兩周前公司在Noosa的一家店（confidentiality原因不具體指明品牌了）的店長回報當地的短褲類産品賣得很火，但停止供貨了。這是個有趣的問題。立即與該品牌線下零售的負責人取得聯系，得到了一些背景資訊。
- 服飾零售業顯然有季節性，十多年來公司始終是根據各地氣候确認何時供貨的
- 在澳洲國内分為六個區，Hot hot熱帶區, Hot亞熱區，Warm溫帶區，Cold寒冷區，Perth地中海型氣候區，Riverera幹熱區。所有店均按這六個區的分割來确定何時進入清倉模式
在Power BI上用地圖視圖可以清晰看到基于地理和氣候的劃分
問題的第一步是證僞。根據店長回報顯然起碼Noosa店并不适合按這種區劃來确定供貨周期(Assortment Planning)。是否的确如此呢？可以根據夏季産品的銷量占比來做聚類，觀察哪些店有類似的銷售模式。
category_sales = df.set_index(['Store', 'Month'])
category_sales['UnitQtyMonthlySum'] = category_sales['UnitQty'].groupby(['Store', 'Month']).sum()
category_sales['UnitQtyPerc'] = category_sales['UnitQty'] / \
category_sales['UnitQtyMonthlySum']
category_sales['SalesAmtMonthlySum'] = category_sales['SalesAmt'].groupby(['Store', 'Month']).sum()
category_sales['SalesAmtPerc'] = category_sales['SalesAmt'] / \
category_sales['SalesAmtMonthlySum']
選取夏季典型的polo衫和短褲品類
category_sales_sub = category_sales[(category_sales.Category == 'SHORTS') | (category_sales.Category == 'POLOS')][['Category','UnitQtyPerc','SalesAmt']]
Reshape資料，計算每個月每種品類的銷售占比
category_sales_pivoted = pd.pivot_table(category_sales_sub, index='Store', columns=[
'Month', 'Category'], values=['UnitQtyPerc','SalesAmt'])
category_sales_pivoted.fillna(0, inplace=True)
簡單預處理完資料，即成為如下格式
K-means算法是最常用的聚類算法之一。使用不同的K值計算inertia，又稱within-cluster sum-of-squares，來确認比較合适的聚類數量。一般而言我們取所謂的elbow肘尖處，因為這裡是inertia不再随聚類數增加顯著降低的點。但具體情況還是要參考聚類的statistics的，不能機械采用rule of thumb。
根據這張圖，5到8都可以是合适的聚類數。為了和現存的區劃做對比，本來傾向于采用K=6，但發覺這種情況下會有一個cluster有且僅有一個店。于是退回到5，取得cluster label後回Power BI看一下地理位置圖
為了和之前的分布圖做對比，盡量采用了一樣顔色的點來代表新的聚類，這樣對Business來說會比較直覺。現實中的資料科學項目是否成功很大程度上取決于insights是否actionable，而是否actionable又取決于business是否能了解你的findings。這種小細節對資料科學家而言沒有任何技術難度故而很容易被忽視，但卻可能成為成敗關鍵。
很顯然，根據銷售占比得到的聚類的确部分反映了現有區劃。但地中海型氣候區和幹熱區基本混在一起了，溫帶區也并沒有形成顯著的聚類，相反，很多溫帶區的點和寒冷區的點混雜在一起。值得注意的是，清倉模式其實會引入人工噪聲。銷售占比并非該店附近demand的真實反映，因為一旦到達清倉時間，價格下降會導緻購買高峰，之後就算有需求也不再補貨。對區劃的錯誤假定在某種程度上會導緻我們稱為self-fulfilment的結論--停止供貨會使得同一區域的店展現出類似的銷售模式，但這并不意味着區域内的店真的有那麼相似。有趣的是即使在這樣的人為噪聲下，我們仍能看到，現有區劃方案下的店面顯示出很不一樣的銷售模式。
再次回到Power BI，做crosstab comparison。這個界面是business作日常決策的依據。有時候即使發現某些店面的assortment planning方案和預想中不一樣，但由于銷售總量有限，不值得投入資源去改變現有方案。
以上已經證明現有方案的不合理，但我們還沒有給出更為合理的區劃方案。做了三個方案。其一，采用全部category品類來做聚類。雖然會由于季節性對某些品類停止供貨，但其他品類的季節性在某種程度上會cancel off人為引入的噪聲。其二，采用external data。比如google analytics有基于地域的搜尋詞統計，将之應用到某個店面的地理位置，再繪制出時間曲線，可以展現出當地對這個品類産品的需求。其三，采用線上銷售的統計資料。線上店是面向多時區的，不會按季節停止供貨。用google geocoding的api把所有線上銷售的寄送位址map到最近的店，某種程度上就反映了該店附近的需求。出于篇幅考慮這裡不再具體給出相應代碼。有興趣的話下次分享。