खुदरा भू-आकृति विज्ञान, भाग 1: हम किसी व्यवसाय के लिए जगह चुनने की प्रक्रिया को स्वचालित करते हैं। 2GIS + MS Azure + ML

सभी को नमस्कार!

मेरा नाम सर्गेई कोनकोव है - मैं व्यावसायिक रिपोर्ट और डेटा में एक डेटा वास्तुकार हूं।
यह लेख एक खुदरा कंपनी में भू-विश्लेषिकी और मशीन सीखने का उपयोग करने की संभावनाओं के बारे में बात करता है और हमारे ग्राहक की एक वास्तविक परियोजना पर आधारित है - सौंदर्य सैलून का एक बड़ा नेटवर्क। बहुत अधिक कोड और तकनीकी विवरण नहीं होंगे, प्रौद्योगिकियों की समीक्षा, उनके आवेदन और एकीकरण पर ध्यान दिया जाएगा।

कार्य

सेवा क्षेत्र में सक्रिय रूप से विकासशील कंपनी है। कंपनी मुख्य रूप से शॉपिंग सेंटर (टीसी) में कई मासिक ब्यूटी सैलून खोलती है।

कार्य खोजों के लिए सर्वोत्तम स्थानों को चुनना है, निर्णय लेने का समय और लागत कम करना।

नमूना कार्यान्वयन योजना

1. हम शॉपिंग सेंटर पर डेटा प्राप्त करेंगे जो हमें स्थानों के आकर्षण का आकलन करने में मदद कर सकते हैं;
2. आइए उन खरीदारी केंद्रों में सैलून के काम के परिणाम और उन परिणामों के बीच एक कनेक्शन खोजने की कोशिश करें जहां कंपनी पहले से ही काम करती है;
3. हम आकर्षण के लिए एक नए शॉपिंग सेंटर के मूल्यांकन के लिए एक पद्धति बनाएंगे;
4. हम उन शॉपिंग सेंटरों के लिए इस अनुमान की गणना के लिए एक मशीन लर्निंग मॉडल बनाएंगे जहां हमारी कंपनी अभी तक मौजूद नहीं है;
5. हम रिटेल आउटलेट खोलने के लिए स्थानों का चयन करने में विशेषज्ञों के काम को स्वचालित करने के लिए उपकरण बनाएंगे;

हम जियो डेटा एकत्र करते हैं

तो, शॉपिंग सेंटर पर कौन से डेटा मदद कर सकते हैं।

Ponder:

• उदाहरण के लिए, यह किस क्षेत्र और शहर में स्थित है - मॉस्को या समारा, बारविक या व्याखिनो;
• शॉपिंग सेंटर का आकार - कितनी दुकानें, रेस्तरां, सैलून हैं?
• और ये स्टोर क्या हैं - निर्माण सामग्री या फैशन बुटीक?
• क्या वहां कोई प्रतियोगी हैं? और कितने हैं? और उनमें से कौन?
• शायद शॉपिंग सेंटर में आगंतुकों की संख्या के बारे में जानकारी है?
• क्या आसपास कोई अन्य शॉपिंग सेंटर हैं? 5 किमी के दायरे में, एक या दो सड़क के पार इससे बेहतर नहीं है;
• और पास में और क्या है? शायद कई कार्यालय कर्मचारियों या एक नींद क्षेत्र के साथ एक बड़ा व्यापार केंद्र?

यह वह है जो एक "अनुभवी" व्यक्ति सोचता है कि व्यवसाय के लिए जगह तय करने की आवश्यकता किसे है। एक उन्नत व्यक्ति के पास अपने निपटान में भी विश्लेषिकी होती है, जो एक्सेल या SQL में इन सभी कारकों के आधार पर एक सक्षम औचित्य बना सकता है।

इस डेटा को एकत्र करने और संसाधित करने में समय लगता है। आइए इसे अनुकूलित करने का प्रयास करें।

डेटा कहाँ से लाएँ? आइए जियो सेवाओं को देखें जो बाजार पर हैं। मुख्य हैं: यैंडेक्स मैप्स, 2 जीआईएस, गूगल मैप्स। सुविधाओं की तुलना करने के बाद, हम 2GIS पर बस गए।
हमारी राय में सेवा का मुख्य लाभ: डेटा की सटीकता, प्रासंगिकता और पूर्णता, उपयोगकर्ता के अनुकूल एपीआई। लेकिन आप अन्य निर्माताओं के समाधान का उपयोग कर सकते हैं।

