Pourquoi vos commandes de repas arrivent toujours en retard : analyse des délais de livraison et des facteurs clés
Ma Li·
Vous est-il déjà arrivé de regarder l’heure sans cesse, en vous demandant pourquoi votre livraison de repas met plus de temps que prévu ? La distance entre le restaurant et votre domicile n’est pourtant pas le seul facteur déterminant l’heure d’arrivée de votre commande.
Dans cet article révélateur, nous analysons en profondeur les nombreux éléments qui influencent les délais de livraison des repas. Des conditions météorologiques imprévisibles aux heures de forte circulation, sans oublier la rapidité de préparation du restaurant, chaque facteur joue un rôle clé dans le temps d’attente.
Que vous soyez un consommateur occasionnel ou un passionné de livraison à domicile, cette analyse vous offrira des perspectives éclairantes et une meilleure compréhension de la logistique complexe qui permet d’acheminer vos plats préférés jusqu’à vous.
Dans l'analyse suivante, nous utilisons des données du monde réel téléchargées depuis Kaggle. L'ensemble de données contient les colonnes suivantes :
Order_ID : Identifiant unique pour chaque commande.
Distance_km : La distance de livraison en kilomètres.
Weather : Conditions météorologiques pendant la livraison, y compris Clair, Pluvieux, Neigeux, Brumeux et Venteux.
Traffic_Level : Conditions de trafic classées comme Faible, Moyen ou Élevé.
Time_of_Day : L'heure à laquelle la livraison a eu lieu, classifiée comme Matin, Après-midi, Soir ou Nuit.
Vehicle_Type : Type de véhicule utilisé pour la livraison, y compris Vélo, Scooter et Voiture.
Preparation_Time_min : Le temps requis pour préparer la commande, mesuré en minutes.
Courier_Experience_yrs : Expérience du livreur en années.
Delivery_Time_min : Le temps total de livraison en minutes (variable cible).
L’outil d’analyse de données que nous utilisons est Powerdrill. Le rapport de données ci-dessous a été généré à l’aide de sa fonctionnalité AI Report Generator.
Découvrons maintenant ensemble ce qui se passe réellement en coulisses et comment ces mécanismes influencent le temps d’attente avant la livraison de votre prochain repas.
Temps clair : le temps moyen de livraison est d’environ 53,08 minutes, soit le plus court parmi toutes les conditions.
Temps brumeux : le temps moyen de livraison augmente pour atteindre environ 59,47 minutes.
Temps pluvieux : similaire aux conditions brumeuses, le temps moyen est d’environ 59,79 minutes.
Temps neigeux : cette condition présente le temps de livraison moyen le plus long, avec 67,11 minutes.
Temps venteux : le temps moyen de livraison est d’environ 55,46 minutes, plus court que par temps brumeux ou pluvieux, mais plus long que par temps clair.
Représentation en graphique à barres : le graphique montre clairement que les conditions neigeuses augmentent fortement les délais de livraison par rapport aux autres situations météorologiques.
Comparaison : les livraisons sont les plus rapides par temps clair, tandis que la neige entraîne les retards les plus importants.
Impact de la météo : les conditions météorologiques ont un impact significatif sur les délais de livraison, la neige étant le facteur le plus pénalisant.
Considérations opérationnelles : les entreprises devraient anticiper des délais plus longs en cas de conditions météorologiques défavorables, en particulier en période de neige, afin de mieux gérer les attentes des clients.
Après-midi : le temps moyen de livraison est d’environ 56,08 minutes, avec un écart-type de 21,09 minutes. Les délais varient de 16 à 109 minutes.
Soirée : le temps moyen de livraison est d’environ 57,48 minutes, avec un écart-type de 22,18 minutes. Les délais s’étendent de 13 à 141 minutes.
Matin : le temps moyen de livraison est d’environ 56,12 minutes, avec un écart-type de 21,54 minutes. Les délais vont de 8 à 126 minutes.
Nuit : le temps moyen de livraison est d’environ 55,21 minutes, avec un écart-type de 21,43 minutes. Les délais varient de 23 à 108 minutes.
Vue d’ensemble du diagramme en boîte : le box plot met en évidence la dispersion et la tendance centrale des temps de livraison selon les moments de la journée.
