本發(fā)明涉及電子技術應用領域，具體而言，涉及一種業(yè)務預測數(shù)據校正的方法和裝置。

背景技術：

隨著電商平臺的日益發(fā)展，對電商平臺中未來營業(yè)額的預測計算，成為了當前越來越多的電商預測未來營業(yè)額的技術手段，而如何精確的預估得到電商的未來營業(yè)額成為了亟待解決的問題。

現(xiàn)有技術中由于經營個體當日業(yè)務量受活動、營銷手段以及促銷時間等諸多因素的影響，該經營個體當日的業(yè)務量將比該經營個體的歷史業(yè)務量存在明顯提升。而在該當日之前，商務系統(tǒng)將會對第二天的業(yè)務量進行預估，但是若預估得到的預測結果小于該當日實際營業(yè)額，則說明該預估結果存在錯誤，預測精度太低。

現(xiàn)有預測經營個體的營業(yè)額的技術中，通常使用小時累計業(yè)務量預測算法，即，根據歷史數(shù)據獲得各小時累計業(yè)務量占總業(yè)務量的比例，然后根據當日業(yè)務量的總預測值計算出每小時的累計業(yè)務量預測值。

但是，根據歷史數(shù)據預測經營個體第二天的業(yè)務量(或，營業(yè)額)，以及當天每小時的累計業(yè)務量，從而根據24個小時數(shù)據點描繪經營個體業(yè)務量的變化趨勢，該方法僅能只在業(yè)務量較平穩(wěn)時才能取到較好的效果，一旦第二天實時業(yè)務量發(fā)生顯著變化時，不僅會出現(xiàn)預測值不準確的問題，甚至會出現(xiàn)當天24點結算時，業(yè)務量預測總值比24點前已累計的真實業(yè)務量小的嚴重錯誤。

針對上述由于現(xiàn)有技術中缺少對經營個體在第二天實際業(yè)務量顯著變化的情況下校正預測業(yè)務量的技術，導致預測數(shù)據低于實際業(yè)務量，從而帶來的預測精度低的問題，目前尚未提出有效的解決方案。

技術實現(xiàn)要素：

本發(fā)明實施例提供了一種業(yè)務預測數(shù)據校正的方法和裝置，以至少解決由于現(xiàn)有 技術中缺少對經營個體在第二天實際業(yè)務量顯著變化的情況下校正預測業(yè)務量的技術，導致預測數(shù)據低于實際業(yè)務量，從而帶來的預測精度低的技術問題。

根據本發(fā)明實施例的一個方面，提供了一種業(yè)務預測數(shù)據校正的方法，包括：在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點；在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據。

根據本發(fā)明實施例的另一方面，還提供了一種業(yè)務預測數(shù)據校正的裝置，包括：提取模塊，用于在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷模塊，用于判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點；計算模塊，用于在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；校正模塊，用于依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據。

在本發(fā)明實施例中，通過在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點；在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據，達到了對經營個體第二天實際業(yè)務量發(fā)生變化時能夠及時校正的目的，從而實現(xiàn)了提升對業(yè)務量預測精度的技術效果，進而解決了由于現(xiàn)有技術中缺少對經營個體在第二天實際業(yè)務量顯著變化的情況下校正預測業(yè)務量的技術，導致預測數(shù)據低于實際業(yè)務量，從而帶來的預測精度低的技術問題。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進一步理解，構成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構成對本發(fā)明的不當限定。在附圖中：

圖1是本發(fā)明實施例的一種業(yè)務預測數(shù)據校正的方法的計算機終端的硬件結構框圖；

圖2是根據本發(fā)明實施例一的業(yè)務預測數(shù)據校正的方法的流程圖；

圖3a是根據本發(fā)明實施例一的一種業(yè)務預測數(shù)據校正的方法的流程示意圖；

圖3b是根據本發(fā)明實施例一的另一種業(yè)務預測數(shù)據校正的方法的流程示意圖；

圖4是根據本發(fā)明實施例一的一種業(yè)務預測數(shù)據校正的方法中業(yè)務數(shù)據和業(yè)務預測數(shù)據的曲線示意圖；

圖5是根據本發(fā)明實施例二的業(yè)務預測數(shù)據校正的裝置的結構示意圖；

圖6是根據本發(fā)明實施例二的一種業(yè)務預測數(shù)據校正的裝置的結構示意圖；

圖7是根據本發(fā)明實施例二的另一種業(yè)務預測數(shù)據校正的裝置的結構示意圖；

圖8是根據本發(fā)明實施例二的又一種業(yè)務預測數(shù)據校正的裝置的結構示意圖；

圖9是根據本發(fā)明實施例二的再一種業(yè)務預測數(shù)據校正的裝置的結構示意圖。

具體實施方式

為了使本技術領域的人員更好地理解本發(fā)明方案，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分的實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都應當屬于本發(fā)明保護的范圍。

需要說明的是，本發(fā)明的說明書和權利要求書及上述附圖中的術語“第一”、“第二”等是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應該理解這樣使用的數(shù)據在適當情況下可以互換，以便這里描述的本發(fā)明的實施例能夠以除了在這里圖示或描述的那些以外的順序實施。此外，術語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產品或設備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或對于這些過程、方法、產品或設備固有的其它步驟或單元。

