大數(shù)據在餐飲行業(yè)的應用

趙培

【摘要】 本文圍繞“互聯(lián)網+餐飲”，提出了一種基于大數(shù)據的餐飲模式。首先分析了大數(shù)據餐飲的意義，在此基礎上闡述了大數(shù)據餐飲的構建流程，最后分析了技術解決方案。希望推動傳統(tǒng)餐飲行業(yè)的數(shù)字化和現(xiàn)代化。

【關鍵詞】 大數(shù)據 互聯(lián)網+ 餐飲

“互聯(lián)網+”是互聯(lián)網思維的進一步實踐成果，推動經濟形態(tài)不斷地發(fā)生演變，從而帶動社會經濟實體的生命力。在我國，餐飲一直以來都是相對保守的行業(yè)，如果能將互聯(lián)網和餐飲有力結合，做成公眾性的大型在線點餐和運營平臺，必將極大地方便用戶，并創(chuàng)造可觀的經濟價值?；ヂ?lián)網+餐飲的興起，將會產生海量的數(shù)據。如何處理超大規(guī)模的數(shù)據，已經成為學術界和企業(yè)界亟待解決的關鍵科學技術問題。

一、大數(shù)據餐飲的意義

1.1大數(shù)據餐飲為用戶帶來的好處

大數(shù)據對餐飲用戶能帶來很多方便，體現(xiàn)在以下幾個方面：1、用戶體驗的提升；2、可選擇性；3、個性化推薦；4、健康飲食。

1.2大數(shù)據餐飲對商家?guī)淼睦?/p>

1、節(jié)省人力成本；2、資源管理；3、及時了解運營情況；4、培養(yǎng)用戶忠誠度；5、商家文化宣傳。

1.3大數(shù)據餐飲的科研價值

如何從海量數(shù)據中挖掘出有價值信息，如何將現(xiàn)有算法運用于實踐來搭建高效的智能系統(tǒng)，以及設計新的算法來滿足現(xiàn)實需求，這一直以來都是學術界尋求解決和優(yōu)化的問題。

二、大數(shù)據餐飲的一般流程

1、搭建并推廣互聯(lián)網點餐平臺。大數(shù)據的基礎和核心是數(shù)據，只有擁有海量的數(shù)據，才能在此基礎上進行挖掘，發(fā)現(xiàn)數(shù)據里蘊藏的有價值的，具有普遍意義的規(guī)律，并以此來指導實踐，應用于產業(yè)領域來創(chuàng)造非凡的價值。傳統(tǒng)餐飲行業(yè)能提供的數(shù)據相當有限，產業(yè)的轉型往往需要一個較長的過程。當前餐飲行業(yè)存在三種形態(tài)：1、保守型。該類餐飲店規(guī)模小，經營方式落后，所有工作全靠人工完成。2、半開放型。該類商家使用了進銷存系統(tǒng)。3、開放性。該類商家往往是連鎖形式，使用了一體化在線點餐辦公系統(tǒng)。只有第三種形態(tài)才能形成具有大量（Volume）、高速（Velocity）、多樣（Variety）、有價值（Value）、真實（Veracity）特性的大數(shù)據。

2、用戶行為收集。什么樣的數(shù)據才是有用的，即使具有多年數(shù)據挖掘經驗的學者也難以斷言。當前互聯(lián)網行業(yè)的通常做法是盡可能的存儲足夠多的數(shù)據。例如淘寶網，所有用戶的登陸時間，登陸地點，瀏覽商品，鼠標行為，網頁停留時間，收藏商品等都被完整記錄下來。擁有足夠全面的數(shù)據，才能從多角度，全方位分析數(shù)據，發(fā)掘數(shù)據的價值所在。餐飲行業(yè)也需要在自己的平臺記錄用戶的歷史行為，例如瀏覽了哪些菜品，在哪些位置停留時間過長，在何時間，何地點和何人點了什么菜等。這些數(shù)據將為分析用戶行為，了解用戶偏好等奠定基礎。

3、商家運營數(shù)據收集。把所有商家數(shù)據集中起來，從數(shù)據倉庫的角度來看，挖掘頻繁項集，分析銷售趨勢，了解銷售的時間性、空間性、群體性差異，對商家了解行業(yè)規(guī)律，完善經營模式，提升商家銷售額具有重大意義。

4、數(shù)據挖掘及應用。傳統(tǒng)的統(tǒng)計學可為數(shù)據分析提供各種分析手段，從不同的角度統(tǒng)計也會發(fā)現(xiàn)不同的規(guī)律。此外，專業(yè)的數(shù)據挖掘算法在此有了用武之地。如K-Means聚類算法，Support vector machines分類算法，Apriori挖掘頻繁項集，深度神經網絡等是業(yè)界常用的利器。

三、大數(shù)據餐飲的解決方案

1、數(shù)據存儲。海量的數(shù)據需要新的存儲技術。基于Hadoop集群的HDFS文件系統(tǒng)，以及NoSQL（非關系型）數(shù)據庫是時下流行的大數(shù)據存儲方案。這些新技術不但解決了低成本高存儲問題，并為大數(shù)據處理提供了方便。

2、數(shù)據分析。隨著大數(shù)據產業(yè)的興起，很多研究領域的算法都被應用于實踐，對數(shù)據的分析手段層出不窮。數(shù)據挖掘、機器學習、自然語言處理、深度學習等都為此做出了貢獻。

3、數(shù)據計算。面對大數(shù)據，傳統(tǒng)的計算方式已難以應付。為了及時處理用戶反饋，需要一個低延遲、可擴展、高可靠的處理引擎，此時Hadoop也很難滿足需求，因為MapReduce更擅長操作靜態(tài)數(shù)據。流式計算的典型范式之一是不確定數(shù)據速率的事件流流入系統(tǒng)，系統(tǒng)處理能力必須與事件流量匹配，或者通過近似算法等方法優(yōu)雅降級，通常稱為負載分流（load-shedding）。Spark和Storm是比較實用的流式計算系統(tǒng)，對于低延時、高可靠地處理線上產生的數(shù)據，實現(xiàn)基于大數(shù)據的數(shù)據挖掘、機器學習、自動化運維提供了框架支持。

結束語：本文基于大數(shù)據環(huán)境，對餐飲行業(yè)的新型運營方案進行了闡述。從大數(shù)據餐飲的意義、大數(shù)據餐飲的框架及解決方案等角度對其進行了全方位解讀，希望帶來傳統(tǒng)餐飲行業(yè)的數(shù)據化變革，把技術真正運用于實踐，為社會創(chuàng)造價值。此外應充分尊重用戶的個人隱私，讓用戶成為大數(shù)據的真正受益者。

參 考 文 獻

[1]劉宏志.大數(shù)據環(huán)境下的電網工程造價分析管控體系研究[J].華東電力， 2014（07）.

[2]周濤. 網絡大數(shù)據——復雜網絡的新挑戰(zhàn)：如何從海量數(shù)據獲取信息？[J]. 電子科技大學學報， 2013（1）：7-8.