京公网安备 11010802034615号
经营许可证编号:京B2-20210330
要是刘姥姥来到21世纪,把每一座大都市都逛上几圈,她一定会觉得都市人最喜欢的娱乐就是排队。早在1946年,匈牙利裔的作家乔治·米克斯(George Mikes)定居伦敦时,就在著作《如何当一个外星人 》(How To Be An Alien)中写下了一段经典名言:“到周末,英国人在公车站前排队到里士满公园(Richmond Park)玩。他们排队等游船,排队等喝茶,排队等吃冰淇淋。然后纯粹出于兴趣,再去排一些更奇怪的队伍。最后回到公车站前排队,花上他一辈子的时间……许多英国家庭喜欢晚上在家里排上好几个小时的队伍。当小孩子不玩了,准备排队去睡觉时,是父母们最难过的时刻了。”
这是旁观者兴灾乐祸的心态。对于身陷在队伍之中的人,或者商家来说,看到这么多等得不耐烦、随时要离开的客人,总归是一件不好的事。各位有没有想过,如果不考虑先来先到的公平性原则,想减少所有客人等候时间总和的话,该先服务哪些客人吗?答案是,先服务很快就可以搞定的客人。
举例来说,大毛、二毛、小明三兄弟在柜台前排队,大毛买了全家的生活用品,得花100秒结帐;二毛拿了一堆零食,需要花50秒结帐;而小明只拿一罐奶茶,10秒就结完帐了。如果按照年龄从大到小的顺序结帐,大毛、二毛、小明各自会花上100秒、150秒、160秒的时间才能完成结帐,平均时间为136.7秒。但如果颠倒过来让结帐快的人先结帐,则小明、二毛、大毛仅需要10秒、60秒、160秒可以完成结帐,平均是76.7秒,缩短了60秒。
用符号表式可以看得更清楚,当三人结帐时间各自为t1、t2、t3,并按照这样的顺序结帐时,每个人各自完成结帐的时间是t1、t1+ t2、t1+ t2+ t3,平均为t1+ 2t2/3+ t3/3。随着队伍的顺序,越后面的人对结帐时间影响越小,以N个人来说,第n位客人的排队时间是tn,平均时间即为:
因此,店家可以先处理那些不大需要花时间的客人,这样可以降低每人平均等待时间,提升顾客满意度;同样的道理,店家也可以反过来,先处理大客户的单,营造出门庭若市的热闹形象。所以如果你看到某间盐酥鸡摊位前排队的人特别多,说不定不一定是很好吃,只是老板数学很好,刻意延后那些只买豆干或甜不辣的点单。
然而,因为现实情况中需要考虑的地方太多,数学理论有时很难直接套用。在排队这个问题上,就算可以依照结帐时间排队,商家也不愿意真的这么做。因为要是真按照这个标准,等于变相鼓励大家买少一点,才能快点结帐。买了10万元的大客户永远得被排在最后面,等到铁卷门拉下来了才能结他的帐。
但这则理论并没有失效,商人们依然成功地将它转化为了一件我们都知道的东西——快速结帐柜台。借由快速结帐柜台设定的结帐门槛,将原本结帐时间短到长的排序,用二分法取代,低于门槛的人优先处理。如此一来,就能够大幅缩减整体的排队时间。
★让我们再来看看同样是等待,麦当劳和wendy汉堡店又有什么不同的排队方式:
排队是件烦人的事情,却又无法避免。不同地方排队方式不总是一样。很多地方采用的是“蛇形排队法”,在几个柜台同时工作的时候,所有的顾客只排一队,队伍像一条长长的蛇一样在间隔的栅栏之间穿行,排在队伍最前面的顾客就可以得到服务。而有的地方采用的则是传统的,每个柜台后面各自排一队的方式。美国卖汉堡的两家快餐店——Wendy汉堡和麦当劳,就分别使用了蛇形排队法和多列排队法。如果要较个真的话,这两种排队方法孰优孰劣呢?麦当劳和Wendy汉堡假设餐厅里有两个柜台可以提供服务,在几十秒之内 10 位顾客先后到达,排起了队,麦当劳和 Wendy 汉堡店里的队伍分别会是这样:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27