2021高職 大數(shù)據(jù)技術(shù)與應(yīng)用 任務(wù)書5（賽項賽題）

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

2021年全國職業(yè)院校技能大賽

高職組

“大數(shù)據(jù)技術(shù)與應(yīng)用”

賽項賽卷（GZ-xxxxxxx-X卷）

任

務(wù)

書

參賽隊編號：___________________

背景描述

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

據(jù)央視財經(jīng)報道，2020年我國020市場規(guī)模突破萬億元，020市

場存在著巨大的潛力。特別是餐飲和外賣行業(yè)，占據(jù)市場較大份額,

并且業(yè)務(wù)增長迅速。截至2020年底，全國外賣總體訂單量已超過

171.2億單，同比增長7.5%,全國外賣市場交易規(guī)模達(dá)到8352億元，

同比增長14.8%o我國外賣用戶規(guī)模已接近5億人，其中80后、90

后是餐飲外賣服務(wù)的中堅消費(fèi)力量，消費(fèi)者使用餐飲外賣服務(wù)也不再

局限于傳統(tǒng)的一日三餐，下午茶和夜宵逐漸成為消費(fèi)者的外賣新寵。

為把握這一商業(yè)機(jī)遇，ChinaSkills公司計劃進(jìn)駐外賣平臺市場，現(xiàn)

需對大規(guī)模成熟外賣平臺進(jìn)行詳細(xì)評估調(diào)研，采集多方多維度數(shù)據(jù),

尋找行業(yè)痛點，摸清市場需求，以技術(shù)為手段為投資保駕護(hù)航。

為完成該項工作，你所在的小組將應(yīng)用大數(shù)據(jù)技術(shù)，以Python.

Java、Scala作為整個項目的基礎(chǔ)開發(fā)語言，基于大數(shù)據(jù)平臺綜合利

用MapReduce>Spark、MySQL、Scrapy、Flask,ECharts等，對數(shù)據(jù)

進(jìn)行獲取、處理、清洗、挖掘、分析、可視化呈現(xiàn)，力求實現(xiàn)對公司

未來的重點戰(zhàn)略方向提出建議。

你們作為該小組的技術(shù)人員，請按照下面任務(wù)完成本次工作，并

編制綜合報告。

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

模塊A:Hadoop平臺及組件的部署管理（15分）

環(huán)境說明：

編號主機(jī)名類型用戶密碼

1master主節(jié)點rootpasswd

2slavel從節(jié)點rootpasswd

3slave2從節(jié)點rootpasswd

補(bǔ)充說明：主節(jié)點MySQL數(shù)據(jù)庫用戶名/密碼：root/Passwordl23$

相關(guān)軟件安裝包在/chinaskills目錄下

所有模塊中應(yīng)用命令必須采用絕對路徑

任務(wù)一：Hadoop全分布部署管理

本環(huán)節(jié)需要使用root用戶完成相關(guān)配置，安裝Hadoop需要配置前置環(huán)境。

具體部署要求如下：

1、將/chinaskills下的JDK包解壓到/usr/local/src路徑，將完整命令復(fù)制

粘貼到對應(yīng)報告中；

2、修改/root/.bash_profile文件，設(shè)置JDK環(huán)境變量，并使環(huán)境變量只對當(dāng)

前root用戶生效將環(huán)境變量配置內(nèi)容復(fù)制粘貼至對應(yīng)報告中；

3,從master復(fù)制上面步驟配置的JDK環(huán)境變量文件到slavel、slave2節(jié)點，

命令和結(jié)果復(fù)制粘貼在對應(yīng)報告中；

4、配置SSH密鑰登錄，實現(xiàn)從master登錄到slavel,將登錄命令和結(jié)果復(fù)制

粘貼在對應(yīng)報告中；

5、將配置文件hadoop-env.sh變更內(nèi)容復(fù)制粘貼在對應(yīng)報告中；

6,將配置文件core-site,xml變更內(nèi)容復(fù)制粘貼在對應(yīng)報告中；

7、初始化Hadoop環(huán)境namenode,將命令及結(jié)果復(fù)制粘貼在對應(yīng)報告中；

8、查看master及slavel節(jié)點jps進(jìn)程，將其命令及結(jié)果復(fù)制粘貼至對應(yīng)報告

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

中。

任務(wù)二：Spark組件部署管理

1、解壓Scala安裝包到/usr/local/src路徑下，并更名為scala,命令及結(jié)果

復(fù)制粘貼至對應(yīng)報告中；

2、設(shè)置Scala環(huán)境變量，并使環(huán)境變量只對root用戶生效，配置文件內(nèi)容復(fù)

制粘貼至對應(yīng)報告中；

3、進(jìn)入Scala命令行界面，將命令及結(jié)果復(fù)制粘貼至對應(yīng)報告中。

4、解壓Spark安裝包到usr/local/src路徑下，并更名為spark,將命令及結(jié)

果復(fù)制粘貼至對應(yīng)報告中；

5、設(shè)置Spark相關(guān)環(huán)境變量，并使環(huán)境變量只對root用戶生效，配置Spark

的master節(jié)點主機(jī)名、端口、worker結(jié)點的核數(shù)、內(nèi)存，將命令復(fù)制粘貼

至對應(yīng)報告中；

6、啟動Sparkshell,將命令及結(jié)果復(fù)制粘貼至對應(yīng)報告中。

任務(wù)三：Hive部署管理

本環(huán)節(jié)需要使用root用戶完成相關(guān)配置，已安裝Hadoop及需要配置前置環(huán)

境，具體部署要求如下：

1、將指定路徑下的Hive安裝包解壓到/usr/local/src下，將命令復(fù)制并粘貼

至對應(yīng)報告中；

2、把解壓后的apache-hive-1.1.0-bin文件夾更名為hive；進(jìn)入hive文件夾,

并將查看命令及結(jié)果復(fù)制并粘貼至對應(yīng)報告中；

3、設(shè)置Hive環(huán)境變量，并使環(huán)境變量只對當(dāng)前root用戶生效；并將環(huán)境變量

配置內(nèi)容復(fù)制并粘貼至對應(yīng)報告中；

4、將Hive安裝目錄里hive-default.xml.template文件更名為hive-site,xml；

并將更改命令復(fù)制并粘貼至對應(yīng)報告中；

5、通過VI編輯器配置hive-site.xml文件，將MySQL數(shù)據(jù)庫作為Hive元數(shù)據(jù)

