【技術實現步驟摘要】
本申請涉及供應鏈管理的需求預測，尤其涉及一種基于業務反饋的需求預測方法、裝置以及存儲介質。
技術介紹
1、在供應鏈管理領域，需求預測扮演著至關重要的角色，其核心任務是對未來市場的需求趨勢進行估計。這一過程對于企業來說至關重要，因為它直接關聯到生產計劃的制定、庫存水平的控制以及銷售策略的優化，這些都是為了更好地滿足客戶需求并實現利潤最大化。需求預測結果的精確度對企業運營的多個方面都有著顯著的影響，包括生產效率、庫存成本以及客戶滿意度等。
2、在傳統的需求預測實踐中，常用的方法包括時間序列分析、統計模型和機器學習算法。時間序列分析通過研究歷史數據的序列模式來預測未來趨勢，而統計模型則依賴于數學和統計學原理來估計需求。機器學習算法則通過從歷史數據中學習模式來預測未來的需求變化。隨著大數據和人工智能技術的不斷進步，深度學習技術在需求預測領域的應用也日益增多。深度學習模型，尤其是那些能夠處理大量歷史數據的復雜模型，已經開始展現出其在捕捉數據中的復雜模式和提高預測準確性方面的巨大潛力。
3、然而，供應鏈中的需求數據往往是市場實際情況與企業內部生產規劃、庫存管理等多種因素相互作用的結果。這些數據不僅反映了市場的動態變化，還受到企業內部決策和外部市場環境變化的共同影響。此外，企業在獲取市場端的真實數據方面往往面臨挑戰，這些數據可能難以獲取或者存在延遲。
4、因此，無論是傳統的需求預測算法還是基于深度學習的技術，在實際應用中都可能會遇到預測精度的挑戰。業務人員可能會對模型的預測結果提出質疑，尤其是在需求數據受到
技術實現思路
1、本申請實施例提供一種基于業務反饋的需求預測方法、裝置、電子設備以及存儲介質，用以解決現有需求預測方法中，業務人員經驗未能有效整合、預測模型且迭代優化不足，以及缺乏正向反饋機制的問題。
2、一方面，本申請實施例提供了一種基于業務反饋的需求預測方法，包括：
3、獲取基礎數據，并進行清洗和預處理；
4、基于所述基礎數據，融合業務反饋信息，建立業務經驗數據庫；
5、調用所述業務經驗數據庫中的數據，經過標準化及衍生的變量完成變量分析和聚合，通過變量篩選、參數遍歷，訓練得到第一預測模型；
6、基于業務更新數據，調整所述業務經驗數據庫的數據，優化所述第一預測模型的參數，得到第二預測模型；
7、利用所述第二預測模型生成預定時間段內的需求數據。
8、在一種可能的實施例中，獲取基礎數據，并進行清洗和預處理，包括：根據預設參數遍歷預定網站所涉及的下層鏈接進行遍歷查找，并且抓取所述預定網站的所述基礎數據，其中，所述預設參數包括所述預定網站的地址、遍歷深度值和抓取周期，所述基礎數據包括歷史銷售數據、市場趨勢和促銷活動信息；對所述基礎數據進行清洗操作，所述清洗操作包括將不完整數據、錯誤數據或多余數據另存入冗余數據集中備用；對所述基礎數據進行預處理操作，存儲于中央數據庫中，所述預處理操作包括描述數據的類型、屬性、功能。
9、在一種可能的實施例中，基于所述基礎數據，融合業務反饋信息，建立業務經驗數據庫，包括：備份所述基礎數據到第一數據表中；優化所述業務經驗數據庫存儲過程中的查詢語句，包括其中的子查詢語句；根據所述查詢語句涉及的各實表與虛擬表的大小與查詢速率進行排序，按照速率從小到大以先右后左、先下后上的順序整理；通過數據庫腳本對與歷史銷售數據、市場趨勢和促銷活動信息相關的字段建立數據庫索引，用于在業務信息更新時，加快調整相關字段的數據值；將所述第一數據表中的數據導入到第二數據表中，使得在保證業務能夠執行的情況下，刪除所述第一數據表。
10、在一種可能的實施例中，調用所述業務經驗數據庫中的數據，經過標準化及衍生的變量完成變量分析和聚合，通過變量篩選、參數遍歷訓練模型，包括：獲取所述業務經驗數據庫中數據的標準字段名稱、數據格式，以及標準字段值域；對衍生的變量完成變量分析和聚合，并輸入規范化處理，生成后續輸入所述第一預測模型訓練所用的統一格式；構建隨機森林模型作為所述第一預測模型，對市場需求進行預測，包含以下具體步驟：首先，使用所述基礎數據的歷史銷售數據構成訓練樣本，其中，所述訓練樣本的樣本數量記為n，n為正整數；其次，從所述訓練樣本隨機有放回地取出k個訓練集，且k≤n，將每個訓練集創建對應的回歸決策樹，組成含有k棵決策樹的隨機森林模型；第三，從所述訓練樣本再一次隨機地選出一部分作為第一測試集，將所述第一測試集數據輸入所述隨機森林模型進行測試，遍歷所述隨機森林模型的參數進行優化。
