【技术实现步骤摘要】
本专利技术涉及数据处理，尤其是涉及一种基于模型的连锁超市门店经营风险预测方法及系统。
技术介绍
1、随着互联网信息技术的高速发展，计算机处理能力得到极大提升，数据存储成本也大幅度削减，使得企业更容易收集并存储大量的数据信息，同时基于大数据的数据挖掘和分析技术日渐成熟。当前，在市场经济中，对超市的商品销售产生影响的不确定因素很多，常见的有经营环境的变动、经营方式的改变或经营决策的失误等等。任何一种或几种因素的变化，都有可能对超市经营产生很大的风险。要想了解连锁超市门店经营风险的状况，就必须对经营风险进行识别，通过大数据分析来提前识别连锁超市门店经营风险的大小，帮助管理者及时调整经营策略，成为目前重点研究的问题。
2、品牌连锁超市积累了大量的门店商品日常销售、消费者偏好等内部经营数据，互联网可以采集到行业数据、市场数据等；拉通内部数据、融合外部数据，构建科学、合理地超市门店经营风险评估体系，确定明确的评估目标，并划分不同的风险等级；确定风险影响因素，如销售数据、财务数据、行业数据、市场数据等，按照特定时间周期进行不间断分析；构建经营风险预测模型，分析评估超市门店的潜在经营风险；根据市场环境、门店经营状况等，更新优化评估体系。
3、然而，当前连锁超市基于企业内部财务数据进行经营风险评估的方法比较普遍，但如何将内部经营数据与互联网大数据有效融合，并以此构建风险预测准确率更高的数据模型尚缺乏比较成熟的技术和方法。
4、因此亟需一种基于模型的连锁超市门店经营风险预测方法及系统。
1、为了解决上述提到的问题，本专利技术提供一种基于模型的连锁超市门店经营风险预测方法及系统。
2、第一方面，本专利技术提供的一种基于模型的连锁超市门店经营风险预测方法，采用如下的技术方案：
3、一种基于模型的连锁超市门店经营风险预测方法，包括：
4、s1.获取门店经营数据和外部数据并进行数据融合；
5、s2.对获取的数据进行预处理，包括缺失值处理和数据标准化；
6、s3.对预处理后的数据进行特征变量选取，并对选取的特征变量进行降维处理，作为中间数据集；
7、s4.利用斯皮尔曼相关分析得到中间数据集与门店销售额的相关系数，选取相关系数高的特征变量集合，作为输入数据集；
8、s5.构建随机森林模型，将输入数据集划分训练集、测试集和验证集，利用训练集训练模型，利用测试集进行模型测试，利用验证集验证模型的可用性；
9、s6.得到调优的经营风险预测模型。
10、进一步地，所述获取门店经营数据和外部数据并进行数据融合，包括获取划定区域内最近三年的闭店及正常经营门店的日常经营数据，获取相同时间内公开的行业数据及市场数据，利用时间维度将内外部数据进行融合。
11、进一步地，所述对预处理后的数据进行特征变量选取，并对选取的特征变量进行降维处理，包括通过对预处理后的数据进行门店经营风险影响因子选取，作为特征变量，利用pca降维方法对特征变量进行降维处理。
12、进一步地，所述利用pca降维方法对特征变量进行降维处理，包括计算特征变量间的相关系数矩阵，通过相关系数矩阵得到主成分特征及权重，并进而得到每个特征变量的综合权重，通过保留综合权重大的特征变量集合，得到降维后的特征变量。
13、进一步地，所述计算特征变量间的相关系数矩阵，包括将特征变量的协方差矩阵作为相关系数矩阵r，，
14、其中，为第i与第j个特征变量的相关系数，，任意两个特征变量之间的协方差计算公式为：
15、，
16、其中是随机变量，是随机变量对应的期望值。
17、进一步地，所述利用斯皮尔曼相关分析得到中间数据集与门店销售额的相关系数，选取相关系数高的特征变量集合，作为输入数据集，包括通过斯皮尔曼相关系数分析特征变量与门店销售额之间的相关关系，计算中间数据集的每个特征变量与门店销售额之间的相关系数，选定与门店销售额的相关系数大于0.68的特征变量作为影响门店经营状况的关键影响因子，作为输入数据集的特征变量集合；
18、其中，相关系数表示为，
19、其中，ρ表示spearman相关系数，取值范围是(-1,1)，表示第i个数据对的等级值之差，表示所有等级差的平方的总和，n表示样本数量；为与特征变量“门店销售额”之间的相关系数大于0.68的特征变量，如“71生鲜日配类商品销售额占比”、“城市流入人口数量同比”等。进一步地，所述构建随机森林模型，包括确定模型中学习器数量和模型参数，利用训练集对模型进行训练，其中，构建森林的决策树，随机有放回地从训练集中抽取n个训练样本，作为决策树的训练集，每颗决策树随机从m个特征变量中选定m个特征子集进行数据分类，相应的基尼系数为gini(d)为：
20、，
21、其中表示每个门店经营状态类别的概率。
22、进一步地，所述利用测试集进行模型测试，利用验证集验证模型的预测能力，包括计算验证集在模型上的准确率a、召回率r及相应的f1值，综合选取适用的模型作为输出。
23、第二方面，一种基于模型的连锁超市门店经营风险预测系统，包括：
24、数据获取模块，被配置为，获取门店经营数据和外部数据并进行数据融合；
25、预处理模块，被配置为，对获取的数据进行预处理，包括缺失值处理和数据标准化；
26、特征选取模块，被配置为，对预处理后的数据进行特征变量选取，并对选取的特征变量进行降维处理，作为中间数据集；
