
在你的身边,星巴克(StarBauks)的身影大概越来越多吧。据资料表明,从2011年到2015年,星巴克在华新开了超过1300家店,门店总数达到1811家。呈现出逐渐加速的态势,此后五年内,星巴克计划每年在中国投资增设500家门店,预计2019年星巴克在华门店总数量达到3400家。
近日,正好从kaggle网站下载了星巴克的全球布点数据(Starbucks Locations Worldwide),让我们以国内为据点,通过大数据分析,看一下星巴克与民生经济之间的千丝万缕的联系。
众所周知,星巴克作为小资的代表,一向出现在大城市的热门地段,例如繁华的购物中心,高尚写字楼等等,受众也是有一定经济能力和教育背景的人群。所以,当我们看到上海以551家星巴克雄踞排名第一的城市/省份,这大概也不奇怪了。
以省份而言,接下来是江苏,浙江,广东等经济发达省份,星巴克的数量也占比甚高。若是以城市排名,北京以234家排名城市第二,而杭州为122家,深圳113家,广州106家。
北上广深,此时应该为北上杭深广了吧。
有人说,你喝的每一杯星巴克都有大数据的影子。确实,星巴克在选址方面,运用了大量数据的指标分析。星巴克全球公司会提供标准化的数据表格,利用内部数据平台,对预想店面附近的零售商圈,公共交通,以及人口分布作出评估,这是为了防止在不适宜的地点开设门店,导致错误决策和经济损失。
因此,星巴克选择门店的标准,也可以反映出所在地的经济能力。例如上面的省份排名,我们可以作出全国各省的星巴克分布热力图,来看个端倪:
由图中可见,星巴克的分布确实类似中国gdp,东西部发展不均。在西部某些省份没有店铺(比如西藏,去旅游的老外就忍忍吧。)在有店铺的省份中,宁夏和甘肃是最少的。
北上深广且不论,本来这里的小资就是星巴克的消费大户,但如何看出二三线城市的发展潜力,从星巴克店铺的布局也可见一斑吧?在沿海地区,即使是我们不熟悉的城市,星巴克的店铺甚至已经超过了某些内陆省份。下面,我们就以江苏和浙江这两个大户,分别细看一下它们的星巴克城市分布:
江苏省以苏州领先,南京次之
而浙江省以杭州遥遥领先,把第二位宁波远远抛在了后面。嗯,如果一定要比较的话,似乎江苏省的城市分布更为平均一些呢。马云老大,你要带动一下周边城市哦!
因为自己居住在广州,所以把比例再度细化,来看一下广州的星巴克具体分布。原数据库中,提供的经纬度只到小数点后2位,如果是全国地图的话,应该倒是够用。但落到市区地图上非常不准确,所以需要用店铺地址,连接百度API,通过程序重新获取。
星巴克广州分布
从上图可以看出,星巴克大多集中在广州比较热门的地方,在天河北中心广场到珠江新城的中轴线上,犹为集中。此外在地铁站点和临江两岸,也有不少分布。此外,就是白云区凯德万达等商区中心,也是一个小热点。
和星巴克并行的品牌,在本市还有costa coffee,我个人也满喜欢的。那就获取广州的costa分店来看一看吧。这家的数量少很多,在深圳有20家,广州15家,将其在广州的位置落子后(红色方块位置),发现主要也是集中在珠江新城一带。相对于周边环伺的浅蓝色星巴克影子,嗯,小朋友还要加油啊!
costa和星巴克分布
再扩展到全国来看(这个数据不用爬,在官网就有),分布也是比较不均匀。在帝都居然是一家都木有的。其余来说,基本也是按照经济规律分布,上海特别的遥遥领先,是品牌高层的偏爱,还是有特殊的地理优势呢?
回到广州的星巴克,再度进行店铺商区的粗略分类,之所以说粗略,是因为采用了店铺地址所在的建筑进行评估,比如店子在某写字楼,就算入办公,虽然它旁边也可能有一家酒店。如果裙楼是商业,上面是办公楼,那么就算如混合。
大致分类如下:
办公,例如越秀区的交易广场,14家;
住宅,例如保利香槟花园,14家;
混合,例如太古汇这类,11家;
交通枢纽,5家,广州东站和南站各1家,白云机场3家(是不是坐飞机的人比较高大上一点?);
酒店,4家,比如中国大酒店(这不很奇怪,毕竟很多大酒店也有自己的咖啡厅)。
遥遥领先的是纯购物商圈,例如正佳广场、万达广场、天河城等。看来广州的星巴克定位,主打人群还是购物和周末休闲呀。
以购物商圈而言,虽然有大量人流,但竞争也比较激烈,星巴克虽然选址成功,但也有痛点尚未解决,比如:
近年国人饮料的喜好也转向贡茶、喜茶等品牌。如何以较贵的价格吸引shopping人群;
随着电商平台兴起,购物广场不免部分转向萧条,重点投入在购物商圈,是否也会跟着中枪,接下来,会否加大在写字楼和住宅等的投入?
星巴克目前还是傲娇的没有外送,也没有正式和外送平台合作(美团上目前有一家第三方代购,58起价),随着平台外卖的兴起+现在的暑热天气,有没有错过一波风口?
以上只是根据星巴克部分数据,做一些好玩的分析。感兴趣的话还可以继续挖掘,比如其他城市的具体布局,比如各地老外的比例是否影响了星巴克的数量?数据分析的吸引之处,就在于用精确的数字,来印证脑洞大开的奇想。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04