- Ecco la seconda parte dell’articolo sul nuovo pacchetto R retaileR. La prima parte potete trovarla qui.
Le Funzioni
closure.opp.cost
closure.opp.cost serve per stimare il costo di opportunità in funzione del tempo di chiusura dei locali di retail. Ossia, una stima del valore monetario perso a seconda dell’orario di chiusura.
I suoi argomenti sono:
Utilizzando il dataset preformattato, ecco un esempio:
closure_opp_cost("16:15:00", X= sales_august)
e l’output:
$Mean [1] 10.35812 $Median [1] 10.35 $StDev [1] 8.392746 $`Late Sales` [1] 10.30 18.90 6.30 26.70 14.60 10.60 0.05 24.18 10.40 9.60 14.10 14.90 5.10 0.00 0.00 0.00
In questo caso, chiudere il negozio alle 16:15:00 comporterebbe una perdita media di 10.35 €, con una varianza di 8.39 €. Inoltre, dal vettore Late.sales si può vedere chiaramente come 3 giorni non ci siano state vendite dopo le 16:15:00.
segment_prod_line
Questa funzione è stata creata per l’analisi delle diverse famiglie di prodotti secondo un determinato segmento temporale.
Ossia, se la variabile temporale del dataset input è giornaliera, segment_prod_line produrrà le vendite medie giornaliere per la product line di interesse.
Vediamone il funzionamento:
specifichiamo la linea di prodotti come un vettore di stringhe:
prods <- c("Americano", "Espresso")
e successivamente evochiamo segment_prod_line
segment_prod_line(sales_august, prods)
ecco l’output:
[1] 31.56065
ciò significa che nei giorni che il dataset copre, abbiamo venduto in media 31.5 Americani ed Espressi al giorno.
Mean.items.times
Per ultima, una funzione di analisi temporale delle vendite. mean.items.times calcola le vendite medie (in volume) per ogni ora. Ossia crea un istogramma con l’unità temporale sull’asse delle ascisse e le vendite medie sull’asse delle ordinate.
Ecco il funzionamento (che ricordo, è ottimizzato per un dataset iZettle):
mean.items.times(sales_august)
e l’output corrispondente:
Time Quantity 1 05:00:00 1.000000 2 06:00:00 9.000000 3 07:00:00 23.100000 4 08:00:00 30.695652 5 09:00:00 24.826087 6 10:00:00 17.695652 7 11:00:00 16.000000 8 12:00:00 11.173913 9 13:00:00 10.608696 10 14:00:00 8.590909 11 15:00:00 7.714286 12 16:00:00 6.000000 13 17:00:00 2.000000 14 18:00:00 1.000000