[发明专利]数据预测方法及装置

说明书

技术领域

本发明涉及数据挖掘技术领域，特别涉及一种数据预测方法及装置。

背景技术

通常来讲，商家的备货方式是将商品从厂家或供应商统一采购至全国各RDC(Regional Distribution Center，区域分发中心)，每个区域分发中心会覆盖多个FDC(Front Distribution Center，前端物流中心)，购物用户下订单后，就近的FDC有货时商家将从就近FDC发货，就近的FDC无货时将通过RDC内配调拨至FDC或直接从RDC发货。

对于FDC的备货数量而言，传统方法主要是通过历史销量数据对全国各FDC进行未来一段时间的销量数据进行预测。例如，通过商家大数据平台获取全国各FDC的历史最近两周销量，通过加权平均方法，通过近一周周总销量以及次近一周周总销量的加权和预测未来一周周总销量。对于FDC调拨量的计算，传统方法是利用调拨系统根据全国FDC设置安全库存天数、目标库存天数以及未来日均FDC预测销量计算得出每日调拨量，以此实现支持全国FDC每日的自动调拨生产业务。

然而，传统方法预测得到的商品销量往往不够准确。预测得到的商品销量不够准确导致FDC的库存量不足，进而导致FDC所覆盖的城市销售额偏低、配送时效相对较差。

发明内容

本发明解决的一个技术问题是，如何实现对商品销量更准确的预测。

根据本发明实施例的一个方面，提供了一种数据预测方法，包括：利用商品的历史销量数据，生成商品的销量特征；利用促销计划数据，生成销量预测白名单；利用销量预测白名单中的商品的销量特征进行Boosting预测处理，以对销量预测白名单中的商品的促销销量进行预测。

在一些实施例中，该数据预测方法还包括：利用商品的历史调拨数据，计算商品的本地满足率；将本地满足率低于预设值的商品加入销量预测白名单，以便对销量预测白名单更新。

在一些实施例中，将本地满足率低于预设值的商品加入销量预测白名单包括：若在预设持续时间内，商品的本地满足率低于预设值，则将商品加入销量预测白名单。

在一些实施例中，商品的历史调拨数据包括商品的本地销量以及商品的调拨量；计算商品的本地满足率包括：将商品的本地销量与商品的调拨量的差值，与商品的本地销量作比，得到商品的本地满足率。

在一些实施例中，该数据预测方法还包括：利用商品的历史调拨数据，计算商品的调拨偏低量；利用商品的调拨偏低量进行Boosting预测处理。

在一些实施例中，计算商品的调拨偏低量包括：将商品的历史调拨数据中的不同时段的调拨量取平均，得到商品的调拨偏低量。

在一些实施例中，商品的历史销量数据包括商品的促销价格、商品在历史促销期间的日均销量、商品在非促销期间的日均销量、商品在预设日期至今的日均销量。

在一些实施例中，利用促销计划数据，生成销量预测白名单包括：从促销计划数据中，筛选促销计划中的商品；若促销计划正在进行，则将促销期间日均销量相比非促销期间日均销量的增幅大于第一阈值的商品加入销量预测白名单；若促销计划尚未进行，则将商品在预设日期至今的日均销量大于第二阈值的商品加入销量预测白名单。

在一些实施例中，若在促销期间的预设持续时间内，商品的日均销量相比非促销期间日均销量的增幅大于第一阈值，则将商品加入销量预测白名单；若在非促销期间的预设持续时间内，商品在预设日期至今的日均销量大于第二阈值，则将商品加入销量预测白名单。

在一些实施例中，Boosting预测处理采用的机器学习模型为XGBoost模型或者GBDT模型。

在一些实施例中，该数据预测方法还包括：利用销量预测白名单中的部分商品的销量特征以及部分商品的实际促销销量，以对Boosting预测处理采用的机器学习模型进行训练。

根据本发明实施例的另一个方面，提供了一种数据预测装置，包括：销量特征生成单元，被配置为利用商品的历史销量数据，生成商品的销量特征；销量预测白名单生成单元，被配置为利用促销计划数据，生成销量预测白名单；销量预测单元，被配置为利用销量预测白名单中的商品的销量特征进行Boosting预测处理，以对销量预测白名单中的商品的促销销量进行预测。

在一些实施例中，该数据预测装置还包括：本地满足率计算单元，被配置为利用商品的历史调拨数据，计算商品的本地满足率；销量预测白名单更新单元，被配置为将本地满足率低于预设值的商品加入销量预测白名单，以便对销量预测白名单更新。