[发明专利]预估损失的方法、装置、电子装置及计算机可读介质

说明书

技术领域

本公开总体涉及互联网技术领域，具体而言，涉及一种预估损失的方法、装置、电子装置及计算机可读介质。

背景技术

随着互联网的快速发展和迭代更新，展望未来，从大的格局来掌控行业实时动态信息固然重要；把握当下，做好各个阶段的精细化管理，实现各环节的紧密高效运转也同样异常关键。根据以往的历史情况，从中捕捉到核心数据信息，对现有关键指标的智能化监控预警和损失预估，帮助管理层及时发现问题原因和影响范围，快速调整决策和战略布局，为管理层的最短链路提供数据支撑和依据。

目前管理层的各种核心业绩数据，均是和预算预测达成进行预警，没有对各个影响业绩因子进行进一步的深入分析。

因此，现有技术中的技术方案还存在有待改进之处。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种预估损失的方法、装置、电子装置及计算机可读介质，解决上述技术问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提供一种预估损失的方法，包括：

以统计单位进行统计，得到历史销售数据和当前销售数据；

对与销售相关的各量化因子的历史数据和当前数据进行分析计算，得到各量化因子所对应的因子参考值；

根据所述历史销售数据、所述当前销售数据和所述各量化因子所对应的因子参考值进行损失预估。

在本公开的一个实施例中，对与销售相关的各量化因子的历史数据和当前数据进行分析计算，得到各量化因子所对应的因子参考值包括：

在考虑星期元素的前提下计算所述各量化因子的上个月对应星期均值、去年同期月对应星期均值和去年同期上月对应星期均值；

根据所述各量化因子的所述去年同期月对应星期日均值和所述去年同期上月对应星期均值计算相应的去年同期月日均环比，计算公式为：

去年同期月日均环比＝(去年同期月对应星期均值-去年同期上月对应星期均值)/去年同期上月对应星期均值*100％；

根据所述各量化因子的所述上个月对应星期日均值和所述去年同期月日均环比计算得到所述因子参考值，计算公式为：

因子参考值＝上个月对应星期均值*(1+去年同期月日均环比)。

在本公开的一个实施例中，所述与销售相关的各量化因子包括：页面浏览量PV；

对于PV计算昨日损失预估，计算公式为：

昨日损失预估＝统计单位内昨日销售总额*(昨日因子值/因子参考值-1)；

对于PV计算月至今损失预估，计算公式为：

月至今损失预估＝统计单位内月至今销售总额*(月至今日均因子值/因子参考值-1)；

其中所述月至今日均因子值＝月至今累计因子值/月至今天数；

所述当前销售数据为所述昨日销售总额，所述月至今销售总额为当月的月初至昨日的销售数据总额，所述昨日因子值为昨日PV数据，所述月至今累计因子值为当月的月初至昨日的PV数据之和，所述月至今天数为当月月初至昨日的天数。

在本公开的一个实施例中，所述与销售相关的各量化因子还包括：PV现货率、PV转化率、出库率、取消金额占比和退货金额占比；

对于PV现货率、PV转化率、出库率、取消金额占比和退货金额占比计算昨日损失预估，计算公式为：

昨日损失预估＝统计单位内昨日销售总额*(昨日因子值-因子参考值)；

对于PV现货率、PV转化率、出库率、取消金额占比和退货金额占比计算月至今损失预估，计算公式为：

月至今损失预估＝统计单位内月至今销售总额*(月至今日均因子值-因子参考值)。

在本公开的一个实施例中，还包括：

当正向因子的昨日损失预估大于所述统计单位内昨日销售总额的比例阈值时；或当正向因子的月至今损失预估大于所述统计单位内月至今销售总额的比例阈值时，进行预警；

当逆向因子的昨日损失预估的绝对值大于所述统计单位内昨日销售总额的比例阈值时；或当逆向因子的月至今损失预估的绝对值大于所述统计单位内月至今销售总额的比例阈值时，进行预警；

其中所述PV、所述PV现货率、所述PV转化率、所述出库率均为所述正向因子，所述取消金额占比和所述退货金额占比均为逆向因子。

根据本公开的再一方面，提供一种预估损失的装置，包括：