一种基于销售波动特征提取的产值预测方法与流程
本发明涉及产值预测,具体为一种基于销售波动特征提取的产值预测方法。
背景技术:
1、在制造企业、品牌商及渠道型企业的生产经营过程中,产值预测通常作为排产计划、物料准备、产能配置及经营预算编制的基础数据。尤其对于存在价格促销、阶段性投放、节奏性发货及退货回冲现象的商品,销售量在不同统计周期内往往呈现明显波动,企业需要根据历史销售变化及时形成下一周期的产值预测结果,以降低产销失衡、库存积压及产能空转风险。
2、现有技术中,常见的产值预测方式主要包括以下几类:一类是由业务人员依据历史销量、订单情况及经验判断直接给出预测值;另一类是依据历史销量序列进行均值平滑、周期对比、趋势外推或按固定修正系数进行折算;还有一类是将促销计划、价格变化、节假日安排等经营信息作为辅助条件,对历史销售结果进行人工修正后得到预测产值。这类技术方案虽然能够在一定程度上反映历史销售水平,但多数仍以单期销量、累计销量或简单差值作为主要依据,通常将销售结果直接视为需求结果,再乘以单位价值完成产值折算。然而,在存在促销活动的业务场景中,现有技术普遍存在如下缺陷:一方面,现有技术难以区分促销驱动销量与自然需求销量,促销期间形成的短时放大销售往往被直接计入未来产值判断,容易导致后续排产偏高;另一方面,促销结束后形成的延迟影响、尾部释放及回落效应通常未被单独识别,导致促销结束后的若干周期内预测结果失真。此外,现有技术对销售波动特征的利用程度较低,通常未对相邻周期之间的波动幅值、波动比及促销后的残留影响进行结构化提取,也未能建立促销持续长度、促销结束位置与后续销量变化之间的确定性对应关系。对于存在退回件数、零销量周期及价格恢复周期的业务数据,现有技术还容易出现统计口径不统一、促销影响重复计入或未计入的问题,从而影响预测结果的稳定性和可解释性。
3、为此,本案旨在提出一种基于销售波动特征提取的产值预测方法,以企业生产计划周期为统一统计粒度,将单一商品在各离散统计周期内的发出销售件数、退回件数、商品标价、商品促销执行价以及与净销售件数对应的实际产值进行结构化整理,先形成能够反映真实净销售情况的时段化输入集,再围绕促销行为对销量波动的影响建立一套可分解、可追踪、可折算的产值预测流程。
技术实现思路
1、本发明提供了一种基于销售波动特征提取的产值预测方法,促进解决了上述背景技术中所提到的问题。
2、本发明提供如下技术方案:一种基于销售波动特征提取的产值预测方法,包括:
3、以企业生产计划周期为统计粒度建立离散统计周期序列,采集单一商品的发出销售件数、退回件数、商品标价、商品促销执行价和与净销售件数对应的实际产值,按净额口径建立单一商品的时段化输入集;
4、根据商品标价与商品促销执行价构造促销强度序列,搜索最近一次连续促销区段并获取最近一次连续促销持续长度和促销尾距;
5、根据相邻离散统计周期的净销售件数提取销售波动幅值、销售波动比和波动放大量;
6、依据最近一次连续促销区段构造促销残影记忆长度、促销残影累加上界序号和促销残影衰减核;
7、结合波动放大量、各滞后阶次对应的历史离散统计周期的促销强度和促销残影衰减核中的促销残影衰减值计算各离散统计周期的促销残影强度;
8、根据促销残影强度剥离自然销量,并依据上一离散统计周期与当前离散统计周期之间的促销残影强度下降值与自然销量计算残影释放量;
9、按照促销尾距对残影释放量进行平均化聚合,得到平均释放量,并将自然销量与平均释放量叠加生成下一离散统计周期的预测生产等价销量;
10、依据历史离散统计周期内与净销售件数对应的实际产值和历史离散统计周期内的净销售件数生成单位产值折算值,并将下一离散统计周期的预测生产等价销量折算为生产计划预测产值指标。