11、在一種可能的實施例中，基于業務更新數據，調整所述業務經驗數據庫的數據，優化所述第一預測模型的參數，得到第二預測模型，包括：獲取所述業務更新數據，其中，所述業務更新數據至少包括以下一種：歷史銷售數據、市場趨勢或促銷活動信息；將與所述業務更新數據與所述業務經驗數據庫中的同種類數據合并，作為第二測試集；利用所述第二測試集優化所述第一預測模型的參數，得到所述第二預測模型。
12、在一種可能的實施例中，利用所述第二測試集優化所述第一預測模型的參數，得到所述第二預測模型，包括：利用所述第二測試集初步評估所述第二預測模型得分，并基于模型得分進行參數調整，調整弱學習器的最大迭代次數與決策樹深度模型擬合參數；使用評估指標平均絕對誤差、均方根誤差、平均絕對百分比誤差進行模型預測效果評價。
13、在一種可能的實施例中，還包括：利用圖形用戶界面引導輸入所述業務反饋信息和/或所述業務更新數據。
14、一方面，本申請實施例提供了一種基于業務反饋的需求預測裝置，包括：
15、數據獲取模塊，用于獲取基礎數據，并進行清洗和預處理；
16、數據庫模塊，用于基于所述基礎數據，融合業務反饋信息，建立業務經驗數據庫；
17、模型訓練模塊，用于調用所述業務經驗數據庫中的數據，經過標準化及衍生的變量完成變量分析和聚合，通過變量篩選、參數遍歷，訓練得到第一預測模型；
18、模型優化模塊，用于基于業務更新數據，調整所述業務經驗數據庫的數據，優化所述第一預測模型的參數，得到第二預測模型；
19、結果生成模塊，用于利用所述第二預測模型生成預定時間段內的需求數據。
20、一方面，本申請實施例提供了一種電子設備，其包括處理器和存儲器，其中，存儲器存儲有程序代碼，當程序代碼被處理器執行時，使得處理器執行上述任一種基于業務反饋的需求預測方法。
21、一方面，本申請提供的一種計算機可讀存儲介質，其包括程序代碼，當存儲介質在電子設備上運行時，程序代碼用于使電子設備執行上述任一種基于業務反饋的需求預測方法。
22、本申請實施例提供的技術方案帶來的有益效果至少包括以下一項：
23、1、提高預測準確本文檔來自技高網...
【技術保護點】
1.一種基于業務反饋的需求預測方法，其特征在于，包括：
2.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，獲取基礎數據，并進行清洗和預處理，包括：
3.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，基于所述基礎數據，融合業務反饋信息，建立業務經驗數據庫，包括：
4.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，調用所述業務經驗數據庫中的數據，經過標準化及衍生的變量完成變量分析和聚合，通過變量篩選、參數遍歷訓練模型，包括：
5.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，基于業務更新數據，調整所述業務經驗數據庫的數據，優化所述第一預測模型的參數，得到第二預測模型，包括：
6.如權利要求5所述基于業務反饋的需求預測方法，其特征在于，利用所述第二測試集優化所述第一預測模型的參數，得到所述第二預測模型，包括：
7.如權利要求1～6任一項所述基于業務反饋的需求預測方法，其特征在于，還包括：
8.一種基于業務反饋的需求預測裝置，其特征在于，包括：
9.一種
10.一種計算機可讀存儲介質，其特征在于，包括程序代碼，當所述存儲介質在電子設備上運行時，所述程序代碼用于使所述電子設備執行權利要求1～7中任一所述基于業務反饋的需求預測方法。
...【技術特征摘要】
1.一種基于業務反饋的需求預測方法，其特征在于，包括：
2.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，獲取基礎數據，并進行清洗和預處理，包括：
3.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，基于所述基礎數據，融合業務反饋信息，建立業務經驗數據庫，包括：
4.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，調用所述業務經驗數據庫中的數據，經過標準化及衍生的變量完成變量分析和聚合，通過變量篩選、參數遍歷訓練模型，包括：
5.如權利要求1所述基于業務反饋的需求預測方法，其特征在于，基于業務更新數據，調整所述業務經驗數據庫的數據，優化所述第一預測模型的參數，得到第二預測模型，包括：
6....
【專利技術屬性】
技術研發人員：江鵬，祝銘嘉，華禎旻，黃潤，向達，李麟，
申請(專利權)人：杉數科技北京有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。