Περιγραφή του DataSet και της πηγής του

Πηγή

Kaggle
Dominos-Predictive_Purchase_Order_System
Avijit Jana

Περιγραφή

This dataset contains two related tables: sales and ingredients. It is designed for projects focusing on sales forecasting, ingredient optimization, and supply chain management for a pizza delivery business. By leveraging historical data, users can build predictive models to minimize ingredient waste, prevent stockouts, and optimize purchasing strategies.

Από τους δύο πίνακες επιλέγουμε τον Pizza_Sales, γιατί περιέχει πάνω από μία αριθμητικές μεταβλητές κι επομένως μπορούμε να βγάλουμε συμπεράσματα για τις συσχετίσεις μεταξύ μεταβλητών.

Περιγραφή των μεταβλητών

  1. Sales Table:

    Shape: 48,620 rows × 16 columns
    Columns:
    pizza_id: Unique identifier for a pizza
    - type: num
    - range: [1:48620]
    order_id: Unique identifier for a sales order
    - type: num
    - range: [1:21350]
    pizza_name_id: Identifier linking the pizza to its recipe
    - type: chr
    quantity: Number of pizzas sold
    - type: num
    - range: [1:4]
    order_date: The date of the order
    - type: POSIXct
    order_time: The time of the order
    - type: POSIXct
    unit_price: Price per unit of pizza - type: num
    - range: [9.75:35.95]
    total_price: quantity x unit_price
    - type: num
    - rage: [9.75:83]
    pizza_size: Size of the pizza
    - type: chr
    - values: “S”, “M”, “L”, “XL”, “XXL”
    pizza_category: Category of the pizza
    - type: chr
    - values: “Classic”, “Supreme”, “Veggie”, “Chicken”
    pizza_ingredients: Ingredients used in the pizza
    - type: chr

Αιτιολόγηση της επιλογής σε σχέση με την Επιχειρηματική Αναλυτική

Για την Domino’s Pizza, η Επιχειρηματική Αναλυτική (ΕΑ) χρησιμοποιείται κυρίως για βελτίωση της ταχύτητας εξυπηρέτησης, πρόβλεψη ζήτησης και καλύτερη εμπειρία πελάτη. Παρακάτω φαίνονται οι βασικές μέθοδοι, οι στόχοι τους και ο τύπος επιχειρηματικής αναλυτικής στον οποίο ανήκουν.

Πρόβλεψη Ζήτησης

“Demand planning is knowing what our consumers want before they do. If we are doing our job, we know they’re going to have a pizza next Thursday before they do,” quips Darren O’Keefe, Head of Inventory at Domino’s Pizza UK & Ireland Ltd.

Μέθοδος/τεχνική

  • Ανάλυση ιστορικών δεδομένων παραγγελιών
  • Machine learning μοντέλα πρόβλεψης
  • Ανάλυση εποχικότητας (ώρα, ημέρα, καιρός, events)

Στόχος/πρόκληση

  • Να προβλέπεται πόσες παραγγελίες θα γίνουν
  • Καλύτερη διαχείριση αποθεμάτων και προσωπικού
  • Μείωση χρόνου αναμονής

Τύπος ΕΑ

  • Predictive Analytics (Προγνωστική Αναλυτική)

“We don’t fall victim to fashionable tech, but rather listen to our customers and internal stakeholders to understand their objectives and visions,” explains Sody Kahlon, Chief Information & Technology Officer at Domino’s Pizza UK & Ireland Ltd. “This then allows us to adopt the most relevant solution to meet their needs. The realm of AI has opened our choices to further increase our personalization, enhance internal efficiencies, derive rapid conclusions from data insights, improve our forecasting, strengthen our cybersecurity, and experiment with novel innovation.”

