JP2009043291A - System for predicting demand of merchandise and system for adjusting number of sales of merchandise - Google Patents
System for predicting demand of merchandise and system for adjusting number of sales of merchandise Download PDFInfo
- Publication number
- JP2009043291A JP2009043291A JP2008300236A JP2008300236A JP2009043291A JP 2009043291 A JP2009043291 A JP 2009043291A JP 2008300236 A JP2008300236 A JP 2008300236A JP 2008300236 A JP2008300236 A JP 2008300236A JP 2009043291 A JP2009043291 A JP 2009043291A
- Authority
- JP
- Japan
- Prior art keywords
- sales
- product
- day
- adjusted
- store
- 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.)
- Granted
Links
- 230000007423 decrease Effects 0.000 claims abstract description 28
- 239000000047 product Substances 0.000 claims description 190
- 238000000034 method Methods 0.000 claims description 50
- 238000003860 storage Methods 0.000 claims description 45
- 238000012545 processing Methods 0.000 claims description 28
- 239000006227 byproduct Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000000694 effects Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 12
- 238000012886 linear function Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 8
- 238000009499 grossing Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000004220 aggregation Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、小売店が販売する商品の需要を予測するための技術に関する。 The present invention relates to a technique for predicting demand for goods sold by a retail store.
小売店の多くにはPOS(Point of Sales)システムが普及し、これを通じて集めた商品の売上データが様々に活用されている。その中で、売上データに基づいて商品の需要を予測して、効率的に発注を行う自動発注システムがある。 In many retail stores, a POS (Point of Sales) system is widely used, and sales data of products collected through this system is used in various ways. Among them, there is an automatic ordering system that predicts the demand for goods based on sales data and places an order efficiently.
例えば、特許文献1には、商品の需要の変動要因を考慮して需要予測をし、予測結果に基づいて商品を自動発注するシステムが記載されている。
For example,
しかしながら、特許文献1に記載されている自動発注システムが行っている需要予測は、過去データの単なる平均であったり、店長等の在庫管理者のノウハウに基づいた補正ルール等に基づいて補正を行ったりしている。つまり、変動要因がどの程度売上数を変動させるかが、店長の経験とカンに基づいて決定されている。
However, the demand forecast performed by the automatic ordering system described in
また、需要予測結果に基づく発注数も、店長等のノウハウに基づいた診断ルール等に基づいて修正を行って、決定している。つまり、システムが算出した発注数を店長の経験とカンで修正している。 Further, the number of orders based on the demand forecast result is also determined by correcting based on diagnostic rules based on know-how of the store manager or the like. In other words, the number of orders calculated by the system is corrected with the experience of the store manager and Kang.
このように、従来の自動発注システムでは、結局のところノウハウを有する者がいないと需要予測の精度を上げることができないし、さらには、適正な発注数を決定することもできない。 As described above, in the conventional automatic ordering system, the accuracy of demand prediction cannot be improved unless there is a person who has the know-how after all, and furthermore, the appropriate number of orders cannot be determined.
本発明は、ノウハウがなくても商品の需要予測ができるようにするための技術を提供することである。 This invention is providing the technique for enabling the demand prediction of goods even if there is no know-how.
本発明の別の目的は、商品の売上数を変動させる要因が売上数の変動に与える影響を定量化することである。 Another object of the present invention is to quantify the effect of factors that change the number of items sold on the change in the number of items sold.
本発明のさらに別の目的は、商品の売上実績から変動要因による売上の変動の影響を取り除くことである。 Yet another object of the present invention is to remove the influence of sales fluctuations due to fluctuation factors from the sales performance of products.
本発明の一つの実施形態に従う商品の需要予測システムは、複数商品について、過去の商品別の売上数を示す情報を記憶した記憶手段と、前記記憶手段に記憶された前記商品別の売上数を示す情報に基づいて、前記売上数を変動させる変動要因が、前記売上数の変動に寄与する寄与度を商品ごとに算出する手段と、前記算出された商品別の寄与度に基づいて、各商品の売上数から前記変動要因による変動を取り除いて、前記商品別の売上数を調整する手段と、前記算出された商品別の寄与度および商品別の調整後の売上数に基づいて、将来の商品別売上数を予測する手段と、を備える。 The product demand prediction system according to one embodiment of the present invention includes a storage unit that stores information indicating the number of sales for each past product for a plurality of products, and a sales number for each product stored in the storage unit. Based on the information shown, the variable factor that fluctuates the sales number calculates a contribution for each product that contributes to the fluctuation of the sales number, and each product based on the calculated contribution by product The means for adjusting the number of sales for each product by removing the fluctuation due to the fluctuation factor from the number of sales of the product, and the future product based on the calculated contribution for each product and the adjusted number of sales for each product Means for predicting the number of other sales.
好適な実施形態では、前記算出手段は、複数の前記変動要因について商品別要因別の寄与度を算出し、前記調整手段は、前記商品別要因別の寄与度に基づいて、各商品の売上数から各変動要因ごとの変動を取り除き、前記予測手段は、前記商品別要因別の寄与度および商品別の調整後の売上数に基づいて、将来の商品別売上数を予測する。 In a preferred embodiment, the calculation means calculates a contribution for each factor for each of the plurality of variation factors, and the adjustment means calculates the number of sales of each product based on the contribution for each factor for each product. The prediction means predicts the future number of sales for each product based on the contribution for each factor for each product and the adjusted number of sales for each product.
好適な実施形態では、前記変動要因は、商品の売価、商品を販売した日の天気、商品を販売した店舗数、商品を販売した日が休日であるか、および、商品を販売した曜日のうちのいずれか一つを含む。 In a preferred embodiment, the fluctuating factors are the selling price of the product, the weather of the day when the product was sold, the number of stores where the product was sold, whether the day when the product was sold is a holiday, and the day of the week when the product was sold Including any one of
好適な実施形態では、前記予測手段は、将来の予測対象日の商品別売上数を、前記予測対象日の販売条件に基づいて予測する。さらに、前記販売条件は、各店舗の商品別の予定売価、前記予測対象日の予測される天気、前記予測対象日が休日であるかどうか、および前記予測対象日の曜日のうちの一つ以上を含んでもよい。 In a preferred embodiment, the prediction means predicts the number of sales by product in the future prediction target date based on the sales conditions of the prediction target date. Further, the sales condition is one or more of a planned selling price for each product of each store, a forecasted weather for the forecast target day, whether the forecast target day is a holiday, and a day of the week for the forecast target day. May be included.
好適な実施形態では、前記予測手段が事前に予測した予測対象日の商品別売上数と、前記予測対象日の実績の商品別売上数との比較結果に基づいて、前記寄与度を補正する補正手段をさらに備える。 In a preferred embodiment, the correction for correcting the contribution degree based on a comparison result between the number of sales by product of the prediction target date predicted by the prediction unit in advance and the number of sales by product of the result of the prediction target day. Means are further provided.
本発明の一つの実施形態に従う商品の売上数調整システムは、一の商品の売価および前記売価での売上数を記憶した記憶手段と、前記売価および前記売上数に基づいて、前記売価が前記売上数の増減に与える影響を取り除いた売価調整済み売上数を算出する手段と、を備える。 According to one embodiment of the present invention, a sales volume adjustment system for a product includes storage means for storing a selling price of one product and the sales price at the selling price, and the selling price is calculated based on the selling price and the sales volume. And a means for calculating the number of sales adjusted for sales price after removing the influence on the increase or decrease of the number.
好適な実施形態では、前記算出手段は、前記売価および前記売上数を統計的に処理して、売価と売上数との関係を求め、前記売価と売上数との関係に基づいて、前記各売価での売上数を、基準となる売価での売上数に換算する。さらに、前記売価と売上数との関係は指数関数で表され、前記指数関数で表される関係は、最小二乗法を用いた回帰計算により算出してもよい。 In a preferred embodiment, the calculation means statistically processes the selling price and the number of sales to obtain a relationship between the selling price and the number of sales, and based on the relationship between the selling price and the number of sales, each selling price. The number of sales at is converted into the number of sales at the base selling price. Further, the relationship between the selling price and the number of sales may be represented by an exponential function, and the relationship represented by the exponential function may be calculated by regression calculation using a least square method.
本発明の一つの実施形態に従う商品の売上数調整システムは、一の商品を販売した日の天気とその日の前記商品の売上数とを対応付けて記憶した記憶手段と、前記天気および前記売上数に基づいて、前記天気が前記売上数の増減に与える影響を取り除いた天気調整済み売上数を算出する手段と、を備える。 The product sales number adjustment system according to one embodiment of the present invention includes a storage unit that stores the weather on the day when one product is sold and the number of sales of the product on that day in association with each other, and the weather and the number of sales. And calculating means for adjusting the number of sales after removing the influence of the weather on the increase / decrease in the number of sales.
好適な実施形態では、前記算出手段は、前記天気および前記売上数を統計的に処理して、天気と売上数との関係を求め、前記天気と売上数との関係に基づいて、前記各天気での売上数を、基準となる天気での売上数に換算する。さらに、前記天気と売上数との関係は1次関数で表され、前記1次関数で表される関係は、最小二乗法を用いた回帰計算により算出してもよい。 In a preferred embodiment, the calculating means statistically processes the weather and the number of sales to obtain a relationship between the weather and the number of sales, and based on the relationship between the weather and the sales number, The number of sales at is converted into the number of sales at the standard weather. Furthermore, the relationship between the weather and the number of sales may be expressed by a linear function, and the relationship expressed by the linear function may be calculated by regression calculation using a least square method.
本発明の一つの実施形態に従う商品の売上数調整システムは、複数の店舗における、一の商品の日別店舗別の売上数を記憶した記憶手段と、前記売上数に基づいて、各店舗の店舗別売上比率を求め、休業店舗がある日は、前記店舗別売上比率を用いて休業店舗の売上数を補償して、店舗調整済み日別売上数を算出する手段と、を備える。 According to one embodiment of the present invention, a sales number adjustment system for a product includes a storage unit that stores the number of sales by day for each product in a plurality of stores, and stores of each store based on the number of sales. And calculating means for calculating the number of daily sales adjusted for the store by compensating the number of sales at the closed shop using the sales ratio for each store.
本発明の一つの実施形態に従う商品の売上数調整システムは、一の商品の平日の売上数および休日の売上数を記憶した記憶手段と、前記平日の売上数および休日の売上数を比較して、休日の売上数を調整する手段と、を備える。 According to one embodiment of the present invention, a product sales number adjustment system compares a storage means storing a weekday sales number and a holiday sales number of one product with the weekday sales number and a holiday sales number. And means for adjusting the number of sales on holidays.