實施例1

根據本發(fā)明實施例，還提供了一種業(yè)務預測數(shù)據校正的方法的方法實施例，需要說明的是，在附圖的流程圖示出的步驟可以在諸如一組計算機可執(zhí)行指令的計算機系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。

本申請實施例一所提供的方法實施例可以在移動終端、計算機終端或者類似的運算裝置中執(zhí)行。以運行在計算機終端上為例，圖1是本發(fā)明實施例的一種業(yè)務預測數(shù)據校正的方法的計算機終端的硬件結構框圖。如圖1所示，計算機終端10可以包括一個或多個(圖中僅示出一個)處理器102(處理器102可以包括但不限于微處理器mcu或可編程邏輯器件fpga等的處理裝置)、用于存儲數(shù)據的存儲器104、以及用于通信功能的傳輸模塊106。本領域普通技術人員可以理解，圖1所示的結構僅為示意，其并不對上述電子裝置的結構造成限定。例如，計算機終端10還可包括比圖1中所示更多或者更少的組件，或者具有與圖1所示不同的配置。

存儲器104可用于存儲應用軟件的軟件程序以及模塊，如本發(fā)明實施例中的業(yè)務預測數(shù)據校正的方法對應的程序指令/模塊，處理器102通過運行存儲在存儲器104內的軟件程序以及模塊，從而執(zhí)行各種功能應用以及數(shù)據處理，即實現(xiàn)上述的應用程序的漏洞檢測方法。存儲器104可包括高速隨機存儲器，還可包括非易失性存儲器，如一個或者多個磁性存儲裝置、閃存、或者其他非易失性固態(tài)存儲器。在一些實例中，存儲器104可進一步包括相對于處理器102遠程設置的存儲器，這些遠程存儲器可以通過網絡連接至計算機終端10。上述網絡的實例包括但不限于互聯(lián)網、企業(yè)內部網、局域網、移動通信網及其組合。

傳輸裝置106用于經由一個網絡接收或者發(fā)送數(shù)據。上述的網絡具體實例可包括計算機終端10的通信供應商提供的無線網絡。在一個實例中，傳輸裝置106包括一個網絡適配器(networkinterfacecontroller，nic)，其可通過基站與其他網絡設備相連從而可與互聯(lián)網進行通訊。在一個實例中，傳輸裝置106可以為射頻(radiofrequency，rf)模塊，其用于通過無線方式與互聯(lián)網進行通訊。

在上述運行環(huán)境下，本申請?zhí)峁┝巳鐖D2所示的業(yè)務預測數(shù)據校正的方法。圖2是根據本發(fā)明實施例一的業(yè)務預測數(shù)據校正的方法的流程圖。

步驟s202，在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；

本申請上述步驟s202中，本申請實施例提供的業(yè)務預測數(shù)據校正的方法可以適用于電商平臺中對經營個體當天業(yè)務量的預測數(shù)據校正，避免經營個體當天業(yè)務量總預測數(shù)據小于當日某時刻業(yè)務數(shù)據真實值，在本申請實施例提供的業(yè)務預測數(shù)據校正的方法中，若要判定經營個體的總預測數(shù)據是否小于實際的業(yè)務成交量，則需要首先在第一時刻提取第一業(yè)務數(shù)據，該第一業(yè)務數(shù)據可以為0點至第一時刻的業(yè)務成交量的累計值。

其中，本申請實施例中在第一時刻可以精確至秒，即，提取第一業(yè)務數(shù)據時，該第一時刻的結構可以表示為：年-月-日小時：分鐘：秒(yyyy-mm-ddhh:mm:ss)的時刻點。在本申請實施例中由于第一時刻可以精確到秒，而由該第一時刻提取的第一業(yè)務數(shù)據將為精確至秒的業(yè)務成交量，綜上依據精確至秒的業(yè)務成交量在對后續(xù)預測數(shù)據校正時，將提高預測值的校正精度，其中，校正過程見步驟s204至s208。

步驟s204，判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點；

基于步驟s202中提取的第一業(yè)務數(shù)據，本申請上述步驟s204中，將第二時刻對應的第二業(yè)務預測數(shù)據與該第一業(yè)務數(shù)據進行比較，判斷該第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點。

具體的，假設第一時刻提取的第一業(yè)務數(shù)據為：09:15:20的業(yè)務數(shù)據date1，第二時刻對應的第二業(yè)務預測數(shù)據可以為：10:00對應的業(yè)務預測數(shù)據date2，在得到date1后將date2與date1進行判斷，判斷該date2是否大于date1。

步驟s206，在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；

本申請上述步驟s206中，在判斷結果為第二預測數(shù)據小于第一業(yè)務數(shù)據的情況下，可以得到計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值。

