数据处理方法及数据处理系统技术方案

本发明专利技术提供的数据处理方法包括以下步骤：S1)将用户输入的自然语言逻辑转换为数据处理模型；S2)建立所述数据处理模型与初始数据类型的映射关系；S3)获取汽车销售过程中的初始数据；S4)确定所述初始数据的初始数据类型；S5)根据所述映射关系确定与所述初始数据类型匹配的数据处理模型；S6)根据与所述初始数据类型匹配的数据处理模型对所述初始数据进行处理；以及S7)输出处理后的数据。采用本发明专利技术提供的数据处理方法和数据处理系统获得的汽车销售数据与现有技术中仅靠人为自行设定的数据相比更加准确，可靠性较高，得到的结果与实际结果相比差距更小。

【技术实现步骤摘要】

本专利技术涉及汽车销售领域，更具体地说，涉及一种数据处理方法及一种数据处理系统。
技术介绍
汽车供应商在对每月区域和网点的汽车销售量进行评价时，需要制定汽车销量计划。目前，汽车销量计划中的汽车销售数据(例如计划区域月销量或计划网点月销量)仅靠人为自行设定，由于这种设定方法随意性较大，设定结果较不合理，往往导致汽车销量计划中的汽车销售数据与实际销售数据差距较大，直接影响到对汽车销售量的评价。
技术实现思路
本专利技术的目的是针对目前汽车销量计划中的汽车销售数据仅靠人为自行设定，导致汽车销量计划中的汽车销售数据与实际销售数据差距较大，影响到对汽车销售量的评价的问题，提供一种较为合理、准确的获取汽车销量计划中的汽车销售数据的数据处理方法及数据处理系统。为了实现本专利技术的目的，本专利技术提供的数据处理方法包括以下步骤将用户输入的自然语言逻辑转换为数据处理模型；建立所述数据处理模型与初始数据类型映射关系； 获取汽车销售过程中的初始数据；确定所述初始数据的初始数据类型；根据所述映射关系确定与所述初始数据类型匹配的数据处理模型；根据与所述初始数据类型匹配的数据处理模型对所述初始数据进行处理；以及输出处理后的数据。本专利技术提供的数据处理系统包括语言转换模块，用于将用户输入的自然语言逻辑转换为数据处理模型；映射建立模块，用于建立所述数据处理模型与初始数据类型的映射关系；数据接收模块，用于获取汽车销售过程中的初始数据；类型确定模块，用于确定所述初始数据的初始数据类型；数据匹配模块，用于根据所述映射关系确定与所述初始数据类型匹配的数据处理模型；数据处理模块，用于根据与所述初始数据类型匹配的数据处理模型对所述初始数据进行处理；以及数据输出模块，用于输出处理后的数据。由于本专利技术提供的数据处理方法和数据处理系统采用了与汽车销售过程中的初始数据的初始数据类型匹配的数据处理模型来对所述初始数据进行处理，由此，处理后获得的汽车销量计划中的汽车销售数据与现有技术中仅靠人为自行设定的数据相比更加准确，可靠性较高，得到的结果与实际结果相比差距更小。附图说明图1为本专利技术提供数据处理方法的流程图；图2为本专利技术提供的数据处理系统的结构示意图。具体实施方式下面结合附图对本专利技术提供的数据处理方法做进一步的详细描述。需要说明的是，本专利技术的“自然语言逻辑”指的是用户所要获得的汽车销量计划中的汽车销售数据，例如所要计算的计划区域月销量、所要计算的计划网点月销量等等，“数据处理模型”指的是用于计算汽车销量计划中的各个汽车销售数据的各个计算公式，“初始数据”指的是用于代入数据处理模型以获得汽车销量计划中的汽车销售数据的已有汽车销售数据。本专利技术的“区域”指的是全国范围内的任一省、市、自治区、直辖市，“区域月销量” 指的是全年12个月中任一月的特定区域的汽车销售量，所述的“月总销量”指的是全年12 个月中任一月的全国所有区域的汽车总销售量；其中，“计划月总销量T”为根据当年销量任务(该当年销量任务指的是根据往年总销量及市场形势，在上年年末制定的一个总的销量计划)、往年同期销量对各月进行分解，同时根据上月销量、实际当年销量任务完成率、市场形势进行调整而制定的月总销量计划。此计划通常在上年年末制定，每月月底均需对下月的计划进行调整。