CN114444934A - 一种企业销售周期性评价算法及其工具化应用 - Google Patents

一种企业销售周期性评价算法及其工具化应用 Download PDF

Info

Publication number
CN114444934A
CN114444934A CN202210096825.2A CN202210096825A CN114444934A CN 114444934 A CN114444934 A CN 114444934A CN 202210096825 A CN202210096825 A CN 202210096825A CN 114444934 A CN114444934 A CN 114444934A
Authority
CN
China
Prior art keywords
data
sales
enterprise
sales data
monthly
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
Application number
CN202210096825.2A
Other languages
English (en)
Inventor
徐剑
孙超
邓勇
杨平
洪飞
庞永
戴方明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Shuzu Information Technology Co ltd
Original Assignee
Nanjing Shuzu Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Shuzu Information Technology Co ltd filed Critical Nanjing Shuzu Information Technology Co ltd
Priority to CN202210096825.2A priority Critical patent/CN114444934A/zh
Publication of CN114444934A publication Critical patent/CN114444934A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q30/018—Certifying business or products

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供一种企业销售周期性算法及其工具化应用，按照如下步骤对企业销售情况进行周期性评价：S1：数据获取，获取企业销售数据；S2：数据整理，对零散的销售数据按月份进行统计汇总得到月度销售数据；S3：数据分组，按照时间将月度销售数据划分为两组；S4：数据修正，计算两组月度销售数据的绝对离差，剔除两组数据中的极值；S5：数据相关性计算，计算两组月度销售数据的皮尔逊相关系数；S6：数据评价，对不同阈值区间内的皮尔逊相关系数进行分别评价。本发明通过统计学的算法对企业经营的周期性进行了量化分析，并给出了科学的评价方法，在监控企业经营风险时，有了更为科学的依据，能有效帮助决策，提高效率。

