CN113393278A - 一种餐饮门店智能诊断方法、系统、设备及介质 - Google Patents

一种餐饮门店智能诊断方法、系统、设备及介质 Download PDF

Info

Publication number
CN113393278A
CN113393278A CN202110757888.3A CN202110757888A CN113393278A CN 113393278 A CN113393278 A CN 113393278A CN 202110757888 A CN202110757888 A CN 202110757888A CN 113393278 A CN113393278 A CN 113393278A
Authority
CN
China
Prior art keywords
target store
target
store
operation data
clustering
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110757888.3A
Other languages
English (en)
Inventor
吴强
安刚
张金华
胡怀文
孙新
王贺
付张莉
史维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Hanyuan Education Technology Co ltd
Original Assignee
Shanghai Hanyuan Education Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Hanyuan Education Technology Co ltd filed Critical Shanghai Hanyuan Education Technology Co ltd
Priority to CN202110757888.3A priority Critical patent/CN113393278A/zh
Publication of CN113393278A publication Critical patent/CN113393278A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/12—Hotels or restaurants

Abstract

本发明公开了一种餐饮门店智能诊断方法、系统、设备及介质，属于餐饮领域，方法包括：S1获取目标门店的经营数据；S2按照预设的标准结构对目标门店的经营数据进行标准化处理；S3确定所述目标门店所属的行业；S4从数据库中筛选出与所述门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据；S5对筛选出的参考门店的经营数据进行聚类分析，获得聚类结果；S6从聚类结果中定位出目标门店所属的目标聚类群体；S7根据目标聚类群体中的各细分群体以及预设的第一映射关系，确定目标门店的画像特征并生成诊断报告。本发明方法高效且准确，能够从人效、坪效、成长性、产品力和经营力方面进行门店诊断。