Valeurs aberrantes : des outliers notables apparaissent le matin et en soirée, indiquant des délais exceptionnellement longs sur certains créneaux.
Cohérence selon les périodes : les délais de livraison restent relativement constants au fil de la journée, avec des moyennes comprises entre 55 et 57 minutes.
Variabilité en soirée : la soirée présente la plus forte variabilité ainsi que des valeurs aberrantes, ce qui suggère un risque accru de retards sur ce créneau.
Trafic élevé : le temps moyen de livraison est d’environ 64,81 minutes.
Trafic moyen : le temps moyen de livraison est d’environ 56,02 minutes.
Trafic faible : le temps moyen de livraison est d’environ 52,89 minutes.
Le graphique à barres montre clairement que des niveaux de trafic plus élevés sont associés à des délais de livraison plus longs.
Les conditions de trafic faible permettent les livraisons les plus rapides, tandis que le trafic élevé entraîne les délais les plus importants.
Impact du trafic : il existe une corrélation nette entre le niveau de trafic et le temps de livraison. Plus le trafic est dense, plus les délais de livraison augmentent.
Considérations opérationnelles : les entreprises devraient intégrer les conditions de circulation dans leurs estimations de délais afin d’améliorer la satisfaction client et l’efficacité opérationnelle.
Vélo : le temps moyen de livraison est d’environ 56,57 minutes.
Voiture : le temps moyen de livraison est le plus élevé, avec 58,2 minutes.
Trottinette / scooter : le temps moyen de livraison est le plus bas, à 56,05 minutes.
Graphique à barres : le graphique indique que les voitures présentent le temps de livraison moyen le plus long, tandis que les scooters offrent les délais les plus courts.
Impact du type de véhicule : le choix du véhicule influence effectivement le temps de livraison. Les voitures affichent généralement des délais plus longs que les vélos et les scooters.
Efficacité : les scooters apparaissent comme le mode de livraison le plus efficace en termes de rapidité, ce qui suggère qu’ils sont particulièrement adaptés aux livraisons rapides.
Valeur de corrélation : la corrélation entre l’expérience des livreurs (en années) et le temps de livraison (en minutes) est de -0,09. Cela indique une très faible corrélation négative, suggérant qu’avec plus d’expérience, le temps de livraison diminue légèrement, mais la relation reste faible.
Plage d’expérience des livreurs : les données incluent des livreurs ayant entre 0 et 9 ans d’expérience.
Temps moyen de livraison : le temps moyen varie de 53,61 à 60,49 minutes.
Observation de la tendance : le nuage de points montre une légère tendance à la baisse, indiquant que les livreurs plus expérimentés tendent à livrer légèrement plus rapidement. Cependant, la dispersion des points suggère une grande variabilité et une tendance générale faible.
Faible corrélation négative : il existe une faible corrélation négative entre l’expérience des livreurs et le temps de livraison, ce qui suggère que l’expérience peut contribuer à des livraisons légèrement plus rapides, mais que d’autres facteurs jouent probablement un rôle important.
Potentiel pour une analyse plus approfondie : l’étude de variables supplémentaires ou l’utilisation d’un ensemble de données plus large pourrait aider à mieux comprendre les facteurs influençant les délais de livraison.
Corrélation : la corrélation entre le temps de préparation et le temps de livraison est de 0,31, indiquant une relation positive modérée.
Coefficient : le coefficient de régression est de 0,94, ce qui suggère que pour chaque minute supplémentaire de préparation, le temps de livraison augmente d’environ 0,94 minute.
Ordonnée à l’origine : l’ordonnée à l’origine est de 40,74, représentant le temps de livraison estimé lorsque le temps de préparation est nul.
Nuage de points avec ligne de régression : le graphique illustre la relation entre le temps de préparation et le temps de livraison. La ligne de régression montre une pente positive, confirmant l’influence positive du temps de préparation sur le temps de livraison.
Influence modérée : le temps de préparation exerce une influence positive modérée sur le temps de livraison, comme le confirment l’analyse de corrélation et de régression.
Modèle prédictif : le modèle de régression peut être utilisé pour prédire les temps de livraison en fonction du temps de préparation, avec un degré de précision raisonnable.