CN108171531A - 一种基于数据挖掘的售货机智能管理***及方法 - Google Patents

Abstract

本发明涉及零售运营模式领域，具体涉及一种基于数据挖掘的售货机智能管理***及方法，***包括数据采集单元定时采集售货机工作状态数据信息；数据整合分析处理单元对数据采进行归类整合分析处理；后台服务器单元预测下一阶段售货机预售数据。本发明为用户提供大量有效的数据信息并以图表形式展示；提供下一阶段热销商品、销售额、销售量、进货量、商品销售占比等预测数据，帮助运营人员定位销售策略。通过售货机的定位、销售种类、销售时间、用户进货时间、进货量等多方位数据采集，分析用户行为，进而学习用户的个性化偏好。

Description

一种基于数据挖掘的售货机智能管理***及方法

技术领域

本发明涉及零售运营模式领域，具体涉及一种基于数据挖掘的售货机智能管理***及方法。

背景技术

一直以来售货机只能提供售货功能，即便介入了移动支付功能也只能做到方便购买者购买，但是对于运营商来说，需求永远不止如此，运营商对于何种商品销售情况，走势等，后续采购方案等处于被动情况，无法为运营带任何有效的效果。

作为运营方，需要统筹全局，对于地区的营收状况、投入成本、下阶段的营销计划都是基于售卖的情况，而在传统的售卖机上，这方面是一个空白的区域，运营商必须承担较大的风险尝试，也无法有效提升销售状况。

发明内容

为克服上述现有技术存在的不足，本发明提出一种基于数据挖掘的售货机智能管理***，所述***包括：数据采集单元、数据整合分析处理单元、后台服务器单元；

数据采集单元，用于定时采集售货机工作状态数据信息；

数据整合分析处理单元，对数据采集单元采集到的数据信息，进行归类整合分析处理；

后台服务器单元，获取整合后的数据信息，预测下一阶段售货机预售数据。

进一步地，所述数据采集单元内搭载单片机，用于定时采集数据；

所述定时采集数据为每隔10S进行一次数据采集。

进一步地，所述售货机工作状态数据信息为售货机的定位、销售种类、销售时间、用户进货时间和进货量数据信息。

进一步地，所述数据整合分析处理单元包括：机器管理模块、商品库存管理模块、订单管理模块、报警模块；

机器管理模块，用于设置售货机的运行、离线状态；

商品库存管理模块，用于对已有商品库存进行管理，实时更新库存状态信息；

订单管理模块，用于产生销售订单，并通过实际售货机出货情况标记订单的状态；

报警模块，用于对机器管理模块出现运行异常，或商品库存管理模块商品库存达到阈值时，或订单管理模块产生异常订单时实时产生报警信息。

进一步地，所述数据整合分析处理单元，通过C/S的模式把处理后的数据信息上传数据到后台服务器单元。

进一步地，所述后台服务器单元，通过BP算法生成预测下一阶段售货机预售数据；

相应地，所述下一阶段售货机预售数据包括热销商品、销售额、销售量、进货量和商品销售占比。

进一步地，所述后台服务器单元包括：web应用模块和微信公众号模块；

web应用模块和微信公众号模块，通过http协议与后台服务器单元实时数据信息通信；

web应用模块，用于对售货机的实时工作状态信息图形化，提供web服务；

信公众号模块，借助微信公众号API，实现消息实时推送，信息实时查看。

为达到上述目的，本发明还提出一种基于数据挖掘的售货机智能管理方法，具体方法包括如下步骤：

S1，定时采集售货机工作状态数据信息；

S2，对数据采集单元采集到的数据信息，进行归类整合分析处理；

S3，获取整合后的数据信息，预测下一阶段售货机预售数据。

进一步地，所述方法还包括：

于步骤S1中，数据采集单元每隔10S进行一次数据采集；

于步骤S2中，设置售货机的运行、离线状态；

对已有商品库存进行管理，实时更新库存状态信息；

通过实际售货机出货情况标记订单的状态；

对机器管理模块出现运行异常，或商品库存管理模块商品库存达到阈值时，或订单管理模块产生异常订单时实时产生报警信息；

于步骤S3后，对售货机的实时工作状态信息图形化，提供web服务；

借助微信公众号API，实现消息实时推送，信息实时查看。

与现有技术相比，本发明具有以下有益效果：

1、为用户提供大量有效的数据信息并以图表形式展示；

2、提供下一阶段热销商品、销售额、销售量、进货量、商品销售占比等预测数据，帮助运营人员定位销售策略；

3、通过对售货机的定位、销售种类、销售时间、用户进货时间、进货量等多方位数据采集，分析用户行为，进而学习用户的个性化偏好。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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；

