[发明专利]一种生鲜门店智能订货系统

说明书

本发明公开了一种生鲜门店智能订货系统，包括：商品销量预测模块，用于确定打折促销的时间点，并且对各个商品的打折促销前的销量进行预测；订货模块，用于确定每个商品的实际订货量；以及促销模块，用于从商品销量预测模块获取打折促销的时间点，以及打折促销的时间点之后商品的打折数。本发明系统给门店提供每天各个商品的订货量建议值，让订货更简单更智能；具有对商品合理客观订货、统筹规划生鲜门店可销售商品的丰富度等特点，不但能最大限度解决门店因商品进货过多或过少而损耗或供货不足的问题，而且可提供一套门店促销方案提升门店顾客的消费体验，提升生鲜市门店的客户购买体验。

技术领域

本发明涉及数据挖掘及运筹学技术领域，具体涉及一种生鲜门店智能订货系统。

背景技术

在一些生鲜门店，对货物新鲜度的要求非常高。这些市场或门店传统的订货方法是根据店员或店长的经验订货，存在着很大的个人主观性，并对订货人的门店管理经验要求较高。这种传统的订货方法时常会因进货过多导致商品当天无法出售而变质等损耗，或者因进货较少导致商品供给不足。进货过多或者过少都会对企业的经营不利，同时也影响顾客的消费体验。

发明内容

针对现有技术中存在的问题，本发明提出一种生鲜门店智能订货系统，通过数据挖掘技术和运筹学等优化方法为生鲜门店提供当天的各个商品的订货建议值，解决生鲜门店订货不合理的问题，让商品损耗率最大限度降低、在售商品丰富度更大，为门店获取更多的利润。

为了实现上述任务，本发明采用以下技术方案：

一种生鲜门店智能订货系统，包括：

商品销量预测模块，用于确定打折促销的时间点，并且对各个商品的打折促销前的销量进行预测；

订货模块，用于确定每个商品的实际订货量；

其中，所述的对各个商品的打折促销前的销量进行预测，包括：

获取门店的历史销售数据，并进行异常值、缺失值的处理，之后进行特征挖掘，将挖掘的数据作为训练集，将训练集数据输入到支持向量机算法与k近邻算法融合后的预测模型中进行训练，得出商品销量预测模型，通过预测模型得到每个商品的预测销量；

所述的确定每个商品的实际订货量，包括：

建立订货模型，并对订货模型进行求解，得到每个商品的理想订货量，根据损耗统计信息和理想订货量，求出各个商品的实际订货量提供给门店。

进一步地，所述的确定打折促销的时间点，包括：

以门店历史销售数据做分析，统计历史销售数据中各个时间段的客单量平均值，取客单量占比为85％左右的整点时间作为该家门店以后打折促销的时间点。

进一步地，所述的异常值、缺失值的处理，包括：

针对于门店的历史销售数据，采用lowess方法对打折促销前各个商品的销量数据进行平滑，设置阈值，将异常值和平滑后的值进行比较，如果超过阈值，则进行剔除；

对于商品的销售数据中的缺失值，依次采用上周同天销量、同周销量中值、或同月销量的中值进行填充。

进一步地，所述的进行特征挖掘，具体包括：

对影响商品销量的几个主要特征进行挖掘：历史销量特征、价格变化特征、温度特征、周期性特征；

选择过去7天每一个商品的销量的均值、中值、标准差、调和平均值作为历史销量特征；

利用各个商品的当天价格与商品过去7天价格中值的比例作为价格变化特征；

将每5℃划分为一个刻度，将温度进行离散化并作为温度特征；

对月进行傅里叶变化作为周期性特征。