27、分析模块，被配置为，利用斯皮尔曼相关分析得到中间数据集与门店销售额的相关系数，选取相关系数高的特征变量集合，作为输入数据集；
28、模型预测模块，被配置为，构建随机森林模型，将输入数据集划分训练集、测试集和验证集，利用训练集训练模型，利用测试集进行模型测试，利用验证集验证模型的预测能力，得到获得调优的经营风险预测模型。
29、第三方面，本专利技术提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于技术识别的连锁超市门店经营风险方法。
30、第四方面，本专利技术提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的种基于模型的连锁超市门店经营风险预测方法。
31、综上所述，本专利技术具有如下的有益技术效果：
32、1、提高连锁超市风险识别的效率。通过大数据技术构建经营风险预测模型，可以快速生成各个超市门店的风险量化指标，为管理者经营决策提供数据支持。
33、2、提升经营风险预测的精准度，充分发挥数据融合的价值。基于企业内部数据进行风险预测已经非常普遍，结合行业数据、市场数据等外部数据形成数据指标，并从各个数据指标的相关性分析中识别经营风险，使风险的本文档来自技高网...
【技术保护点】
1.一种基于模型的连锁超市门店经营风险预测方法，其特征在于，包括：
2.如权利要求1所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述获取门店经营数据和外部数据并进行数据融合，包括获取划定区域内最近三年的闭店及正常经营门店的日常经营数据，获取相同时间内公开的行业数据及市场数据，利用时间维度将内外部数据进行融合。
3.如权利要求2所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述对预处理后的数据进行特征变量选取，并对选取的特征变量进行降维处理，包括通过对预处理后的数据进行门店经营风险影响因子选取，作为特征变量，利用PCA降维方法对特征变量进行降维处理。
4.如权利要求3所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述利用PCA降维方法对特征变量进行降维处理，包括计算特征变量间的相关系数矩阵，通过相关系数矩阵得到主成分特征及权重，并进而得到每个特征变量的综合权重，通过保留综合权重大的特征变量集合，得到降维后的特征变量。
5.如权利要求4所示的一种基于模型的连锁超市门店经营风险预测方法，其
6.如权利要求5所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述利用斯皮尔曼相关分析得到中间数据集与门店销售额的相关系数，选取相关系数高的特征变量集合，作为输入数据集，包括通过斯皮尔曼相关系数分析特征变量与门店销售额之间的相关关系，计算中间数据集的每个特征变量与门店销售额之间的相关系数，选定与门店销售额的相关系数大于0.68的特征变量作为影响门店经营状况的关键影响因子，作为输入数据集的特征变量集合；
7.如权利要求6所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述构建随机森林模型，包括确定模型中学习器数量和模型参数，利用训练集对模型进行训练，其中，构建森林的决策树，随机有放回地从训练集中抽取N个训练样本，作为决策树的训练集，每颗决策树随机从M个特征变量中选定m个特征子集进行数据分类，相应的基尼系数为Gini(D)为：
8.一种基于模型的连锁超市门店经营风险预测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于模型的连锁超市门店经营风险预测方法，其特征在于，包括：
2.如权利要求1所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述获取门店经营数据和外部数据并进行数据融合，包括获取划定区域内最近三年的闭店及正常经营门店的日常经营数据，获取相同时间内公开的行业数据及市场数据，利用时间维度将内外部数据进行融合。
3.如权利要求2所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述对预处理后的数据进行特征变量选取，并对选取的特征变量进行降维处理，包括通过对预处理后的数据进行门店经营风险影响因子选取，作为特征变量，利用pca降维方法对特征变量进行降维处理。
4.如权利要求3所示的一种基于模型的连锁超市门店经营风险预测方法，其特征在于，所述利用pca降维方法对特征变量进行降维处理，包括计算特征变量间的相关系数矩阵，通过相关系数矩阵得到主成分特征及权重，并进而得到每个特征变量的综合权重，通过保留综合权重大的特征变量集合，得到降维后的特征变量。
5.如权利要求4所示的一种基于模型的连锁超市门店经营...
【专利技术属性】
技术研发人员：王强，娄海凤，张志强，郝佳，
申请(专利权)人：山东鲁商科技集团有限公司，
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。