CN110503495A - 用于获取信息的方法及装置 - Google Patents
用于获取信息的方法及装置 Download PDFInfo
- Publication number
- CN110503495A CN110503495A CN201810466321.9A CN201810466321A CN110503495A CN 110503495 A CN110503495 A CN 110503495A CN 201810466321 A CN201810466321 A CN 201810466321A CN 110503495 A CN110503495 A CN 110503495A
- Authority
- CN
- China
- Prior art keywords
- sales volume
- information
- article
- processed
- time window
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0607—Regulated
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了用于获取信息的方法和装置。该方法的一具体实施方式包括:从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。该实施方式提高了预测销量信息的准确性。
Description
技术领域
本申请实施例涉及数据处理技术领域,具体涉及用于获取信息的方法及装置。
背景技术
随着网络技术的发展,越来越多的物品通过网络进行销售。通常,用户可以通过各种电子设备登录相关的网络(例如可以是购物类网站)来查询物品信息。然后,用户可以将需要的物品放入网络购物车。最后,用户可以对购物车内的物品进行结算,以完成通过网络购物。通过网络购买物品,可以使得用户足不出户地获取大量的物品信息,提高了用户购买物品的效率。实际中,网络技术人员需要监测物品的数量,以便及时补充物品,满足用户的购物需求。
发明内容
本申请实施例提出了用于获取信息的方法及装置。
第一方面,本申请实施例提供了一种用于获取信息的方法,该方法包括:从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
在一些实施例中,上述从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口包括:通过历史销量信息计算销量波动信息和销量等级信息,其中,销量波动信息用于表征销量随时间的变化特征;将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口。
在一些实施例中,上述销量波动信息通过以下步骤得到:绘制对应历史销量信息的历史销量曲线;获取历史销量曲线的最大销量值、最小销量值和销量均值;计算最大销量值和最小销量值之间的差值,并将差值与销量均值的比值作为销量波动信息。
在一些实施例中,上述将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口包括:响应于销量波动信息大于波动阈值,并且销量等级信息大于等级阈值,则预测时间窗口的长度为第一预设时间,否则,预测时间窗口的长度为第二预设时间,其中,第一预设时间大于第二预设时间。
在一些实施例中,上述通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息包括:通过初始预测销量信息和对应预测时间窗口的基准历史销量信息计算待处理物品的销量残差标准差;通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。
在一些实施例中,上述方法还包括判断预测销量信息的有效性的步骤,上述判断预测销量信息的有效性的步骤包括:根据预测销量信息计算待处理物品的补货时间和补货周期;响应于上述补货时间和补货周期分别满足第一阈值和第二阈值,上述预测销量信息有效。
第二方面,本申请实施例提供了一种用于获取信息的装置,该装置包括:预测时间窗口获取单元,被配置成从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;初始预测销量信息获取单元,被配置成基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;预测销量信息获取单元,被配置成通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
在一些实施例中,上述预测时间窗口获取单元包括:信息计算子单元,被配置成通过历史销量信息计算销量波动信息和销量等级信息,其中,销量波动信息用于表征销量随时间的变化特征;信息匹配子单元,被配置成将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口。
在一些实施例中,上述装置还包括销量波动信息计算单元,上述销量波动信息计算单元包括:曲线绘制子单元,被配置成绘制对应历史销量信息的历史销量曲线;参数获取子单元,被配置成获取历史销量曲线的最大销量值、最小销量值和销量均值;销量波动信息计算子单元,被配置成计算最大销量值和最小销量值之间的差值,并将差值与销量均值的比值作为销量波动信息。
