餐飲企業(yè)綜合分析1統(tǒng)計餐飲菜品數(shù)據(jù)目錄了解餐飲企業(yè)分析需求2使用ARIMA算法預(yù)測銷售額3餐飲行業(yè)作為我國第三產(chǎn)業(yè)中的一個傳統(tǒng)服務(wù)性行業(yè)，始終保持著旺盛的增長勢頭，取得了突飛猛進(jìn)的發(fā)展，展現(xiàn)出繁榮興旺的新局面。與此同時，我國餐飲業(yè)發(fā)展的質(zhì)量和內(nèi)涵也發(fā)生了重大變化。根據(jù)國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，如圖所示。餐飲行業(yè)餐費收入從2006到2015年都處于增長的趨勢，但是同比增長率卻有很大的波動。分析餐飲企業(yè)現(xiàn)狀與需求餐飲企業(yè)正面臨著以下幾個問題。房租價格高、人工費用高。人力成本和房租成本的上升已成為必然趨勢。原材料成本高。餐飲企業(yè)業(yè)務(wù)環(huán)節(jié)多，原材料種類繁多且用量不穩(wěn)定，成本控制困難，現(xiàn)金流量大，給手工操作帶來了很大的難度。服務(wù)工作效率低。采用原始點餐模式“服務(wù)員拿著一支筆和一張紙給客戶點菜、下單、結(jié)賬”，不能準(zhǔn)確地將客戶喜歡的菜品推薦給客戶，降低了客戶的就餐體驗，同時也增加了財務(wù)的工作量，而且速度慢，準(zhǔn)確率低。分析餐飲企業(yè)現(xiàn)狀與需求某餐飲企業(yè)的系統(tǒng)數(shù)據(jù)庫中積累了大量的與客戶用餐相關(guān)的數(shù)據(jù)，包含菜品詳情表、訂單表、訂單詳情表等?？蛻粜畔⒈恚╱sers）的數(shù)據(jù)說明如表所示。了解餐飲企業(yè)數(shù)據(jù)基本狀況名稱含義名稱含義USER_ID客戶IDDESCRIPTION備注MYID客戶自編碼QUESTION_ID問題代碼ACCOUNT賬號ANSWER回復(fù)NAME姓名ISONLINE是否在線ORGANIZE_ID組織代碼CREATED創(chuàng)造日期ORGANIZE_NAME組織名稱LASTMOD修改日期DUTY_ID稱位代碼CREATER創(chuàng)建人TITLE_ID職等代碼MODIFYER修改人PASSWORD密碼TEL電話EMAIL電子郵箱stuNo學(xué)號LANG語言qqQQTHEME樣式weixin微信FIRST_VISIT第一次登錄meal_arithmetic_id算法IDPREVIOUS_VISIT上一次登錄arithmetic_name算法名稱LAST_VISITS最后一次登錄sex性別LOGIN_COUNT登錄次數(shù)poo籍貫ISEMPLOYEE是否是職工address地址STATUS狀態(tài)age年齡IPIP地址訂單表（meal_order_info）的數(shù)據(jù)說明如表所示。了解餐飲企業(yè)數(shù)據(jù)基本狀況名稱含義名稱含義info_id訂單IDlock_time鎖單時間emp_id客戶IDcashier_id收銀IDnumber_consumers消費人數(shù)pc_id終端IDmode消費方式order_number訂單號dining_table_id桌子IDorg_id門店IDdining_table_name桌子名稱print_doc_bill_num打印doc賬單的編碼expenditure消費金額lock_table_info桌子關(guān)閉信息dishes_count總菜品數(shù)order_status0:未結(jié)算；1:結(jié)算；2：已鎖單accounts_payable付費金額phone電話use_start_time開始時間name名字check_closed支付結(jié)束訂單詳情表（meal_order_detail）的數(shù)據(jù)說明如表所示。了解餐飲企業(yè)數(shù)據(jù)基本狀況名稱含義名稱含義info_id訂單IDlock_time鎖單時間emp_id客戶IDcashier_id收銀IDnumber_consumers消費人數(shù)pc_id終端IDmode消費方式order_number訂單號dining_table_id桌子IDorg_id門店IDdining_table_name桌子名稱print_doc_bill_num打印doc賬單的編碼expenditure消費金額lock_table_info桌子關(guān)閉信息dishes_count總菜品數(shù)order_status0:未結(jié)算；1:結(jié)算；2：已鎖單accounts_payable付費金額phone電話use_start_time開始時間name名字check_closed支付結(jié)束熟悉餐飲企業(yè)數(shù)據(jù)分析的步驟與流程1統(tǒng)計餐飲菜品數(shù)據(jù)目錄了解餐飲企業(yè)分析需求2使用ARIMA算法預(yù)測銷售額3統(tǒng)計每日用餐人數(shù)與銷售額有兩種方法，即分組聚合法和透視表法。