Πρόβλεψη Παραγγελίας

Μέθοδος/τεχνική

  • Ανάλυση συμπεριφοράς πελατών στην εφαρμογή
  • Αλγόριθμοι πιθανότητας αγοράς
  • Big Data από προηγούμενες παραγγελίες

Στόχος/πρόκληση

  • Να προβλέπει ότι ο πελάτης πιθανότατα θα κάνει παραγγελία
  • Να ξεκινά νωρίτερα η προετοιμασία της πίτσας
  • Μείωση χρόνου παράδοσης

Τύπος ΕΑ

  • Predictive Analytics (Προγνωστική Αναλυτική)

The company created a data lake consisting of key order information by taking advantage of Amazon Simple Storage Service (Amazon S3) for data storage and AWS Glue for data quering. It also uses Amazon SageMaker to build and train machine learning models to predict the likelihood that an order will be placed, so a store can begin making that order right before it is placed.

Αναφορά σε πιθανά επιχειρηματικά ερωτήματα που θα μπορούσαν να απαντηθούν

Επιχειρηματικά Ερωτήματα προς Απάντηση

Η χρήση τεχνητής νοημοσύνης και analytics στοχεύει στην απάντηση των εξής κρίσιμων ερωτημάτων για την επιχείρηση:

  1. Βελτιστοποίηση Επιχειρησιακών Λειτουργιών

    Πώς μπορούμε να ελαχιστοποιήσουμε τις καθυστερήσεις στην παραγωγή;

     Απάντηση: Μέσω αυτοματοποίησης διαδικασιών και πρόβλεψης σημείων συμφόρησης.

    Ποιο είναι το ιδανικό επίπεδο αποθεμάτων ανά κατάστημα για την αποφυγή σπατάλης (waste) χωρίς να υπάρχει έλλειψη προϊόντων;

     Απάντηση: Μέσω προγνωστικών μοντέλων (predictive analytics) για τη διαχείριση αποθεμάτων.

    Σε ποιο βαθμό μπορεί η αυτοματοποίηση να μειώσει το λειτουργικό κόστος και να βελτιώσει τα περιθώρια κέρδους;

  2. Στρατηγική και Ανταγωνιστικότητα

    Ποιες ψηφιακές επενδύσεις (π.χ. AI, platforms) προσφέρουν τη μεγαλύτερη απόδοση επένδυσης (ROI) έναντι του ανταγωνισμού;

    Πώς αλλάζει η συμπεριφορά των καταναλωτών στις ψηφιακές πλατφόρμες παραγγελιών και πώς μπορούμε να την εκμεταλλευτούμε για να αυξήσουμε το μερίδιο αγοράς;

    Ποια δεδομένα αποτελούν το “κλειδί” για τη δημιουργία ενός μη αντιγράψιμου στρατηγικού πλεονεκτήματος στον κλάδο του fast-food;

Υπολογισμός και παρουσίαση περιγραφικών στατιστικών

#Μέτρα Κεντρικής Τάσης
mean_val <- mean(Pizza_Sale$quantity, na.rm = TRUE) #Μέσος Όρος
median_val <- median(Pizza_Sale$unit_price, na.rm = TRUE) # Διάμεσος
mode_val <- as.numeric(names(sort(table(Pizza_Sale$quantity), decreasing = TRUE)[1])) #Επικρατούσα Τιμή

##table(Pizza_Sale$quantity): Δημιουργεί έναν πίνακα συχνοτήτων (πόσες φορές εμφανίζεται το 1, το 2, κ.λπ.).
##sort(..., decreasing = TRUE): Ταξινομεί αυτές τις συχνότητες από τη μεγαλύτερη στη μικρότερη.
##[1]: Επιλέγει το πρώτο στοιχείο (αυτό με τη μεγαλύτερη συχνότητα).
##names(...): Παίρνει το όνομα αυτού του στοιχείου (που είναι η τιμή του quantity).
##as.numeric(...): Το μετατρέπει ξανά σε αριθμό, γιατί η names επιστρέφει κείμενο.

