Olist business analysis

การวิเคราะห์อลลิสต์-ธุรกิจ

การแนะนำ

Olist เป็นการเริ่มต้นของบราซิลที่ดำเนินงานในส่วนอีคอมเมิร์ซส่วนใหญ่ผ่านตลาด มันแพร่กระจายอย่างดีภายในประเทศ โครงการนี้เป็นการวิเคราะห์โดยละเอียดเกี่ยวกับข้อมูล Olist ที่ครอบคลุม ชุดข้อมูล OLIST ดั้งเดิมมีข้อมูลคำสั่งซื้อ 100K ตั้งแต่ปี 2559 ถึง 2561 ทำที่ตลาดหลายแห่งในบราซิล คุณสมบัติของมันช่วยให้สามารถดูคำสั่งซื้อจากหลายมิติ: จากสถานะการสั่งซื้อราคาราคาการชำระเงินและประสิทธิภาพการขนส่งไปยังที่ตั้งของลูกค้าคุณลักษณะผลิตภัณฑ์และบทวิจารณ์ในที่สุดที่เขียนโดยลูกค้า สคีมาของชุดข้อมูลอยู่ด้านล่าง:-

• OLIST_ORDER_CUSTOMERS_DATASET - ชุดข้อมูลนี้มีข้อมูลเกี่ยวกับลูกค้าและที่ตั้ง ใช้เพื่อระบุลูกค้าที่ไม่ซ้ำกันในชุดข้อมูลคำสั่งซื้อและเพื่อค้นหาตำแหน่งการจัดส่งคำสั่งซื้อ
• OLIST_GEOLOCATION_DATASET - ชุดข้อมูลนี้มีข้อมูลรหัสไปรษณีย์บราซิลและพิกัด LAT/LNG
• OLIST_ORDER_ITEMS_DATASET - ชุดข้อมูลนี้มีข้อมูลเกี่ยวกับรายการที่ซื้อภายในแต่ละคำสั่งซื้อ
• OLIST_ORDER_PAYMENTS_DATASET - ชุดข้อมูลนี้มีข้อมูลเกี่ยวกับตัวเลือกการชำระเงินคำสั่งซื้อ
• OLIST_ORDER_REVIEWS_DATASET - ชุดข้อมูลนี้มีข้อมูลเกี่ยวกับความคิดเห็นที่ลูกค้าทำ
• OLIST_ORDERS_DATASET - นี่คือชุดข้อมูลหลัก ทุกข้อมูลที่จำเป็นจะถูกแมปกับแต่ละคำสั่งซื้อในเรื่องนี้
• OLIST_PRODUCTS_DATASET - ชุดข้อมูลนี้มีข้อมูลเกี่ยวกับผลิตภัณฑ์ที่ขายโดย OLIST
• OLIST_SELLERS_DATASET - ชุดข้อมูลนี้มีข้อมูลเกี่ยวกับผู้ขายที่ทำตามคำสั่งซื้อที่ OLIST

มีการวิเคราะห์หลายงานในชุดข้อมูลตั้งแต่การวิเคราะห์เชิงพรรณนาไปจนถึงการพยากรณ์และการวิเคราะห์การทำนาย

การวิเคราะห์

งานการวิเคราะห์ต่าง ๆ มีการระบุและอธิบายด้านล่าง:-

การเข้าร่วมข้อมูล

ข้อมูลต้นฉบับใช้เพื่อรับชุดข้อมูลหลายชุดโดยการเข้าร่วมและการจัดการ การจัดการข้อมูลและโน้ตบุ๊ก Jupyter Combinig มีกระบวนการและคำอธิบายทีละขั้นตอน

• customer_data - แผนที่ลูกค้าไปยังสถานที่ของพวกเขาในละติจูดและลองจิจูด
• customer_order - แผนที่แต่ละคำสั่งซื้อให้กับลูกค้าและผลิตภัณฑ์ที่ซื้อ
• transaction_data - ชุดข้อมูลธุรกรรม
• customer_payment - ข้อมูลเกี่ยวกับการซื้อและข้อมูลการชำระเงินที่รวมสำหรับลูกค้าแต่ละราย
• delivery_data - แผนที่คำสั่งซื้อของลูกค้าแต่ละรายไปยังผู้ขายที่ปฏิบัติตามและที่ตั้งของผู้ขาย
• product_reviews - แมปบทวิจารณ์ไปยังผลิตภัณฑ์

การวิเคราะห์ข้อมูลเบื้องต้น

การวิเคราะห์ข้อมูลเบื้องต้นของโน้ตบุ๊กประกอบด้วยการวิเคราะห์โดยละเอียด โน้ตบุ๊กนี้แสดงภาพและสรุปชุดข้อมูลต้นฉบับและชุดข้อมูลรวมเพื่อค้นหาแนวโน้มรูปแบบหรือความผิดพลาด การวิเคราะห์นี้ให้มุมมองแบบองค์รวมของชุดข้อมูล TH

