餐饮外卖订单配送时效预测数据集FoodDeliveryOrderTimePrediction-radenbayusetyan
数据来源：互联网公开数据
标签：外卖订单, 配送时间, 时效预测, 数据分析, 机器学习, 订单管理, 餐饮行业, 时间序列
数据概述：
该数据集包含来自餐饮外卖平台订单的历史数据，记录了订单的创建时间、送达时间以及相关的配送信息，用于分析和预测订单的配送时效。主要特征如下：
时间跨度：数据未明确标明具体时间范围，但从“created_at”和“actual_delivery_time”字段推测，数据包含了订单的创建和送达时间。
地理范围：数据未明确标明地理范围，但包含了“store_id”字段，暗示了订单来自于不同的门店。
数据维度：包括“market_id”（市场ID）、“created_at”（订单创建时间）、“actual_delivery_time”（实际送达时间）、“store_id”（门店ID）、“store_primary_category”（门店主营品类）、“order_protocol”（订单协议）、“total_items”（总商品数量）、“subtotal”（小计）、“num_distinct_items”（不同商品数量）、“min_item_price”（最低商品价格）、“max_item_price”（最高商品价格）、“total_onshift_dashers”（在线配送员总数）、“total_busy_dashers”（忙碌配送员总数）、“total_outstanding_orders”（未完成订单总数）、“estimated_order_place_duration”（预计订单处理时长）、“estimated_store_to_consumer_driving_duration”（预计门店到消费者驾驶时长）等字段。
数据格式：CSV格式，文件名为“historical_data_percobaancsv”，便于数据分析和建模。
来源信息：数据来源于餐饮外卖平台，已进行脱敏处理。
该数据集适合用于配送时效预测、订单管理优化和配送资源调度等方面的研究。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于餐饮行业、物流管理和时间序列分析等领域的学术研究，如配送时间预测模型构建、影响配送时效因素分析等。
行业应用：为餐饮外卖平台提供数据支持，尤其在提升订单配送效率、优化用户体验、预测高峰时段等方面具备实用性。
决策支持：支持外卖平台进行配送策略优化、运力资源调度，从而提高盈利能力和客户满意度。
教育和培训：作为数据分析、机器学习和供应链管理等课程的辅助材料，帮助学生和研究人员深入理解外卖配送流程。
此数据集特别适合用于探索影响订单配送时间的各种因素，构建预测模型，并优化配送流程，以提升整体运营效率和用户体验。