# Μέτρα Διασποράς
sd_val <- sd(Pizza_Sale$unit_price, na.rm = TRUE)        # Τυπική Απόκλιση
var_val <- var(Pizza_Sale$unit_price, na.rm = TRUE)      # Διακύμανση
range_val <- range(Pizza_Sale$unit_price, na.rm = TRUE)  # Εύρος (Min - Max)
diff_range <- diff(range_val)                    # Το εύρος ως ένας αριθμός
## Μέσος Όρος πλήθους πιτσών που αγοράζονται ανά είδος ανά παραγγελία: 1.019622
## Συνήθως οι πελάτες παίρνουν  1  πίτσα/-ες απ' το ίδιο είδος ανά παραγγελία
## Το 50% των προϊόντων που αγοράζονται κοστίζουν κάτω από  16.5  ανά τεμάχιο
## Τυπική Απόκλιση τιμών τεμαχίου: 3.621789
## Διακύμανση τιμών τεμαχίου: 3.621789
## Εύρος τιμών τεμαχίου: 26.2

Διερεύνηση συσχετίσεων

Αναγνώριση πιθανών σχέσεων μεταξύ μεταβλητών και ερμηνεία τους

Σχέση quantity και total_price Αναμένουμε θετική συσχέτιση (πολύ κοντά στο 1)
- Ερμηνεία: Όσο περισσότερες πίτσες αγοράζει ένας πελάτης σε μια γραμμή παραγγελίας, τόσο αυξάνεται το συνολικό κόστος. Αν η συσχέτιση δεν είναι 1.0, είναι γιατί οι πίτσες έχουν διαφορετικές τιμές μονάδας (unit_price).

Σχέση unit_price και quantity Αναμένουμε θετική συσχέτιση (>0.5)
- Ερμηνεία: Είναι λογικό οι πίτσες με μεγαλύτερη ζήτηση να έχουν μεγαλύτερη τιμή ανά τεμάχιο. Εάν η τιμή είναι πολύ κοντά στο μηδέν, αυτό σημαίνει ότι οι πελάατες αγοράζουν την ίδια ποσότητα πίτσας ανεξάρτητα απόο την τιμή της.

Σχέση unit_price και total_price Αναμένουμε θετική συσχέτιση (>0.5)
- Ερμηνεία: Με βάση τις παραπάνω υποθέσεις μας, αναμένουμε και τη σχέση μεταξύ τιμής τεμαχίου και συνολικής τιμής να είναι θετική. Δηλαδή, όσο αυξάνεται η μία να αυξάνεται και η άλλη.

Υπολογισμός συντελεστών συσχέτισης μεταξύ αριθμητικών μεταβλητών

# Δημιουργία ενός subset μόνο με τις αριθμητικές μεταβλητές
numeric_vars <- Pizza_Sale[, c("quantity", "unit_price", "total_price")]

# Υπολογισμός του πίνακα συσχέτισης
cor_matrix <- cor(numeric_vars, use = "complete.obs")

# Εμφάνιση του πίνακα
print(cor_matrix)
##                quantity  unit_price total_price
## quantity    1.000000000 0.007143956   0.5419504
## unit_price  0.007143956 1.000000000   0.8360716
## total_price 0.541950378 0.836071621   1.0000000

Διαγράμματα

Σχέση unit_price και quantity

# Scatter plot
library(ggplot2)

ggplot(Pizza_Sale, aes(x = unit_price, y = quantity)) +
  geom_point(size = 3, alpha = 0.7) +
  scale_y_continuous(breaks = seq(0, 10000, by = 2500)) +  # από 0 έως 10χιλ, με βήμα 2.5χιλ
  labs(
    title = "Σχέση τιμής τεμαχίου και ποσότητας",
    x = "Τιμή τεμαχίου",
    y = "Ποσότητα (σε τεμάχια)"
  )

Παρατηρούμε τόσο από τον συντελεστή συσχέτισης όσο και από το διάγραμμα, ότι η τιμή τεμαχίου και η ποσότητα δεν έχουν τόσο ισχυρή σχέση όσο αναμέναμε. Αντίθετα, οι πελάτες φαίνεται να αγοράζουν σχεδόν την ίδια ποσότητα πίτσας ανεξάρτητα από την τιμή.