การขุดกฎสมาคม

การใช้ชุดข้อมูลการทำธุรกรรมที่สร้างขึ้นจากชุดข้อมูลดั้งเดิมการขุดกฎการเชื่อมโยงจะดำเนินการโดยใช้อัลกอริทึมรูปแบบบ่อยครั้ง - ต้นไม้การเจริญเติบโตของ FP โมเดลส่งคืนชุดรายการบ่อยครั้งด้วยเกณฑ์ความมั่นใจ 10% สมุดบันทึกการขุดกฎการเชื่อมโยงมีคำอธิบายโดยละเอียดสำหรับงานนี้

การวิเคราะห์ผลิตภัณฑ์

วัตถุประสงค์ของการวิเคราะห์นี้คือการค้นหาผลิตภัณฑ์ที่ได้รับความนิยมมากที่สุดหมวดหมู่ผลิตภัณฑ์ยอดนิยมและประเภทผลิตภัณฑ์ยอดนิยมที่ชาญฉลาดในระบบนิเวศของ Olist นอกจากนี้เวลาในการจัดส่งและลักษณะผลิตภัณฑ์เช่น - คำอธิบาย Lenght จำนวนภาพถ่าย ฯลฯ ถูกนำมาเปรียบเทียบกับความนิยมในการค้นหาความสัมพันธ์ในข้อมูล สมุดบันทึกการวิเคราะห์ผลิตภัณฑ์มีรหัสโดยละเอียด

ทบทวนการวิเคราะห์ความเชื่อมั่น

การวิเคราะห์ความเชื่อมั่นจะดำเนินการจากบทวิจารณ์ที่ลูกค้าเสนอ สมุดบันทึกมีวิธีการภายใต้การดูแลและไม่ได้รับการดูแลสำหรับการวิเคราะห์ความเชื่อมั่นทบทวนการวิเคราะห์ความเชื่อมั่น เทคนิคการดูแลใช้การจัดอันดับที่ให้ไว้เป็นฉลากสำหรับการวิเคราะห์ความเชื่อมั่นในขณะที่เทคนิคที่ไม่ได้รับการดูแล- Afinn, textblob เพื่อทำการวิเคราะห์

การทำนายค่าการขนส่งสินค้า

ค่าการขนส่งเป็นค่าการจัดส่งที่เกี่ยวข้องกับแต่ละคำสั่งซื้อ สมุดบันทึกการทำนายค่าการขนส่งสินค้ามีขั้นตอนการสร้างแบบจำลองโดยละเอียดเพื่อทำนายมูลค่าการจัดส่งสำหรับคำสั่งซื้อตามระยะห่างระหว่างผู้ขายและลูกค้าขนาดและน้ำหนักของผลิตภัณฑ์ นอกจากนี้โมเดลยังสร้างและปรับใช้บน Azureml เป็นบริการเว็บ WebApp ถูกสร้างขึ้นโดยใช้ Dash Plotly เพื่อสอบถามโมเดลสำหรับการทำนายค่าการขนส่ง

เว็บแอปพลิเคชัน

เว็บแอปพลิเคชันถูกนำไปใช้กับ Heroku ซึ่งสร้างขึ้นในเส้นประ แอปพลิเคชันให้ส่วนหน้าไปยังโมเดลตัวทำนายค่าการขนส่งที่สร้างขึ้นบนแพลตฟอร์ม Azureml เว็บแอปพลิเคชันมีโครงสร้างไฟล์ต่อไปนี้

 __ app.py
__ layout.py
__ requirements.txt
__ Procfile
__ Resources
  |__ API_key
  |__ URL 
  |__ ship.png

สคีมาด้านล่างเป็นบริการเว็บที่สร้างขึ้นบน AzureML

การติดตั้ง Heroku

ไฟล์ app.py มีอินสแตนซ์เซิร์ฟเวอร์และไฟล์ layout.py มีเลย์เอาต์ที่จะแสดงผล ไฟล์ข้อกำหนด. txt มีการพึ่งพาของเว็บแอปพลิเคชัน

 pip freeze > requirements.txt

procfile ใช้เพื่อเปิดอินสแตนซ์ของเซิร์ฟเวอร์แอพไปยังเครื่องเสมือน เนื้อหาของ procfile คือ

 web: gunicorn app:server

เมื่อไฟล์พร้อมให้กด repo ไปยัง Heroku Master

 heroku create new_app
git add .
git commit -m "intial push"
git push heroku master
heroku ps:scale web=1

เว็บแอปพลิเคชันที่ปรับใช้สามารถเข้าถึงได้บน Heroku ผ่านลิงค์นี้ https://olist-freight-app.herokuapp.com/

หมายเหตุ:- บริการเว็บบน Azure ไม่ได้ทำงานอยู่ในขณะนี้ กรุณาสร้างบริการเว็บที่คล้ายกันบน Azure และเปลี่ยนไฟล์ API_KEY และ URL ตามลำดับ

บทสรุป

ชุดข้อมูล OLIST ถูกวิเคราะห์ในหลาย ๆ ด้าน การวิเคราะห์แต่ละครั้งเปิดเผยข้อมูลใหม่และข้อมูลเชิงลึกตามที่รายงานไว้ในสมุดบันทึก สำหรับข้อสงสัยใด ๆ ติดต่อ - [email protected] และ [email protected]