利用空間資料科學的零售收入預測模型

akhiislamakhi22

這篇文章可能描述舊版的功能。在此處了解最新的雲端原生版本。年下半年即將到來零售業末日仍在持續。預計年將有超過家商店關閉其中包括和'等主要品牌。宣布關閉其全部家商店該行業也將迎來歷史上最大的零售清算事件之一。引進來消除零售末日在一個受到利潤下降和迫在眉睫的電子商務威脅的行業中零售商僅希望生存而且蓬勃發展需要用更先進的商業工具技術和策略武裝自己。能夠預測商店收入至關重要使零售領導者能夠保持敏捷圍繞當前商店營運做出明智的決策並規劃最有效的新店開業。利用空間數據科學這些領導者能夠在競爭中保持領先並斷發展。在這篇文章中我們將重點放在從當前零售店位置獲得更多見解豐富的空間特徵。訓練一個空間預測模型預測每家商店的年收入。

了解重要特點用於確定收入以及它們如何影響收入預測。計算預計收入在預期的商店地點。為了說明我們的工作我們將重 中國海外英國號碼數據 點放在美國最大零售商之一的商店位置。為了進行分析我們首先需要每個商店的年收入數據以便可以訓練和測試預測模型。在本例中由於我們手邊沒有所有商店的此類資料集因此我們使用該特定零售商的年度商店收入的線上資料來模擬資料集然後根據其他可用變數例如作為人口家庭收入存在的競爭對手信用卡交易資料等。然後我們在每個位置添加空間隨機效應和隨機雜訊。下圖顯示了同的商店位置以及每個現有商店的模擬年收入豐富位置資料流為了訓練空間預測模型我們僅需要知道在哪裡商店位於多少每個商店產生的年收入即我們的反應變數但我們也應該計算空間特徵即自變數為我們提供更多有關每個商店當地環境的資訊。



為了豐富數據我們利用數據觀測站中提供的位置數據流以及中提供的豐富工具包以便我們可以輕鬆引入社會人口人口流動金融和其他數據類別的特徵。在本練習中我們使用以下資料流作為豐富過程的一部分美國人口普查消費者支出與零售潛力興趣點金融的人員流動性美國公路網競爭對手地點為了包含有關每個商店周圍環境的信息我們為每個商店位置生成分鐘車程等時線。上面的地圖顯示了密蘇裡州堪薩斯城和堪薩斯城堪薩斯城附近零售商店的分鐘車程等時線緩衝區。然後我們在每個等時線和來自同位置資料流的空間特徵之間運行空間連接。透過這些功能新豐富的數據我們能夠更了解同商店的周圍環境。作為範例下圖顯示了位於我們每個零售商商店周圍的家庭在百貨公司的消費者支出按商店層​​級匯總。