可以根据实际操作的需要来对区域和月份进行选择，本专利技术对此不做限定，例如在计算北京地区六月份的计划月销量时，计划月总销量T指的是六月份全国所有区域的汽车计划总销售量，上年实际月总销量R指的是上年六月份全国所有区域的汽车实际总销售量，上年实际区域月销量Al指的是上年六月份北京地区的汽车实际销售量，计划区域月销量S3指的是所要计算的六月份北京地区的汽车计划销售量。为了计算汽车销量计划中的汽车销售数据，如图1所示，本专利技术提供的数据处理方法包括以下步骤S1)将用户输入的自然语言逻辑转换为数据处理模型；s》建立所述数据处理模型与初始数据类型的映射关系；s;3)获取汽车销售过程中的初始数据；S4)确定所述初始数据的初始数据类型根据所述映射关系确定与所述初始数据类型匹配的数据处理模型；S6)根据与所述初始数据类型匹配的数据处理模型对所述初始数据进行处理； 以及S7)输出处理后的数据。为了将用户输入的自然语言逻辑转换为与数据处理模型匹配的格式，根据本专利技术的技术方案，步骤Si)包括对所述自然语言逻辑进行语言解析；根据语言解析结果将所述自然语言逻辑转换为所述数据处理模型。根据本专利技术的技术方案，为了计算汽车销量计划中的计划区域月销量，所述初始数据包括计划月总销量T、上年实际月总销量R、上年实际区域月销量Al、本年平均月总销量L、本年区域平均月销量Bi、以及第一修正参数a ；所述处理后的数据包括第一计划区域月销量Sl = A1/R*T、第二计划区域月销量S2 = B1/L*T、以及所要计算的计划区域月销量 S3 = Sl*a+S2*(l_a)，其中 0 < a < 1。根据本专利技术的技术方案，利用计划月总销量Τ、上年实际月总销量R、上年实际区域月销量Al可以计算得到第一计划区域月销量Sl = A1/R*T。该第一计划区域月销量Sl 仅是根据上年实际的区域月销量与月总销量的比例计算得出的理论值，由于全年中每个月的汽车销售量会因为油价、购置税变动等各种因素的影响而变化，该第一计划区域月销量 Sl与实际结果的符合度并不高。利用计划月总销量T、本年平均月总销量L、本年区域平均月销量Bl可以计算得到第二计划区域月销量S2 = B1/L*T。其中，本年平均月总销量L指的是本年中任意M个月的平均月总销量，本年区域平均月销量Bl指的是本年中任意M个月的区域平均月销量，M是月份数量，2 < M < 12。M的值可以根据实际操作的需要进行设定，例如每年的上半年为汽车销售淡季，汽车的销售量通常变化不大，则可以将M设定为6，并根据1月至6月这6个月的汽车销售量来进行计算。根据实际操作的选择并且为了更加便于计算，优选情况下，M = 3。该第二计划区域月销量S2与实际结果的符合度也并不高。可以采用第一修正参数a来对上述两个步骤计算得到的第一计划区域月销量Sl 和第二计划区域月销量S2进行修正，以得到更加精确的计算结果。由此，利用所述第一计划区域月销量Si、所述第二计划区域月销量S2和第一修正参数a可以计算得到计划区域月销量 S3 = Sl*a+S2*(l_a)，其中 0 < a < 1。此处，a为根据与实际结果符合度来对第一计划区域月销量Sl和第二计划区域月销量S2进行修正的修正参数，其取值范围为0 < a < 1。可以通过多种方式来计算该修正参数a，例如赋予a以若干预设值，每次将不同的a值代入上述计算公式中计算得出计划区域月销量S3，根据若干年的实际区域月销量与每次计算出的计划区域月销量S3之间的差值来确定a值，将最小差值所对应的a值作为本专利技术技术方案中的修正参数a。根据试验的结果，优选情况下，a = 0.2。由于修正参数a为根据试验结果得到的经验值，采用a对第一计划区域月销量Sl 和第二计划区域月销量S2进行修正，可以得到准确度较高、与实际结果差距较小的所要计算的计划区域月销量S3。根据本专利技术的技术方案，为了计算汽车销量计划中的计划网点月销量，本发本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：杨京方，杨涛，陈江华，
申请(专利权)人：北汽福田汽车股份有限公司，长沙福田汽车科技有限公司，
类型：发明
国别省市：