据采集分析系统
[0001]本专利技术涉及数据采集分析，具体涉及一种智慧商圈的多源数据采集分析系统。
技术介绍
[0002]商圈，是指商店以其所在地点为中心，沿着一定的方向和距离扩展，吸引顾客的辐射范围，简单来说，也就是来店顾客所居住的区域范围。无论大商场还是小商店，它们的销售总会覆盖一定的地理范围，这个地理范围就是以销售建筑为中心，向四周辐射至可能来店购买的消费者所居住的区域。
[0003]在大数据时代，针对特定业务场景单个报表的行数甚至达到了数十亿级别，在线服务行业中，不同的客户端对数据的需求是不一样的，商户端对订单量、流量等比较敏感；而顾客端对价格、味道等比较敏感；物流端则对配送压力、配送难易程度等比较敏感。
[0004]对于商户端，由于影响其销售情况的因素较多，且各影响因素之间存在重叠部分，因此店铺的销售情况预测起来非常复杂，且不够准确。然而，通过对店铺在商圈中的销售情况进行准确预测，能够便于店主及时了解店铺经营情况，以及未来在商圈内的发展情况，同时能够为店主是否继续经营店铺提供判断依据。
技术实现思路
[0005](一)解决的技术问题
[0006]针对现有技术所存在的上述缺点，本专利技术提供了一种智慧商圈的多源数据采集分析系统，能够有效克服现有技术所存在的无法在商圈中对店铺的销售情况进行准确预测的缺陷。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]一种智慧商圈的多源数据采集分析系统，包括服务器，所述服务器通过内部数据获取模块、外部数据获取模块分别获取商圈中各店铺的店铺内部数据、店铺外部数据，并利用数据预处理模块对店铺内部数据、店铺外部数据进行预处理，所述服务器通过数据分类模块对预处理后的店铺内部数据、店铺外部数据进行分类，并利用数据处理模块对分类数据进行数据处理，所述服务器通过销售规模预测模块基于处理后的分类数据利用销售规模预测模型进行销售规模预测；
[0010]所述服务器通过商圈关联模块对待预测店铺进行商圈关联，并利用订单特征数据生成模块生成待预测店铺的订单特征数据，所述服务器通过商圈关联判断模块基于订单特征数据对商圈关联结果进行判断，并通过订单数据预测模块基于待预测店铺所属商圈利用订单数据预测模型进行订单数据预测，所述服务器通过销售综合预测模块基于销售规模预测结果、订单数据预测结果对待预测店铺的销售情况进行综合预测。
[0011]优选地，所述数据预处理模块对店铺内部数据、店铺外部数据进行数据清洗和数据结构化处理，所述数据分类模块将预处理后的店铺内部数据、店铺外部数据分为连续变
量数据、离散变量数据。
[0012]优选地，所述数据处理模块对连续变量数据进行归一化修正，具体包括：
[0013]对接近正态分布的连续变量数据进行对数纠偏，再对纠偏后的连续变量数据进行均值归一化处理。
[0014]优选地，所述数据处理模块对离散变量数据进行赋值连续优化，具体包括：
[0015]对离散变量数据进行一元方差分析，筛选对店铺坪效影响较大的离散变量数据；
[0016]将筛选出的离散变量数据转换为店铺对应的坪效均值，并按照数值大小对坪效均值进行连续排序。
[0017]优选地，所述销售规模预测模块根据业态类型构建对应的销售规模预测模型，并利用商圈中各业态类型的店铺对应归一化修正后的连续变量数据，以及赋值连续优化的离散变量数据对相应销售规模预测模型进行模型训练；
[0018]所述销售规模预测模块判断待预测店铺的业态类型，并自动匹配适合的销售规模预测模型，将待预测店铺对应归一化修正后的连续变量数据，以及赋值连续优化的离散变量数据输入销售规模预测模型，得到销售规模预测结果。
[0019]优选地，所述内部数据获取模块获取的店铺内部数据包括店铺会员特征数据和店铺项目特征数据，所述外部数据获取模块通过爬虫获取的店铺外部数据包括城市特征数据、地理位置特征数据和商圈特征数据。
[0020]优选地，所述商圈关联模块对待预测店铺进行商圈关联，包括：
[0021]基于地理位置构建关于待预测店铺周围商圈的二维坐标系，并获取待预测店铺在二维坐标系中的坐标值；
[0022]基于待预测店铺在二维坐标系中的坐标值进行聚类运算，根据聚类运算结果将待预测店铺划入对应商圈，进行商圈关联。
[0023]优选地，所述商圈关联模块对待预测店铺进行商圈关联，还包括：
[0024]获取待预测店铺周围商圈的历史平均订单数据，并以历史平均订单数据作为第三维度在二维坐标系的基础上构建三维坐标系；
[0025]获取待预测店铺在三维坐标系中的坐标值，基于待预测店铺在三维坐标系中的坐标值进行聚类运算；
[0026]根据聚类运算结果将待预测店铺划入对应商圈，进行商圈关联。