2 जीआईएस एपीआई तक पहुंच सेवा वेबसाइट पर फॉर्म के माध्यम से प्राप्त की जा सकती है। पहुंच का भुगतान किया जाता है और अनुरोधों की संख्या पर निर्भर करता है, अलग से 2 जीआईएस के साथ अनुबंध में निर्धारित करना आवश्यक होगा कि डेटा का उपयोग कैसे किया जाए, यही कारण है कि हम उनसे अनुरोध करते हैं, हम उनके साथ क्या करेंगे और इसी तरह।

मैं आपको 2 जीआईएस एपीआई के साथ काम करने का तरीका बताऊंगा।

सेवा आपको एक निश्चित क्षेत्र (शहर, जिला, सड़क, और इसी तरह) में संगठनों का स्थान चुनने की अनुमति देती है। एक फिल्टर के रूप में, आप संगठन के प्रकार (गतिविधि का प्रकार) को निर्दिष्ट कर सकते हैं। हम शीर्ष शॉपिंग सेंटर के अंतर्गत सभी संगठनों की खोज करने का अनुरोध करेंगे। नतीजतन, हमें क्षेत्र में शॉपिंग सेंटर की एक सूची मिलती है। प्रत्येक शॉपिंग सेंटर की प्रतिक्रिया में, तथाकथित घर के पहचानकर्ता - बिल्डिंग_ड भी आएंगे। हम भवन में स्थित सभी संगठनों से अनुरोध करेंगे कि वे प्राप्त बिल्डिंग_आईडी में से एक के साथ काम करें। हमें इस शॉपिंग सेंटर में उनके नाम और शीर्षकों सहित सभी संगठनों की एक सूची मिलती है।



इस प्रकार, हमें एक विशेष शॉपिंग सेंटर में सभी दुकानों, सैलून, रेस्तरां और अन्य संगठनों की एक सूची मिली। हम प्रत्येक शॉपिंग सेंटर के लिए ऐसा अनुरोध कर सकते हैं जो हमें रुचिकर लगे।

परियोजना का बुनियादी ढांचा

कार्यान्वयन के लिए, हमने MS Azure के क्लाउड को चुना। वहाँ सब कुछ है कि हम की जरूरत है, अर्थात्:

• डेटा वेयरहाउस - एज़्योर SQL डेटाबेस ;
• ईटीएल एकीकरण उपकरण - डेटा फैक्टरी ;
• OLAP - एज़्योर विश्लेषण सेवाएँ
• एमएल सेवा - एज़्योर मशीन लर्निंग ;
• बॉट विकास के लिए इंजन - एज़्योर बॉट सेवा (आपको लेख के दूसरे भाग में इसकी आवश्यकता होगी);

2GIS से प्राप्त सभी डेटा को Azure SQL डेटाबेस तालिकाओं में लोड किया जाएगा।
हम Azure Data Factory पैकेज में डाउनलोड के लिए सभी स्क्रिप्ट डालते हैं। यह हमें थोक में डेटा डाउनलोड करने की अनुमति देगा (उदाहरण के लिए, किसी विशेष शहर के सभी शॉपिंग सेंटर के लिए) डेटा की प्रासंगिकता बनाए रखने के लिए, साथ ही एक विशिष्ट शॉपिंग सेंटर के लिए अनुरोध पर।

एकीकरण कार्य उदाहरण:

डेटा के साथ काम करना

हम 2GIS के डेटा और सैलून के वास्तविक परिणामों के बीच संबंध की खोज करना शुरू कर सकते हैं। ऐसा करने के लिए, शॉपिंग सेंटर पर डेटा को उस स्टोर पर अपलोड करें जहां कंपनी पहले से मौजूद है। हम ईआरपी - राजस्व, चेक की संख्या, मार्जिन, आगंतुकों की संख्या से सैलून के काम पर डेटा अपलोड करेंगे।

इस स्तर पर, हम विशेषज्ञों को डेटा साइंस प्रोजेक्ट से जोड़ते हैं। उनके लिए, हम एकत्रित डेटा और एज़्योर मशीन लर्निंग के माहौल के आधार पर एक OLAP क्यूब तैनात करते हैं।

डेटा वैज्ञानिकों द्वारा किए गए अध्ययन से पता चला है कि निम्नलिखित कारक सैलून (राजस्व और सीमांतता) के काम के परिणामों को सबसे अधिक प्रभावित करते हैं:

• वह शहर जहाँ शॉपिंग सेंटर स्थित है;
• शॉपिंग सेंटर में दुकानों की संख्या;
• शॉपिंग सेंटर में प्रतियोगियों की संख्या;
• कुछ ब्रांडों की उपस्थिति;
• 2 किमी के दायरे में अन्य शॉपिंग सेंटरों की संख्या;