Description

一种企业销售周期性评价算法及其工具化应用
技术领域
本发明涉及数据分析处理技术领域，尤其涉及一种企业销售周期性评价算法及其工具化应用。
背景技术
企业的经营活动由于受到气候、节日等因素的影响，会出现一定程度的波动。从一个长期的视角来看，这些波动并不是无序的，而是在多重因素的叠加影响下，呈现出一种相对稳定的波动规律。这种企业经营的波动规律特征，直观的反映在企业的销售、采购、纳税等经营行为中。针对数据相似度的分析中目前有基于余弦相似度的数据相似度算法，计算两组向量数据的余弦值。进而评价两组向量数据的余弦相似度，判断两组数据之间是否具有一定的相似性。余弦值越接近于1，表明两组数据越相似，具有相同的变动规律；但是基于余弦相似度的数据相似度算法需要两组向量数据，因此选择的数据样本是评价时间段内的销售环比增长率。由此计算得出的余弦相似度更多的评价的是两组数据上升和下降的轨迹相似度，而并不能体现两组数据的波动性规律。此外，由于销售行为的特殊性，可能存在销售金额为0的数据，造成销售环比增长率指标无法计算。因此该方案存在较大的局限性。
目前还有一种数据相似度评价方法：通过对两组数据分别计算方差，对两组数据的方差进行比较。若两组数据的方差相近，则认定两组数据存在相近的波动规律。但是数据方差分析仅能反映各组数据自身的波动情况，不能反映两个周期的销售数据是否存在相同的波动规律。且方差的计算值不存在上限和下限，无法给与准确的评价。两组不同数据的方差因为时间维度不同，也不具备比较意义。
发明内容
针对上述背景技术中的问题，本发明提供一种企业销售周期性评价算法，按照如下步骤对企业销售情况进行周期性评价：
S1：数据获取，获取企业销售数据；
S2：数据整理，对零散的销售数据按月份进行统计汇总得到月度销售数据；
S3：数据分组，按照时间将月度销售数据划分为两组；
S4：数据修正，计算两组月度销售数据的绝对离差，剔除两组数据中的极值；
S5：数据相关性计算，计算两组月度销售数据的皮尔逊相关系数；
S6：数据评价，对不同阈值区间内的皮尔逊相关系数进行分别评价。
作为本发明的一种优选方案，步骤S1中所述销售数据具体从销项***中的获取，所述销项***为两个连续自然年内所有的销项***，所述销售数据具体为销项***不含税金额。
作为本发明的一种优选方案，步骤S2中月度销售数据具体将单个月中所有销项***的不含税金额进行汇总相加。
作为本发明的一种优选方案，步骤S3中具体以自然年为单位将月度销售数据划分为两组。
作为本发明的一种优选方案，步骤S4中，针对两组月度销售数据，分别计算每组内部各数据的绝对离差，统计得出每组月度销售数据的绝对离差最大值所对应的月份，当两组月度销售数据绝对离差值最大月份不一致时，将每组月度销售数据中两个月的月度销售数据进行同时删除；当两组月度销售数据绝对离差值最大月份一致时，将每组月度销售数据中的一个月的月度销售数据进行删除。
作为本发明的一种优选方案，步骤S5中皮尔逊相关系数按照如下步骤进行计算：
一、计算两组月度销售数据的标准差：计算公式如下：
Figure DEST_PATH_IMAGE002
其中：
Figure DEST_PATH_IMAGE004
为每组数据的月度销项开票额；
Figure DEST_PATH_IMAGE006
为每个年度的平均月销售额；n为月份数，在本方案中n=12；
分别计算两组月度销售数据的标准差分别为
Figure DEST_PATH_IMAGE008
，计算两组月度销售数据标准差的乘积
Figure DEST_PATH_IMAGE010
；
二、计算两组月度销售数据的协方差，计算公式如下：
Figure DEST_PATH_IMAGE012
其中：
Figure DEST_PATH_IMAGE014
为每组数据的月度销项开票额；
Figure DEST_PATH_IMAGE016
为每个年度的平均月销售额；n为月份数，在本方案中n=12；
三、计算两组数据的皮尔逊相关系数，计算公式如下：
ρ=
Figure DEST_PATH_IMAGE018
其中：x、y为两个连续年组数据的月度销售数据；
Figure DEST_PATH_IMAGE020
为月度销售数据的协方差；
Figure DEST_PATH_IMAGE022
分别两组月度销售数据的标准差；ρ为两组月度数据的皮尔逊相关系数。
作为本发明的一种优选方案，所述皮尔逊相关性最后的计算数值区间为[-1,1]，对皮尔逊数值区间进行阈值划分，具体划分为如下几个阈值区间[-1,-0.2]、(-0.2,0.2]、（0.2,0.5]、(0.5,0.8]、(0.8,1]：
当ρ计算值处在(0.8,1]的阈值区间内时,两组月度销售数据存在很强的线性正相关性，认定该企业销售行为存在很强的周期波动特性；
当ρ计算值处在(0.5,0.8]的阈值区间内时，认定该企业销售行为存在较强的周期波动特性；
当ρ计算值处在（0.2,0.5]的阈值区间内时, 月度销售数据的线性正相关性一般，认定该企业销售行为周期波动规律不明显；
当ρ计算值处在(-0.2,0.2]的阈值区间内时, 月度销售数据的线性正相关性非常弱，认定该企业销售行为不存在周期波动规律；
当ρ计算值处在[-1,-0.2]的阈值区间内时时，两组月度销售数据存在相反的线性相关性，该企业可能存在重大经营范围变动，近两年主营业务不具备任何周期规律。