11、可选的,所述以企业生产计划周期为统计粒度建立离散统计周期序列,采集单一商品的发出销售件数、退回件数、商品标价、商品促销执行价和与净销售件数对应的实际产值,按净额口径建立单一商品的时段化输入集,具体包括:
12、以企业生产计划周期作为唯一统计粒度,按照从第一个离散统计周期至当前观测终点周期的顺序建立离散统计周期序列;
13、对每一个离散统计周期采集来自企业业务系统的发出销售件数、退回件数、商品标价、商品促销执行价以及与净销售件数对应的实际产值;
14、将同一离散统计周期内的发出销售件数减去退回件数,得到销售件数差值;
15、当销售件数差值为正值时,将销售件数差值作为当前离散统计周期的净销售件数;当销售件数差值为负值或等于零时,将当前离散统计周期的净销售件数取为零;
16、对采集的数据设置输入约束,使商品标价为正值,发出销售件数、退回件数和与净销售件数对应的实际产值均为非负值;
17、当净销售件数为零时,将净销售件数为零的离散统计周期内与净销售件数对应的实际产值取为零。
18、可选的,所述根据商品标价与商品促销执行价构造促销强度序列,搜索最近一次连续促销区段并获取最近一次连续促销持续长度和促销尾距,具体包括:
19、对每一个离散统计周期,将商品标价减去商品促销执行价得到促销价差,并将促销价差除以商品标价得到促销比例;当促销比例为正值时,将促销比例作为当前离散统计周期的促销强度;当促销比例为负值或等于零时,将当前离散统计周期的促销强度取为零;
20、在任一离散统计周期下,从第一个离散统计周期至当前离散统计周期搜索促销强度为正值的离散统计周期,并将促销强度为正值且序号最靠后的离散统计周期的序号作为截至当前离散统计周期的最近促销有效末端所在周期序号;
21、当不存在促销强度为正值的离散统计周期时,将截至当前离散统计周期的最近促销有效末端所在周期序号取为零;
22、当最近促销有效末端所在周期序号为正值时,从最近促销有效末端所在周期序号对应的离散统计周期向前搜索最近一次连续促销区段,并将最近一次连续促销区段中最靠前且促销强度为正值的离散统计周期的序号作为最近一次连续促销区段起始周期序号;
23、当最近促销有效末端所在周期序号为正值时,将最近促销有效末端所在周期序号减去最近一次连续促销区段起始周期序号后再加一,得到最近一次连续促销持续长度;
24、当最近促销有效末端所在周期序号为正值时,将当前离散统计周期序号减去最近促销有效末端所在周期序号,得到当前离散统计周期序号相对最近促销有效末端所在周期序号的促销尾距;
25、当最近促销有效末端所在周期序号为零时,将当前离散统计周期对应的最近一次连续促销区段起始周期序号、当前离散统计周期对应的最近一次连续促销持续长度以及当前离散统计周期对应的促销尾距均取为零。
26、可选的,所述根据相邻离散统计周期的净销售件数提取销售波动幅值、销售波动比和波动放大量,具体包括:
27、对第一个离散统计周期设置销售波动幅值初值、销售波动比初值和波动放大量初值,并将销售波动幅值、销售波动比和波动放大量均取为零;
28、对第二个离散统计周期至当前观测终点周期中的每一个离散统计周期,将当前离散统计周期的净销售件数减去上一离散统计周期的净销售件数,得到当前离散统计周期的销售波动幅值;
29、对第二个离散统计周期至当前观测终点周期中的每一个离散统计周期,将上一离散统计周期的净销售件数加一得到波动比计算基准,将当前离散统计周期的销售波动幅值除以波动比计算基准,得到当前离散统计周期的销售波动比;
