大数据在餐饮行业的应用

【摘要】 本文围绕“互联网+餐饮”，提出了一种基于大数据的餐饮模式。首先分析了大数据餐饮的意义，在此基础上阐述了大数据餐饮的构建流程，最后分析了技术解决方案。希望推动传统餐饮行业的数字化和现代化。

【关键词】 大数据 互联网+ 餐饮

“互联网+”是互联网思维的进一步实践成果，推动经济形态不断地发生演变，从而带动社会经济实体的生命力。在我国，餐饮一直以来都是相对保守的行业，如果能将互联网和餐饮有力结合，做成公众性的大型在线点餐和运营平台，必将极大地方便用户，并创造可观的经济价值。互联网+餐饮的兴起，将会产生海量的数据。如何处理超大规模的数据，已经成为学术界和企业界亟待解决的关键科学技术问题。

一、大数据餐饮的意义

1.1大数据餐饮为用户带来的好处

大数据对餐饮用户能带来很多方便，体现在以下几个方面：1、用户体验的提升；2、可选择性；3、个性化推荐；4、健康饮食。

1.2大数据餐饮对商家带来的利益

1、节省人力成本；2、资源管理；3、及时了解运营情况；4、培养用户忠诚度；5、商家文化宣传。

1.3大数据餐饮的科研价值

如何从海量数据中挖掘出有价值信息，如何将现有算法运用于实践来搭建高效的智能系统，以及设计新的算法来满足现实需求，这一直以来都是学术界寻求解决和优化的问题。

二、大数据餐饮的一般流程

1、搭建并推广互联网点餐平台。大数据的基础和核心是数据，只有拥有海量的数据，才能在此基础上进行挖掘，发现数据里蕴藏的有价值的，具有普遍意义的规律，并以此来指导实践，应用于产业领域来创造非凡的价值。传统餐饮行业能提供的数据相当有限，产业的转型往往需要一个较长的过程。当前餐饮行业存在三种形态：1、保守型。该类餐饮店规模小，经营方式落后，所有工作全靠人工完成。2、半开放型。该类商家使用了进销存系统。3、开放性。该类商家往往是连锁形式，使用了一体化在线点餐办公系统。只有第三种形态才能形成具有大量（Volume）、高速（Velocity）、多样（Variety）、有价值（Value）、真实（Veracity）特性的大数据。

2、用户行为收集。什么样的数据才是有用的，即使具有多年数据挖掘经验的学者也难以断言。当前互联网行业的通常做法是尽可能的存储足够多的数据。例如淘宝网，所有用户的登陆时间，登陆地点，浏览商品，鼠标行为，网页停留时间，收藏商品等都被完整记录下来。拥有足够全面的数据，才能从多角度，全方位分析数据，发掘数据的价值所在。餐饮行业也需要在自己的平台记录用户的历史行为，例如浏览了哪些菜品，在哪些位置停留时间过长，在何时间，何地点和何人点了什么菜等。这些数据将为分析用户行为，了解用户偏好等奠定基础。

3、商家运营数据收集。把所有商家数据集中起来，从数据仓库的角度来看，挖掘频繁项集，分析销售趋势，了解销售的时间性、空间性、群体性差异，对商家了解行业规律，完善经营模式，提升商家销售额具有重大意义。

4、数据挖掘及应用。传统的统计学可为数据分析提供各种分析手段，从不同的角度统计也会发现不同的规律。此外，专业的数据挖掘算法在此有了用武之地。如K-Means聚类算法，Support vector machines分类算法，Apriori挖掘频繁项集，深度神经网络等是业界常用的利器。

三、大数据餐饮的解决方案

1、数据存储。海量的数据需要新的存储技术。基于Hadoop集群的HDFS文件系统，以及NoSQL（非关系型）数据库是时下流行的大数据存储方案。这些新技术不但解决了低成本高存储问题，并为大数据处理提供了方便。

2、数据分析。随着大数据产业的兴起，很多研究领域的算法都被应用于实践，对数据的分析手段层出不穷。数据挖掘、机器学习、自然语言处理、深度学习等都为此做出了贡献。

3、数据计算。面对大数据，传统的计算方式已难以应付。为了及时处理用户反馈，需要一个低延迟、可扩展、高可靠的处理引擎，此时Hadoop也很难满足需求，因为MapReduce更擅长操作静态数据。流式计算的典型范式之一是不确定数据速率的事件流流入系统，系统处理能力必须与事件流量匹配，或者通过近似算法等方法优雅降级，通常称为负载分流（load-shedding）。Spark和Storm是比较实用的流式计算系统，对于低延时、高可靠地处理线上产生的数据，实现基于大数据的数据挖掘、机器学习、自动化运维提供了框架支持。

结束语：本文基于大数据环境，对餐饮行业的新型运营方案进行了阐述。从大数据餐饮的意义、大数据餐饮的框架及解决方案等角度对其进行了全方位解读，希望带来传统餐饮行业的数据化变革，把技术真正运用于实践，为社会创造价值。此外应充分尊重用户的个人隐私，让用户成为大数据的真正受益者。

参 考 文 献

[1]刘宏志.大数据环境下的电网工程造价分析管控体系研究[J].华东电力， 2014（07）.

[2]周涛. 网络大数据――复杂网络的新挑战：如何从海量数据获取信息？[J]. 电子科技大学学报， 2013（1）：7-8.