庫。將配置文件Hive元存儲相關(guān)內(nèi)容復(fù)制并粘貼至對應(yīng)報告中；

6、初始化Hive元數(shù)據(jù)，將MySQL數(shù)據(jù)庫JDBC驅(qū)動拷貝到Hive安裝目錄的lib

2021年仝國職螞院校技能大妻高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

文件夾下；并通過schematool命令執(zhí)行初始化，將初始化結(jié)果復(fù)制粘貼至

對應(yīng)報告中；

7、啟動Hive并保存命令輸出結(jié)果，將結(jié)果輸出復(fù)制粘貼至對應(yīng)報告中。

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

模塊B:數(shù)據(jù)采集與處理（20分）

項目背景說明

1、查看餐飲外送統(tǒng)計平臺網(wǎng)站源碼結(jié)構(gòu)。

1）打開網(wǎng)站，在網(wǎng)頁中右鍵點擊檢查，或者F12快捷鍵，查看

源碼頁面；

2）檢查網(wǎng)站：瀏覽網(wǎng)站源碼查看所需內(nèi)容。

2、從餐飲外送統(tǒng)計平臺中采集需要數(shù)據(jù)，按照要求使用Python語言

編寫代碼工程，獲取指定數(shù)據(jù)項，并對結(jié)果數(shù)據(jù)集進(jìn)行必要的數(shù)

據(jù)處理。請將符合任務(wù)要求的結(jié)果復(fù)制粘貼至對應(yīng)報告中。

具體步驟如下：

1）創(chuàng)建工程工程項目：C：\food_delivery

2）構(gòu)建采集請求

3）按要求定義相關(guān)字段

4）獲取有效數(shù)據(jù)

5）將獲取到的數(shù)據(jù)保存到指定位置

6）對數(shù)據(jù)集進(jìn)行基礎(chǔ)的數(shù)據(jù)處理

至此已從餐飲外送統(tǒng)計平臺中獲取所需數(shù)據(jù)，并完成了必要的基

礎(chǔ)的數(shù)據(jù)處理。

3^自行創(chuàng)建Scrapy工程項目food_delivery,路徑為C:\

food_delivery按照任務(wù)要求從餐飲外送統(tǒng)計平臺中獲取數(shù)據(jù)。

提取“商戶數(shù)據(jù)”頁面相關(guān)字段（包括平臺餐廳ID、餐廳名稱、

城市等全部有效數(shù)據(jù)項），保存至文件restaurant_data.json；

2021年仝國職螞院校技能大妻高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

再提取“配送平臺灰測維度數(shù)據(jù)”頁面相關(guān)數(shù)據(jù)（包括餐廳名稱、

城市、營業(yè)時長等全部字段）保存至文件grey_test.json。

4、每條數(shù)據(jù)記錄請以單獨一行保存，信息存儲格式為key：value。

文件保存路徑為：C：\outputo

示例：

{fitrest._i,dj?：n*.*.*.IF,iirest,_name"：n*,*,*,n,....}

fir.,jn...n”,nir,,,n1

{rest_id：***,rest_name：***,....）,

5、任務(wù)中要求將“以下內(nèi)容及答案完整復(fù)制粘貼至對應(yīng)報告中。”，

粘貼到對應(yīng)報告中的內(nèi)容示例如下：

配送范圍審核相關(guān)數(shù)據(jù)頁數(shù)為：100

灰度數(shù)據(jù)對比相關(guān)數(shù)據(jù)頁數(shù)為：100

任務(wù)一：獲取“商戶數(shù)據(jù)”頁面相關(guān)數(shù)據(jù)

自行創(chuàng)建Scrapy工程編寫工程代碼，獲取“商戶數(shù)據(jù)”頁面相關(guān)數(shù)據(jù)，通

過工程代碼分頁獲取，以合理的程序邏輯判斷相關(guān)數(shù)據(jù)包含的頁數(shù)并將答案復(fù)制

粘貼至對應(yīng)報告中。

示例格式：

商戶數(shù)據(jù)數(shù)據(jù)頁數(shù)為：

任務(wù)二：獲取“配送平臺灰測維度數(shù)據(jù)”頁面相關(guān)數(shù)據(jù)

編寫工程代碼，獲取“配送平臺灰測維度數(shù)據(jù)”頁面相關(guān)數(shù)據(jù)，通過工程代

碼分頁獲取，以合理的程序邏輯判斷相關(guān)數(shù)據(jù)包含的頁數(shù)并將答案復(fù)制粘貼至對

應(yīng)報告中。

示例格式:

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

灰測維度相關(guān)數(shù)據(jù)頁數(shù)為：

任務(wù)三：將獲取數(shù)據(jù)存入json文件

運(yùn)行代碼，獲取網(wǎng)頁數(shù)據(jù)至指定文件。查看文件并填寫采集到的記錄條數(shù)，

并將答案復(fù)制粘貼至對應(yīng)報告中。

示例格式：

restaurant_data.json行數(shù)為：

grey_test.json行數(shù)為：

任務(wù)四：刪除異常樣本

restaurant_data.json文件中，屬性"推單數(shù)”是指外賣平臺通過顧客點

單向商家推送的訂單數(shù)量，“接單數(shù)”為商家根據(jù)自身情況，最終選擇接受訂單

的數(shù)量。一般來說，商家對于平臺推送的訂單，排除自身原因，例如原材料耗盡、

用戶下單時店鋪已經(jīng)打洋等特殊情況，都會選擇接單。請?zhí)蕹龑傩粤小巴茊螖?shù)”

小于“接單數(shù)”的異常數(shù)據(jù)條目，并在PyCharm控制臺打印輸出刪除的樣本條數(shù)，

并將打印語句復(fù)制粘貼至對應(yīng)報告中。

示例格式：

===因異常樣本記錄，刪除樣本條數(shù)為***條===

任務(wù)五：缺失值處理

客單價是指客戶在該商鋪下一單的平均支付價格。根據(jù)商家定位不同，可以

分為高客單價和低客單價。請以任務(wù)4的結(jié)果數(shù)據(jù)集作為數(shù)據(jù)源，針對“客單價”

屬性，審查缺失值數(shù)量：

(a)當(dāng)缺失值比例小于5%時，對包含缺失值數(shù)據(jù)的樣本進(jìn)行刪除。

(b)當(dāng)缺失值比例大于5%時，對缺失值字段進(jìn)行中位數(shù)填充。

在PyCharm控制臺打印輸出結(jié)論，并按示例格式將結(jié)果復(fù)制粘貼至對應(yīng)報告

中。

示例格式:

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

==="客單價"屬性缺失值比例小于5%,刪除樣本條數(shù)為***條===

或：

==="客單價”屬性缺失值比例大于5隊中位數(shù)為：，填充樣本條數(shù)為

***條二二二

任務(wù)六：劃分?jǐn)?shù)據(jù)集

請針對grey_test.json數(shù)據(jù)集，根據(jù)屬性“有效訂單增長率”劃分?jǐn)?shù)據(jù)集

grey_test.jsonl（有效訂單增長率大于等于0）,grey_test.json2（有效訂單

增長率小于0）,并在PyCharm控制臺打印輸出兩個數(shù)據(jù)集的數(shù)據(jù)記錄條數(shù)，并

按示例格式將結(jié)果復(fù)制粘貼至對應(yīng)報告中。文件保存路徑為：C:\outputo

示例格式：

===grey_test.jsonl包含樣本條數(shù)為***條===

===grey_test.json2包含樣本條數(shù)為***條==

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

模塊C:數(shù)據(jù)清洗與挖掘分析（25分）

項目背景說明

餐飲外賣平臺的核心價值體現(xiàn)在配送，而配送的價值則依賴于商

家與客戶的雙向選擇。外賣平臺通常會通過內(nèi)容激活消費(fèi)者和商家兩

個群體的活躍度。消費(fèi)者會參考平臺展示的內(nèi)容選擇商家，商家也會

以消費(fèi)者評價與平臺統(tǒng)計數(shù)據(jù)為依據(jù)調(diào)整策略，由此再吸引更多的用

戶下單、評論、形成正向循環(huán)。保證配送的時效與品質(zhì)是從優(yōu)化用戶

體驗的角度，吸引更多的用戶參與，進(jìn)而帶動商家不斷入駐。由此,

商家、消費(fèi)者、騎手在平臺上形成越來越多的真實可靠的數(shù)據(jù)，幫助

消費(fèi)者更好的做出消費(fèi)決策，同時促進(jìn)商家提高服務(wù)質(zhì)量。而平臺通

過數(shù)據(jù)，不斷調(diào)整優(yōu)化服務(wù)，從而不斷提升這種多邊網(wǎng)絡(luò)效應(yīng)。提升

網(wǎng)絡(luò)效應(yīng)的直接結(jié)果就是用戶和商家規(guī)模大幅提升，進(jìn)而形成規(guī)模效

應(yīng)一一降低獲客成本、提高效益，并且不斷提升自己的行業(yè)壁壘。

為探索各大外賣平臺的市場策略與經(jīng)營模式，現(xiàn)已從及平臺獲取

到了原始數(shù)據(jù)集，包含“餐廳id,retailer_id,餐廳名稱，城市,

商戶業(yè)務(wù)包，配送范圍，客單價，推單數(shù)，接單數(shù)，有效完成單數(shù),

投訴率，異常率，欺詐單數(shù)，拒單數(shù)，商戶取消數(shù)，客戶取消數(shù)，系

統(tǒng)取消數(shù)，配送取消異常數(shù)，整體時長，接單時長，到店時長，取餐

時長，送達(dá)時長，商戶投訴數(shù)，用戶投訴數(shù)，差評數(shù)，好評數(shù)，評價

數(shù)，最遠(yuǎn)訂單距離，該訂單整體時效，該訂單接單時效，該訂單到店

時效，該訂單取餐時效，該訂單送達(dá)時效，該訂單評價”字段。為保

障用戶隱私和行業(yè)敏感信息，已經(jīng)對數(shù)據(jù)脫敏。（數(shù)據(jù)脫敏是指對某

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

些敏感信息通過脫敏規(guī)則進(jìn)行數(shù)據(jù)的變形，實現(xiàn)敏感隱私數(shù)據(jù)的可靠

保護(hù)。在涉及客戶安全數(shù)據(jù)或一些商業(yè)性敏感數(shù)據(jù)的情況下，對真實

數(shù)據(jù)進(jìn)行改造并提供測試使用，如身份證號、手機(jī)號等個人敏感信息

都需要進(jìn)行數(shù)據(jù)脫敏。本題已將脫敏后的數(shù)據(jù)存放于平臺對應(yīng)任務(wù)

/chinaskills目錄下。工程所需配置文件pom.xml存放于"C：\清洗

配置文件”。任務(wù)中所有命令務(wù)必使用絕對路徑。）

任務(wù)一：數(shù)據(jù)清洗

任務(wù)背景：

數(shù)據(jù)源為眾多網(wǎng)站及平臺的數(shù)據(jù)匯總，且為多次采集的結(jié)果，在整合多來源

數(shù)據(jù)時可能遇到數(shù)據(jù)重復(fù)，或數(shù)據(jù)拼接導(dǎo)致的屬性列缺失或冗余等情況。請根據(jù)

任務(wù)具體參數(shù)要求，針對原始數(shù)據(jù)集進(jìn)行清洗，并寫入指定的數(shù)據(jù)庫或數(shù)據(jù)文件，

復(fù)制并保存結(jié)果。

任務(wù)描述：

數(shù)據(jù)源文件存放于平臺對應(yīng)任務(wù)/chinaskills目錄下，請按照如下要求編

寫Spark程序?qū)?shù)據(jù)進(jìn)行清洗，并將結(jié)果輸出保存。

1）分析/chinaskills中數(shù)據(jù)文件；

2）針對屬性列“商家id”排查并刪除異常數(shù)據(jù)條目；

3）針對屬性列缺失或冗余的樣本進(jìn)行刪除；

4）程序打包并在Spark平臺運(yùn)行，結(jié)果輸出至HDFS文件系統(tǒng)

/diliveryoutput1。

具體任務(wù)要求：

1、讀取相關(guān)數(shù)據(jù)文件，包含“city_name,location,latitude,longitude,

resttype,platform_A_restid,A_rstname,Aday_30_cnt,p1atform_B_restid,

B_rst_name,B_day_30_cntw等字段，查看文件包含數(shù)據(jù)記錄數(shù)，并將答案復(fù)

制并保存至對應(yīng)報告中。

示例格式:

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

文件數(shù)據(jù)記錄數(shù)為：

2、編寫Spark程序讀取任務(wù)1的數(shù)據(jù)源，針對屬性列"platform_A_restid”或

<<platform_B_restidw重復(fù)的樣本，請以多條樣本記錄的uA_day_30_cntn或

“B_day_30_cnt”屬性均值作為該屬性的值，并刪除多余樣本，并在程序中以打

印語句輸出刪除的條數(shù)。請將結(jié)果數(shù)據(jù)集輸出至HDFS文件系統(tǒng)

/diliveryoutputl中。將打印輸出結(jié)果復(fù)制并保存至對應(yīng)報告中。（復(fù)制內(nèi)容需

包含打印語句輸出結(jié)果的上下各5行運(yùn)行日志）。

示例格式：

===因重復(fù)樣本記錄，刪除樣本條數(shù)為***條===

3、編寫Spark程序讀取任務(wù)2的結(jié)果數(shù)據(jù)集/diliveryoutputl,審查樣本的屬

性數(shù)量，當(dāng)屬性列缺失或冗余時，剔除該樣本記錄，并在程序中以打印語句輸出

刪除的條數(shù)，將打印輸出結(jié)果復(fù)制并保存至對應(yīng)報告中。（復(fù)制內(nèi)容需包含打印

語句輸出結(jié)果的上下各5行運(yùn)行日志）。

示例格式：

===因?qū)傩匀哂嗷蛉笔?，剔除的樣本條數(shù)為***條===

4、將任務(wù)3處理后的數(shù)據(jù)記錄以［latitude,longitude］降序排列，并輸出至

HDFS文件系統(tǒng)/diliveryoutput2。查看結(jié)果數(shù)據(jù)文件前10行。將命令及輸出結(jié)

果復(fù)制并保存至對應(yīng)報告中。

任務(wù)二：數(shù)據(jù)挖掘分析

子任務(wù)1

任務(wù)背景：

網(wǎng)格化營銷是近年來新興的一種營銷管理模式，已被廣泛地運(yùn)用于市場精準(zhǔn)

營銷。在市場營銷中，采取地圖營銷、網(wǎng)格管理、精準(zhǔn)策略等，可將客戶的心理

需求與其日常生活緊密地聯(lián)系起來，巧妙運(yùn)用網(wǎng)格化管理和營銷地圖，以此來實

現(xiàn)客戶的營銷精準(zhǔn)度與價值提升，提高單一客戶貢獻(xiàn)值和營銷效率。其核心旨在

幫助企業(yè)快速響應(yīng)市場需求，為用戶提供更加便捷的、專業(yè)化服務(wù)，并使企業(yè)的

資源分配以客戶為中心，以市場變化為導(dǎo)向，固本強(qiáng)基、開拓市場、提升效益,

有助于平臺有效地制定績效戰(zhàn)略。請根據(jù)任務(wù)具體參數(shù)要求，針對相關(guān)數(shù)據(jù)集進(jìn)

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

行分析，并寫入指定的數(shù)據(jù)庫或數(shù)據(jù)文件，復(fù)制并保存結(jié)果。

任務(wù)描述：

數(shù)據(jù)源文件存放于平臺對應(yīng)任務(wù)/chinaskills目錄下，按照如下要求編寫

Spark程序?qū)崿F(xiàn)對數(shù)據(jù)的分析，并將結(jié)果輸出至HDFS文件系統(tǒng)中

/diliveryoutput3o

1）解析/chinaskills中相關(guān)數(shù)據(jù)源文件

2）按網(wǎng)格匯總餐廳總數(shù)、“近7天平臺單量”、“近7天推單量”，及相

關(guān)計算

3）按照任務(wù)要求統(tǒng)計網(wǎng)格超時率

4）程序打包并在Spark平臺運(yùn)行，輸出并保存結(jié)果

具體任務(wù)要求：

1、讀取相關(guān)數(shù)據(jù)文件，參考“網(wǎng)格ID,網(wǎng)格名稱，城市，戰(zhàn)團(tuán)，餐廳ID,近7天

平臺單量，近7天推單，餐廳名，餐廳地址（取餐地址），餐品種類，標(biāo)品屬性,

全推/選推”等字段，按網(wǎng)格統(tǒng)計餐廳總數(shù)、“近7天平臺單量”總數(shù)，“近7

天推單量''總數(shù)并以餐廳總數(shù)降序排列，在程序中以打印語句輸出餐廳總數(shù)前

10位的網(wǎng)格相關(guān)信息。將打印輸出結(jié)果復(fù)制并保存至對應(yīng)報告中。（復(fù)制內(nèi)容需

包含打印語句輸出結(jié)果的上下各5行運(yùn)行日志）。

示例格式：

===網(wǎng)格id：***,網(wǎng)格名稱：***,近7天平臺總單量：***,近7天推單總

子任務(wù)2

任務(wù)背景：

聚類分析又稱群分析，它是研究分類問題的一種統(tǒng)計分析方法，同時也是數(shù)

據(jù)挖掘的一個重要算法。聚類分析是由若干模式組成的。通常，模式是一個度量

的向量，或者是多維空間中的一個點。聚類分析以相似性為基礎(chǔ)，同一個聚類簇

中的模式之間具有相似性，不同聚類簇之間具有相異性。在商業(yè)上，聚類可以幫

助平臺市場分析人員從數(shù)據(jù)中區(qū)分出不同的商家群體，并提取每一類商家的經(jīng)營

模式。它作為數(shù)據(jù)挖掘中的一個模塊，可以作為一個單獨的工具以發(fā)現(xiàn)數(shù)據(jù)中的

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

深層的信息，并且提取出每一類樣本的特點，或者把注意力放在某一個特定的類

上以作進(jìn)一步的分析；同時，聚類分析也可以作為數(shù)據(jù)挖掘算法中其他分析算法

的一個預(yù)處理步驟。本題數(shù)據(jù)請采用數(shù)據(jù)清洗的結(jié)果數(shù)據(jù)集/dilive:ryoutput2

中數(shù)據(jù)源。選擇數(shù)據(jù)分析的維度通常分為用戶維度、行為維度和產(chǎn)品維度，想要

對外賣平臺入駐商家進(jìn)行聚類劃分，有側(cè)重地分類評估商家對平臺的價值，首先

需要針對商家數(shù)據(jù)選擇核心數(shù)據(jù)集，為確保聚類模型收斂速度與質(zhì)量，以及消除

量綱對聚類結(jié)果的影響，首先應(yīng)對數(shù)據(jù)進(jìn)行歸一化或標(biāo)準(zhǔn)化處理，再進(jìn)行數(shù)據(jù)建