在一些实施例中,上述信息匹配子单元包括:信息匹配模块,被配置成响应于销量波动信息大于波动阈值,并且销量等级信息大于等级阈值,则预测时间窗口的长度为第一预设时间,否则,预测时间窗口的长度为第二预设时间,其中,第一预设时间大于第二预设时间。
在一些实施例中,上述预测销量信息获取单元包括:销量残差标准差计算子单元,被配置成通过初始预测销量信息和对应预测时间窗口的基准历史销量信息计算待处理物品的销量残差标准差;预测销量信息计算子单元,被配置成通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。
在一些实施例中,上述装置还包括有效性判断单元,被配置成判断预测销量信息的有效性,上述有效性判断单元包括:时间计算子单元,被配置成根据预测销量信息计算待处理物品的补货时间和补货周期;有效性判断子单元,被配置成响应于上述补货时间和补货周期分别满足第一阈值和第二阈值,上述预测销量信息有效。
第三方面,本申请实施例提供了一种服务器,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述第一方面的用于获取信息的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述第一方面的用于获取信息的方法。
本申请实施例提供的用于获取信息的方法及装置,首先从待处理物品的历史销量信息中获取销量特征数据,并对销量特征数据匹配得到预测时间窗口;然后基于历史销量信息得到对应预测时间窗口的初始预测销量信息;最后通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息,提高了预测销量信息的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性***架构图;
图2是根据本申请的用于获取信息的方法的一个实施例的流程图;
图3是根据本申请的用于获取信息的方法的又一个实施例的流程图;
图4是根据本申请的用于获取信息的方法的一个应用场景的示意图;
图5是根据本申请的用于获取信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机***的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于获取信息的方法或用于获取信息的装置的示例性***架构100。
如图1所示,***架构100可以包括销量服务器101、102,网络103和预测服务器104。网络103用以在销量服务器101、102和预测服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
技术人员可以使用销量服务器101、102通过网络103与预测服务器104交互,以接收或发送消息等。销量服务器101、102上可以安装有各种数据应用,例如数据记录应用、数据统计应用、数据搜索应用、数据分析应用等。
销量服务器101、102可以是硬件,也可以是软件。当销量服务器101、102为硬件时,可以是具有显示屏并且支持数据记录的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当销量服务器101、102为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
预测服务器104可以是提供各种服务的服务器,例如对从销量服务器101、102上获取的待处理物品的历史销量信息进行数据处理服务器。服务器可以对接收到的待处理物品的历史销量信息等数据进行分析等处理,并将处理结果(例如待处理物品的预测销量信息)反馈给销量服务器101、102。
需要说明的是,本申请实施例所提供的用于获取信息的方法一般由预测服务器104执行,相应地,用于获取信息的装置一般设置于预测服务器104中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的销量服务器、网络和预测服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的销量服务器、网络和预测服务器。
继续参考图2,示出了根据本申请的用于获取信息的方法的一个实施例的流程200。该用于获取信息的方法包括以下步骤:
步骤201,从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口。
在本实施例中,用于获取信息的方法的执行主体(例如图1所示的预测服务器)可以通过有线连接方式或者无线连接方式从销量服务器接收待处理物品的历史销量信息。执行主体接收到待处理物品的历史销量信息后,可以对历史销量信息进行数据分析,得到对应待处理物品的销量特征数据。之后,再通过销量特征数据确定对应待处理物品的预测时间窗口。需要说明的是,本实施例的待处理物品可以是网络上展示的可能需要补货的物品,还可以是网络上展示的全部物品,具体视实际需要而定。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。
