本文基于滴滴出行的城市运营数据，通过PowerBI进行数据清洗和指标模型建立，探讨了订单量、订单完成率、顾客等待时间和司机在忙率等问题。发现13点订单需求高但完成率低，周末附近订单完成率下降，用户实际等待时长普遍高于预计，12点司机在忙情况严重。建议提升预计等待时长预测准确度，增加车辆投入，优化派单逻辑和用户体验。
滴滴出行城市运营数据，来源：和鲸社区 - Kesci.com
1.背景描述
数据集为两个Excel文件，其中test为某次A/B测试相关数据，city为某城市运营数据。
数据说明
city.xlsx
date：日期
hour：时点
requests：请求数
trips：订单数
supply hours：可服务时长
average minutes of trips：平均订单时长（分钟）
pETA：顾客预计等待时长
aETA：顾客实际等待时长
utiliz：司机在忙率
2.数据清洗
- 缺失值处理（3种处理方式）
①直接删除
②填充平均值或者出现次数最多的值
③填充预测模型预测值
excel中定位空值（快捷键Ctrl+G，选择定位条件为空值），观察缺失值属性，选择处理方法。
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