分組聚合是對二維結(jié)構(gòu)化數(shù)據(jù)中的某個字段（或多個字段）分組，并對組內(nèi)字段進(jìn)行匯總的算法。透視表是一種交互式的表，可以進(jìn)行某些計算，如求和與計數(shù)等。統(tǒng)計每日用餐人數(shù)與銷售額實現(xiàn)分組聚合有兩種方法，使用aggregate函數(shù)，或者使用split-lapply-cbind模式（分組處理模式）。(1)aggregate函數(shù)——分組匯總aggregate函數(shù)首先將數(shù)據(jù)進(jìn)行分組，然后對每一組數(shù)據(jù)進(jìn)行函數(shù)統(tǒng)計，最后把結(jié)果組合成表格并輸出。其基本語法如下。aggregate(x,by,FUN)aggregate函數(shù)的常用參數(shù)及其說明，如表所示。統(tǒng)計每日用餐人數(shù)與銷售額1.分組聚合參數(shù)說明x接收聚合的數(shù)據(jù)對象。表示進(jìn)行分組的數(shù)據(jù)。無默認(rèn)。by接收分組元素的list。表示進(jìn)行分組的依據(jù)。無默認(rèn)。FUN接收function。表示用于對數(shù)據(jù)進(jìn)行匯總統(tǒng)計。無默認(rèn)，必須要指定。(2)split-lapply-cbind模式——分組處理模式split函數(shù)把要處理的數(shù)據(jù)分割成小片斷，語法格式如下。split(x,f,drop=FALSE,...)split函數(shù)的常用參數(shù)及其說明，如表所示。統(tǒng)計每日用餐人數(shù)與銷售額1.分組聚合參數(shù)說明x接收vector或dataframe。表示待分組的對象。無默認(rèn)。f接收分組因素。表示進(jìn)行分組的依據(jù)。無默認(rèn)。(2)split-lapply-cbind模式——分組處理模式lapply函數(shù)對每個小片斷獨立進(jìn)行操作，語法格式如下。lapply(x,FUN,...)lapply函數(shù)的常用參數(shù)及其說明，如表所示。統(tǒng)計每日用餐人數(shù)與銷售額1.分組聚合參數(shù)說明x接收聚合的數(shù)據(jù)對象。表示進(jìn)行分組的數(shù)據(jù)。無默認(rèn)。FUN接收function。表示用于對數(shù)據(jù)進(jìn)行匯總統(tǒng)計。無默認(rèn)，必須要指定。(2)split-lapply-cbind模式——分組處理模式cbind函數(shù)把處理后的片斷橫向合并成新的矩陣，語法格式如下。cbind(x,deparse.level=1)cbind函數(shù)的常用參數(shù)及其說明，如表所示。統(tǒng)計每日用餐人數(shù)與銷售額1.分組聚合參數(shù)說明x接收待合并的數(shù)據(jù)對象。表示進(jìn)行合并的數(shù)據(jù)。無默認(rèn)。透視表中所進(jìn)行的計算與數(shù)據(jù)在數(shù)據(jù)透視表中的排列有關(guān)。之所以稱為數(shù)據(jù)透視表，是因為可以動態(tài)地改變它們的版面布置，以便按照不同方式分析數(shù)據(jù)，也可以重新安排行號、列標(biāo)和頁字段。每一次改變版面布置時，數(shù)據(jù)透視表會立即按照新的布置重新計算數(shù)據(jù)。統(tǒng)計每日用餐人數(shù)與銷售額2.透視表在R語言中，數(shù)據(jù)透視表功能主要由reshape2包中的melt和dcast這兩個函數(shù)實現(xiàn)的。數(shù)據(jù)整形（reshape）的過程和揉面團(tuán)有些類似，先將數(shù)據(jù)通過melt函數(shù)將數(shù)據(jù)揉開，然后再通過dcast函數(shù)將數(shù)據(jù)重塑成想要的形狀。melt函數(shù)是把寬格式數(shù)據(jù)轉(zhuǎn)化成長格式數(shù)據(jù)，其語法格式如下。melt(data,...,na.rm=FALSE,="value")melt函數(shù)的常用參數(shù)及其說明，如表所示。統(tǒng)計每日用餐人數(shù)與銷售額2.透視表參數(shù)說明data接收dataframe、array或list。表示需要轉(zhuǎn)換的對象，不同的對象有不同的轉(zhuǎn)換轉(zhuǎn)換參數(shù)。無默認(rèn)。na.rm接收logical。表示是否從數(shù)據(jù)集中刪除缺失值。默認(rèn)FALSE。