本发明涉及库存与销量管理技术领域，尤其涉及一种基于大数据的产品库存与销量的预测辅助系统。
背景技术：
企业库存管理通过人工下单，在下单前，通过人工进行商品核算，再结合个人的从事经验进行人工预测数量，确定企业需要的下单量，该方式不仅浪费企业成本，对于员工个人而言，所需要花费的时间和精力也较多，另外，不同人所计算得出结果也存在较大的偏差，这对于企业发展显然是不利的，而且对于销量的不确定无法布置库存。
技术实现要素：
本发明的目的在于：为了解决上述的问题，而提出的一种基于大数据的产品库存与销量的预测辅助系统。
为了实现上述目的，本发明采用了如下技术方案：
信息获取模块：信息获取模块包括产品信息(面料、颜色和形状)、相关产品的信息、目前的热点信息、历史销量的变化信息与sku信息。
特征获取模块：特征获取模块用于分析销售产品以及相关销售产品的特征信息，确定产品的购买人群信息。
数据处理模块：数据处理模块包括销量产品的历史销量、购买人群分类、销量指数波动图与热点信息带动的销量。
评估模块：评估模块用于对产品的信息、特征与销售数据的评估，将输入的产品历史数据进行分析统计，对处理后的数据进行评估销售产品的市场需求数以及竞争厂家的产品销售情况进行分析。
销量预测模块：通过评估模块进行预演产品从上架销售后的未来销量，同时计算出所需的产品库存，库存与销量的动态平衡，得出所需的产品最大库存。
作为上述技术方案的进一步描述：
所述数据处理模块倒入数据后需要进行预处理，预处理包括：零售商裸数据加载，数据准确性检查，数据清洗，数据映射，标准化编号。数据处理后进行储存，即为储存数据、进行下一步的销量预测。例如：经过预处理后的数据源存储至sqlserver结构化数据库；在sqlserver数据库进行基本的数据规整、数据清洗后，参与销量计算的数据会被加载到数据仓库工具便于运算推演预计销量。
作为上述技术方案的进一步描述：
所述数据处理模块进行购买人群的人物画像描述，分析购买人群的性别，年龄，地域，商品偏好，性格，色彩偏好，购买的产品价格区间。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1、本发明中，通过对大数据的输入进行预演产品的销量，能够提前部署产品生产所需的库存，从而安排适当的工作人员进行打包等工作，能有效防止库存跟不上销量，以及库存不足等现象。
附图说明
图1为本发明提出的一种基于大数据的产品库存与销量的预测辅助系统的各模块结构示意图；
图2为本发明提出的一种基于大数据的产品库存与销量的预测辅助系统的人群画像结构示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-2，一种基于大数据的产品库存与销量的预测辅助系统，包括：
信息获取模块：信息获取模块包括产品信息(面料、颜色和形状)、相关产品的信息、目前的热点信息、历史销量的变化信息与sku信息。
特征获取模块：特征获取模块用于分析销售产品以及相关销售产品的特征信息，确定产品的购买人群信息，特征数据包括：销量特征数据；输入的原始数据包括历史销量数据，销量特征数据是从处理后销量数据中根据预测品类及输入的时间信息得到的；处理后销量数据是指对预处理后的历史销量数据经过数据处理得到的数据。
数据处理模块：数据处理模块包括销量产品的历史销量、购买人群分类、销量指数波动图与热点信息带动的销量。
评估模块：评估模块用于对产品的信息、特征与销售数据的评估，将输入的产品历史数据进行分析统计，对处理后的数据进行评估销售产品的市场需求数以及竞争厂家的产品销售进行分析。
销量预测模块：通过评估模块进行预演产品从上架销售后的未来销量，同时计算出所需的产品库存，库存与销量的动态平衡，得出所需的产品最大库存，从存储的经过了数据处理后的预处理的原始数据中，选择一定数量(可采用滑窗法)的特征数据作为训练测试集，训练集和测试集根据时间点划分。例如：选择一年的数据作为训练测试集，时间点在前2/3的作为训练集，时间点在后1/3的作为测试集，训练测试历史数据预演后可以用来进行与实际情况进行比对，从而得出预演的偏差情况，从而能够提前进行sku调节。
预处理包括：零售商裸数据加载，数据准确性检查，数据清洗，数据映射，标准化编号。数据处理后进行储存，即为储存数据、进行下一步的销量预测。例如：经过预处理后的数据源存储至sqlserver结构化数据库；在sqlserver数据库进行基本的数据规整、数据清洗后，参与销量计算的数据会被加载到数据仓库工具便于运算推演预计销量。
数据处理模块进行购买人群的人物画像描述，分析购买人群的性别，年龄，地域，商品偏好(比如：面料、颜色和形状)，性格，色彩偏好，购买的产品价格区间，以便于对购买过的顾客进行分析分类，便于商家对产品针对顾客进行改变，满足顾客的需求。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
1.一种基于大数据的产品库存与销量的预测辅助系统，其特征在于，包括：
信息获取模块：信息获取模块包括产品信息(面料、颜色和形状)、相关产品的信息、目前的热点信息、历史销量的变化信息与sku信息。
特征获取模块：特征获取模块用于分析销售产品以及相关销售产品的特征信息，确定产品的购买人群信息。
数据处理模块：数据处理模块包括销量产品的历史销量、购买人群分类、销量指数波动图与热点信息带动的销量。
评估模块：评估模块用于对产品的信息、特征与销售数据的评估，将输入的产品历史数据进行分析统计，对处理后的数据进行评估销售产品的市场需求数以及竞争度，竞争厂家的seo与sem优化情况带来的流量以及转化率情况。
销量预测模块：通过评估模块进行预演产品从上架销售后的未来销量，同时计算出所需的产品库存，库存与销量的动态平衡，得出所需的产品最大库存。
2.根据权利要求1所述的一种可编程控制器的编译系统，其特征在于，数据处理模块倒入数据后需要进行预处理，预处理包括：零售商裸数据加载，数据准确性检查，数据清洗，数据映射，标准化编号。数据处理后进行储存，即为储存数据、进行下一步的销量预测。例如：经过预处理后的数据源存储至sqlserver结构化数据库；在sqlserver数据库进行基本的数据规整、数据清洗后，参与销量计算的数据会被加载到数据仓库工具便于运算推演预计销量。
3.根据权利要求1所述的一种可编程控制器的编译系统，其特征在于，数据处理模块进行购买人群的人物画像描述，分析购买人群的性别，年龄，地域，商品偏好，性格，色彩偏好，购买的产品价格区间，从而预测销售哪种产品，成衣、皮具、饰品等，预测总销售额，每周的销售额，每个产品线的销售额，可从店铺的不同等级，预测总销售额，每周的销售额等。
技术总结