实际中,网络在同一时间通常会有大量的用户登录或购买物品。因此,物品的销量经常发生变化。对于不同种类或同一种类不同的物品,销量也是各不相同。由于物品之间的销量差别较大,而每次进货通常是对多种物品的数量进行补充。当补充多种物品的数量时,现有方法通常是依靠网络技术人员的经验来确定某一物品在未来一段时间可能的预测销量,并根据该预测销量对物品进行补货。因此,现有补充获取的方法不易确定较为准确的补货数量,容易出现物品缺货或物品积压等情况,导致对物品的补货效率不高。
为此,本申请的执行主体可以先获取待处理物品的历史销量信息。然后,对历史销量信息进行数据分析,得到销量特征数据。之后,执行主体进一步对销量特征数据进行数据分析,确定对应待处理物品的预测时间窗口。其中,待处理物品的历史销量信息可以是待处理物品过去一段时间(例如可以是前几年或前几个月)的销量信息。销量特征数据可以用于表征待处理物品的销量与时间的对应关系。预测时间窗口可以用于表征待处理物品销量的预测时间范围(例如可以是未来的几天)。
在本实施例的一些可选的实现方式中,上述从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口可以包括以下步骤:
第一步,通过历史销量信息计算销量波动信息和销量等级信息。
对于某一待处理物品来说,其销量通常是随着时间发生变化的。执行主体在得到历史销量信息后,可以对历史销量信息进行分析计算,从而得到销量波动信息和销量等级信息。执行主体可以以一定的时间长度(例如可以是一年或一个月等)为单位对历史销量信息进行分析,将待处理物品的销量划分为对应的销量等级信息。例如,可以预先按照销量划分为3个等级。例如可以是:第一销量等级为月销量大于10000件;第二销量等级为月销量在5000到10000件之间;第三销量等级为月销量小于5000件。当某一待处理物品的月销量为6000件时,则该待处理物品的销量等级信息可以是:第一销量等级。实际中,销量的等级还可以是其他形式(例如可以是:高、中、低等),此处不再一一赘述。执行主体还可以从历史销量信息中得到销量波动信息。其中,销量波动信息可以用于表征销量随时间变化的销量特征(即销量波动情况),并且,每一种待处理物品的销量波动信息通常不同。因此,销量波动信息一定程度上表征了待处理物品的销量特性。例如:在某一时期内,待处理物品的销量变化大于一定阈值,则可以设置该待处理物品的销量波动信息为高,否则,可以设置该待处理物品的销量波动信息为低。
第二步,将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口。
从历史销量信息中获取到对应待处理物品的销量波动信息和销量等级信息后,执行主体可以通过一定方式对销量波动信息和销量等级信息进行匹配。销量波动信息可以有多种分类(例如可以是高、低等),销量等级信息也可以有多种分类(例如可以是第一销量等级、第二销量等级和第三销量等级等)。如此,销量波动信息和销量等级信息可以匹配出多种结果。执行主体可以根据不同的匹配结果为待处理物品设置对应的预测时间窗口。此时,得到的预测时间窗口就能一定程度上体现该待处理物品的销量特性。
在本实施例的一些可选的实现方式中,上述销量波动信息通过以下步骤得到:
第一步,绘制对应历史销量信息的历史销量曲线。
执行主体获取到历史销量信息后,可以通过历史销量信息中对应时间点的销量信息绘制对应的历史销量曲线。例如,在坐标系中,可以以时间作为横轴的单位,以销量作为纵轴的单位,则可以在该坐标系中得到对应待处理物品的历史销量曲线。
第二步,获取历史销量曲线的最大销量值、最小销量值和销量均值。
得到历史销量曲线后,可以直观地了解待处理物品的销量趋势。执行主体可以从历史销量曲线上获取到最大销量值、最小销量值和销量均值。
第三步,计算最大销量值和最小销量值之间的差值,并将差值与销量均值的比值作为销量波动信息。
执行主体可以计算最大销量值和最小销量值之间的差值,然后再计算差值与销量均值的比值。并将该比值作为对应待处理物品的销量波动信息。可见,销量波动信息可以用于表征销量波动部分(上述的差值)占销量整体(销量均值)的百分比。获取销量波动信息还可以通过其他方法得到,此处不再一一赘述。
在本实施例的一些可选的实现方式中,上述将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口可以包括:响应于销量波动信息大于波动阈值,并且销量等级信息大于等级阈值,则预测时间窗口的长度为第一预设时间,否则,预测时间窗口的长度为第二预设时间。
