W jaki sposób centra handlowe mogą analizować dane z kołowrotów za pomocą dużych zbiorów danych?

一, Gromadzenie danych: Tworzenie sieci percepcji obejmującej wiele wymiarów
Brama obrotowa może zbierać dane, ponieważ jej sprzęt i oprogramowanie współpracują, aby tak się stało. Większość nowoczesnych kołowrotów posiada następujące czujniki i moduły rozpoznające:
Moduł rozpoznawania biometrycznego: moduł ten wykorzystuje kamery do rozpoznawania twarzy w celu gromadzenia informacji o wieku, płci, wyrazie twarzy i innych cechach danej osoby. Następnie wykorzystuje system członkostwa, aby dopasować te rekordy i utworzyć dynamiczny profil użytkownika.
Czujniki behawioralne: czujniki na podczerwień śledzą kierunek, prędkość i czas przebywania w ruchu. Czujniki ciśnienia śledzą częstotliwość i obciążenie przełączników bramy, aby dowiedzieć się, w jakim stanie jest sprzęt.
Urządzenia wyczuwające otoczenie: czujniki temperatury i wilgotności kontrolują warunki w obszarze bramy, sondy Wi Fi rejestrują adresy MAC telefonów komórkowych klientów i pomagają dowiedzieć się, ile osób przechodzi i dokąd ucieka ciepło.
Bramka połączona jest z systemem POS oraz systemem punktów członkowskich. Tworzy to zamkniętą pętlę „konsumpcji przepustki”, synchronizując dane, takie jak kwota wydana, liczba wykorzystanych kuponów i liczba wykorzystanych punktów.
Na przykład inteligentny system bram zainstalowany w centrum handlowym w-pierwszym mieście miasta generuje 500 000 bitów danych dziennie. Obejmuje to 200 000 rekordów rozpoznawania twarzy, 150 000 dzienników ruchu, 100 000 wskaźników środowiskowych i 50 000 danych-związanych z transakcjami. Węzeł Edge Computing najpierw przetwarza te dane, a następnie w czasie rzeczywistym przesyłane są do hurtowni danych w chmurze, co stanowi podstawę do późniejszej analizy.

2, Przetwarzanie danych: czyszczenie, łączenie i modelowanie
Surowe dane zawierają problemy, w tym nadmierny szum, wiele wymiarów i mieszane formaty. Aby rozwiązać te problemy, dane muszą przejść następujące kroki:

Czyszczenie danych: Pozbądź się zduplikowanych rejestrów ruchu (takich jak wielokrotny wjazd i wyjazd tego samego klienta), wartości odstających (takich jak zbyt długie godziny otwierania i zamykania bramek) oraz brakujących wartości (takich jak luki w kolumnie wieku spowodowane błędami rozpoznawania twarzy). Dokładność oczyszczonych danych wzrosła do ponad 99% dzięki zastosowaniu algorytmów uczenia maszynowego do samodzielnego wyszukiwania i naprawiania błędów w danych.
Łączenie danych: aby utworzyć jedno jezioro danych, połącz dane bramki z danymi z innych systemów centrum handlowego, takich jak CRM, ERP i POS. Można na przykład porównać czas, jaki klienci spędzają na przejściu przez bramkę, z czasem spędzonym w systemie POS i sprawdzić współczynnik konwersji dla „konsumpcji w-sklepie”. Można także porównać przepływ pasażerów w obszarze bramy z danymi dotyczącymi sprzedaży sklepu, aby sprawdzić, jak dobrze odpływa firma.
Funkcje inżynieryjne: aby utworzyć ustrukturyzowany zbiór danych, należy wyciągnąć ważne części z surowych danych, w tym „szczytowe natężenie ruchu”, „rozkład czasu pobytu klienta”, „częstotliwość awarii bramek” i tak dalej. Analiza głównych składowych (PCA) to metoda pozwalająca na zmniejszenie liczby wymiarów i ilości pracy potrzebnej do wykonania obliczeń.
3, Analiza danych: mądry wybór, przechodząc od opisu do przewidywania
Centrum handlowe może przeprowadzić-wielopoziomową analizę na podstawie przetworzonych danych:

1. Analiza opisowa: spojrzenie na obecny stan rzeczy
Gdzie i kiedy przepływają pasażerowie: Użyj mapy cieplnej, aby pokazać gęstość przepływu pasażerów w obszarze bramek, znajdź pory największego ruchu (np. 14:00–16:00 w weekendy) i pory najmniejszego ruchu (np. 10:00–12:00 w dni powszednie) oraz jak najlepiej wykorzystaj personel sprzątający i ochronę.
Profil konsumenta: Korzystając z danych dotyczących rozpoznawania twarzy i systemów członkostwa, przyjrzyj się, jak często ludzie w różnym wieku i płci podróżują, gdzie się zatrzymują i co lubią jeść. Na przykład badania wykazały, że kobiety w wieku od 25 do 35 lat częściej zatrzymują się w sklepach kosmetycznych znajdujących się w pobliżu bramy, gdzie można rozdawać wybrane kupony.
Stan działania sprzętu: Należy zwracać uwagę na liczbę przełączników bramek, wskaźnik awaryjności, zapisy konserwacji, przewidywaną żywotność sprzętu i ryzyko przestojów.
2. Analiza predykcyjna: zgadywanie, co stanie się dalej
Przewidywanie przepływu pasażerów: Model szeregów czasowych (ARIMA) służy do szacowania przyszłego przepływu pasażerów na podstawie danych o ruchu drogowym z przeszłości i czynników zewnętrznych, takich jak pogoda, święta i wydarzenia odbywające się w pobliżu. Dzięki temu można na bieżąco dostosowywać godziny pracy pracowników ochrony i sklepów.
Przewidywanie zachowań konsumentów: Użyj reguł asocjacji (takich jak algorytm Apriori), aby sprawdzić, w jaki sposób ścieżki podróży konsumentów są powiązane i zachowania konsumpcyjne. Na przykład, jeśli osoba, która po znalezieniu bramki od razu uda się do jadalni, wyda 30% więcej niż przeciętna osoba, można zaplanować ukierunkowane działania promocyjne w zakresie cateringu.
Ostrzeżenie o problemach ze sprzętem: Korzystając z modelu sieci neuronowej LSTM, sprawdź dane z czujnika bramki (takie jak temperatura silnika i częstotliwość przełączania), aby znaleźć problemy na 72 godziny przed ich wystąpieniem i zmniejszyć wpływ nagłego wyłączenia na działanie.
3. Analiza przyczynowa: metoda optymalizacji
Ocena efektywności marketingu: Testy A/B pozwalają zobaczyć, jak reklamy w różnych obszarach bramy (takie jak informacje promocyjne na ekranie elektronicznym) wpływają na to, jak długo ludzie pozostają i ile kupują. Następnie możesz poprawić treść i rozmieszczenie reklam.
Poprawa układu sklepu: Przyjrzyj się, jak liczba klientów w okolicy bramy wpływa na sprzedaż w sklepie, a następnie przenieś sklep. Na przykład połączenie kołowrotów w ruchliwych dzielnicach z lokalami, które nie sprzedają zbyt wiele, może pomóc ludziom w odnalezieniu się, oferując im inne trasy.
Zapobieganie i kontrolowanie zagrożeń bezpieczeństwa: Algorytmy wykrywania anomalii, takich jak izolowane lasy, wykrywają dziwne zachowanie w obszarze bramy, na przykład ludzie często się poruszający lub podążający za innymi. System bezpieczeństwa jest następnie łączony w celu wysyłania-alarmów w czasie rzeczywistym, co zmniejsza ryzyko kradzieży i oszustwa.
4, Zastosowanie danych: zamknięta pętla od zrozumienia do działania
Wnioski z analizy należy przekształcić w strategie, które można wdrożyć:

Marketing precyzyjny: W obszarze bramy umieszczane są reklamy dostosowane do każdego klienta. Na przykład wysyłanie materiałów promocyjnych współczesnej marki młodym ludziom, którzy często odwiedzają plac zabaw i wysyłanie rodzinom zniżek na plac zabaw dla dzieci.
Dynamiczne działanie: zmieniaj godziny otwarcia sklepu w oparciu o przewidywania liczby klientów. Na przykład restauracje mogą pozostać otwarte dłużej w pracowite weekendy i naprawiać swój sprzęt w okresach mniej obciążonego ruchu.
Zwiększ bezpieczeństwo, umieszczając kamery w-miejscach wysokiego ryzyka (takich jak styki kołowrotów i wind), zwiększając efektywność tras patroli bezpieczeństwa i skracając czas reakcji w sytuacjach awaryjnych.
Zarządzanie sprzętem: prowadź rejestr stanu bramy, śledź historię konserwacji, rodzaje usterek, części zamienne i inne informacje. Udoskonalaj także zapasy części zamiennych i plany konserwacji.
Bramka obrotowa bezpieczeństwa na lotnisku E-