<  Back to the Polytechnique Montréal portal

Data Analysis From an Internet Of Things System in a Gas Station Convenience Store

Georges Nassif

Masters thesis (2018)

[img]
Preview
Download (2MB)
Cite this document: Nassif, G. (2018). Data Analysis From an Internet Of Things System in a Gas Station Convenience Store (Masters thesis, École Polytechnique de Montréal). Retrieved from https://publications.polymtl.ca/3292/
Show abstract Hide abstract

Abstract

RÉSUMÉ : Le numérique est de plus en plus populaire et peut être appliquée à plusieurs industries et entreprises afin d'améliorer la productivité et extraire des informations de marketing. Ce travail de recherche s’adresse sur le potentiel des applications d'exploration de données dans un magasin numérisé de vente au détail traditionnel. L'objectif est de démontrer que grâce à un système IoT, des informations peuvent être extraites à partir des données collectées à l'aide des méthodes appropriées, tel que les méthodes d'exploration de données. Nos objectifs ont été réalisés en installant des capteurs Bluetooth dans un dépanneur de station d’essence dans la ville de Laval et en recueillant des données provenant des appareils Bluetooth des clients. Ces appareils incluent tous les téléphones intelligents et les montres intelligentes équipés de la technologie Bluetooth. Une collecte automatisée a été faite sur une durée de une semaine. À partir des données collectées, une première analyse a été effectué pour trouver une corrélation entre le RSSI et les distances réelles dans le but de tracer le mouvement des clients dans le magasin. Ces analyses ont montré que la précision des capteurs n’est pas assez forte pour démontrer un mouvement précis des clients. Pour s’adapter au manque de précision observé, la prochaine étape a été de regarder les données des capteurs comme des événements de présences ou absences dans les zones autours de chaque capteur. Avec les présences identifiées, une proportion de volume d’activité dans chaque zone a été établi comme donnée pour être utilisée avec les rapports de ventes du magasin pour en construire un arbre de décision. Nos résultats ont démontré que des informations peuvent être extraites à partir de la construction de ces arbres de décision qui contiennent des données venant d'un système IoT bien mis en place dans un environnement de vente au détail traditionnel.----------ABSTRACT : Digitalization is increasingly popular and can be applied to multiple industries and businesses to improve productivity and extract marketing insights. This research work looks at the potential of data mining applications in a digitalized traditional retail store. The goal is to demonstrate that through the means of an IoT system, insight can be extracted from the collected data with the proper tools, such as data mining methods. This has been done by installing Bluetooth beacons in a gas station convenience store in the city of Laval and collecting data coming from the customers Bluetooth devices. These devices include all smartphones and smart watches equipped with Bluetooth. An automated collection of data was done for a duration of one week. From the collected data, a first analysis was done to find a correlation between the RSSI and real distances to trace customers pathways within the store. These analysis showed us that the sensors precisions are not high enough to show a precise client pathway within the store. To adapt to this lack of precision, the next step was to look at the data from the sensors as events of presences or absences in the zones around each sensor. With each presence identified, a proportion of volume of activity in each zone has been established as data to be used with the store’s sales report to build a decision tree. Our results have showed that useful information can be extracted from a properly constructed decision tree with data coming from an IoT system put in place in a traditional retail environment.

Open Access document in PolyPublie
Department: Département de mathématiques et de génie industriel
Dissertation/thesis director: Fabiano Armellini
Date Deposited: 19 Nov 2018 10:07
Last Modified: 27 Jun 2019 16:47
PolyPublie URL: https://publications.polymtl.ca/3292/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only