模。

任務(wù)描述：

請以數(shù)據(jù)清洗任務(wù)結(jié)果數(shù)據(jù)集/dilive:ryoutput2中數(shù)據(jù)作為輸入數(shù)據(jù)源，

按照如下要求編寫Spark程序?qū)崿F(xiàn)對數(shù)據(jù)的分析，并保存結(jié)果。

1）解析/diliveryoutput2數(shù)據(jù)源文件。

2）提取商家相關(guān)屬性數(shù)據(jù)。

3）針對商家地理位置進(jìn)行聚類劃分。

4）查看聚類結(jié)果。

具體任務(wù)要求：

1、編寫Spark程序讀取/diliveryoutput2數(shù)據(jù)源文件，篩選北京地區(qū)商家數(shù)據(jù)

記錄，并將結(jié)果數(shù)據(jù)集輸出至HDFS文件系統(tǒng)/diliveryoutput4中。請在程序

中以打印語句輸出篩選得到數(shù)據(jù)記錄條數(shù)，并將打印輸出結(jié)果復(fù)制并保存至對應(yīng)

報告中。（復(fù)制內(nèi)容需包含打印語句輸出結(jié)果的上下各5行運(yùn)行日志）。

示例格式如下：

===北京地區(qū)樣本條數(shù)為***條===

2、請使用數(shù)據(jù)挖掘分析任務(wù)2的結(jié)果數(shù)據(jù)集/diliveryoutput4,編寫Spark程

序，根據(jù)北京地區(qū)商家的經(jīng)緯度屬性，對商家進(jìn)行k-means聚類，聚類數(shù)設(shè)為5,

迭代次數(shù)為2000次，請在程序中以打印語句輸出聚類中心、每個類的商家數(shù)，

以及該類所包含的商圈，并將打印語句復(fù)制粘貼至對應(yīng)報告中。（復(fù)制內(nèi)容需包

含打印語句輸出結(jié)果的上下各5行運(yùn)行日志）

示例格式：

=cluster0：聚類中心為[**,**],商家數(shù)為***個，包含商圈：[*,*，…]

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

=cluster1：聚類中心為[**,**],商家數(shù)為***個，包含商圈：[*,*,…】

3、請使用數(shù)據(jù)挖掘分析任務(wù)2的結(jié)果數(shù)據(jù)集/diliveryoutput4,結(jié)合數(shù)據(jù)挖掘

分析任務(wù)3的結(jié)論，編寫Spark程序，分別統(tǒng)計各聚類中在平臺A與平臺B上架

的商家數(shù)量，以及同時商家兩個平臺的商家數(shù)量。在程序中以打印語句輸出結(jié)果,

并將打印語句復(fù)制粘貼至對應(yīng)報告中。（復(fù)制內(nèi)容需包含打印語句輸出結(jié)果的上

下各5行運(yùn)行日志）

示例格式：

=cluster0：[*,*,???],A平臺商家數(shù)量：**,B平臺商家數(shù)量：**,同時

上架A、B平臺的商家數(shù)量：**=

=cluster1：[*,*,,,,],A平臺商家數(shù)量：**,B平臺商家數(shù)量：**,同時

上架A、B平臺的商家數(shù)量：**=

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

模塊D:數(shù)據(jù)可視化（20分）

MySQL數(shù)據(jù)庫中的相關(guān)數(shù)據(jù)集包含了城市、地點、商家id、網(wǎng)格id、餐品種

類、標(biāo)品屬性等多項基礎(chǔ)信息字段。請使用Flask框架，結(jié)合Echarts完成下列

任務(wù)。

數(shù)據(jù)庫賬號：takeout密碼：takeout

自行創(chuàng)建代碼工程路徑為C：\food_dilivery

每個可視化圖中需要添加圖片作為背景水印

任務(wù)一：雙餅圖呈現(xiàn)城市商戶業(yè)務(wù)包占比

任務(wù)背景：

外賣平臺在不同城市進(jìn)行推廣時應(yīng)具有不同的側(cè)重方面，城市具有不同的人

口數(shù)量及特點，例如居住人口數(shù)量、工作人口數(shù)量、過往人口數(shù)量、居民戶數(shù)和

企事業(yè)單位數(shù)，及相應(yīng)人口年齡、性別、職業(yè)和收入水平構(gòu)成等。商戶業(yè)務(wù)包是

指該商戶在經(jīng)營定位時所確定的主要消費(fèi)群體。不同城市消費(fèi)群占比不同，大致

可以分為大客戶，白領(lǐng)，小客戶，高校，家庭，其它六個商業(yè)業(yè)務(wù)包。請根據(jù)相

關(guān)數(shù)據(jù)集，按任務(wù)指定要求，統(tǒng)計并輸出城市商戶業(yè)務(wù)包相關(guān)的分析圖例。

任務(wù)描述：

請根據(jù)相關(guān)數(shù)據(jù)庫表格中“餐廳id,retailer_id,餐廳名稱，城市，商戶

業(yè)務(wù)包，配送范圍，客單價，推單數(shù)，接單數(shù)，有效完成單數(shù)，投訴率，異常率，

欺詐單數(shù)，拒單數(shù)，商戶取消數(shù)，客戶取消數(shù)，系統(tǒng)取消數(shù)，配送取消異常數(shù),

整體時長，接單時長，到店時長，取餐時長，送達(dá)時長，商戶投訴數(shù)，用戶投訴

數(shù)，差評數(shù)，好評數(shù)，評價數(shù)，最遠(yuǎn)訂單距離，該訂單整體時效，該訂單接單時

效，該訂單到店時效，該訂單取餐時效，該訂單送達(dá)時效，該訂單評價”等字段，

統(tǒng)計不同城市的商業(yè)業(yè)務(wù)包組成，并以雙餅圖表達(dá)。

程序輸出及可視化輸出時請使用商戶業(yè)務(wù)包中文釋義，中文釋義對應(yīng)關(guān)系如

表1所示。

字母縮寫中文釋義

GKA大客戶

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

BL白領(lǐng)

SIG小客戶

GX高效

FML家庭

OTH其他

（表1商戶業(yè)務(wù)包中文釋義）

具體任務(wù)要求:

1、根據(jù)相關(guān)數(shù)據(jù)庫表格字段，分析北京與深圳兩座城市在商戶業(yè)務(wù)包屬性占比

方面的差異。在PyCharm控制臺打印輸出兩座城市不同商戶業(yè)務(wù)包屬性的商家數(shù)

