即时杂货配送(类似XX买菜)是欧洲今年初创公司的炒作：通过购物App选择了一些杂货，通过 Paypal 付款，10 分钟后，快递员就会将您购买的商品送到您家门口。这是一种在用户之间病毒式传播的商业模式。推出几个月后，我认识的朋友几乎有一半是通过这种方式购物的。这是一个像优步一样价值数十亿美元的想法。一个如此容易解释但仍然神奇的商业模式？但像这样的高度颠覆性商业模式也存在明显的问题：
- 过度劳累的快递员正在罢工。
- 由于位于住宅区中间的仓库的噪音污染，与地区有关的问题。
- 产品利润率低，客户对价格的容忍度很小。
- 对于像 Gorillas 这样的公司来说，业务增长正在地理上从地区到地区、城市到城市。
- 巨大的竞争（我现在仅在德国就有 12 家供应商）。
GoPuff付出了大胆但代价高昂的举措，在本文中，我将展示如何在不花费数百万美元收购初创公司的情况下，为即时杂货配送用例在一天内集成地理空间分析。
我们如何才能准确地考虑即时杂货配送的数据驱动决策？需要优化的重要资产是：
- 我应该在哪里设置仓库？
- 司机车队的最佳规模是多少？
- 该地区的目标客户有哪些偏好？
- 整体市场潜力有多大？
我们通过比较 Pankow 附近与 Pberg（“Prenzlauer Berg”）的邻近部分的数据来开始我们的分析。两个选定区域的面积（平方公里）相似。使用 Kuwala 框架，我们首先整合高分辨率的人口统计数据。在顶层视图中，它们在总体上以及在性别和年龄的子组内都具有可比性。
在下一步中，我们分析了有关杂货（例如超市）的兴趣点的当前现状。我们在 OpenStreetMap 数据上构建数据管道并提取分类和名称以及价格水平。我们将这些数据与这些 POI 的每小时流行度和访问频率相结合。
我们发现 Pankow 每平方公里的超市数量明显减少。此外，这表明 Pberg 的杂货店的价格水平要高得多。此外，我们发现 Pankow 的杂货店在晚上的访问量比 PBerg 多 10%。总之，我们现在可以假设 Pankow 的人们......
- … 去超市的平均时间更长。
- ……通常在晚上的时间花更多的时间在超市。
- ……杂货的价格弹性较低。