由上述描述可知,销量波动信息和销量等级信息分别可以包含有多种分类。当销量波动信息和销量等级信息匹配时,可以根据各自的多种分类匹配到多种结果。为了尽可能地保证最后得到的预测销量信息满足实际的销量要求,本实施例可以对匹配到的多种结果进行一定程度的简化。为此,本实施例的执行主体可以首先设置对应销量波动信息的波动阈值,设置对应销量等级信息的等级阈值。其中,波动阈值可以用于表征销量波动的大小。销量波动信息大于该波动阈值可以认为对应的待处理物品的销量波动大,小于等于该波动阈值可以认为对应的待处理物品的销量波动小。等级阈值可以用于表征销量等级的高低。销量等级信息大于该等级阈值可以认为对应的待处理物品的销量等级大,小于等于该等级阈值可以认为对应的待处理物品的销量等级小。当某一待处理物品的销量波动信息大于波动阈值,并且销量等级信息大于等级阈值时,为该待处理物品设置长度为第一预设时间的预测时间窗口。除此以外的情况都设置为长度为第二预设时间的预测时间窗口。其中,第一预设时间大于第二预设时间。例如,某待处理物品的销量波动信息为高,且销量等级信息为第一销量等级,则可以认为该待处理物品的销量很大,且波动也较大。此时,为该待处理物品设置时间上较长的预测时间窗口较为合理。即可以为该待处理物品设置时间长度为第一预设时间的预测时间窗口。对于其他的销量等级信息对应的销量等级较高,但销量波动信息较小、销量等级较低(例如可以是第三销量等级),但销量波动信息较小、销量等级较低(例如可以是第三销量等级),但销量波动信息较大等情况的待处理物品,可以认为待处理物品通过较小的预测时间窗口也可以满足销量需求,进而可以为待处理物品设置时间长度为第二预设时间的预测时间窗口。波动阈值和等级阈值的具体取值可以根据实际需要而定。
步骤202,基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息。
执行主体可以基于历史销量信息,采用多种方法,对未来一段时间内待处理物品的销量进行预测。在一定时间内,待处理物品的销量通常满足一定的规律(例如正态分布、泊松分布等),通常不会发生突变。因此,可以通过历史销量信息来预测初始预测销量信息。例如,执行主体可以得到对应历史销量信息的历史销量曲线。然后,获取历史销量曲线的曲线变化率信息,进而根据变化率信息确定未来一段时间内待处理物品的预测销量。再从该预测销量中截取对应预测时间窗口的信息作为初始预测销量信息。可见,本实施例的初始预测销量信息可以是基于历史销量信息得到的对应预测时间窗口的预测销量,因此具有一定的规律性和准确性。
步骤203,通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
本实施例的初始预测销量信息是基于历史销量信息得到的,具有一定的准确性。预测时间窗口可以一定程度上体现该待处理物品的销量特性。通过初始预测销量信息和预测时间窗口来得到待处理物品的预测销量信息,既表征了待处理物品的规律性(基于历史信息体现),又表征了待处理物品的销量特性(基于销量波动信息体现)。因此,本实施例得到的预测销量信息具有较高的准确性。
在本实施例的一些可选的实现方式中,上述通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息可以包括以下步骤:
第一步,通过初始预测销量信息和对应预测时间窗口的基准历史销量信息计算待处理物品的销量残差标准差。
本实施例的初始预测销量信息可以是基于历史销量信息得到的对应预测时间窗口的预测销量。执行主体还可以从历史销量信息中找到与预测时间窗口对应的基准历史销量信息。其中,基准历史销量信息可以用于表征历史销量信息中与预测时间窗口对应销量信息。基准历史销量信息可以是历史销量信息中与预测时间窗口对应的同一时间段的销量信息。例如,预测时间窗口的时间长度为10天,起始时间为5月1日,终止时间为5月10日,则基准历史销量信息可以是上一年5月1日到5月10日期间,对应待处理物品的销量信息。还可以是过去几年的5月1日到5月10日期间,对应待处理物品的销量信息的均值,具体视实际需要而定。执行主体可以计算得到初始预测销量信息和基准历史销量信息之间的销量残差标准差。由于预测时间窗口一定程度上表征了待处理物品的销量特性。因此,销量残差标准差可以用来表征预测的销量信息(即初始预测销量信息)与实际的销量信息(基准历史销量信息)之间的销量差值。
第二步,通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。
得到销量残差标准差之后,执行主体可以通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。此时的预测销量信息就能够同时表征待处理物品的预测销量和可能的销量波动,因此,也就更能符合实际情况。因此,本申请得到的预测销量信息具有较高的准确性。
继续参考图3,示出了根据本申请的用于获取信息的方法的另一个实施例的流程300。该用于获取信息的方法包括以下步骤:
步骤301,从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口。
在本实施例中,用于获取信息的方法的执行主体(例如图1所示的预测服务器)可以通过有线连接方式或者无线连接方式从销量服务器接收待处理物品的历史销量信息。执行主体接收到待处理物品的历史销量信息后,可以对历史销量信息进行数据分析,得到对应待处理物品的销量特征数据。之后,再通过销量特征数据确定对应待处理物品的预测时间窗口。需要说明的是,本实施例的待处理物品可以是网络上展示的可能需要补货的物品,还可以是网络上展示的全部物品,具体视实际需要而定。
步骤302,基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息。
