admin 管理员组

文章数量: 1086061

餐饮日销售情况分析仪

Python+Excel制作动态分析仪

背景：餐饮行业属于快消品，因此对经营情况的把握应该越及时越好，因此制作每日销售情况分析。

表结构信息：

表名字段名
订单详情日期，单号，店名，会员折扣，付费时间，桌号，来店人数
菜品明细单号，菜品明细，消费金额
店铺信息店名，二人台数，三人台数，四人及以上台数，总台数

分析指标：

指标名称指标含义
折扣额占销售总额的10%-20%
折扣率10%-20%
KPL每家店的销售金额与所有店的总平均金额之比
销售总金额当日店铺实际收入
总台数店铺总桌数
翻台率（餐桌使用次数-总台位数）÷总台位数×100%
单均消费当日店铺所有缴费单的平均金额
座位数店铺实际拥有座位的数量
上座率（餐桌使用次数-总台位数）÷总台位数×100%
人均消费当日到店每个人的平均消费金额（销售总额/客流量）
开台率餐桌使用次数÷总台位数×100%

Python分析：

  • 读入数据

订单详情：

column = ['billdate','billnumber','shopname','billdiscount','paytime','tablenumber','peoplecount']
bill = pd.read_csv('-bill.csv',header = None,names = column)
bill.head()


菜品明细：

col = ['billnumber','detail','pay']
order = pd.read_csv('-order.csv',header = None ,names = col)
order.head()


店铺信息：

col = ['shopname','twotable','threetable','fourtable','alltable']
shop = pd.read_csv('-shop.csv',header = None ,names = col)
shop


shop['allseat'] = shop['twotable']*2 + shop['threetable']*3 + shop['fourtable']*4
shop

  • 表格连接分析
    1.订单维度：
newbill = pd.merge(bill, order_pay, on=['billnumber'], how='left')
newbill['rebate'] = newbill['pay']*newbill['billdiscount']
newbill.head()


加入时间因子

newbill['time'] = newbill['billdate']+' '+newbill['paytime']
newbill['time'] = pd.to_datetime(newbill['time'])
newbill = newbill.set_index("time")
newbill.head()


#每小时的总收入
y_bill = newbill.groupby(lambda x: x.hour).sum()
y_bill['pay'].plot(kind='bar')


#每小时的总单数
y_bill = newbill.groupby(lambda x: x.hour).count()
y_bill['pay'].plot(kind='bar')


#每小时的平均收入
y_bill = newbill.groupby(lambda x: x.hour).mean()
y_bill['pay'].plot(kind='bar')


#每小时的人流量
y_bill['peoplecount'].plot()


newbill.to_csv('newbill.csv')

2.菜品维度：

orderdetail = pd.merge(order,bill, on=['billnumber'], how='left')
orderdetail.head()


#一个订单几个菜
detail_count = orderdetail.groupby('billnumber')[['detail']].count()
detail_count.tail()

#一个店铺卖出去多少道菜
orderdetail.groupby('shopname')['detail'].count()

#菜品的价格分布
orderdetail.groupby('detail')['pay'].describe()


orderdetail.to_csv('orderdetail.csv')

3.店铺维度：

shoptatal = pd.merge(newbill,shop, on=['shopname'], how='left')
shoptatal.head()


shoptatal_group = shoptatal.groupby('shopname')
#总单数
billcount = shoptatal_group.billnumber.count()
#总人数
peoplesum = shoptatal_group.peoplecount.sum()
#折扣总金额
rebatesum = shoptatal_group.rebate.sum()
#店汇总金额
paysum = shoptatal_group.pay.sum()
#单均消费
per_billpay = paysum/billcount
#人均消费
per_peoplepay = paysum/peoplesum
#总台数
alltable = shoptatal_group.alltable.mean()
#总座位数
allseat = shoptatal_group.allseat.mean()
#开台率 = 餐桌使用次数÷总台位数×100%
opening_rate = billcount / shoptatal_group.alltable.mean()
#翻台率 =（餐桌使用次数-总台位数）÷总台位数×100%
turnover_rate = (billcount - alltable)/alltable
#上座率 = 来店人数÷总餐位数×100%
attendance_rate = peoplesum/allseat
#折扣率
discount = rebatesum / paysum
#KPL
KPL = paysum / avgpay
#总平均销售额
avgpay = shoptatal.pay.sum()/5

数据合并

data = {'kpl':KPL,'总单数':billcount,'总人数':peoplesum,'店汇总金额':paysum,'折扣总金额':rebatesum,'折扣率':discount,'单均消费':per_billpay,'人均消费':per_peoplepay,'开台率':opening_rate,'翻台率':turnover_rate,'上座率':attendance_rate}
total = pd.DataFrame(data,index=None)
total 


total.to_csv('total.csv')

PowerBI：
工具：excel2016加强版,Power Query,Power Pivot
第一步导入数据：

若出现乱码，需将编码改为utf-8

加载数据，加载会将表格数据传入到excel中，加载到则只创建链接，这里我选择的是加载到。

接下来选择只创建链接，并将数据添加到数据模型，选择加载。

出现下图说明加载成功

依次将newbill,orderdetail,total表加载到excel。
双击进入PQ界面

检查每个字段的数据类型

完成后点击关闭并上载

进入excel界面，点击Power pivot

重新检查数据类型，并创建表与表之间的链接


创建KPL

创建透视表



根据需要创建数据透视图，使用切片器将所有表链接在一起，实现动态变化控制。

本文标签： 餐饮日销售情况分析仪

版权声明：本文标题：餐饮日销售情况分析仪 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1688025052a170167.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。