168大数据

标题: 餐饮业务数据分析 [打印本页]

---

作者: 168主编    时间: 2019-8-30 14:05
标题: 餐饮业务数据分析
餐饮业务数据分析


一、数据描述

[AppleScript] 纯文本查看 复制代码

> fd <- read.csv(file.choose())

> fd

          日期    销量

1     2015/3/1   51.00

2    2015/2/28 2618.20

3    2015/2/27 2608.40

4    2015/2/26 2651.90

5    2015/2/25 3442.10

6    2015/2/24 3393.10

7    2015/2/23 3136.60

8    2015/2/22 3744.10

9    2015/2/21 6607.40

10   2015/2/20 4060.30 

数据为每日销售额，时间+销量。
二、数据清洗


1、缺失值处理

[AppleScript] 纯文本查看 复制代码

> sum(complete.cases(fd))

[1] 200

> sum(!complete.cases(fd))

[1] 1

> mean(!complete.cases(fd))

[1] 0.004975124

> fd[!complete.cases(fd),]

        日期 销量

15 2015/2/14   NA 

缺失值个数为1，占总量的0.497%，缺失数值位于第15行。


2、箱图异常值处理
sp <- boxplot(fd$销量,boxwex=0.7)

[AppleScript] 纯文本查看 复制代码

 title("销量")

> xi = 1.1

> sd.s=sd(fd[complete.cases(fd),]$"销量")

> mn.s = mean(fd[complete.cases(fd),]$"销量")

> points(xi,mn.s,col="red",pch=18)

> arrows(xi,mn.s - sd.s,xi,mn.s+sd.s,code=3,col="pink",angle = 75,length = .1)

> text(rep(c(1.05,1.05,0.95,0.95),length=length(sp$out)),labels = sp$out[order(sp$out)],sp$out[order(sp$out)]+rep(c(150,-150,150,-150),length=length(sp$out)),col="red") 

可以看出有8个异常值。结合业务，可以把865、4060.3、4065.2归为正常值。




三、 贡献度分析


贡献度分析又称帕累托分析，即20/80定律，例如对一个公司来讲，80%的利润来自于20%最畅销的产品，而其他80%的产品只产生20%的利润。


下面使用帕累托分析法来看看本案例中的提供80%利润的那20%是那些





可知 菜品A1~A7共7个菜品，占菜品种类的70%。盈利额约占总盈利的85%。所以应增加菜品A1~A7的成本投入，减少A8~A10的投入以获得更高的利润。


四、相关性分析


分析这些菜品销售量直接的相关性可以得到不同菜品之间的关系，如替补菜品，互补菜品或者么有关系，为原材料采购，或套菜推广提供参考。

[AppleScript] 纯文本查看 复制代码

> cor(xg[,2:11])

               百合酱蒸凤爪 翡翠蒸香茜饺 金银蒜汁蒸排骨  乐膳真味鸡

百合酱蒸凤爪    1.000000000  0.009205803     0.01679933  0.45563817

翡翠蒸香茜饺    0.009205803  1.000000000     0.30443437 -0.01227936

金银蒜汁蒸排骨  0.016799326  0.304434367     1.00000000  0.03513460

乐膳真味鸡      0.455638166 -0.012279359     0.03513460  1.00000000

蜜汁焗餐包               NA           NA             NA          NA

生炒菜心        0.308495593 -0.180446360    -0.18428973  0.32546172

铁板酸菜豆腐    0.204897840 -0.026908140     0.18727155  0.29769187

香煎韭菜饺      0.127448249  0.062344452     0.12154343 -0.06886643

香煎罗卜糕     -0.090275548  0.270276328     0.07780811 -0.03022205

原汁原味菜心    0.428316260  0.020462147     0.02907437  0.42187795

               蜜汁焗餐包    生炒菜心 铁板酸菜豆腐  香煎韭菜饺  香煎罗卜糕

百合酱蒸凤爪           NA  0.30849559   0.20489784  0.12744825 -0.09027555

翡翠蒸香茜饺           NA -0.18044636  -0.02690814  0.06234445  0.27027633

金银蒜汁蒸排骨         NA -0.18428973   0.18727155  0.12154343  0.07780811

乐膳真味鸡             NA  0.32546172   0.29769187 -0.06886643 -0.03022205

蜜汁焗餐包              1          NA           NA          NA          NA

生炒菜心               NA  1.00000000   0.36978749  0.03823316  0.04989806

铁板酸菜豆腐           NA  0.36978749   1.00000000  0.09554300  0.15795755

香煎韭菜饺             NA  0.03823316   0.09554300  1.00000000  0.17833563

香煎罗卜糕             NA  0.04989806   0.15795755  0.17833563  1.00000000

原汁原味菜心           NA  0.12298779   0.56733190  0.04968889  0.08898022

               原汁原味菜心

百合酱蒸凤爪     0.42831626

翡翠蒸香茜饺     0.02046215

金银蒜汁蒸排骨   0.02907437

乐膳真味鸡       0.42187795

蜜汁焗餐包               NA

生炒菜心         0.12298779

铁板酸菜豆腐     0.56733190

香煎韭菜饺       0.04968889

香煎罗卜糕       0.08898022

原汁原味菜心     1.00000000 

可以看出，如果顾客点了“百合酱蒸凤爪”，点“乐善真味鸡”，“生炒菜心”的相关性比较高。
————————————————
版权声明：本文为CSDN博主「阿云嘎」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41548698/article/details/79881549

---

欢迎光临 168大数据 (http://www.bi168.cn/)

Powered by Discuz! X3.2