Description

一种餐饮门店智能诊断方法、系统、设备及介质
技术领域
本发明涉及餐饮领域，特别涉及一种餐饮门店智能诊断方法、系统、设备及介质。
背景技术
餐饮门店经营优劣需要契合不同品类、不同规模、不同地域、不同竞争群体等多种变量因素，因此存在或多或少的待提高的方面。比如：同样是做火锅的门店，一个在A地和一个在B地的两个商家，其各自所面临的的市场环境天差地别，因此同样的决策会带来不同的经营结果。
当下随着企业的经营管理的信息化要求日渐增长，各个垂直领域行业所需的专业应用层出不穷。餐饮垂直领域上，对餐饮门店的经营状况检测的需求声音不断高涨。
餐饮门店的经营诊断，是采用先进的数据分析与预测技术，对餐饮企业的经营数据进行分析诊断，从而使得餐饮企业能够针对性地进行改进，实现企业长期利润增长。
近些年来，餐饮门店的经营诊断分析，依然是依靠传统的人工分析判断，但是，餐饮门店的经营数据不但总量大，而且类别较多，人工难以快速且准确地从中提取出有效信息，其诊断分析结果通常较粗糙，只能给予决策者辅助参考，而不能有效指导决策者做精确的改进。
发明内容
针对现有技术存在的餐饮门店难以快速有效地确定门店经营情况的问题，本发明的目的在于提供一种餐饮门店智能诊断方法、系统、设备及介质。
为实现上述目的，本发明的技术方案为：
第一方面，本发明提供一种餐饮门店智能诊断方法，包括以下步骤，
S1、获取目标门店的经营数据；
S2、按照预设的标准结构对目标门店的经营数据进行标准化处理，获得关于所述目标门店的多个维度的信息，所述维度包括所述目标门店所属的地区、品类；
S3、根据所述目标门店的多个维度的信息，确定所述目标门店所属的行业；
S4、根据所述目标门店所属的行业，从数据库中筛选出与所述目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据；
S5、对筛选出的所述参考门店的经营数据进行聚类分析，获得聚类结果；
S6、根据所述目标门店的多个维度信息，从所述聚类结果中定位出所述目标门店所属的目标聚类群体；
S7、根据所述目标聚类群体中的各细分群体以及预设的第一映射关系，确定所述目标门店的画像特征，并根据所述画像特征生成诊断报告，其中，所述画像特征包括所述目标门店的人效评价、坪效评价、成长性评价、产品力评价和经营力评价。
进一步的，所述方法还包括，
S8、根据所述目标门店的诊断报告以及预设的第二映射关系，获得适用于所述目标门店的提升方案。
优选的，在S5中，所述对筛选出的所述参考门店的经营数据进行聚类分析的步骤包括，按照预设的标准结构对所述参考门店的经营数据进行标准化处理；
以所述目标门店所属的地区、品类为前提，通过快速聚类法对经过标准化处理的所述参考门店的经营数据进行聚类分析，获得聚类结果。
优选的，在S4中，所述数据库中的数据通过人工录入或者通过外卖平台获取。
第二方面，本发明还提供一种餐饮门店智能诊断系统，包括，
获取模块，所述获取模块用于获取目标门店的经营数据；
预处理模块，所述预处理模块用于对所述目标门店的经营数据进行标准化处理，并获得关于所述目标门店的多个维度的信息，所述维度包括所述目标门店所属的地区、品类；
行业匹配模块，所述行业匹配模块用于根据所述目标门店的多个维度的信息，确定所述目标门店所属的行业；
数据筛选模块，所述数据筛选模块用于根据所述目标门店所属的行业，从数据库中筛选出与所述目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据；
聚类分析模块，所述聚类分析模块用于对筛选出的所述参考门店的经营数据进行聚类分析，获得聚类结果；
聚类匹配模块，所述聚类匹配模块用于根据所述目标门店的多个维度信息，从所述聚类结果中定位出所述目标门店所属的目标聚类群体；
以及生成模块，所述生成模块用于根据所述目标聚类群体中的各细分群体以及预设的第一映射关系，确定所述目标门店的画像特征，并根据所述画像特征生成诊断报告，其中，所述画像特征包括所述目标门店的人效评价、坪效评价、成长性评价、产品力评价和经营力评价。
第三方面，本发明还提供一种电子设备，包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器；其中，所述处理器调用所述存储器中存储的可执行程序代码，执行如上所述的方法。
第四方面，本发明还提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器运行时执行上所述的方法。
采用上述技术方案，由于通过聚类分析的应用，使得可以快速地对海量的同行业、平行行业、交叉行业的参考门店数据进行分析处理，得出聚类结果，聚类结果中的各个细分群体之间横向比较即可直观的看出每个细分群体所处的位置(即经营效果的高低)，再将获取到的目标门店的经营数据匹配到对应的聚类结果(细分群体)上，从而得出目标门店的经营诊断结果；再与其他细分群体相比后，即可快速得出相比于经营效果更好的参考门店，目标门店存在的不足之处，从而对应的给出提升方案。本发明不会对门店管理者造成过多负担要求，只需记录门店的基础经营数据即可，对用户来说，简单易上手，产出结果迅速，可迅速落地企业。
附图说明
图1为本发明实施例一的方法流程图；
图2为本发明实施例一中快速聚类法的流程图；
图3为本发明实施例二的方法流程图；
图4为本发明实施例三的结构示意图；
图5为本发明实施例四的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
需要说明的是，在本发明的描述中，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示对本发明结构的说明，仅是为了便于描述本发明的简便，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
对于本技术方案中的“第一”和“第二”，仅为对相同或相似结构，或者起相似功能的对应结构的称谓区分，不是对这些结构重要性的排列，也没有排序、或比较大小、或其他含义。