好適な実施形態では、前記調整手段は、平日に対する休日の売上数比率を求め、前記売上比率を用いて休日の売上数を調整する。 In a preferred embodiment, the adjusting means obtains a sales ratio of holidays on weekdays, and adjusts the sales numbers on holidays using the sales ratio.
本システムの一つの実施形態に従う商品の売上数調整システムは、一の商品の日別の売上数および各日の曜日とを対応付けて記憶した記憶手段と、1週間の売上数の平均値と前記日別売上数とを比較して曜日別特性を算出し、前記曜日別特性に基づいて前記日別売上数を調整する手段と、を備える。 The system for adjusting the number of sales of a product according to one embodiment of the present system includes a storage unit that stores the number of sales of a single product for each day and the day of the week in association with each other, an average value of the number of sales for one week, Means for comparing the daily sales figures with each other to calculate day-by-day characteristics and adjusting the daily sales figures based on the day-by-day characteristics.
本システムの一つの実施形態に従う商品の売上数調整システムは、所定期間内の複数店舗における一の商品の売上実績を、日別、店舗別に記憶した記憶手段と、前記記憶手段から前記商品の売上数および前記商品の売価を取得し、前記売価が前記売上数の増減に与える影響を取り除いた、日別店舗別の第1の調整済み売上数を算出する売価調整手段と、前記記憶手段から前記商品を販売した日の天気を取得し、第1の調整済み売上数に基づいて、天気が前記商品の売上数の増減に与える影響を取り除いた、日別店舗別の第2の調整済み売上数を算出する天気調整手段と、前記記憶手段を参照して、営業店舗と休業店舗とを日別に識別し、第2の調整済み売上数に基づいて、店舗の休業が前記商品の売上数の増減に与える影響を取り除いた、日別の第3の調整済み売上数を算出する店舗調整手段と、前記記憶手段を参照して、休日と平日とを日別に識別し、休日の第3の調整済み売上数と平日の第3の調整済み売上数とを比較して、休日が前記商品の売上数の増減に与える影響を取り除いた、日別の第4の調整済み売上数を算出する休日調整手段と、前記記憶手段を参照して、各日の曜日を識別し、曜日別の第4の調整済み売上数に基づいて、各曜日が前記商品の売上数の増減に与える影響を取り除いた、日別の第5の調整済み売上数を算出する曜日調整手段と、を備える。 The system for adjusting the number of sales of a product according to one embodiment of the present system includes a storage unit that stores the sales results of one product at a plurality of stores within a predetermined period by day and store, and the sales of the product from the storage unit. Sales price adjustment means for obtaining the number and the selling price of the product, and calculating the first adjusted sales number for each store, by removing the influence of the selling price on the increase or decrease of the sales number, and the storage means from the storage means The second adjusted number of sales for each store by acquiring the weather on the day the product was sold and removing the effect of the weather on the increase or decrease in the number of sales of the product based on the first adjusted number of sales The weather adjustment means for calculating the store and the storage means, the sales store and the closed shop are identified on a daily basis, and based on the second adjusted number of sales, the store closure is an increase or decrease in the number of sales of the product The day after removing the effect on The store adjustment means for calculating the third adjusted sales number of the store and the storage means are used to identify holidays and weekdays by day, and the third adjusted sales number of holidays and the third adjustment on weekdays. A holiday adjusting means for calculating a fourth adjusted sales number for each day, which removes the influence of holidays on the increase or decrease in the number of sales of the product, and the storage means. The fifth adjusted number of sales per day, identifying the day of the week and removing the effect of each day on the increase or decrease in sales of the product based on the fourth adjusted number of sales per day of the week A day of the week adjusting means for calculating
本発明の一つの実施形態に従う商品の需要予測システムは、一の商品の売上数から前記売上数の変動要因による変動の影響を除去した調整済み売上数を、過去の複数の日について記憶する手段と、前記過去の複数の日の調整済み売上数に基づいて、将来の調整済み売上数を予測する手段と、前記将来の調整済み売上数に前記変動要因による変動の影響を付加して、将来の売上数の予測値を算出する手段と、を備える。 The product demand prediction system according to one embodiment of the present invention stores means for a plurality of past days, the adjusted number of sales obtained by removing the influence of fluctuation due to the fluctuation factor of the number of sales from the number of sales of one product. And a means for predicting future adjusted sales based on the adjusted number of sales in a plurality of days in the past, and adding the influence of fluctuations due to the variable factors to the future adjusted sales. Means for calculating a predicted value of the number of sales.
好適な実施形態では、前記変動要因が前記売上数の変動に与える影響の度合いを示す寄与度を記憶する手段と、将来の販売条件を記憶する手段と、をさらに備え、前記算出手段は、前記将来の調整済み売上数、前記寄与度および前記販売条件に基づいて将来の売上数の予測値を算出する。 In a preferred embodiment, the apparatus further comprises means for storing a contribution indicating the degree of influence of the fluctuation factor on the change in the number of sales, and means for storing future sales conditions, wherein the calculation means includes the calculation means A predicted value of the future sales number is calculated based on the future adjusted sales number, the contribution degree, and the sales conditions.
以下、本発明を適用した実施形態について、図面を用いて説明する。 Hereinafter, embodiments to which the present invention is applied will be described with reference to the drawings.
本発明の一実施形態に係る在庫管理システムは、複数の小売店における複数の商品の売上実績データに基づいて、小売店ごとに各商品の需要を予測する需要予測システム1と、この需要予測に基づいて各小売店に対して発注数量の提案を行う発注提案システム2と、小売店からの発注指示を受けて実際に商品の発注を行う発注システム3と、各小売店に設置されていて、発注提案を受け付けて発注要求を行う小売店システム4とを備える。
An inventory management system according to an embodiment of the present invention includes a
需要予測システム1、発注提案システム2、発注システム3および小売店システム4は、いずれも例えば汎用的なコンピュータシステムにより構成され、以下に説明する各システム1、2、3、4内の個々の構成要素または機能は、例えば、コンピュータプログラムを実行することにより実現される。
The
まず、需要予測システム1について、図2を用いて説明する。
First, the
需要予測システム1では、売上数調整部11が売上データベース5に蓄積されている過去の店舗別、日別、商品別の売上実績データを取得し、各商品の売上数を変動させる様々な変動要因が売上数の変動へ寄与する度合いを、商品別に係数として求め、係数テーブル12へ格納する。売上数調整部11は、さらに、求めた各係数を用いて、それぞれの変動要因による売上数の増減の影響を取り除いた商品別の調整済み売上数を求める。調整済み売上数は、調整済み売上データベース18に記憶される。ここで、各係数がそれぞれの変動要因を正確に反映していないこともあるので、係数補正部14が調整済み売上数を分析し、必要に応じて係数を補正する。また、基準値予測部13が、過去の調整済み売上数を用いて、将来の調整済み売上数に相当する基準値を予測する。そして、予測値算出部15が、上述の処理で求められた基準値および補正後の係数を用いて、各商品別の売上数を予測する。
In the
以下、需要予測システム1における個別の処理について詳細に説明する。
Hereinafter, individual processing in the
売上数調整部11は、売上データベース5から売上実績データを取得して、売価および販売促進(以下、販促という)の効果を取り除く売価・販促調整(S1)、天気の影響を取り除く天気調整(S2)、休業している店舗の影響を取り除く店調整(S3)、休日(土曜、日曜および祝祭日)であることによる影響を取り除く休日調整(S4)および曜日別の影響を取り除く曜日調整(S5)を、この順序で行う。なお、これらの各調整処理は、順序を変更して行うことも可能であるし、一つ以上の調整処理を省略することもできる。
The sales
売上データベース5は、日別、商品別の各小売店での売上数などの情報を記憶する。例えば、売上データベース5は、図3に示すように、データ項目として商品を識別する商品コード501と、店を識別するための店コード502と、年月日503と、曜日504と、休日であるかどうかを示す休日フラグ505と、天気を示す天気コード506と、店のある地域を示す地域コード507と、店の規模を示す規模コード508と、商品の基本となる売値である基本売価509と、実際に商品が販売されたときの売価510と、その売価での売上数量511と、販促を行っていたかどうかを示す販促フラグ512とを有する。
The
天気コード506は、年月日503が示す日の、店コード502で示す店舗がある場所の天気を示すコードである。天気コード506は、例えば、「晴れ」、「晴れのち曇り」、「晴れのち一時曇り」などの1日の天気に対してコードが割り当てられている。
The
売上データベース5には、過去120日分および将来8日分のデータが記憶されている。過去のデータについては、すべて実績データが記憶されている。将来のデータについては、天気コード506は天気予報に基づいて設定され、売価510および販促フラグ512は各店が予定している内容が設定される。
The
次に、売上調整部11が行うステップS1〜S5までの処理の詳細について説明する。
Next, details of the processing from steps S1 to S5 performed by the
まず、売価・販促調整S1について、図4〜図7を用いて説明する。 First, the selling price / sales promotion adjustment S1 will be described with reference to FIGS.
売上数調整部11は、売上データベース5の過去の全実績データを前処理して、売価集計データベース51を生成する(S11)。この前処理では、例えば、売上データベース5の所定のデータ項目について、商品コード、販促フラグおよび売上比率をキーにして集計する。売価集計データベース51は、例えば、図5(a)に示すように、データ項目として、商品コード5101と、販促フラグ5102と、売価比率5103と、売上数5104と、度数5105とを有する。
The sales
ここで、売価比率5103とは、基本売価509に対する実際の売価510の比率であり、売価510が基本売価509と同じときに1となる。例えば、基本売価が100円の商品を70円で販売すると、売価比率は0.7である。
Here, the selling price ratio 5103 is a ratio of the
売上数5104は、売価比率5103ごとの過去120日間の全店舗の売り上げ数の平均である。 The number of sales 5104 is an average of the number of sales of all stores in the past 120 days for each selling price ratio 5103.
度数5105は、すべての店舗で、過去120日間に各売価比率5103で販売された延べ店舗数を示す。例えば、過去120日間に、20店舗が商品Bを売価比率 “1”で販売した日数が10日あったとすれば、売価比率5103が“1”の度数5105は“200”とカウントされる。 The frequency 5105 indicates the total number of stores sold at each selling price ratio 5103 in the past 120 days at all stores. For example, if there are 10 days in which the 20 stores have sold the product B at the selling price ratio “1” in the past 120 days, the frequency 5105 with the selling price ratio 5103 of “1” is counted as “200”.