Εδώ διαπιστώνουμε ότι η αρχική μας υπόθεση ήταν εσφαλμένη, καθώς σημαντικός παράγοντας είναι και το είδος της πίτσας. Δεν αναφερόμαστε στην ίδια πίτσα με διαφορετικές τιμές, αλλά σε διαφορετικές πίτσες. Το γεγονός ότι η ζήτηση δεν επηρεάζεται τόσο από την τιμή τεμαχίου δείχνει ότι η τιμή της κάθε πίτσας είναι αντιπροσωπευτική της αντιλαμβανόμενης αξίας της από τον πελάτη.

Σχέση total_price και pizza_category

# Boxplot

ggplot(Pizza_Sale, aes(x = pizza_category, y = total_price, fill = factor(pizza_category))) +
geom_boxplot() +
scale_y_continuous(breaks = seq(0, 90, by = 2)) +  # από 0 έως 90, με βήμα 2
labs(
  title = "Σχέση κατηγορίας πίτσας και συνολικής τιμής ενός είδους πίτσας ανά παραγγελία",
  x = "Κατηγορία πίτσας",
  y = "Συνολική τιμή"
) +
theme(legend.position = "none")
## Warning: Removed 7 rows containing non-finite outside the scale range
## (`stat_boxplot()`).

Παρατηρούμε ότι περισσότερα λεφτά δίνουν οι πελάτες για να αγοράσουν πίτσες των κατηγοριών Veggie και Chicken, αφού η διάμεσός τους φτάνει σχεδόν τα 17$ συνολικής τιμής. Δηλαδή το 50% των πελατών που αγοράζουν Chicken pizza δίνει πάνω από 17 δολλάρια και το 50% των πελατών που αγοράζουν Veggie pizza δίνει πάνω απο 17 δολλάρια.

Επίσης, παρατηρούμε ότι η μεταβλητότητα των τιμών είναι μεγαλύτερη στις Supreme πίτσες, με το εύρος των συνολικών τιμών να κυμαίνεται μεταξύ 16 και 21 δολλαρίων.

Ακόμη, οι περισσότεροι outliers (16) εντοπίζονται στις Classic πίτσες, οι οποίες φαίνεται να έχουν περισσότερες παραγγελίες που “εκτοξεύουν” τον τζίρο.

Πωλήσεις ανά order_time

ggplot(data = Pizza_Sale, aes(x = order_time)) +
geom_histogram(fill = "tomato", color = "white") +
scale_x_datetime(
    breaks = seq(from = min(Pizza_Sale$order_time), 
                 to = max(Pizza_Sale$order_time), 
                 by = "30 min"),
    date_labels = "%H:%M"
) +
coord_flip() +
labs(
  title = "Πωλήσεις ανά ώρα της ημέρας",
  x = "Ώρα της ημέρας",
  y = "Συχνότητα"
) +
theme_minimal()
## `stat_bin()` using `bins = 30`. Pick better value `binwidth`.

Παρατηρούμε ότι οι ώρες αιχμής στα Domino’s (πάνω πό 2000 παραγγελίες) είναι μεταξύ 12:00-14:00 και μεταξύ 17:00-19:30. Οι περισσότερες παραγγελίες κατά τη διάρκεια της ημέρας (>3000) είναι μεταξύ 12:30-13:30.

Σχέση μεταξύ pizza_category και quantity

ggplot(Pizza_Sale, aes(x = pizza_category, y = quantity, fill = factor(pizza_category), color = "white")) +
geom_bar(stat = "summary", fun = "sum") +
labs(
  x = "Κατηγορία πίτσας",
  y = "Ποσότητα"
) +
theme(legend.position = "none")

Παρατηρούμε ότι τις περισσότερες πωλήσεις είχε η κατηγορία Classic, με σχεδόν 15000 τεμάχια, ενώ τελευταία σε πωλήσεις είναι η κατηγορία Chicken, με μικρή διαφορά όμως από τις υπόλοιπες.