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 мы изучили ключевые метрики ресторанного бизнеса, проверили 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 наши 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 нашей 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:

✅ Лидеры:

1. ЕВР (Европейская) — 30 ресторанов (~12%)
2. ФУЗ (Fusion) — 26 ресторанов (~10.4%)
3. УЗБ (Узбекская) — 25 ресторанов (~10%)

В топ-10 попали:

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

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()

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']] )

from scipy.stats import mannwhitneyu, kruskal

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")