[发明专利]一种供应商隐藏费用预测方法、装置、服务器及存储介质

说明书

本发明提供一种供应商隐藏费用预测方法、装置、服务器及存储介质，通过获取清场供应商的营销数据，利用单子树lightgbm算法对各清场供应商按照固有特征属性进行分类，针对同一分群中的清场供应商作为有监督学习的训练样本，分别进行建模训练，得到对应的第一预测模型；获取未清场的待测供应商的营销数据，利用单子树lightgbm算法对待测供应商按照固有特征属性进行分类，确定其所属的目标分群；将待测供应商的营销数据作为输入，利用目标分群对应的第一预测模型，输出预测比率；计算待测供应商的预测应扣除费用，得到其隐藏费用。本方案实现了供应商隐藏费用的预测，模型预测精度高，稳定性好，具有较高鲁棒性，基于实测数据，平均绝对误差仅2个百分点。

技术领域

本发明涉及机器学习/大数据/人工智能技术领域，尤其涉及一种供应商隐藏费用预测方法、装置、服务器及存储介质。

背景技术

供应商给核心企业供货，具体地，这里的核心企业可以是大型商超或销售平台，这些核心企业在为供应商销售货品的过程中会产生一些费用，比如货架费、仓储费、配送费、基金费、人员费用、仓储运营费，其它支出等等。这些费用会从核心企业给供应商的应付账款中减除，但这些费用由于实际操作迟滞的问题，例如供应商现金流的问题希望延期结算或者某些费用产生机制或系统等原因，可能不会及时出现在对账明细中，会把费用累加到以后固定时间节点进行结算。核心企业只能用到当前对账明细中已录入的应扣除费用，但是可能还存在一些隐藏费用未录入到对账明细中，因此这个费用往往低于实际应扣除费用，导致每次给供应商的实际付款会比真实应付账款更多。当供应商由于种种原因突然停止供货清场时，可能会给核心企业带来一定损失。目前，还没有相关解决方案，避免这种情况的发生。

发明内容

本发明提供的一种供应商隐藏费用预测方法、装置、服务器及存储介质，主要解决的技术问题是：如何预测核心企业销售供应商货品过程中已产生的潜在隐藏费用。

为解决上述技术问题，本发明提供一种供应商隐藏费用预测方法，包括：

获取清场供应商的营销数据，包括清场时对应的应扣除费用总和与历史累积销售额；

利用单子树lightgbm算法对各所述清场供应商按照固有特征属性进行分类，每一个叶子节点下的清场供应商作为一个分群；

针对同一分群中的清场供应商作为有监督学习的训练样本，以应扣除费用总和与历史累积销售额之间的比率作为训练标签，分别进行建模训练，得到对应的第一预测模型；

获取未清场的待测供应商的营销数据，包括当前对账记录中的应扣除费用和当前累积销售额；

利用所述单子树lightgbm算法对所述待测供应商按照固有特征属性进行分类，确定其所属的目标分群；

将所述待测供应商的营销数据作为输入，利用所述目标分群对应的第一预测模型，输出预测比率；

计算所述预测比率乘以所述待测供应商的当前累积销售额，作为所述待测供应商的预测应扣除费用；

计算所述预测应扣除费用减去所述待测供应商的当前对账记录中的应扣除费用，得到其隐藏费用。

可选的，所述固有特征属性包括公司注册资本、供货商品类型、月平均供货商品总价。

可选的，所述利用单子树lightgbm算法对各所述清场供应商或待测供应商按照固有特征属性进行分类时，所述单子树lightgbm算法的学习率设置为1，变量设置类别型变量。

可选的，所述建模训练采用lightgbm算法，学习率设置为0.005，损失函数为L1-Loss。

可选的，所述分别进行建模训练，得到对应的第一预测模型之后，还包括利用五折交叉进行验证测试，以平均绝对误差为评价指标，通过调整选入模型特征，进行模型优化。

本发明还提供一种供应商隐藏费用预测装置，包括：