(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210248396.6 (22)申请日 2022.03.14 (71)申请人 南通天罗科技有限公司 地址 226000 江苏省南 通市崇川区永兴街 道深南路19 9号天安数码城8幢161 1室 (72)发明人 柳云霞　 (74)专利代理 机构 南通博瑞达专利代理事务所 (特殊普通 合伙) 32530 专利代理师 李宾 (51)Int.Cl. G06Q 10/08(2012.01) G06Q 30/06(2012.01) G06K 9/62(2022.01) G06F 16/23(2019.01) G06F 16/2458(2019.01) (54)发明名称 基于实时销售数据分析的库存更新方法 (57)摘要 本发明公开了基于实时销售数据分析的库 存更新方法， 涉及电子商务领域， 该基于实时销 售数据分析的库存更新方法， 包括以下步骤， 步 骤S10， 接收和更新商品销售数据， 并将数据可视 化； 步骤S20， 预测接下两个时间段的库存数值； 步骤S30， 根据若干组历史数据， 建立库存数据变 化的阈值范围； 步骤S40， 基于阈值范围， 对两个 预测值进行加权以及修正， 输出最终预测值， 并 更新实际值。 能够以更新的预测数据的作为参 考， 随时掌握接下来的库存变动情况， 这样就有 足够的时间来掌握以及调整销售的节 奏， 也更方 便的对商品进行补货， 在直播销售时， 不会出现 突然无货手足无措的情况。 权利要求书1页 说明书5页 附图2页 CN 114581017 A 2022.06.03 CN 114581017 A 1.基于实时销售数据分析的库存更新方法， 其特征在于， 包括以下步骤， 步骤S10， 接收 和更新商品销售数据， 并将数据可视化； 步骤S20， 预测接下两个时间段的库存数值； 步骤 S30， 根据若干组历史数据， 建立库存 数据变化的阈值范围； 步骤S40， 基于阈值范围， 对两个 预测值进行加权以及修 正， 输出最终预测值， 并更新实际值。 2.根据权利要求1所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S10还包括， 步骤S11， 按照预定的产品分类， 接收产品的销售数据； 步骤S12， 将销售数据按 照时间顺序录入 上传至云端数据库； 步骤S13， 预先按照销售习惯， 确定固定的时间间隔T0， 按照该间隔对云端数据库内的时间进行 更新。 3.根据权利要求2所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S13之后， 还包括， 步骤S14， 利用分类器， 对已经按照产品种类分类的销售数据再按照分时 间序列， 以T0为单位进行分类； 步骤S15， 利用分析制图工具， 调用云端 数据库内存储的库存 数据以及销售数据， 根据其走势变化进行 可视化。 4.根据权利要求1所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S20中， 在对库存数据进行 预测时， 预测方式采用线性回归 模型。 5.根据权利要求4所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S20包括， 步骤S21， 调用云端数据内储存的数据以及可视化的图标， 拟合出趋势函数； 步骤 S22， 通过趋势函数对库存数据的变化进行表征。 6.根据权利要求5所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S22之后还包括， 步骤S23， 采用线性回归模 型对接下来的两组库存 数据进行预测， 输出预测 数据； 步骤S24， 基于拟合的趋势函数的数据， 对线性回归的模型进行修 正。 7.根据权利要求1所述的基于实时销售数据分析的库存更新方法， 其特征在于， 所述步 骤S30包括， 步骤S31， 两个预测值都在阈值之内时， 基于第一个预测值， 对库存数据进当前 实时数据更新， 以及更新第一个预测数据； 步骤S 32， 两个预测值 都不在阈值范围之内时， 采 用上一轮在阈值内的第二个预测值； 步骤S33， 其中一个预测值在阈值范围之内时， 则对另 一个预测值进行修 正， 将两个值都输出。 