図4に戻り説明を続ける。ステップS11の前処理が終わると、売上数調整部11は、売価集計データベース51に記憶されたデータを統計処理して、売価と売上数との関係を求める。ここでは、各商品ごとに回帰分析を行い、回帰曲線を算出する(S12)。回帰曲線算出の処理イメージを、図6を用いて説明する。
ここでは、売上比率と売上数との関係を示す曲線を最小二乗法を用いて算出する。なお、ここでは計算を容易にするために売価を正規化した売価比率を用いているが、売価を用いて行っても良い。
Returning to FIG. When the preprocessing of step S11 is completed, the sales
Here, a curve indicating the relationship between the sales ratio and the number of sales is calculated using the least square method. Here, in order to facilitate the calculation, the selling price ratio obtained by normalizing the selling price is used. However, the selling price may be used.
まず、売価集計データベース51に記憶された、販促を行っていないときのデータ、すなわち販促フラグ5102が立っていないデータについて、売価比率5103をx軸、売上数5104をy軸にとったx−y平面上へプロット(図面上の黒四角)する。このとき、各プロットは度数5105に応じた重み付けがなされる。ここで、式(1)に示す回帰曲線と、重み付けされたプロット群とを用いて、最小二乗法によりb0およびb1を算出する。
y=b0exp(−b1x)・・・(1)
図4に戻り、ステップS12で求めた回帰曲線を用いて、売価係数および販促係数を算出する(S13)。
First, with respect to data stored in the sales
y = b 0 exp (−b 1 x) (1)
Returning to FIG. 4, the selling price coefficient and the sales promotion coefficient are calculated using the regression curve obtained in step S12 (S13).
販促係数は、以下のようにして算出する、すなわち、販促を行っていないときの売価比率と売上数との関係を示す式(1)の両辺の対数をとり、式(2)を得る。
logey=logeb0−b1x ・・・(2)
そして、X軸に売価比率、Y軸にloge(売上数)をとりグラフ化すると、図7に示す直線Aが得られる。このX−Y平面上に、売価集計データベース51に記憶された、販促を行ったときのデータ、つまり販促フラグ5102が立っているときの売価比率5103と売上数5104との関係をプロット(図面上の白四角)する。
The sales promotion coefficient is calculated as follows, that is, taking the logarithm of both sides of the formula (1) indicating the relationship between the selling price ratio and the number of sales when the sales promotion is not performed, the formula (2) is obtained.
log e y = log e b 0 -b 1 x ··· (2)
When the selling price ratio is plotted on the X axis and log e (number of sales) is plotted on the Y axis, a straight line A shown in FIG. 7 is obtained. On this XY plane, the sales promotion data stored in the sales
ここで、販促を行ったときの売価比率とloge(売上数)との間にも、式(2)と同じ傾き(−b1)の直線関係があると仮定して、販促を行ったときの直線を示す式(3)を算出する。
logey=logekb0−b1x・・・(3)
ここで、切片logekb0のkを販促係数とする。
Here, the sales promotion was performed on the assumption that the selling price ratio and the log e (number of sales) at the time of the sales promotion have the same slope (−b 1 ) as the formula (2). Equation (3) indicating the straight line is calculated.
log e y = log e kb 0 -b 1 x (3)
Here, k of the intercept log e kb 0 is set as a sales promotion coefficient.
次に、売価係数の算出法について、図6を参照して説明する。まず、売価比率の中で度数が最も高いものを求める。つまり、売価比率5103をキーにして度数5105を集計したとき、最も大きな度数となる売価比率5103(以下、基準売価比率と呼ぶ)を求める。そして、基準売価比率を式(1)に代入し、そのときの売上数(以下、基準売上数と呼ぶ)を求める。そして、各売価比率の売価係数は、各売価比率の売上数の基準売上数に対する比率で表す。 Next, a method for calculating the selling price coefficient will be described with reference to FIG. First, find the highest selling price ratio. That is, when the frequency 5105 is tabulated using the selling price ratio 5103 as a key, the selling price ratio 5103 (hereinafter referred to as a reference selling price ratio) having the largest frequency is obtained. Then, the reference selling price ratio is substituted into formula (1), and the number of sales at that time (hereinafter referred to as the reference sales number) is obtained. The selling price coefficient of each selling price ratio is represented by the ratio of the sales volume of each selling price ratio to the reference sales volume.
例えば、本実施形態では、様々な売価比率のときの売上数を式(1)を使って求め、それぞれの売上数と基準売上数との比を、それぞれの売価係数として算出する。 For example, in the present embodiment, the number of sales at various selling price ratios is obtained using Equation (1), and the ratio between the number of sales and the reference number of sales is calculated as each selling price coefficient.
図6を用いて、さらに具体的に説明する。図6の例では、基準売価比率は0.9であり、そのときの売上数(基準売上数)が100であったとする。このとき、売価比率が0.9のときの売価係数は“1”である。さらに、売価比率が0.8のときの売上数が110であったとすると、そのときの売価係数は“1.1”となる。 A more specific description will be given with reference to FIG. In the example of FIG. 6, it is assumed that the standard selling price ratio is 0.9 and the number of sales at that time (standard sales number) is 100. At this time, the selling price coefficient when the selling price ratio is 0.9 is “1”. Further, if the sales number is 110 when the selling price ratio is 0.8, the selling price coefficient at that time is “1.1”.
本実施形態では、売価集計データベース51に格納されているすべての売価比率5103について、上述の手順で売価係数を算出する。また、売上データベース5には、未来のデータ(予定の売価等)を記憶することが可能であり、未来にしか存在しない売価が売上データベース5にあるときには、これについても売価係数を算出することができる。
In the present embodiment, the selling price coefficient is calculated for all selling price ratios 5103 stored in the selling
ここで求められた売価係数および販促係数は、売価・販促係数テーブル121に格納される。売価・販促係数テーブル121の例を図5(c)に示す。すなわち、売価・販促係数テーブル121のデータ項目は、商品コード1211、売価1212、売価比率1213、売価係数1214および販促係数1215である。 The sales price coefficient and the sales promotion coefficient obtained here are stored in the sales price / sales promotion coefficient table 121. An example of the selling price / promotion coefficient table 121 is shown in FIG. That is, the data items of the selling price / promotion coefficient table 121 are a product code 1211, a selling price 1212, a selling price ratio 1213, a selling price coefficient 1214 and a sales promotion coefficient 1215.
そして、売価係数および販促係数を用いて、それぞれの商品について売上数の売価・販促調整を行う(S14)。例えば、売上データベース5に格納されている過去の全実績データの売上数511を、商品コード501および基本売価509と売価510とにより定まる売価比率に対応する売価係数1214で除算することにより、売価調整を行う。この売価調整は、各売価のときの売上数を基準売価での売上数に換算することに相当する。つまり、実際の商品の売上数は売価に大きく依存するが、この売価調整を行うことにより、売価変動に起因する売上数の増減効果を取り除くことができる。
Then, using the selling price coefficient and the sales promotion coefficient, the selling price / sales promotion of the number of sales is adjusted for each product (S14). For example, the sales price adjustment is performed by dividing the
また、販促フラグ512が立っているデータについては、上述の売価調整行った後に、さらに販促係数1215で除算して販促調整を行う。売価と同様に、売上数は販促を行ったかどうかで大きく変動するため、この販促調整により、販促を行わなかったときの売上数に換算して、販促による売上数の増減効果を取り除くことができる。
For the data for which the
この結果、売上データベース5に記憶されている過去の全実績データについて、売価および販促調整が行われる。ここで得た売価調整済みの売上数、ならびに、売価および販促調整済みの売上数を調整済み売上数Aと呼ぶ。
As a result, the selling price and the sales promotion adjustment are performed for all past performance data stored in the
調整済み売上数Aは、調整済み売上数Aデータベース52に記憶される。調整済み売上数Aデータベース52は、図5(b)に示すように、商品コード521と、店コード522と、年月日523と、曜日524と、休日フラグ525と、天気コード526と、地域コード527と、規模コード528と、調整済み売上数A529とをデータ項目として有する。
The adjusted sales number A is stored in the adjusted sales
次に、天気調整S2について、図8〜図10を用いて説明する。 Next, the weather adjustment S2 will be described with reference to FIGS.
ここでは、売価および販促調整済みの調整済み売上数Aを用いて天気調整を行う。そこで、売上数調整部11は、調整済み売上数Aデータベース52に記憶されている全データを前処理して、天気集計データベース53を生成する(S21)。この前処理では、例えば、調整済み売上数Aデータベース52の所定の項目について、商品コード521および天気コード526をキーにして集計する。
Here, the weather adjustment is performed using the adjusted sales number A and the adjusted sales number A. Therefore, the sales
天気集計データベース53は、例えば、図9(a)に示すように、商品コード531と、天気コード532と、天気比率533と、調整済み売上数A534と、度数535とをデータ項目として有する。
For example, as shown in FIG. 9A, the
ここで、天気比率533とは、太陽が地平線より上にある時間帯に、実際に太陽が出ていた時間の割合を、天気コードに基づいて0から1までを8段階に区分して表したものである。ここでは、例えば、天気コードが晴れを示す場合は天気比率を「1」、天気コードが晴れのち曇りまたは曇りのち晴れを示す場合は天気比率を「0.5」、天気コードが雨を示す場合は天気比率を「0」などとする。すなわち、天気によって太陽が出ていたと思われる大まかな時間は定まるので、天気コードが決まれば天気比率は一意に定まる。
Here, the
調整済み売上数A534は、各天気比率533のときの、過去120日の全店舗の調整済み売上数Aの平均である。
The adjusted
度数535は、すべての店舗で、過去120日間に各天気比率533で販売された延べ店舗数を示す。例えば、過去120日間に、10店舗が商品Dを天気比率“0.5”のときに販売した日数が20日あったとすれば、天気比率533が“0.5”の度数535は“200”とカウントされる。
The
再び図8を参照すると、売上数調整部11は、天気集計データベース53に記憶されたデータを統計処理して、天気と売上数との関係を求める。ここでは、天気集計データベース53のデータを用いて各商品ごとに回帰分析を行い、回帰曲線を算出する(S22)。この回帰分析処理について、図10を用いて説明する。図10は、x軸に天気比率、y軸に売上数をとったx−y平面上で、天気比率と売上数との関係を示す直線を最小二乗法を用いて算出するときの処理イメージを示す。
Referring to FIG. 8 again, the sales
図10に示すx−y平面上に、天気集計データベース53のデータを、度数に応じた重み付けをしてプロットし、このプロット群を用いて式(4)のc0およびc1を最小二乗法を用いて算出する。
y=c0+c1x ・・・(4)
図8に戻り、ステップS22で求めた式(4)の直線を用いて、各商品について天気係数を算出する(S23)。天気係数は、例えば、売価係数を算出するときと同様に、最も度数が高い天気比率(以下、基準点天気比率と呼ぶ)を求め、そのときの調整済み売上数A(以下、基準調整済み売上数Aと呼ぶ)を式(4)を用いて求め、この基準調整済み売上数Aを基準にして定める。例えば、すべての天気比率に対応する調整済み売上数Aを式(4)で求め、基準調整済み売上数Aと、他の7段階の天気比率のときの調整済み売上数Aとの比を求め、これをそれぞれの天気比率のときの天気係数とする。
On the xy plane shown in FIG. 10, the data of the
y = c 0 + c 1 x (4)
Returning to FIG. 8, the weather coefficient is calculated for each product using the straight line of the equation (4) obtained in step S22 (S23). As for the weather coefficient, for example, as in the case of calculating the selling price coefficient, the weather ratio with the highest frequency (hereinafter referred to as the reference point weather ratio) is obtained, and the adjusted sales number A (hereinafter referred to as the reference adjusted sales ratio) at that time is obtained. (Referred to as number A) is determined using equation (4) and is determined based on this reference-adjusted number of sales A. For example, the adjusted sales number A corresponding to all the weather ratios is obtained by Expression (4), and the ratio between the reference adjusted sales number A and the adjusted sales number A at the other seven weather ratios is obtained. This is the weather coefficient for each weather ratio.
