Этот проект посвящён анализу факторов успеха в индустрии гостеприимства и общественного питания на основе данных двухсот пятидесяти заведений столицы. Исследование выполнено с применением современных методов data science, включая статистический анализ, машинное обучение и генеративный искусственный интеллект. В рамках работы были изучены ключевые метрики ресторанного бизнеса, проведены распространённые гипотезы о связи цены и качества, а также выявили скрытые закономерности, которые могут быть полезны для рестораторов, маркетологов и инвесторов.

В современном высококонкурентном мире ресторанного бизнеса принятие решений на основе данных становится критически важным конкурентным преимуществом. Я задалась несколькими фундаментальными вопросами, которые волнуют каждого предпринимателя в этой сфере. Первый и наиболее важный вопрос звучит так:

действительно ли высокая цена напрямую влияет на рейтинг ресторана, или это распространённое заблуждение?

Второй вопрос касается структуры рынка:

какие типы кухни наиболее популярны среди московских ресторанов, где самая высокая конкуренция, а где есть незанятые ниши?

Третий вопрос географический:

существуют ли значимые различия между административными округами Москвы в плане цен, качества обслуживания и предпочтений аудитории?

И наконец, четвёртый вопрос методологический:

как можно сегментировать рынок для более эффективного позиционирования новых проектов?

Целевая аудитория этого исследования включает несколько групп профессионалов. Во-первых, это действующие рестораторы и предприниматели, планирующие выход на рынок общественного питания. Для них выводы могут стать основой для стратегического планирования и позиционирования. Во-вторых, это маркетологи и бренд-менеджеры, работающие в сфере HoReCa, которым необходимо понимание реальных драйверов успеха. В-третьих, инвесторы в индустрию общепита, которые принимают решения о финансировании проектов на основе объективных данных. И наконец, исследователи потребительского поведения и студенты, изучающие практическое применение data science в реальном бизнесе.

Объём выборки составляет двести пятьдесят ресторанов, расположенных в десяти административных округах Москвы. Это достаточно репрезентативная выборка, позволяющая делать статистически обоснованные выводы о рынке в целом. В выборку попали заведения пятнадцати различных типов кухонь, от традиционной русской и европейской до экзотической японской и узбекской. Мы также выделили четыре ценовые категории: бюджетный сегмент с чеком до одной тысячи рублей, средний сегмент от тысячи до тысячи восьмисот рублей, средний плюс от тысячи восьмисот до трёх тысяч рублей и премиум-сегмент свыше трёх тысяч рублей на человека.

Что показывает простыми словами:

Круговая диаграмма (pie chart) показывает, какой процент ресторанов относится к каждой ценовой категории: - Средний (красный) — 44,8% - Средний+ (оранжевый) — 31,2% - Бюджетный (зелёный) — 13,2% - Премиум (тёмно-синий) — 10,8%

Ключевые выводы:

✅ Основа рынка — средний сегмент: - «Средний» + «Средний+» = 76% всех ресторанов - Это золотая середина: чек 1200-3000 руб.

✅ Бюджетный сегмент недопредставлен: - Только 13,2% — мало вариантов для студентов и экономных клиентов

✅ Премиум-сегмент — ниша: - 10,8% — узкая аудитория с высокими доходами

✅ Структура типична для крупных городов: - Массовый рынок = средний сегмент - Экстремумы (очень дешёвые и очень дорогие) — меньшинство

Ключевые выводы:

В топ-10 попали:

• Европейские: Итальянская, Французская, Средиземноморская

• Национальные: Грузинская, Русская

1. ЧТО ПОКАЗЫВАЕТ ПРОСТЫМИ СЛОВАМИ?

Этот график показывает, как распределяются рейтинги ресторанов в зависимости от их ценовой категории. Форма «скрипки» (violin) показывает, где концентрируется большинство ресторанов по рейтингу:

Широкая часть = много ресторанов с таким рейтингом Узкая часть = мало ресторанов с таким рейтингом Синяя линия = медиана (середина распределения) Красная линия = среднее значение Ключевое наблюдение: Все ценовые категории имеют примерно одинаковые средние рейтинги (около 4.0 баллов), но различаются по разбросу. КЛЮЧЕВЫЕ ВЫВОДЫ:

✅ Миф развенчан: дорого ≠ качественно - Бюджетные рестораны имеют средний рейтинг ~3.9 - Премиум-рестораны тоже ~4.2 - Разница минимальна — всего 0.3 балла

✅ Средний сегмент самый разнородный - Категория «Средний» имеет самый широкий разброс (от 2.5 до 5.0) - Это означает огромную конкуренцию и большие различия в качестве

✅ Премиум-сегмент стабильнее - «Скрипка» премиум-категории более узкая и компактная - Меньше выбросов = более предсказуемое качество

✅ Средний+ показывает лучшую концентрацию - Большая часть ресторанов имеет рейтинг 4.0-5.0 - Это «золотая середина» по соотношению цена/качество

Этот график показывает, как различаются цены в ресторанах в разных административных округах Москвы:

Высота «скрипки» = разброс цен Ширина = концентрация ресторанов с определённой ценой Синяя линия = медианная цена (типичная) Красная точка = средняя цена Чёрные точки = выбросы (аномально дорогие рестораны) КЛЮЧЕВЫЕ ВЫВОДЫ:

✅ ЦАО (Центр) — самый дорогой - Медиана ~2500₽, среднее ~2900₽ - Огромный разброс: от 1500₽ до 5000₽ - Много премиум-заведений (выбросы до 5000₽)

✅ ВАО и ЮВАО — самые дешёвые - Медиана ~1200₽ - Компактное распределение = мало премиум-заведений