量，以商家數(shù)量降序排列。

示例格式：

==北京：1.商戶業(yè)務(wù)包：***,商家數(shù)量：***家===

==北京：2.商戶業(yè)務(wù)包：***,商家數(shù)量：***家===

==深圳：1.商戶業(yè)務(wù)包：***,商家數(shù)量：***家===

==深圳：2.商戶業(yè)務(wù)包：***,商家數(shù)量：***家===

2、使用Flask框架，結(jié)合Echarts,完成雙餅圖輸出。要求標(biāo)題分別為“北京

商戶業(yè)務(wù)包屬性占比"（左）、“深圳商戶業(yè)務(wù)包屬性占比”（右），順時針顯示次

序與打印語句數(shù)據(jù)一致，將可視化結(jié)果截圖并保存（截圖需包含瀏覽器地址欄）。

任務(wù)二：柱狀堆疊圖呈現(xiàn)商戶業(yè)務(wù)部評價情況

任務(wù)背景：

在外賣平臺中，用戶的評論具有雙向影響。不僅可以促進(jìn)商家根據(jù)消費(fèi)者評

價調(diào)整自己的經(jīng)營策略，也能夠影響其他用戶的下單率。相關(guān)數(shù)據(jù)顯示，瀏覽評

價的用戶比只瀏覽門店商品的用戶下單轉(zhuǎn)化率平均高出25%。因此，商家的店鋪

評論對提高下單率是十分重要的。請根據(jù)相關(guān)數(shù)據(jù)集，按任務(wù)指定要求，統(tǒng)計并

輸出評價相關(guān)的分析圖例。

任務(wù)描述：

請根據(jù)相關(guān)表格數(shù)據(jù)，統(tǒng)計各商戶業(yè)務(wù)包評價情況，并柱狀堆疊圖呈現(xiàn)。程

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

序輸出及可視化輸出時請使用商戶業(yè)務(wù)包中文釋義。

具體任務(wù)要求：

1、根據(jù)相關(guān)表格，參考“餐廳id,retailer_id,餐廳名稱，城市，商戶業(yè)務(wù)

包，配送范圍，客單價，推單數(shù)，接單數(shù)，有效完成單數(shù)，投訴率，異常率，欺

詐單數(shù)，拒單數(shù)，商戶取消數(shù)，客戶取消數(shù)，系統(tǒng)取消數(shù)，配送取消異常數(shù)，整

體時長，接單時長，到店時長，取餐時長，送達(dá)時長，商戶投訴數(shù)，用戶投訴數(shù)，

差評數(shù)，好評數(shù)，評價數(shù)，最遠(yuǎn)訂單距離，該訂單整體時效，該訂單接單時效,

該訂單到店時效，該訂單取餐時效，該訂單送達(dá)時效，該訂單評價”等字段，統(tǒng)

計各商戶業(yè)務(wù)包非好評數(shù)、好評數(shù)，并在PyCharm控制臺以評價總數(shù)降序打印輸

出。

示例格式：

==1商戶業(yè)務(wù)包：***,非好評數(shù)：***條，好評數(shù)：***條===

==1商戶業(yè)務(wù)包:***,非好評數(shù)：***條，好評數(shù)：***條===

2、使用Flask框架，結(jié)合Echarts,完成柱狀堆疊圖輸出。橫坐標(biāo)為商戶業(yè)務(wù)

包名稱（中文釋義），縱坐標(biāo)為評論數(shù)量，標(biāo)題為“各業(yè)務(wù)包評價組成”，柱圖下

方為好評數(shù)（紅色），上方堆疊非好評數(shù)（黑色），展示順序與1）（任務(wù)數(shù)字編

號）打印語句一致，將可視化結(jié)果截圖并保存（截圖需包含瀏覽器地址欄）。

任務(wù)三：玫瑰圖地圖呈現(xiàn)不同業(yè)務(wù)包投訴占比

任務(wù)背景：

投訴是顧客對平臺管理和服務(wù)不滿的表達(dá)方式，也是企業(yè)有價值的信息來源,

它為企業(yè)探索更多可能。分析顧客投訴的種種因素，把顧客的不滿轉(zhuǎn)化滿意，鎖

定他們對平臺和產(chǎn)品的忠誠，已成為企業(yè)營銷實踐的重要內(nèi)容之一。請根據(jù)相關(guān)

數(shù)據(jù)集，按任務(wù)指定要求，統(tǒng)計并輸出投訴相關(guān)的分析圖例。

任務(wù)描述：

請根據(jù)相關(guān)數(shù)據(jù)庫表格，參考“餐廳id,retailer_id,餐廳名稱，城市，

商戶業(yè)務(wù)包，配送范圍，客單價，推單數(shù)，接單數(shù)，有效完成單數(shù)，投訴率，異

常率，欺詐單數(shù)，拒單數(shù)，商戶取消數(shù)，客戶取消數(shù)，系統(tǒng)取消數(shù)，配送取消異

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

常數(shù)，整體時長，接單時長，到店時長，取餐時長，送達(dá)時長，商戶投訴數(shù)，用

戶投訴數(shù)，差評數(shù)，好評數(shù)，評價數(shù)，最遠(yuǎn)訂單距離，該訂單整體時效，該訂單

接單時效，該訂單到店時效，該訂單取餐時效，該訂單送達(dá)時效，該訂單評價”