另外，除非另有明确的规定和限定，术语“安装”、“连接”应做广义理解，例如，连接可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个结构内部的连通。对于本领域的普通技术人员而言，可以根据本发明的总体思路，联系本方案上下文具体情况理解上述术语在本发明中的具体含义。
实施例一
一种餐饮门店智能诊断方法，如图1所示，本方法包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5、步骤S6和步骤S7。其中，本方法运行在具有计算能力的设备上，例如手机、电脑或者网络服务器等。
步骤S1，获取目标门店的经营数据。
目标门店的经营数据通常由目标门店的工作人员录入获得，该经营数据包括目标门店的所在地、品牌、名称、品类、人数、面积、餐位数、订单数、营业额、人均消费金额等数据。
步骤S2，按照预设的标准结构对目标门店的经营数据进行标准化处理，获得关于目标门店的多个维度的信息，维度包括所述目标门店所属的地区、品类。
可以理解的是，工作人员录入的经营数据通常是没有规律的，因此需要按照标准进行处理，将可归为一类的多个经营数据按照特定的格式进行排列。例如，本实施例中按照以下的标准结构进行标准化处理：
【门店基本信息】-名称、品牌、业态、所在地…；
【门店经营实力】-总人数、面积、餐位数…；
【门店经营效果】-堂食营业额、订单数、人均消费金额…。
步骤S3，根据目标门店的多个维度的信息，确定目标门店所属的行业。
可以理解的是，在相同或者相似行业间进行对比才具有参考价值，因此在进行诊断前需要首选获得目标门店所属的行业。
步骤S4，根据目标门店所属的行业，从数据库中筛选出与目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据。
该步骤中，数据库中的数据是通过人工收集并录入的或者是通过美团等外卖平台获取的。数据库中的数据是餐饮中全部行业的全量数据沉淀的结果，同样的，数据库中的数据也是按照上述的标准结构进行存储的。另外，这些数据并不是都能够用于对目标门店的诊断分析，因此从中筛选出与目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据来进行后续的诊断分析。
步骤S5，对筛选出的参考门店的经营数据进行聚类分析，获得聚类结果。
本实施例中，优选是以目标门店所属的地区、品类为前提，通过快速聚类法对经过标准化处理的参考门店的经营数据进行聚类分析，从而获得聚类结果。
快速聚类法是基于最小误差法的原则将数据划分为预定的类别K，这种算法原理简单且计算高效，其方法流程如图2所示，快速聚类法使用欧式距离去度量数据样本到聚类中心的距离，并把误差平方和SSE(sumofthesquarederrors,误差平方和)作为度量聚类效果的目标函数，选取误差平方和最小的分类结果作为最终的聚类结果。
聚类结果将每一类经营数据都细分成一个或者多个细分群体，每个细分群体都对应有不同的画像描述。
步骤S6，根据目标门店的多个维度信息，从聚类结果中定位出目标门店所属的目标聚类群体。
由于聚类结果是将每类经营数据划分为多个细分群体，因此将目标门店的多个维度信息一一地去与聚类结果所分出的各类经营数据中的多个细分群体进行匹配，即可为目标门店的每一个维度信息匹配到所属的细分群体，这些细分群体的集合即构成目标门店所属的目标聚类群体。
步骤S7，根据目标聚类群体中的各细分群体以及预设的第一映射关系，确定目标门店的画像特征，并根据画像特征生成诊断报告，其中，画像特征包括所述目标门店的人效评价、坪效评价、成长性评价、产品力评价和经营力评价。
由于步骤S5中通过快速聚类法获得的聚类结果是包含全部细分群体的，这些细分群体有高有低，因此每个细分群体都对应有与其相匹配的画像描述，这种匹配关系即为第一映射关系。反之，即可将步骤S6中确定的目标门店所属的目标聚类群体，对应到其所属的画像特征上。
例如，目标门店对应的聚类群体为群体A，群体A的画像特征为“华东地区/火锅品类/中等规模-人效低下/坪效一般/…”。
可见，在画像特征已经明确的前提下，即可知晓目标门店的经营数据所能够反映的目标门店在业内所处的位置。
实施例二
其与实施例一的区别在于：本实施例中，上述的方法还包括步骤S8，如图3所示。
步骤S8，根据目标门店的诊断报告以及预设的第二映射关系，获得适用于目标门店的提升方案。
可以理解的是，上述的第二映射关系是根据经营效果更好的门店的经营数据得出的，即，提升方案的内容和目的是使目标门店的经营数据趋向于经营效果比其更加优良的门店。
例如，针对实施例一的诊断报告，其提升方案为“进行人才盘点/改进前厅和厨房面积规划…”。
实施例三
一种餐饮门店智能诊断系统，如图4所示，包括，
获取模块，获取模块用于获取目标门店的经营数据；
预处理模块，预处理模块用于对目标门店的经营数据进行标准化处理，并获得关于目标门店的多个维度的信息，维度包括目标门店所属的地区、品类；
行业匹配模块，行业匹配模块用于根据目标门店的多个维度的信息，确定目标门店所属的行业；
数据筛选模块，数据筛选模块用于根据目标门店所属的行业，从数据库中筛选出与目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据；
聚类分析模块，聚类分析模块用于对筛选出的参考门店的经营数据进行聚类分析，获得聚类结果；
聚类匹配模块，聚类匹配模块用于根据目标门店的多个维度信息，从聚类结果中定位出目标门店所属的目标聚类群体；
以及生成模块，生成模块用于根据目标聚类群体中的各细分群体以及预设的第一映射关系，确定目标门店的画像特征，并根据画像特征生成诊断报告，其中，画像特征包括目标门店的人效评价、坪效评价、成长性评价、产品力评价和经营力评价。
当然，在另一个实施例中，生成模块还用于根据目标门店的诊断报告以及预设的第二映射关系，生成适用于目标门店的提升方案。
实施例四
一种电子设备，如图5所示，包括存储有可执行程序代码的存储器以及与该存储器耦合的处理器；其中，处理器调用存储器中存储的可执行程序代码，执行实施例一或实施例二的方法。
实施例五
一种计算机存储介质，计算机存储介质中存储有计算机程序，计算机程序被处理器运行时执行实施例一或实施例二的方法。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。