与现有技术相比，本发明提供一种企业销售周期性评价算法，具有以下有益效果：
1.销售活动作为企业最核心的经营活动，也最能直观反映企业的经营波动性，因此，选择销售数据作为分析一个企业的周期性波动规律是最为适当的；***数据作为会计记账的原始凭证，具有足够的权威性，因此本发明选取***数据中的销项数据作为数据来源。通过对两个年度周期内的月度销售数据进行相似性分析，通过统计学方法分析两组数据的相关性，判断是否存在着明显的波动性方向趋同，并根据计算结果评价判断该主体的经营周期性强度。
2.本发明的算法全过程均可通过计算机技术自动实现，评价标准可以根据不同场景的需求自定义评价阈值，具备很高的适用性和灵活性。
本发明还提供一种企业销售周期性评价算法的工具化应用，对企业主营业务进行风险预警，具体按照如下方法进行预警：
利用周期性评价算法计算出销售数据的皮尔逊相关系数ρ；
当abs(
Figure DEST_PATH_IMAGE024
-
Figure DEST_PATH_IMAGE026
)>0.5时，该企业可能发生主营业务偏离的情况，需预警；
当
Figure 646252DEST_PATH_IMAGE024
=<-0.2，该企业可能存在重大经营范围变动，或存在主营业务不稳定的风险，需预警其中：：监控时点的实时周期性相关系数；
Figure 116416DEST_PATH_IMAGE026
：对照周期内的周期性相关系数；abs:绝对值。
本发明还提供一种企业销售周期性评价算法的工具化应用，通过企业销售数据选出适合融资投资的时期，实现金融机构对融资资金的智能调配，具体按照如下步骤进行：
一、通过周期性评价算法各企业销售数据的皮尔逊相关系数ρ；
二、对于皮尔逊相关系数大于0.5的企业，拟合历史销售数据形成经营周期性波动曲线，基于该曲线制定各企业的强/弱融资窗口期及资金需求规模；
三、根据不同企业的经营周期性波动曲线对应的窗口期和资金需求规模，在机构内部的资金路由***中配置相应的路由规则，实现融资资金在各产业中的智能调配。
与现有技术相比，本发明提供一种企业销售周期性评价算法的工具化应用，具有以下有益效果：
1.本发明通过统计学的算法对企业经营的周期性进行了量化分析，并给出了科学的评价方法，在监控企业经营风险时，有了更为科学的依据，能有效帮助决策，提高效率。
2.在供应链金融服务场景下，金融机构对自身所服务的供应链关联企业，需要建立科学全面的经营分析管理指标体系以实现对关联企业业务的全面风险监控和预测，更好地帮助金融机构管理风险，服务客户，企业经营周期性特征就是其中非常重要的一个分析和管理维度，由于经营周期规律是一个相对主观的特征指标，在各个领域目前均尚未形成通用的标准化的分析方法，本发明基于供应链金融业务管理场景下的相关需求，结合企业销项开票数据，通过统计学的相关算法，建立一套量化的经营周期性分析算法，在金融机构在对各企业进行融资投资时对于销售数据相关性大的企业绘制经营周期性曲线，根据经营周期性曲线进行灵活调整投资策略。
附图说明：
图1为一种企业周期性评价算法的流程图。
图2为企业经营周期性波动曲线的示意图。
具体实施方式：
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
实施例1
如图1所示，本发明提供一种企业周期性评价算法，具体按照如下步骤对企业销售情况进行周期性评价：
S1：数据获取，获取企业销售数据，销售数据具体从销项***中的获取，销项***为两个连续自然年内所有的销项***，销售数据具体为销项***不含税金额；
S2：数据整理，对零散的销售数据按月份进行统计汇总得到月度销售数据，月度销售数据具体是将单个月中所有销项***的不含税金额进行汇总相加；
S3：数据分组，按照时间将月度销售数据划分为两组，具体以自然年为单位将月度销售数据划分为两组；
S4：数据修正，计算两组月度销售数据的绝对离差，剔除两组数据中的极值，针对两组月度销售数据，分别计算每组内部各数据的绝对离差，统计得出每组月度销售数据的绝对离差最大值所对应的月份，当两组月度销售数据绝对离差值最大月份不一致时，将每组月度销售数据中两个月的月度销售数据进行同时删除；当两组月度销售数据绝对离差值最大月份一致时，将每组月度销售数据中的一个月的月度销售数据进行删除；
S5：数据相关性计算，计算两组月度销售数据的皮尔逊相关系数；
S6：数据评价，对不同阈值区间内的皮尔逊相关系数进行分别评价，皮尔逊相关系数最后的计算数值范围为[-1,1]，对皮尔逊数值范围进行阈值划分，具体划分为如下几个阈值区间[-1,-0.2]、(-0.2,0.2]、（0.2,0.5]、(0.5,0.8]、(0.8,1]，皮尔逊系数越大，年度的销售数据相关性越大。
以下对步骤S5中皮尔逊相关系数计算方法进行具体描述，具体按照如下步骤进行计算：
一、计算两组月度销售数据的标准差：计算公式如下：
Figure 470037DEST_PATH_IMAGE002
其中：
Figure 143595DEST_PATH_IMAGE004
为每组数据的月度销项开票额；
Figure 873654DEST_PATH_IMAGE006
为每个年度的平均月销售额；n为月份数，在本方案中n=12；
分别计算两组月度销售数据的标准差分别为
Figure 198325DEST_PATH_IMAGE008