等字段，統(tǒng)計北京地區(qū)，不同“商戶業(yè)務(wù)包”的投訴數(shù)量，并以玫瑰圖呈現(xiàn)。

具體任務(wù)要求：

1、根據(jù)相關(guān)數(shù)據(jù)庫表格字段，統(tǒng)計北京地區(qū)不同商戶業(yè)務(wù)包投訴數(shù)量。在

PyCharm控制臺打印輸出不同商戶業(yè)務(wù)包的投訴數(shù)量，以投訴數(shù)降序排列。

示例格式：

==商戶業(yè)務(wù)包：***,投訴數(shù)量：***家===

==商戶業(yè)務(wù)包：***,投訴數(shù)量：***家===

2、使用Flask框架，結(jié)合Echarts,完成玫瑰圖輸出。要求標(biāo)題為“北京商戶

業(yè)務(wù)包投訴占比“，順時針顯示次序與打印語句數(shù)據(jù)一致，將可視化結(jié)果截圖并

保存（截圖需包含瀏覽器地址欄）。

任務(wù)四：氣泡圖呈現(xiàn)商鋪分布的地理位置

任務(wù)背景：

商圈，指某商場以其所在地為原點，沿著一定的方向和距離擴(kuò)展，吸引顧客

的輻射范圍。簡單地說，就是來店顧客所居住或工作的區(qū)域范圍。無論餐廳規(guī)模

大小，其銷售覆蓋區(qū)域總是有一定的地理范圍。這個地理范圍就是以某商場為中

心，向四周輻射到可能來店消費(fèi)的顧客所居住地或工作地。請按任務(wù)指定要求，

輸出相關(guān)圖例。

任務(wù)描述：

請根據(jù)數(shù)據(jù)庫相關(guān)數(shù)據(jù)集中city_name,location,latitude,longitude,

resttype,platform_A_restid,A_rstname,Aday_30_cnt,p1atform_B_restid,

B_rst_name,B_day_30_cnt等字段，明晰地理位置與商鋪聚集程度之間的關(guān)系。

請以經(jīng)度為橫坐標(biāo)，緯度為縱坐標(biāo)，繪制商家數(shù)量氣泡圖，并以該地理位置的商

家數(shù)量/10作為氣泡半徑。

具體任務(wù)要求：

1、提取表格相關(guān)字段，在控制臺按照“商家數(shù)量”降序排列，打印輸出商圈名

2麗年全國職業(yè)院校技能大妻高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任勢書

稱及包含的商家數(shù)量。

示例格式：

==1:商圈****=商家數(shù)為***個===

==2：商圈****=商家數(shù)為***個===

2、使用Flask框架，結(jié)合Echarts,完成氣泡圖輸出。要求氣泡圖標(biāo)題為“商

家聚集地理位置展示“，橫坐標(biāo)為經(jīng)度，縱坐標(biāo)為維度，以該地理位置的商家數(shù)

量/10作為氣泡半徑，繪制氣泡圖。將可視化結(jié)果截圖并保存（截圖需包含瀏覽

器地址欄）。

任務(wù)五：雙折線圖呈現(xiàn)不同平臺商家銷量情況

任務(wù)背景：

市場份額亦稱“市場占有率指某企業(yè)的銷售量（或銷售額）在市場同類

品類中所占比重。反映企業(yè)在市場上的地位。通常市場份額越高，競爭力越強(qiáng)。

市場占有率一般有3種基本測算方法：（1）總體市場份額，指某企業(yè)銷售量在整

個行業(yè)中所占比重。（2）目標(biāo)市場份額，指某企業(yè)銷售量在其目標(biāo)市場，即其所

服務(wù)的市場中所占比重。（3）相對市場份額，指某企業(yè)銷售量與市場上最大競爭

者銷售量之比，若高于1,表明該企業(yè)其為這一市場的領(lǐng)導(dǎo)者。請按任務(wù)指定要

求，輸出不同平臺商家銷售分析相關(guān)圖例。

任務(wù)描述：

請根據(jù)相關(guān)表格數(shù)據(jù)，分別統(tǒng)計A平臺與B平臺30天銷量最高的10個商家

的銷量，并以共享y軸的雙折線圖呈現(xiàn)。

具體任務(wù)要求：

1、根據(jù)相關(guān)表格"city._name,location,latitude,longitude,rest_type,

platform_A_restid,A_rst_name,A_day_30_cnt,platform_B_restid,

B_rst_name,B_day_30_cnt等字段，分別統(tǒng)計A平臺與B平臺30天銷量最高

的10個商家及銷量，在控制臺按照“30天銷量”降序打印輸出商家id,商家所

屬平臺，及30天銷量。

示例格式：

==1：*****”，Platform-A,銷量為***=二

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

==2："****",Platform-A,銷量為***===

==10："****",Platform-A,銷量為***===

==1："****",Platform-B,銷量為***===

==2："****",Platform-B,銷量為***===

==10：”****",Platform-B,商家數(shù)為***個===

2、使用Flask框架，結(jié)合Echarts,完成可視化輸出。要求雙折線圖標(biāo)題為“各

平臺30天銷量最高10大商家”，橫坐標(biāo)1（下方）為平臺A商家id,橫坐標(biāo)2（下

方）為平臺B商家id（傾斜顯示、互不遮擋），縱坐標(biāo)為商家銷量，以銷量降序

排列，紅色折線標(biāo)識Platform-A商家，藍(lán)色折線標(biāo)識Platform-B商家。將可視

化結(jié)果截圖并保存（截圖需包含瀏覽器地址欄）。

任務(wù)六：柱狀圖呈現(xiàn)商家營業(yè)時間情況

任務(wù)背景：

營業(yè)時長指商戶開市接單到閉市停業(yè)的時長，適當(dāng)?shù)卦黾訝I業(yè)時長有利于提

升店鋪的曝光量，同時能夠在一定程度上獲得平臺排名加權(quán)。營業(yè)時間長的店鋪

在特定時間段（大部分商家關(guān)店休息后）面對的競爭壓力將減小，但增加營業(yè)時

間將增加商家運(yùn)營店鋪的人工成本，同時也需要考慮不同時間段內(nèi)運(yùn)力不同的情

況，例如有些區(qū)域在晚上12點以后無法配送。請根據(jù)相關(guān)數(shù)據(jù)集，按任務(wù)指定

要求，輸出營業(yè)時間相關(guān)分析圖例。

任務(wù)描述：

請根據(jù)相關(guān)表格數(shù)據(jù)，統(tǒng)計平臺各商家的營業(yè)時間占比，并柱狀圖呈現(xiàn)。

具體任務(wù)要求：

1、根據(jù)相關(guān)表格，參考“餐廳id,餐廳名稱，所屬城市，營業(yè)時長，餐廳狀態(tài)，

是否托管，總單量，總單量增長率，有效訂單量，有效訂單增長率，訂單配送成

功率，超時訂單率，無效訂單率，平均預(yù)計送達(dá)時長，平均實際配送時長，當(dāng)前

配送面積，面積變更值，網(wǎng)格id,網(wǎng)格名稱，戰(zhàn)營”等字段，統(tǒng)計4小時以內(nèi)、

4~6小時、6-8小時、8~12小時、12小時以上，5個區(qū)間段內(nèi)平臺各商家的營業(yè)