具體的，仍舊以步驟s204中的示例為例，date1大于date2時，計算date2與date1之間的差值，即，差值d＝date1-date2。

步驟s208，依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據。

基于步驟s206得到的差值，本申請上述步驟s208中，依據該差值，對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行校正，本申請實施例中將一天的業(yè)務數(shù)據和業(yè)務預測數(shù)據依據每天24個小時劃分為24個階段，即，0點至24點，共24個時段，在得到該差值時，將對第二時刻至24點對應的業(yè)務預測數(shù)據進行校正。

具體的，仍舊以步驟s204中的示例為例，當?shù)玫絛ate1與date2的差值為d時，若第二時刻為10點，則依據該差值d校正10點至24點這15個時間點的業(yè)務預測數(shù)據。

結合步驟s202至步驟s208，在本申請實施例中，業(yè)務量的預測值(即，本申請實施例提供的第二業(yè)務預測數(shù)據)是在預測業(yè)務日期之前通過預測算法得到的當天業(yè)務數(shù)據的預估，實時業(yè)務數(shù)據是當天實時獲取的實際業(yè)務量值(即，本申請實施例提 供的第一業(yè)務數(shù)據)。為了實現(xiàn)平滑補差，先根據歷史數(shù)據獲取各小時累計業(yè)務量占業(yè)務總量的比值，然后將其乘以當日業(yè)務量預測值，得到當天25個小時點的預測值，據此繪制一條以小時為橫軸，業(yè)務量為縱軸的預測曲線。當實時數(shù)據比下一小時數(shù)據大時(即，第一業(yè)務數(shù)據大于第二業(yè)務預測數(shù)據的情況下)，計算該差值(計算第一業(yè)務數(shù)據與第二業(yè)務預測數(shù)據的差值)，并將當前時刻后面各小時點的預測值都加上該差值即完成補差。圖3a是根據本發(fā)明實施例一的另一種業(yè)務預測數(shù)據校正的方法的流程示意圖，如圖3a所示，在本申請實施例提供的業(yè)務預測數(shù)據校正的方法中，通過依據離線預測總業(yè)務量與離線預測小時銷量的占比，得到離線數(shù)據(即，本申請實施例中的業(yè)務預測數(shù)據)，通過在第一時刻更新得到的實際業(yè)務數(shù)據，若該業(yè)務數(shù)據大于與第一時刻相鄰的第二時刻對應的業(yè)務預測數(shù)據，則通過比較業(yè)務數(shù)據與該業(yè)務預測數(shù)據，生成校正值(即，本申請實施例中的差值)，進而通過校正值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據。

由上可知，本申請上述實施例一所提供的方案，通過在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據；在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據，達到了對經營個體第二天實際業(yè)務量發(fā)生變化時能夠及時校正的目的，從而實現(xiàn)了提升對業(yè)務量預測精度的技術效果，進而解決了由于現(xiàn)有技術中缺少對經營個體在第二天實際業(yè)務量顯著變化的情況下校正預測業(yè)務量的技術，導致預測數(shù)據低于實際業(yè)務量，從而帶來的預測精度低的技術問題。

具體的，圖3b是根據本發(fā)明實施例一的另一種業(yè)務預測數(shù)據校正的方法的流程示意圖，如圖3b所示，本申請實施例提供的業(yè)務預測數(shù)據校正的方法具體如下：

可選的，步驟s202中在第一時刻提取第一業(yè)務數(shù)據包括：

step1，判斷第一時刻是否大于結算時刻；

本申請上述步驟s202中的step1中，在提取第一業(yè)務數(shù)據之前，需要判定當前的提取時間是否為結算時刻，即，若第一時刻為結算時刻，表明當天已經結束，已經沒有必要對當前時刻對應的業(yè)務數(shù)據和業(yè)務預測數(shù)據進行比較，校驗過程結束，所以在提取第一業(yè)務數(shù)據前，需對提取第一業(yè)務數(shù)據的時刻是否為結算時刻進行判斷。

step2，在判斷結果為否的情況下，提取第一業(yè)務數(shù)據。

基于step1的判斷，本申請上述步驟step2中，在判斷結果為該第一時刻小于結算時刻的情況下，提取第一業(yè)務數(shù)據。

具體的，結合step1和step2，本申請實施例提供的業(yè)務預測數(shù)據校正的方法在提取第一業(yè)務數(shù)據的過程中具體如下：判斷當前第一時刻是否大于結算時刻，在判斷結果為是的情況下，第一業(yè)務數(shù)據提取流程結束；在判斷結果為否的情況下，提取第一時刻對應的第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據可以為在第一時刻精確至秒的情況下，提取的業(yè)務成交量，該業(yè)務成交量可以為0點至第一時刻的累積成交量。