8.根据权利要求1所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S40之后， 还 包括步骤S50， 对线性回归 模型的参数修 正， 输出新的线性回归 模型。 9.根据权利要求8所述的基于实时销售数据分析的库存更新方法， 其特征在于， 步骤 S50包括， 步骤S51， 获取 统计和接收最近若干个时间段内所输出的输出预测值和实际值； 步 骤S52， 通过数据分析工具， 分析库存 预测数据和相应的实际值间的偏离范围， 并量化； 步骤 S53， 采用专 家经验评估 模型， 基于量 化的偏离范围， 对线性回归 模型的参数进行修 正。权　利　要　求　书 1/1 页 2 CN 114581017 A 2基于实时销售数据分析的库存 更新方法 技术领域 [0001]本发明涉及电子商务领域， 特别涉及基于实时销售数据分析的库存更新方法。 背景技术 [0002]电商直播是指线下的实体户商家卖家通过一些网络的直播平台来推销开阔自己 的产品， 使客户在了解产品各项性能的同时来购买自己的商品。 电商直播具有直观、 快速、 交互性强、 内容丰富 等推广优势。 [0003]电商直播是由主播在直播间进行线上销售， 中间渠道少， 数据更新快， 但也正是由 于数据库， 会导致商品库存数据的更新跟不上销售节奏的情况， 出现主播仍在销售， 顾客在 下单， 显示有货， 但是下单后发现无货的情况， 这就导致主播销售的节奏难以控制， 长此以 往， 主播的信誉也会受到影响。 发明内容 [0004]为实现上述目的， 本发明采用的技术方案如下： 基于实时销售数据分析的库存更 新方法， 在电子商务活动中， 不断的有商品售出以及商品上架， 因此需要根据商品的销售情 况， 来对仓库内的商品数据进行更新， 但是 由于库存数据的更新进度必然会低于商品下线 的速度， 存在滞后性， 因此说， 需要提前对库存数据进行提前 更新， 以满足需要。 [0005]实时销售数据分析的库存更新方法， 包括以下步骤， 步骤S10， 接收和 更新商品销 售数据， 并将数据可视化； 步骤S20， 预测接下两个时间段的库存 数值； 步骤S 30， 根据若干组 历史数据， 建立库存 数据变化的阈值范围； 步骤S40， 基于阈值范围， 对两个预测值进 行加权 以及修正， 输出最终预测值， 并更新实际值。 [0006]进一步的， 步骤S10还包括， 步骤S11， 按照预定的产品分类， 接收产品的销售数据； 步骤S12， 将销售数据按照时间顺序录入上传至云端数据库； 步骤S13， 预先按照销售习惯， 确定固定的时间 间隔T0， 按照该间隔对云端数据库内的时间进行 更新。 [0007]进一步的， 步骤S13之后， 还包括， 步骤S14， 利用分类器， 对已经按照产品种类分类 的销售数据再按照分时间序列， 以T0为单位进 行分类； 步骤S15， 利用分析制图工具， 调用云 端数据库内存 储的库存数据以及销售数据， 根据其走势变化进行 可视化。 [0008]进一步的， 步骤S20中， 在对库存数据进行 预测时， 预测方式采用线性回归 模型。 [0009]进一步的， 步骤S20包括， 步骤S21， 调用云端数据内储存的数据以及可视化的图 标， 拟合出趋势函数； 步骤S2 2， 通过趋势函数对库存数据的变化进行表征。 [0010]进一步的， 步骤S22之后还包括， 步骤S23， 采用线性回归模型对接下来的两组库 存 数据进行预测， 输出预测数据； 步骤S2 4， 基于拟合的趋势 函数的数据， 对线性回归的模 型进 行修正。 [0011]进一步的， 所述步骤S30包括， 步骤S31， 两个预测值都在 阈值之内时， 基于第一个 预测值， 对库存 数据进当前实时数据更新， 以及更新第一个预测数据； 步骤S 32， 两个预测值 都不在阈值范围之内时， 采用上一轮在阈值内的第二个预测值； 步骤S33， 其中一个预测值说　明　书 1/5 页 3 CN 114581017 A 3