第7章 餐饮企业菜品关联分析《Python数据分析与挖掘实战》.pptxVIP

餐饮企业菜品关联分析;;餐饮行业作为我国第三产业中的一个传统服务性行业，始终保持着旺盛的增长势头，取得了突飞猛进的发展，展现出繁荣兴旺的新局面。与此同时，我国餐饮业发展的质量和内涵也发生了重大变化。根据国家统计局数据绘制收入柱状图和同比增长折线图的组合图，如图所示。餐饮行业餐费收入从2006到2015年都处于增长的趋势，但是同比增长率却有很大的波动。;近几年，我国的餐饮行业发展形势严峻，经营中的各项成本与费用增加，企业负担加重。“四高一低”（房租价格高，人???费用高，能源价格高，原材料成本高，利润越来越低）成为企业不可逆转的负担，同时还要承担食品安全、消费者投诉、媒体曝光的风险。社会经济的发展，人们生活水平的提高，餐饮行业竞争的加剧，使很多完全依赖于手工操作的餐饮企业的管理和日常运转不能适应日益变化的发展潮流。某餐饮企业正面临着以下几个问题。 房租价格高、人工费用高。人力成本和房租成本的上升已成为必然趋势。 原材料成本高。餐饮企业业务环节多，原材料种类繁多且用量不稳定，成本控制困难，现金流量大，给手工操作带来了很大的难度。 服务工作效率低。采用原始点餐模式“服务员拿着一支笔和一张纸给客户点菜、下单、结账”，不能准确地将客户喜欢的菜品推荐给客户，降低了客户的就餐体验，同时也增加了财务的工作量，而且速度慢，准确率低。 ;菜品销售情况在一定程度上决定了企业是否能盈利，如何提高菜品销售量也是企业所面临的问题。制作套餐是现在企业提高销售量的一种经营方式，即组合销售，又被称为搭配销售，通常指将相关产品搭配在一起成套销售的方式。 组合销售的产品必须是消费者需要并且愿意购买的产品，从而突出组合销售的优点，给客户提供方便，并且提升产品销售量。;某餐饮企业的系统数据库中积累了大量的与客户用餐相关的数据，包含订单详情表、订单表、菜品详情表。 订单详情表（meal_order_detail）的数据说明如表所示。;菜品详情表（meal_dishes_detail）的数据说明如表所示。;订单表（meal_order_info）的数据说明如表所示。;分别读取菜品详情表、订单表和订单详情表的数据。 对读取数据进行数据探索与数据预处理，包括数据清洗、属性筛选和数据变换等，并统计菜品数据中的用餐人数、营业额、热销度和毛利率等。 根据处理后的订单表和订单详情表，使用Apriori算法构建模型并进行训练。 计算综合评分，对模型进行评价，并对结果进行分析。;目标;;选取原始数据中的订单表、菜品详情表和订单详情表的数据，对每日用餐人数、营业额、菜品的热销度进行探索性分析。 根据订单表统计每日用餐人数与营业额，其中订单状态为1的记录才是完成订单的记录，所以订单表中只需选取订单状态为1的数据，绘制出每日用餐人数和营业额的折线图如图所示。 由图可知，每日营业额与用餐人数存在正比关系，并且周末的用餐人数和营业额大增，工作日的用餐人数和营业额相对较低。;热销度即在一定时间内产品销量的程度。根据餐饮企业近30天（即2016年8月1日到2016年8月31日）的菜品销售统计每个菜品的热销度，其计算公式如下。 ;根据订单详情的数据，计算菜品热销度系数，求得热销度最高的前10个菜品，如表所示。 由表可知，白饭的热销度较高，且“白饭/大碗”的热销度达到了最大值1，其次是凉拌菠菜、谷稻小庄，热销度分别为0.83、0.74，除此之外，其他菜品的热销度均在0.7以下。 ;绘制热销度前10名菜品的柱形图如图所示。 由图可知，热销度前10名的菜品的销售数量均大于150。其中白饭的销售数量最高，凉拌菠菜、谷稻小庄、麻辣小龙虾的销售数量依次减少，而其余的6个菜品的销售数量则相差不大。 ;;经探索发现部分数据不符合建模需求，需要进行数据清洗。同时发现原始数据中缺少毛利率属性，需要进行属性构造，通过计算得到菜品的毛利率。 由图可知，白饭的热销度最高，白饭几乎是大家必点的主食，在对菜品进行分析时可以不分析白饭。则需要删除白饭这个菜品记录，再筛选订单表和订单详情表中需要分析的属性，进行统计计算。 ;毛利率（Gross Profit Margin）是毛利与销售收入（或营业收入）的占比，其中毛利是菜品单价和与菜品相对应的成本之间的差额。计算公式如下： ;观察发现菜品详情表中的菜品名称含有回车符和换行符，需要先对其进行删除，再根据菜品详情计算每个菜品的毛利率，得到部分菜品毛利率如表所示。 ;;在某餐饮企业中，对于多项菜品进行组合销售往往是有局限性的，因为餐饮企业的服务员个人的经验比较有限，所以需要基于原始数据，利用Apriori算法找到各菜品之间的关联关系，再结合菜品热销度、毛利率和店家主推菜品等综合因素，为菜品制定套餐，提高某餐饮企业的销售量。 构建Apriori模型进行菜品关联分析之前，需要先构建购物篮数据和购物