図10を用いて具体的に説明する。図10の例では、最も度数が高い天気比率が0.625であり、そのときの調整済み売上数A(基準調整済み売上数A)が100であったとする。このとき、天気比率が0.625のときの天気係数は“1”である。さらに、天気比率が0.5のときの調整済み売上数Aが90であったとすると、そのときの天気係数は0.9となる。 This will be specifically described with reference to FIG. In the example of FIG. 10, it is assumed that the weather ratio with the highest frequency is 0.625, and the adjusted sales number A (reference adjusted sales number A) at that time is 100. At this time, the weather coefficient when the weather ratio is 0.625 is “1”. Further, if the adjusted sales number A is 90 when the weather ratio is 0.5, the weather coefficient at that time is 0.9.
本実施形態では、天気集計データベース53に格納されているすべての天気比率533について天気係数を算出する。また、売上データベース5には、未来のデータ(予定の売価等)を記憶することが可能であり、未来にしか存在しない天気比率が売上データベース5にあるときには、これについても天気係数を算出することができる。
In the present embodiment, weather coefficients are calculated for all
ステップS22で算出された天気係数は、天気係数テーブル122に格納される。天気係数テーブル122は、図9(c)に示すように、商品コード1221と、天気コード1222と、天気係数1223とをデータ項目として備える。
The weather coefficient calculated in step S22 is stored in the weather coefficient table 122. As shown in FIG. 9C, the weather coefficient table 122 includes a
次に、天気係数を用いて各商品の売上数の天気調整を行う。すなわち、天気調整は、調整済み売上数Aデータベース52の調整済み売上数A529を、それぞれの天気コード526と対応する天気係数1223で除算して行われる。つまり、商品の売上数は天気により変動するが、この天気調整を行うことにより、天気が売上数の売上数の増減に与える影響が除去される。ここで求まった売上数は、売価および販促に加えて、さらに天気の影響も除去されたことになり、この売上数を調整済み売上数Bと呼ぶ。
Next, the weather adjustment of the number of sales of each product is performed using the weather coefficient. That is, the weather adjustment is performed by dividing the adjusted sales number A529 of the adjusted sales
調整済み売上数Bは、調整済み売上数Bデータベース54に格納される。調整済み売上数Bデータベース54のデータ項目は、例えば、図9(b)に示すように、商品コード541と、店コード542と、年月日543と、曜日544と、休日フラグ545と、地域コード546と、規模コード547と、調整済み売上数B548とを有する。
The adjusted sales number B is stored in the adjusted sales
次に、店調整S3について、図11〜図12を用いて説明する。 Next, store adjustment S3 is demonstrated using FIGS. 11-12.
ここでは、売価、販促および天気調整済みの調整済み売上数Bを用いて店調整を行う。そこで、調整済み売上数Bデータベース54に記憶されているデータを前処理して、店集計データベース55を生成する(S31)。この前処理では、例えば、調整済み売上数Bデータベース54の商品コードと店コードとをキーにして集計する。店集計データベース55は、例えば、図12(a)に示すように、商品コード551と、店コード552と、地域コード533と、規模コード554と、調整済み売上数B555とをデータ項目として有する。
Here, the store adjustment is performed using the adjusted sales number B after the sales price, sales promotion, and weather adjustment. Therefore, the
前処理後、売上調整処理部11は、店集計データベース55のデータを用いて、商品別に、店舗別の売上比率を示す店係数を算出する(S32)。店係数の算出は、例えば、以下の式(5)を用いて、店ごと商品ごとに行う。
After the preprocessing, the sales
また、売上調整処理部11は、各店ごとに店係数を算出するとともに、それぞれの店を、各店の特性に応じて複数のクラスタのいずれかに分類する。例えば、各店の存在する地域を示す地域コード553、各店の規模を示す規模コード554、あるいは休日の売上金額などに応じてクラスタリングを行うことができる。
これ以降のS3の処理およびS4、S5の処理は、クラスタ単位で行うこともできる。
The sales
Subsequent processing of S3 and processing of S4 and S5 can also be performed in cluster units.
ここで算出された店係数およびクラスタリング結果は、店係数テーブル123に格納される。店係数テーブル123は、図12(c)に示すように、商品コード1231と、店コード1232と、店係数1233と、クラスタ番号1234とを有する。
The store coefficient and clustering result calculated here are stored in the store coefficient table 123. As illustrated in FIG. 12C, the store coefficient table 123 includes a
次に、ここで求めた店係数を用いて、調整済み売上数Bに対して商品別、日別に店調整を行う(S33)。ここでは、休業した店があると、その日は全体の売上数が減少するため、店の休業による売上数の減少を補償する。この店調整により、調整済み売上数Bからさらに店舗の休業による売上変動が除去される。店調整後の売上数を調整済み売上数Cと呼ぶ。それぞれの日の調整済み売上数Cは、次の式(6)で得られる。 Next, using the store coefficient obtained here, store adjustment is performed for each product and each day with respect to the adjusted sales number B (S33). Here, if there is a closed store, the total number of sales decreases on that day, so the decrease in the number of sales due to store closure is compensated. As a result of this store adjustment, the sales fluctuation due to the closure of the store is further removed from the adjusted sales number B. The number of sales after the store adjustment is called adjusted sales number C. The adjusted sales number C for each day is obtained by the following equation (6).
なお、式(6)の右辺の分母の営業している店舗の店係数合計は、以下のようにして求める。すなわち、もともと売上データベース5には休業している店のデータが存在しないので、調整済み売上数Bデータベース54の調整済み売上数B548を日別に集計する際、店コード542を抽出しておき、その店コード542の店係数1233を集計する。
In addition, the store coefficient sum of the store which the denominator of the right side of Formula (6) is open is calculated | required as follows. That is, since there is originally no data on a closed shop in the
これにより、調整済み売上数Cの算出対象となっている日に休業している店があったとしても、その店が休業でなかった場合に予想される売上数が求まる。 As a result, even if there is a store closed on the day on which the adjusted sales number C is calculated, the number of sales expected when the store is not closed can be obtained.
調整済み売上数Cは、調整済み売上数Cデータベース56に格納される。調整済み売上数Cデータベース56のデータ項目は、例えば、図12(b)に示すように、商品コード561と、クラスタ番号562と、年月日563と、曜日564と、休日フラグ565と、店係数合計566と、調整済み売上数C567とを有する。
The adjusted sales number C is stored in the adjusted sales
次に、休日調整S4について、図13〜図14を用いて説明する。 Next, holiday adjustment S4 will be described with reference to FIGS.
ここでは、売価、販促、天気および店調整済みの調整済み売上数Cを用いて休日要因の調整を行う。そこで、調整済み売上数Cデータベース56に記憶されているデータを用いて、商品別に休日係数を算出する(S41)。休日係数は、過去120日にあるすべての休日(土曜、日曜および国民の祝日)について、以下の式(7)で算出する。 Here, the holiday factor is adjusted by using the sales price, the sales promotion, the weather, and the adjusted sales number C after the store adjustment. Therefore, a holiday coefficient is calculated for each product using the data stored in the adjusted sales number C database 56 (S41). The holiday coefficient is calculated by the following formula (7) for all holidays (Saturday, Sunday and national holidays) in the past 120 days.
平日とは休日以外の日を指す。 Weekdays are days other than holidays.
ここで算出した休日係数は、休日係数テーブル124へ格納される。休日係数テーブル124は、例えば、図14(a)に示すように、商品コード1241と、クラスタ番号1242と、休日係数1243と、休日フラグ1244とを有する。
The holiday coefficient calculated here is stored in the holiday coefficient table 124. For example, as shown in FIG. 14A, the holiday coefficient table 124 includes a
そして、休日フラグ565が立っている調整済み売上数C567に対して、休日係数を用いて商品別に休日調整を行う(S42)。休日調整は、例えば、各休日の調整済み売上数Cを、休日係数で除算することによって行う。この休日調整により、調整済み売上数Cからさらに休日であることによる売上変動が除去される。休日調整後の売上数を調整済み売上数Dと呼ぶ。
Then, a holiday adjustment is performed for each product using the holiday coefficient for the adjusted sales number C567 in which the
調整済み売上数Dは、調整済み売上数Dデータベース57に格納される。調整済み売上数Dデータベース57のデータ項目は、例えば、図14(b)に示すように、商品コード571と、クラスタ番号572と、年月日573と、曜日574と、休日フラグ575と、店係数合計576と、調整済み売上数D577とを有する。
The adjusted sales number D is stored in the adjusted sales
次に、曜日調整S5について、図15〜図17を用いて説明する。 Next, the day adjustment S5 will be described with reference to FIGS.