Claims (7)

1.一种餐饮门店智能诊断方法，其特征在于：包括以下步骤，
S1、获取目标门店的经营数据；
S2、按照预设的标准结构对目标门店的经营数据进行标准化处理，获得关于所述目标门店的多个维度的信息，所述维度包括所述目标门店所属的地区、品类；
S3、根据所述目标门店的多个维度的信息，确定所述目标门店所属的行业；
S4、根据所述目标门店所属的行业，从数据库中筛选出与所述目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据；
S5、对筛选出的所述参考门店的经营数据进行聚类分析，获得聚类结果；
S6、根据所述目标门店的多个维度信息，从所述聚类结果中定位出所述目标门店所属的目标聚类群体；
S7、根据所述目标聚类群体中的各细分群体以及预设的第一映射关系，确定所述目标门店的画像特征，并根据所述画像特征生成诊断报告，其中，所述画像特征包括所述目标门店的人效评价、坪效评价、成长性评价、产品力评价和经营力评价。
2.根据权利要求1所述的方法，其特征在于：所述方法还包括，
S8、根据所述目标门店的诊断报告以及预设的第二映射关系，获得适用于所述目标门店的提升方案。
3.根据权利要求1所述的方法，其特征在于：在S5中，所述对筛选出的所述参考门店的经营数据进行聚类分析的步骤包括，
按照预设的标准结构对所述参考门店的经营数据进行标准化处理；
以所述目标门店所属的地区、品类为前提，通过快速聚类法对经过标准化处理的所述参考门店的经营数据进行聚类分析，获得聚类结果。
4.根据权利要求1所述的方法，其特征在于：在S4中，所述数据库中的数据通过人工录入或者通过外卖平台获取。
5.一种餐饮门店智能诊断系统，其特征在于：包括，
获取模块，所述获取模块用于获取目标门店的经营数据；
预处理模块，所述预处理模块用于对所述目标门店的经营数据进行标准化处理，并获得关于所述目标门店的多个维度的信息，所述维度包括所述目标门店所属的地区、品类；
行业匹配模块，所述行业匹配模块用于根据所述目标门店的多个维度的信息，确定所述目标门店所属的行业；
数据筛选模块，所述数据筛选模块用于根据所述目标门店所属的行业，从数据库中筛选出与所述目标门店所属的行业相同、相平行和/或相交叉的行业中的参考门店的经营数据；
聚类分析模块，所述聚类分析模块用于对筛选出的所述参考门店的经营数据进行聚类分析，获得聚类结果；
聚类匹配模块，所述聚类匹配模块用于根据所述目标门店的多个维度信息，从所述聚类结果中定位出所述目标门店所属的目标聚类群体；
以及生成模块，所述生成模块用于根据所述目标聚类群体中的各细分群体以及预设的第一映射关系，确定所述目标门店的画像特征，并根据所述画像特征生成诊断报告，其中，所述画像特征包括所述目标门店的人效评价、坪效评价、成长性评价、产品力评价和经营力评价。
6.一种电子设备，其特征在于：包括存储有可执行程序代码的存储器以及与所述存储器耦合的处理器；其中，所述处理器调用所述存储器中存储的可执行程序代码，执行如权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器运行时执行如权利要求1-4任一项所述的方法。
CN202110757888.3A 2021-07-05 2021-07-05 一种餐饮门店智能诊断方法、系统、设备及介质 Pending CN113393278A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110757888.3A CN113393278A (zh) 2021-07-05 2021-07-05 一种餐饮门店智能诊断方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110757888.3A CN113393278A (zh) 2021-07-05 2021-07-05 一种餐饮门店智能诊断方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN113393278A true CN113393278A (zh) 2021-09-14