图1为本发明***框架示意图；

图2为本发明一种基于数据挖掘的售货机智能管理***流程示意图；

图3为本发明方法步骤示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面通过特定的具体实例并结合附图说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。

如图1所示，一种基于数据挖掘的售货机智能管理***，具体包括：数据采集单元、数据整合分析处理单元、后台服务器单元；

数据采集单元，用于定时采集售货机工作状态数据信息；

数据整合分析处理单元，对数据采集单元采集到的数据信息，进行归类整合分析处理；

后台服务器单元，获取整合后的数据信息，预测下一阶段售货机预售数据。

在本实施方式中，所述数据采集单元内搭载单片机，用于定时采集数据；

所述定时采集数据为每隔10S进行一次数据采集。

在本实施方式中，所述售货机工作状态数据信息为售货机的定位、销售种类、销售时间、用户进货时间和进货量数据信息。

在本实施方式中，所述数据整合分析处理单元包括：机器管理模块、商品库存管理模块、订单管理模块、报警模块；

机器管理模块，用于设置售货机的运行、离线状态；

商品库存管理模块，用于对已有商品库存进行管理，实时更新库存状态信息；

订单管理模块，用于产生销售订单，并通过实际售货机出货情况标记订单的状态；

报警模块，用于对机器管理模块出现运行异常，或商品库存管理模块商品库存达到阈值时，或订单管理模块产生异常订单时实时产生报警信息。

在本实施方式中，所述数据整合分析处理单元，通过C/S的模式把处理后的数据信息上传数据到后台服务器单元。

在本实施方式中，所述后台服务器单元，通过BP算法生成预测下一阶段售货机预售数据。

相应地，所述下一阶段售货机预售数据包括热销商品、销售额、销售量、进货量和商品销售占比。

在本实施方式中，所述后台服务器单元包括：web应用模块和微信公众号模块；

web应用模块和微信公众号模块，通过http协议与后台服务器单元实时数据信息通信；

web应用模块，用于对售货机的实时工作状态信息图形化，提供web服务；

信公众号模块，借助微信公众号API，实现消息实时推送，信息实时查看。

具体地，如图2所示，本发明依据销售数据并结合实际不同地区、场所等条件提供有效的数据统计，对下一阶段售货机预售数据进行预测，包括销售预测、畅销商品的预测，商品销售搭配等数据。

售货机的数据采集单元上搭载单片机，将售货机信息以及销售数据上传到数据整合分析处理单元的管理***，并通过报警模块通知用户是否有异常情况产生。机器管理模块中的管理***可设置售货机的运行、离线等状态。

商品库存管理模块对于已有商品库存的管理，实时更新库存状态；当商品库存达到阈值时产生报警信息。

售货机上产生销售订单，通过实际售货机出货情况标记订单的状态，当出现异常时产生异常订单，并实时报警。

在数据整合分析处理单元中，通过产生的有效订单进行数据分析，并通过后台服务器单元的神经网络BP算法生成预测数据。预测数据包含下一阶段售货机预售数据，包括热销商品、销售额、销售量、进货量和商品销售占比等数据。

本发明通过销售数据，后台服务器单元的后台管理***根据上传来的真实销售数据，结合神经网络BP算法等，以图表形式反馈给用户，用以提供销售预测情况，运营人员可根据预测数据进行商品采购，售货机点位投放等，从而达到帮助运营人员扩大销售额的效果。

售货机上搭载单片机，单片机定时采集数据，包括售货机状态，库存等数据，数据通过C/S的模式上传数据到后台服务器单元。

后台服务器单元的数据挖掘分析采用BP算法进行分析预测。

具体地，BP算法学***方和最小；具体步骤包括：

1、通过mysql筛选数据集合；

2、使用scikit-learn库进行以步骤1中的数据集为输入层求出预测数据。

通过预测出下一阶段热销商品、销售额、销售量、进货量等数据，运营者可以根据自身的商品销售状况以及运营计划，以下一阶段热销商品、销售额、销售量、进货量等预测数据为辅助，进行商品补充购入，在不同地区进行销售不同的热销商品，也可以购买时间的高低峰进行线下的业务操作(如：售货机的补货，维护等操作)。