ここでは、売価、販促、天気、店および休日調整済みの調整済み売上数Dを用いて曜日調整を行う。そこで、調整済み売上数Dデータベース57に記憶されているデータを用いて、各曜日の売上の特性を示す曜日係数を算出する(S51)。曜日係数は、以下のようにして算出する。
Here, the day of the week adjustment is performed using the adjusted sales quantity D adjusted for selling price, sales promotion, weather, shop, and holidays. Therefore, using the data stored in the adjusted sales
まず、売上データベース5に実績データが記憶されている過去120日のうち、最も過去の3日と最近の3日を除く114日分の調整済み売上数Dを対象に、移動平均をかけて曜日別の特性を除去する。
First, out of the past 120 days in which the actual data is stored in the
移動平均は、例えば、図16に示すように、移動平均算出対象日およびその日の前後各3日分(対象となる日を含めて7日分)の調整済み売上数Dを用いて行う。つまり、この7日の調整済み売上数Dの平均値が、算出対象日の移動平均値となる。そして、対象となる日の調整済み売上数Dを、この移動平均値で除算して得た値を、曜日ごとに平均して曜日係数を算出する。 For example, as shown in FIG. 16, the moving average is performed using the moving average calculation target date and the adjusted number of sales D for three days before and after that date (for seven days including the target day). That is, the average value of the adjusted number of sales D on the 7th is the moving average value on the calculation target date. Then, the day of the week coefficient is calculated by averaging the value obtained by dividing the adjusted sales number D on the target day by this moving average value for each day of the week.
ここで求まった曜日係数は、曜日係数テーブル125に格納される。曜日係数テーブル125は、例えば、図17(a)に示すように、商品コード1251と、クラスタ番号1252と、曜日1253と、曜日係数1254とを有する。
The day of the week coefficient obtained here is stored in the day of the week coefficient table 125. For example, as shown in FIG. 17A, the day-of-week coefficient table 125 includes a
図15に戻り、調整済み売上数Dに対して、それぞれの曜日に応じた曜日係数を用いて曜日調整を行う(S52)。例えば、曜日調整は、調整済み売上数Dデータベースに記憶されている調整済み売上数D577を、それと対応する曜日574の曜日係数1254で除算して行われる。この結果、調整済み売上数Dからさらに、曜日による売上変動が除去される。ここで、曜日による売上変動が除去された売上数が、すべての売上変動要因を除去した調整済みの売上数である。そして、この調整済み売上数が調整済み売上データベース18に格納される。
Returning to FIG. 15, the day of the week is adjusted for the adjusted number of sales D using the day of the week coefficient corresponding to each day of the week (S 52). For example, the day adjustment is performed by dividing the adjusted sales number D577 stored in the adjusted sales number D database by the day of the
調整済み売上データベース18は、図17(b)に示すように、商品コード181と、クラスタ番号182と、年月日183と、曜日184と、休日フラグ185と、店係数合計186と、調整済み売上数187とを、データ項目として有する。
As shown in FIG. 17B, the adjusted
以上に説明したように、売上数調整部11は、売上データベース5に記憶されている実際の売上数(以下、調整前の売上数と呼ぶことがある)などのデータを用いて、様々な変動要因が売上数の変動に寄与する度合いをそれぞれの係数として求め、その係数を用いて各変動要因による売上数の変動を除去した調整済み売上数を求める。ここで求まった調整済み売上数および各係数は、以下のように利用される。
As described above, the sales
図2を参照して、基準値予測部13について説明する。
The reference
基準値予測部13は、調整済み売上データベース18に記憶されている商品別の調整済みの売上数を用いて、調整済み売上数に対応する将来の売上数(以下、基準値と呼ぶ)をすべての商品について予測する。
The reference
基準値予測部13は、調整済み売上数は、変動要因の影響が十分に除去されているかどうかの検定を行って、離れ値を除去する検定処理(S6)と、検定処理後の調整済み売上数に対して指数平滑化法を用いて基準値を算出する指数平滑処理(S7)とを行う。
The reference
まず、検定処理S6について説明する。 First, the verification process S6 will be described.
基準値予測部13は、商品ごとに、過去の調整後の売上数についてヒストグラムをとり、このヒストグラムが正規分布に従うかどうを、式(8)に示す歪度を計算して判定する。
The reference
nはサンプルとなった調整済み売上数の数(日数)、xiは調整済み売上数、xavはxiの平均値、Vはxiの分散である。 n is the number of adjusted number of sales used as the samples (in days), x i is adjusted sales number, the average value of x av is x i, V is the variance of x i.
完全に正規分布に従う場合は歪度が0となるので、歪度が0を含む所定の範囲内である商品に関しては、変動要因が十分に除去されているものとして扱う。これに対して、歪度が所定のしきい値の範囲外となる商品は、売上調整部11が行った調整では、変動要因が十分に除去されていないものと考えられる。従って、基準値予測部13は、歪度が所定のしきい値の範囲外となる商品を抽出する。
Since the skewness is 0 when the normal distribution is completely followed, products with a skewness within a predetermined range including 0 are treated as those in which the fluctuation factors are sufficiently removed. On the other hand, for products whose skewness is outside the predetermined threshold range, it is considered that the factor of variation is not sufficiently removed by the adjustment performed by the
ここで抽出された商品の調整済み売上数データを用いて、いわゆる箱ヒゲ図を作成する。箱ヒゲ図の作成方法の一例は、図18を用いて説明する。 A so-called box mustache diagram is created using the adjusted sales number data of the product extracted here. An example of a method for creating a box mustache will be described with reference to FIG.
一日の調整済み売上数データを値の小さい順に並べ、中央値を求めた後、25%点および75%点を求める。そして、25%点から75%点までを箱で表す。そして、中央値から箱の下端までの距離の1/2の長さのヒゲを箱の下端に付け、中央値から箱の上端までの距離の1/2の長さのヒゲを箱の上端に付ける。そして、上下のヒゲのさらに外側にある調整済み売上数データを離れ値として除去する。あるいは、離れ値は、離れ値以外の調整済み売上数データを用いて計算した平均値と置換してもよい。 The adjusted number of sales data for one day is arranged in ascending order of values, and after obtaining the median, 25% and 75% points are obtained. And from the 25% point to the 75% point is represented by a box. Then, a whisker having a length that is 1/2 of the distance from the median to the lower end of the box is attached to the lower end of the box, and a whisker having a length of 1/2 of the distance from the median to the upper end of the box is attached to the upper end of the box. wear. Then, the adjusted sales number data further outside the upper and lower whiskers is removed as the away value. Alternatively, the outlier may be replaced with an average value calculated using adjusted sales data other than the outlier.
次に、指数平滑処理S7について説明する。 Next, the exponential smoothing process S7 will be described.
検定処理で離れ値が除去された調整済み売上数データに対して、商品別に指数平滑化法を適用して、各商品の基準値を算出する。指数平滑化法による予測値算出式を以下に示す。
ft+1=α・xt+(1−α)ft ・・・(9)
ft+1は翌日の予測値、xtは対象商品の当日の調整済み売上数、ftは対象商品の当日の予測値を示す。αは0から1までの値をとる。
A reference value for each product is calculated by applying an exponential smoothing method for each product to the adjusted sales data from which the outliers have been removed in the verification process. The formula for calculating the predicted value by the exponential smoothing method is shown below.
f t + 1 = α · x t + (1−α) f t (9)
f t + 1 represents the predicted value of the next day, x t represents the adjusted number of sales on the current day of the target product, and f t represents the predicted value of the target product on the current day. α takes a value from 0 to 1.
まず、調整済み売上データベース18に記憶されている過去の調整済み売上数データを式(9)に適用して、最適なαを算出する。例えば、様々なα(例えば、0から1まで0.01刻み)に対して、調整済み売上数をxtに設定して翌日の予測値ft+1を算出する。このとき、予測値ftの初期値は0とする。そして、予測値ft+1と調整済み売上数xt+1との誤差の二乗を、過去120日分のデータに付いて合計し、その合計が最小となるようなαを最適なαとする。
First, the past adjusted sales number data stored in the adjusted
最適なαが定まると、このαを用いて翌日の基準値を算出する。すなわち、xtに本日の調整済み売上数、ftに最適なαのときの本日の予測値を代入して、翌日の基準値を求める。 When the optimum α is determined, the reference value for the next day is calculated using this α. In other words, already today adjustments to x t sales number, by substituting today's predictive value when the optimal α to f t, obtaining the following day of the reference value.
なお、この基準値は予測値算出部15が将来の売上数を予測するときに用いられるが、その際、翌日以降の将来の日の基準値は、翌日の基準値と同一であるとする。
This reference value is used when the predicted
次に、係数補正部14について説明する。係数補正部14は、本システムの予測モデルの予測精度を商品別に検証するモデル適合度判定(S8)と、モデル適合度判定の結果に基づいて係数を補正する補正処理(S9)を行う。
Next, the
ここで、次に説明する予測値算出部15は、算出した売上数の予測値を事前予測値記憶部19に格納する。つまり、事前予測値記憶部19には、過去の商品別の売上数の予測値が蓄積されている。
Here, the predicted
ステップS8のモデル適合度判定では、各商品について、この蓄積された事前予測値と、売上データベース5に記憶されている調整前の売上数の実績データとの誤差を求める。そして、この誤差を分析して、本システムの予測モデルの精度を判定し、予測精度が低く、本システムの予測モデルが実績データと適合していない商品を抽出する。例えば、係数補正部14は、各商品の過去の所定日数分の事前予測値と調整前の売上数との誤差の分布を求める。この誤差の分布は正規分布に従うと考えられるので、正規分布から大きくはずれる商品、あるいは正規分布に近い誤差分布を有するが、標準偏差が所定のしきい値よりも大きい商品などを抽出する。
In the model suitability determination at step S8, for each product, an error between the accumulated prior prediction value and the actual data of the number of sales before adjustment stored in the
ステップS9の係数補正処理では、モデルへの適合度が低いとして抽出された商品に関するデータを用いて各係数を補正する。例えば、最適化アルゴリズムを用いて、抽出された商品の事前予測値と調整前の売上数との誤差が最小になるような係数を算出する。算出された係数を用いて係数テーブル12を更新し、係数を補正する。 In the coefficient correction process in step S9, each coefficient is corrected using data relating to the product extracted as having a low degree of fitness with the model. For example, the optimization algorithm is used to calculate a coefficient that minimizes the error between the pre-predicted value of the extracted product and the number of sales before adjustment. The coefficient table 12 is updated using the calculated coefficient, and the coefficient is corrected.
