[發(fā)明專利]一種門店庫存優(yōu)化的方法

有效

• 申請?zhí)枺?/td>: 201910384747.4
• 申請日: 2019-05-09
• 公開（公告）號(hào): CN110163427B
• 公開（公告）日: 2021-12-07
• 發(fā)明（設(shè)計(jì)）人: 王一君;陳燦;吳珊珊;孫利輝
• 申請（專利權(quán)）人: 杭州覽眾數(shù)據(jù)科技有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/08;G06Q30/02
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發(fā)明公開了一種門店庫存優(yōu)化的方法，本發(fā)明步驟如下：步驟1：根據(jù)決策日期，獲取門店近N個(gè)月的產(chǎn)品的銷售數(shù)據(jù)的門店的面積；匯總每家門店的總銷量，對其進(jìn)行異常值的處理；步驟2：構(gòu)造門店的屬性和銷售的數(shù)據(jù)集，計(jì)算這些數(shù)據(jù)項(xiàng)之間的距離，通過K?means方法設(shè)置不同的K值進(jìn)行聚類；步驟3：根據(jù)決策日期，結(jié)合同類產(chǎn)品近N1個(gè)月的累計(jì)銷量及每周的銷售數(shù)據(jù),按照最小庫存單元SKU的顆粒度對產(chǎn)品進(jìn)行ABC分類；步驟4：根據(jù)TOC拉式補(bǔ)貨的理論，設(shè)置門店的庫存目標(biāo)，并根據(jù)SKU在門店上周的銷量和預(yù)測的需求進(jìn)行對比，根據(jù)需求預(yù)測的準(zhǔn)確度對門店的每一類產(chǎn)品進(jìn)行需求調(diào)整。本發(fā)明能夠?qū)崿F(xiàn)門店的庫存優(yōu)化。

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)需求領(lǐng)域，具體涉及一種門店庫存優(yōu)化的方法，一種基于K-means的門店分類、ABC的產(chǎn)品分類及TOC拉式補(bǔ)貨的門店庫存優(yōu)化的方法。

背景技術(shù)

零售行業(yè)中，門店庫存優(yōu)化的目標(biāo)：了解市場需求的變化趨勢，正確配置庫存量，使門店的庫存量可以滿足顧客需求，且整體庫存達(dá)到資源的最優(yōu)配置。門店的庫存目標(biāo)作為其中最重要的問題之一，是指基于門店的歷史銷售數(shù)據(jù)，對未來一個(gè)周期內(nèi)門店的銷售進(jìn)行預(yù)測，根據(jù)預(yù)測結(jié)果，設(shè)置門店的庫存量。因此，很多學(xué)者致力于研究各種預(yù)測方法用于改善銷售的精確度。近年來，隨著預(yù)測技術(shù)的不斷完善，人工智能算法、BP神經(jīng)網(wǎng)絡(luò)、極限學(xué)習(xí)機(jī)、遺傳算法、灰色理論、馬爾科夫鏈等方法不斷的完善并運(yùn)用到零售行業(yè)中，這些算法都是根據(jù)產(chǎn)品的歷史銷售信息進(jìn)行銷售的預(yù)測，盡可能的提高預(yù)測的準(zhǔn)確度，合理的進(jìn)行資源的優(yōu)化配置。基于銷售預(yù)測的庫存優(yōu)化，這一經(jīng)典問題一直是研究的熱點(diǎn)，旨在追求銷售和庫存的最優(yōu)配置，達(dá)到銷售的最大化與庫存最小化的平衡。

然而，在擁有季節(jié)性銷售因子的零售行業(yè)中，在季節(jié)初期，歷史數(shù)據(jù)少，預(yù)測方法進(jìn)行的銷售預(yù)測都存在一定的局限性。預(yù)測結(jié)果帶來的調(diào)撥在實(shí)際的銷售中，往往沒有產(chǎn)生出直接的利潤；同時(shí)無效的調(diào)撥既增加了調(diào)撥的費(fèi)用，又對產(chǎn)品的資源的優(yōu)化配置有一定的負(fù)作用。因此本發(fā)明提出一種基于K-means的門店分類、ABC的產(chǎn)品分類及TOC拉式補(bǔ)貨的門店庫存優(yōu)化的方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有技術(shù)的不足，提出一種門店庫存優(yōu)化的方法。本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)的，包括以下步驟：

步驟1：根據(jù)決策日期，獲取門店近N個(gè)月(例如前6個(gè)月)的產(chǎn)品(pi_df)的銷售數(shù)據(jù)(s_df)和門店的面積(si_df)；匯總每家門店的總銷量，對其進(jìn)行異常值的處理，將與平均值的偏差超過三倍標(biāo)準(zhǔn)差的銷售數(shù)據(jù)，修正為與平均值的偏差等于3倍標(biāo)準(zhǔn)差。

步驟2：構(gòu)造門店的屬性和銷售的數(shù)據(jù)集(si_df,s_df)，計(jì)算這些數(shù)據(jù)項(xiàng)之間的距離(用歐式距離表示)，通過K-means方法設(shè)置不同的K值進(jìn)行聚類。選取分類后的各類的門店數(shù)占比最接近實(shí)際業(yè)務(wù)情況的聚類結(jié)果作為門店分類的最終結(jié)果。

d_sq:表示AB2家門店的距離；

A_s：表示A門店的銷售數(shù)據(jù)；B_s：表示B門店的銷售數(shù)據(jù)

A_q：表示A門店的面積數(shù)據(jù)；B_q：表示B門店的面積數(shù)據(jù)

步驟3：根據(jù)決策日期，結(jié)合同類產(chǎn)品近N1個(gè)月(例如過去1個(gè)月)的累計(jì)銷量及每周的銷售數(shù)據(jù),按照最小庫存單元SKU的顆粒度對產(chǎn)品進(jìn)行ABC分類。

3-1.獲取每個(gè)SKU上周的門店銷售數(shù)據(jù)；

3-2.獲取每個(gè)SKU截止到?jīng)Q策日期門店的累計(jì)銷售數(shù)據(jù)；

3-3.對獲取的數(shù)據(jù)，按照上周的門店銷售數(shù)據(jù)進(jìn)行排序。上周銷售數(shù)據(jù)相同時(shí)，按照門店累計(jì)銷售數(shù)據(jù)進(jìn)行排序，累計(jì)銷售數(shù)據(jù)相同時(shí)，按照id號(hào)進(jìn)行排序；

3-4.計(jì)算產(chǎn)品在所有門店的累計(jì)比率，即對產(chǎn)品的累計(jì)銷售數(shù)據(jù)排序；