“互联网+外贸”背景下基于跨境电商大数据的浙江省出口产品销量预测与库存优化策略

2017-04-14 12:47王雪蓉万年红
商情 2017年7期
关键词:库存跨境销量

王雪蓉++万年红

通过大数据技术挖掘“互联网+外贸”环境下浙江省跨境电商产品消费记录,归纳关键因子,设计了产品销量预测与库存优化策略、算法和综合模型。实证研究结果显示,该模型实现了预测值、期望值、实际值基本走势同步,预测效果良好,提高了最佳库存均衡效率,优化升级了浙江省产能,具有一定的应用推广价值。

互联网+外贸跨境电商大数据产品销量预测库存优化

“互联网+外贸”的实质是跨境电商,其更进一步促进了跨境电商在线化、数据化。对于“互联网+外贸”跨境电商未来产品销量需进行科学预测,并据此优化产品库存。关于该问题的研究,目前有多种方法可以应用,例如专家定量预测、主观概率预测、回归分析预测、定性灰色模型、定性时间序列预测、BP神经网络、大数据分析以及基于经验模态分解预测、库存层次分析法等相关研究方法。其中,大数据分析法是通过消费者在“互联网+外贸”环境中实施跨境电商活动时留下的产品消费痕迹,实现个性化的产品销量数据定量定性预测,在网络数据搜索计算量、可靠性、稳定性、预测误差、鲁棒性等方面相比其他方法更具有良好的销量预测效率和库存优化效果。

因此本文综合运用相关文献已提出的研究方法,从销量大数据挖掘方法、销量预测方法以及基于销量预测结果的产品库存优化方法三个角度,设计一个“互联网+外贸”背景下基于跨境电商大数据的浙江省出口产品销量预测与库存优化综合模型。

1“互联网+外贸”背景下跨境电商产品销量大数据挖掘方法

Step1:采用Web页机器人程序和检索程序,搜索最大数量的品牌、型号、类别、产品名、价格、性能、副标题、简单描述、库存数量、销量统计、产品参数及详细参数等关键词属性记录的采样数据。

Step2:直接从原始数据库中调用搜索结果,采用行为模式识别监控程序和轨迹追踪控制函数GZK(x)对引起消费者注意、兴趣、唤起欲望、留下记忆、实施购买行动的诸如商家广告词、精致目录、商品有关图片、产品详细比较说明、效用水平以及趋势等影响数据进行识别、分析、评价,计算数据拟合度SJND(i),从而得到影响产品销量的数据库。

2产品销量预测与库存优化策略、方法

2.1销量预测策略、方法

根据产品销量大数据挖掘结果,设计“互联网+外贸”背景下基于跨境电商大数据的产品销量预测算法。步骤如下:

Step1:通过采用连乘层次分析和支持向量机聚类方法,线上线下划分“潜在、初始、经常、频繁、忠诚”五个层次的消费者等级集合XFD,挖掘包括数据序列的趋势特征、外部环境信息和内部经营信息等数据间的类属关系LSi,j。通过建立专家评估偏好矩阵计算五个层次消费者的分類置信值FZXi、影响权重ηi及整体满意度ZMDi,进而计算各影响因素对五个层次客户的影响效用YXYi。

Step2:采用分布式定量预测策略的轮盘赌选择法从线上数据库中抽取产品内容特征NAT、结构特性GAT、拓扑特征TAT、时序特征SAT、用户回复关系UHR等元信息特征组成集合QYAT={NATi,GATi,TATi,SATi,UHRi}。

Step3:采用集中式定性预测策略的综合赋权法从QYAT中提取关键因子,通过可定制、高扩展性的消费者信息指数XXIi、情绪指数XQIi、信心指数XIIi、工作搜索指数GSIi及零售信息指数LXIi等关键词搜索数据,分析在线搜索数据与产品销量间的相关演化关系函数WSXL(x)。

根据式(1),平滑调整指数系数或学习累积概率,使函数WSXL(x)叠代运算多次,使相关演化关系调整量达到指定收敛精度。

Step4:采用多元非线性回归分析法建立条件集属性TJS、决策集属性JCS上的适应度SMD和相应隶属函数LSH(x),建立时间间隔区间上实值预测变量或属性函数间的依赖关系RR(x,y),产生问题识别、信息搜索、评价选择、决策购买、购后评价的规则知识集GZS以及结构特性链接密度和平均密度及意外规则等,设计如式(2)所示的并行综合销量值回归预测目标函数:

根据式(2),通过欧几里德范数下的最速下降法,移动平均、分时段地估计消费者可能购买人数,从而根据不同的密度属性预测未来产品销量。

2.2基于销量预测结果的库存优化策略、方法

产品销量预测是影响库存的关键因素。

根据销量预测策略、方法和回归预测函数,收集浙江省供求信息,假设预测的产品总需求量为GRN,生产制造、销售成本分别为MP和SP,物流成本为WP,均衡库存量为JHK,采购单价为PRICE,采购成本固定为COST,仓储费率为RATE,库存直接、间接总成本为TOTAL。

首先,使ZXLY(x)为单调函数,在线获取销量预测原始数据(订单数据及其处理成本数据、仓储中心及供应商地理位置数据、物流配送数据),并采用交叉算子计算时间区间内的所有极大值、极小值点。计算COST及RATE值。

其次,通过德尔菲法反复征集、归纳、修改专家的经验值,通过n次样本插值函数对所有极大值点进行插值,通过变异算子求解原始库存上下两包网络线波峰值、均衡值及非线性频率信号,得到最佳采购订货批量成本与年仓储成本之和,最终计算出比较精准的TOTAL值。

最后,根据“空间聚类”思想,通过过滤函数筛选过滤极大值、极小值两端点污染数据和误差,计算库存安全水平KAL、订货提前期内需求变动的标准方差BZFC、订货提前期天数N,从而得到如下在线化的库存效率最优解公式ZYJ:

根据式(3),输入相关参数值,即可定量定性优化库存量、库存成本与平衡采购数,实现浙江省供应商选择、库存盘点、资金的充分使用,供应商、制造商和零售商根据预测模型得到预测结果,共同制定库存计划,建立基于大数据分析的在线销售网络管理系统和在线库存响应系统,确定库存优化参数等,将需求量、预测结果在线集成反馈到库存信息系统管理部门,从而驱动智能、高效的库存均衡与调拨,提升库存效率,升级库存策略和安全水平,消除库存危机,保障企业经营活动的顺利进行。

最后,根据销量预测及库存优化策略、方法,构建如图1所示的浙江省出口产品销量预测与库存优化综合模型。

3应用实证

3.1实证数据分析

本文实证样本数据主要通过各大网络搜索引擎,根据浙江省出口产品历史痕迹挖掘200天之前的引起消费者注意、兴趣、唤起欲望、留下记忆、实施购买行动的诸如商家广告词、精致目录、商品有关图片、产品详细比较说明、效用水平以及趋势等影响外贸跨境电商销售量的關键词搜索指数。通过数理统计处理分析产品内容特征、结构特性、拓扑特征、时序特征、趋势特征、用户回复关系等元信息特征以及消费者信息指数、情绪指数、信心指数、工作搜索指数、零售信息指数及库存优化等关键词搜索数据,划分消费者等级。

因数据的数量级、残差和时空范围不同,因此,需要通过Z-score标准化协方差矩阵对原始数据进行标准化。

3.2实证过程及性能分析

首先,验证第1章销量大数据挖掘方法是否充分、科学,是否能得到稳定的关键因子数据挖掘结果集。实证步骤如下:

Step1:通过对关键词属性记录的采样数据可靠性分析,将任何一个样本输入投影到元信息特征空间中,得到一个降维子空间,获得一组坐标向量

Step2:根据向量主成分选择标准,第一特征值取SJND(i)的最小值,对失效数据的总方差取GZK(x)的最大值,多个指标变量可投影到二维平面。

Step3:负梯度定向迭代,分析期望挖掘结果与实际挖掘结果的变化和偏差。

该实证结果表明:经多次迭代,当失效影响因素数据分布差异较大时,期望挖掘结果与实际挖掘结果有较大偏差;反之,当失效影响因素数据分布差异较小时,产品历史销量关键词搜索数据集拒绝接受非影响数据,实际挖掘结果近似服从标准正态分布,其销量预测适应度限定在93.1%的范围内,总方差在可允许的10%以内,说明关键数据挖掘序列是平稳的,得到的关键因子数据挖掘结果集是稳定可靠的。

其次,取标准化后的前150组样本数据作为训练数据,剩余205组作为检验数据。运用训练回归手段,验证产品销量预测与库存优化策略、方法、综合模型的实用性。步骤如下:

Step1:模拟预测过程中,可用指数平滑手段解决150组样本数据的噪音,根据式(1)-(3)计算具体的实验结果,计算可定制、高扩展性的权重系数ηi、相关演化关系WSXL(x),根据最近一期的观察值、期望值、实际值的特征矩阵值、特征向量及贡献率,采用综合赋权法得到预测值。

Step2:将需求量、预测结果在线集成反馈到库存信息系统管理部门,改善库存健康度。

实证效果评价指数如下:

适应度(可信区间为[14-18])、总体方差(可信区间为[0.0-0.12])、耦合系数(可信区间为[20-26])、紧致归属度(可信区间为[0.88-1.0]、最佳库存均衡率(可信区间为[0.9-1.0]))。这些指数通过如下均方偏差公式来获得:

模型综合效果如表1所示。

从表1来看,模拟预测过程中,剔除了一些极值点污染数据和偏差,模型得到了较为充分的拟合,可定制的耦合系数、适应度、紧致归属度、最佳库存均衡率得到了有效提升,总体方差、误差得到了有效控制。这说明通过产品内容、结构、拓扑、时序、趋势、用户回复关系等元信息特征以及消费者信息、情绪、信心、工作搜索、零售信息指数及库存优化等关键词搜索特征矩阵值、特征向量及贡献率得到的最近一期的观察值、期望值、实际值的基本走势是同步的,可以据此求得相应的与实际值偏差不大的之后各期的预测值,并筛选过滤极大值、极小值两端点污染数据和误差,计算库存安全水平KAL、订货提前期内需求变动的标准方差BZFC、订货提前期天数N,具有出最佳库存均衡效率。

因此,实验证明了“互联网+外贸”背景下基于跨境电商大数据的浙江省出口产品销量预测与库存优化策略、方法、综合模型具有一定的实用价值。

4结论

产品销量预测是影响库存优化的关键因素。通过挖掘、分析产品销量大数据并预测未来销量已成为“互联网+外贸”跨境电商的重要研究领域。本文通过各大网络搜索引擎,挖掘浙江省消费者购买产品的历史痕迹关键词搜索指数,划分消费者等级,构建稳定可靠的关键因子数据库,从而设计了“互联网+外贸”背景下基于跨境电商大数据的浙江省出口产品销量预测与库存优化策略、方法、综合模型,实验显示相关指数均达到了要求。但由于“互联网+”的完全开放性以及大数据内容包罗万象,本文将它们应用到跨境电商产品销量预测与库存优化的方法和手段实际是抽象、不够全面的,因此,论文作者今后还需要掌握更全面更具体的研究方法,进一步解决本论文研究的不足。

参考文献:

[1]王翀.跨境电商是有出有进的“互联网+外贸”[J].国际贸易问题, 2016,31(1):65-73.

[2]崔东佳.大数据时代背景下的品牌汽车销量预测的实证研究[D].河南大学, 2014.5-44.

[3]王碧宏.大数据时代下跨境电商发展的影响因素研究[J].佳木斯职业学院学报, 2014(12):188-189.

[4]肖俊峰.外贸企业市场销量影响因素及预测统计分析[J].国际商贸, 2016(2):217-218.

[5]慕柠咛.零售进销存管理优化研究[D].河北工程大学, 2013.5-56.

[6]鲍祥霖.一个新的销量预测模型[J].系统工程理论方法应用, 2014,9(1):83-88.

课题资助:浙江省社会科学界联合会研究课题成果(2017Z03)。

猜你喜欢
库存跨境销量
4月汽车销量225.2万辆同比增长8.6%
浙江:出台5个新获批跨境电商综试区实施方案
2018年12月与上月相比汽车产量略降销量小幅增长
2016车市销量一览表
2013年跨境电子商务那些事儿