做卫生间数据分析两年,这几个坑我基本都踩过
做卫生间数据分析两年,这几个坑我基本都踩过|z35资讯网
我2021年开始做智慧公厕这块,前后落过十几个项目,商场、写字楼、三甲医院、高速服务区都有。说实话,卫生间数据分析这活儿看着简单,装几个传感器、拉个看板就完事,真做起来坑比想象中多。下面这些是我自己踩过的,写出来给同行省点时间。
先搞清楚你数的到底是什么
最常见的错误是把红外客流计数器的数字直接当成如厕人数。我在一个写字楼项目上就吃过亏:某层男厕单日计数3400,物业说这楼男员工才800人,明显不对。查了两天才发现,计数器装在走廊口,路过的人也被算了进去。后来把探头挪到隔间门正上方,数字掉到1100左右,这才接近真实。

还有几种情况会虚高:一个人进进出出好几次,比如洗手、接电话再折返,带小孩的算成两个,清洁人员来回走。反过来也有漏计的时候,人流密集时红外会重叠。我的经验是,计数数据只用来做趋势对比,别拿绝对值去做排班,误差20%很正常。

- 计数器安装位置决定数据质量,装在通道口和装在厕位上方完全是两回事
- 多人同行、重复进出要有修正系数,我一般按0.6到0.75去折算
- 客流数字只看相对变化,别当绝对值用
- 改造前后留一段重叠期,两套数据同时跑,才知道偏差有多大

环境传感器和指标口径的坑
氨气、硫化氢传感器漂移得比你想象中快。有个医院项目,传感器装完三个月,数据一直显示优良,保洁主管还挺高兴,结果现场一走进去味道冲鼻子。拆下来标定,发现零点漂了将近40%。湿度高的地方漂得更快,南方梅雨季尤其明显。现在我给客户报方案,都会写清楚每季度标定一次,这笔钱别省。
指标口径也得提前定死。比如平均等待时间,是用客流除以厕位数估算,还是门口装计数器实测,两种算法结果能差一倍。平均值本身也不靠谱,高峰期排队是长尾分布,看P95比看均值有用。我一般同时给出P50和P95,P95超过5分钟就该考虑加厕位或者调保洁了。
还有个容易忽略的点是时段划分。商场营业时间和写字楼完全不同,用同一套模板套所有场景,结论全是错的。写字楼要看午休前后那两小时,商场看周末下午,医院是一早一晚两个高峰。项目开始时我会先跑两周原始数据,看曲线自己找峰谷,不预设。
一个真实案例
去年做的一个商场,女厕周末下午投诉特别多。翻数据发现客流只涨了30%,但等待时间从2分钟涨到9分钟。原因不是人多,是保洁频次跟不上。垃圾桶满了以后,很多人进去看一眼就出来,再排队等下一个隔间,形成二次排队。后来把固定两小时保洁改成按客流触发,纸巾和垃圾桶状态也接了传感器,投诉量三个月降了六成多。
这事给我的启发是,卫生间数据不能只看客流。厕位占用率、耗材余量、异味值、保洁打卡记录,这几条线得放在一张图上看,单独看哪一条都容易得出错误结论。
最后提一句隐私。卫生间里绝对不能装摄像头,这是底线。就算做行为分析也只能用红外或者毫米波,而且要在入口明确告知。有客户提过想装摄像头看排队情况,我直接拒了,这钱不挣。