Dự đoán doanh thu cửa hàng bằng mô hình hồi quy

Dự đoán doanh thu là một bài toán quan trọng trong quản trị kinh doanh và khoa học dữ liệu. Một mô hình dự đoán doanh thu chính xác giúp các doanh nghiệp bán lẻ lập kế hoạch sản xuất, quản lý tồn kho và tối ưu hóa chiến lược marketing. Với sự phát triển của Machine Learning, việc xây dựng một hệ thống dự báo doanh thu đã trở nên đơn giản và hiệu quả hơn bao giờ hết.

Nếu bạn là người mới bắt đầu, hãy tham khảo bài Hướng dẫn tiền xử lý dữ liệu sạch để huấn luyện mô hình tốt hơn để hiểu tầm quan trọng của dữ liệu chất lượng. Bạn cũng có thể xem bài Phân tích dữ liệu bán hàng bằng Python và Pandas để làm quen với thao tác dữ liệu và bài Tạo hệ thống phát hiện gian lận bằng học máy để mở rộng kiến thức về các ứng dụng thực tế của Machine Learning.

Giới thiệu về bài toán dự đoán doanh thu

Bài toán dự đoán doanh thu thường được xử lý như một bài toán hồi quy trong Machine Learning. Đầu vào là các đặc trưng liên quan đến cửa hàng và giao dịch, ví dụ như diện tích cửa hàng, số lượng nhân viên, ngân sách quảng cáo, và thời gian hoạt động. Đầu ra là một giá trị liên tục đại diện cho doanh thu dự kiến. Trong bài viết này, chúng ta sẽ xây dựng một mô hình hồi quy tuyến tính đơn giản bằng Python để dự đoán doanh thu của cửa hàng dựa trên tập dữ liệu giả lập.

Chuẩn bị môi trường

Trước tiên, bạn cần một môi trường lập trình Python để thực hành. Google Colab là lựa chọn tối ưu vì không yêu cầu cài đặt phức tạp. Truy cập https://colab.research.google.com và tạo một notebook mới. Với Jupyter Notebook, bạn cần cài đặt các thư viện cần thiết bằng lệnh sau:

!pip install pandas numpy matplotlib scikit-learn seaborn

Các thư viện trên sẽ giúp bạn đọc và xử lý dữ liệu, trực quan hóa và xây dựng mô hình học máy.

Tạo bộ dữ liệu giả lập để thực hành

Để minh họa, chúng ta sẽ tạo một tập dữ liệu nhỏ gồm thông tin về cửa hàng và doanh thu tương ứng. Việc này giúp bạn không cần phải tải dữ liệu từ bên ngoài mà vẫn có thể thực hành.

import pandas as pd
import numpy as np

# Tạo dữ liệu giả lập
np.random.seed(42)
data = {
    'Diện_tích_m2': np.random.randint(50, 500, 100),
    'Số_nhân_viên': np.random.randint(5, 50, 100),
    'Ngân_sách_quảng_cáo': np.random.randint(1000, 10000, 100),
    'Thời_gian_hoạt_động_tháng': np.random.randint(1, 60, 100),
    'Doanh_thu': np.random.randint(5000, 50000, 100)
}

df = pd.DataFrame(data)
df.to_csv('store_revenue.csv', index=False)
print("Đã tạo file store_revenue.csv để thực hành.")

Đọc dữ liệu từ file CSV

Sau khi tạo dữ liệu, bước tiếp theo là đọc file CSV vào Python để phân tích. Pandas cung cấp phương thức read_csv cực kỳ tiện lợi.

# Đọc dữ liệu
df = pd.read_csv('store_revenue.csv')
print(df.head())

Lệnh trên hiển thị 5 dòng đầu tiên để bạn kiểm tra dữ liệu đã được đọc thành công.

Khám phá và trực quan hóa dữ liệu

Trước khi xây dựng mô hình, cần hiểu rõ cấu trúc dữ liệu và mối quan hệ giữa các đặc trưng. Bạn có thể dùng phương thức info() và describe() để khám phá dữ liệu.

# Thông tin tổng quan
df.info()

# Thống kê mô tả
df.describe()

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(8,6))
sns.scatterplot(x='Ngân_sách_quảng_cáo', y='Doanh_thu', data=df)
plt.title('Ngân sách quảng cáo vs Doanh thu')
plt.show()

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaled_features = scaler.fit_transform(df.drop('Doanh_thu', axis=1))
X = pd.DataFrame(scaled_features, columns=df.columns[:-1])
y = df['Doanh_thu']

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

from sklearn.linear_model import LinearRegression

# Khởi tạo mô hình
model = LinearRegression()

# Huấn luyện mô hình
model.fit(X_train, y_train)

from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score

# Dự đoán trên tập kiểm tra
y_pred = model.predict(X_test)

# Đánh giá
mae = mean_absolute_error(y_test, y_pred)
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)

print(f"MAE: {mae}")
print(f"MSE: {mse}")
print(f"R² Score: {r2}")

plt.figure(figsize=(8,6))
sns.scatterplot(x=y_test, y=y_pred)
plt.xlabel('Doanh thu thực tế')
plt.ylabel('Doanh thu dự đoán')
plt.title('So sánh Doanh thu thực tế và Dự đoán')
plt.show()

# Dữ liệu cửa hàng mới
new_store = [[200, 20, 5000, 24]]  # Diện tích, nhân viên, quảng cáo, thời gian hoạt động
new_store_scaled = scaler.transform(new_store)

# Dự đoán
predicted_revenue = model.predict(new_store_scaled)
print(f"Dự đoán doanh thu: {predicted_revenue[0]:,.0f} VND")