一种基于大数据的医药供应分析管理系统及方法与流程

本发明涉及大数据，具体为一种基于大数据的医药供应分析管理系统及方法。

背景技术：

1、近年来，随着医药市场的不断扩大和供应管理的不断优化，大数据技术在医药领域中的应用也日渐广泛。大数据技术可以帮助医药企业实现对货物供应、销售渠道等方面的全面监测和管理，从而实现对供应关系的智能预测和风险控制。

2、为了保证医药供应关系的平衡，目前对于医药产品销量的预测大多基于历史销售数据，通过统计和数据分析，进一步推测未来的销售情况发展趋势，用于保证持续的药品供应，以及减少货物存储等运营成本。但是，如果只考虑时间因素而不考虑外界环境因素对医药产品销量的影响，当外界环境因素影响较大时，会导致医药产品销量出现较大波动，使得预测结果与实际情况不符，如果预测数据远高于实际需求，可能会导致货物留置，增加货物存储成本，如果预测数据小于实际需求，则可能导致货物短缺，不能及时满足顾客的购买需求，减少了实际收益。

3、因此，人们需要一种基于大数据的医药供应分析管理系统及方法来解决上述问题或部分问题。

技术实现思路

1、本发明的目的在于提供一种基于大数据的医药供应分析管理系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的医药供应分析管理方法，包括以下步骤：

3、s1：采集目标区域内的人员组成信息数据、医药产品的历史销售相关数据和历史网络环境数据；

4、所述医药产品的历史销售数据包括产品信息数据、销售时间数据和销售量数据；所述网络环境数据包括产品信息触发数量、情感极性、发生时间等；

5、所述情感极性是指对事物、人或者事件等所产生的情感倾向，通常包括积极情感和消极情感两种类型，应用于多个领域，本发明中通过文本情感分析了解网络环境对医药产品的影响方向。

6、s2：对采集的各项数据进行处理，得到用于数据挖掘的数据集；

7、s3：分析网络环境数据对销售情况的影响，挖掘得到网络环境数据与医药产品销售数据的关系，分析医药产品销售情况出现波动是否受到网络环境影响；

8、s4：分析网络环境数据的变化趋势，调节销售预测模型中的网络环境数据相关参数。

9、进一步的，所述s1包括：

10、步骤s1-1：根据医药产品销售点位置，选择数据采集范围，确定数据采集目标区域；

11、步骤s1-2：确定数据采集方式和数据采集工具，对目标区域内的人员组成信息数据、医药产品的历史销售相关数据和历史网络环境数据进行采集；

12、步骤s1-3：通过数据整合工具对采集的各项数据进行整合，将采集的不同数据源中的各项数据进行整理，建立一个同一的数据仓库对整合的数据进行存储，使其以便于后期的查询和提取。

13、进一步的，所述s2包括：

14、步骤s2-1：对采集的数据进行清洗，去除空值、异常值、重复值等无效数据，保证数据的准确性，并对多个数据源的数据进行集成，将不同数据源的数据合并为一个数据集，保证数据的一致性和完整性，使数据符合数据挖掘的要求；

15、其中，数据清洗和集成可以通过数据清洗工具、数据集成工具等实现。

16、步骤s2-2：对数据进行变换，包括数据离散化、归一化、标准化等处理，并对数据进行特征选择，减少无用特征的干扰，提高数据挖掘的效率；

17、步骤s2-3：将选择的特征数据整合为数据集，并将其存储至数据库中，以便于后续步骤中的数据挖掘和分析。

18、进一步的，所述步骤s3包括：

19、步骤s3-1：通过分析数据集中目标区域内的人员组成特征，包括年龄特征、教育程度特征和社会身份特征，根据不同属性特征人员对网络环境的信息接受情况，将目标区域内人员根据自身属性特征进行划分为不同人群，对不同人群设定相应的网络环境影响度；通过目标区域内的人员组成占比得到该区域内的网络环境影响比重g；

20、步骤s3-2：通过将数据集中的各时间段内网络环境数据特征与医药产品的历史销售数据特征进行特征结合，得到用于建立预测模型的历史特征集，其中，网络环境数据特征包括产品信息触发特征和情感极性特征，医药产品的历史销售数据特征包括产品信息、销售时间数据特征和销售量数据特征；

21、步骤s3-3：将销售时间和销售量作为输出结果，将产品信息触发特征和情感极性特征作为输入特征，基于决策树模型，挖掘网络环境数据与医药产品销售数据的关系：

22、y＝f(x1,x2,...,xn)；

23、其中，y表示网络环境数据特征的影响系数，f表示决策树模型，接收n个特征变量x1、x2、...、xn作为输入，生成网络环境数据特征影响系数；

24、决策树模型可以用于分类和回归问题，其中回归问题可以使用回归树模型进行建模。在基于决策树建立销售预测模型时，可以选择网络环境数据中的任一特征来选择分裂点。

25、步骤s3-4：建立销售预测模型：

26、

27、其中，h表示销售量，η0表示历史销售量的平均值，δ表示误差项，由相关工作人员进行预设；η1表示网络环境数据特征的权重系数，zi表示除网络环境数据特征外的其他任一影响销售量的变量，ηi+1表示除网络环境数据特征外的其他任一影响销售量的变量的权重系数，k表示除网络环境数据特征外的其他影响销售量的因子数量；

28、通过对数据进行分析，可以发现人员组成、历史销售情况和历史网络环境之间的关系，根据数据分析结果，为企业的市场定位、销售策略调整提供依据，也可以制定合适的仓储、运输规划、产品推广计划等，提高产品销售业绩。

29、进一步的，在s4中，包括以下步骤：

30、s4-1：将网络环境数据特征影响系数按照时间顺序进行排列，通过数据可视化工具绘制时间序列图，通过时间序列图，可以发现短期内的波动趋势；

31、s4-2：通过趋势拟合方法对时间序列图中的趋势变化进行分析，趋势线拟合得到曲线方程，能够描述网络环境数据随时间变化的趋势方向；通过趋势线拟合，可以更准确地预测数据未来的走势方向；

32、s4-3：结合网络环境数据变化趋势，调节输入销售预测模型的网络环境数据特征的影响系数。

33、具体的，本发明中的销量预测用于保证医药供应关系的平衡，对销量的预测能够判断商家剩余库存能否满足销售需求，进一步能够判断是否需要向供应方发起采购请求。步骤s4中通过趋势拟合预测得到的网络环境数据特征变量参数对短期内的网络环境变化进行了预测，结合步骤s3中的销售预测模型，对模型中的网络环境数据特征的影响系数进行更新，将预测得到的未来某一时刻的网络环境数据特征的影响系数输入模型中，以便于避免由于网络环境变化导致的销量预测情况与实际需求不符。

34、通过对网络环境因素影响的分析，减少预测结果与实际情况的误差，分析得到目标区域内的供应实际需求，避免因导致货物留置增加的货物存储成本，以及因为货物短缺造成的实际收益减少。

35、一种基于大数据的医药供应分析管理系统，所述系统包括：数据采集模块、数据处理模块和数据挖掘模块；

36、所述数据采集模块用于对历史销售数据和网络环境数据进行采集，收集和整理医药供应的相关数据；

37、所述数据处理模块用于对采集到的相关数据进行处理；以便于后续的数据挖掘和分析。数据处理模块可以对数据进行去重、缺失值填充、异常值处理、数据格式转换等操作，以确保数据的准确性和完整性。

38、所述数据挖掘模块用于对处理后的相关数据进行分析和建模，挖掘网络环境数据与医药产品销售情况的关系，数据挖掘模块可以使用各种数据挖掘方法，预测市场需求和销售趋势等；

39、优选的，数据挖掘模块还可以将分析结果可视化展示，以便于管理者和决策者了解供应链的状态和趋势，及时采取相应的措施。

40、进一步的，所述数据采集模块包括人员组成数据采集单元、历史销售数据采集单元和网络环境数据采集单元；

41、所述人员组成数据采集单元用于对目标区域内的人员组成信息进行采集，

42、所述历史销售数据采集单元用于对目标区域内各供应点的医药产品相关历史销售数据进行采集，包括产品信息数据、销售时间数据和销售量数据；

43、所述网络环境数据采集单元用于对历史时间段内的网络环境相关数据进行采集，包括产品信息触发数量、情感极性、发生时间。

44、进一步的，所述数据处理模块包括数据预处理单元和数据归一化单元；

45、所述数据预处理单元用于对数据采集模块采集的数据进行预处理，包括数据清洗、数据集成、数据转换和数据整合；

46、所述数据归一化单元用于在保留数据分布特征的前提下，将其映射到一个预定的区间内，将数据进行归一化处理可以消除不同数据变量之间因为量纲不同而产生的影响，保证变量之间权重的公平性，以便于提高数据分析的准确性和稳定性。

47、进一步的，所述数据挖掘模块包括数据分析单元、预测模型建立单元和数据预测单元；

48、所述数据分析单元用于对数据处理模块处理后的特征数据进行分析，分析影响销量的各因素的变化趋势；

49、所述预测模型建立单元用于根据历史数据特征集建立销售预测模型，并结合影响销量的各因素的变化趋势对模型参数进行调整；

50、所述数据预测单元用于根据销量预测模型对医药产品的未来销量继续预测。

51、与现有技术相比，本发明所达到的有益效果是：

52、本发明通过数据采集模块对历史销售数据和网络环境数据进行采集，收集和整理医药供应的相关数据；通过数据处理模块对采集到的相关数据进行处理；通过数据挖掘模块对处理后的相关数据进行分析和建模，挖掘网络环境数据与医药产品销售情况的关系，数据挖掘模块可以使用各种数据挖掘方法，预测市场需求和销售趋势等；通过对数据进行分析，可以发现人员组成、历史销售情况和历史网络环境之间的关联性，考虑了网络环境因素对医药产品销量的影响，结合网络环境变化，对医药产品销量的波动进行分析，根据数据分析结果，为企业的市场定位、销售策略调整提供依据，提高产品销售业绩。