予測値算出部15は、係数テーブル12に蓄積された各係数と、基準値予測部13が予測した各商品の基準値と、売上データベース5に格納されている予定の売価などの販売条件とを用いて、将来の売上数の予測値を算出する。例えば、以下の式を用いて、各店舗の日別商品別の売上数の予測値を算出する。
売上数の予測値= 基準値×売価係数×販促係数×天気係数×店係数×休日係数×曜日係数 ・・・(10)
売価係数は、予測対象日に予定している売価に対応する売価係数である。販促係数は、予測対象日に販促が予定されていない場合は1とする。天気係数は、予測対象日の予想される天気(天気予報)と対応する天気係数である。店係数は、予測対象店舗の店係数である。曜日係数は、予測対象日の曜日と対応する曜日係数である。休日係数は、予測対象日が平日である場合は1である。
The predicted
Predicted value of sales number = standard value x selling price coefficient x sales promotion coefficient x weather coefficient x store coefficient x holiday coefficient x day of week coefficient (10)
The selling price coefficient is a selling price coefficient corresponding to the selling price scheduled for the forecast date. The sales promotion coefficient is set to 1 when the sales promotion is not scheduled on the prediction target day. The weather coefficient is a weather coefficient corresponding to the expected weather (weather forecast) on the prediction target day. The store coefficient is a store coefficient of the prediction target store. The day of the week coefficient is a day of the week coefficient corresponding to the day of the prediction target day. The holiday coefficient is 1 when the prediction target day is a weekday.
ここまでに説明した需要予測システム1が算出した各商品の売上数の予測値、すなわち、商品別の需要予測値を用いて、発注提案システム2が各小売店に対して発注数量の提案を行う。
The
発注提案システム2は、需要予測システム1が算出した需要予測値および各小売店の在庫状況に基づいて、各小売店に対して発注提案を行う。
The
発注提案システム2の処理手順について、図19を用いて説明する。発注提案システム2は、需要予測システム1から商品別の売上数予測値を取得し、各小売店の在庫状況を記憶した在庫データベース6から、各小売店の商品別の在庫数および発注済みで今後納品が予定されている納品数を取得する。
The processing procedure of the
発注提案システム2は、小売店システム4から店舗別、商品別の基準在庫数を取得する。ここで、基準在庫数とは、各小売店がそれぞれ定める在庫数であり、例えば、店の陳列棚に商品を陳列したときに、ボリューム感があり顧客に対して訴求する効果があると思われる在庫数であってもよい。この場合、基準在庫数は、陳列スペースの混み具合、またはすき具合に基づいて定めることができる。陳列スペースの混み具合またはすき具合は、例えば、陳列スペースに陳列可能な商品数に対する、陳列されている商品数の割合を占有率として用いてもよい。この場合、基準在庫数は、商品毎に予め定められている占有率に基づいて定まる。
The
また、各小売店システム4発注提案システム2に対して、それぞれの小売店における商品別の基準在庫数を報告する(S111)。
Further, the standard inventory quantity for each product in each retail store is reported to each
そして、発注提案システム2は、店舗別商品別の発注提案数を算出する(S101)。このときの算出式の一例が式(11)である。
発注提案数=売上数予測値(3日分)−在庫数−納品数+基準在庫数・・・(11)
そして、発注提案システム2は、この発注提案数を各小売店システム4へ送信して、発注提案を行う(S102)。
Then, the
Number of proposed orders = Forecasted number of sales (for 3 days)-Number of stocks-Number of deliveries + number of base stocks (11)
Then, the
各小売店システム4は、この発注提案を受信し、店舗の担当者が発注提案数を確認して、発注依頼をする(S112)。このとき、発注数を変更することもできる。
Each
発注提案システム2は、小売店システム4からの発注依頼を受けて、発注システム3に対して正式な発注を行う(S103)。
In response to the order request from the
なお、基準在庫数は、品切れ防止のために必要な安全在庫数と置き換えられても良い。 Note that the reference stock quantity may be replaced with a safety stock quantity necessary for preventing out of stock.
上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。 The above-described embodiments of the present invention are examples for explaining the present invention, and are not intended to limit the scope of the present invention only to those embodiments. Those skilled in the art can implement the present invention in various other modes without departing from the gist of the present invention.
例えば、上述した需要予測システム、発注提案システム及び発注システムは、それら3つを纏めて一つのコンピュータマシンで集中的に実現することもできるし、それぞれ一つのコンピュータマシンに分けて実現することもできるし、それぞれ複数のコンピュータマシンで分散的に実現することもできる。 For example, the above-described demand forecasting system, order proposal system, and ordering system can be implemented in a centralized manner on a single computer machine, or can be implemented separately on a single computer machine. However, it can also be realized in a distributed manner by a plurality of computer machines.
1・・・需要予測システム、2・・・発注提案システム、3・・・発注システム、4・・・小売店システム、5・・・売上データベース、6・・・在庫データベース、11・・・売上数調整部、12・・・係数テーブル、13・・・基準値予測部、14・・・係数補正部、15・・・予測値算出部、18・・・調整済み売上データベース、19・・・事前予測値データベース、S1・・・売価・販促調整処理、S2・・・天気調整処理、S3・・・店調整処理、S4・・・休日調整処理、S5・・・曜日調整処理、S6・・・検定処理、S7・・・指数平滑処理、S8・・・モデル適合度判定処理、S9・・・補正処理。
DESCRIPTION OF
Claims (23)
前記記憶手段に記憶された前記商品別の売上数を示す情報に基づいて、前記売上数を変動させる変動要因が、前記売上数の変動に寄与する寄与度を商品ごとに算出する手段と、
前記算出された商品別の寄与度に基づいて、各商品の売上数から前記変動要因による変動を取り除いて、前記商品別の売上数を調整する手段と、
前記算出された商品別の寄与度および商品別の調整後の売上数に基づいて、将来の商品別売上数を予測する手段と、を備える商品の需要予測システム。 For a plurality of products, storage means for storing information indicating the number of sales by product in the past,
Based on the information indicating the number of sales by product stored in the storage means, a variable factor that varies the number of sales calculates a contribution that contributes to the variation in the number of sales for each product,
Based on the calculated contribution for each product, means for adjusting the number of sales for each product by removing the fluctuation due to the variation factor from the number of sales for each product;
And a means for predicting future sales by product based on the calculated contribution by product and adjusted sales by product.
前記調整手段は、前記商品別要因別の寄与度に基づいて、各商品の売上数から各変動要因による変動を取り除き、
前記予測手段は、前記商品別要因別の寄与度および商品別の調整後の売上数に基づいて、将来の商品別売上数を予測する請求項1記載の商品の需要予測システム。 The calculating means calculates a contribution for each factor for each of the plurality of variation factors,
The adjusting means removes the fluctuation due to each fluctuation factor from the number of sales of each merchandise based on the contribution for each merchandise factor.
2. The commodity demand prediction system according to claim 1, wherein the predicting means predicts the future number of sales by product based on the contribution by product factor and the adjusted number of sales by product.
前記記憶手段に記憶された前記商品別の売上数を示す情報に基づいて、前記売上数を変動させる変動要因が、前記売上数の変動に寄与する寄与度を商品ごとに算出する処理と、
前記算出された商品別の寄与度に基づいて、各商品の売上数から前記変動要因による変動を取り除いて、前記商品別の売上数を調整する処理と、
前記算出された商品別の寄与度および商品別の調整後の売上数に基づいて、将来の商品別売上数を予測する処理と、を備える商品の需要予測方法。 A method for demand forecasting of products performed by a computer having storage means for storing information indicating the number of sales by product of the past of a plurality of products,
Based on the information indicating the number of sales by product stored in the storage unit, a variable factor that varies the number of sales calculates a contribution for each product that contributes to the variation in the number of sales;
Based on the calculated contribution for each product, a process for removing the variation due to the fluctuation factor from the number of sales for each product, and adjusting the number of sales for each product;
And a process for predicting the future number of sales by product based on the calculated contribution by product and the adjusted number of sales by product.
前記記憶手段に記憶された前記商品別の売上数を示す情報に基づいて、前記売上数を変動させる変動要因が、前記売上数の変動に寄与する寄与度を商品ごとに算出する処理と、
前記算出された商品別の寄与度に基づいて、各商品の売上数から前記変動要因による変動を取り除いて、前記商品別の売上数を調整する処理と、
前記算出された商品別の寄与度および商品別の調整後の売上数に基づいて、将来の商品別売上数を予測する処理と、を行う商品需要予測のためのコンピュータプログラム。 When executed on a computer equipped with storage means that stores information indicating the number of sales of a plurality of products in the past,
Based on the information indicating the number of sales by product stored in the storage unit, a variable factor that varies the number of sales calculates a contribution for each product that contributes to the variation in the number of sales;
Based on the calculated contribution for each product, a process for removing the variation due to the fluctuation factor from the number of sales for each product, and adjusting the number of sales for each product;
A computer program for product demand prediction, which performs a process of predicting a future sales amount by product based on the calculated contribution by product and the adjusted sales number by product.
前記売価および前記売上数に基づいて、前記売価が前記売上数の増減に与える影響を取り除いた売価調整済み売上数を算出する手段と、を備える商品の売上数調整システム。 Storage means for storing the selling price of one product and the number of sales at the selling price;
A sales number adjustment system for a product, comprising: means for calculating a sales price-adjusted sales number that eliminates the influence of the selling price on the increase or decrease in the sales number based on the selling price and the sales number.
前記売価および前記売上数を統計的に処理して、売価と売上数との関係を求め、
前記売価と売上数との関係に基づいて、前記各売価での売上数を、基準となる売価での売上数に換算する請求項9記載の商品の売上数調整システム。 The calculating means includes
Statistically processing the selling price and the number of sales to determine the relationship between the selling price and the number of sales,
The system for adjusting the number of sales of products according to claim 9, wherein the number of sales at each selling price is converted into the number of sales at a standard selling price based on the relationship between the selling price and the number of sales.
前記指数関数で表される関係は、最小二乗法を用いた回帰計算により算出される請求項10記載の商品の売上数調整システム。 The relationship between the selling price and the number of sales is represented by an exponential function,
The sales number adjustment system for merchandise according to claim 10, wherein the relationship represented by the exponential function is calculated by regression calculation using a least square method.
前記天気および前記売上数に基づいて、前記天気が前記売上数の増減に与える影響を取り除いた天気調整済み売上数を算出する手段と、を備える商品の売上数調整システム。 Storage means for storing the weather on the day of selling one product and the number of sales of the product on that day in association with each other;
A sales number adjustment system for a product, comprising: means for calculating, based on the weather and the sales number, a weather-adjusted sales number from which the influence of the weather on the increase or decrease in the sales number is removed.