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

時間占比（區(qū)間取值為前閉后開區(qū)間）。請在PyCharm控制臺以區(qū)間商家數(shù)量降

序打印輸出城市名稱，商家數(shù)量。

示例格式：

==區(qū)間”4小時以內(nèi)”，商家***個===

==區(qū)間”4~6小時”，商家***個===

2、使用Flask框架，結(jié)合Echarts,完成柱狀圖輸出。標(biāo)題為“各營業(yè)區(qū)間商

家數(shù)量對比”，橫坐標(biāo)為各區(qū)間，縱坐標(biāo)為商家個數(shù)，顯示次序與打印語句數(shù)據(jù)

一致。將可視化結(jié)果截圖并保存（截圖需包含瀏覽器地址欄）。

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

模塊E:綜合分析（20分）

通過模塊B的網(wǎng)站分析及數(shù)據(jù)獲取、模塊C的數(shù)據(jù)清洗與分析及

模塊D的可視化呈現(xiàn)，我們已經(jīng)清晰的了解了餐飲外賣平臺業(yè)務(wù)背景

及相關(guān)數(shù)據(jù)，在綜合理解外賣業(yè)務(wù)數(shù)據(jù)的基礎(chǔ)上，根據(jù)任務(wù)要求進(jìn)行

分析，并編寫分析報告。

請根據(jù)任務(wù)要求，分析以下內(nèi)容，并編寫分析報告。分別從地區(qū)、

營業(yè)時間角度對外賣平臺推廣情況與銷售表現(xiàn)進(jìn)行分析，并平臺經(jīng)營

提出幾點建議。

分析報告要求：

任務(wù)一：通過數(shù)據(jù)及圖示分析不同戰(zhàn)營銷量數(shù)據(jù)分布情況

對于模塊B獲取的grey_test.json數(shù)據(jù)，分別提取“KA銷售一組、SIG華

東二組、KA銷售三組、SIG華南三組、SIG京津七組”五個戰(zhàn)營全部的總單量屬

性值，繪制箱線圖，觀察數(shù)據(jù)分布情況。箱體與邊框為藍(lán)色，異常點使用藍(lán)色圓

點（邊框與填充均為藍(lán)色，size=3），采用黑色圓點標(biāo)識中位數(shù)（size=8）,同時

顯示均值。分析箱線圖表達(dá)的含義，分別以文字描述和圖例進(jìn)行說明。

任務(wù)二：對通過圖示和計算業(yè)務(wù)分析原因

結(jié)合平臺相關(guān)數(shù)據(jù)文件，探索不同營業(yè)時長（區(qū)間劃分請使用：4小時以內(nèi)、

4-6小時、6-8小時、8T2小時、12小時以上）對商家平均總單量的影響，并結(jié)

合任務(wù)D相關(guān)可視化結(jié)果，說明影響總單量的因素有哪些？闡述你的結(jié)論并說明

原因。分別以文字描述和圖例進(jìn)行說明。

任務(wù)三：對餐飲外賣平臺未來拓展合作建議

請結(jié)合平臺業(yè)務(wù)背景及相關(guān)分析結(jié)論，對平臺未來規(guī)劃提出建議（不少于3

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

條建議）。

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

附錄：補(bǔ)充說明

數(shù)據(jù)集中涉及字段及中文說明：

POI：pointofinterest興趣點。

網(wǎng)格：網(wǎng)格化營銷是指按照某一個或某幾個特定的標(biāo)準(zhǔn)，利用各種有

效的營銷方式和工具，使企業(yè)營銷資源重新組合和分配成網(wǎng)格化狀態(tài),

即將整個實體市場分割成為多個網(wǎng)格。

灰度測試：在某項策略正式投入市場實踐前，選擇特定人群試用，逐

步擴(kuò)大其試用者數(shù)量，以便及時發(fā)現(xiàn)和糾正其中的問題。

評價級別定義：用戶5星評價為好評，2星及以下為差評。

數(shù)據(jù)表字段中文釋義：

原字段中文釋義

city_name城市

location商圈

latitude緯度

longitude經(jīng)度

rest_type商家所屬平臺

platform_A_restid商家id（A平臺）

A_rst_name店鋪名稱（A平臺）

A_day_30_cnt30天銷量（A平臺）

platform_B__restid商家id（B平臺）

B_rst_name店鋪名稱（B平臺）

B_day_30_cnt30天銷量（B平臺）

推單數(shù)-9推單數(shù)（9日）

有效完成率-9有效完成率（9日）

超時率-9超時率（9日）

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

推單數(shù)-8推單數(shù)（8日）

有效完成率-8有效完成率（8日）

超時率-8超時率（8日）

灰度餐廳灰度餐廳

id標(biāo)識id

request_id請求id

walle_id（平臺）商鋪id

retailer_id（配送系統(tǒng)）商鋪id

retailer_name商鋪名稱

retailer_address商鋪地址

retailer_location位置P0I編碼

city_id城市id

city_name城市名稱

grid_id網(wǎng)格id

carrier_id渠道經(jīng)理

team_id渠道小組

applicant_id申請人id

applicant_name申請人

first_auditor_role一級審批角色

first_auditor_candidate_ids候選審批人id

first_auditor_id審核人id

first_auditor_name審批人名

second_auditor_ro1e二級審批角色

second_auditor_candidate_ids審核小組成員

second_auditorid二級審核人id

second_auditor_name二級審核人名

status申請狀態(tài)

max_distance_before_edit申請前最大配送距離

min_distance_before_edit申請前最小配送距離

2的｛-年全國職業(yè)院校技能大賽.高職組“大數(shù)據(jù)技術(shù)與應(yīng)用”賽項任務(wù)書

max_distance_after_edit申請后最大配送距離

min_distance_after_edit申請后最小配送距離

area_before_edit申請前配送面積

area_after_edit申請后配送面積

created_at申請遞交時間

updated_at審核完成

申請時間申請時間

創(chuàng)建時間創(chuàng)建時間

餐廳id餐廳id

餐廳名稱餐廳名稱

所屬城市所屬城市

營業(yè)時長營業(yè)時長

餐廳狀態(tài)餐廳狀態(tài)

是否托管是否托管

總單量總單量

總單量增長率總單量增長率

有效訂單量有效訂單量

有效訂單增長率有效訂單增長率

訂單配送成功率訂單配送成功率

超時訂單率超時訂單率

無效訂單率無效訂單率

平均預(yù)計送達(dá)時長平均預(yù)計送達(dá)時長

平均實際配送時長平均實際配送時長

當(dāng)前配送面積當(dāng)前配送面積

面積變更值面