[发明专利]一种数据分析方法和装置

权利要求书

1.一种数据分析方法，其特征在于，包括：

根据往期所有物品的总销售指标预测目标时间段内所有物品的总销售指标；

根据往期目标物品所属品类的品类占比预测目标时间段内目标物品所属品类的品类占比；

根据往期目标物品在所属品类的销售指标占比预测目标时间段内目标物品在所属品类的销售指标占比；

根据目标时间段内的总销售指标、目标物品所属品类的品类占比以及目标物品在所属品类的销售指标占比预测目标物品的销售指标。

2.如权利要求1所述的方法，其特征在于，根据往期所有物品的总销售指标预测目标时间段内所有物品的总销售指标，包括：根据往期多个时间段内所有物品的总销售指标，按照如下预测公式预测目标时间段内所有物品的理论总销售指标，根据理论总销售指标预测目标时间段内所有物品的总销售指标：

式中，order_n表示目标时间段内所有物品的理论总销售指标；M表示往期的时间段数量，1≤M≤n-1；order_n-m表示第(n-m)个时间段内所有物品的总销售指标；α_n-m表示第(n-m)个时间段内所有物品的总销售指标的权重；ε₁表示预测偏差。

3.如权利要求2所述的方法，其特征在于，根据理论总销售指标预测目标时间段内所有物品的总销售指标，包括：根据理论总销售指标，按照如下修正公式预测目标时间段内所有物品的总销售指标：

order＝ω₁×order_n+ω₂×μ×order_n-1

式中，order表示目标时间段内所有物品的总销售指标；μ表示预设的增幅比例，μ×order_n-1表示增幅量；ω₁表示理论总销售指标的权重；ω₂表示增幅量的权重。

4.如权利要求1所述的方法，其特征在于，根据往期目标物品所属品类的品类占比预测目标时间段内目标物品所属品类的品类占比，包括：

选取多个时间窗口，以各个时间窗口内多个品类的品类占比训练时序模型和GBRT模型；将训练好的时序模型和GBRT模型融合得到品类预测模型；以各个时间窗口内目标物品所属品类的品类占比作为输入，利用品类预测模型预测目标时间段内目标物品所属品类的品类占比。

5.如权利要求4所述的方法，其特征在于，品类预测模型为：

式中，y表示目标时间段内目标物品所属品类的品类占比；r_hw表示时序模型预测的目标时间段内目标物品所属品类的品类占比，r_gbrt表示GBRT模型预测的目标时间段内目标物品所属品类的品类占比；表示r_hw的修正系数，表示r_gbrt的修正系数；β₁表示r_hw的权重，β₂表示r_gbrt的权重，ε₂表示品类预测模型的预测偏差。

6.如权利要求5所述的方法，其特征在于，和的取值满足如下条件：

式中，S_y表示第y个样本的真实值，B表示样本量，Q表示预设的阈值。

7.如权利要求4所述的方法，其特征在于，以各个时间窗口内多个品类的品类占比训练时序模型和GBRT模型之前，还包括：确认该所述多个时间窗口满足如下条件：

式中，x_ij为第i个品类在第j个时间窗口内的品类占比，为一组时间序列；σ，μ分别为第i个品类在各个时间窗口内的品类占比的标准差和均值；A为时间窗口的数量；γ，θ为弹性系数；I为示性函数，x_ij≤μ+θσ时I＝0、x_ij＞μ+θσ时I＝1；P表示概率。