[0027]优选地，所述商圈关联判断模块基于订单特征数据对商圈关联结果进行判断，包括：
[0028]获取关联商圈中所有店铺在观测周期内的历史订单数据，并生成关联商圈的历史订单特征数据；
[0029]基于待预测店铺的订单特征数据，以及关联商圈的历史订单特征数据生成商圈关联置信度；
[0030]若商圈关联置信度小于设定阈值，则商圈关联结果错误，否则商圈关联结果正确。
[0031]优选地，所述订单数据预测模块获取待预测店铺所属商圈中所有店铺在观测周期内的历史订单数据作为训练集，并利用训练集对订单数据预测模型进行模型训练；
[0032]所述订单数据预测模块获取待预测店铺在观测周期内的历史订单数据，并输入订单数据预测模型得到订单数据预测结果。
[0033](三)有益效果
[0034]与现有技术相比，本专利技术所提供的一种智慧商圈的多源数据采集分析系统，具有以下有益效果：
[0035]1)通过对店铺内部数据、店铺外部数据进行预处理，以及对预处理后的店铺内部数据、店铺外部数据进行分类得到连续变量数据、离散变量数据，数据处理模块对连续变量数据进行归一化修正，并对离散变量数据进行赋值连续优化，利用待预测店铺对应归一化修正后的连续变量数据，以及赋值连续优化的离散变量数据，即可对待预测店铺进行准确地销售规模预测；
[0036]2)对待预测店铺进行商圈关联，并基于待预测店铺的订单特征数据，以及关联商圈的历史订单特征数据对商圈关联结果进行判断，从而能够将待预测店铺准确划分进入关联度较高的商圈，有效消除商圈重叠对销售预测的影响，并且基于待预测店铺所属商圈利用订单数据预测模型能够对待预测店铺进行准确地订单数据预测。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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专利技术的一些实施例，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。
[0038]图1为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种智慧商圈的多源数据采集分析系统，其特征在于：包括服务器，所述服务器通过内部数据获取模块、外部数据获取模块分别获取商圈中各店铺的店铺内部数据、店铺外部数据，并利用数据预处理模块对店铺内部数据、店铺外部数据进行预处理，所述服务器通过数据分类模块对预处理后的店铺内部数据、店铺外部数据进行分类，并利用数据处理模块对分类数据进行数据处理，所述服务器通过销售规模预测模块基于处理后的分类数据利用销售规模预测模型进行销售规模预测；所述服务器通过商圈关联模块对待预测店铺进行商圈关联，并利用订单特征数据生成模块生成待预测店铺的订单特征数据，所述服务器通过商圈关联判断模块基于订单特征数据对商圈关联结果进行判断，并通过订单数据预测模块基于待预测店铺所属商圈利用订单数据预测模型进行订单数据预测，所述服务器通过销售综合预测模块基于销售规模预测结果、订单数据预测结果对待预测店铺的销售情况进行综合预测。2.根据权利要求1所述的智慧商圈的多源数据采集分析系统，其特征在于：所述数据预处理模块对店铺内部数据、店铺外部数据进行数据清洗和数据结构化处理，所述数据分类模块将预处理后的店铺内部数据、店铺外部数据分为连续变量数据、离散变量数据。3.根据权利要求2所述的智慧商圈的多源数据采集分析系统，其特征在于：所述数据处理模块对连续变量数据进行归一化修正，具体包括：对接近正态分布的连续变量数据进行对数纠偏，再对纠偏后的连续变量数据进行均值归一化处理。4.根据权利要求3所述的智慧商圈的多源数据采集分析系统，其特征在于：所述数据处理模块对离散变量数据进行赋值连续优化，具体包括：对离散变量数据进行一元方差分析，筛选对店铺坪效影响较大的离散变量数据；将筛选出的离散变量数据转换为店铺对应的坪效均值，并按照数值大小对坪效均值进行连续排序。5.根据权利要求4所述的智慧商圈的多源数据采集分析系统，其特征在于：所述销售规模预测模块根据业态类型构建对应的销售规模预测模型，并利用商圈中各业态类型的店铺对应归一化修正后的连续变量数据，以及赋值连续优化的离散变量数据对相应销售规模预测模型进行模型训练；所述销售规模预测模块判断待预测店铺的...
【专利技术属性】
技术研发人员：姚云，夏鸣，蒋克勤，
申请(专利权)人：安徽安联云服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。