30、对第二个离散统计周期至当前观测终点周期中的每一个离散统计周期,将当前离散统计周期的销售波动比加一,得到当前离散统计周期的波动放大量。
31、可选的,所述依据最近一次连续促销区段构造促销残影记忆长度、促销残影累加上界序号和促销残影衰减核,具体包括:
32、当最近促销有效末端所在周期序号为零时,不构造促销残影记忆区间,并将当前离散统计周期的促销残影记忆长度和当前离散统计周期的促销残影累加上界序号均取为零;
33、当最近促销有效末端所在周期序号为正值时,将当前离散统计周期对应的最近一次连续促销持续长度作为当前离散统计周期的促销残影记忆长度;
34、当最近促销有效末端所在周期序号为正值时,将当前离散统计周期对应的促销尾距与当前离散统计周期的促销残影记忆长度相加后再减一,得到当前离散统计周期的促销残影累加上界序号;
35、当最近促销有效末端所在周期序号为正值时,按照从零至当前离散统计周期的促销残影累加上界序号的顺序设置滞后阶次;
36、对每一个滞后阶次,将当前滞后阶次除以当前离散统计周期的促销残影记忆长度后取相反数,并对取相反数后的结果进行指数运算,得到当前离散统计周期的促销残影衰减核中当前滞后阶次对应的促销残影衰减值。
37、可选的,所述结合波动放大量、各滞后阶次对应的历史离散统计周期的促销强度和促销残影衰减核中的促销残影衰减值计算各离散统计周期的促销残影强度,具体包括:
38、当最近促销有效末端所在周期序号为零时,判定截至当前离散统计周期不存在促销记录,并将当前离散统计周期的促销残影强度取为零;
39、当最近促销有效末端所在周期序号为正值时,按照从零至当前离散统计周期的促销残影累加上界序号的顺序读取各滞后阶次;
40、对每一个滞后阶次,读取当前离散统计周期向前回溯当前滞后阶次得到的历史离散统计周期的促销强度,并读取当前离散统计周期的促销残影衰减核中当前滞后阶次对应的促销残影衰减值;
41、将每一个滞后阶次对应的历史离散统计周期的促销强度与当前离散统计周期的促销残影衰减核中当前滞后阶次对应的促销残影衰减值相乘,得到对应滞后阶次的促销衰减结果;
42、将全部滞后阶次的促销衰减结果进行累加,得到历史促销衰减累加值;
43、将当前离散统计周期的波动放大量与历史促销衰减累加值相乘,得到当前离散统计周期的促销残影强度;
44、按照从第一个离散统计周期至当前观测终点周期的顺序依次计算促销残影强度,形成促销残影强度序列。
45、可选的,所述根据促销残影强度剥离自然销量,并依据上一离散统计周期与当前离散统计周期之间的促销残影强度下降值与自然销量计算残影释放量,具体包括:
46、对每一个离散统计周期,将当前离散统计周期的促销残影强度加一,得到自然销量剥离基准;
47、将当前离散统计周期的净销售件数除以自然销量剥离基准,得到当前离散统计周期的自然销量;
48、对第一个离散统计周期设置残影释放量初值,并将第一个离散统计周期的残影释放量取为零;
49、对第二个离散统计周期至当前观测终点周期中的每一个离散统计周期,将上一离散统计周期的促销残影强度减去当前离散统计周期的促销残影强度,得到促销残影强度下降值;
50、当促销残影强度下降值为正值时,将促销残影强度下降值与当前离散统计周期的自然销量相乘,得到当前离散统计周期的残影释放量;
51、当促销残影强度下降值为负值或等于零时,将当前离散统计周期的残影释放量取为零。
52、可选的,所述按照促销尾距对残影释放量进行平均化聚合,得到平均释放量,并将自然销量与平均释放量叠加生成下一离散统计周期的预测生产等价销量,具体包括:
53、以当前观测终点周期作为搜索终点,读取截至当前观测终点周期的最近促销有效末端所在周期序号;