前記天気および前記売上数を統計的に処理して、天気と売上数との関係を求め、
前記天気と売上数との関係に基づいて、前記各天気での売上数を、基準となる天気での売上数に換算する請求項12記載の商品の売上数調整システム。 The calculating means includes
Statistically processing the weather and the number of sales to determine the relationship between the weather and the number of sales,
13. The product sales number adjustment system according to claim 12, wherein the number of sales in each weather is converted into the number of sales in the reference weather based on the relationship between the weather and the number of sales.
前記算出手段は、最小二乗法を用いた回帰計算により、前記1次関数で表される関係を算出する請求項13記載の商品の売上数調整システム。 The relationship between the weather and the number of sales is expressed by a linear function,
14. The product sales number adjustment system according to claim 13, wherein the calculation means calculates a relationship represented by the linear function by regression calculation using a least square method.
前記売上数に基づいて、各店舗の店舗別売上比率を求め、休業店舗がある日は、前記店舗別売上比率を用いて休業店舗の売上数を補償して、店舗調整済み日別売上数を算出する手段と、を備える商品の売上数調整システム。 Storage means for storing the number of sales of a single product for each store in a plurality of stores;
Based on the number of sales, the sales ratio of each store is calculated, and on days when there are closed stores, the sales ratio of the closed stores is compensated using the sales ratio by store, and the sales adjusted daily sales numbers are calculated. A sales number adjustment system for a product, comprising: means for calculating;
前記平日の売上数および休日の売上数を比較して、休日の売上数を調整する手段と、を備える商品の売上数調整システム。 Storage means for storing the number of sales on weekdays and the number of sales on holidays for one product;
Means for adjusting the number of sales on holidays by comparing the number of sales on weekdays and the number of sales on holidays.
1週間の売上数の平均値と前記日別売上数とを比較して曜日別特性を算出し、前記曜日別特性に基づいて前記日別売上数を調整する手段と、を備える商品の売上数調整システム。 Storage means for storing the number of daily sales of one product and the day of the week in association with each other;
Means for comparing the average value of the number of sales for one week with the daily sales and calculating the characteristics for each day of the week and adjusting the daily sales based on the characteristics for each day of the week. Adjustment system.
前記記憶手段から前記商品の売上数および前記商品の売価を取得し、前記売価が前記売上数の増減に与える影響を取り除いた、日別店舗別の第1の調整済み売上数を算出する売価調整手段と、
前記記憶手段から前記商品を販売した日の天気を取得し、第1の調整済み売上数に基づいて、天気が前記商品の売上数の増減に与える影響を取り除いた、日別店舗別の第2の調整済み売上数を算出する天気調整手段と、
前記記憶手段を参照して、営業店舗と休業店舗とを日別に識別し、第2の調整済み売上数に基づいて、店舗の休業が前記商品の売上数の増減に与える影響を取り除いた、日別の第3の調整済み売上数を算出する店舗調整手段と、
前記記憶手段を参照して、休日と平日とを日別に識別し、休日の第3の調整済み売上数と平日の第3の調整済み売上数とを比較して、休日が前記商品の売上数の増減に与える影響を取り除いた、日別の第4の調整済み売上数を算出する休日調整手段と、
前記記憶手段を参照して、各日の曜日を識別し、曜日別の第4の調整済み売上数に基づいて、各曜日が前記商品の売上数の増減に与える影響を取り除いた、日別の第5の調整済み売上数を算出する曜日調整手段と、を備える商品の売上数調整システム。 Storage means for storing the sales performance of one product in a plurality of stores within a predetermined period, by day, by store;
Sales price adjustment for obtaining the first adjusted sales number for each store by acquiring the sales number of the product and the selling price of the product from the storage means, and removing the influence of the selling price on the increase or decrease of the sales number Means,
The second day for each store, which acquires the weather of the day when the product was sold from the storage means, and removed the influence of the weather on the increase or decrease of the number of sales of the product based on the first adjusted number of sales A weather adjustment means for calculating the adjusted sales number of
Referring to the storage means, the business store and the closed store are identified by day, and the effect of the store closed on the increase or decrease in the number of sales of the product is removed based on the second adjusted number of sales. A store adjustment means for calculating another third adjusted number of sales;
Referring to the storage means, holidays and weekdays are identified by day, the third adjusted sales number of holidays and the third adjusted sales number of weekdays are compared, and the holidays indicate the number of sales of the product. A holiday adjustment means for calculating a fourth adjusted number of sales by day, which removes the effect on the increase or decrease of
By referring to the storage means, the day of the week is identified, and the influence of each day on the increase or decrease in the number of sales of the product is eliminated based on the fourth adjusted sales number for each day of the week. A sales day adjustment system for a product, comprising: a day of the week adjustment means for calculating a fifth adjusted sales quantity.
前記記憶手段から前記商品の売上数および前記商品の売価を取得し、前記売価が前記売上数の増減に与える影響を取り除いた、日別店舗別の第1の調整済み売上数を算出する売価調整処理と、
前記記憶手段から前記商品を販売した日の天気を取得し、第1の調整済み売上数に基づいて、天気が前記商品の売上数の増減に与える影響を取り除いた、日別店舗別の第2の調整済み売上数を算出する天気調整処理と、
前記記憶手段を参照して、営業店舗と休業店舗とを日別に識別し、第2の調整済み売上数に基づいて、店舗の休業が前記商品の売上数の増減に与える影響を取り除いた、日別の第3の調整済み売上数を算出する店舗調整処理と、
前記記憶手段を参照して、休日と平日とを日別に識別し、休日の第3の調整済み売上数と平日の第3の調整済み売上数とを比較して、休日が前記商品の売上数の増減に与える影響を取り除いた、日別の第4の調整済み売上数を算出する休日調整処理と、
前記記憶手段を参照して、各日の曜日を識別し、曜日別の第4の調整済み売上数に基づいて、各曜日が前記商品の売上数の増減に与える影響を取り除いた、日別の第5の調整済み売上数を算出する曜日調整処理と、を備える商品の売上数調整方法。 A method of adjusting the number of sales performed by a computer having a storage means for storing sales results of one product at a plurality of stores within a predetermined period, by day, by store,
Sales price adjustment for obtaining the first adjusted sales number for each store by acquiring the sales number of the product and the selling price of the product from the storage means, and removing the influence of the selling price on the increase or decrease of the sales number Processing,
The second day for each store, which acquires the weather of the day when the product was sold from the storage means, and removed the influence of the weather on the increase or decrease of the number of sales of the product based on the first adjusted number of sales A weather adjustment process to calculate the adjusted sales for
Referring to the storage means, the business store and the closed store are identified by day, and the effect of the store closed on the increase or decrease in the number of sales of the product is removed based on the second adjusted number of sales. A store adjustment process to calculate another third adjusted sales number;
Referring to the storage means, holidays and weekdays are identified by day, the third adjusted sales number of holidays and the third adjusted sales number of weekdays are compared, and the holidays indicate the number of sales of the product. A holiday adjustment process to calculate the fourth adjusted number of sales per day, which removes the impact on
By referring to the storage means, the day of the week is identified, and the influence of each day on the increase or decrease in the number of sales of the product is eliminated based on the fourth adjusted sales number for each day of the week. A method for adjusting the number of sales of a product, comprising: day-of-week adjustment processing for calculating a fifth adjusted number of sales.
前記記憶手段から前記商品の売上数および前記商品の売価を取得し、前記売価が前記売上数の増減に与える影響を取り除いた、日別店舗別の第1の調整済み売上数を算出する売価調整処理と、
前記記憶手段から前記商品を販売した日の天気を取得し、第1の調整済み売上数に基づいて、天気が前記商品の売上数の増減に与える影響を取り除いた、日別店舗別の第2の調整済み売上数を算出する天気調整処理と、
前記記憶手段を参照して、営業店舗と休業店舗とを日別に識別し、第2の調整済み売上数に基づいて、店舗の休業が前記商品の売上数の増減に与える影響を取り除いた、日別の第3の調整済み売上数を算出する店舗調整処理と、
前記記憶手段を参照して、休日と平日とを日別に識別し、休日の第3の調整済み売上数と平日の第3の調整済み売上数とを比較して、休日が前記商品の売上数の増減に与える影響を取り除いた、日別の第4の調整済み売上数を算出する休日調整処理と、
前記記憶手段を参照して、各日の曜日を識別し、曜日別の第4の調整済み売上数に基づいて、各曜日が前記商品の売上数の増減に与える影響を取り除いた、日別の第5の調整済み売上数を算出する曜日調整処理と、を行う商品の売上数調整のためのコンピュータプログラム。 When executed on a computer equipped with storage means for storing the sales performance of one product at a plurality of stores within a predetermined period, by day, by store,
Sales price adjustment for obtaining the first adjusted sales number for each store by acquiring the sales number of the product and the selling price of the product from the storage means, and removing the influence of the selling price on the increase or decrease of the sales number Processing,
The second day for each store, which acquires the weather of the day when the product was sold from the storage means, and removed the influence of the weather on the increase or decrease of the number of sales of the product based on the first adjusted number of sales A weather adjustment process to calculate the adjusted sales for
Referring to the storage means, the business store and the closed store are identified by day, and the effect of the store closed on the increase or decrease in the number of sales of the product is removed based on the second adjusted number of sales. A store adjustment process to calculate another third adjusted sales number;
Referring to the storage means, holidays and weekdays are identified by day, the third adjusted sales number of holidays and the third adjusted sales number of weekdays are compared, and the holidays indicate the number of sales of the product. A holiday adjustment process to calculate the fourth adjusted number of sales per day, which removes the impact on
By referring to the storage means, the day of the week is identified, and the influence of each day on the increase or decrease in the number of sales of the product is eliminated based on the fourth adjusted sales number for each day of the week. A computer program for adjusting the sales number of a product for performing day-of-week adjustment processing for calculating a fifth adjusted sales number.
前記過去の複数の日の調整済み売上数に基づいて、将来の調整済み売上数を予測する手段と、
前記将来の調整済み売上数に前記変動要因による変動の影響を付加して、将来の売上数の予測値を算出する手段と、を備える商品の需要予測システム。 Means for storing, for a plurality of past days, the adjusted number of sales obtained by removing the influence of fluctuation due to the fluctuation factor of the number of sales from the number of sales of one product;
Means for predicting future adjusted sales numbers based on the adjusted sales numbers of the past days;
Means for calculating the predicted value of the future number of sales by adding the influence of the fluctuation due to the fluctuation factor to the adjusted number of future sales.