，计算两组月度销售数据标准差的乘积
Figure 722847DEST_PATH_IMAGE010
；
二、计算两组月度销售数据的协方差，计算公式如下：
Figure DEST_PATH_IMAGE012A
其中：
Figure 607670DEST_PATH_IMAGE014
为每组数据的月度销项开票额；
Figure 485627DEST_PATH_IMAGE016
为每个年度的平均月销售额；n为月份数，在本方案中n=12；
三、计算两组数据的皮尔逊相关系数，计算公式如下：
ρ=
Figure 540171DEST_PATH_IMAGE018
其中：x、y为两个连续年组数据的月度销售数据；
Figure 625807DEST_PATH_IMAGE020
为月度销售数据的协方差；
Figure 398591DEST_PATH_IMAGE022
分别两组月度销售数据的标准差；ρ为两组月度数据的皮尔逊相关系数。
以下为步骤S6中皮尔逊系数在不同阈值区间内的具体评价：
当ρ计算值处在(0.8,1]的阈值区间内时,两组月度销售数据存在很强的线性正相关性，认定该企业销售行为存在很强的周期波动特性；
当ρ计算值处在(0.5,0.8]的阈值区间内时，认定该企业销售行为存在较强的周期波动特性；
当ρ计算值处在（0.2,0.5]的阈值区间内时, 月度销售数据的线性正相关性一般，认定该企业销售行为周期波动规律不明显；
当ρ计算值处在(-0.2,0.2]的阈值区间内时, 月度销售数据的线性正相关性非常弱，认定该企业销售行为不存在周期波动规律；
当ρ计算值处在[-1,-0.2]的阈值区间内时时，两组月度销售数据存在相反的线性相关性，该企业可能存在重大经营范围变动，近两年主营业务不具备任何周期规律。
实施例2
本发明提供一种企业销售周期性评价算法的工具化应用，对企业主营业务进行风险预警，具体按照如下方法进行预警：
利用利用实施例1中的算法计算出销售数据的皮尔逊相关系数ρ；
当abs(
Figure 876977DEST_PATH_IMAGE024
-
Figure 254869DEST_PATH_IMAGE026
)>0.5时，该企业可能发生主营业务偏离的情况，需预警；
当
Figure 42565DEST_PATH_IMAGE024
=<-0.2，该企业可能存在重大经营范围变动，或存在主营业务不稳定的风险，需预警其中：
Figure 505907DEST_PATH_IMAGE024
：监控时点的实时周期性相关系数；
Figure 787984DEST_PATH_IMAGE026
：对照周期内的周期性相关系数；abs:绝对值。
本发明通过统计学的算法对企业经营的周期性进行了量化分析，并给出了科学的评价方法，在监控企业经营风险时，有了更为科学的依据，能有效帮助决策，提高效率。
实施例3
本发明还提供一种企业销售周期性评价算法的工具化应用，具体为单一企业客户的贷中融资策略管理工。
一、利用实施例1中的算法计算企业销售数据的皮尔逊相关系数ρ；
二、对于皮尔逊相关系数大于0.5的企业，拟合历史销售数据形成经营周期性波动曲线（如图2所示），基于该曲线制定各企业的强/弱融资窗口期及资金需求规模；
三、根据不同企业的经营周期性波动曲线对应的窗口期和资金需求规模，在机构内部的资金路由***中配置相应的路由规则，为单一企业客户实施自动化的融资产品投放策略，智能调节单一客户融资规模和融资周期。避免了在无该算法支撑的情况下，因产品无差异投放带来的客户融资成本过高和机构资金利用率过低的问题。
实施例4
本发明还提供一种企业销售周期性评价算法的工具化应用，具体为产业经营周期性分析，具体按照如下步骤进行：
一、利用实施例1中的算法计算各企业销售数据的皮尔逊相关系数ρ；
二、对于皮尔逊相关系数大于0.5的企业，拟合历史销售数据形成经营周期性波动曲线（如图2所示），基于该曲线制定各企业的强/弱融资窗口期及资金需求规模；
三、通过对所有供应链企业的经营周期性动态管理，实现跨越企业视角的产业经营周期性分析。从而在制定资金投放策略时，根据不同产业的经营周期性特征实现资金的智能投放，从顶层资源分配上帮助金融机构实现资金效率的提升。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种企业销售周期性评价算法，其特征在于，按照如下步骤对企业销售情况进行周期性评价：
S1：数据获取，获取企业销售数据；
S2：数据整理，对零散的销售数据按月份进行统计汇总得到月度销售数据；
S3：数据分组，按照时间将月度销售数据划分为两组；
S4：数据修正，计算两组月度销售数据的绝对离差，剔除两组数据中的极值；
S5：数据相关性计算，计算两组月度销售数据的皮尔逊相关系数；
S6：数据评价，对不同阈值区间内的皮尔逊相关系数进行分别评价。
2.根据权利要求1所述的一种企业销售周期性评价算法，其特征在于，步骤S1中所述销售数据具体从销项***中的获取，所述销项***为两个连续自然年内所有的销项***，所述销售数据具体为销项***不含税金额。
3.根据权利要求2所述的一种企业销售周期性评价算法，其特征在于，步骤S2中月度销售数据具体将单个月中所有销项***的不含税金额进行汇总相加。
4.根据权利要求3所述的一种企业销售周期性评价算法，其特征在于，步骤S3中具体以自然年为单位将月度销售数据划分为两组。