54、当最近促销有效末端所在周期序号为零时,将当前观测终点周期对应的平均释放量取为零;
55、当最近促销有效末端所在周期序号为正值且当前观测终点周期对应的促销尾距为零时,将当前观测终点周期对应的平均释放量取为零;
56、当最近促销有效末端所在周期序号为正值且当前观测终点周期对应的促销尾距为正值时,按照当前观测终点周期对应的促销尾距,从当前观测终点周期开始向前逐离散统计周期读取残影释放量,读取的残影释放量数量与当前观测终点周期对应的促销尾距一致;
57、将读取的全部残影释放量进行累加,并将累加结果除以当前观测终点周期对应的促销尾距,得到当前观测终点周期对应的平均释放量;
58、读取当前观测终点周期对应的自然销量,并将当前观测终点周期对应的自然销量与当前观测终点周期对应的平均释放量相加,得到下一离散统计周期的预测生产等价销量。
59、可选的,所述依据历史离散统计周期内与净销售件数对应的实际产值和历史离散统计周期内的净销售件数生成单位产值折算值,并将下一离散统计周期的预测生产等价销量折算为生产计划预测产值指标,具体包括:按照从第一个离散统计周期至当前观测终点周期的顺序,分别累加历史离散统计周期内与净销售件数对应的实际产值和历史离散统计周期内的净销售件数;
60、当历史离散统计周期内的净销售件数的累加结果为正值时,将历史离散统计周期内与净销售件数对应的实际产值的累加结果除以历史离散统计周期内的净销售件数的累加结果,得到截至当前观测终点周期的单位产值折算值;
61、当历史离散统计周期内的净销售件数的累加结果为零时,将截至当前观测终点周期的单位产值折算值取为零,并将下一离散统计周期的生产计划预测产值指标取为零;
62、当历史离散统计周期内的净销售件数的累加结果为正值时,将截至当前观测终点周期的单位产值折算值与下一离散统计周期的预测生产等价销量相乘,得到下一离散统计周期的生产计划预测产值指标。
63、本发明具备以下有益效果:
64、1、方案没有直接采用企业业务系统中的销售件数作为预测基础,而是先以企业生产计划周期作为唯一统计粒度,将发出销售件数、退回件数、商品标价、商品促销执行价以及与净销售件数对应的实际产值统一整理到同一离散统计周期序列中,并通过净额口径处理退货对销售结果的影响。该处理方式使后续促销强度识别、销售波动提取和产值折算都建立在同一时间粒度和同一商品对象上,避免因销售口径、退货口径和产值口径不一致导致预测基础混乱。先建立干净、可对齐、可追溯的数据基础,使后续每一项计算都能够对应到明确的离散统计周期和明确的业务数据。
65、2、方案将商品标价与商品促销执行价之间的差异转化为促销强度,并进一步搜索最近一次连续促销区段、最近促销有效末端、最近一次连续促销持续长度和促销尾距。该方案不仅判断某一周期是否发生促销,还进一步识别促销是否连续、促销持续了多久、当前周期距离最近促销结束有多远,从而把促销影响从一个简单标签扩展为具有时间结构的特征体系。为后续促销残影记忆长度、促销残影衰减核和平均释放量的构造提供明确依据,使预测模型能够识别促销影响的时间边界。
66、3、方案并不只关注每个离散统计周期的净销售件数本身,而是进一步从相邻离散统计周期之间提取销售波动幅值、销售波动比和波动放大量,使销量变化的方向、变化幅度以及相对于前一周期基础销量的放大程度均能够被后续步骤利用。该设计能够将“销量发生变化”转化为可用于衡量促销冲击和销售异常的波动特征,尤其适合处理促销前后销售件数突然升高或突然回落的场景。为促销残影强度提供销售波动侧的放大依据,使后续促销影响不只取决于价格折扣,还结合实际销量变化表现。