执行主体可以基于历史销量信息,采用多种方法,对未来一段时间内待处理物品的销量进行预测。在一定时间内,待处理物品的销量通常满足一定的规律(例如正态分布、泊松分布等),不会发生突变。因此,可以通过历史销量信息来预测初始预测销量信息。例如,执行主体可以得到对应历史销量信息的历史销量曲线。然后,获取历史销量曲线的曲线变化率信息,进而根据变化率信息确定未来一段时间内待处理物品的预测销量。再从该预测销量中截取对应预测时间窗口的信息作为初始预测销量信息。可见,本实施例的初始预测销量信息可以是基于历史销量信息得到的对应预测时间窗口的预测销量,因此具有一定的准确性。
步骤303,通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
本实施例的初始预测销量信息是基于历史销量信息得到的,具有一定的准确性。预测时间窗口可以一定程度上体现该待处理物品的销量特性。通过初始预测销量信息和预测时间窗口来得到待处理物品的预测销量信息,既表征了待处理物品的规律性(基于历史信息体现),又表征了待处理物品的销量特性(基于销量波动信息体现),提高了预测销量信息的准确性。
步骤304,判断预测销量信息的有效性。
上述得到预测销量信息后,还需要考虑实际的物品补充时间,以通过预测销量信息来判断在实际的物品补充时间内,物品的库存能否满足用户的购买需求。即,本申请还需要判断预测销量信息的有效性,具体包括以下步骤:
第一步,根据预测销量信息计算待处理物品的补货时间和补货周期。
本实施例中,补货时间可以用于表征待处理物品满足对应预测时间窗口时间段的销量时需要补货的时间。例如,当预测销量信息大于基准历史销量信息时,可以认为在对应预测时间窗口的时间段内不需要补货,此时,补货时间可以设置为1。即,此处的补货时间为1并不是代表需要补货1次,而是表示不需要补货。相应的,当预测销量信息小于等于基准历史销量信息时,可以认为在对应预测时间窗口的时间段内需要补货。此时,补货时间可以设置为0。即,此处的补货时间为0并不是代表需要补货0次,而是表示需要补货。补货周期可以表征在对应预测时间窗口的时间段内需要补货的次数。此处,补货周期可以通过预测销量信息与基准历史销量信息的比值来表示。
实际中,每次补货通常不是只针对一种物品,而是针对多种物品的补货。因此,上述通过预测销量信息计算待处理物品的补货时间还可以是:将预测时间窗口相同的待处理物品作为一个集合,对该集合内的待处理物品的补货时间求和,再计算补货时间求和后的结果与待处理物品的种类数的比值,并将该比值作为该集合的补货时间的第一比值。类似的,还可以将该集合内每个待处理物品的补货周期求和,再计算补货周期求和后的结果与待处理物品的种类数的比值,并将该比值作为该集合的补货周期的第二比值。
第二步,响应于上述补货时间和补货周期分别满足第一阈值和第二阈值,上述预测销量信息有效。
补货时间为0时可以认为在对应预测时间窗口的时间段内需要补货。补货时间为1时可以认为在对应预测时间窗口的时间段内不需要补货。因此,可以将第一阈值设置为1,当补货时间小于1时,认为对应的待处理物品需要补货;否则不需要补货。实际中,由于供货商的生产效率、物品生产地和销售地不同等因素,往往使得补货时间具有一定的限制,例如,最短补货时间为X天等。为此,第二阈值可以是等于最短补货时间。当补货时间(或第一比值)和补货周期((或第二比值))分别满足第一阈值和第二阈值时,可以认为预测销量信息有效。
继续参见图4,图4是根据本实施例的用于获取信息的方法的应用场景的一个示意图。在图4的应用场景中,预测服务器104从销量服务器101上获取待处理物品的历史销量信息。预测服务器104根据历史销量信息得到销量特征数据和预测时间窗口。之后,通过历史销量信息得到初始预测销量信息。最后,通过初始预测销量信息和预测时间窗口计算得到待处理物品的预测销量信息。
本申请的上述实施例提供的方法首先从待处理物品的历史销量信息中获取销量特征数据,并对销量特征数据匹配得到预测时间窗口;然后基于历史销量信息得到对应预测时间窗口的初始预测销量信息;最后通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息,提高了预测销量信息的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于获取信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于获取信息的装置500可以包括:预测时间窗口获取单元501、初始预测销量信息获取单元502和预测销量信息获取单元503。其中,预测时间窗口获取单元501被配置成从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;初始预测销量信息获取单元502被配置成基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;预测销量信息获取单元503被配置成通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