Family

ID=77625238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110757888.3A Pending CN113393278A (zh) 2021-07-05 2021-07-05 一种餐饮门店智能诊断方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN113393278A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055145A1 (en) * 2009-04-17 2011-03-03 Johnson Eric A Method and apparatus for insightful dimensional clustering
CN108509569A (zh) * 2018-03-26 2018-09-07 河北省科学院应用数学研究所 企业画像的生成方法、装置、电子设备以及存储介质
CN109190939A (zh) * 2018-08-16 2019-01-11 裔洋严品国际有限公司 门店运营数据管理系统
CN110597990A (zh) * 2019-09-06 2019-12-20 民生科技有限责任公司 一种基于智能分类的财务分析方法和系统
CN112465533A (zh) * 2019-09-09 2021-03-09 中国移动通信集团河北有限公司 智能选品方法、装置及计算设备
CN112884291A (zh) * 2021-01-27 2021-06-01 深圳微众信用科技股份有限公司 一种企业供应链的分析方法、装置、计算机装置和存储介质
CN112990973A (zh) * 2021-03-22 2021-06-18 山东顺能网络科技有限公司 线上店铺画像构建方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110055145A1 (en) * 2009-04-17 2011-03-03 Johnson Eric A Method and apparatus for insightful dimensional clustering
CN108509569A (zh) * 2018-03-26 2018-09-07 河北省科学院应用数学研究所 企业画像的生成方法、装置、电子设备以及存储介质
CN109190939A (zh) * 2018-08-16 2019-01-11 裔洋严品国际有限公司 门店运营数据管理系统
CN110597990A (zh) * 2019-09-06 2019-12-20 民生科技有限责任公司 一种基于智能分类的财务分析方法和系统
CN112465533A (zh) * 2019-09-09 2021-03-09 中国移动通信集团河北有限公司 智能选品方法、装置及计算设备
CN112884291A (zh) * 2021-01-27 2021-06-01 深圳微众信用科技股份有限公司 一种企业供应链的分析方法、装置、计算机装置和存储介质
CN112990973A (zh) * 2021-03-22 2021-06-18 山东顺能网络科技有限公司 线上店铺画像构建方法及系统

Similar Documents

Publication Publication Date Title
CN105139023B (zh) 一种基于多尺度特征融合和极限学习机的种子识别方法
CN110751019B (zh) 基于深度学习的高分辨率影像农作物自动提取方法及装置
CN111666269A (zh) 食品安全大数据自动编码与全链条溯源体系
CN106447075B (zh) 行业用电需求预测方法与系统
CN116188475B (zh) 一种外观缺陷自动光学检测的智慧控制方法、系统及介质
CN108153894A (zh) 一种olap数据模型自动建模的方法、分类器
CN111126511B (zh) 一种基于植被指数融合的lai定量模型建立的方法
CN106920123B (zh) 一种基于机器学习和物联网的餐厅数据分析系统
CN116109195B (zh) 一种基于图卷积神经网络的绩效评估方法及系统
CN110263735A (zh) 一种使用三维卷积神经网络对人工林高光谱数据进行树种分类的方法
CN103902798B (zh) 数据预处理方法
CN112860769A (zh) 一种能源规划数据管理系统
CN108846360A (zh) 草原盐渍化的遥感识别方法、装置及计算机可读储存介质
CN103971000A (zh) 基于多指标的工业园区产业集聚程度定量评价方法
CN106250901A (zh) 一种基于图像特征信息的数字识别方法
CN205158399U (zh) 多光谱视觉成像大叶农作物叶片分级系统
Lopes et al. Grapevine bunch weight estimation using image-based features: comparing the predictive performance of number of visible berries and bunch area
Lati et al. Three-dimensional image-based modelling of linear features for plant biomass estimation
CN113393278A (zh) 一种餐饮门店智能诊断方法、系统、设备及介质
CN102136110A (zh) 服装规模化定制的规格-号型对照表产生方法及服装规模化定制生产方法
CN115063207A (zh) 一种基于云计算的建材采购智能比价分析处理系统
CN114462834A (zh) 一种基于多渠道数据融合的区域画像构建方法及系统
JP3607948B2 (ja) Ｎｍｒシグナル帰属支援システム
CN114399366B (zh) 一种基于人群分析的无人售货机选品方法及系统
CN113240353B (zh) 一种面向跨境电商的出口工厂分类方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210914