可選的，在步驟s202中的在第一時刻提取第一業(yè)務數(shù)據之前，本申請實施例提供的業(yè)務預測數(shù)據校正的方法還包括：

步驟s200，獲取業(yè)務預測數(shù)據和預設時間的累積業(yè)務量占業(yè)務總量的比重；

本申請上述步驟s200中，本申請實施例中的業(yè)務預測數(shù)據可以以日業(yè)務預測數(shù)據為例，預設時間的累積業(yè)務量可以以每小時累積業(yè)務量為例進行說明，其中，本申請實施例中在實際業(yè)務成交之前的一天將預先得到該日一天每個小時的業(yè)務預測數(shù)據，其中，在獲取每個小時的業(yè)務預測數(shù)據的過程中，首先，需要獲取日業(yè)務預測數(shù)據、至少7天的歷史業(yè)務數(shù)據和每小時占當天總業(yè)務數(shù)據的比值；其次，依據至少7天的歷史業(yè)務數(shù)據和每小時占當天總業(yè)務數(shù)據的比值得到每小時累積業(yè)務量占業(yè)務總量的比重，其中，本申請實施例中的比重取的是最近7天比重的平均值。即，先算每個小時占當天總業(yè)務數(shù)據的比值，再取每小時最近7天比值的平均。這樣避免某天突高或突低的異常。

具體的，本申請實施例中的日業(yè)務預測數(shù)據可以通過在一個時間區(qū)間內采樣計算得到的日均業(yè)務數(shù)據，即，通過采集一周(7天)的每日業(yè)務成交數(shù)據，通過求和的方式得到一周的業(yè)務成交總數(shù)據，進而依據該業(yè)務成交總數(shù)據通過除以7個成交日得到日均業(yè)務數(shù)據，并將該日均業(yè)務數(shù)據作為日業(yè)務預測數(shù)據。

假設，需要獲取day1(2月1日)的日業(yè)務預測數(shù)據，則需要獲取day1之前1月26至1月31日7天的成交數(shù)據，該經營個體在1月26至1月31日的每日業(yè)務成交數(shù)據可以為date1，date2，date3，date4，date5，date6和date7，通過對7天每日業(yè)務成交數(shù)據的求和，可以得到一周的業(yè)務成交總數(shù)據，一周的業(yè)務成交總數(shù)據表示如下：

datez1～7＝date1+date2+date3+date4+date5+date6+date7；

進而為得到預測day1的日業(yè)務預測數(shù)據，則一周的業(yè)務成交總數(shù)據通過除以7個成交日得到日均業(yè)務數(shù)據，即，dateday1＝datez1～7/7，在得到日均業(yè)務數(shù)據后可以將該dateday1作為day1的日業(yè)務預測數(shù)據；或者，通過預測算法模型得到day1的日業(yè)務預測數(shù)據。

若獲取每小時累積業(yè)務量占業(yè)務總量的比重，則需要先算每個小時占當天總業(yè)務數(shù)據的比值，再取每小時最近7天比值的平均，最后得到每小時累積業(yè)務量占業(yè)務總量的比重，例如，先計算7天內每小時占當天總業(yè)務數(shù)據的比值，可以得到：

day1:p10～p124；

day2:p20～p224；

……

day7:p70～p724；其中，day1至day7的每小時占當天總業(yè)務數(shù)據的比值為每小時累積業(yè)務量占當天總業(yè)務數(shù)據的占比。

進而，再取每小時最近7天比值的平均，可以得到：

p0’＝(p10+p20+……+p70)/7；

p1’＝(p11+p21+……+p71)/7；

……

p23’＝(p124+p224+……+p724)/7。

由上可知，得到每小時累積業(yè)務量占業(yè)務總量的比重p0’，p1’，……，p24’。

這里需要說明的是本申請實施例提供的獲取日業(yè)務預測數(shù)據和每小時累積業(yè)務量占業(yè)務總量的比重的方法僅以上述為例，以實現(xiàn)本申請實施例提供的業(yè)務預測數(shù)據校正的方法為準，具體不做限定。

步驟s201，將業(yè)務預測數(shù)據和預設時間的累積業(yè)務量占業(yè)務總量的比重進行計算，得到對應各個時間點的業(yè)務預測數(shù)據。

基于步驟s200獲取的日業(yè)務預測數(shù)據和每小時累積業(yè)務量占業(yè)務總量的比重，本申請上述步驟s201中，將獲取到的日業(yè)務預測數(shù)據和每小時累積業(yè)務量占業(yè)務總量的比重進行計算，將得到每小時業(yè)務預測數(shù)據。具體如下：

step1，計算日業(yè)務預測數(shù)據和比重的乘積，將乘積確定為每小時業(yè)務預測數(shù)據。

由上述步驟s200和s201可知，通過計算日業(yè)務預測數(shù)據和比重的乘積，可以將得到乘積確定為每小時業(yè)務預測數(shù)據。具體如下，

仍舊以步驟s200中的示例為例，假設日業(yè)務預測數(shù)據為dateday1，每小時累積業(yè)務量占業(yè)務總量的比重為p0’，p1’，……，p24’：將dateday1分別與p0’，p1’，……，p24’進行乘積，可以得到day1的每小時業(yè)務預測數(shù)據d’0～d’24。

此外，預設時間的累積業(yè)務量占業(yè)務總量的比重還可以為以秒為單位的每個小時中秒級的每小時累積業(yè)務量占業(yè)務總量的比重，本申請實施例中的預設時間的累積業(yè)務量以每小時的累積業(yè)務量為例，預設時間的累積業(yè)務量占業(yè)務總量的比重以每小時的累積業(yè)務量占業(yè)務總量的比重為例進行說明，以實現(xiàn)本申請實施例提供的業(yè)務預測數(shù)據校正的方法為準，具體不做限定。

綜上，結合步驟s200和步驟s201中計算每小時業(yè)務預測數(shù)據的方法，本申請實施例提供的業(yè)務預測數(shù)據校正的方法中除了步驟s200和步驟s201中通過求平均值得到每小時業(yè)務預測數(shù)據，還可以通過店鋪的訪問率、購物車的添加率、商品的收藏率以及交易數(shù)據作為訓練特征生成業(yè)務預測數(shù)據計算模型，進而得到業(yè)務預測數(shù)據，本申請實施例提供的業(yè)務預測數(shù)據的方法以平均值算法為例進行說明，以實現(xiàn)本申請實施例提供的業(yè)務預測數(shù)據的方法為準，具體不做限定。

可選的，步驟s208中依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據包括：

step1，依據差值生成校正值；

本申請上述步驟s208中的step1中，在步驟s206中第二業(yè)務預測數(shù)據小于第一業(yè)務數(shù)據的情況下，依據第一業(yè)務數(shù)據和第二業(yè)務預測數(shù)據的差值生成校正值。

step2，依據校正值對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據。

基于步驟step1生成的校正值，本申請上述step2中，依據校正值對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據。

具體的，本申請實施例中依據校正值對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整可以包括兩種方式，其中，方式一，為將差值確定為校正值，并將差值加至第二時刻至結算時刻對應的業(yè)務預測數(shù)據，得到校正后的業(yè)務預測數(shù)據；方式二，依據差值生成校正比重，并依據校正比重對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據。這里方式一執(zhí)行步驟a，方式二執(zhí)行步驟b和步驟c。

進一步地，可選的，步驟s208中的step2中依據校正值對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據包括：

本申請實施例中，依據校正值對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據包括以下兩種方式：

方式一，校正值為差值的情況；

步驟a，在將差值確定為校正值的情況下，將差值加至第二時刻至結算時刻對應的業(yè)務預測數(shù)據，得到校正后的業(yè)務預測數(shù)據；

本申請上述步驟a中，將第一業(yè)務數(shù)據與第二業(yè)務預測數(shù)據求差得到的差值與第二時刻至結算時刻對應的每小時業(yè)務預測數(shù)據求和，得到校正后的每小時業(yè)務預測數(shù)據。

具體的，假設第一業(yè)務數(shù)據與第二業(yè)務預測數(shù)據求差得到的差值為△d，第二時刻至結算時刻的每小時業(yè)務預測數(shù)據可以為d’i～d’24，將d’i～d’24分別與△d求和，得到校正后的每小時業(yè)務預測數(shù)據d’i+△d～d’24+△d。

或者，

方式二，校正值為依據差值生成的校正比重的情況；

步驟b，依據差值生成校正比重，并將校正比重確定為校正值；

本申請上述步驟b中，假設該差值為△d，依據該△d生成校正比重bi。

步驟c，對第二時刻至結算時刻對應的業(yè)務預測數(shù)據依據校正比重進行調整，得到校正后的業(yè)務預測數(shù)據。

基于步驟b中得到的校正比重，本申請上述步驟c中，在得到校正比重bi后，依據該校正比重bi對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據。

具體的，假設校正比重bi，第二時刻至結算時刻的每小時業(yè)務預測數(shù)據可以為d’i～d’24，將d’i～d’24分別與bi乘積，得到校正后的每小時業(yè)務預測數(shù)據d’i*bi～d’24*bi。

結合上述步驟s202至步驟s208，如圖3b所示，假設離線預測當天總業(yè)務量為x(即，本申請實施例中的日業(yè)務預測數(shù)據)，離線預測每小時業(yè)務量占總業(yè)務量占比為pn，n＝0,1,2,…,23(即，本申請實施例中的每小時累積業(yè)務量占業(yè)務總量的比重)，則24個小時業(yè)務量預測值為x*pn(n＝0,1,2,…,23)(即，本申請實施例中的每小時業(yè)務預測數(shù)據)。實時數(shù)據是在業(yè)務量當天實時追蹤到的實際已產生業(yè)務量，記為ti(即，本申請實施例中的第一業(yè)務數(shù)據)，i精確到秒，即表示yyyy-mm-ddhh:mm:ss的時刻點。補差技術指，當前時刻i(小時為h)獲取的實時數(shù)據ti與(h+1)小時預測值(第二時刻對應的第二業(yè)務預測數(shù)據)做對比，即δt＝ti-x*ph+1(即，本申請實施例中 的第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值)，當δt>0時將(h+1)小時到23點的每小時預測值加上δt(即，本申請實施例中的將差值加至第二時刻至結算時刻對應的每小時業(yè)務預測數(shù)據，得到校正后的每小時業(yè)務預測數(shù)據)。這里需要說明的是，如圖3b所示，當實施數(shù)據比小時預測值小時(即，第一業(yè)務數(shù)據小于第二業(yè)務預測數(shù)據的情況下)，則重新提取實際產生的業(yè)務數(shù)據，即，第一時刻之后，結算時刻之前，提取業(yè)務數(shù)據，直至提取的業(yè)務數(shù)據大于該業(yè)務數(shù)據對應的提取時刻之后相鄰位置時刻的業(yè)務預測數(shù)據；如圖3b所示，在一次校正流程結束后，將進入第二次校正準備流程，即，在存在t1時刻的業(yè)務數(shù)據大于t2時刻的業(yè)務預測數(shù)據的情況下，將執(zhí)行校正流程。

