一种零售商品销售数据统计分析方法及系统技术方案

本发明专利技术公开了一种零售商品销售数据统计分析方法及系统，本发明专利技术技术方案提出的方法以零售商品的销售情况评价指标数据作为原始数据构建以优劣解距离法为基础的评价模型，通过模型对零售商品销售数据进行深入分析，从而获取各供货商关于同品类零售商品的量化评价值，并根据获取的量化评价值对各供应商提供的待评估品类零售商品的优劣进行评级，以根据零售商品的优劣评级结果制定对应的零售商品采购策略，有助于选择最优的商品供货商及确定最佳的供货量，从而保证卖场维持良性的运转，改善消费者的购物体验

【技术实现步骤摘要】
一种零售商品销售数据统计分析方法及系统


[0001]本专利技术涉及零售商品销售数据统计
，特别涉及一种零售商品销售数据统计分析方法及系统
。

技术介绍

[0002]商品零售是指将商品或劳务出售给最终消费者的交易活动，是商品流通过程中的最后一道环节，商品只有通过零售，才能真正实现其价值和使用价值
。
[0003]对于一些大型卖场中的同一品类的零售商品，为保证货源质量，商品的供货渠道是多样化的，供货商也不止有一家，卖场通过市场需求及某项销售指标数据的综合考量来选择供货商及供货量，如通过进货成本数据或销售额数据，但对于零售商品来说，影响其销售情况的因素是多元化的，如何通过对销售指标数据进行综合分析，从而选择最优的商品供货商及确定最佳的供货量，以达到吸引消费者，维持良好的运营状态的目的，对于卖场来说是十分重要的
。
为此，我们提出一种零售商品销售数据统计分析方法及系统
。