在本实施例的一些可选的实现方式中,上述预测时间窗口获取单元501可以包括:信息计算子单元(图中未示出)和信息匹配子单元(图中未示出)。其中,信息计算子单元被配置成通过历史销量信息计算销量波动信息和销量等级信息,其中,销量波动信息用于表征销量随时间的变化特征;信息匹配子单元被配置成将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口。
在本实施例的一些可选的实现方式中,用于获取信息的装置500还可以包括销量波动信息计算单元(图中未示出),上述销量波动信息计算单元可以包括:曲线绘制子单元(图中未示出)、参数获取子单元(图中未示出)和销量波动信息计算子单元(图中未示出)。其中,曲线绘制子单元被配置成绘制对应历史销量信息的历史销量曲线;参数获取子单元被配置成获取历史销量曲线的最大销量值、最小销量值和销量均值;销量波动信息计算子单元被配置成计算最大销量值和最小销量值之间的差值,并将差值与销量均值的比值作为销量波动信息。
在本实施例的一些可选的实现方式中,上述信息匹配子单元可以包括:信息匹配模块(图中未示出),被配置成响应于销量波动信息大于波动阈值,并且销量等级信息大于等级阈值,则预测时间窗口的长度为第一预设时间,否则,预测时间窗口的长度为第二预设时间,其中,第一预设时间大于第二预设时间。
在本实施例的一些可选的实现方式中,上述预测销量信息获取单元503可以包括:销量残差标准差计算子单元(图中未示出)和预测销量信息计算子单元(图中未示出)。其中,销量残差标准差计算子单元被配置成通过初始预测销量信息和对应预测时间窗口的基准历史销量信息计算待处理物品的销量残差标准差;预测销量信息计算子单元被配置成通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。
在本实施例的一些可选的实现方式中,用于获取信息的装置500还可以包括有效性判断单元(图中未示出),被配置成判断预测销量信息的有效性,上述有效性判断单元可以包括:时间计算子单元(图中未示出)和有效性判断子单元(图中未示出)。其中,时间计算子单元被配置成根据预测销量信息计算待处理物品的补货时间和补货周期;有效性判断子单元被配置成响应于上述补货时间和补货周期分别满足第一阈值和第二阈值,上述预测销量信息有效。
本实施例还提供了一种服务器,包括:一个或多个处理器;存储器,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器执行上述的用于获取信息的方法。
本实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于获取信息的方法。
下面参考图6,其示出了适于用来实现本申请实施例的服务器(例如,图1中的终端设备104)的计算机***600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机***600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有***600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括预测时间窗口获取单元、初始预测销量信息获取单元和预测销量信息获取单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,预测销量信息获取单元还可以被描述为“用于计算预测销量信息的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于获取信息的方法,所述方法包括:
从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;
基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;
通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
2.根据权利要求1所述的方法,其中,所述从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口包括:
通过历史销量信息计算销量波动信息和销量等级信息,其中,销量波动信息用于表征销量随时间的变化特征;
将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口。
3.根据权利要求2所述的方法,其中,所述销量波动信息通过以下步骤得到:
绘制对应历史销量信息的历史销量曲线;
获取历史销量曲线的最大销量值、最小销量值和销量均值;
计算最大销量值和最小销量值之间的差值,并将差值与销量均值的比值作为销量波动信息。
4.根据权利要求2所述的方法,其中,所述将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口包括:
响应于销量波动信息大于波动阈值,并且销量等级信息大于等级阈值,则预测时间窗口的长度为第一预设时间,否则,预测时间窗口的长度为第二预设时间,其中,第一预设时间大于第二预设时间。
5.根据权利要求1所述的方法,其中,所述通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息包括:
通过初始预测销量信息和对应预测时间窗口的基准历史销量信息计算待处理物品的销量残差标准差;
通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。
6.根据权利要求1-5任一项所述的方法,其中,所述方法还包括判断预测销量信息的有效性的步骤,所述判断预测销量信息的有效性的步骤包括:
根据预测销量信息计算待处理物品的补货时间和补货周期;
响应于所述补货时间和补货周期分别满足第一阈值和第二阈值,所述预测销量信息有效。
7.一种用于获取信息的装置,所述装置包括:
预测时间窗口获取单元,被配置成从待处理物品的历史销量信息中获取销量特征数据,对销量特征数据进行匹配得到预测时间窗口,其中,销量特征数据用于表征待处理物品的销量与时间的对应关系,预测时间窗口用于表征待处理物品销量的预测时间范围;
初始预测销量信息获取单元,被配置成基于历史销量信息预测得到对应预测时间窗口的初始预测销量信息;
预测销量信息获取单元,被配置成通过初始预测销量信息和预测时间窗口得到待处理物品的预测销量信息。
8.根据权利要求7所述的装置,其中,所述预测时间窗口获取单元包括:
信息计算子单元,被配置成通过历史销量信息计算销量波动信息和销量等级信息,其中,销量波动信息用于表征销量随时间的变化特征;
信息匹配子单元,被配置成将销量波动信息和销量等级信息进行匹配,确定对应待处理物品的预测时间窗口。
9.根据权利要求8所述的装置,其中,所述装置还包括销量波动信息计算单元,所述销量波动信息计算单元包括:
曲线绘制子单元,被配置成绘制对应历史销量信息的历史销量曲线;
参数获取子单元,被配置成获取历史销量曲线的最大销量值、最小销量值和销量均值;
销量波动信息计算子单元,被配置成计算最大销量值和最小销量值之间的差值,并将差值与销量均值的比值作为销量波动信息。
10.根据权利要求8所述的装置,其中,所述信息匹配子单元包括:
信息匹配模块,被配置成响应于销量波动信息大于波动阈值,并且销量等级信息大于等级阈值,则预测时间窗口的长度为第一预设时间,否则,预测时间窗口的长度为第二预设时间,其中,第一预设时间大于第二预设时间。
11.根据权利要求7所述的装置,其中,所述预测销量信息获取单元包括:
销量残差标准差计算子单元,被配置成通过初始预测销量信息和对应预测时间窗口的基准历史销量信息计算待处理物品的销量残差标准差;
预测销量信息计算子单元,被配置成通过初始预测销量信息和销量残差标准差计算得到待处理物品的预测销量信息。
12.根据权利要求7-11任一项所述的装置,其中,所述装置还包括有效性判断单元,被配置成判断预测销量信息的有效性,所述有效性判断单元包括:
时间计算子单元,被配置成根据预测销量信息计算待处理物品的补货时间和补货周期;
有效性判断子单元,被配置成响应于所述补货时间和补货周期分别满足第一阈值和第二阈值,所述预测销量信息有效。
13.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1至6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810466321.9A CN110503495A (zh) | 2018-05-16 | 2018-05-16 | 用于获取信息的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810466321.9A CN110503495A (zh) | 2018-05-16 | 2018-05-16 | 用于获取信息的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110503495A true CN110503495A (zh) | 2019-11-26 |
Family
ID=68583581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810466321.9A Pending CN110503495A (zh) | 2018-05-16 | 2018-05-16 | 用于获取信息的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110503495A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258224A (zh) * | 2020-10-19 | 2021-01-22 | 北京沃东天骏信息技术有限公司 | 信息生成方法、装置、终端、***和存储介质 |
CN112950267A (zh) * | 2021-02-26 | 2021-06-11 | 北京京东乾石科技有限公司 | 一种信息生成方法、装置、终端设备及存储介质 |
CN113837492A (zh) * | 2021-10-26 | 2021-12-24 | 北京沃东天骏信息技术有限公司 | 物品供应量的预测方法、设备、存储介质及程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