शॉपिंग सेंटर के आकर्षण का आकलन करने के लिए, हम 1 से 10 के पैमाने का परिचय देते हैं। आकर्षण के मूल्यांकन की पारदर्शिता के लिए, हमें उपयोगकर्ता को यह दिखाना होगा कि कौन से कारक और कैसे उन्होंने अंतिम रेटिंग को प्रभावित किया। यहाँ एक शॉपिंग सेंटर के मूल्यांकन का एक उदाहरण है:

मशीन लर्निंग को जोड़ना

हम इस अनुमान की गणना उन सभी शॉपिंग सेंटरों के लिए करते हैं जहाँ कंपनी पहले से ही काम कर रही है। मशीन लर्निंग मॉडल बनाने के लिए परिणामी डेटा सेट (कारक + मूल्यांकन) का उपयोग किया जाएगा। अंत में, मॉडल को नए सैलून के उद्घाटन के लिए शॉपिंग सेंटर के आकर्षण का आकलन करना चाहिए।

Azure ML Studio में एक प्रयोग बनाने का एक उदाहरण:



चित्र रेखीय प्रतिगमन मॉडल के आधार पर मशीन लर्निंग प्रयोग बनाने का एक सरल उदाहरण दिखाता है।

वेब सेवा के रूप में बनाए गए मॉडल को तैनात करने के बाद, हम उन शॉपिंग केंद्रों के लिए आकर्षण रेटिंग प्राप्त कर सकेंगे, जहां हमारी कंपनी के कोई सैलून नहीं हैं।

इसलिए, हमारे पास डेटा है, हमारे पास उनके साथ काम करने के तरीके के बारे में समझ है और हमारे पास शॉपिंग सेंटर रैंकिंग का एक तरीका है। अब हम यह सब ऑपरेशन में उपयोगकर्ताओं को हस्तांतरित करेंगे।

हम परिसर के चयन विभाग के कर्मचारियों के काम को स्वचालित करते हैं

शुरू करने के लिए, विश्लेषणात्मक रिपोर्ट बनाएं।

उदाहरण के लिए, हमें एन में कई रिटेल आउटलेट खोलने की संभावना का मूल्यांकन करने की आवश्यकता है।
हम निम्नलिखित डेटा में रुचि रखते हैं:

• शहर के सभी शॉपिंग सेंटर (प्रत्येक में स्टोर की संख्या, प्रतियोगियों की संख्या, हमारे स्टोर);
• शहर के सभी शॉपिंग सेंटर जहां प्रतियोगी हैं, लेकिन हम नहीं;
• शहर के सभी प्रतियोगियों (जिसमें शॉपिंग सेंटर का प्रतिनिधित्व किया गया है, कितने कुल खुदरा आउटलेट हैं);

यहाँ MS Power BI में की गई रिपोर्टों में से एक का उदाहरण दिया गया है। डेटा स्रोत MS Azure पर हमारे डेटा वेयरहाउस हैं।



इसके बाद, हम मानचित्र पर खरीदारी केंद्रों पर एकत्रित डेटा प्रदर्शित करने के लिए एक उपकरण बनाएंगे। परिचित API 2GIS हमें इसमें मदद करेगा। वेब एप्लिकेशन में, एक मानचित्र विजेट बनाएं और उस पर शॉपिंग सेंटर के निशान के साथ मार्कर लागू करें। उदाहरण (वास्तविक डेटा परिवर्तित):

संक्षेप में देना

तो हमने निम्नलिखित किया:

• हमने 2GIS सेवा से शॉपिंग सेंटर पर डेटा प्राप्त करने की प्रक्रिया का निर्माण किया।
• हमने उन शॉपिंग केंद्रों में प्राप्त आंकड़ों और सैलून के परिणामों के बीच एक संबंध पाया जहां कंपनी पहले से ही काम कर रही है।
• उन्होंने आकर्षण के लिए शॉपिंग सेंटर का आकलन करने के लिए एक पद्धति बनाई।
• हमने रिटेल आउटलेट खोलने के लिए स्थानों के चयन में विशेषज्ञों के काम को स्वचालित करने के लिए रिपोर्टिंग और उपकरण विकसित किए।

आइए हम उस समाधान की वास्तुकला को देखें।



लेख के अगले भाग में, मैं यह बताने की योजना बनाता हूं कि परिसर के चयन के लिए जिम्मेदार कर्मचारियों की सहायता के लिए एक बॉट-जियोनालिटिक्स कैसे बनाया जाए।

आपका ध्यान के लिए धन्यवाद!

यदि कोई व्यक्ति समाधान के व्यक्तिगत घटकों के कार्यान्वयन के तकनीकी विवरण में रुचि रखता है, तो मुझे टिप्पणियों या व्यक्तिगत संदेश में प्रश्नों का उत्तर देने में खुशी होगी।