技术实现思路

[0004]本专利技术的主要目的在于提供一种零售商品销售数据统计分析方法及系统，可以有效解决
技术介绍
中的问题
。
[0005]为实现上述目的，本专利技术采取的技术方案为：一种零售商品销售数据统计分析方法，包括以下步骤：步骤一，采集各供应商提供的待评估品类零售商品的销售情况评价指标数据
A
ij
，其中，
i
为供应商编号，
i=1,2,...,n
，
j
为评价指标编号，
j=1,2,...,m
；步骤二，根据获取的销售情况评价指标数据构建评价指标数据矩阵
A
；步骤三，以构建的评价指标数据矩阵作为原始数据构建评价模型，通过评价模型计算各供应商提供的待评估品类零售商品的量化评价值
Si
；步骤四，根据获取的量化评价值对各供应商提供的待评估品类零售商品的优劣进行评级，获取商品等级评定结果；步骤五，根据获取的商品等级评定结果制定该品类商品的采购策略
。
[0006]一种零售商品销售数据统计分析系统，包括：数据采集模块，用于确定待评估品类零售商品的销售情况评价指标，并采集评价指标数据信息；数据处理模块，所述数据处理模块与所述数据采集模块通信连接，用于采集评价指标数据信息，根据获取的销售情况评价指标数据构建评价指标数据矩阵；零售商品评价模块，用于构建评价模型，通过评价模型根据评价指标数据矩阵计算零售商品的量化评价值；等级评定模块，所述等级评定模块与所述零售商品评价模块通信连接，用于获取零售商品的量化评价值的计算结果，根据获取的量化评价值对各供应商提供的待评估品类
零售商品的优劣进行评级；策略制定模块，用于根据零售商品的优劣评级结果制定对应的零售商品采购策略；所述系统还包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序
。
[0007]该系统的实施步骤包括：
a
，选择待评估零售商品品类，获取提供该类零售商品的所有供应商，通过数据采集模块确定待评估品类零售商品的销售情况评价指标，并采集评价指标数据
A
ij
，其中，
i
为供应商编号，
i=1,2,...,n
，
j
为评价指标编号，
j=1,2,...,m
；
b
，通过数据处理模块根据获取的销售情况评价指标数据构建评价指标数据矩阵
A
，其中，；
c
，以构建的评价指标数据矩阵作为原始数据，通过零售商品评价模块构建评价模型，通过评价模型根据评价指标数据矩阵计算零售商品的量化评价值，其中，评价模型的具体构建步骤为：1）将评价指标类型划分为极大型
、
极小型
、
中间型
、
区间型四类，将极小型
、
中间型
、
区间型的评价指标进行正向化，获取正向化后的矩阵，记作
X
，其中，；2）将正向化后的矩阵进行标准化处理，获取评价指标的标准化矩阵
Z
，其中，，
z
ij
为标准化矩阵
Z
中的元素，具体公式为：，其中，
i=1,2,...,n
，
j=1,2,...,m
；3）根据获取评价指标的标准化矩阵
Z
计算各供应商提供的待评估品类零售商品的
量化评价值
Si
，计算公式为：；其中，
D
i
‑
为第
i
个供应商提供的待评估品类零售商品与最劣商品之间的距离，；其中，
Z
i
‑
为标准化矩阵
Z
中第
j
列元素中的最小值；
D
i+
为第
i
个供应商提供的待评估品类零售商品与最优商品之间的距离，；其中，
Z
i+
为标准化矩阵
Z
中第
j
列元素中的最大值；
d,
根据获取的量化评价值
,
通过等级评定模块对各供应商提供的待评估品类零售商品的优劣进行评级，具体步骤为：步骤1），获取各供应商提供的待评估品类零售商品的量化评价值
Si
，利用量化评价值
Si
的数值创建样本集，记作
{Si1，
Si2，
...
，
Si
t
}
，其中，
t
为供应商的总个数；步骤2），获取样本集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为，在此式中
z
为标准参量，
σ
为样本数据的方差，
μ
为样本数据的均值；步骤3），在完成标准化后，将标准参量利用将数值区间调整至
[0,1]之间，利用
f(k)
的函数值对量化评价值进行分类，分类机制为：当时，量化评价值分类为四级；当时，量化评价值分类为三级；当时，量化评价值分类为二级；当时，量化评价值分类为一级
;
其中，
f(k)min
，
f(k)max
分别为
f(k)
的函数值的最小值和最大值，
f(k)1、f(k)2、f(k)3分别为
f(k)
的中间值，其根据量化评价值
Si
的结果进行确定，且
f(k)min
＜
f(k)1＜
f(k)2＜
f(k)3＜
f(k)max
；步骤4），当量化评价值分类为一级，对应供应商提供的待评估品类零售商品等级为优等品；当量化评价值分类为一级，对应供应商提供的待评估品类零售商品评定等级为良等品；当量化评价值分类为一级，对应供应商提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种零售商品销售数据统计分析方法，其特征在于，包括以下步骤：步骤一，采集各供应商提供的待评估品类零售商品的销售情况评价指标数据
A
ij
，其中，
i
为供应商编号，
i=1,2,...,n
，
j
为评价指标编号，
j=1,2,...,m
，
n
，
m
均为正整数；步骤二，根据获取的销售情况评价指标数据构建评价指标数据矩阵
A
，其中，；步骤三，以构建的评价指标数据矩阵作为原始数据构建评价模型，通过评价模型计算各供应商提供的待评估品类零售商品的量化评价值
Si
；步骤四，根据获取的量化评价值对各供应商提供的待评估品类零售商品的优劣进行评级，获取商品等级评定结果；步骤五，根据获取的商品等级评定结果制定该品类商品的采购策略；步骤二的具体步骤为，
S21
，将评价指标类型划分为极大型
、
极小型
、
中间型
、
区间型四类，将极小型
、
中间型
、
区间型的评价指标进行正向化，获取正向化后的矩阵，记作
X
，其中，；
S22
，将正向化后的矩阵进行标准化处理，获取评价指标的标准化矩阵
Z
，其中，，
z
ij
为标准化矩阵
Z
中的元素，具体公式为：，其中，
i=1,2,...,n
，
j=1,2,...,m
；
S23
，根据获取评价指标的标准化矩阵
Z
计算各供应商提供的待评估品类零售商品的量化评价值
Si
，计算公式为：；
其中，
D
i
‑
为第
i
个供应商提供的待评估品类零售商品与最劣商品之间的距离，；其中，
Z
i
‑
为标准化矩阵
Z
中第
j
列元素中的最小值；
D
i+
为第
i
个供应商提供的待评估品类零售商品与最优商品之间的距离，；其中，
Z
i+
为标准化矩阵
Z
中第
j
列元素中的最大值
。2.
根据权利要求1所述的一种零售商品销售数据统计分析方法，其特征在于：步骤四中，待评估品类零售商品的优劣评级步骤为，步骤1），获取各供应商提供的待评估品类零售商品的量化评价值
Si
，利用量化评价值
Si
的数值创建样本集，记作
{Si1，
Si2，
...
，
Si
t
}
，其中，
t
为供应商的总个数；步骤2），获取样本集中的均值和标准差，利用均值和标准差对数据进行标准化，标准化公式为，在此式中
z
为标准参量，
σ
为样本数据的方差，
μ
为样本数据的均值；步骤3），在完成标准化后，将...

【专利技术属性】
技术研发人员：李凤，
申请(专利权)人：广州市星康科技有限公司，
类型：发明
国别省市：