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.docx

《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.docx》由会员分享，可在线阅读，更多相关《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.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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

2、营收 苗O.基本要求泰迪智能科技官网： 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，

3、能做什么分析？2 .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？3 .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。4 1）还有什么算法能用于销售额预测？泰迪智能科技官网： 2756 5259打造数据智能职业敕育领军企业（2）客户流失预测的

4、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（1） 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

5、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： 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

6、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

7、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（1） 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）使用统计分析方法分析餐饮企业的菜品数据。（4）检验原序列的平稳性和纯随机性。（5）使用BIC图进行定阶，构建ARIMA模型，并分析预测结果。（6）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。（7）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联系方式：189 2756 5259联系方式：189

8、 2756 5259泰迪智能科技官网：兴趣给目标客户生成推荐列表。（8）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。（9）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。（10）合并客户信息表和订单表，构建相关客户流失特征。（11）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。2.实验教学过程（1）统计每日用餐人数和销售额，计算菜品热销度和毛利率。（2）对原序列进行平稳性检验和纯随机性检验，对ARIMA模型进行定阶，并进行残 差检验，计算平均误差。（3）对订单表和订单详情表进行特征选取，分别使用ItemCF算法和User

9、CF算法构 建模型，进行离线测试评价。（4）基于特征选取后的数据构建购物篮数据，构建Apriori模型，计算综合评分；再 构建客户价值分析的关键特征，确定聚类数后构建K-Means模型。（5）合并客户信息表和订单表，构建客户流失特征，构建决策树模型，并对模型进行 评价。六、教材与参考资料.教材何伟，张良均.Python商务数据分析与实战M.北京：人民邮电出版社.2022.1 .参考资料1张良均.Python数据分析与挖掘实战M.北京：机械工业出版社.2015.2张良均.Python与数据挖掘M.北京：机械工业出版社.2016.3黄红梅，张良均.Python数据分析与应用M.北京：人民邮电出版社.2018.泰迪智能科技官网： 2756 5259打造数据智能职业敕育领军企业联系方式：189 2756 5259泰迪智能科技官网：