[发明专利]一种门店库存优化的方法

说明书

本发明公开了一种门店库存优化的方法，本发明步骤如下：步骤1：根据决策日期，获取门店近N个月的产品的销售数据的门店的面积；汇总每家门店的总销量，对其进行异常值的处理；步骤2：构造门店的属性和销售的数据集，计算这些数据项之间的距离，通过K‑means方法设置不同的K值进行聚类；步骤3：根据决策日期，结合同类产品近N1个月的累计销量及每周的销售数据,按照最小库存单元SKU的颗粒度对产品进行ABC分类；步骤4：根据TOC拉式补货的理论，设置门店的库存目标，并根据SKU在门店上周的销量和预测的需求进行对比，根据需求预测的准确度对门店的每一类产品进行需求调整。本发明能够实现门店的库存优化。

技术领域

本发明涉及信息技术需求领域，具体涉及一种门店库存优化的方法，一种基于K-means的门店分类、ABC的产品分类及TOC拉式补货的门店库存优化的方法。

背景技术

零售行业中，门店库存优化的目标：了解市场需求的变化趋势，正确配置库存量，使门店的库存量可以满足顾客需求，且整体库存达到资源的最优配置。门店的库存目标作为其中最重要的问题之一，是指基于门店的历史销售数据，对未来一个周期内门店的销售进行预测，根据预测结果，设置门店的库存量。因此，很多学者致力于研究各种预测方法用于改善销售的精确度。近年来，随着预测技术的不断完善，人工智能算法、BP神经网络、极限学习机、遗传算法、灰色理论、马尔科夫链等方法不断的完善并运用到零售行业中，这些算法都是根据产品的历史销售信息进行销售的预测，尽可能的提高预测的准确度，合理的进行资源的优化配置。基于销售预测的库存优化，这一经典问题一直是研究的热点，旨在追求销售和库存的最优配置，达到销售的最大化与库存最小化的平衡。

然而，在拥有季节性销售因子的零售行业中，在季节初期，历史数据少，预测方法进行的销售预测都存在一定的局限性。预测结果带来的调拨在实际的销售中，往往没有产生出直接的利润；同时无效的调拨既增加了调拨的费用，又对产品的资源的优化配置有一定的负作用。因此本发明提出一种基于K-means的门店分类、ABC的产品分类及TOC拉式补货的门店库存优化的方法。

发明内容

本发明的目的在于针对现有技术的不足，提出一种门店库存优化的方法。本发明通过以下技术方案实现的，包括以下步骤：

步骤1：根据决策日期，获取门店近N个月(例如前6个月)的产品(pi_df)的销售数据(s_df)和门店的面积(si_df)；汇总每家门店的总销量，对其进行异常值的处理，将与平均值的偏差超过三倍标准差的销售数据，修正为与平均值的偏差等于3倍标准差。

步骤2：构造门店的属性和销售的数据集(si_df,s_df)，计算这些数据项之间的距离(用欧式距离表示)，通过K-means方法设置不同的K值进行聚类。选取分类后的各类的门店数占比最接近实际业务情况的聚类结果作为门店分类的最终结果。

d_sq:表示AB2家门店的距离；

A_s：表示A门店的销售数据；B_s：表示B门店的销售数据

A_q：表示A门店的面积数据；B_q：表示B门店的面积数据

步骤3：根据决策日期，结合同类产品近N1个月(例如过去1个月)的累计销量及每周的销售数据,按照最小库存单元SKU的颗粒度对产品进行ABC分类。

3-1.获取每个SKU上周的门店销售数据；

3-2.获取每个SKU截止到决策日期门店的累计销售数据；

3-3.对获取的数据，按照上周的门店销售数据进行排序。上周销售数据相同时，按照门店累计销售数据进行排序，累计销售数据相同时，按照id号进行排序；

3-4.计算产品在所有门店的累计比率，即对产品的累计销售数据排序；