✅ ЗАО и СВАО — средний ценовой сегмент - Медиана ~1700₽ - Стабильные цены без экстремальных выбросов

✅ САО показывает бимодальность - Два пика: бюджетные (~1500₽) и дорогие (~2000₽) - Практически нет среднего сегмента

✅ ЮЗАО — загадка - Низкая медиана (~1400₽), но есть выбросы до 2000₽ - Возможно, смесь спальных районов и элитных ЖК

СБОР И ПОДГОТОВКА ДАННЫХ

Импорт необходимых библиотек

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from sklearn.preprocessing import StandardScaler

Загрузка датасета

df = pd.read_csv ('horeca_data.csv')

Первичный осмотр данных

print (f"Размер выборки: {len (df)} ресторанов») print (f"Количество признаков: {df.shape[1]}») df.info () df.describe ()

ОЧИСТКА И ОБРАБОТКА ДАННЫХ

Обработка пропущенных значений

df['reviews_count'].fillna (df['reviews_count'].median (), inplace=True) df['instagram_followers'].fillna (0, inplace=True)

Удаление выбросов (метод IQR)

Q1 = df['avg_check'].quantile (0.25) Q3 = df['avg_check'].quantile (0.75) IQR = Q3 — Q1 df = df[(df['avg_check'] >= Q1 — 1.5IQR) & (df['avg_check'] <= Q3 + 1.5IQR)]

Создание категориальных признаков

df['price_category'] = pd.cut (df['avg_check'], bins=[0, 1000, 1800, 3000, 10000], labels=['Бюджетный', 'Средний', 'Средний+', 'Премиум'])

Стандартизация числовых признаков

scaler = StandardScaler () df[['avg_check_scaled', 'rating_scaled']] = scaler.fit_transform ( df[['avg_check', 'rating']] )

ГИПОТЕЗА 1: Влияет ли цена на рейтинг?

budget = df[df['price_category'] == 'Бюджетный']['rating'] premium = df[df['price_category'] == 'Премиум']['rating'] stat, p = mannwhitneyu (budget, premium)

print («=== ГИПОТЕЗА 1: ДОРОГИЕ РЕСТОРАНЫ = ВЫШЕ РЕЙТИНГ? ===») print (f"Средний рейтинг бюджетных: {budget.mean ():.2f}») print (f"Средний рейтинг премиум: {premium.mean ():.2f}») print (f"p-value = {p:.4f}») if p < 0.05: print («✓ Различие ЗНАЧИМО») else: print («✗ Различие НЕЗНАЧИМО → МИФ РАЗВЕНЧАН!»)

ГИПОТЕЗА 2: Влияние округа на цену

stat, p = kruskal (*[df[df['district'] == d]['avg_check'] for d in df['district'].unique ()]) print (f"\n=== ГИПОТЕЗА 2: ГЕОГРАФИЯ ВЛИЯЕТ НА ЦЕНУ? ===») print (f"Kruskal-Wallis H-test: p-value = {p:.4f}») if p < 0.05: print («✓ Округ ЗНАЧИМО влияет на цену») else: print («✗ Округ НЕ влияет на цену»)

ГИПОТЕЗА 3: Популярность vs Рейтинг

high_reviews = df[df['reviews_count'] > df['reviews_count'].median ()]['rating'] low_reviews = df[df['reviews_count'] <= df['reviews_count'].median ()]['rating'] stat, p = mannwhitneyu (high_reviews, low_reviews)

print (f"\n=== ГИПОТЕЗА 3: ПОПУЛЯРНЫЕ = КАЧЕСТВЕННЕЕ? ===») print (f"Рейтинг популярных (много отзывов): {high_reviews.mean ():.2f}») print (f"Рейтинг непопулярных (мало отзывов): {low_reviews.mean ():.2f}») print (f"p-value = {p:.4f}») if p < 0.05 and high_reviews.mean () > low_reviews.mean (): print («✓ Популярные рестораны лучше») elif p < 0.05 and high_reviews.mean () < low_reviews.mean (): print («⚠️ Популярные рестораны ХУЖЕ (парадокс!)») else: print («✗ Нет значимой разницы»)

Анализ по ценовым категориям

category_analysis = df.groupby ('price_category').agg ({ 'rating': ['mean', 'median', 'std'], 'reviews_count': ['mean', 'median'], 'avg_check': ['mean', 'min', 'max'] }).round (2)

print («=== АНАЛИЗ ПО ЦЕНОВЫМ КАТЕГОРИЯМ ===») print (category_analysis)

Violin plot: распределение рейтингов по категориям

plt.figure (figsize=(14, 8)) sns.violinplot (data=df, x='price_category', y='rating', order=['Бюджетный', 'Средний', 'Средний+', 'Премиум'], palette='viridis') plt.title ('Распределение рейтингов по ценовым категориям') plt.savefig ('violin_price_rating.png', dpi=300) plt.show ()

ТОП-10 типов кухни

cuisine_top10 = df['cuisine'].value_counts ().head (10) plt.figure (figsize=(12, 8)) cuisine_top10.plot (kind='barh', color=sns.color_palette ('viridis', 10)) plt.title ('ТОП-10 самых популярных типов кухни') plt.xlabel ('Количество ресторанов') plt.savefig ('cuisine_bar_chart.png', dpi=300) plt.show ()

Scatter plot: цена vs рейтинг

plt.figure (figsize=(12, 8)) sns.scatterplot (data=df, x='avg_check', y='rating', hue='price_category', size='reviews_count', sizes=(50, 400), alpha=0.6) plt.title ('Зависимость рейтинга от среднего чека') plt.savefig ('scatter_price_rating.png', dpi=300) plt.show ()