圖4是根據本發(fā)明實施例一的一種業(yè)務預測數(shù)據校正的方法中業(yè)務數(shù)據和業(yè)務預測數(shù)據的曲線示意圖；先根據歷史數(shù)據獲取各小時累計業(yè)務量占業(yè)務總量的比值，然后將其乘以當日業(yè)務量預測值，得到當天24個小時點的預測值，據此繪制一條以小時為橫軸，業(yè)務量為縱軸的預測曲線。當實時數(shù)據比下一小時數(shù)據大時，計算該差值，并將當前時刻后面各小時點的預測值都加上該差值即完成補差。如圖4所示，10點之后的虛線部分都是預測值，23點的值即為業(yè)務量總預測值x，09:15:20實時獲得的數(shù)據為t9，將t9與其后一個小時的整點10點的預測數(shù)據比較。上圖t9值未比10點預測值大不做修正，但假若09:15:20實時拿到的數(shù)據如畫的粗線條，明顯發(fā)現(xiàn)其值比10點的預測值大，此時的曲線出現(xiàn)了斗峰。這種預測是完全錯誤的，因為曲線表現(xiàn)的是小時的累計數(shù)據，t10之后的值肯定比t9大，至少是持平，通過補差技術可以達到帶點虛線的效果將所有后面點的預測值做個平滑提升，及時有效解決了因當天經營個體效果突變而造成的預測不準確甚至是預測離譜問題。

基于上述步驟s202至步驟s208，本申請實施例提供的業(yè)務預測數(shù)據校正的方法除了可以適用于“雙十一”或“雙十二”這類單天促銷情況，還可以適用于活動時間持續(xù)超過兩天的促銷活動，例如，連續(xù)三天的聚劃算活動、黃金周；又或者一個小時或預設時間內的促銷活動，基于上述環(huán)境，本申請實施例中業(yè)務預測數(shù)據校正的方法對業(yè)務數(shù)據的校正原理，即，無論任一促銷活動，在該活動開始的前一天或前一時間段內都會生成該促銷活動時期內的業(yè)務預測數(shù)據，當在促銷活動進行時，若實際的業(yè)務數(shù)據大于該時刻相鄰時間點對應的業(yè)務預測數(shù)據，則通過比較該業(yè)務預測數(shù)據和該時刻的業(yè)務數(shù)據，生成校正值，并依據該校正值校正該時刻相鄰時間點至結算時刻的業(yè)務預測數(shù)據。

舉例來說，以3天的促銷期為例，在3天促銷期之前，將對該3天促銷期活動的 業(yè)務數(shù)據進行預測，進而得到3天的業(yè)務預測數(shù)據，即，dday1、dday2和dday3

當在3天促銷的活動中時，假設第一天day1的11:35:30秒的實際產生的業(yè)務數(shù)據date1’大于12點至1點該1個小時時間段的業(yè)務預測數(shù)據date2，則依據當前的業(yè)務數(shù)據date1’與該業(yè)務預測數(shù)據date2生成校正值j1，j1可以為date1’與date2的差值，在對12點至day1當天結算時間對應的業(yè)務預測數(shù)據date2～date12進行校正時，可以通過將j1分別添加至該業(yè)務預測數(shù)據，即，得到date2+j1～date12+j1；當本次校正結束后，在day1當天11:35:30(秒級)之后還存在實際的業(yè)務數(shù)據大于相鄰時間點對應的業(yè)務預測數(shù)據，則繼續(xù)執(zhí)行將業(yè)務數(shù)據與業(yè)務預測數(shù)據進行比較，并通過比較生成的校正值，校正該相鄰時間點至當天結算時刻對應的業(yè)務預測數(shù)據；同理，3天促銷的day2和day3的業(yè)務預測數(shù)據的校正與day1中的方法相同，在此不再贅述。與3天的促銷期相同的是，黃金周的促銷活動中，對業(yè)務預測數(shù)據校正的方法與3天的促銷期相同。

若是一小時的促銷時間，同樣的，在該一小時促銷活動發(fā)起的前一天，將會對發(fā)起促銷一小時當天的業(yè)務數(shù)據做一預測，若在促銷活動當天，該小時內的實際產生的業(yè)務數(shù)據大于該小時相鄰時間點對應的業(yè)務預測數(shù)據，則與上述業(yè)務預測數(shù)據校正的方法相同，通過業(yè)務數(shù)據與業(yè)務預測數(shù)據的比較生成校正值，進而依據該校正值校正相鄰時間點至當天結算時刻的業(yè)務預測數(shù)據。