将来の販売条件を記憶する手段と、をさらに備え、
前記算出手段は、前記将来の調整済み売上数、前記寄与度および前記販売条件に基づいて将来の売上数の予測値を算出する請求項22記載の商品の需要予測システム。 Means for storing a contribution indicating the degree of influence of the fluctuation factor on the fluctuation in the number of sales;
Means for storing future sales conditions,
23. The commodity demand prediction system according to claim 22, wherein the calculating means calculates a predicted value of the number of future sales based on the number of future adjusted sales, the contribution, and the sales conditions.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008300236A JP5031715B2 (en) | 2008-11-25 | 2008-11-25 | Product demand forecasting system, product sales volume adjustment system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008300236A JP5031715B2 (en) | 2008-11-25 | 2008-11-25 | Product demand forecasting system, product sales volume adjustment system |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003125753A Division JP4296026B2 (en) | 2003-04-30 | 2003-04-30 | Product demand forecasting system, product sales volume adjustment system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009043291A true JP2009043291A (en) | 2009-02-26 |
JP5031715B2 JP5031715B2 (en) | 2012-09-26 |
Family
ID=40443901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008300236A Expired - Fee Related JP5031715B2 (en) | 2008-11-25 | 2008-11-25 | Product demand forecasting system, product sales volume adjustment system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5031715B2 (en) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125531A (en) * | 2013-12-26 | 2015-07-06 | 株式会社日本総合研究所 | Future passbook display system, display method and display program |
CN108389073A (en) * | 2018-01-29 | 2018-08-10 | 北京三快在线科技有限公司 | Automatic calculating method and system, the electronic equipment and storage medium of commodity price |
KR102050855B1 (en) * | 2019-03-25 | 2020-01-08 | 강태기 | Apparatus and method for forecasting demand |
JP2020035011A (en) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | Data processing device and data processing method |
CN111178622A (en) * | 2019-12-25 | 2020-05-19 | 北京三快在线科技有限公司 | Information prediction method, information prediction device, electronic equipment and computer readable medium |
WO2020261448A1 (en) * | 2019-06-26 | 2020-12-30 | 日本電信電話株式会社 | Prediction device, prediction method, and prediction program |
US11361329B2 (en) | 2017-06-01 | 2022-06-14 | Walmart Apollo, Llc | Systems and methods for generating optimized market plans |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01224864A (en) * | 1988-03-04 | 1989-09-07 | Hitachi Ltd | Automatic order placing system |
JPH04353970A (en) * | 1991-05-30 | 1992-12-08 | Fujitsu Ltd | Optimum stocking prediction system |
JPH05113983A (en) * | 1991-06-13 | 1993-05-07 | Mitsuo Nagamachi | Merchandise ordering system |
JPH05189406A (en) * | 1992-01-17 | 1993-07-30 | Meidensha Corp | Customer number/sales estimating device applying fuzzy inference |
JPH0764965A (en) * | 1993-08-30 | 1995-03-10 | Hitachi Ltd | Method for predicting sales quantity |
JPH08115369A (en) * | 1994-10-17 | 1996-05-07 | Hitachi Ltd | Sales amount prediction system |
JPH08212191A (en) * | 1995-02-06 | 1996-08-20 | Sanyo Electric Co Ltd | Commodity sales estimation device |
JPH09101947A (en) * | 1995-10-06 | 1997-04-15 | Hitachi Ltd | Time series forcasting method |
JPH09179850A (en) * | 1995-12-25 | 1997-07-11 | Hitachi Ltd | Demand prediction model evaluating method |
JPH10143490A (en) * | 1996-11-07 | 1998-05-29 | Fujitsu Ltd | Demand prediction method, demand prediction system and recording medium |
JPH10240799A (en) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | Support device for new store opening evaluation |
JPH11213036A (en) * | 1998-01-30 | 1999-08-06 | Seven Eleven Japan Co Ltd | Business exhibition calender notice system |
JP2000503434A (en) * | 1996-01-18 | 2000-03-21 | ストラテジック ウェザー サービスィズ | System and method for weather adaptive performance forecasting |
JP2001167168A (en) * | 1999-12-07 | 2001-06-22 | Nec Software Chubu Ltd | Merchandise ordering supporting device, merchandise ordering supporting method and recording medium |
JP2002024350A (en) * | 2000-07-03 | 2002-01-25 | Kasumi Co Ltd | Retail store managing system |
JP2002133026A (en) * | 2000-10-18 | 2002-05-10 | Ns Solutions Corp | Work support system, operation support system and recording medium |
JP2002149780A (en) * | 2000-11-10 | 2002-05-24 | Yoshio Shimizu | Rotary susi selling store operation system |
-
2008
- 2008-11-25 JP JP2008300236A patent/JP5031715B2/en not_active Expired - Fee Related
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH01224864A (en) * | 1988-03-04 | 1989-09-07 | Hitachi Ltd | Automatic order placing system |
JPH04353970A (en) * | 1991-05-30 | 1992-12-08 | Fujitsu Ltd | Optimum stocking prediction system |
JPH05113983A (en) * | 1991-06-13 | 1993-05-07 | Mitsuo Nagamachi | Merchandise ordering system |
JPH05189406A (en) * | 1992-01-17 | 1993-07-30 | Meidensha Corp | Customer number/sales estimating device applying fuzzy inference |
JPH0764965A (en) * | 1993-08-30 | 1995-03-10 | Hitachi Ltd | Method for predicting sales quantity |
JPH08115369A (en) * | 1994-10-17 | 1996-05-07 | Hitachi Ltd | Sales amount prediction system |
JPH08212191A (en) * | 1995-02-06 | 1996-08-20 | Sanyo Electric Co Ltd | Commodity sales estimation device |
JPH09101947A (en) * | 1995-10-06 | 1997-04-15 | Hitachi Ltd | Time series forcasting method |
JPH09179850A (en) * | 1995-12-25 | 1997-07-11 | Hitachi Ltd | Demand prediction model evaluating method |
JP2000503434A (en) * | 1996-01-18 | 2000-03-21 | ストラテジック ウェザー サービスィズ | System and method for weather adaptive performance forecasting |
JPH10143490A (en) * | 1996-11-07 | 1998-05-29 | Fujitsu Ltd | Demand prediction method, demand prediction system and recording medium |
JPH10240799A (en) * | 1997-02-27 | 1998-09-11 | Nri & Ncc Co Ltd | Support device for new store opening evaluation |
JPH11213036A (en) * | 1998-01-30 | 1999-08-06 | Seven Eleven Japan Co Ltd | Business exhibition calender notice system |
JP2001167168A (en) * | 1999-12-07 | 2001-06-22 | Nec Software Chubu Ltd | Merchandise ordering supporting device, merchandise ordering supporting method and recording medium |
JP2002024350A (en) * | 2000-07-03 | 2002-01-25 | Kasumi Co Ltd | Retail store managing system |
JP2002133026A (en) * | 2000-10-18 | 2002-05-10 | Ns Solutions Corp | Work support system, operation support system and recording medium |
JP2002149780A (en) * | 2000-11-10 | 2002-05-24 | Yoshio Shimizu | Rotary susi selling store operation system |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015125531A (en) * | 2013-12-26 | 2015-07-06 | 株式会社日本総合研究所 | Future passbook display system, display method and display program |
US11361329B2 (en) | 2017-06-01 | 2022-06-14 | Walmart Apollo, Llc | Systems and methods for generating optimized market plans |
CN108389073A (en) * | 2018-01-29 | 2018-08-10 | 北京三快在线科技有限公司 | Automatic calculating method and system, the electronic equipment and storage medium of commodity price |
JP2020035011A (en) * | 2018-08-27 | 2020-03-05 | 株式会社日立製作所 | Data processing device and data processing method |
KR102050855B1 (en) * | 2019-03-25 | 2020-01-08 | 강태기 | Apparatus and method for forecasting demand |
WO2020261448A1 (en) * | 2019-06-26 | 2020-12-30 | 日本電信電話株式会社 | Prediction device, prediction method, and prediction program |
JPWO2020261448A1 (en) * | 2019-06-26 | 2020-12-30 | ||
JP7400819B2 (en) | 2019-06-26 | 2023-12-19 | 日本電信電話株式会社 | Prediction device, prediction method, and prediction program |
US12001440B2 (en) | 2019-06-26 | 2024-06-04 | Nippon Telegraph And Telephone Corporation | Prediction device, prediction method, and prediction program |
CN111178622A (en) * | 2019-12-25 | 2020-05-19 | 北京三快在线科技有限公司 | Information prediction method, information prediction device, electronic equipment and computer readable medium |
Also Published As
Publication number | Publication date |
---|---|
JP5031715B2 (en) | 2012-09-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110392899B (en) | Dynamic feature selection for model generation | |
US10592811B1 (en) | Analytics scripting systems and methods | |
JP7147561B2 (en) | Order quantity determination system, order quantity determination method and order quantity determination program | |
US11093893B2 (en) | Apparatus and method of maintaining accurate perpetual inventory information | |
US8374903B2 (en) | Information criterion-based systems and methods for constructing combining weights for multimodel forecasting and prediction | |
JP5031715B2 (en) | Product demand forecasting system, product sales volume adjustment system | |
US20020099596A1 (en) | Dynamic ratemaking for insurance | |
JP5337174B2 (en) | Demand prediction device and program thereof | |
US20140310059A1 (en) | System , method and computer program forecasting energy price | |
US10740679B1 (en) | Analytics scripting systems and methods | |
JP5611254B2 (en) | Demand prediction apparatus and program | |
US20160086284A1 (en) | System and method for providing revenue protection based on weather derivatives and merchant transaction data | |
JP4296026B2 (en) | Product demand forecasting system, product sales volume adjustment system | |
JP4988687B2 (en) | Product demand forecasting system and year-end and New Year product demand forecasting system | |
JP5750468B2 (en) | Demand prediction apparatus and program | |
JP5758425B2 (en) | Demand prediction apparatus and program | |
JP5847137B2 (en) | Demand prediction apparatus and program | |
JP4296027B2 (en) | Product demand forecast system | |
Tunacan et al. | The impact of information sharing on different performance indicators in a multi-level supply chain | |
JP2004334327A (en) | Ordering proposal system and method | |
WO2022201946A1 (en) | Discount plan generation device, discount plan generation method, and recording medium storing discount plan generation program | |
JP7387422B2 (en) | Order recommendation system, order recommendation method, and program | |
US7783533B1 (en) | System and method for entity selection optimization | |
JP5756485B2 (en) | Demand prediction apparatus and program | |
JP7433892B2 (en) | Demand forecasting device, demand forecasting method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081224 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20081224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110809 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111006 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120417 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120528 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120619 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120627 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150706 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |