1 / 118

根据餐馆销售数据探讨餐馆管理与运营

根据餐馆销售数据探讨餐馆管理与运营. 成员：席与焜 2012010836 、苍宇 2012010812 、董怡辰 2012012828 、姜祺 2012010829 、贾斯然 2012010841. 数据预处理. 云海肴后备 sql 文件. 数据预处理. 程序：实现分割. 数据预处理. 分割后的文件. 数据预处理. 利用编写的 php 文件进一步处理. 数据预处理. 数据预处理. 删除重复的数据 删 除员工的数据 删除外卖打包的数据 删除明显错误的数据（人数与点餐数不合常理） 将菜品编号方便后期数据处理. 菜品的编号. 一周七天的总客流量.

kirra
Télécharger la présentation

根据餐馆销售数据探讨餐馆管理与运营

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 根据餐馆销售数据探讨餐馆管理与运营 成员：席与焜2012010836、苍宇2012010812、董怡辰2012012828、姜祺2012010829、贾斯然2012010841

  2. 数据预处理 • 云海肴后备sql文件

  3. 数据预处理 程序：实现分割

  4. 数据预处理 • 分割后的文件

  5. 数据预处理 • 利用编写的php文件进一步处理

  6. 数据预处理

  7. 数据预处理 • 删除重复的数据 • 删除员工的数据 • 删除外卖打包的数据 • 删除明显错误的数据（人数与点餐数不合常理） • 将菜品编号方便后期数据处理

  8. 菜品的编号

  9. 一周七天的总客流量

  10. 周二总客流量

  11. 周二前半段

  12. 周二后半段

  13. 周六总客流量

  14. 周六前半段

  15. 周六后半段

  16. Apriori算法筛选频繁项集 • 为每一道菜确定其代号，活动类特殊菜品用-1统一替代（241为米饭） • 利用正则表达式从不标准sql文件中析取我们需要的数据项集 • 数据预处理——清洗无效数据与噪声（去除系统故障导致重复数据；外卖带走数据；员工餐饮；数据记录错误） • 使用Apriori算法时删除所有包含241与-1的数据项

  17. L2中的数据集 总样本数量： 20839桌

  18. L2中的数据集

  19. L2中的数据集

  20. L2中的数据集

  21. L3中的数据集

  22. K-means聚类分析 • 通过数据集成将点单数据与结单数据结合，进行元组重复检测和数据冲突检测 • 进行维规约，合并点单中单个菜品金额、该菜品该桌点单数与菜谱中菜品价格三维 • 通过数据规范化使得其大小适合聚类分析，且符合我们分析的需求

  23. 酒水销量与价格聚类分析

  24. 酒水销量与价格聚类分析

  25. 酒水销量与价格聚类分析 • 第一类：销量在181上下，价格14元左右 • 范例：百香优格(冷)——销量154，价格12 • 仙草奶茶(热)——销量134，价格14 • 鲜榨木瓜牛奶——销量188，价格18 • 第二类：销量在94上下，价格40元左右 • 范例：鲜榨玉米汁（扎）——销量78，价格38 • 鲜榨薄荷柠檬汁（扎）——销量93，价格39 • 第三类：销量在1639上下，价格20 • 范例：自制米酒——销量1525，价格12

  26. 酒水销量与价格聚类分析 • 离群点 • 绿野仙踪——销量2068，价格9 • 地道云南白酒——销量12，价格288 • 自制米酒(扎)——销量2036，价格39

  27. 热菜销量与价格聚类分析

  28. 热菜销量与价格聚类分析

  29. 热菜销量与价格聚类分析 • 第一类：销量在759上下，价格63元左右 • 范例：抚仙湖飘香鱼——销量769，价格56 • 普洱茶香酥虾——销量739，价格69 • 第二类：销量在460上下，价格32元左右 • 范例：清炒板蓝根——销量310，价格39 • 清炒空心菜——销量464，价格29 • 第三类：销量在5948上下，价格35元左右 • 范例：黑三剁——销量5012，价格38 • 傣味菠萝饭——销量7334，价格39

  30. 热菜销量与价格聚类分析 • 离群点 • 老昆明大酥牛肉——销量1901，价格86 • 老奶洋芋(葱香)——销量6192，价格9（员工价2） • 傣味香茅草烤罗非鱼——销量9393，价格56 • 菌临天下——销量196，价格88

  31. 就餐时间、每桌人数、人均消费聚类分析

  32. 就餐时间、每桌人数、人均消费聚类分析 • 第一类：1人，72min，人均消费502元-0.2% • 第二类：2人，59min，人均消费154元-4% • 第三类：2人，48min，人均消费99元-19% • 第四类：3人，88min，人均消费86元-10% • 第五类：3人，47min，人均消费67元-29% • 第六类：3人，32min，人均消费36元-8% • 第七类：5人，164min，人均消费90元-2% • 第八类：7人，64min，人均消费64元-5%

  33. 各个星期一，各个时间段主效应分析

  34. Two-way ANOVA • 双因子方差分析: 人数 与 时间段, 第几个星期一 • 来源 自由度 SS MS F P • 时间段 22 26963.8 1225.63 47.28 0.000 • 第几个星期一 25 5861.1 234.45 9.04 0.000 • 误差 550 14258.6 25.92 • 合计 597 47083.5 • S = 5.092 R-Sq = 69.72% R-Sq（调整） = 67.13%

  35. 第几个 均值（基于合并标准差）的单组 95% 置信区间 • 星期一 均值 -------+---------+---------+---------+-- • 1 6.5217 (---*--) • 2 6.5652 (---*--) • 3 6.9565 (---*--) • 4 5.0870 (--*---) • 5 5.2174 (---*--) • 6 20.1304 (---*--) • 7 9.0000 (--*--) • 8 4.8696 (--*---) • 9 4.8696 (--*---) • 10 5.2174 (---*--) • 11 3.6957 (--*---) • 12 5.3478 (---*--) • 13 6.8261 (--*---) • 14 6.5217 (---*--) • 15 9.6522 (--*---) • 16 6.6957 (--*---) • 17 8.3913 (--*--) • 18 6.3478 (---*--) • 19 5.5652 (--*---) • 20 5.7826 (---*--) • 21 5.1739 (---*--) • 22 9.3913 (---*--) • 23 9.9565 (---*--) • 24 5.3043 (---*--) • 25 6.3478 (---*--) • 26 3.6522 (--*---) • -------+---------+---------+---------+-- • 6.0 12.0 18.0 24.0 第六组是明显的偏离组别

  36. 残差图 第72行，第134行，第498行是偏离数据点。与拟合值比较，大致呈三角形，说明一部分点不可信。 我们发现134行隶属于第六个星期一，因此将改天数据删除。

  37. 主效应图

  38. 第几个 均值（基于合并标准差）的单组 95% 置信区间 • 星期一 均值 ----+---------+---------+---------+----- • 1 6.52174 (------*-----) • 2 6.56522 (------*-----) • 3 6.95652 (-----*------) • 4 5.08696 (------*------) • 5 5.21739 (-----*------) • 7 9.00000 (------*------) • 8 4.86957 (-----*------) • 9 4.86957 (-----*------) • 10 5.21739 (-----*------) • 11 3.69565 (-----*------) • 12 5.34783 (------*-----) • 13 6.82609 (------*-----) • 14 6.52174 (------*-----) • 15 9.65217 (-----*------) • 16 6.69565 (-----*------) • 17 8.39130 (------*------) • 18 6.34783 (-----*------) • 19 5.56522 (------*-----) • 20 5.78261 (-----*------) • 21 5.17391 (-----*------) • 22 9.39130 (-----*------) • 23 9.95652 (-----*------) • 24 5.30435 (------*-----) • 25 6.34783 (-----*------) • 26 3.65217 (-----*------) • ----+---------+---------+---------+----- • 3.0 6.0 9.0 12.0

More Related