大数据背景下的商品需求预测与分仓规划

商品需求预测对于电商企业意义重大,对阿里电商平台的交易数据进行挖掘以获取有效特征,利用特征建立模型对未来两周这些商品的需求进行动态预测,并基于预测结果和成本最小的原则提出分仓规划建议.预测模型选择随机森林做回归,然后在残差分析的基础上建立报童模型求解分仓的库存规划.对特征数量众多的电商交易数据挖掘所建立的模型有助于电商企业进行有效的商品需求预测并据此制定成本更低的分仓规划.     

基于时间序列建模和控制图的异常交易检测方法

可疑交易识别是打击洗钱犯罪所要面对的一项重要任务.为辅助反洗钱分析人员从海量金融交易信息中甄别客户异常交易,本文提出一种新的基于非线性马尔科夫随机过程、相空间重构和隐马尔科夫链的非线性随机方法,用于对金融交易时序进行建模拟合,然后应用鲁棒控制图对估计误差进行检验以发现异常.应用该算法对实际交易数据和仿真数据的分析验证了所提方法的有效性和可行性,可以被用于异常交易的监测.     

仓库容量有限条件下的随机存贮管理模型

以商场的商品销售与存贮为研究对象,建立了一类在仓库容量有限条件下的存贮管理决策模型,并给出了最优存贮策略.针对某个大型超市的三种商品的真实销售数据,我们运用该模型分析求解得出了三种商品的最优订货点L*分别为35、39和40.结合销售存贮管理中的实际情况,我们针对商场同时订购多种商品时的情况对模型进行了初步推广,并依据此推广模型得出了在同时订购三种商品时的最优订货点L*为7.2.最后我们进一步讨论了在商品销售率随存贮时间发生变化及存贮变质性商品时的存贮管理决策模型,以便满足不同商家的订货和存贮策略.     

基于ERP的(s,S)策略下库存优化控制决策支持系统

针对当前ERP软件系统无法动态地给出优化订购策略并对历史数据进行有效的分析等不足,以最小化库存费用为目标建立起折扣准则下库存优化数学模型,对ERP软件中导出的各类历史数据进行模型化分析,动态地得出各类产品(s,S)结构形式的优化订购策略.基于该模型设计并开发了库存优化控制决策支持系统,为用户提供决策支持,很大程度降低了企业库存费用.     

基于海量交易数据的保健药品客户流失规律及预测研究

保健药品企业如何有效预判客户流失率、如何精准识别不同产品在客户吸引力和流失方面的差别等是目前急需解决的问题.基于企业海量交易数据,从客户层面构建顾客流失率预测模型,并从产品层面对交易记录进行分析.研究得出以下结论:顾客购买时间间隔服从正态分布;在保健药品购买中女性所需的产品最受欢迎,其在购买自身所需药品时也可能会为其他家庭成员购买保健品;研究还同时发现具备很多功效的保健品并未受到顾客的欢迎,相反其流失率最高.     

基于网络搜索数据的突发事件对股票市场影响分析

重大突发事件的发生对关联企业生产、行业前景,甚至国家宏观经济产生一定影响,表现为关联企业股价波动,而网络搜索数据作为投资者现实生活行为趋势的映射,蕴含了投资者对突发事件、股票需求与交易的关注,基于该思想,采用基于网络搜索数据的方法对重大突发事件与股票市场间的相关性进行研究.首先建立理论框架;然后以"7·23甬温线特别重大铁路交通事故"为研究对象,分析动车事故对中国动车概念版股市的影响强度.最终,模型拟合优度高达0.888,表明搜索数据可以准确、及时刻画动车事故对相关板块股市波动的影响.     

考虑商品订购数量的“货到人”仓储系统订单分批问题研究

结合"货到人"仓储系统的订单拣选场景,在考虑订单中各种商品订购数量和货箱中商品存储量的情况下,研究了自动小车存储及取货系统的订单分批拣选问题.对于给定的待拣选订单,以货箱出库次数极小化为目标,建立了订单分批问题的整数规划模型,并利用聚类思想设计了两阶段启发式算法.利用不同规模的算例进行仿真实验,验证了模型和算法的有效性.通过对比按照本文模型和算法得到的分批结果与按照先到先服务策略得到的分批结果,可以发现,按照文章模型和算法进行订单分批,拣选效率大约提升了25%-45%.进一步分析了拣选台容量和相似度加权系数等参数变化对订单分批结果的影响.最后利用两个具体算例,对比分析了考虑商品订购数量和不考虑商品订购数量的订单分批模型之间的关系,验证了考虑商品订购数量的订单分批模型的优越性.     

大数据背景下平台类企业开展抽样调查的应用研究

大数据背景下,对于抽样调查的必要性和重要性,目前还存在一定争论.文章定义了两种类型的大数据场景,一种是现有数据量海量的情况;另一种是现有抽样框名录海量的情况.对于抽样框名录海量的情况下,抽样调查既必要又重要.文章基于某平台类企业的海量抽样框名录,对该平台类企业关心的问题采用目录抽样的方法进行抽样调查研究,并考虑了样本轮...     

两类供应风险下装配商的最优订购策略

针对两类供应风险(不确定产能与随机产出率)下装配制造商的零部件订购决策这一难题,运用随机非线性规划方法,以装配商期望利润最大化为目标,建立零部件订购决策的多维优化模型,刻画了确定需求下的最优订购量,并对其进行了灵敏性分析。最后,通过数值算例验证了模型结论并进一步探讨不同类供应风险的影响,为装配商的零部件订购决策和风险管理提供有益的管理启示。     

基于K-medoids-NCA-SMOTE-BSVM融合模型的网络交易平台高质量数据资源识别研究

随着数据服务形态不断衍生,数据资源作为一种新兴生产要素,其交易流通需求呈现爆发式增长。如何从海量数据中识别高质量数据资源,挖掘要素价值,成为数据交易平台获取竞争优势以及提升要素配置效率的关键。本文旨在发现平台交易情境下高质量数据形成的关键因素,提出从大规模、异质数据资源中高效识别高质量数据的方法。首先,基于高质量数据形成过程,构建“固有品质-商品表征”二维识别指标体系;然后,提出K-medoids-NCA-SMOTE-BSVM融合模型,对高、中、低三类不同质量数据进行分类预测;最后,收集真实数据交易平台的API交易数据,开展实证研究。结果显示：相比SVM,WOA-SVM,PSO-SVM,MLP和CNN等方法,K-medoids-NCA-SMOTE-BSVM模型在预测准确率和训练时间方面,均有良好的性能表现。本文提出的识别指标及分类模型,为平台经济下数据质量判断与预测提供了依据,对产品视角下数据质量标准制定以及数据交易定价优化具有一定实践意义。