67、4、方案将最近一次连续促销持续长度作为促销残影记忆长度的基础,并根据促销尾距进一步构造促销残影累加上界序号,同时对不同滞后阶次设置逐渐衰减的促销残影衰减值。该方案把促销结束后的持续影响建模为一种随时间减弱的“残影”过程,使促销影响不再被视为促销期内即时发生、促销结束后立即归零的简单事件。能够根据连续促销时长自动调节残影记忆范围,促销持续越长,后续需要关注的残影影响区间越充分,从而更符合企业销售行为和消费行为的实际逻辑。
68、5、方案将波动放大量、各滞后阶次对应的历史离散统计周期促销强度以及促销残影衰减值结合起来,形成各离散统计周期的促销残影强度序列。该方案不是单独根据折扣力度判断促销影响,也不是单独根据销量变化判断市场需求,而是将促销力度、销售波动和时间衰减三类因素共同纳入残影强度计算,使每个周期的促销残余影响具有可追踪的来源。能够把历史促销对当前周期的影响量化为连续的残影强度序列,为后续自然销量剥离提供更准确的校正基础。该方案具有更强的可解释性和层次性,能够说明某一周期预测受到哪些历史促销周期影响、影响如何随滞后阶次衰减,以及销售波动如何放大促销残影,从而提高产值预测的可信度。
69、6、方案在得到促销残影强度后,将净销售件数中的促销残影因素剥离出来,形成更接近商品真实需求基础的自然销量,并进一步根据上一离散统计周期与当前离散统计周期之间的促销残影强度下降值计算残影释放量。该方案体现了对促销后需求变化的双重处理:一方面降低促销异常拉升对自然需求判断的干扰,另一方面识别促销残影减弱过程中释放出的销量变化。既保留自然销量作为基础需求,又通过残影释放量反映促销影响衰减过程中对下一周期生产需求的贡献,使预测不会过度乐观,也不会过度保守。相较于现有技术中粗略删除促销周期、用非促销周期均值替代或人工调低预测值的方式,该方案能够更加细致地区分自然需求、促销残留影响和残影释放效应,提升生产计划对促销后市场变化的响应精度。
70、7、方案在当前观测终点周期下,根据最近促销有效末端所在周期序号和促销尾距,对残影释放量进行平均化聚合,得到平均释放量,再将当前观测终点周期对应的自然销量与平均释放量叠加,生成下一离散统计周期的预测生产等价销量。该方案将销量预测从简单历史延续转变为“自然销量基础加残影释放修正”的结构化预测,使下一周期生产需求能够同时反映稳定销售能力和促销后影响释放。利用促销尾距限定残影释放量的聚合范围,使预测生产等价销量与当前观测终点所处的促销后阶段相匹配。相较于现有技术中直接用下一期销量预测、简单趋势外推或按固定比例修正促销后销量的方式,该方案更适合生产计划场景,因为其输出不是普通销售预测值,而是经过自然销量与残影释放共同校正后的生产等价销量,更能服务于排产、备料和产能安排。
71、8、方案没有停留在销售件数预测层面,而是进一步利用历史离散统计周期内与净销售件数对应的实际产值和历史离散统计周期内的净销售件数生成单位产值折算值,并将下一离散统计周期的预测生产等价销量折算为生产计划预测产值指标。该方案实现了从销售侧需求量到生产侧产值指标的转换,使预测结果能够直接对应企业生产计划、产值管理和经营目标。将历史实际产值与净销售件数建立统一折算口径,使下一周期的生产等价销量能够转化为更适合管理使用的产值指标。相较于现有技术中仅预测销量、再由人工按照经验换算产值的方式,该方案减少了人工折算误差,并使产值预测与前序净额口径保持一致,从而提升生产计划预测结果在财务、生产和销售协同中的可用性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com