這里本申請實施例提供的業(yè)務預測數(shù)據校正的方法可以適用于阿里巴巴公司的一種利用結構化查詢語言(structuresquerylanguage，簡稱sql)部署的大數(shù)據計算服務(opendataprocessingservice，簡稱odps)平臺。

需要說明的是，對于前述的各方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領域技術人員應該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據本發(fā)明，某些步驟可以采用其他順序或者同時進行。其次，本領域技術人員也應該知悉，說明書中所描述的實施例均屬于優(yōu)選實施例，所涉及的動作和模塊并不一定是本發(fā)明所必須的。

通過以上的實施方式的描述，本領域的技術人員可以清楚地了解到根據上述實施例的業(yè)務預測數(shù)據校正的方法可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當然也可以通過硬件，但很多情況下前者是更佳的實施方式?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質(如rom/ram、磁碟、光盤)中，包括若干指令用以使得一臺終端設備(可以是手機，計算機，服務器，或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述的方法。

實施例2

根據本發(fā)明實施例，還提供了一種用于實施上述方法實施例的裝置實施例，本申請上述實施例所提供的裝置可以在計算機終端上運行。

圖5是根據本發(fā)明實施例二的業(yè)務預測數(shù)據校正的裝置的結構示意圖。

如圖5所示，該業(yè)務預測數(shù)據校正的裝置可以包括：提取模塊52、判斷模塊54、計算模塊56和校正模塊58。

其中，提取模塊52，用于在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷模塊54，用于判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點；計算模塊56，用于在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；校正模塊58，用于依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據。

由上可知，本申請上述實施例二所提供的方案，通過在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據；在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據，達到了對經營個體第二天實際業(yè)務量發(fā)生變化時能夠及時校正的目的，從而實現(xiàn)了提升對業(yè)務量預測精度的技術效果，進而解決了由于現(xiàn)有技術中缺少對經營個體在第二天實際業(yè)務量顯著變化的情況下校正預測業(yè)務量的技術，導致預測數(shù)據低于實際業(yè)務量，從而帶來的預測精度低的技術問題。

此處需要說明的是，上述提取模塊52、判斷模塊54、計算模塊56和校正模塊58對應于實施例一中的步驟s202至步驟s208，四個模塊與對應的步驟所實現(xiàn)的示例和應用場景相同，但不限于上述實施例一所公開的內容。需要說明的是，上述模塊作為裝置的一部分可以運行在實施例一提供的計算機終端10中，可以通過軟件實現(xiàn)，也可以通過硬件實現(xiàn)。

可選的，圖6是根據本發(fā)明實施例二的一種業(yè)務預測數(shù)據校正的裝置的結構示意圖。如圖6所示，提取模塊52包括：判斷單元521和提取單元522。

其中，判斷單元521，用于判斷第一時刻是否大于結算時刻；提取單元522，用于在判斷結果為否的情況下，提取第一業(yè)務數(shù)據。

此處需要說明的是，上述判斷單元521和提取單元522對應于實施例一中的步驟 s202中的step1和step2，兩個模塊與對應的步驟所實現(xiàn)的示例和應用場景相同，但不限于上述實施例一所公開的內容。需要說明的是，上述模塊作為裝置的一部分可以運行在實施例一提供的計算機終端10中，可以通過軟件實現(xiàn)，也可以通過硬件實現(xiàn)。

可選的，圖7是根據本發(fā)明實施例二的另一種業(yè)務預測數(shù)據校正的裝置的結構示意圖。如圖7所示，本申請實施例提供的業(yè)務預測數(shù)據校正的裝置還包括：獲取模塊50和數(shù)據計算模塊51。

其中，獲取模塊50，用于在第一時刻提取第一業(yè)務數(shù)據之前，獲取業(yè)務預測數(shù)據和預設時間的累積業(yè)務量占業(yè)務總量的比重；數(shù)據計算模塊51，用于將業(yè)務預測數(shù)據和預設時間的累積業(yè)務量占業(yè)務總量的比重進行計算，得到對應各個時間點的業(yè)務預測數(shù)據。

此處需要說明的是，上述獲取模塊50和數(shù)據計算模塊51對應于實施例一中的步驟s200和步驟s201，兩個模塊與對應的步驟所實現(xiàn)的示例和應用場景相同，但不限于上述實施例一所公開的內容。需要說明的是，上述模塊作為裝置的一部分可以運行在實施例一提供的計算機終端10中，可以通過軟件實現(xiàn)，也可以通過硬件實現(xiàn)。

可選的，圖8是根據本發(fā)明實施例二的又一種業(yè)務預測數(shù)據校正的裝置的結構示意圖。如圖8所示，校正模塊58包括：數(shù)值生成單元581和校正單元582。

其中，數(shù)值生成單元581，用于依據差值生成校正值；校正單元582，用于依據校正值對第二時刻至結算時刻對應的業(yè)務預測數(shù)據進行調整，得到校正后的業(yè)務預測數(shù)據。

此處需要說明的是，上述數(shù)值生成單元581和校正單元582對應于實施例一中的步驟s208中的step1和step2，兩個模塊與對應的步驟所實現(xiàn)的示例和應用場景相同，但不限于上述實施例一所公開的內容。需要說明的是，上述模塊作為裝置的一部分可以運行在實施例一提供的計算機終端10中，可以通過軟件實現(xiàn)，也可以通過硬件實現(xiàn)。

進一步地，可選的，圖9是根據本發(fā)明實施例二的再一種業(yè)務預測數(shù)據校正的裝置的結構示意圖。如圖9所示，校正單元582包括：第一校正子單元5821、數(shù)值生成子單元5822和第二校正子單元5823。

其中，第一校正子單元5821，用于在將差值確定為校正值的情況下，將差值加至第二時刻至結算時刻對應的業(yè)務預測數(shù)據，得到校正后的業(yè)務預測數(shù)據；或者，數(shù)值生成子單元5822，用于依據差值生成校正比重，并將校正比重確定為校正值；第二校正子單元5823，用于對第二時刻至結算時刻對應的業(yè)務預測數(shù)據依據校正比重進行調整，得到校正后的業(yè)務預測數(shù)據。

此處需要說明的是，上述第一校正子單元5821、數(shù)值生成子單元5822和第二校正子單元5823對應于實施例一中的步驟s208中step2中的步驟a至步驟c，三個模塊與對應的步驟所實現(xiàn)的示例和應用場景相同，但不限于上述實施例一所公開的內容。需要說明的是，上述模塊作為裝置的一部分可以運行在實施例一提供的計算機終端10中，可以通過軟件實現(xiàn)，也可以通過硬件實現(xiàn)。

由上可知，本申請實施例提供的業(yè)務預測數(shù)據校正的裝置，通過在第一時刻提取第一業(yè)務數(shù)據，并將該第一業(yè)務數(shù)據與第二時刻的第二業(yè)務預測數(shù)據進行比較，在第二業(yè)務預測數(shù)據小于第一業(yè)務數(shù)據的情況下，計算第一業(yè)務數(shù)據與第二業(yè)務預測數(shù)據之間的差值，并依據該差值校正第二時刻至結算時刻的業(yè)務預測數(shù)據，通過補差技術可以達到帶點虛線的效果將所有后面點的預測值做個平滑提升，及時有效解決了因當天經營個體效果突變而造成的預測不準確甚至是預測離譜問題。

實施例3

本發(fā)明的實施例還提供了一種存儲介質?？蛇x地，在本實施例中，上述存儲介質可以用于保存上述實施例一所提供的業(yè)務預測數(shù)據校正的方法所執(zhí)行的程序代碼。

可選地，在本實施例中，上述存儲介質可以位于計算機網絡中計算機終端群中的任意一個計算機終端中，或者位于移動終端群中的任意一個移動終端中。

可選地，在本實施例中，存儲介質被設置為存儲用于執(zhí)行以下步驟的程序代碼：在第一時刻提取第一業(yè)務數(shù)據，其中，第一業(yè)務數(shù)據包括：在第一時刻產生的業(yè)務成交量；判斷第二時刻對應的第二業(yè)務預測數(shù)據是否大于第一業(yè)務數(shù)據，其中，第二時刻為第一時刻之后相鄰的時間點；在判斷結果為否的情況下，計算第二業(yè)務預測數(shù)據與第一業(yè)務數(shù)據的差值；依據差值校正第二時刻至結算時刻對應的業(yè)務預測數(shù)據。

可選地，在本實施例中，存儲介質被設置為存儲用于執(zhí)行以下步驟的程序代碼：判斷第一時刻是否大于結算時刻；在判斷結果為否的情況下，提取第一業(yè)務數(shù)據。

可選地，在本實施例中，存儲介質被設置為存儲用于執(zhí)行以下步驟的程序代碼：獲取日業(yè)務預測數(shù)據和每小時累積業(yè)務量占業(yè)務總量的比重；將日業(yè)務預測數(shù)據和每小時累積業(yè)務量占業(yè)務總量的比重進行計算，得到每小時業(yè)務預測數(shù)據。

可選地，在本實施例中，存儲介質被設置為存儲用于執(zhí)行以下步驟的程序代碼：計算日業(yè)務預測數(shù)據和比重的乘積，將乘積確定為每小時業(yè)務預測數(shù)據。

可選地，在本實施例中，存儲介質被設置為存儲用于執(zhí)行以下步驟的程序代碼： 將差值加至第二時刻至當日結算時刻對應的每小時業(yè)務預測數(shù)據，得到校正后的每小時業(yè)務預測數(shù)據。

上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

在本發(fā)明的上述實施例中，對各個實施例的描述都各有側重，某個實施例中沒有詳述的部分，可以參見其他實施例的相關描述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的技術內容，可通過其它的方式實現(xiàn)。其中，以上所描述的裝置實施例僅僅是示意性的，例如所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，單元或模塊的間接耦合或通信連接，可以是電性或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕嶋H的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中。基于這樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可為個人計算機、服務器或者網絡設備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：u盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、移動硬盤、磁碟或者光盤等各種可以存儲程序代碼的介質。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也應視為本發(fā)明的保護范圍。