dcast函數(shù)是把長格式數(shù)據(jù)轉(zhuǎn)化成寬格式數(shù)據(jù)，還可以對數(shù)據(jù)進(jìn)行整合，其語法格式如下。dcast(data,formula,fun.aggregate=NULL,...,margins=NULL,subset=NULL,fill=NULL,drop=TRUE,value.var=guess_value(data))dcast函數(shù)的常用參數(shù)及其說明，如表所示。統(tǒng)計每日用餐人數(shù)與銷售額2.透視表參數(shù)說明data接收經(jīng)melt處理后的dataframe。表示轉(zhuǎn)換的對象。無默認(rèn)。formula接收function。表示進(jìn)行轉(zhuǎn)換的公式。無默認(rèn)。根據(jù)訂單表的數(shù)據(jù)，統(tǒng)計2016年8月的每日用餐人數(shù)與每日銷售額，隨著日期的改變用餐人數(shù)呈現(xiàn)出周期性的變化，觀察可知每7天為一個周期。此外，銷售額也隨著用餐人數(shù)的變化而發(fā)生增減變化。統(tǒng)計每日用餐人數(shù)與銷售額3.統(tǒng)計結(jié)果分析每日用餐人數(shù)每日銷售額熱銷度即在一定時間內(nèi)產(chǎn)品銷量的程度。根據(jù)訂單詳情的數(shù)據(jù)，計算菜品熱銷度，求得熱銷度最高的前10個菜品，并得到條形圖。統(tǒng)計菜品熱銷度毛利率（GrossProfitMargin）是毛利與銷售收入（或營業(yè)收入）的占比，其中毛利是菜品單價和與菜品相對應(yīng)的成本之間的差額。根據(jù)菜品詳情的數(shù)據(jù)，計算菜品的毛利率，得出部分菜品的毛利率系數(shù)，如表所示。統(tǒng)計菜品熱銷度菜品單價成本毛利率啤酒鴨48250.48清蒸海魚78550.29辣炒魷魚58350.4小炒羊腰36200.44香烤牛排55300.4553度茅臺128650.49番茄燉牛腩35200.43培根花菜35150.57油燜麻辣蝦65430.34……………………1統(tǒng)計餐飲菜品數(shù)據(jù)目錄了解餐飲企業(yè)分析需求2使用ARIMA算法預(yù)測銷售額3選取2016年8月1日到2016年8月28日的數(shù)據(jù)，針對銷售額的特征，以天為單位，繪制時序圖判斷序列的平穩(wěn)性，如圖所示。序列呈上升趨勢，且有一定的周期性，屬于非平穩(wěn)序列。檢驗平穩(wěn)性和純隨機(jī)性1.平穩(wěn)性檢驗對每日銷售額序列繪制自相關(guān)圖，如圖所示，可以看出表現(xiàn)出周期性的波動，以7天為周期，數(shù)據(jù)穩(wěn)定的上下波動。檢驗平穩(wěn)性和純隨機(jī)性1.平穩(wěn)性檢驗對每日銷售額序列進(jìn)行一次差分，使其變?yōu)槠椒€(wěn)的時間序列，并對差分后的序列繪制自相關(guān)圖，如圖所示?？梢钥闯?，數(shù)據(jù)的周期性已消失，自相關(guān)系數(shù)大部分都在置信區(qū)間內(nèi)，該數(shù)據(jù)自始至終都在零軸附近波動，屬于平穩(wěn)序列。檢驗平穩(wěn)性和純隨機(jī)性1.平穩(wěn)性檢驗純隨機(jī)序列從統(tǒng)計分析的角度而言，沒有任何分析價值，因此需要確定原序列是否為純隨機(jī)序列，如表所示?？梢钥闯?，因為P值小于顯著性水平0.05，所以該序列為非純隨機(jī)序列，可以用于建模分析。檢驗平穩(wěn)性和純隨機(jī)性2.純隨機(jī)性檢驗檢驗類型檢驗函數(shù)P值結(jié)論純隨機(jī)性檢驗Box.test0.03947該序列不是純隨機(jī)序列采用BIC準(zhǔn)則進(jìn)行定階，繪制原序列的BIC圖如圖所示。構(gòu)建ARIMA模型1.模型定階繪制差分后序列的BIC圖如圖所示。構(gòu)建ARIMA模型1.模型定階根據(jù)BIC圖構(gòu)建90個時間序列模型后，分別用這90個ARIMA模型預(yù)測未來3天的數(shù)據(jù)，并計算平均誤差，取平均誤差較小的10個模型，每個模型的評價指標(biāo)如表所示。構(gòu)建ARIMA模型2.模型檢驗與評估pdqPDQ殘差P值平均誤差A(yù)ICBIC2010130.75160.140118409.6212416.93290010130.72510.151768405.8949411.11752011130.68590.151918411.2826419.63872010120.76060.161291408.1468414.41392011120.74240.166332409.9237417.23540011130.68250.16775407.5986413.86572011150.64390.174183415.263425.70820010120.78540.181008404.6638408.841