CN107507030A (zh) * | 2017-08-22 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 信息预测的方法和装置 |
US20180005253A1 (en) * | 2016-06-30 | 2018-01-04 | International Business Machines Corporation | Revenue prediction for a sales pipeline using optimized weights |
-
2018
- 2018-05-16 CN CN201810466321.9A patent/CN110503495A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180005253A1 (en) * | 2016-06-30 | 2018-01-04 | International Business Machines Corporation | Revenue prediction for a sales pipeline using optimized weights |
CN106971249A (zh) * | 2017-05-05 | 2017-07-21 | 北京挖玖电子商务有限公司 | 一种销量预测及补货方法 |
CN107507030A (zh) * | 2017-08-22 | 2017-12-22 | 北京京东尚科信息技术有限公司 | 信息预测的方法和装置 |
Non-Patent Citations (1)
Title |
---|
高春姣: "基于SAS Forcast Studio的多产品销量数据分类方法的探析", 商业研究, 10 April 2016 (2016-04-10), pages 24 - 25 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112258224A (zh) * | 2020-10-19 | 2021-01-22 | 北京沃东天骏信息技术有限公司 | 信息生成方法、装置、终端、***和存储介质 |
CN112950267A (zh) * | 2021-02-26 | 2021-06-11 | 北京京东乾石科技有限公司 | 一种信息生成方法、装置、终端设备及存储介质 |
CN113837492A (zh) * | 2021-10-26 | 2021-12-24 | 北京沃东天骏信息技术有限公司 | 物品供应量的预测方法、设备、存储介质及程序产品 |
CN113837492B (zh) * | 2021-10-26 | 2024-05-21 | 北京沃东天骏信息技术有限公司 | 物品供应量的预测方法、设备、存储介质及程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107230035A (zh) | 信息推送方法和装置 | |
CN109472523A (zh) | 用于分拣货物的方法和装置 | |
CN109840734A (zh) | 信息输出方法和装置 | |
CN110371560A (zh) | 自动盘点的方法和装置 | |
CN109697522A (zh) | 一种数据预测的方法和装置 | |
CN109961299A (zh) | 数据分析的方法和装置 | |
CN110163705A (zh) | 用于推送信息的方法和装置 | |
CN111915238A (zh) | 用于处理订单的方法和装置 | |
CN110503495A (zh) | 用于获取信息的方法及装置 | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN109634833A (zh) | 一种软件缺陷预测方法和装置 | |
CN111325587A (zh) | 用于生成信息的方法和装置 | |
CN109961198A (zh) | 关联信息生成方法和装置 | |
CN110335090A (zh) | 基于商品销量分布预测的补货方法及***、电子设备 | |
CN110020876A (zh) | 一种信息生成方法和装置 | |
CN113793081A (zh) | 仓储监控方法、装置、计算机可读介质及电子设备 | |
CN110378546A (zh) | 用于生成信息的方法和装置 | |
CN111798261A (zh) | 信息更新的方法和装置 | |
CN116128135A (zh) | 数据处理方法及装置、电子设备和存储介质 | |
CN109934523A (zh) | 信息处理方法和装置 | |
CN114663015A (zh) | 补货方法和装置 | |
CN110276566A (zh) | 信息输出方法和装置 | |
CN109840724A (zh) | 用于输出信息的方法和装置 | |
CN109948773A (zh) | 生成信息的方法和装置 | |
CN109255563A (zh) | 物品的储位区域的确定方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |