很多餐饮老板和刚入门的数据分析师都问过我同一个问题:手上攒了一大堆餐厅订单数据,却不知道怎么下手,感觉就像守着一座金山不知道从哪挖起。今天我就结合自己做过的餐厅订单数据分析项目,把这套完整的分析思路和实操步骤掰开揉碎讲清楚,从数据清洗到可视化,从指标拆解到业务洞察,每一步都给出可以直接抄作业的代码和踩坑总结。这篇内容适合三类人看:想用数据优化菜单和排班的餐饮运营者、正在做数据分析项目练手但苦于没有真实业务场景的同学、以及对餐饮行业数据分析流程感兴趣的产品或运营人员。
1. 项目定位与分析框架搭建
1.1 这次分析要解决什么业务问题
餐厅订单数据分析和网上那些用泰坦尼克号数据集练手的教程完全是两码事。后者只需要预测生存概率,前者却要面对真实商业世界中一堆纠缠不清的问题。我在这个项目里最核心的目标是回答三个业务问题:什么时间段是真正的营业高峰、哪些菜品是利润奶牛而哪些是应该被砍掉的赔钱货、顾客的消费习惯背后藏着什么样的提价和营销机会。
这三个问题分别对应着时间序列分析、菜品结构分析和用户消费行为分析。别急着上来就写代码搞模型,先想清楚分析目标。你做的每一张图、跑的每一个聚合查询,都应该是为了推动一个具体的业务决策。比如分析出下午茶时段单量极低,决策可能就是在这个时段推套餐优惠;分析出某道凉菜毛利低但销量高,决策可能就是换供应商或者调整定价策略。
1.2 数据集字段说明与口径定义
这个项目用的数据集是某连锁餐厅一个月的真实脱敏订单流水,包含订单ID、下单时间、支付时间、门店编号、菜品ID、菜品名称、菜品分类、数量、单价、折扣金额、实付金额、支付方式、桌号、就餐人数、客户ID等17个字段。数据量在30万行左右,覆盖工作日和周末,还包含正常营业和一次节假日促销两个场景。
拿到数据的第一步不是开始清洗,而是和业务方确认指标口径,这个环节千万别省。比如“客单价”是按实付金额算还是按菜品原价总额算?“翻台率”分母是用可用餐位还是实际敞开的餐位?“同店增长”里的“同店”定义是什么,新开的门店算不算?我和餐厅运营负责人对了三次口径,才把以下规则定下来:所有金额指标统一用实付金额口径,退款订单单独打标不混入正常销售,打折前的原价只用于计算折扣率,客单价等于每一笔订单实付金额除以该订单的用餐人数。
确认完口径之后,我写了一段数据探查代码,用DataFrame的info、describe、isnull、duplicated这些基础方法快速过了一遍数据全貌。这一步其实非常重要,它决定了你后面所有分析是否站得住脚。我建议你也把每次探查的结果截图留档,整理成一份简短的“数据字典和口径说明”文档,后面写分析报告或向别人解释数据来源时,这份文档能帮你省下大量沟通成本。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据预处理:决定后续一切质量的分水岭
2.1 清洗流程的五步操作
数据分析这行有一句老话:垃圾进,垃圾出。数据预处理阶段花的时间通常会占整个项目的六成以上,如果你觉得这个比例夸张,那多半是还没被脏数据坑过。这个餐厅订单数据集同样逃不过这一劫,我拿到手后发现的问题五花八门,主要是这么五类,清理优先级也是按这个顺序来的。
第一步处理缺失值。订单表里客户ID字段缺失率有12%,不需要纠结太久,这些大概率是散客没注册会员导致的,直接将其填充为“散客”标记即可,分析用户复购时单独剔除这部分数据反而更准确。菜品分类字段缺失了87条记录,我根据菜品名称里的关键词人工补全了这些分类,比如名称带“辣子鸡丁”的归为川湘菜,“清蒸鲈鱼”归为粤菜,千万不能在这类明显的字段上直接填“未知”,那会污染后面整个菜品分类分析。
第二步去除重复值。按订单ID加菜品ID两个字段去重后,发现17条完全重复的记录,问题出在POS系统网络延迟导致同一单重复提交,你可以在代码里通过drop_duplicates的subset参数指定这两个字段来做去重。
第三步处理异常值。实付金额为负数的订单有22条,这不是退款单,因为退款单在另一个字段打标了,这些负数订单是店员测试POS机时产生的测试数据,直接删除。单价超过1000元的记录需要逐
