第9章 餐饮企业综合分析（1）.pptxVIP

餐饮企业综合分析;;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显示，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。;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。

;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，包含菜品详情表、订单表、订单详情表等。

客户信息表（users）的数据说明如表所示。;订单表（meal_order_info）的数据说明如表所示。;订单详情表（meal_order_detail）的数据说明如表所示。;熟悉餐饮企业数据分析的步骤与流程;;统计每日用餐人数与销售额有两种方法，即分组聚合法和透视表法。

分组聚合是对二维结构化数据中的某个字段（或多个字段）分组，并对组内字段进行汇总的算法。

透视表是一种交互式的表，可以进行某些计算，如求和与计数等。;实现分组聚合有两种方法，使用aggregate函数，或者使用split-lapply-cbind模式（分组处理模式）。

(1)aggregate函数——分组汇总

aggregate函数首先将数据进行分组，然后对每一组数据进行函数统计，最后把结果组合成表格并输出。其基本语法如下。

aggregate(x,by,FUN)

aggregate函数的常用参数及其说明，如表所示。

;(2)split-lapply-cbind模式——分组处理模式

split函数把要处理的数据分割成小片断，语法格式如下。

split(x,f,drop=FALSE,...)

split函数的常用参数及其说明，如表所示。;(2)split-lapply-cbind模式——分组处理模式

lapply函数对每个小片断独立进行操作，语法格式如下。

lapply(x,FUN,...)

lapply函数的常用参数及其说明，如表所示。;(2)split-lapply-cbind模式——分组处理模式

cbind函数把处理后的片断横向合并成新的矩阵，语法格式如下。

cbind(x,deparse.level=1)

cbind函数的常用参数及其说明，如表所示。;透视表中所进行的计算与数据在数据透视表中的排列有关。之所以称为数据透视表，是因为可以动态地改变它们的版面布置，以便按照不同方式分析数据，也可以重新安排行号、列标和页字段。每一次改变版面布置时，数据透视表会立即按照新的布置重新计算数据。;在R语言中，数据透视表功能主要由reshape2包中的melt和dcast这两个函数实现的。数据整形（reshape）的过程和揉面团有些类似，先将数据通过melt函数将数据揉开，然后再通过dcast函数将数据重塑成想要的形状。

melt函数是把宽格式数据转化成长格式数据，其语法格式如下。

melt(data,...,na.rm=FALSE,value.name=value)

melt函数的常用参数及其说明，如表所示。

;dcast函数是把长格式数据转化成宽格式数据，还可以对数据进行整合，其语法格式如下。

dcast(data,formula,fun.aggregate=NULL,...,margins=NULL,subset=NULL,fill=NULL,drop=TRUE,value.var=guess_value(data))

dcast函数的常用参数及其说明，如表所示。

;根据订单表的数据，统计2016年8月的每日用餐人数与每日销售额，随着日期的改变用餐人数呈现出周期性的变化，观察可知每7天为一个周期。此外，销售额也随着用餐人数的变化而发生增减变化。;热销度即在一定时间内产品销量的程度。根据订单详情的数据，计算菜品热销度，求得热销度最高的前10个菜品，并得到条形图。

;毛利率（GrossProfitMargin）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。根据菜品详情的数据，计算菜品的毛利率，得出部分菜品的毛利率系数，如表所示。;;选取2016年8月1日到2016年8月28日的数据，针对销售额的特征，以天为单位，绘制时序图判