5.根据权利要求4所述的一种企业销售周期性评价算法，其特征在于，步骤S4中，针对两组月度销售数据，分别计算每组内部各数据的绝对离差，统计得出每组月度销售数据的绝对离差最大值所对应的月份，当两组月度销售数据绝对离差值最大月份不一致时，将每组月度销售数据中两个月的月度销售数据进行同时删除；当两组月度销售数据绝对离差值最大月份一致时，将每组月度销售数据中的一个月的月度销售数据进行删除。
6.根据权利要求5所述的一种企业销售周期性评价算法，其特征在于，步骤S5中皮尔逊相关系数按照如下步骤进行计算：
一、计算两组月度销售数据的标准差：计算公式如下：
Figure DEST_PATH_IMAGE001
其中：
Figure 970150DEST_PATH_IMAGE002
为每组数据的月度销项开票额；
Figure DEST_PATH_IMAGE003
为每个年度的平均月销售额；n为月份数，在本方案中n=12；
分别计算两组月度销售数据的标准差分别为
Figure 684028DEST_PATH_IMAGE004
，计算两组月度销售数据标准差的乘积
Figure DEST_PATH_IMAGE005
；
二、计算两组月度销售数据的协方差，计算公式如下：
Figure 634404DEST_PATH_IMAGE006
其中：
Figure DEST_PATH_IMAGE007
为每组数据的月度销项开票额；
Figure 842663DEST_PATH_IMAGE008
为每个年度的平均月销售额；n为月份数，在本方案中n=12；
三、计算两组数据的皮尔逊相关系数，计算公式如下：
ρ=
Figure DEST_PATH_IMAGE009
其中：x、y为两个连续年组数据的月度销售数据；
Figure 719352DEST_PATH_IMAGE010
为月度销售数据的协方差；
Figure DEST_PATH_IMAGE011
分别两组月度销售数据的标准差；ρ为两组月度数据的皮尔逊相关系数。
7.根据权利要求6所述的一种企业销售周期性评价算法，其特征在于，所述皮尔逊相关性最后的计算数值范围为[-1,1]，对皮尔逊系数的取值进行阈值划分，具体划分为如下几个阈值区间[-1,-0.2]、(-0.2,0.2]、（0.2,0.5]、(0.5,0.8]、(0.8,1]：
当ρ计算值处在(0.8,1]的阈值区间内时,两组月度销售数据存在很强的线性正相关性，认定该企业销售行为存在很强的周期波动特性；
当ρ计算值处在(0.5,0.8]的阈值区间内时，认定该企业销售行为存在较强的周期波动特性；
当ρ计算值处在（0.2,0.5]的阈值区间内时, 月度销售数据的线性正相关性一般，认定该企业销售行为周期波动规律不明显；
当ρ计算值处在(-0.2,0.2]的阈值区间内时, 月度销售数据的线性正相关性非常弱，认定该企业销售行为不存在周期波动规律；
当ρ计算值处在[-1,-0.2]的阈值区间内时时，两组月度销售数据存在相反的线性相关性，该企业可能存在重大经营范围变动，近两年主营业务不具备任何周期规律。
8.一种企业销售周期性评价算法的工具化应用，其特征在于，对企业主营业务进行风险预警，具体按照如下方法进行预警：
利用周期性评价算法计算出销售数据的皮尔逊相关系数ρ；
当abs(
Figure 587820DEST_PATH_IMAGE012
-
Figure DEST_PATH_IMAGE013
)>0.5时，该企业可能发生主营业务偏离的情况，需预警；
当
Figure 917170DEST_PATH_IMAGE012
=<-0.2，该企业可能存在重大经营范围变动，或存在主营业务不稳定的风险，需预警；
其中：
Figure 194699DEST_PATH_IMAGE012
：监控时点的实时周期性相关系数；
Figure 332419DEST_PATH_IMAGE013
：对照周期内的周期性相关系数；abs:绝对值。
9.一种企业销售周期性评价算法的工具化应用，其特征在于，通过企业销售数据选出适合融资投资的时期，实现金融机构对融资资金的智能调配，具体按照如下步骤进行：
一、通过周期性评价算法企业销售数据的皮尔逊相关系数ρ；
二、对于皮尔逊相关系数大于0.5的企业，拟合历史销售数据形成经营周期性波动曲线，基于该曲线制定各企业的强/弱融资窗口期及资金需求规模；
三、根据不同企业的经营周期性波动曲线对应的窗口期和资金需求规模，在机构内部的资金路由***中配置相应的路由规则，实现融资资金在各产业中的智能调配。
CN202210096825.2A 2022-01-27 2022-01-27 一种企业销售周期性评价算法及其工具化应用 Pending CN114444934A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210096825.2A CN114444934A (zh) 2022-01-27 2022-01-27 一种企业销售周期性评价算法及其工具化应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210096825.2A CN114444934A (zh) 2022-01-27 2022-01-27 一种企业销售周期性评价算法及其工具化应用

