Python商务数据分析与实战-教案 第9章 餐饮企业综合分析 教案.docxVIP

第9章餐饮企业综合分析 教案 课程名称：Python商务数据分析与实战课程类别：必修 适用专业：大数据技术类相关专业总学时：64学时(其中理论36学时，实验28学时) 总学分：4.0学分本章学时：10学时 一、材料清单(1)《Python商务数据分析与实战》教材。 (2)配套 PPT。 (3)引导性提问。 (4)探究性问题。 (5)拓展性问题。 二、教学目标与基本要求.教学目标 主要介绍利用多种模型综合分析餐饮企业，先介绍餐饮企业的现状，对数据进行简单的 统计分析。而后利用ARIMA模型、智能推荐、K-Means模型和决策树模型，对某餐饮企业 的菜品和客户进行不同方面的分析，并针对性地提出相关建议，以提高某餐饮企业的经营收 苗O.基本要求 泰迪智能科技官网：/联系方式：189 2756 5259打造数据智能职业敕育领军企业 （1）熟悉餐饮企业数据分析的步骤与流程。 （2） 了解简单的统计分析的应用。 （3）使用ARIMA预测销售额。 （4）使用协同过滤算法对菜品进行智能推荐。 （5）使用Apriori算法对菜品进行关联分析。 （6）使用K-Means算法进行客户分群。 （7）使用决策树算法进行客户流失预测。 三、问题 1.引导性提问 引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问 题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。 （1）目前一般餐饮企业会面临哪些问题？ （2）餐饮企业产生的数据有哪些，能做什么分析？ .探究性问题 探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的 基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课 文中又是重要的问题加以设问。 （1）客户价值分析构建的模型是否还能优化？ （2）客户流失预测模型是否还能优化？ .拓展性问题 拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提 出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问 题。 1）还有什么算法能用于销售额预测？ 泰迪智能科技官网：/联系方式：189 2756 5259打造数据智能职业敕育领军企业 （2）客户流失预测的方法，除了决策树之外，还有哪些方法? 四、主要知识点、重点与难点.主要知识点 了解餐饮企业的数据情况。 （2）明确餐饮企业数据分析的流程。 （3）使用统计分析方法分析餐饮企业的菜品数据。 （4）绘制原序列的时序图，查看序列周期性。 （5）检验原序列的平稳性和纯随机性。 （6）使用BIC图进行定阶。 （7）构建ARIMA模型，并分析预测结果。 （8）对订单表特征选取，构建客户ID和菜品名称的二元矩阵。 （9）基于物品的协同过滤算法，计算菜品与菜品之间的相似度，并结合客户的历史行 为给目标客户生成推荐列表。 （10）基于用户的协同过滤算法，计算客户与客户之间的相似度，并结合客户对菜品 的兴趣给目标客户生成推荐列表。 （11）对推荐结果进行评价。 （12）根据特征选取后的数据，构建购物篮数据，构建二元矩阵，及关联规则模型。 （13）根据关联规则模型的置信度，统计得到的热销度和毛利率，及菜品详情表的主 推度，计算推荐的综合评分。 （14）对原始数据进行处理，提取餐饮客户的3个特征数据。 （15）使用K-Means聚类算法对客户进行分群。 （16）结合业务对每个客户群进行客户价值分析。 （17）合并客户信息表和订单表，构建相关客户流失特征。 （18）划分训练集和测试集，构建决策树模型。 （19）分析决策树模型的结果。 2.重点泰迪智能科技官网：/联系方式：189 2756 5259 打造数据智能职业敕育领军企业（1）使用统计分析方法分析餐饮企业的菜品数据。 （2）使用BIC图进行定阶，构建ARIMA模型，并分析预测结果。 （3）基于物品的协同过滤算法，计算菜品与菜品之间的相似度，并结合客户的历史行 为给目标客户生成推荐列表。 （4）基于用户的协同过滤算法，计算客户与客户之间的相似度，并结合客户对菜品的 兴趣给目标客户生成推荐列表。 （5）根据特征选取后的数据，构建购物篮数据，构建二元矩阵，及关联规则模型。 （6）使用K-Means聚类算法对客户进行分群，并结合业务对每个客户群进行客户价 值分析。 （7）合并客户信息表和订单表，构建相关客户流失特征。 （8）划分训练集和测试集，构建决策树模型，并分析决策树模型的结果。 3.难点 （1）使用K-Means聚类算法对客户进行分群，并结合业务对每个客户群进行客户价 值分析。 （2）合并客户信息表和订单表，构建相关客户流失特征。 五、教学过程设计1.理论教学过程 了解餐饮企业的现状和数据情况。 （2）明确餐饮企业数据分析的流程。 （3）使用