本发明***还接入微信公众号的平台，使运维可以随时随地查看最新情况，手动上传运营数据，达到随时随地获取最新资讯，方便运营人员进一步操作。

如图3所示，本发明还提供了一种基于数据挖掘的售货机智能管理方法，具体包括如下步骤：

S1，定时采集售货机工作状态数据信息；

S2，对数据采集单元采集到的数据信息，进行归类整合分析处理；

S3，获取整合后的数据信息，预测下一阶段售货机预售数据。

相应地，所述方法还包括：

于步骤S1中，数据采集单元每隔10S进行一次数据采集；

于步骤S2中，设置售货机的运行、离线状态；

对已有商品库存进行管理，实时更新库存状态信息；

通过实际售货机出货情况标记订单的状态；

对机器管理模块出现运行异常，或商品库存管理模块商品库存达到阈值时，或订单管理模块产生异常订单时实时产生报警信息；

于步骤S3后，对售货机的实时工作状态信息图形化，提供web服务；

借助微信公众号API，实现消息实时推送，信息实时查看。

较佳地，售货机通过单片机发送消息到服务端，在数据整合分析处理单元中负责售货机的电机的控制，信息的收发处理；后台服务器单元的Web应用可以图形化web服务，方便用户操作；微信公众号借助微信公众号API，实现消息推送，信息查看等功能

根据售货机数据整合分析处理单元产生订单，对销售数据进行整理，生成针对每台售货机和每个商品的销售量、销售额、销售利润等数据

后台服务器单元，根据数据分析服务得出的销售量、销售额、销售利润等数据集进行BP算法生成预测下阶段的热销商品、销售额、销售量、进货量等预测数据。

本发明为用户提供大量有效的数据信息并以图表形式展示；提供下一阶段热销商品、销售额、销售量、进货量、商品销售占比等预测数据，帮助运营人员定位销售策略。通过售货机的定位、销售种类、销售时间、用户进货时间、进货量等多方位数据采集，分析用户行为，进而学习用户的个性化偏好。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于数据挖掘的售货机智能管理***，其特征在于，所述***包括：数据采集单元、数据整合分析处理单元、后台服务器单元；

数据采集单元，用于定时采集售货机工作状态数据信息；

数据整合分析处理单元，对数据采集单元采集到的数据信息，进行归类整合分析处理；

后台服务器单元，获取整合后的数据信息，预测下一阶段售货机预售数据。

2.根据权利要求1所述一种基于数据挖掘的售货机智能管理***，其特征在于，所述数据采集单元内搭载单片机，用于定时采集数据；

所述定时采集数据为每隔10S进行一次数据采集。

3.根据权利要求1所述一种基于数据挖掘的售货机智能管理***，其特征在于，所述售货机工作状态数据信息为售货机的定位、销售种类、销售时间、用户进货时间和进货量数据信息。

4.根据权利要求1所述一种基于数据挖掘的售货机智能管理***，其特征在于，所述数据整合分析处理单元包括：机器管理模块、商品库存管理模块、订单管理模块、报警模块；

机器管理模块，用于设置售货机的运行、离线状态；

商品库存管理模块，用于对已有商品库存进行管理，实时更新库存状态信息；

订单管理模块，用于产生销售订单，并通过实际售货机出货情况标记订单的状态；

报警模块，用于对机器管理模块出现运行异常，或商品库存管理模块商品库存达到阈值时，或订单管理模块产生异常订单时实时产生报警信息。

5.根据权利要求1所述一种基于数据挖掘的售货机智能管理***，其特征在于，所述数据整合分析处理单元，通过C/S的模式把处理后的数据信息上传数据到后台服务器单元。

6.根据权利要求1所述一种基于数据挖掘的售货机智能管理***，其特征在于，所述后台服务器单元，通过BP算法生成预测下一阶段售货机预售数据；

相应地，所述下一阶段售货机预售数据包括热销商品、销售额、销售量、进货量和商品销售占比。

7.根据权利要求1所述一种基于数据挖掘的售货机智能管理***，其特征在于，所述后台服务器单元包括：web应用模块和微信公众号模块；

web应用模块和微信公众号模块，通过http协议与后台服务器单元实时数据信息通信；

web应用模块，用于对售货机的实时工作状态信息图形化，提供web服务；

信公众号模块，借助微信公众号API，实现消息实时推送，信息实时查看。

8.一种基于数据挖掘的售货机智能管理方法，特征在于，所述方法包括如下步骤：

S1，定时采集售货机工作状态数据信息；

S2，对数据采集单元采集到的数据信息，进行归类整合分析处理；

S3，获取整合后的数据信息，预测下一阶段售货机预售数据。

9.根据权利要求8所述一种基于数据挖掘的售货机智能管理方法，其特征在于，所述方法还包括：

于步骤S1中，数据采集单元每隔10S进行一次数据采集；

于步骤S2中，设置售货机的运行、离线状态；

对已有商品库存进行管理，实时更新库存状态信息；

通过实际售货机出货情况标记订单的状态；

对机器管理模块出现运行异常，或商品库存管理模块商品库存达到阈值时，或订单管理模块产生异常订单时实时产生报警信息；

于步骤S3后，对售货机的实时工作状态信息图形化，提供web服务；

借助微信公众号API，实现消息实时推送，信息实时查看。