Publications (1)

Publication Number Publication Date
CN114444934A true CN114444934A (zh) 2022-05-06

Family

ID=81369570

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210096825.2A Pending CN114444934A (zh) 2022-01-27 2022-01-27 一种企业销售周期性评价算法及其工具化应用

Country Status (1)

Country Link
CN (1) CN114444934A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115345585A (zh) * 2022-08-16 2022-11-15 清华大学苏州汽车研究院（吴江） 企业运营用供应链智能管理***

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005292878A (ja) * 2004-03-31 2005-10-20 Toshiba Corp 回収計画立案支援装置、方法およびプログラム
JP2005301396A (ja) * 2004-04-07 2005-10-27 Ics:Kk 統合的販売管理連携システムおよび方法
US20100217712A1 (en) * 2009-02-24 2010-08-26 Fillmore Peter R Method for Sales Forecasting in Business-to-Business Sales Management
CN101819668A (zh) * 2010-04-27 2010-09-01 浙江大学 基于产品固有生命周期特征的销售预测模型
US20140324521A1 (en) * 2009-02-11 2014-10-30 Johnathan Mun Qualitative and quantitative analytical modeling of sales performance and sales goals
US20170300911A1 (en) * 2016-04-13 2017-10-19 Abdullah Abdulaziz I. Alnajem Risk-link authentication for optimizing decisions of multi-factor authentications
CN108846592A (zh) * 2018-07-11 2018-11-20 北京神州泰岳软件股份有限公司 一种基于大数据的企业评价报告生成方法及装置
CN109242558A (zh) * 2018-08-29 2019-01-18 黑龙江工业学院 一种基于神经网络的经营数据预测方法、可读存储介质和预测***
CN109544233A (zh) * 2018-11-21 2019-03-29 上海欧睿供应链管理有限公司 一种面向电商业务的时尚品需求预测方法
CN109934440A (zh) * 2017-12-18 2019-06-25 爱信诺征信有限公司 一种企业前景指数预测方法及***
CN109961199A (zh) * 2017-12-25 2019-07-02 北京京东尚科信息技术有限公司 一种分析数据波动的方法和装置
CN111260388A (zh) * 2018-12-03 2020-06-09 阿里巴巴集团控股有限公司 一种商品生命周期的确定、展示方法和装置
CN111612318A (zh) * 2020-05-10 2020-09-01 紫光云引擎科技(苏州)有限公司 一种工业发展指数综合评价体系及构建方法
CN112529688A (zh) * 2020-12-15 2021-03-19 长沙学院 一种固定贷款总量下确定放贷额度与利率的方法和***

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005292878A (ja) * 2004-03-31 2005-10-20 Toshiba Corp 回収計画立案支援装置、方法およびプログラム
JP2005301396A (ja) * 2004-04-07 2005-10-27 Ics:Kk 統合的販売管理連携システムおよび方法
US20140324521A1 (en) * 2009-02-11 2014-10-30 Johnathan Mun Qualitative and quantitative analytical modeling of sales performance and sales goals
US20100217712A1 (en) * 2009-02-24 2010-08-26 Fillmore Peter R Method for Sales Forecasting in Business-to-Business Sales Management
CN101819668A (zh) * 2010-04-27 2010-09-01 浙江大学 基于产品固有生命周期特征的销售预测模型
US20170300911A1 (en) * 2016-04-13 2017-10-19 Abdullah Abdulaziz I. Alnajem Risk-link authentication for optimizing decisions of multi-factor authentications
CN109934440A (zh) * 2017-12-18 2019-06-25 爱信诺征信有限公司 一种企业前景指数预测方法及***
CN109961199A (zh) * 2017-12-25 2019-07-02 北京京东尚科信息技术有限公司 一种分析数据波动的方法和装置
CN108846592A (zh) * 2018-07-11 2018-11-20 北京神州泰岳软件股份有限公司 一种基于大数据的企业评价报告生成方法及装置
CN109242558A (zh) * 2018-08-29 2019-01-18 黑龙江工业学院 一种基于神经网络的经营数据预测方法、可读存储介质和预测***
CN109544233A (zh) * 2018-11-21 2019-03-29 上海欧睿供应链管理有限公司 一种面向电商业务的时尚品需求预测方法
CN111260388A (zh) * 2018-12-03 2020-06-09 阿里巴巴集团控股有限公司 一种商品生命周期的确定、展示方法和装置
CN111612318A (zh) * 2020-05-10 2020-09-01 紫光云引擎科技(苏州)有限公司 一种工业发展指数综合评价体系及构建方法
CN112529688A (zh) * 2020-12-15 2021-03-19 长沙学院 一种固定贷款总量下确定放贷额度与利率的方法和***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵改平;刘丽兰;程功勋;树志松;: "销售预测分析***的研究与应用", 现代制造工程, no. 03, pages 28 - 31 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115345585A (zh) * 2022-08-16 2022-11-15 清华大学苏州汽车研究院（吴江） 企业运营用供应链智能管理***

Similar Documents

Publication Publication Date Title
Kennedy et al. Accommodating outliers and nonlinearity in decision models
Ho Intertemporal commodity futures hedging and the production decision
WO2013102932A2 (en) System and method facilitating forecasting, optimization and visualization of energy data for an industry
Ansarin et al. A review of equity in electricity tariffs in the renewable energy era
US10417622B2 (en) Configurable invoice matching optimization system
CN109583729B (zh) 用于平台在线模型的数据处理方法和装置
CN111815348A (zh) 一种基于各门店商品相似度聚类的区域商品生产计划方法
CN114444934A (zh) 一种企业销售周期性评价算法及其工具化应用
CN107909480A (zh) 一种生成定期投资执行策略的方法及装置
Fixler et al. Reliability of the NIPA estimates of US economic activity
CN113222245A (zh) 居民用户月度电量电费异常核查方法及***、存储介质
US20100280969A1 (en) Method and system for managing pension portfolios
US8712890B2 (en) Systems and methods for optimizing capital structure of a financial institution
Fuss et al. Productivity Growth in the Automobile Industry, 1970-1980: A Comparisonof Canada, Japan and the United States
CN110659946A (zh) 一种产品采购量分析方法
CN115809927A (zh) 一种基于数字经济的风险评估方法
CN109408576A (zh) 一种通用的工资数据导入和统计计算的方法
US8630935B1 (en) System and method for the creation and rebalancing of beneficial interests in tracking investment vehicles over multiple market
US20050033676A1 (en) Method for evaluating relative investment performance from internal benchmarks
CN112905909B (zh) 数据预测方法、装置、计算机可读存储介质及电子设备
CN112907362A (zh) 贷款业务的处理方法、装置、电子设备和存储介质
CN112434066A (zh) 一种多路高频实时数据聚合方法及终端
US7844515B1 (en) Net present value forecast for life-time value financial processing in a relational database management system
KR20090075557A (ko) 펀드의 유형 분류 및 성과 평가를 이용한 의사 결정 지원시스템
Верба et al. Evaluation of the key commodities availability for Ukrainian households with different average per capita equivalent income

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